[논문]해양사고 종류별 선원의 행동오류 식별

박득진; 양형선; 임정빈

doi:10.5394/kinpr.2018.42.3.159

해양사고 종류별 선원의 행동오류 식별
Identifying Seafarer's Behavioral Error by Marine Accident Type 원문보기

한국항해항만학회지 = Journal of navigation and port research, v.42 no.3, 2018년, pp.159 - 166

박득진 (목포해양대학교 대학원) , 양형선 (목포해양대학교 항해학부) , 임정빈 (한국해양대학교 항해학부)

초록
AI-Helper

해양사고를 야기한 선원들의 행동오류 식별은 해양사고 예방, 저감 또는 억제에 중요한 단서가 된다. 본 연구의 목적은 SRKBB(Skill-, Rule-, and Knowledge Based Behavior) 이론을 이용하여 해양사고 종류별로 선원들의 행동오류를 식별하는데 있다. 행동오류 식별을 위하여 9년간(2008~2016)의 해양사고 재결서 1,744건에 기록된 사고내용을 수집한 후, 사고를 야기한 선원들의 행동오류를 SBBE(Skill-Based Behavioral Error), RBBE(Rule-Based Behavioral Error), KBBE(Knowledge-Based Behavioral Error) 세 가지 종류로 분류하였다. 행동오류 분류를 위하여 SRKBB 이론을 적용한 행동오류 분류용 프레임워크를 제안하고, 이 프레임워크를 이용하여 행동오류 데이터를 구축하였다. 사고종류별 행동오류의 빈도를 분석한 결과, 충돌사고는 SBBE가 가장 높은 빈도로 관측되었고, 이어서 RBBE가 두 번째로 높은 빈도로 관측되었다. 이에 반하여 좌초, 전복 및 침몰 등의 사고는 KBBE 중에서 높은 빈도로 관측되었다. 연구결과, 해양사고 종류별로 선원들의 행동오류 식별이 가능하였고, 해양사고 종류별 사고 예방에 필요한 선원들의 행동오류 보정에 관한 단서를 확보할 수 있었다.

Abstract ▼ AI-Helper

The identification of behavioral errors by seafarers that have caused marine accidents may provide important clues for the reduction or prevention of marine accidents. The purpose of this study is to identify the behavioral errors of seafarers by the type of marine accident using the theory of Skill-, Rule-, and Knowledge-Based Behavior (SRKBB). In order to identify behavioral errors, we collected the information related to 1,744 cases of maritime accidents over a 9 year period (2008 ~ 2016). The behavior errors of the seafarers who caused the marine accidents were classified as SBBE (Skill-Based Behavioral Error), RBBE (Rule-Based Behavioral Error), and KBBE (Knowledge-Based Behavioral Error). After analyzing the frequency of behavioral errors according to the type of marine accident, results showed SBBE had the highest frequency of errors, followed by RBBE. Additionally, the frequency of occurrence of accidents such as stranding, overturning, and sinking was high in KBBE. This study showed it is possible to identify behavioral errors of seafarers according to the type of marine accidents.

주제어

AI 본문요약
AI-Helper

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

문제 정의

사람의 행동을 정의하는 방법은 목적에 따라서 다양하다. 본 연구에서 사람의 행동을 정의하는 목적은 해양사고를 야기한 선원의 핵심적인 행동(즉, 행동오류)을 식별하기 위함이다.
본 연구에서는 Rasmussen(1983)이 제안한 SRKBB 이론과 Reason(1990)이 제안한 행동오류 분류 이론을 종합적으로 고려한 선원들의 행동오류 식별용 프레임워크를 구축하였다.

