2016-03-31 SAD - 연세대학교 정보대학원 수업내용

비즈니스 리소스를 규명하고 그리고 순서대로 따라가야함.

리소스 라이프 사이클을 따라가야함.

function에 대해 질문.

프로세스는 쪼갤 수 있는 Activity임.
 
프로세스는 딱딱 구분을 지을 수 있음. 인풋이 있고 아웃풋이 있음. 시작하는 시점이 있고 끝나는 시점이 있음.
 

고객이 주문을 내면 주문 접수가 되고 주문 접수가 완료되면.
주문 들어갈 때, 인풋 정보가 있어요. 짜장면 주문할 때, 내가 어디살고 원하는 메뉴는 무엇인지 등.  Output은 Order Accepted or Rejected에 관한거. 프로세스의 내용은 뭐야? 재고가 있는지 없는지. 공급자가 언제까지 줄 수 있는지 등. 고객 신용도 조사 등. 데이터를 써. CRUD 하는거죠. 이런 처리를 거쳐서. (Take order) 그 결과 Order Accepted or Rejected가 나오는거죠. 

 
프로세스하고 데이터가 헷갈리는거에요. 왔다갔다 하는게. 프로세스는 데이터를 쓰는 거임. 프로세스의 결과로 데이터가 나옴. 프로세스가 데이터를 순서대로 써야함. 처음에 고객 먼저 체크를 해.

데이터 모델링은 정적인거에요. 거기에는 순서를 들이대면 안된다.

고객이 오더를 낸다. 그리고 오더 내린 것이 아이템이다. 이런 순서를 데이터 모델링에 넣으면 안된다. 한 순간의 스냅샷을 찍어서 그 순간에 이루어지는 데이터들을 봐야하는 것이죠.
 
Function과 프로세스, Data. 구분할 것.

이런건 하지마세요. 나가는 것만 있거나 들어오는 것만 있는거는 만들면 안된다.
 

영어니까. 동사 중에서도 Strong Action Verb를 써야해요. 뒤에 나오는 명사가 Entitiy Type이 될 수도 있고 Attribute가 될 수도 있어요.

새로운 정보를 만들어 내면 프로세스임. 전혀 새로운 정보를 만들지 않는 프로세스도 있어요. 조회. 조회 프로세스도 정보를 만들어내요. 로그. 수표에 이서를 하는 것도 프로세스에요.

Function Decomposition Diagram이라고 했죠.

점점 구체화된 Activity로 나아가는거죠.

 

 

No more No less 하위의 프로세스를 합하면 위의 프로세스와 같은 거죠.
 

세부적으로 내려가면 위와 같은 장표가 수백개가 있죠.
 

Master Production Schedule
 

프로세스의 그룹핑을 사람마다 다를 수 있지만, 세부 프로세스가 빠진게 있으면 안된다.

재고관리에 원자재 관리랑 제품재고 관리를 같이 넣는 경우가 있는데 그러면 안되요. 왜냐면 리소스 라이프 사이클이 서로 다르기 때문이죠. 실제로 원자재 창고랑 완성품 창고가 달라요.

ER을 들여다 보면 parent가 없는 경우가 있어요. Sale Order는 parent가 있어요. FDD에서 오른쪽으로 넘어가기 전에 꼭 필요한 정보는 왼쪽에서 만들어 줘야 하는 것이죠.
 
프린트샵을 생각해보죠. 프린트샵이 주문생산이죠?
Element 간의 순서. 이런게 빠져있음. 프로세스들 사이의 관계.

Process Dependency Diagram 은 쉬움. 학교에서는 어려운거 배워야지.
DFD를 그리는 방법을 배우는 거죠.
위의 그리믄 고객이 수금처리하는 다이어그램이에요.

ERwin와 파트너는 BPwin.  BPwin으로 이거 그리는거죠. 패키지마다 표현 방식은 조금씩 달라요. I-CASE는 아님. Upper-CASE임.
사각형
외부객체. 시스템의 외부.
 
