본 연구는 좌우뇌의 활용 성향에 따라 다중지능이 어떻게 나타나는지, 모바일 웹사이트의 색채, 형태, 운동, 깊이 등의 지각 요소에 대한 반응의 차이가 어떻게 나타나는지 알아보고자 한다. 본 연구에 필요한 뇌 성향에 대한 데이터를 위하여 참여자를 모집하여 뇌 선호도 검사를 실시하였고, 이들의 다중지능을 확인하였다. 이들 을 뇌 성향별로 구분하고, 모바일 웹사이트의 지각 요소에 대해 선호도 조사를 하였고, 집단 간의 차이가 유 의미한지 확인하였다.

In this study, machine learning models are proposed to predict the Vickers hardness of AlSi10Mg alloys fabricated by laser powder bed fusion (LPBF). A total of 113 utilizable datasets were collected from the literature. The hyperparameters of the machine-learning models were adjusted to select an accurate predictive model. The random forest regression (RFR) model showed the best performance compared to support vector regression, artificial neural networks, and k-nearest neighbors. The variable importance and prediction mechanisms of the RFR were discussed by Shapley additive explanation (SHAP). Aging time had the greatest influence on the Vickers hardness, followed by solution time, solution temperature, layer thickness, scan speed, power, aging temperature, average particle size, and hatching distance. Detailed prediction mechanisms for RFR are analyzed using SHAP dependence plots.

Since high-level radioactive wastes contain long-lived nuclides and emit high energy, they should be disposed of permanently through a deep geological disposal system. In Korea, the first (2016.07) and the second (2021.12) basic plans for the management of high-level disposal systems were proposed to select sites for deep geological disposal facilities and to implement business strategies. Leading countries such as Finland, Sweden and France have developed and applied safety cases to verify the safety of deep geological disposal systems. By examining the regulatory status of foreign leading countries, we analyze the safety cases ranging from the site selection stage of the deep geological disposal system to the securing of the permanent disposal system to the investigation, analysis, evaluation, design, construction, operation, and closure. Based on this analysis, we will develop safety case elements for long-term safety of deep geological disposal systems suitable for domestic situation. To systemically analyze data based on safety cases, we have established a database of deep geological disposal system regulations in leading foreign countries. Artificial intelligence text mining and data visualization techniques are used to provide database in dashboard form rather than simple lists of data items, which is a limitation of existing methods. This allows regulatory developers to understand information more quickly and intuitively and provide a convenient interface so that anyone can easily access the analyzed data and create meaningful information. Furthermore, based on the accumulated bigdata, the artificial intelligence learns and analyzes the information in the database through deep learning, and aims to derive a more accurate safety case. Based on these technologies, this study analyzed the legal systems, regulatory standards, and cases of major international leading countries and international organizations such as the United States, Sweden, Finland, Canada, Switzerland, and the IAEA to establish a database management system. To establish a safety regulation base suitable for the domestic deep geological disposal environment, the database is provided as data to refer to and apply systematic information management on regulatory standards and regulatory cases of overseas leading countries, and it is expected that it will play a key role as a forum for understanding and discussing the level of safety of deep geological disposal system among stakeholders.

Water electrolysis holds great potential as a method for producing renewable hydrogen fuel at large-scale, and to replace the fossil fuels responsible for greenhouse gases emissions and global climate change. To reduce the cost of hydrogen and make it competitive against fossil fuels, the efficiency of green hydrogen production should be maximized. This requires superior electrocatalysts to reduce the reaction energy barriers. The development of catalytic materials has mostly relied on empirical, trial-and-error methods because of the complicated, multidimensional, and dynamic nature of catalysis, requiring significant time and effort to find optimized multicomponent catalysts under a variety of reaction conditions. The ultimate goal for all researchers in the materials science and engineering field is the rational and efficient design of materials with desired performance. Discovering and understanding new catalysts with desired properties is at the heart of materials science research. This process can benefit from machine learning (ML), given the complex nature of catalytic reactions and vast range of candidate materials. This review summarizes recent achievements in catalysts discovery for the hydrogen evolution reaction (HER) and oxygen evolution reaction (OER). The basic concepts of ML algorithms and practical guides for materials scientists are also demonstrated. The challenges and strategies of applying ML are discussed, which should be collaboratively addressed by materials scientists and ML communities. The ultimate integration of ML in catalyst development is expected to accelerate the design, discovery, optimization, and interpretation of superior electrocatalysts, to realize a carbon-free ecosystem based on green hydrogen.

