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
- 한국 여성의 얼굴 관련 치수로부터 마스크 시트 설계 시 요구되는 얼굴의 유형을 몇 개 집단으로 분류하기 위하여 요인분석 결과에서 도출된 각 요인점수를 사용하여 군집분석을 실시하였다. 대부분의 시판 마스크 팩용 시트가 2차원 형태의 일회용 제품임을 감안 할 때 본 연구에서는 활용가능성을 고려하여 세밀한 유형분류를 지양하고 각 군집의 커버 범위를 확대하고자 하였다. 2~4개의 군집 수를 정하여 K-평균 군집 분석을 실시한 후 추출된 군집별로 각 요인에 대한 일원분산분석을 실시하고 유의한 검정결과가 도출된 군집에 대해서는 집단 간 사후검정(Duncan-test)을 실시하여 최적의 집단을 도출하고자 하였다(Table 3).
- 페이셜 마스크 시트는 얼굴 모양의 시트로 도포하는 부위에 미용효과를 배가시키는 미용 제품이나 불특정 다수에게 사용됨에도 불구하고 사용자의 얼굴, 또는 제품의 형상, 치수에 대한 정보를 구할 수 없는 상황으로 사용자의 니즈를 반영한 맞춤형 설계가 아쉬운 실정이다. 본 연구는 이러한 문제점의 해결을 위한 탐색적 연구로서 Size Korea(KATS, 2010)의 제6차 3차원 측정데이터 중 20~60대 여성 1,001명의 마스크 시트 제작에 요구되는 얼굴 24항목을 이용하여 다각적인 분석방법을 시도하고 한국 여성의 얼굴 부위의 형상 및 사이즈 관련 유용한 정보를 제공하고자 하였다.
- 본 연구에서는 남녀노소, 지역을 망라한 불특정 다수의 사용자층으로 확산되고 있는 마스크 시트의 얼굴 적합성을 향상시키기 위한 시도 연구로서 우선 가장 많은 사용자인 한국 여성을 대상으로 얼굴 항목의 요인추출과 이를 이용한 유형분류, 유형분류에 기여하는 얼굴 항목, 판별함수 도출 및 판별력을 검증하는 분류분석을 통하여 한국 여성의 얼굴 형태와 사이즈를 다각적으로 분석하였다. 제품 활용에 대한 고려 없이 얼굴과 머리 항목을 통합 분석한 연구들과는 달리 시트 형상에 초점을 맞춰 제품에 요구되는 치수항목의 분석을 시도한 결과, 얼굴과 머리의 통합 분석과는 차이가 있는 결과를 도출하였다.
- 그러므로 요인분석에 포함되었던 항목들이 유형분류에 공헌되는 비중을 파악하는 것은 중요한 절차라 할 수 있다. 본 연구에서는 도출된 군집을 분류하는 유효한 항목을 역 추적하기 위하여 판별분석을 실시하였으며 마스크 제작에 요구되는 얼굴 형상을 분류하는 데 유효한 원점수 항목들을 추출하였다. 연구자의 조작을 최소화하기 위하여 요인분석에 집약되었던 23개 치수항목을 모두 독립변수로, 3개 군집특성을 종속변수로 설정하여 판별분석을 실시하였다.
- 시트형 마스크 팩은 시트가 도포하는 부위로 그 미용효과를 달성하므로 시트의 형태와 크기의 적합성은 그 효과의 향상을 위해 더더욱 중요하다. 이에 본 연구는 편의성과 성능으로 그 수요가 날로 증가하는 시트형 마스크 팩의 사이즈 적합성 개선을 위한 기초연구로서 마스크 시트 설계에 요구되는 한국인 여성 얼굴 치수의 다각적인 분석을 통하여 마스크 시트의 형상 및 사이즈에 유용한 정보를 제공하고자 하였다.
제안 방법
- 20~60대 한국 여성 1,001명의 3D 얼굴 데이터로부터 마스크 시트의 형상 및 사이즈 설계 시 요구되는 항목으로 일치, 또는 유사한 23개 항목과 산출된 1개 항목 등 24개 항목에 대하여 수리적 요인분석을 실시하였다. 요인추출방법은 주성분분석(Principal component analysis)을, 요인회전방식은 베리맥스 방법(Varimax method)을 실행하였다.
