전자증거개시(E-Discovery) 대응을 위한 기업기록 검색도구 적용방안 연구 : ''Predictive Coding''을 중심으로 :A Study on Application of E-Discovery for Business Record Search Tool : Focusing on the ‘Predictive Coding’

유준상

추천

검색

자료유형: 학위논문

저자정보: 유준상 (명지대학교, 명지대학교 기록정보과학전문대학원)

지도교수: 임진희

발행연도: 2016

저작권: 명지대학교 논문은 저작권에 의해 보호받습니다.

이용수15

이 논문의 연구 히스토리 (2)

2016

전자증거개시(E-Discovery) 대응을 위한 기업기록 검색도구 적용방안 연구 : ''Predictive Coding''을 중심으로

유준상 기록관리 2016.01 학위논문

기업의 전자증거개시 대응을 위한 예측 부호화(Predictive Coding) 도구 적용 방안

유준상 , 임진희 정보관리학회지 2016.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

해외에 진출한 국내기업의 소송 사례가 증가하면서 기업들의 전자증거개시제도의 대응에 대한 요구가 증가하고 있다. 영미법에서 유래된 제도인 전자증거개시제도는 절차 진행과정에서 여러 곳에 산재해 있는 전자적 정보들을 중 제한된 시간 내에 소송과 관련된 전자적 정보들을 찾아 증거자료로 검토하여 제출하는 제도이다. 이는 하루에도 수많은 전자기록이 생산되는 국내기업들의 기록관리가 잘 이루어지지 않고 있는 현실에서 제한된 시간 이내에 증거자료를 추리고 검토하여 제출하는 것은 쉽지 않은 일이다.
‘Predicitve Coding’은 전자증거개시 검토 과정에서 사용되는 컴퓨터 지원 검토 도구로써 기계학습을 이용하여 기업들이 보유하고 있는 전자적 정보들의 검토를 도와주는 도구이다. 다만 ‘Predictive Coding’이 기존 의 컴퓨터 지원 검토 도구들 보다 효율성이 높고 잠재적으로 소송과 관련된 전자적 정보를 추려내는데 강점이 있지만, 기계적인 검토에 불과하기 때문에 아직까지는 변호사의 수동적인 검토를 거쳐야 한다. 또, 텍스트로 구성된 전자적 정보 이외에 다른 유형의 전자적 정보인 동영상, 음성, 데이터베이스 등을 분석하는데 제한점이 있으며, ‘Predictive Coding’ 알고리즘 상 한글로 구성된 텍스트를 토큰화 하는데 기술적인 어려움이 따른다. 이를 극복하기 위해 기업은 전자증거개시제도에 대응하기 위한 기업 기록 관리와 ‘Predictive Coding’과 같은 도구를 병행하여 사용해야 할 것이다.
검토대상을 줄이고 검토과정을 효율적으로 진행하는 것은 소송에서 승소를 위한 가장 중요한 과제중 하나이다. 기업의 효율적인 컴퓨터 지원 검토 도구의 선택과 지속적인 기록관리를 통해 검토비용의 시간적, 비용적 절감을 꾀할 수 있을 것으로 예상된다. 따라서 기업이 전자증거개시 제도에 대응하기 위해서 시간과 비용적 측면을 고려한 전문적인 ‘Predictive Coding’ 솔루션의 도입과 기업 기록관리를 통해 가장 효과적인 방법을 모색해야 할 것이다.

As the domestic companies which have made inroads into foreign markets have more lawsuits, these companies'' demands for responding to E-Discovery are also increasing. E-Discovery, derived from Anglo-American law, is the system to find electronic evidences related to lawsuits among scattered electronic data within limited time, to review them as evidences, and to submit them. It is not difficult to find, select, review, and submit evidences within limited time given the reality that the domestic companies do not manage their records even though lots of electronic records are produced everyday.
The Predictive Coding is a computer assisted review instrument used in reviewing process of E-Discovery, which is to help companies review their own electronic data using mechanical learning. However, though the Predictive Coding is more efficient than the previous computer assister review tools and has a merit to select electronic data related to lawsuit, it is a mechanical review only and required manual review by lawyers. Except for electronic data consisting of texts, it has a limitation to analyze other kinds of electronic data such as video, voice, and database. Because of algorithm of the Predictive Coding, making Korean texts as token has technical difficulties. In order to overcome it, companies should use both business records management and the Predictive Coding in order to respond to E-Discovery system.
To reduce items to be reviewed and proceed the process efficiently is one of the most important tasks to win a lawsuit. Through companies'' selection of efficient computer assisted review instrument and continuous records management, it is expected that time and cost for reviewing will be saved. Therefore, in for companies to respond to E-Discovery, it is required to seek the most effective method through introduction of the professional Predictive Coding solution and Business records management with consideration of time and cost.

#기업기록 #검색도구 #Predcitive Coding #전자증거개시

제1장 서 론 1
1. 연구의 배경과 목적 1
2. 선행연구 3
3. 연구의 범위 및 방법 5
가. 연구의 범위 5
나. 연구의 방법 5
제2장 국내 기업의 전자증거개시 대응 현황 7
1. 해외의 전자증거개시제도 현황 7
가. 미국 7
나. 영국 10
다. 캐나다 11
라. 멕시코 12
2. 국내기업의 전자증거개시 현황과 사례 13
가. 삼성전자 - 애플 13
나. 하이닉스 - 램버스 14
다. 코오롱 - 듀폰 14
3. 전자증거개시 참조모델(Electronic Discovery Reference Model)과 전자증거개시 우수사례(Electronic Discovery Best Practice) 검토 16
가. EDRM(Electronic Discovery Reference Model) 프로세스별 ESI 관리 16
나. EDBP(Electronic Discovery Best Practice) 프로세스별 ESI 관리 25
제3장. 전자증거개시 대상 문서 검토의 효율화 필요성 30
1. 전자증거개시 절차 진행에 따른 시간적, 비용적 요소 30
가. 시간적 요소 30
나. 비용적 요소 32
2. 검토 단계를 위한 컴퓨터 지원 검토(CAR) 34
가. 키워드 검색(Keyword Search) 35
나. 개념 검색(Concept Search) 40
다. 디스커션 스레딩(Discussion Threading) 42
라. 클러스터링(Clustering) 43
마. 중복 식별(Near-duplicate Identification) 45
3. 전자증거개시 검토 단계를 위한 새로운 도구의 필요성 48
제4장. Predicitive Coding의 원리와 기업의 대응 전략 54
1. Predictive Coding의 원리 54
2. Predictive Coding 소송 사례와 평가 66
가. Da Silva Moore v. Publicis Groupe SA 사안 66
나. Global Aerospace Inc. v. Landow Aviation, L.P. 사안 67
다. In re Actos: (Pioglitazone) Prod. Liability Litigation 사안 68
라. EORHB, Inc. v. HOA Holdings LLC 사안 69
마. In Re: Biomet M2a Magnum Hip Implant Products Liability Litigation 사안 70
3. 전자증거개시를 위한 대응전략 72
가. 기존의 전자증거개시 대응전략 72
나. 기록 관리를 통한 대응전략 76
제5장. 결 론 78
참고문헌 80
Abstract 87

최근 본 자료

전체보기

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

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)