KR102275986B1 - 솔루션 기반 데이터 분석 및 예측 장치 및 동작 방법 - Google Patents
솔루션 기반 데이터 분석 및 예측 장치 및 동작 방법 Download PDFInfo
- Publication number
- KR102275986B1 KR102275986B1 KR1020200131416A KR20200131416A KR102275986B1 KR 102275986 B1 KR102275986 B1 KR 102275986B1 KR 1020200131416 A KR1020200131416 A KR 1020200131416A KR 20200131416 A KR20200131416 A KR 20200131416A KR 102275986 B1 KR102275986 B1 KR 102275986B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- analysis
- data
- prediction
- generating
- Prior art date
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 281
- 238000012800 visualization Methods 0.000 claims abstract description 49
- 230000009466 transformation Effects 0.000 claims abstract description 22
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000012351 Integrated analysis Methods 0.000 claims abstract description 16
- 238000012896 Statistical algorithm Methods 0.000 claims abstract description 16
- 238000007418 data mining Methods 0.000 claims abstract description 16
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims description 74
- 238000011160 research Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 9
- 238000003066 decision tree Methods 0.000 claims description 6
- 230000007115 recruitment Effects 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000012517 data analytics Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 32
- 238000004088 simulation Methods 0.000 description 24
- 238000007726 management method Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 15
- 230000004044 response Effects 0.000 description 12
- 238000013480 data collection Methods 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000002860 competitive effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000009193 crawling Effects 0.000 description 2
- 238000013501 data transformation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 102100040401 DNA topoisomerase 3-alpha Human genes 0.000 description 1
- 101000611068 Homo sapiens DNA topoisomerase 3-alpha Proteins 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명은 데이터 기반 과학적 의사결정 지원 및 대학 경쟁력 강화를 위한 기술적 사상에 관한 것으로서, 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치는 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되, 상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부, 상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부, 및 상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부를 포함할 수 있다.
Description
본 발명은 IR(Institutional Research) 시스템을 서포트하기 위한 기술로서, 수집된 데이터들을 솔루션 기반으로 분석 및 예측하여 시각화 하는 기술적 사상에 관한 것이다.
학령인구 급감, 대학 간 경쟁 심화, 대학교육 책무성 요구 등 급변하는 고등교육 환경 및 미래사회변화에 대처하기 위해 대학의 효율적 경영과 질적 경쟁력 제고는 최우선 과제이다.
학교나 기업 등과 같은 기관에서는, 기존 직관이나 경험 등에 의존하는 의사결정 방식이 아닌 객관적인 자료와 정보를 바탕으로 전략적이고 합리적인 의사결정을 해야만 경쟁력을 높이고 생존과 지속 성장이 가능하다.
기관에서는 데이터 기반의 교육 질 제고를 위해 학사정보 데이터를 과학적으로 활용하여 종합적인 질 관리 모델 구축 및 교육성과 분석, 모니터링, 평가, 환류, 교육정책 연구 및 개발 환경이 필요한 실정이다.
뿐만 아니라, 최적의 정책 및 제도, 경영전략 수립 등에 활용할 상세 분석자료 및 근거자료 역시 필요하며, 이러한 교육, 경영 성과를 제고하기 위해 기관의 전체에 걸친 데이터의 체계적인 수집, 통합, 연계, 분석 및 공동 활용을 통한 솔루션 기반 데이터 분석 및 예측 장치의 구축이 요구되고 있는 실정이다.
본 발명은 데이터 기반 과학적 의사결정 지원 및 대학 경쟁력 강화를 목적으로 한다.
본 발명은 의사결정 지원체계의 기반을 마련하기 위한 의사결정 지원시스템(IR시스템)을 구축하는 것을 목적으로 한다.
본 발명은 데이터 기반 의사결정 활성화를 위해, 데이터 수집, 저장, 변환 등에 대한 자동화의 기반을 마련하는 것을 목적으로 한다.
본 발명은 데이터 분석 및 보고서 제작환경을 시스템화 하는 것을 목적으로 한다.
본 발명은 대학이 직면한 각종 현안에 대한 의사결정 및 경영전략 수립을 지원하는 것을 목적으로 한다.
본 발명은 학교 주요 데이터에 대한 축적, 중앙화, 집중화를 제공하는 것을 목적으로 한다.
본 발명은 사용자 권한에 맞춘 공유(공동작업) 환경을 구축하는 것을 목적으로 한다.
본 발명은 부서 문제 해결에 대한 선제적 대응과 맞춤형 행정서비스를 제공하는 것을 목적으로 한다.
본 발명은 대학의 교육의 질 및 경영 성과 제고를 위한 효과적인 데이터 활용 및 환류시스템을 구축하고, 이를 통해 교육 및 경영 성과를 입증하는 것을 목적으로 한다.
일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치는 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되, 상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부, 상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부, 및 상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부를 포함할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 상기 저장된 정보에 대한 분석정보를 생성하되, 저장된 정보로부터 개인, 부서, 지표, 사업, 일자, 대분류, 평가명, 중점사업별 세부지표 중에서 적어도 하나의 정보를 식별하고, 상기 식별된 정보를 기준으로 필터링 또는 정렬된 전략 맵을 상기 분석정보로 생성할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 대학 전체 또는 단과대학별 핵심성과지표(KPI) 실적으로부터 지표별 목표대비 달성률, 전년동기 대비 증가율, 월별 달성률, 및 지표값 로데이터 중에서 적어도 하나를 상기 분석정보로 생성할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 상기 비전산화자료 중에서 민원자료로부터 민원내용, 민원인 정보, 답변자 정보 중에서 적어도 하나를 이용하여 상기 분석정보를 생성할 수 있다.
일실시예에 따른 상기 예측정보 생성부는, 상기 직원 및 교원으로 구분하여 민원을 예측하되, 수집된 민원자료를 주제별로 분류하고, 상기 주제별로 분류된 민원자료로부터 민원 키워드를 추출하며, 상기 추출된 민원 키워드에 대한 월별 추이를 파악하여, 직원 및 교직원 각각에 대한 원별 민원을 예측하는 예측정보를 생성할 수 있다.
일실시예에 따른 상기 예측정보 생성부는, 상기 생성된 예측정보를 기반으로 시설물에 대한 점검 일정을 스케쥴링하는 스케쥴링 정보를 생성할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 상기 기간계 데이터베이스에 등록된 제안 관련 정보로부터 제안 현황을 분석하되, 월별 제안 건수, 주제별 제안 건수, 접속자수 현황, 각 게시글에 대한 정보로서, 주제, 공감수, 답변여부, 정책반영여부 중에서 적어도 하나를 기준으로 필터링 또는 정렬된 제안 현황을 상기 분석정보로 생성할 수 있다.
일실시예에 따른 상기 외부의 공시자료와 기간계 데이터베이스에 기록된 정보를 대비하여 분석정보를 생성하고, 상기 예측정보 생성부는, 상기 생성된 분석정보를 기반으로 언론사 대학평가 종합순위를 예측하는 예측정보를 생성할 수 있다.
일실시예에 따른 상기 예측정보 생성부는, 상기 언론사 대학평가 종합순위를 예측하여 예측정보를 생성하되, 상기 생성된 분석정보로부터 복수의 영역별 복수의 지표들을 식별하고, 상기 식별된 복수의 지표들 각각에 대한 실값으로부터 z값(standard score)을 산출하고, z값이 양수인지 또는 음수인지 여부에 따라 상기 복수의 지표들 각각에 서로 다른 스코어를 적용하며, 상기 복수의 지표들 각각에 적용된 스코어를 합산하여 정수화한 결과를 종합 점수로 산출하고, 상기 산출된 종합 점수에 따라 상기 언론사 대학평가 종합순위를 예측할 수 있다.
일실시예에 따른 상기 예측정보 생성부는, 상기 z값이 양수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최대 z값의 비율을 합산한 결과를 스코어에 반영하고, 상기 z값이 음수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최소 z값의 비율 간의 차이를 스코어에 반영할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 상기 데이터 소스로부터 전임교원 확보율, 교육비 환원율, 법인 책무성 실적, 재학생당 총 강좌수, 강의 규모의 적절성, 비전임교원 담당학점 대비 강사 담당 학점 비율, 강사 보수수준, 신입생 충원율, 재학생 충원율, 졸업생 취업률, 유지 취업률 중에서 적어도 하나의 정보를 추출하여 분석정보를 생성하되, 상기 추출된 정보의 각각에 서로 다른 배점을 적용하여, 평가 그룹 내 순위를 산출하고, 산출된 순위를 종합하여 최종 점수 및 최종 순위를 상기 분석정보로서 생성할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 상기 추출된 정보로부터 연도별, 계열별, 또는 학과별 지표 실적을 구분하여 분석정보를 생성하고, 상기 생성된 분석정보를 연도, 계열, 또는 학과 중에서 적어도 하나의 기준을 이용하여 필터링 또는 정렬하여 상기 분석정보를 생성할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 상기 추출된 정보로부터 개인별 또는 학과별 지표 실적을 구분하여 분석정보를 생성하되, 상기 개인별 지표 실적으로 연구역량, 강의평가, 전공능력, 포트폴리오, 강의역량로부터 분석정보를 생성하고, 상기 학과별 지표 실적으로 대학정보공시, 교내지표현황, 설문조사결과로부터 분석정보를 생성할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 핵심역량, 성적, 비교과, 외국어성적, 현장실습, 장학금, 교환학생, 봉사활동, 대출권수, 열람실 이용시간 중에서 적어도 하나로부터 산출되는 학습활동이력과, 입학전형으로부터 생성되는 연관 데이터 상관관계를 포함하는 분석정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치.
일실시예에 따른 상기 분석정보 생성부는, 재학생, 신입생, 휴학생, 자퇴생, 및 교직원을 대상으로 정기적으로 수행되는 설문조사 결과를 통합하여 상기 분석정보로 생성할 수 있다.
일실시예에 따른 상기 분석정보 생성부는, 상기 기저장된 솔루션인 중도탈락 예측 모델에 기반하여, 상기 저장된 정보로부터 중도탈락 위험군에 포함되는 학생을 상기 분석정보로서 산출하되, 상기 중도탈락 예측 모델은 과거에 중도탈락한 학생과 학업을 유지하는 학생을 두 집단으로 그룹핑하고, 각각의 학생들에 대한 강의평가, 성적, 학점, 연령, 입학전형, 고등학교정보, 소속 단과대 및 학과, 및 입학경쟁률 중에서 적어도 하나를 의사결정나무(Decision Tree)로 분석하여 위험도를 산출할 수 있다.
일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법은 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하는 단계, 상기 생성된 분석정보를 기반으로 예측정보를 생성하는 단계, 및 상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 단계를 포함하고, 상기 분석정보를 생성하는 단계는, 상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 단계를 포함할 수 있다.
일실시예에 따른 상기 분석정보를 생성하는 단계는, 상기 외부의 공시자료와 기간계 데이터베이스에 기록된 정보를 대비하여 분석정보를 생성하는 단계를 포함하고, 상기 예측정보를 생성하는 단계는, 상기 생성된 분석정보를 기반으로 언론사 대학평가 종합순위를 예측하는 예측정보를 생성하는 단계를 포함할 수 있다.
일실시예에 따른 상기 예측정보를 생성하는 단계는, 상기 생성된 분석정보로부터 복수의 영역별 복수의 지표들을 식별하는 단계, 상기 식별된 복수의 지표들 각각에 대한 실값으로부터 z값(standard score)을 산출하는 단계, 상기 산출된 z값이 양수인지 또는 음수인지 여부에 따라 상기 복수의 지표들 각각에 서로 다른 스코어를 적용하는 단계, 상기 복수의 지표들 각각에 적용된 스코어를 합산하여 정수화한 결과를 종합 점수로 산출하는 단계, 및 상기 산출된 종합 점수에 따라 상기 언론사 대학평가 종합순위를 예측하는 단계를 포함할 수 있다.
일실시예에 따른 상기 예측정보를 생성하는 단계는, 상기 z값이 양수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최대 z값의 비율을 합산한 결과를 스코어에 반영하고, 상기 z값이 음수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최소 z값의 비율 간의 차이를 스코어에 반영하는 단계를 포함할 수 있다.
