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.

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.

This study compares the performance of various convolutional neural network (CNN) models for building an automated deep learning-based letter screening system targeting letters received by inmates in correctional institutions. The models evaluated include well-known architectures such as MobileNet, ResNet, and Inception, as well as recently proposed lightweight models such as ResMobileNet and IGSe, along with GroupConv and SE. Each model was trained on image data containing the Korean word for "knife" ("칼") to assess performance in terms of accuracy, processing time, and model compactness. A total of 1,197 letter image samples were used in the experiment, including 1,140 images with normal words and 57 images containing the target word. The experimental results showed that the MobileNet model had the shortest processing time, making it suitable for real-time applications, while the IGSe model achieved the highest accuracy, demonstrating optimal performance for letter screening tasks. This study suggests that deep learning-based screening techniques can be effectively applied to enhance digital security in the management of inmate correspondence within correctional institutions.

본 연구에서는 일본의 지역단위에서의 방재대책을 위해 새롭게 도입된 제도를 파악하여 소개하고 본 제도가 우리의 도시방재정책에 대한 시사 점에 대해서 고찰하고자 한다. 먼저, 국내선행연구를 통해서 일본에서 본 제도와 깊은 연관이 있는 입지 적정화계획에 대한 배경과 방재컴팩트 선 행모델도시 제도의 법적 근간인 재해대책기본법과 도시재생특별법에 대 해서 알아볼 필요가 있다. 궁극적으로, 방재 컴팩트 선행모델도시가 제도 의 실제적 요소와 추진과정을 알기 위해서 일본의 국토교통성과 내각부 의 공개자료를 적극 수집하여 분류 및 분석하였다. 과거 일본에서는 정 부주도 형식 즉, 하향식 방재정책 적용으로 주요 재해들에 대응하였으나 본 제도의 도시들은 자체분석을 통해서 지역의 특수성을 고려한 방재대 책 수립이 가능할 것으로 사료된다. 결과적으로, 각 지역의 특수성을 고 려한 방재계획의 반영이 가능하며 인구구조변화에 따른 도시구조 재편과 정에서 주요 도시시설들과 지역주민들을 지역에서 반복적이며 치명적인 재해로부터 재배치를 통하여 지속발전 가능할 것으로 기대된다. 본 제도 의 취지와 정책들과 유관기관 간의 협업과정에서 시사하는 바를 국내 도 시방잭계획과 함께 언급하고자 한다.

일체식 교대 교량 공법은 1930년대부터 미국과 캐나다에서 적용되었으나, 국내에서는 공용 기간이 짧아 설계, 시공 및 유지관리 경 험이 부족하다. 또한, 장기 거동에 대한 추적 데이터가 부족해 설계 시 예측한 구조 거동의 안정성 검증이 필요하다. 본 연구는 국내 공 용 중인 일체식 교대 교량을 대상으로 장기 계측을 수행하고, 선행 연구에서 제안된 수치 해석 모델을 적용해 구조 안정성과 모델의 적용성을 검증하였다. 계절적 온도 변화에 따른 변위 값의 크기와 변화 형상을 정성적으로 평가하고, 실측과 수치 해석 변위 값을 t 검 정으로 비교해 정량적 검증을 수행하였다. 분석 결과, 대상 교량들은 예측 값과 실측 값이 큰 오차 없이 안정적인 구조 거동을 보였다. 일부 교량에서는 교대 밀림으로 인한 신축 이음 축소와 교대 벽체 및 거더부 협착이 관찰되었다. 모델링 정확도를 높이기 위해 지반- 교대 스프링 강성과 교좌 전단 강성을 설계 값보다 높게 반영하는 것이 필요하다.

