선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러기 위하여 새로운 피측정자의 열굴 피부색을 측정하고, 얼굴 피부색에 가장 영향을 미치는 색채 변수를 연구하고, 새로운 피측정자가 어느 유형에 속하는가를 판별하기 위한 기준을 정하고, 이 기준에 의하여 피측정자를 선발하기 위한 것이다.
- 따라서 본 연구는 우리나라 여성의 얼굴 피부색에 가장 잘 어울리는 색채 (the most favorable color)와 가장 잘 어울리지 않는 색채 (the least favorable color)를 도출하기 위한 관능검사를 실시하기 전에, 이미 분류된 여성의 얼굴 피부색 유형을 가진 새로운 피측정자를 선정하기 위한 판별 기준을 정하는 것이다. 그러기 위하여 새로운 피측정자의 열굴 피부색을 측정하고, 얼굴 피부색에 가장 영향을 미치는 색채 변수를 연구하고, 새로운 피측정자가 어느 유형에 속하는가를 판별하기 위한 기준을 정하고, 이 기준에 의하여 피측정자를 선발하기 위한 것이다.
- 실정이다. 따라서 본 연구는 우리나라 여성의 얼굴 피부색에 가장 잘 어울리는 색채와 가장 잘 어울리지 않는 색채를 분석하기 위하여 이미 분류된 얼굴 피부색 유형을 가진 새로운 피험자를 찾기 위한 판별기준을 정하는 것이다. 우리나라 20대에서 60대에 이르는 피부색이 YR계열을 나타내는 324명의 자료를 이용하였다.
제안 방법
- 따라서 각 유형에 따른 얼굴 피부색의 판별 기준을 정하기 위하여 피부색이 YR계열을 나타내는 324명의 자료(이민아, 김구자, 2002)를 이용하였다. 324명 중에서 분류된 유형을 가진 새로운 피측정자를 선정하기 위하여 여대생 10명의 얼굴 피부색을 측정하였으며 얼굴 부위 중에서 이마, 뺨의 두 지점의 피부색을 측정하였다. 피부색을 측정할 때 약한 정도의 화장을 한 경우에는 분광측색계 JX-777의 측색면적인지름 2.
- 값, a값, b값, Hunter값, X, Y, Z값, 반사율과 흡수율, H, V, C값 등이 측정된다. 그 중에서 L값, a값, b값, 먼셀의 색체계에 의한 H, V, C에 대한 측정값 등의 6 개 색채 변수와 이마, 뺨의 두 지점의 피부색을 측정하여 12개의 변수를 색채 변수로 이용하였다. 측정된 L값은 색채의 좌표상에서 Y축으로 표시되며 명도를 나타내고, a값, b값의 좌표는 X축상에서: 색상과 채도의 복합적인 변화를 나타낸다.
- 001 수준에서 함수 간에 유의차가 있었다. 다음은 새로운 피험자의 얼굴 피부색의 유형별 판별 점수의 범위를 결정 하기위하여 얼굴 피부색 판별 변수로 5개의 변수인 뺨의 L값, 뺨의 b값, 뺨의 H값, 이마의 V값, 이마의 C값의 비표준화 정준판별 함수계수와 상수로 정준 판별 함수식을 도출하였다. <표 6>에 제시되어 있는 비표준화 정준판별 함수계수를 대입하여 정준판별 함수식을 계산하였으며 정준판별 함수식은 새로운 피험자의 얼굴 피부색의 유형별 판별 점수의 범위를 결정하는 데에 사용되었다.
- 다음은 얼굴 피부색에 영향을 미치는 기여도가 가장 큰 색채 변수에 대한 상대적 중요도를 알아보기 위하여 표준화된 정준판별 함수계수(standardized canonical function coefficient)의 값을 통해 상대적 중요도를 분석하였다. 표준화된 정준판별 함수계수는 자료의 값들을 평균을 0으로, 표준편차를 1로 표준화하여 정준 판별 함수에 대입해서 판별 함수를 계산한 것으로<표 8>에서 보는 바와 같이 12개의 색채 변수 중에서 표준화된 정준판별 계수1에서는 5개의 색채 변수가 얼굴 피부색에 영향을 미치며 그 중에서 뺨의 황색도인 b값, 이마의 V값, 뺨의 L값, 이마의 C값, 뺨의 H값의 순으로 영향을 미치는 변수임을 알 수 있다.