일실시예에 따르면, 데이터 기반 과학적 의사결정 지원 및 대학 경쟁력을 강화할 수 있다.
일실시예에 따르면, 의사결정 지원체계의 기반을 마련하기 위한 의사결정 지원시스템(IR시스템)을 구축할 수 있다.
일실시예에 따르면, 데이터 기반 의사결정 활성화를 위해, 데이터 수집, 저장, 변환 등에 대한 자동화의 기반을 마련할 수 있다.
일실시예에 따르면, 데이터 분석 및 보고서 제작환경을 시스템화 할 수 있다.
일실시예에 따르면, 대학이 직면한 각종 현안에 대한 의사결정 및 경영전략 수립을 지원할 수 있다.
일실시예에 따르면, 학교 주요 데이터에 대한 축적, 중앙화, 집중화를 제공할 수 있다.
일실시예에 따르면, 사용자 권한에 맞춘 공유(공동작업) 환경을 구축할 수 있다.
일실시예에 따르면, 부서 문제 해결에 대한 선제적 대응과 맞춤형 행정서비스를 제공할 수 있다.
일실시예에 따르면, 대학의 교육의 질 및 경영 성과 제고를 위한 효과적인 데이터 활용 및 환류시스템을 구축하고, 이를 통해 교육 및 경영 성과를 입증할 수 있다.
도 1은 일실시예에 따른 IR(Institutional Research) 시스템을 설명하는 도면이다.
도 2는 IR 시스템을 서포트하는 솔루션 기반 데이터 분석 및 예측 장치를 구체적으로 설명하는 도면이다.
도 3은 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치를 구현하기 위한 IR 시스템의 플랫폼의 구조를 설명하는 도면이다.
도 4는 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치가 제공하는 분석 및 예측 서비스를 이용하기 위한 홈 화면을 설명하는 도면이다.
도 5는 전략 맵의 화면 접속시 조회되는 메인화면을 설명하는 도면이다.
도 6a는 전략 맵의 화면 접속 후, 개인/부서별 활성화 시, 조회되는 메인화면을 나타내는 도면이다.
도 6b는 전략 맵의 화면 접속 후, 상세 목록 조회 시, 조회되는 메인화면을 나타내는 도면이다.
도 7a는 일실시예에 따른 핵심성과지표(KPI) 실적 분석을 위한 메인화면을 나타내는 도면이다.
도 7b는 지표별 현황 영역 상세에서 각 지표의 돋보기 클릭 시 나타나는 상세 화면을 설명하는 도면이다.
도 7c는 지표 상세 화면의 단과대학별 비교 버튼 클릭 시 나타나는 팝업창을 설명하는 도면이다.
도 7d는 지표 상세 화면의 언론사 버튼 클릭 시 나타나는 팝업창을 설명하는 도면이다.
도 8a는 홈 화면 중 민원 현황 화면 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 8b는 조회되는 메인화면 중에서 결과를 도시하는 영역에 삽입될 수 있는 결과 그래프의 실시예를 설명하는 도면이다.
도 9는 홈 화면 중 민원 예측 화면 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 10은 홈 화면 중 제안 현황(소통공감 홈페이지) 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 11a는 홈 화면 중 언론사 대학평가 시뮬레이션 화면 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 11b는 언론사 대학평가 시뮬레이션 화면에서 과거 실적 조회 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 11c는 언론사 대학평가 시뮬레이션 화면에서 과거 실적 차트 조회 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 11d는 언론사 대학평가 시뮬레이션 화면에서 시뮬레이션 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 11e는 언론사 대학평가 시뮬레이션 화면에서 시뮬레이션 버튼 선택 시 일측에서 조회되는 화면을 나타내는 도면이다.
도 12는 홈 화면 중 대학 기본역량 진단 시뮬레이션(정량) 클릭 시 조회되는 화면을 나타내는 도면이다.
도 13은 홈 화면 중에서 대학 기본역량 진단 점수 예상 중 시뮬레이션 화면에서 상세 조정 버튼 클릭시 조회되는 화면을 나타내는 도면이다.
도 14a는 홈 화면 중에서 학과평가 결과 분석 화면 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 14b는 학과평가 결과 분석 화면에서 교내자체평가보기 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 14c는 학과평가 결과 분석 화면에서 대외경쟁력평가보기 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 14d는 학과평가 결과 분석 화면에서 최종평가보기] 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 15a는 홈 화면에서 교육 및 연구를 선택하면 표시되는 메인화면을 나타낸다.
도 15b는 메인화면 중 개인의 연구역량 버튼 클릭 시 조회 되는 화면을 나타낸다.
도 16은 홈 화면에서 학생 전주기적 학습활동 분석을 선택하는 경우에 나타나는 메인화면이다.
도 17은 홈 화면에서 설문조사 결과 분석을 선택하는 경우에 나타나는 메인화면이다.
도 18a는 홈 화면에서 학부생 중도탈락 예측 분석 접속 시, 조회되는 메인화면이다.
도 18b는 학부생 중도탈락 예측하는 구체적인 실시예를 설명하는 도면이다.
도 19는 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법을 설명하는 도면이다.
도 2는 IR 시스템을 서포트하는 솔루션 기반 데이터 분석 및 예측 장치를 구체적으로 설명하는 도면이다.
도 3은 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치를 구현하기 위한 IR 시스템의 플랫폼의 구조를 설명하는 도면이다.
도 4는 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치가 제공하는 분석 및 예측 서비스를 이용하기 위한 홈 화면을 설명하는 도면이다.
도 5는 전략 맵의 화면 접속시 조회되는 메인화면을 설명하는 도면이다.
도 6a는 전략 맵의 화면 접속 후, 개인/부서별 활성화 시, 조회되는 메인화면을 나타내는 도면이다.
도 6b는 전략 맵의 화면 접속 후, 상세 목록 조회 시, 조회되는 메인화면을 나타내는 도면이다.
도 7a는 일실시예에 따른 핵심성과지표(KPI) 실적 분석을 위한 메인화면을 나타내는 도면이다.
도 7b는 지표별 현황 영역 상세에서 각 지표의 돋보기 클릭 시 나타나는 상세 화면을 설명하는 도면이다.
도 7c는 지표 상세 화면의 단과대학별 비교 버튼 클릭 시 나타나는 팝업창을 설명하는 도면이다.
도 7d는 지표 상세 화면의 언론사 버튼 클릭 시 나타나는 팝업창을 설명하는 도면이다.
도 8a는 홈 화면 중 민원 현황 화면 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 8b는 조회되는 메인화면 중에서 결과를 도시하는 영역에 삽입될 수 있는 결과 그래프의 실시예를 설명하는 도면이다.
도 9는 홈 화면 중 민원 예측 화면 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 10은 홈 화면 중 제안 현황(소통공감 홈페이지) 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 11a는 홈 화면 중 언론사 대학평가 시뮬레이션 화면 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 11b는 언론사 대학평가 시뮬레이션 화면에서 과거 실적 조회 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 11c는 언론사 대학평가 시뮬레이션 화면에서 과거 실적 차트 조회 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 11d는 언론사 대학평가 시뮬레이션 화면에서 시뮬레이션 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 11e는 언론사 대학평가 시뮬레이션 화면에서 시뮬레이션 버튼 선택 시 일측에서 조회되는 화면을 나타내는 도면이다.
도 12는 홈 화면 중 대학 기본역량 진단 시뮬레이션(정량) 클릭 시 조회되는 화면을 나타내는 도면이다.
도 13은 홈 화면 중에서 대학 기본역량 진단 점수 예상 중 시뮬레이션 화면에서 상세 조정 버튼 클릭시 조회되는 화면을 나타내는 도면이다.
도 14a는 홈 화면 중에서 학과평가 결과 분석 화면 접속 시, 조회되는 메인화면을 나타내는 도면이다.
도 14b는 학과평가 결과 분석 화면에서 교내자체평가보기 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 14c는 학과평가 결과 분석 화면에서 대외경쟁력평가보기 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 14d는 학과평가 결과 분석 화면에서 최종평가보기] 버튼 선택 시 조회되는 화면을 나타내는 도면이다.
도 15a는 홈 화면에서 교육 및 연구를 선택하면 표시되는 메인화면을 나타낸다.
도 15b는 메인화면 중 개인의 연구역량 버튼 클릭 시 조회 되는 화면을 나타낸다.
도 16은 홈 화면에서 학생 전주기적 학습활동 분석을 선택하는 경우에 나타나는 메인화면이다.
도 17은 홈 화면에서 설문조사 결과 분석을 선택하는 경우에 나타나는 메인화면이다.
도 18a는 홈 화면에서 학부생 중도탈락 예측 분석 접속 시, 조회되는 메인화면이다.
도 18b는 학부생 중도탈락 예측하는 구체적인 실시예를 설명하는 도면이다.
도 19는 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법을 설명하는 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 IR 시스템(100)을 설명하는 도면이다.
일실시예에 따른 IR 시스템(100)은 데이터 기반의 과학적 의사결정을 지원하고, 대학 경쟁력을 강화할 수 있다.
이를 위해, 일실시예에 따른 IR 시스템(100)은 서버부(120), 솔루션 기반 데이터 분석 및 예측 장치(130), 및 결과 처리부(140)를 포함할 수 있다.
구체적으로, 서버부(120)는 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료 중에서 적어도 하나를 포함하는 데이터 소스(110)로부터 정보를 추출하며, 추출된 정보를 저장할 수 있다.
예를 들어, IR 시스템(100)이 학교의 운영에 필요한 의사결정을 지원하는 경우, 교내/외 데이터 수집 체계를 지원할 수 있으며, 기간계 데이터베이스는 uDRIMS, 입시DRIMS, Dream PATH+, e-Class 등으로 해석될 수 있고, 비전산화자료는 자료(엑셀) 등의 분석자료로 해석될 수 있다.
또한, 외부의 공시자료는 대학정보공시 자료로 해석될 수 있다.
또한, 솔루션 기반 데이터 분석 및 예측 장치(130)은 기저장된 솔루션을 이용하여, 저장된 정보에 대한 분석정보를 생성할 수 있다. 또한, 솔루션 기반 데이터 분석 및 예측 장치(130)은 생성된 분석정보를 기반으로 예측정보를 생성하며, 분석정보 및 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성할 수 있다.
구체적으로, 솔루션 기반 데이터 분석 및 예측 장치(130)은 수집된 데이터를 다양한 측면에서 복합적으로 분석하고 다양한 시각화가 가능한 모델 및 플랫폼을 개발할 수 있다. 특히, 필요한 데이터를 쉽고 편리하게 원하는 형태로 추출, 가공, 분석하여 다른 사용자에게 공유할 수 있고, 분석을 위한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, 다양한 AI(Machine Learning 등) 및 통계 알고리즘을 활용하여 분석모델에 따른 분석정보를 생성할 수 있다.
다음으로, 결과 처리부(140)는 분석정보, 예측정보, 및 시각화 정보 중에서 하나를 포함하는 결과 데이터를 사용자 디바이스에 출력하도록 제어할 수 있다.
사용자는 의사 결정을 위한 결정자 또는 직원 및 교원을 포함하는 일반 사용자, 데이터 활용을 위한 데이터 분석가 등을 포함할 수 있다. 또한, 사용자 디바이스는 의사결정을 하는데 있어서, 사용자가 결과 데이터를 확인할 수 있는 장치로서, PC, 스마트폰, 태블릿 등의 다양한 장치들을 포함하는 개념으로 해석될 수 있다.
빅데이터 분석 영역(150)의 경우 포털, SNS 또는 공공 데이터 등에서 수집 가능한 웹 로그, 시스템 로그 등을 포함하며, 수집 및 공유된 교내 주요 문서자료나, 웹, 소셜미디어 정보, 공공데이터 등을 ETL이나 크롤링 등의 방식을 통해 빅데이터를 수집하여 관리하는 영역에 해당한다.
도 2는 IR 시스템을 서포트하는 솔루션 기반 데이터 분석 및 예측 장치(200)을 구체적으로 설명하는 도면이다.
