본 연구의 목적은 생성형 AI의 한국어 문맥 해석 성능을 평가하는 것 으로, 이를 위해 접속 부사 {그래서/ 그러나/ 그런데/ 그리고}가 쓰인 784개 텍스트를 대상으로 챗GPT의 접속 부사 사용을 평가하고 오류의 원인을 분석하였다. 분석 결과 첫째, 챗GPT의 접속 부사 사용 오류율은 약 21%로 총 784개 중 170개의 텍스트에서 의미 해석의 오류가 발생했 다. 둘째, [인과/ 대조/ 전환/ 나열] 중에서 오류 비율은 [인과/ 전환]의 {그래서}와 {그런데}가 약 30%로 가장 높게 나타났다. 이는 챗GPT가 예 측과 추론이 필요한 [인과] 관계 해석에는 한계가 있음을 의미한다. 셋 째, 텍스트 유형에 따른 오류 비율은 ‘소설’이 29%로 가장 높게 나타나 고 ‘논설문’이 14%로 가장 낮게 나타났다. 이는 챗GPT가 논리에 기반한 텍스트에서 문맥을 더 정확하게 해석한다는 것을 의미한다. 넷째, 챗 GPT는 문맥 의미를 해석하는 과정에서 접속 부사의 위치를 잘못 계산하 거나 구절 및 문장의 일부를 누락하는 등 텍스트 분석 과정에서 오류가 나타났다. 본 연구는 생성형 AI의 한국어 문맥 해석 성능과 한계를 문장 층위에서 분석하였다는 점에서 의의가 있으며 이는 생성형 AI의 효과적 인 사용 방법과 성능 개선 방안을 모색하는 데에 도움을 줄 것이다.

This study developed and implemented an elementary English writing program using image-generative AI to examine its effects on students’ writing abilities and affective domains. The program was designed following the ADDIE model and aligned with the 2022 Revised English National Curriculum. It used Padlet’s ‘I Can’t Draw,’ allowing students to create images based on their prompts. Eighty sixth-grade students participated, with data collected through pre- and post-writing tests, affective domain surveys, student work, reflections, and teacher interviews. A mixed-methods analysis, combining ANCOVA and content analysis, revealed the following: (1) The program improved the syntactic and lexical complexity and fluency of students’ writing, but not accuracy. (2) Students’ situational interest significantly increased, but individual interest did not. Additionally, students’ engagement and motivation in learning English improved. These findings indicate that image-generative AI is an effective tool for enhancing English writing lessons and providing feedback. The study also emphasizes the critical role of teacher competence in successfully integrating AI into language instruction.

본 연구는 만학도의 학습참여동기, 사회적지지, 자기효능감이 생성형 AI의 인식에 미치는 영향을 확인하는 데 목적을 두었다. 연구의 대상자 는 서울 소재의 B대학교에 재학 중인 만학도로, 기간은 2024년 6월 5일 부터 6월 20일까지 설문 조사를 실시하여 최종 설문지 191부를 SPSS 25.0을 활용하여 분석하였다. 본 연구는 첫째, 만학도의 생성형 AI에 대 한 사전경험을 살펴보고 학습참여동기, 사회적지지, 자기효능감, 생성형 AI에 대한 인식을 알아보았으며, 학습참여동기와 사회적지지, 자기효능감 이 생성형 AI 인식에 미치는 영향을 살펴보았다. 그 결과, 첫째, 본 연구 참여자인 만학도의 인구사회학적 변인의 빈도분석에서 조사대상자의 84.75%가 60대 이상의 고령학습자였고 참여자가 스스로 생각하는 생성 형 AI에 대한 이해도는 매우 낮음에서 보통까지의 이해도가 전체 86.2% 를 차지하였다. 또한 생성형 AI를 사용하지 못하는 이유로 사용 의지는 있으나 접근방법이나 정보가 부족하다고 생각하였다. 둘째, 만학도의 학 습참여동기 중 활동지향적 동기가 생성형 AI의 교육적 인식에 정적으로 유의한 영향을 미쳤으나, 자기효능감은 부적으로 영향을 미쳐, 인공지능 에 대한 다양하고 충분한 수행 경험이 선행되어야 할 것으로 사료되었 고, 후속연구에서는 고령 만학도 특성에 기반한 다양한 AI 수업 적용 연 구가 이루어져야 할 것을 제안하였다.

