이 연구 주제는 대규모 데이터의 수집, 저장, 관리, 정제, 분석 전 과정을 체계적으로 다루는 데이터 중심 연구를 핵심으로 한다. 연구실의 기반 역량은 데이터베이스 시스템과 빅데이터 관리 기술에 있으며, 다양한 도메인에서 생성되는 정형·비정형 데이터를 효율적으로 통합하고 활용 가능한 형태로 전환하는 데 초점을 둔다. 단순한 데이터 저장을 넘어, 실제 의사결정과 예측에 활용될 수 있는 분석 환경을 구축하는 것이 중요한 목표이다. 연구 방법 측면에서는 데이터베이스 설계, 시계열 분석, 텍스트 마이닝, 머신러닝 기반 예측 모델링, 공간 및 센서 데이터 처리 등 폭넓은 기법을 활용한다. 강수량 예측, 대중교통 이용 패턴 분석, 취업률 분석, 전기차 충전소 최적화, 배터리 수명 예측과 같은 사례는 연구실이 공공데이터, 산업데이터, 환경데이터를 실제 문제 해결에 연결하고 있음을 보여준다. 또한 데이터 품질 확보와 표준화, 분석 결과의 해석 가능성, 서비스 적용 가능성을 함께 고려하는 점이 특징이다. 이 연구는 스마트시티, 공공인프라, 환경 예측, 산업 운영 최적화 등 다양한 분야에서 활용 가치가 높다. 앞으로는 생성형 AI와 결합한 자동 분석, 실시간 데이터 파이프라인, 설명 가능한 예측 시스템으로 확장될 가능성이 크다. 이를 통해 연구실은 데이터 기반 사회문제 해결과 지능형 서비스 구현을 동시에 지원하는 응용 중심의 빅데이터 연구를 지속적으로 발전시키고자 한다.

이 연구 주제는 온라인 가상환경과 교육 플랫폼에서 생성되는 학습자 행동 데이터를 분석하여 학습 효과를 높이는 지능형 교육 모델을 개발하는 데 중점을 둔다. 특히 메타버스 기반 학습 환경에서 학습자의 이동, 상호작용, 참여도, 반응 패턴을 수집하고, 이를 바탕으로 학습 특성을 정량화하는 연구가 핵심이다. 연구실은 학습자 개개인의 특성과 학습 맥락을 반영한 맞춤형 진단 및 지원 체계를 설계하고자 한다. 구체적으로는 패턴 데이터 수집 환경 구축, 교육 데이터 표준화, 머신러닝 기반 학습 효과 진단, 전공 적합성 추천, AI 교육 인식 분석 등 교육 데이터 마이닝 전반을 포괄한다. 기존의 성적 중심 평가를 넘어 행동 로그, 상호작용 기록, 텍스트 반응 등 다양한 데이터를 통합하여 학습자의 상태를 다각적으로 파악하는 것이 특징이다. 또한 특수학습자를 포함한 다양한 학습 대상에 적용 가능한 모델을 고려함으로써, 포용적이고 정밀한 교육 지원 기술로 발전시키고 있다. 이 연구의 기대 효과는 개인화 학습 지원, 조기 학습 부진 예측, 교육 콘텐츠 추천, 학습 경로 최적화 등으로 이어진다. 장기적으로는 메타버스와 생성형 AI를 결합한 차세대 학습 플랫폼, XR 기반 지능형 교육 시스템, 데이터 기반 교육정책 지원으로 확장될 수 있다. 즉, 연구실은 교육 현장에서 실제 활용 가능한 AI 기반 분석 도구를 제안하며, 학습 경험과 성과를 동시에 향상시키는 교육 혁신 연구를 수행하고 있다.

이 연구 주제는 사용자 행동과 선호를 분석하여 개인에게 최적화된 정보, 콘텐츠, 서비스, 마케팅 전략을 제공하는 지능형 시스템 개발에 초점을 둔다. 연구실의 관련 특허에서는 사용자 평가 정보, 방문 패턴, 위치 기반 데이터 등을 활용하여 맞춤형 콘텐츠 추천과 전자 쿠폰 발행, 지도 기반 서비스 제공 기술을 제안하고 있다. 이는 데이터 처리 기술과 AI 기반 의사결정 모델이 실제 서비스로 연결되는 대표적인 연구 방향이다. 기술적으로는 사용자 프로파일링, 추천 알고리즘, 위치기반 서비스, 비콘 센서 데이터 처리, 행동 패턴 분석, 평균 평점 및 우선순위 산정 같은 방법들이 결합된다. 연구실은 단순 추천을 넘어서 사용자의 맥락을 고려하는 서비스 설계에 관심을 두고 있으며, 캠퍼스 네트워크, 전시시설, 마케팅 환경, 정보 플랫폼 등 다양한 공간 기반 환경으로 이를 확장하고 있다. 이러한 접근은 오프라인 행동 데이터와 디지털 상호작용 데이터를 함께 활용하는 융합형 서비스 연구라는 점에서 의미가 크다. 향후 이 연구는 스마트 리테일, 스마트 캠퍼스, 디지털 관광, 공공 서비스 추천, 사용자 경험 최적화 분야로 확장될 수 있다. 특히 센서 네트워크와 실시간 데이터 분석, 생성형 AI 기반 인터페이스가 결합되면 더욱 고도화된 개인화 서비스 구현이 가능하다. 연구실은 사용자의 실제 상황과 필요를 반영하는 데이터 기반 서비스 모델을 통해, 추천 시스템의 정확도뿐 아니라 편의성, 실용성, 현장 적용성까지 함께 높이는 연구를 지향하고 있다.