[논문]복합 생체신호를 이용한 능동형 스피닝 트레이닝 시스템

김철민; 강경헌; 김은석

doi:10.5392/jkca.2015.15.07.591

복합 생체신호를 이용한 능동형 스피닝 트레이닝 시스템
Active Spinning Training System using Complex Physiological Signals 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.15 no.7, 2015년, pp.591 - 600

김철민 (동신대학교 디지털콘텐츠협동연구센터) , 강경헌 (동신대학교 디지털콘텐츠협동연구센터) , 김은석 (동신대학교 디지털콘텐츠학과)

초록
AI-Helper

최근 건강에 대한 관심이 높아짐에 따라 운동 프로그램을 스스로 학습하고 즐길 수 있는 능동형 피트니스 시스템에 대한 연구가 활발히 진행되고 있다. 본 논문에서는 운동 참여자의 생체신호에서 획득한 생체상태와 운동 정보를 이용하여 개인 수준에 맞는 스피닝 트레이닝 프로그램을 자기 주도 방식으로 학습 및 체험할 수 있게 하는 능동형 스피닝 트레이닝 시스템을 설계하고 구현하였다. 제안 시스템은 운동 참여자의 뇌파와 맥파 신호를 통해 생체 상태를 분석하고, 골격 동작을 실시간 인식하여 검출된 스피닝 동작 일치율과 운동량을 반영하여 운동 참여자에게 적합한 난이도의 스피닝 프로그램을 제공한다. 또한, 가상 스피닝 강사를 통해 올바른 동작을 제시하고 참여자의 동작 일치율에 따라서 난이도를 조절함으로써 운동 효과를 높일 수 있도록 하였다. 다양한 사용자들에 대한 실험을 통해 제안시스템이 비교적 짧은 시간에 유효한 운동 효과를 얻는데 도움이 됨을 확인할 수 있었다.

Abstract ▼ AI-Helper

Recently high interest in health and fitness has led to vibrant researches for the active fitness system to learn and enjoy the exercise program for oneself. In this paper, we design and implement the active spinning training system which enables user to have self-learning and experience of customized spinning training program by the biometric and movement information acquired from user's physiological signals. The proposed system provides the appropriate difficulty of spinning program which reflects the concordance rate of spinning dance gestures and the amount of exercising by analyzing the physical status of participant from his brain and pulse waves and recognizing the skeletal movement in real time. For the higher exercise effect, the system offers a virtual personal trainer to show the correct poses and controls the level of difficulty depending on the concordance rate of participant's motions. The experiment with various participants through the proposed system shows that it is able to help users in getting the available exercise effect in comparatively short time.

