[논문]A study on the perception of 3D virtual fashion before and after COVID-19 using textmining

Cho, Hyun-Jin

doi:10.9708/jksci.2022.27.12.111

A study on the perception of 3D virtual fashion before and after COVID-19 using textmining 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.27 no.12, 2022년, pp.111 - 119

Cho, Hyun-Jin (Major in Fashion Marketing, Keimyung University)

초록
AI-Helper

본 연구는 빅데이터 분석을 이용하여 코로나19 전후의 3D가상패션에 대한 인식의 변화를 알아보기 위하여 코로나19 발생 전인 2017년 1월1일부터 발생 이후인 2022년 10월30일까지 소셜미디어 네이버, 다음, 구글, 유튜브에서 추출한 3D 가상패션 관련 주요 단어들을 대상으로 텍스톰을 이용하여 빅데이터 자료를 수집하였다. 수집된 단어는 정제 과정을 거친 후 워드클라우드, 단어의 빈도, 연결중심성, 네트워크 시각화와 CONCOR 분석을 실시하였다. 3D 가상패션을 키워드로 32,461개의 단어를 추출하여 분석한 결과 패션, 가상, 기술의 출현빈도와 중심성이 가장 높게 나타났으며 디지털, 디자인, 의상, 활용, 제조의 출현빈도도 높게 나타났다. 이를 통해 3D 가상패션이 기술의 발달과 더불어 산업 전반에 활용되고 있음을 알 수 있었다. 특히 코로나19 이후 가장 부각되는 주요 단어는 메타버스와 3D 교육으로서 패션산업에서의 요구도가 높게 나타나고 있다.

Abstract ▼ AI-Helper

The purpose of this paper is to examine the change in perception of 3D virtual fashion before and after COVID-19 using big data analysis. The data collection period is from January 1, 2017, before the outbreak of COVID-19, to October 30, 2022, after the outbreak. Big data was collected for key words related to 3D virtual fashion extracted from social media such as Naver, Daum, Google, and YouTube using Textom. After the collected words were refined, word cloud, word frequency, connection centrality, network visualization, and CONCOR analysis were performed. As a result of extracting and analyzing 32,461 words with 3D virtual fashion as a keyword, the frequency and centrality of fashion, virtual, and technology appeared the highest, and the frequency of appearance of digital, design, clothing, utilization, and manufacturing was also high. Through this, it was found that 3D virtual fashion is being used throughout the industry along with the development of technology. In particular, the key words that stand out the most after COVID-19 are metaverse and 3D education, which are in high demand in the fashion industry.

주제어

표/그림 (11)

그림 Fig. 1. Metaverse of fashion brand Gucci
그림 Fig. 2. Word cloud of key words
표 Table 1. Information about analytics data
그림 Fig. 3. Visualization of network structure results in key words
그림 Fig. 4. Visualization of CONCOR analysis results from key words
표 Table 2. Frequency analysis of key words related to 3D virtual fashion before COVID-19
그림 Fig. 5. Word cloud of key words
표 Table 3. Frequency analysis of key words related to 3D virtual fashion after COVID-19
그림 Fig. 6. Visualization of network structure results in key words
그림 Fig. 7. Visualization of CONCOR analysis results from key words
표 Table 4. Comparison of key words related to 3D virtual fashion before and after COVID-19

AI 본문요약
AI-Helper

문제 정의

이를 위해 대용량의 데이터에서 도출한 3D 가상패션과 관련된 단어들을 도출하고 어떤 단어들이 높은 빈도로 도출되는지 단어들 간의 관계성을 면밀히 분석함으로써 코로나19의 영향으로 3D 가상패션에 대한 인식 변화를 살펴볼 것이다. 여기서 도출한 유의미한 정보는 포스트 코로나 시대 패션산업에서 각 영역의 경계가 사라지고 있는 시점에서 빠른 변화에 대한 대비책 마련을 위한 기초자료를 제공할 뿐만 아니라 패션산업에서 나타난 미래 직무를 제시하고 이에 대해 패션관련 교육기관이 대응전략을 수립하는데 기여하고자 한다.
이에 본 연구에서는 패션 산업 전반에 걸쳐 빅데이터를 활용한 연구가 활발하게 진행되고 있는 상황에서 코로나 19 전후의 3D 가상패션에 대한 인식의 흐름을 빅데이터 분석을 이용하여 고찰해 봄으로써 패션산업의 변화추이를 살펴보고 패션기업의 전략 수립에 실질적인 도움을 주는데 목적을 두고자 한다. 이를 위해 대용량의 데이터에서 도출한 3D 가상패션과 관련된 단어들을 도출하고 어떤 단어들이 높은 빈도로 도출되는지 단어들 간의 관계성을 면밀히 분석함으로써 코로나19의 영향으로 3D 가상패션에 대한 인식 변화를 살펴볼 것이다.

