본 연구는 장애인 전문 치과 의료기관인 장애인구강진료센터 확대를 위 한 실천 방안을 제시하는 것을 목적으로 한다. 이를 위해 부산·울산·경남 권역장애인구강진료센터 설치 사례를 로스만(Rothman)의 지역사회복지 실천모델을 중심으로 분석하였다. 로스만이 제시한 12가지 실천 변수를 활용하여 권역별 지역사회복지 실천모델 유형을 분류한 결과, 부산권역은 지역사회개발모델과 사회행동모델이 복합적으로 작용되었고 울산권역은 사회계획모델 중심의 실천이 진행되었음을 확인하였다. 또한 경남권역은 사회계획모델과 지역사회개발모델이 순차적이고 유연하게 적용된 혼합형 사례로 나타나 지역사회의 정치성, 의료 인프라, 정책 수용력 등 다양한 요인을 종합적으로 고려하여 적합한 실천모델과 전략의 활용이 필요한 것 으로 확인되었다. 연구 결과에 따라 세 권역이 유사하게 활용한 실천 전략 과 차별화된 실천 전략을 중심으로 장애인구강진료센터 확대를 위한 실천 전략을 제언하였다. 본 연구는 장애인구강진료센터 설치 사례에 대한 지역 사회복지 실천모델 기반 비교·분석의 시발점을 마련하였다는 점에서 학문 적·실천적 의의가 있다. 본 연구를 계기로 장애인구강진료센터에 대한 사 회복지적 논의가 활발해지길 기대한다.

This study developed a QSAR regression model using the XGBoost machine learning algorithm to predict the acute aquatic toxicity of highly hazardous PCBs. EC50 values for Daphnia magna were obtained from QSAR Toolbox 4.7. Input features consisted of approximately 3,000 molecular descriptors and fingerprints generated from official structure data using RDKit and the Morgan algorithm, excluding mixtures. The dataset was split into training and test sets (7 : 3) based on 500,000 randomized seeds, and the most balanced combination was selected using Kolmogorov-Smirnov and Wilcoxon rank-sum tests. Z-score standardization was applied based on the training set, and the XGBoost model was trained using 5-fold cross-validation with grid search optimization. The final model showed excellent predictive performance (R2 =0.97, RMSE= 0.19). A simplified model using only the top 10 predictive molecular features retained approximately 95% of the original accuracy while improving interpretability and efficiency. The model was applied to 38 PCB compounds lacking EC50 values, and the predicted values showed a statistically similar distribution to the measured group, with only minor differences in a few structural fingerprints. These results demonstrate the applicability of XGBoost-based models for reliable toxicity prediction and offer a promising alternative approach for assessing the environmental risk of untested PCBs.

For estimating ground motion intensity measures on the surface from seismic sensors installed in structures, it is crucial to correct structural response effects embedded in the recorded signals. This study proposes a model for peak ground acceleration (PGA) amplification based on VS30, derived from multi-degree-of-freedom analysis. PGA amplification factor (AFPGA) is defined as the ratio of peak floor acceleration (PFA) of structures to PGA. The model includes three key input parameters: the natural period of the structures (Tn), the ratio of stories to the total number of stories in the structures, and the time-averaged shear wave velocity down to a depth of 30 meters. It is developed using 78 ground motion records from both domestic and international earthquakes. A LOESS smoothing technique is applied using 3 span values, with the optimal span of 0.1 is determined based on RMSE performance and an analysis of local trend characteristics in the dataset. The model is verified using empirical data from the CESMD global strong motion database, which includes classification by Tn into short, intermediate, and long periods. The results show that although the model tends to predict higher AFPGA values than those observed in real structures, it effectively reflects the overall amplification trends. This approach enables the pre-earthquake estimation of structural amplification, allowing for the use of seismic sensors installed in structures as a complementary monitoring network for seismic response.

본 연구는 MTS가 피부개선에 미친 영향에 관한 기존 연구들을 분석하여, 근거 체계를 구축하고, 주요 키워드 간 관계와 역할 및 패턴 등을 구조적으로 분석하고자 텍스트마이닝과 토픽모델링 및 단어네트워크 분석을 실시하였다. 관련 선행연구들은 MTS와 관련된 핵심 키워드와 연관 키워드를 혼합하여 전자도서관에서 검색하였으 며, 결론 부분의 Text를 수집하여 분석에 사용하였다. 분석결과는 다음과 같다. 첫 째, '피부', '효과', '실험', '관리', '개선' 등의 어휘가 주요 개념으로 확인되었다. 둘째, TF-IDF 분석에서 높은 가중치의 키워드들은 MTS의 피부 개선 효과에 관한 과학적 실험 기반 논의를 시사했다. 셋째, LDA 분석 결과, ‘과학적 검증 중심’과 ‘피부 개선 효과 중심’의 토픽2개로 나뉘었다. 넷째, 단어 네트워크에서 '피부'를 중심으로 '주름', '효과', '실험' 등이 강하게 연결되었고, '여성'과 '모공' 노드는 MTS가 여성 안면 부위 에 주로 적용됨을 나타냈다. 본 텍스트마이닝 기법은 유사 의료 미용 시술 분석에도 적용 가능하며, 향후 시계열 분석과 감성 분석을 통해 MTS 효과의 변화와 대상자 반응을 심층 탐색할 필요가 있다.

