Korea is facing a significant problem with historically low fertility rates, which is becoming a major social issue affecting the economy, labor force, and national security. This study analyzes the factors contributing to the regional gap in fertility rates and derives policy implications. The government and local authorities are implementing a range of policies to address the issue of low fertility. To establish an effective strategy, it is essential to identify the primary factors that contribute to regional disparities. This study identifies these factors and explores policy implications through machine learning and explainable artificial intelligence. The study also examines the influence of media and public opinion on childbirth in Korea by incorporating news and online community sentiment, as well as sentiment fear indices, as independent variables. To establish the relationship between regional fertility rates and factors, the study employs four machine learning models: multiple linear regression, XGBoost, Random Forest, and Support Vector Regression. Support Vector Regression, XGBoost, and Random Forest significantly outperform linear regression, highlighting the importance of machine learning models in explaining non-linear relationships with numerous variables. A factor analysis using SHAP is then conducted. The unemployment rate, Regional Gross Domestic Product per Capita, Women's Participation in Economic Activities, Number of Crimes Committed, Average Age of First Marriage, and Private Education Expenses significantly impact regional fertility rates. However, the degree of impact of the factors affecting fertility may vary by region, suggesting the need for policies tailored to the characteristics of each region, not just an overall ranking of factors.

본 논문에서는 미국 내 생성형 AI에 의한 선거 방해 행위 사례를 분석 하였다. 또한 본고에서는 이전 시기 신기술 등장 시 선거활용 및 악용에 의 문제점과 최근의 생성형 AI 활용 사례를 비교, 분석하였다. 미국사회 는 선거 및 정당과 관련한 생성형 AI 창작물의 투명성 확보에 집중하고 있다. 즉 ‘AI에 의해 제작되었음’ 혹은 창작물임을 알 수 있도록 하는 표 식에 대한 제도화가 필요함에 공감하고 있다. 하지만 정치와 민주주의에 관한 표현의 자유와 주장을 억제하기 위해, 생성형 AI에 의한 창작을 제 도적으로 제어해야 할 필요성에 관해 논의하지는 않는다. 이와 대조적으 로 군사, 안보와 관련한 생성형 AI 창작물 유포와 관련하여 미국 정부는 좀 더 강경한 입장이다. 군사, 안보와 관련한 생성 AI 창작물은 사회에 극 단적인 악의적 영향을 미칠 우려가 있기 때문이다. 군사, 안보와 관련한 생 성형 AI 창작물은 국제 수준에서 악의적 의도로 제작될 가능성을 배제할 수 없기 때문에, 투명성을 높이는 것만으로 대응할 수 없는 것이다.

학교교육에서 인공지능 교육을 위한 국가 정책이 강화되고 있는 상황에 서 인공지능교육의 실천 주제인 교사, 그리고 예비교사들의 역할 변화와 중요성이 그 어느 때 보다 강조되고 있다. 이에 본 연구에서는 2020 년~2023년까지 수행된 예비교사 및 교사 대상 인공지능 교육 연구 현황을 분석함으로써 인공지능교육의 활성화를 위해 요구되는 연구의 방향과 과 제를 제안하는데 목적을 두었다. 이를 위하여 총 71편의 논문을 대상으로 하여 출판연도, 학술지, 교사 분류, 연구방법, 연구주제를 기준으로 분석을 진행하였다. 주요 연구결과는 다음과 같다. 첫째, 연도별 논문 편수는 2020년에 10편, 2021년에 16편, 2022년에 17편, 2023년에 28편으로 2023년 들어 큰 폭의 증가세를 나타냈다. 둘째, 게재된 학술지는 학습자 중심교과교육학회가 14개로 가장 많았고 한국정보교육학회, 한국컴퓨터교 육학회 순이었다. 셋째, 교사 구분에 있어서는 예비교사를 대상으로 한 연구 가 26편, 현직 교사를 대상으로 한 연구가 43편이었고 초등 교사 대상 연구 가 중등 교사에 비해 많았다. 넷째, 연구방법은 설문 등을 활용한 조사연구 가 절반이 넘는 비중을 차지하였다. 다섯째, 연구주제는 인공지능 및 인공지 능과 관련된 경험과 인식 연구가 가장 많았고 다음으로 교사의 역량도출과 진단, 교사교육에 대한 연구가 뒤를 이었다. 이러한 연구결과를 바탕으로 교 사 대상 인공지능 교육연구의 확대, 특히 중등교사 대상 인공지능 교육 연구 활성화, 예비교사의 교육과정 체계 개선 연구, 질적 연구 및 인공지능교육의 실제적 맥락을 반영한 연구의 필요성 등 관련 시사점을 제안하였다.

