최근 확인한 콘텐츠
loading...
사이버텍스트
Automated Taxonomy Discovery and Exploration
한국연구업적통합정보 분석 및 검증체계 확대에 관한 연구 =
Big data and computational intelligence in networking
Taxonomies : practical approaches to developing and managing vocabularies for digital information
사회연결망분석과 이론적 함의
데이터 시대의 언론학 연구
Analysis and Visualization of Citation Networks
Data provenance and data management in eScience
Citation Analysis and Dynamics of Citation Networks
Medical data sharing, harmonization and analytics
한국어 정보구조 연구
Computer networking and scholarly communication in the twenty-first-century university
데이터 분석과 인공지능 활용
Managing and sharing research data : a guide to good practice
Data justice
Fashion Recommender Systems
네트워크
Materializing the web of linked data
네트워크 사이언스
정보관리학회지
정은경Scientometrics: An International Journal for all Quantitative Aspects of the Science of Science, Communication in Science and Science Policy
Tsay, Ming-yueh; Shen, Tung-mei; Liang, Ming-hsin정보관리학회지
박지연, 정동열Scientometrics
Köseoglu M.A.정보관리학회지
최상희한국비블리아학회지
김현정사회과학연구
김은진, 이성숙Journal of Knowledge Management
Donthu N.,Kumar S.,Sureka R.,Lim W.M.,Pereira V.한국비블리아학회지
김현정정보관리학회지
이재윤, 정은경물류학회지
유지영, 우수한사회과학연구
김은진; 이성숙서지학연구
감미아정보관리학회지
정유경정보관리학회지
이보람, 정은경한국컴퓨터정보학회논문지
김병규; 박민우; 유범종; 이준한국언론학보
전범수, 한상권Technology in Society
Dahesh M.B.,Tabarsa G.,Zandieh M.,Hamidizadeh M.한국SCM학회지
임혜정; 김미애; 서창교한국콘텐츠학회 논문지
박형주논문 / 대학원
본 과정은 학생들의 논문집필 주제 발굴을 돕고 다양한 세미나를 통하여 논문작성에 도움을 준다.전선 / 대학원
의류학을 과학적으로 연구하기 위하여 필요한 연구설계 및 자료분석방법을 학습한다. 연구설계의 내용으로는 연구의 개념, 연구의 절차, 변수와 측정, 척도 자료수집방법, 실험설계 등이 포함되며, 자료분석의 내용으로는 일원적 기술통계, 상관관계, 회귀분석, 경로분석 인자분석, 분산분석 등이 포함된다. 이로써 자신의 연구를 스스로 설계하고 자료를 통계적으로 분석할 수 있는 능력을 기른다.논문 / 대학원
논문집필 연구 및 세미나논문 / 대학원
본 과정은 학생들의 논문집필 주제 발굴을 돕고 다양한 세미나를 통하여 논문작성에 도움을 준다.전선 / 학사
최근 세계경제의 서비스화가 빠른 속도로 진행되고 있고 국내 산업구조 역시 제조 중심에서 서비스 산업 중심으로 크게 변화하고 있어, 서비스에 대한 이해와 생산성의 향상이 주요 관심사로 대두되고 있다. 서비스 시스템은 고객의 요구사항을 만족시키는 서비스를 생산ㆍ전달하기 위해 설계되는 기술과 조직적 네트워크의 복합체인 바, 본 교과목에서는 과학적ㆍ공학적 시각에서 서비스 시스템을 분석하고, 새로운 서비스 시스템을 설계ㆍ운영ㆍ혁신하기 위한 다양한 방법론을 학습한다.전선 / 대학원