- 얼굴 피부색을 분류하기 위하여 K-평균 집락 분석으로 유형을 분류하고, 분류된 유형에 대한 ANOVA 분석과 사후 검증으로 Duncan의 다중범 위 검증을 실시하였다. 분류된 유형에 대한 판별 분석은 단계적 판별분석을 하였으며, 얼굴 피부색에 가장 영향을 미치는 색채 변수를 추출하고, 분류된 유형의 판별 적중율 (hit ratio)을 분석하였다. 얼굴 피부색에 가장 기여도가 높은 색채 변수를 도출하였다.
- 얼굴 피부색에 가장 기여도가 높은 색채 변수를 도출하였다. 새로운 피측정자 10명을 대상으로 얼굴의 2지점의 피부색을 측정하여 어느 유형의 피부색에 속하는지를 판별하고 선정하였다.
- 얼굴 피부색 판별기준은 비표준화 계수에 의해 계산된 정준판별 함수식 1과 정준판별 함수식2에 대입하여 판별 함수 1과 판별 함수2를 구하였고 의 판별 점수 범위를 적용하여 기준을 설정 하였다.
- 다음은 새로운 피험자의 얼굴 피부색의 유형별 판별 점수의 범위를 결정 하기위하여 얼굴 피부색 판별 변수로 5개의 변수인 뺨의 L값, 뺨의 b값, 뺨의 H값, 이마의 V값, 이마의 C값의 비표준화 정준판별 함수계수와 상수로 정준 판별 함수식을 도출하였다. <표 6>에 제시되어 있는 비표준화 정준판별 함수계수를 대입하여 정준판별 함수식을 계산하였으며 정준판별 함수식은 새로운 피험자의 얼굴 피부색의 유형별 판별 점수의 범위를 결정하는 데에 사용되었다.
- 단계적 판별 분석에 의해<표 2>의 5개의 색채 변수가 선택되었으며 이 변수들의 분류 함수계수와 상수가 구해졌다. <표 3>에 제시한 분할표 분석(classification table)은 5개의 색채 변수에 대한 분류 함수가 정준판별 함수의 독립 변수로 투입되어 분류 함수에 의하여 분류된 각 유형의 예측 소속 집단의 출현율과 군집분석에 의하여 분석된 실제유형의 출현율을 제시하고 있으며, 판별의 정확도를 검증하기 위하여 판별 함수의 명중률(hit ratio)을 제시 하였다.
- 여성의 얼굴 피부색에 영향을 미치는 색채 변수 중에서 기여도가 높은 변수를 파악하기 위하여 집락 분석으로 분류된 3유형 을 대상으로 단계별 판별 분석을 실시하였다. 단계적 판별 분석에 의해<표 2>의 5개의 색채 변수가 선택되었으며 이 변수들의 분류 함수계수와 상수가 구해졌다.
- 위의 얼굴 피부색 판별 범위의 점수 기준에 의하여각 유형의 얼굴 피부색을 가진 피측정자를 선정하기 위하여 10명의 여자 대학생을 대상으로 뺨과 이마의 두 지점의 피부색을 측정하였다. 얼굴 피부색 판별기준은 비표준화 계수에 의해 계산된 정준판별 함수식 1과 정준판별 함수식2에 대입하여 판별 함수 1과 판별 함수2를 구하였고 <표 10>의 판별 점수 범위를 적용하여 기준을 설정 하였다.
- 중요도가 높은 색채 변수의 비표준화된 정준판별 계수와 상수로 정준판별 함수식을 계산하였다. 정준판별 함수의 경계 점수(cutting score)을 계산하여, 판별 점수의 범위를 정하여 선정기준을 확정하였다. 통계 분석은 SPSS WIN.
