[논문]퍼지의사결정법에 기반한 대학의 컴퓨터교육 만족도 분석

류경현; 황병곤

doi:10.9717/kmms.2013.16.4.502

초록
AI-Helper

정보화시대에 대학에서의 교양 컴퓨터교육과정은 컴퓨터에 대한 소양을 쌓고 정보화 사회에 능동적으로 대처할 수 있는 능력을 배양하여 생산성 향상은 물론 국가 간의 경쟁력에서 뒤지지 않게 하는데 목표를 두고 있다. 본 논문에서는 대학생을 대상으로 컴퓨터교육 만족도에 영향을 미치는 결정적인 변인의 발견 및 만족도를 분석한다. 전처리과정으로 자바 기반의 기계 학습 도구인 상관에의한 특성선택을 사용하여 최적의 변인을 선택한다. 그리고 퍼지의사결정법에 기반하여 각 변인의 가중치를 사용하여 최적의 변인을 생성하였다. 본 논문의 연구결과는 컴퓨터교육 만족도 자료의 분석에서 퍼지의사결정법을 제안하고, 재현율과 정밀도 분석에 의해 만족도 평가에 대한 정확성을 확인하였다.

Abstract ▼ AI-Helper

In Information age, The academic liberal art computer education course set up goals to promote computer literacy and develop the ability to cope with changes in information society and improve productivity and national competitiveness. In this paper, we analyze on discovering of decisive variable an...

In Information age, The academic liberal art computer education course set up goals to promote computer literacy and develop the ability to cope with changes in information society and improve productivity and national competitiveness. In this paper, we analyze on discovering of decisive variable and satisfaction index to have a influence on computer education on university students. As a preprocessing course, the proposed method selects optimum variable using correlation based feature selection(CFS) of machine learning tool based on Java and we calculate weighted value for each variable and then, we generate the optimal variable using weighted value based on fuzzy decision making method. we proposed Fuzzy decision making method in analysis of the academic liberal art computer education satisfaction index data and checked the accuracy of the satisfaction evaluation by using recall and precision.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 대학생을 대상으로 컴퓨터교육 만족도에 영향을 미치는 결정적인 변인의 발견 및 만족도분석을 한다. 이를 위해 대학에서 교양 컴퓨터교육을 수강하고 있는 학생 200명을 대상으로 컴퓨터교육 만족도에 관한 30문항의 설문을 실시하였다.
본 실험에서는 대학생을 대상으로 컴퓨터교육 만족도에 영향을 미치는 결정적인 속성의 발견 및 만족도를 분석한다. 이를 위해 대학에서 교양 컴퓨터교육을 수강하고 있는 학생 200명을 대상으로 컴퓨터교육 만족도에 관한 30문항의 설문을 실시하였다.

