[논문]LDA 토픽 모델링을 이용한 액티브 시니어 콘텐츠 트렌드 분석

이동우; 김유신; 신은정

doi:10.7472/jksii.2021.22.5.35

LDA 토픽 모델링을 이용한 액티브 시니어 콘텐츠 트렌드 분석
Active Senior Contents Trend Analysis using LDA Topic Modeling 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.22 no.5, 2021년, pp.35 - 45

이동우 (RTdata Lab) , 김유신 (RTdata Lab) , 신은정 (Yonsei University)

초록
AI-Helper

베이비 부머 세대가 고령인구로 진입하면서 기존의 시니어와는 달리 활동적인 모습을 보이는 시니어들이 액티브 시니어라는 신조어로 불리며 새로운 소비자 층으로 떠오르고 있다. 많은 국가들과 기업들도 이들을 주목하고 관련 정책이나 서비스를 제공하고자 하지만 액티브 시니어 트렌드에 대한 연구는 매우 부족한 실정이다. 본 논문에서는 이러한 액티브 시니어에 대한 특징과 이들이 생산하고 소비하는 온라인 미디어 콘텐츠 트렌드를 파악하여, 액티브 시니어를 적극 포용하고 지원할 수 있는 온라인 미디어에 대한 정책 및 서비스 방향성을 제시하고자한다. 이를 위해 소셜 미디어에서 액티브 시니어를 수집 키워드로 2018년 1월 1일부터 2021년 6월 31일까지 8,740건의 데이터를 수집하여 키워드 빈도 분석, TF-IDF 분석, LDA 토픽 모델링 분석을 하였다. 키워드 빈도 분석 및 TF-IDF 분석을 통해서 액티브시니어에 대한 관심도가 급증하고 있다는 것을 파악하였으며 LDA 토픽 모델링 분석을통해서 온라인 콘텐츠의 주제 영역을 10가지로 분류하고 라이프 스타일, 혜택, 쇼핑, 정부 사업, 정부 교육, 건강, 사회/경제, 케어 산업, 실버 주택, 여가로 명명하였다.

Abstract ▼ AI-Helper

The purpose of this study is to understand the characteristics and trends of active senior. As the baby boom generation become the age of the elderly, they are more active than senior. These seniors are called active seniors, a new consumer group. Many countries and companies are also interested in providing relevant policies and services, but there is lack of researches on active senior trends. This study collects the 8,740 posts related to active seniors on social media from January 1st, 2018 to June 31st, 2021, and conducted keyword frequency analysis, TF-IDF analysis and LDA topic modeling. Through LDA topic modeling, topics are classified into 10 categories: lifestyle, benefits, shopping, government business, government education, health, society and economy, care industry, silver housing, leisure. The results of this study can be utilized as fundamental data to help understand the academic and industrial aspects of active senior.

주제어

표/그림 (10)

그림 (그림 1) 연구 프레임 워크 (Figure 1) Research framework of the study
표 (표 1) 2018년 TF 및 TF-IDF 분석 결과 (Table 1) TF and TF-IDF results in 2018
표 (표 2) 2019년 TF 및 TF-IDF 분석 결과 (Table 2) TF and TF-IDF results in 2019
표 (표 3) 2020년 TF 및 TF-IDF 분석 결과 (Table 3) TF and TF-IDF results in 2020
표 (표 4) 2021년 TF 및 TF-IDF 분석 결과 (Table 4) TF and TF-IDF results in 2021
표 (표 5) LDA 토픽 모델링 결과 (Table 5) LDA topic modeling results
그림 (그림 2) 토픽수 별 일관성 점수 (Figure 2) Coherence score by number of topics
그림 (그림 3) 액티브 시니어 토픽 트렌드 (Figure 3) Active senior topic trend
표 (표 6) 토픽별 출현 비중 (Table 6) Proportion of appearance by topic
그림 (그림 4) 주요 증가 토픽 (Figure 4) Major increased topics

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 ‘액티브 시니어’ 키워드로 수집된 소셜 미디어 데이터를 분석하여 새로운 소비자층으로 떠오르는 액티브 시니어를 대상으로 그들의 특징과 액티브 시니어와 관련된 트렌드를 파악하고자 한다