- 각 유형들이 이 분류 함수에 의하여 얼마나 정확하게 판별되는지를 검증하기 위하여 분할표 분석 (classification table)을 하였고 유형 별로 판별 함수의 명중율(hit ratio)을 분석하였다. 중요도가 높은 색채 변수의 비표준화된 정준판별 계수와 상수로 정준판별 함수식을 계산하였다. 정준판별 함수의 경계 점수(cutting score)을 계산하여, 판별 점수의 범위를 정하여 선정기준을 확정하였다.
- 분석을 실시하였다. 판별 분석은 단계적 판별분석 (stepwise discriminant analysis)을 통하여 얼굴 피부색에 기여도가 큰 색채 변수들을 추출하고, 선택된 색채 변수는 분류 함수와 정준판별 함수의 독립변수로 투입되었다. 각 유형들이 이 분류 함수에 의하여 얼마나 정확하게 판별되는지를 검증하기 위하여 분할표 분석 (classification table)을 하였고 유형 별로 판별 함수의 명중율(hit ratio)을 분석하였다.
- 324명 중에서 분류된 유형을 가진 새로운 피측정자를 선정하기 위하여 여대생 10명의 얼굴 피부색을 측정하였으며 얼굴 부위 중에서 이마, 뺨의 두 지점의 피부색을 측정하였다. 피부색을 측정할 때 약한 정도의 화장을 한 경우에는 분광측색계 JX-777의 측색면적인지름 2.5cm 정도의 뺨과 이마의 면적을 알콜 솜으로 지우고 피부가 본래의 상태로 된 후에 측정하였다. 측정 시기는 피부의 멜라닌화가 심한 여름을 피하여 2004년 10월에 측정하였다.
대상 데이터
- 통계 분석은 SPSS WIN. 12 통계 패키지를 이용하였다.
- 얼굴 피부색 판별기준은 비표준화 계수에 의해 계산된 정준판별 함수식 1과 정준판별 함수식2에 대입하여 판별 함수 1과 판별 함수2를 구하였고 <표 10>의 판별 점수 범위를 적용하여 기준을 설정 하였다. 2개의 정준판별 함수의 경계점수 범위에서 1유형과 2유형, 3유형의 얼굴 피부색을 가진 피측정자를 각각 1명씩 선정하였다. 10 명의 피측정자 중에서 1유형으로 판별된 피측정자는 4명이였고 2유형으로 판별된 피측정자는 2명이였으며 3유형으로 판별된 피측정자는 4명이였다.
- 이미 분류된 얼굴 피부색의 유형을 가진, 새로운 피측정자를 찾아내어 관능검사를 하여야 하는 데, 먼저 피측정자를 찾아내기 위한 기준이 필요하였다. 따라서 각 유형에 따른 얼굴 피부색의 판별 기준을 정하기 위하여 피부색이 YR계열을 나타내는 324명의 자료(이민아, 김구자, 2002)를 이용하였다. 324명 중에서 분류된 유형을 가진 새로운 피측정자를 선정하기 위하여 여대생 10명의 얼굴 피부색을 측정하였으며 얼굴 부위 중에서 이마, 뺨의 두 지점의 피부색을 측정하였다.
- 연구 자료는 한국 여성의 피부색을 분류하기 위하여 JX-777의 분광 측색계를 이용하여 20대에서 60대까지의 성인 여성의 피부색을 측정한 자료를 이용하였다. 대부분의 한국 여성의 피부색은 YR색상을 나타내고 있는데 반하여, 뺨과 이마에서 R값을 갖는 피측정자와 목 뒤와 팔 안쪽에서 Y값을 나타내는 이상치(outher)를 제외한 324명의 자료이다.
