This study was conducted to estimate the damage of Whole Crop Corn (WCC; Zea Mays L.) according to abnormal climate using machine learning as the Representative Concentration Pathway (RCP) 4.5 and present the damage through mapping. The collected WCC data was 3,232. The climate data was collected from the Korea Meteorological Administration's meteorological data open portal. The machine learning model used DeepCrossing. The damage was calculated using climate data from the automated synoptic observing system (ASOS, 95 sites) by machine learning. The calculation of damage was the difference between the dry matter yield (DMY)normal and DMYabnormal. The normal climate was set as the 40-year of climate data according to the year of WCC data (1978-2017). The level of abnormal climate by temperature and precipitation was set as RCP 4.5 standard. The DMYnormal ranged from 13,845-19,347 kg/ha. The damage of WCC which was differed depending on the region and level of abnormal climate where abnormal temperature and precipitation occurred. The damage of abnormal temperature in 2050 and 2100 ranged from -263 to 360 and -1,023 to 92 kg/ha, respectively. The damage of abnormal precipitation in 2050 and 2100 was ranged from -17 to 2 and -12 to 2 kg/ha, respectively. The maximum damage was 360 kg/ha that the abnormal temperature in 2050. As the average monthly temperature increases, the DMY of WCC tends to increase. The damage calculated through the RCP 4.5 standard was presented as a mapping using QGIS. Although this study applied the scenario in which greenhouse gas reduction was carried out, additional research needs to be conducted applying an RCP scenario in which greenhouse gas reduction is not performed.

본 연구의 주요 목적은 회귀기반의 다양한 머신러닝 알고리즘을 개발하고 다양한 농업 분야에서 사용되는 트랙터의 연료 소비량을 예측하는 것이다. 비포장 도로주행 농업 기계중에서도 사용 비중이 가장 높은 트랙터를 선정하였다. 실제 농가에 방문하여 현업 전문가 조언을 바탕으로 연구하여 설문지를 작성하였으며, 설문 대상은 경남 사천시에 있는 농가 10곳, 진주시에 있는 농가 62곳 등, 총 72곳의 농가이다. 농작업으로는 벼농사, 보리농사, 밭농사 등이 있으며, 작업내용으로는 쟁기, 로터리, 비료살포, 베토, 모내기작업 등이 있다. 다중 회귀분석을 통해 연료 소비량 예측에 영향을 미치는 변수(마력, 기계사용연수, 경작면적, 작업 시간)를 추출하였고. 머신러닝 회귀 학습기 모형으로 학습하여 예측 모형의 성능을 검증하였다. 연료 소비량을 예측하는 모델의 성능은 결정 계수(R), RMSE (제곱 평균 제곱근 오차), MSE (평균 제곱 오차) 및 MAE (평균 절대 오차)를 포함한 4가지 통계적 품질 매개변수를 사용하여 결정되었다. 연구 결과 4가지 모델(다중회귀, 랜덤포레스트, 아다부스트, K-최근접 이웃) 중 K-최근접 이웃의 성능이 제일 높은 것으로 나타났다. 결론적으로 본 연구의 결과는 실제 농가의 연료 소비량을 예측하여 면세유 유통의 투명성을 확보하고 추후 개발 모델의 의사결정에 활용될 수 있을 것으로 기대된다.

The human information processing center “memory” is defined as the process of encoding – storage – retrieval of external stimuli (information). Considering that all learning begins with memories, the teaching-learning design should present an efficient methodology without biasing the learner’s cognitive process step by step. Based on this information processing theory, this study systematically considered the following three aspects: First, an efficient teaching-learning model is designed by focusing on the input (listening) and output (writing) of the second foreign language on the premise of facilitating communication, which is the goal of language learning. Second, we will try to implement the structuring and systematization of knowledge, which is the ultimate goal of learning, through language learning. Lastly, in applying this to actual classes, based on the constructivism epistemology, the REACT model (Crawford, 2001) - Relating, Experiencing, Applying, Cooperating, Transferring - is borrowed, through which the lecture is conducted. The survey was also conducted for analyzing students’ perceptions of the learning methodology and got meaningful results from students’ lecture evaluations.

현재의 해양산업의 기술은 스마트 선박 및 자율운항선박 등의 개발과 같은 자율화 및 지능화와 환경규제의 강화에 맞추어 선 박의 운항 효율성을 개선하는 친환경 선박을 위한 기술이 함께 개발되고 있다. 이러한 흐름에 맞추어, 세계각국에서는 선박의 안전운항을 보장하는 선에서 선박운항효율을 극대화하기 위해 다양한 방식으로 노력하고 있다. 본 연구에서는, 현존하는 선박운항효율 개선 기술이 운항 당시의 기상환경, 선박조종 등의 선박운항상태를 실시간으로 반영하지 못하는 문제를 개선하기 위해, 선박에서 수집한 선박운항데 이터를 활용하여 실시간 선박운항효율 분석모델을 개발하고자 한다. 본 연구의 실시간 선박운항효율 분석모델은 연료소모를 기준으로 판 단한 선박운항효율과 당시의 선박운항상태를 감안하여 판단한 선박운항효율을 비교하여, 식별된 선박운항효율의 타당성을 확인할 수 있 는 모델이다. 분석의 주요 내용은 대상선박의 선정과 선박운항데이터의 수집, 선박운항효율 특성과 선박운항상태 특성의 구분, 그리고 이 를 활용한 분류모델의 개발을 포함한다. 연구의 결과는 기존의 선박운항효율과 항해 당시 선박운항상태를 감안한 운항효율을 제시하여 선박 운항자의 의사결정을 지원하여 운항효율을 개선하고자 한다.

