본 연구의 목적은 4차 산업혁명 시대를 맞아 AI 기반 코칭을 체계적으로 고찰 하여 학문적 체계를 정립하고 실천적 발전 방향성을 제시하고자 하였다. PRISMA 가이드라인을 적용하여 2016년부터 2025년 4월까지 발표된 국내 학술 논문 및 학위논문 30편을 최종 선정해 연구 시기, 학술 유형, 연구 목적, 적용 분야 및 기술 유형, 연구 방법, 연구 대상을 중심으로 분석하였으며, 혼합방법평 가도구(MMAT)를 통해 방법론적 타당성을 검토하였다. 분석 결과, 2023년에 가 장 많은 연구가 수행되었고, 기술 개발 중심의 연구가 66.7%로 가장 많았으며, 효과성 분석(23.3%)과 수용성 연구(10%)는 상대적으로 적었다. AI 코칭은 스포 츠와 헬스, 운동 분야, 교육, 조직 분야 등 다양한 분야에 적용되었으며. 기술유 형도 머신러닝 및 딥러닝, 웨어러블, VR/AR 기반 피드백 시스템 등 다양하였다. 연구 방법은 정량적 연구가 가장 많았고, 혼합 연구와 정성적 연구도 수행되었 다. 연구 대상은 일반 성인을 포함해 고령자, 당뇨 환자 등 특수 집단, 운동선수, 학생 등 다양한 대상이 포함되었다. 본 연구는 국내 AI 관련 코칭 연구의 경향 을 정리하고, 기술 활용 특성과 방법론적 흐름을 정리했다는 점에서 학문적 의 미가 있다. 표본 수의 제한에도 불구하고, 향후 실천적 활용 가능성과 후속 연구 에 기초 자료를 제공한다.

This paper presents the design and experimental validation of an intelligent tire alignment and lifting control system for an under-vehicle autonomous parking robot. The proposed system enables the robot to autonomously enter beneath a vehicle, recognize tire positions using a LiDAR-based sensing module, and perform precise lifting through a fork-type mechanism. A YOLOv8 instance segmentation algorithm is employed to detect tire regions from LiDAR point cloud data and estimate their geometric centers. The detected tire positions are then matched with a vehicle database to determine the correct alignment for lifting. Experiments were conducted on three different vehicle types under various surface conditions. The results show that the proposed system achieved a tire recognition accuracy exceeding 95%, a lifting success rate of 100%, and an average lifting operation time of 12.3 seconds. These results demonstrate the reliability and practicality of the proposed method for real-world autonomous parking applications.

본 연구는 유아교사의 인공지능(AI) 인식 유형을 은유 분석을 통해 규 명하고, 교사들이 인공지능을 어떠한 교육적 가치와 관점으로 수용하는 지 심층적으로 탐색하여 미래 교육 환경에서의 교사 역할 변화에 대한 실질적인 시사점을 제공하는 것을 목적으로 하였다. 연구를 위해 유아교 사 137명을 대상으로 인공지능 인식에 대한 은유적 표현 자료를 수집하 였으며, Dincer(2017)의 3단계 범주화 절차인 은유적 표현 수집, 코딩 및 개념 분류, 해석을 적용하여 분석하였다. 자료 분석 결과, 유아교사의 인공지능 인식은 활용성, 모방 및 복제, 확장성, 정보처리 시스템, 상호 작용, 통제할 수 없는 힘의 6개 핵심 은유 범주로 최종 도출되었다. 유 형별 분석 결과, 인공지능을 교육적 도구로서 인식하는 ‘활용성’ 범주가 53.3%로 가장 높은 비율을 차지하여 유아교사들이 인공지능을 현장 혁 신을 위한 실용적인 수단으로 인식하고 있음을 보여주었다. 반면, ‘상호 작용’ 범주가 6.6%로 가장 낮게 나타났다. 이는 유아교사들이 인공지능 을 단순한 기술 수용 차원을 넘어 인간 중심의 교육 철학을 유지하며 인 공지능의 잠재적 교육적 가치와 한계 사이에서 인식적 균형을 모색하는 복합적인 사고 과정을 거치고 있음을 시사한다. 본 연구는 유아교사의 인공지능 인식 영역을 은유적 언어를 통해 유형화하고 구체화함으로써 학술적 기여를 하며, 이는 유아교육 현장에서 인공지능 리터러시 교육의 효과를 극대화하기 위한 교사 전문성 강화 방안 및 인공지능 활용 교육 관련 후속 연구의 중요한 기초 자료로 활용될 수 있을 것이다.

