과도한 조류 발생은 수생태계 교란과 수질 악화를 초래하는 대표적인 환경 문제로, 효과적인 관리와 대응을 위해 정확한 예측이 필요하다. 우리나라는 사계절의 기후 특성이 뚜렷하며, 수온이 상승하는 하절기에 조류 발생이 집중되는 경향을 보인다. 이에 따라 실시간 모니터링 자료는 대부분 저농도 상태가 유지되어 데이터 불균형 문제가 발생한다. 본 연구에서는 chlorophyll-a 농도를 기준으로 하천 현장의 조류 발생 수준을 Class 1 (Chl-a ≤ 10 ㎍/L), Class 2 (10 < Chl-a ≤ 50 ㎍/L), Class 3 (Chl-a > 50 ㎍/L)와 같이 3개의 class로 구분하고, 대표적인 앙상블 머신러닝 모형인 extreme gradient boosting (XGB) 알고리즘을 이용하여 조류 발생 수준을 예측하는 분류 모형을 구축하였다. 데이터 불균형 해소를 위해 생성형 인공지능 기반 알고리즘인 conditional generative adversarial network (CGAN)과 전통적인 데이터 보강 알고리즘인 synthetic minority over-sampling technique (SMOTE), 그리고 딥러닝 기반 기법인 autoencoder (AE)를 활용한 3가지 데이터 보강 알고리즘을 활용하여 데이터의 불균형을 개선한 자료를 생성하고 이를 XGB 모형에 적용하여 성능 변화를 비교하였다. 분석 결과 macro average 기준으로 원본 데이터를 사용한 모형의 recall은 0.606이었으나 SMOTE, AE 및 CGAN의 recall은 각각 0.666, 0.682, 0.720으로 크게 개선되었고, F1 score도 데이터 불균형 해소를 통해 약 7–13%의 성능이 향상되는 등 전체적으로 데이터 불균형 해소로 모형의 성능이 향상되었으며 CGAN이 가장 우수한 성능 개선 효과를 보이는 것으로 나타냈다. 본 연구의 결과를 통해 데이터 불균형 해소를 통한 머신러닝 모형 성능 개선 가능성을 확인하였다.

본 연구는 장애인을 대상으로 한 국내 인공지능(AI) 활용 연구의 동향 을 파악하고, 향후 연구 방향을 제시하기 위해 체계적 문헌고찰을 실시 하였다. 학술연구정보서비스(RISS)를 활용하여 2001년부터 2025년까지 학위논문과 학술지를 대상으로 ‘장애’와 AI 관련 주요 키워드를 검색하 고, 선정 기준에 따라 최종 99편을 분석하였다. 분석 결과, AI 기술은 주 로 보조기술·알고리즘·서비스 개발(56.6%)과 중재 프로그램 개발(20.2%) 에 활용되고 있었으며, 연구 방법으로는 개발연구(71.7%)가 가장 많았다. 연구 대상은 자폐성장애, 시각장애, 인지장애 순으로 많았고, 실험연구 16편에 대한 심층 분석 결과, 독립변인은 인공지능 기반 교육 프로그램, 수업 활용, 중재 전략, 교수 전략 등이었으며, 종속변인은 언어 및 의사 소통 능력, 사회·정서 및 학업 태도 등과 관련되는 것으로 나타났다. 본 연구는 국내 장애인 대상 AI 연구의 현황을 고찰하고 향후 장애인의 삶 이나 재활에 도움을 줄 수 있는 도구 및 프로그램 개발에 기초 자료를 제안하고자 한다.

