대만은 글로벌 반도체 공급망에서 중요한 역할을 하고 있으며, 관련 제품 수출도 원활하고 경제 상황도 비교적 좋다. 그러나 이러한 경제적 이점을 대만의 청년들은 충분히 누리지 못하고 있으며, 우리나라 청년 들과 마찬가지로 일과 삶에서 여러 가지 어려움에 직면해 있다. 특히 기술 불일치로 인하여 취업에 있어 어려움을 겪는 경우가 많다. 본 연구는 이러한 상황을 반영하여 대만 청년층을 중심으로 임금 근로자들의 기술 불일치 영향 요인을 판별분석을 이용하여 분석하였다. 분석자료는 대만 중앙연구원(Academia Sinica)의 ‘Taiwan Social Change Survey’ 7차 자료의 ‘Work Orientation’ 2차 데이터셋을 이용하였다. 판별분석결과, 기술불일치에는 임금근로자로 일하는 대만 청년들의 교육불일치, 우울, 행복, 신기술 수용 성 및 임금과 학력이 유의미한 영향을 미치는 것으로 나타났으며 성별, 결혼여부, 학력, 노종조합 참여 여부는 통계적으로 유의한 효과를 보이는 것으로 나타나지 않았다. 변수의 판별에 미치는 효과의 크기는 교육불일치, 임금, 학력, 신기술 수용성의 순서로 상대적인 중요도를 나타났다. 또한, 기술일치집단의 72.3%, 기술불일치집단의 64.6%가 정확히 분류된 것으로 나타났으며, 판별적중률은 72.9%로 분석되었다. 이러한 연구 결과를 바탕으로 본 연구의 시사점 및 한계점, 그리고 향후 연구방향이 제시되었다.

본 연구는 환경 요인을 바탕으로 절화용 국화 생장 예측을 위한 최적의 모델을 개발하는 것을 목표로 하였다. 이를 위해 13개의 모델(Linear Regression, Lasso Regression, Ridge Regression, ElasticNet Regression, K-Nearest Neighbors (KNN), Support Vector Regression (SVR), Neural Network, Decision Tree, Random Forest, XGBoost, AdaBoost, CatBoost, Stacking)의 성능을 R2, MAE, RMSE를 평가 지표 로 비교하였다. 단일 모델 중에서는 Decision Tree가 가장 우수한 성능을 보였으며, R2값은 0.90에서 0.91 사이였다. 앙 상블 모델 중에서는 CatBoost가 가장 높은 성능을 보였으며 (R2=0.90~0.92) Random Forest와 XGBoost 또한 유사한 성 능을 보였다. 전체적으로 트리 기반 앙상블 모델이 국화 생장 예측에 적합한 모델로 나타났다.

Given the hazards posed by black ice, it is crucial to investigate the conditions that contribute to its formation. Two ensemble machinelearning algorithms, Random Forest (RF) and Extreme Gradient Boosting (XGBoost), were employed to forecast the occurrence of black ice using atmospheric data. Additionally, explainable artificial intelligence techniques, including Feature Importance (FI) and partial dependence Plot (PDP), were utilized to identify atmospheric conditions that significantly increase the likelihood of black ice formation. The machinelearning algorithms achieved a forecasting accuracy of 90%, demonstrating reliable performance. FI analysis revealed distinct key predictors between the algorithms: relative humidity was the most critical for RF, whereas wind speed was paramount for XGBoost. The PDP analysis identified the specific atmospheric conditions under which black ice was likely to form. This study provides detailed insights into the atmospheric precursors of frost/fog-induced black ice formation. These findings enable road managers to implement proactive winter road maintenance strategies, such as optimizing anti-icing patrol routes and displaying warnings on various message signs, thereby enhancing road safety.

