[논문]시각장애인을 위한 인공지능 관련 연구 동향 : 1993-2020년 국내·외 연구를 중심으로

배선영

doi:10.5392/jkca.2020.20.10.688

시각장애인을 위한 인공지능 관련 연구 동향 : 1993-2020년 국내·외 연구를 중심으로
Research Trends on Related to Artificial Intelligence for the Visually Impaired : Focused on Domestic and Foreign Research in 1993-2020 원문보기

한국콘텐츠학회논문지 = The Journal of the Korea Contents Association, v.20 no.10, 2020년, pp.688 - 701

초록
AI-Helper

본 연구는 시각장애인 대상의 인공지능 관련 연구 동향을 살펴보기 위해 1993년부터 2020년 8월까지 국내·외 논문 총 68편을 선정하여 연도별 논문 게재 수, 연구방법, 연구주제, 키워드 분석 현황, 연구유형, 구현방법별 비교·분석하였다. 연구결과, 연구기간 내 논문 편수는 꾸준히 증가하는 것처럼 보였으나 국내 연구의 경우에는 2016년도 이후에 활발해진 것을 알 수 있었다. 연구방법으로는 국내·외 연구 모두 개발연구가 89.7%를 차지했고, 키워드는 국내 연구에서는 Visually impaired, Deep learning, Assistive device 순이였으며 국외 연구에서는 Visually impaired, Deep learning, Artificial intelligence 순으로 단어 빈도순에서 차이를 보였다. 연구유형은 국내·외 모두 설계, 개발, 구현이 대부분을 차지했으며 구현방법으로는 국내 연구의 구현방법으로는 System 13.2%, Solution 7.4%, App. 4.4% 순이였으며 국외 연구의 구현방법으로는 System 32.4%, App.13.2%, Device 7.4%로 다소 차이를 보였다. 구현방법의 적용 기술로는 국내 연구는 YOLO 2.7%, TTS 2.1%, Tensorflow 2.1% 순이였으며 국외 연구에서는 CNN 8.0%, TTS 5.3%, MS-COCO 4.3% 순으로 사용횟수가 높았다. 본 연구는 시각장애인 대상의 인공지능 관련 연구 동향을 비교·분석하여 국내·외 연구의 현주소를 바로 알고 앞으로 시각장애인을 위한 인공지능 연구의 방향을 제시하고자 하였다.

Abstract ▼ AI-Helper

In this study, a total of 68 domestic and international papers were selected from 1993 to August 2020 in order to examine the research trends related to artificial intelligence for the visually impaired. The papers were compared and analyzed by the number of papers published by year, research method, research topic, keyword analysis status, research type, and implementation method. As a result of the study, the number of papers during the study period seemed to increase steadily. But in the case of domestic research, It can be seen that it has become active since 2016. As for research methods, development research accounted for 89.7% of both domestic and foreign research. Keywords was in Visually Impaired, Deep Learning, and Assistive Device order in domestic research. And it was in Visually Impaired, Deep learning, Artificial intelligence order in foreign research. There was a difference in the frequency of words. Research type were Design, development and implementation both in domestic and foreign. Implementation method were in System 13.2%, Solution 7.4%, App. 4.4% order in domestic research, and it was in System 32.4%, App. 13.2%, Device 7.4% order in foreign research. As for the applied technology of the implementation method, were in YOLO 2.7%, TTS 2.1%, Tensorflow 2.1% order in domestic research, and it was used in CNN 8.0%, TTS 5.3%, MS-COCO 4.3% order in foreign research. The purpose of this study was to compare and analyze the trends of artificial intelligence-related research targeting the visually impaired, to immediately know the current status of domestic and foreign research, and to present the direction of artificial intelligence research for the visually impaired in the future.

