In the evolving global food industry, international certifications have become essential for seafood export companies to ensure product safety, quality, and sustainability, as well as to meet consumer demands and regulatory standards. This study analyzes the decision-making factors influencing the acquisition and maintenance of international certifications among Korean seafood export companies, using decision tree analysis. The research surveyed 134 seafood export companies, focusing on six key factors: corporate characteristics, environmental factors, input factors, organizational structure, company capabilities, and external relationships. The decision tree analysis revealed that among corporate characteristics, the size of sales revenue, number of employees, and proportion of exports were found to play significant roles. For environmental factors, specific demands from overseas buyers, shifting consumer preferences, and compliance with global standards were identified as having a major impact. Regarding input factors, certification costs, validity periods, and investments in processing facilities were revealed to be critical variables. Organizational factors such as managerial support and dedicated personnel, capability factors like inter-departmental collaboration and processing system capacity, and relationship factors including partnerships with certification and export support agencies were also critical in the certification process. This study identified various factors influencing the decision-making process for acquiring and maintaining international certifications among Korean seafood export companies and analyzed the importance of detailed variables for the first time. Additionally, it provides practical and policy-oriented implications to promote the adoption of international certifications as part of efforts to enhance the global competitiveness of Korean seafood. Furthermore, this study contributes to the academic understanding of the decision-making process related to international certifications in seafood export companies.

해상풍력 프로젝트의 발전사업허가 취득 및 연간 예상발전량 평가를 위해서는 최소 1년 이상의 해상관측자료 확보가 필수적 이나, 입지선정 과정 및 사전예비타당성 단계에서는 재해석자료나 중규모 모델링 자료와 같은 기상·기후데이터가 활용된다. 하지만, 이 들은 관측값 대비 다소 높은 불확도를 내포하고 있기 때문에 이들을 기반으로 한 발전량 평가 결과 역시 불확실성을 가지게 된다. 이에 본 연구에서는 HeMOSU-1 해상기상탑 관측자료와 인근 격자점에서의 ERA5, EMD-WRF 데이터의 시계열 및 특성을 비교, 검증하여 국내 서남해권의 해상풍력 프로젝트의 사전예비타당성평가의 신뢰성을 확보하고자 하였다. 본 연구에서는 기계적·열적 대기안정도 지수인 연직윈드시어와 모닌 오브코프 길이, 리차드슨 수를 각각 활용하여 관측값 부재시 국내 서남해상에서 ERA5와 EMD-WRF를 사용하는 것이 정량적으로 어느 정도의 오차를 보이는지, 또 대기안정도별 변화 트렌드는 유사한지를 파악하였다.

A digital twin (DT) is a virtual model designed to accurately reflect a physical object. We examine the economic benefits of digital aqua twin platform technology, which is applied to aquaculture to optimize production of cultured olive flounder and eel in South Korea. The economic benefits consist of two parts: (1) the benefits from technology development and (2) the benefits from technology adoption. The findings reveal that the benefits from technology development are greater than those from technology adoption. This implies that it is necessary to consider the former, which is often ignored in the previous literature, in quantifying the economic benefits of information technology.

본 연구는 생성형 AI의 일종인 GPTs를 활용하여 중국어 회화 교육의 혁신적인 방안을 제시하였다. 특히 실시간 피드백과 개별화된 학습 환경을 통해 학습자의 자 기주도적 학습을 효과적으로 지원하는 방안을 탐구하였다. GPTs의 음성 분석 및 피 드백 기능은 발음, 성조, 억양과 같은 음성학적 요소의 교정에서 뛰어난 효과를 보였 으며, 학습자들은 실시간 피드백을 통해 자신의 오류를 즉각적으로 인지하고 수정할 수 있었다. 교재와의 연계성을 강화하고 실제적인 의사소통 상황을 반영한 GPTs 기 반 학습 시스템은 교실 수업과 자기주도학습의 효과적인 통합을 이끌어냈으며, 이를 통해 교수자의 역할이 지식 전달자에서 학습 촉진자로 변화하면서 중국어 회화 교육 의 새로운 가능성을 제시하였다.

