[논문]딥러닝을 활용한 출산율 감소에 따른 모병제 인식 변화분석

구민구; 박지용; 이현무; 노기섭

doi:10.17703/jcct.2022.8.1.453

딥러닝을 활용한 출산율 감소에 따른 모병제 인식 변화분석
An Analysis of Volunteer Military System Perception Changes with Decreasing Fertility Rates using Deep Learning 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.8 no.1, 2022년, pp.453 - 459

구민구 (청주대학교 소프트웨어융합학부) , 박지용 (청주대학교 소프트웨어융합학부) , 이현무 (청주대학교 소프트웨어융합학부) , 노기섭 (청주대학교 소프트웨어융합학부)

초록
AI-Helper

한 나라의 출산율 감소는 생산가능인구가 감소하고, 인구구조 고령화에 따른 저축률 저하로 자본축적이 줄어들어 경제성장이 둔화 등의 문제가 발생한다. 현재 대한민국에서는 만 18세 이상의 모든 남성이 병역의 의무를 부과하고 있는 징병 제도를 시행하고 있다. 하지만 출산율 감소로 인해 모병 제도로의 전환이 사회적 이슈로 불거지고 있다. 본 논문에서는 출산율이 1 미만으로 떨어진 2018년부터 모병제에 대한 사회 인식을 분석하고자 '모병제' 키워드를 통해 검색된 뉴스 기사와 댓글을 수집하였다. 수집된 댓글 중 일부에 대해 레이블링을 진행하였고, 딥러닝 모델을 통해 감성 수준을 산출하였다. 본 연구를 통해 출산율 저하에 따라 모병제 전환에 대한 인식이 많이 증가하지 못한 것을 발견하였으며, 모병제에 대한 사람들의 관심도는 점차 증가하는 추세임을 확인하였다.

Abstract ▼ AI-Helper

A decrease in fertility rates causes problems such as decrease in the working-age population, and has a significant impact on national policies. Currently, the Republic of Korea has a conscription system that imposes military service on all men over the age of 18. However, the transition to the volunteer miliatry system is emerging as a social issue due to the decrease in the fertility rate. In this paper, news articles and comments searched for through the keyword ' volunteer miliatry system' were collected to analyze the social perception of the volunteer miliatry system from 2018, when the fertility rate dropped to less than 1. Some of the collected comments were labeled, and emotional levels were calculated through deep learning models. Through this study, we found that awareness of recruitment system conversion did not increase as the decrease in the fertility rate, and it was confirmed that people's interest is gradually increasing.

주제어

표/그림 (12)

표 표 1. 설문조사 응답 비율 Table 1. Survey response rates
그림 그림 1. 데이터 수집 알고리즘 Figure 1. Data collection algorithm
표 표 2. 데이터 수집 결과 Table 2. Result of data collection
표 표 3. 데이터 전처리 예시 Table 3. Example of data preprocesssing
그림 그림 2. 딥러닝 모델 구조 Figure. 2. Deep learning model structure
그림 그림 3. Keras 모델 기반의 회귀 분석 그래프 Figure 3. Keras model-based regression graph
그림 그림 4. KoBERT 모델 기반의 회귀 분석 그래프 Figure 4. KoBERT model-based regression graph
그림 그림 5. Keras 모델 기반 긍정률 그래프 Figure 5. Keras model-based positive rate graph
그림 그림 6. KoBERT 모델 기반 긍정률 그래프 Figure 6. KoBERT model-based positive rate graph
그림 그림 7. 댓글 5개 미만의 Keras 모델 기반 긍정률 그래프 Figure 7. Keras model-based positive rate graph with more than 5 comments
그림 그림 8. 댓글 5개 미만의 KoBERT 모델 기반 긍정률 그래프 Figure 8. KoBERT model-based positive rate graph with more than 5 comments
그림 그림 9. 기간별 평균 및 표준편차 그래프 Fig. 9. Graphs of mean and standard deviations by period

참고문헌 (6)

M. Kim, "A Study on the Transition of Military Recruitment System in Korea -Focusing on the Transition of the Taiwan Recruiting System,", Asia Culture Academy of Incorporated Association, Vol 21, pp.883-898, 2021. http://dx.doi.org/10.22143/HSS21.12.1.62

상세보기
S. Ahn, S. Ryu, and S. Hong, "A sentiment analysis model for small-scale unstructured policy data using transfer learning," Journal of the Korean Data And Information Science Society, Vol. 31, No. 2, pp. 405-414, 2020. https://doi.org/10.7465/jkdi.2020.31.2.405

상세보기
S. Park and K. Lee, "Effective Korean sentiment labeling method using word embedding and semi-supervised learning," Journal of Korean Institute of Intelligent Systems, Vol. 28, No. 2, pp. 185-191, 2018. https://doi.org/10.5391/JKIIS.2018.28.2.185

상세보기
S. H. HA and T. H. ROH, "Sentiment Analysis for Public Opinion in the Social Network Service," The journal of the convergence on culture technology, Vol. 6, No. 1, pp. 111-120, Feb. 2020. https://doi.org/10.17703/JCCT.2020.6.1.111

원문보기 상세보기
J. Devlin, M.-W. Chang, K. Lee, and K. Toutanova, "Bert: Pre-training of deep bidirectional transformers for language understanding," arXiv preprint arXiv:1810.04805, 2018. https://doi.org/10.18653/v1/N19-1423
M. Sahay. "How does IMDb's rating systemwork?" Quora. https://www.quora.com/How-does-IMDbs-rating-system-work (accessed Jun 26, 2021).

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