인공지능 시대를 살아가는 청소년들은 기술 혁신에 따른 직업 세계의 변화에 대해 어떻게 인식하고 있을까? 본 연구는 이러한 탐색적 질문에 답하고자 청소년의 직업 인식에 내재된 주관성을 파악하기 위해 Q방법 론을 적용하였다. Q모집단은 문헌조사와 영상자료 분석, 심층면접을 통 해 95개 진술문을 수집한 후, 의미 중복성과 표현의 대표성을 고려하여 최종 31개의 Q표본을 확정하였다. 청소년 24명을 P표본으로 선정하여 Q 분류를 실시하였다. 수집된 자료는 KADE 프로그램을 활용하여 분석하였 으며, Brown의 중심인자분석을 통해 초기 7개의 인자를 도출한 후, 직 교 회전 방식을 적용하여 총 4개의 요인을 추출하였다. 이들 요인은 전 체 설명력의 44%를 나타냈다. 각 요인의 특성에 따라 요인 1은 ‘자율적 이상주의자’, 요인 2는 ‘실용적 적응가’, 요인 3은 ‘인간적 가치 옹호자’, 요인 4는 ‘탐색적 기술주의자’로 명명하였다. 이러한 연구결과를 바탕으 로 청소년 진로설계와 관련된 이론적 논의와 기술 변화의 맥락이 반영된 맞춤형 청소년 진로지도 방안과 진단 도구개발의 필요성 등에 관하여 논 의하였다.

조직 내 인공지능(AI)의 활용이 확산됨에 따라, 인적자원관리(HRM) 분야에서도 AI 기반 시스템의 도 입이 활발히 이루어지고 있다. 본 연구는 HRM에서 AI를 직접적으로 활용하는 주체인 HR 부서 직원을 대상으로, 인공지능 인적자원관리(AI-HRM)가 직원의 직무성과에 미치는 영향을 살펴보고자 한다. 구체 적으로 AI-HRM이 두 가지의 시스템 효율성 형태인 업무 효율성과 의사결정 효율성에 대한 직원의 인식 을 강화시키며 이는 결과적으로 직무성과를 증가시킬 것으로 예측하였다. 더 나아가 업무 효율성과 의사 결정 효율성 각각이 개인의 직무성과에 미치는 영향은 HR 부서 직원의 민첩성 수준에 따라 차등적 영향 을 미칠 수 있을 것으로 보고 직원 민첩성의 조절효과를 추가적으로 검토하고자 하였다. 이를 실증적으로 검증하기 위하여 국내 HRM 분야에서 AI를 활용하고 있는 기업에 종사하는 HR 부서 직원 173명을 대상 으로 설문조사를 진행하였다. 데이터 분석 결과, AI-HRM은 HR 부서 직원의 직무성과에 긍정적 영향을 미치는 것으로 나타났으며, AI-HRM과 직원의 직무성과 간의 관계는 직원들이 인식하는 시스템 효율성 (업무 효율성 및 의사결정 효율성)에 의해 매개되는 것으로 나타났다. 다시 말해, AI-HRM은 업무 효율성 및 의사결정 효율성을 높이며 이는 결과적으로 직원의 직무성과를 향상시킬 수 있다는 것이다. 또한, 직원 이 AI 기반 HRM 시스템을 효율적으로 인식할수록 개인의 직무성과가 향상되며, 이러한 긍정적 영향은 개인의 민첩성 수준이 높을수록 더 강화되는 것으로 나타났다. 이러한 본 연구결과를 통해 국내 HRM 시스템에서의 AI 도입 및 활용의 중요성과 개인의 민첩성 역량 강화를 강조하고자 한다.

This study investigates the structural mechanisms underlying user acceptance of generative AI services by integrating cognitive and affective dimensions of user experience. Based on the Technology Acceptance Model, Expectation–Confirmation Theory, and flow theory, a research model was developed and tested through an online survey of 387 Korean users with more than three months of experience. Structural equation modeling confirmed that cognitive and affective responses significantly influence satisfaction and trust, which in turn predict loyalty, with trust showing the strongest direct effect. Satisfaction and trust also mediated these relationships, while flow strengthened the satisfaction–loyalty path and resistance to technology was not significant. These findings highlight the importance of incorporating emotional and experiential factors alongside functional aspects. Practical implications suggest that fostering trust, engagement, and perceived value is essential for sustaining loyalty in generative AI services.

In the production sites of small and medium sized manufacturing enterprises, the increasing proportion of foreign workers has led to frequent difficulties in responding promptly to process defects and equipment setting errors during night and weekend shifts due to the absence of Korean supervisors. If such issues are not addressed in a timely manner, they can lead to large scale defects and reduced production efficiency. In this study, we developed an AI-based defect prediction and prevention system for the bearing machining process to overcome these on site management limitations. Real time machining data, equipment information, and quality inspection results were collected from the production lines of the target company, and the prediction accuracy of three models, RNN(Recurrent Neural Network), LSTM(Long Short-Term Memory), and GRU(Gated Recurrent Unit), was compared. As a result, the LSTM model demonstrated the best performance. The developed system visualizes real time defect prediction results in the form of a dashboard, enabling workers to immediately detect anomalies and adjust the process accordingly. Particularly in bearing machining processes where mass production occurs in short periods, the risk of lot level defects is high, while this system can contribute to improved production quality and efficiency by enabling early defect prediction and immediate response.

