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
- 본 연구는 교육훈련 분야의 국방 M&S의 경험지식과 Know-how의 단발성 및 비체계성을 해소함으로써, 국방 M&S를 이용한 교육훈련의 효과를 제고시키기 위한 연구이다.
- 은 text mining을 이용하여 생물정보학 분야의 지식구조를 네트워크 분석하는 연구를 진행하였다. 연구에서는 문헌집단의 인용정보를 기반으로 새로운 인용문헌 집단 네트워크의 구축방법을 제안하였다. 이를 통해 생물정보학 분야의 피인용도가 높은 문헌 집단으로부터 핵심개념을 파악하였다.
- 이러한 DM&S 분야의 경험지식을 수집하고 경험지식 체계를 구성하여 분석하고자 하였다.
- 이를 통해 경험지식의 체계화를 시도함으로써 단발성 및 비 체계성을 해소하고, DM&S 기반 교육훈련의 효과를 제고하고자 한다.
- 연구에서는 문헌집단의 인용정보를 기반으로 새로운 인용문헌 집단 네트워크의 구축방법을 제안하였다. 이를 통해 생물정보학 분야의 피인용도가 높은 문헌 집단으로부터 핵심개념을 파악하였다. 허고은[13]의 연구에서는 생의학 분야에서 문헌지식을 바탕으로 text mining과 네트워크 분석개념을 적용하여 전체적인 구조를 네트워크 그래프 모델 경로로 형성하여 새로운 규칙 기반의 다양한 관계성을 체계적으로 분석하고자 하였다.
제안 방법
- ‘영상 사격 시뮬레이터’ 경험지식을 수집하기 위해 설문조사를 실시하였다.
- 4개의 시나리오는 이동표적사격 훈련, 개활지 방어사격 훈련, 고지점령사격 훈련, 도시 방어사격 훈련이다. 4가지 상황별 훈련 시나리오에 대하여 설문지를 작성하였다.
- 오픈소스 프로그램으로 통계, 데이터 마이닝, 그래프 및 시각화 등을 위해 이용되는 언어인 R 프로그램을 활용하여 keyword를 도출하고 vector를 형성하였다. 4가지 시나리오별로 text mining을 실시하였고, 도출된 keyword를 출현빈도 15회 기준의 Cut-off value를 통해 선별하였다. 빈도수를 15회 기준으로 설정한 이유는 도출된 keyword 빈도의 중앙값이 15회로 측정되었고, 15회 이하의 단어를 모두 활용할 경우 분석결과에 영향을 미칠 것으로 판단되어 15회를 기준으로 설정하였다.
- 넷째, 도출한 keyword matrix를 활용하여 network analysis를 수행하였다. Network를 구성할 때 2장에서 서술한 5Ws-PO방법과 5Ws에 How 부분을 결합한 기준(5Ws-POH)을 토대로 keyword network의 노드를 구분하고 그룹핑 하였다. 5Ws-POH 기준은 교육훈련용 국방 M&S을 통해 발생되는 단어 중심적 특성을 지닌 경험지식을 구체적으로 분류하는데 적합하며, 간단한 기준을 통해 분류한 예시를 들면 다음과 같다.
- 둘째, 설문조사를 통해 수집된 경험지식을 text mining을 위한 file화 작업 등 전처리 과정을 실시하였다. Text mining을 통해 4개 훈련 시나리오에 대한 설문조사 항목별 주요 keyword를 도출하였다.
- 본 논문은 2장에서 text mining, network analysis에 관한 관련지식 및 선행연구를 고찰하고 정리한다. text mining은 분석대상이 되는 경험지식이 단어와 문서 등의 비정형 형태이며, 이들 간의 관계를 분석하고 체계화하기 위해 text mining과 network analysis를 채택하였다. 3장에서는 ‘모의사격 시뮬레이션 경험지식 분석’ 사례를 중심으로 연구결과를 제시한다.
- 2와 같이 network를 형성하였다. 각 network를 구성하는 keyword의 중심성 척도를 산출하여 network의 node로 구성되어 있는 keyword의 관계를 분석하였다. 또한 구성 keyword를 5Ws-POH방법을 이용하여 지식표현을 구분하였다.