- 6개 요인에 집약된 항목들을 중심으로 각 요인의 구조특성을 분석하였다. 가장 높은 적재량으로 집약된 요인 1의 Eigenvalue는 6.
- 도출된 군집을 분류하는 유효한 항목을 역추적하기 위하여 요인분석에 포함된 23개 항목을 단계적 판별 분석에 투입하여 3개 군집의 판별에 대한 기여도를 분석하였다. 판별분석 결과 2개의 판별함수와 최종 12개의 항목이 군집분석에서 도출된 3개 군집을 분류하는 영향력 있는 항목으로 추출되었다.
- Size Korea(KATS, 2010)의 머리 및 얼굴 3D 측정항목으로부터 마스크 시트 설계에 필요한 항목과 대응되는 항목들을 선정하였다. 마스크 시트 치수 부위와 일치하거나 가장 근접한 항목을 우선 추출하였으며 3D 측정데이터에서 누락된 눈너비(C1) 항목은 기존 항목의 계산을 통하여 산출하였다. 분석항목은 6차 3D 측정항목 23개, 변수계산을 통하여 산출된 눈너비 1개 항목을 포함하여 총 24개 항목으로 [Fig.
- 126%)로 그 특성을 요약할 수 있다. 산출된 요인의 특성은 요인점수로 저장하였다.
- 앞서 요인분석에서 계산된 얼굴 관련 요인점수를 이용하여 얼굴의 유형을 분류하는 3개 군집을 도출하였다. 요인분석을 통해 추출된 요인점수는 다수의 항목을 집약, 대변해 주는 효과적인 변수로서 타 연구에 비해 변수의 수가 많은 치수항목의 분석에 주요한 변수로 사용된다.
- 본 연구에서는 도출된 군집을 분류하는 유효한 항목을 역 추적하기 위하여 판별분석을 실시하였으며 마스크 제작에 요구되는 얼굴 형상을 분류하는 데 유효한 원점수 항목들을 추출하였다. 연구자의 조작을 최소화하기 위하여 요인분석에 집약되었던 23개 치수항목을 모두 독립변수로, 3개 군집특성을 종속변수로 설정하여 판별분석을 실시하였다. 집단특성을 가장 잘 판별할 수 있는 판별함수를 도출하기 위하여 Wilks의 람다가 최소가 되게 하는 단계적 선택방법을 사용하여 각 항목의 판별분석의 진입과 제거를 반복한 결과, 2개의 판별함수와 최종 12개의 항목이 군집분석에서 도출된 3개 군집을 분류하는 유효항목으로 추출되었다.
- 3개 군집 의 경우 각 유형이 대부분의 요인에서 유의한 순위를 나타내며 분류되었으나 4개 군집에서는 3개 군집에 비해 각 군집 간의 유의차가 뚜렷이 나타나지 않았다. 이러한 결과에 의해 본 연구에서는 얼굴 형상 유형을 3개 군집으로 분류하여 후속분석을 실시하였다.
- 최종 3개로 분류된 군집유형의 요인점수에 대한 일원배치분산분석 및 Duncan-test 결과를 [Table 3]에, 각 군집의 요인별 분포형태를 [Fig. 2]에 제시하였다.
- 한국 여성의 얼굴 관련 치수로부터 마스크 시트 설계 시 요구되는 얼굴의 유형을 몇 개 집단으로 분류하기 위하여 요인분석 결과에서 도출된 각 요인점수를 사용하여 군집분석을 실시하였다. 대부분의 시판 마스크 팩용 시트가 2차원 형태의 일회용 제품임을 감안 할 때 본 연구에서는 활용가능성을 고려하여 세밀한 유형분류를 지양하고 각 군집의 커버 범위를 확대하고자 하였다.
대상 데이터
- Size Korea(KATS, 2010)의 머리 및 얼굴 3D 측정항목으로부터 마스크 시트 설계에 필요한 항목과 대응되는 항목들을 선정하였다. 마스크 시트 치수 부위와 일치하거나 가장 근접한 항목을 우선 추출하였으며 3D 측정데이터에서 누락된 눈너비(C1) 항목은 기존 항목의 계산을 통하여 산출하였다.