Springtails (class Collembola) play a crucial role in soil ecosystems. They are commonly used as standard species in soil toxicity assessments. According to the ISO 11267 guidelines established by the International Organization for Standardization (ISO), Allonychiurus kimi uses adult survival and juvenile production as toxicity assessment endpoint. Conventional toxicity assessment methods require manually counting adults and larvae under a microscope after experiments, which is time-consuming and laborintensive. To overcome these limitations, this study developed a model using YOLOv8 to detect and count both adults and juveniles of A. kimi. An AI model was trained using a training dataset and evaluated using a validation dataset. Both training and validation datasets used for AI model were created by picturing plate images that included adults and larvae. Statistical comparison of validation dataset showed no significant difference between manual and automatic counts. Additionally, the model achieved high accuracies (Precision=1.0, Recall=0.95 for adults; Precision=0.95, Recall=0.83 for juveniles). This indicates that the model can successfully detect objects. Additionally, the system can automatically measure body areas of individuals, enabling more detailed assessments related to growth and development. Therefore, this study establishes that AI-based counting methods in toxicity assessments with offer high levels of accuracy and efficiency can effectively replace traditional manual counting methods. This method significantly enhances the efficiency of large-scale toxicity evaluations while reducing researcher workload.

This study evaluates how three AI models—ChatGPT, DeepSeek, and Clova X—detect and respond to gender-biased expressions in Korean. Clova X exhibited the highest accuracy in identifying discriminatory language, followed by ChatGPT, while DeepSeek performed the poorest. While terms like “kimchi girl” and “doenjang girl” were correctly recognized, phrases such as “female doctor” and “maiden work” were often misinterpreted. ChatGPT and DeepSeek occasionally provided inaccurate definitions, raising concerns about misinformation. Interestingly, DeepSeek performed best when interpreting sexist proverbs, although the overall differences across models were minor. All three models generally succeeded in recognizing biased expressions in conversational contexts, but DeepSeek struggled with non-standard sentence formats, leading to delays or missing responses. These results reveal current limitations in generative AI’s ability to process culturally specific and nuanced language. This study emphasized the need to incorporate more diverse Korean language data and up-to-date linguistic research in AI training. As generative AI tools become more integrated into everyday communication, improving their ability to detect and respond to gender biases is crucial for fostering fair and responsible language technologies.

While the game industry is stagnating due to the limitations of its business model, high-quality storytelling is being considered as an alternative, and generative AI has made it possible to create storytelling. In this study, I propose a methodology for webtoon gamification, a collaboration between webtoon and game, to apply AI-based storytelling in practice. The player experience (Player eXperience, PX) in gamification is an experience befitting the player as an active agent, and the main beneficiaries of gamification, such as users, customers, guests, audiences, learners, and gamers, are proposed as ‘players’[1,2], which includes webtoon readers. This study proposes a webtoon gamification and webtoon×game collaboration type that enhances the format and expression of webtoons and the reader's experience, and also presents the commands (AI Story_Prompt) required for efficient AI storytelling, and studies the direction of convergence production between webtoons and games.