기능성 게임은 현재 치료, 의학 관련 검사, 인지발달, 특수훈련 및 교육콘텐츠로서 많은 분야에 적용되고 있 다. 아동을 위해서도 주의, 작업기억, 공간인지 및 협응 능력 등 다양한 인지 및 인지 신경검사와 이런 인지 기능들의 증진을 위해 개발되고 있다. 하지만 놀이의 중요한 기능 중 정서적인 부분이 차지하는 것에 비해 기능성 게임이 보여준 역할은 매우 부족하며 아직 기초적 연구 단계에 머물러 있다. 컴퓨터 게임을 통한 정 서적 상호작용의 학습에 대한 연구와 도전이 시급하다. 본 연구에서는 아동의 정서 지능 측정을 위한 기능성 게임 개발을 목표에 두고 정서지능의 요소 중 하나인 타인의 정서 인식능력을 측정하는 게임을 개발하고자 하였다. 정서적 지능의 기초 요소인 정서인식이 기능성 게임으로 측정되고 나아가 향상될 수 있다면 아동의 정서지능을 위한 기능성 게임에 대한 새로운 가능성들을 여는 계기가 될 것이다. 실험 결과 개발된 정서지능 측정용 기능성 게임의 점수는 정서지능의 하위 요소인 정서인식, 감정이입, 정서활용과 통계적으로 유의미한 정적 상관관계를 나타내었으며, 인지적 처리와 비교적 관련이 많은 사고촉진과 정서통제 요인과는 상관을 보 이지 않았다. 이는 얼굴의 표정을 이용하여 긍정적인 자극에 대한 초등학생들의 정서적 반응을 이끌어내고 이를 게임의 점수로 환산하는 것으로서의 가능성을 잘 보여준다고 볼 수 있다.

본 연구는 중국의 초·중등학교 인공지능 정책분석 및 시사점 도출을 목적으로 Coo per의 4차원 정책 분석모형을 채택하여 규범적, 구조적, 구성적, 기술적 차원으로 구 분하여 분석하였다. 초·중등학교의 인공지능 교육정책을 점진적으로 시행하고 있는 중국은 교육과정 개편, 지방정부와의 연계 시행방안 및 관련 프로그램 마련, 다방면/ 다각도의 긴밀한 협력관계 구축을 통해 인공지능 인재 양성을 위한 인공지능 교육 백년지대계를 세우고 있었다. 그러나 파편적인 교육과정 및 교재 내용, 교육 불균형, 미흡한 교사역량, 개인정보 누출 및 사생활 침해 등의 문제점도 찾아볼 수 있었다. 이를 바탕으로 우리나라 초·중등학교 인공지능 교육정책에 주는 시사점은 장기적인 정책 수립 및 다방면의 협력관계 구축, 종합적인 교육과정 마련 등의 노력이 필요하다.

목적 : 인공지능의 기계학습 또는 심층학습을 이용한 연구가 다양한 분야에서 시도되고 있다. 본 연구는 공공 시력데이터를 자동화 수집하고, 수집한 데이터를 기계학습에 적용 및 예측하였다. 다양한 학습모델간 성능을 비교 함으로써, 시과학분야에서 적용 가능한 기계학습 최적화모델을 제시함에 있다. 방법 : 국민건강보험(NHISS) 및 통계포털(KOSIS)에 발표된 국민 시력분포 현황관련 자료를 특정 색인을 포함하 는 자료검색기법인 크롤링(crawling)을 사용하여 검색 및 수집을 자동화하였다. 2011년부터 2018년까지 보고된 모든 자료를 수집하였으며, 데이터 학습을 위해 Linear Regression, LASSO, Ridge, Elastic Net, Huber Regression, LASSO/LARS, Passive Aggressive Regressor 그리고 Pansacregressor 총 8개 모델을 사용하여 각각 데이터 학습 하였다. 결과 : 수집한 데이터를 기반으로 기계학습 모델을 통해 2018년을 예측하였다. 각 모델간 2018년도 실제-예측데 이터 차이를 MAE(Mean Absolute Error)와 RMSE(Root Mean Square Error) 점수로 각각 나타냈다. 학습모델 별 차이 중 MAE 평가결과 모델간 우/좌 Linear Regression(0.22/0.22), LASSO(0.83/0.81), RIDGE(0.31/0.31), Elastic Net(0.86/0.84), Huber Regression(0.14/0.07), LASSO/LARS(0.15/0.14), Passive Aggressive Regressor (0.29/0.18) 그리고 RANSA Regressor(0.22/0.22)를 보였다. RMSE에서 Linear Regression(0.40/0.40), LASSO (1.08/1.06), Ridge(0.54/0.54), Elastic Net(1.19/1.17), Huber Regression(0.20/0.20), LASSO/LARS(0.24/0.23), Passive Aggressive Regressor(0.21/0.58) 그리고 RANSA Regressor(0.40/0.40) 각각 나타냈다. 결론 : 본 연구는 자동화 자료검색 및 수집을 위한 크롤링 기법을 이용하여 데이터를 수집하였다. 이를 기반으 로 고전 선형모델을 기계학습에 적용할 수 있도록 하고, 데이터 학습을 위한 8개 학습모델들 간 성능을 비교하였다.