제안 방법

본 연구에서는 빅데이터 분석을 활용하여 액티브 시니어 트렌드에 대해 실증적으로 분석하고자 한다.
본 연구는 빅데이터 분석을 활용하여 액티브 시니어와 관련된 핵심 키워드와 트렌드를 탐색하기 위해 네이버와 다음의 뉴스, 블로그, 카페 게시글을 분석 대상으로 2018 년 1월 1일부터 2021년 6월 31일까지 3년 6개월간 ‘액티브 시니어’와 관련있는 소셜 미디어 데이터를 수집하여 총 8, 740건의 데이터를 수집하였다. 수집된 소셜 미디어 데이터를 대상으로 빈도 분석과 TF-IDF 분석, 토픽 모델링하였고, 주요 결과는 다음과 같다.
전체 수집 기간인 2018년 1월 1일부터 2021년 6월 31 일까지의 텍스트를 LDA 알고리즘에 적용하여 10개의 토픽을 도출하였다. 본 연구의 구체적인 토픽 모델링 과정은 다음과 같다.
첫째, 빈도 분석과 TF-IDF 분석을 통해 알아본 연도별 액티브 시니어와 관련하여 가장 높은 빈도로 언급된 키워드와 중요도가 높은 키워드는 다음과 같았다. 2018년 가장 많이 언급된 상위 3개 키워드는 ‘건강(69)’, ‘활동 (64)’, ‘소비(63)’, 이며 중요도가 높은 단어는 ‘건강 (117.

대상 데이터

본 연구는 빅데이터 분석을 활용하여 액티브 시니어와 관련된 핵심 키워드와 트렌드를 탐색하기 위해 네이버와 다음의 뉴스, 블로그, 카페 게시글을 분석 대상으로 2018 년 1월 1일부터 2021년 6월 31일까지 3년 6개월간 ‘액티브 시니어’와 관련있는 소셜 미디어 데이터를 수집하여 총 8, 740건의 데이터를 수집하였다
자연어 처리를 하기 위해서는 의미상 최소 단위로 나누어 주어야 분석이 용이하다. 한국어 형태소 분석기는 다양한 종류가 있지만 가장 최근까지 업데이트되고 분석단계에서 정확도와 속도 등을 고려하여 kiwipiepy라는 Python 라이브러리를 사용하였다.

데이터처리

데이터 분석은 Python을 활용하여 tomotopy라는 라이브러리를 사용하였으며 키워드 빈도 분석, TF-IDF 분석, LDA 토픽 모델링 기법을 활용하였다. 전처리 과정을 모두 거치면 각 문서들은 형태소 단위 변환되는데 이 형태의 데이터를 모델에 학습시키면 키워드 빈도 분석과 TF-IDF 분석이 가능하다.
전처리 과정을 모두 거치면 각 문서들은 형태소 단위 변환되는데 이 형태의 데이터를 모델에 학습시키면 키워드 빈도 분석과 TF-IDF 분석이 가능하다. 추가로 일관성 점수를 도출하여 최적 주제 수까지 결정하여 LDA 토픽 모델링 분석까지 하였다.