This study analyzes research trends in mushrooms using social network analysis (SNA) and Word2Vec analysis based on 654 papers published in the journal of mushrooms. By tracking changes in research trends through centrality indices of key keywords and temporal keyword associations, it was found that in the early period (2011–2015), research primarily focused on optimizing growth conditions. During the mid-period (2016–2020), studies on strain characteristics and disease resistance became more prominent. In the recent period (2021–2024), research on molecular biology and functional components has expanded significantly, with molecular biology research, substrate and cultivation environment studies, and quality and functional food research emerging as new research areas. Meanwhile, research on Pleurotus ostreatus has been the most active, whereas studies on other mushroom species remain relatively limited, indicating the need for a broader scope in future research. This study provides an in-depth review of the research trends and transformations in the journal of mushrooms, contributing to the discussion on its balanced development and future research directions.

Waxy corn (Zea mays L.) is mainly consumed fresh, resulting in a significant amount of stover being left behind, including stalks, leaves, and tassels. Since approximately 1 kg of stover is produced for every 1 kg of corn grain, the potential to utilize stover as a valuable resource is substantial. This study aimed to evaluate the agronomic characteristics and feed value of major variety of waxy corn. Each waxy corn variety showed notable differences in traits like days to silking, plant height, and leaf characteristics, some varieties were found to be more suitable for silage production. Chalok 5 and Suwon 97, in particular, were found to be well-suited for silage due to their high dry matter yield and relative feed value, while Heukjinjuchal had a lower feed value, making it less suitable. Multivariate analysis showed that important feed value indicators, such as relative feed value and total digestible nutrients, were inversely related to neutral detergent fiber and acid detergent fiber. This relationship helped to clearly differentiate the characteristics of each waxy corn variety. Therefore, selecting waxy corn varieties with high dry matter yield and feed value, such as Chalok 5 and Suwon 97, can enhance farm income through both the sale of ears and the use of residual stover as a valuable resource, supporting sustainable agriculture.

Defense Modeling & Simulation (M&S) techniques are used for developing the efficiency and economics of national defense at operational level so that it maintains interoperability and reusability in sustainability for the following process of the war simulation. However, the lack of conceptual models was one cause of limiting the interoperability and reusability in defense M&S areas. In this paper, the Conceptual Model of the Mission Space (CMMS) is studied as preliminary process for the defense M&S. The conceptual modeling framework called CMMS-K (Conceptual Model of the Mission Space-Korea) is suggested using a case example in consideration of the Korean Army specification and characteristics. The practicality of CMMS-K is evaluated through the ontology development for military scenarios. It is expected that the gap between the theoretical approach and the practical perspective of defense M&S can be diminished through the use of these approaches.

The demand for automated diagnostic facilities has increased due to the rise in high-risk infectious diseases. However, small and medium-sized centers struggle to implement full automation because of limited resources. An integrated molecular diagnostics automation system addresses this issue by integrating small-scale automated facilities for each diagnostic process. Nonetheless, determining the optimal number of facilities and human resources remains challenging. This study proposes a methodology combining discrete event simulation and a genetic algorithm to optimize job-shop facility layout in the integrated molecular diagnostics automation system. A discrete event simulation model incorporates the number of facilities, processing times, and batch sizes for each step of the molecular diagnostics process. Genetic algorithm operations, such as tournament, crossover, and mutation, are applied to derive the optimal strategy for facility layout. The proposed methodology derives optimal facility layouts for various scenarios, minimizing costs while achieving the target production volume. This methodology can serve as a decision support tool when introducing job-shop production in the integrated molecular diagnostics automation system