제안 방법

1) 세 가지 행동오류의 평균(Averaged %)에 대해서 분석하여 해양 산업분야의 사고와 다른 산업분야에서의 사고가 서로 다른 점을 비교한다.
2) 빈도의 퍼센트가 가장 높은 행동오류 특징을 분석한다.
3) 해양사고 중에서 가장 많은 건수를 차지한 충돌사고에 대해서 분석한다.
4) 빈도의 퍼센트가 유사한 사고종류를 그룹으로 분리하여 분석한다.
이러한 원인판단 주제어는 법이나 규정 준수 여부에 무게를 두고 있기 때문에 분류 결과가 R 기반 행동오류로 치중될 우려가 있고, 선원 행동과는 무관한 주제어인 경우도 있다. 그래서 본 연구에서는 전문가들의 판단에 의해서 선원의 행동오류와 관련된 3개 이내의 주요한 사고원인을 선정하되, 필요한 경우 행동오류와 관련된 주제어를 다시 생성하였다.
본 연구에서는 SRKBB 이론에 근거한 Reason(1990)의 행동오류 방법을 적용하여 행동오류를 SBBE(Skill-Based Behavioral Error), RBBE(Rule-Based Behavioral Error), KBBE(Knowledge-Based Behavioral Error) 3가지 유형으로 분류하였다. 그리고 행동오류의 빈도를 분석하여 선원의 어떠한 행동오류의 빈도가 해양사고 종류별로 관측되는지를 식별하였다.
다음에는 선정한 3개 이내의 주제어 각각에 프레임워크를 적용하여 SBBE, RBBE, KBBE 중에서 선원의 행동오류를 대표할 수 있는 한 가지 행동오류를 결정한다. 이러한 결정과정에서 전문가들의 의견이 한 가지 행동오류로 일치하지 않는 경우가 발생할 수 있다.
사고기록 데이터는 중앙해양안전심판원 홈페이지(KMST, 2017)에서 제공하는 재결서와 재결요약서를 이용하여 수집하였다. 데이터의 수집은 주로 재결요약서를 활용하되, 재결요약서의내용이 충분하지 못한 경우는 재결서를 활용하였다.
본 연구에서 제안한 행동오류 분류용 프레임워크를 이용하여 해양사고 내용을 SBBE, RBBE, KBBE 등 세 가지 행동오류로 분류하였다. 분류한 내용은 8가지 해양사고종류(충돌, 좌초, 접촉, 전복, 화재, 침몰, 기관손상, 인명사상)에 대한 세 가지 행동오류의 빈도(frequency)이다.
본 연구에서는 SRKBB 이론에 근거한 Reason(1990)의 행동오류 방법을 적용하여 행동오류를 SBBE(Skill-Based Behavioral Error), RBBE(Rule-Based Behavioral Error), KBBE(Knowledge-Based Behavioral Error) 3가지 유형으로 분류하였다. 그리고 행동오류의 빈도를 분석하여 선원의 어떠한 행동오류의 빈도가 해양사고 종류별로 관측되는지를 식별하였다.
선원의 행동오류는 S 기반의 행동오류(Skill-Based Behavioral Error, SBBE), R 기반의 행동오류(Rule-Base Behavioral Error, RBBE) 그리고 K 기반의 행동오류(Knowledge-Based Behavioral Error, KBBE) 등 세 가지로 구분하였다. 세 가지의 행동오류는 기존 연구결과를 참고하여 다음과 같이 정의하였다(Park, 2018).
그리고 Yim(2017b)의 선행연구에서는 해양사고에 나타난 선원의 부족한 능력을 SRKBB 이론으로 분류 가능함을 보고한 바 있다. 이러한 Yim(2017b)의 연구는 해기사의 행동오류에 관점을 둔 것이 아니라 해기사의 부족한 능력을 식별한 것임에 반하여 본 연구에서는 SBBE, RBBE, KBBE 등 세 가지의 유형으로 행동오류를 식별하고자 한다.
이러한 결정과정에서 전문가들의 의견이 한 가지 행동오류로 일치하지 않는 경우가 발생할 수 있다. 이러한 경우에는, 앞에서 설명한 Rasmussen(1983)의 SRKBB 이론과 Reason(1990)이 제안한 행동오류 분류 방법을 다시 검토한 후, 해당 사고의 내용에 가장 적합한 한 가지 행동오류를 프레임워크를 통해서 결정하였다. 즉, 반복적인 집단의사결정 방식을 통해서 한 가지 행동오류를 결정하였다.
여기서, 한 건의 해양사고에는 선원의 다양한 행동오류가 포함될 수 있다. 이를 고려하기 위하여 한 건의 해양사고를 3개 이내의 행동오류로 분류한다. 그리고 행동오류는 후술하는 행동오류 식별용 프레임워크에서 정의한 SBBE(Skill-Based Behavioral Error), RBBE(Rule-Base Behavioral Error), KBBE(Knowledge-Based Behavioral Error) 중에서 하나를 선택한다.
한편, 본 연구에 적용한 해양사고 데이터는 주로 법적 또는 규정적인 측면에서 선원의 오류를 판단하기 위한 것이기 때문에 R 기반의 행동오류에 치우칠 수 있는 문제가 발생할 수 있다. 이에 대한 하나의 해결방안은 선박조종 시뮬레이터를 이용하여 주요한 해양사고를 재현하면서 선원들을 대상으로 실험하는 것이다. 이에 관해서는 오랜 기간 동안의 방대한 연구가 필요하기 때문에 추후 연구과제로 둔다.
중앙해양안전심판원의 재결서 또는 재결요약서에서 사고기록을 수집한 후, 행동오류 분류를 위한 프레임워크를 제안하고, 제안한 프레임워크를 이용하여 여덟 가지 사고종류별 세 가지 행동오류(즉, SBBE, RBBE, KBBE)로 분류하였다. 분류한 데이터를 이용한 행동오류 빈도 분석결과를 요약하면 다음과 같다.
이러한 경우에는, 앞에서 설명한 Rasmussen(1983)의 SRKBB 이론과 Reason(1990)이 제안한 행동오류 분류 방법을 다시 검토한 후, 해당 사고의 내용에 가장 적합한 한 가지 행동오류를 프레임워크를 통해서 결정하였다. 즉, 반복적인 집단의사결정 방식을 통해서 한 가지 행동오류를 결정하였다.
총 1,677건의 해양사고에 대해서 Table 2에 나타낸 설명변수(explanatory variables)와 각 변수에 해당하는 명목척도(nominal scales)를 이용하여 행동오류 데이터를 구축하였다. 따라서 행동오류 데이터는 일종의 순서형 로짓 데이터(ordered logit data)의 형태를 갖는다.

