해상풍력 프로젝트의 발전사업허가 취득 및 연간 예상발전량 평가를 위해서는 최소 1년 이상의 해상관측자료 확보가 필수적 이나, 입지선정 과정 및 사전예비타당성 단계에서는 재해석자료나 중규모 모델링 자료와 같은 기상·기후데이터가 활용된다. 하지만, 이 들은 관측값 대비 다소 높은 불확도를 내포하고 있기 때문에 이들을 기반으로 한 발전량 평가 결과 역시 불확실성을 가지게 된다. 이에 본 연구에서는 HeMOSU-1 해상기상탑 관측자료와 인근 격자점에서의 ERA5, EMD-WRF 데이터의 시계열 및 특성을 비교, 검증하여 국내 서남해권의 해상풍력 프로젝트의 사전예비타당성평가의 신뢰성을 확보하고자 하였다. 본 연구에서는 기계적·열적 대기안정도 지수인 연직윈드시어와 모닌 오브코프 길이, 리차드슨 수를 각각 활용하여 관측값 부재시 국내 서남해상에서 ERA5와 EMD-WRF를 사용하는 것이 정량적으로 어느 정도의 오차를 보이는지, 또 대기안정도별 변화 트렌드는 유사한지를 파악하였다.

본 연구는 한국 기상대 데이터를 활용하여 콘크리트 포장의 깊이별 온도를 예측하는 ANN(Artificial Neural Network) 모델을 개발하는 것을 목표로 한다. 기존의 열평형 방정식 기반 모델은 특정 지역의 기상 데이터를 필요로 하기 때문에 일반적인 적용이 어렵다는 한계를 가지고 있다. 이에 본 연구에서는 ANN을 활용하여 기상대 데이터를 기반으로 범용적 인 온도 예측 모델을 개발하고자 한다. 이를 통해 다양한 지역 및 환경 조건에서도 적용 가능한 모델을 구축하는 것이 목적이다. 본 연구에서는 2017년 1월 1일부터 2018년 12월 31일까지의 1시간 단위 기상 및 온도 데이터를 활용하며, 0.05m, 0.15m, 0.25m, 0.35m, 0.45m 깊이별 온도 데이터를 학습 데이터로 사용한다. 입력 변수로는 기온, 풍속, 강수량, 습도, 일 조량, 일사량, 적설량, 적운량, 지면온도를 포함한다. 이러한 다양한 기상 데이터를 활용하여 신경망 모델을 학습하고, 기 존 방식보다 높은 정확도를 확보하는 것이 연구의 핵심 목표이다. 기존 ANN 구조인 O = WI + B에서 확장된 O = W(I + (WI + B)) + B 형태의 비선형 구조를 적용하여 기존 모델이 가지는 비선형 관계 반영의 한계를 극복하고자 한다. 또한, 선형 다중 은닉층 모델과 비선형 다중 은닉층 모델을 각각 개발하여 성능을 비교하고, 비선형 모델의 필요성과 일반화 능력을 평가할 예정이다. 최종적으로 두 모델의 성능을 평균 제곱 오차 및 평균 절대 오차 등과 같은 평가 지표들을 이용하여 비교 분석하고, 가장 적합한 모델을 도출하고자 한다.

In order support the design support system of small and medium-sized shipbuilding companies that carry out designs using 2D CAD, this study developed a system that automatically calculates the cable length by extracting the Y-axis value expressed as text data in 2D CAD. By setting the equipment where the cable starts and ends, the essential route and the installation rate were checked so that the optimal route of the cable could be calculated. As a result, the value calculated based on the optimal route and length of the cable by extracting the data of 2D CAD through this study was the same as the value previously calculated by the actual user, and the installation rate was less than 130% so there was no problem with the on-site installation. In addition, it was confirmed that the cable length calculated through this was reduced by about 7% compared to the existing work.

본 연구는 빅데이터 분석을 통해 지방자치단체의 스포츠도시 구현 노 력을 살펴보고자 스포츠도시에 대한 사회적 인식과 현상을 파악하는 데 목적이 있다. 이를 위해 텍스톰과 Ucinet 6을 활용하여 2021년 6월부터 2024년 6월까지 '스포츠도시'와 관련된 텍스트 자료를 통해 키워드와 토 픽을 분석하였다. 구체적으로 텍스트마이닝, 의미연결망 분석, TF-IDF, CONCOR 분석을 통해 실시하였다. 분석 결과, 첫째 '스포츠', '도시', ' 대회', '체육', '개최', '국제', '전국', '선수', '세계', '조성' 순으로 빈도 가 높게 나타났다. 둘째 ‘국제 스포츠이벤트 개최’, ‘전국대회 유치 및 개 최를 통한 도시 위상 제고’, ‘시민을 위한 생활체육 인프라 조성’, ‘스포 츠도시를 통한 지자체의 지역 경제발전’ 등 4개의 그룹이 형성되었다. 따라서, 지자체는 지역 특성을 고려하고 주민의 의견을 적극적으로 반영 하며, 지역 경제 활성화에 기여하는 스포츠도시 구현에 앞장서야 할 것 이다. 마지막으로, 지역주민의 스포츠 참여가 일상이 되도록 양질의 스포 츠 프로그램을 제공해야 할 것이다.

