[논문]온라인 빅 데이터 분석을 활용한 스페셜티 커피 속성에 대한 탐색적 연구

임미리; 윤대열; 류기환

doi:10.17703/jcct.2020.6.3.275

온라인 빅 데이터 분석을 활용한 스페셜티 커피 속성에 대한 탐색적 연구
An Exploratory Study on Key Attributes of Specialty Coffee by Online Big Data Analysis 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.6 no.3, 2020년, pp.275 - 282

임미리 (광운대학교 일반대학원) , 윤대열 (광운대학교 정보과학교육원) , 류기환 (광운대학교 스마트융합대학원)

초록
AI-Helper

최근 커피분야에 대한 소비자의 높아진 인식과 가격대 품질보다 한단계 나아가 심리적 만족에 비중을 두는 커피문화의 변화로 고품질 스페셜티 커피에 대한 관심이 높아지고 있다. 커피를 즐기는 방식이나 맛과 향 등을 중요하게 생각하는 하나의 문화로서 기호에 맞는 커피를 제공받고자하는 고객이 늘어남에 따라 스페셜티 커피전문점의 수도 증가하고 있으며 제공되는 커피의 품질 또한 높아지고 있다. 이에 본 연구는 스페셜티 커피의 주요 속성을 분석하고, 스페셜티 커피전문점에 필요한 마케팅 시스템을 구축하는 것에 목적을 두었다. 연구 방법으로 온라인 빅 데이터 분석을 통한 텍스트 마이닝을 실시하여 스페셜티 커피의 속성을 형성하는 요소들을 추출하고 영향의 정도를 분석하였다. 연구결과 커피의 맛과 원두, 바리스타와 관련된 단어들이 스페셜티커피의 속성에 중심적인 역할을 하는 것으로 파악되었다.

Abstract ▼ AI-Helper

Social interest on high-quality specialty coffee is increased due to customers' growing experience upon coffee and recent change of coffee culture, which is taking one step further from putting emphasis on not just price and quality but also psychological satisfaction. As a culture of drinking coffee and giving much value on its taste and flavor, a number of customers increasingly demand coffee which is probable to suit one's taste. Likewise, the number of specialty coffee shops is increasing with growing qualities of their coffee. Therefore, the purpose of this study is to analyze the main attributes of specialty coffee and to build a marketing system for specialty coffee shops. The text mining on domestic web portal sites by online big-data analysis is used to extract components of properties of specialty coffee and analyze the degree of how the elements affect the properties. According to the result of the study, words related to coffee taste, coffee beans and baristas were found to play a central role in the properties of specialty coffee.

주제어

표/그림 (8)

그림 그림 1. 연구모형 Figure 1. Research model
그림 그림 2. 데이터 수집 결과 Figure 2. Data collection results
그림 그림 3. 동시출현 빈도분석 시각화 [데이터 삭제 전] Figure 3. Simultaneous appearance frequency analysis visualization [Before data deletion]
그림 그림 4 동시출현 빈도분석 시각화 [데이터 삭제 후] Figure 4. Simultaneous appearance frequency analysis visualization [After data deletion]
표 표 1. 전체 데이터의 주요 단어 빈도수 Table 1. Frequency of key words in all data
표 표 2. 데이터 연결정도 중심성 Table 2. Centrality of data connection accuracy
그림 그림 5 CONCOR 분석 시각화 Figure 5. CONCOR analysis visualization
표 표 3. 추출 단어 Table 3 Extracted words

AI 본문요약
AI-Helper

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

문제 정의

그러나, 스페셜티 커피가 대중화 되어가고 있는 지금 스페셜티 커피의 속성과 소비자들이 생각하는 스페셜티 커피의 이미지에 대한 연구는 미비한 실정이다. 따라서, 본 연구에서는 스페셜티 커피의 속성과 이미지, 그리고 스페셜티 커피를 형성하는 요소들에 대한 연구를 통해 스페셜티 커피의 보급과 함께 스페셜티 커피전문점에 필요한 마케팅 시스템을 구축할 수 있는 방안을 모색하고자 한다.
사회 연결망 분석은 작게는 가족구성체부터 크게는 국가간 관계에 이르는 광범위한 분야로 활용하는 네트워크 이론으로 상호작용하는 하나 이상의 노드 사이에서 이루어지는 사회적 관계의 집합이다[17]. 본 연구는 사회 연결망 분석 도구인 UCINET6를 사용하여 스페셜티 커피의 속성과 관련된 단어들 중 어떤 단어들이 주로 사용되는지 확인하였으며 단어들 사이의 관계성을 파악하여 스페셜티 커피산업에 전략적 시사점을 도출 하였다. 또한, 소셜 네트워크 내에서 가장 강력한 영향력을 가지고 있는 잠재적 소비자를 대상으로 홍보와 마케팅 전략으로 활용하고자 한다.