This study presents a novel methodology for analyzing disease relationships from a network perspective using Large Language Model (LLM) embeddings. We constructed a disease network based on 4,489 diseases from the International Classification of Diseases (ICD-11) using OpenAI’s text-embedding-3-small model. Network analysis revealed that diseases exhibit small-world characteristics with a high clustering coefficient (0.435) and form 16 major communities. Notably, mental health-related diseases showed high centrality in the network, and a clear inverse relationship was observed between community size and internal density. The embedding-based relationship analysis revealed meaningful patterns of disease relationships, suggesting the potential of this methodology as a novel tool for studying disease associations. Results suggest that mental health conditions play a more central role in disease relationships than previously recognized, and disease communities show distinct organizational patterns. This approach shows promise as a valuable tool for exploring large-scale disease relationships and generating new research hypotheses.

에듀테크 시대에 접어들면서 디지털 기술을 활용한 학습 방식이 점점 확대되고 있으며, 특히 모바일 기반 애플리케이션 을 활용한 학습이 적극적으로 도입되고 있다. 이러한 학습 방식은 학습자의 참여도를 높이고, 흥미를 유발하며, 학습 효율성 향상에 긍정적인 영향을 미치고 것으로 보고되고 있다. 본 연구는 자기공명영상학 학습에서 모바일 기반 애플리 케이션 사용에 대한 학습자들의 인식, 학습 효과, 학습 만족도를 알아보고자 하였다. 대구시 소재 S 대학교 자기공명영 상학을 수강한 2, 3학년 학생 70명을 대상으로 2024년 11월 24일부터 29일까지 수업 후 모바일 애플리케이션을 활용한 퀴즈 활동을 시행하였다. 연구 결과, 애플리케이션 활용에 대한 학습자들의 인식 평균 점수는 4.58±0.66, 학습 효과는 4.61±0.62, 학습 만족도는 4.58±0.65로 나타났다. 또한, 애플리케이션 활용 전후 비교 분석에서 인식 (활용 전 3.62±0.97, 활용 후 4.58±0.66), 학습 효과(활용 전 3.60±0.92, 활용 후 4.61±0.62), 학습 만족도(활용 전 3.64±0.93, 활용 후 4.58±0.65) 모두 통계적으로 유의한 차이가 있었다(p<0.05). 이러한 결과는 자기공명영상학 교육에서 모바일 애플리케이션 기반 학습이 학습자의 참여도, 이해도, 만족도를 높이는 데 효과적임을 시사한다. 따라서 자기공명영상학뿐만 아니라 다양한 전공 분야에서도 애플리케이션 기반 학습이 유용한 교육 도구로 활용될 수 있으며, 향후 교육 및 임상 실습 현장에서 적용 가능한 기초자료로 활용될 수 있을 것 기대된다.

This study aims to model an accident that occurred at building demolition work sites in Gwangju in 2021 by using functional resonance analysis method(FRAM) and to understand a range of factors contributing to the accident based on the concepts and principles of FRAM and Safety-II. The nature of building demolition works needs to be understood from the viewpoint of socio-technical systems. Not only technical factors but also non-technical factors, including human, organizational, and political factors, and their complicated interrelationships should be considered in the modeling and analysis of accidents happening in the works. Because of the inherent complexity of a demolition works, it is unlikely to specify all of the necessary activities to be conducted in the works and their accountable actors. Additionally, unexpected situations are likely to happen and therefore some activity procedures cannot be followed in a prescribed way, which means that workers sometimes should conduct their activities in an improvisional way. Those characteristics of building demolition works indicate that a traditional accident analysis method based on a linear cause-effect relationship would be inadequate, and that more systemic approaches that can deal with the socio-technical complexities and characteristics of demolition works should be used. With this in mind, we applied FRAM to the accident happening in Gwangju in 2021 and attempted to understand the accident based on the concepts and principles of FRAM and Safety-II (e.g. a functional variablity and its propagation to another function). Lastly, we also suggested ways to enhance the safety of building demolition working sites.

