전문가 시스템을 이용한 인터넷 체중 감량 상담 프로그램 개발

박선민; 박수진; 최선숙

추천

검색

질문

자료유형: 학술저널

저자정보: 박선민 박수진 최선숙

저널정보: 한국식품영양과학회 한국식품영양과학회지 한국식품영양과학회지 제30권 제5호

발행연도: 2001.10

수록면: 993 - 999 (7page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구에서는 인터넷상에서 일반 대중들이 행동 수정 방법을 통해 올바른 식습관을 비롯한 생활 습관을 가짐으로 체중 감량을 통해 정상적인 체중을 장기간 유지할 수 있도록하기 위해서 전문가 시스템 툴인 KEA를 사용하여 실시간 상담을 해줄 수 있는 프로그램을 개발하였다. 전문가 시스템인 KEA는 MCRDR 이론을 사용하여 특정 분야의 전문가가 전문가 시스템에 관한 전문지식 없이도 시스템을 직접 구축운용할 수 있는 환경을 구축하여 지식의 전문가가 직접 지식데이터 베이스를 구축하고 유지?보수하여 저렴한 비용으로 장기간 운영이 가능하다는 장점이 있다. 처음에 KEA로 상담할 수 있도록 지식을 학습시키기 위해서 체중 감량에 관련된 설문지를 작성하여 과체중 또는 비만한 사람 150명을 대상으로 설문을 받아 전문 영양사가 이에 대한 상담을 하고 이것을 KEA에 학습시켰다. 설문지는 인터넷 상담 프로그램과 같은 설문지를 사용하여 각 대상의 비만의 원인, 식습관, 생활습관, 운동 습관을 조사하였다. 체중 감량 상담은 행동 수정이론을 적용하여 내담자가 스스로 잘못된 식습관 및 생활습관을 수정함으로써 점차 체중을 감량하여 평생 적절한 체중을 유지할 수 있는 방법을 터득할 수 있도록 상담하는 것을 원칙으로 하였다. 지식을 KEA에 학습시키는 방법은 조사한 설문을 바탕으로 case에서 적절한 항목값으로 추출하고 KEA에 지식을 만들기 위한 조건으로 추가한 후 이러한 조건에 맞는 상담 결론을 선택하고 추가하는 방식으로 KEA에 학습시켰다. 이 프로그램은 인터넷을 통해 일반인이 사용할 수 있도록 인터페이스를 만들었고 사용자가 프로그램에 들어가서 실시간으로 전문가의 상담을 받을 수 있다. 사용자가 인터넷 체중감량 상담 프로그램을 사용하기 위해서 화면에 있는 설문에 답을 기입하면 이미 축적된 KEA의 지식으로 실시간으로 상담의 결론을 내려주었다. 만약 사용자의 상황이 KEA에 축적되어 있는 지식으로 결론을 내릴 수 없으면 ‘결론없음’이라는 말이 뜨게 되고 이때는 전문가가 직접 이 상담 case를 분석하여 KEA에 지식을 축적시켜 점차 KEA의 지식을 확충시켰다. 결론적으로 전문가 시스템인 KEA를 이용하여 체중 감량의 원칙을 행동 수정 방법에 따라서 사용자의 개인에 맞는 방법을 체중 감량을 할 수 있도록 전문가가 일대일로 실시간으로 상담할 수 있도록 하여 건강하게 체중 감량을 할 수 있도록 하였다.

The purpose of the study was to develop a nutritional counseling program using expert system to assist obese people to lose weight through behavior modification in the internet. The counseling internet program for weight loss was developed by the accumulation of knowledge for dealing with eating habits and exercising behaviors into expert system tool, Knowledge Engineering Agent (KEA) by a dietitian without any help of computer expert. KEA was built based on the theory of Multiple Classification Ripple Down Rules. To accumulate knowledge into KEA, survey was performed in 150 obese people, the dietitian reviewed and consulted each survey case, and the consulted contents were learned and accumulated into KEA. Survey questionnaires were the same as those of the internet consulting program, and they included general characteristics, dietary habits, lifestyle, and exercise patterns related to obesity. KEA was used for nutritional counseling of obese people after KEA had enough knowledge for weight loss based on behavior modification by the dietitian. To accumulate knowledge to KEA, the dietitian selected proper factors inferred from the survey questionnaire of each case, and added the conclusions for them. Conclusions were made for helping clients to correct bad eating behaviors and accumulate good behaviors for losing weight. When clients answered survey questionnaires in a counseling internet program, KEA gave the recommendation how to eat, to exercise and to deal with stress in a real time for each case. If KEA did not have enough knowledge for a specific case, the conclusion window wrote ‘no conclusion’, and the dietitian needed to add conclusions for the case. The conclusions for the new case added to the KEA knowledge base. In conclusions, a counseling internet program for weight reduction can be used for give advices how to deal with obesity in a man-to-man way in a real time using KEA where nutritional knowledge based on behavior modification for weight loss was accumulated.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

박선민

소속기관 한국식품영양과학회

주요연구분야 농수해양학 > 식품과학

논문수 12 이용수 4,423

박수진

소속기관 세명대학교

주요연구분야 농수해양학 > 식품과학 TOP 5% 인문학 > 인문학 일반

논문수 71 이용수 8,568

최선숙

소속기관 한국식품영양과학회

주요연구분야 농수해양학 > 식품과학

논문수 1 이용수 139

이 논문과 함께 이용한 논문

전자금융 통합인증기술의 국내외 표준화 동향

정영곤 , 김근옥 , 심희원 한국통신학회지(정보와통신) 2014 .04

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-511-018115463

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)