제안 방법

758을 사용하여 네트워크 시각화와 CONCOR 분석을 실시하였다. 유사한 특성을 가진 주요 단어를 중심으로 군집을 발굴하는 CONCOR 분석을 통하여 네트워크 안에서 연관어들로 형성된 블록 간의 상관관계를 파악하였다.
이에 본 연구에서는 패션 산업 전반에 걸쳐 빅데이터를 활용한 연구가 활발하게 진행되고 있는 상황에서 코로나 19 전후의 3D 가상패션에 대한 인식의 흐름을 빅데이터 분석을 이용하여 고찰해 봄으로써 패션산업의 변화추이를 살펴보고 패션기업의 전략 수립에 실질적인 도움을 주는데 목적을 두고자 한다. 이를 위해 대용량의 데이터에서 도출한 3D 가상패션과 관련된 단어들을 도출하고 어떤 단어들이 높은 빈도로 도출되는지 단어들 간의 관계성을 면밀히 분석함으로써 코로나19의 영향으로 3D 가상패션에 대한 인식 변화를 살펴볼 것이다. 여기서 도출한 유의미한 정보는 포스트 코로나 시대 패션산업에서 각 영역의 경계가 사라지고 있는 시점에서 빠른 변화에 대한 대비책 마련을 위한 기초자료를 제공할 뿐만 아니라 패션산업에서 나타난 미래 직무를 제시하고 이에 대해 패션관련 교육기관이 대응전략을 수립하는데 기여하고자 한다.
추출 단어를 정제한 후 코로나19 전후로 공출현 빈도가 높은 상위 30개의 단어를 워드클라우드를 실시한 후 선정된 단어의 빈도, 연결중심성 분석을 실시하여 코로나19 전후의 3D 가상패션에 대한 인식변화의 차이를 살펴보았다. 이를 바탕으로 3D 가상패션과 관련된 주요 단어 간의 네트워크 상태를 확인하기 위해 UCINET 6.
코로나19 이전인 2017년 1월1일부터 2020년 1월31일까지 3D 가상패션에 대한 인식을 확인하기 위해 텍스톰을 사용하여 주요 단어에 대한 정제와 텍스트마이닝을 실시하였다. 텍스트마이닝을 통해 주요 단어 빈도와 연결중심성 분석을 통해 3D 가상패션에 대한 인식을 살펴보았다.
코로나19 이후인 2020년 2월1일부터 2022년 10월31일까지 3D 가상패션에 대한 인식을 확인하기 위해 텍스톰을 사용하여 주요 단어에 대한 정제와 텍스트마이닝을 실시하였다. 텍스트마이닝을 통해 주요 단어 빈도와 연결중심성 분석을 통해 3D 가상패션에 대한 인식을 살펴보았다.
코로나19 이전인 2017년 1월1일부터 2020년 1월31일까지 3D 가상패션에 대한 인식을 확인하기 위해 텍스톰을 사용하여 주요 단어에 대한 정제와 텍스트마이닝을 실시하였다. 텍스트마이닝을 통해 주요 단어 빈도와 연결중심성 분석을 통해 3D 가상패션에 대한 인식을 살펴보았다. 전체 단어 중 상위 30개의 주요 단어를 추출하였고, 단어 빈도와 연결중심성은 Table 2와 같이 나타났다.
코로나19 이전인 2017년 1월1일부터 2020년 1월31일까지 3D 가상패션에 대한 인식을 확인하기 위해 텍스톰을 사용하여 주요 단어에 대한 정제와 텍스트마이닝을 실시하였다. 텍스트마이닝을 통해 주요 단어 빈도와 연결중심성 분석을 통해 3D 가상패션에 대한 인식을 살펴보았다. 전체 단어 중 상위 30개의 주요 단어를 추출하였고, 단어 빈도와 연결중심성은 Table 2와 같이 나타났다.