- 교육훈련용 국방 M&S의 경험지식 분석을 위해 육군 3사관학교의 ‘영상 사격 시뮬레이터’를 경험한 사관생도를 대상으로 경험지식 수집을 위한 설문조사를 실시하였고, text mining과 네트워크 분석을 활용하였다.
- 등으로 정의되어진다. 네트워크 분석의 척도는 밀도(density), 중심성(centralization), 하위 네트워크(sub-network), 키 플레이어(key player) 등 여러 가지가 있으며, 본 연구에서는 중심성 척도를 이용하여 분석 결과를 해석하기로 한다. Network analysis에서 중심성은 네트워크 상에서 핵심적 위치를 의미하기에 특별한 중요성을 지닌다고 할 수 있다[22].
- Network analysis에서 중심성은 네트워크 상에서 핵심적 위치를 의미하기에 특별한 중요성을 지닌다고 할 수 있다[22]. 네트워크의 중심성 척도는 종류가 다양하나, 본 연구에서 연결 중심성과 중개중심성을 사용하였다.
- 넷째, 도출한 keyword matrix를 활용하여 network analysis를 수행하였다. Network를 구성할 때 2장에서 서술한 5Ws-PO방법과 5Ws에 How 부분을 결합한 기준(5Ws-POH)을 토대로 keyword network의 노드를 구분하고 그룹핑 하였다.
- 둘째, 설문조사를 통해 수집된 경험지식을 text mining을 위한 file화 작업 등 전처리 과정을 실시하였다. Text mining을 통해 4개 훈련 시나리오에 대한 설문조사 항목별 주요 keyword를 도출하였다.
- 마지막으로, 구성된 network에서 각 단어의 연결중심성(degree centrality) 및 중개중심성(betweenness centrality) 등 네트워크의 중심성 척도를 도출하여 network 상 단어들의 위치와 역할에 대하여 해석하였다. 위에서 기술한 일련의 연구 과정을 순서 형태로 표시하면 Fig.
- 본 연구에서는 가장 구체적인 상황 표현이 가능한5Ws-PO 방법과 경험지식, 즉 know-how의 의미를 구분하여 표현하기 위해 기존의 5Ws에 How 부분을 추가하는 모형을 채택하였다. 이를 이용하여 향후 사례연구의 경험지식 분석결과를 체계화 하도록 하였다.
- 실제 사격훈련과 상황별 대처 능력을 향상시키기 위한 시뮬레이터라는 점을 감안하여, 실제 사격훈련 시 중요시 되고 있으며 기초 군사훈련 책자에 수록되어 있는 자세, 조준, 호흡, 격발 4가지 구분을 토대로 작성예시를 구성하여 설문 작성 가이드라인을 제시하였다. 설문방식은 4가지 컨텐츠 별로 자세, 조준, 호흡, 격발에 있어 자신의 know-how 또는 경험지식을 자유롭게 서술하는 방식을 채택하여 진행하였다.
- 설문조사를 통해 수집된 경험지식은 text mining을 위해 전처리작업을 수행하였다. 이동표적사격 훈련(Firing the Moving target training)은 FM, 개활지 방어사격 훈련(Defending the Opening area training)은 DO, 고지점령사격 훈련(Capturing Hill training)은 CH, 도시 방어사격 훈련(Defending the City training)은 DC로 code명을 부여한다.
- 설문지 항목의 구성은 현재 3사관학교의 ‘영상 사격 시뮬레이터’가 제공하는 이동표적사격훈련, 개활지 방어사격 훈련, 고지점령사격 훈련, 도시 방어사격 훈련 등 4가지 상황별 훈련 컨텐츠를 토대로 작성하였다.
- 셋째, 도출된 특정 빈도수 이상의 주요 keyword를 선별하여 이들 간 co-occurrence 수치를 도출하고 keyword의 동시발생 확률 값으로 구성된 keyword vector를 형성하였다.
