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.

Due to seismically deficient details, existing reinforced concrete structures have low lateral resistance capacities. Since these building structures suffer an increase in axial loads to the main structural element due to the green retrofit (e.g., energy equipment/device, roof garden) for CO2 reduction and vertical extension, building capacities are reduced. This paper proposes a machine-learning-based methodology for allowable ranges of axial loading ratio to reinforced concrete columns using simple structural details. The methodology consists of a two-step procedure: (1) a machine-learning-based failure detection model and (2) column damage limits proposed by previous researchers. To demonstrate this proposed method, the existing building structure built in the 1990s was selected, and the allowable range for the target structure was computed for exterior and interior columns.

본 연구는 식물 형태 및 성장 지표를 기반으로 친황다오 해안지역의 10가지 향토식물의 내염성을 평가 하여 내염성 식물의 육종 및 정원 적용에 대한 참고 자료를 제공하기 위해 시도되었다. 10종의 토종식물 묘목을 0.0%, 0.2%, 0.4%, 0.6%, 0.8%, 1.0% NaCl 용액으로 물 배양기에 스트레스를 가하여 식물의 높은 성장 스트레스 지수, 염해지수, 염해율, 생존율을 계산하여 내염성 평가를 진행하였다. 그 결과 염분 스 트레스는 친황다오 해안지역에서 10종의 토종 식물의 성장을 다양한 정도로 억제했으며, 염분 농도가 증가함에 따라 식물의 높은 성장 스트레스 지수, 염분 손상 지수 및 염분 손상 비율은 증가하는 경향을 보였고 생존율은 전반적으로 감소하는 경향을 보였다. 식물에 따라 염분 스트레스에 대한 반응 정도가 다르며, 클러스터 분석과 소속 함수 분석을 통해 친황다오 해안지역의 10가지 향토식물은 극내염성인 뜰보리수(Elaeagnus multiflora), 고내염성 족제비싸리(Amorpha fruticosa), 용버들(Salix matsudana), 광대 싸리(Flueggea suffruticosa), 중내염성 호비수리(Lespedeza davurica), 아까시나무(Robinia pseudoacacia) 그리고 민감식물인 장구밥나무(Grewia biloba var. parviflora), 모감주나무(Koelreuteria paniculata.), 좀목 형(Vitex negundo var. heterophylla) 그리고 싸리(Lespedeza bicolor) 등 4개 유형의 내염성 식물군으로 나눌 수 있다. 이중 종합평가는 1위를 차지한 뜰보리수는 염습지 등 해안지역의 조경재료로 매우 탁월한 것으 로 밝혀졌다.

최근 인공지능 분야에서 가장 활발히 연구되고 있는 거대 언어 모델은 교육에 대한 응용 가능성을 보 이며, 교육학의 거의 모든 분야에서 그 활용 방안이 연구되고 있다. 이러한 연구는 공학 교육에서도 주목 받고 있다. 그러나 구체적인 활용 분야와 방법에 대해서는 아직 많은 연구가 필요한 상황이다. 특히, 거대 언어 모델을 이용한 교육과정 설계와 개선에 대한 연구는 인공지능 공학과 교육학 두 분야에서 모두 중요한 연구 과제로 부각되고 있다. 이러한 응용 필요성에 대한 예시이자 전략으로써, 본 연구는 OpenAI에서 발표한 최신 거대 언어 모델인 ChatGPT-4o를 이용하여 한국과학기술원(KAIST) 공과대학 학부 전공 과 목과 S전자 DS부문(반도체사업부) 직무 사이의 연관성을 분석하고, 그 결과를 기반으로 대학과 기업체 양측에 반도체 산업 인력 양성과 채용에 대한 실질적인 응용 전략을 제안한다. 이를 위해 KAIST 공과대 학 학부과정에 개설된 모든 전공 과목과 S전자 DS부문(반도체사업부)의 직무기술서를 ChatGPT-4o에 학습시켜 각 과목이 특정 제품군, 직무와 가지는 연관성을 특정 범위와 기준에 의거하여 정량화된 점수로 평가했다. 또한, 각각의 직무, 전공, 과목별로 확보한 데이터를 기초적인 통계 분석을 통해 평가했으며, 구직자와 구인자의 활용 가능성에 초점을 두고 특정 전공의 각 직무별 연관성과 특정 직무의 각 전공별 연관성, 그리고 특정 직무 및 전공의 반도체 제품군별 연관성 등 다양한 조건에서 분석을 진행하였다. 또 한 본 전략에 대한 반도체 산업 실무자 견해를 수집하여 실제 전략으로의 활용 가능성을 검증하였다. 분 석 결과, 간단한 질문과 분석만으로도 전공, 교과목별로 유의미한 직무 연관성의 차이를 확인했다. 이러한 결과를 바탕으로 본 연구는 대학 교육과정의 개선과 기업 채용 및 양성 과정에서의 응용 전략을 제시한 다. 이 연구는 대학과 산업 간의 협력을 통해 인적자원 개발과 채용 효율성 증대에 기여할 것으로 기대한 다. 또한, 후속 연구로 구직자와 구인자, 교수자 등 본 연구의 효과를 확인할 수 있는 집단을 대상으로 한 대규모 설문조사 및 전문가그룹 대상 질적연구 등을 제안하여 실제 활용도와의 비교 분석 연구를 제안 한다. 결론적으로, 본 연구는 거대 언어 모델을 활용하여 필요한 인재를 양성하기 위한 교육 과정 설계의 구체적인 응용 가능성을 제시함으로써, 인공지능을 이용한 교육 분야에 대한 기여 방안을 모색한다.

The purpose of this study was to investigate how the English speaking ability of Korean EFL college students was affected by their interactions with Talk-to-ChatGPT while taking an ‘English Interview’ class. Thirty pieces of English conversation scripts with thirty chatbot conversations created by five students were collected for analysis. Two online text analysis programs, Quillbot including word counter and grammar checker and T.E.R.A.(Text Ease and Readability Assessor), were used for data analysis. The findings of data analysis revealed that 1) The average length of the sentences and words spoken by the participants has increased through English speaking practice using Talk-to-ChatGPT, and 2) There was no significant change in text ease and readability, and coherence of students’ utterances through English speaking practice using a chatbot while there were differences depending on their English proficiency levels. 3) Students A, B, and D, who had relatively low levels of English proficiency, showed a slight increase in syntactic accuracy and semantic clarity in their English interview practice. Based on the study findings, pedagogical implications for the effective use of AI-based apps or programs in English speaking classes were presented.

본 연구는 성격이 정신병리를 예측하는 가를 지도식 기계학습 방법론을 통해 확인해보고자 하였다. 이를 위해, 한국판 싱어루미스 심리 유형 검사(K-SLTDI) 제 2판과, KSCL-95 검사를 사용하여 전국의 총 521명의 성인을 대상으로 비대면 설문조사를 실시하였다. 예측 분석을 위하여 군집분석, 분류분석, 회귀기반 디코딩을 수행하였다. 그 결과 정신병리의 심 각도를 반영하는 4개의 군집을 확인하였다. 또한, 한국판 싱어루미스 심리 유형 검사로 정신병리 수준에 대한 가설 기반 및 데이터 기반 심각도가 반영된 군집을 예측할 수 있었으며, 이는 전체 KSCL-95 및 3개의 상위 범주, 그리고 타당도에 대해 모두 정확하게 분류되었다. 회귀기반 디코딩 결과는 SLTDI 유형검사는 전체 검사 데이터를 활용하였을 때 임상수준 을 유의미하게 예측할 수 있었으며, KSCL-95의 22가지 하위 범주 중 긍정왜곡, 우울, 불안, 강박, PTSD, 정신증, 스트레 스 취약성, 대인민감, 낮은 조절을 유의수준에서 개별적으로 예측하였다. 이러한 연구 결과는 성격 검사가 정신병리의 심 각도에 대한 선별 도구로 활용될 수 있고 예방 및 조기 개입 전략을 구현하는 데 활용될 수 있음을 시사한다.