제안 방법

본 연구는 네이버, 다음, 구글과 페이스북의 웹 게시물에 나타난 스페셜티 커피와 관련된 정보로부터 구조화된 형태의 정보를 추출하여 의미를 시각적으로 표현하고, 온라인 빅 데이터를 활용하여 스페셜티 커피의 속성과 이미지, 그리고 스페셜티 커피를 형성하는 중요한 요소들을 파악하였다.
즉, 데이터 정제 & 삭제가 텍스트 마이닝의 본질이다. 본 연구에서는 온라인데이터 수집, 저장이 가능하고 수집된 데이터 정제, 매트릭스 데이터 생성, 시각화까지 가능한 텍스톰의 The SCRM 기능을 활용하여 텍스트 마이닝을 실시하였다. 최종 선정된 5개의 키워드로 수집된 데이터에서 부적합한 데이터 정제과정을 통해 유사한 의미를 가진 단어들은 한 단어로 통합하고 의미가 없는 단어들은 삭제하였다.
둘째, 실시간 축적되고 있는 수많은 양의 데이터를 활용하여 스페셜티 커피의 정보를 표본 추출하여 유의미한 결과를 도출하였다는 점이다. 셋째, 기존의 연구들은 전통적인 설문조사 방식을 활용하여 측정 척도에 따라 자료를 수집하고 결과를 도출하였으나 본 연구는 빅 데이터를 먼저 수집 후 이를 활용하여 데이터를 분류하고, 사회연결망분석을 적용하여 스페셜티커피의 속성을 분석하였다는 점이다.
연구 결과 첫째, 스페셜티 커피의 속성에 영향을 미치는 요소를 파악하기 위해 스페셜티 커피와 관련된 정보를 텍스트 마이닝을 실시하여 동시출현 빈도가 높은 상위 주요 단어들을 추출하여 스페셜티 커피의 속성에 영향을 미치는 요소들을 분석하였다. 분석결과 커피 맛과 원두, 바리스타와 관련된 단어들의 동시출현 빈도가 특히 높게 나타났다.
연구문제인 스페셜티 커피의 속성에 영향을 미치는 요소를 파악하기 위해 텍스트 마이닝과 수집된 데이터 동시출현 빈도분석(co-occurrence analysis)을 실시하였으며 스페셜티 커피의 속성에 적합하다고 판단되는 상위 단어 36개를 선정하였다. 동시출현 빈도분석결과 높은 버즈량(buzz, 量)을 보여주는 단어들은 원두, 바리스타, 맛 등으로 나타났으며 스타벅스, 블루보틀 같은 프랜차이즈 매장들이 포함되어 있었다.
최종 선정된 5개의 키워드로 수집된 데이터에서 부적합한 데이터 정제과정을 통해 유사한 의미를 가진 단어들은 한 단어로 통합하고 의미가 없는 단어들은 삭제하였다. 최종 정제된 단어들을 활용하여 단어들의 동시출현 빈도분석을 하였으며 마지막으로 스페셜티 커피의 속성에 영향을 미치는 단어들을 도출하였다.
에루나 크루첸은 “특수한 환경적 조건이 커피 원두를 독특하고 특별한 풍미를 가진 커피품종으로 성장시킨다”라는 서술적 용어를 사용하여 스페셜티 커피를 정의하였다[7]. 커피산업이 성장함에 따라 스페셜티 커피라는 용어가 등장하며 여러 커피협회에서 커피를 평가하는 평가방법과 기준을 제시하였다. 현재 스페셜티 커피를 평가하는 방법으로 스페셜티커피협회(SCA)가 제시하는 기준을 살펴보면 고품질 커피를 평가하기 위한 과학적 테스트에 근거한 커피의 가치 및 가치의 범위 설정이 가능한 측정 기준을 제시하고 있으며, 최고급 품질의 스페셜티 커피의 생산을 우선순위에 둔 사람들의 일생을 통한 헌신에 의해 존재 할 수 있다고 이야기 한다[8