일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치(200)은 의사결정 지원체계의 기반을 마련하기 위한 의사결정 지원시스템(IR시스템)을 서포트할 수 있다. 또한, 데이터 기반 의사결정 활성화를 위해, 데이터 수집, 저장, 변환 등에 대한 자동화의 기반을 마련할 수 있으며, 데이터 분석 및 보고서 제작환경을 시스템화 할 수 있다.
이를 위해, 솔루션 기반 데이터 분석 및 예측 장치(200)는 분석정보 생성부(210), 예측정보 생성부(220), 및 시각화정보 생성부(230)를 포함할 수 있다.
일실시예에 따른 분석정보 생성부(210)는 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성할 수 있다.
특히, 분석정보 생성부(210)는 기저장된 솔루션을 이용하여, 상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성할 수 있다.
일실시예에 따른 예측정보 생성부(220)는 생성된 분석정보를 기반으로 예측정보를 생성할 수 있다.
일실시예에 따른 시각화정보 생성부(230)는 분석정보 및 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성할 수 있다. 일례로, 시각화정보 생성부(230)는 생성된 분석정보 및 예측정보에 대해, 그래프, 챠트, 그리드, 3D 등으로 표현한 시각화 정보를 생성할 수 있다.
도 3은 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치를 구현하기 위한 IR 시스템의 플랫폼의 구조를 설명하는 도면이다.
본 발명의 일실시예에 따른 IR 시스템의 플랫폼을 살펴보면, 데이터 소스(310), 데이터 수집(320), 데이터 저장(330), 분석(340), 시각화(350), 기능성(360)의 순서로 적층된 레이어를 나타낼 수 있다.
IR 시스템의 플랫폼(300)의 각 기능들은 도 1의 데이터 기반의 의사결정 지원시스템(100)의 구성요소들에서 수행될 수 있다.
일례로, 데이터 소스(310)는 도 1의 데이터 스스(110)에 대응되고, 데이터 수집(320), 데이터 저장(330)의 기능은 서버부(120)에서 수행되며, 분석(340)과 시각화(350)는 솔루션 기반 데이터 분석 및 예측 장치(130)에서 수행될 수 있는 기능이고, 기능성(360)에 해당하는 기능들은 결과 처리부(140)를 통해 구현될 수 있다.
먼저, 데이터 소스(310) 레이어에서는 구조화된 데이터 또는 비구조화된 데이터가 구비될 수 있고, 구조화된 데이터로는 학사, 행정, 연구에 필요한 다양한 포맷의 파일들을 포함할 수 있다. 또한, 비구조화된 데이터로는 웹이나 SNS에 기록된 영상, 음성, 그림 등의 데이터를 포함할 수 있다. 또한, 장치나 빅데이터의 머신 데이터 등의 가공된 데이터를 포함할 수도 있다.
데이터 수집(320) 레이어에서는 데이터 소스(310) 레이어에 분포되어 있는 다양한 형태의 데이터들을 수집할 수 있다. 예를 들어, 솔루션 기반 데이터 분석 및 예측 장치는 데이터 수집(320) 레이어를 통해 웹 또는 SNS 등에 분포된 데이터를 ETL(Extraction, Transformation, Loading) 방식으로 수집할 수 있다. 예를 들어, 하나 또는 그 이상의 데이터 소스들로부터 데이터를 추출(Extraction)하여 획득하거나, 데이터 클렌징, 형식 변환, 표준화, 통합 또는 다수의 애플리케이션에 내장된 비즈니스룰을 적용하는 등의 형태로 변형(Transformation)하거나, 위 변형된 데이터를 특정 목표 시스템에 적재하는 적재(Loading) 과정을 수행할 수 있다.
또한, 솔루션 기반 데이터 분석 및 예측 장치는 데이터 수집(320) 레이어를 통해 로그를 수집하거나, 메일로부터 획득되는 정보들을 수집하거나, 서치 또는 크롤링 등의 방식을 활용하여 데이터 소스(310)로부터 빅데이터를 수집할 수 있다.
다음으로, 솔루션 기반 데이터 분석 및 예측 장치는 데이터 저장(330) 레이어를 통해 수집된 빅데이터를 데이터베이스에 저장할 수 있다.
예를 들어, 솔루션 기반 데이터 분석 및 예측 장치는 데이터 저장(330) 레이어를 통해 수집된 빅데이터를 Mart DB(MS SQL, ORACLE, DB2, SAP, In-MEM DB)에 저장하거나, 미리 구축한 파일 시스템이나 다양한 형태의 SQL DB에 저장할 수도 있다.
다음으로, 솔루션 기반 데이터 분석 및 예측 장치는 분석(340) 레이어를 통해 수집 후 저장된 데이터를 분석하여, 분석정보 또는 예측정보를 생성할 수 있다.
이를 위해, 솔루션 기반 데이터 분석 및 예측 장치는 기 구축된 솔루션을 활용할 수 있으며, 이는 OLAP, CEP Engine, 분석 플랫폼, 워크플로우 매니저, 통계 라이브러리 등을 활용할 수 있다.
다음으로, 시각화(350) 레이어에서는 분석정보 및 예측정보에 대해 다차원의 시각화를 표현하기 위한 시각화 정보로 가공할 수 있다.
예를 들면, 시각화(350) 레이어에서는 분석정보 및 예측정보에 대해, 그래프, 챠트, 그리드, 3D 등으로 표현한 시각화 정보를 생성할 수 있다.
솔루션에 의한 분석 및 예측, 구체적인 구현을 위한 시각화 등에 대해서는 이하 도 4를 통해 보다 구체적으로 설명한다.
기능성(360) 레이어에서는 생성된 분석정보, 예측정보, 및 시각화 정보를 활용하여 업무 지원을 위한 현황, 통계, 및 실적조회 등의 기능을 구현할 수 있다. 또한, 실시간 통계를 위해 대쉬보드나 매출속보를 제공하거나, BI 응용 분석을 위해 히스토리에 대한 분석 및 통계 기능을 제공할 수 있다. 뿐만 아니라, 기능성(360) 레이어에서는 고급 분석을 위한 패턴 및 예측 모델링을 구현할 수 있으며, 이를 위한 스코어링이나 세그멘테이션 등의 다양한 기능을 제공할 수 있다.
도 4는 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치가 제공하는 분석 및 예측 서비스를 이용하기 위한 홈 화면을 설명하는 도면이다.
수집된 데이터를 활용하여 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치가 생성한 분석정보, 예측정보, 및 시각화 정보는 결과 처리부에 의해 사용자 영역인 사용자 디바이스에 출력될 수 있다.
이하 도 4 내지 도 18에서는 설명의 편의를 위해, 사용자 디바이스를 랩탑, PC 등의 컴퓨터 단말기로 가정하고, 결과 처리부가 사용자 디바이스를 제어하여 분석정보, 예측정보, 및 시각화 정보를 화면상에 표시하는 것으로 본 발명을 설명한다.
IR 시스템은 솔루션 기반 데이터 분석 및 예측 장치로부터 분석정보, 예측정보, 및 시각화정보를 제공 받아 사용자 디바이스의 홈 화면(400)을 통해 솔루션을 통해 수집된 데이터를 분석한 분석정보, 예측정보, 및 시각화 정보를 제공할 수 있다.
먼저, IR 시스템은 경영/행정 영역(410), 교내/외 평가 영역(420), 교육/연구 영역(430)으로 구분하여 홈 화면(400)을 제공할 수 있다.
이 중에서, 경영/행정 영역(410)은 분석 및 예측된 정보를 활용한 전략 맵을 시각화하기 위한 선택 영역(411), 핵심성과지표 실적 분석을 시각화 하기 위한 선택 영역(412), 민원 현황에 대한 분석정보를 시각화 하기 위한 선택 영역(413), 민원 예측에 대한 분석정보를 시각화 하기 위한 선택 영역(414), 및 제안 현황을 시각화 하기 위한 선택 영역(415)을 포함할 수 있다.
또한, 교내/외 평가 영역(420)은 언론사 대학평가 시뮬레이션에 따른 분석정보를 시각화 하기 위한 선택 영역(421), 대학 기본역량 진단 시뮬레이션에 따른 분석정보를 시각화 하기 위한 선택 영역(422), 학과평가 결과 분석을 시각화 하기 위한 선택 영역(423)을 포함할 수 있다.
또한, 교육/연구 영역(430)은 교육 및 연구 경쟁력 분석을 시각화 하기 위한 선택 영역(431), 학생 전주기적 학습활동 분석에 따른 결과를 시각화 하기 위한 선택 영역(432), 설문조사 결과 분석을 시각화 하기 위한 선택 영역(433), 교육과정 운영결과를 시각화 하기 위한 선택 영역(434), 학부생 중도탈락 예측 분석을 위한 분석정보를 시각화 하기 위한 선택 영역(435), 대학정보공시 자료 분석에 따른 정보들을 시각화 하기 위한 선택 영역(436)을 포함할 수 있다.
도 4에 배치된 선택 영역들은 일실시예에 해당하며, 다양한 형태로 설계변경 될 수 있음은 자명하다.
이하에서는, 솔루션 기반 데이터 분석 및 예측 장치가 각 선택영역들을 통해 분석정보, 예측정보, 이들을 활용한 시각화 정보를 표현하는 구체적인 실시예를 설명한다.
도 5는 전략 맵의 화면 접속시 조회되는 메인화면(500)을 설명하는 도면이다.
일실시예에 따른 분석정보 생성부는, 저장된 정보에 대한 분석정보를 생성하고, IR 시스템은 생성된 분석정보를 이용하여 전략 맵의 화면 접속시 조회되는 메인화면(500) 및 하위 화면들을 제공할 수 있다. 특히, 일실시예에 따른 분석정보 생성부는 저장된 정보로부터 개인, 부서, 지표, 사업, 일자, 대분류, 평가명, 중점사업별 세부지표 중에서 적어도 하나의 정보를 식별하고, 분석정보 생성부는 식별된 정보를 기준으로 필터링 또는 정렬된 전략 맵을 분석정보로 생성하여 IR 시스템에 전달하고, IR 시스템은 메인화면(500) 및 하위 화면들을 제공할 수 있다.
구체적으로, 메인화면(500)은 전략 맵을 시각화 하기 위해, '개인별' 화면, '부서별' 화면으로 구분되는 두 가지 조회창을 제공할 수 있고, 도면부호 500의 메인화면은 이 중에서 개인별 화면에 해당한다. 전략 맵을 시각화 하기위한 메인화면(500)은 개인별 또는 부서별로 그룹웨어에 기안한 문서 현황을 확인하는 화면이다.
도면부호 510로 식별되는 영역은 조회하고자 하는 정보들을 입력할 수 있는 영역에 해당된다. 예를 들어, 도면부호 510로 식별되는 영역에는 조회하고자 하는 문서 기안 연도를 선택하는 [기준년도] 항목, 조회하고자 하는 문서 기안부서를 선택하는 [부서] 항목, 조회하고자 하는 기안자명을 선택할 수 있는 [이름] 항목, 선택한 조건에 부합된 결과가 하단 화면에 조회되는 [조회] 항목, '개인·부서별 상세조회' 화면으로 이동할 수 있는 [상세조회] 항목을 포함할 수 있다.
또한, 도면부호 510로 식별되는 영역은 월별 문서량 추이 그래프를 조회하고자 할 경우 선택할 수 있는 [월별추이] 항목과, 대분류별 요약표를 조회하고자 할 경우 선택할 수 있는 [분류별 문서수] 항목을 포함할 수 있다.
도면부호 520으로 식별되는 영역에는 선택한 조건에 부합하는 월별 문서량 추이 그래프와 선택한 조건에 부합하는 대분류별 요약 표가 표시될 수 있다.
또한, 도면부호 530으로 식별되는 영역은 문서를 기안한 개인(또는 부서명)이 조회될 수 있고, 도면부호 540으로 식별되는 영역은 대분류 항목(Energize Dongguk, 대외평가, 대학기본역량진단)이 조회될 수 있다.
또한, 도면부호 550으로 식별되는 영역은 평가명(핵심과제)와 연계된 문서량이 조회될 수 있고, 도면부호 560으로 식별되는 영역은 세부지표(중점사업)과 연계된 문서량이 조회될 수 있다.
도 6a는 전략 맵의 화면 접속 후, 개인/부서별 활성화 시, 조회되는 메인화면(610)을 나타내는 도면이다.