This study examined the effects of creating English picture books using generative artificial intelligence (AI) on Korean high school students’ reading and writing skills, AI literacy, and self-efficacy. Forty-five students were divided into two groups and participated in tasks that included selecting a character from English-speaking cultures, generating images using Bing Image Creator, drafting and revising stories with ChatGPT, and creating audiobooks with ClovaDubbing. Reading and writing skills were evaluated using pre- and post-tests, and AI literacy as well as affective factors, including selfefficacy, were measured through surveys. The results indicated a significant improvement in students’ writing skills and self-efficacy, whereas reading skills did not demonstrate statistically significant progress. The study underscores the potential of generative AI as a tool for enhancing writing skills, AI literacy, and self-efficacy in language learning. However, it also emphasizes the need for further pedagogical efforts to design instructional strategies that effectively improve reading skills. These findings offer practical guidance for integrating generative AI into EFL education to enhance language learning and AI literacy.

This study investigates using Conditional Tabular Generative Adversarial Networks (CT-GAN) to generate synthetic data for turnover prediction in large employment datasets. The effectiveness of CT-GAN is compared with Adaptive Synthetic Sampling (ADASYN), Synthetic Minority Over-sampling Technique (SMOTE), and Random Oversampling (ROS) using Logistic Regression (LR), Linear Discriminant Analysis (LDA), Random Forest (RF), and Extreme Learning Machines (ELM), evaluated with AUC and F1-scores. Results show that GAN-based techniques, especially CT-GAN, outperform traditional methods in addressing data imbalance, highlighting the need for advanced oversampling methods to improve classification accuracy in imbalanced datasets.

해양 환경에서 발생하는 화재는 일반적인 화재 상황에 비해 빠르게 화염이 전파되기 때문에 초기 발견과 대응이 매우 중 요하다. 최근의 화재 감지 시스템은 카메라 센서와 딥러닝 검출 모델을 활용하여 개발되고 있지만, 해양 환경에 특화된 딥러닝 모델 을 학습하기 위해 해양 환경에서 화재 데이터를 실제로 수집하는 것은 기술적, 경제적 측면에서 어려움이 존재한다. 본 논문에서는 이러한 문제를 해결하기 위해 언리얼 엔진 기반 가상 데이터 생성 도구를 활용하여 가상 환경에서 해양 환경을 구축하고 여러 상황 의 시나리오에서 데이터를 수집하여 해양 환경 화재 가상 데이터셋을 구축하였다. 가상 데이터셋으로 학습한 RT-DETR-L 모델은 실 제 해양 환경에서 발생한 화재 상황을 수집하여 제작한 테스트 데이터셋에서 mAP50:95 0.529를 달성하였다. 또한 가상 데이터로 학습 한 검출 모델은 일반적인 화재 상황이나 항만시설에서 연기만 발생하는 상황에서도 화재를 검출하는 것을 볼 수 있었다. 이를 통해 실제 데이터가 아닌 가상 데이터셋을 사용하여 데이터셋을 구축하여도 해양 환경 화재와 같은 특수한 상황에서의 검출 모델 성능 향 상에 도움을 줄 수 있다는 것을 확인하였다.

모빌리티 예측은 단순한 통행 경로 예측을 넘어, 사회 전반의 효율성 및 안전성 향상을 위한 핵심 데이터를 제공한다는 점에서 중 요하다. 기존의 예측 기법은 시공간적 규칙성과 개인 이동 패턴의 통계적 특성 분석에 주로 의존하였으며, 최근 딥러닝 기반의 시공간 모델링을 통해 예측 성능이 향상되었다. 그러나 여전히 개인 통행의 단기·장기적 시공간 의존성 및 복잡한 패턴을 처리하는 데 한계가 존재한다. 이를 극복하기 위해, 본 연구는 대규모 사전 학습된 거대 언어 모델(Large Language Model; LLM)을 도입하여, 개인 속성뿐 만 아니라 실제 통행 데이터를 반영한 객체 단위 통행 생성 프레임워크를 제안한다. LLM 기반(ChatGPT-4o) 객체 단위 통행 생성 프레 임워크는 (1) 개인 모빌리티 패턴 학습, (2) 통행 생성의 두 단계로 이루어진다. 이후 한국교통연구원의 개인통행 실태조사(2021) 데이 터를 이용하여 프레임워크의 통행 생성 성능을 확인하였다. 통행 시작·출발 시간 분포, 출발·도착지 장소 유형, 통행목적, 이용 교통수 단의 정확도를 확인한 결과, 대부분 항목에서 70% 이상의 정확도를 보였다. 하지만 통행목적은 13개의 목적 중 하나를 예측해야 하기 에 정확도가 다른 항목에 비해 약 40%로 낮게 나타났다. 본 연구는 통행 생성 프레임워크를 설계하고, 이에 맞춰 입력 데이터를 가공 및 프롬프트 엔지니어링을 수행함으로써 LLM 기반 통행 생성 기술의 가능성을 확인하였다. 향후 프레임워크의 예측 성능 검증 및 개 선을 위한 추가 연구가 필요하며, 날씨, 대규모 행사 등과 같은 외부 요인들을 고려하면 더욱 정교하고 현실적인 통행일지를 생성할 수 있을 것이다.