본 연구는 국내 주요 항만에 정박 중인 선박들의 이산화탄소 배출 특성을 항만별, 선박 유형별로 배출 현황을 파악하여 향후 배출 저감 정책 수립에 필요한 기초 자료를 제공하는 것을 목적으로 한다. 이를 위해 항만운영정보시스템 데이터를 활용하여 2019년부터 2023년까지 최근 5년간의 정박 선박 데이터를 수집, 분석하였다. 연구 결과, 탱커선과 화물선이 전체 탄소 배출량의 대부분을 차지하며, 부산항, 울산항, 광양항 등 주요 무역항에서 배출량이 높게 나타났다. 특히, 탱커선은 정박 중 화물 가열 및 증기 구동 펌프 사용 등으로 인해 타 선종에 비해 발전기 사용이 많아 높은 배출 특성을 보였다. 이러한 결과는 항만 내 육상전원공급장치(AMP)의 설치 확대가 필요 함을 시사하며, 특히 탱커선이 접안하는 선석을 우선적으로 AMP 설치 대상으로 선정하는 것이 효과적일 것으로 판단된다. 본 연구는 국 내 항만에서 정박 선박의 이산화탄소 배출 특성을 체계적으로 파악하여 효율적인 배출 저감 전략을 수립하는 데 기여할 것으로 기대된 다.

2022 개정 과학과 교육과정은 교과 맥락에 따른 지식 정보 처리 역량 및 과학 탐구 능력 함양을 위해 디지털 탐구 도구 활용을 통한 교수·학습 활동을 강조한다. 이에 따라 본 연구에서는 공공 데이터를 활용한 지구과학 탐구 활 동을 개발하였다. 본 탐구 활동은 기상청 날씨누리의 지진 데이터를 노코딩 시각화 도구인 오렌지를 활용하여 시각화하 고 분석하도록 구성되어, 학생들이 지진대와 판의 경계와의 관련성을 과학적으로 이해할 수 있도록 돕는다. 개발한 탐 구 활동을 중학교 학생들에게 적용하였으며, 탐구 활동이 학생들의 지식 정보 처리 역량 함양에 긍정적인 영향을 주었 음을 확인하였다. 또한 탐구 활동이 데이터 활용 범위를 확장시켜 학생들이 새로운 질문을 생성할 수 있도록 하는 데 도움이 되었음을 파악하였다. 본 연구는 공공 데이터와 시각화 도구를 효과적으로 활용할 수 있는 탐구 활동을 제안한 다. 탐구 활동에서 경험하는 다양한 방식의 데이터 처리, 시각화 및 분석 과정은 학생들이 복잡한 자연 현상을 조금 더 쉽게 이해하는 데 도움을 줄 수 있으므로, 이러한 점에서 본 연구의 탐구 활동이 과학 수업에서 유용하게 활용될 수 있을 것으로 기대한다.

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.

The purpose of this study is to develop a timely fall detection system aimed at improving elderly care, reducing injury risks, and promoting greater independence among older adults. Falls are a leading cause of severe complications, long-term disabilities, and even mortality in the aging population, making their detection and prevention a crucial area of public health focus. This research introduces an innovative fall detection approach by leveraging Mediapipe, a state-of-the-art computer vision tool designed for human posture tracking. By analyzing the velocity of keypoints derived from human movement data, the system is able to detect abrupt changes in motion patterns, which are indicative of potential falls. To enhance the accuracy and robustness of fall detection, this system integrates an LSTM (Long Short-Term Memory) model specifically optimized for time-series data analysis. LSTM's ability to capture critical temporal shifts in movement patterns ensures the system's reliability in distinguishing falls from other types of motion. The combination of Mediapipe and LSTM provides a highly accurate and robust monitoring system with a significantly reduced false-positive rate, making it suitable for real-world elderly care environments. Experimental results demonstrated the efficacy of the proposed system, achieving an F1 score of 0.934, with a precision of 0.935 and a recall of 0.932. These findings highlight the system's capability to handle complex motion data effectively while maintaining high accuracy and reliability. The proposed method represents a technological advancement in fall detection systems, with promising potential for implementation in elderly monitoring systems. By improving safety and quality of life for older adults, this research contributes meaningfully to advancements in elderly care technology.