- 따라서 본 연구는 우리나라 여성의 얼굴 피부색에 가장 잘 어울리는 색채와 가장 잘 어울리지 않는 색채를 분석하기 위하여 이미 분류된 얼굴 피부색 유형을 가진 새로운 피험자를 찾기 위한 판별기준을 정하는 것이다. 우리나라 20대에서 60대에 이르는 피부색이 YR계열을 나타내는 324명의 자료를 이용하였다. 얼굴 피부색을 분류하기 위하여 K-평균 집락 분석으로 유형을 분류하고, 분류된 유형에 대한 ANOVA 분석과 사후 검증으로 Duncan의 다중범 위 검증을 실시하였다.
- 대부분의 한국 여성의 피부색은 YR색상을 나타내고 있는데 반하여, 뺨과 이마에서 R값을 갖는 피측정자와 목 뒤와 팔 안쪽에서 Y값을 나타내는 이상치(outher)를 제외한 324명의 자료이다. 이 자료 중에서 이마와 뺨의 2지점을 측정한 얼굴 피부색 변수인 L값, a값, b값, H값, V값, C값의 12개 색채 변수를 분석에 사용하였다. 324명 전체의 색채 변수에 대한 평균값, 표준편차와 K-평균 집락분석으로 분석한 결과, 얼굴 피부색은 3유형으로 분류되었고, 분류된 3유형의 색채 변수에 대한 평균값, F값과 유의수준 및 Duncan 의 다중범위 검증 결과를 <표 1>에 제시하였다.
- 5cm 정도의 뺨과 이마의 면적을 알콜 솜으로 지우고 피부가 본래의 상태로 된 후에 측정하였다. 측정 시기는 피부의 멜라닌화가 심한 여름을 피하여 2004년 10월에 측정하였다.
데이터처리
- 판별 분석은 단계적 판별분석 (stepwise discriminant analysis)을 통하여 얼굴 피부색에 기여도가 큰 색채 변수들을 추출하고, 선택된 색채 변수는 분류 함수와 정준판별 함수의 독립변수로 투입되었다. 각 유형들이 이 분류 함수에 의하여 얼마나 정확하게 판별되는지를 검증하기 위하여 분할표 분석 (classification table)을 하였고 유형 별로 판별 함수의 명중율(hit ratio)을 분석하였다. 중요도가 높은 색채 변수의 비표준화된 정준판별 계수와 상수로 정준판별 함수식을 계산하였다.
- 우리나라 20대에서 60대에 이르는 피부색이 YR계열을 나타내는 324명의 자료를 이용하였다. 얼굴 피부색을 분류하기 위하여 K-평균 집락 분석으로 유형을 분류하고, 분류된 유형에 대한 ANOVA 분석과 사후 검증으로 Duncan의 다중범 위 검증을 실시하였다. 분류된 유형에 대한 판별 분석은 단계적 판별분석을 하였으며, 얼굴 피부색에 가장 영향을 미치는 색채 변수를 추출하고, 분류된 유형의 판별 적중율 (hit ratio)을 분석하였다.
- 우리나라의 성인 여성의 분류된 유형의 얼굴 피부색을 가진, 새로운 피측정자를 찾아내기 위한 판별기준을 정하기 위하여, 먼저 피부색이 YR계열을 나타내는 324명의 자료를 이용하여 K-평균집락분석 (K- means cluster analysis)으로 얼굴 피부색 유형을 분류하고, 분류된 유형에 대한 ANOVA분석과 사후 검증으로 Duncan의 다중범위 검증을 실시하였으며, 이를 판별 분석을 실시하였다. 판별 분석은 단계적 판별분석 (stepwise discriminant analysis)을 통하여 얼굴 피부색에 기여도가 큰 색채 변수들을 추출하고, 선택된 색채 변수는 분류 함수와 정준판별 함수의 독립변수로 투입되었다.
성능/효과
- 1) 324명을 대상으로 군집분석을 실시한 결과, 1유형, 2유형, 3유형으로 분류되었다. 같은 YR의 얼굴 피부색을 가진 여성이라 할지라도 유형이 다름을 알 수 있다.
- 2개의 정준판별 함수의 경계점수 범위에서 1유형과 2유형, 3유형의 얼굴 피부색을 가진 피측정자를 각각 1명씩 선정하였다. 10 명의 피측정자 중에서 1유형으로 판별된 피측정자는 4명이였고 2유형으로 판별된 피측정자는 2명이였으며 3유형으로 판별된 피측정자는 4명이였다.