Seismic fragility curves present the conditional probability of damage to target structures due to external seismic load and are widely used in various ways. When constructing such a seismic fragility curve, it is essential to consider various types and numbers of ground motions. In general, the earthquake occurrence characteristics of an area where the target structure of the seismic fragility curve exists are analyzed, and based on this, appropriate ground motions are selected to derive the seismic fragility curve. If the number of selected ground motions is large, the diversity of ground motions is considered, but a large amount of computational time is required. Conversely, if the number of ground motions is too small, the diversity of ground motions cannot be considered, which may distort the seismic fragility curve. Therefore, this study analyzed the relationship between the number of ground motions considered when deriving the seismic fragility curve and the parameters of the seismic fragility curve. Using two example structures, numerical analysis was performed by selecting a random number of ground motions from a total of two hundred, and a seismic fragility curve was derived based on the results. Analysis of the relationship of the parameter of the seismic fragility curve and the number of selected ground motions was performed. As the number of ground motions considered increases, uncertainty in ground motion selection decreases, and when deriving seismic fragility curves considering the same number of ground motions, uncertainty increases relatively as the degree of freedom of the target structure increases. However, considering a relatively large number of ground motions, uncertainty appeared insignificant regardless of increased degrees of freedom. Finally, it is possible that the increase in the number of ground motions could lower the epistemic uncertainty and thus improve the reliability of the results.

방대한 빅데이터를 기반으로 발전한 인공지능 기술은 창작과 영상 예술, 인간의 고유 영역으로 여겨졌던 분야에 큰 영향을 미치기 시작했다. 전통적으로 선형적이었던 3D 애니메이션 제작 방식은 AI 이미지 생성 모델을 활용해 초기 기획, 컨셉 및 아이디어를 빠르게 비주얼화하고, 실시간 게임 엔진을 통해 실시간으로 수정 및 개선 작업을 반복하며 완성도를 높이는 비선형 적 방식으로 변화하고 있다. 본 논문에서는 Stable Diffusion의 노드 기반 비주얼 스크립트인 ComfyUI를 활용한 사전 제작 과정과 iClone 및 언리얼 엔진을 통해 디지털 휴먼을 제작하고 구체화하는 일련의 파이프라인을 분석한다. 이를 통해 전통적인 파이프라인을 넘어서는 새로운 예술적 표현의 가능성을 모색한다.

본 연구는 디지털 영상 제작 프로세스에서 점점 중요한 역할을 하고 있는 생성형 AI의 발전과 그 영향을 탐구한다. GPT, GAN 및 기타 생성 알고리즘과 같은 모델의 개발에서 AI 기술의 급속한 발전으로 영상 제작 환경이 큰 변화를 겪고 있다. ChatGPT, Runway, DALL·E, MidJourney, SunoAI 등 생성형 AI 모델의 발전으로 영상 제작 단계에서 적용 가능성이 크게 확장되었다. 생성형 AI는 아이디어 기획에서부터 최종 편집 프로세스에 이르기까지 다양한 제 작 단계를 간소화할 수 있는 잠재력이 있다. 예를 들어, AI는 플롯 아이디어나 대화를 생성하 여 대본 작성을 지원할 수 있으며, 후반 작업에서는 시각 효과를 향상시키고, 사실적인 환경을 만들거나, 반복적인 편집 작업을 자동화할 수 있다. 또한, AI 기반의 사운드 디자인 도구는 영 상 분위기에 맞춘 음악과 사운드 효과를 자동으로 생성할 수 있다. 본 연구는 현재 사용되고 있는 생성형 AI 기술을 조사하고, 특히 런웨이 AI 영화제에서 소개된 사례들을 통해 그 장점 과 한계를 분석한다. 연구 결과, 생성형 AI는 영상 제작에 드는 시간과 비용을 획기적으로 줄 일 수 있는 잠재력을 지닌 반면, 저작권 문제와 딥페이크와 같은 기술적, 윤리적 문제는 신중 한 고려가 필요함을 제시한다. 향후 연구 과제는 AI와 인간의 예술적 창의성 간의 균형을 유 지하는 방법에 관한 것이다.