주제어

AI 본문요약
AI-Helper

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

문제 정의

또한 본 연구에서는 [표 5]와 같이 시각장애인을 위한 국내·외 연구의 구현방법에 있어 인공지능 기술들은 어떤 것들이 사용되었는지도 알아보았다.
본 연구에서 연도별 논문 게재 현황을 바탕으로 연구 추이를 살펴보았고 다음으로 논문 분석의 틀은 선행연구를 토대로 분석 영역을 연구방법, 연구주제, 연구유형별 구현방법으로 나누어 재구성하였다[25][26]. 또한 연구 논문들의 키워드를 살펴 시각장애인 대상의 논문들이 어떤 연구주제를 중심으로 이루어지고 있는지 연구주제와의 관계를 살펴보았다. 분석 틀의 범주화를 위한 조작적 정의 과정에서 시각장애의 정의와 분류, 장애인 실태조사 등에 관한 선행연구를 참고하였다.
본 연구는 인터넷의 발전과 머신러닝(Machine Learning)을 통해 새로운 전환기[8]를 맞은 1993년도부터 인공지능에 대한 관심이 급증하여 관련 연구들이 활발히 이루어지고 있는 2020년 8월 현재까지 시각장애인 대상의 인공지능 관련 연구들을 살펴봄으로써 관련 연구들의 동향을 분석하고 연구 흐름을 파악하여 향후 국내 인공지능 관련 연구와 기술개발의 올바른 방향을 제시하고자 한다.
본 연구에서는 1993년부터 2020년 8월까지 국내·외에서 발간된 논문 중 등재지 후보 이상의 논문을 우선적으로 하여 컨퍼런스, 학위논문을 검색하여 비교하고 분석함으로써 시각장애인 대상의 인공지능 분야 관련 연구들의 현황을 살펴보고자 한다.
본 연구에서는 설계, 개발, 구현방법의 연구유형을 보다 세부적으로 살펴보고자 [표 4]와 같이 구현방법별 현황을 작성하였다. 국내·외 연구의 구현방법을 살펴보면 국내 연구의 구현방법은 System 13.
본 연구에서는 시각장애인 대상의 국내·외 인공지능 관련 연구의 키워드를 살펴보고 키워드 간 위치와 상관관계를 알아보고자 [그림 3][그림 4]와 같이 키워드 네트워크를 시각화하였다.
본 장에서는 인공지능의 개념과 함께 머신러닝과 딥러닝의 관계를 알아본 후 연구 키워드 분석 결과 및 구현방법에서의 인공지능 기술 현황을 참고하여 인공지능 기술과 시각장애인을 위한 인공지능 관련 분야에 적용된 내용들을 간략히 살펴보고자 한다.
첫째, 1993년부터 2020년 8월까지 발표된 논문을 대상으로 하였는데 이는 시각장애인을 대상으로 이루어진 연구 중 인공지능 관련 연구의 연구 동향을 살펴보고 연구 주제나 방법, 유형 등을 분석하고자 함이다. 둘째, 국내·외 전문 학술지의 학술논문을 우선으로 하였다.