도 6a는 도 5에서 설명한 영역들에 구체적인 데이터가 표시되는 실시예를 설명하는 것으로서, 도면부호 611로 식별되는 영역은 조회하고자 하는 정보들을 입력할 수 있는 영역에 해당된다.
도면부호 612로 식별되는 영역에는 선택한 조건에 부합하는 월별 문서량 추이 그래프와 선택한 조건에 부합하는 대분류별 요약 표가 표시될 수 있다. 도면부호 612에서는 1월에 가장 높은 월별 문서량이 나타나는 것으로 표시된다.
도면부호 613은 문서를 기안한 개인(또는 부서명)이 조회되는 영역에 해당하고, 도면부호 614는 대분류 항목(Energize Dongguk, 대외평가, 대학기본역량진단) 영역에 해당하며, 도면부호 615는 평가명(핵심과제)와 연계된 문서량이 조회되는 영역에 해당하며, 도면부호 615는 세부지표(중점사업)과 연계된 문서량이 조회되는 영역에 해당한다. 각 영역에서는, 해당항목 막대바 더블클릭시 '상세 목록 조회' 화면으로 이동하여 문서 건수에 해당하는 그룹웨어 문서 정보 표시될 수 있다.
도면부호 613 내지 도면부호 616에 표시되는 라인 연결(617, 618, 619)은 데이터에 대한 다양한 의미를 나타낼 수 있다.
구체적인 예로, 데이터 기반의 의사결정 지원시스템은 라인 연결(617, 618, 619)의 색깔이나 위치 모양 등을 달리하여 업무 분류 중에서 대분류, 중분류, 소분류를 구분 지을 수 있다. 뿐만 아니라, 라인 연결(617, 618, 619)을 통해 부서간의 유사성, 협업성 분석, 업무의 현재 상태(미비, 완료, 진행 여부) 등을 나타낼 수 있다. 또한, 라인 연결(617, 618, 619)을 통해 해당 도면번호 613 내지 616의 유기적 관계(업무 또는 업무자의 관련성, 집중성, 정량적 정성적 성향 파악 가능 등)를 표현할 수 있다.
도 6b는 전략 맵의 화면 접속 후, 상세 목록 조회 시, 조회되는 메인화면(620)을 나타내는 도면이다.
메인화면(620)은 개인 및 부서별 상세 조회에 해당하며, 그룹웨어에 기안한 문서의 주요 내용을 조회 및 다운로드 할 수 있는 화면에 해당한다.
도면부호 621은 상세 목록 조회를 위한 정보들을 입력하는 영역에 해당하며, 도면부호 622는 결과 데이터가 조회되는 영역에 해당한다.
도면부호 621의 영역에는 조회하고자 하는 상세 구분(기본조회, 세부지표(중점사업))에 따라 선택 가능한 [조회구분] 항목이 표시될 수 있다.
또한, 도면부호 621의 영역에는 조회하고자 하는 문서 기안 연도 선택할 수 있는 [기준년도] 항목, 조회하고자 하는 문서 기안부서를 선택할 수 있는 [부서] 항목, 조회하고자 하는 문서 기안자를 선택할 수 있는 [이름] 항목, 조회하고자 하는 문서의 대분류 선택할 수 있는 [대분류] 항목을 포함할 수 있다.
결과 데이터가 표시되는 도면부호 622의 영역에는 기안부서, 교직원번호, 기안자, 대분류 등의 필드로 구분되는 결과 데이터가 표시될 수 있다.
도 7a는 일실시예에 따른 핵심성과지표(KPI) 실적 분석을 위한 메인화면(710)을 나타내는 도면이다.
일실시예에 따른 분석정보 생성부는, 대학 전체 또는 단과대학별 핵심성과지표(KPI) 실적으로부터 지표별 목표대비 달성률, 전년동기 대비 증가율, 월별 달성률, 및 지표값 로데이터 중에서 적어도 하나를 분석정보로 생성하고, IR 시스템은 생성된 분석정보를 이용하여 접속시 조회되는 메인화면(710) 및 하위 화면들을 제공할 수 있다.
구체적으로, 메인화면(710)은 월별 KPI 실적, 단과대학별 KPI실적비교, KPI 실적 원데이터 조회 등으로 화면이 구성될 수 있다.
메인화면(710)에는 조회항목을 입력하기 위한 영역(711)과, 지표별 현황(712)을 나타내는 영역, 지표별 현황 영역의 상세를 나타내는 영역(713)으로 구분될 수 있다.
지표별 현황으로는 좌표 영역에 목표대비 및 전년동기대비 수준이 표시될 수 있고, 지표별 현황 영역 상세에는 지표별 목표대비 및 전년동기대비 수준이 표시될 수 있다.
01영역(1사분면) 지표로는 좌측 좌표 영역의 1사분면에 해당하는 지표 달성률이 표시될 수 있고, 목표대비 높고, 전년대비 높은 지표를 의미한다.
또한, 02영역(2사분면) 지표로는 좌측 좌표 영역의 2사분면에 해당하는 지표 달성률이 표시될 수 있고, 목표대비 낮고, 전년대비 높은 지표를 의미할 수 있다.
03영역(3사분면) 지표로는 좌측 좌표 영역의 3사분면에 해당하는 지표 달성률이 표시될 수 있고, 목표대비 낮고, 전년대비 낮은 지표를 의미한다.
04영역(4사분면) 지표로는 좌측 좌표 영역의 4사분면에 해당하는 지표 달성률이 표시될 수 있고, 목표대비 높고, 전년대비 낮은 지표를 의미한다.
먼저, 도면부호 712로 구분되는 영역에는 지표들에 대해, 목표대비 달성율과 전년동기대비 증가율을 기본 축으로 하는 그래프가 표시될 수 있다. 또한, 도면부호 713으로 구분되는 영역에는 지표별 현황 영역의 상세가 표시될 수 있으며, 각 사분면에 해당하는 영역의 지표들을 구체적으로 표시할 수 있다.
즉, 02영역 지표에는 지표1, 지표2, 지표3, 지표4에 대한 목표대비 수치와 전년대비 수치가 기록될 수 있고, 03영역 지표에는 지표 10, 지표 11, 지표 12, 지표 14에 대한 목표대비 수치와 전년대비 수치가 기록될 수 있다.
도 7b는 지표별 현황 영역 상세에서 각 지표의 돋보기 클릭 시 나타나는 상세 화면을 설명하는 도면(720)이다.
도면부호 721로 식별되는 영역은 조회항목을 입력하기 위한 세부정보를 선택할 수 있는 영역에 해당하며, 도면부호 722로 식별되는 영역은 조회결과로서 지표별 상세 화면을 나타내는 결과 데이터가 표시되는 영역에 해당된다.
도면부호 722로 식별되는 영역에서는 해당 지표의 목표값과 실적, 달성률 등의 정보가 표시될 수 있다. 또한, 조회 조건에 해당되는 지표의 실적이 차트에 반영되어 나타날 수 있다.
도 7c는 지표 상세 화면의 단과대학별 비교 버튼 클릭 시 나타나는 팝업창(730)을 설명하는 도면이다.
화면(731)에서는 선택된 지표의 단과대학별 달성률을 비교할 수 있다. 또한, 조회하고자 하는 연도를 선택할 수 있는 [기준연도] 항목, 조회하고자 하는 지표를 선택할 수 있는 [지표명] 항목, 설정한 조건에 해당하는 단과대별 달성률 조회가 가능한 [조회] 항목이 표시될 수 있다.
지표 상세 화면으로는 계열 평균 교수당 교외 연구비 등의 상세 정보들이 표시될 수도 있다.
도 7d는 지표 상세 화면의 언론사 버튼 클릭 시 나타나는 팝업창(740)을 설명하는 도면이다.
팝업창(740)은 메인화면에 표시된 언론사 버튼을 선택하는 경우에 표시되는 화면으로서, 예를 들어 특정 언론사와 같이 대학 순위를 평가하는 언론사의 지표를 이용하여 시뮬레이션된 결과를 나타낸다.
예를 들어, 세부 분석을 위한 지표로는 계열 평균 교수당 교외 연구비에 해당하며, 배점은 총 300점 만점에서 15점으로 부여될 수 있다.
최근 3년간 지표명에 해당하는 수치가 표시될 수 있으며, 원자료의 출처와 지표에 대한 구체적인 설명으로서, 자료 기준, 지표계산법, 성과평가 결과와의 차이 등이 설명될 수 있다.
도 8a는 홈 화면 중 민원 현황 화면 접속 시, 조회되는 메인화면(810)을 나타내는 도면이다.
일실시예에 따른 예측정보 생성부는, 직원 및 교원으로 구분하여 민원을 예측하되, 수집된 민원자료를 주제별로 분류하고, 주제별로 분류된 민원자료로부터 민원 키워드를 추출하며, 추출된 민원 키워드에 대한 월별 추이를 파악하여, 직원 및 교직원 각각에 대한 원별 민원을 예측하는 예측정보를 생성할 수 있다. 또한, IR 시스템은 생성된 예측정보를 활용하여 접속시 조회되는 메인화면(810) 및 하위 화면들을 제공할 수 있다.
일실시예에 따르면, 예측정보 생성부는 생성된 예측정보를 기반으로 시설물에 대한 점검 일정을 스케쥴링할 수도 있다.
메인화면(810)을 통해서는 Q&A와 안전시설 민원 사례 시각화를 통한 다양한 분석 및 의사결정에 활용될 수 있다.
메인화면(810)은 민원에 포함된 다양한 정보(민원 내용,민원인 및 답변자 정보 등)를 시각화하여 반복 민원 파악을 통한 FAQ 등 선제적 대응 및 민원량 감소를 기대할 수 있고, 미답변 민원건수를 알려줌으로써 답변율이 증가될 수 있다. 또한, 새로운 민원과 유사한 과거 민원을 검색하여 답변에 참고가 가능하다.
이를 위해, 메인화면(810)은 민원접수/답변현황을 위한 선택영역(811), 시기별 민원건수를 표시하기 위한 선택영역(812), 주제별 및 키워드별 분석결과를 나타내기 위한 선택영역(813), 답변자별 답변건수를 표시하기 위한 선택영역(814), 결과 그래프를 도시하는 영역(813), 민원인 소속별 현황을 나타내는 영역(815)을 포함할 수 있다.
민원접수/답변현황을 위한 선택영역(811)에서는 선택한 부서의 금월, 전월의 민원 접수 및 답변 현황과 그에 따른 민원 신호등의 형태로 표시할 수 있다.
또한, 시기별 민원건수를 표시하기 위한 선택영역(812)를 표시하기 위한 선택영역에서는 선택한 부서의 민원 접수 및 미답변 추이를 '월별', '연도별', '동월별'로 조회할 수 있다.
분석결과를 나타내기 위한 선택영역(813)에서는 선택한 부서의 조회기간 내 발생한 민원의 주제별, 키워드별 분석 결과를 조회할 수 있다.
또한, 키워드별 분석 결과의 경우, 자주 언급된 단어 조회. 조회 조건 변경 시, 조회되는 단어 변경 가능 등을 표시할 수 있으며, 키워드별 분석 결과가 표시될 수 있다.
민원인 소속별 현황을 나타내는 영역(815)을 나타내는 영역에서는 선택한 부서의 조회기간 내 발생한 민원의 민원인 소속별 현황 조회될 수 있다.
도 8b는 조회되는 메인화면(810) 중에서 결과를 도시하는 영역(813)에 삽입될 수 있는 결과 그래프(820)의 실시예를 설명하는 도면이다.
결과 그래프(820)는 민원 키워드들과, 민원 키워드들 간의 관계에 대해 나타내는 연결 라인을 통해 표현될 수 있다.
이 경우, 민원 키워드의 크기는 민원 키워드가 검색된 빈도수에 비례할 수 있고, 민원 키워드들 간의 선은 연관성(연관관계)을 나타낼 수 있다.
즉, 민원 자료량이 많을수록 민원 키워드가 커 보이고, 이러한 시각적 구성에 의해 의사 결정권자가 월별 민원 정보 분석 결과에 대한 파악이 용이해질 수 있다.