- 본 연구의 대상은 현재 국내산 마스크 시트를 가장 많이 사용하는 20~60대 한국 성인 여성으로 Size Korea 의 제6차 3차원 측정데이터(Korean Agency for Technology and Standards [KATS], 2010)를 사용하였다. 결측치를 제외한 여자 1,014명의 케이스에 대하여 주요 항목에서의 산점도 및 상자 그래프를 통해 이상치, 또는 최극단치 등의 outlier를 제외하고 최종 1,001명의 케이스를 분석에 사용하였다(Table 1).
- 본 연구의 대상은 현재 국내산 마스크 시트를 가장 많이 사용하는 20~60대 한국 성인 여성으로 Size Korea 의 제6차 3차원 측정데이터(Korean Agency for Technology and Standards [KATS], 2010)를 사용하였다. 결측치를 제외한 여자 1,014명의 케이스에 대하여 주요 항목에서의 산점도 및 상자 그래프를 통해 이상치, 또는 최극단치 등의 outlier를 제외하고 최종 1,001명의 케이스를 분석에 사용하였다(Table 1).
데이터처리
- 1] 각 항목의 번호는 Size Korea(KATS, 2010)에서 제시된 번호를 그대로 사용하였다. 24개 항목에 대하여 요인분석 및 군집분석, 판별분석, 교차분석, 일원분산분석 및 사후 검정 등을 실시하였다. 각 분석은 SPSS ver.
- 대부분의 시판 마스크 팩용 시트가 2차원 형태의 일회용 제품임을 감안 할 때 본 연구에서는 활용가능성을 고려하여 세밀한 유형분류를 지양하고 각 군집의 커버 범위를 확대하고자 하였다. 2~4개의 군집 수를 정하여 K-평균 군집 분석을 실시한 후 추출된 군집별로 각 요인에 대한 일원분산분석을 실시하고 유의한 검정결과가 도출된 군집에 대해서는 집단 간 사후검정(Duncan-test)을 실시하여 최적의 집단을 도출하고자 하였다(Table 3).
- 분석결과 2개의 군집분류 시 모든 요인에서 각 군집별 유의차가 나타나지 않아 군집분류가 적합하지 않은 것으로 판단되었으며 3개 및 4개 군집분류에서는 분산분석 결과 모든 요인에서 p<.0011의 유의차가 나타나 Duncan-test를 사후검정으로 실시하였다.
- 요인분석을 통해 도출된 6개 요인점수를 변수로 이용하여 2~4개의 군집 수를 지정한 K-평균 군집분석을 실시한 후 군집 수에 따른 일원배치분산분석 및 각 군집 간의 Duncan-test를 통하여 최종 3개 군집을 결정하였다. 군집 1은 분석인원의 32.
- 요인분석의 적합성을 KMO 측도 및 Bartlett의 구형성 검정을 통하여 확인하였다. 그 결과 .
이론/모형
- 마스크 시트 치수 부위와 일치하거나 가장 근접한 항목을 우선 추출하였으며 3D 측정데이터에서 누락된 눈너비(C1) 항목은 기존 항목의 계산을 통하여 산출하였다. 분석항목은 6차 3D 측정항목 23개, 변수계산을 통하여 산출된 눈너비 1개 항목을 포함하여 총 24개 항목으로 [Fig. 1] 각 항목의 번호는 Size Korea(KATS, 2010)에서 제시된 번호를 그대로 사용하였다. 24개 항목에 대하여 요인분석 및 군집분석, 판별분석, 교차분석, 일원분산분석 및 사후 검정 등을 실시하였다.
- 20~60대 한국 여성 1,001명의 3D 얼굴 데이터로부터 마스크 시트의 형상 및 사이즈 설계 시 요구되는 항목으로 일치, 또는 유사한 23개 항목과 산출된 1개 항목 등 24개 항목에 대하여 수리적 요인분석을 실시하였다. 요인추출방법은 주성분분석(Principal component analysis)을, 요인회전방식은 베리맥스 방법(Varimax method)을 실행하였다. 낮은 적재량으로 2개 요인에 유사하게 집약된 1개 항목(눈동자사이 너비)을 요인추 출단계에서 제외하여, 최종 23개 항목으로 요인분석을 재실시한 결과, Eigenvalue 1.