아시아 연구 데이터 분석은 아시아 전역의 사회문화적 역학 연구를 위해 데이터 집약적 기법과 인문학적 해석을 연결하는 학제적 방법으로서 문화 분석을 소개한다. 이 강의는 문화 분석을 단순한 방법론적 틀이 아닌, 컴퓨터적 접근 방식과 해석적 실천을 연결하는 구체적인 방식으로 다룬다. 이를 통해 인문학과 사회과학을 특징짓는 상호텍스트성, 심층적인 역사적 맥락, 그리고 상황적 발화를 전면에 부각시킨다. 경험적으로, 이 과정은 텍스트, 시각, 청각의 세 가지 탐구 영역을 아우르며, 컴퓨터 도구를 활용하여 민족주의, 카스트와 같은 사회적 응집력, 그리고 언어, 지역, 젠더, 계급 등 사회학적 지표 전반에 걸친 다양한 변이와 같은 강력한 사상의 궤적을 추적한다.전필 / 학사
본 강좌는 커뮤니케이션 과학의 기초가 되는 데이터 분석 방법을 소개하고 이를 통해 학생들의 데이터 리터러시를 함양하는 것을 목표로 한다. 학생들은 과학적 설명과 예측의 기본 원리를 이해하고, 데이터 분석 방법을 PPDAC 문제 해결 과정(Problem-Plan-Data-Analysis-Conclusion)의 틀 내에서 학습하게 될 것이다. 이 수업을 통해 학생들은 설득, 확산, 여론, 대인관계, 공공 캠페인 등 다양한 커뮤니케이션 현상을 데이터를 바탕으로 설명하고 예측할 수 있게 될 것이다.논문 / 대학원
본 교과는 지도교수의 지도 아래 학위논문을 준비하기 위한 교과목이다.논문 / 대학원
전필 / 학사
인문학은 전통적으로 질적 접근을 주 방법론으로 삼아왔으나, 최근 수량적 접근의 필요성이 크게 부각되고 있다. 이 과목은 인문데이터과학을 전공하는 학생들에게 인문학의 여러 영역의 자료를 수량적으로 분석하기 위한 기초 지식을 제공한다. 통계의 기본 개념과 추론의 원리를 익히고 통계 소프트웨어를 활용하여 실제 데이터를 분석하는 능력을 키운다. 인문계열 1학년 수준의 수학 배경 지식에 맞추어 통계적 기법을 이해할 수 있도록 이론적인 부분을 최소화하되 추후에 본격적인 통계 관련 수업을 들을 수 있는 수리적인 기초를 닦을 수 있는 기회를 제공할 수 있도록 한다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 대학원
구강 및 악안면 영역을 보철물로 수복시 고려할 사항과 임상과정을 각 단계별로 고찰하고 이를 임상에 응용할 수 있도록 한다. 임상에서 발생되는 다양한 증례와 문제를 살펴보고 이를 해결하기 위한 방법을 논의한다. 수복재료에 대한 전반적인 고찰과 함께 측두하악장애 등의 문제를 가진 환자의 보철수복, 고난도 증례의 치료방법, 타과와의 협진을 통한 치료등 총괄적인 접근을 통해 해결할 수 있도록 한다.논문 / 대학원
이 과목은 석사 및 박사 학위 과정에 있는 학생들이 인공지능의 각 분야의 연구 경험을 쌓을 기회를 제공하는 것이다. 학생들은 이 과목을 통하여 인공 지능의 이론과 응용에 대해 공부하고, 각자의 연구 방향과 주제를 설정하며, 최종적으로는 연구 성과를 달성하는 것을 목표로 한다.논문 / 대학원
본 교과목은 대학원 석 박사 과정을 통해 수행될 연구에 필요한 기본적인 논문 연구와 이를 기초로 한 연구의 기획을 연습함으로써 독립적인 연구를 수행할 수 있는 능력을 함양할 수 있는 기회를 제공한다. 수강생의 연구 주제에 대한 최근 논문의 검토와 분석, 그리고 이를 통한 수강생의 연구 방법론의 향상을 도모한다.대학원 / 대학원