한국의 다문화교육은 이주 배경 학생들을 대상으로 하는 교육이 주를 이루고 있다. 본 연구의 목적은 한국 다문화교육의 한계를 극복하기 위 해 비판적 다문화주의에 기반한 중등학교 학생들의 다문화 인식개선을 위한 교육 모델을 제시하는 것이다. 교육 모델은 김포지역 중고등학교 학생을 대상으로 진행한 교육사례를 바탕으로 하고 있다. 그리고 ‘다문화 인식개선’의 의미는 다문화교육의 한계를 극복하고 다문화에 대한 고정 관념을 개선한다는 의미를 내포하고 있다. 제시한 교육 모델은 모든 학 생을 대상으로 하며, 비판적 다문화주의에 기초하여 다문화 인식개선 교 육을 통해 이루고자 하는 가치는 권력관계의 변화를 추구하고 이주민을 삶의 주체로 인식하며 주체적으로 참여하여 변화를 추구하는 것이다. 가 치를 이루기 위해 교실 권력이 교사에게 집중되지 않도록 교실을 배치하 였다. 수업은 동기유발-주제 접근-주제 심화-실천으로 구성하였다. 교육 주제를 이주민으로 한정하지 않고 젠더, 장애, 노동, 환경, 이주민, 난민 등으로 확대하여 차별이 발생하는 기제를 알아내고 그것을 금지 시키는 방법을 대화와 토론을 통해 찾아내고 학습자가 실천 방법까지 성찰할 수 있도록 하였다.

급격한 산업화와 도시화로 인해 해양 오염이 심각해지고 있으며, 이러한 해양 오염을 실효적으로 관리하기 위해 수질평가 지수(Water Quality Index, WQI)를 마련하여 활용하고 있다. 하지만 수질평가지수는 다소 복잡한 계산과정으로 인한 정보의 손실, 기준값 변동, 실무자의 계산오류, 통계적 오류 등의 불확실성(uncertainty)을 내포하고 있다. 이에 따라 국내ㆍ외에서 인공지능 기법을 활용하여 수질평가지수를 예측하기 위한 연구가 활발히 이루어지고 있다. 본 연구에서는 해양환경측정망 자료(2000 ~ 2020년)를 활용하여 우리나 라 전 해역 즉, 5개의 생태구에 대한 WQI를 추정할 수 있는 가장 적합한 인공지능기법을 도출하기 위해 총 6가지의 기법(RF, XGBoost, KNN, Ext, SVM, LR)을 실험하였다. 그 결과, Random Forest 기법이 다른 기법에 비해 가장 우수한 성능을 보였다. Random Forest 기법의 WQI 점수 예측값과 실제값의 잔차 분석 결과, 모든 생태구에서 시간적 및 공간적 예측 성능이 우수한 것으로 나타났다. 이를 통해 본 연구에서 개발한 Random Forest 기법은 높은 정확도를 바탕으로 우리나라 전해역에 대한 WQI를 예측 가능할 것으로 사료된다.

고성능 콘크리트(HPC) 압축강도는 추가적인 시멘트질 재료의 사용으로 인해 예측하기 어렵고, 개선된 예측 모델의 개발이 필수적 이다. 따라서, 본 연구의 목적은 배깅과 스태킹을 결합한 앙상블 기법을 사용하여 HPC 압축강도 예측 모델을 개발하는 것이다. 이 논 문의 핵심적 기여는 기존 앙상블 기법인 배깅과 스태킹을 통합하여 새로운 앙상블 기법을 제시하고, 단일 기계학습 모델의 문제점을 해결하여 모델 예측 성능을 높이고자 한다. 단일 기계학습법으로 비선형 회귀분석, 서포트 벡터 머신, 인공신경망, 가우시안 프로세스 회귀를 사용하고, 앙상블 기법으로 배깅, 스태킹을 이용하였다. 결과적으로 본 연구에서 제안된 모델이 단일 기계학습 모델, 배깅 및 스태킹 모델보다 높은 정확도를 보였다. 이는 대표적인 4가지 성능 지표 비교를 통해 확인하였고, 제안된 방법의 유효성을 검증하였다.

생물환경조절학회지 31권 4호에 게재된 논문의 사사가 잘못 기재되어 있어 바로 잡습니다.

Understanding the light environment in greenhouse cultivation and the light utilization characteristics of crops is important in the study of photosynthesis and transpiration. Also, as the plant grows, the form of light utilization changes. Therefore, this study aims to develop a light extinction coefficient model reflecting the plant growth. To measure the extinction coefficient, five pyranometers were installed vertically according to the height of the plant, and the light intensity by height was collected every second during the entire growing season. According to each growth stage in the early, middle, and late stages, the difference between the top and bottom light intensity tended to increase to 69%, 72%, and 81%. When leaf area index and plant height increased, the extinction coefficient decreased, and it showed an exponential decay relationship. Three-dimensional model reflecting the two growth indexes, the paraboloid had the lowest RMSE of 1.340 and the highest regression constant of 0.968. Through this study, it was possible to predict the more precise light extinction coefficient during the growing period of plants. Furthermore, it is judged that this can be utilized for predicting and analyzing photosynthesis and transpiration according to the plant height.

In the automobile manufacturing industry, lightweight design is one of the essential challenges to be solved fundamentally. The vehicle wheels are classified as safety related components as the main substructure of the vehicle. In this study, we illustrate a technique for selecting the appropriate number of spokes. Based on the basic model of the selected number of spokes, we propose a method to maintain stiffness and design lightweight using topology optimization software. Based on the basic model of the selected number of spokes, it was redesigned to be lightweight while maintaining stiffness by utilizing topology optimization software. By comparing and reviewing the structural analysis results of the basic model and the redesigned model, a design technique that can maintain structural safety and reduce wheel mass was proposed.