제안 방법

구체적인 연구 내용은 첫째로 연도별 논문 게재 현황을 살펴보고자 한다. 연도별 게재된 논문들을 살펴 어떠한 연구경향을 보이는지를 알아보고 연구대상에 관심을 갖고 다양한 기술 개발 및 연구가 가능할지 예측해본다.
또한 [그림 5][그림 6]과 같이 키워드 빈도 분석을 실시한 결과를 가지고 워드 클라우드를 살펴보았으며 키워드는 영어로 통일하였다. 그리고 세부 속성값 등 모든 조건은 동일하게 하였고 한 글자 단어를 제거하여 정제한 후 워드 클라우드를 생성하였다. 워드 클라우드는 시각장애인 대상의 인공지능 관련 연구에서 핵심적인 이슈가 무엇인지 빈도가 높은 키워드를 한눈에 파악할 수 있는 기본적인 시각화 자료이다.
셋째, 연구주제가 연구대상에 맞는 적당한 연구주제인지, 연구주제가 다양한 기술들이 적용 가능한 주제인지 알아보고 앞으로의 연구방향과 추이를 제시하고자 핵심주제와 주제의 편중, 분포, 추세 등을 살펴본다. 넷째, 연도별 게재된 논문들의 키워드를 살펴보고 단어의 출현빈도를 분석하여 살펴본다. 또한 논문 제목과 키워드간, 키워드와 키워드 간의 연관 관계를 분석하여 논문에 나타난 단어의 동향을 살펴본다.
또한 논문 제목과 키워드간, 키워드와 키워드 간의 연관 관계를 분석하여 논문에 나타난 단어의 동향을 살펴본다. 다섯째, 연구대상에 필요한 연구인가, 충분한 테스트를 통해 연구대상이 사용하기 편리한가를 예측해볼 수 있도록 다양한 연구유형과 구현방법이 적용되었는지 살펴본다.
둘째, 국내·외 전문 학술지의 학술논문을 우선으로 하였다.
또한 [그림 5][그림 6]과 같이 키워드 빈도 분석을 실시한 결과를 가지고 워드 클라우드를 살펴보았으며 키워드는 영어로 통일하였다. 그리고 세부 속성값 등 모든 조건은 동일하게 하였고 한 글자 단어를 제거하여 정제한 후 워드 클라우드를 생성하였다.
넷째, 연도별 게재된 논문들의 키워드를 살펴보고 단어의 출현빈도를 분석하여 살펴본다. 또한 논문 제목과 키워드간, 키워드와 키워드 간의 연관 관계를 분석하여 논문에 나타난 단어의 동향을 살펴본다. 다섯째, 연구대상에 필요한 연구인가, 충분한 테스트를 통해 연구대상이 사용하기 편리한가를 예측해볼 수 있도록 다양한 연구유형과 구현방법이 적용되었는지 살펴본다.
본 연구에서 연도별 논문 게재 현황을 바탕으로 연구 추이를 살펴보았고 다음으로 논문 분석의 틀은 선행연구를 토대로 분석 영역을 연구방법, 연구주제, 연구유형별 구현방법으로 나누어 재구성하였다[25][26]. 또한 연구 논문들의 키워드를 살펴 시각장애인 대상의 논문들이 어떤 연구주제를 중심으로 이루어지고 있는지 연구주제와의 관계를 살펴보았다.
본 연구에서는 Excel 2010, Pajek, R 프로그램을 이용하여 수집된 논문을 분석 영역에 맞춰 분석 내용을 작성하였으며 표로 요약하였고 그림으로 실행결과를 보였으며 이를 비교하면서 일치하지 않는 부분은 수정·보완하였다[28-30].
자료의 분석 방법은 내용분석법(content analysis)을 사용하였으며, 이 방법은 텍스트의 특징을 객관적·체계적으로 범주화하고 수량화하는 기술로 특정 학문 분야의 연구 경향 분석에서 많이 사용하는 방법이다[25-27]. 분석 절차는 분석대상 논문 선정, 분석 내용 규정, 범주화(세부 분류 기준) 규정, 수량화(빈도, 시간)의 체계 규정, 결과 해석(경향, 기준, 내용의 상이성 비교)의 과정으로 이루어졌다. 본 연구에서는 Excel 2010, Pajek, R 프로그램을 이용하여 수집된 논문을 분석 영역에 맞춰 분석 내용을 작성하였으며 표로 요약하였고 그림으로 실행결과를 보였으며 이를 비교하면서 일치하지 않는 부분은 수정·보완하였다[28-30].
국외에서도 SCI, SCIE, SCOPUS 등재지를 포함하여 엄격한 심사를 거치는 국제학술지 학술논문을 우선적으로 포함하였고 IJCNN, IJERT, AMICS 등과 같은 저명한 학회에서 주관하는 컨퍼런스 논문만 포함하였다. 셋째, 논문 검색은 DBpia(누리미디어), RISS (Research Information Sharing Service, 학술연구정보서비스), KISS(Koreanstudies Information Service System, 한국학술정보서비스), KCI(Korea Citation Index, 한국학술지인용색인), SCIENCEON(과학기술지식인프라), NDSL (National Digital Science Library, 국가과학기술정보센터), 국회도서관, 스콜라, 구글 학술검색 등으로 전자검색을 수행하였다. 키워드는 'Blind', 'Visually Impaired', 'the Visually Impaired', 'Visually Impaired People', 'VIP', 'Blind People', 'The Blind', ‘시각장애’, ‘AI’, ‘Artificial Intelligence’, ‘인공지능’, ‘Deep Learning’, ‘딥러닝’, ‘Machine learning’, ‘머신러닝’ 등으로 하였으며 각각 상세 검색이나 결과 내 재검색을 실행하여 각각 국내 226편, 국외 118편의 논문을 수집하였다.
둘째, 연구대상이 실생활에서 필요로 하는 것들이 무엇인지, 연구대상이 필요로 하는 프로그램인지, 연구대상이 요구하는 사항들을 반영하여 실생활에서의 사용이 가능한지, 가능하다면 효율적인 사용이 가능한지를 파악할 수 있는 연구방법인지, 국내의 연구와 국외의 연구들의 연구방법의 차이는 어떤지도 살펴본다. 셋째, 연구주제가 연구대상에 맞는 적당한 연구주제인지, 연구주제가 다양한 기술들이 적용 가능한 주제인지 알아보고 앞으로의 연구방향과 추이를 제시하고자 핵심주제와 주제의 편중, 분포, 추세 등을 살펴본다. 넷째, 연도별 게재된 논문들의 키워드를 살펴보고 단어의 출현빈도를 분석하여 살펴본다.