 

시스템 외부 객체끼리 주고 받는 것은 모델링 하는 것이 아님. Destination. 목적지. 프로세스안에는 데이터를 저장하는 공간이 없음. 끝날 때만. 프로세스는 Run이 끝나면 날아가는 거.

프로젝트하고 그림을 그려보면 화살표는 Data flow임. 툴 안에서 flow를 클릭하면 그 안에 필요한 데이터를 반드시 지정을 해야함. 프로세스 모델링을 어떻게 해야 하는가. 분석하고 설계할 때, 이게 반드시 아웃풋으로 나와야 실제 코딩으로 진행했었음.
 
 
 
 
 
 
 
 
저작자표시 비영리 동일조건

'Research 학술연구' 카테고리의 다른 글

2015-06-11 사회과학 연구 방법론  (0) 2018.05.18
2016-04-05 정량적 데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.12
2016-03-29 정량적데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.09
2016-03-17 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.07
2016-03-15 정량적 데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.06
2016-03-29 정량적데이터 분석 - 연세대학교 정보대학원 수업내용

 

멀티 티멘셔널 컨스트럭트도 사용하는 경우가 많음.

User Empowerment
 
 
키워드를 이용해서 measurement  아이템들을 선정하게 되는 것이죠.

 
쉽게 말하면 이거에요. 새로운 변수를 만들었어요. 기존 변수랑 다른 거겠죠. definition을 정의 해요. 그리고 거기에서 키워드를 뽑아내는 것이죠. 거기에 첫번째로는 expert 인터뷰를 해요. 거기에 동의하는 부분 그렇지 않은 부분 이런 것을 하면 어느정도 필터링이 이루어지겠죠.
 
그 다음에는 아이템 소팅이에요. 아이템들을 나누어주고. 변수명과 definition을 주고 하나씩 매핑해보라. 이름만 써줘요. 5명의 judge가 있다. 그러면 얼마나 잘 평가했는지 체크를 함. 뭔가 하나의 아이템에 대해 좀 다르다 싶으면 해당 변수를 수정 보완할 수 있겠죠.

상대방이 충분하게 이해될 수 있도록. A응답자와 B응답자가 각각 똑같이 해석할 수 있는 서베이 항목.
 
3단계. 일반적인 준비단계임. 변수에 대한 definition 준비. 포텐셜 아이템 (센텐스) 기본적으로 각 변수별로 미니멈 4개의 센텐스가 있어야겠죠. 첫번째 단계는 전문가 인터뷰. 과연 이 변수에 대한 이 아이템이 적정한가에 대한 전문가 인터뷰가 이루어짐. 수정된 걸 가지고 아이템 솔팅 단계를 갈 수 있어요. 대학원생으로 내려가는 것이죠. 칠판 같은 것을 이용해도 되고요. 단어장을 이용해요. 측정 항목이 제대로 동의를 받지 못할 수도 있겠죠. 빼버리던지 수정하던지 해야겠죠. 준비가 되면, 세번째 단계는 실제 응답자들. 사용할 사람들. 페이스북 실제 사용자들. O2O 실제 사용자들. 5~6명 정도 샘플링 합니다. 완전한 질문지를 주고 컨텍스트에 어색한 점이 없는지 물어봅니다. 수정의 기회를 한 번더 가질 수 있음. 이 3가지 단계를 거치면 더 좋은 측정항목이 나오겠죠.

측정항목을 어디서 가져오는지.
 

기술적 지원이면 이 변수를 쓰고 싶어요. 그러면. 기존의 정의와 본인이 개정한(propose한) 정의를 가지고 아래처럼 표를 만들어서 전문가에게 검증 받으세요. 그렇지 않으면 해당 변수에 대해서는 검증을 받지 않겠다는 의미가 되기 때문에.

이걸 가지고 전문가 인터뷰를 할 수 있어요. 박사과정 정도라도. 레퍼런스를 어디에서 가져왔는지가 굉장히 중요한 이슈가 될 수도 있어요. 왜냐하면 4가지 아이템 중에서 어떤 아이템을 빼야하는 이슈가 생길 수 있는데, 그 기준이 해당 레퍼런스가 될 수 있어요. 한글 번역이 나와야 함. 전문가 인터뷰시, 이것이 정말 한글로 제대로 번역이 되었는지 피드백을 받을 수 있음.