주제어

AI 본문요약
AI-Helper

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

문제 정의

11%의 운동정확도를 얻을 수 있었다. 따라서 스피닝에 대한 경험이 전혀 없는 운동 참여자가 제안 시스템을 통해 실제 운동정확도 평균 50.11% 이상의 스피닝 댄스 동작을 학습하고 따라 할 수 있는가를 확인하는 것이 실험의 목적이다. 동작 일치율의 평균을 나타내는 운동정확도는 실제 강사의 동작을 얼마나 유사하게 따라할 수 있었는가에 대한 기준이 되며, 이는 실제 강사의 지도 없이 제안 시스템을 통해 얼마나 능동적으로 스피닝 학습이 가능한가를 판단할 수 있다.
이와 같은 맞춤형 피트니스 시스템들은 사용자의 움직임과 균형 상태를 파악하여 운동 종목이나 코스를 스스로 만들어 관리할 수 있는 기능을 제공한다. 또한, 요가나 근력운동과 같은 개별 운동 프 로그램을 학습하기 위해 가상의 트레이너가 등장해 자세한 설명과 어드바이스를 해주어 혼자서도 더욱 정확한 트레이닝이 가능하도록 한다.
본 논문에서는 기존 스피닝 피트니스 시스템의 문제점을 보완하기 위해서 운동 참여자의 생체 상태와 운동 수준 정보를 분석하고 수준에 맞는 트레이닝 프로그램을 제공함으로써 자기 주도 방식으로 스피닝 운동에 참여할 수 있는 복합 생체신호 기반의 능동형 스피닝 트레이닝 시스템을 설계하고 구현한다.
본 논문에서는 복합 생체신호를 이용하여 운동 참여자 수준에 적합한 맞춤형 스피닝 프로그램을 자기 주도 방식으로 학습 및 체험할 수 있는 능동형 스피닝 트레이닝 시스템에 대하여 연구하였다. 기존의 스피닝 트레이닝 시스템이 운동 참여자 수준에 맞는 난이도로 프로그램을 구성할 수 없고 개개인에 적합한 동작 지도가 어렵다는 한계를 개선하기 위하여 생체신호에서 획득한 운동 참여자의 생체 상태와 운동 정보를 스피닝 트레이닝 프로그램에 반영하도록 시스템을 설계하였다.
본 논문에서는 운동참여자가 개인적인 장소에서 자신의 수준에 따라 강사의 지도 없이 능동적으로 학습하고 참여 가능한 생체신호 기반의 능동형 스피닝 트레이닝 시스템을 제안한다. 본 논문의 구성은 2장에서 피트니스를 위한 생체신호 센서와 맞춤형 피트니스 시스템에 대하여 살펴보고, 3장에서는 제안한 복합 생체신호 기반 스피닝 트레이닝 시스템에 대하여 설명한다.
본 실험에서는 제안 시스템이 스피닝 경험이 없는 운동 참여자에게 어느 정도 효과적인 트레이닝을 제공할 수 있는가를 평가하고자 하였다. 피실험자 10명을 대상으로 실제 전문 강사의 1:1 지도를 통해 현실에서 스피닝 바이크를 1회(3～5분) 학습한 결과 평균 50.