구스 아스팔트(Guss Asphalt) 혼합물은 다짐 없이 시공이 가능한 포장재료로, 1970년대부터 강바닥판 교량에 활용되어 왔다. 본 연구 는 박스 구스 아스팔트 혼합물 공용수명 예측 및 생애주기 비용을 비교분석하기 위해 폴리머 개질 구스, TLA 및 SMA 세 가지 혼합 물의 반사균열 시험, 동탄성계수 시험 및 소성변형시험을 수행하였다. 또한, TxACOL 프로그램을 사용하여 공용수명을 예측하였으며, 예측 결과를 기반으로 각 포장의 생애주기 비용을 분석하였다. 본 연구의 목적은 혼합물의 성능평가를 통해 폴리머 개질 구스 아스팔 트 혼합물의 공용수명을 예측하고 생애주기 비용을 분석하는 것이다. 성능평가 시험결과 폴리머 개질 구스 아스팔트 혼합물이 TLA 구스, SMA 아스팔트 혼합물보다 반사균열, 피로균열 및 소성변형 저항성이 높은 것으로 나타났다. 포장설계 수명 예측 및 생애주기 비용분석결과 폴리머 개질 구스를 사용한 포장설계의 공용성이 가장 우수하며 가장 경제적인 것으로 나타났다.

Battery electrodes, essential for energy storage, possess pores that heavily influence their mechanical properties based on the level of porosity and the nature of the pores. The irregularities in pore shape, size, and distribution complicate the accurate determination of these properties. While stress-strain measurements can shed light on a material’s mechanical behavior and predict compression limits, the complex structure of the pores poses significant challenges for accurate measurements. In this research, we introduce a simulation-driven approach to derive stress-strain data that considers porosity. By calculating relative density and the rate of volume change under compression based on porosity, and applying pressure, we conducted a parametric study to identify the elastic modulus (E) in relation to the rate of volume change. This information was utilized within a material modeling equation, generating stress-strain (S-S) curves that were further analyzed to replicate the compression behavior of the electrode material. The outcomes of this study are expected to improve the prediction accuracy of mechanical properties for porous electrode materials, potentially enhancing battery performance and refining manufacturing processes.

본 연구는 자율주행상황에서 주관적인 운전 준비도를 객관적으로 측정할 수 있는 심리⋅생리적 지표를 확인하는 것을 목적으로 한다. 51명의 연구대상자가 참여하였고, 설문을 통해 운전 경험, 태도, 운전부하, 상황인식 등을 평가 하였다. 자율주행 중 차량 제어권을 인계받아야 하는 시나리오 동안 심전도를 측정하여 심박변이도 지표를 추출하였 고, 주행 종료 후 연구대상자는 자신의 상태를 평가하였다. 분석 결과, 운전 준비도는 정신적 부하와 부적 상관, 상황 인식과 상황 이해도와는 정적 상관을 보였다. 또한, 심박변이도 지표인 제곱 평균 근간 심박 간격 차이(Root Mean Square of Successive Differences, RMSSD)와 50ms 이상의 연속적인 RR 간격의 차이 비율(proportion derived NN50 by the total number of NN interval, pNN50)과의 유의한 정적 상관관계가 확인되었다. 운전 준비도 수준에 따라 상⋅중⋅하로 나누어 분석한 결과, 높은 운전 준비도 집단은 정신적 부하가 낮고 상황인식 및 상황에 대한 이해 도가 유의하게 높았으며, 자율주행 구간에서 pNN50이 높은 경향이 있었다. 마지막으로 상황인식과 RMSSD가 운전 준비도의 주요 예측 지표로 확인되었다. 이는 운전 준비도가 낮은 운전자는 자율신경 각성이 높고, 높은 운전자는 부교감신경계의 활성화로 인해 심리적, 생리적으로 안정된 상태임을 의미한다. 본 연구는 운전자의 주관적인 운전 준비도를 예측하기 위한 운전자의 심리 및 생리 지표를 확인하였고, 이는 운전자의 운전 준비 상태를 모니터링하는 기술에 적용되어 사고 예방에 기여할 수 있을 것이다.