병충해의 조기 발견과 그에 따른 조치의 중요성은 농업 및 생태계 보전에 있어서 핵심적이다. 그러나 초기에는 일반적인 카메라나 센 서로는 변화의 정도를 관측하기 어렵다. 이러한 한계를 극복하기 위해 초분광 모듈을 활용하여 파장대별 식물 데이터를 관측함으로써, 딥러닝 모델을 통해 가로수 식생의 건강 상태를 판별, 병충해 여부를 초기에 확인 가능하다. 이를 통해 조기에 병충해에 대해 조치함 으로써 더 큰 피해를 방지할 수 있다. 이러한 접근 방식은 농업 및 생태학 분야에서 식물의 건강을 모니터링하고 보전하는 데 적극적 으로 연구되고 있다.

오늘날 도로의 이동수단은 자율주행자동차와 더불어 전동 킥보드, 전기 자전거 등과 같은 개인형 이동수단의 등장으로 인해 기존 도 로가 수용해야 할 범위는 더욱 광범위해졌으며, 개인형 이동장치의 시장 확대 및 공유서비스로 인한 개인형 이동장치의 교통사고는 급격하게 증가하고 있는 추세이다. 기존 자동차 중심의 설계 및 운영되고 있는 현재의 도로에서는 자동차 이외의 다른 교통수단 이용 자들은 인프라 시설과 서비스 면에서 안전하지 못하고 편리하지 못한 환경으로 인해 잦은 교통사고 발생과 대중교통 이용 기피 등의 문제로 이어지고 있다. 따라서, 현재 도로의 차량 중심 설계에 의한 한계가 드러나고 있으며 이에 대한 해결책으로 모든 도로 교통수 단 및 이용자가 고려되는 완전도로(Complete Streets)에 관한 관심이 증가함에 따라 완전도로 구축에 관한 정책이 필요한 실정이다. 이 에 본 연구에서는 완전도로 구축을 위해 미시적 교통 시뮬레이션 VISSIM을 활용하여 자율주행자동차 레벨 4 수준의 혼입에 따른 교 통흐름 변화를 분석하여 완전도로 구축을 위한 잉여차로 확보 가능성을 검증하는 분석을 진행하였다. 또한, 잉여차로를 활용하여 완전 도로를 구축하기 위해 국외 완전도로 디자인 매뉴얼을 참고하여 국내 도로의 적용이 가능한 평자지표를 안전성, 형평성, 쾌적성을 고려한 요인을 설정하였으며, 계층화 분석법(Analytic Hierarchy Process, 이하 AHP)을 통해 평가요인별 중요도 가중치를 산정하여 완전도로 구축을 위한 완전도로 서비스수준 산정방안을 제 시하였다. 완전도로 구축을 위한 모바일매핑시스템(MMS) 및 인공지능, 드론(UAV)을 활용하여 도로의 현황 모니터링을 진행하였으며, 도출된 평가지표와 가중치를 활용하여 대상 구간에 적용 및 비교를 위해 완전도로 개념과 가깝게 적용된 세종시의 한누리대로와 비교 ㆍ분석하였다. 이를 토대로 완전도로 서비스수준 적용을 통해 도출된 도로의 한계점을 보완한 완전도로 구축방안을 제시하고자 한다.