최근 4차 산업 혁명의 도래와 함께 기술의 발전에 따라 자율운항 선박에 대한 관심이 높아지고 있다. 미래의 선박은 고기량 선원들 의 육상 근무 선호도 증가와 승선 인원 제한으로 인해 점차적으로 낮은 기량의 선원들이 승선하며 선원 수가 감소될 전망이다. 따라서 선박의 안전 운항을 위한 운동 및 조종의 제어뿐만 아니라 자율운항 선박의 원활한 유지보수를 위해 증강현실 기반의 원격 유지보수 시스템이 필요하며 현재 개발이 활발히 진행 중이다. 증강현실 기반 원격 유지보수 시스템에서는 3D모델만 가시화하는 것은 활용성 이 떨어진다. 또한, 애니메이션을 개발하는 것은 개발 플랫폼에 대한 의존도가 높기 때문에 호환성 및 활용성이 떨어진다. 이러한 문 제를 해결하기 위해 손쉽게 정비 애니메이션을 만들 수 있는 저작도구가 필요하다. 따라서, 본 연구에서는 이러한 문제를 해결하기 위 해 Json 파일 형식으로 정비 애니메이션 중립 포맷을 만들어 경량화 및 호환성 높은 정비 애니메이션을 위한 저작도구를 개발하였다. 또한, 프로토타입을 개발하여 활용성을 검증하였고, 다른 플랫폼과의 호환성 검증을 진행하였다. 마지막으로, 애니메이션을 제작할 수 있는 소프트웨어와의 비교를 통해 제안한 저작도구의 유효성을 입증하였다.

환경 문제가 대두되면서 전기자동차에 대한 수요가 증가하게 되고, 이에 따라 폐배터리 처리 기술이 각광받고 있다. 폐배터리를 재 활용하는 대신 재사용하기 위해서는 배터리 성능 검증 기술의 중요성도 커지고 있다. 배터리 성능 검증 기술은 시간을 단축하는 동시 에 정확도를 높이는 데 집중해야 한다. 본 논문에서는 배터리 전기화학 분광법을 활용해 배터리 방전 전압 그래프를 얻고 배터리 성능 을 예측하는 다중물리 분석을 활용하고자 한다. 본 논문에서는 임피던스 매칭 기법을 활용해 배터리 방전 특성을 제어하고 이를 통해 방전 그래프를 얻는 기법을 제안한다. 제안하는 기법에서는 배터리를 실제로 완전 충전 및 방전하지 않고 단시간 동안 임피던스만 측 정해 전압 곡선 데이터를 추출한다. 이를 검증하기 위해 실제 데이터와 분석 데이터의 매칭을 수행했다. 이러한 접근 방식은 배터리 성능을 예측하고 최적화하는 데 적용될 수 있으며, 향후 에너지 저장 시스템의 설계 및 운영 최적화에 기여할 것으로 기대된다.

임파워먼트에 대한 관심이 꾸준히 증가하고 있는 추세 속에 많은 기업의 관리자들이 구조적 임파워먼 트의 긍정적인 측면만을 바라보고 실제 자신들의 기업에 적용하고 있다. 이는 구조적 관점에서 의사결정 의 권한을 하위 부서로 이양하는 것이 불확실한 상황 속에서 혁신적인 결과물을 탐색하는 데 매우 효과적 일 것이라는 가정에서 비롯되었다. 그러나 조직이 처한 환경 속에서 이러한 구조적 임파워먼트가 실제로 효과적일까에 대한 연구는 거의 이루어지지 않고 있으며, 몇몇 연구에서조차 조직이 처한 다양한 상황적 요인들에 대해서는 전혀 고려되지 않고 있다. 그러므로 본 연구는 NK 모델을 통해 조직의 과업 상호의존 성과 부서의 업무역량에 따라 구조적 임파워먼트가 조직의 창의적 성과 탐색에 미치는 영향을 확인하고, 이에 따른 이론적/실무적 시사점을 제공하기 위해 실시하였다. 분석 결과 첫째, 부서 간 과업의 상호의존 성이 매우 높은 상황에서는 부서의 업무역량에 관계없이 구조적 임파워먼트가 창의적 조직 성과 탐색에 부정적으로 작용하였으며, 조직 차원의 의사결정에 대한 개입이 있을 시 성과가 개선되었다. 또한, 부서의 업무역량이 높을수록 일정 수준 이상의 조직의 개입(조직 수준의 의사결정)이 발생했을 때, 다시 창의적 조직 성과 탐색이 낮아짐을 확인하였다. 둘째, 과업의 상호의존성이 낮은 상황에서는 부서의 업무역량이 높을수록 구조적 임파워먼트의 창의적 조직 성과 탐색에 대한 효과성이 높은 것으로 나타났다. 또한, 구조 적 임파워먼트가 낮아질수록 부서의 업무역량에 관계없이 창의적 조직 성과 탐색도 같이 낮아지는 것을 확인하였다. 이러한 결과는 구조적 임파워먼트가 반드시 창의적 조직 성과 탐색에 긍정적인 영향을 미치 는 것이 아니라 조직이 처한 상황적 요인을 확인하여 실행할 필요가 있음을 시사하며, 구조적 임파워먼트 가 긍정적인 효과를 가져오기 위해서는 조직 차원의 의사결정 개입이 필요할 수 있음을 시사한다.