대상 데이터

본 연구에서는 1993년부터 2020년 8월까지 국내·외 시각장애인 대상의 인공지능 관련 연구 총 68편을 중심으로 연구 동향을 살펴보았다.
키워드는 'Blind', 'Visually Impaired', 'the Visually Impaired', 'Visually Impaired People', 'VIP', 'Blind People', 'The Blind', ‘시각장애’, ‘AI’, ‘Artificial Intelligence’, ‘인공지능’, ‘Deep Learning’, ‘딥러닝’, ‘Machine learning’, ‘머신러닝’ 등으로 하였으며 각각 상세 검색이나 결과 내 재검색을 실행하여 각각 국내 226편, 국외 118편의 논문을 수집하였다. 수집된 논문들은 논문 제목이나 키워드, 내용 순으로 확인하여 선정 기준에 부합되지 않는 내용이나 중복된 논문들을 제외하고 각각 국내 20편, 국외 48편으로 총 68편을 최종 선정하였다.
시각장애인 대상의 인공지능 관련 분야 연구의 현황을 파악하기 위해 1993년부터 2020년 8월까지 발표된 연구 중에 검색 키워드로 검색한 1차 수집 논문은 국내 논문 226편, 국외 논문 118편이였다. 그 중 선정 기준에 부합되지 않는 내용이나 중복된 논문들을 제외한 2차 수집된 논문은 국내 20편, 국외 48편으로 총 68편을 재선정하였는데 대상이나 주제의 제한적인 면을 고려하여 컨퍼런스, 학술지에 게재되지 않은 학위논문의 경우만 포함하였으며 [표 1]은 논문 구분에 따른 국내·외 논문 현황이다.
키워드는 'Blind', 'Visually Impaired', 'the Visually Impaired', 'Visually Impaired People', 'VIP', 'Blind People', 'The Blind', ‘시각장애’, ‘AI’, ‘Artificial Intelligence’, ‘인공지능’, ‘Deep Learning’, ‘딥러닝’, ‘Machine learning’, ‘머신러닝’ 등으로 하였으며 각각 상세 검색이나 결과 내 재검색을 실행하여 각각 국내 226편, 국외 118편의 논문을 수집하였다.

이론/모형

또한 연구 논문들의 키워드를 살펴 시각장애인 대상의 논문들이 어떤 연구주제를 중심으로 이루어지고 있는지 연구주제와의 관계를 살펴보았다. 분석 틀의 범주화를 위한 조작적 정의 과정에서 시각장애의 정의와 분류, 장애인 실태조사 등에 관한 선행연구를 참고하였다. 자료의 분석 방법은 내용분석법(content analysis)을 사용하였으며, 이 방법은 텍스트의 특징을 객관적·체계적으로 범주화하고 수량화하는 기술로 특정 학문 분야의 연구 경향 분석에서 많이 사용하는 방법이다[25-27].

