http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 표규진(Gyujin Pyo) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
코로나-19의 특징과 전파위험 걱정이 스마트 러닝 수용에 미치는 영향: ISSM과 HBM의 통합 모형 적용을 중심으로
표규진,김양석,노미진,한무명초,손재익,Pyo, GyuJin,Kim, Yang Sok,Noh, Mijin,Han, Mu Moung Cho,Rahman, Tazizur,Son, Jaeik 한국디지털정책학회 2021 디지털융복합연구 Vol.19 No.7
코로나-19가 확산하면서 비대면 학습을 할 수 있는 스마트 러닝에 관한 관심이 증가하고 있다. 본 연구는 스마트 러닝의 개념에 대한 이해와 스마트 러닝에 관련된 선행연구를 살펴보고, 코로나-19에 대한 사용자의 생각과 스마트러닝 시스템의 정보 품질 및 시스템 품질이 사용자의 수용에 어떻게 영향을 미치는지 분석한 실증연구이다. 본 연구는 코로나-19에 대한 지각된 민감성과 심각성이 전파위험 걱정을 매개로 하여 스마트 러닝에 대한 만족과 사용에 대한 영향력을 살펴보았고, 콘텐츠 품질과 상호작용 품질로 구성된 정보 품질과 시스템 접근성과 기능성으로 구성된 시스템 품질이 사용자 만족을 매개로 하여 스마트 러닝 사용에 미치는 영향력을 살펴보았다. 제안된 모형을 검증하기 위해 스마트 러닝 사용 경험이 있는 사용자 334명을 대상으로 설문을 실시하였고, Smart PLS 3.0을 이용하여 분석을 수행하였다. 분석 결과에 따르면 정보 품질과 시스템 품질 중에서 기능성만 스마트 러닝의 만족에 양(+)의 영향을 미쳤고, 만족은 사용 행동에 양(+)에 영향을 미쳤다. 그러나 시스템 품질 중 접근성은 만족에 영향을 미치지 않는 것으로 나타났으며 전파위험 걱정은 만족에 부정적인 영향을 미치는 것으로 나타났다. 본 연구는 코로나-19와 같은 새로운 감염병의 위기상황 속에서 학생들의 학습을 지원하기 위한 스마트 러닝을 연구할 때에 연구자들에게 의미 있는 가이드 라인을 제공할 수 있을 뿐만 아니라 교육기관과 스마트 러닝 관련 업체들에게도 유용한 시사점을 제공할 수 있을 것이다. As COVID-19 spreads, people's interest in smart learning that can do non-face-to-face learning is increasing nowadays. In this study, we aim to empirically analyze how users' thoughts on COVID-19 and the information quality and system quality of smart learning systems affect users' acceptance of smart learning and examine the effect of perceived sensitivity and severity of COVID-19 on the satisfaction and use of smart learning through concerns about the risk of transmission. In addition, we examined the influence of information quality composed of content quality and interaction quality and system quality composed of system accessibility and functionality on the use of smart learning through user satisfaction. To verify the validity of the proposed model, we conducted a survey on 334 users with experience in using smart learning, and performed the analysis using Smart PLS 3.0. According to the analysis results, among information quality and system quality, only functionality has a positive (+) effect on the satisfaction of smart learning, and satisfaction has a positive (+) effect on the usage behavior. However, it is found that accessibility among system quality do not affect satisfaction, and concern about the risk of transmission has a negative effect on satisfaction. This study can provide meaningful guidelines to researchers when researching smart learning to support students' learning in a pandemic situation of a new infectious disease, such as COVID-19. It will also be able to provide useful implications for educational institutions and companies related to smart learning.
-
딥러닝을 활용한 모바일 어플리케이션 리뷰 분류에 관한 연구
손재익(Jaeik Son),노미진(Mijin Noh),타지주르 라만(Tazizur Rahman),표규진(Gyujin Pyo),한무명초(Mumoungcho Han),김양석(Yangsok Kim) 한국스마트미디어학회 2021 스마트미디어저널 Vol.10 No.2
스마트폰과 태블릿과 같은 스마트 기기의 발달과 사용이 증가함에 따라, 모바일 기기를 기반으로 한 모바일 어플리케이션 시장이 급속도로 커지고 있다. 모바일 어플리케이션 사용자는 어플리케이션을 사용 경험을 공유하고자 리뷰를 남기는데, 이를 분석하면 소비자들의 다양한 니즈를 파악할 수 있고 어플리케이션 개발자들은 소비자들이 작성한 리뷰를 통해 애플리케이션의 개선을 위한 유용한 피드백을 받을 수 있다. 그러나 소비자들의 남기는 많은 양의 리뷰를 수작업으로 분석하기 위해서는 많은 시간과 비용을 지불해야하기 때문에 이를 최소화 할 방안을 마련할 필요성이 존재한다. 이에 본 연구에서는 구글 플레이스토어(Google PlayStore)의 배달 어플리케이션 사용자 리뷰를 수집한 후 머신러닝과 딥러닝 기법을 활용하여 어플리케이션 기능 장점, 단점, 기능 개선 요청, 버그 보고의 4가지 범주로 분류하는 방법을 제안한다. 연구 결과, Hugging Face의 pretrain된 BERT기반 Transformer모델의 성능의 경우 위의 4개의 범주에 대한 f1 score값은 차례대로 0.93, 0.51, 0.76, 0.83으로 LSTM, GRU보다 뛰어난 성능을 보인 것을 확인할 수 있었다. With the development and use of smart devices such as smartphones and tablets increases, the mobile application market based on mobile devices is growing rapidly. Mobile application users write reviews to share their experience in using the application, which can identify consumers various needs and application developers can receive useful feedback on improving the application through reviews written by consumers. However, there is a need to come up with measures to minimize the amount of time and expense that consumers have to pay to manually analyze the large amount of reviews they leave. In this work, we propose to collect delivery application user reviews from Google PlayStore and then use machine learning and deep learning techniques to classify them into four categories like application feature advantages, disadvantages, feature improvement requests and bug report. In the case of the performance of the Hugging Face s pretrained BERT-based Transformer model, the f1 score values for the above four categories were 0.93, 0.51, 0.76, and 0.83, respectively, showing superior performance than LSTM and GRU.
ScienceON
eArticle연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
