Ju, WoalRang. (2023). “A Study on Acculturation and Korean Language Learning Motivation of Marriage-Immigrant Women”. The Sociolinguistic Journal of Korea, 31(4), 71-98. This study aimed to determine the patterns of Korean language learning motivation according to the acculturation of marriage-immigrant women. To this end, this researcher applied cluster analysis to a total of 90 questionnaires based on Berry’s Acculturation Model (BAM), using SPSS to verify differences in Korean language learning motivation by type of acculturation. The cluster analysis of acculturation was classified into four types: Marginalization, Segregation, Assimilation, and Integration. Differences in Korean language learning motivation were analyzed according to the acculturation type. There was no significant difference between the groups, except for the ideal self group, which had high Marginalization and Segregation but low Assimilation and Integration. The results indicate that when types of acculturation change from Marginalization and Segregation to Integration and Assimilation, Korean language learning motivation related to the ideal self can decrease. There are various reasons for this change in the motivation to learn Korean. The current content of the Korean language curriculum is limited to the roles of mothers and wives at home; that is, it reduces their Korean language learning motivation to an instrumental motivation for performing their roles at home, rather than for their personal development. This study revealed that marriage-immigrant women’s motivation to learn Korean can change depending on their type of acculturation. However, the analysis of only quantitative research data is a limitation of the study.

This study aimed to investigate the impact of implementing team-based learning (TBL) in postpartum nursing simulation practical education for nursing college students. Methods: The study design was a non-equivalent control group pretest-posttest quasi-experimental design. 128 nursing students divided into two groups: 61 in the experiment group and 67 in the control group. During the winter break in January 2023, students participating in simulation practicals were assigned to the control group, while students participating in simulation practicals during the regular semester (April 2023) were assigned to the experimental group, to prevent crossontamination between the groups due to experimental treatment. Both groups completed selfdministered questionnaires to assess self-directed learning abilities, collaborative self-efficacy, academic achievement, and learning satisfaction. Results: The experimental group showed significantly better compared to the control group, the experimental group showed higher levels of academic achievement and learning satisfaction. Conclusion: It was evident that TBL applied to postpartum nursing simulation practical education is a pedagogical teaching strategy that enhances academic achievement and learning satisfaction. It is necessary to develop and apply team-based simulation practical education not only for challenging obstetric cases but also for labor and delivery nursing, antepartum nursing, and other related areas in clinical practice.

The purpose of this study was to determine the effect of simulation-based Korea advanced life support training on new nurses' knowledge, clinical performance ability, performer confidence, and learning satisfaction. Methods: This is a non-equivalent controlled pre-post quasi-experimental study. A simulation-based CPR training program was applied to 37 new nurses. Results: The experimental group scored lower on emergency management knowledge (83.65±7.61) than the control group (84.55±9.22), which was not significant (t=-4.46, p=.657). However, the clinical performance ability score was significantly higher in the experimental group (109.59±9.98) than in the control group (100.24±11.87) (t=3.581, p <.001). Performer confidence was significantly higher in the experimental group (23.43±3.29) than in the control group (19.90±3.85) (t=3.69, p〈.001). In addition, the learning satisfaction score of the experimental group (96.16±5.64) was significantly higher than the control group (88.42±11.13) (t=3.72, p< .001). Conclusion: This study confirmed that simulation training is an efficient way to improve new nurses' clinical performance ability, and performer confidence. Therefore, applying simulation training in scenarios can improve new nurses' work competence and contribute to improving the quality of patient care.

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.

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.

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.

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..

