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.

본 연구는 중국 음악사 교과목 수강자의 학업소진이 학습만족도에 미 치는 영향과 학습동기의 매개효과를 면밀히 살펴보고자 하였다. 이를 위 해 중국 후난성에 소재한 직업 전문대학에서 중국 음악사 교과목을 수강 하는 음악전공 대학생 391명을 통해 자기 보고식 설문지를 수집하였다. 수집된 설문지는 SPSS 25.0 이용하여 경향분석, 피어슨의 상관관계분 석, AMOS 24.0를 이용하여 모델 적합도 분석, 경로분석을 수행하였다. 이를 통해 중국 음악사 교과목 수강자의 학습동기와 학습만족도를 높일 수 있는 구체적인 방안을 모색할 뿐만 아니라 학업소진을 낮추는데 필요 한 교육지원을 구축하는 데에도 기초자료를 제공하고자 한다.

Nowadays, artificial intelligence model approaches such as machine and deep learning have been widely used to predict variations of water quality in various freshwater bodies. In particular, many researchers have tried to predict the occurrence of cyanobacterial blooms in inland water, which pose a threat to human health and aquatic ecosystems. Therefore, the objective of this study were to: 1) review studies on the application of machine learning models for predicting the occurrence of cyanobacterial blooms and its metabolites and 2) prospect for future study on the prediction of cyanobacteria by machine learning models including deep learning. In this study, a systematic literature search and review were conducted using SCOPUS, which is Elsevier’s abstract and citation database. The key results showed that deep learning models were usually used to predict cyanobacterial cells, while machine learning models focused on predicting cyanobacterial metabolites such as concentrations of microcystin, geosmin, and 2-methylisoborneol (2-MIB) in reservoirs. There was a distinct difference in the use of input variables to predict cyanobacterial cells and metabolites. The application of deep learning models through the construction of big data may be encouraged to build accurate models to predict cyanobacterial metabolites.

Chloride is one of the most common threats to reinforced concrete (RC) durability. Alkaline environment of concrete makes a passive layer on the surface of reinforcement bars that prevents the bar from corrosion. However, when the chloride concentration amount at the reinforcement bar reaches a certain level, deterioration of the passive protection layer occurs, causing corrosion and ultimately reducing the structure’s safety and durability. Therefore, understanding the chloride diffusion and its prediction are important to evaluate the safety and durability of RC structure. In this study, the chloride diffusion coefficient is predicted by machine learning techniques. Various machine learning techniques such as multiple linear regression, decision tree, random forest, support vector machine, artificial neural networks, extreme gradient boosting annd k-nearest neighbor were used and accuracy of there models were compared. In order to evaluate the accuracy, root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE) and coefficient of determination (R2) were used as prediction performance indices. The k-fold cross-validation procedure was used to estimate the performance of machine learning models when making predictions on data not used during training. Grid search was applied to hyperparameter optimization. It has been shown from numerical simulation that ensemble learning methods such as random forest and extreme gradient boosting successfully predicted the chloride diffusion coefficient and artificial neural networks also provided accurate result.

The current study presents a methodology of teaching the connotations and nuances of the word Han (恨) to English-speaking Korean language learners. Since Han (恨) expresses unique and traditional aspects of Korean sensibilities, the goal would be for native English speakers to be able to understand the complexities of its meaning, in spite of the differences in culture background. To this end, research was done into how Han (恨) is translated into English, as there is no term in English with the same meaning. From these findings, a list of Korean vocabulary related to the meaning of Han (恨) was made to show its definitions in English. In addition, a survey was conducted on 42 Americans to find out how English speakers understand Han (恨). As a result of this research, the current study demonstrates the need to teach the meaning of Han (恨) to Korean language learners from English-speaking countries, and suggests a teaching methodology which follows the order of Pre-Class, In-Class and After-Class study based on the Flip-Learning model.

This study aims to investigate the effects of using AI chatbots in Korean English education from a macro perspective. For this purpose, 19 experimental studies are selected to conduct a meta-analysis, synthesizing the results of 51 individual study cases. The results of this study are as follows: First, it is found that the overall effect size of using chatbots is more than medium size meaning that a chatbot is an effective tool to learn English. Second, in the aspects of linguistic competence and affective categories, each shows over medium sizes like the overall effect size. In details of the dependent variables, vocabulary and speaking in linguistic competence and motivation in affective categories, large effect sizes are shown. Third, the effect sizes are getting larger, as the younger the students are, the longer the experiment period lasts, and the more purpose-built the chatbot is. But the differences in the effect sizes in terms of these moderators (e.g., school level, experiment period, and chatbot type) are not significant. Lastly, it is suggested that follow-up studies are needed to collect a sufficient number of experimental study cases and subdivide the variables for performing a more detailed meta-anlysis.