시리즈 애니메이션 IP들이 사업 다각화를 위해 웹툰으로 제작되어 서비스되는 경우들이 있는데, 영세한 애니 메이션 제작사들은 웹툰으로 제작할 때 발생하는 노동집약적인 작업 과정과 비용 때문에 접근이 어려운 실정 이다. 이를 위해 함께 협업한 연구실에서 인공지능을 활용하여 <Pitchfork Park> 애니메이션 시리즈의 웹툰 변 환 작업을 자동화하는 시스템을 개발하였다. 해당 시스템을 활용하면 단순 노동적으로 작업자가 일일이 수행 하던 1) 애니메이션 컷 선별, 2) 선별된 컷 재배치, 3) 말풍선 배치, 4) 대사 배치, 5) 효과선 추가 등 상당 부 분을 자동화할 수 있다. 시스템에서 출력된 작업물을 작업자가 확인하고, 후보정 작업을 거쳐 최종 결과물을 완성한다. 기존 작업 과정에서 필요한 노동력과 시간을 절약할 수 있고, 작품의 완성도도 향상시킬 수 있다. 본 연구는 기존 웹툰 작업 과정을 분석하여 인공지능을 활용한 작업 방식의 효율성을 검증하였으며, 결과적으 로 인공지능 기술을 활용한 애니메이션의 웹툰 변환 제작 파이프라인을 구축할 수 있는 토대를 확인하였다.

우리의 실생활과 산업 현장에서 인공지능·로봇이 일상화되기 시작하면 서 인공지능·로봇에 의한 인간 노동의 대체가 증가하고 있으며, 그 속도 또한 한층 빨라지고 있다. 이에 논 논문은 인공지능·로봇의 상용화에 의 해 발생할 수 있는 인간 노동 및 일자리의 대체에 따른 소득 불평등의 심화와 이에 대한 해결방안으로 제기되고 있는 로봇세 도입의 쟁점과 동 향 등을 분석하는 것을 목적으로 한다. 최근 인공지능·로봇의 상용화와 자동화 시스템의 도입으로 노동과 일자리의 대체가 빠르게 진행되고 있 는 가운데 로봇세 도입 논란이 가열되고 있다. 로봇세 도입에 반대하는 사람은 로봇세의 도입이 조세 형평의 원칙 위배와 기업의 경영 악화로 이어져 자본주의 경제질서의 근간을 저해할 수 있다고 주장한다. 반면에 로봇세 도입에 찬성하는 사람은 인공지능·로봇의 상용화에 따라 일자리 대체와 실업·빈곤 문제가 심각하게 나타나고 있으므로 인간의 일자리 상 실에 대한 보전과 생존권 보장, 그리고 재교육 등을 위한 세수 확보 수 단으로 로봇세의 도입이 필요하다고 주장한다. 이처럼 인공지능·로봇에 의한 인간 노동 및 일자리의 대체 경향이 강하게 나타날수록 로봇세 도 입을 둘러싼 논란은 앞으로 훨씬 더 증폭될 것으로 예상된다.

