기후변화로 인해 전 세계적으로 수온이 상승하는 추세이며, 그에 따른 수계 내 유기물의 농도 증가에 따라 정수 처리 과정에서의 소독부산물 생성량 역시 상승하고 있다. 이 중 총트리할로메탄(Trihalomethanes, THMs)은 발암물질로 분류되며, 먹는 물 수질 기준이 0.1 mg/L로 설정되어 있다. 소독부산물 생성량 증가와 취수원에서의 수질 문제가 지속적으로 제기됨에 따라 안정적 수돗물 공급을 위한 대책이 필요한 상황에서 본 연구는 여름철 경기도와 경상북도 지역의 수도꼭지에서 THMs 농도를 모니터링 하였다. 또한, 과거 THMs 측정 자료와 더불어 다양한 자료를 비교ㆍ분석하여 THMs 농도 변화의 원인을 파악했다. 그 결과, 조사 지역들의 THMs 생성에는 원수의 종류, 그로 인한 용존유기탄소 (Dissolved organic carbon, DOC), 클로로필-a 인자와 더불어 계절적 요인들 중 기온과 강우량이 종합적으로 기여하는 것으로 나타났다. 특히, 선형 회귀분석을 통해 용존유기탄소와 THMs간의 상관관계가 높으며 수돗물의 용존유기탄소 농도가 2.7 mg/L 이상일 경우 THMs 농도가 법정 먹는 물 수질 기준을 초과할 가능성이 높다는 결과를 도출하였다. 이를 통해 여름철 강우가 집중되는 시기와 갈수기 THMs 관리를 위해 원수의 유기물 농도를 관리하는 노력이 필수적임을 확인하였다. 해당 결과는 정수장에서의 유기물 농도 관리를 통해 THMs 생성을 억제하는 것이 매우 중요함을 시사하며, 앞으로 먹는 물 수질 기준과 정수장 운영 관리에 용존유기탄소 수질 항목을 추가하는 방안의 검토가 필요하다 판단된다.

This study explores how to integrate the generative artificial intelligence (AI) tool Midjourney into the fashion design process, emphasizing the visualization of sporty fashion concepts. The research applied Midjourney at every stage of the fashion design process: mood board, fashion sketch, flat drawing, production package, fashion show presentation, and store display and sales. Specifically, sporty fashion was selected as the theme, and customized prompts were developed from prior research and design principles to generate visual outputs for each stage. Furthermore, three apparel design experts evaluated the AI-generated images to assess Midjourney’s practical applicability and effectiveness in each phase of the fashion design workflow. Expert evaluations revealed that Midjourney was particularly effective in the early stages, offering diverse and visually engaging imagery that supported creative ideation and mood expression. The tool allowed quick exploration of different silhouettes during the sketching stage but was imprecise in detailed forms and proportions. Limitations became more evident in the flat drawing and work instruction stages, where outputs failed to accurately reflect material textures and technical construction. Prompt refinements and referencebased prompts were tested but often resulted in inconsistent or stylized outputs. Additionally, continuity between stages was missing. Midjourney shows potential as a creative tool, but experts highlight its limitations for practical industry application. Further research is needed to improve prompt optimization and training data for enhanced accuracy and usability in AI-assisted fashion design workflows.

본 연구는 생성형 AI 시대에 AI에 의한 관광산업의 미래 전망과 시사 점에 따른 대응방안을 제시하는 것을 주 목적으로 하였다. 이를 위해 관 광산업 분야 중 어떤 분야의 일자리가 대체되고, AI로 인해 관광산업의 노동시장이 어떻게 변하는지에 관한 시사점을 도출하여 대응방안을 문헌 고찰하였다. 연구결과, 생성형 AI 시대의 관광산업의 미래 전망과 시사점 을 요약하면서 AI로 인한 관광산업 일자리 대체 가능성에 대응하기 위한 정책적 방안을 직업 전환 지원, 창의적 업무 개발, 산업-교육 연계 강화, 사회 안전망 강화, AI 윤리 및 규제 도입, 재정적·기술적 중소기업 지원 등으로 제안하였다. 이론적으로는 AI 기술이 관광산업의 고용 구조와 산 업 생산성에 미치는 영향을 분석하여 노동시장 변화 모델을 발전시킬 수 있는 시사점을 제공했다. 또한, 실무적으로는 AI 기술 도입에 따른 직업 훈련, 재교육 프로그램 및 산업 변화에 맞는 규제와 지원 정책을 마련해 노동시장의 균형을 유지해야 한다는 정책 대응방안과 관광기업은 AI 활 용의 장점을 극대화하면서도 고용 감소에 따른 사회적 책임을 고려해야 한다는 시사점을 제시하였다.

