In a rapidly changing environment, it is essential for companies to develop their capabilities for sustainable growth. To this end, informal learning at work plays an important role for small and medium-sized enterprises that are having difficulties in human resource development. If the GRIT of workers and the spiritual leadership of leaders are maintained at an appropriate level, the effect of informal learning will increase. This study derived the following results through a survey of workers participating in the Work-learning Dual System in Korea. First, experience and feedback among informal learning activities have a significant positive effect on competency development. Second, the higher the level of the GRIT of workers, the greater the magnitude of the positive effect of experience and feedback on competency development, showing a positive moderating effect. Third, in the case of workers with high GRIT, capacity development is strengthened as experience or feedback increases, and the higher the level of spiritual leadership, the greater the scope of reinforcement. On the other hand, it can be seen that in the case of workers with low GRIT, competency development weakens as experience or feedback increases, and the higher the level of spiritual leadership, the greater the extent of the weakening.

컴퓨터 성능의 발전으로 빅데이터의 효율적인 사용이 가능해지면서, 심층 학습(deep learning)은 다양한 의료 분야에 활용할 수 있는 핵심적인 인공지능(artificial intelligence, AI) 기법으로 각광받고 있다. 이에 본 종설은 뇌종양 진단과 치료에 사용되는 자기공명영상(magnetic resonance imaging, MRI)의 심층 학습 기법을 소개하고자 하였다. 먼저 국내 AI의 의료 분야 도입의 동향을 분석하고, 이를 바탕으로 MRI를 활용한 뇌종양의 진단과 치료에 적용할 수 있는 심층 학습 기법과 그 결과들을 기술하였다. 뇌종양 진단과 치료 시, 심층 학습을 이용한 최근 사례는 영상 분류, 영상 품질 개선, 영상 분할로 나타났으며, 질병의 진단과 치료에 적용할 수 있는 객관적이고 높은 성능 수치를 나타내면서 그 유용성을 확인 할 수 있었다. 종합하자면, 심층 학습은 질병의 진단과 치료에 적용할 수 있는 유용한 지표이며, AI 역량을 지닌 의료진의 지도하에 점진적인 도입이 이뤄진다면 질병의 진단과 치료에 큰 도움을 주는 훌륭한 소프트웨어로 활용될 것으로 여겨진다. 본 종설이 심층 학습을 이해할 때 많은 도움이 되길 바라며, 향후 관련 연구를 수행할 때 가이드라인으로 활용될 것을 기대 한다.

In this paper, to improve the optical quality of aspherical plastic lenses for mobile use, the optimal molding conditions that can minimize the phase difference are derived using injection molding simulation, design of experiments, and machine learning. First, factors affecting the phase difference were derived using the design of the experiment method, and a data set was created using the derived factors, followed by the machine learning process. After predicting the model trained using the generated training data as test data and verifying it with the performance evaluation index, the model with the best predictive performance was the random forest model. Therefore, to derive the optimal molding conditions, random forests were used to predict 10,000 random pieces of data. As a result of applying the derived optimal molding conditions to the injection molding simulation, the phase difference of the lens could be reduced by 8.2%.

In order to reduce environmental pollution, it is necessary to increase the recycling rate of waste. For this, the separation of recyclables is of utmost importance. The paper conducted a study to automatically discriminate containers by material for beverage containers among recyclables. We developed an algorithm that automatically recognizes containers by four materials: metal, glass, plastic, and paper by measuring the vibration signal generated when the beverage container collides with the bottom plate of the collection box. The amplitude distribution, time series information, and frequency information of the vibration signal were used to extract the characteristics indicating the characteristic difference of the vibration signal for each material, and a classifier was developed through machine learning using these characteristics.