급격한 산업화와 도시화로 인해 해양 오염이 심각해지고 있으며, 이러한 해양 오염을 실효적으로 관리하기 위해 수질평가 지수(Water Quality Index, WQI)를 마련하여 활용하고 있다. 하지만 수질평가지수는 다소 복잡한 계산과정으로 인한 정보의 손실, 기준값 변동, 실무자의 계산오류, 통계적 오류 등의 불확실성(uncertainty)을 내포하고 있다. 이에 따라 국내ㆍ외에서 인공지능 기법을 활용하여 수질평가지수를 예측하기 위한 연구가 활발히 이루어지고 있다. 본 연구에서는 해양환경측정망 자료(2000 ~ 2020년)를 활용하여 우리나 라 전 해역 즉, 5개의 생태구에 대한 WQI를 추정할 수 있는 가장 적합한 인공지능기법을 도출하기 위해 총 6가지의 기법(RF, XGBoost, KNN, Ext, SVM, LR)을 실험하였다. 그 결과, Random Forest 기법이 다른 기법에 비해 가장 우수한 성능을 보였다. Random Forest 기법의 WQI 점수 예측값과 실제값의 잔차 분석 결과, 모든 생태구에서 시간적 및 공간적 예측 성능이 우수한 것으로 나타났다. 이를 통해 본 연구에서 개발한 Random Forest 기법은 높은 정확도를 바탕으로 우리나라 전해역에 대한 WQI를 예측 가능할 것으로 사료된다.

본 논문에서는 구조물의 부분 변위값으로 전체 구조물의 변위 형상을 예측할 수 있는 인공지능 학습기법을 개발하였으며, 개발된 기술의 성능을 실험을 통해 평가하였다. 3차원 공간에서 변위 형상 및 노드 위치 좌표의 특성을 학습에 반영할 수 있는 Image-to-Image 변위 형상 학습과 위치 특징을 결합한 변위 상관 학습 방법을 제시하였다. 개발된 인공지능 학습방법의 성능을 평가하기 위해 목업 구 조 실험을 진행하였고, 3D 스캔으로 측정한 변위값과 인공지능으로 예측한 결과를 비교하였다. 비교 결과 인공지능 예측 결과는 3D 스캔 측정 결과에 비해 5.6~5.9%의 오차율을 보여 적정 성능을 보였다.

본 연구는 종합병원 간호사의 감정노동과 감성지능이 소진에 미치는 영향요인을 확인하기 위 한 서술적 조사연구이다. 연구대상자는 종합병원에 근무하는 임상경력 6개월 이상인 간호사 150명이었다. 수집된 자료는 SPSS 21.0 프로그램을 이용하여 t-test, ANOVA, Scheffe's test, Pearson's correlation coefficient, Multiple regression analysis로 분석하였다. 대상자의 소진에 미치는 영향요인을 검증하기 위해 다중회귀분석 결과, 감성지능(β=-.441, p<.001), 감정노동(β=.403, p<.001), 현 직위는 책임간호사 이상 이(β=-0.111, p<.018), 지각된 건강상태는 건강한 경우(β=-.100, p<.029) 순이었다. 또한 추정된 회귀모 형의 적합도에 대한 F통계량은 35.51(p<.001)으로 매우 유의하였고, 설명력은 79.7%인 것으로 나타났다. 따라서 간호사의 소진을 감소시키기 위해 감정노동을 줄이고 건강 및 감성지능을 향상 시킬 수 있는 방안 을 모색하고 소진을 낮추기 위한 중재프로그램을 개발하는데 기초자료로 유용하게 활용될 것으로 사료된 다.

본 연구는 실내 원예활동 프로그램이 유아의 주의집중력과 정서지능에 어떠한 영향을 미치는지 살펴보고자 하였다. 연구대상은 C시에 소재하는 I유치원 만 4세 유아로 실험군 15명(남9,여6)과 대조군 15명(남8,여7)이고, 두 군은 동질하였다. 실험군에게 2021년 1월 5일부터 2월 5일까지 총 10회기의 프로그램을 실시하였고, 평가는 프로그램 전·후 실시하여 SPSS 22.0으로 분석하였다. 실험군에게 주의집중력과 정서지능은 유의미한 차이가 있는 것으로 나타나, 실내 원예활동 프로그램이 유아의 주의집중력과 정서지능에 긍정적 영향을 미치는 것으로 볼 수 있었으며, 유아교육기관 에서 적극적으로 도입하고 활성화가 필요하고, 지속적인 연구를 제언한다.