도 9는 홈 화면 중 민원 예측 화면 접속 시, 조회되는 메인화면(910)을 나타내는 도면이다.
메인화면(910)은 민원 예측 결과(911)가 시각화 되는 영역, 예상결과 요약(912)이 시각화 되는 영역, 키워드 분석 결과(913)가 시각화 되는 영역, 빈도수 추이(914)가 시각화 되는 영역, 시기별 민원건수(915)가 시각화 되는 영역, 민원인 소속별 민원건수(916)가 시각화 되는 영역을 포함할 수 있다.
민원 예측 결과(911)가 시각화 되는 영역에는 최근 3년 민원 자료를 분석하여 예측 결과가 제공될 수 있고, 안전시설민원을 제외한 주제 및 [Q&A 전체]에 대한 분석 결과가 조회될 수 있다. 특히, 최근 3년 전월 대비 금월 민원의 증가율에 대해서 표시될 수 있다.
예상결과 요약(912)이 시각화 되는 영역에는 조회 월과 주제의 민원에 해당하는 키워드별, 민원인 소속별 TOP3 결과 표시될 수 있다.
키워드 분석 결과(913)가 시각화 되는 영역에는 조회 월과 주제의 민원에 많이 언급된 키워드 결과 및 월별 언급 빈도 추이가 표시될 수 있고, 키워드별 분석 결과의 경우, 자주 언급된 단어 조회가 가능하며 조회 조건 변경 시, 조회되는 단어의 변경이 가능하다.
빈도수 추이(914)가 시각화 되는 영역에는 조회 월과 주제 민원에 언급된 해당 키워드 월별 평균 언급 추이가 조회될 수 있고, 시기별 민원건수(915)가 시각화 되는 영역에는 다른 분석결과에 대한 근거 자료로서 조회 월과 주제의 최근 3년 동월별 추이가 조회될 수 있다.
민원인 소속별 민원건수(916)에는 근거 자료가 표시될 수 있다.
도 10은 홈 화면 중 제안 현황(소통공감 홈페이지) 접속 시, 조회되는 메인화면(1010)을 나타내는 도면이다.
일실시예에 따른 분석정보 생성부는, 기간계 데이터베이스에 등록된 제안 관련 정보로부터 제안 현황을 분석하되, 월별 제안 건수, 주제별 제안 건수, 접속자수 현황, 각 게시글에 대한 정보로서, 주제, 공감수, 답변여부, 정책반영여부 중에서 적어도 하나를 기준으로 필터링 또는 정렬된 제안 현황을 분석정보로 생성할 수 있다. 또한, IR 시스템은 생성된 분석정보를 활용하여 접속시 조회되는 메인화면(1010) 및 하위 화면들을 제공할 수 있다.
메인화면(1010)은 월별 제안 현황(1011), 주제별 제안건수(1012), 홈페이지 접속자수 현황(1013), 게시글(1014)이 표시될 수 있다.
월별 제안 현황(1011)에는 조회기간 내 소통공감 홈페이지의 게시글 월별 추이가 조회될 수 있고, 주제별 제안건수(1012)에는 조회기간 내 제안된 글의 주제별 게시글 수가 조회될 수 있다.
또한, 홈페이지 접속자수 현황(1013)에는 조회기간 내 소통공감 홈페이지 월별 접속자수 추이 조회될 수 있으며, 게시글(1014)에는 조회기간 내 각 게시글에 대한 정보(주제, 공감수, 답변여부, 정책반영여부 등)를 조회할 수 있다.
도 11a는 홈 화면 중 언론사 대학평가 시뮬레이션 화면 접속 시, 조회되는 메인화면(1110)을 나타내는 도면이다.
일실시예에 따른 예측정보 생성부는, 외부의 공시자료와 기간계 데이터베이스에 기록된 정보를 대비하여 분석정보를 생성하고, 생성된 분석정보를 기반으로 언론사 대학평가 종합순위를 예측할 수 있다.
일례로, 예측정보 생성부는, 언론사 대학평가 종합순위를 예측하여 예측정보를 생성하는데 있어, 생성된 분석정보로부터 복수의 영역별 복수의 지표들을 식별할 수 있다. 또한, 식별된 복수의 지표들 각각에 대한 실값으로부터 z값(standard score)을 산출하고, z값이 양수인지 또는 음수인지 여부에 따라 상기 복수의 지표들 각각에 서로 다른 스코어를 적용할 수 있다. 또한, 복수의 지표들 각각에 적용된 스코어를 합산하여 정수화한 결과를 종합 점수로 산출하고, 산출된 종합 점수에 따라 언론사 대학평가 종합순위를 예측할 수 있다.
보다 구체적으로, 예측정보 생성부는 z값이 양수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최대 z값의 비율을 합산한 결과를 스코어에 반영할 수 있다. 또한, 예측정보 생성부는 z값이 음수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최소 z값의 비율 간의 차이를 스코어에 반영할 수 있다.
또 다른 일실시예에 따르면 IR 시스템은, 외부의 공시자료와 기간계 데이터베이스에 기록된 정보를 활용하여 4가지 영역에서 복수개로 구분되는 지표별 배점을 다르게 할당하여 300점을 만점으로 책정할 수 있다.
또한, IR 시스템은 지표별로 실값을 구한 뒤, 각 지표의 z값을 구할 수 있다. 또한, z값 최대를 만점, z값 최소를 0점으로 점수 부여하되, 2개 지표는 최솟값이 5점, 나머지는 모두 0점으로 하여, z값을 아래의 수학식들을 활용해 T점수로 변환할 수 있다.
z값이 양수인 경우에는 [수학식 1]를 이용하여 T점수(score)로 변환하고, z값이 음수인 경우에는 [수학식 2]를 이용하여 T점수(score)로 변환할 수 있다.
[수학식 1]
[수학식 2]
IR 시스템은 이렇게 얻은 33개의 점수를 모두 합한 뒤 정수화함으로써, 각 대학의 종합 점수를 산출할 수 있고, 점수가 높은 순서부터 공동순위를 적용해 최종 순위를 분석정보로서 산정할 수 있다.
이는 결과가 발표되기 이전에 평가 대학이 올해는 몇위 할지를 시뮬레이션 하기 위한 예측정보로 생성할 수 있다. 또는 어떤 지표를 일정 수준 상승시켰을 때 종합순위는 어느 정도로 변하는지 예상하는 예측정보로 활용될 수도 있다.
예측정보를 통해 대학의 순위를 예상하는 것은 과거의 타 대학값을 고정하고 평가 대학의 값만 변동 시켜서 점수와 순위를 계산할 수 있다. 이는 다른 대학들은 과거의 평가와 현재의 평가 사이에 발전이 전혀 없는 것을 가정하는 것이기 때문에 상대적으로 평가 대학의 결과가 좋게 예상될 수 있다.
이를 해결하기 위해, IR 시스템은 과거 데이터의 추세를 반영해서 평가시 활용되는 통계값을 계산하고 평균, Z값, 표준편차 등에 적용할 수 있다.
시뮬레이션을 위한 예측정보에는 평가 대학이 20년에 평가받을 것으로 예상되는 실값을 대입하고, 현재는 19년 실값이 그대로 반영될 수 있다.
또한, IR 시스템은 예측정보에는 실값을 표준화한 값, 표준화할 때 사용하는 평균과 표준편차값, 지표별 통계값에서 계산된 값을 사용할 수 있다.
또한, IR 시스템은 z값을 점수화한 값과, 지표별 점수를 합한 후 정수화한 값으로 평가 대학의 20년 예측 종합점수, 점수에 따른 지표별 순위, 평가 대학의 과거 3년(17~19)의 종합점수의 평균 등을 활용할 수 있다.
한편, IR 시스템은 과거 3년의 실값 평균에 선형추세를 적용하여 20년의 평균을 추정하고, 가장 최근 자료인 19년 값을 그대로 사용하여 20년 표준편차를 추정할 수 있으며, 과거 3년의 최고 등수 값에 선형추세를 적용하여 20년 최고 등수를 추정할 수 있다.
또한, 20년 평균과 20년 표준편차를 활용하여 표준화한 20년의 최대 z를 추정할 수 있다.
또한, 과거 과거 3년의 최저 등수 값에 선형추세를 적용하여 20년 최저 등수를 추정할 수 있다.
또한, 20년 평균과 20년 표준편차를 활용하여 표준화한 20년대 최소 z를 추정할 수 있다.
또한, IR 시스템은 생성된 예측정보를 활용하여 접속시 조회되는 메인화면(1110) 및 하위 화면들을 제공할 수 있다.
일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치는 언론사의 평가 알고리즘에 기초하여 분석정보 생성부가 산출한 분석정보와, 예측정보 생성부가 생성한 예측정보를 활용하여, 교수연구영역, 교육여건영역, 학생성과영역, 평판도영역 등을 분석하여 종합순위를 산출하여 각 대학별로 평가를 한다.
특히, 메인화면(1110)에서는 영역별(교수연구, 교육여건, 학생성과, 평판도, 종합순위) 점수변동 요약 표, 대학의 최근 10년간 종합 순위 및 예상 순위 차트, 평가지표의 예상 점수 및 점수변동을 조회하되 영역별 상승지표, 하향지표, 유지지표를 구분하는 요약 표 등을 표시할 수 있다.
도 11b는 언론사 대학평가 시뮬레이션 화면에서 과거 실적 조회 버튼 선택 시 조회되는 화면(1120)을 나타내는 도면이다.
화면(1120)에서는 과거 특정 언론사의 평가결과 중 '종합 점수 및 순위'를 나타내고, 과거 특정 언론사 평가결과 중 '영역 점수 및 순위'를 나타내며, 과거 특정 언론사 평가결과 중 '지표 점수 및 순위'를 나타낸다.
도 11c는 언론사 대학평가 시뮬레이션 화면에서 과거 실적 차트 조회 버튼 선택 시 조회되는 화면(1130)을 나타내는 도면이다.
화면(1130)에서는 경쟁대학 재표 순위비교로서, 가장 최근 평가연도의 경쟁대학 및 비교지표(순위)를 방사형 차트로 비교하는 영역을 도시할 수 있다.
특히, 기본 선택된 경쟁대학은 2020년 평가 결과 종합순위가 평가 대학보다 높은 상위 5개 대학이 선별될 수 있다.
또한, 화면(1130)에서는 최근 10년간 종합순위를 나타낼 수 있으며, 이를 위해, 평가 대학 최근 10년간 종합순위 추이 그래프가 도시될 수 있다. 또한, 화면(1130)에서는 평가영역별 순위를 위해 평가 대학 최근 3년 영역별 순위 추이 그래프가 도시될 수 있다.
도 11d는 언론사 대학평가 시뮬레이션 화면에서 시뮬레이션 버튼 선택 시 조회되는 화면(1140)을 나타내는 도면이다.
화면(1140)을 살펴보면, 교수 연구, 평가지표, 평가결과, 점수 예측 항목이 각각의 영역으로 세분화되어 표시될 수 있다.
평가지표 영역에서는 목표값 개선도를 적용하고자 하는 평가 지표가 선택될 수 있다. 또한, 평가결과 영역에서는 해당 지표의 '실적 상세' 화면으로 이동할 수 있는 [실적 상세] 영역이 표시될 수 있고, 입력 시 실값 직접 입력 지원가능한 [지표별 목표값 개선도] 영역이 표시될 수 있다. 또한, 점수 예측 영역에서는 예측정보로서, 0~15% 입력 시 실값 자동 변경되어 표시될 수 있다.
도 11e는 언론사 대학평가 시뮬레이션 화면에서 시뮬레이션 버튼 선택 시 일측에서 조회되는 화면(1150)을 나타내는 도면이다.
화면(1150)에서는 선택된 두 가지 서로 다른 지표(지표1, 지표2)에 대한 점수 산점도를 분석하는 화면을 도시할 수 있다.
일례로, 계열 평균 교수당 교외 연구비를 지표1로, 계열 평균 교수당 자체 연구비를 지표2로 하여, x축에는 지표1, y축에는 지표2를 적용하여 점수 산점도를 분석하는 화면을 도시할 수 있다.
도 12는 홈 화면 중 대학 기본역량 진단 시뮬레이션(정량) 클릭 시 조회되는 화면(1210)을 나타내는 도면이다.
