Many school buildings are vulnerable to earthquakes because they were built before mandatory seismic design was applied. This study uses machine learning to develop an algorithm that rapidly constructs an optimal reinforcement scheme with simple information for non-ductile reinforced concrete school buildings built according to standard design drawings in the 1980s. We utilize a decision tree (DT) model that can conservatively predict the failure type of reinforced concrete columns through machine learning that rapidly determines the failure type of reinforced concrete columns with simple information, and through this, a methodology is developed to construct an optimal reinforcement scheme for the confinement ratio (CR) for ductility enhancement and the stiffness ratio (SR) for stiffness enhancement. By examining the failure types of columns according to changes in confinement ratio and stiffness ratio, we propose a retrofit scheme for school buildings with masonry walls and present the maximum applicable stiffness ratio and the allowable range of stiffness ratio increase for the minimum and maximum values of confinement ratio. This retrofit scheme construction methodology allows for faster construction than existing analysis methods.

본 연구는 취업 준비 대학생 379명을 대상으로 설문조사를 실시하여 취업 불안과 구직효능감 수준에 따른 군집유형 분류 및 취업준비행동의 차이를 분석하였다. 수집된 자료는 SPSS 26.0을 사용하여 기술통계분 석, 2단계 군집분석, 일원배치분산분석을 실시하였고, 이를 통해 군집을 분류하고 군집 간 차이를 분석하였다. 연구결과는 다음과 같다. 첫째, 취 업불안과 구직효능감에 따른 군집은 4개의 군집으로 분류되었다. 군집1 은 ‘낮은불안-낮은효능감 집단’으로, 군집2는 ‘낮은 불안-높은 효능감 집 단’, 군집3은 ‘높은불안-중간효능감 집단’, 군집4는 ‘높은 불안-매우 낮 은 효능감 집단’으로 명명하였다. 둘째, 군집 간의 취업준비행동은 차이 가 있는 것으로 나타났다. 군집2(낮은 불안-높은 효능감 집단)와 군집3 (높은불안-중간효능감 집단)은 군집1(낮은 불안-낮은 효능감 집단)와 군 집4(높은 불안-매우 낮은 효능감 집단)에 비해 취업준비행동을 더 적극 적으로 하는 것으로 나타났다. 이러한 결과는 대학생 취업지도 분야에서 군집유형별 진단을 통해 맞춤형 취업 지원 방안이 필요함을 보여주고 있 다. 끝으로 연구의 시사점과 한계점, 향후 연구과제에 대해 논의하였다.

안전은 해군과 같은 위험성이 높은 환경에서 활동하는 조직에게 필수적이다. 효과적인 안전관리는 지속적인 개선과 보완을 통 해 유지되어야 하며, PDCA cycle을 활용하는 것이 일반적이다. 하지만 해군에서는 안전 규정 강화와 교육 확대에도 불구하고 안전사고가 지속적으로 발생하고 있다. 이는 안전사고 분석 및 분류 시스템 개선의 필요성을 보여준다. 본 연구에서는 해군 안전사고 분류체계를 분 석하고 문제점을 파악하여 효과적인 분류체계를 구축하는데 중점을 두었다. 이를 통해 안전사고 결과를 데이터화하고, 사고의 근본 원인 을 파악하며, 중장기적인 안전관리 정책 수립에 기여할 수 있도록 12자리의 해군 안전사고 분류 코드를 제안하였다.