경추 MRI는 연부 조직에 대한 대조도와 분해능이 우수하여 경추 부위의 퇴행성 질환 및 추간공의 협착, 척수염, 추간판 탈출증 등의 신경 질환 검사에 특히 이용되고 있다. 그러나 경추 MRI 검사는 신경 질환에 의한 배경 신호 강도가 증가되어 SNR이 감소하고 이를 보상하기 위해 여기 횟수가 증가되어 검사 시간이 길어지는 단점이 있다. 교통사고나 낙상을 원인으 로 경추 MRI 검사를 진행할 시 검사 시간이 길어 호흡과 질환의 통증에 의한 움직임 등을 최소화해야 최적의 영상을 획득 할 수 있어 환자의 적극적인 협조가 요구되며 적정한 검사 시간의 단축을 통해 인공물이 없는 진단 가능한 영상을 만들어 낼 수 있다. 최근 개발된 SwiftMR 인공지능 소프트웨어는 경추 MRI 검사 시간을 획기적으로 줄일 수 있다. T2 시상면, T2 축상면, T1 시상면, T1 축상면 SwiftMR 영상의 SNR은 목뼈 몸통 223.82 ± 30.82, 척수 273.03 ± 32.38, 가시돌 기 및 가로돌기 378.61 ± 27.64로 측정되었다. 고속스핀 에코 기법의 SNR은 목뼈 몸통 116.51 ± 11.46, 척수 182.1 ± 22.24, 가시돌기 및 가로돌기 227.79 ± 35.55로 측정되었다. 고속스핀에코 기법의 CNR은 182.12 ± 13.24, SwiftMR 기법 CNR은 346.8 ± 41.84로 측정되었다. 고속스핀에코와 SwiftMR 인공지능 소프트웨어가 적용된 영상을 통해 화질 선명도, 신호 강도의 균일성, 목뼈 몸통 주변의 인공물의 관찰자 간 병변에 대한 일치성 평가는 K값이 0.87로 평가되었다. 연구 결과를 통해 경추 MRI 검사에 SwiftMR 인공지능 기법을 적용함으로써 검사 시간을 단축할 수 있으며, 환자의 불편을 최소화하고 진단 가능한 질 좋은 영상 정보를 제공할 수 있을 것으로 사료된다.

Purpose: Researchers have shown that aesthetic judgments of artworks depend on contexts, such as the authenticity of an artwork (Newman & Bloom, 2011) and an artwork’s location of display (Kirk et al., 2009; Silveira et al., 2015). The present study aims to examine whether contextual information related to the creator, such as whether an artwork was created by a human or artificial intelligence (AI), influences viewers’ preference judgments of an artwork. Methods: Images of Impressionist landscape paintings were selected as human-made artworks. AI-made artwork stimuli were created using Google’s Deep Dream Generator by mimicking the Impressionist style via deep learning algorithms. Participants performed a preference rating task on each of the 108 artwork stimuli accompanied by one of the two creator labels. After this task, an art experience questionnaire (AEQ) was given to participants to examine whether individual differences in art experience influence their preference judgments. Results: Setting AEQ scores as a covariate in a two-way ANCOVA analysis, the stimuli with the human-made context were preferred over the stimuli with the AI-made context. Regarding the types of stimuli, the viewers preferred AI-made stimuli to human-made stimuli. There was no interaction effect between the two factors. Conclusion: These results suggest that preferences for visual artworks are influenced by the contextual information of the creator when the individual differences in art experience are controlled.

This study explores the ways in which sociocultural perspectives on English language education can contribute to teacher education the era of artificial intelligence (AI). Three key words that represent the relationship between sociocultural perspectives and English teacher education—context, interaction, and social practice—can each be linked to the key concepts of criticality, multimodality, and action research. Teachers of English need to be ready for the forthcoming changes in the AI era, for which they must be equipped with a critical ability to focus on issues and needs in the Korean context. This ability can be applied in teaching students various types of interactions, especially those involving the use of computers, and will create opportunities for teachers to conduct research of their own and cultivate a professional teacher identity. This study concludes by recommending substantial changes in the current pre-service and in-service English teacher education programs in accordance with these key concepts.