 

예를 들면 user satisfaction을 measure 한다면, 질문항목을 단어장에 하나씩 씁니다. 그러면 질문 항목이 50개정도 된다면 50장의 단어장이 필요하겠죠. 그 다음에 judge를 invite하고 (미니멈 3명) 각 변수에 대한 변수명과 정의를 알려줘요. 그리고. 단어장/포스트잇을 이용해서 하나씩 붙여라 이런식으로도 할 수 있겠죠.  

아이템 소팅은 Labeled와 Unlabeled 두 가지가 있어요. 언레이블드는 단순히 설문 문항만 주고 그룹화 해봐라 하는거에요. 언레이블드는 그룹핑만 하는 것임. 그래서 어렵고. 일반적으로는 Labeled만 해도 괜찮은 경우가 많아요. 

해당 결과를 표로 나타내면 아래와 같음

여기에서 Agreement(Hit Rate)가 중요함 미니멈 70% 가능하면 80% 이상 높이는 것이 좋음. 

Structured가 98% 이상으로 나온 것으로 labeled가 더 높은 hit rate을 나타냄.
 

예시.

 
Common method bias 질문의 응답자가 매번 같은 방식의 측정 방식을 사용하면 응답이 지루해지기 때문에 불성실한 응답을 할 수 있기 때문에 중간에 측정 방식을 바꾸는 것이 좋음. Reverse를 사용하는 것도 좋은 방법.

기본적으로 하나의 변수당 미니멈 4개의 질문. 모델이 조금만 복잡해지면 설문 문항이 많아지죠. 항상 응답자 입장에서. 10분? 아니죠. 10분까지는 못함. 내가 과연 몇 분이나 견딜 수 있나. 3~5분. 시간이 많이 걸리고 데이터를 많이 모을수도 있죠. 그러나 그러면 데이터 Quality가 떨어져요. 하나의 응답에 보통 5~10초. 딱 좋은 숫자는 60개. 그나마 응답자가 정신을 집중해서 할 수 있는. 변수에 15개를 전부 쓸 수가 없음. 인구통계학적 특성에 대한 정보를 받는다고 생각하면 10개정도.

아이템 소팅을 정말 strict 하게 제대로 했으면 설문항목의 순서를 막 섞어도 괜찮을 수 있어요. 하지만 현실적으로는 그렇지 않죠. 사람들이 사실 응답자들이 헷갈려요. 이게 무슨 의미인지. Highly collerated 된 것이죠. 아이템 소팅에서 보이는 것이죠. 아이템 소팅이 깨끗하지 못한데 해야겠다. 그러면 변수끼리 묶습니다. 변수명은 보여주지말고 그룹핑을 해서 보여주는 것이죠. 아이템 소팅에서 highly collerated된 것은 질문지에서 멀리 떨어뜨려요. 그래서 사람들이 그 사이에 잊어먹어요. ㅋㅋㅋㅋ 그래서 좀 달라질 수 있어요. Definition을 보았을 때, 분명히 연관관계가 높을 것 같다고 느껴지는 것이 있으면 멀리 떨어뜨려놓아야 해요. 가능한 멀리. 첫 페이지나 끝 페이지.
 
가능한 Top-Level 질문에서 Specific한 질문으로 내려가는 것이 좋고. 개인정보는 맨 나중에. 사람들이 각 그룹의 첫 번째 질문을 대표성 있는 질문이라고 생각함. 각 그룹(4개)에서도 맨 첫번째 변수를 제일 대표성 있는 질문으로 놓아야 함.
 
쓰레기 데이터를 모으면 논문의 퀄리티가 안좋을 수 밖에 없음. 질문 시간을 짧게, 질문 숫자를 적게 해야하는데, item sorting을 잘하면 이게 가능함.
 
하나 더 중요한 것. 인센티브.
3가지 : 질문수, 응답수, 인센티브.
 