성능/효과

문서 건수에 따른 토픽 출현율은 토픽 7: 사회/경제, 토픽 5: 정부 교육, 토픽 6: 건강, 토픽 3: 쇼핑, 토픽 9: 실버 주택, 토픽 1: 라이프스타일, 토픽 10: 여가, 토픽 4: 정부 사업, 토픽 2: 혜택 순서임을 알 수 있었다. 10개 토픽의 시계열 변화를 살펴본 결과, 토픽의 트렌드 변화를 살펴볼 수 있었다. 사회/ 경제가 매해 모두 가장 비중이 높은 토픽으로 나타났고, 시니어 연령 특성상 건강 토픽은 약 10%의 비중으로 매해 상위 5개의 토픽으로 나타남을 확인할 수 있었다.
2020년 가장 많이 언급된 상위 3개 키워드 ‘활동(284)’, ‘문화 (227)’, ‘건강(201)’’이며, TF-IDF 분석 결과로는 ‘문화(422.5)’, ‘건강(399.3)’, ‘활동(391.4)’순으로 가장 중요도가 높은 단어로 나타났다
또한 2020년에는 2018년, 2019년까지 빈도수가 가장 높고 가장 문서상 단어 중요도가 높게 나타난 건강이 아닌 활동이 가장 높은 빈도 수로 나타났고, 문화가 가장 단어 중요도가 높은 단어로 나타난 것이 특징적이다. 가장 특징적인 점은 콘텐츠 키워드가 많이 언급된 키워드로 도출되었는데 이는 액티브 시니어 층이 콘텐츠와 관련한 관심이 높아졌다는 것을 확인할 수 있었다. 2021년 높은 빈도수로 언급된 키워드는 ‘세대(332)’, ‘건강(256)’, ‘활동 (238)’이며 TF-IDF 분석 결과로는 ‘건강(487.
둘째, 3년 6개월간 액티브 시니어와 관련하여 수집된 데이터를 기반으로 토픽 모델링을 한 결과 10개의 토픽을 도출할 수 있었다. 다양한 스마트 기기를 활발하게 사용하여 콘텐츠를 이용하고 쇼핑을 하면서 모바일 시장에서 새로운 소비자 층인 액티브 시니어의 특징을 보여주는 토픽인 라이프 스타일, 쇼핑, 여가와 연령에 따른 특성인 기존의 시니어 세대와 공통적으로 도출되는 토픽인 건강이 있었고, 시니어를 보호하기 위한 정부차원의 혜택, 정책, 사업 등과 관련된 토픽으로는 혜택, 정부 사업, 정부 교육, 케어 산업이 도출되었다. 문서 건수에 따른 토픽 출현율은 토픽 7: 사회/경제, 토픽 5: 정부 교육, 토픽 6: 건강, 토픽 3: 쇼핑, 토픽 9: 실버 주택, 토픽 1: 라이프스타일, 토픽 10: 여가, 토픽 4: 정부 사업, 토픽 2: 혜택 순서임을 알 수 있었다.
둘째, 3년 6개월간 액티브 시니어와 관련하여 수집된 데이터를 기반으로 토픽 모델링을 한 결과 10개의 토픽을 도출할 수 있었다. 다양한 스마트 기기를 활발하게 사용하여 콘텐츠를 이용하고 쇼핑을 하면서 모바일 시장에서 새로운 소비자 층인 액티브 시니어의 특징을 보여주는 토픽인 라이프 스타일, 쇼핑, 여가와 연령에 따른 특성인 기존의 시니어 세대와 공통적으로 도출되는 토픽인 건강이 있었고, 시니어를 보호하기 위한 정부차원의 혜택, 정책, 사업 등과 관련된 토픽으로는 혜택, 정부 사업, 정부 교육, 케어 산업이 도출되었다.
새롭게 도출된 키워드로는 ‘콘텐츠’, ‘시대’, ‘사업’, ‘맞춤’, ‘지원’, ‘생활’, ‘노인’ 이 있었는데, 이러한 결과를 통해 기업들이 액티브 시니어 맞춤 서비스에 관심을 가지고 있다는 것을 알 수 있었다. 또한 2020년에는 2018년, 2019년까지 빈도수가 가장 높고 가장 문서상 단어 중요도가 높게 나타난 건강이 아닌 활동이 가장 높은 빈도 수로 나타났고, 문화가 가장 단어 중요도가 높은 단어로 나타난 것이 특징적이다. 가장 특징적인 점은 콘텐츠 키워드가 많이 언급된 키워드로 도출되었는데 이는 액티브 시니어 층이 콘텐츠와 관련한 관심이 높아졌다는 것을 확인할 수 있었다.
은퇴’, ‘노인’, ‘시장’, ‘대표’, ‘참여’, ‘도전’, ‘놀이터’가 새롭게 높은 빈도수를 나타내는 키워드로 도출되었는데, 이는 2021년부터는 시니어들을 위한 노인 놀이터의 키워드 ‘노인’, ‘놀이터’의 키워드를 포함하며 ‘참여’, ‘도전’과 같이 시니어 개인의 활동에 관심이 많아졌으며 ‘은퇴’ 후에 삶에 대한 관심도 많이 생긴 것을 알 수 있다. 또한 빈도수를 살펴보면 2018년에서 2019년에는 약 4배가 증가하였고, 매해 빈도수가 증가하여 2020년에서2021 년에는 같은 기간으로 비교해보았을 때 약 2배 이상 증가함을 확인할 수 있었다. 이를 통해 액티브 시니어에 대한관심도가 급격하게 증가하였음을 확인할 수 있었다.