현대중국어에서 ‘也’는 활용도가 비교적 높은 단어이며, 부사와 접속사로 분류되고 있다. 또한 다른 부사나 접속 표현 등과 결합하여 강조의 관용구로 사용되기도 한다. ‘也’는 학습이 쉬운 단어로 인식되고 있으나, 초중급 단계가 지나면서 단어의 쓰임에 있어서 적지 않은 오류가 발생하는 경향이 있다. 이는 단어에 대한 이해가 충분히 이루어지지 못한 원인이라고 본다. 모든 단어는 생성 기원과 변화 과정을 가지고 있 다. 그러므로 고대중국어 조사 ‘也’가 어떻게 부사로 품사 변화를 하였는지 우선 살 펴볼 필요가 있다. 대체로 학계에서는 빈도 혹은 중복부사로 ‘也’를 분류하고 있지만, 일부 범위부사 혹은 관련부사 등으로도 분류되기도 한다. ‘也’의 하위분류에 대한 의 견이 일치하지 않다는 것을 알 수 있다. 본고에서는 고대에서 현대까지 ‘也’의 변화 과정을 살펴보고, 단어의 쓰임과 의미에 주목하여 ‘也’의 품사적 특성을 이해해보고 자 한다. 이를 통해 부사 ‘也’의 하위분류를 재설정해본다. 이를 통해 ‘也’에 대해 더 욱 심도 있게 이해할 수 있는 계기가 될 수 있을 것이라 기대한다.

In the military, ammunition and explosives stored and managed can cause serious damage if mishandled, thus securing safety through the utilization of ammunition reliability data is necessary. In this study, exploratory data analysis of ammunition inspection records data is conducted to extract reliability information of stored ammunition and to predict the ammunition condition code, which represents the lifespan information of the ammunition. This study consists of three stages: ammunition inspection record data collection and preprocessing, exploratory data analysis, and classification of ammunition condition codes. For the classification of ammunition condition codes, five models based on boosting algorithms are employed (AdaBoost, GBM, XGBoost, LightGBM, CatBoost). The most superior model is selected based on the performance metrics of the model, including Accuracy, Precision, Recall, and F1-score. The ammunition in this study was primarily produced from the 1980s to the 1990s, with a trend of increased inspection volume in the early stages of production and around 30 years after production. Pre-issue inspections (PII) were predominantly conducted, and there was a tendency for the grade of ammunition condition codes to decrease as the storage period increased. The classification of ammunition condition codes showed that the CatBoost model exhibited the most superior performance, with an Accuracy of 93% and an F1-score of 93%. This study emphasizes the safety and reliability of ammunition and proposes a model for classifying ammunition condition codes by analyzing ammunition inspection record data. This model can serve as a tool to assist ammunition inspectors and is expected to enhance not only the safety of ammunition but also the efficiency of ammunition storage management.

Distribution and logistics industries contribute some of the biggest GDP(gross domestic product) in South Korea and the number of related companies are quarter of the total number of industries in the country. The number of retail tech companies are quickly increased due to the acceleration of the online and untact shopping trend. Furthermore, major distribution and logistics companies try to achieve integrated data management with the fulfillment process. In contrast, small and medium distribution companies still lack of the capacity and ability to develop digital innovation and smartization. Therefore, in this paper, a deep learning-based demand forecasting & recommendation model is proposed to improve business competitiveness. The proposed model is developed based on real sales transaction data to predict future demand for each product. The proposed model consists of six deep learning models, which are MLP(multi-layers perception), CNN(convolution neural network), RNN(recurrent neural network), LSTM(long short term memory), Conv1D-BiLSTM(convolution-long short term memory) for demand forecasting and collaborative filtering for the recommendation. Each model provides the best prediction result for each product and recommendation model can recommend best sales product among companies own sales list as well as competitor’s item list. The proposed demand forecasting model is expected to improve the competitiveness of the small and medium-sized distribution and logistics industry.

This study introduces a novel approach for identifying potential failure risks in missile manufacturing by leveraging Quality Inspection Management (QIM) data to address the challenges presented by a dataset comprising 666 variables and data imbalances. The utilization of the SMOTE for data augmentation and Lasso Regression for dimensionality reduction, followed by the application of a Random Forest model, results in a 99.40% accuracy rate in classifying missiles with a high likelihood of failure. Such measures enable the preemptive identification of missiles at a heightened risk of failure, thereby mitigating the risk of field failures and enhancing missile life. The integration of Lasso Regression and Random Forest is employed to pinpoint critical variables and test items that significantly impact failure, with a particular emphasis on variables related to performance and connection resistance. Moreover, the research highlights the potential for broadening the scope of data-driven decision-making within quality control systems, including the refinement of maintenance strategies and the adjustment of control limits for essential test items.