결빙되거나 적설이 있는 도로와 같이 마찰이 작은 노면에서는 일반 노면과 비교했을 때 제동거리가 크게 증가하기 때문에 심각한 교통사고로 이어질 수 있다. 이에 블랙 아이스(Black ice)와 같은 노면 위험을 감지 하기 위한 노면 분류 기술에 대한 연구가 지금까지 지속적으로 이루어지고 있다. ESC(Electronic Stability Control) 시스템은 차량 자세 제어를 통해 마찰이 작은 노면에서 차량의 미끄러짐 및 전복을 방지하는 능동 안전시스템(Active safety system)이다. ESC 시스템의 성능을 위해서는 정확한 노면 마찰 계수(Road friction coefficient) 추정을 통한 노면 분류가 중요하다. 최근의 노면 분류 기술은 카메라, LiDAR 등의 이미 지 기반의 방법에 중점을 두고 연구가 진행되고 있다. 그러나 이러한 이미지 기반의 방법들은 정확도가 낮을 뿐만 아니라 높은 계산 복잡도의 문제를 가지고 있다. 이뿐만 아니라 높은 비용으로 인해 상용화 측면에서도 단점을 드러내고 있다. 본 연구에서는 그림1처럼 센서 융합 기술을 활용하여 이미지 기반 방법의 문제점을 해결하고자 한다. 차량 횡방향 동역학 모델(Vehicle lateral dynamic model)을 선형화하여 칼만 필터(Kalman filter)를 적용한 노면 마찰 계수 추정 알고리즘을 설계하고, 기계학습(Machine learning) 모델을 적용하여 블랙 아이스 검출 알고 리즘을 설계한다. 전기차 CAN 버스로부터 얻을 수 있는 차량 종방향 가속도(Vehicle longitudinal acceleration)를 제어 입력으로 하고, 요 레이트(Yaw rate)를 측정값으로 하여 칼만 필터에 적용하여 차량 종 방향 속도(Vehicle longitudinal velocity)와 차량 횡방향 속도(Vehicle lateral velocity), 요 레이트, 차량 횡방 향 힘(Vehicle lateral force)을 추정한다. 이때 전통적인 칼만 필터 대신 EKF-UI(Extended kalman filter with unknown input)를 적용하여 시스템 행렬의 크기를 줄여 계산 복잡도를 감소시키고 차량의 거동 변화 를 보다 정확하게 반영할 수 있도록 하였다. 추정된 차량 종방향 속도, 차량 횡방향 속도, 요 레이트를 통해 사이드 슬립 각(Side slip angle)을 구해 사이드 슬립 각과 차량 횡방향 힘의 관계를 이용해 특징들을 찾아 기계학습 모델(e.g. 앙상블 기법, SVM 등)을 적용하여 블랙 아이스를 검출할 수 있다. MATLAB/Simulink SW 및 CarSim을 사용하여 개발한 알고리즘의 성능을 검증하였으며, 본 연구의 결과는 ESC 시스템의 성능 을 개선시켜 차량의 미끄러짐으로 인한 교통사고의 예방에 도움이 될 것으로 예상한다. 여기에 스마트 타이 어(Smart tire)의 센서도 추가해 노면과 타이어 사이의 직접적인 데이터를 추가해 검출 성능을 높일 것이다.

인공지능의 발전은 검색엔진, SNS, ChatGPT 등 다양한 분야에서 혁신을 이끌며 사회와 산업 전반에 변화를 가져오고 있다. 특히, 교 통 분야에서는 AI 기반 기술이 교통정보 수집 및 분석 방식에 변화를 주며, 새로운 활용 가능성을 제시하고 있다. 과거 육안 계수 방 식에 의존했던 교통량 조사는 현재 CCTV 영상과 딥러닝 객체 인식 기술을 활용해 신뢰성과 정확성이 크게 향상되었다. AI 기반 교통 솔루션의 도입으로 교통량 조사 데이터는 정책 수립, 운영 개선, 사회간접자본 건설 등 다양한 분야에서 중요한 기초 자료로 활용되고 있다. 이에 본 연구에서는 YOLO v8을 활용하여 차량 축 인식 기반 차종 분류의 정확성을 향상시키고, 기존 촬영 기법과 비교·분석을 통해 최적의 인식기법을 제시하고자 한다.

본 연구는 도로 보수 후 새롭게 도입되거나 개선된 도로안전시설 중 노면표시와, 안전운전에 간접적인 영향을 미치는 도로 노면 상 태에 대한 이용자 만족도를 연령 및 업종별로 분석하고자 수행되었다. 운전자 430명을 대상으로 5점 리커트 척도 설문을 시행하고, SPSS 27.0을 이용해 일원배치 분산분석(ANOVA)과 사후 검정을 실시하였다. 그 결과, 노면표시(크기·선명도·야간시인성)는 업종별(관 리·사무·전문직, 운전직, 학생 등)로 유의미한 차이가 있었고, 연령대별로는 10대가 노면표시 크기에 가장 만족도가 높았으며 고령층으 로 갈수록 낮아졌다. 또한 운전직의 만족도가 전반적으로 낮아 노면표시가 실제 주행에 크게 영향을 주는 것으로 나타났다. 본 연구 결과는 연령별·업종별 특성을 고려한 도로환경 및 정책 개선에 기초 자료로 활용될 수 있을 것이다.

국내 태양광 산업은 2000년대 초 크게 성장하였으나 태양광 패널의 수명이 도래함에 따라 폐패널 발생량이 급격히 증 가할 것으로 예상된다. 그러나 태양광 패널의 주요 구성요소인 강화유리는 상용화된 재활용 기술이 부족하여 대부분 파 쇄 후 매립되고 있는 실정이다. 향후 대량 발생하게 될 폐패널의 재활용 기술 개발 필요성이 대두됨에 따라 태양광 폐패 널의 강화유리를 아스팔트 콘크리트 재료로서 재활용할 수 있는 기술을 개발하고자 하였다. 따라서 폐패널 유리 골재를 제조 및 이를 적용한 아스팔트 혼합물의 배합설계를 수행하였으며 일반 아스팔트 혼합물과 폐패널 유리 골재 아스팔트 혼합물의 성능평가 및 경제성을 비교·분석하였다. 그 결과 폐패널 유리 아스팔트 혼합물이 저온균열 저항성을 제외한 모 든 성능 시험에서 우수한 성과를 보였으며, 경제성 또한 일반 아스팔트 혼합물과 비교 시 뛰어난 것으로 나타났다.

본 연구는 한국 기상대 데이터를 활용하여 콘크리트 포장의 깊이별 온도를 예측하는 ANN(Artificial Neural Network) 모델을 개발하는 것을 목표로 한다. 기존의 열평형 방정식 기반 모델은 특정 지역의 기상 데이터를 필요로 하기 때문에 일반적인 적용이 어렵다는 한계를 가지고 있다. 이에 본 연구에서는 ANN을 활용하여 기상대 데이터를 기반으로 범용적 인 온도 예측 모델을 개발하고자 한다. 이를 통해 다양한 지역 및 환경 조건에서도 적용 가능한 모델을 구축하는 것이 목적이다. 본 연구에서는 2017년 1월 1일부터 2018년 12월 31일까지의 1시간 단위 기상 및 온도 데이터를 활용하며, 0.05m, 0.15m, 0.25m, 0.35m, 0.45m 깊이별 온도 데이터를 학습 데이터로 사용한다. 입력 변수로는 기온, 풍속, 강수량, 습도, 일 조량, 일사량, 적설량, 적운량, 지면온도를 포함한다. 이러한 다양한 기상 데이터를 활용하여 신경망 모델을 학습하고, 기 존 방식보다 높은 정확도를 확보하는 것이 연구의 핵심 목표이다. 기존 ANN 구조인 O = WI + B에서 확장된 O = W(I + (WI + B)) + B 형태의 비선형 구조를 적용하여 기존 모델이 가지는 비선형 관계 반영의 한계를 극복하고자 한다. 또한, 선형 다중 은닉층 모델과 비선형 다중 은닉층 모델을 각각 개발하여 성능을 비교하고, 비선형 모델의 필요성과 일반화 능력을 평가할 예정이다. 최종적으로 두 모델의 성능을 평균 제곱 오차 및 평균 절대 오차 등과 같은 평가 지표들을 이용하여 비교 분석하고, 가장 적합한 모델을 도출하고자 한다.