인센티브 팁.
5천원. 오프라인.
회사데이터? 입장을 생각해 보아야 함. 만원.
로또. 천원임. ㅋㅋ 연구비 처리가 힘듬 ㅋㅋ
 
미니멈 200명.
 

 
타겟 샘플링 어떻게?? 사용의도. Initial intension이 있을 수 있겠고, Re-use intension이 있을 수 있겠죠. 이걸 명확하게 해야함. potential이랑 재구매는 다름. 이 서비스를 한 번도 써보지 않은 사람들이랑 이 서비스를 이미 사용한 사람에 대한 이슈는 전혀 다른 것이 될 수 있어요. Re-use나 repeat use에 대해서는 만족도가 적용이 되는 것인데, 한 번도 사용해보지 않은 사람들에 대해서는 그게 이어지지 못하는 것이죠. 때문에 타겟 papulation을 잘 지정해야해요.

대표성이 있느냐.
알라딘, 실제 알라딘 고객인가. 알라딘 결과가 다른 온라인 서점에 적용될 수 있는지 Generalization. 다른 온라인 서점의 고객들과 얼마나 유사성이 있는가. 1) 수집된 1,000명의 고객과 기존의 알라딘 고객군들에 대한 비교 2) 전체 온라인 쇼핑몰을 대표하는 고객 특성에 대한 데이터와의 비교.  Extream하게 다르지 않다. 이런걸 보여야함.

Convenience Sampling. 우선 데이터를 구하는게 어렵다면, 편의 샘플링을 하기도함.
리샘플링. 일단 많이 모아두고, 일반적인 고객 특성에 맞도록 샘플링을 다시 하는 것. SPSS에 있음.

 

Sample Size 적어도 100. 중간에 mediator가 있다. PLS나 Lisrel이라고 하면 200개 필요. 리서치 주제에 따라 다름. Unit of Analysis에 따라서도 다름. 조직은 200 어려움.
 
moderator가 있는 경우가 있음. 그럼 200x2~3개 정도 샘플을 확보해야함.  Survey로는 사실 잘 안잡혀요. 1. 샘플 사이즈를 크게 하는 거에요. 그러면 잡힐 가능성이 높아짐. 2. 스케일을 세부적으로 쪼개는거에요. 더 구간을 늘리면 잡힐 가능성이 높아져요. (7점 척도를 9점이나 11점으로)
 
Statistical Power 체크해야함.
 
Stage 1 ~ 2. 사이에 재응답 비율. 실제 사이트에 배너를 거는거. 1 Pages Proposal 직접 보내야 하는거. 김희웅 교수님은 마케팅 팀에 직접 콜드콜 했음 ㄷㄷ

 
마지막 3일에 응답한 사람들의 특징이 Non-response Bias라고 가정하고 가는 것이 일반적. 그럼 문제가 있다고 확인할 수 있음.

 

 

 

40 Frontline em 10 Middle m Malta er Frequency 130 71 63 117 21 106 84 11 201 Percentage 647 '/>
변수는 3글자. 모음말고 자음씀. 본인이 이해할 수 있는거.
 
Sample이 작을 경우는 Power Test를 진행.
 

 

 

여러가지 체크해야할 것들이 있는데, Mediator를 체크해야해요. Independent variable 을 dependent variable

Med가 없으면 SPSS로 감.
Med 있으면 Smart-PLS, LISREL로 감. moderator는 상관없음.
 

 

테스트 하는 순서. 6개의 순서.

응답자의 평균 연령이나 이런걸 측정하려면 나이를 구간이 아니라 직접 입력 받는 방식으로 하는 게 좋음. 항상 좋은 것은 숫자를 이용하는 것이 좋음.
 

 

일반적으로 구체적인 것이 더 추천되는 방식이지만 구체적으로 나눠놨더니 편향된 표본이 드러나는 경우 포괄적인 방식으로 응답자를 나타낼 수 있음.
 
 
 
 
 
 
 
 
 
 
 
저작자표시 비영리 동일조건

'Research 학술연구' 카테고리의 다른 글

2016-04-05 정량적 데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.12
2016-03-31 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.09
2016-03-17 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.07
2016-03-15 정량적 데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.06
2016-03-10 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.04
2016-03-17 SAD - 연세대학교 정보대학원 수업내용

왜 대형 IS 프로젝트는 실패할까?