본 연구는 관계마케팅이 교육서비스 품질과 학습자의 관계몰입에 미치는 영향을 알아보고, 미 용학원 경영전략 수립을 위한 기초 자료 제공 및 미용학원 교육산업 성장과 활성화에 도움이 되고자 연구 를 진행하였다. 이를 위해 영남지역의 미용학원 학습자를 대상으로 설문조사를 실시하여 최종 503부를 분 석하여 사용하였다. 연구 결과는 다음과 같다. 일반적 특성에 따른 관계마케팅, 교육서비스 품질, 학습자 관계몰입에서는 각 요인에 따라 차이가 나타났다. 둘째, 관계마케팅이 교육서비스 품질에 유의한 영향을 미치는 것으로 나타났다. 셋째, 관계마케팅이 학습자 관계몰입에 유의한 영향을 미치는 것으로 나타났다. 넷째, 교육서비스 품질이 학습자 관계몰입에 유의한 영향을 미치는 것으로 나타났다. 본 연구 결과는 미용 학원이 경영전략을 수립하고 미용학원 산업의 성장을 도모하는데 필요한 기초 자료로 활용될 수 있을 것으 로 기대된다.

이 연구는 대학별로 대면수업으로 전환되면서 대면수업 학습 환경에서 메타버스를 활용한 진로교과목 수업이 학습실재감과 학습지속의향에 어 떤 영향을 미치는지 확인하였다. 연구결과 인지적, 감성적, 사회적 학습 실재감과 학습지속의향과의 상관분석결과 모두 정(+)의 상관을 보였고, 감성적 학습실재감과 사회적 학습실재감, 학습실재감 전체가 학습지속 의향에 정(+)의 영향을 미치는 것으로 나타났다. 비대면 수업에 적응해 왔던 대학교 1학년 학생들이 대면수업에서 메타버스를 활용해 팀원들 과 함께 같은 가상공간에서 느끼는 편안함과 소통방식이 학습 실재감 을 느끼게 하고 학습지속의향에 미치는 중요한 요인임을 확인하였다. 향후 개인특성을 반영한 후속연구의 필요성과 대면수업에서의 활용 가 능한 함의를 제시하여 본 연구결과가 수업현장에서 유용한 자료를 제공 한다는 점에서 의의를 갖는다.

본 연구는 전 세계가 하나가 되는 초연결주의와 다문화로 대변되는 현 대 사회의 흐름에 맞추어 글로벌 문화에 대한 관심과 이해를 넓힐 필요 성이 있다는 자각에서 시작되었다. 본 연구의 목적은 글로벌 문화 교육 을 위한 구체적인 수업 절차와 수업 활동을 제시하고 이에 대한 학습자 반응과 인식을 고찰하고자 하는 것이다. 이를 위해 다양한 미디어에 반 영되어 있는 글로벌 문화 관련 주제를 8개 선정하였고 각 주제별로 학습 자들이 비판적으로 사고하고 이해할 수 있도록 학습자 참여 중심의 수업 을 진행하였다. 글로벌 문화 내용과 수업 활동, 문화 수업을 위한 수업 방식에 대한 학습자들의 반응을 파악하기 위해 설문 조사와 의견 메모 활동을 실시하였다. 그 결과 학습자들은 다양한 미디어를 활용한 수업 방식에 만족도가 높았으며(76%) 이에 대한 이유는 학습자 참여 수업, 다 양한 매체 활용, 체계적인 수업 구성으로 나타났다. 글로벌 문화 수업 내 용과 수업 활동에 대한 만족도는 매우 높게 나타났으며(92%) 이에 대한 이유는 문화 학습에 유익함, 흥미롭고 재미있음, 영어 학습에도 유익함으 로 나타났다. 교수자들은 학습자들의 글로벌 역량을 증진시키기 위해 글 로벌 문화 교육을 위한 다양한 수업 활동의 구상을 위해 정진할 필요가 있다.

본 연구의 목적은 유아의 마음이론과 자기조절학습능력, 사회적 유능감의 상 관관계를 살펴보고, 유아의 마음이론이 자기조절학습능력에 미치는 영향에서 사회적 유능감의 매개효과에 대해 규명하는 것이다. 연구대상은 경기도에 위치 한 유치원에 재원 중인 만 3～5세 유아 307명이고, 설문지를 통해 자료를 수집 하였으며, 수집된 자료를 분석하기 위해 기술통계, 상관관계분석, 회귀분석, Sobel Test를 실시하였다. 연구결과 첫째, 유아의 마음이론과 자기조절학습능 력, 사회적 유능감은 유의미한 정적 상관관계가 있는 것으로 나타나, 유아의 마 음이론이 높을수록 자기조절학습능력과 사회적 유능감이 높고, 사회적 유능감 이 높을수록 자기조절학습능력이 높음을 알 수 있었다. 둘째, 유아의 마음이론 은 자기조절학습능력을 의미 있게 예측하는 변인으로 나타났고, 이 과정에서 사 회적 유능감이 매개효과를 갖는 것으로 나타났다. 즉, 유아의 마음이론이 자기 조절학습능력에 영향을 미치는 과정에서 사회적 유능감이 자기조절학습능력을 높일 수 있는 변인으로 작용하고 있음을 확인할 수 있었다. 이러한 결과는 유아 의 자기조절학습능력을 높이는 데 마음이론과 사회적 유능감을 균형 있게 지원 해야 함을 시사한다.