Artificial intelligence (AI) has been applied to most industries by enhancing automation and contributing greatly to efficient processes and high-quality production. This research analyzes the applications of AI-based automobile accident prevention systems. It deals with AI-based collision prevention systems that learn information from various sensors attached to cars and AI-based accident detection systems that automatically report accidents to the control center in the event of a collision. Based on the literature review, technological and institutional changes are taking place at the national levels, which recognize the effectiveness of the systems. In addition, start-ups at home and abroad as well as major car manufacturers are in the process of commercializing auto parts equipped with AI-based collision prevention technology.

과학영재교육 관점에서 성공지능 이론은 영재교육과정이 과학영재의 특성에 맞게 제시되고 있는지를 파악할 수 있는 수단이 된다. 이 연구의 목적은 초등 과학영재교육 교재에 제시된 발문 특성을 Sternberg의 성공지능 관점을 적용 하여 분석하기 위한 것이다. 이를 위하여 교육청 영재교육원 2곳과 대학부설 영재교육원 1곳의 초등 과학영재교육 교재에 제시된 발문 각각 143개와 134개를 추출한 후, 이렇게 추출된 발문들의 구조적 특성에 차이가 있는지를 비교하기 위해 언어네트워크분석 방법을 활용하여 분석하였다. 그 결과는 다음과 같다. 첫째, 교육청 및 대학부설 영재교육원의 교재는 분석적 능력, 창의적 능력, 실행적 능력 등과 같은 성공지능을 균형 있게 반영하지 못하고 있었다. 둘째, 교육청 및 대학부설 영재교육원의 교재는 학생들에게 ‘문제 확인하기’, ‘정보 표상하고 조직하기’, ‘분석적 사고 촉진하기’ 등 분석적 능력 영역을 집중적으로 요구하고 있었다. 셋째, 교육청 및 대학부설 영재교육원의 교재는 성공지능의 각 프레임 요소를 서로 유기적으로 연결되지 못한 채 제시되고 있다는 한계를 보였다. 과학영재들은 일반학생과 달리 학습속도 가 빠르고 보다 복합적인 사고를 선호하는 특성을 보이기 때문에, 앞으로 과학영재교육 교재를 개발할 때에는 과학영재의 수준에 맞게 다양한 영역의 능력을 경험하고 통합적 사고를 촉진할 수 있도록 개발할 필요가 있을 것이다. 이런 측면에서 이 연구는 과학영재들의 맞춤형 교육지원을 위한 교재 개발을 위해 유용한 정보로 활용될 수 있을 것으로 기대 된다.

인공지능기술은 사용자의 언어, 목소리 톤, 표정을 인지하고 학습하여 다양한 맥락에서 사용자의 감정에 대응할 수 있도록 발전하고 있다. 여러 인공지능 기반 서비스 중에서 특히 사용자와의 커뮤니케이션이 중요한 서비스 다수는 감정을 표현하는 인터랙션을 제공한다. 그러나 인공지능 시스템의 감정을 표현하는 수단으로서의 비언어적 인터 랙션에 관한 연구는 아직 미비하다. 이에 조명효과 중 특히 색상과 깜빡임 운동을 중심으로 인공지능 디바이스의 감성 인터랙션을 연구하였다. 본 연구에서 구현한 인공지능 디바이스 프로토타입은 red, yellow, green, blue, purple, white 6가지의 조명 색상과 느림, 중간, 빠른 세 단계 속도의 깜빡임 효과로 감정을 표현한다. 프로토타입을 활용하여 20대부터 30대 남녀 50명을 대상으로 인공지능 디바이스의 색상별, 속도별 조명 효과가 표현하고 있는 감정에 응답 하는 실험을 진행하였다. 실험 결과 각 조명 색상은 기존 색채감성연구에서 드러난 감성적 이미지와 대체로 유사한 감정을 나타내는 것으로 평가되었다. 조명의 깜빡임 속도는 감정의 각성과 밸런스의 변화에 영향을 주었으며, 이 때 각성의 변화 양상은 모든 색상에서 유사한 기조를 보였다. 밸런스 변화 양상은 기존 색채감성연구의 감성적 이미지와 어느 정도 관련이 있지만 색상 별 차이가 있는 것으로 관찰되었다. 인공지능 시스템을 탑재한 사물의 종류와 인공지능 디바이스가 점점 다양해지는 현 시점에서, 본 연구결과는 조명을 통한 인공지능의 감성 인터랙션을 설계할 때 기여할 수 있을 것으로 기대된다.