 
요구사항 명세서를 작성해서 계약함.
 
사용자의 정보 요구가 달라진다는게 큰일이에요. 뭔가 바뀌는 게 있는데, 잘 안바뀌는거 위에 바뀌는게 올라가는건데. 5~6가지 시스템 구성 요소에서 가장 중요한게 Data랑 SW가 가장 중요하다고 하죠. SW랑 Data가 중요하지. 데이터가 안정적인데, 데이터에서 안정적인게 무엇일까. Logical Representation of data가 안정적인거에요. 그 조직에서 중요시 여기는 엔티티의 종류는 잘 안바뀐다.
 

 
Entity Type과  Entity Occurrence은 다르다. Entity Occurrence은 각 프로덕트의 라인.
 

 
데이터 모델과 프로세스 모델을 헷갈린다. 데이터 모델은 흐름이 없음. 데이터 모델은 특정 상황을 스냅샷을 찍은 것임.
또 다른 채널이 나타나도 그대로에요. 데이터 종류. 데이터 간의 관계를 나타내 주는 것이 데이터 모델이다. 즉, 어떤 종류의 데이터, 그들간의 관계를 나타낸 것이 데이터 모델임.
 
원재료가 ER임. 추가 요구조건을 바꾸는건 별거 아님.
 

물리적인 DB랑 개념적인 DB는 다른거에요. 개념적인 DB는 하나에요. 애플리케이션끼리 공유를 하는데요. Cash flow 계획을 세워야 하는데요. 안정적으로 공유하면서 사용할 수 있음. 왜 이런식으로 설계를 하면, DB가 안정적이라서. 저거 말고 뭐가 있을까. 회사와 관련된 데이터가 각 애플리케이션 마다 따로 저장되어 있었음. 예전에는 중앙 DB에서 관리할 수 있는 기술이 없었어요.
 

서로 사용하는 용어가 다름.
Bloc Time 비행시간.

# 비행기 그림
 

 
개발자와 관련된 문제가 뭘까요. 문제점과 해결방안. 사용자 관련 문제점과 해결방안을 써라 하면 잘 못쓰는 경우가 많음. 시험에 잘 나와요.
 

회계 시스템 만드는데, 공대 전공 출신에게 시스템 구축을 맡김. 공대생이 회계 거래의 8요소 물어보면 알 수 있나? 그러면 SI 회사 입장에서는 어떻게 해야하나. 방법론이에요.
 

방법론이 뭐냐면 시스템 development life cycle을 구체화 하는거에요.
 
# 소프트웨어 개발 사이클 그림

엔티티란? 크게보면 회사에서 중요한 리소스가 무엇이냐.
 (내가 웹에서 찾아본거: 엔터티에 대해서 데이터 모델과 데이터베이스에 권위자가 정의한 사항은 다음과 같다.)
변별할 수 있는 사물 - Peter Chen (1976)
데이터베이스 내에서 변별 가능한 객체 - C.J Date (1986)
정보를 저장할 수 있는 어떤 것 - James Martin (1989)
정보가 저장될 수 있는 사람, 장소, 물건, 사건 그리고 개념 등 - Thomas Bruce (1992)
 
 
다대다 관계는 DB상에서 구현이 불가능 하기 때문에 중간에 변환해야 함.

 
검증은 사용자가 하고 쓰는건 프로그래머들이 씀.
 

 
위의 4단계 시험에 나옴. 안나올 수도 있고. ㅎㅎ
물리적으로 SDLC를 구현해 놓은게 방법론. 일관된 프로젝트의 퀄리티를 보장할 수 있는게 방법론.
 

하나는 Data의 관점 하나는 process(activity) 관점.
 

건물 설계하고 짓는거랑 똑같다고 했잖아요.
나중에 가면 심각해져요.
 