제안 방법

본 논문에서는 복합 생체신호를 이용하여 운동 참여자 수준에 적합한 맞춤형 스피닝 프로그램을 자기 주도 방식으로 학습 및 체험할 수 있는 능동형 스피닝 트레이닝 시스템에 대하여 연구하였다. 기존의 스피닝 트레이닝 시스템이 운동 참여자 수준에 맞는 난이도로 프로그램을 구성할 수 없고 개개인에 적합한 동작 지도가 어렵다는 한계를 개선하기 위하여 생체신호에서 획득한 운동 참여자의 생체 상태와 운동 정보를 스피닝 트레이닝 프로그램에 반영하도록 시스템을 설계하였다. 제안 시스템은 뇌파와 맥파 신호를 통해 생체 상태를 분석하고, 골격 동작을 실시간 인식하여 검출된 동작 일치율과 운동량을 반영해 운동 참여자에게 적합한 난이도의 스피닝 프로그램을 제공하도록 하였다.
복합 생체신호 기반의 능동형 스피닝 트레이닝 시스템에 대한 유효성 평가를 위해 [그림 10]와 같이 실험 환경을 구축하였다. 실험 환경은 그룹 운동 프로그램용 스핀 바이크(ⓐ)와 50인치 모니터(ⓑ), 생체신호 연동과 콘텐츠 렌더링을 위한 PC(ⓒ), Microsoft Kinect(ⓓ) 모션 센서, NeuroSky의 Mindwave(ⓔ) 뇌파 센서, H3의 HRM-1000 맥파 센서(ⓕ)로 구성된다.
본 실험에서는 스피닝 경험이 없는 236명의 피실험자 를 대상으로 제안 시스템을 통해 한 곡당 약 3~5분간 자유롭게 스피닝 트레이닝을 진행하도록 한 후 운동정확도를 측정하였다.
여기서 마지막 Motion Index + 1은 전체 동작의 개수를 의미하고, 각 동작의 일치율 측정은 Motion Index가 바뀔 때마다 수행한다. 사용자 동작의 관절 각도와 비교 데이터의 관절 각도 일치율 측정은 이해연[17]의 연구에서 제안한 방법을 사용하였으 며, 다음 수식 (3)과 같이 동작 일치율을 계산한다.
생체신호 수집과 처리를 통해 확보된 생체상태와 운동정보는 스피닝 프로그램 관리부에 전달되고, 강사의 동작과 운동 참여자의 동작 일치율과 운동 참여자의 뇌파상태(집중도, 긴장 이완 수준), 심장 박동 수가 결합 한 생체상태 값이 적용된다. 운동 참여자에게 중간 수준의 동작 프로그램을 진행하도록 한 후, 동작 진행 동안 결정된 상태 값에 따라서 운동 참여자의 수준에 적합한 난이도의 스피닝 동작을 추천한다.
운동 참여자의 혈압 변화를 추출하기 위해서 [그림 4] ②와 같이 손가락 프로브와 손목시계 형태의 맥파 센서를 통해 피부 혈관의 맥파형(pulse contour)을 획득하고 무선통신이 가능한 맥파 센서를 이용하여 광량의 변화에 따른 심장 박동 신호(PPG)를 측정한다. 이렇게 측정 된 심장 박동 신호에서 분당 심장 박동 수(bpm)를 계산하여 사용한다.
본 실험에서는 스피닝 경험이 없는 236명의 피실험자 를 대상으로 제안 시스템을 통해 한 곡당 약 3~5분간 자유롭게 스피닝 트레이닝을 진행하도록 한 후 운동정확도를 측정하였다. 이 중 운동 효과 측정에 이르기 어려운 짧은 시간(3분 미만) 동안 수행한 21명을 제외한 205명에 대하여 운동정확도 평균값을 분석하였다.
제안 시스템은 [그림 4] (a) 부분과 같이 운동 참여자가 착석할 수 있는 스핀 바이크(Spin-Bike)와 스피닝 프로그램 콘텐츠를 보여줄 수 있는 디스플레이 장치, 그리고 운동 참여자의 생체신호를 측정할 수 있는 착용형 센서들로 구성된다. 구체적인 생체신호 센서로는 운동 참여자의 골격과 동작 정보를 획득하는 모션 센서 (motion Sensor), 맥파 신호(PPG)를 획득하기 위한 맥파 센서(pulse wave sensor), 그리고 뇌파 신호(EEG)를 측정하기 위한 BCI(brain computer interface) 장치로 구성된다.
기존의 스피닝 트레이닝 시스템이 운동 참여자 수준에 맞는 난이도로 프로그램을 구성할 수 없고 개개인에 적합한 동작 지도가 어렵다는 한계를 개선하기 위하여 생체신호에서 획득한 운동 참여자의 생체 상태와 운동 정보를 스피닝 트레이닝 프로그램에 반영하도록 시스템을 설계하였다. 제안 시스템은 뇌파와 맥파 신호를 통해 생체 상태를 분석하고, 골격 동작을 실시간 인식하여 검출된 동작 일치율과 운동량을 반영해 운동 참여자에게 적합한 난이도의 스피닝 프로그램을 제공하도록 하였다.
제안 시스템은 운동 참여자로부터 세 종류의 생체신 호를 동시에 수집, 저장, 분석 후에 그 결과를 스피닝 프 로그램 콘텐츠에 적용할 수 있도록 구성하였다. 다음 [그림 4]는 전체적인 시스템 구성과 데이터 처리 흐름 을 나타낸다.
는 모션 데이터베이스에 저장되어 있는 비교 데이터의 관절 각도이다. 총 20개의 관절 각도에 대하여 동일성 평균을 계산하여 최종 일치율 산출하게 되며, 동작 일치율을 근거로 운동 참여자의 운동 수준을 결정하게 된다.
[그림 4] ③ 부분은 비침습형 두피 전극(scalp electrode)을 이용한 뇌-컴퓨터 인터페이스(BCI) 기기를 통해 1~50Hz의 주파수와 약 10～10～200µV의 진폭을 갖는 뇌파 신호를 추출한다. 측정된 뇌파 신호는 주파수 영역별로 정상 수면 상태인 델타파, 정서적으로 안정된 경우의 세타파, 긴장되어 있는 상태인 알파파, 깨어있을 때 나타나는 베타파, 흥분할 때 나타나는 감마파, 사고력 향상과 문제 해결 시 발생하는 SMR파로 뇌파 성분 스펙트럼을 분석한 후 운동 참여자의 뇌파 특징값인 집중도(attention)와 긴장 이완 수준(meditation)을 산출하게 된다.
)로 나누어 구성하였다. 콘텐츠가 시작할 때 난이도 중(M2)의 동작을 운동 참여자에게 제시하고, 한 소절(4마디) 단위의 구간에서 획득한 심장 박동 수 와 뇌파상태(집중도, 긴장 이완 수준), 운동정확도를 산 출해 각각 조건식 P와 BM₁, BM₂에 따라서 해당 난이도 의 동작으로 유도한다. 여기서 조건식 P, BM₁, BM₂은 [표 2]와 같이 설정하였다.