제안 방법

두 번째 실험에서 표 4는 선택된 12개의 설문문항을 이용하여 퍼지의사결정법으로 컴퓨터교육 만족도에 영향을 미치는 결정적인 변인을 발견하기 위해서 쌍대비교행렬을 나타내었다. 쌍대비교행렬은 변인을 쌍으로 묶어가며 비교하여 가중치를 결정하는 방법이다.
본 논문에서는 대학의 컴퓨터교육 만족도에 결정적인 영향을 미치는 주요 변인을 발견하고 이를 통해 대학의 컴퓨터교육 만족도를 분석하기 위해 Weka의 CFS를 사용하였다. Weka의 CFS를 통해 최적의 변인 12개를 도출함으로써 불필요한 설문 문항을 제거할 수 있었고 분류 정확도를 높일 수 있었다.
본 실험에서는 200명의 설문지에 근거한 대학 컴퓨터교육 만족도의 분류 정확도를 검증하기 위하여 보편적으로 사용되는 재현율과 정밀도를 성능지표로 사용하였다[13].
이를 위해 대학에서 교양 컴퓨터교육을 수강하고 있는 학생 200명을 대상으로 컴퓨터교육 만족도에 관한 30문항의 설문을 실시하였다. 설문문항에는 학생들에 대한 기본자료 6문항, 수업관련 자료 17문항과 자격증관련자료 7문항으로 구성되어 있다. 일반적으로 기존의 계층적의사결정법(AHP : analytic hierarchy process method)은 평가치로 크리스프 값(crisp value : 일반수)을 사용함에 따라 평가변인에 대한 판단이 정확하게 정량화되지 못하고 주로 분명한 의사결정 문제에만 사용되며, 전문가의 판단을 수치로 정확히 변환하는데 있어 불확실한 요소들을 고려하지 않고 있으며 평가에 있어서도 균등하지 못한 크기로 평가 된다는 문제점이 있다[1].
본 논문에서는 대학생을 대상으로 컴퓨터교육 만족도에 영향을 미치는 결정적인 변인의 발견 및 만족도분석을 한다. 이를 위해 대학에서 교양 컴퓨터교육을 수강하고 있는 학생 200명을 대상으로 컴퓨터교육 만족도에 관한 30문항의 설문을 실시하였다. 설문문항에는 학생들에 대한 기본자료 6문항, 수업관련 자료 17문항과 자격증관련자료 7문항으로 구성되어 있다.
그리고 이 퍼지숫자를 가지고 쌍대비교행렬을 작성하여 평가요인별 상대적 중요도와 각 변인별 평가 값을 산출한다. 한 변인과 다른 변인의 상대적 중요도를 비교하여 주관적 판단을 설명하는 전문가를 돕기 위하여 9가지 퍼지 언어변수를 이용한다. 그림 2는 Saaty의 9점 평가척도에서 퍼지 언어변수집합을 삼각 퍼지숫자로 나타낸다[7].

대상 데이터

전처리과정은 표 2에 나타낸 바와 같이 30개의 설문 문항의 모든 값을 대상으로 실험을 수행하였다. 30개의 전체 설문 문항을 모두 사용할 경우 분류 문제의 특성상 중복된 속성을 갖는 설문 문항 또는 분류에 영향력이 거의 없는 설문 문항들까지도 포함하게 된다.
표 10은 랜덤하게 선택된 150개 (만족 94개, 보통 44개, 불만족 12개)의 설문 자료이다.

이론/모형

따라서 본 논문에서는 설문 문항 중 대학생의 컴퓨터 교육 만족도에 영향을 미치는 결정적인 변인을 발견하기 위해 자바기반의 기계학습 도구인 Weka(Waikato Environment for Knowledge Analysis)에서의 상관에 의한 특성선택 (correlation based feature selection, CFS)을 사용하여 최적의 변인을 선택한다[2]. 그리고 선택된 최적의 변인은 퍼지의사결정법(Fuzzy decision making method)을 사용하여 대학생 컴퓨터교육 만족도를 분석한다.
일반적으로 기존의 계층적의사결정법(AHP : analytic hierarchy process method)은 평가치로 크리스프 값(crisp value : 일반수)을 사용함에 따라 평가변인에 대한 판단이 정확하게 정량화되지 못하고 주로 분명한 의사결정 문제에만 사용되며, 전문가의 판단을 수치로 정확히 변환하는데 있어 불확실한 요소들을 고려하지 않고 있으며 평가에 있어서도 균등하지 못한 크기로 평가 된다는 문제점이 있다[1]. 따라서 본 논문에서는 설문 문항 중 대학생의 컴퓨터 교육 만족도에 영향을 미치는 결정적인 변인을 발견하기 위해 자바기반의 기계학습 도구인 Weka(Waikato Environment for Knowledge Analysis)에서의 상관에 의한 특성선택 (correlation based feature selection, CFS)을 사용하여 최적의 변인을 선택한다[2]. 그리고 선택된 최적의 변인은 퍼지의사결정법(Fuzzy decision making method)을 사용하여 대학생 컴퓨터교육 만족도를 분석한다.
결과적으로 대학 컴퓨터교육 만족도의 분류 결과가 상대적으로 나쁠 수도 있다. 이에 본 실험에서는 전처리과정으로 자바 기반의 기계학습 도구인 Weka(Waikato Environment for Knowledge Analysis)에서의 CFS(상관에 의한 특성선택)를 사용하여 최적의 속성 부분집합 (12개의 설문문항)을 선택하였다[9-12]. 선택된 속성 부분집합은 아래의 표 3에 정리하였다.