# 과제: 교재
 

저자들의 방법론을 정리해볼 것. 테이블을 만들 것.
#과제

 

 
 
DA가 여러명인 경우에 2번 같은 문제가 발생할 수 있음. 여러 사람들이 하다가 보면 Coordination이 잘 안될 수 있음. 개발자들은 Documentation을 싫어해요. 왜냐면 Documentation은 설거지 같은 것. 프로그래밍은 요리와 같은 것. 나름대로 재밌음. 그런데 문서작업은 그런게 아님. 5) 리소스는 항상 부족해.

Maintenance를 Analysis 단계에서 하는 것임. 프로그램은 지가 짬. ER에서. 코드 자체를 바꾸려고 하면 이해를 해야함. 그러면 시간이 걸리는 것임. 진흙탕에 안빠지고 앞단에서 만드는 것.
 

 

CASE랑 방법론은 상호 보완적인 관계임. CASE가 methodology가 아니고, 대안도 아님. 서포트해주는 하나의 기술일 뿐.

Repository가 무엇인가. 제일 중요한 거에요.
 

시스템에 대한 모든 knowledge가 한 곳에 모여 있는거야.

Source & Object Code 는 조금 달라요. 이건 다음에 설명해줄게요.
 
# 딕셔너리

데이터 딕셔너리의 단위는 어트리뷰트 Attribute (field): 이름, 학번 -> 모이면 Record (Entity Occurrence): 이순규 -> Entity Type: 학생

 

Oracle Desinger 9i
 

 

 
프로그램 구조는 Repository에 들어있음. 실제 코딩한 건 Program Library에 있음. 이건 외워야 함.

 
Lack of IS development Resource 같은 경우는 자동으로 코드를 짜주는 툴이 있음.
 

분석 설계할 때 가장 많은 비용이 들어감. 왜냐면 구현에는 다양한 툴이 있어서 비용의 절감이 가능함. 100% 짜주는 것은 아니지만 많은 도움을 줌.

SQL 고치는 것과 ER 고치는 것의 차이.
 
I-CASE는 개발 전반적인 부분을 설계할 수 있는 통합툴을 의미함. ERwin은 DB만 부분적으로 설계할 수 있기에 I-CASE 툴은 아님.
 

 
선후관계를 나타내는 것이 PERT

 

MS Project로 그린 차트.
 
교재 p105 14번 문제. Activity J, H, I, B에서 B가 빠져있음. 이걸 추가

 
 
저작자표시 비영리 동일조건

'Research 학술연구' 카테고리의 다른 글

2016-03-31 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.09
2016-03-29 정량적데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.09
2016-03-15 정량적 데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.06
2016-03-10 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.04
2016-03-08 정량적 데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.03
2016-03-15 정량적 데이터 분석 - 연세대학교 정보대학원 수업내용

 
정말 중요한 것 인가. new와 interesting 사이에서 고민. Interesting 부터 시작할 것.
방법론 이슈는 가장 중요한 이슈중 하나.

항상 시작은 phenomenon에서 시작임. 참고 문헌이 아니라. 사회 현상이나 비즈니스 인사이트를 지니는 현상 부터 시작해야함. 그렇지 않으면 연구를 위한 연구를 하게 된다. 연구를 위한 연구를 하게되면 여러가지 문제를 가질 수 있음. 리뷰를 통과하기도 어렵고. New 한 걸 만든다고 하더라도 interesting하지 않을 수 있음. '사회 현상'을 뒤져야 함. 신문, 아티클을 많이 보세요. 컨퍼런스나 저널 같은 곳의 Call for paper를 보면 여기에 도움이 될 것임. 여기에 대해 initial literature review를 함. 기존에 비슷한 연구가 있는지. 있으면 어떻게 할 것인지 이런 것들을 고민해볼 것.
 
Theory 라고 하는 것은 창문임. 그 하나로 모든 것을 볼 수는 없을 것임. 하나의 스터디로 모든 것을 커버할 수는 없을 것임. 그래서 하나의 관점이 필요한 것이고 이것이 theory. 하나의 연구에 대해서 어떤 관점으로 바라보느냐. 그것이 theory의 역할임. 온라인 behavior를 측정하는 theory도 많은데, 이 중에 어떤 것을 선택하느냐도 중요한 부분임.
 