대상 데이터

본 연구는 빅데이터 분석을 이용하여 코로나19 전후의 3D가상패션에 대한 인식의 변화를 알아보기 위하여 코로나19 발생 전인 2017년 1월1일부터 발생 이후인 2022년 10월30일까지 소셜미디어 네이버, 다음, 구글, 유튜브에서 추출한 3D 가상패션 관련 주요 단어들을 대상으로 텍스톰을 이용하여 빅데이터 자료를 수집하였다. 수집된 단어는 정제 과정을 거친 후 출현 빈도가 높은 상위 30개의 단어를 워드클라우드를 실시한 후 선정된 단어의 빈도, 연결중심성 분석을 실시하여 코로나19 전후의 3D가상패션에 대한 인식변화의 차이를 살펴보았다.
수집 결과 코로나19 이전 37개월 동안 16,586개의 단어가 추출되었고 단어 빈도는 122,556개로 나타났으며, 코로나19 이후 33개월 동안 15,875개의 단어가 추출되었고 단어빈도는 136,543개로 나타났다. 이에 본 연구의 분석에 활용된 추출 단어는 총 32,461개이며, 총 단어 빈도수는 259,099개였다. 수집된 분석 데이터 정보는 Table 1과 같다.
자료의 수집 채널은 국내에서 사용되고 있는 네이버, 다음, 구글, 유튜브로 선정하였다. 자료 수집 기간은 국내 코로나19 발생일이 2020년 1월20일인 점을 감안하여 코로나19 이전을 2017년 1월1일부터 2020년 1월31일과 코로나19 이후는 2020년 2월1일부터 2022년 10월31일로 나누어 수집하였다. 수집 결과 코로나19 이전 37개월 동안 16,586개의 단어가 추출되었고 단어 빈도는 122,556개로 나타났으며, 코로나19 이후 33개월 동안 15,875개의 단어가 추출되었고 단어빈도는 136,543개로 나타났다.
검색어는 ‘3D 가상패션’을 사용하였다. 자료의 수집 채널은 국내에서 사용되고 있는 네이버, 다음, 구글, 유튜브로 선정하였다. 자료 수집 기간은 국내 코로나19 발생일이 2020년 1월20일인 점을 감안하여 코로나19 이전을 2017년 1월1일부터 2020년 1월31일과 코로나19 이후는 2020년 2월1일부터 2022년 10월31일로 나누어 수집하였다.
코로나19를 전후로 3D 가상패션에 대한 인식의 변화 차이를 살펴보기 위하여 텍스톰(Textom)을 이용하여 빅데이터를 수집하였다. 검색어는 ‘3D 가상패션’을 사용하였다.