현재 존재하는 인공지능 기반 음악 생성에 관한 여러 모델과 연구는 수동 텍스트(Text) 기반 음악 생성에 대해 다루고 있다. 본 논문은 사용자의 편의성을 높이고, 창의적인 음악 생성 과정 을 더욱 원활하게 할 수 있도록 텍스트(TEXT) 프롬프트(Prompt) 자동화를 통한 음악 생성시 스템 방안을 제안한다. 그 방안으로 음원 파일을 통해 수집한 음악 분석 및 데이터화와 가사 정보에서 추출한 키워드를 기반한 장르, 가수, 앨범 등의 정보가 포함된 데이터셋(Dataset)을 구축 후, 파이썬(Python)의 자연어 처리 방법인 Konlpy를 사용하여 가사 데이터를 토큰화하고, TF-IDF(Term Frequency-Inverse Document Frequency) 벡터화를 통해 중요한 단어를 추 출한다. 또한, MFCC, 템포 등의 특징 데이터셋을 통하여 모델을 통한 감정을 예측하고, CNN 모델 및 Chatgpt를 활용한 텍스트 프롬프트를 자동생성하는 방법을 구현하여, MusicGen 모델 을 사용한 자동화 생성 프롬프트 기반 음악을 생성한다. 본 텍스트 프롬프트 자동 생성 화를 통한 음악 생성 연구의 결과는 음악 데이터 분석 및 생성 분야에 기여될 것으로 기대한다.

최근 급부상한 생성형 AI는 현실적인 이미지, 텍스트, 음악 및 가상 환경 등을 만들어내는 능력 에 기반하여 엔터테인먼트, 디자인, 의료 및 교육 분야 등 다양한 산업 분야에 근본적인 변화를 가 져올 혁신 동력으로서 주목받고 있다. 오픈AI 등을 중심으로 한 글로벌 빅테크 기업들은 막강한 자 본력을 바탕으로 이 분야의 기술의 고도화와 함께 산업 생태계를 빠르게 구축하며 선도적인 지위를 굳히고 있어 한국의 생성형 AI 산업의 국가경쟁력 강화가 시급하다고 할 수 있다. 본 연구는 국가 경쟁력을 설명하는 Porter의 다이아몬드 모형에 기반해 한국의 생성형 AI 경쟁력에 영향을 미치는 다양한 요인들을 분석하여 한국의 생성형 AI 산업의 성장과 혁신을 육성하기 위한 기업의 전략적 방안과 정부의 정책적 방향성을 다음과 같이 제시하였다. 연구 결과 생성형 AI 관련 기업들의 투자 활동이 응용프로그램 개발을 우선시하고 있는 것으로 나타나 정부는 근본적인 기술 혁신 분야에 R&D 지원에 나서야 함을 알 수 있었다. 또한 기업 사용자들의 생성형 AI 수요가 제한적임에 따라 다양한 관련 교육 프로그램을 개발하고 맞춤 솔루션을 제공해야하며 개인 사용자들간의 디지털 격 차를 해소하는 정책적 노력이 필요하다는 것을 보여주었다. 생성형 AI 유관 산업 육성을 위해, 기 술경쟁력 강화와 인재 육성이 필요하고, 이와 더불어 생성형 AI 산업 에코시스템 내의 기업간 협력 을 촉진하기 위해 정부의 역할이 중요하다는 것을 확인할 수 있었다.