Research Model을 만들기 전에 Theoretical Framework를 만들 것.
 

Research Topic을 선택을 할 때, 어떠한 토픽을 선택할 것인가.
 
이 과목에 최종 Output은 Term output을 내는 것. 이번학기를 통해서 학위논문을 만드는 것이 가장 좋을 것.
Topic을 빨리 골라야함. 저널의 special issue 쪽 찾아볼 것.
 

 
논문 자체를 이런 structure로 가져간다고 하면 논문 구성에 있어서는 반 이상 먹고 갈 수 있을것.

 
----

요즘에 세컨더리 데이터 관련된 분석이 늘어나는 추세임.
이 과목은 주로 behavioral Research 가 주된 목적. Relevance에 관련된 3가지 포인트가 있죠.

기존 연구가 없는 이유는 뭘까요? 두 가지가 있어요.  1. 토픽 자체가 의미가 없어서 연구가 안될 수 있고, 2. 상당히 중요함에도 불구하고 아직 연구가 이루어지지 않을 수 있다. 만일 1이 아니라 2라면 Relevance에 대한 서술이 먼저 이루어져야 한다. 기존 문헌 연구가 없을 때, 졸업논문으로 쓰면 안된다. 이 토픽이 과연 어떤 연구하고 연관지을 수 있는가. 어떤 Theory와 연결 시킬 수 있는 부분에 대해 고민해 보아야 함. 좀 더 Refine 하는 작업이 필요할 수도 있겠다. 이것이 결국 new에 대한 이야기를 할 수 있어야 해요. Contribution에 대해 화두를 던질 필요가 있다. 차별화 된 부분을 쉽게 알 수 있겠죠. 실제로 주어진 기간안에 해결할 수 있는 논문인가에 대해 생각해볼 필요가 있어요. 항상 시작 포인트는 비즈니스 측면에서 재밌는 부분인가에 대해 생각해보아야 해요.
실제로 It에서 인정받고 있는 부분의 저널을 나열해봤어요. 여기에서 topic에 대한 인사이트를 찾을 수 있겠죠.

Key symptoms을 찾아보아야 해요.
 

ERP 시스템이 상당히 중요한데, 인더스트리 리포트를 보니까, ERP 시스템의 구현과정의 실패를 찾아보니까. 6~80%가 원래 의도한 것을 만족시키지 못한다고 함. 그렇다면 Management 입장에서는 안좋은 것이죠. 프로젝트 실패의 가장 큰 원인중에 하나가 '사용자 저항' 이더라. User 저항. 위의 슬라이드에서 1~3 단계가 굉장히 중요한 이슈에요.
 예를 들어, 빅데이터가 요즘 이슈인데, 사실 투자대비 효과를 못 뽑고 있다. 그런 상황에서 key problem은 시스템은 잘 있는데, 잘 못쓰고 있다는 것이 key 문제임. 그럼 IS-infusion (full-utilazation)을 위한 동기는 무엇인가. 항상 흐름이 이렇게 1~3단계가 유기적으로 잘 돌아가야 해요.
 
--

 
인트로덕션을 잘못쓰면 심사위원들에게 가장 bias를 많이 주는 것임. 그래서 잘써야함.
 

Setting the hook이 정말 중요함.

 
이 후에 스토리 라인이 정말 중요한 것임. 아무리 강조해도 모자라지 않을 정도로 introduction이 정말 중요합니다.
----
 

정리할 포맷이 무엇인가. 여기에 따라 테이블 포멧이 달라져야 해요.

이런 유형의 선행연구 정리 방법이 있죠. 다른 방법으로 어떻게 정리할 수 있을지도 고려해 보아야함.

IS-infuion에 관한 연구. 예시.