강풍에 대한 피해가 증가하면서 시설물의 취약도를 예측하여 대응하는 것이 필요하다. 이때, 풍속의 변동성을 고려하여 확률 론적 예측이 필요하여 물리 기반 인공신경망(PINN) 기반의 기초적인 확률론적 예측 모델을 개발하였다. 입력변수를 마르코프체인 몬 테카를로 시뮬레이션을 통해 랜덤 샘플링하여 이를 PINN 모델로 입력하고, 물리식 기반의 손실함수를 통해 신호등을 대상으로 취약 도를 예측하였다. 모델을 통해 예측한 결과 신호등에서 파손이 발생할 수 있는 신호 접합부와 지면 접합부에 대해 확률적으로 취약도 를 산출할 수 있었고, 이를 기반으로 신호 접합부가 더 취약함을 확인할 수 있었다. 기초 모델로 물리식 만을 기반으로 예측하여 얻은 결과로 추후 실측 데이터를 통해 학습과 검증을 거쳐야하나 충분히 강풍에 의한 시설물 취약도를 예측할 수 있으며 이러한 예측에 확 률론적 모델이 유용함을 확인하었다.

In this study, chemicals with acute toxicity experimental data were selected as research subjects, and compareed the model derived from statistical analysis and QSAR open-source programs. The physical and chemical properties, dynamic behaviors, and toxicological estimates of the chemicals were calculated using Mordred, a molecular descriptor calculation program based on RDKit. LD50 was set as the toxicity comparison target for each chemical, and independent variables or factors with similarity to independent variables were estimated from the molecular descriptors calculated through Mordred. Molecule descriptors composed of independent variables were compared to predictions from QSAR open-source models, A regression model was created with the selected molecule descriptors and compared with predictions from QSAR programs, confirming high accuracy for specific functional groups. The QSAR model created in this study considers the characteristics and experimental values of each chemical, and provides evidence for selecting variables when constructing toxicity data for machine learning applications.

Machine learning (ML) techniques have been increasingly applied to the field of structural engineering for the prediction of complex dynamic responses of safety-critical infrastructures such as nuclear power plant (NPP) structures. However, the development of ML-based prediction models requires a large amount of training data, which is computationally expensive to generate using traditional finite element method (FEM) time history analysis, especially for aging NPP structures. To address this issue, this study investigates the effectiveness of synthetic data generated using Conditional Tabular GAN (CTGAN) in training ML models for seismic response prediction of an NPP auxiliary building. To overcome the high computational cost of data generation, synthetic tabular data was generated using CTGAN and its quality was evaluated in terms of distribution similarity (Shape) and feature relationship consistency (Pair Trends) with the original FEM data. Four training datasets with varying proportions of synthetic data were constructed and used to train neural network models. The predictive accuracy of the models was assessed using a separate test set composed only of original FEM data. The results showed that models trained with up to 50% synthetic data maintained high prediction accuracy, comparable to those trained with only original data. These findings indicate that CTGAN-generated data can effectively supplement training datasets and reduce the computational burden in ML model development for seismic response prediction of NPP structures.

This study investigates the gap between statutory calculation standards and actual field conditions in estimating Occupational Safety and Health Management Expenses (OSHME) for large-scale construction projects. The current fixed-rate method, based on construction type and cost, fails to account for on-site factors such as project complexity, duration, and workforce structure, often leading to discrepancies between estimated and actual costs. To address this, data from 21 completed projects over KRW 5 billion were analyzed. Multiple regression analysis was conducted using variables including material and labor costs, project duration, floor area, number of floors, and the number of safety personnel. The results showed a significant statistical difference between calculated and actual OSHME, and the proposed model explained 95.3% of the variance (R2 = 0.953). Variable selection techniques were applied to improve prediction accuracy by addressing multicollinearity. The model offers practical value for early budgeting and supports policy improvements that align safety expenses with real on-site needs, in order to more effectively prevent industrial accidents.

본 연구는 지역가치형 로컬비즈니스모델 조사·분석을 통해, 지역가치형 로컬비즈니스모델이 지역의 경제적·문화적 가치 증진에 기여할 수 있는 방안을 제시하는 것을 목적으로 하였다. 이를 위해 특히 로컬비즈니스 모델 7개 분야 중 지역가치형 모델의 특징 등을 조사·분석하였다. 연구 결과 지역가치형 로컬비즈니스모델을 통한 지역의 경제적·문화적 가치증 진을 위한 방안으로 첫째, 자원의 범위가 특정 소재와 콘텐츠로 제한되 지 않도록 주의하며 새로운 자원을 소재로 한 창작과 융합이 활성화되도 록 유도할 필요하며, 둘째, 지역자원의 고유한 특성이 최대한 반영되는 내용을 구성하며, 셋재, 지역성의 변형 또는 재창조의 범위에 대한 고민 이 필요하며, 넷째, 트랜드의 변화에 대응하는 마케팅 전략의 수립 및 운 용이 중요하며, 마지막으로 인력의 양성 및 지역사회를 변화시기키 위한 정책적 지원을 제안하였다.

목적 : 본 연구는 지역사회 거주 장애 노인을 대상으로 개인-환경 간 상호작용을 반영한 거주 적합성(Livability) 평가에 기반하여 결정 트리 기반 머신러닝 알고리즘의 결과를 활용하여 가정환경 수정 중재를 제공하고 효과성을 검증하고자 하 였다. 연구방법 : 연구참여자는 지역사회 거주 장애 노인 9명이었으며, 중재는 총 4회기(주 1회, 40분)로 구성되었다. 거주 적합 성(Livability Scale), 작업수행능력(COPM), 목표성취(GAS), 삶의 질(WHOQOL-BREF)은 사전, 사후, 추적의 세 시점 에서 평가되었으며, 추적 평가는 중재 종료 3개월 후에 실시되었다. 중재는 Livability Scale을 활용하여 결정 트리 기반 머신러닝 알고리즘(Random Forest)을 활용한 변수 중요도(feature importance)로 거주 부적합 항목을 식별하여 중재의 우선순위로 활용하였다. 분석은 세 시점에서 반복측정된 자료를 SPSS 26.0을 사용하여 Friedman 검정 및 Bonferroni 사후 비교를 통해 분석하였다. 결과 : 분석 결과, 거주 적합성의 환경, 작업, 수행 영역과 작업수행능력, 목표성취도, 삶의 질의 하위 영역에서 통계적으 로 유의미한 향상이 나타났다. COPM 만족도는 모든 시점에서 유의하게 증가하여 중재 효과의 지속 가능성을 확인하였다. 결론 : 가정환경 수정에서 개인–환경 상호작용을 반영한 정량적 평가와 머신러닝 기반의 예측 모형을 활용하여 중재의 실 효성을 높일 수 있는 실증적 근거를 제공한다. 이를 통해 장애 노인을 포함한 다양한 취약계층을 위한 맞춤형 주거 중재 및 정책 개발에 기초자료로 활용될 수 있을 것이다.

본 연구는 개인 주체의 자연사박물관이 지닌 차별화 전략을 분석하기 위해 민자연사연구소를 연구 대상으로 선정하여, 블루오션 전략의 핵심 도구인 ERRC 모델을 활용한 분석을 실시하였다. 민자연사연구소는 개인 이 운영하는 비영리 박물관으로, 40년 이상에 걸쳐 수집된 약 3,000여 점의 광물 표본을 바탕으로 2010년에 설립되었다. 연구방법으로는 사례 연구와 내용분석 방법을 채택하였다. 분석 결과, 민자연사연구소는 제거 전략을 통해 종합 전시 방식, 내부 특별 전시, 상업적 운영 요소, 전문 학예인력 중심의 운영 체계를 배제하였다. 감소 전략으로는 관람객 수용 규모 및 전시 공간을 축소하고, 전시 설명문의 분량을 최소화하며, 에너 지 사용량을 감소시켰다. 증가 전략으로는 자연사 분야 중 광물에만 집 중함으로써 전문성을 증대시키고, 체험적 요소와 지역 교육기관과의 연 계성을 강화하였으며, 도심 지식산업센터에 입주하여 접근 편의성을 향 상시켰다. 창조 전략을 통해서는 수집가의 스토리텔링과 새로운 미학적 접근이라는 독창적 가치를 창출하였고, 가족 참여형 수집 문화를 조성하 여 운영의 지속가능성을 확보하였으며, '박물관 내 박물관' 형태로 특별 전시를 주관하는 새로운 전시 패러다임을 창조하였다. 이러한 분석 결과 는 개인 박물관도 명확한 전략적 선택과 집중을 통해 경쟁력을 확보할 수 있으며, 규모의 한계가 오히려 전문성과 차별화의 기회가 될 수 있다 는 중요한 시사점을 제공한다.

