3차원 데이터를 활용한 노년 여성의 하반신 체형 유형화 -60대 여성을 중심으로-

차수정

추천

검색

질문

자료유형: 학술저널

저자정보: 차수정

저널정보: 한국기초조형학회 기초조형학연구 기초조형학연구 제18권 제4호

발행연도: 2017.8

수록면: 389 - 402 (14page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 3차원 계측 데이터를 활용하여 60-69세의 노년기 여성을 대상으로 하반신 체형을 분류하고, 체형 유형의 특징에 대해서 알아봄으로써 노년 여성의 체형에 적합한 슬랙스 패턴을 설계하기 위한 기초자료를 제공하고자 하는데 그 목적이 있다. Size Korea의 3차원 측정 데이터를 사용하였으며, 연령은 60-69세 사이로, 연구대상자는 200명이다. 자료의 분석은 SPSS Ver. 20.0 프로그램을 이용하였다. 연구의 결과를 요약하면 다음과 같다. 첫째, 노년 여성의 하반신 체형을 분석한 결과 4개의 요인으로 분석되었다. 요인 1은 배와 허리부위 형태, 요인 2는 하반신 높이, 요인 3은 다리 및 엉덩이부위 형태, 요인 4는 엉덩이부위 길이요인으로 분석되었다. 둘째, 요인분석을 통해 추출된 4개 요인의 적재량을 이용하여 K-평균 군집분석을 실시하여 3개의 유형으로 분류하였다. 유형 1은 허리와 배 부위의 둘레와 두께가 가장 크고 다리부위가 가장 굵은 체형으로 `좁은 사다리 형태의 비만체형`이라 명명하였다. 유형 2는 키가 가장 크고 배와 허리부위가 작으며, 허리와 엉덩이의 차이가 가장 커 엉덩이는 크고 허리는 가는 약간 마른 체형으로 `종 형태의 롱 슬림체형`이라 명명하였다. 유형 3은 키가 가장 작고 엉덩이둘레와 허리둘레의 차이가 가장 작아 밋밋한 체형으로 `직사각형 형태의 약간 비만체형`이라 명명하였다. 노년 여성의 하반신의 형태 중 `좁은 사다리 형태의 비만체형`은 다리부위가 가장 굵은 체형으로 슬랙스의 허벅지 부위 여유에 대한 고려가 필요할 것으로 생각되며, `종 형태의 마른체형`의 경우에는 허리둘레와 엉덩이둘레의 차이 치수가 커 슬랙스 패턴 상에서의 엉덩이와 허리부위 곡선에 대한 개선이 필요할 것으로 생각된다. 노년 여성의 하반신 체형을 분석을 통해 노년 여성 체형에 적합한 체형별 슬랙스 패턴에 대한 개선이 필요할 것으로 사료되며, 향후 노년 여성의 하반신 체형별 특징을 고려한 슬랙스 패턴 원형 설계에 대한 연구가 이루어져야 할 것으로 생각된다.

The study used three-dimensional measurement data to classify the lower body types of older women aged 60 to 69 and to explore the characteristics of body types. Based on this, we intend to provide basic data for designing slacks suitable for the shape of older women. Three-dimensional measurements of size Korea were used. Age ranged from 60 to 69 years, and the number of subjects was 200. The analysis of data was done by SPSS Ver. 20.0 program was used. The results of this study is as follows. First, analyzing the lower body type of elderly women was analyzed to be four factors. Factor 1 was the shape factor of the abdomen and waist, factor 2 was the height factor of the lower body, factor 3 was the shape of the leg and hip region, and factor 4 was the factor of the hip length. Second, the K-average cluster analysis was performed using the four factors that were extracted from the factor analysis. Type 1 was named as `narrow ladder shape obesity type` with the largest circumference and thickness of waist and abdomen and the thickest leg part. Type 2 has the largest height, small abdomen and waist, the largest difference between the waist and hip, and the hip is large and the waist is thin, called `bell shape long slim body`. Type 3 is the smallest, the smallest difference between the hip and the waist circumference, so it is flat and is called `oblong and little obesity shape`. Type 1 `narrow ladder shape obesity type` of the elderly women`s lower body is the largest type of leg. Therefore, it is needed to consider the allowance for slacks. In case of type 2 `bell shape long slim body`, the difference between waist and hip circumference is larger. So improving the curves of the hip and waist sections on the slacks pattern if required. The analysis of the lower body shape of older women is necessary to improve the slack pattern of the body type suitable for older female body shape. As a follow-up study, it is necessary to study the design of the slacks pattern prototype considering the features of the lower body shape of the elderly woman.

#3 dimension data #3차원 데이터 #노년여성 #슬랙스 #체형 유형 #하반신 #body type #elderly women #lower body #slacks

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!

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-090406094

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

최근 본 자료

댓글(0)