각 기준들을 잘 정리하고 연관성있는 구조를 찾아본 결과. 기존 연구의 체계를 통해 선행연구를 정리하면 새로운 장점을 얻을 수 있음. 아래와 같이. 매핑하면 두 가지를 얻을 수 있음. Status Quo Bias Theory의 타당성이 어느정도 설명이 된다. 기존연구를 보면 내가 택한 이론에 다 들어가므로 타당성을 지닌다. 두번째로는 기존 연구에서는 모든 3가지 도메인을 한꺼번에 연구한 경우는 없다. 때문에 우리 연구가 더 중요하다라고 말할 수 있음. 이렇게 되려면 Background Theory랑 Literature Review가 조합되어야 함.

결국 Literature Review를 통해 테이블을 만들고, 이 2개를 이야기 해야합니다.
 

기존 연구의 missing point, 이 연구의 목적과 연결되도록. 여기에서 나온 테이블을 통해 우리가 적용한 Theory의 타당성을 설명할 수 있다면 금상첨화.
 

절대불편의 진리. 협의의 Theory.
광의의 Theory. 누구든지 만들 수 있으면서 어떤 현상을 설명할 수 있는. 원인과 결과를 설명할 수 있는. 추가적으로 리서치가 이루어진. Statement.
우리는. 기존 연구에서 검증된 theory.
어떤 변수들 간의 관계를 define한. 원인과 결과에 대한 Statement의 집합체. 현상을 설명하는 것이 Theory.
 

 

 
Variance Theory : 요인을 찾아내는 건 정량적 연구
Process Theory : 순서를 밝히는 건 대부분 정성적 연구
 

리서치 모델을 가져오면, 이게 원인과 결과에 따른 모델인가 프로세스 모델인가를 혼돈하는 경우가 있음. Time Sequence가 아님. 리서치 모델은 여러분들에게 있어 광의의 theory가 됩니다.

What은 변수
how는 화살표. 원인과 결과를 말함.
Why왜.
 

초반에 변수를 찾아내는거. 선행연구에서 찾아냈다? 절대 그러면 안된다. 선행연구 150개 봤다? 그러면 1000개 보면 변수가 달라지는 건가? 여기에 답할 수 없음. Theory에서 찾아냈다고 해야함. 하나의 Theory가 Boundary Condition이 되는 것임. 때문에 왜 여러가지 이론중에 이걸 쓴지가 정말 중요한 포인트가 된다. 그래서 Theoretical Foundation이라고 하는거에요.

하나의 연구에는 하나의 뷰 포인트를 담아야 함. 그래서 background Theory가 필요함. 아주 안좋은 리서치의 전형적인 예시임. 리서치 모델은 As simple as possible 해야함.

이론에서 찾아낸 변수들이 무엇인지를 Psychological commitment에서 설명.
기존의 연구들에 대한 걸 종합해서 Technology Acceptance literature에서 설명.
그리고 new point를 switching costs를 통해 설명.

 

 

 
Self-Presentation Desire 때문에 물품을 구매하는 이유? 명품구매 같은거.
---
논문의 포지셔닝. 해당 모델이 모바일 쇼핑에 적용이 되고 오프라인 쇼핑에도 적용이 되는 모델이면, Context Unique를 어떻게 잡는 것이 중요함. 인트로덕션을 다르게 써야 한다는 의미. 하지만, 현실적으로는 모든 영역에 적용될 수 있는 모델이 아니라 특정 도메인에서 적용될 수 있는 모델에 대해 적용할 수 있는 걸 해야함.
 
가설의 설명 3가지 방법. 1. 기존 연구에서 이렇게 했기 때문에 우리는 이렇게 한다. (가장 안좋음) 2. 이론적 설명이 되어야 함. Theoretical implication 측면. 3. 본인 생각. Conceptual argument

Customer Value 이론 2가지. Value의 타입을 고려할 수 있는거랑.
 

Overall Value에 관한거랑. 전혀 다른 approach.
 
저작자표시 비영리 동일조건

'Research 학술연구' 카테고리의 다른 글

2016-03-29 정량적데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.09
2016-03-17 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.07
2016-03-10 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.04
2016-03-08 정량적 데이터 분석 - 연세대학교 정보대학원 수업내용  (0) 2018.05.03
2016-03-03 SAD - 연세대학교 정보대학원 수업내용  (0) 2018.05.01

+ Recent posts

티스토리툴바