- 설문지 항목의 구성은 현재 3사관학교의 ‘영상 사격 시뮬레이터’가 제공하는 이동표적사격훈련, 개활지 방어사격 훈련, 고지점령사격 훈련, 도시 방어사격 훈련 등 4가지 상황별 훈련 컨텐츠를 토대로 작성하였다. 실제 사격훈련과 상황별 대처 능력을 향상시키기 위한 시뮬레이터라는 점을 감안하여, 실제 사격훈련 시 중요시 되고 있으며 기초 군사훈련 책자에 수록되어 있는 자세, 조준, 호흡, 격발 4가지 구분을 토대로 작성예시를 구성하여 설문 작성 가이드라인을 제시하였다. 설문방식은 4가지 컨텐츠 별로 자세, 조준, 호흡, 격발에 있어 자신의 know-how 또는 경험지식을 자유롭게 서술하는 방식을 채택하여 진행하였다.
- 본 연구는 육군 3사관학교에서 사용하고 있는 영상사격 시뮬레이터를 활용한 훈련 경험지식을 분석대상으로 선정하였다. 우선, 육군 3사관학교에서 이 시뮬레이터를 이용해본 사관생도를 대상으로 인터뷰와 설문조사 등의 방법을 통해 시뮬레이터 이용 절차 또는 상황에 맞추어 습득하게 된 비정형의 개인 경험지식을 자연어 형태로 수집하였다. 이때 설문지 항목 구성을 위해 ‘영상 사격 시뮬레이터’의 기능 및 정보 분석과 전문가 협의를 통해 시뮬레이터가 제공하는 여러 훈련 시나리오 중에서 4개의 시나리오를 선별하였다.
- 본 연구에서는 가장 구체적인 상황 표현이 가능한5Ws-PO 방법과 경험지식, 즉 know-how의 의미를 구분하여 표현하기 위해 기존의 5Ws에 How 부분을 추가하는 모형을 채택하였다. 이를 이용하여 향후 사례연구의 경험지식 분석결과를 체계화 하도록 하였다.
- 이를 통해 교육훈련용 DM&S를 경험한 후에 발생되는 경험지식을 분석하였다.
- 또한 장임숙[15]의 연구에는 다문화 지식체계 구조 분석을 위해 다문화분야 학술논문으로부터 저자가 지정한 키워드 중심으로 동시단어 네트워크를 생성하고 k-core 분석을 이용한 사례가 있다. 이를 통해 핵심연구주제 추출, 지식구조 변화 추이, 다문화 지식구조의 특성을 비교 분석한 결과를 도출하였다. 이재윤[16]은 text mining의 문헌 클러스터링 기법과 문헌 유사도 네트워크 분석을 적용하여 국내 기록 관리학 영역의 지식구조를 다양한 측면에서 분석하는 연구를 수행하였다.
- 이에 본 논문은 ‘모의사격훈련 시뮬레이션 경험지식’을 대상으로 교육훈련용 DM&S를 활용한 이후에 발생하게 되는 경험지식과 Know-how를 분석한다.
대상 데이터
- 도출된 keyword는 국방기술품질원에서 20년 이상의 근무경력이 있는 전문위원 및 육군 3사관학교 교수 등 국방 M&S 전문가와 협의를 통하여 선별하였다.
- 본 연구는 육군 3사관학교에서 사용하고 있는 영상사격 시뮬레이터를 활용한 훈련 경험지식을 분석대상으로 선정하였다. 우선, 육군 3사관학교에서 이 시뮬레이터를 이용해본 사관생도를 대상으로 인터뷰와 설문조사 등의 방법을 통해 시뮬레이터 이용 절차 또는 상황에 맞추어 습득하게 된 비정형의 개인 경험지식을 자연어 형태로 수집하였다.
- ‘영상 사격 시뮬레이터’ 경험지식을 수집하기 위해 설문조사를 실시하였다. 설문조사는 육군 3사관학교에 재학 중인 사관생도 58명을 대상으로 2015년 12월 1일부터 12월 11일까지 약 2주간 진행되었으며, 50명이 설문지를 제출하여 86 % 응답률을 보였다. 육군 3사관학교 사관생도를 설문 대상자로 선정한 이유는 ‘영상 사격 시뮬레이터’를 통해 교육훈련을 하는 동아리가 존재하고, 교육훈련 국방 M&S 경험지식을 보유하고 있으며 실제로 교육대상 집단이라는 점이 본 연구의 분석 취지와 부합하기 때문이다.
