http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Developer 개념을 이용한 한국토지개발공사의 해외시장 진출방안
이현종,임달호 충북대학교 산업경영연구소 1996 産業과 經營 Vol.8 No.2
한국토지개발공사의 海外工團開發은 異例的인 사례이며, 특히 公企業의 해외직접투자에 관한 연구는 공기업의 특성상 硏究의 관심권밖에 두는 일이 많아 사례를 찾아보기 어렵다. 그러나 WTO 체제의 出帆과 OECD 加入을 목전에 둔 우리에게 공기업 Global화에 따른 성격규정 및 汎世界的 無限競爭 시대의 도래에 걸맞는 認識의 大轉換과 役割의 再定立이 요구된다. 본 연구에서는 한국토지개발공사와 같은 공기업이 특유의 利點을 살리면서 蓄積된 기업의 경쟁優位를 해외시장에서 적극 활용할 수 있는 方案을 모색해 봄으로써 公企業 國際化의 논거를 제시하는 데에 주안점을 두었다. 우리와 같은 小規模 經濟國의 경우, 公기업과 私기업간에 조화 있는 해외활동이 범세계적 무한경쟁을 克服하는 최적의 수단이 될 수 있을 것이다. 또한 공기업이 국제화를 통해 公共性과 收益性을 어떻게 接木시킬 수 있는지를 조명하고, 한국토지개발공사와 같은 토지·건설관련 공기업의 경우 디벨로퍼의 槪念의 운용에 의한 경쟁우위를 해외시장에서 有效適切하게 사용할 수 있음을 제시하는 한편, 공기업의 국제화에 따르는 제반 문제점을 糾明하고 그 정책적 대안을 제시하고자한다.
이현종 충북대학교 산업경영연구소 1996 産業과 經營 Vol.9 No.2
음성군 제조업은 지난 10년간 초고속 성장을 하여 1983년 도내 하위권에서 맴돌던 도내위상이 1993년 일약 2위로 도약하였다. 이러한 도약은 특히 충북과 같은 저성장지역에서는 극히 이례적인 현상에 속한다. 따라서 본고에서는 이같은 음성군의 초고속 성장의 배경과 원동력을 정밀분석함으로써 소규모단위 또는 충북과 같은 저성장 지역 경제가 발전하고 성장하기 위해서는 경제의 순환논리에 충실해야 한다는 결론을 얻었다. 즉 소규모 경제단위가 갖는 악순환적 한계성은 주변지역 특히 시장규모가 큰 지역과의 연계성 확보를 통해 선순환적 관계로 전환될 수 있다. 이중 가장 중요한 것이 선순환을 위한 교통망의 확보인 것으로 나타나고 있다. 이는 이미 주요 선진 각국의 경험에서 입증된 바이지만 음성군의 경우는 또 다른 실례를 보여 준다. 또한 음성군의 경험은 충북의 교통망 구조에 일대 변혁이 있어야 충북경제가 활력을 찾을 수 있으리라는 사실도 아울러 예고하고 있다.
이현종 충북대학교 산업경영연구소 2002 産業과 經營 Vol.14 No.2
전자상거래란 컴퓨터 네트워킹 시스템을 이용하여 상거래를 하는 것을 말한다. 따라서 전자상거래도 엄연한 상거래이기 때문에 전자상거래의 실체를 인식하려면 컴퓨터나 네트워킹을 아는 것이 중요한 것이 아니라 상거래의 가치 창출력이 어디에서 비롯되는 지를 알아야 한다. 이런 면에서 컴퓨터 전문가 또는 네트워킹 전문가가 전자상거래를 주도하는 것은 바람직하지 못하다. 전자상거래가 전통적 상거래 도구보다 우월한 점은 상거래를 위한 시장창출 능력이 뛰어나고, 거래에 필요한 각종 정보제공 및 처리 능력이 훨씬 뛰어나다는 것이다. 즉 전자상거래의 위력은 컴퓨터 네트워킹 시스템의 정보전달력에 기원하고 있다. 그러나 그것이 가치창출을 하기 위해서는 상거래를 위한 컴퓨터 네트워킹 시스템이 되어야 한다. 이제까지의 전자상거래는 그렇지 못했다. 또한 컴퓨터 네트워킹은 시스템은 온라인 거래 영역보다 오프라인 거래 영역에서 훨씬 더 큰 위력을 발휘하게 되어 있다. 그럼에도 종래의 전자상거래는 그 역으로 추진되어 왔다. 그것은 전자상거래의 실체가 무엇인 지를 정확히 알지 못했기 때문에 빚어진 착각이다. 그러기 위해서는 전자상거래가 프로그래머의 손아귀에서 하루 빨리 벗어나는 것이 상책일 것이다.
여성골프참여자의 사회적 지지가 자아존중감 및 신체적 자기효능감에 미치는 영향
이현종,이근모,장승현 한국체육정책학회 2014 한국체육정책학회지 Vol.12 No.4
This study aims to empirically showed the effect of social support of women golf participants on their self-esteem and physical self-efficacy. To achieve this goal, women adults participating golf in Busan region in 2011 were chosen as the population and for sampling, the valid sample of 343 persons have been used for the analysis using purposeful sampling. Questionnaires for this study consisted of 45 questions: 3 demographic questions, 22 social support questions, 7 self-esteem questions, 13 physical self-efficacy questions. As a data analysis, exploratory factor analysis, Cronbach's α, and multiple regression analysis have been executed, using Window SPSS Ver. 18.0 program. The results are showed as following. First, it found that social support had a significant effect on self-esteem. Second, it found that social support had a significant effect on physical self-efficacy. Third, it found that self-esteem had a significant effect on physical self-efficacy.
악성코드 패밀리 분류를 위한 API 특징 기반 앙상블 모델 학습
이현종,어성율,황두성 한국정보보호학회 2019 정보보호학회논문지 Vol.29 No.3
This paper proposes the training features for malware family analysis and analyzes the multi-classification performance ofensemble models. We construct training data by extracting API and DLL information from malware executables and useRandom Forest and XGBoost algorithms which are based on decision tree. API, API-DLL, and DLL-CM features formalware detection and family classification are proposed by analyzing frequently used API and DLL information frommalware and converting high-dimensional features to low-dimensional features. The proposed feature selection methodprovides the advantages of data dimension reduction and fast learning. In performance comparison, the malware detectionrate is 93.0% for Random Forest, the accuracy of malware family dataset is 92.0% for XGBoost, and the false positive rateof malware family dataset including benign is about 3.5% for Random Forest and XGBoost. 본 논문에서는 악성코드 패밀리 분류를 위한 훈련 데이터의 특징을 제안하고, 앙상블 모델을 이용한 다중 분류 성능을 분석한다. 악성코드 실행 파일로부터 API와 DLL 데이터를 추출하여 훈련 데이터를 구성하며, 의사 결정 트리기반 Random Forest와 XGBoost 알고리즘으로 모델을 학습한다. 악성코드에서 빈번히 사용되는 API와 DLL 정보를 분석하며, 고차원의 훈련 데이터 특징을 저차원의 특징 표현으로 변환시켜, 악성코드 탐지와 패밀리 분류를 위한API, API-DLL, DLL-CM 특징을 제안한다. 제안된 특징 선택 방법은 데이터 차원 축소와 빠른 학습의 장점을 제공한다. 성능 비교에서 악성코드 탐지율은 Random Forest가 93.0%, 악성코드 패밀리 분류 정확도는 XGBoost가92.0%, 그리고 정상코드를 포함하는 테스트 오탐률은 Random Forest와 XGBoost가 3.5%이다.