대상 데이터

본 연구에서는 운동 참여자의 동작 인식을 위해 Microsoft의 Kinect와 Kinect SDK for Window 1.8 버전[15]을 이용하여 골격을 추적하고 20개의 관절 위치를 데이터로 사용한다. [그림 5]는 동작 인식을 위한 주요 관절을 나타낸다.
복합 생체신호 기반의 능동형 스피닝 트레이닝 시스템에 대한 유효성 평가를 위해 [그림 10]와 같이 실험 환경을 구축하였다. 실험 환경은 그룹 운동 프로그램용 스핀 바이크(ⓐ)와 50인치 모니터(ⓑ), 생체신호 연동과 콘텐츠 렌더링을 위한 PC(ⓒ), Microsoft Kinect(ⓓ) 모션 센서, NeuroSky의 Mindwave(ⓔ) 뇌파 센서, H3의 HRM-1000 맥파 센서(ⓕ)로 구성된다.

성능/효과

[그림 11]의 히스토그램에서 50% 근접 구간은 스피닝 댄스 안무 구성에 있어서 가동 범위가 넓은 팔 동작을 성공적으로 따라하였을 때 획득할 수 있는 운동정확도 값 분포의 범위로서 추천 안무 동작을 유사하게 따라하고 있음을 나타낸다. 50% 보다 높은 운동정확도를 획득하기 위해서는 목과 몸통 웨이브 동작과 같이 리듬에 따른 고난이도의 세부 동작을 정확히 따라하여야 하는데 운동능력의 개인차 변인에 따라 그 결과가 달라지는 것으로 판단된다. 이에 대한 보다 정확한 분석을 위해서는 피실험자를 개인차 변인에 따라 분류하여 운동 정확도를 추가적으로 측정하여야 한다.
본 연구에서 제안한 동작 인식 및 처리 방법을 통해 모션 데이터베이스를 기준으로 전문 강사가 직접 기준 동작을 수행하였을 때의 동작 일치율을 측정한 결과 평균 85.6%의 정확도를 보였다. 따라서 운동 참여자의 동작 일치율은 전문가 일치율의 약 85%인 70%이상이면 실제 동작과 상당히 근접하다고 볼 수 있다.
본 연구에서는 제안한 시스템을 이용해 운동 참여자가 강사의 지도 없이 능동적으로 스피닝 트레이닝을 하는 실험을 진행한 결과, 운동 참여자는 스피닝 숙련도를 의미하는 운동정확도 결과가 평균 50% 이상의 구간에 집중 분포하고 있음을 확인할 수 있었다. 제안 시스템은 그룹 운동 프로그램을 개인적인 장소에서 자신의 수준에 맞게 능동적으로 학습하고 체험할 수 있도록 함으로써 운동 참여자의 건강 및 운동능력을 향상시킬 수 있다.
실험 결과 [표 3]와 같이 피실험자 205명에 대한 운동 정확도는 최소 29.27, 최대 77.08, 평균 50.57, 표준편차 8.09로 나타났으며, 정확도 구간의 도수분포는 [그림 11]과 같이 나타났다. 운동정확도 분포 히스토그램을 보면 피실험자들의 운동정확도는 기준 운동정확도 평균 50% 이상의 구간에 집중 분포하고 있음을 확인할 수 있었다.
09로 나타났으며, 정확도 구간의 도수분포는 [그림 11]과 같이 나타났다. 운동정확도 분포 히스토그램을 보면 피실험자들의 운동정확도는 기준 운동정확도 평균 50% 이상의 구간에 집중 분포하고 있음을 확인할 수 있었다. 이러한 결과는 실제 전문 강사의 1:1 지도를 통해 현실에서 스피닝 운동을 학습한 결과(50.
운동정확도 분포 히스토그램을 보면 피실험자들의 운동정확도는 기준 운동정확도 평균 50% 이상의 구간에 집중 분포하고 있음을 확인할 수 있었다. 이러한 결과는 실제 전문 강사의 1:1 지도를 통해 현실에서 스피닝 운동을 학습한 결과(50.11%)와 유사한 결과(50.57%)를 보이고 있어, 운동 참여자가 제안 시스템을 통해 스피닝 프로그램을 효과적으로 학습 할 수 있는 것으로 판단할 수 있다.
본 연구에서는 제안한 시스템을 이용해 운동 참여자가 강사의 지도 없이 능동적으로 스피닝 트레이닝을 하는 실험을 진행한 결과, 운동 참여자는 스피닝 숙련도를 의미하는 운동정확도 결과가 평균 50% 이상의 구간에 집중 분포하고 있음을 확인할 수 있었다. 제안 시스템은 그룹 운동 프로그램을 개인적인 장소에서 자신의 수준에 맞게 능동적으로 학습하고 체험할 수 있도록 함으로써 운동 참여자의 건강 및 운동능력을 향상시킬 수 있다. 또한, 본 연구의 결과를 토대로 한 복합 생체신호 획득 및 처리 기술은 ICT 융합 스포츠 산업에 다양하게 응용될 수 있을 것으로 기대된다.
피실험자 10명을 대상으로 실제 전문 강사의 1:1 지도를 통해 현실에서 스피닝 바이크를 1회(3～5분) 학습한 결과 평균 50.11%의 운동정확도를 얻을 수 있었다.