성능/효과
- 판별분석 결과 2개의 판별함수와 최종 12개의 항목이 군집분석에서 도출된 3개 군집을 분류하는 영향력 있는 항목으로 추출되었다. 12개의 항목이 투입되었을 때 판별력이 매우 높았으며 4단계 투입만으로 .750의 높은 예측력을 보였다. 4단계 이후의 투입에 의한 예측력의 차이는 크지 않아 적은 수의 판별항목을 선정할 경우, 이러한 결과를 활용할 수 있다.
- 3개 군집은 모든 항목에서 군집 간에 p<.01 수준 이상의 매우 높은 유의차가 나타났으며 얼굴, 이목구비의 뚜렷한 크기의 차이를 보여 각 집단의 유형구분이 적절한 것을 알 수 있다.
- 7%에 이른다. 각 군집에서 다른 군집으로 잘못 분류될 확률은 각 4% 이내로서 도출된 12개 항목이 얼굴의 3개 군집을 분류하는 데 매우 높은 예측력을 갖는 것을 알 수 있었다. 이러한 명중능력은 두 함수에 의한 산점도 [Fig.
- 각 유형의 연령대별 분포 및 유의차를 검정한 결과 [Table 5], 각 연령대의 여성들이 3개 유형 군집에 모두 속하였으나 20, 30대 여성은 유형 3에, 50, 60대 여성은 유형 1과 유형 2에 기대빈도보다 많이 분포하여 연령 대별로 각 유형의 분포에 유의한 차이가 있음을 알 수 있었다.
- 요인분석의 적합성을 KMO 측도 및 Bartlett의 구형성 검정을 통하여 확인하였다. 그 결과 .824의 KMO 측도를 나타내어 표본 적합도가 매우 높은 것을 알 수 있으며 Bartlett의 구형성 검정결과 역시 .000의 유의확률을 나타내 측정변수 간의 상관계수행렬이 단위행렬이 아니며 본 분석이 적합함을 알 수 있다. 요인집약 전의 총 누적 설명력을 100%로 하였을 때 최종 집약된 6개 요인의 설명력은 약 84.
- 요인추출방법은 주성분분석(Principal component analysis)을, 요인회전방식은 베리맥스 방법(Varimax method)을 실행하였다. 낮은 적재량으로 2개 요인에 유사하게 집약된 1개 항목(눈동자사이 너비)을 요인추 출단계에서 제외하여, 최종 23개 항목으로 요인분석을 재실시한 결과, Eigenvalue 1.000 이상의 값을 기준으로 6개 요인이 추출되었다(Table 2).
- 네 번째 요인의 Eigenvalue는 2.030이며 설명력은 8.826%이다. S16_코뿌리코끝수직길이, S2_코길이의 2개 항목이 집약되어 코의 길이 요인으로 정의될 수 있으며 마스크 시트에서 코 부분의 절개 길이를 결정하는 정보로 사용할 수 있다.
- 단계적 판별분석을 적용한 결과, 11개 항목이 제외되어 12개의 항목이 최종적으로 군집판별에 투입되었으며 투입된 순서는 S8_머리마루_입술수직길이, S35_ 귀구슬사이_코밑(호)길이, S17_코밑_턱끝수직길이, C1_눈너비, S37_머리너비, S9_머리마루_코밑수직길이, S41_귀바퀴사이너비, S14_머리마루_오른쪽눈초리수직길이, S45_아래턱사이너비, S21_눈살_귀구슬수평길이, S16_코뿌리_코끝수직길이, S43_코너비 순 으로 나타났다(Table 6).
- 두 번째 군집은 전체 인원의 35.7%(357명)가 분포하였으며, 요인 5를 제외한 모든 얼굴 구성요인이 가장 작은 유형이다. 시트의 길이를 좌우하는 요인 1의 7개 항목, 시트의 폭을 좌우하는 요인 2의 수평적 표면 길이 관련 5개 항목, 요인 3에 속하는 코 길이 2개 항목, 요인 6에 속하는 얼굴 너비 2개 항목이 모두 3개 군집 중 가장 유의하게 작은 것으로 나타났다.