The purpose of this study is to investigate the receptive vocabulary size of Korean university students in Chinese. The study was conducted at the end of the 2022 fall semester and focused on the receptive aspect of vocabulary knowledge, specifically on ‘reading.’ The participants were divided into three groups: 1st year, 2nd year, and 3rd-4th year students, and a vocabulary assessment was carried out. The assessment vocabulary consisted of 80 items extracted from the HSK (2015) test. As a result, the accuracy rates were 60.07% for the 1st year, 76.98% for the 2nd year, and 80.77% for the 3rd-4th year. After conducting one-way ANOVA and post hoc tests, there were statistically significant differences in scores between the 1st year group and both the 2nd year and 3rd-4th year groups. However, there was no statistically significant difference between the 2nd year and 3rd-4th year groups. When comparing the accuracy rates to the cumulative vocabulary of 5,000 words in the HSK level 6, it showed that the 1st year group knew approximately 3,103.50 words, the 2nd year group knew 3,849.00 words, and the 3rd-4th year group knew 4,038.5 words.

Numerous factors contribute to the deterioration of reinforced concrete structures. Elevated temperatures significantly alter the composition of the concrete ingredients, consequently diminishing the concrete's strength properties. With the escalation of global CO2 levels, the carbonation of concrete structures has emerged as a critical challenge, substantially affecting concrete durability research. Assessing and predicting concrete degradation due to thermal effects and carbonation are crucial yet intricate tasks. To address this, multiple prediction models for concrete carbonation and compressive strength under thermal impact have been developed. This study employs seven machine learning algorithms—specifically, multiple linear regression, decision trees, random forest, support vector machines, k-nearest neighbors, artificial neural networks, and extreme gradient boosting algorithms—to formulate predictive models for concrete carbonation and thermal impact. Two distinct datasets, derived from reported experimental studies, were utilized for training these predictive models. Performance evaluation relied on metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analytical outcomes demonstrate that neural networks and extreme gradient boosting algorithms outshine the remaining five machine learning approaches, showcasing outstanding predictive performance for concrete carbonation and thermal effect modeling.

본 연구에서는 대학 평생교육체제 사업에 참여하는 성인학습자의 학업중단 현상을 방지하기 위한 토 대를 마련하고자 성인학습자를 심리적 특성별로 집단을 분류하고, 그에 따른 학업지속의향 및 소진의 차 이가 있는지를 확인하였다. 이를 위해 지방소재 A 대학 성인학습자를 대상으로 설문을 진행하였고, 그 결과 108명의 데이터를 수집․분석하였다. 성인학습자의 심리적 특성(대학생활적응, 사회적지지, 학업열 의, 학업목표)으로 집단을 분류하는 군집분석을 실시하였고, 그후 이를 독립변인, 학업지속의향과 학업소 진을 종속변으로 두어 일원분산분석을 진행하였다. 그 결과 고위험집단, 위험잠재집단, 성장가능집단, 고 성장가능집단으로 4개의 군집으로 분류되었다. 그리고 이 군집별 학업지속의향, 학업소진의 차이분석 결과 통계적으로 유의하게 나타났다. 이러한 결과를 바탕으로 성인학습자 개인적 특성에 따른 군집에 따른 맞춤형 지원이 필요하다는 결론을 내렸고, 개인적 특성에 따른 군집유형을 좀 더 다각화하고 위계적으로 분류하며 맞춤형 밀착지원이 필요하다고 제언하였다.

본 연구는 만학도 간호대학생의 교수-학생 상호작용, 진로몰입이 자기주도학습능력에 미치는 영향요인을 규명하기 위해 시행되었다. 연구대상자는 G광역시, J도에 소재한 4개 대학교의 25세 이상 64 세 이하에 입학한 간호학과 재학생 162명이며, 자가설문방법으로 조사하였다. 수집된 자료는 SPSS 24.0 프 로그램을 이용하여 t-test, ANOVA, Pearson's correlation 및 multiple regression으로 시행되었다. 연구결 과, 자기주도학습능력에 영향을 미치는 요인은 진로몰입, 교수-학생 상호작용, 대학진학의 동기 순이며, 변 인들은 만학도 간호대학생의 자기주도학습능력을 29.5% 설명하는 것으로 나타났다. 따라서 만학도 간호대 학생의 진로몰입과 교수-학생 상호작용의 수준의 향상을 통해 자기주도학습능력을 촉진할 수 있는 프로그 램개발이 필요하다.

본 연구는 성인 학습자의 노후 준비도가 노인부양의식에 미치는 영향요인을 파악하기 위함이며, 2023년 4월 13일부터 6월 29일까지 K 사이버대학교 성인 학습자 147명을 분석대상으로 삼았다. 수집된 자료는 분산분석, 단별량 및 다 별량 회귀분석, 상관관계 분석을 사용하였다. 분석결과 성인 학습자의 노후준비 도 영향요인 차이는 성별, 연령별에서 차이가 나타났고(p<0.05), 노후 준비도 에 따른 노인 부양의식 요인에 미치는 영향은 성인 학습자들의 경우 더욱 관심을 갖고 있는 것으로 나타나 통계적으로 유의한 것으로 나타났다 (P<0.05). 노후 준비도와 노인부양의식과의 상관관계에서는 결정계수 R값 은 경제적 부양요인과 정서적 부양요인(0.717), 신체적 부양요인(0.779)은 관계성이 높게 나타났다. 이는 노후준비를 어떻게 하느냐에 따라서 노인부 양의식과 노후의 삶이 영향을 미치고 있어 철저한 사전 노후준비와 긍정적 인 노인부양의식에 대한 변화 유도, 그리고 종합적이고 기초적인 유용한 자료 로 활용하는 데 함의가 있다.

장대교량은 낮은 고유진동수와 감쇠비를 가지는 초유연구조물로 진동사용성 문제에 취약하다. 하지만 현재 국내 설계지침에서는 풍속이나 진폭에 대한 임계값을 기반으로 유해진동 발생 여부를 평가하고 있다. 본 연구에서는 장대교량에서 발생하는 유해진동을 보다 정교하게 식별하기 위하여 딥러닝 기반 신호분할 모델을 활용한 데이터 포인트 단위의 와류진동 식별 방법론을 제안한다. 특별 히 포락선을 가지는 사인파를 활용하여 와류진동에 해당하는 데이터를 합성함으로써 모델 구축에 필수적인 와류진동 데이터 획득 및 라벨링 과정을 대체하였다. 이후 푸리에 싱크로스퀴즈드 변환를 적용하여 시간-주파수 특징을 추출하여 신경망의 인풋 데이터로 사 용하였다. 합성데이터만을 이용하여 양방향 장단기 기억신경망(Bidirectional Long-Short-Term-Memory) 모델을 훈련하였고 이를 라 벨 정보를 포함한 실제 사장교의 계측데이터를 이용하여 학습한 모델과 비교하여 모델의 실시간 와류진동 식별 성능을 검증하였다.

본 연구는 대학생의 상황학습 기반 예비부모교육에 대한 요구도를 조 사하여 학습자의 요구를 반영한 예비부모교육 개발을 위한 근거자료를 마련하기 위해 시행되었다. 본 연구에 참여한 대상자는 D시 소재 4년제 대학교 2곳, 2년제 대학교 3곳에 재학하는 대학생 367명이었으며, 데이 터는 온라인 Google 폼을 사용하여 배포 및 수집되었다. 자료는 IBM S PSS 22 Version을 사용하여 기술통계 및 독립표본 t-검정으로 분석되 었다. 연구결과는 2년제 대학생이 4년제 대학생에 비해 예비부모교육 내 용의 하위영역 중 부모됨에 대한 학습 요구가 더 높았고, 상황학습에 대 한 요구 또한 더 높았다. 한편 1~2학년이 3~4학년에 비해 상황학습에 대한 요구가 더 높았다. 본 연구는 대학생의 특성을 고려하여 예비부모 교육에 대한 요구도를 조사하고 반영하여 실제 학교 현장에서 실시 가능 한 예비부모교육 내용을 개발한 것에 그 의의가 있다.