후속연구

제안 시스템은 그룹 운동 프로그램을 개인적인 장소에서 자신의 수준에 맞게 능동적으로 학습하고 체험할 수 있도록 함으로써 운동 참여자의 건강 및 운동능력을 향상시킬 수 있다. 또한, 본 연구의 결과를 토대로 한 복합 생체신호 획득 및 처리 기술은 ICT 융합 스포츠 산업에 다양하게 응용될 수 있을 것으로 기대된다.
이에 대한 보다 정확한 분석을 위해서는 피실험자를 개인차 변인에 따라 분류하여 운동 정확도를 추가적으로 측정하여야 한다. 향후 실험군을 개인차 변인에 따라 재분류하고, 실험 시간을 단계적으로 높여 적용한 결과를 추가로 확보하여 시간에 따른 운동정확도의 변화를 대조군과 비교 평가함으로써 좀 더 정확한 성능 평가를 진행할 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	그룹 운동 프로그램의 문제점은 무엇인가?	2명 이상의 참가자가 한 공간에 모여 음악에 맞춰 운동하는 복합 운동 프로그램을 총칭하는 그룹 운동 프로그램(Group Exercise Program, GX)은 음악을 사용하는 댄스 기반의 전신 근력운동으로서 재미와 운동 효과를 겸비하여 참여 만족도가 높으며 대표적으로 스피닝이 있다[1]. 그 룹 운동 프로그램은 강사를 중심으로 여러 명의 운동참 여자가 강사의 동작을 따라 하는 그룹 형태로 진행되기 때문에 개인적인 장소에서 스스로 학습하기 힘들다는 제약이 있다. 또한, 모든 운동참여자들의 수준에 맞는 난이도의 프로그램을 구성할 수 없고 개개인에 적합한 동작 지도가 어려워 초보자의 지속적인 참여를 감소시킨다. 이러한 문제점들을 보완하기 위해서 운동참여자 스스로가 개인적인 공간에서 자기 주도 방식으로 운동 프로그램을 학습할 수 있고, 수준에 맞는 난이도의 운동 참여가 가능하도록 하는 능동형 트레이닝 시스템에 대한 연구가 요구된다.
	피트니스 시스템에서 사용하는 대표적인 생체신호는 무엇인가?	대표적으로 IT 기술과 스포츠가 융합되면서, 운동 상태를 점검해 주거나 운동량을 조절할 수 있도록 관리해주는 형태의 피트니스 시스템이 등장하고 있다. 피트니스 시스템에서 사용되는 대표적인 생체신호는 가속 및 균형, 혈당, 혈압, 뇌파, 심전도, 근전도, 체온, 영상 등 다양해지고 있으며, 센서 모듈의 소형화, 인체조직과의 적응성(착용성) 향상, 비침습적 데이터 추출기술에 의해 착용 형태의 저전력 소형화 형태로 진화하는 추세이다[5].
	피트니스 시스템에서 사용하는 생체신호 센서가 착용 형태의 저전력 소형화 형태로 진화하는 원인은 무엇인가?	대표적으로 IT 기술과 스포츠가 융합되면서, 운동 상태를 점검해 주거나 운동량을 조절할 수 있도록 관리해주는 형태의 피트니스 시스템이 등장하고 있다. 피트니스 시스템에서 사용되는 대표적인 생체신호는 가속 및 균형, 혈당, 혈압, 뇌파, 심전도, 근전도, 체온, 영상 등 다양해지고 있으며, 센서 모듈의 소형화, 인체조직과의 적응성(착용성) 향상, 비침습적 데이터 추출기술에 의해 착용 형태의 저전력 소형화 형태로 진화하는 추세이다[5].