목적: 가상현실을 구현하는 HMD의 광학계를 이용하여 가상현실 기반의 사위검사법을 개발하였다. 방법: HMD(Oculus rifts, Oculus, USA)를 이용하여 가상현실에 3m 및 40 cm의 사위 시표를 생성했을 때 HMD의 디스플레이에 송출된 타깃의 분리도를 측정하였고, 광학렌즈에 의해 결상된 디스플레이의 타깃 상 위치와 분리도, 배율 등을 산출하였다. 가상현실의 사위 시표는 수정된 토링톤 시표와 마독스 봉을 기반으로 제작했으며, 가상의 검사실을 제작하였고, 사위 측정 방법을 컨트롤러에 프로그래밍하였다. 결과: 가상현실에 3m 및 40 cm의 사위 시표를 생성했을 때 HMD의 디스플레이에 송출된 타깃의 분리도는 각 각 62.49mm, 58.29mm이었다. 디스플레이의 타깃은 광학렌즈에 의해 상 배율 8.07×로 광학렌즈로부터 전방 269.44mm에 상이 맺었으며, 타깃 상의 분리도는 각각 57.51mm, 20.16mm이었다. 사위 시표의 위치 인식은 HMD 사용자의 양안으로부터 양쪽 디스플레이의 타깃 상을 연결한 양안의 주시선이 교차하는 지점에서 이루어지는 것으로 나타났다. HMD를 착용했을 때 양쪽 디스플레이에 검사실 및 사위 시표가 생성되어 양안이 동시 주시를 하 였고, 컨트롤러의 트리거를 당겼을 때 우측 디스플레이의 영상이 적색선으로 교체되면서 양안의 시선이 분리되었 다. 사위검사 시 검사거리의 전환은 컨트롤러의 y-버튼을 이용했으며, 수평 사위 측정은 우측 컨트롤러의 트리거, 수직 사위 측정은 왼쪽 컨트롤러의 트리거를 이용하였다. 결론: 이상으로 가상현실을 기반의 사위검사법을 개발한 본 연구는 안경광학 분야에서 VR 기술의 활용에 대한 기초자료를 제시하였다고 생각한다.

This study proposes a construction plan for the Korea Navy's next-generation TSCE(Total Ship Computing Environment) based destroyers to address rapidly evolving maritime threats and decreasing military manpower. It focuses on system integrated ship construction based on TSCE for quick response time with fewer operators, improving the efficiency of systems and Equipments installed in the ship. The methodology includes analyzing TSCE-based system integration theories and levels. also analyze system integration in U.S. Navy’s Zumwalt destroyers and Littoral Combat Ships, conducting expert surveys to build consensus on system integration methods, proposing operational efficiency improvements through TSCE-based system integration. Additionally, we propose an architecture of TSCE with real time OA(Open Architecture) from both functional and physical perspectives, verified through Python simulations. The study suggests optimal crew sizes for next-generation destroyers through comparative analysis of TSCE based integration types. It emphasizes the importance of system integration in naval ship construction, presenting specific measures to enhance operational efficiency and optimize crew operations. The findings are expected to contribute significantly to enhance the future naval capabilities of the Korea Navy.

This study was conducted for the purpose of systematically identifying research trends in technology transfer and commercialization and setting future research directions in academia. Over a total of 35 years (1987-2021), 146 papers related to technology transfer and commercialization were analyzed for research period, research area, research methods, and research subjects. The research results are as follows. First, the largest number of papers (55) was published during the Park Geun-hye administration. Second, among major academic journals, only the ‘Korea Society for Technology Innovation’ had a relatively high proportion of research. Third, quantitative research (38%) was the most widely applied research method. Fourth, the most frequent research target was institutions/systems (44%). Additionally, the results of frequency analysis of 729 keywords were presented in a word cloud. This study is significant as the most current study that attempted bibliographic analysis of technology transfer and commercialization research papers over the past 35 years.

본 연구는 웹툰 IP 기반의 게임의 성공과 실폐 사례를 분석하고 안정적인 웹툰의 게임화를 위 해 웹툰 장르별 특성에 맞는 텍스트 기반 게임 유형을 제안한다. 로맨스, 판타지, 액션, 스릴러, 드라마, 코미디 등 다양한 웹툰 장르와 인터랙티브 소설, RPG, 턴제 전투게임, 텍스트 어드벤처 등 게임 장르를 매칭하여 각 장르의 핵심 요소를 게임 메커니즘으로 전환하는 방안을 제시한 다. 또한 텍스트 기반 게임의 장점으로 상상력 자극, 깊이 있는 스토리텔링, 상호작용성 증대 등을 언급하며, 이를 통해 웹툰 IP의 확장과 팬 참여 촉진 가능성을 탐구한다.