다양한 스마트 기기를 활발하게 사용하여 콘텐츠를 이용하고 쇼핑을 하면서 모바일 시장에서 새로운 소비자 층인 액티브 시니어의 특징을 보여주는 토픽인 라이프 스타일, 쇼핑, 여가와 연령에 따른 특성인 기존의 시니어 세대와 공통적으로 도출되는 토픽인 건강이 있었고, 시니어를 보호하기 위한 정부차원의 혜택, 정책, 사업 등과 관련된 토픽으로는 혜택, 정부 사업, 정부 교육, 케어 산업이 도출되었다. 문서 건수에 따른 토픽 출현율은 토픽 7: 사회/경제, 토픽 5: 정부 교육, 토픽 6: 건강, 토픽 3: 쇼핑, 토픽 9: 실버 주택, 토픽 1: 라이프스타일, 토픽 10: 여가, 토픽 4: 정부 사업, 토픽 2: 혜택 순서임을 알 수 있었다. 10개 토픽의 시계열 변화를 살펴본 결과, 토픽의 트렌드 변화를 살펴볼 수 있었다.
10개 토픽의 시계열 변화를 살펴본 결과, 토픽의 트렌드 변화를 살펴볼 수 있었다. 사회/ 경제가 매해 모두 가장 비중이 높은 토픽으로 나타났고, 시니어 연령 특성상 건강 토픽은 약 10%의 비중으로 매해 상위 5개의 토픽으로 나타남을 확인할 수 있었다. 액티브 시니어가 기존의 시니어와의 차이점으로 자신의 여가와 라이프 스타일을 즐기며 쇼핑 활동에 주목한다는 특징을 가지는데, 최근 액티브 시니어 계층의 증가와 그들의 활동이 활발해짐과 더불어 여가, 케어 산업, 라이프스타일, 쇼핑 토픽의 비중이 증가함을 시계열적 변화를 통해 확인할 수 있었다.
새롭게 도출된 키워드로는 ‘콘텐츠’, ‘시대’, ‘사업’, ‘맞춤’, ‘지원’, ‘생활’, ‘노인’ 이 있었는데, 이러한 결과를 통해 기업들이 액티브 시니어 맞춤 서비스에 관심을 가지고 있다는 것을 알 수 있었다
사회/ 경제가 매해 모두 가장 비중이 높은 토픽으로 나타났고, 시니어 연령 특성상 건강 토픽은 약 10%의 비중으로 매해 상위 5개의 토픽으로 나타남을 확인할 수 있었다. 액티브 시니어가 기존의 시니어와의 차이점으로 자신의 여가와 라이프 스타일을 즐기며 쇼핑 활동에 주목한다는 특징을 가지는데, 최근 액티브 시니어 계층의 증가와 그들의 활동이 활발해짐과 더불어 여가, 케어 산업, 라이프스타일, 쇼핑 토픽의 비중이 증가함을 시계열적 변화를 통해 확인할 수 있었다. 이와 관련하여 액티브 시니어와 관련한 정부 사업 토픽의 비중 또한 증가함을 확인할 수 있었다.
또한 본 연구의 실무적 시사점은 다음과 같다. 액티브 시니어의 콘텐츠에 대한 관심과 관심도의 증가를 확인할 수 있었고, 이를 통해 액티브 시니어 콘텐츠 시장의 가능성을 제시해주며 액티브 시니어의 콘텐츠 개발에 있어 10 개의 토픽이 가이드 라인을 제시해 줄 수 있을 것이다.
은퇴’, ‘노인’, ‘시장’, ‘대표’, ‘참여’, ‘도전’, ‘놀이터’가 새롭게 높은 빈도수를 나타내는 키워드로 도출되었는데, 이는 2021년부터는 시니어들을 위한 노인 놀이터의 키워드 ‘노인’, ‘놀이터’의 키워드를 포함하며 ‘참여’, ‘도전’과 같이 시니어 개인의 활동에 관심이 많아졌으며 ‘은퇴’ 후에 삶에 대한 관심도 많이 생긴 것을 알 수 있다
또한 빈도수를 살펴보면 2018년에서 2019년에는 약 4배가 증가하였고, 매해 빈도수가 증가하여 2020년에서2021 년에는 같은 기간으로 비교해보았을 때 약 2배 이상 증가함을 확인할 수 있었다. 이를 통해 액티브 시니어에 대한관심도가 급격하게 증가하였음을 확인할 수 있었다.
액티브 시니어가 기존의 시니어와의 차이점으로 자신의 여가와 라이프 스타일을 즐기며 쇼핑 활동에 주목한다는 특징을 가지는데, 최근 액티브 시니어 계층의 증가와 그들의 활동이 활발해짐과 더불어 여가, 케어 산업, 라이프스타일, 쇼핑 토픽의 비중이 증가함을 시계열적 변화를 통해 확인할 수 있었다. 이와 관련하여 액티브 시니어와 관련한 정부 사업 토픽의 비중 또한 증가함을 확인할 수 있었다.