성능/효과

넷째, 연구 키워드 분석한 결과, 국내 연구에서는 Visually impaired, Deep learning, Assistive device, CNN, Voice 순이였고 국외 연구에서는 Visually impaired, Deep learning, Artificial intelligence, Object detection, Object recognition 순으로 단어 빈도순에서 차이를 보였다. 또 워드 클라우드 결과 국내 연구에서는 Deep, Artificial, learning, intelligence, Visually 등의 키워드 단어 빈도가 높았으며 국외 연구에서는 Visually, Deep, Artificial, Object, recognition 등의 키워드 단어 빈도가 높았다.
둘째, 본 연구에서 시각장애인 대상의 인공지능 관련 연구가 꾸준히 증가하고 있음을 확인하였으나 연구주제나 연구방법에 있어서 편중된 부분을 볼 수 있었다. 시각장애인을 대상으로의 관찰이나 설문지를 통한 정보 수집 등을 통해 정확한 요구사항 분석 및 패턴 분석을 실시하여 연구에 반영할 수 있도록 해야할 것이다.
둘째, 연구방법을 분석한 결과, 국내 연구에서 개발연구 27.9%, 혼합연구 1.5% 순으로 나타났고, 국외 연구에서 개발연구 61.8%, 문헌연구 4.4%, 사례연구 2.9%순으로 나타났으며 국내·외 연구에서 모두 개발연구가 1순위였으며 전체 89.7%로 대부분을 차지했다.
또 시각장애인을 위한 국내·외 연구의 구현방법에 있어 인공지능 기술들은 어떤 것들이 사용되었는지 알아보기 위해 구현 시 적용 기술의 순위를 살펴본 결과 국내 연구 순위로는 YOLO 2.7%, TTS 2.1%, Tensorflow 2.1% 순으로 사용횟수가 높았고 국외 연구에서는 CNN 8.0%, TTS 5.3%, MS-COCO 4.3% 순으로 사용횟수가 높았다.
9%에 달했다. 또 얼마나 자주 사용하는지에 대한 응답으로는 거의 매일 사용한다고 응답한 장애인이 전체의 79.0%로서 장애인 10명 중 8명은 보조기기를 매일 사용하는 것으로 나타났으며 시각장애인의 경우에는 거의 매일 사용한다고 응답한 장애인이 90.5%로 전체 평균보다 훨씬 높았다. 장애인이 가장 빈번하게 사용하는 주된 장애인 보조기기의 한번 사용 시간은 1일 평균 1-3시간미만 사용 24.
97%에 해당되며 매년 증가하고 있고 사물을 조금 구별할 정도의 저시력인도 70-80%를 차지하고 있다. 또한 장애인들의 정보통신기기 사용률은 스마트폰 54.4%, 휴대폰 31.4%, 인터넷 36.3%, 컴퓨터 30.6%로, 장애인의 스마트폰과 인터넷 사용률은 지속적인 증가 추이를 볼 수 있는데, 시각장애인의 경우에는 스마트폰의 비율이 전체 장애인 평균보다도 높은 55.9%에 달했다. 또 얼마나 자주 사용하는지에 대한 응답으로는 거의 매일 사용한다고 응답한 장애인이 전체의 79.
마지막으로 연구유형 및 구현방법을 분석한 결과, 시각장애인들의 요구사항 반영과 사용의 편리성 및 실질적인 사용을 위해 연구유형은 대부분 설계, 개발, 구현의 형태를 보이며 국내·외 모두 같다.
셋째, 국내·외 시각장애인 대상의 인공지능 관련 연구를 주제별로 분석한 결과, 국내 연구에서 객체인식 7.4%, 네비게이션 7.4%, 이미지인식 2.9%였으며 국외 연구에서는 객체인식 14.7%, 네비게이션 11.8%, 이미지인식 5.9%로 국내 연구 순위와 같았다.
첫째, 연도별 논문 게재 수를 분석한 결과, 국외 연구는 꾸준히 증가하고 있으나 국내 연구는 2012년도부터 관심을 보이기 시작하다가 2016년도부터 활발히 이루어지고 있음을 볼 수 있었다. 4차 산업혁명의 대표적인 이미지인 인공지능이 2016년 3월 구글의 알파고 등장으로 인해 국내 인공지능 인식이 매우 높아지고 이로 인해 연구가 활발히 진행되었는데[28] 시각장애인 대상의 인공지능 관련 연구도 이에 무관하지 않음을 알 수 있었다.