데이터처리

본 연구는 빅데이터 분석을 이용하여 코로나19 전후의 3D가상패션에 대한 인식의 변화를 알아보기 위하여 코로나19 발생 전인 2017년 1월1일부터 발생 이후인 2022년 10월30일까지 소셜미디어 네이버, 다음, 구글, 유튜브에서 추출한 3D 가상패션 관련 주요 단어들을 대상으로 텍스톰을 이용하여 빅데이터 자료를 수집하였다. 수집된 단어는 정제 과정을 거친 후 출현 빈도가 높은 상위 30개의 단어를 워드클라우드를 실시한 후 선정된 단어의 빈도, 연결중심성 분석을 실시하여 코로나19 전후의 3D가상패션에 대한 인식변화의 차이를 살펴보았다. 이를 바탕으로 3D가상 패션과 관련된 주요 단어 간의 네트워크 상태를 확인하기 위해 UCINET 6.
수집한 단어는 텍스톰을 사용하여 형태소 분석을 하였다. 여기서 유사한 단어는 통합하고 분석에 불필요한 단어는 제거하였다.
추출 단어를 정제한 후 코로나19 전후로 공출현 빈도가 높은 상위 30개의 단어를 워드클라우드를 실시한 후 선정된 단어의 빈도, 연결중심성 분석을 실시하여 코로나19 전후의 3D 가상패션에 대한 인식변화의 차이를 살펴보았다. 이를 바탕으로 3D 가상패션과 관련된 주요 단어 간의 네트워크 상태를 확인하기 위해 UCINET 6.758을 사용하여 네트워크 시각화와 CONCOR 분석을 실시하였다. 유사한 특성을 가진 주요 단어를 중심으로 군집을 발굴하는 CONCOR 분석을 통하여 네트워크 안에서 연관어들로 형성된 블록 간의 상관관계를 파악하였다.
추출 단어를 정제한 후 코로나19 전후로 공출현 빈도가 높은 상위 30개의 단어를 워드클라우드를 실시한 후 선정된 단어의 빈도, 연결중심성 분석을 실시하여 코로나19 전후의 3D 가상패션에 대한 인식변화의 차이를 살펴보았다. 이를 바탕으로 3D 가상패션과 관련된 주요 단어 간의 네트워크 상태를 확인하기 위해 UCINET 6.758을 사용하여 네트워크 시각화와 CONCOR 분석을 실시하였다. 유사한 특성을 가진 주요 단어를 중심으로 군집을 발굴하는 CONCOR 분석을 통하여 네트워크 안에서 연관어들로 형성된 블록 간의 상관관계를 파악하였다.
코로나19 이전 3D 가상패션에 대한 네트워크 내의 연결 관계와 패턴을 시각적으로 제시하기 위하여 UCINET 6.758을 사용하여 Fig 3의 주요 단어들의 네트워크 시각화와 유사한 군집을 분류하기 위하여 CONCOR 분석을 하였다. 상위 50개의 주요 단어 빈도를 중심으로 네트워크 구조 결과는 Fig 3과 같고, CONCOR 분석 결과는 Fig 4와 같다.
코로나19 이후 3D 가상패션에 대한 네트워크 내의 연결 관계와 패턴을 시각적으로 제시하기 위하여 UCINET 6.758을 사용하여 주요 단어들의 네트워크 시각화와 유사한 군집을 분류하기 위하여 CONCOR 분석을 하였다. 상위 50개의 주요 단어 빈도를 중심으로 네트워크 구조 결과는 Fig 6과 같고, CONCOR 분석 결과는 Fig 7과 같다.