Purpose: This study aims to examine the effect of 'debate education using generative artificial intelligence (AI)' on 'debate efficacy' targeting elementary school students in the 5th and 6th grades. Through this, we aim to provide valuable information on debate classes using generative AI to field teachers and researchers in debate-related studies. This study aimed to provide students with a positive communication experience by allowing them to articulate their arguments, engage with peers, and persuade others. Additionally, it sought to serve as a foundation for fostering students' collaborative communication skills and digital language literacy. Furthermore, in alignment with the introduction of the “Media” domain in the 2022 Revised Korean Language Education Curriculum, this study aimed to offer pedagogical implications for teachers regarding debate education using generative AI. Lastly, it sought to expand the scope of Korean language education by preparing students to actively adapt to the rapidly evolving communication environment of the future society. Methods: To achieve this, a triangulation study combining quantitative and qualitative research methods was conducted. The quantitative research compared and analyzed the pre-post debate self-efficacy of the participants, while the qualitative research explored the effects of debate classes using generative AI by analyzing portfolios generated by the participants. Descriptive statistics and the Wilcoxon signed-rank test were used to analyze quantitative data. As some of the response data from the participants did not satisfy the assumption of normality, the pre-and post-test changes in debate efficacy among the participants were analyzed using a nonparametric Wilcoxon signed- rank test (p<.05). The reliability of this study was verified through Cronbach’s ⍺ value. Portfolio analysis was employed for the qualitative data analysis. Results: The “Debate Self-Efficacy” of the participants was measured pre- and post-intervention using the Wilcoxon Signed-Rank Test. The results showed a significant improvement in all subcomponents of debate self-efficacy, including Emotional Self-Efficacy, Cognitive Self-Efficacy, and Social Self-Efficacy. In particular, significant improvements were observed in the components of Emotional Self-Efficacy, namely ‘expectation,’ ‘persistence,’ and ‘emotion regulation.’ Furthermore, the analysis of portfolios composed of activity sheets developed for this study revealed that engaging in debate activities using Generative AI positively enhanced the debate self-efficacy of the participants. Conclusion: This study demonstrates through action research and empirical analysis that Korean language debate classes utilizing generative AI are effective in enhancing students' debate efficacy. This study hopes to serve as a stepping stone for fostering Inclusivity and enhancing Communication Competence among learners, thereby contributing to the strengthening of their Debate Self-Efficacy. Furthermore, it is expected that this research will contribute to the activation of Debate Education Using Generative AI in school.

케톤 식이요법(Ketogenic Diet, KD)은 고지방, 적당한 단백 질, 저탄수화물로 식이 패턴으로 최근 몇 년 동안 스포츠 분야 에서 많은 관심을 받고 있다. 본 연구는 케톤 식이요법이 체중 조절 및 운동수행력에 미치는 영향을 검토하고 잠재적인 생리 학적 메커니즘에 대해 논의했다. 케톤 식이요법은 인슐린 분비 를 줄이고 지방 산화를 촉진해서 케톤체의 이용률을 높임으로 써 체지방을 효과적으로 줄이고 체급별 종목의 선수가 안전한 체중 관리를 할 수 있도록 도울 수 있다. 지구력 선수의 경우 케톤 식이요법은 지방 산화 능력을 향상시키고 글리코겐 의존 성을 줄이며 장기간 운동 중에 운동 시간을 연장할 수 있다. 그러나 고강도 무산소성 운동(예: 단거리 달리기, 역도)에서 제 한된 탄수화물은 해당과정의 속도를 감소시키고 에너지 공급에 영향을 미치며 폭발력과 최대 근력을 약화시킬 수 있다. 따라 서 케톤 식이요법은 지구력 운동과 체중 조절이 더 필요한 운 동선수에게 어울리지만 근 성장과 순간 순발력에 의존하는 운 동 종목의 효과는 여전히 논란의 여지가 있다. 이 연구는 케톤 식이요법을 사용할 때 운동수행력을 최적화하고 잠재적인 위험 을 줄이기 위해 운동 유형, 개별 대사 특성 및 적응 기간에 따 라 합리적으로 조정해야 함을 강조한다. 향후 연구에서는 과학 적인 스포츠 영양지침을 제공하기 위해 케톤 식이요법의 장기 적인 영향과 다른 영양 전략의 조합을 추가로 조사해야 한다.