성능/효과

본 논문에서는 대학의 컴퓨터교육 만족도에 결정적인 영향을 미치는 주요 변인을 발견하고 이를 통해 대학의 컴퓨터교육 만족도를 분석하기 위해 Weka의 CFS를 사용하였다. Weka의 CFS를 통해 최적의 변인 12개를 도출함으로써 불필요한 설문 문항을 제거할 수 있었고 분류 정확도를 높일 수 있었다.
그 외 전체적인 대학 컴퓨터교육 만족도를 분석해 보면 자연계열이면서 학년이 높을수록 만족도가 높게 나왔고 외국학생의 경우에는 대학생활의 적응 시간이 걸려서인지 고학년일수록 만족도가 조금 높게 나온 것을 알수 있었다.
그리고 200명의 설문지에 근거한 대학 컴퓨터교육 만족도의 분류 정확도를 검증하기 위하여 CFS에 의해 추출된 12개 문항에 대하여 랜덤하게 선택된 150명의 자료에 대한 컴퓨터교육 만족도의 만족유형에 대해서 재현율(98.93)과 정밀도(97.89)를 보여주었으며 나머지 잘못 분류된 50명의 자료에 대한 만족 유형의 분류 정확도도 재현율(100)와 정밀도(94.74)로 만족스러운 성능으로 나타났다.
본 논문이 제안하는 퍼지의사결정법은 정확한 크리스프 값 대신에 퍼지 언어변수들을 삼각퍼지숫자에 대응시킴으로써 매우 주관적인 판단에 대해 비수치적 언어변수를 사용하는 대상들의 선호와 관련된 부정확성을 통합할 수 있음을 알 수 있다.
컴퓨터교육 만족도와는 상관없이 부정적으로 응답한 학생들의 분류에서는 이상치(outlier)로 계산되어 잘못된 분류로 나타났다. 이상치는 두 변인를 이용한 산포도 분석결과에서 몇 개의 값들이 주변에 몰려 있지 않은 경우를 말하는데 이상치의 발생 원인은 자료 입력과정에서의 오류나 응답 과정에서 응답자의 특이한 답변 등에서 발생한다.

후속연구

향후 연구로는 대학생들의 대학생활 전체 만족도에 대해 기존의 통계 및 규칙기반의 텍스트마이닝을 사용한 모델을 구축해 볼 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	퍼지의사결정법이란 무엇인가요?	퍼지의사결정법은 기본적으로 기존 AHP와 같지만 연산과정에 사용되는 데이터가 크리스프 값이 아닌 퍼지숫자라는 점이 다르다[3]. 즉 퍼지의사결정법에서는 설문을 통한 데이터 수집에 있어서 전문가의 애매한 생각을 반영시켜 데이터 자체를 애매한 것으로 보고 이를 퍼지숫자로 정의한다.
	정보화시대에 대학에서의 교양 컴퓨터교육과정은 무엇에 목표를 두고있나요?	정보화시대에 대학에서의 교양 컴퓨터교육과정은 컴퓨터에 대한 소양을 쌓고 정보화 사회에 능동적으로 대처할 수 있는 능력을 배양하여 생산성 향상은 물론 국가 간의 경쟁력에서 뒤지지 않게 하는데 목표를 두고 있다. 본 논문에서는 대학생을 대상으로 컴퓨터교육 만족도에 영향을 미치는 결정적인 변인의 발견 및 만족도를 분석한다.
	퍼지숫자 형태 중에는 삼각 퍼지숫자가 있는데, 사용이 간편한 이유는 무엇인가요?	삼각 퍼지숫자는 세 개의 점으로 표현할 수 있기 때문에 사용이 간편하다. 그리고 Laarhoven과 Pedrycz[4-6]의 정의에 의하면 삼각 퍼지숫자 #의 소속함수는 Triangular (x : l, m, u) 로 나타낼 수 있으며 그 소속함수는 [정의 2.