대상 데이터

고급커피는 스페셜티 커피와 동일한 의미의 키워드이며, 주로 로스팅을 하는 커피전문점에서 스페셜티 커피 등급의 싱글오리진 커피를 브루잉 추출법으로 판매하고 있는 경우가 많아 스페셜티 커피의 속성을 추출하기 위한 키워드로 적합하다고 판단되는 단어들로 구성하였다. 데이터 수집은 국내에서 가장 많이 사용하는 사이트인 네이버, 다음, 구글과 페이스북으로 선정하였으며, 스페셜티 커피의 속성을 시즌별로 확인할 수 있도록 기간을 1년(2019.01.01. ~ 2019.12.31.)으로 한정하였다. 연구모형은[그림1]과 같다.
스페셜티 커피의 속성을 추출하기 위한 데이터 수집을 위해 스페셜티 커피, 고급커피, 싱글오리진, 로스팅, 브루잉을 키워드로 최종 선정하였다. 고급커피는 스페셜티 커피와 동일한 의미의 키워드이며, 주로 로스팅을 하는 커피전문점에서 스페셜티 커피 등급의 싱글오리진 커피를 브루잉 추출법으로 판매하고 있는 경우가 많아 스페셜티 커피의 속성을 추출하기 위한 키워드로 적합하다고 판단되는 단어들로 구성하였다.

데이터처리

또한, 소셜 네트워크 내에서 가장 강력한 영향력을 가지고 있는 잠재적 소비자를 대상으로 홍보와 마케팅 전략으로 활용하고자 한다. 사회 연결망 분석을 위해 텍스트 마이닝을 통해 선정된 단어들을 연결단어의 연결정도 중심성(degree centrality)을 기본으로 의미 연결망분석을 실시하였으며 의미연결망 분석결과를 바탕으로 CONCOR 분석을 실시하고 시각화 하였다.
스페셜티 커피의 속성을 형성하는 요소들의 노드가 가지는 특징을 파악하기 위해 CONCOR 분석을 실시하였다. 분석결과를 시각화한 결과는 [그림5]와 같다.
연구문제를 해결하기 위해 스페셜티 커피의 이미지 형성에 중요한 역할을 하는 요소들을 파악하고자 사회 연결망 분석을 활용하여 연결단어의 연결정도 중심성(degree centrality)분석을 실행하였다. 연결정도 중심성은 네트워크상 하나의 노드가 다른 노드들과 얼마나 많은 연결성을 가지는가를 측정하는 지표로 노드의 연결이 많을수록 연결정도 중심성은 높아진다.