수산자원의 지속 가능한 관리와 증대는 전 세계적으로 중요한 이슈로 부상하고 있으며, 본 연구는 이에 대응하는 한국수산자 원공단의 수산자원 현존량 추정을 위한 딥러닝 기반 수산자원 증대사업 효과조사 기법 개발을 위해 구성 기술 중 하나인 어류 탐지 및 분류 모델 구축과 성능 비교를 수행하였다. 다양한 크기의 YOLOv8-Seg 모델에 어류 이미지 데이터셋을 학습한 후 각 성능평가 지표를 비 교 분석하여 적용 가능한 최적의 모델을 선정하고자 하였다. 모델 구축에 사용된 자료는 총 12종의 어류로 이루어진 36,749장의 이미지와 라벨 파일로 이루어지며, 학습에는 증강을 적용하여 데이터의 다양성을 증가시켰다. 동일한 환경 및 조건에서 총 다섯 개의 YOLOv8-Seg 모델을 학습 및 검증한 결과 중간 크기의 YOLOv8m-Seg 모델이 가장 짧은 13시간 12분의 학습 시간과     0.933, 추론 속도 9.6 ms로 높은 학습 효율성과 우수한 탐지 및 분류 성능을 보였으며, 각 지표 간의 균형을 고려할 때 실시간 처리 요구사항을 충족하는 가장 효율 적인 모델로 평가되었다. 이와 같은 실시간 어류 탐지 및 분류 모델을 활용하여 효율적인 수산자원 증대사업의 효과조사가 가능할 것으 로 보이며, 지속적인 성능 개선 및 추가적인 연구가 필요할 것으로 사료된다.

본 논문은 서해 군산분지 퇴적층 내에서 발견되는 다양한 화성암들을 탄성파 반사상에 따라 분류하고 그 공간 적 분포 양상을 도시하는 과정에 대해 상술한다. 연구지역인 서해 대륙붕 군산분지의 북동소분지, 남서소분지, 남동소분 지 내에서 총 6종류의 분출 화성암 반사상과 3종류의 관입 화성암 반사상이 중생대 후기 백악기, 신생대 에오세 및 전 기 마이오세, 신생대 제4기 층에서 발견되었다. 분출 화성암은 그 크기, 외형, 내부 층리구조에 따라 (1) 높이 200 m 이 하의 고깔형 화산체들로 1회성 단성화산 분화를 통해 형성된 것으로 추정되는 단성화산체(E.mono), (2) 단성화산체들이 모여 높이 500m 이내의 하나의 화산체를 형성하는 단성화산복합체(E.comp), (3) 높이 1 km 이상 직경 15 km 이상으 로 내부에 복수의 층이 인지되는 성층화산체(E.strato), (4) 기반암 저지대의 정단층 주변에서 고반사 특성을 보이는 열 극 분출암(E.fissure), (5) 저각 사면부와 내부에 직경 약 2 km 화도 구조를 보여주는 마르-다이아트림(E.maar), (6) 퇴적 층을 교란하는 직경 1 km 이내 파이프형 구조를 갖는 열수분출공(E.vent)으로 구성된다. 관입 화성암은 상부 퇴적층의 변형구조를 통해 인지되며, (1) 수평형, 계단형, 종지형 등 다양한 수직/수평 관입 기하를 나타내는 암맥 및 암상(I.dike/ sill), (2) 직경 1-3 km의 뿔 또는 기둥 모양 관입암체인 화성암주(I.stock), (3) 상부 퇴적층을 광범위하게 변형시키는 폭 10 km 이상의 관입암체인 저반/병반(I.batho/lac)으로 구성된다. 분출 화성암은 주로 군산분지 남서소분지 내 백악기 및 신생대 고제3기 에오세 층 내에서 인지되며, 관입암체는 주로 남동 및 남서 소분지 내에서 발견된다. 열수분출공은 군 산분지 전역에서 발견되며 활동시기는 전반적으로 중기 마이오세 이후로 일부는 현재까지 활동중인 것으로 보인다.