참고문헌 (13)

Naoya Kotami and Yukio Kodono, "A Study on AHP using Fuzzy Theory," 20th Fuzzy System Symposium, pp. 493-494, 2004
Data Mining Software in Java, http://www.cs.waikato.ac.nz/ml/weka/in dex.html, 2012.
Tien-Chin Wang and Yueh-Hsiang Chen, "Applying Fuzzy Linguistic Preference Relations to the Improvement of Consistency of Fuzzy AHP," Information Systems, Vol. 178, No. 19, pp. 3755-3765, 2008.
P.J.M. van Laarhoven and W. Pedrycz, "A Fuzzy Extension of Saaty's Priority Theory," Fuzzy Sets and Systems. Vol. 11, No. 13, pp. 229-241, 1983.

상세보기
류경현, 정환묵, "MFAC를 사용한 근접관계의 분류," 한국 퍼지 및 지능시스템학회 논문지, Vol. 18, No. 1, pp. 139-144, 2008.

원문보기 상세보기
정환묵, "다치논리함수를 이용한 감성처리모델," 한국지능시스템학회 논문지, Vol. 19, No. 1, pp. 13-18, 2009.

원문보기 상세보기
T.L. Saaty, "How to Make a Decision:The Analytic Hierarchy Process," European Journal of Operational Research, Vol. 48, No. 1, pp. 9-26, 1990.

상세보기
신복숙, 차의영, 우영운, "Trace 변환과 펴지 기법을 이용한 곤충 발자국 인식," 한국멀티미디어학회 논문지, Vol. 11, No. 11, pp. 1615- 1623, 2008.
Hwang, C.. "Fixed Size LS-SVM for Multiclassification Problems of Large Data Sets," Journal of the Korean Data & Information Science Society, Vol. 21, No. 561-567. 2010.

원문보기 상세보기
Seok, K.H. "Semi-Supervised Classification with LS-SVM Formulation," J ournal of the Korean Data & Information Science Society, Vol. 21, No. 3, pp. 461-470, 2010.
Shim, J., Bae, J.S. and Hwang, C., "Multiclass Classification Via LS-SVR," Communications of the Korean Statistical Society, Vol. 15, No. 10, pp. 441-450, 2008.

원문보기 상세보기
Shim, J., Park, H.J. and Seok, K.H., "Variance Function Estimation with LS-SVM for Replicated Data," Journal of the Korean Data & Information Science Society, Vol. 20, No. 5, pp. 925-931, 2009.

원문보기 상세보기
유재학, 박준상, 이한성, 김명섭, 박대희, "다중 클래스 SVM을 이용한 계층적 인터넷 애플리케이션 트래픽의 분류," 한국지능시스템학회 논문지, Vol. 20, No. 1, pp. 7-14, 2010.

원문보기 상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

퍼지의사결정법에 기반한 대학의 컴퓨터교육 만족도 분석
An analysis of satisfaction index on computer education of university based on Fuzzy Decision Making Method 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

퍼지의사결정법에 기반한 대학의 컴퓨터교육 만족도 분석 An analysis of satisfaction index on computer education of university based on Fuzzy Decision Making Method 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

질의응답

참고문헌 (13)

이 논문을 인용한 문헌

저자의 다른 논문 :

황병곤 (15)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

퍼지의사결정법에 기반한 대학의 컴퓨터교육 만족도 분석
An analysis of satisfaction index on computer education of university based on Fuzzy Decision Making Method 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper