목적 : 본 연구는 작업치료사의 전문직업적 정체성이 직무몰입과 조직몰입에 미치는 영향을 알아보고자 실시하였다. 연구방법 : 본 연구는 2020년 3월 1일부터 2020년 3월 24일까지 작업치료사 145명을 대상으로 전문직업적 정체성, 직무 몰입, 조직몰입에 대한 조사를 실시하였다. 일반적 특성을 알아보기 위하여 빈도분석을 하였으며, 전문직업적 정체성, 직 무몰입과 조직몰입 정도를 알아보기 위해 기술통계를 사용하였다. 또한 전문직업적 정체성, 직무몰입과 조직몰입 간의 상 관성을 알아보기 위하여 피어슨 상관계수를 사용하였다. 그리고 전문직업적 정체성이 직무몰입과 조직몰입에 미치는 영향 을 알아보기 위하여 다중회귀분석을 실시하였다. 결과 : 본 연구의 결과는 다음과 같다. 첫째, 작업치료사의 전문직업적 정체성은 평균 3.25±.38점이었다. 둘째, 대상자 의 일반적 특성에 따른 전문직업적 정체성은 최종학력과 근무기관에서 유의한 차이가 있었고(p<.05), 직무몰입은 최종학 력과 유의한 차이가 있었다(p<.05). 셋째, 전문직업적 정체성의 모든 하위 요인은 직무몰입, 조직몰입과 양(+)의 상관관 계가 있었다(p<.01). 넷째, 직무몰입과 조직몰입에 영향을 미치는 전문직업적 정체성의 하위 요인은 직업에 대한 소명의 식, 전문조직의 활용으로, 직업에 대한 소명의식과 전문조직의 활용이 높을수록 직무몰입과 조직몰입이 증가하는 것으로 나타났다. 결론 : 본 연구 결과를 통해 작업치료사의 전문직업적 정체성이 직무몰입과 조직몰입에 영향을 미치는 중요한 요소임을 확인할 수 있었다. 따라서 전문직업적 정체성을 향상시킬 수 있는 방안에 대한 지속적인 연구가 이루어져야 할 것이다.

We present a code which identifies individual clouds in crowded region using IMFORT interface within Image Reduction and Analysis Facility (IRAF). We define a cloud as an object composed of all pixels in longitude, latitude, and velocity that are simply connected and that lie above some threshold temperature. The code searches the whole pixels of the data cube in efficient way to isolate individual clouds. Along with identification of clouds it is designed to estimate their mean values of longitudes, latitudes, and velocities. In addition, a function of generating individual images (or cube data) of identified clouds is added up. We also present identified individual clouds using a 12CO survey data cube of Galactic Anticenter Region (Lee et al. 1997) as a test example. We used a threshold temperature of 5σ 5σ rms noise level of the data With a higher threshold temperature, we isolated subclouds of a huge cloud identified originally. As the most important parameter to identify clouds is the threshold value, its effect to the size and velocity dispersion is discussed rigorously.

In order to reduce the small scale fluctuation resulting from shearing holograpy(Park et. al. 1997), differential panel adjustments were performed for 14 m radio telescope of Taeduk Radio Astronomy Observatory with T2 theodolite It appears that this method improves the surface accuracy by about 50μm 50μm . The measured surface accuracy is, at best, 170μm 170μm . The beam efficiency at 86.2 GHz is estimated to be 44% We also found that the elevation at which Park et. al. performed holography was too low.

딥러닝 모델은 주어진 학습용 데이터에서 탐지하고자 하는 물체의 특징을 추출하기 때문에, 딥러닝 모델 학습을 위한 학습용 데이터 구축은 매우 중요하다. 본 연구에서는 균열을 탐지하는 딥러닝 모델의 성능을 향상시키기 위해, 실제 콘크리트 구조물이나 아스팔트 도로 표면에서 자주 발견될 수 있는 나뭇가지, 거미줄, 전선 등을 학습 데이터에 자동으로 포함시키고, negative 영역으로 분류하는 알고리즘을 개발하였다. 제안된 알고리즘을 사용하여 학습된 딥러닝 모델을 실제 도로 표면에 발생한 균열 탐지에 적용하여 실제 균열 탐지에 사용될 수 있음을 보였다.

By amending of the special law on the safety management of the facility, underground structure have been incorporated into kinds of facilities. In this paper, an inspection manual for the underground structure will be introduced.