후속연구

따라서 본 연구에서는 ‘액티브 시니어’ 키워드로 수집된 소셜 미디어 데이터를 분석하여 새로운 소비자층으로 떠오르는 액티브 시니어를 대상으로 그들의 특징과 액티브 시니어와 관련된 트렌드를 파악하고자 한다. 본 연구의 결과는 액티브 시니어를 대상으로 한 연구와 기업의 기초자료가 될 것으로 사료된다.
하지만 본 연구는 이러한 시사점과 더불어 다음과 같은 한계점을 가지고 있다. 불용어 사전 구축을 통해 정제가 잘 이루어졌다고 하나, 동일 의미 단어를 하나의 단어로 변환하는 과정이 향후 보완되어져야 할 것으로 생각된다.
본 연구의 결과가 제시하는 학술적 시사점은 다음과 같다. 새로운 소비자 계층으로 나타난 액티브 시니어와 관련된 연도별 키워드 확인과 시계열적 변화 확인을 통해 액티브 시니어 전반에 대한 이해를 높일 수 있었고, 이와 관련한 연구의 기초자료로 활용될 수 있을 것이다. 또한 본 연구의 실무적 시사점은 다음과 같다.

참고문헌 (23)

Statistics Korea,"2020 Senior Statistics" 2020. https://kostat.go.kr/portal/korea/kor_nw/1/1/index.board?bmoderead&aSeq385322
J. Yun, "Korea's Aging and Medical Industry", The World of Electricity, Vol.67, No.1, pp.34-38, 2018. https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE07293119
I. Kim, "Necessity for Changing the Aging Perceptions as Enter the Aged Society - Focusing on the concept of Gerotranscendence in the Korean Sundo", Sundo Culture, Vol.30, No.0, pp.373, 2021. https://dx.doi.org/10.35573/JKSC.30.10

상세보기
M. Kim, J. Won, M. Seo, B. Gang, G. Kim, and Y. Im, "The Socioeconomic problems of an aging society and policy responses", Korea Institute For Health And Social Affairs, 2003. http://repository.kihasa.re.kr/handle/201002/366
D. Han, "A Study on Active Aging Policy in Aged Society", Korean Journal of Gerontological Social Welfare, Vol.64, pp.31-51, 2014. https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE07430089
E. Hyun, "The Impact of Active Aging of the Elderly on Life Satisfaction in the Aged Society", The Journal of Humanities and Social Sciences 21, Vol.11, No.4, pp.1491-1506, 2020. https://dx.doi.org/10.22143/HSS21.11.4.105

상세보기
Y. Park, "Effects of the Social Health of the Aged on their Quality of Life", The Journal of the Korea Contents Association, Vol.13, No.11, pp.726-739, 2013. https://dx.doi.org/10.5392/JKCA.2013.13.11.726

원문보기 상세보기
M. Lee and H. Lee, "A Study on the Residential Services of Urban Type Senior Living for Active Senior", 2021 Spring Conference of the Korea Institute of Interior Design, Vol.10, No.1, pp.232-235, 2008. https://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE02183297
J. Park, Y. Yang, and M. Kim, "The Effect of Active Senior's Career Orientation and Educational Entrepreneurship Satisfaction on Entrepreneurship intention and Entrepreneurship Preparation Behavior", Asia-Pacific Journal of Business Venturing and Entrepreneurship, Vol.15, No.1, pp.285-301, 2020. https://dx.doi.org/10.16972/apjbve.15.1.202002.285