Written examination for driver’s license certification plays a critical role in promoting road safety by assessing the applicants' understanding of traffic laws and safe driving practices. However, concerns have emerged regarding structural biases in multiple-choice question (MCQ) formats, such as disproportionate answer placement and leading linguistic cues, which may allow test-takers to guess the correct answers without substantive legal knowledge. To address these problems, this paper proposes a prompt-driven evaluation framework that integrates structural item analysis with response simulations using a large language model (LLM). First, we conducted a quantitative analysis of 1,000 items to assess formal biases in the answer positions and option lengths. Subsequently, GPT-based simulations were performed under four distinct prompt conditions: (1) safety-oriented reasoning without access to legal knowledge, (2) safety-oriented reasoning with random choices for knowledge-based questions, (3) performance-oriented reasoning using all available knowledge, and (4) a random-guessing baseline model to simulate non-inferential choice behavior. The results revealed notable variations in item difficulty and prompt sensitivity, particularly when safety-related keywords influence answer selection, irrespective of legal accuracy. The proposed framework enables a pretest diagnosis of potential biases in the MCQ design and provides a practical tool for enhancing the fairness and validity of traffic law assessments. By improving the quality control of item banks, this approach contributes to the development of more reliable knowledge-based testing systems that better support public road safety.

Oral squamous cell carcinoma (OSCC), which accounts for over 90% of malignancies in the oral cavity, is associated with a poor prognosis, with a 5-year mortality rate reaching of up to 44%. The incidence of OSCC continues to rise annually, and current treatment typically involves a combination of surgical resection, chemotherapy, and radiotherapy. In recent years, there has been growing interest in targeted therapies that exploit molecular markers involved in tumor growth and metastasis. Among these targets, immune checkpoint molecules such as programmed cell death 1 receptor (PD-1) and its ligand, programmed cell death-ligand 1 (PD-L1), have garnered significant attention. Therapies that inhibit these immune checkpoints have been approved for various malignancies, offering new avenues for treatment. Pembrolizumab (Keytruda), a PD-1 immune checkpoint inhibitor, has emerged as a promising therapuetic option for OSCC. However, its clinical response rate in OSCC patients remains below 20%, highlighting the need for combination strategies to enhance therapeutic efficacy. One such approach involves non-thermal plasma (NTP), a novel modality that selectively induces apoptosis in cancer cells. In this study, the authors evaluated the combined effect of Keytruda and NTP in an OSCC xenograft mouse model. The combination therapy demonstrated the tendency of suppressed tumor growth compared to Keytruda monotherapy. This effect was accompanied by increased apoptosis, as indicated by elevated cleaved caspase-3 expression, and reduced proliferation, as shown by decreased Ki-67 expression. Although preliminary, these findings may support the potential clinical application of Keytruda-NTP combined therapy as a novel treatment strategy for OSCC.