본 연구는 교육서비스 기업 경영자의 교육리더십이 조직의 학습조직화에 미치는 영향을 알아보고, 그 관계에서 조직 구성원의 자기효능감을 매개효과를 검토하는 것을 연구 목적으로 하였다. 이를 통해 교육서비스 기업의 개인적·조직적 주요 변인을 검증하여 교육적 조직으로서의 교육서비스 기업의 실제적 시사점을 도출하고 지속 가능한 성장 동력 확보 의 토대가 될 기초 자료를 제공하고자 하였다. 이상의 연구목적 달성을 위해 교육서비스 기업 임직원을 연구대상으로 설 정하여 온라인 설문을 실시하여, 총 409부의 설문지를 회수하였으며, SPSS 26.0을 활용하여 수집된 자료를 분석하였다. 수행된 연구를 통해 도출된 연구결과는 다음과 같다. 첫째, 교육서비스 기업 경영자의 교육리더십이 조직의 학습조직화 에 정(+)적 영향을 주는 것으로 확인되었다. 둘째, 교육서비스 기업 경영자의 교육리더십이 조직 구성원의 자기효능감에 정(+)적 영향을 주는 것으로 확인되었다. 셋째, 교육서비스 기업 조직 구성원의 자기효능감이 조직의 학습조직화에 정(+) 적 영향을 주는 것으로 확인되었다. 넷째, 교육서비스 기업 경영자의 교육리더십과 조직의 학습조직화의 관계에서 조직 구성원 자기효능감의 매개효과가 나타나는 것이 확인되었다. 본 연구를 통해 교육리더십, 학습조직화, 자기효능감 등 교 육서비스 기업의 개인 및 조직 변인 관계를 확인하고 연구결과를 기반으로 이론적, 실무적 시사점을 제시하였다.

증산은 적정 관수 관리에 중요한 역할을 하므로 수분 스트레스에 취약한 토마토와 같은 작물의 관개 수요에 대한 지식이 필요하다. 관수량을 결정하는 한 가지 방법은 증산량을 측정하는 것인데, 이는 환경이나 생육 수준의 영향을 받는다. 본 연구는 분단위 데이터를 통해 수학적 모델과 딥러닝 모델을 활용하여 토마토의 증발량을 추정하 고 적합한 모델을 찾는 것을 목표로 한다. 라이시미터 데이터는 1분 간격으로 배지무게 변화를 측정함으로써 증산 량을 직접 측정했다. 피어슨 상관관계는 관찰된 환경 변수가 작물 증산과 유의미한 상관관계가 있음을 보여주었다. 온실온도와 태양복사는 증산량과 양의 상관관계를 보인 반면, 상대습도는 음의 상관관계를 보였다. 다중 선형 회귀 (MLR), 다항 회귀 모델, 인공 신경망(ANN), Long short-term memory(LSTM), Gated Recurrent Unit(GRU) 모델을 구 축하고 정확도를 비교했다. 모든 모델은 테스트 데이터 세트에서 0.770－0.948 범위의 R2 값과 0.495mm/min－ 1.038mm/min의 RMSE로 증산을 잠재적으로 추정하였다. 딥러닝 모델은 수학적 모델보다 성능이 뛰어났다. GRU 는 0.948의 R2 및 0.495mm/min의 RMSE로 테스트 데이터에서 최고의 성능을 보여주었다. LSTM과 ANN은 R2 값이 각각 0.946과 0.944, RMSE가 각각 0.504m/min과 0.511로 그 뒤를 이었다. GRU 모델은 단기 예측에서 우수한 성능 을 보였고 LSTM은 장기 예측에서 우수한 성능을 보였지만 대규모 데이터 셋을 사용한 추가 검증이 필요하다. FAO56 Penman-Monteith(PM) 방정식과 비교하여 PM은 MLR 및 다항식 모델 2차 및 3차보다 RMSE가 0.598mm/min으로 낮지만 분단위 증산의 변동성을 포착하는 데 있어 모든 모델 중에서 가장 성능이 낮다. 따라서 본 연구 결과는 온실 내 토마토 증산을 단기적으로 추정하기 위해 GRU 및 LSTM 모델을 권장한다.