This study proposes a method to evaluate the publicity of real-time, demand-responsive, autonomous public-transportation systems. By analyzing real-time data collected based on publicity evaluation indicators suggested in previous research studies, this study seeks to establish a system that objectively assesses the publicity of public transportation. Thus, the introduction of autonomous public transportation systems is expected to contribute to solving problems in underserved transportation areas and enable more sophisticated public transportation operations. We reviewed evaluation indicators proposed in previous studies. Based on this review, publicity evaluation indicators were derived and specific criteria were selected to assess systematically the publicity of autonomous public transportation. An AHP analysis was conducted to assess the relative importance of each indicator by analyzing the importance of the selected indicators. Additionally, to score the indicators, minimum and maximum target values were established, and a method for assigning scores to each indicator was examined. The most important factor in the publicity evaluation of autonomous demand-responsive transport (DRT) was the “success rate of allocation to weak public transportation service areas,” with a significance level p of 0.204. This was analyzed as a key evaluation criterion because of the importance of service provision in areas with low-public-transportation accessibility. Subsequently, “Accessing distance to a virtual station” (p = 0.145) was evaluated as an important factor representing the convenience of the service. “Waiting time after allocation” (p = 0.134) also appeared as an important evaluation factor, as reducing waiting time considerably affected service quality. Conversely, “compliance rate of velocity” yielded the lowest significance (p = 0.017), as speed compliance was typically guaranteed owing to autonomous driving technology. This study proposed a specific evaluation method based on publicity indicators to provide a strategic direction for improving services and enhancing the publicity of autonomous DRT systems. These results can serve as a foundational resource for improving transportation services in underserved areas and for enhancing the overall quality of public transportation services. However, the study’s limitation was its inability to use real-time autonomous public transportation data, relying instead on I-MoD data from Incheon. This limitation constrained the ability to establish universal benchmarks because data from various municipalities were not included. Future research should collect and analyze data from diverse regions to establish more reliable evaluation indicators.

This study integrates TabTransformer and CTGAN for predicting job satisfaction among South Korean college graduates. TabTransformer handles complex tabular data relationships with self-attention, while CTGAN generates high-quality synthetic samples. The combined approach achieves an accuracy of 0.85, precision of 0.83, recall of 0.82, F1-score of 0.82, and an AUC of 0.88. Cross-validation confirms the model's robustness and generalizability with a mean accuracy of 0.85 and a standard deviation of 0.008. The integration of TabTransformer and CTGAN enhances predictive accuracy and model generalizability, providing valuable insights for employment policy and research.

본 연구는 북한이 2024년을 전쟁 준비 완성의 해로 선언하고 연이어 미사일을 발사하여 안보를 위협하는 상황에서, 빅데이터 분석을 활용하 여 한국 언론보도와 포털 사이트에 나타난 북핵 및 미사일 위협에 대한 담론과 인식의 특성을 실증적으로 분석하고, 그에 따른 시사점을 도출하 는 것을 목적으로 한다. 이를 위해 국내 주요 언론보도와 포털 사이트에 서 총 33,318건의 데이터를 수집하여, TF-IDF 분석을 통해 상위 50개 의 주요 키워드를 도출하고, 사회연결망 분석을 통해 각 키워드 간의 연 결 정도와 구조를 파악하였다. 분석 결과, 러시아-우크라이나 전쟁, 이스 라엘-하마스 전쟁 등 국제적 안보 불안과 동북아에서의 북-러 군사협력 및 한-미-일 군사협력의 대립 구도 등이 사회적 담론 형성에 큰 영향을 미친 것으로 나타났다. 이에 따라 한-미-일 군사협력 강화와 확장 억제 전략의 신뢰성을 높이고, 사회적 차원에서 위기의식과 안보의식의 제고 가 필요하다는 시사점이 도출되었다.

본 연구는 치유정원 및 치유정원 내 도입 프로그램과 관련된 시기별 이용행태의 변화를 파악하여 프로 그램 및 서비스 제공에 있어 개선하는데 도움이 되는 기초자료를 제공하는 것을 목적으로 한다. 이를 위해 텍스트마이닝 기법을 활용하고 『수목원정원법』시행 및 코로나19 전후를 기점으로 하여 2014 년, 2019년, 2023년 세 가지 시기로 구분하여 시계열적으로 시기별 이용행태 간의 변화를 조사하였다. 연구결과 치유정원과 치유정원 내 도입 프로그램은 이용자들에게 있어 긍정적 경험으로 나타났다. 프 로그램의 경우 초기에는 치유농업 및 원예를 중심으로 시작되었으나 시간이 지남에 따라 산림치유를 비롯하여 가드닝을 포함한 다양한 활동으로 확장되었으며, 이용자 계층 또한 다양한 계층으로 확대되 었다. 아울러 치유정원은 원예치료, 산림치유 등 다양한 자연환경 기반 치유분야의 도입요소로 사용됨 에 따라 혼용되어 사용되고 있는 것으로 나타났다. 따라서 치유정원에 대한 명확한 개념정립과 함께 다양한 계층을 고려한 프로그램이 필요한 것으로 나타났다.

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.