참고문헌 (17)

정제현, 8주간의 스피닝 운동이 중년 비만 여성의 신체조성, 건강관련 체력과 혈관탄성도에 미치는 영향, 전남대학교 교육대학원, 석사학위논문, 2013.
김대건, 웨어러블 디바이스(Wearable Device) 동향과 시사점, 방송통신정책, 2013.
J. E. Lim, O. H. Choi, H. S. Na, and D. K. Baik, "A Context-Aware Fitness Guide System for Exercise Optimization in U-Health," IEEE Transactions on Information Technology, Vol.13, No.3, pp.370-379, 2009.

상세보기
고경리, 배성봉, 최장식, 반성범, "셀프-코칭을 위한 관성센서 기반 인체모션 취득 시스템 구현", 한국정보기술학회지, 제12권, 제4호, pp.171-179, 2014.
박종만, "생체정보 모니터링을 위한 기술적 이슈", 한국통신학회학회논문지, 제38B권, 제2호, pp.105-114, 2013.
김준수, 이가영, 유철승, 김태웅, 이상훈, 김희철, "의복형 생체신호 모니터링을 이용한 건강증진 시스템", 대한임상건강증진학회지, 제11권, 제1호, pp.1-8, 2011.
http://www.textronicsinc.com
http://zephyranywhere.com
http://neurosky.com
손채봉, 박수준, 오승준, 안창범, 박호종, 심동규, "u-피트니스 시스템 기술", 한국통신학회논문지, 제26권, 제8호, pp.14-18, 2009.
이병문, 김재권, 김종훈, 이영호, 강운구, "유헬스 서비스에서 상황인지 기반의 맞춤형 운동 서비스 모델", 한국정보기술학회지, 제9권, 제2호, pp.141-152, 2011.
http://wiifitu.nintendo.com
http://www.xbox.com/xboxfitness
https://www.pelotoncycle.com/bike
https://www.microsoft.com/en-us/kinectforwindows
김수균, 성경, "비접촉식 동작인식 기반 사용자 인터페이스 기술 전망", 한국항행학회논문지, 제18권, 제3호, pp.242-247, 2014.

원문보기 상세보기
이해연, 이정훈, 윤혜정, 김광일, "키넥트를 이용한 체감형 동작 인식 댄스 게임 개발", 정보처리학회지, 제3권, 제16호, pp.49-56, 2014.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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