후속연구

현재 정부기관에서 실시하는 장애인 실태조사는 3년마다 기관에 등록된 장애인을 대상으로 일반적이고 객관화된 내용의 단일 선택형 질의응답 조사만을 하고 있기때문에 정확한 정보파악이 어렵고 그로인해 장애인들의 상황을 바르게 인지하고 이해하는데 어려움이 있다. 따라서 등록되지 않은 장애인을 포함해 장애 등급별로 세부단계에 따른 서술형 질의응답을 포함한 정확한 실태조사가 이루어져야 할 것이다. 또 연구대상을 장애유형에 2종류 이상의 장애를 복수적으로 가지는 시각중복장애인을 포함하고 저시력인에 시력손실이나 시력저하된 노인을 포함한다면 연구 내용 및 방법 개선에 기여할 수 있을 것으로 기대한다.
연구유형 및 구현방법의 경우 연구주제와도 관련이 있는데 국내·외 연구주제의 다양성 및 연구 범위에서 차이를 보이는 만큼 순위나 수치에서 차이를 확인할 수 있었다. 따라서 시각장애인 대상의 연구주제를 여러 분야에 관심을 두고 다양한 연구 분야로의 확대, 기술개발 및 적용이 이루어질 수 있어야 할 것이며 충실한 기술 검증을 위해 연구방법을 보다 엄격하게 적용하여야 할 것이다.
따라서 등록되지 않은 장애인을 포함해 장애 등급별로 세부단계에 따른 서술형 질의응답을 포함한 정확한 실태조사가 이루어져야 할 것이다. 또 연구대상을 장애유형에 2종류 이상의 장애를 복수적으로 가지는 시각중복장애인을 포함하고 저시력인에 시력손실이나 시력저하된 노인을 포함한다면 연구 내용 및 방법 개선에 기여할 수 있을 것으로 기대한다.
마지막으로 시각장애인 관련 연구에서 인공지능 기술 적용은 아직 초기 단계로 효용성에 있어 미흡한 부분이 있으므로 기관에서는 시각장애인에 대한 다양한 특성을 고려한 데이터 활용이 가능하도록 분산된 시각장애인 관련 빅데이터를 연계하여 통합하고 관리한다면 기존보다 더 적극적으로 활용될 수 있는 토대가 마련되고 빅데이터 기반의 인공지능 기술 및 인공지능 기기 시장 확대와 서비스 질 개선 등 시각장애인 관련 연구가 성장할 수 있는 원동력이 될 것이다. 또 인공지능 연구의 활성화를 통한 데이터 확보 및 다양한 분야에서 활용될 수 있도록 모델을 개발한다면 향후, 시각장애인을 위한 인공지능 연구가 활발히 이루어질 것으로 기대한다.
시각장애인을 대상으로의 관찰이나 설문지를 통한 정보 수집 등을 통해 정확한 요구사항 분석 및 패턴 분석을 실시하여 연구에 반영할 수 있도록 해야할 것이다. 또한 여가활동이나 문화예술취미, 다양한 교육 등에 대한 연구주제의 필요성을 알고 정상인과 같은 생활이 가능하도록 장애 등급별 차등 요구사항을 반영한다면 시각장애인의 관점에서 체계적이고 구체적이면서 지속적인 연구가 될 것으로 기대한다.
마지막으로 시각장애인 관련 연구에서 인공지능 기술 적용은 아직 초기 단계로 효용성에 있어 미흡한 부분이 있으므로 기관에서는 시각장애인에 대한 다양한 특성을 고려한 데이터 활용이 가능하도록 분산된 시각장애인 관련 빅데이터를 연계하여 통합하고 관리한다면 기존보다 더 적극적으로 활용될 수 있는 토대가 마련되고 빅데이터 기반의 인공지능 기술 및 인공지능 기기 시장 확대와 서비스 질 개선 등 시각장애인 관련 연구가 성장할 수 있는 원동력이 될 것이다. 또 인공지능 연구의 활성화를 통한 데이터 확보 및 다양한 분야에서 활용될 수 있도록 모델을 개발한다면 향후, 시각장애인을 위한 인공지능 연구가 활발히 이루어질 것으로 기대한다.
둘째, 본 연구에서 시각장애인 대상의 인공지능 관련 연구가 꾸준히 증가하고 있음을 확인하였으나 연구주제나 연구방법에 있어서 편중된 부분을 볼 수 있었다. 시각장애인을 대상으로의 관찰이나 설문지를 통한 정보 수집 등을 통해 정확한 요구사항 분석 및 패턴 분석을 실시하여 연구에 반영할 수 있도록 해야할 것이다. 또한 여가활동이나 문화예술취미, 다양한 교육 등에 대한 연구주제의 필요성을 알고 정상인과 같은 생활이 가능하도록 장애 등급별 차등 요구사항을 반영한다면 시각장애인의 관점에서 체계적이고 구체적이면서 지속적인 연구가 될 것으로 기대한다.
구체적인 연구 내용은 첫째로 연도별 논문 게재 현황을 살펴보고자 한다. 연도별 게재된 논문들을 살펴 어떠한 연구경향을 보이는지를 알아보고 연구대상에 관심을 갖고 다양한 기술 개발 및 연구가 가능할지 예측해본다. 둘째, 연구대상이 실생활에서 필요로 하는 것들이 무엇인지, 연구대상이 필요로 하는 프로그램인지, 연구대상이 요구하는 사항들을 반영하여 실생활에서의 사용이 가능한지, 가능하다면 효율적인 사용이 가능한지를 파악할 수 있는 연구방법인지, 국내의 연구와 국외의 연구들의 연구방법의 차이는 어떤지도 살펴본다.
이에 본 논문에서는 저시력자를 포함한 시각장애를 가진 사람들을 대상으로 하는 인공지능 관련 연구들을 객관적인 비교·분석을 통해 국내·외 인공지능 관련 연구 동향을 분석하여 이루어진 연구들의 주제를 파악하고, 다양한 분야와의 연계 가능성을 살펴보며 앞으로의 연구 방향의 근거를 제시하는 데에 연구의 필요성이 있다.
첫째, 본 연구는 시각장애인 대상의 인공지능 관련 연구 동향을 살펴보기 위해 1993년부터 2020년 8월까지 국내·외 게재 논문을 대상으로 하였기 때문에 본 연구의 결과를 전체 시각장애인 대상의 인공지능 관련 연구에 대한 최근 동향으로 보기는 어렵고 연구대상 및 연구범위의 제한적이며 인공지능 기술을 선도하는 국가들의 연구 분야 및 기술개발 동향과의 비교 검증에 한계가 있을 수 있으나 등재지급 논문들을 우선적으로 하여 컨퍼런스, 학위논문 등을 수집하였기 때문에 시각장애인 대상의 인공지능 관련 연구 동향을 비교·분석하여 국내·외 연구의 현주소를 바로 알고 앞으로의 연구 흐름을 파악하여 시각장애인들에게 필요한 사항과 요구사항을 충족시켜줄 수 있는 연구주제 및 연구방법, 국내 기술개발 활용에 도움이 될 것으로 기대한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인공지능이란 무엇인가?	인공지능의 개념은 인간의 학습 능력과 추론능력, 지각능력, 자연언어의 이해능력 등을 컴퓨터 프로그램으로 실현한 기술로 인간의 지능으로 할 수 있는 사고, 학습, 자기 계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로서, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 인공지능이라고 말하고 있다[9]. 현재 인공지능은 우리의 생활과 밀접한 부분에서 이용되고 있으며, 흔히 가정에서 쉽게 접할 수 있는 IPTV와 연동된 인공지능 스피커, 개인 비서 역할을 하는 애플의 Sir, 아마존의 에코, 삼성의 빅스비 등의 서비스가 있다.
	머신러닝이란 무엇인가?	머신러닝은 기계학습이라고도 하며, 인공지능 연구의 하나로 데이터를 기반을 둔 반복 학습을 통해 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술 및 기법을 말하며[9] 구현 모델로 의사결정나무, 앙상블학습, 신경망, 회귀분석, 군집분석 등 다양한 모델이 있다[10]. 딥 러닝은 머신러닝의 한 모델로써 인간의 뇌를 모델로 하여 여러 정보를 처리하는 알고리즘을 일컫는 인공신경망에 기반하여 만들어진 개념으로 다중 퍼셉트론을 통한 비산형 문제의 해결, 역전파 알고리즘을 통한 학습, 복잡한 문제 해결을 위한 신경망의 층수확대, 최적화 과정에서의 학습 효율성을 개선한 경사하강법의 고도화, 경사 감소 소멸, 문제에 대한 활성화 함수의 개선, 과적합을 막기 위한 규제화, 기법 개발 등 신경망 학습알고리즘의 발전이 이루어지고 있다[11][12].
	CNN은 이미지 인식 분야에 최적화된 신경망으로 볼 수 있는 이유는 무엇인가?	‘딥 러닝’ 모델인 순환 신경망(Recurrent Neural Network, RNN) 모델과 함께 가장 많은 연구가 이루어지고 있는 사람의 시각 인지 과정을 모방한 심층 신경망이다. 따라서 CNN은 이미지 인식 분야에 최적화된 신경망으로 볼 수 있다.