본 연구는 군(軍) 교육훈련에 대한 효율성과 효과성을 제고하기 위해 공군 교육사령부 산하 특기학교인 군수2학교를 수료한 교육생들을 대상 으로 이들의 학습만족도에 영향을 미치는 변수들을 규명하였다. 구체적 으로, 학업적 자기효능감과 교육만족도가 학습만족도에 미치는 영향과 이들의 관계에서 부정적 평가에 대한 두려움의 조절효과를 실증분석했 다. 분석결과 첫째, 학업적 자기효능감의 하위변수인 자기조절 효능감, 자신감은 학습만족도에 유의미한 정(+)의 영향을 미치는 것으로 나타났 다. 둘째, 교육만족도는 학습만족도에 유의미한 정(+)의 영향을 미치는 것으로 나타났다. 셋째, 교육만족도가 학습만족도에 미치는 영향에서 부 정적 평가에 대한 두려움의 조절효과가 검증되었다. 본 연구는 군 특기 학교 수료생의 학습만족도를 실증적으로 연구한 소수의 연구라는 점에서 관련 연구의 이론적 축적에 기여하고 있다. 나아가, 특기학교 교육의 효 율성·효과성을 제고할 수 있는 실무적 시사점을 제시함에 의의가 있다.

본 연구는 국내 대학교 교육 현장을 중심으로 대학생 대상 중국어 관련 수업에서 활용할 수 있는 온라인 국제협력학습 기반 중국어, 상호문화 교육 프로그램 개발을 목표로 관련 교수-학습모형을 설계하고 제시하고자 한다. 온라인 국제협력학습 기반 중국어 프로그램은 우리나라 중국어 학습자가 중국어를 활용할 수 있는 실제적인 상 황을 제공할 수 있어 원어민 학생들과 유의미한 의사소통이 가능하다. 또한 중국어 학습과 함께 중국 문화를 이해하고 우리 문화를 소개 및 성찰할 수 있는 학습경험을 제공할 수 있다. 이러한 활동이 성공적으로 운영되고 유지되기 위해서는 온라인 매 체 관리, 학습 방안, 매체 활용 단계 및 방안, 학습자와 교사의 역할, 학습자 간 역할 및 상호작용 확대, 학습 전략, 교수 전략 등의 절차가 명확하게 계획되고 구성될 필 요가 있으며, 본 연구가 중국어 교육과 한중 상호문화교육을 설계하고 개발하는데 기초 자료가 되고, 국내 중국어 학습자들의 상호문화역량, 글로벌 역량 등에 긍정적 인 영향을 줄 수 있기를 기대한다.

본 연구는 가상현실 지질학습장을 개발하여 학교 현장에서 겪는 어려움으로 인해 소홀히 여겨지는 야외 답사를 대체하는 방안을 찾고자 하는 데 목적이 있다. 이를 위해 교육과정 내용 요소와 가상현실 개발 가능성을 검토하여 적 상산 일대를 중심으로 총 5곳의 지질학습장을 선정하였다. 가상현실 지질학습장은 학생들이 주도적으로 가상의 공간에 서 암석과 지질구조를 관찰하고 탐구할 수 있도록 구성하였으며, 구상화강편마암, 응회암, 역암, 사암, 층리, 절리 등 학 습 요소를 포함하였다. 개발한 학습장이 갖는 교육적 가치를 알아보고자 중학교 1학년 학생 7명에게 적용하고 반-구조 화된 면담을 실시하였으며, 학생 반응 결과를 언어 네트워크를 이용하여 단어 간 의미 있는 관계를 분석하였다. 그 결과로 학생들은 가상현실일지라도 현실감을 느낄 수 있었으며, 이는 곧 암석의 특징을 이해하고 기억하는 데 긍정적인 영향을 주고 있었다. 이는 가상현실 야외지질학습 프로그램을 통해 야외에서 이루어지는 현실감을 학생들에게 간접적으 로 경험하게 함으로써 학습에 긍정적인 영향을 줄 수 있음을 시사한다. 본 연구를 바탕으로 무주군이 지닌 지질 학습 자원이 가상현실을 통해 학교 현장에서 유의미한 학습 자료로 활용되기를 기대한다.

Machine learning-based data analysis approaches have been employed to overcome the limitations in accurately analyzing data and to predict the results of the design of Nb-based superalloys. In this study, a database containing the composition of the alloying elements and their room-temperature tensile strengths was prepared based on a previous study. After computing the correlation between the tensile strength at room temperature and the composition, a material science analysis was conducted on the elements with high correlation coefficients. These alloying elements were found to have a significant effect on the variation in the tensile strength of Nb-based alloys at room temperature. Through this process, a model was derived to predict the properties using four machine learning algorithms. The Bayesian ridge regression algorithm proved to be the optimal model when Y, Sc, W, Cr, Mo, Sn, and Ti were used as input features. This study demonstrates the successful application of machine learning techniques to effectively analyze data and predict outcomes, thereby providing valuable insights into the design of Nb-based superalloys.