- 4단계 이후의 투입에 의한 예측력의 차이는 크지 않아 적은 수의 판별항목을 선정할 경우, 이러한 결과를 활용할 수 있다. 선정된 12개 항목의 분류분석 결과, 3개 군집에 대한 명중능력은 평균 95.4%로 매우 높은 명중률을 나타냈다.
- 7%(357명)가 분포하였으며, 요인 5를 제외한 모든 얼굴 구성요인이 가장 작은 유형이다. 시트의 길이를 좌우하는 요인 1의 7개 항목, 시트의 폭을 좌우하는 요인 2의 수평적 표면 길이 관련 5개 항목, 요인 3에 속하는 코 길이 2개 항목, 요인 6에 속하는 얼굴 너비 2개 항목이 모두 3개 군집 중 가장 유의하게 작은 것으로 나타났다. 이 유형은 시트의 세로 길이와 폭, 눈, 코, 입에 이르는 구멍(Hole), 절개선 등의 크기가 가장 작은 반면 얼굴 하부 길이는 군집 1과 거의 유사한 크기의 유형에 속해 시트 설계 시 작은 크기로 설계하면서도 입 아래의 시트 길이를 보완할 필요가 있다.
- 도출된 연구결과는 다음과 같다. 얼굴 23개 항목에 대하여 주성분모형을 사용한 요인분석을 실시한 결과, 요인집약에서 설명된 총분산은 84.332%로 높은 설명력을 보이며 6개 요인으로 집약되었다. 페이셜 마스크 시트 제작에 요구되는 얼굴 부위 항목들은 머리마루로부터 시작하는 얼굴 각 부위의 수직길이(요인 1), 귀로부터 얼굴 각 부위에 이르는 얼굴표면길이(요인 2), 눈, 코 입 등의 너비(요인 3), 코의 길이(요인 4), 턱 끝에서 코 부위까지의 얼굴 하부 수직 길이(요인 5), 머리와 턱 너비(요인 6) 등의 요인으로 집약되었으며 얼굴과 머리 항목을 통합 분석하였던 여러 연구들의 분석 결과와는 다른 집약양상을 나타내었다.
- 000의 유의확률을 나타내 측정변수 간의 상관계수행렬이 단위행렬이 아니며 본 분석이 적합함을 알 수 있다. 요인집약 전의 총 누적 설명력을 100%로 하였을 때 최종 집약된 6개 요인의 설명력은 약 84.332%로 각 항목의 특성을 손실 하지 않은 높은 설명력을 가짐을 알 수 있다.
- 이상의 군집유형 분석을 통하여 20~60대 한국 여성의 마스크 시트 설계에 요구되는 각 요인 및 요인 내 구성항목의 크기를 비교한 결과, 3개의 시트 유형으로 정의할 수 있었다. 각 시트 유형은 코의 절개선과 눈, 코, 입의 수직 위치를 포함하여 시트의 전체 길이가 긴 유형 1, 시트의 폭과 길이가 짧지만 입 아래 하부 시트의 길이를 보강한 유형 2, 눈, 코, 입의 가로 너비를 포함한 시트의 가로 길이, 즉 시트 폭과 눈, 코, 입의 구멍이 넓은 반면 입 아래의 하부 길이는 짧은 유형 3으로 분류 되었다.
- 본 연구에서는 남녀노소, 지역을 망라한 불특정 다수의 사용자층으로 확산되고 있는 마스크 시트의 얼굴 적합성을 향상시키기 위한 시도 연구로서 우선 가장 많은 사용자인 한국 여성을 대상으로 얼굴 항목의 요인추출과 이를 이용한 유형분류, 유형분류에 기여하는 얼굴 항목, 판별함수 도출 및 판별력을 검증하는 분류분석을 통하여 한국 여성의 얼굴 형태와 사이즈를 다각적으로 분석하였다. 제품 활용에 대한 고려 없이 얼굴과 머리 항목을 통합 분석한 연구들과는 달리 시트 형상에 초점을 맞춰 제품에 요구되는 치수항목의 분석을 시도한 결과, 얼굴과 머리의 통합 분석과는 차이가 있는 결과를 도출하였다. 이러한 분석방법은 얼굴 전면에 사용하는 여러 마스크 연구 및 특수 대상, 특수 목적형 제품 설계를 위한 인체 측정 연구에 활용 가능한 정보를 제공하였다는 데 그 의의가 있다.