참고문헌 (31)

보건복지부, 2017년 장애인 실태조사, 2017.
J. Y. Kim, J. H. Kim, and S. C. Kim, "The effects of blind users' smart phone use on social capital and psychological well-being," Korean Broadcasting Journal Vol.27, No.2, pp.157-185, 2013.
http://ablenews.co.kr/News/NewsContent.aspx?CategoryCode0006&NewsCode000620160219131807582601
C. W. Oh, J. M. Choi, M. R. Park, and J. S. Ahn, "A study on Pedestrian Navigation Aids Map for Blind People," National Geographic Society Journal Vol.46, No.2, pp.201-212, 2012.
K. Bae and S. Kwak, "A Study of Developing the Ubiquitous Library for the Improvement of Information Accessability of the Blind," Korean Library and Information Science Journal Vol.37, No.2, pp.273-290, 2006.
이소라, 신현경, 안세아, 유견아, "인공지능에 기반한 저시력인을 위한 음성 지원 앱의 개발," 한국디지털콘텐츠학회 논문지, 제21권, 제2호, pp.277-284, 2020.
정명석, 박성현, 채병훈, 이주연, "논문데이터 분석을 통한 인공지능 분야 주요 연구 동향 분석," 디지털융복합연구, 제15권, 제5호, pp.225-233, 2017.