본 연구에서는 생성형 AI시대 부합하는 자기주도적 평생교육의 방안을 배움학적 관점으로 탐구하였다. 빠르게 변화하는 기술 환경 속에서 평생교육의 역할과 방향성을 재정립하는 데 기여하고자 하였다. 평생 교육의 새로운 패러다임인 배움에 대해 정리하고, 미래 사회에 요구되는 배움 역량을 개발하여, 지속가능 한 학습 생태계를 구축하는데 중요한 기초자료로 활용함을 목적으로 하였다. AI 시대 평생교육의 중요성 이 부각되고 있음에도 불구하고, 평생교육은 􍾧학습􍾨 패러다임에 머물러 있다. 특히, 평생교육은 주입식 학 습방식으로 인한 자기주도성이나 문제해결력 및 비판적 사고력이 부족하다고 지적되고 있다. 본 연구에서 는 평생교육의 패러다임을 평생배움의 관점으로 전환해야 한다고 제안한다. 배움은 삶이며, 삶이 배움이 다. 배움은 자기주도적인 활동으로 내부적으로 우러나와 하게 되는 것이다. 마지막으로 AI 시대 필요한 배 움역량으로 자기개조력, 자기치유력, 의식소통력을 강조하였다. 배움학적 관점은 주체를 학습자에 두고, 학습자가 자신의 학습 과정을 주도적으로 이끌며, 실생활과 연결된 다양한 역량을 개발할 수 있도록 지원 한다. 또한, 배움역량인 개조력, 치유력, 의식소통력을 통해 창의적 문제해결, 비판적 사고, 협업 능력을 강화할 수 있어, AI 시대의 빠른 변화에 적응하고 지속가능한 학습 생태계를 구축하는데 기여할 것이다.

Abstract Handling imbalanced datasets in binary classification, especially in employment big data, is challenging. Traditional methods like oversampling and undersampling have limitations. This paper integrates TabNet and Generative Adversarial Networks (GANs) to address class imbalance. The generator creates synthetic samples for the minority class, and the discriminator, using TabNet, ensures authenticity. Evaluations on benchmark datasets show significant improvements in accuracy, precision, recall, and F1-score for the minority class, outperforming traditional methods. This integration offers a robust solution for imbalanced datasets in employment big data, leading to fairer and more effective predictive models.

본고는 현대 중국어의 생성 및 도출 과정에서 실현되는 언어 단위를 구분 짓고 체 계화하여 그 언어 표현 및 운용의 정체성을 구명하였다. 언어는 인간 뇌리의 우주 세계를 말소리라는 형식을 빌려 근사(近似)하게 표현하여 소통하는 정보 처리 기제 이다. 그 과정은 내용과 형식의 층차별 연계를 통하여 구조와 역할의 병행 처리 방 식으로 실현된다. 즉, 은현적(covert) 내부 구조 체계와 외현적(overt) 실제 조작 모 듈(Module)로 구분되어 운용된다. 이를 현대 중국어로 연결하여 살펴보면 다음과 같 다. 첫째, 내용과 형식에 따른 언어 단위의 층차별 연계 관계는 의미자질-음운자질, 의미소-형태소, 개념-어휘, 구성-어절(단어, 구, 절), 판단-문장, 추리-단락 등으로 연결된다. 둘째, 구조와 역할의 관계로 본다면 구조소와 역할체로 나눌 수 있다. 구조 소로는 음운자질, 형태소, 단어, 구, 절과 그것이 갖는 속성인 명사성, 동사성, 형용사 성, 부사성 등이 있으며, 역할체로는 어절(語節)과 그것이 갖는 역할인 성분이 있다. 셋째, 형식과 구조의 측면에서는 음운자질이, 내용과 역할의 측면에서는 어절(語節) 이 현대 중국어를 생성 및 도출하는 데 핵심적인 역할을 수행하고 있다고 할 수 있 다.

본 연구는 한국의 다양한 형태의 미디어 콘텐츠를 가리키는 용어인 K-콘텐츠 제작에 있어 생 성형 AI 활용에 관한 연구이며, 특히, 제작 전, 제작, 제작 후 등 영상 콘텐츠 제작의 모든 단 계에서 AI 기술의 혁신적인 영향을 강조한다. 대본 작성, 트렌드 분석, 캐스팅, 장면 편집, 시 각 효과 등의 작업에 AI 기반 도구를 활용함으로써 제작자는 창의성을 강화하고 효율성을 높 이며 제작 품질을 높일 수 있다. 주요 조사 결과에 따르면 생성형 AI는 반복 작업을 자동화하 고 참신하고 창의적인 아이디어를 생성하며 품질의 일관성을 보장함으로써 생산 프로세스를 크게 간소화할 수 있다. 예를 들어, AI 도구는 스크립트 작성 및 스토리보드 작성을 지원할 수 있으며, 얼굴 인식 알고리즘 및 지리공간 데이터 분석은 배우 캐스팅 및 촬영 장소를 추천하는 것이 가능하다. 포스트 프로덕션 과정에서는 AI 기반 비디오 편집 및 시각 효과 도구를 활용하 여 콘텐츠의 내러티브 응집력과 시각적 매력을 향상시키는 동시에 생성 오디오 도구는 맞춤형 음향 효과를 창조시킬 수 있다. 생성형 AI의 K-Contents 활용은 기획-제작-유통 등 전체 제작 과정에 도입이 예상되며 생산 비용 절감, 글로벌 시장 확대 등의 경제적인 측면에서도 상당한 영향을 미칠 수 있다. 본 논문은 K-콘텐츠 제작에서 생성적 AI의 잠재력을 모색하고 향후, K- 콘텐츠 산업이 글로벌 시장에서 더욱 성장하고 번영할 수 있는 시사점을 탐구한다는 점에서 의의를 찾을 수 있다.