대상 데이터

2008년부터 2016년까지 9년간의 재결서 또는 재결요약서에 수록된 총 1,744건의 해양사고를 수집하였고, 이 중 행동오류와 관련된 여덟 가지 종류에 대한 사고만을 정리한 결과이다.
Step 1: 중앙해양안전심판원의 재결서를 이용하여 해양사고 데이터를 수집한다.
사고기록 데이터는 중앙해양안전심판원 홈페이지(KMST, 2017)에서 제공하는 재결서와 재결요약서를 이용하여 수집하였다. 데이터의 수집은 주로 재결요약서를 활용하되, 재결요약서의내용이 충분하지 못한 경우는 재결서를 활용하였다.
분류방법의 예를 들면 다음과 같다. 우선, 재결서 또는 재결서요약서 한 건에 기록된 사고내용을 전문가들이 읽고, 재결요약서에 이미 기록된 5개 이내의 원인판단 주제어 중에서 선원의 행동오류와 관련된 3개 이내의 주제어를 선정한다.
총 1,677건의 해양사고에 대해서 총 3,455개의 행동오류 데이터가 도출되었다. 이 데이터는 한 건의 해양사고를 3개 이내의 행동오류로 분류한 것으로, 한 개의 행동오류 데이터에는 1(즉, SBBE), 2(즉, RBBE), 3(즉, KBBE)의 명목척도 중에서 해당하는 어느 하나의 명목척도 값이 기록되어 있다.
(n=1,677)을 이용하여 분류한 해양사고 종류별 행동오류 데이터의 수를 나타낸다. 총 1,677건의 해양사고에 대해서 총 3,455개의 행동오류 데이터가 도출되었다. 이 데이터는 한 건의 해양사고를 3개 이내의 행동오류로 분류한 것으로, 한 개의 행동오류 데이터에는 1(즉, SBBE), 2(즉, RBBE), 3(즉, KBBE)의 명목척도 중에서 해당하는 어느 하나의 명목척도 값이 기록되어 있다.