Reinforcement learning (RL) is successfully applied to various engineering fields. RL is generally used for structural control cases to develop the control algorithms. On the other hand, a machine learning (ML) is adopted in various research to make automated structural design model for reinforced concrete (RC) beam members. In this case, ML models are developed to produce results that are as similar to those of training data as possible. The ML model developed in this way is difficult to produce better results than the training data. However, in reinforcement learning, an agent learns to make decisions by interacting with an environment. Therefore, the RL agent can find better design solution than the training data. In the structural design process (environment), the action of RL agent represent design variables of RC beam. Because the number of design variables of RC beam section is many, multi-agent DQN (Deep Q-Network) was used in this study to effectively find the optimal design solution. Among various versions of DQN, Double Q-Learning (DDQN) that not only improves accuracy in estimating the action-values but also improves the policy learned was used in this study. American Concrete Institute (318) was selected as the design codes for optimal structural design of RC beam and it was used to train the RL model without any hand-labeled dataset. Six agents of DDQN provides actions for beam with, beam depth, bottom rebar size, number of bottom rebar, top rebar size, and shear stirrup size, respectively. Six agents of DDQN were trained for 5,000 episodes and the performance of the multi-agent of DDQN was evaluated with 100 test design cases that is not used for training. Based on this study, it can be seen that the multi-agent RL algorithm can provide successfully structural design results of doubly reinforced beam.

This study examines a digital training model for the professional development of French language educators, focusing on module-based collaborative learning. It explores the theoretical foundations of teacher development, the concept and practice of digital training, and the educational implications of modular learning design. The case study analyzes a digital training program jointly operated by FEI and CNED in July 2020, which involved over 24,000 educators from 162 countries. Comprising eight modules, the program integrated digital content, real-time forums, and collaborative projects. Based on participant experiences, this study identifies key characteristics of digital training and essential factors for enhancing teacher competencies. Findings suggest that digital training fosters teachers’ digital skills and practical application while yielding positive outcomes in gamification strategies and sustainable online training models. However, challenges such as technological accessibility gaps, imbalances in program design, and cultural differences persist. To address these, the study proposes adopting a hybrid education model, strengthening practice-oriented module design, and expanding collaborative learning strategies to support an effective and sustainable training framework in the digital era.

본 연구에서는 구조물의 응답 데이터를 기반으로 고유진동수, 감쇠비 등 동특성과 풍하중 모델의 파라미터를 동시에 추정할 수 있는 스펙트럼 백색화 기반 식별 기법을 제안하고, 이를 실제 40층 고층 구조물에 적용하여 실용성과 정확도를 평가하였다. 기존 연 구에서는 본 기법을 수치 시뮬레이션 및 풍동 실험에 적용하여 그 타당성을 입증한 바 있으나, 실계측 응답 데이터를 활용한 실구조물 적용에 대해서는 검증이 이루어지지 않았다. 본 연구는 이를 확장하여, 장기간 계측된 고층 건축물의 진동 응답을 분석하고, 각 주요 모드에 대해 백색화 처리를 수행함으로써 구조물 전달함수 및 풍하중 전달함수의 파라미터를 최적화 기반으로 동시 추정하였다. 특히 백색 잡음의 누적 파워 스펙트럼 길이를 목적함수로 설정함으로써, 기존 커브 피팅 기반 기법 대비 감쇠비 추정의 정확도와 안정성을 향상시켰다. 분석 결과는 전통적인 모달 식별 기법(예: SSI)과의 비교를 통해 제안 기법의 유효성을 입증하였으며, 풍하중 모델 파라미 터까지 포함하는 통합적 구조 해석 프레임워크로서의 가능성을 제시하였다. 본 연구는 향후 구조물의 풍응답 예측, 하중 생성 모델 구 축, 구조 건전도모니터링(SHM) 및 디지털 트윈 기반 해석 등 다양한 실무 응용에 기여할 수 있을 것으로 기대된다.