본 연구를 통해 한국산 Thyas속을 검토하였다. 이 중, T. coronata (Fabricius, 1775)는 성충 및 생식기 도해사진을 기반으로 최초로 그 분류학 적 기재문을 작성하였다. 모든 한국산 Thyas속 종에 대한 분류학적 진단형질 및 분포 정보를 함께 제공하였다.

Although interest in eco-friendly fashion products is increasing among scholars and industry leaders, the concept of eco-friendly products remains unclear, preventing consistent assessment of which fashion products are eco-friendly. This study conducted a content analysis of eco-friendly product information from 87 domestic and 102 foreign brands to reveal key standards for categorizing eco-friendly fashion products. Product characteristic information was coded according to the four material-based standards (i.e., organic material, regenerative material, alternative material, and sustainably produced/upcycled material). Consistency between coders was confirmed by Cohen’s kappa. In results, eco-friendly fashion products are categorized by four material-based standards and two certification standards (i.e., certified, not certified). Among the four material-based categories, the greatest number of domestic and foreign companies produced eco-friendly products that were classified as the regenerative material group. In addition, companies acquired eco-friendly certifications related to the use of organic, regenerative, and alternative materials. The greatest number of eco-friendly material brands used for eco-friendly fashion products belonged to the regenerative material group. Based on the study results, a typology of eco-friendly products was suggested. This typology can benefit practitioners and academics by highlighting a need for classification system for the eco-friendly fashion products, as well as by providing insight into the categorization of eco-friendly fashion products.

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.

글로벌 경제위기, 저성장 기조의 장기화, 인구구조 변화에 따른 한국 노동시장의 구조적 변화로 실업자가 빠르게 증가하고 있다. 실업급여 수 급자의 증가와 더불어, 허위·형식적 구직활동도 동시에 증가하고 있다. 본 연구의 목적은 허위·형식적으로 구직활동을 하는 상황을 개선하기 위 한 것으로, 이를 위해 고용복지플러스센터 담당자를 대상으로 실업인정 을 받기 위한 주된 구직활동 대상자와 구직활동 행동 등을 유형에 따라 파악하고 이에 따른 증빙서류의 적절성 여부, 구직활동 참여 등 허위형 식적 구직활동에 대한 실태를 파악하여 정책적 시사점을 제시하였다. 연 구자료는 고용센터 담당자 설문조사, FGI, 전문가 자문을 실시하였고, 분 석방법은 컨조인트 분석을 실시하였다. 컨조인트 분석을 통해 허위·형식 적 구직활동의 잠재적인 대상자는 반복수급자, 중고령자, 장기실업자, 구 직활동 대상자로 나타났다. 정책 개선으로 구직활동 인정 범위에서 구직 활동 외 활동 사항만으로 인정되는 기준 개편과 실업인정 기준 외 연장 급여 부분의 개선을 제안하였다.

본 연구의 목적은 비만 남자고등학생의 교복바지에 대한 착용만족도를 높이고 맞음새가 좋은 교복바지의 패턴개발을 위한 자료를 제공하는 데 있다. 이 연구는 사이즈코리아(2015)의 직접 측정 데이터 중 BMI 지수가 18.5이상인 17~19세 남자 745명의 데이터를 분석 자료로 활용하였다. 비만 남자고등학생의 체형분류를 위하여 표준체형과의 신체치수 비교를 위해 기술통계를 실시하였으며, 비만 남자고등학생의 체형분류를 위한 요인분석, 군집분석, 분산분석 등의 통계방법이 사용되었다. 그 결과, 비 만 남자고등학생의 체형분류 요인으로는 하반신 부피요인, 하반신 길이 요인, 복부 부피요인, 밑위 길이요인의 4개 요인이 도출되었다. 또 군집 분석의 결과로 4가지의 비만체형 유형이 분류되었다. 유형1은 분류된 비만체형 유형 중 하반신의 길이가 가장 짧고 왜소한 비만체형이며 유 형2는 비만 유형 중 허리둘레가 가늘고 복부의 부피가 작아 약간 왜소 한 비만체형이다. 유형3은 하반신 길이는 보통 이상이며, 하지와 하반 신 둘레, 복부의 부피 등의 모든 항목에서 가장 큰 값을 보여 부피가 큰 고도 비만체형이다. 유형4는 4가지 비만 유형 중 하반신 길이는 가 장 길고, 복부의 비만 정도가 유독 큰 복부 비만체형으로 정의할 수 있으며, 비만 체형의 특징을 반영한 교복바지의 설계방법에 대한 후속 연구가 진행될 예정이다.