이론/모형

물론, 세 가지 요소 이외에도 정신(spirit), 능력(competence) 등 다양한 요인을 고려할 수 있으나 검증된 바가 없고, 현재까지 사회과학과 공학 분야에서 이미 인증되고 널리 사용되고 있는 것은 SRKBB 이론이다. 그래서 본 연구에서도 SRKBB 이론을 선원의 행동을 분류하는 이론으로 선정하였다.
본 연구에서는 선원의 행동을 분류하기 위한 이론으로 Rasmussen(1983)이 제안한 SRKBB 이론을 적용하였고, 인적오류의 분류인 Reason(1990)의 이론을 추가로 접목하였다. SRKBB 이론을 적용한 이유는 다음과 같다.
선원들의 행동오류는 해양사고를 야기하는 주요한 단서가 되기 때문에 행동오류의 식별은 해양사고 예방에 중요하다. 본 연구에서는 해양사고 기록에 나타난 선원의 잘못된 행동(즉, 행동오류)을 SRKBB(Skill-, Rule-, Knowledge-Based Behavior) 이론을 적용하여 식별하였다.
행동오류의 분류방법은 프레임워크를 이용한 전문가 집단의 의사결정 방식을 적용하였다. 총 10명의 전문가들이 행동오류 분류에 참여하였는데, 전문가들의 평균 승선경력은 6년(최소 2년, 최대 15년)이고, 나이는 평균 44세(최소 31세, 최대 61세)이며, 모두 선원 교육 또는 해운회사에 현재 종사 중인 전문가들이다.

성능/효과

둘째, 사고 건수가 제일 많은 충돌사고의 경우 SBBE 56.12%, RBBE 38.63%, KBBE 5.25% 등으로 관측되어, S 기반의 행동오류를 우선 보정하고 R 기반의 행동오류를 다음으로 보정하거나 또는 S 기반과 R 기반의 행동오류를 동시에 보정하는 것이 충돌사고 예방에 우선 필요함을 알았다.
둘째, 세 가지 유형의 행동오류 빈도의 퍼센트에 대한 순위를 기준으로 여덟 가지 사고종류를 2개의 그룹으로 구분한 결과, 충돌, 접촉, 기관손상, 인명사상, 화재/폭발 등을 하나의 그룹으로 형성할 수 있고, 좌초, 전복, 침몰 등을 다른 하나의 그룹으로 형성할 수 있었다. 따라서 해양사고 예방을 위한 교육과 훈련을 실시하는 경우, 두개의 그룹으로 분리하는 것도 효율적인 방안이 될 것으로 고려된다.
대부분의 사고내용이 행동오류와 관련되어 있다. 따라서 본 연구에 적용한 사고기록 데이터는 선원들의 행동오류 식별 연구에 충분한 정보제공이 가능함을 알 수 있다.
25% 등의 순서로 관측되었다. 따라서 충돌사고 예방을 위해서는 S 기반의 행동오류 보정이 우선 필요하고, 다음으로 R 기반의 행동오류 보정이 필요하거나 또는 S 기반과 R 기반의 행동오류 보정이 종합적인 필요함을 알 수 있다.
본 연구를 통해서 해양사고 예방을 위해서는 선원들의 어떠한 행동오류의 보정이 필요하고, 어떠한 행동오류에 가중치를 두고 교육과 훈련을 실행하는 것이 최적인지 등에 대한 단서를 확보할 수 있었다.
셋째, 여덟 가지 사고종류 각각에 대한 세 가지 행동오류 빈도의 퍼센트는 각각 다른 값으로 나타났으나 위와 같이 2개의 그룹으로 분리할 수 있을 정도로 유사한 패턴을 갖는 사고 종류도 많았다. 이에 대해서는 추후 ANOVA(Analysis of Variance)를 이용한 그룹 데이터 사이의 유의수준 분석이 필요하다.
셋째, 종합적인 관점에서 충돌, 접촉, 기관손상, 인명사상, 화재/폭발 등의 사고를 예방하기 위해서는 S 기반의 행동오류의 보정이 우선 필요하고, 좌초, 전복, 침몰 등의 사고를 예방하기 위해서는 R 기반의 행동오류의 보정이 우선 필요함을 알았다.
첫째, 자동차나 핵발전소 등의 산업분야의 경우 SBBE가 70% 내외인 것으로 보고되고 있으나, 해양사고에 대한 SBBE의 경우는 54.47%로 관측되었다. 그러나 해양사고 기록 형태의 특징을 고려할 경우 이 결과는 추후 상세한 분석과 검토를 통해서 판단해야할 것으로 고려되었다.
첫째, 자동차나 핵발전소 등이 산업분야의 경우 SBBE는 70% 내외인 것으로 보고되고 있으나, 이와 달리 해양사고에 대한 SBBE가 54.47%로 관측되었다. 산업 분야별로 서로 다른 형태의 행동오류가 관측될 수 있다는 측면에서 이 결과는 대단히 흥미로운 것이다.
행동오류의 분류방법은 프레임워크를 이용한 전문가 집단의 의사결정 방식을 적용하였다. 총 10명의 전문가들이 행동오류 분류에 참여하였는데, 전문가들의 평균 승선경력은 6년(최소 2년, 최대 15년)이고, 나이는 평균 44세(최소 31세, 최대 61세)이며, 모두 선원 교육 또는 해운회사에 현재 종사 중인 전문가들이다. 그리고 성별은 여성 3명, 남성 7명이다.