- 2) 얼굴 피부색의 적중률은 판별 변수의 비표준화된 정준판별 계수로 정준판별 함수식 1과 정준판별 함수 식2를 계산하였으며 1유형의 적중율은 96.8%이고 2유형은 94.9%이며 3유형은 100.0%의 적중률을 나타내고 있으며 평균 판별 적중율은 96.9%이었다.
- 3) 얼굴 피부색에 기여도가 높은 색채 변수는 5개의 색채 변수이며 표준화된 정준판별 계수1과 2에서공통적으로 황색도를 나타내는 뺨의 b값임을 알 수 있다. 표준화 정준판별 함수계수1에서는 뺨의 황색도인 b값, 이마의 V값, 뺨의 L값, 이마의 C값, 뺨의 H 값의 순 이 였다.
- 324명을 대상으로 군집분석을 실시한 결과, 1유형으로 분류된 피측정자는 158명으로 전체의 48.77%를 차지하고 있어 가장 높은 출현율을 나타내고 있으며, 그 다음은 2유형으로, 분류된 피험자는 98명으로 30.25%를 차지하고 있고, 3유형은 68명으로 20.99%의 출현율을 나타내고 있다. 먼저 뺨의 L값에 대하여 살펴보면 L값은 뺨의 밝기를 나타내는 수치로 F값은 237.
- 4) 새로운 피측정자 선정을 위한 정준판별 함수의 경계 점수가 계산되고 정준판별 함수 점수 범위가 결정되었다. 선정 기준에 의하여 새로운 피측정자 10명 중에서 1.
- <표 4>에 제시되어 있는 정준판별 함수는 분류 함수처럼 분류된 유형별로 함수식이 구해지는 것이 아니고 얼굴 피부색 유형의 집단수가 3유형이므로 1을 뺀 2개의 정준판별 함수가 구해진다. 따라서 정준판별 함수1의 고유값은 각각 4.65와 상대백분율은 82.3%의 설명력을 가지고 있으며 정준판별함수2의 고유값은 1.00을 나타내고 있으며 17.7%의 설명력을 가지고 있으며 두 함수에 의한 누적 백분율은 100.0%이다.
- 선정된 3유형의 피측정자를 시각적으로 판별하기 위하여 피측정자의 의복색과 머리색이 얼굴 피부색에 주는 영향을 없애기 위하여 머리에는 검정색의 모자를 씌우고 회색의 가운을 입힌 상태에서 3명의 선정된 피측정자를 나란히 세워놓아 비교하였을 때 섬세하게 다른 것을 알 수 있었다.
- 선정된 유형의 얼굴 피부색은 먼셀의 색체계에 의하여 이마와 뺨의 평균값으로 표시하여 얼굴 피부색의 색상, 명도, 채도는 1유형의 경우는 4.82YR 6.44/ 3.71이고, 2유형은 5.99YR 6.12/4.12이고 3유형은 5.16YR 7.07/4.98이였다.
- 선택된 5개의 색채 변수에 의한 판별 함수의 명중률을 살펴보면 에서 보는 바와 같이 1유형 이 1 유형으로 올바르게 판별되는 확률은 158명 중 153명으로 명중률은 96.8%이며, 2유형이 2유형으로 판별되는 확률은 98명 중에서 93명으로 명중률이 94.9% 이고, 3유형이 3유형으로 판별되는 확률은 68명 중에서 68명으로 100.0%의 명중율을 나타내고 있으며 평균 명중율은 96.9%이다.
- 시각적으로 1유형은 다른 유형에 비하여 얼굴 피부색이 맑고 노란기운이 가장 적은 흰 편의 얼굴 피부색이고 2유형은 희고 윤이 나면서도 전체적으로 찬 느낌이 도는 얼굴 피부색이며 3유형은 다른 유형에 비하여 피부는 맑으면서도 약간 검고 노란 기운이 감도는 얼굴 피부색으로 인지되었으며 합리적으로 3명의 피측정자가 선정되었음을 확인할 수 있었다.