법률적 문제를 해결하기 위한 컴퓨터의 활용은 단순한 문서 편집 수준에서 시작되어 현재는 자동화된 법률 데이터베이스 검색 등 변호사의 조력자 역할에 이르고 있다. 나아가 법적 문제를 스스로 해결할 수 있는 컴퓨터 프로그램의 출현 가능성이 대두되는데, 컴퓨터는 구조상 인간의 뇌와 달리직렬 프로세서 및 선형적 처리라는 한계를 가지나 인공지능의 발전 특히 딥러닝 기술의 혁신으로 그 가능성은 커지고 있다. 다만 일반적인 논리학과 대비되는 법적 논증의 특징 즉, 어떠한 결론이든 분명하게 이것은 맞고 이것은 틀렸다는 양단간의 결정을 내리기 보다는 정도의 문제로 귀결된다는 점과 그러한 결론도 시간이 바뀌고 장소가 바뀜에 따라 달라질 수 있다는 점 즉 비단조논리적 특성이 인공지능에 반영되기 위해서는 컴퓨터 프로그래밍 시 논증도식에 의한 분석이 필요하다. 법률문제의 해결을 위한 인공지능 프로그램의 현황은 엄청난 분량의 문서를 정리하고 자료의 의미를 분석하는 능력을 가지는데 이르렀으나 그러한 자료를 가지고 새로운 법논리를 만들어내는 수준에는 이르지 못하였다. 그러나 딥러닝의 자가학습 기술은 주어진 지식을 분석에 적용하여 새로운 추론에 이르는 진정한 의미의 인공지능 법률 프로그램의 출현 가능성을 높이고 있다. 마지막으로 법에 관한 인공지능 프로그램의 연구를 통해 법학자들이 법학도를 위하여 법적 논리를 더 체계적으로 이해하고 적용할 수 있게 하는 방편을 찾게 되기를 기대한다

본 연구는 영아와 대상 영아의 어머니를 대상으로 하여 어머니의 심리적 안녕감과 양육행동, 영아의 정서지능 간의 관계를 살펴보고, 어머니의 심리적 안녕감이 양육행동을 통해 영아의 정서지능에 영향을 미치는 경로를 분석하고 나아가 어머니의 심리적 안녕감과 영아의 정서 지능 간에 어머니의 양육행동이 매개효과를 하는지 분석하였다. 본 연구에서는 서울지역의 어린이집에 재원 중인 영아와 대상 영아의 어머니 211명이 참여하였다. 본 연구결과를 살펴보면 첫째, 어머니의 심리적 안녕감과 양육행동, 영아의 정서지능 간의 경로를 분석하기 위해 구조 모형을 분석한 결과 어머니의 심리적 안녕감과 양육행동, 영아의 정서지능 간에 유의미한 경로가 나타났다. 둘째, 어머니의 심리적 안녕감이 양육행동, 영아의 정서지능에 미치는 효과를 살펴보고 간접효과를 검증한 결과, 어머니의 심리적 안녕감과 영아의 정서지능 사이에 어머니의 양육행동이 매개효과가 있으며 통계적으로 유의미하였다. 이를 통하여 어머니의 양육행동에 영향을 미치는 심리적 안녕감과 같은 변인에 대한 중요성과 새로운 관점을 제공하여 부모 교육에 이론적 기초자료를 제공할 수 있으리라 기대한다.