일실시예에 따른 서버부는 데이터 소스로부터 전임교원 확보율, 교육비 환원율, 법인 책무성 실적, 재학생당 총 강좌수, 강의 규모의 적절성, 비전임교원 담당학점 대비 강사 담당 학점 비율, 강사 보수수준, 신입생 충원율, 재학생 충원율, 졸업생 취업률, 유지 취업률 중에서 적어도 하나의 정보를 추출할 수 있다. 이 경우, 분석정보 생성부는 추출된 정보의 각각에 서로 다른 배점을 적용하여, 평가 그룹 내 순위를 산출하고, 산출된 순위를 종합하여 최종 점수 및 최종 순위를 분석정보로서 생성할 수 있다.
일실시예에 따른 IR 시스템은 이렇게 생성된 분석정보를 이용하여 접속시 조회되는 메인화면(1210) 및 하위 화면들을 제공할 수 있다.
화면(1210)에는 대학 진단 결과가 표시되는 영역(1211)과, 주요 경쟁대학 점수가 표시되는 영역(1212)이 구분되어 도시될 수 있다.
이를 통해, 평가 대학 최근 현황 반영, 대학 기본역량 진단 만점 달성, 미달성 지표 현황을 확인할 수 있다.
예를 들어, 영역(1211)에서는 평가지표 중 만점 달성, 미달성 지표 확인 차트(점수 기준)와 평가지표별 최근 현황(또는 시뮬레이션 반영) 기준 점수 및 순위 요약 표가 표시될 수 있다. 또한, 영역(1212)에서는 평가 대학 포함 15개교의 점수 막대그래프가 표시될 수 있다.
도 13은 홈 화면 중에서 대학 기본역량 진단 점수 예상 중 시뮬레이션 화면에서 상세 조정 버튼 클릭시 조회되는 화면(1310)을 나타내는 도면이다.
화면(1310)에서는 공시연도별 계열(1311), 학생현황(1312), 전임교원 현황(1313), 교원 법정정원(1314), 최종 전입교원 확보율(1316), 전임 대비 전임교원 확보율 증감분(1317) 등의 항목과 함께 그에 따른 세부정보가 표시될 수 있다.
이를 통해, 평가 기준(만점기준, 증감분 평균) 및 대학 평가 지표값, 증감분, 지표값 산출을 위한 원천 데이터, 시뮬레이션에 따른 점수가 조회될 수 있다.
도 14a는 홈 화면 중에서 학과평가 결과 분석 화면 접속 시, 조회되는 메인화면(1410)을 나타내는 도면이다.
일실시예에 따른 분석정보 생성부는 추출된 정보로부터 연도별, 계열별, 또는 학과별 지표 실적을 구분하여 분석정보를 생성하고, 생성된 분석정보를 연도, 계열, 또는 학과 중에서 적어도 하나의 기준을 이용하여 필터링 또는 정렬하여 분석정보를 생성할 수 있다.
또한, 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치는 IR 시스템으로 분석정보를 제공하여 접속시 조회되는 메인화면(1410) 및 하위 화면들을 제공할 수 있다.
메인화면(1410)에는 평가결과, 학과별 평가결과 세부정보, 3년 순위 추이, 학과별 3년순위추이 세부정보 등의 정보가 표시될 수 있다.
특히, 평가결과 영역에서는 선택된 계열 내 학과간 순위 및 최종점수 조회될 수 있고, 3년 순위 추이 영역에서는 선택된 계열 내 학과의 최근 3년(평가년도 포함 과거 3년) 순위 추이가 표시될 수 있다.
도 14b는 학과평가 결과 분석 화면에서 교내자체평가보기 버튼 선택 시 조회되는 화면(1420)을 나타내는 도면이다.
화면(1420)에서는 전과전출 평가 영역, 복수전공 평가 영역, 취업률 평가 영역, 전공강의 담당비율 영역, 1인당 논문실적 영역, 1인당 외부 연구비 영역 등이 표시될 수 있고, 학과 동일계역 지표를 비교하는 영역을 통해 비교 결과가 표시될 수 있다.
도 14c는 학과평가 결과 분석 화면에서 대외경쟁력평가보기 버튼 선택 시 조회되는 화면(1430)을 나타내는 도면이다.
화면(1430)을 살펴보면, 1인당 논문실적 영역, 1인당 저역서실적 영역, 1인당 외부연구비 영역, 졸업생 취업현황 영역, 중도탈락 현황, 전공강의 담당비율 등이 표시될 수 있고, 학과 동일계열 지표 비교의 결과가 별도의 영역에서 표시될 수 있다.
도 14d는 학과평가 결과 분석 화면에서 최종평가보기 버튼 선택 시 조회되는 화면(1440)을 나타내는 도면이다.
화면(1440)에서는 교내 세부항목별 점수 영역, 대외 세부항목별 점수 영역, 최종 평가 총점 영역이 표시될 수 있다. 또한, 학과 동일계열 지표 비교의 결과가 별도의 영역에서 표시될 수 있다.
도 15a는 홈 화면에서 교육 및 연구를 선택하면 표시되는 메인화면(1510)을 나타낸다.
일실시예에 따른 분석정보 생성부는 추출된 정보로부터 개인별 또는 학과별 지표 실적을 구분하여 분석정보를 생성하되, 개인별 지표 실적으로 연구역량, 강의평가, 전공능력, 포트폴리오, 강의역량로부터 분석정보를 생성하고, 학과별 지표 실적으로 대학정보공시, 교내지표현황, 설문조사결과로부터 분석정보를 생성할 수 있다.
또한, 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치는 이렇게 생성된 분석정보를 이용하여 접속시 조회되는 메인화면(1510) 및 하위 화면들을 제공할 수 있다.
메인화면(1510)에서는 개인의 연구역량에 대한 분석정보가 표시될 수 있다.
연구역량에 대한 분석정보로는, 개인의 국제논문에 대한 정보가 표시되는 영역(1511), 국내논문에 대한 정보가 표시되는 영역(1512), 저역서에 대한 정보가 표시되는 영역(1513)이 화면 상에 배치될 수 있다.
특히, 영역(1511)에서는 상단의 조회 조건을 기준으로 사용자의 소속과 본인의 국제논문 실적이 시각화될 수 있고, 영역(1512)에서는 상단의 조회 조건을 기준으로 사용자의 소속과 본인의 국내논문 실적 시각화될 수 있으며, 영역(1513)에서는 상단의 조회 조건을 기준으로 사용자의 소속과 본인의 저역서가 실적 시각화될 수 있다.
도 15b는 메인화면 중 개인의 연구역량 버튼 클릭 시 조회 되는 화면(1520)을 나타낸다.
메인화면(1520)에서는 개인의 강의평가에 대한 분석정보가 표시될 수 있다.
강의평가에 대한 분석정보로는, 사용자의 소속과 본인의 연도학기별 강의평가 점수 추이 시각화를 위한 영역(1521), 사용자의 소속 학과의 연도학기별 강의평가 점수 순위 및 통계값을 나타내는 영역(1522), 사용자의 강의평가 주관식응답 결과 워드클라우드 영역(1523), 워드클라우드에서 단어를 선택하면 선택된 단어가 포함된 주관식 응답 출력하는 영역(1524)이 배치될 수 있다.
이 밖에도, 전공능력에 대한 분석정보, 포트폴리오에 대한 분석정보, 강의역량에 대한 분석정보가 표시될 수 있다.
도 16은 홈 화면에서 학생 전주기적 학습활동 분석을 선택하는 경우에 나타나는 메인화면(1610)이다.
일실시예에 따른 분석정보 생성부는 핵심역량, 성적, 비교과, 외국어성적, 현장실습, 장학금, 교환학생, 봉사활동, 대출권수, 열람실 이용시간 중에서 적어도 하나로부터 산출되는 학습활동이력과, 입학전형으로부터 생성되는 연관 데이터 상관관계를 포함하는 분석정보를 생성할 수 있다.
또한, 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치는 이렇게 생성된 분석정보를 이용하여 접속시 조회되는 메인화면(1610) 및 하위 화면들을 제공할 수 있다.
선택한 학과에 대해 분석항목(X축)과 학과별 취업률(Y축)과의 상관관계를 표시하고, 소속대학의 학과별 분석항목 및 취업률 실적을 상세히 표시할 수 있다.
[학과] 버튼의 경우, 조회할 학과 선택(소속 단과대학 내 학과만 조회 가능)이 가능하고, [분석항목(X축)] 버튼의 경우, 취업률과 상관관계를 분석하고자 하는 항목을 선택이 가능하며, [취업률(Y축)] 버튼의 경우, 취업통계조사 기준 취업률 공시연도 선택이 가능하다.
또한, [X축 최소/최대] 버튼의 경우, 화면영역(A)에 대해 X축의 범위를 지정할 수 있으며, [Y축 최소/최대] 버튼의 경우, 화면영역(A)에 대해 Y축의 범위를 지정이 가능하고, [조회] 버튼의 경우, 학과, 분석항목(X축), 취업률(Y축)에서 원하는 항목 선택 후 조회가 가능하다.
도 17은 홈 화면에서 설문조사 결과 분석을 선택하는 경우에 나타나는 메인화면(1710)이다.
일실시예에 따른 분석정보 생성부는, 재학생, 신입생, 휴학생, 자퇴생, 및 교직원을 대상으로 정기적으로 수행되는 설문조사 결과를 통합하는 분석정보를 생성할 수 있다.
또한, 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치는 이렇게 생성된 분석정보를 이용하여 접속시 조회되는 메인화면(1710) 및 하위 화면들을 제공할 수 있다.
메인화면(1710)에서는 도면부호 1711로 식별되는 영역을 통해 조사대상별 최근 3년간 교육수요자 만족도 점수 추이를 표시하고, 도면부호 1712로 식별되는 영역을 통해 조사대상별, 단과대(학과)별, 부서별 교육수요자 만족도 점수 추이 상세 조회가 가능하다.
도 18a는 홈 화면에서 학부생 중도탈락 예측 분석 접속 시, 조회되는 메인화면(1810)이다.
일실시예에 따른 분석정보 생성부는 기저장된 솔루션인 중도탈락 예측 모델에 기반하여, 상기 저장된 정보로부터 중도탈락 위험군에 포함되는 학생을 상기 분석정보로서 산출할 수 있다.
이때의 중도탈락 예측 모델은 과거에 중도탈락한 학생과 학업을 유지하는 학생을 두 집단으로 그룹핑하고, 각각의 학생들에 대한 강의평가, 성적, 학점, 연령, 입학전형, 고등학교정보, 소속 단과대 및 학과, 및 입학경쟁률 중에서 적어도 하나를 의사결정나무(Decision Tree)로 분석하여 위험도를 산출할 수 있다.
또한, 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치는 이렇게 생성된 분석정보 또는 위험도를 이용하여 접속시 조회되는 메인화면(1810) 및 하위 화면들을 제공할 수 있다.
메인화면(1810)은 중도탈락 위험 학생을 사전에 탐지하여 중도탈락 예방에 활용하기 위한 것으로서, 사용자 소속별 중도탈락 위험 학생 정보 조회하고, 단과대, 학과 단위의 과거 중도탈락 현황 조회하여, 중도탈락 위험군에 선정된 학생을 확인하고 탈락을 방지하기 위한 계획을 수립하는데 활용될 수 있다.
메인화면(1810)에서는 '중도탈락 선제적 대응 모델' 에 기초하여 동국대 전체와 선택된 대학 또는 학과의 공시자료 기준 중도탈락률 추이를 중도탈락 현황(1811)을 통해 도시할 수 있다. 또한, 선택된 기준연도의 중도탈락 위험군별 인원수 시각화를 위해, 2020학년도 중도탈락 위험군(1812)에 대한 현황을 도시할 수 있다. 또한, 중도탈락 위험군으로 예상된 학생들의 기본정보를 영역(1813)을 통해 도시할 수 있다.