본 연구는 MaxEnt(Maximum Entropy Moedl) 모형을 이용하여 서울 도심 지역에서 너구리(Nyctereutes procyonoides) 출현 지역을 예측하고, 너구리 출몰에 영향을 미치는 환경 요인을 분석하였다. 분석은 2018년부터 2022년까지 수집된 서울시 야생동물센터의 구조 기록을 사용하였다. 토지 피복, 도로 면적, 경사도, 먹이원까지의 거리, 인구 밀도, NDVI(Normalized Difference Vegetation Index), 수역까지의 거리, 초지 면적을 환경 변수로 채택하여 가장 예측력이 높은 모델을 도출하였다. 분석 결과, 너구리 출몰 가능성이 높은 지역은 초지와 나지였고, 도로 밀도가 낮은 지역(<20%)에서 출몰할 가능성이 더 높았다. 또한 너구리는 경사가 완만하고(1.7˚), 먹이원에 가까우며(26.78m), 인구 밀도가 낮은(21.70명 /ha) 지역에서 발생할 가능성이 더 높았다. 다른 요인으로는 낮은 식생 밀도(NDVI 0.17), 하천과의 근접성(32.26m), 넓은 초지 지역(31.14%)에서 너구리가 출몰할 가능성이 높은 것으로 예측되었다. 서울 전역 중 약 65.42㎢(10.96%)가 잠재적인 너구리 발생 지역으로 확인되었으며, 주요 지역은 하천 주변, 산림 경계부, 도시공원 및 인근 초지와 농경지 주변이었다. 이 중 28개 지역(송파구 6개, 강서구 5개, 강남구 4개, 강동구 3개, 서초구 3개, 광진구, 노원구, 동대문구, 동작구, 마포구, 은평구, 중랑구 각각 1개 지역)이 너구리 발생 확률이 가장 높은 곳으로 확인되었다. 본 연구의 결과는 시민과 너구리의 공존 방안을 마련하는 데 중요한 기초 자료를 제공하며, 이를 통한 도시생태 전략 수립의 근거로 활용할 수 있을 것이다.

This study aims to estimate the scope of damage impact with a real-life explosion case and a damage prediction program (ALOHA) and suggest measures to reduce risk by comparing and analyzing the results using a Probit model. After applying it to the ALOHA program, the toxicity, overpressure, and radiant heat damage of 5 tons of storage scopes between 66 to 413 meters, and the real-life case also demonstrated that most of the damage took place within 300 meters of the LPG gas station. In the Probit analysis, the damages due to radiant heat were estimated as first-degree burns (13-50%), while structural damage (0-75%) and glass window breakage (94-100%) were expected from overpressure, depending on the storage volume. After comparing the real-life case and the damage prediction program, this study concluded that the ALOHA program could be used as the scope of damage impacts is nearly the same as the actual case; it also concluded that the analysis using the Probit model could reduce risks by applying calculated results and predicting the probability of human casualties and structural damages.

아버지의 음주실태와 관련하여 문제음주군과 정상음주군을 조사하고, 로지스틱 회귀분석을 통해 문제음주를 유의미하게 예측할 수 있는 개인 적 특성, 가족관계 특성, 사회경제적 특성 요인을 분석하였다. 이를 위해 30-50대 아버지 149명을 대상으로 온라인 설문조사를 실행하였으며, 연 구의 목적과 활용방안 등에 대해 설명하고 연구에 대한 동의를 얻은 이 후 조사하였다. 아버지의 문제음주를 유의미하게 예측하는 개인적 특성 은 ‘자아존중감’이었고, 가족관계 특성은 ‘배우자의 정서적 지지와 도움’ 이었다. 아버지의 사회경제적 특성은 문제음주와 관련하여 유의미한 예 측변수가 아닌 것으로 나타났다. 연구 결과를 바탕으로 아버지 대상의 문제음주 개입상담 및 교육 프로그램 등에서 중점을 두어야 할 활동 내 용을 제안하였다.