성능/효과

3D 가상패션을 키워드로 32,461개의 단어를 추출하여 분석한 결과 패션, 가상, 기술의 출현빈도와 중심성이 가장 높게 나타났으며 디지털, 디자인, 의상, 활용, 제조의 출현빈도도 높게 나타났다. 이를 통해 3D 가상패션이 기술의 발달과 더불어 산업 전반에 활용되고 있음을 알 수 있었다.
또한 3D 가상 피팅 시스템을 이용하여 옷을 입어보지 않고도 원하는 색과 소재, 디자인 등 선택이 가능한 체험형 패션디지털 매장이 백화점에 입점하여 고객 맞춤 디자인 의상을 제작해주는 시스템이 소개되기도 하였다. 그리고 3D 프린팅 기술 적용 확대로 인해 패션업계에서 3D 프린트 소재의 개발로 면이나 실크 같은 모양이나 촉감을 지닌 원단을 출력할 수 있는 기술의 관심도 높았다.
둘째, 코로나19 전후로 차별되는 주요 단어를 보면, 코로나 발생 이후 메타버스에 대한 수요 급증과 로지와 같은 가상 세계의 인간이 인플루언서로서 광고계에서 부각되고 있다는 점이다. 이 또한 코로나19 이후의 비대면 트렌드를 반영한 현상이라 할 수 있다.
분석 결과로 빈도수가 높은 주요 단어는 패션(3,184건), 가상(2,739건), 기술(1,347건), 의상(1,304건), 피팅(1,247건), 서비스(1,016건), 디자인(983건), 가상현실(950건), 활용(853건), 디지털(745건), 제조(581건), 체험(543건), 프린팅(526건) 순으로 나타났으며, 30개의 단어 모두 3D가상패션과 직간접적으로 관련이 있었으며, 특히 2017년 선풍적인 인기를 끌었던 포켓몬 고 게임에 적용된 증강현실과 갤러시S6와 연동시킨 VR기기의 판매개시로 가상현실과 디지털 기술의 활용 및 체험에 대한 관심도가 높았던 것으로 확인된다. 또한 3D 가상 피팅 시스템을 이용하여 옷을 입어보지 않고도 원하는 색과 소재, 디자인 등 선택이 가능한 체험형 패션디지털 매장이 백화점에 입점하여 고객 맞춤 디자인 의상을 제작해주는 시스템이 소개되기도 하였다.
분석 결과로 빈도수가 높은 주요 단어는 패션(4,134건), 가상(3,176건), 메타버스(1,430건), 기술(1,371건), 디지털(1,258건), 제조(1,147건), 디자인(1,118건), 의상(1,086건), 활용(1,025건), 브랜드(933건), 가상의상(832건), 교육 모집(830건) 순으로 나타났으며, 코로나19 이전과 비교했을 때 메타버스와 교육모집의 눈에 띄고 나머지 주요 단어의 빈도수도 추출기간이 4개월이 짧음에도 불구하고 빈도수가 높음을 알 수 있다.
셋째, 코로나19 발생 전후 주요 의미 범주의 변화를 보면, 코로나19 이전에는 패션과 가상피팅, 패션기업에서의 3D 가상기술 체험 활용, 패션기업에서의 디지털 디자인, 기타 산업에서의 3D 가상기술로 구분되었고, 코로나19 이후에는 패션과 메타버스, 인플루언서로서의 가상인간, 패션기업의 제품개발, 패션기업의 3D 인재교육으로 범주가 구분되어 코로나19 전후로 3D 가상패션에 대한 전반적인 인식은 비슷하게 나왔으나 코로나 이전보다 기술의 고도화와 활용범위 확대 및 인재교육에 대한 요구도가 높아짐에 따라 코로나19가 패션산업 전반에 걸쳐 큰 영향을 주었음을 알 수 있다.
자료 수집 기간은 국내 코로나19 발생일이 2020년 1월20일인 점을 감안하여 코로나19 이전을 2017년 1월1일부터 2020년 1월31일과 코로나19 이후는 2020년 2월1일부터 2022년 10월31일로 나누어 수집하였다. 수집 결과 코로나19 이전 37개월 동안 16,586개의 단어가 추출되었고 단어 빈도는 122,556개로 나타났으며, 코로나19 이후 33개월 동안 15,875개의 단어가 추출되었고 단어빈도는 136,543개로 나타났다. 이에 본 연구의 분석에 활용된 추출 단어는 총 32,461개이며, 총 단어 빈도수는 259,099개였다.
354) 순으로 나타났다. 이는 코로나19 이전의 3D 가상패션은 3D라는 첨단기술을 패션에 활용하여 소비자가 직접 대면 상에서 가상 피팅을 체험하고 다양한 디지털 기술을 적용한 가상현실과 증강현실을 체험하는 것이 높은 비중을 차지하고 있음을 확인할 수 있다.
799) 순으로 나타났다. 이러한 결과치는 코로나19 이후 비대면 트렌드 확산으로 인해 메타버스가 부상하면서 보다 높은 수준의 기술 수준에 이르게 되면서 3D 가상패션이 고도화되고 있음을 확인할 수 있다.
3D 가상패션을 키워드로 32,461개의 단어를 추출하여 분석한 결과 패션, 가상, 기술의 출현빈도와 중심성이 가장 높게 나타났으며 디지털, 디자인, 의상, 활용, 제조의 출현빈도도 높게 나타났다. 이를 통해 3D 가상패션이 기술의 발달과 더불어 산업 전반에 활용되고 있음을 알 수 있었다.
첫째, 코로나19 이전과 이후에 공통적으로 나온 단어는 패션, 가상, 기술, 디지털, 제조, 디자인, 의상, 활용, 브랜드 등이 높은 빈도로 나타났으며, 그 외 패션쇼, 게임, 가상 피팅 등 산업 전반에 걸쳐 3D 가상패션이 적용되고 있음을 알 수 있다. 그러나 코로나19 전후로 공통된 단어로 나타나지만 기간 대비 코로나19 이후 주요 단어들의 빈도수가 코로나19 이전보다 훨씬 높아졌다는 것으로 볼 때 비대면 트렌드에 맞는 기술의 수준이 보다 높아지고 소비자들의 관심도 높아졌음을 의미하는 것으로 보여진다.