- 분류된 유형에 대한 판별 분석은 단계적 판별분석을 하였으며, 얼굴 피부색에 가장 영향을 미치는 색채 변수를 추출하고, 분류된 유형의 판별 적중율 (hit ratio)을 분석하였다. 얼굴 피부색에 가장 기여도가 높은 색채 변수를 도출하였다. 새로운 피측정자 10명을 대상으로 얼굴의 2지점의 피부색을 측정하여 어느 유형의 피부색에 속하는지를 판별하고 선정하였다.
- 정준판별 함수1은 X축에, 정준 판별 함수2는 Y축에 나타내고 있으며 각 유형의 판별 점수의 평균값(centroid)을 중심으로 분포되어있다. 우리나라 성인 여성의 얼굴 피부색에서 가장 출현 빈도가 높은 1유형 의 판별 분석 에 의한 명중율은 96.8%이고 이 산포도를 통하여 유형별 판별 점수의 평균값에서 멀리 떨어져 있는 개체가 많으면 많을수록 오류율은 증가하게 되며 1유형의 오류율은 3.2% 를 나타내고 있다.<그림 2>는 94.
- 표준화된 정준판별 함수계수는 자료의 값들을 평균을 0으로, 표준편차를 1로 표준화하여 정준 판별 함수에 대입해서 판별 함수를 계산한 것으로에서 보는 바와 같이 12개의 색채 변수 중에서 표준화된 정준판별 계수1에서는 5개의 색채 변수가 얼굴 피부색에 영향을 미치며 그 중에서 뺨의 황색도인 b값, 이마의 V값, 뺨의 L값, 이마의 C값, 뺨의 H값의 순으로 영향을 미치는 변수임을 알 수 있다.
후속연구
- 어울리는 색채의 구현을 위하여 1. 2. 3유형을 가진 각각의 피측정자가 선정되었으므로 후속 연구로 분류된 얼굴 피부색 3유형에 가장 잘 어울리는 색채와 가장 잘 어울리지 않는 색채를 도출하기 -위한 관능검사를 실시할 수 있을 것이다. 또한 앞으로 다가오는 노령화 사회에 대비하여, 높은 감성과 높은 구매력을 가지고 있는 노인을 표적 집단으로 하는 실버산업이 번성하고 있는 시점에서 노인, 어린이 등의 피부색에 가장 잘 어울리는 색채 구현을 위한 연구도 이루어져야 할 것이다.
- 웰빙에 대한 사회적 트렌드는 각종 스포츠를 즐기기 위한 스포츠·캐주얼 웨어의 착용을 일상화하고 있다. 따라서 다양한 색채의 소재를 개발할 필요가 있으며 아름다운 색채 구현을 위하여, 그 나라 소비자 집단의 얼굴 피부색에 대한 연구가 기본이 되어야 한다. Albers(1992)는 색채와 색채 사이에는 상호작용으로 인한 착시현상이 쉴 새 없이 이루어져, 색채는 인접한 색채나 조건에 따라 변한다고 하였다.
- 3유형을 가진 각각의 피측정자가 선정되었으므로 후속 연구로 분류된 얼굴 피부색 3유형에 가장 잘 어울리는 색채와 가장 잘 어울리지 않는 색채를 도출하기 -위한 관능검사를 실시할 수 있을 것이다. 또한 앞으로 다가오는 노령화 사회에 대비하여, 높은 감성과 높은 구매력을 가지고 있는 노인을 표적 집단으로 하는 실버산업이 번성하고 있는 시점에서 노인, 어린이 등의 피부색에 가장 잘 어울리는 색채 구현을 위한 연구도 이루어져야 할 것이다.
- 미치고 있다. 의류제품의 색채 기획은, 목표로 하는 소비자 집단의 피부색과 가장 잘 어울리는 유행색으로 색채를 수정, 보완하여 텍스타일 디자인이나 직물 염색 등에 적용되어야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.