결국 본 발명을 이용하면, 데이터 분석 및 보고서 제작환경을 시스템화 할 수 있고, 대학이 직면한 각종 현안에 대한 의사결정 및 경영전략 수립을 지원할 수 있다. 또한, 학교 주요 데이터에 대한 축적, 중앙화, 집중화를 제공할 수 있고, 사용자 권한에 맞춘 공유(공동작업) 환경을 구축할 수 있다. 뿐만 아니라, 부서 문제 해결에 대한 선제적 대응과 맞춤형 행정서비스를 제공할 수 있고, 대학의 교육의 질 및 경영 성과 제고를 위한 효과적인 데이터 활용 및 환류시스템을 구축하고, 이를 통해 교육 및 경영 성과를 입증할 수 있다.
도 18b는 학부생 중도탈락 예측하는 구체적인 실시예를 설명하는 도면이다.
데이터 기반의 의사결정 지원시스템은 의사결정나무(1820)로 분석하여 위험도를 산출할 수 있다.
예를 들어, 데이터 기반의 의사결정 지원시스템은 과거에 대학에서 중도탈락한 학생과 그렇지 않은 학생(학업유지)의 두 집단으로 나누어서 두 집단의 차이를 분석하고 중도탈락의 위험도에 반영할 수 있다.
구체적으로, 학년별로 중도탈락의 사유가 다를 가능성이 높기 때문에 데이터 기반의 의사결정 지원시스템은 학년별로 모델을 각각 생성할 수 있다.
과거의 통계를 살펴보면, 1학년은 전체 중도탈락의 50% 이상을 차지하기 때문에 1학년 1학기와 1학년 2학기 별도로 모델링 할 수 있다.
데이터 기반의 의사결정 지원시스템은 모델 개발 단계에서 강의평가, 성적, 학점, 연령, 입학전형, 고등학교정보, 소속 단과대 및 학과, 입학경쟁률 등의 자료를 활용하고, 이중에서 일부의 변수를 채택하여 데이터로 활용할 수도 있다.
해당 모델에서 중도탈락은 학사경고를 제외한 자퇴, 미등록, 미복학을 의미한다. 이때, 학사경고는 성격이 다를 것으로 예상할 수 있다.
의사결정나무(1820)의 모델은 1학년 2학기 모델로서, 활용된 변수로는 1학년 1학기 강의평가 여부, 입학전형, 1학년 1학기 F학점, 1학년 1학기 신청학점, 소속 단과대학을 포함한다.
또한, 데이터 기반의 의사결정 지원시스템은 정성적 데이터(설문조사)를 추가 활용해서 위험도에도 수준을 저, 중, 고 등으로 구분할 수 있다. 예를 들면, 위험군이면서 대학 자부심이 낮은 학생은 고위험군으로 구분하고, 위험군이면서 대학 자부심이 높은 학생은 저위험군으로 구분할 수 있다.
의사결정나무(1820)의 모델을 통해 중도탈락 위험이 있는 학생들을 분류하는 방법에 대해서 설명할 수 있다.
먼저, 도면부호 1821에서는 1학년 1학기에 강의평가를 했는지 여부를 판단할 수 있다.
만약, 1학년 1학기에 강의평가를 하지 않은 학생은 도면부호 1822에 해당하며, 중도탈락의 위험성이 높은 군으로 분류될 수 있다.
또한, 도면부호 1823에서는 입학전형을 정시로 입학한 학생들의 중도탈락 위험성을 분류하고, 입학전형을 정시로 입학한 학생들의 중도탈락 위험성은 도면부호 1824와 같이 위험성이 낮은 군으로 분류될 수 있다.
도면부호 1825에서는 정시로 입학한 학생들 중에서도 특히, 1학년 1학기 F학점이 0.5점 이상인 학생을 분류하며, 1학년 1학기 F학점이 0.5점 이상인 학생이면서 신청학점이 12학점 이상인 학생을 구분하는 도면부호 1826의 경우 중도탈락의 위험성이 높은 군(1827)으로 분류될 수 있다.
또한, 1학년 1학기 F학점이 0.5점 이상인 학생이면서 신청학점이 12학점 이하인 학생의 경우 도면부호 1828과 같이 학업유지 가능성이 높은 군으로 분류될 수 있다.
또한, 도면부호 1829에서와 같이 1학년 1학기 F학점이 0.5점 이하이면서 신청학점이 17학점이하인지 여부인 학생들을 분류한 결과, 도면부호 1830과 같이 1학년 1학기 F학점이 0.5점 이하이면서 신청학점이 17학점이하인 학생의 경우 학업유지 가능성이 높은 군으로 분류될 수 있다.
또한, 도면부호 1831과 같이 1학년 1학기 강의평가를 하고, 1학년 1학기 F학점이 0.5점 미만이고, 신청학점은 17학점 미만이며, 미래융합대, 바이오시스템대, 불교대, 이과대에 소속한 학생들은 중도탈락 가능성이 높은 위험군에 속하는 것으로 분류될 수 있다(1832). 또한, 1학년 1학기 강의평가를 하고, 1학년 1학기 F학점이 0.5점 미만이고, 신청학점은 17학점 미만인 학생들 중에서, 미래융합대, 바이오시스템대, 불교대, 이과대에 소속되지 않은 학생들은 중도탈락 가능성이 낮은 군(1833)에 속하는 것으로 분류될 수 있다.
도 19는 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법을 설명하는 도면이다.
일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법은 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성할 수 있다(단계 1901).
단계 1901의 동작은 도 1의 구성요소들 중에서 서버부(120)를 통해 구현될 수 있다.
일례로, 분석정보를 생성하기 위해서는, 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 분석정보를 생성할 수 있다.
다음으로, 일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법은 생성된 분석정보를 기반으로 예측정보를 생성할 수 있다(단계 1902).
일실시예에 따른 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법은 분석정보 및 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성할 수 있다(단계 1903).
단계 1902 내지 단계 1903은 도 1의 구성요소들 중에서 솔루션 기반 데이터 분석 및 예측 장치(130)를 통해 구현될 수 있다.
일실시예에 따르면, 언론사의 대학평가 시뮬레이션을 구현하기 분석정보와 예측정보를 생성할 수도 있다.
이를 위해, 분석정보를 생성하기 위해서는 외부의 공시자료와 기간계 데이터베이스에 기록된 정보를 대비하여 분석정보를 생성하고, 예측정보를 생성하기 위해서는 생성된 분석정보를 기반으로 언론사 대학평가 종합순위를 예측하는 예측정보를 생성할 수 있다.
일실시예에 따르면, 예측정보를 생성하기 위해서는 생성된 분석정보로부터 복수의 영역별 복수의 지표들을 식별하고, 식별된 복수의 지표들 각각에 대한 실값으로부터 z값(standard score)을 산출할 수 있다. 또한, 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법은 산출된 z값이 양수인지 또는 음수인지 여부에 따라 상기 복수의 지표들 각각에 서로 다른 스코어를 적용할 수 있다. 이후, 복수의 지표들 각각에 적용된 스코어를 합산하여 정수화한 결과를 종합 점수로 산출하고, 산출된 종합 점수에 따라 상기 언론사 대학평가 종합순위를 예측할 수 있다.
한편, 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법은 예측정보를 생성하기 위해, z값이 양수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최대 z값의 비율을 합산한 결과를 스코어에 반영할 수 있다. 또한, z값이 음수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최소 z값의 비율 간의 차이를 스코어에 반영할 수도 있다.
결국, 본 발명을 이용하면, 데이터 기반 과학적 의사결정 지원 및 대학 경쟁력을 강화할 수 있다. 또한, 의사결정 지원체계의 기반을 마련하기 위한 의사결정 지원시스템(IR시스템)을 구축할 수 있고, 데이터 기반 의사결정 활성화를 위해, 데이터 수집, 저장, 변환 등에 대한 자동화의 기반을 마련할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (23)
- 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 분석정보 생성부는,
재학생, 신입생, 휴학생, 자퇴생, 및 교직원 중 적어도 하나를 대상으로 정기적으로 수행되는 설문조사 결과를 통합하여 상기 분석정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 제1항에 있어서,
상기 분석정보 생성부는,
상기 추출된 정보에 대한 분석정보를 생성하되, 상기 추출된 정보로부터 개인, 부서, 지표, 사업, 일자, 대분류, 평가명, 중점사업별 세부지표 중에서 적어도 하나의 정보를 식별하고, 상기 식별된 정보를 기준으로 필터링 또는 정렬된 전략 맵을 상기 분석정보로 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 분석정보 생성부는,
상기 추출된 정보에 대한 분석정보를 생성하되, 상기 추출된 정보로부터 개인, 부서, 지표, 사업, 일자, 대분류, 평가명, 중점사업별 세부지표 중에서 적어도 하나의 정보를 식별하고, 상기 식별된 정보를 기준으로 필터링 또는 정렬된 전략 맵을 상기 분석정보로 생성하며,
업무 분류, 부서간의 유사성, 협업성 분석, 업무의 현재 상태, 업무 또는 업무자의 관련성, 집중성, 정량적 정성적 성향 파악 가능 중에서 적어도 하나에 대한 연관관계를 나타내는 라인 연결을 전략 맵에 표시하고, 상기 라인 연결에 대한 색깔, 모양, 두께 중에서 적어도 하나를 다르게 표현하는 것을 특징으로 하는 솔루션 기반 데이터 분석 및 예측 장치. - 제1항에 있어서,
상기 분석정보 생성부는,
대학 전체 또는 단과대학별 핵심성과지표(KPI) 실적으로부터 지표별 목표대비 달성률, 전년동기 대비 증가율, 월별 달성률, 및 지표값 로데이터 중에서 적어도 하나를 상기 분석정보로 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 분석정보 생성부는,
상기 비전산화자료 중에서 민원자료로부터 민원내용, 민원인 정보, 답변자 정보 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 제5항에 있어서,
상기 분석정보 생성부는,
수집된 민원자료로부터 민원 키워드를 추출하며, 상기 민원 키워드들과, 상기 민원 키워드들 간의 관계에 대해 나타내는 연결 라인을 통해 표현되는 결과 그래프를 생성하되,
상기 민원 키워드의 크기는 민원 키워드가 검색된 빈도수에 비례하고, 민원 키워드 간의 선은 민원 키워드 간의 연관성을 나타내는 솔루션 기반 데이터 분석 및 예측 장치. - 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 예측정보 생성부는,
직원 및 교원으로 구분하여 민원을 예측하되, 수집된 민원자료를 주제별로 분류하고, 상기 주제별로 분류된 민원자료로부터 민원 키워드를 추출하며, 상기 추출된 민원 키워드에 대한 월별 추이를 파악하여, 상기 직원 및 교원 각각에 대한 원별 민원을 예측하는 예측정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 제7항에 있어서,
상기 예측정보 생성부는,
상기 생성된 예측정보를 기반으로,
시설물에 대한 점검 일정을 스케쥴링하는 스케쥴링 정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 제1항에 있어서,
상기 분석정보 생성부는,
상기 기간계 데이터베이스에 등록된 제안 관련 정보로부터 제안 현황을 분석하되, 월별 제안 건수, 주제별 제안 건수, 접속자수 현황, 각 게시글에 대한 정보로서, 주제, 공감수, 답변여부, 정책반영여부 중에서 적어도 하나를 기준으로 필터링 또는 정렬된 제안 현황을 상기 분석정보로 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 제1항에 있어서,
상기 분석정보 생성부는,
상기 외부의 공시자료와 기간계 데이터베이스에 기록된 정보를 대비하여 분석정보를 생성하고,
상기 예측정보 생성부는,
상기 생성된 분석정보를 기반으로 언론사 대학평가 종합순위를 예측하는 예측정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 제10항에 있어서,
상기 예측정보 생성부는,
상기 언론사 대학평가 종합순위를 예측하여 예측정보를 생성하되,
상기 생성된 분석정보로부터 복수의 영역별 복수의 지표들을 식별하고,
상기 식별된 복수의 지표들 각각에 대한 실값으로부터 z값(standard score)을 산출하고, z값이 양수인지 또는 음수인지 여부에 따라 상기 복수의 지표들 각각에 서로 다른 스코어를 적용하며, 상기 복수의 지표들 각각에 적용된 스코어를 합산하여 정수화한 결과를 종합 점수로 산출하고, 상기 산출된 종합 점수에 따라 상기 언론사 대학평가 종합순위를 예측하는 솔루션 기반 데이터 분석 및 예측 장치. - 제11항에 있어서,
상기 예측정보 생성부는,
상기 z값이 양수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최대 z값의 비율을 합산한 결과를 스코어에 반영하고,
상기 z값이 음수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최소 z값의 비율 간의 차이를 스코어에 반영하는 솔루션 기반 데이터 분석 및 예측 장치. - 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 분석정보 생성부는,
상기 데이터 소스로부터 전임교원 확보율, 교육비 환원율, 법인 책무성 실적, 재학생당 총 강좌수, 강의 규모의 적절성, 비전임교원 담당학점 대비 강사 담당 학점 비율, 강사 보수수준, 신입생 충원율, 재학생 충원율, 졸업생 취업률, 유지 취업률 중에서 적어도 하나의 정보를 추출하여 분석정보를 생성하되,
상기 추출된 정보의 각각에 서로 다른 배점을 적용하여, 평가 그룹 내 순위를 산출하고, 산출된 순위를 종합하여 최종 점수 및 최종 순위를 상기 분석정보로서 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 분석정보 생성부는,
상기 추출된 정보로부터 연도별, 계열별, 또는 학과별 지표 실적을 구분하여 분석정보를 생성하고, 상기 생성된 분석정보를 연도, 계열, 또는 학과 중에서 적어도 하나의 기준을 이용하여 필터링 또는 정렬하여 상기 분석정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 분석정보 생성부는,
상기 추출된 정보로부터 개인별 또는 학과별 지표 실적을 구분하여 분석정보를 생성하되, 상기 개인별 지표 실적으로 연구역량, 강의평가, 전공능력, 포트폴리오, 강의역량로부터 분석정보를 생성하고, 상기 학과별 지표 실적으로 대학정보공시, 교내지표현황, 설문조사결과로부터 분석정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 분석정보 생성부는,
핵심역량, 성적, 비교과, 외국어성적, 현장실습, 장학금, 교환학생, 봉사활동, 대출권수, 열람실 이용시간 중에서 적어도 하나로부터 산출되는 학습활동이력과, 입학전형으로부터 생성되는 연관 데이터 상관관계를 포함하는 분석정보를 생성하는 솔루션 기반 데이터 분석 및 예측 장치. - 삭제