성능/효과

또한 커피를 추출하는 바리스타(Barista)의 버즈량이 높은 것은 바리스타의 역량에 따른 커피 맛의 변화에도 관심이 높은 것으로 보여진다. 동시출현 빈도분석 결과, 스페셜티 커피의 속성은 맛과 향이 뛰어난 상위 커피를 바리스타가 추출한 커피음료로 해석할 수 있다. 동시출현 빈도분석을 반영한 네트워크 데이터 삭제 전과 후의 시각화 결과는 [그림3], [그림4]와 같다.
둘째, 스페셜티 커피의 이미지 형성에 중요한 역할을 하는 요소들을 파악하기 위해 사회연결망 분석을 활용한 연결정도 중심성(degree centrality)분석 결과 대부분의 동시출현 빈도가 높았던 커피 맛과 원두, 바리스타와 관련된 단어들이 유기적이며 상호간 직접적인 영향력으로 스페셜티 커피의 이미지 형성에 유의미한 영향을 미치는 것으로 분석되었다. 또한 스페셜티 커피전문점은 고급 원두를 판매하는 장소로 해석할 수 있으며 음료를 판매 함과 동시에 다양한 종류의 원두를 판매 할 수 있는 파급력을 가질 수 있다는 점이다.
분석결과 커피 맛과 원두, 바리스타와 관련된 단어들의 동시출현 빈도가 특히 높게 나타났다. 따라서 스페셜티 커피의 속성은 다양한 종류의 커피 맛과 커피 맛을 더 정확하게 확인할 수 있는 메뉴 그리고 커피를 추출하는 바리스타들이 스페셜티 커피의 속성 형성에 직접적인 연관성이 있음을 알 수 있다.
연구 결과 첫째, 스페셜티 커피의 속성에 영향을 미치는 요소를 파악하기 위해 스페셜티 커피와 관련된 정보를 텍스트 마이닝을 실시하여 동시출현 빈도가 높은 상위 주요 단어들을 추출하여 스페셜티 커피의 속성에 영향을 미치는 요소들을 분석하였다. 분석결과 커피 맛과 원두, 바리스타와 관련된 단어들의 동시출현 빈도가 특히 높게 나타났다. 따라서 스페셜티 커피의 속성은 다양한 종류의 커피 맛과 커피 맛을 더 정확하게 확인할 수 있는 메뉴 그리고 커피를 추출하는 바리스타들이 스페셜티 커피의 속성 형성에 직접적인 연관성이 있음을 알 수 있다.
연결정도 중심성은 네트워크상 하나의 노드가 다른 노드들과 얼마나 많은 연결성을 가지는가를 측정하는 지표로 노드의 연결이 많을수록 연결정도 중심성은 높아진다. 빈도분석 상위단어인 원두, 바리스타, 맛은 연결정도 중심성 또한 높게 나타나 스페셜티 커피의 이미지 형성에도 중요한 역할을 하는 것으로 확인되었다. 연결정도 중심성 분석 결과는 [표2]와 같다.
2018년 조사결과 우리나라 성인이 가장 좋아하는 음료는 커피로 확인되었다. 성인 1인당 커피소비량은 연간 353잔으로 세계평균소비량인 132잔의 약 2.7배 더 많은 양의 커피를 소비하고 있으며, 인스턴트와 원두커피 26.9%, 커피전문점 커피 12.7% 등으로 전체 39.6%의 성인이 커피를 즐겨 마시는 것으로 나타났다.
셋째, CONCOR 분석을 통해 추출된 3개의 클러스터는 스페셜티 커피의 속성 형성에 가장 큰 영향을 미치고 있음을 알 수 있다. 따라서 향후 스페셜티 커피의 핵심구성요소는 3개의 클러스터를 바탕으로 스페셜티 커피전문점을 방문하는 고객들을 위한 차별화된 메뉴 연구와 함께 브랜드화를 통한 스페셜티 커피전문점의 이미지를 만들어야 할 것이며, 스페셜티 커피전문점은 음료소비 뿐만 아니라 원두를 구매하는 고객층이 형성될 것으로 보여진다.
5개의 키워드로 데이터 수집 결과 총 40,466개의 단어가 수집되었으며 단어별 수집 결과는 [그림2]와 같다. 수집 결과, 스페셜티 커피보다 고급커피가 더 많은 수집량(收集量)을 보여주고 있다. 아직은 스페셜티 커피보다 고급커피를 더 많이 사용하는 것으로 분석되었다.
다음으로 로스팅이 고급커피와 비슷한 수집량을 보여 주고 있다. 즉, 스페셜티 커피와 같은 의미로 해석할 수 있는 고급커피와 로스팅은 밀접한 관계가 있음을 확인할 수 있다.