As demand grows for electric vehicles and advanced mobility technologies, developing materials for permanent magnets has become increasingly essential. Among them, SmCo-based permanent magnets are gaining attention due to their superior thermal stability compared to conventional NdFeB magnets, making them promising candidates for high-temperature motor applications. However, optimizing the magnetic properties of SmCo alloys remains challenging due to their complex phase structures and elemental interactions. In this study, we develop and optimize machine learning (ML) models to predict the saturation magnetization of SmCo permanent magnets using only composition-based descriptors. A dataset comprising various SmCo alloys was analyzed, with features extracted using Matminer and Pymatgen modules. We applied Random Forest (RF), eXtreme Gradient Boosting (XGB), and Support Vector Regression (SVR) models and compared their regression performance using R2 score and Root-mean-squared-error (RMSE). The RF model demonstrated the best generalization and prediction accuracy. To identify the most influential features, we used permutation feature importance. Further, we refined the feature set using a genetic algorithm (GA), ultimately selecting 9 key features that yielded the highest model performance (R2 = 0.963, RMSE = 4.22 emu/g). This study highlights the potential of combining machine learning with genetic optimization to accelerate the design of high-performance, thermally stable SmCo permanent magnets.

이 연구는 국내 네팔 유학생을 대상으로 한국어 학습에 대한 기대, 가 치, 비용을 분석하여 이들의 학습 동기를 파악하고, 한국어 교육 과정에 시사점을 도출하는 데 목적이 있다. 이를 위하여 영어트랙 네팔 유학생 을 대상으로 설문조사와 TF-IDF 분석을 실시한 결과, 이들은 한국어 학 습을 학문적·직업적 성공을 위한 중요한 도구로 인식하며, 특히 외적 가 치를 가장 높게 평가하는 것으로 나타났다. 또한 한국어 학습에 할애되 는 기회비용이 학습 기대나 가치에 영향을 주고 있음을 확인하였다. 연 구 결과를 바탕으로 본고에서는 학습자의 실질적 요구와 취업 연계성 반 영, 자기효능감을 높일 수 있는 다층적 평가와 지속 가능한 한국어 학습 지원 체계 마련 등을 제안하였다.

이 연구는 국내 네팔 유학생을 대상으로 한국어 학습에 대한 기대, 가 치, 비용을 분석하여 이들의 학습 동기를 파악하고, 한국어 교육 과정에 시사점을 도출하는 데 목적이 있다. 이를 위하여 영어트랙 네팔 유학생 을 대상으로 설문조사와 TF-IDF 분석을 실시한 결과, 이들은 한국어 학 습을 학문적·직업적 성공을 위한 중요한 도구로 인식하며, 특히 외적 가 치를 가장 높게 평가하는 것으로 나타났다. 또한 한국어 학습에 할애되 는 기회비용이 학습 기대나 가치에 영향을 주고 있음을 확인하였다. 연 구 결과를 바탕으로 본고에서는 학습자의 실질적 요구와 취업 연계성 반 영, 자기효능감을 높일 수 있는 다층적 평가와 지속 가능한 한국어 학습 지원 체계 마련 등을 제안하였다.

본 연구에서는 효과적인 뇌친화적 리더십과 비효과적인 뇌친화적 리더십을 비교하고 뇌친화적 리더십 유형별 성향을 탐색함으로써 강점 강화 코칭 스킬 (skill) 및 약점 보완 코칭 스킬(skill)을 개발하는 것은 물론, 뇌친화적 리더십 역 량 향상을 위한 코칭 모델을 개발하는데 연구의 목적이 있다. 코칭 및 리더십 전문가 15명을 대상으로 델파이 조사를 실시한 후, CVR값, 합의도, 수렴도를 분 석하여 뇌친화적 리더십 코칭 스킬 및 모델을 수정·보완하였다. 본 연구의 결론 은 다음과 같이 정리할 수 있다. 첫째, 뇌친화적 리더십 유형별로 강점 강화 코 칭 스킬(skill), 약점 보완 코칭 스킬(skill) 등 뇌친화적 리더십 코칭 스킬(skill) 개발함으로써 개별 맞춤형 리더십 역량을 향상할 수 있다. 둘째, 뇌친화적 리더 십 코칭 모델의 각 단계별로 코칭 원리 및 전략을 적용함으로써 뇌친화적 리더 십 코칭 목표를 달성할 수 있다. 본 연구에서 제안한 뇌친화적 리더십 코칭 스킬 및 모델은 기존의 거래적 리더십, 변혁적 리더십 차원에서 벗어나 뉴로리더십 (neuro-leadership) 등 뇌과학에 기반한 리더십 패러다임 전환을 시도하였다는 점에서의 의의가 있다.