- S29_눈초리_ 귀구슬수평길이, S35_귀구슬사이_코밑(호)길이, S34_ 귀구슬사이_코뿌리(호)길이, S30_귀구슬_입술직선길이, S21_눈살_귀구슬수평길이의 5개 항목이 요인 2에 집약되어 귀구슬로부터 시작하여 각 부위 간의 얼굴 표면을 따라 측정된 수평 길이 특성을 나타내는 항목들로 판단할 수 있다. 즉, 요인 2의 집약특성은 얼굴 각 부위의 표면 길이로 정의할 수 있으며 마스크 팩의 수평 길이는 물론 눈, 코, 입의 수평적 위치를 결정하는 요인으로 나타났다.
- 연구자의 조작을 최소화하기 위하여 요인분석에 집약되었던 23개 치수항목을 모두 독립변수로, 3개 군집특성을 종속변수로 설정하여 판별분석을 실시하였다. 집단특성을 가장 잘 판별할 수 있는 판별함수를 도출하기 위하여 Wilks의 람다가 최소가 되게 하는 단계적 선택방법을 사용하여 각 항목의 판별분석의 진입과 제거를 반복한 결과, 2개의 판별함수와 최종 12개의 항목이 군집분석에서 도출된 3개 군집을 분류하는 유효항목으로 추출되었다.
- 집약된 6개 요인은 머리마루로부터 시작하는 얼굴 각 부위의 수직 길이(28.101%), 귀구슬로부터 눈, 코, 입에 이르는 얼굴 표면 길이(16.272%), 이목구비 또는 이목구비 사이너비(15.302%), 코의 길이(8.826%), 얼굴 하부 길이(8.705%), 얼굴 수평 길이(7.126%)로 그 특성을 요약할 수 있다.
- 첫 번째 군집은 전체 인원의 32.6%(326명)가 분포하였으며, 요인 1, 요인 4, 요인 5가 가장 크고 최소 집단에 속한 부위가 없이 중간 크기인 얼굴 유형이다. 요인 1 인 머리마루로부터 얼굴 각 부위에 이르는 수직길이 항목이 모두 가장 큰 유형이므로 긴 얼굴형으로 판단할 수 있다.
- 도출된 군집을 분류하는 유효한 항목을 역추적하기 위하여 요인분석에 포함된 23개 항목을 단계적 판별 분석에 투입하여 3개 군집의 판별에 대한 기여도를 분석하였다. 판별분석 결과 2개의 판별함수와 최종 12개의 항목이 군집분석에서 도출된 3개 군집을 분류하는 영향력 있는 항목으로 추출되었다. 12개의 항목이 투입되었을 때 판별력이 매우 높았으며 4단계 투입만으로 .
- 페이셜 마스크 시트 제작에 요구되는 얼굴 부위 항목들은 머리마루로부터 시작하는 얼굴 각 부위의 수직길이(요인 1), 귀로부터 얼굴 각 부위에 이르는 얼굴표면길이(요인 2), 눈, 코 입 등의 너비(요인 3), 코의 길이(요인 4), 턱 끝에서 코 부위까지의 얼굴 하부 수직 길이(요인 5), 머리와 턱 너비(요인 6) 등의 요인으로 집약되었으며 얼굴과 머리 항목을 통합 분석하였던 여러 연구들의 분석 결과와는 다른 집약양상을 나타내었다.
후속연구
- 각 유형의 연령대별 분포 및 유의차를 검정한 결과 [Table 5], 각 연령대의 여성들이 3개 유형 군집에 모두 속하였으나 20, 30대 여성은 유형 3에, 50, 60대 여성은 유형 1과 유형 2에 기대빈도보다 많이 분포하여 연령 대별로 각 유형의 분포에 유의한 차이가 있음을 알 수 있었다. 이러한 결과는 시트형 마스크 제품의 타겟에 따른 맞춤형 설계에 유용한 정보로 활용될 수 있겠다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.