최근 소셜미디어 이용이 심리적 웰빙에 미치는 영향이 부각되고 있으나 어떤 요소가 소셜미디어 상에서의 관계 의 질을 예측할 수 있는지에 대한 연구는 상대적으로 드물다. 본 연구는 머신러닝 기법을 이용하여 COVID-19로 인한 자가격리 동안 인스타그램 활동과 외로움, 우울 등의 심리 상태가 소셜미디어 상에서의 관계의 질을 예측할 수 있는지 알아보고자 하였다. 성인 95명을 대상으로 자가격리 중과 자가격리 해제 후 시점에서 외로움, 인스타그 램 활동, 소셜미디어 상에서의 관계, 우울 등에 대해 자기보고식 설문에 응답하도록 하였다. 그 후, 다차원 척도법과 표상유사성분석, 분류분석을 각 시점에 대해 수행하였다. 다차원척도법 결과, 1차원에서 인스타그램 이용 시간과 우울이 다른 변인들과 구별되었으며, 2차원에서 외로움과 수동적 이용이 다른 변인들과 구별되었다. 그 후 소셜미 디어 상에서의 관계의 질의 고,저 집단에 대해 표상유사성분석을 실시한 결과, 소셜미디어 상에서의 관계의 질이 높은 집단은 낮은 집단보다 자가격리의 영향을 더 많이 받는 것으로 나타났다. 분류분석 결과에서도 소셜미디어 상에서의 관계의 질 예측 변인이 사회적 고립의 여부에 따라 달라지는 것으로 나타났다. 따라서 본 연구의 결과는 사람들이 사회적 고립 상황에 있지 않을 때 인스타그램 이용 변인과 심리적 변인이 소셜미디어 상에서의 관계를 더 잘 예측할 수 있음을 시사한다.

이 연구는 1세대 스마트 온실의 재배환경 데이터와 장미 절 화의 품질 특성 데이터를 수집하고 그 요인들 간의 상관 관계 를 분석하여 절화수명 예측 및 최적 환경 조성의 기초 자료를 얻고자 수행되었다. 이를 위해, 토경재배(SC) 및 암면배지경 양액재배(RWH) 하우스 각 1개소를 선정하여 1년간 기온, 상 대습도(RH) 및 수증기압차(VPD), 일적산광량(DLI), 근권온도 등의 환경 데이터와 매월 말 수확된 장미 ‘Miss Holland’ 절 화의 품질 특성 데이터를 수집하였으며, 이 데이터와 절화수 명과의 상관관계를 분석하였다. 절화수명은 10월과 11월을 제외하고는 SC 하우스에서 RWH 하우스보다 더 길었다. 절 화수명과 환경 및 생육 특성 간의 상관관계 분석에서 SC 하우 스의 상관계수는 RWH 하우스보다 조금 더 높았으며, 절화수 명 예측을 위한 요소들도 두 하우스 간에 차이가 있었다. SC 하우스의 절화수명 Y=0.848X1+0.366X2-0.591X3+2.224X4- 0.171X5+0.47X6+0.321X7+9.836X8-110.219(X1-X8: 최고 RH, RH 일교차, DLI, pH, Hunter’s b value, EC, 절화 장, 잎 두께; R2=0.544)로 예측되었고, RWH 하우스의 절화수명 Y=-1.291X1+52.026X2-0.094X3+0.448X4-3.84X5+0.624X6 - 8.528X7+28.45(X1-X7: 경경, 야간 VPD, 최고 근권온도, 최 저 근권온도, 기온 일교차, RH 일교차, 최고 VPD; R2=0.5243) 로 예측되었다. 이 두 모델식으로부터 SC 하우스에서는 RH, EC 및 pH가, 그리고 RWH 하우스에서는 근권 온도가 절화수명에 더 큰 영향을 미친다는 것을 추론할 수 있다. 따라서 각 재배 방법에 따라 장미의 절화수명에 더 큰 영향을 미치는 환경적 요인을 효율적으로 관리할 필요가 있다.