Conventional flipped learning instructional models are operated in a blended learning environment online and offline. In contrast, this study moved onto fully online systems and explored how a sense of presence worked for students’ learning outcomes at university English writing courses. The two research questions for this study are: 1) What is the relationship between a sense of presence (teaching, cognitive, social presence) and learning outcomes (group cohesion, class satisfaction)? and 2) What are the variables among a sense of presence that affect group cohesion and class satisfaction? For the purposes of this study, 46 university students from English composition courses answered student questionnaires in the spring of 2021. Correlation and multiple-regression analyses were conducted to look into the relationships among the variables. Additionally, focus-group interviews were conducted and teaching journals were analyzed. The major findings were revealed as follows: Firstly, a sense of presence was significantly related to group cohesion and satisfaction. Secondly, social presence and cognitive presence only had a predictive power of group cohesion. Thirdly, cognitive presence and teaching presence were significant predictors of class satisfaction. Pedagogical implications are discussed for those interested in applying flipped learning in a fully online setting.

Climate change is a major global problem. Oysters, one of the most representative farmed fish in Korea, are attracting attention as candidates for blue carbon, an alternative to carbon neutrality. This study is analyzed by the SSP scenarios to determine the impact of oyster aquaculture production according to climate change. Based on the analysis, future productions of oysters are predicted by the SSP scenario. Significant differences by the SSP scenario are confirmed through predictive power tests among scenarios. Regression analysis was conducted from January 2001 to December 2014. As a result of the analysis, water temperature, water temperature quadratic term, salinity, salinity quadratic term, and month × water temperature cross term were estimated as significant variables. Oyster production which is predicted by the SSP scenario based on the significant variables from 2015 to 2022 was compared with actual production. The model with the highest predictive power was selected by RMSE and MAPE criteria. The predictive power was compared with the MDM test to determine which model was superior. As a result, based on RMSE and MAPE, the SSP1-2.6 scenario was selected as the best model and the SSP1-2.6, SSP2-4.5, and SSP3-7.0 scenarios all showed the same predictive power based on the MDM test. In conculusion, this study predicted oyster aquaculture production by 2030, not the distant future, due to the short duration of the analytical model. This study was found that oyster aquaculture production increased in all scenarios and there was no significant difference in predictive power by the SSP scenario.

The purpose of this study is to compare short-term price predictive power among ARMA ARMAX and VAR forecasting models based on the MDM test using monthly consumer price data of frozen mackerel. This study also aims to help policymakers and economic actors make reasonable choices in the market on monthly consumer price of frozen mackerel. To analyze this study, the frozen wholesale prices and new consumer prices were used as variables while the price time series data were used from December 2013 to July 2021. Through the unit root test, it was confirmed that the time series variables employed in the models were stable while the level variables were used for analysis. As a result of conducting information standards and Granger causality tests, it was found that the wholesale prices and fresh consumer prices from the previous month have affected the frozen consumer prices. Then, the model with the highest predictive power was selected by RMSE, RMSPE, MAE, MAPE, and Theil’s inequality coefficient criteria where the predictive power was compared by the MDM test in order to examine which model is superior. As a result of the analysis, ARMAX(1,1) with the frozen wholesale, ARMAX(1,1) with the fresh consumer model and VAR model were selected. Through the five criteria and MDM tests, the VAR model was selected as the superior model in predicting the monthly consumer price of frozen mackerel.

Recently, a study of prognosis and health management (PHM) was conducted to diagnose failure and predict the life of air craft engine parts using sensor data. PHM is a framework that provides individualized solutions for managing system health. This study predicted the remaining useful life (RUL) of aeroengine using degradation data collected by sensors provided by the IEEE 2008 PHM Conference Challenge. There are 218 engine sensor data that has initial wear and production deviations. It was difficult to determine the characteristics of the engine parts since the system and domain-specific information was not provided. Each engine has a different cycle, making it difficult to use time series models. Therefore, this analysis was performed using machine learning algorithms rather than statistical time series models. The machine learning algorithms used were a random forest, gradient boost tree analysis and XG boost. A sliding window was applied to develop RUL predictions. We compared model performance before and after applying the sliding window, and proposed a data preprocessing method to develop RUL predictions. The model was evaluated by R-square scores and root mean squares error (RMSE). It was shown that the XG boost model of the random split method using the sliding window preprocessing approach has the best predictive performance.

항만의 주요 정책 및 향후 운영계획 수립 시 정확한 물동량 예측에 관한 연구는 매우 중요하며 이러한 중요성으로 인해 관련 연구가 활발히 수행되고 있다. 본 논문에서는 국내 최대 석탄 및 철광석 처리 항만인 광양항을 대상으로 단계적 회귀분석과 인공신경망모형을 활용하여 모형간 예측력을 비교하였다. 2009년 1월부터 2019년 1월까지 총 121개월의 월별자료를 활용하였으며 석탄 및 철광석 물동량에 영향을 주는 요인을 선정하여 공급관련요인과 시장·경제관련요인으로 분류하였다. 단계적 회귀분석 결과, 광양항 석탄 물동량 예측모형의 경우, 입항선박 톤수, 석탄가격 및 대미환율이 최종변수로 선정되었고 철광석 물동량 예측모형의 경우, 입항선박 톤수, 철광석가격이 최종변수로 선정되었다. 인공신경망모형의 경우, 모델 성능에 영향을 미치는 다양한 Hyper-parameters를 조정하며 최적 모델을 선정하는 시행착오법을 사용하였다. 분석결과 인공신경망모형이 단계적 회귀분석에 비해 우수한 예측성능을 나타내었으며 예측 모형별 예측값과 실측값을 그래프 상 비교 시에도 인공신경망모형이 단계적 회귀분석에 비해 고·저점을 유사하게 나타냈다.

기후변화로 인해 강수의 불확실성이 증가하는 현 시점에서 효율적인 물 관리를 위한 계절예측 및 기상 예보의 활용은 필수적이다. 본 연구에서는 기상청에서 2014년 6월부터 시행하고 있는 범주형 확률장기예보를 Hit Rate, Reliability Diagram, Relative Operating Curve (ROC)의 평가지 표를 활용하여 예측력을 검증하였고, 추가적으로 확률예보를 활용하여 정량적인 예측 강수량을 생산하는 기법을 제안하였다. 확률장기예보의 예 측력 검증결과 최대 48%의 예측력을 갖는 것을 확인할 수 있었다. 확률예보를 활용하여 예측 강수량을 추정한 결과, 정량적으로 관측 자료와 유사 하게 모의되는 것을 확인할 수 있었으며 예측 적합도 평가결과 100%의 정확도를 가진 예보의 경우 최대 0.98, 실제 예보의 경우 최대 0.71의 상 관계수를 보였다. 본 연구에서 제안하는 확률예보를 활용한 예측 강수량 추출기법은 강수의 불확실성을 고려한 물 관리를 가능하게 해줄 것으로 판 단되며 효율적인 수자원 장기 이수계획 및 저수지 운영의 의사결정지원 등에 활용 가능할 것으로 기대된다.

수문 시계열의 분석은 수문자료를 활용한 수자원의 효율적인 운영 및 관리에 필수적인 부분이며, 특히 장기적인 수문량 예측에 널리 활용되고 있다. 이러한 수문 시계열 분석은 전통적으로 하나의 자료계열을 하나의 요인으로 파악하여 자료를 분석하고 예측해왔지만 시계열 자료가 여러 가지 요인으로 혼합되 어 하나의 자료계열로 나타내질 수 있다는 가정 하에 각 요인들을 분해하여 분석하는 방법도 널리 연구되고 있다. 본 연구에서는 경험적 모드분해법을 이용하여 주어진 수문 시계열을 다중 성분으로 분해하고 분해된 각 요소를 시계열 모형으로 재구축한 후, 구축된 요소별 시계열 모형으로부터 예측된 값을 합하여 시계열을 예측하는 방법을 이용하였으며 이를 국내 댐 유입량에 적용한 후 그 결과를 나타내었다. 기존 시계열 모형과 경험적 모드분해법을 이용한 방법의 정확도를 비교한 결과, 기존의 시계열 모형을 이용하여 자료를 예측한 결과보다 경험적 모드분해법을 적용하여 자료를 분해한 후 시계열 자료를 예측한 결과가 주어진 시계열 자료를 더 잘 나타내는 것을 알 수 있었다.

예측의 정확성은 비용의 감소나 고객서비스의 제고를 위해 필수적으로 선행되어야 하기에 현재까지도 많은 연구자들에 의해 연구되고 있는 분야이다. 본 연구에서는 국내 항만의 컨테이너 물동량 예측에 있어 대표적인 비선형예측모형인 인공신경망모형과 ARIMA모형에 대한 비교연구를 수행하는데 목적을 두었고, 컨테이너 물동량 예측력 제고를 위해 ARIMA모형과 인공신경망(ANN)모형을 결합한 하이브리드모형을 사용해 다른 모형들과 예측성과를 비교하고자 한다. 특히 인공신경망모형의 네트워크 구조 설계에 부분에 있어 방대하며 복잡한 탐색공간에서도 전역해 찾기에 효과적인 기법으로 알려져 있는 유전알고리즘을 사용함과 동시에 인공신경망의 대표적인 모형으로 알려진 다층 퍼셉트론(MLP)뿐만 아니라 시간지연네트워크(TDNN)를 사용해 예측성과를 비교하였다. 그 결과 ANN모형과 하이브리드모형이 ARIMA모형보다 더 뛰어난 예측성과를 보이는 것으로 나왔다.

기분상태가 경기력과 관련이 있다는 선수와 지도자들의 경험은 스포츠심리학자들에게 이 두 가지변인들간의 관계를 연구하는 동기부여와 촉매제 역할을 하여왔다. 기분상태검사지(Profiles of Mood States: POMS)를 사용하여 기분상태와 경기력과의 관계를 연구한 그 동안의 선행연구 결과는 기분상태와 경기력과의 관계가 확정적이지 못함을 보여주고 있다. 특히 최근의 연구결과는 POMS의 경기력 예측력은 이 분야의 초기 연구결과가 보여주었던 것에 비하여 현저하게 떨어진다는 것을 밝혔다. 이 글에서는 POMS을 사용하여 그 효용성의 유무를 보고한 국내외 연구결과에 대한 고찰을 통하여 POMS와 경기력 예측력에 대한 내용, 그리고 POMS를 효과적으로 사용할 수 있는 방안에 대한 여러 가지 조건들을 살펴보았다.