후속연구

47%로 관측되었다. 그러나 해양사고 기록 형태의 특징을 고려할 경우 이 결과는 추후 상세한 분석과 검토를 통해서 판단해야할 것으로 고려되었다.
이에 대한 하나의 해결방안은 선박조종 시뮬레이터를 이용하여 주요한 해양사고를 재현하면서 선원들을 대상으로 실험하는 것이다. 이에 관해서는 오랜 기간 동안의 방대한 연구가 필요하기 때문에 추후 연구과제로 둔다.
셋째, 여덟 가지 사고종류 각각에 대한 세 가지 행동오류 빈도의 퍼센트는 각각 다른 값으로 나타났으나 위와 같이 2개의 그룹으로 분리할 수 있을 정도로 유사한 패턴을 갖는 사고 종류도 많았다. 이에 대해서는 추후 ANOVA(Analysis of Variance)를 이용한 그룹 데이터 사이의 유의수준 분석이 필요하다. 이에 대한 연구 역시 방대하기 때문에 추후 연구과제로 둔다.
향후 본 연구과정에서 발생한 제반 문제점을 해결한 후, 실제 교육과 훈련을 통해서 선원들의 행동오류 보정이 가능한지에 대한 연구를 추진할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사고를 야기한 선원들의 행동오류는 어떻게 분류할 수 있는가?	본 연구의 목적은 SRKBB(Skill-, Rule-, and Knowledge Based Behavior) 이론을 이용하여 해양사고 종류별로 선원들의 행동오류를 식별하는데 있다. 행동오류 식별을 위하여 9년간(2008~2016)의 해양사고 재결서 1,744건에 기록된 사고내용을 수집한 후, 사고를 야기한 선원들의 행동오류를 SBBE(Skill-Based Behavioral Error), RBBE(Rule-Based Behavioral Error), KBBE(Knowledge-Based Behavioral Error) 세 가지 종류로 분류하였다. 행동오류 분류를 위하여 SRKBB 이론을 적용한 행동오류 분류용 프레임워크를 제안하고, 이 프레임워크를 이용하여 행동오류 데이터를 구축하였다.
	행동오류 분류 결과는 어떠한가?	행동오류 분류를 위하여 SRKBB 이론을 적용한 행동오류 분류용 프레임워크를 제안하고, 이 프레임워크를 이용하여 행동오류 데이터를 구축하였다. 사고종류별 행동오류의 빈도를 분석한 결과, 충돌사고는 SBBE가 가장 높은 빈도로 관측되었고, 이어서 RBBE가 두 번째로 높은 빈도로 관측되었다. 이에 반하여 좌초, 전복 및 침몰 등의 사고는 KBBE 중에서 높은 빈도로 관측되었다. 연구결과, 해양사고 종류별로 선원들의 행동오류 식별이 가능하였고, 해양사고 종류별 사고 예방에 필요한 선원들의 행동오류 보정에 관한 단서를 확보할 수 있었다.
	해양사고를 야기한 선원들의 행동오류 식별은 어떤 단서가 되는가?	이에 반하여 좌초, 전복 및 침몰 등의 사고는 KBBE 중에서 높은 빈도로 관측되었다. 연구결과, 해양사고 종류별로 선원들의 행동오류 식별이 가능하였고, 해양사고 종류별 사고 예방에 필요한 선원들의 행동오류 보정에 관한 단서를 확보할 수 있었다.