일반적으로 콘크리트는 골재, 모래, 시멘트, 담수, 혼합재 등 다양한 재료로 구성되어있으며 재령에 따라서 강도가 증 가한다. 콘크리트에 필요한 각 재료의 비율은 혼합 설계를 통해 결정되지만, 콘크리트의 강도는 실험적으로 측정되기 전까지는 알 수 없다. 이러한 한계를 극복하기 위해 실험을 통해 얻은 데이터를 이용하여 콘크리트의 압축 강도를 예측하기 위해 통계수 학과 기계학습 알고리즘을 이용한 많은 연구가 시도되었다. 이전의 연구는 콘크리트 압축 강도 예측에 신경망 기법이 가장 적 합하다고 제안하였다. 그러나 신경망 기법은 다른 기계학습과 비교하여 모델 학습에 계산 비용이 많이 들어 실제로 적용하기 어려운 문제점이 있다. 최근 몇 년 동안 다양한 회귀 분석 모델이 개발되었으므로 본 연구에서는 신경망 대신 최신 회귀 분석 모델을 이용하여 콘크리트 강도 예측모델을 제시하였다. 이를 위해 최근 개발된 회귀 분석 모델에 대한 교차검증을 시행하여 최적의 모델을 선정하였다. 그리드 검색을 통하여 선정된 각 모델의 하이퍼 파라미터를 최적화하고, 국내외 데이터를 활용하여 기계학습 모델을 훈련하고 검증하였다. 이들 중 CatBoost, LGBMR, RFR, XGBoost 회귀모델이 높은 성능을 보여주었다. 특히 그 중에서 XGBoost 회귀 분석 모델이 가장 작은 오차와 높은 정확도를 보여주었다. 이들 중 오류가 가장 큰 LGBMR 모델도 이전 연구에서 제안된 신경망 및 앙상블 모델보다 성능이 우수하였다. 현장 레미콘 콘크리트에 대한 압축 강도 예측을 시행하여 학 습된 모델의 현장 적용 가능성을 확인하였다.

This study is a follow-up paper on “Development of flipped learning class model for nail beauty education” published by Seol (2022). This model was conducted from March to June 2022 for 70 students taking the “Nail color design 1” course. After 15 weeks of class, a survey of the students’ perceptions of flipped learning and their self-evaluation of goal achievement was conducted, which was composed of questionnaires using a 5-step Likert scale. 15 questions were designed to evaluate the students’ satisfaction with their experience and class operations; 4 questions to evaluate whether the class goal had been reached through flipped learning; and 9 questions to evaluate the students’ perceptions of flipped learning. As a result of applying this model to theoretical and practical nail beauty classes, it was confirmed that flipped learning helped students better understand the content and had a positive effect on learning, while the subject’s educational goals were also achieved. By evaluating the students’ perceptions of flipped learning, we may conclude that they experienced learning satisfaction and perceived the approach positively. Moreover, they have expressed a desire for additional flipped learning. This study is thus meaningful in confirming the procedure’s effectiveness by applying the flipped classroom model to theoretical and practical subjects with a focus on the nail beauty field, and showing how it achieved students’ positive perceptions and educational goals.

본 연구에서는 군산시 옥서면, 산북동, 비응도와 야미도, 신시도, 선유도 일대를 중심으로 야외지질학습을 위한 적절한 지질명소를 탐색하고 교육적 활용 방안을 논의하였다. 이를 위하여 2015 개정 교육과정의 지질 학습요소를 분 석하고 연구 지역에 관한 선행 연구를 바탕으로 현장 답사를 통해 7곳의 지질명소를 선정하였다. 이 일대는 중생대 쥐 라기부터 백악기 무렵 한반도 화성 활동의 결과로 형성된 화성암류와 백악기 퇴적암류, 공룡 발자국 및 식물 화석, 연 흔, 습곡 등 한반도 중생대 지질을 이해하는데 교육적 가치를 지니고 있다. 지질명소의 학습요소를 교육과정과 비교한 결과, 초등학교 고학년 수준에서 고등학교 수준의 학습요소를 내포하고 있으며 특히 고등학교에서 다루어지는 학습요소 를 두루 갖추고 있었다. 이에 따라 군산시 일대 지질명소와 각 장소에서 이루어질 수 있는 교육 활동을 제안하였다.

이 연구는 광물과 암석을 주제로 진행된 야외지질학습에 참여한 초등학생들의 학습 효과를 생소한 경험 공간 (Novelty space) 개념을 중심으로 탐색하는 것을 목적으로 한다. 방과 후 자율 동아리 활동 형식으로 서울의 한 공립 초등학교에서 진행된 본 프로그램에 6학년 학생 총 10명이 참여하였다. 학생들은 교실 학습 환경에서 광물과 암석 표 본을, 야외 학습 환경에서 노두에 노출되었거나 정원석 등으로 쓰이고 있는 광물과 암석을 각각 관찰하였다. 저자들은 각 차시별 연구 참여자들이 작성한 활동지(글, 그림), 연구자 참여 노트, 연구 참여자의 활동이 담긴 영상 및 음성 자료 와 사후 인터뷰 자료를 수집하였다. 인지적 영역에서 학생들의 학습 효과를 분석하기 위해 Remmen and Frøyland (2020)의 암석 분류를 위한 관찰 분석틀과 Oh (2020)의 암석 기술어 분석틀을 활용하였다. 또한 심리 및 지리적 영역 의 학습 효과를 탐색하기 위해 학생들의 그림과 담화 및 면담 자료를 귀납적으로 분석하였다. 연구 결과 학생들은 교 실 학습 환경에서 ‘일상적’, ‘과도기적’ 관찰 양상을 보였으며 야외 학습 환경에서(학교 운동장, 지역사회)는 ‘과도기적’ 및 ‘과학적’ 관찰 단계까지 발전하는 모습을 나타냈다. 덧붙여 과학적 관찰 단계로 갈수록 더 많은 종류의 암석 기술어 가 사용되는 것 또한 확인되었다. 심리, 지리적 측면에서 학생들은 익숙한 야외 학습 환경으로의 답사 장소 선정, 야외 지질학습에 대한 긍정적인 인식, 심미적 감상 등을 표현하였다. 끝으로 이 연구는 학생들의 학습 효과 분석을 위한 도 구로써 생소한 경험 공간 개념이 유용한 도구가 될 수 있음을 강조하며 아울러 가상야외지질학습과 같은 새로운 학습 환경을 고려하는 학술적인 접근이 필요함을 제안하는 바이다.