생성형 인공지능의 급속한 발전은 사회 전반에 광범위한 영향을 미치며, 일상생활을 포함한 다양한 분야 에 활용되고 있다. 본 연구에서는 인공지능 기술의 발전 동향을 대규모 언어모델(Large Language Models, LLM)을 중심으로 살펴보고 생성형 인공지능 기반 솔루션이 정치 및 공공 부문의 효율성과 서비스 최적화 에 기여하고 있음을 확인하였다. 본 연구는 미국, 싱가포르, 인도 등의 사례분석을 통해 인공지능 도구가 선거의 확장성과 시민과의 상호작용 개선에 역할 할 수 있다는 것을 주장한다. 동시에, 대규모 언어모델의 실사용 과정에서 제기되는 편향성, 허위정보 확산, 규제 공백 등의 쟁점들을 고찰할 필요가 있음을 지적한 다. 요컨대, 생성형 인공지능은 민주주의 발전과 공공서비스 증진에 대한 가능성을 제공하지만, 기술의 지속 가능하고 적실한 활용을 위해 투명성, 공정성과 책임성을 고려한 사용이 요구된다.

이 연구는 해조류에서 추출된 알긴산을 혼입하여 라텍스 콘크리트의 경제성을 개선하고, X선 회절 분석(XRD)을 통해 미세구조 변화 를 분석하는 것을 목표로 한다. 기존 라텍스 콘크리트(LMC)의 높은 비용을 보완하기 위해 라텍스 혼입량을 줄이고 알긴산을 추가한 콘크리트를 제작하여 재령 4시간, 7일, 28일에 따른 미세구조 및 강도 발현 특성을 분석하였다. XRD 분석 결과, 재령 증가에 따라 Ettringite는 감소하고 일부 Monosulfate(AFm 상)로 변환되었으며, Ye’elimite는 C-S-H 및 Monosulfate로 변환되면서 초기 강도 발현이 감 소하고 장기 강도가 증가하는 경향을 나타내었다. 압축강도 실험에서는 재령 28일 기준 case 2의 강도가 기존 LMC와 유사한 수준을 나타내었다. 알긴산 혼입 라텍스 콘크리트에서 Larnite(C2S) 증가와 Hatrurite(C3S) 감소가 관찰되었다. 이는 알긴산이 C3S의 조기 수화 를 촉진하고 후반 수화 반응을 활성화시켜 장기 강도 발현에 긍정적인 영향을 미친 것으로 판단된다. 결과적으로, 알긴산 혼입 라텍스 콘크리트는 초기 강도보다는 장기 강도 발현에 유리하며, 최적 혼입량 설정과 내구성 평가를 위한 추가 연구가 필요할 것으로 판단된 다.