후속연구

첫째, 텍스트 데이터들은 인지적 요소를 추출하였기 때문에 정서적 요소를 파악하기 위한 데이터가 없었던 점이다. 둘째, 키워드를 국문으로 수집한 데이터만을 활용하였으므로 연구의 영역에 한계점이 보여진다. 향후 연구에서는 이러한 한계점을 극복한다면 더 좋은 연구결과를 도출할 수 있을 것으로 예상된다.
셋째, CONCOR 분석을 통해 추출된 3개의 클러스터는 스페셜티 커피의 속성 형성에 가장 큰 영향을 미치고 있음을 알 수 있다. 따라서 향후 스페셜티 커피의 핵심구성요소는 3개의 클러스터를 바탕으로 스페셜티 커피전문점을 방문하는 고객들을 위한 차별화된 메뉴 연구와 함께 브랜드화를 통한 스페셜티 커피전문점의 이미지를 만들어야 할 것이며, 스페셜티 커피전문점은 음료소비 뿐만 아니라 원두를 구매하는 고객층이 형성될 것으로 보여진다. 또한 스페셜티 커피전문점 창업이나 이미 경영하고 있는 경영주들에게 가시적으로 물리적 환경에 대한 중요성을 나타내고 있으며, 스페셜티 커피전문점을 창업하고자 하는 사람들은 커피교육이 필수 항목이 될 것이다.
본 연구는 사회 연결망 분석 도구인 UCINET6를 사용하여 스페셜티 커피의 속성과 관련된 단어들 중 어떤 단어들이 주로 사용되는지 확인하였으며 단어들 사이의 관계성을 파악하여 스페셜티 커피산업에 전략적 시사점을 도출 하였다. 또한, 소셜 네트워크 내에서 가장 강력한 영향력을 가지고 있는 잠재적 소비자를 대상으로 홍보와 마케팅 전략으로 활용하고자 한다. 사회 연결망 분석을 위해 텍스트 마이닝을 통해 선정된 단어들을 연결단어의 연결정도 중심성(degree centrality)을 기본으로 의미 연결망분석을 실시하였으며 의미연결망 분석결과를 바탕으로 CONCOR 분석을 실시하고 시각화 하였다.
본 연구의 시사점은 첫째, 온라인 빅 데이터를 활용하여 스페셜티 커피의 속성 분석에 대한 지침을 제공할 수 있으며, 비정형 빅 데이터들로부터 도출된 정보 데이터들을 현장에 적용할 수 있는 구체적인 활용방법에 대한 기본적인 방향을 제시하였다는 점이다. 둘째, 실시간 축적되고 있는 수많은 양의 데이터를 활용하여 스페셜티 커피의 정보를 표본 추출하여 유의미한 결과를 도출하였다는 점이다.
반면, 커피산업에는 빅 데이터를 활용한 연구들이 부족하며 현장에서 시도해 볼 수 있는 사례를 찾아보기가 어려웠다. 커피 산업에 적용할 수 있는 다양한 연구들이 시도되어 주목할 만한 성과들을 만들어 내기를 기대한다.
둘째, 키워드를 국문으로 수집한 데이터만을 활용하였으므로 연구의 영역에 한계점이 보여진다. 향후 연구에서는 이러한 한계점을 극복한다면 더 좋은 연구결과를 도출할 수 있을 것으로 예상된다.
또한 스페셜티 커피전문점 창업이나 이미 경영하고 있는 경영주들에게 가시적으로 물리적 환경에 대한 중요성을 나타내고 있으며, 스페셜티 커피전문점을 창업하고자 하는 사람들은 커피교육이 필수 항목이 될 것이다. 향후 커피교육에 있어서도 기본적인 교육보다는 전문적인 교육이 확대될 것이며, 다양한 커피분야의 지식을 습득한 소비자가 늘어날 것이다. 따라서 바리스타들과 커피업 종사자들은 새로운 정보에 대한 학습과 끊임없는 연구를 해야 할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	커핑이란 무엇인가?	커핑(Cupping)이란 커피 샘플의 맛과 향을 체계적으로 평가하고 기록하여 커피의 특성과 품질의 정도를 파악하는 것이며 이러한 직업을 가진 전문가를 커퍼(Cupper)라고 한다. 커퍼는 반복훈련과 수많은 경험을 통해 육성된다.
	우리나라 커피 소비량의 특징은 무엇인가?	우리나라 커피 소비량은 세계 평균소비량을 웃도는 수준까지 성장했다. 2018년 조사결과 우리나라 성인이 가장 좋아하는 음료는 커피로 확인되었다. 성인 1인당 커피소비량은 연간 353잔으로 세계평균소비량인 132잔의 약 2.7배 더 많은 양의 커피를 소비하고 있으며, 인스턴트와 원두커피 26.9%, 커피전문점 커피 12.7% 등으로 전체 39.6%의 성인이 커피를 즐겨 마시는 것으로 나타났다.
	SCA의 커핑폼의 주요 항목은 무엇인가?	커핑을 진행함에 있어 커퍼의 능력이 매우 중요하기 때문이다. SCA의 커핑폼(Cupping From)의 주요 항목으로는 ① Fragrance/Aroma(분쇄 커피 향 / 물을 부은 후 느껴지는 커피 향), ② Flavor(입 안에 커피를 흡입 했을 때 느껴지는 맛과 향), ③ Aftertaste(커피를 삼킨 뒤에 느껴지는 맛과 향), ④ Acidity(신맛의 강도와 품질), ⑤ Body(지방의 함량과 농도), ⑥ Uniformity(5개의 샘플 컵의 맛과 향의 동일성), ⑦ Balance(전체적으로 Flavor, Acidity, Body등의 균형), ⑧ Clean Cup(커피를 처음 마실 때부터 마지막까지 부정적인 요소 유무 확인), ⑨ Sweetness(단맛의 강도와 품질), ⑩ Overall(커퍼의 주관적인 평가)으로, 총 10가지의 항목에서 독특한 특성이 있고 향미 결점이 없어야 한다. Total Score는 95-100 Exemplary, 90-94 Outstanding, 85-89 Excellent, 80-84 Very Good, 75-79 Good, 70-74 Fair로 분류하며 80점 이상의 높은 점수를 받은 커피만을 스페셜티 커피라고 부를 수 있기 때문에 스페셜티 커피라는 명칭을 사용하는 것은 매우 까다로운 과정을 거친 고품질의 커피라는 뜻으로 해석할 수 있다[9]

