도로의 포장 상태의 노후화나 관리미흡으로 인하여 시민의 사유 재산 중 주요한 요소인 자동차 등의 손상이나 자동차 사고 로 이어질 수 있어 큰 사회적 비용이 발생할 뿐 아니라, 시민들의 불편과 불만을 초래할 수 있다. 최근 도로 포장의 경우 포트홀 발생 건수와 그에 따른 민원 및 소송 건수가 증가해 행정력 및 예산이 낭비되고 있으며, 서울시의 경우 포장도로 노후화 추이가 증가함에 따라 유 지 관리 비용 또한 증가하고 있다. SOC 시설물 안전성 강화에 대한 사회적 요구는 지속적으로 증가하고 있어 한정된 예산의 효율적 활용을 위한 첨단 유지관리기술 도입이 시급하다.

본 연구는 한국어 학습자들이 자신들의 언어학습 신념이 그들의 전반 적인 언어학습과 새로운 환경에 적응하는 것에 어떠한 관계가 있는지를 찾기 위함이 목적이다. 여섯 명의 한국대학교에 재학 중인 외국인 유학 생들을 대상으로 그들의 언어학습 신념에 대한 인터뷰가 진행되었다. Horwitz의 BALLI 문항을 기반으로 한 반구조적 인터뷰가 진행되었으며, 그들의 답변은 외국어 능력, 언어학습의 어려움, 언어학습의 본성, 학습 과 소통전략, 동기와 기대 등의 주제를 기반으로 비슷한 패턴을 보이는 항목별로 구분되어졌다. 연구 결과는 외국인 유학생들은 그들의 한국어 실력이 향상될수록 자신감을 가졌으며, 그들은 문화에 대한 학습이 언어 학습에 중요한 부분이라는 것을 인지했다. 또한, 가장 효과적인 학습법은 실제적인 상황과 사람들과 어울리는 것을 꼽았으며, 그들은 대학 졸업 이후에도 한국에 남아 있기를 희망했다.

The government is implementing a policy to expand eco-friendly energy as a power source. However, the output of new and renewable energy is not constant. It is difficult to stably adjust the power supply to the power demand in the power system. Therefore, the government predicts day-ahead the amount of renewable energy generation to cope with the output volatility caused by the expansion of renewable energy. It is a system that pays a settlement amount if it transitions within a certain error rate the next day. In this paper, Machine Learning was used to study the prediction of power generation within the error rate.

본 연구는 중국 유학생의 학습참여 동기가 학습몰입으로 연결되는 인과관계와 학습동기와 학습몰입 사이에서 자기효 능감의 매개효과를 검증하였다. 연구의 대상은 S시에서 거주하는 중국유학생을 대상으로 2023년 10월 1일부터 10월 31 일까지 자료 수집한 198부를 분석에 활용하였다. 수집된 자 료는 SPSS 25.0을 활용하여 빈도분석, 기술통계, 상관관계, 위 계적 회귀분석을 실시하였다. 연구결과, 첫째, 중국유학생의 학습동기는 자기효능감과 학습몰입에 정의 영향을 미치는 것 으로 확인되었다. 둘째, 중국유학생의 학습동기와 학습몰입의 관계에서 자기효능감의 매개효과를 확인하였다. 이중 학습몰 입의 하위요인인 감성몰입만이 자기효능감의 관계에서 매개 효과가 있는 것으로 밝혀졌다. 이는 중국유학생의 학습동기 는 자기효능감을 증진하여 학습몰입을 높인다는 것을 의미한 다. 이를 통해 중국유학생의 학습몰입을 높일 수 있는 대학 교육에서의 실무적 시사점을 제시하였다는 점에서 의의가 있 다.

This study aimed to explore the impact of AI image generators on the affective factors of college-level English learners and the correlations among these factors. During a four-week instructional period, 65 participants were asked to use Midjourney as an AI tool for their user experiences. Affective factors including interest, confidence, and participation were measured through pre- and post-surveys. Using Jamovi for analysis, significant improvements were discovered across all affective factors. Noteworthy improvements occurred in confidence, indicating a favorable impact by AI-generated images on English learning. Additionally, correlation analysis demonstrated significant positive relationships between interest and confidence, as well as confidence and participation. This confirms the interconnected nature of these affective elements in the learning process. The findings suggest that the educational use of image-generating AI tools can beneficially influence English learners’ affective domains. The study calls for further investigation into the pedagogical applications of image AI to foster a more interactive, engaged, and self-assured attitude towards language learning.

PURPOSES : This study develops a model that can estimate travel speed of each movement flow using deep-learning-based probe vehicles at urban intersections. METHODS : Current technologies cannot determine average travel speeds for all vehicles passing through a specific real-world area under obseravation. A virtual simulation environment was established to collect information on all vehicles. A model estimate turning speeds was developed by deep learning using probe vehicles sampled during information processing time. The speed estimation model was divided into straight and left-turn models, developed as fully-offset, non-offset, and integrated models. RESULTS : For fully-offset models, speed estimation for both straight and left-turn models achieved MAPE within 10%. For non-offset models, straight models using data drawn from four or more probe vehicles achieved a MAPE of less than 15%. The MAPE for left turns was approximately 20%. CONCLUSIONS : Using probe-vehicle data(PVD), a deep learning model was developed to estimate speeds each movement flow. This, confirmed the viability of real-time signal control information processing using a small number of probe vehicles.

PURPOSES : To enhance the accuracy of predicting the compressive strength of practical concrete mixtures, this study aimed to develop a machine learning model by utilizing the most commonly employed curing age, specifically, the 28-day curing period. The training dataset consisted of concrete mixture sample data at this curing age, along with samples subjected to a total load not exceeding 2,350 kg. The objective was to train a machine learning model to create a more practical predictive model suitable for real-world applications. METHODS : Three machine learning models—random forest, gradient boosting, and AdaBoost—were selected. Subsequently, the prepared dataset was used to train the selected models. Model 1 was trained using concrete sample data from the 28th curing day, followed by a comprehensive analysis of the results. For Model 2, training was conducted using data from the 28th day of curing, focusing specifically on instances where the total load was 2,350 kg or less. The results were systematically analyzed to determine the most suitable machine learning model for predicting the compressive strength of concrete. RESULTS : The machine learning model trained on concrete sample data from the 28th day of curing with a total weight of 2,350 kg or less exhibited higher accuracy than the model trained on weight-unrestricted data from the 28th day of curing. The models were evaluated in terms of accuracy, with the gradient boosting, AdaBoost, and random forest models demonstrating high accuracy, in that order. CONCLUSIONS : Machine learning models trained using concrete mix data based on practical and real-world scenarios demonstrated a higher accuracy than models trained on impractical concrete mix data. This case illustrates the significance of not only the quantity but also the quality of the data during the machine learning training process. Excluding outliers from the data appears to result in better accuracy for machine learning models. This underscores the importance of using high-quality and practical mixed concrete data for reliable and accurate model training.

PURPOSES : In this study, an optimal model for compressive strength prediction was derived by learning and directly comparing several machine learning models based on the same data. METHODS : Approximately 478 pieces of concrete compressive strength data were obtained to compare the performance of the machine learning models. In addition, five machine learning models were trained based on the obtained data. The performance of the learned model was compared using three performance indicators. Finally, the performance of the model trained using additional data was reviewed. RESULTS : As a result of comparing the performance of machine learning models, the XGB(eXtra Gradient Boost) model showed the best performance. In addition, as a result of the verification based on additional data, highly reliable results can be obtained if the XGB model is used to predict the compressive strength of concrete. CONCLUSIONS : If a concrete strength prediction model is derived based on a machine learning model, a highly reliable model can be derived.

본 연구는 대학 창의융합수업에서 Appreciative Inquiry 교수학습방법을 적용한 후 창의융합역량 학습 성과 효과를 분석하는 것을 목적으로 하였다. 이를 위하여 창의융합교육을 위한 창의융합역량 학습성과 평가도구를 개발하고 이를 타당화하였다. 이후, 경기도 소재 G 대학교 경영대학원에서 교육경영 교과목을 수강하는 대학원생 12명을 대상으로 교수학습 방법을 적용한 창의융합교육을 실시하고 창의융합역량 학 습성과 효과를 분석하였다. 연구결과, 팀기반 Appreciative Inquiry 교수학습 방법이 학습자의 창의융합역 량 학습성과 증진에 유의미한 역할을 하였다. 학습자-학습자간, 교수자-학습자간 평가로 실시한 학습성 과 평가에서 Appreciative Inquiry의 4D 활동이 혁신적 사고, 다양한 아이디어, 경험의 결합, 협력적 태도 역량 증진에 효과적인 것으로 분석하였다. 이를 통해 창의융합교육에서 학습자의 적극적인 참여와 협업을 바탕으로 긍정적인 분위기의 아이디어 발산과 공유의 팀기반 교수학습 방법이 창의융합역량 학습성과에 효과가 있다 결론을 도출하였다.

This study deeply discusses the development status of e-learning in basic music education in China, and summarizes the characteristics and development of music education course content, resources, evaluation and certification in the three countries through comparative analysis with e-learning platforms in South Korea and the United States, revealing the development trends and differences of global online music teaching. In the strategic analysis part, it is pointed out that, firstly, the development of basic music online teaching needs to be combined with online and offline hybrid teaching to promote the development of music education. Secondly, while learning from the advanced experience of e-learning in other countries, we should pay attention to innovative education methods、 expand the subject content. Finally, we should pay attention to the cultivation of students' learning ability to facilitate the establishment of an efficient learning model. The innovation of this paper lies in the comprehensive and in-depth research and comparison of the characteristics and case analysis of e-learning in music education in China, and at the same time, combined with the experience of South Korea and the United States, the implementation conditions and strategies for the situation in China are proposed, which provides strong theoretical support and practical guidance for the development of e-learning in music education in China based on the practical experience of different countries, and provides specific suggestions for further optimizing the practice of online music teaching.

Recently, there has been an increasing attempt to replace defect detection inspections in the manufacturing industry using deep learning techniques. However, obtaining substantial high-quality labeled data to enhance the performance of deep learning models entails economic and temporal constraints. As a solution for this problem, semi-supervised learning, using a limited amount of labeled data, has been gaining traction. This study assesses the effectiveness of semi-supervised learning in the defect detection process of manufacturing using the MixMatch algorithm. The MixMatch algorithm incorporates three dominant paradigms in the semi-supervised field: Consistency regularization, Entropy minimization, and Generic regularization. The performance of semi-supervised learning based on the MixMatch algorithm was compared with that of supervised learning using defect image data from the metal casting process. For the experiments, the ratio of labeled data was adjusted to 5%, 10%, 25%, and 50% of the total data. At a labeled data ratio of 5%, semi-supervised learning achieved a classification accuracy of 90.19%, outperforming supervised learning by approximately 22%p. At a 10% ratio, it surpassed supervised learning by around 8%p, achieving a 92.89% accuracy. These results demonstrate that semi-supervised learning can achieve significant outcomes even with a very limited amount of labeled data, suggesting its invaluable application in real-world research and industrial settings where labeled data is limited.

This study investigated the effects of exposure frequency, depth of processing, and activity repetition types on vocabulary learning. In total, 78 South Korean fifth-grade students were divided into four conditions. Students in each condition were asked to read a passage with four of the eight target words (exposure: four times) and the other four words (exposure: once) for three days, and to perform the vocabulary activities assigned to each condition. According to the results, exposure frequency and activity repetition type had significant effects on vocabulary learning. Activity repetition type also had a significant interaction effect with exposure frequency and depth of processing. Notably, presenting a word 12 times (4x3) in reading intervals had a more positive impact on vocabulary learning than presenting it three times (1x3), particularly when different vocabulary activities were repeated. Meanwhile, when the same activity was repeated, an activity with a higher depth of processing was more effective for vocabulary learning.

다중 에이전트 강화학습의 발전과 함께 게임 분야에서 강화학습을 레벨 디자인에 적용하려는 연구가 계속되 고 있다. 플랫폼의 형태가 레벨 디자인의 중요한 요소임에도 불구하고 지금까지의 연구들은 플레이어의 스킬 수준이나, 스킬 구성 등 플레이어의 매트릭에 초첨을 맞춰 강화학습을 활용하였다. 따라서 본 논문에서는 레 벨 디자인에 플랫폼의 형태가 사용될 수 있도록 시각 센서의 가시성과 구조물의 복잡성을 고려하여 플랫폼 이 플레이 경험에 미치는 영향을 연구한다. 이를 위해Unity ML-Agents Toolkit과MA-POCA 알고리즘, Self-play 방식을 기반으로2vs2 대전 슈팅 게임 환경을 개발하였으며 다양한 플랫폼의 형태를 구성하였다. 분석을 통해 플랫폼의 형태에 따른 가시성과 복잡성의 차이가 승률 밸런스에는 크게 영향을 미치지 않으나 전체 에피소 드 수, 무승부 비율, Elo의 증가폭에 유의미한 영향을 미치는 것을 확인했다.

With the recent surge in YouTube usage, there has been a proliferation of user-generated videos where individuals evaluate cosmetics. Consequently, many companies are increasingly utilizing evaluation videos for their product marketing and market research. However, a notable drawback is the manual classification of these product review videos incurring significant costs and time. Therefore, this paper proposes a deep learning-based cosmetics search algorithm to automate this task. The algorithm consists of two networks: One for detecting candidates in images using shape features such as circles, rectangles, etc and Another for filtering and categorizing these candidates. The reason for choosing a Two-Stage architecture over One-Stage is that, in videos containing background scenes, it is more robust to first detect cosmetic candidates before classifying them as specific objects. Although Two-Stage structures are generally known to outperform One-Stage structures in terms of model architecture, this study opts for Two-Stage to address issues related to the acquisition of training and validation data that arise when using One-Stage. Acquiring data for the algorithm that detects cosmetic candidates based on shape and the algorithm that classifies candidates into specific objects is cost-effective, ensuring the overall robustness of the algorithm.

본 연구는 좌우뇌 활용 능력 향상을 위한 한자 교육 콘텐츠 개발의 후속 연구로, 개발한 콘텐츠에 대한 전문 가 평가로 마무리된 연구에 이어서 사용자 관점에서 문제점을 발견하고 이를 보완함으로써 교육 콘텐츠로서 의 학습 가이드라인을 제시하는 것을 목적으로 한다. 1차 사용자 평가는 사용자 관찰법을 통해 진행하여 발견된 문제에 대하여 보완하고, 2차 사용자 평가에서는 참여자에 대한 뇌성향 검사를 진행하고, 인지면접법을 통해 사용자 평가를 진행하였다. 본 연구에서는 다음과 같은 결론을 제시할 수 있다. 첫째, 좌뇌 성향과 우뇌 성향 사용자에 대하여 교육접근 의 방법에 있어서 일부는 달리 접근해야 할 수 있음을 인지하여야 한다. 둘째, 시각적 접근을 하는 문항에서 는 하나의 답만 맞도록 설계하여야 한다. 셋째, 언어적 접근을 하는 문항에서는 대조로 인한 차이가 명확하 게 나타나도록 답지로 제시하고, 기준이 되는 한자와 다른 점 하나를 답으로 찾아보는 형태로 접근한다. 넷 째, 콘텐츠에서 학습대상으로 활용될 한자는 회의자 중에서 대상을 택하는 것이 적절하다. 다섯째, 우뇌 성향 의 사용자는 시각적으로 강제 결합한 이미지 안에서 의미를 파악하는 유형을 가장 선호하였고, 좌뇌 성향 사 용자는 요소를 조합하여 의미를 파악하는 유형을 가장 선호하였다.

This study investigated the convergence of content and language integrated learning, translanguaging, and global citizenship education in an EFL tertiary English class. Conceptualized within translanguaging as an assemblage for meaning-making, machine translation was incorporated into the course in a way that EFL bilinguals could fully avail themselves of their linguistic repertoire for the learning of global citizenship and language. The analyses of thirty-three students’ response essays and survey results demonstrate the success of MT as both a scaffold for bridging language-content gaps and a tool for language acquisition. Design features, perceived as important, were a careful introduction and training on MT use and teacher feedback on MT-assisted writing. Survey results emphasize the crucial role of the students’ L1 in meaning-making. The study offers a practical guide for educators interested in using MT in L2 writing instruction and encourages further research on the theoretical and pedagogical applications of translanguaging in diverse EFL contexts.

인공 고관절 치환술에 사용되는 금속 삽입물은 크기와 성분에 따라 주변 조직과 크고 작은 자화율의 차이를 일으켜 다양한 금속 인공물의 원인이 되며, 영상에 진단적 가치를 떨어뜨린다. 수신대역폭을 높이는 것은 인공물 감소에 효과가 있으나, 높은 수신대역폭은 획득 영상의 신호대잡음비를 감소시키는 단점이 있어 일정 수치 이상으로는 적용 하기에는 어려움이 있다. 딥러닝 알고리즘은 영상의 신호대잡음비를 높이고 전체 영상에서 균일하게 배경 잡음을 제거하는 데 매우 효과적이다. 이에 본 연구에서는 금속 인공물 감소를 위해 기존에 높은 수신대역폭을 이용하는 MARS(metal artifact reduction sequence) 프로토콜과 더욱 높은 수신대역폭을 설정한 프로토콜(Ultra MARS) 을 획득한 후 딥러닝을 이용하여 딥러닝 Ultra MARS로 변환한 후에 금속 인공물의 차이를 비교하였다. 딥러닝 적 용 후 Ultra MARS에서 적용 전 또는 기존의 MARS 기법보다 인공물의 크기가 작게 측정이 되었다. 또한, 인공물의 전체적인 SSIM(structural similarity index measure)에서도 기존의 MARS 기법보다 전체면적이 작게 측정되었 다. 더 나아가 SSIM의 결과 딥러닝 적용 전후의 구조적 유사성 역시 유사하게 나왔다. 딥러닝 알고리즘을 기존에 인공물을 줄이기 위해 사용하는 MARS와 같은 기법에서도 월등하게 높은 수치를 사용하는 강조영상을 획득 가능하 며 영상의 인공물도 줄이며, 영상의 대조도 또한 유지되는 영상을 제공할 수 있을 것으로 사료된다.

기존의 스타크래프트II 내장AI는 미리 정의한 행동 패턴을 따르기 때문에 사용자가 전략을 쉽게 파악할 수 있어 사용자의 흥미를 오랫동안 유지시키기 힘들다. 이를 해결하기 위해, 많은 강화학습 기반의 스타크래프 트II AI 연구가 진행되었다. 그러나 기존의 강화학습AI는 승률에만 중점을 두고 에이전트를 학습시킴으로써 소수의 유닛을 사용하거나 정형화 된 전략만을 사용하여 여전히 사용자들이 게임의 재미를 느끼기에 한계가 존재한다. 본 논문에서는 게임의 재미를 향상시키기 위하여, 강화학습을 활용하여 실제 플레이어와 유사한 AI을 제안한다. 에이전트에게 스타크래프트II의 상성표를 학습시키고, 정찰한 정보로 보상을 부여해 유동적 으로 전략을 변경하도록 한다. 실험 결과, 사용자가 느끼는 재미와 난이도, 유사도 부분에서 고정된 전략을 사용하는 에이전트보다 본 논문에서 제안하는 에이전트가 더 높은 평가를 받았다..

This study investigated the effects of multisensory memory strategies of pairing visual and aural learning strategies of aural lexical advance organizers (LAO) and read-alouds on 146 Korean high school students learning the meaning and pronunciation of 18 unfamiliar English words. In this quasi-experimental design, the control group learned the words on a single mode of written LAO and silent reading as opposed to two treatment groups of aural LAO and silent reading, and of aural LAO and read-alouds, respectively. The effects were tested three times via pre-, post-(immediately after learning), and delayed (30 days later) tests. The immediate and long-term effects were examined by detecting the differences across the three groups in post- and delayed-tests by one-way ANOVA, and the retention of effects was examined by paired t-tests in each group across the three tests. The results indicated that pairing aural LAO and read-aloud strategies was most effective in learning and retention of both vocabulary meaning and pronunciation.

본 연구는 간호대학생의 진로적응력을 증진하기 위한 고려로 낙관성과 진로적응력 간 관계에서 학습몰입의 매개 효과를 파악하고자 수행된 서술적 조사연구이다. 연구대상은 G시와 M시의 4년제 대학 간호학과에 재학 중인 학생이며, 자료는 2023년 4월부터 5월까지 수집하였다. 자료 분석을 위해 기술적 통 계, Pearson 상관계수, Baron과 Kenny의 회귀분석을 실시하였다. 연구결과, 첫째, 낙관성은 학습몰입에 정 적인 영향을 나타냈다. 둘째, 낙관성은 진로적응력에 정적인 영향을 나타냈다. 셋째, 학습몰입은 낙관성과 진로적응력 사이에서 부분 매개효과를 나타냈다. 이로써 간호대학생의 진로적응력을 증진하기 위해서는 낙 관성과 학습몰입을 촉진하기 위한 전략들이 간호교육현장에서 필요함을 알 수 있다.