연구 수행에서 문헌고찰은 가장 기초가 되는 탐색행위이다. 문헌고찰의 여러 방법 중 근거 통합의 가장 상위단계인 체계적 문헌고찰 방법과 정량적 결과를 통합하는 메타분석에 대해 배우고 이를 실제 적용하여 한 학기 동안 논문으로 완성해 볼 수 있는 시간을 갖도록 한다. 이 수업을 통해 학생들은 가장 최신의 체계적 문헌고찰 방법론을 배우고 나아가 상황에 따라 메타분석이 필요할 경우 시행해 볼 수 있을 것이다. 덧붙여 최신 AI 기술을 활용한 문헌의 검색·정리·인용을 통해 더 쉽고 빠르고 정확하게 체계적 문헌고찰을 수행할 수 있는 방법을 배울 수 있다.전필 / 학사
이 과목에서는 컴퓨터에 의한 문제 해결을 위해 필요한 개념이나 대상물의 표현을 위한 자료 구조와 문제해결을 위한 체계적 사고 방법을 학습한다. 배열, 연결 리스트, 큐, 스택, 우선순위 큐 등의 기본적인 자료구조를 배우고, 검색 트리, 해시 테이블, 균형 잡힌 검색 트리 등 자료의 색인을 위한 자료구조와 그들의 효율성을 배운다. 정렬, 그래프 알고리즘 등 문제 해결에 유용한 도구와 생각하는 방법에 관한 내용도 제공한다. 프로그래밍 과제가 부여되며 이를 위한 최소한의 가이드가 제공된다.논문 / 대학원
창의적이고 우수한 계산과학전공의 학위논문을 쓰기 위하여 지도교수와 적절한 주제를 선정하여 관련된 문헌을 강독하고 분석하여 연구한 바를 지도교수와 정기적으로 토론한다.전선 / 학사
본 교과목은 최신 사회정책 분석·평가 기법에 대한 이해를 통한 실무적 응용 능력 배양을 목표로 한다. 수강생들은 사회정책이 기획, 집행, 평가되는 전 과정에 대한 구조적 이해를 바탕으로, 정책의 효과성을 과학적으로 분석하고 평가하는 데 필요한 핵심적인 '평가·분석 도구상자(analytical toolkit)'를 실무적인 관점에서 체계적으로 학습한다. 구체적으로 과목의 전반부는 교수자의 실무경험에 근거하여 정책 집행의 동학, 정책 네트워크, 정책 실패의 원인 등을 이론과 사례를 통해 학습하여 비판적 시각을 배양한다. 중반부는 미시적 차원 정책평가·분석 방법인 무작위 통제실험(RCT), 이중차분법(DiD), 회귀불연속설계(RD) 등 인과추론(causal inference) 방법론에 집중한다. 후반부는 거시적 차원의 정책평가·분석 방법인 비용편익분석(CBA), 계층화 분석법(AHP) 등 정책 대안을 비교·평가하는 틀을 학습한다. 실무·응용 능력 배양을 목적으로 하는 본 교과목은 프로젝트 기반 학습(PBL)으로 운영되며, 학생들은 팀 프로젝트를 통해 실제 사회정책 데이터를 분석하거나 평가 사례를 심층 분석함으로써, 이론적 지식을 실천적 문제 해결 능력으로 전환하는 경험을 하게 될 것이다. 이를 통해 미래의 사회정책 전문가로서 데이터에 기반하여 합리적인 정책적 판단을 내리고, 그 결과를 효과적으로 소통하는 능력을 갖추게 될 것을 기대한다.전선 / 학사
최근의 의학은 이전의 bio(분자생물학, 줄기세포, 재생의학 등 실제 실험실에서의 실험 연구 등) 중심에서 data science 중심으로 급격히 변화가 일어나고 있는 것은 누구나 다 인지하고 있는 사실이다. 소위 제4차 산업혁명이라고 불리어지는 영역이기도 하다. 이에 의학 및 실제 임상에서 이러한 분야의 발전과 변화가 어떤 영향을 미치고 있는지, 어떻게 활용하여야 하는지에 대한 관심은 매우 높다고 할 수 있다. 의학도로 막 입문한 의예과 학생들이 이러한 디지털 데이터 의학이라는 학문에 조기에 접하고 경험함으로써, 더욱 발전적인 미래를 기대할 수 있을 것이다.전필 / 학사
이 과목은 인문데이터과학 전공 전반에 대한 기본 지식을 습득하는데 목표를 두고 있다. 우선 인문학의 각 영역에서 생산되는 다양한 인문데이터의 고찰에서부터 이 데이터를 과학적으로 분석하고 데이터화하는 방법과 실제로 처리하는데 필요한 개념을 습득한다. 또한 반응시간측정, 안구측정(Eye tracker), 뇌파측정(EEG) 등의 인지 반응 데이터를 수집하는 다양한 방법론을 학습할 수 있는 기회를 갖게 된다. 이러한 과정을 통해 수강생들은 인문데이터 과학 전공을 수행할 수 있는 기본 능력을 갖추게 될 것이다. 본 강의는 각 주제에 따라 복수의 강사가 진행하는 공동운영 강좌로 운영된다.