- 앞서 언급한 바와 같이 교육훈련분야의 DM&S 경험지식 분석을 위하여 육군 3사관학교에서 활용하고 있는 ‘영상 사격 시뮬레이터’를 선정하였다.
- 이때 설문지 항목 구성을 위해 ‘영상 사격 시뮬레이터’의 기능 및 정보 분석과 전문가 협의를 통해 시뮬레이터가 제공하는 여러 훈련 시나리오 중에서 4개의 시나리오를 선별하였다.
데이터처리
- 오픈소스 프로그램으로 통계, 데이터 마이닝, 그래프 및 시각화 등을 위해 이용되는 언어인 R 프로그램을 활용하여 keyword를 도출하고 vector를 형성하였다. 4가지 시나리오별로 text mining을 실시하였고, 도출된 keyword를 출현빈도 15회 기준의 Cut-off value를 통해 선별하였다.
이론/모형
- 각 network를 구성하는 keyword의 중심성 척도를 산출하여 network의 node로 구성되어 있는 keyword의 관계를 분석하였다. 또한 구성 keyword를 5Ws-POH방법을 이용하여 지식표현을 구분하였다. 네트워크 형성 모형과 네트워크 분석한 결과는 Table 2와 같다.
성능/효과
- 이때 설문지 항목 구성을 위해 ‘영상 사격 시뮬레이터’의 기능 및 정보 분석과 전문가 협의를 통해 시뮬레이터가 제공하는 여러 훈련 시나리오 중에서 4개의 시나리오를 선별하였다. 4개의 시나리오는 이동표적사격 훈련, 개활지 방어사격 훈련, 고지점령사격 훈련, 도시 방어사격 훈련이다. 4가지 상황별 훈련 시나리오에 대하여 설문지를 작성하였다.
- 적이 출현하는 상황에서는 신속하게 대응 사격 및 은폐 및 엄폐를 실시하여 아군의 피해를 줄이는 것도 중요함을 예측할 수 있다. 도시방어 사격 훈련(DC)의 중요 경험지식은 도시의 장애물 및 지형지물을 이용하여 엄폐하며 사격하는 것으로 나타났다.
후속연구
- 두 번째로 본 연구의 목적에 부합하여 시뮬레이션 기반의 교육훈련의 효과성을 제고할 것으로 기대된다. 경험지식의 분석결과를 사전에 새롭게 훈련에 임하는 사람들에게 열람하게 한다면, 상황에 따른 적절한 행동요령을 보다 쉽게 습득하게 하여 효과적인 전투능력 숙달이 가능하도록 도움을 줄 것이다.
- 이러한 DM&S 분야의 경험지식을 수집하고 경험지식 체계를 구성하여 분석하고자 하였다. 두 번째로 본 연구의 목적에 부합하여 시뮬레이션 기반의 교육훈련의 효과성을 제고할 것으로 기대된다. 경험지식의 분석결과를 사전에 새롭게 훈련에 임하는 사람들에게 열람하게 한다면, 상황에 따른 적절한 행동요령을 보다 쉽게 습득하게 하여 효과적인 전투능력 숙달이 가능하도록 도움을 줄 것이다.
- 또한 축출된 경험지식의 세분화 정도와 신뢰성 기준 수립에 대한 한계점이 있다. 따라서 향후에는 정보손실을 방지하고 신뢰성을 구축하도록 방대한 양의 비정형데이터에 Big data 기술을 접목한 경험지식 분석 연구와 경험지식의 효용기준 설정에 관한 연구가 필요할 것으로 보인다. 최근 주목받고 있는 Big data 기술 기반으로 자동화 및 체계적인 경험지식 분석 연구가 수행된다면 교육훈련용 M&S를 통한 교육 효과성 제고가 더 클 것으로 기대된다.
- 따라서 향후에는 정보손실을 방지하고 신뢰성을 구축하도록 방대한 양의 비정형데이터에 Big data 기술을 접목한 경험지식 분석 연구와 경험지식의 효용기준 설정에 관한 연구가 필요할 것으로 보인다. 최근 주목받고 있는 Big data 기술 기반으로 자동화 및 체계적인 경험지식 분석 연구가 수행된다면 교육훈련용 M&S를 통한 교육 효과성 제고가 더 클 것으로 기대된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.