본 논문의 목적은 생성형 AI 기술의 급속한 발달로 인해 변화하는 게임산업의 생태계를 살펴 보고 이에 따른 대응방안을 모색하는 데 있다. 2022년 11월 OpenAI가 ChatGPT를 대중에게 공개한 이후, 생성형 AI를 가장 직접적으로 활용 및 투자하고 있는 분야는 게임콘텐츠 산업이 다. 생성형 AI의 활용은 단순반복적인 작업의 효율화를 통해 게임 개발의 간소화와 예산 절감 을 가능케 한다. 여기에 플레이어의 반응에 실시간 반응하며 소통하는 콘텐츠 자동 생성을 통 해 사용자 경험을 극대화한다. 실제 게임 개발 현장에서도 게임 레벨, 맵, 퀘스트, 지능형 NPC, QA 자동화 등 게임 제작과 운영의 전 분야에서 생성형 AI 도구가 활용되고 있다. 신기 술에 민감하며 노동집약적인 게임의 산업적 특성 때문에 생성형 AI가 게임산업의 미래를 바꿀 것이라는 전망과 함께, 저작권 이슈와 대량 해고 등 우려 또한 제기되고 있다. 이에 대응하기 위해 게임업계는 생성형 AI가 가져올 불가피한 변화를 적극적으로 받아들이고, 이분법적 ‘대체 론’을 넘어 인간의 창의력과 AI 기술의 장점을 결합할 수 있는 새로운 협업 지성과 창작물에 대한 법적, 윤리적 가이드라인을 모색해야 한다.

본 연구에서는 Text-to-3D 생성형 AI 기술을 활용하여 메타버스 방 꾸미기 게임의 프로토타 입을 설계하고 구현하고자 하였다. <Roblox>와 <Minecraft>와 같은 가상 현실 기반의 메타버 스 게임은 사용자를 단순한 플레이어에서 창작자인 크리에이터로 발전할 수 있게 하였고 이러 한 재미 요소는 대중적인 인기에 이바지하였다. 생성형 AI는 데이터와 패턴을 기반으로 다양 한 형태의 미디어 콘텐츠를 쉽게 생성할 수 있으며, 게임 개발에도 마찬가지로 유용하다. 이러 한 생성형 AI를 통한 콘텐츠 제작은 시간과 비용을 절약할 뿐만 아니라 결과적으로 콘텐츠의 품질을 높이고 다양성을 확보할 수 있다. 본 연구에서는 언리얼 엔진의 네트워크 프레임워크 를 활용한 리슨 서버(Listen-Server) 방식으로 방 꾸미기 게임을 설계 및 구현하였다. 이 게 임의 핵심 시스템은 메타버스에서 사용자가 쉽게 생성형 AI로 3D 모델을 생성하고, 자신의 방 에 배치할 수 있게 하는 것이다. 본 연구를 통해 코딩 기초 이해는 물론 좀 더 쉬운 방법으로 3D 오브젝트 생성을 통해 사용자가 원하는 메타버스 플랫폼 제작을 가능하게 하며 이러한 과 정은 사용자뿐만 아니라 동시에 창작자의 역할로 이용자의 주체성, 창의성, 의사소통 능력 등 을 향상할 가능성을 찾고자 한다. 그뿐만 아니라 기본적인 코딩 학습을 이해함으로써 사용자 의 창작 활동에 기회를 확장할 뿐만 아니라 메타버스 콘텐츠 개발에 이바지하고자 한다.