원문보기 상세보기
B. Choi and S. Moon, "Analysis of usage decision factors based on the satisfaction of smart seniors using smartphone delivery applications.", Journal of Digital Convergence, Vol.19, No.1, pp.199-209, 2021. https://dx.doi.org/10.14400/JDC.2021.19.1.199

원문보기 상세보기
Y. Son and S. Park, "The Influence of Branded Contents-YouTube Creator's Characteristics on Users' Brand Attitude and Purchase Intention", The Korean Journal of Advertising, Vol.32, No.4, pp.89-116, 2021. https://dx.doi.org/10.14377/KJA.2021.5.30.89

상세보기
Y. Koh, "A Exploratory Study on the Digital Aging Policies as Solutions for a Aging Society", Journal of Digital Convergence, Vol.14, No.1, pp.115-123, 2016. https://dx.doi.org/10.14400/JDC.2016.14.11.115

원문보기 상세보기
J. Park and C. Suh, "Analysis of Changes in the Housing Market Using TF-IDF Weight Model", Korea Real Estate Academy Review, Vol.63, No.0, pp.46-58, 2015. https://kiss.kstudy.com/thesis/thesis-view.asp?key3647174
J. Lee, M. Lee, and J. Kim, "A study on Korean language processing using TF-IDF", Korea Associationof Information Systems, Vol.28, No.3, pp.105-121, 2019. https://dx.doi.org/10.5859/KAIS.2019.28.3.105

원문보기 상세보기
J. Lee and J. Rha, "Exploring Consumer Responses to the Cross-Border E-Commerce using Text Mining", Journal of Consumer Studies, Vol.26, No.5, pp.93-124, 2015. https://kiss.kstudy.com/thesis/thesis-view.asp?key3373334
J. Heo and E. Lee, "Trend Analysis of Fashion Brand Evaluation Using Big Data - Focusing on Gucci Brand -", Journal of the Korean Society of Costume, Vol.69, No.6, pp.38-51, 2019. https://dx.doi.org/10.7233/jksc.2019.69.6.038

상세보기
K. Han, "A Study on the Consumer's Perception of HiSeoul Fashion Show Using Big Data Analysis", Journal of Fashion Business, Vol.23, No.5, pp.81-95, 2019. https://dx.doi.org/10.12940/jfb.2019.23.5.81

원문보기 상세보기
D. Blei, L. Carin, and D. Dunson, "Probabilistic topic models", IEEE signal processing magazine, Vol.27, No.6, pp.55-65, 2010. https://dx.doi.org/10.1109/MSP.2010.938079

상세보기
H. An and M. Park,"A Study on the User Perception in Fashion Design through Social Media Text-Mining", Journal of the Korean Society of Clothing and Textiles, Vol.41, No.6, pp.1060-1070, 2017. https://dx.doi.org/10.5850/JKSCT.2017.41.6.1060

원문보기 상세보기
S. Park, "Analysis of Social Media Contents about Broadcast Media through Topic Modeling", Journal of Information Technology Services, Vol.15, No.2, pp.81-92, 2016. https://dx.doi.org/10.9716/KITS.2016.15.2.081

원문보기 상세보기
K. Park and C. Lee, "A Study on the Research Trends for Smart City using Topic Modeling", Journal of Internet Computing and Services, Vol.20, No.3, pp.119-128, 2019. https://dx.doi.org/10.7472/jksii.2019.20.3.119

원문보기 상세보기
M. Oh, J. Jung, and M. Lee, "A Review of the Research Trend Analysis on the Silver Consumer and Further Research Direction Suggestions", Journal of Corporation and Innovation, Vol.5, No.3, pp.103-119, 2012. http://www.dbpia.co.kr/journal/articleDetail?nodeIdNODE02064111
M. Oh, "A Topic Modeling Analysis from the 'Aging' Keyword of DomesticAcademic Research", korean management review, Vol.48, No.2, pp.515-532, 2019. https://dx.doi.org/10.17287/kmr.2019.48.2.515

상세보기

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