식물구계학적 특정종은 식물상 정보를 이용한 지역환경을 평가하는 주요 수단이며, 종의 선정과 평가는 식물구계 정보에 의거해서 이루어진다. 본 연구는 이러한 식물구계에 대해 학술적 진의를 규명하고자 하였다. 식물구계 관련 핵심문헌 7편을 검토하였으며, 식물구계 적용 근거를 비교 검증하였다. 1919년의 Nakai 울릉도 식물상 조사보고서는 식물구계에 관련한 일반적인 지리구분(지방)을 처음으로 기재했다. Oh는 1977년에 한국의 유관속식물에 대한 식물지리구계도를 처음으로 제시하였 다. 1978년에는 Lee & Yim이 중부와 남부를 가르는 구계도를 제시했고, 그 밖에 많은 연구자들에 의해 식물구계 경계는 조정되고 개정되었다. 마침내 2018년에는 Lee & Yim (1978)에서 변형된 식물구계학적 특정종의 식물구계도가 채택되었다. 그런데 이러한 식물구계들은 연구자 간에 차이가 있었고, 구계 지표 식물의 불일치성도 확인되었다. 그럼에도 그런 상이성에 대한 근거는 찾을 수 없었다. 결론적으로 도식화된 모든 식물구계도는 선험적으로 그은 임의 선에 의존하고 있었다. 본 연구는 식물구계학적 특정종이 환경영향평가 및 국가 식물상 평가를 위한 과학적 수단으로서 그 실효성과 실체성을 확보하기 위해 다음의 두 가지 생태학적 전략을 제안했다 : 종분포 고유성(nativeness) 정보를 바탕으로 하는 식물상 및 식물구계의 성취와 서식처 기반(habitat-based) 식물상 장기모니터링 시스템의 구축.

본 연구의 목적은 청소년의 진로적응력의 잠재프로파일 유형과 사회적 지지인 양육태도, 친구관계, 교사관계의 영향력을 확인하는 것이다. 연구 대상자는 한국청소년정책연구원에서 실시한 「한국아동·청소년패널조사 2018 (KCYPS 2018)」에서 중1코호트의 제4차 조사(2021년)에 해당하는 고등 학생 1학년 응답자 2,265명을 최종 연구 대상자로 선정하였다. 진로적응 력의 잠재프로파일 분류와 예측 변인들의 영향력을 확인하기 위해서 SPSS 26.0과 JAMOVI 2.2.5를 활용하여 잠재프로파일분석과 다항로지스 틱회귀분석을 수행하였다. 연구결과에서는 ‘진로적응 매우미흡집단’, ‘진 로적응 미흡집단’, ‘진로적응 보통집단’, ‘진로적응 우수집단’ 총 4개의 잠재프로파일 집단으로 분류되었다. 또한, 양육태도와 교사관계는 모두 잠재프로파일 분류에 유의한 영향을 미치는 것으로 나타났다. 그러나, 친 구관계는 잠재프로파일 분류에 유의한 영향을 주지 않는 것으로 확인되 었다. 이러한 연구결과는 향후, 청소년들의 진로적응력을 강화할 수 있는 교육제도 수립 및 프로그램 개발에 도움이 될 수 있을 것이다.