참고문헌 (17)

M.in Ju Kim, A Study on importance and performances analysis for decision making factors for coffee house : Focused on franchise and single shop, Dept. of Culinary and food management, graduate school of Kyonggi University, pp11-13, 2012.
KB Financial Holdings Institute. KB Private business. Analysis report 3 - Analysis of Coffee shops status and market conditions, P3, 2019. www.kbfg.com/kbresearch.
Nina Lutinger and Gregory Decom, THE COFFEE BOOK, p280, 2011 Translated by Jae Kyung Lee
Sun Ae Cho, Yu Jung Jeon. The effect of service contact factors on value of experience, customer atisfaction and behavioral intention - focused on Franchises specialty coffee shops. Hotel management Studies 28(3). P72, 2019.
Su Yeon Chung, "The Sales of Domestic Coffee Industry Approaches 7 Trillion…Demands for Premier Coffee Soars". Yonhap News, 14 Jul 2019. https://www.yna.co.kr/view/AKR20190713034200002?sectionsearch
Ji Hun. Park, "[Commercial Power looking through Big Data] After the age of cost-effectiveness falls, the age of cost-satisfaction rises : Enjoying daily hap piness with drinking coffee cost over the double price of lunch". MBN, 31 Oct 2018. https://www.mk.co.kr/news/culture/view/2018/10/681305/
Mamoru, D. All About Specialty Coffee, Kwang-mun-Gwak, pp.14-15, 2012.v Translated by I Chu. Park, Pil Mun Yoo, Jeong GI Lee
Specialty Coffee Association, What Is Specialty Coffee? https://sca.coffee/research
Ju Bin Song, Coffee Science, Jubin, pp 144-146, 2019.
Jong Yong Lee, Kye Dong Jung, Ki hwan Ryu, Sea Young Park "A Study on the Analysis of Regional Tourismin Uijeongbu Using Big Data", The Journal of the Convergence on Culture Technology (JCCT) Vol. 6, No. 1, pp.413-418, February 29, 2020. pISSN 2384-0358, eISSN 2384-0366. DOI : https://doi.org/10.17703/JCCT.2020.6.1.413
Soo wook Lee, Man Yong Han. (2019). Utilization and Analysis of Big-data. International Journal of Advanced Culture Technology(IJACT), 7(4), 255-259. DOI : https://doi.org/10.17703/IJACT.2019.7.4.255
Naver Encyclopedia, "Big Data'2020. https://terms.naver.com/entry.nhn?docId2842701&cid40942&categoryId32828
Manyika, J., Chui, M., Brown, B., Bughin, J., Dobbs, R., Roxburgh, C., & Byers, A. H. (2011). "Big data: The next frontier for innovation", competition. Washington, DC: Mc Kinsey Global Institute, 2011.
Geon Suk. Park, "Semantic Analyssis of The Sub-Thematic Word in Big Data", EONEOHAG: Journal of the Linguistic Society of Korea, Vol. 65, pp. 89-109, 2013.
Don Wan Kim, “Big Data Use Cases of the Sector,” The Journal of Management, Dong-a University Business Research Center, Vol. 34, No. 1, pp. 34, December 2013.
Yun Gyeong Chung, The Exploratory Analysis of Customer Consulting with Text Mining Focused on Cancer Insurance, M.A. Thesis. Sook-myeong Women's University, pp 15, 2016.
Gon Park, A Study about Land-based Green-infra Network Construction with Social Network Analysis, Ph.D. Thesis. Cheong-ju University, pp 18-19, 2018.

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