본 연구는 데이터를 기반으로 한 인공지능 기계학습 기법을 활용하여 온실 내부온도 예측 시뮬레이션 모델을 개발을 수행 하였다. 온실 시스템의 내부온도 예측을 위해서 다양한 방법 이 연구됐지만, 가외 변인으로 인하여 기존 시뮬레이션 분석 방법은 낮은 정밀도의 문제점을 지니고 있다. 이러한 한계점 을 극복하기 위하여 최근 개발되고 있는 데이터 기반의 기계 학습을 활용하여 온실 내부온도 예측 모델 개발을 수행하였 다. 기계학습모델은 데이터 수집, 특성 분석, 학습을 통하여 개 발되며 매개변수와 학습방법에 따라 모델의 정확도가 크게 변 화된다. 따라서 데이터 특성에 따른 최적의 모델 도출방법이 필요하다. 모델 개발 결과 숨은층 증가에 따라 모델 정확도가 상승하였으며 최종적으로 GRU 알고리즘과 숨은층 6에서 r2 0.9848과 RMSE 0.5857℃로 최적 모델이 도출되었다. 본 연 구를 통하여 온실 외부 데이터를 활용하여 온실 내부온도 예 측 모델 개발이 가능함을 검증하였으며, 추후 다양한 온실데이 터에 적용 및 비교분석이 수행되어야 한다. 이후 한 단계 더 나아 가 기계학습모델 예측(predicted) 결과를 예보(forecasting)단 계로 개선하기 위해서 데이터 시간 길이(sequence length)에 따른 특성 분석 및 계절별 기후변화와 작물에 따른 사례별로 개발 모델을 관리하는 등의 다양한 추가 연구가 수행되어야 한다.

This study was conducted to analyze geminate consonant errors(안에 [an.ɛ] → *안네[an.nɛ]) produced by Chinese learners during their acquisition of Korean linking sounds within the framework of Optimality Theory. The study was further intended to find possible constraints and causes applicable to the error. This paper argues that this error results from the interplay of the Align-R constraint, where the boundaries of a morpheme and syllable are aligned in the learner’s mother tongue, and the onset constraint, which is required for CV, a universal linguistic syllable. This study identifies the cause of the geminate consonant errors among Chinese leaners as the consequence of the simultaneous influences of interference from the learners’ native language and of linking sounds, which occur universally in linguistics.

This study was conducted to estimate the damage of Whole Crop Maize (WCM) according to abnormal climate using machine learning and present the damage through mapping. The collected WCM data was 3,232. The climate data was collected from the Korea Meteorological Administration's meteorological data open portal. Deep Crossing is used for the machine learning model. The damage was calculated using climate data from the Automated Synoptic Observing System (95 sites) by machine learning. The damage was calculated by difference between the Dry matter yield (DMY)normal and DMYabnormal. The normal climate was set as the 40-year of climate data according to the year of WCM data (1978~2017). The level of abnormal climate was set as a multiple of the standard deviation applying the World Meteorological Organization(WMO) standard. The DMYnormal was ranged from 13,845~19,347 kg/ha. The damage of WCM was differed according to region and level of abnormal climate and ranged from -305 to 310, -54 to 89, and -610 to 813 kg/ha bnormal temperature, precipitation, and wind speed, respectively. The maximum damage was 310 kg/ha when the abnormal temperature was +2 level (+1.42 ℃), 89 kg/ha when the abnormal precipitation was -2 level (-0.12 mm) and 813 kg/ha when the abnormal wind speed was -2 level (-1.60 ㎧). The damage calculated through the WMO method was presented as an mapping using QGIS. When calculating the damage of WCM due to abnormal climate, there was some blank area because there was no data. In order to calculate the damage of blank area, it would be possible to use the automatic weather system (AWS), which provides data from more sites than the automated synoptic observing system (ASOS).