본 연구는 AI-Hub의 ‘방송콘텐츠 한국어-중국어 번역 말뭉치’ 데이터를 활용하여 네이버 파파고의 번역 품질을 평가하고 이를 시각화하는 것을 목표로 한다. 먼저 BL EU 점수를 통해 파파고 번역 품질을 정량적으로 분석하고, 다양한 시각화 기법을 활용하여 번역 품질의 패턴을 파악하였다. 연구 결과에 따르면, 파파고 번역은 짧고 단순한 문장에서 높은 성능을 보였으나, 문장이 길고 복잡해질수록 번역 품질이 저 하되는 경향이 나타났다. 특히, 구어체 표현이나 문화적 맥락이 필요한 표현에서는 번역 오류가 두드러지게 나타났다. 본 연구는 데이터 시각화를 통해 번역 품질 평가 의 이해를 돕고, 파파고 번역의 강점과 약점을 명확히 제시하였다. 향후 연구에서는 다양한 평가 지표와 데이터셋을 활용하여 번역 품질을 더욱 다각적으로 평가하고, 파파고 번역의 한계점을 개선 방안을 제시할 예정이다.

본 연구의 목적은 2022 개정 교육과정 고등학교 신설 과목인 ｢도시의 미래 탐구｣가 학교 현장에서 성공적으로 안착하고 지리교과의 심화과목이자 진로 선택 과목으로서의 정체성을 살리기 위한 방안으로 공공데이터를 활용한 웹 기반 GIS 플랫폼을 개발하고, 교수･학습 모듈을 디자인하는 것이다. 이 플랫폼은 데이터 전처리, 시각화, 공간 분석을 위한 통합 도구를 제공하며, HTML과 JavaScript로 설계되어 저사양 기기를 포함한 다양한 교육 환경에서도 활용 가능하다. 본 연구는 또한 ｢도시의 미래 탐구｣교육과정에 부합하는 교수･학습 모듈을 개발하고, 지리탐구의 수업 실행 방식을 제안하였다. 학습자는 ‘도시’라고 하는 시민성의 공간을 과학적 인식, 개인적 반응, 비판적 사고를 통해 온전히 이해하게 되고, 도시의 역동성과 공간 불평등을 탐구할 수 있도록 설계되었다. 본 연구는 공공데이터와 지리정보기술을 통합한 본 연구는 지리교육에서 디지털 리터러시를 증진하고 비판적 탐구 역량을 강화한다는 점에서 의의가 있다.

This study develops a machine learning-based tool life prediction model using spindle power data collected from real manufacturing environments. The primary objective is to monitor tool wear and predict optimal replacement times, thereby enhancing manufacturing efficiency and product quality in smart factory settings. Accurate tool life prediction is critical for reducing downtime, minimizing costs, and maintaining consistent product standards. Six machine learning models, including Random Forest, Decision Tree, Support Vector Regressor, Linear Regression, XGBoost, and LightGBM, were evaluated for their predictive performance. Among these, the Random Forest Regressor demonstrated the highest accuracy with R2 value of 0.92, making it the most suitable for tool wear prediction. Linear Regression also provided detailed insights into the relationship between tool usage and spindle power, offering a practical alternative for precise predictions in scenarios with consistent data patterns. The results highlight the potential for real-time monitoring and predictive maintenance, significantly reducing downtime, optimizing tool usage, and improving operational efficiency. Challenges such as data variability, real-world noise, and model generalizability across diverse processes remain areas for future exploration. This work contributes to advancing smart manufacturing by integrating data-driven approaches into operational workflows and enabling sustainable, cost-effective production environments.

새롭게 개정된 2015 교육과정에서 정보 교과는 중학교에서 필수 교과로 지정되어 학생들의 컴퓨팅 사고력과 협력적 문제 해결력을 개발하도록 장려한다. 이에 따라 많은 연구자들이 관련 연구들을 진행하고 있다. 여러 간행물들, 연구 논문들 및 교사들의 인식을 검토한 결과 컴퓨팅 사고 수업에서 알고리즘 및 코딩에 중점을 두고 있었다. 컴퓨팅 사고는 컴퓨터를 사용하여 문제를 해결 하는데 필수적인 사고 과정이다. 그러나 사고력 활동이 미리 구조화된 문제에 의해 제약받는 측면이 많이 있음을 관찰할 수 있었다. 본 연구에서는 이러한 문제를 해결하기 위해 구조화되지 않은 열린 문제를 제공함으로써 데이터 활용 능력(data literacy)을 강조한 문제해결 수업을 제안하였다. 또한 데이터 활용 능력 강조 수업이 기존의 구조화된 문제를 활용한 수업에 비하여 학습동기와 학업성취도에 통계적으로 유의한 효과가 있음을 검증하였다. 따라서 컴퓨팅 사고 기반의 문제해결 수업에서 미리 구조화된 문제를 프로그래밍 하는데 초점을 맞춘 수업보다 데이터 활용 능력을 증진하는 문제해결 활동을 활용한 수업이 보다 효과적임을 밝힐 수 있었다.

본 연구는 학습동기가 미약하고 논리적 사고력이 부족하여 추상적인 개념의 데이터베이스 교과에 대해 낮은 학습동기와 낮은 학업성취도를 보이는 학습자에 대한 데이터베이스 교과에서 놀이식 선행조직자 수업을 통한 데이터베이스 개념학습이 학업성취도에 미치는 영향을 알아보기 위한 것이다. 연구 문제를 해결하기 위하여 데이터베이스의 개념학습 단원 중 놀이의 형태로 가능한 부분을 추출한 후 놀이식 선행조직자를 개발하였다. 개발된 놀이식 선행조직자를 바탕으로 경기도 인천에 위치한 고등학교 3학년 2개 학급 각각 대상으로 진행하였다. 본 연구에서는 실험집단 30명과 통제집단 30명으로 선정하였으며, 실험집단은 놀이식 선행조직자를 활용한 교수-학습을 진행하였으며, 통제집단은 설명식 선행조직자를 활용한 교수-학습으로 하여 실험을 진행하였다. 본 연구의 실험 결과, 실험집단과 통제집단 사이의 학업성취도에 유의미한 차이가 나타났다. 따라서 놀이식 선행조직자를 활용한 데이터베이스 개념학습이 학습자의 학업성취도 향상에 유의미한 효과가 있음을 알 수 있었다.