후속연구

메타버스는 2000년대 초반 게임 상의 가상세계로 등장하였으나 주목을 받지 못하다가 코로나19 발생 이후 현실생활의 다양한 활동들이 이루어질 수 있는 3D 가상공간에 대한 수요로 인해 재조명된 것이라 볼 수 있다. 이는 향후 포스트 코로나 시대 온라인 게임 플랫폼이나 아바타 기반 소셜 플랫폼 등이 모바일 SNS 플랫폼의 대체제 뿐만 아니라 기타 산업 전반 및 교육계에서도 지속될 것으로 예상된다.
따라서 4차 산업혁명시대에 필요한 미래지향적인 전문 인재양성에 주목해야 하고 이를 위해서는 교육계와 산업계가 협업하여 창의적이고 혁신적인 교육생태계와 현실적이고 전문화된 교육프로그램을 마련하는 것이 필요하다고 본다. 이러한 필요성은 그만큼 3D 가상패션의 성장 및 발전 가능성을 시사하는 것으로서 향후 3D 가상패션에 대한 실용적 활용 방안과 같은 후속연구를 기대한다.

참고문헌 (17)

J. Kim, "Fashion Industry Digital Professional Talent Cultivation Plan", Korea Federation of Textile Industries, pp. 1-2, 2019.
Utilization of big data for fashion companies, http://www.fi.co.kr/mobile/view.asp?idx68281
Y. Cho, "A study on perception of 3D printing fashion using big data analysis," The Korean Society of Science & Art, Vol. 38, No. 1, pp. 271-283, January 2020. DOI: 10.17548/ksaf.2020.01.30.271

상세보기
S. Kim, "A Study on the Development of Fashion Design through the Convergence of Digital Technology - Focusing on Big Data and 3D Virtual Clothing Program -," Journal of Cultural Product & Design, Vol. 62, No. -, pp. 285-297, September 2020. DOI: 10.18555/kicd.2020.62.26
E. Song, "A Study on the Perception of Fashion Platforms and Fashion Smart Factoriesusing Big Data Analysis," Fashion & Textile Research Journal, Vol. 23, No. 6, pp. 799-809, December 2021. DOI: 10.5805/SFTI.2021.23.6.799

원문보기 상세보기
E. Song, and H. Lim, "Perceptions and Trends of Digital Fashion Technology - A Big Data Analysis -," Fashion & Textile Research Journal, Vol. 23, No. 3, pp. 380-389, June 2021. DOI: 10.5805/SFTI.2021.23.3.380

원문보기 상세보기
J. Seon, H. Jung, and J. Lee, "Changes in Street Fashion Networks Using Social Big Data - Time-Series Approach to Public Attention and Cluster Attributes -," Journal of the Korean Society of Costume, Vol. 71, No. 3, pp. 124-142, June 2021. DOI: 10.7233/jksc.2021.71.3.124

상세보기
K. Sung, "Social media big data analysis of Z-generation fashion," Journal of the Korea Fashion & Costume Design, Vol. 22, No. 3, pp. 49-62, August 2020. DOI: 10.30751/kfcda.2020.22.3.49

원문보기 상세보기
B. Sen, H. Yum, and S. Shim, "Fashion Consumption Culture in the Post-COVID-19 Era Identified through Big Data Analysis -Focusing on Articles in the Chinese Fashion Network LADYMAX.cn-," Journal of Fashion Business, Vol. 25, No. 2, pp. 80-97, May 2021. DOI: 10.12940/jfb.2021.25.2.80

원문보기 상세보기
E. Kang, "An Analysis of Changes in Perception of Fashion Rental Service before and after COVID-19 through Big Data," Journal of the Korean Society of Design Culture, Vol. 28, No. 1, pp. 799-809, March 2022. DOI: 10.18208/ksdc.2022.28.1.1

상세보기
D. Kim, and J. Kim, "Comparative Analysis in Perception on Men's Fashion Using Big Data : Focused on Influence of COVID-19," Journal of the Korea Fashion & Costume Design, Vol. 24, No. 3, pp. 1-15, August 2022. DOI: 10.30751/kfcda
S. Lee, "FIND," Korea Federation of Textile Industries, p. 4, 2020.
J. Kim, "Fashion industry changed by corona", Korea Federation of Textile Industries, pp. 4-5, 2020.
Utilization of big data for fashion companies, http://www.fi.co.kr/mobile/view.asp?idx68281
S. Lee, "FIND," Korea Federation of Textile Industries, p. 3, 2022.
A new virtual fashion show world is opened when digital trend fashion and metaverse meet, http://projectnftbus.tistory.com/143
Deloitte's 'Metaverse Report', https://www.kbdio.com/429

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