이 논문은 S대학교 ‘사고와 글쓰기’ 교과에서 AI 자동 피드백 프로그 램 키위(KEEwi)를 활용한 수업 사례를 분석하고 그것이 지닌 효과와 한 계에 관해 탐색할 것을 목적으로 한다. 먼저 2장에서는 AI 자동 피드백 프로그램의 동향과 원리를 살펴보고 3장에서는 키위 프로그램을 활용한 수업 운영과 구체적 사례에 관해 설명하였다. 4장에서는 설문조사 분석 을 통한 학습자들의 프로그램 만족도와 교육 효과 및 한계에 관해 논의 하였다. 그 결과 이 프로그램은 즉각적이고 반복적인 피드백을 통해 학 습자의 학습 능률을 향상시킬 뿐 아니라 수업에 대한 흥미를 유발하여 글쓰기 역량을 강화하는 데 긍정적인 영향을 끼치는 것으로 드러났다. 또한 교수자에게는 글쓰기 교육의 보조 도구이자 협력자로 기능하며 학 습자 중심의 피드백 환경을 조성하는 데 기여하는 것으로 파악된다. 그 러나 키위 엔진은 완전한 대체 도구가 아니며 자체적인 오류와 문제를 가지고 있어 절대적인 평가 지표로 활용하는 것에는 한계가 있음이 확인 되었다. 이러한 연구는 대학 글쓰기 교양수업에서 AI 자동 피드백 프로 그램이 학습자와 교수자에게 끼치는 영향과 그 한계를 파악하는 데 도움 이 되리라 생각한다.

Rapidly changing environmental factors due to climate change are increasing the uncertainty of crop growth, and the importance of crop yield prediction for food security is becoming increasingly evident in Republic of Korea. Traditionally, crop yield prediction models have been developed by using statistical techniques such as regression models and correlation analysis. However, as machine learning technique develops, it is able to predict the crop yield more accurate than the statistical techniques. This study aims at proposing the onion yield prediction framework to accurately predict the onion yield by using various environmental factor data. Temperature, humidity, precipitation, solar radiation, and wind speed are considered as climate factors and irrigation water and nitrogen application rate are considered as soil factors. To improve the performance of the prediction model, ensemble learning technique is applied to the proposed framework. The coefficient of determination of the proposed stacked ensemble framework is 0.96, which is a 24.68% improvement over the coefficient of determination of 0.77 of the existing single machine learning model. This framework can be applied to the particular farmland so that each farm can get their customized prediction model, which is visualized by the web system.

2020년 6월 여름철 중위도 동아시아 지역의 온난화가 PM2.5 에어로졸의 생성기작에 미치는 영향을 WRF-Chem 모델에 기상과 기후 입력 자료를 적용하여 산출한 PM2.5 에어로졸 아노말리를 통해 분석하였다. 30년(1991-2020년) 동 안 동아시아 지역의 10년 단위 기온 변화 경향은 최근에 겨울보다는 여름에 온난화가 더 커지는 것으로 나타나고 있다. 동아시아 지역의 여름철 온난화는 중국 내륙의 대류권 하층에서는 저기압, 대류권 상층에서는 고기압을 발생시키고 있 었다. 대류권 하층 저기압과 상층 고기압의 경계가 티베트고원으로부터 한국으로 낮아지는 지형을 따라 경사져 분포하 고 있었다. 중국 동부-황해-한국의 지역에는 저기압과 더불어 북서 태평양 고기압의 발달로 동중국해로부터 온난 다습한 남서 기류가 수렴하고 있었다. 한국에서는 1973년 이래로 6월 중에는 2020년에 가장 높은 기온이 관측되었다. 한편 동아시아 지역에서 강화된 온난화는 중국 동부지역으로부터 한반도로 장거리를 이동하는 PM2.5 에어로졸의 생성을 증 가시키고 있었다. WRF-Chem (Weather Research Forecasting model coupled with Chemistry) 모델에 배출량의 변동은 고려하지 않고, 기상 및 기후 입력장(1991-2020년)만을 적용하여 산출한 PM2.5 아노말리는 중국 동부지역으로부터 황해 와 한국, 그리고 북서 태평양 지역에 걸쳐 양(+)으로 분포하고 있었다. 따라서, 2020년 6월 동아시아 지역에서 PM2.5 질량 농도에 대한 온난화 기여도는 50% 이상이었다. 특히 PM2.5 에어로졸이 중국 동부로부터 황해를 거쳐 한국으로 장 거리 수송되는 과정에서 온난 다습한 남서 기류에 의해 황산염은 습식세정 되고 있지만 질산염은 생성이 촉진되고 있 었다.

Agrophotovoltaic (APV) system is an integrated system producing crops as well as solar energy. Because crop production underneath Photovoltaic (PV) modules requires delicate management of crops, smart farming equipment such as real-time remote monitoring sensors (e.g., soil moisture sensors) and micro-climate monitoring sensors (e.g., thermometers and irradiance sensors) is installed in the APV system. This study aims at introducing a decision support system (DSS) for smart farming in an APV system. The proposed DSS is devised to provide a mobile application service, satellite image processing, real-time data monitoring, and performance estimation. Particularly, the real-time monitoring data is used as an input of the DSS system for performance estimation of an APV system in terms of production yields of crops and monetary benefit so that a data-driven function is implemented in the proposed system. The proposed DSS is validated with field data collected from an actual APV system at the Jeollanamdo Agricultural Research and Extension Services in South Korea. As a result, farmers and engineers enable to efficiently produce solar energy without causing harmful impact on regular crop production underneath PV modules. In addition, the proposed system will contribute to enhancement of the smart farming technology in the field of agriculture.

Agrophotovoltaic (APV) system is an integrated system producing crops as well as solar energy. Because crop production underneath Photovoltaic (PV) modules requires delicate management of crops, smart farming equipment such as real-time remote monitoring sensors (e.g., thermometers, irradiance sensors, and soil moisture sensors) is installed in the APV system. This study aims at introducing a simulation-based decision support system (DSS) for smart farming in an APV system. The proposed DSS is devised to provide a mobile application service, satellite image processing, real-time data monitoring, and simulation-based performance estimation. Particularly, an agent-based simulation (ABS) is used to mimic functions of an APV system so that a data-driven function and digital twin environment are implemented in the proposed system. The ABS model is validated with field data collected from an actual APV system at the Jeollanamdo Agricultural Research and Extension Services in South Korea. As a result, farmers and engineers enable to efficiently produce solar energy without causing harmful impact on regular crop production underneath PV modules. In addition, the proposed system will contribute to enhancement of the digital twin technology in the field of agriculture.