도로 위 차량의 차로변경은 주변 차량의 움직임에 민감하게 반응해야 하며, 적절한 속도와 타이밍으로 수행하지 못할 경우 교통 흐름을 방해하고 부정적인 영향을 초래할 수 있다. 자율주행차량(Autonomous Vehicle, AV)은 이러한 문제를 해결하기 위해 주변 상황을 정확히 판단하고 인지하여 차로변경을 수행한다. 이때, 안전 관리 전략의 일환으로 최적화된 차로변경 주행 궤적을 제공함으로써 안전하고 효율적인 차로변경을 실현하는 것이 중요하다. 본 연구는 이러한 배경에서 주변 차량과 EGO 차량의 예측 주행 궤적에 기반한 확률론적 개념인 risk field를 계산하고, 이를 활용하여 차량의 종방 향 및 횡방향 안전 궤적을 제시하였다. 이를 위해 고속도로 드론 데이터를 활용하여 차량 간 상호작용 상황을 분석하고, 차로변경 시나리오 데이터를 분류하였다. 연구에서는 주행 속도와 차량의 경위도 등 1.1초 동안의 연속된 주행 데이터를 입력으로 사용하였으며, 다층 인코더-디코더 장단기 메모리 네트워크(EDLN) 모델을 통해 미래 6초 후 차량의 위치를 예 측하였다. 이후 장 이론(field theory)을 기반으로 한 risk field 모형을 통해 도로 위 각 지점의 위험도를 정량화하였다. 또한, 차량의 거동 제약, 주행 편의성, 그리고 안전성 제약 조건을 반영하여 안전 궤적을 생성하였다. 마지막으로, 생성된 궤적이 교통류 안전성에 미치는 영향을 평가하기 위해 예측된 주행 궤적(predicted trajectory)과 실제 주행 궤적(ground truth)을 비교 분석하였다. 평가지표는 대리 안전 지표(surrogate safety measure, SSM) 중 TTC(Time to Collision)와 PET(Post Encroachment Time)를 활용하였다. 본 연구는 제안된 안전성 정량화 및 궤적 생성 방법이 기존 방법론과 비 교하여 우수한 성능을 보임을 입증하였으며, 향후 자율주행차량 혼재 교통류 및 완전 자율주행 교통류에서 높은 효율성 과 안전성을 확보하는 데 기여할 것으로 기대된다.

본 연구는 생성형 AI(GPTs)를 활용하여 한국어 학습자를 위한 인접쌍 생성 챗봇을 개발하고, GPTs가 생성한 사과 화행 인접쌍 전략을 분석하 는 데 초점을 맞추었다. GPTs의 대화 생성을 통해 사과 화행에 대한 인 접쌍의 전략 유형을 담화완성형 테스트(DCT)를 기반으로 다양한 상황별 로 도출하고, 인접쌍을 연구하였다. 연구 결과, 공적·사적 상황, 친밀도, 사회적 지위 등의 사회적 변인이 GPTs의 인접쌍 생성에 영향을 미침을 확인하였다. 특히, 공적 상황에서는 문제 해결 중심의 대안 제시 전략이 주로 사용되었으며, 사적이면서 사회적 지위 차이가 있는 상황에서는 상 대방의 체면을 회복시키는 이해 전략이 두드러졌다. 본 연구는 GPT 기반 인공지능 챗봇을 활용하여 학습자들이 실제 대화 상황에서 사용할 수 있는 전 략적 도구를 제공할 수 있는 기반을 마련하였다는 데 의의가 있다.

The launcher of a hard-kill type APS (Active Protection System) requires rapid and precise driving to aim at incoming threats after detection. High angular acceleration is necessary for rapid driving, which demands high energy consumption. However, the capacity of the capacitor bank and power supply unit is limited due to weight and space constraints. If energy becomes insufficient during continuous operation, the voltage of the capacitor bank can drop below the minimum operating voltage of the drive motor, leading to problems such as torque deficiency. Therefore, it is necessary to determine an allowable angular acceleration that satisfies precision within the available energy and generate a driving profile accordingly. This paper proposes a method for deriving an allowable angular acceleration by analyzing the allowable energy and validates it through simulation. We examined the allowable energy by verifying the charged voltage of the capacitor bank, formulated equations for energy at the point of maximum consumption, and derived an equation for allowable angular acceleration through numerical analysis. By applying the proposed algorithm in simulations, we confirmed that the voltage of the capacitor bank did not drop below the minimum operating voltage of the driving motor during three consecutive operations. Therefore, it is expected that the stability of the APS launcher can be improved by applying the proposed algorithm, and continuous operation with limited performance is anticipated to be possible.

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.