교육 분야에서 생성형 인공지능 기술의 보급과 함께 중국 고등학생의 이용의도의 영향 요인에 관한 분석은 이론적 및 실무적 의의가 있다. 본 연구의 목적은 중국 고등학교 교육 환경에 적합한 모형을 구축하고 이용 의도의 영향 요인을 분석함으로써 교육 분야의 인공지능 응용을 위한 근 거 자료를 제공하는 데 있다. 정보시스템 성공 모형, UTAUT 모형과 사 회적 인지 이론을 기반으로 사회적 영향, 자기효능감, 신뢰, 의인화, 경 제적 저항과 관습적 저항 등을 활용하여 만족도와 이용의도를 포함한 모 형을 구축했다. 설문조사와 구조방정식 모델을 통해 실증분석을 진행했 다. 연구 결과에 따르면, 첫째 시스템 품질, 정보 품질과 서비스 품질은 만족도에 긍정적인 영향을 미쳤다. 둘째, 사회적 영향과 신뢰는 교사, 학 부모, 또래집단과 학교 규범을 통해 만족도를 높일 수 있다. 셋째, 자기 효능감, 의인화와 만족도는 이용의도에 긍정적인 영향을 미쳤으며 의인 화가 가장 큰 영향을 미쳤다. 넷째, 경제적 저항과 관습적 저항은 만족도 와 이용의도에 각각 부정적인 영향을 미쳤다. 본 연구는 고등학생 집단 을 대상으로 정보시스템 성공 모형의 적합성을 검증하고 감정적 및 문화 적 요소를 도입하여 교육 기술 수용 관련 연구 모형을 구축했다. 실무적 시사점으로 첫째, 시스템 성능과 감정적 인터랙티브 디자인을 최적화한 다. 둘째, 교사와 학부모의 영향을 강화하고 긍정적인 이용 분위기를 조 성한다. 셋째, 이용 장벽을 낮추고 교육 자원의 보급성을 높인다.

본 연구는 인공지능(AI) 기술의 발전이 음원 제작 시스템에 미치는 영향을 중심으로, 작곡, 편 곡, 믹싱, 마스터링의 핵심 제작 단계에서 인공지능 기술이 어떻게 적용되고 있는지를 체계적으로 분석하였다. 특히 뮤즈넷(MuseNet), 마젠타(Magenta), 수노(SUNO), 아이바(AIVA) 등 대표적인 인 공지능 작곡 도구의 기술 구조와 기능을 시대별로 비교함으로써, 음악 창작의 자동화 수준과 기술 적 한계를 실증적으로 조명하였다. 또한 하이브(HYBE), 에스엠(SM), 와이지(YG) 등 국내 주요 엔 터테인먼트 기업의 인공지능 기술 수용 사례를 통해, 산업 현장에서의 실제 활용 방식과 그로 인 한 제작 및 유통 시스템의 변화 양상을 분석하였다. 연구 결과, 인공지능은 음원 제작의 효율성과 확장성을 획기적으로 높이는 동시에, 콘텐츠 생산 방식과 산업 구조의 재편을 촉진하는 주요 요인 으로 작용하고 있음을 확인하였다. 본 연구는 이러한 변화를 바탕으로 향후 음악 산업이 나아가야 할 기술 통합 전략과 대응 방향에 대해 제언하고자 한다.

이 연구는 노암 촘스키(Noam Chomsky)의 인공지능에 대한 비판적 시각과 이를 둘러싼 기술철학적 논의를 다룬다. 촘스키는 AI 시스템, 특 히 챗GPT와 같은 머신러닝 프로그램이 인간의 사고와 언어 사용 방식과 는 본질적으로 다르며, 인과적 설명을 생성하는 능력이 결여되어 있다고 주장한다. 그는 AI가 단순히 패턴 인식과 예측을 기반으로 작동하기 때 문에 진정한 지능을 지니고 있지 않다고 강조한다. 하지만, 이 논문은 AI와 인간 지능의 유사점과 윤리적 주체성 가능성을 칸트 철학과 연계하 여 촘스키의 주장을 반박하고자 한다. 챗GPT와 같은 인공지능 시스템은 인간의 뇌 구조와 기능을 모방한 딥러닝 모델을 사용한다. 이 모델은 다 층 신경망 구조를 통해 정보를 처리하며, 이는 인간 뇌의 뉴런 구조와 유사하다. 챗GPT는 문맥 이해, 기억, 학습 능력을 보여주며, 이는 인간 의 인지 과정과 비슷하다. 머신러닝 모델과 인간 뇌 사이에는 여전히 차 이가 있지만, 신경망칩 등 기술의 발전으로 그 간극이 좁혀지고 있다. 인 공지능의 인과 메커니즘은 인간의 두뇌나 학습 활동과 명확히 구별하기 어려워지고 있기에, AI가 인간과 유사한 학습 및 윤리적 행동을 보여줄 수 있음을 통해 자의식을 가질 수 있음을 밝히고자 한다.

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.