원문보기 상세보기
J. H. Na, "The Development of Artificial Intelligence and the Future of Employment," FUTURE HORIZON, No.28, pp.14-17, 2016.
Hugo Sera, Rui Francisco, Artur Arsenio, Fernando Nabais, Joao Andrade, and Eduardo Serano, "Internet of Inteligent Things: Bringing Artificial Inteligence into Things and Communication Networks," Inter-coperative Colective Inteligence: Techniques and Aplications, Vol.495, pp.1-37, 2013.
A. Kamilaris and F. Prenafeta-Boldu, "Deep learning in agriculture: A survey," Computers and electronics in agriculture, pp.70-90, Vol.147, Apr. 2018.

상세보기
정지영, 김성현, "텍스트 마이닝과 딥 러닝을 활용한 고장진단: 고장원인부서 예측 알고리즘 개발," 전기학회논문지, 제69권, 제8호, pp.1225-1236, 2020.
임창식, 최양원, "BRT 구간 딥 러닝을 활용한 버스우선 신호도입 방안에 관한 연구," 대한토목학회논문집 제40권, 제1호, pp.59-67, 2020.

원문보기 상세보기
양희태, 최병삼, 이제영, 장훈, 백서인, 김단비, 추형석, 오혜연, 정혜동, 신사임, 김선진, "인공지능 기술전망과 혁신정책 방향 - 국가 인공지능 R&D 정책 개선방안을 중심으로 -," 과학기술정책연구원, 정책연구, 2019.
Joseph Redmon and Ali Farhadi, "YOLOv3: An Incremental Improvement," Computer Vision and Pattern Recognition, arXiv:1804.02767, 2018.
Karen Simonyan, Andrew Zisserman, "Very Deep Convolutional Networks for Large-Scale Image Recognition," Computer Vision and Pattern Recognition, arXiv:1409.1556, 2014.
https://www.tensorflow.org
Mrs. R. Rajalakshmi, Ms. K. Vishnupriya, Ms. M. S. Sathyapriya, and Ms. G. R. Vishvaardhini, "Smart Naviga tion System for the Visually Impaired Using Tensor flow," International Journal of Advance Research and Innovative Ideas in Education, Vol.4, Issue.2, 2018.
https://opencv.org
양정연, 김학래, "아마존 알렉사," 정보과학회지, 제35권, 제8호, pp.36-41, 2017.

원문보기 상세보기
https://zdnet.co.kr/view/?no20190808082901&fromMobile
http://www.dt.co.kr/contents.html?article_no2009060802012069600002
Linda Wang, Anshuman Patnik, Edrick Wong, Justin Wong, Alexander Wong, "OLIV: An Artificial Intelligence-Powered Assistant for Object Localization for Impaired Vision," Journal of Computational Vision and Imaging Systems, Vol.4, No.1, 2018.
https://www.sktinsight.com/116630
https://dzone.com/articles/who-will-succeed-in-the-crowded-market-of-ai-for-v
정동훈, "국내 보조공학 연구동향 분석:1998-2008 년 특수교육 및 재활 관련 학술지 중심으로," 지체.중복.건강장애연구, 제52권, 제1호, pp.97-124, 2009.
손지영, 정소라, 김동일, "국내 장애학생 고등교육의 연구동향과 과제," 특수교육학연구, 제45권, pp.157-178, 2011.
정승원, "고용관련 환경요인이 장애수용에 미치는 영향," 제3회 장애인고용패널 학술대회 논문집, pp.179-208, 2011.
박혜영, 조미란, 윤은정, "시각장애인을 대상으로 한음악 연구의 동향 : 1998-2017년 국내 국제 학술지 논문 비교," 한국콘텐츠학회논문지, 제18권, 제6호, pp.243-256, 2018.

원문보기 상세보기
채수정, 이희연, "장애 관련 웹 기반 프로그램의 연구동향 : 국내 연구를 중심으로," 특수교육, 제12권, 제3호, pp.243-268, 2013.
배선영, "보행 및 위치에 관한 국내 연구 동향 분석: 시각장애인과 비장애인의 비교 분석을 중심으로," 한국콘텐츠학회논문지, 제18권, 제11호, pp.611-622, 2018.

원문보기 상세보기
박홍진, "'인공지능', '기계학습', '딥 러닝' 분야의 국내 논문 동향 분석," 한국정보전자통신기술학회 논문지, 제13권, 제4호, pp.283-292, 2020.

원문보기 상세보기

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