경찰공무원들의 일상생활은 수많은 범죄행위와 범죄피해 그리고 범죄현장에 직면하는 업무를 담당한다. 이러한 경우 개인의 부정적인 감정이 표현될 수도 있다. 해양경찰 조직 내에서 구성원들의 부정적인 감정은 직장에 대한 기여도와 직무에 대한 성취도 그리고 효과적인 직무처리를 위한 자신감을 향상시켜 준다. 따라서 조직구성원의 감정적 부조화를 통제하는 것은 조직의 발전에도 큰 도움이 된다. 이 연구는 해양경찰공무원의 감정적 부조화가 직무소진에 미치는 영향을 검증하고 감정지능의 매개효과를 검증하는데 집중하였다. 연구결과는 다음과 같다. 첫째, 해양경찰공무원의 감정적 부조화 하위요인과 직무소진의 관계에서 의식적으로 감정표현을 하거나 절제하려고 노력할 때 감정적 부조화를 느끼지 않으며 바람직한 감정표현을 하는 과정에서 감정지능이 감소하는 것을 알 수 있었다. 둘째, 해양경찰공무원의 감정지능은 직무소진에 유의미한 영향을 미치는 것으로 나타났다. 셋째, 해양경찰공무원의 감정적 부조화가 직무소진에 미치는 영향관계에서 감정지능은 통계적으로 유의미한 매개효과가 있는 것을 확인하였다. 결국, 직접효과와 매개효과를 비교한 결과, 해양경찰공무원들은 감정적 부조화가 직무소진을 느끼는 것만큼 감정지능에 의해 직접적으로 직무소진을 경험하는 경향이 나타났다.

The study examined the relationship between workers’safety awareness, safety performance and the components of the intelligent image analysis system in accordance with preventing the workers from safety hazard in dangerous working area. Based on the safety performance model, we include safety knowledge, safety motivation, safety compliance and safety participation, and we also define three additional factors of the intelligent image analysis system such as functional feature, penalty and incentive by using factor analysis. SEM(Structural Equation Modeling) analyses on the data from the total of 73 workers showed that functional feature of intelligent analysis system and incentive were positively related to safety knowledge and safety motivation. And mediation effects of the relationship were verified to safety compliance and safety participation through safety knowledge as well.

To prevent safety hazards in dangerous working area, we have proposed an intelligent image analysis system. Six common patterns of safety violations of workers’ are defined and its motion detection algorithms are developed for alarm to CCTV　monitoring system. Developed algorithms are implemented at 195 dangerous areas such as chemical and gas treated room. The results of violated motion detection ratio by developed system shows 94.95% of true positive cases, and 0.21% of false positive cases from all 587,645 event cases in one month implementation period. In the period, it is observed that the number of safety rule violations and the following accidents are decreased.

최근 기업현장에서는 급격한 기업환경의 변화 속에서 조직 구성원의 내재적인 특징과 조직의 직무성과와의 관계에 많은 관심을 가지고 있다.또한 많은 기업들이 이의 특징을 활용한 경영자의 공감대 형성과 제도적 인프라 구축 등을 실시하고 있거나 추진을 계획하고 있다.이처럼 기업들은 조직성과 유지 및 향상을 위해서 기업차원에서 다양한 노력을 기울이고 있다.하지만 실제 구성원들이 어떤 과정을 통하여 성격특성이 조직의 직무성과에 영향을 미치는지에 대한 정보는 미미한 실정이다.본 연구는 이러한 문제의식을 바탕으로 조직 구성원 관점에서 성격유형의 영향 요인을 찾아보고,조직의 직무성과에 영향을 주는 과정요인을 성격유형 및 감성지능을 통하여 통합적인 관점에서 밝히고자 하였다.분석 결과,조직 구성원들의 감정인식,상사감정,타인감정 그리고 감정조절의 감성지능 네 가지 차원 중 감정조절만이 상사 만족에 긍정적인 영향을 미침을 밝혔다.그리고 직무에 대한 동기부여 정도에 따른 감성지능이 상사 만족에 통계적으로 유의한 영향을 미치는 것으로 발견되었다.분석결과를 기초로 해서,본 논문은 기업차원에서 직무성과를 향상 시킬 수 있는 정책적,제도적 모색방안을 제시하였다.

The objective of this study was analyze the relationship among emotional intelligence, job attitude (job satisfaction, organizational commitment, turnover intention), and organizational performance in kitchen staff. A survey collected data from foodservice employees (N=611). Statistical analyses were completed using SPSS Win (17.0) for descriptive analysis, reliability analysis, factor analysis, t-test, correlation analysis, and AMOS (7.0) for confirmatory factor analysis and structural equation modeling. The main results of this study were as follows. The four EI (Emotional Intelligence) dimensions significantly correlated with age. The mean of the job satisfaction score was 3.24. The organizational commitment score was 3.54. The organizational commitment score was higher for 'loyalty' factor than for 'sense of belongs' factor. The mean of organizational performance score was 3.61. The four EI(Emotional Intelligence) factors were significantly correlated with job satisfaction (organizational commitment, organizational performance, and turnover intension). Structural equation modeling found that emotional intelligence had positive effects on job satisfaction, organizational commitment, and organizational performance, whereas job satisfaction and organizational performance had positive effects on organizational performance. Therefore, this study found that emotional intelligence had direct and indirect effects on organizational performance.