사용자 PC 데이터를 활용한 행동분석 기법에 관한 인공지능 모델 연구 = Artificial intelligence model research on behavior analysis techniques using user PC data
저자
발행사항
서울 : 국민대학교 소프트웨어융합대학원, 2023
학위논문사항
학위논문(석사)-- 국민대학교 소프트웨어융합대학원 : 인공지능전공 2024. 2
발행연도
2023
작성언어
한국어
주제어
발행국(도시)
서울
형태사항
vi, 44 ; 26 cm
일반주기명
지도교수: 윤수연
UCI식별코드
I804:11014-200000738292
소장기관
2020년 코로나 이후 생산직, 서비스직 같은 업무에 특정한 공간을 필요하지 않고 PC만으로 할 수 있는 사무직 업무들은 기존의 사무실에서 직접 출근하여 수행하던 근무 환경에서 벗어나 재택근무, 탄력 근무 같은 기존의 방식과 다른 근무 환경 및 조건을 도입하는 회사들이 급속도로 늘어나기 시작했다.
하지만 동료평가, 근태 및 근무시간 위주의 기존 기업들이 사용하던 업무 효율성 평가 방식은 이러한 달라진 근무환경 및 근무조건을 따라오지 못하고 있다.
만약 PC의 사용자 행동 로그 데이터를 활용하여 사용자의 행동을 분석할 수 있다면 기존과 다른 다양한 근무 환경 및 근무 조건에도 업무 효율성을 평가할 수 있다.
하지만 PC의 사용자 행동 로그 데이터는 키보드 입력, 프로세스 정보, 마우스 입력 등 데이터의 규모가 매우 방대하여 사람이 일일이 평가하기에는 제한적이라는 한계가 있다.
데이터를 통해 자체적으로 알고리즘을 생성해 내는 딥러닝 기술은 기존 일반적인 소프트웨어 개발 방법으로는 처리하기 곤란한 다양한 비정형 데이터를 인공지능을 통해 자동으로 분석하여 활용할 수 있게 해 주었다.
이러한 장점을 활용 기존의 정형화된 알고리즘을 통해서 분석하기 힘들었던 사람의 행동을 딥러닝 및 인공지능을 활용하여 분석하여 이상행동을 파악하거나, 돌발적이거나 예상하지 못한 패턴을 분석하는 등 인공지능과 사람의 행동분석을 결합한 다양한 연구들도 진행되고 있다.
그러나 인공지능을 활용한 대부분의 연구는 영상 등의 이미지 데이터나, 센서를 활용 사람의 동작 관련 정보를 수집하고 해석하여 주로 위급한 상황에 대한 정보를 실시간으로 파악하거나, 특정 상황의 발생 여부를 분류하는데 많이 사용되고 있다.
하지만 이러한 기존의 방식은 사람의 신체 활동 데이터를 기반으로 행동을 분석하여, PC 앞에서 키보드 마우스를 통해 작업하는 것 같은 뚜렷한 특징을 가지고 있지 않은 상황에서의 활동을 분류할 수 없다는 한계점을 가지고 있다.
본 연구의 목적은 기업의 업무 환경에서 사용하는 PC에 기록되는 사용자의 행동 로그 데이터를 인공지능을 활용하여 행동분석이 가능한지 확인하고자 한다.
이는 PC의 행동 로그 데이터도 인공지능 모델을 활용 자동화된 분석 및 분류를 할 수 있다는 것을 보여주고, 더 나아가 기업의 인사평가 등 실무적인 측면에서 활용 가능한 업무 분석 방식을 제시하고, 근로자들이 업무환경에 구애받지 않고 근무할 수 있는 평가 방식을 제시하고자 한다.
Since the covid-19 pandemic occured from 2020, numerous companies introduced telecommuting and work-from-home methods which are different to the conventional work environments and conditions. These working methods have began to increase rapidly in white-collar jobs that can be done only with PCs without requiring specific space for tasks such as production and service workers.
The work efficiency evaluation methods that companies used to focusing on peer evaluation, attendance, and working hours do not keep up with these changed working environments and working conditions.
Beside, the work efficiency can be evaluated by other methods when the user's behavior can be analyzed by using the PC's user behavior log data.
However, the user behavior log data of the PC has a limitation in the huge size of the data such as keyboard input, process information, and mouse input, in which is limited for humans to evaluate one by one.
Deep learning technology, which generates algorithms on its own through data, has enabled artificial intelligence (AI) to automatically analyze and utilize various unstructured data that are difficult to process with conventional software development methods.
Possessing these advantages, various studies combining AI and human behavior analysis are being conducted, such as analyzing abnormal behaviors using deep learning and AI, or analyzing sudden or unexpected patterns.
Most of studies so far using AI used to collect and interpret information related to human motion or gestures from images, videos, and sensor data to identify information about emergency situations in real time or to classify whether a particular situation occurs.
These methods have a limitation in that they cannot classify activities in situations which do not have distinct characteristics such as working through a keyboard mouse in front of a PC by analyzing behavior based on human physical activity data.
The purpose of this study is to check whether it is possible to analyze behavior using AI for user behavior log data recorded on PCs used in work environments.
The novel method in this research shows that the PC behavior log data can also be analyzed and classified using AI models.
Furthermore, this method can be used in practical aspects such as personnel evaluation, and allowing workers to work regardless of their work environment.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)