- 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하되,
상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하는 분석정보 생성부;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 예측정보 생성부; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 시각화정보 생성부
를 포함하고,
상기 분석정보 생성부는,
상기 기저장된 솔루션인 중도탈락 예측 모델에 기반하여, 상기 추출된 정보로부터 중도탈락 위험군에 포함되는 학생을 상기 분석정보로서 산출하되,
상기 중도탈락 예측 모델은,
과거에 중도탈락한 학생과 학업을 유지하는 학생을 두 집단으로 그룹핑하고,
각각의 학생들에 대한 강의평가, 성적, 학점, 연령, 입학전형, 고등학교정보, 소속 단과대 및 학과, 및 입학경쟁률 중에서 적어도 하나를 의사결정나무(Decision Tree)로 분석하여 위험도를 산출하는 솔루션 기반 데이터 분석 및 예측 장치. - 기관 내의 기간계 데이터베이스, 비전산화자료, 및 외부의 공시자료로부터 추출된 정보로부터 기저장된 솔루션을 이용하여, 분석정보를 생성하는 단계;
상기 생성된 분석정보를 기반으로 예측정보를 생성하는 단계; 및
상기 분석정보 및 상기 예측정보 중에서 적어도 하나에 대한 시각화 정보를 생성하는 단계
를 포함하고,
상기 분석정보를 생성하는 단계는,
상기 기저장된 솔루션을 이용하여, 상기 추출된 정보에 대한 ETL(Extraction, Transformation, Loading), 이기종 데이터 소스의 통합 분석, 데이터 마이닝, 예측 분석, AI(Machine Learning), 및 통계 알고리즘 중에서 적어도 하나를 이용하여 상기 분석정보를 생성하되, 재학생, 신입생, 휴학생, 자퇴생, 및 교직원 중 적어도 하나를 대상으로 정기적으로 수행되는 설문조사 결과를 통합하여 상기 분석정보를 생성하는 단계
를 포함하는 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법. - 제19항에 있어서,
상기 분석정보를 생성하는 단계는,
상기 외부의 공시자료와 기간계 데이터베이스에 기록된 정보를 대비하여 분석정보를 생성하는 단계
를 포함하고,
상기 예측정보를 생성하는 단계는,
상기 생성된 분석정보를 기반으로 언론사 대학평가 종합순위를 예측하는 예측정보를 생성하는 단계
를 포함하는 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법. - 제20항에 있어서,
상기 예측정보를 생성하는 단계는,
상기 생성된 분석정보로부터 복수의 영역별 복수의 지표들을 식별하는 단계;
상기 식별된 복수의 지표들 각각에 대한 실값으로부터 z값(standard score)을 산출하는 단계;
상기 산출된 z값이 양수인지 또는 음수인지 여부에 따라 상기 복수의 지표들 각각에 서로 다른 스코어를 적용하는 단계;
상기 복수의 지표들 각각에 적용된 스코어를 합산하여 정수화한 결과를 종합 점수로 산출하는 단계; 및
상기 산출된 종합 점수에 따라 상기 언론사 대학평가 종합순위를 예측하는 단계
를 포함하는 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법. - 제21항에 있어서,
상기 예측정보를 생성하는 단계는,
상기 z값이 양수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최대 z값의 비율을 합산한 결과를 스코어에 반영하는 단계;
상기 z값이 음수일 경우 z값의 배점과 최소점을 가산값과, z값의 배점과 최소점을 감산한 값 대비 최소 z값의 비율 간의 차이를 스코어에 반영하는 단계
를 포함하는 솔루션 기반 데이터 분석 및 예측 장치의 동작 방법. - 제19항 내지 제22항 중 어느 한 항의 방법을 컴퓨터에 실행시키기 위한 프로그램이 기록되어 있는 컴퓨터에서 판독 가능한 기록매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200131416A KR102275986B1 (ko) | 2020-10-12 | 2020-10-12 | 솔루션 기반 데이터 분석 및 예측 장치 및 동작 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200131416A KR102275986B1 (ko) | 2020-10-12 | 2020-10-12 | 솔루션 기반 데이터 분석 및 예측 장치 및 동작 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102275986B1 true KR102275986B1 (ko) | 2021-07-13 |
Family
ID=76858611
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200131416A KR102275986B1 (ko) | 2020-10-12 | 2020-10-12 | 솔루션 기반 데이터 분석 및 예측 장치 및 동작 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102275986B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102649918B1 (ko) * | 2023-06-05 | 2024-03-20 | (주)복지이십사 | 대규모 언어 모델 기반 맞춤형 복지 정책 추천 시스템 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101830295B1 (ko) | 2017-06-23 | 2018-03-29 | 주식회사 주빅스 | IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템 |
| KR20180061458A (ko) * | 2016-11-28 | 2018-06-08 | 전자부품연구원 | 정형/비정형 데이터 융합 기반 산업평가 정보 분석 방법 및 시스템 |
| KR20190076122A (ko) * | 2017-12-22 | 2019-07-02 | 가톨릭관동대학교산학협력단 | 빅데이터 탐색적 자료 분석 기반 시각화 시스템 |
| KR101996382B1 (ko) * | 2018-02-14 | 2019-07-03 | 동서대학교 산학협력단 | 빅데이터를 이용한 플랫폼 기반 대학 정보 데이터 분석 시스템 |
| KR102084389B1 (ko) * | 2019-06-18 | 2020-03-04 | 한국과학기술정보연구원 | 기업평가방법 및 시스템 |
| KR102130211B1 (ko) | 2018-08-31 | 2020-07-03 | 한국과학기술원 | 인간 의사결정 전략 및 이에 기반한 행동 패턴 추정 bci 시스템 및 그 방법 |
| KR20200096175A (ko) | 2020-02-05 | 2020-08-11 | 최재원 | 서비스 최적화 운영관리 및 의사결정 지원을 위한 서비스 제공 시스템 및 방법 |
-
2020
- 2020-10-12 KR KR1020200131416A patent/KR102275986B1/ko active IP Right Grant
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180061458A (ko) * | 2016-11-28 | 2018-06-08 | 전자부품연구원 | 정형/비정형 데이터 융합 기반 산업평가 정보 분석 방법 및 시스템 |
| KR101830295B1 (ko) | 2017-06-23 | 2018-03-29 | 주식회사 주빅스 | IoT 센서를 이용한 유해물질 사업장의 지능형 사고대비 훈련선정 의사결정시스템 |
| KR20190076122A (ko) * | 2017-12-22 | 2019-07-02 | 가톨릭관동대학교산학협력단 | 빅데이터 탐색적 자료 분석 기반 시각화 시스템 |
| KR101996382B1 (ko) * | 2018-02-14 | 2019-07-03 | 동서대학교 산학협력단 | 빅데이터를 이용한 플랫폼 기반 대학 정보 데이터 분석 시스템 |
| KR102130211B1 (ko) | 2018-08-31 | 2020-07-03 | 한국과학기술원 | 인간 의사결정 전략 및 이에 기반한 행동 패턴 추정 bci 시스템 및 그 방법 |
| KR102084389B1 (ko) * | 2019-06-18 | 2020-03-04 | 한국과학기술정보연구원 | 기업평가방법 및 시스템 |
| KR20200096175A (ko) | 2020-02-05 | 2020-08-11 | 최재원 | 서비스 최적화 운영관리 및 의사결정 지원을 위한 서비스 제공 시스템 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102649918B1 (ko) * | 2023-06-05 | 2024-03-20 | (주)복지이십사 | 대규모 언어 모델 기반 맞춤형 복지 정책 추천 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Avella et al. | Learning analytics methods, benefits, and challenges in higher education: A systematic literature review. | |
| Jackson | Benchmarking in UK HE: an overview | |
| Ranjan et al. | Effective educational process: a data‐mining approach | |
| Horng et al. | Developing a novel hybrid model for industrial environment analysis: A study of the gourmet and tourism industry in Taiwan | |
| Gao | [Retracted] Research and Implementation of Intelligent Evaluation System of Teaching Quality in Universities Based on Artificial Intelligence Neural Network Model | |
| Okuyucu et al. | Big data maturity models for the public sector: a review of state and organizational level models | |
| KR102260591B1 (ko) | 데이터 기반의 의사결정 지원시스템 및 동작 방법 | |
| Manohar et al. | Utilizing big data analytics to improve education | |
| Esomonu et al. | Assessment Big Data in Nigeria: Identification, Generation and Processing in the Opinion of the Experts. | |
| Bowers | Site selection in school district research: A measure of effectiveness using hierarchical longitudinal growth models of performance | |
| Lee et al. | How are happy and unhappy people differently affected by their local environments? The heterogeneous relationship between happiness and local environments in Seoul, Korea | |
| Hupe | Conceptualizing street-level bureaucracy in context | |
| KR102275986B1 (ko) | 솔루션 기반 데이터 분석 및 예측 장치 및 동작 방법 | |
| Gungor et al. | The evaluation of instructional leadership researches between 2002 and 2017 in Turkey | |
| Bin | Cognitive Web Service-Based Learning Analytics in Education Systems Using Big Data Analytics. | |
| KR20180082329A (ko) | 직무능력 예측을 포함하는 직무 자동매칭 서비스 및 그를 이용하는 컴퓨팅 장치 | |
| Hsu et al. | Key factors for enhancing home care workers’ intention to stay by multiple-criteria decision analysis | |
| US20180189696A1 (en) | System and method for measuring and monitoring innovation intelligence | |
| Tripathi | Competence based management in academics through data mining approach | |
| Kopnova | Use of the BI systems for organising the information space of the university | |
| Peng | The paradox of technical governance: A public opinion survey’s political process and its results | |
| Han et al. | Latent Dirichlet Allocation-Based Topic Mining Analysis of Educational Scientific Research Projects Based on 2360 NSF Education Projects. | |
| MacDonald | The information sharing behaviour of health service managers: a three-part study | |
| Schuelke-Leech et al. | Speaking like statesmen or scientists: Differentiating congressional and administrative views on data | |
| Bai et al. | Development of a survey instrument to measure TEFL academics’ perceptions about, individual and workplace characteristics for conducting research |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |