인공지능으로 대표되는 급격한 사회 변화는 학교 교육의 개선을 요구하고 있고, 일부 지역에서는 국제 교육과정인 IB를 공교육에 도입하여 운영하고 있다. 본 연구는 미래형 교육을 준비하기 위하여 IB PYP에 서 시사점을 얻고자 하였으며, 이를 위하여 IB PYP에 관한 문헌 연구와 관계자 심층 면담을 실시하였다. 문헌 연구를 통해 총론적, 각론적 수준에서 2022 개정 교육과정과의 비교·분석하였고, 심층 면담을 통해 개념기반 탐구학습, 공유와 협력의 문화 등의 특징을 추출하였다. 연구를 통해 학교 교육 개선 방안으로 교사 수준 교육과정, 개념기반 탐구학습의 확산, 학년별 특성에 맞는 중점 교수·학습 방법을 적용할 것을 제안하였다.

부유식 해상태양광 설비는 패널 지지를 위한 프레임 구조물, 구조체의 부력 제공을 위한 부유체와 전체 시스템의 거동을 제한하는 계류시설로 구성되어 있다. 계류시설은 구조물의 지지조건으로서의 역 할을 통해 안정적인 발전량 수급에 기여한다. 하지만 해당 시스템은 설치된 해상환경 특성상 계류선의 파단 및 손상 시 직접적인 탐지가 불가능해 유지관리에 어려움이 있다. 따라서 본 연구에서는 패널지 지 프레임 구조체에 가속도 센서 부착을 가정하여, 해당 센서 계측값을 토대로 계류설비에서 발생한 파단 및 손상이 발생한 위치를 추정하는 알고리즘을 개발하였다. 알고리즘은 비지도학습 인공지능의 일종인 오토인코더를 활용하여 가속도 계측값의 재현 과정을 통해 정상상태의 구조 응답을 학습한 모 델이 비정상상태의 계측값을 재현 시 발생한 오차를 통해 손상 발생 여부와 위치를 실시간 탐지하도 록 구성하였다. 정상상태 구조응답을 기반으로 한 모델의 학습을 위해 패널지지 구조체를 10x10 격자 형으로 결합한 다중 결합 시스템에 불규칙파랑을 환경하중으로 적용함을 통해 발생한 6자유도 가속도 데이터를 확보하였다. 계류시설의 손상 발생 시 주된 변화 인자 탐지를 위해 상관성 분석과 민감도 분 석을 실시하여 손상 위치 추정 알고리즘에 적용할 주요 인자를 선별하여 학습 및 추정 성능에 대한 비교 분석을 수행하였다. 구축된 알고리즘의 테스트를 위해 총 5개 종 손상 케이스 데이터셋을 구축하 여 손상 위치 추정 성능을 비교하였다. 본 연구를 통해 계류 시설에 발생한 손상 여부 및 위치를 추정 하여 부유식 해상태양광 설비의 선제적 유지관리에 기여할 수 있을 것으로 기대된다.

본 논문에서는 최근 미국과 EU의 생성형 AI 영역 협력과 경쟁에 관 하여 분석하였다. 미국 정부는 투명성 보장, 즉 생성형 AI에 의해 제작 된 창작물임을 표시하게 함으로써 표현의 자유를 보장한다. 플랫폼에 대 한 제어 또한 원칙 제시뿐, 유포에 대한 기업의 책임은 면책대상 조항으 로 다루고 있다. 반면, EU가 최종한 AI 규제는 AI 사용에 관한 세계 최 초의 포괄적 AI 규제법이다. EU는 디지털 전략의 일환으로 AI 산업을 규제하여 혁신적 기술 개발 및 사용을 위한 더 나은 조건을 보장하고자 포괄적 입법 과정을 거치고 있다. 본고에서는 양측의 규제는 미국의 경우 ‘원칙 제시 및 자발성’ 규제 유형이며, EU의 경우 ‘규칙 기반, 강제성’ 규 제 유형으로 구분될 수 있음을 제시한다.

본 연구는 챗GPT를 대학 교양영어 수업의 학습 도구로 활용하는 효과 적인 수업구성을 하는 것을 목표로 하고 있다. 구체적인 논의는 다음의 네 가지이다. 첫째, 교육계에서 챗GPT 사용에 관해 찬반 논쟁이 있음에 도 불구하고 생성형 AI가 교육계에 큰 변화를 가져올 것이라는 점에는 거의 이견이 없다. 둘째, 챗GPT를 사용함에 있어서 발생 가능한 문제점 을 팩트 체크의 부재, 지적 재산권의 문제, 문해력 저하로 정리하였다. 학습에서 챗GPT를 도구로 사용하기에 앞서서 이러한 문제점들을 학습자 들에게 반드시 인식시키는 교과과정을 만들어야 할 것이다. 셋째, 교육현 장에서 챗GPT를 사용하기 위해서 학습자에게 선제적으로 인식시켜야 할 점은 생성형 AI가 학습의 도구로서의 역할을 하며, 학습자가 인공지능에 의존하는 것이 아니라 인공지능과 협업을 한다는 것이다. 넷째, 학습능력 이 매우 상이한 학생집단을 대상으로 챗GPT를 학습도구로 사용하기 위 해서는 그룹별 협업을 통한 활동이 중요하다. 그룹원들의 다양한 질문을 인공지능에 주입하여 다채로운 결괏값을 얻어 지식을 창조적으로 (재)생 산할 수 있기 때문이다. 본 연구의 의의는 연구에서 제시하는 수업구성 을 실제 수업에 적용하여 또 다른 연구물을 도출할 수 있다는 점이다.

디지털 미디어의 급속한 진화는 광고 콘텐츠 분야에서 혁신적이고 매력적인 시각적 콘텐츠의 필요성을 강조하면서 큰 영향을 미치고 있다. 본 연구는 기술 발전과 창의적인 광고 요구 사 이의 격차를 해소하는 것을 목표로 짧은 이미지 광고를 만드는 데 있어서 생성적 인공 지능 (AI)의 잠재력을 탐구하고자 하였다. 현대 미디어 환경에서 광고 콘텐츠의 형태와 소비 방식이 급변하고 있으며 특히 소셜 미디어와 디지털 플랫폼에서 짧은 형태의 비디오 및 이미지 콘텐 츠의 중요성이 증가하고 있다. 이러한 변화 속에서, 본 연구는 AI 기술을 활용하여 효과적인 애드버콘텐츠 이미지를 생성하는 새로운 방법론을 제시하고자 하였다. 연구는 먼저 생성형 AI 의 기본 이론과 광고 콘텐츠 제작에 있어 주요 요소들을 검토하고 이를 바탕으로, 인공지능을 활용하여 생성된 이미지 콘텐츠를 제안한다. 이 논문은 광고 콘텐츠 제작에 있어 생성형 AI의 가능성을 탐색하고 미디어 콘텐츠 제작의 미래 방향 및 광고 산업에 중요한 시사점을 제공한 다는 점에서 의의를 찾을 수 있다.

최근에 생성형 인공지능 활용에 관한 많은 연구가 진행되고 있다. Generative AI 도구와 플랫 폼 수량이 증가하고 있는 추세에 따라, Generative AI 도구는 텍스트와 이미지, 소리, 비디오, 그리고 3D 모델을 생성하는 기능을 가지고 있을 뿐만 아니라 프롬프트만으로도 아이디어와 콘텐츠를 포함하여 복잡한 작품을 생성할 수 있다. 본 연구는 Generative AI 도구와 플랫폼이 디지털 아트 전공학생들에게 미치는 영향을 탐구 하였으며, 특히 창작 과정에 그들의 역할과 작품에 미치는 영향을 구체적으로 살펴보았다. 또한, 본 연구는 Generative AI 작품에 의해 디지털 아트 전공 학생들에게 필요한 기술이나 특징에 대한 질적 연구법 중의 주체 분석 방법으로 자세히 연구하였다.

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.

인공지능(Artificial Intelligence, AI)은 1950년대 초기개념과 이론을 앨런 튜링이 튜링 테스트를 제안하여 기계가 인간과 같은 수준의 지능을 가질 수 있는지 대한 질문을 던지면서 시작되었다. 1980년대부터 특정 분야의 전문 지식을 모방하여 지원하는 AI 시스템인 전 문가 시스템이 부상하기 시작하면서 Machine Learning이 중요성을 얻기 시작하였다. 특히, Decision Tree, Clustering 그리고 Neural Network Algorithm 등이 연구되기 시작하였다. Clustering 기법은 다양한 분야에서 통계분석에 사용되는 자료를 정제하기 위한 비지도 학습 중 하나로, 군집화 알고리즘을 사용하여 자료의 값(Pointer)들을 특정 그룹으로 분류하는 방법이다. 이러한 Clustering을 활용하여 기존 데이터에서 숨겨진 데이터들의 특성을 파악할 수 있으며, 일정 패턴이나 특징을 가진 데이터들끼리의 군집화를 할 수 있게 된다. 이러한 클러스터링은 다양한 산업 분야에서 적용 및 활용하고 있다. 산업화 이후 미국, 벨기에 등 많은 나라에서 효율적인 도로 관 리를 위해 자국의 특성에 맞는 Pavement Management System (PMS)를 운영하고 있지만 현재 많은 분야에서 적용하고 있는 AI를 활용한 사례가 매우 드물다. 한국에서도 수십년 동안 국토교통부와 한국도로공사에서 PMS를 이용하여 도로를 관리해 왔으며, 최근에 는 몇 개 지자체에서 PMS를 도입하였다. 하지만 한국에서는 오랜 PMS 운영 경험에도 불구하고 AI를 활용하지 않고 전통적 방법인 회귀모형을 활용하여 개발한 공용성 예측모형을 사용하고 있기 때문에 그 성능이 떨어지고 있다. 따라서 본 연구에서는 Machine Learning Clustering 기법을 PMS 자료에 적용이 가능한지 확인하였다. 공용성 예측모형의 종속변수인 Performance Factors와 독립변 수인 Influencing Factors 간의 상관성을 확인할 수 없는 경우 클러스터링을 적용하여 종속변수와 독립변수 간의 상관성을 분명히 나 타내고 회귀분석이 가능하도록 하였다. Delaunay Triangulation을 적용하여 인천광역시 기상관측소의 삼각망을 형성하였다. 삼각망의 각 꼭짓점과 도로 각 지점 간의 거리에 대하여 Inverse Distance Weighted 방법을 적용하여 도로 각 구간의 PMS 자료와 영향인자를 매칭하였다. 클러스터링 기법을 원자료에 적용한 결과 공용성인자와 영향인자 간의 상관성이 분명해졌다. 또한, 클러스터링 이전과 이 후 자료의 확률밀도함수의 분포를 비교하여 클러스터링 이후의 자료가 이전의 대해서 대표성을 갖고 있는지 확인하였다.

인공지능(Artificial Intelligence, AI)은 1950년대 초기개념과 이론을 앨런 튜링이 튜링 테스트를 제안하여 기계가 인간과 같은 수준의 지능을 가질 수 있는지 대한 질문을 던지면서 시작되었다. 1980년대부터 특정 분야의 전문 지식을 모방하여 지원하는 AI 시스템인 전 문가 시스템이 부상하기 시작하면서 Machine Learning이 중요성을 얻기 시작하였다. 특히, Decision Tree, Clustering 그리고 Neural Network Algorithm 등이 연구되기 시작하였다. Clustering 기법은 다양한 분야에서 통계분석에 사용되는 자료를 정제하기 위한 비지도 학습 중 하나로, 군집화 알고리즘을 사용하여 자료의 값(Pointer)들을 특정 그룹으로 분류하는 방법이다. 이러한 Clustering을 활용하여 기존 데이터에서 숨겨진 데이터들의 특성을 파악할 수 있으며, 일정 패턴이나 특징을 가진 데이터들끼리의 군집화를 할 수 있게 된다. 이러한 클러스터링은 다양한 산업 분야에서 적용 및 활용하고 있다. 산업화 이후 미국, 벨기에 등 많은 나라에서 효율적인 도로 관 리를 위해 자국의 특성에 맞는 Pavement Management System (PMS)를 운영하고 있지만 현재 많은 분야에서 적용하고 있는 AI를 활용한 사례가 매우 드물다. 한국에서도 수십년 동안 국토교통부와 한국도로공사에서 PMS를 이용하여 도로를 관리해 왔으며, 최근에 는 몇 개 지자체에서 PMS를 도입하였다. 하지만 한국에서는 오랜 PMS 운영 경험에도 불구하고 AI를 활용하지 않고 전통적 방법인 회귀모형을 활용하여 개발한 공용성 예측모형을 사용하고 있기 때문에 그 성능이 떨어지고 있다. 따라서 본 연구에서는 Machine Learning Clustering 기법 을 PMS 자료에 적용이 가능한지 확인하였다. 공용성 예측모형의 종속변수인 Performance Factors와 독립 변수인 Influencing Factors 간의 상관성을 확인할 수 없는 경우 클러스터링을 적용하여 종속변수와 독립변수 간의 상관성을 분명히 나타내고 회귀분석이 가능하도록 하였다. Delaunay Triangulation을 적용하여 인천광역시 기상관측소의 삼각망을 형성하였다. 삼각망 의 각 꼭짓점과 도로 각 지점 간의 거리에 대하여 Inverse Distance Weighted 방법을 적용하여 도로 각 구간의 PMS 자료와 영향인 자를 매칭하였다. 클러스터링 기법을 원자료에 적용한 결과 공용성인자와 영향인자 간의 상관성이 분명해졌다. 또한, 클러스터링 이전 과 이후 자료의 확률밀도함수의 분포를 비교하여 클러스터링 이후의 자료가 이전의 대해서 대표성을 갖고 있는지 확인하였다.

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.

디지털 트윈 기술의 도입은 소재/제품 개발 및 공정의 전주기 과정에서 보다 통합적이며 단절없는 디지털 가상화를 요구하고 있다. 이러한 요구는 미시적 반응, 표면 및 계면 현상을 아우르는 모델링 기법과 거시적 물리 모델 혹은 인공지능 모델의 광범위한 적용을 필요로 한다. 이는 다양한 환경조건에서 소재의 물성 데이터베이스와 미시적 현상 모사가 필요함을 의미하며, 분자동역학 시뮬레이션이 이를 달성하기 위하여 유용하게 활용될 수 있다. 본 논문에서는 평형 및 비평형 분자 동역학 시뮬레이션 방법을 활용한 물성 계산 방법을 개괄하고, 열 및 기계적 물성등 주요 물성 계산 사례들을 검토하여 제시하였다. 본 논문은 분자 동역학 시뮬레이션을 활용한 물성 계산 프레임 워크 개발과 보다 정확하며 신뢰도 높은 계산 수행에 통찰을 제공할 것으로 기대 된다.

이 연구에서는 Inception V3, SqueezeNet(local), VGG-16, Painters 및 DeepLoc의 다섯 가지 인공지능(AI) 모 델을 사용하여 차나무 잎의 병해를 분류하였다. 여덟 가지 이미지 카테고리를 사용하였는데, healthy, algal leaf spot, anthracnose, bird’s eye spot, brown blight, gray blight, red leaf spot, and white spot였다. 이 연구에서 사용한 소프트웨 어는 데이터 시각적 프로그래밍을 위한 파이썬 라이브러리로 작동하는 Orange3였다. 이는 데이터를 시각적으로 조작하여 분석하기 위한 워크플로를 생성하는 인터페이스를 통해 작동되었다. 각 AI 모델의 정확도로 최적의 AI 모 델을 선택하였다. 모든 모델은 Adam 최적화, ReLU 활성화 함수, 은닉 레이어에 100개의 뉴런, 신경망의 최대 반복 횟수가 200회, 그리고 0.0001 정규화를 사용하여 훈련되었다. Orange3 기능을 확장하기 위해 새로운 이미지 분석 Add-on을 설치하였다. 훈련 모델에서는 이미지 가져오기(import image), 이미지 임베딩(image embedding), 신경망 (neural network), 테스트 및 점수(test and score), 혼동 행렬(confusion matrix) 위젯이 사용되었으며, 예측에는 이미 지 가져오기(import image), 이미지 임베딩(image embedding), 예측(prediction) 및 이미지 뷰어(image viewer) 위젯 이 사용되었다. 다섯 AI 모델[Inception V3, SqueezeNet(로컬), VGG-16, Painters 및 DeepLoc]의 신경망 정밀도는 각 각 0.807, 0.901, 0.780, 0.800 및 0.771이었다. 결론적으로 SqueezeNet(local) 모델이 차나무 잎 이미지를 사용하여 차 병해 탐색을 위한 최적 AI 모델로 선택되었으며, 정확도와 혼동 행렬을 통해 뛰어난 성능을 보였다.

생성형 인공지능의 계속적인 발전은 다음과 같은 신학적 질문들을 제기할 것이다. “인공지능은 하나님의 창조물인가?”, “인공지능은 인간 의 존엄성에 도전을 제기할까?”, “인공지능은 도덕적 판단을 내릴 수 있는가?”, “인공지능은 신앙을 가질 수 있는가?”, “인공지능은 인류의 멸망을 초래할까?” 이런 질문들이 현재로서 다소 이르다고 생각할 수도 있지만, 생성형 인공지능의 발전 속도를 보면, 곧 우리에게 닥칠 질문이 될 것이다. 따라서 본 논문은 인공지능의 발전이 신학에 제기하게 될 질문들을 선교학의 관점에서 살펴봄으로써, 인공지능과 신학이 어떻 게 바람직하게 공존할 수 있을지에 대해 탐구한다. 나아가 창조론, 인간론, 죄론, 구원론, 종말론과 같은 기존 신학 영역들을 새로운 관점에 서 재해석하는 것을 넘어, 선교학적 측면에서 ‘인공지능 신학(AI theology)’의 가능성을 모색한다. 지난 2천 년의 기독교 선교 역사가 당대의 신학적 물음에 대한 진솔한 응답이었다는 점을 기억한다면, 우리는 계속해서 당대에 제기되는 신학적 물음에 대해 선교적 관점에서 고민해야 할 것이다.

본 연구에서는 빅데이터를 통해 교사의 융합교육역량에 대한 사회적 인식을 살펴봄으로써 교사의 융합 교육역량 증진 방안 마련을 위한 기초자료를 제공하는데 목적이 있었다. 본 연구목적을 달성하기 위해 Textom에서 제공하는 빅데이터를 활용하여 􍾧교사 + 융합교육 + 역량􍾨을 키워드로 rawDATA를 수집하였 다. 수집된 데이터는 1차􌝆2차 정제과정을 마친 데이터들 중 빈도분석 결과를 바탕으로 200개 핵심 키워드 를 선정하였으며, 이를 1-모드 매트릭스 데이터 셋으로 변환하여 키워드 네트워크 분석을 실시하였다. 연 구결과는 다음과 같다: 첫째, 빈도분석에서는 교육, 인공지능, 강화, 연수, 수업이 가장 빈번하게 출현하는 것으로 나타났다. 둘째, 전체 네트워크 분석에서는 교육, 학생, 연수, 강화, 대상이 모든 중심성에서 높게 나타났다. 셋째, 에고 네트워크 분석에서는 교사, 융합교육, 역량을 중심으로 다양하게 논의되고 있음을 확 인할 수 있었다. 이러한 결과를 바탕으로 교사의 융합교육역량과 관련된 후속연구 및 증진방안에 대해 제 언하였다.

How will machines affect humans, can humans be leading in machine problems, or can humans present new possibilities beyond human-machine confrontation? This study attempts to reflect on the relationship between the high-tech revolution and convergence by focusing on the 'care problem'. First of all, in order to proceed with this study, I would like to discuss how artificial intelligence robots based on the Fourth Industrial Revolution are revealing their effectiveness in caring problems. In the interaction between humans and artificial intelligence emotions, it is emphasized that the question of right and wrong as to whether the other person's emotions are properly understood is not important, and that more valid justification can be secured for humans and artificial intelligence robots to reconcile and establish a relationship through emotional exchange. If this is the case, rather than discussing whether artificial intelligence robots can interact with humans through empathy, it should be focused on the fact that caring patients who require physical and mental care through artificial intelligence robots can achieve quite effective treatment effects through artificial intelligence robots.

본 연구는 생성형 인공지능인 챗봇을 활용해서 핵심광물을 탐구하는 과정에서 나타나는 챗봇과 학생의 반응, 그 들 사이에서 일어나는 상호작용을 인식론적 측면에서 분석했다. 그 결과를 바탕으로 인공지능을 활용한 교수·학습 과정 에서 유의해야 할 문제들을 교사의 역할, 교육의 목표, 지식의 속성 측면에서 논의했다. 이 연구를 위해 고등학생 19명 을 대상으로 챗봇을 활용한 3차시 과학 교육 프로그램을 진행했고, 학생들이 작성한 보고서를 분석했다. 그 결과, 학생 의 질문은 형식적 측면에서 검색형 질문과 탈검색형 질문이 나타났고 내용적 측면에서는 대상에 대한 특성을 묻는 다 양한 질문 외에도 여러 자료를 종합해서 판단할 것을 요구하는 질문도 나타났다. 대체로 학생들은 지향해야할 것과 지 양해야 할 것을 구분한 질문 전략을 갖추고 있었다. 챗봇의 답변은 일정한 형태-서문, 본문, 결문 등의 3부분으로 이루 어져 있었고, 특히 결문에는 내용에 대한 의견을 곁들인 논평이나 의견 등이 포함되어 있어서 여기에는 가치 판단과 함께 과학의 본성이 나타났다. 챗봇과 학생의 상호작용은 학생이 챗봇의 답변에 대한 질문을 조직하는 과정에서 잘 드 러났다. 답변 근거 여부에 따라 독립형, 파생형 질문으로, 포괄성 수준의 변화에 따라 상위형, 하위형, 병렬형 질문이 나타나기도 했다. 학생들은 챗봇의 답변에 비판적 사고기술이 포함된 질문으로 반응하기도 했다. 이러한 결과를 바탕으 로 챗봇과 학생 사이에는 교사와 상호작용하는 일반적 수업과 달리 ‘제한된 상호작용’이라는 태생적 한계가 있음을 발 견하고 이를 보완할 교사의 역할을 논의했고, 아울러 AI를 활용한 학습의 목표 및 이들이 제공하는 지식의 속성을 함 께 논의했다.

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.

This study aimed to investigate which areas AI is sensitive when inputting panoramic radiographs with dental area masked and when inputting unmasked ones. Therefore, the null hypothesis of this study was that masking dental area would not make a difference in the sensitive areas of osteoporosis determination of AI. For this study 1165 female(average age 48.4 ± 23.9 years) from whom panoramic radiographs were taken were selected. Either osteoporosis or normal should be clearly defined by oral and maxillofacial radiologists. The panoramic radiographs from the female were classified as either osteoporosis or normal according to the mandibular inferior cortex shape. VGG-16 model was used to get training, validating, and testing to determine between osteoporosis or normal. Two experiments were performed; one using unmasked images of panoramic radiographs, and the other using panoramic radiographs with dental region masked. In two experiments, accuracy of VGG-16 was 97.9% with unmasked images and 98.6% with dental-region-masked images. In the osteoporosis group, the sensitive areas identified with unmasked images included cervical vertebrae, maxillary and mandibular cancellous bone, dental area, zygomatic bone, mandibular inferior cortex, and cranial base. The osteoporosis group shows sensitivity on mandibular cancellous bone, cervical vertebrae, and mandibular inferior cortex with masked images. In the normal group, when unmasked images were input, only dental region was sensitive, while with masked images, only mandibular cancellous bone was sensitive. It is suggestive that when dental influence of panoramic radiographs was excluded, AI determined osteoporosis on the mandibular cancellous bone more sensitively.

본 논문은 문학 연구와 인공지능의 접점을 감성 영역에서 찾고, 그 연계성을 기반으로 상호 보완과 발전을 지향하는 문학과 기술의 융합에 관한 연구이다. 본 논문은 문학과 공학에서 각각 상대를 보는 관점을 사용하고 공통의 기반인 감성의 주제를 두고 비교 점검하는 연구 방법을 사용한다. 현재 인공 지능과 문학 연구의 융합 연구 결과물이 많이 발표되고 있지 않은데, 본 연구에서는 미래 인공지능의 지향점을 두고 인문학 분야에서의 학제적 연구를 모색해 보고 자 하였다. 이에 문학적 감성을 통해 문학도 인공지능의 발전에 공헌할 방안으로서 주관적인 문학의 감성을 추출하여 인공지능의 객관적 입력을 위한 정형화 작업에 참여할 때에 이르렀다. 본 연구에서 시도하고 있는 감성의 용어 중심 추출 작업을 거쳐서 인간 감정에 접근하는 주관적인 상상력과 객관적인 기술력이 조합된다면, 광범위한 인간의 자료 를 분석하는 속도감 있는 문학 연구의 확장은 물론, 복합적인 인간을 이해하고 상대하는 깊이 있는 인공지능의 개발에 다가갈 수 있을 것이라 본다. 그러한 마주보기 통과 의례를 거쳐서 학제적 연구의 장점을 살린 논의는 두 학문 분야를 별개로 볼 때의 한계 또한 인정하고 부족한 측면을 상호 보완하는 융합 연구의 긍정적 측면을 갖게 될 것이다.