본 연구에서는 전공교과목이 아닌, 기초학문과 지역사회의 필요를 연계하는 방식 을 모색하는 과정에서 ‘미래사회와 디지털지식’이라는 교양 교과목을 선택하여, 실생 활에 접근해 있는 스마트 폰 활용 교육이라는 학습 주제로 노인대학, 장애 기관 등 협력하여 서비스 러닝 활동을 진행하였다. 대학 교양 과목 강의에 실제 적용하고 있는 서비스러닝 기반 교양 교과목의 만족도 모형의 연구가설을 구축하여 서비스러 닝 기반 교과목 교수법 확대에 대한 효과를 알아보고자 하였다. 특히 본 연구에서는 서비스러닝 기반 교양 교과목의 만족도 모형을 통해 만족도에 정(+)의 영향을 미치 는 요인이 무엇인지를 살펴보고, 만족도는 추천과 확대 적용에 정(+)의 영향을 미치는지에 대해서 살펴보았다. 실증분석 결과, 서비스 러닝 교수법을 활용한 교육 봉사 활동이 자존감에 가장 큰 영향을 미치며, 이는 수업의 전반적인 만족도에 중요한 요 인으로 작용하는 것으로 나타났다. 또한, 교육 봉사활동 시간이 적절한 경우, 학생들 은 수업의 전반적인 만족도보다도 서비스 러닝 교수법이 적용된 교과목을 후배들에 게 추천하고 권하는 경향이 있음을 확인하였다. 아울러, 수업에 대해 전반적으로 만 족한 학생들은 서비스 러닝 교수법의 확대 적용에 긍정적인 입장을 보이는 것으로 분석되었다.

Land monitoring involves systematically understanding changes in land use, leveraging spatial information such as satellite imagery and aerial photographs. Recently, the integration of deep learning technologies, notably object detection and semantic segmentation, into land monitoring has spurred active research. This study developed a web service to facilitate such integrations, allowing users to analyze aerial and drone images using CNN models. The web service architecture comprises AI, WEB/WAS, and DB servers and employs three primary deep learning models: DeepLab V3, YOLO, and Rotated Mask R-CNN. Specifically, YOLO offers rapid detection capabilities, Rotated Mask R-CNN excels in detecting rotated objects, while DeepLab V3 provides pixel-wise image classification. The performance of these models fluctuates depending on the quantity and quality of the training data. Anticipated to be integrated into the LX Corporation's operational network and the Land-XI system, this service is expected to enhance the accuracy and efficiency of land monitoring.