참고문헌 (18)

Chauvin C., Clostermann, J. P. and Jean-Michel Hoc(2008), "Situation Awareness and the Decision-Making Process in a Dynamic situation: Avoiding collisions at sea", Journal of cognitive engineering and decision making, Vol. 2, pp. 1-23.

상세보기
Drivalou, S. and Marmaras, N.(2009). "Supporting skill-, rule-, and knowledge-based behaviour through an ecological interface: An industry-scale application", International Journal of Industrial Ergonomics, Vol. 39(6), pp. 947-965.

상세보기
Imbert, J. P., Granger, G., Benhacene, R., Golfetti, A., Bonelli, S., and Pozzi, S.(2015), "Skill, Rule and Knowledge-based Behaviors Detection during Realistic ATM Simulations by Means of ATCOs' Brain Activity", SESARWPE.
IMO(1972), Convention on the International Regulations for preventing collision at sea [with amendments adopted from December 2009], International Maritime Orgnization, London, UK.
KMST(2016), Statistical Year Book for Maritime Accidents. Korean Maritime Safety Tribunals(KMST).
KMST(2017), Written Verdict. [Online], Retrieved from https://data.kmst.go.kr/kmst/verdict/writtenverdict/selectwrittenverdict.do, [accessed 2nd Aug. 2017].
Lin, C. J., Shiang, W. J., Chuang, C. Y. and Liou, J. L.(2014), "Applying the Skill-Rule-Knowledge Framework to Understanding Operator's Behaviors and Workload in Advanced Main Control Rooms", Nuclear Engineering and Design, Vol. 270, pp. 176-184.

상세보기
Norman, D. A.(1983), "Some observations on mental models", Mental models, Vol. 7(112), pp. 7-14.
Park, D. J., Cho, C. .Y. and Yim, J. B..(2017), "A Research on the method of mariner's SRK Behaviors", Joint Conference 2017, KOSOMES, Mokpo, Korea, April 27-28, p. 59.
Park, D. J.(2018), "A study on acquisition of SRK behavior distribution function for reducing marine accidnets caused by human error", Master thesis, Mokpo National Maritime University.
Rasmussen, J.(1982), "Human errors. A taxonomy for describing human malfunction in industrial installations", Journal of occupational accidents, Vol. 4(2-4), pp. 311-333.

상세보기
Rasmussen, J.(1983), "Skills, rules, and knowledge; signals, signs, and symbols, and other distinctions in human performance models", IEEE transactions on systems, man, and cybernetics, Vol. 3, pp. 257-266.
Reason, J.(1990), "Human Error", Cambridge University, New York, USA.
Reason, J., Manstead, A., Stradling, S., Baxter, J. and Campbell, K.(1990), "Errors and violations on the roads: a real distinction?". Ergonomics, Vol. 33(10-11), pp. 1315-1332.

상세보기
Stanton, N. A., Salmon, P. M.(2009), "Human error taxonomies applied to driving: A generic driver error taxonomy and its implications for intelligent transport systems", Safety Science, Vol. 47(2), pp. 227-237.

상세보기
Yim, J. B., Yang, W. J. and Kim, H. T.(2014), "Marine Accident Analysis", Je-Il-Gi-Hwik, pp. 1-392.
Yim, J. B.(2017a), "A Study on the Reduction of Common Words to Classify causes of Marine Accidents", Korean Institute of Navigation and Port Research, Vol. 41(3), pp. 109-117.

원문보기 상세보기
Yim, J. B.(2017b), "A Study on the Analysis and Identification of Seafarers' Skill-Rule-Knowledge Inherent in Maritime Accidents", KOSMES, Vol. 23(3), pp. 224-230.

저자의 다른 논문 :

LOADING...

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