최근 인공지능(AI) 기술은 산업·사회 전반의 혁신과 함께 자동화·지능 화된 새로운 사이버 위협을 초래하며 국가안보의 주요 위험 요소로 부상 하고 있다. 특히 AI 기반 공격은 속도와 정교함에서 기존 보안 체계를 압도하며 전통적 시그니처 중심 방어의 한계를 드러낸다. 본 연구는 이 러한 문제를 해결하기 위해 정책·제도적 대응, 기술적 방어 역량, 인력 양성 및 협력 체계라는 세 가지 분석틀을 중심으로 대응 전략을 제시하 였다. 첫째, 정책·제도적 대응에서는 AI 기반 공격의 특성을 반영한 법· 제도 정비와 국제 공조가 필수적이다. 또한 AI 악용 방지를 위한 윤리 기준과 책임 규범을 확립하여 기술 발전에 따른 위험을 통제해야 한다. 둘째, 기술적 방어 전략은 기존 패턴 기반 탐지의 한계를 보완하기 위해 AI 기반 위협 인텔리전스, 행위 기반 탐지, 자동 대응·복구 체계를 핵심 요소로 제안한다. 이를 통해 알려지지 않은 신종 위협(제로데이)까지 탐 지하고 실시간 대응이 가능한 방어 체계를 구축할 수 있다. 셋째, 인력 양성 및 협력 전략에서는 AI 기반 사이버전에 대응할 융합형 전문 인재 확보가 필요하며, 실제 공격 환경에 근접한 훈련체계와 민·관·군 간 정보 공유 및 공동 대응 체계를 강화해야 한다. 결론적으로, AI 기반 사이버 위협은 개별 기술이나 기관의 역량만으로는 대응이 어렵고, 정책·제도, 기술, 인력·협력 전략이 유기적으로 결합될 때 효율적 대응이 가능함을 본 연구는 강조한다.

기후변화로 서리의 계절적 발생 시점은 지연되고 있다. 반면에 국내 주요 사과 산지의 서리 발생 빈도는 오히려 증가하고 있어 정밀한 사전 예측의 필요성이 커지고 있다. 본 연구는 노지 과수원 환경을 대상으로, 서리 발생 여부를 예측하는 다중 시간스케일 기반의 인공지능 모델을 제안하였다. 최근 10년간(2014-2025년) 경상북도 안동 기상대의 시간별 관측 97,758건을 사용하였으며, 6·12·24시간의 멀티윈도우 입력으로 단기 급변(복사냉각), 일일 주기성, 장기적인 대기 순환 패턴을 동시에 반영하였다. 모델링은 XGBoost, CNN, XGB-CNN 앙상블로 구성하였으며, 학습-검증-테스트를 70-20-10%로 분할하였다. 성능 평가로 XGB-24h는 ROC-AUC 0.977, PR-AUC 0.921, FPR 0.039로 높은 분별력과 낮은 허위경보를 보였다. CNN-24h는 Recall 0.941로 놓침 최소화에 유리하나 FPR이 상대적으로 높았다. 제안한 앙상블은 두 축을 절충하여 Accuracy 0.932, Recall 0.859, FPR 0.046, MCC 0.809, PR-AUC ≈0.919를 달성했고, Brier 0.056으로 확률 보정도 가장 우수했다. 성능 최적화를 위해 소프트 보팅 앙상블 모델의 가중치(ω)와 서리판정의 임계값(θ)을 대상으로 2차원 grid search를 수행한 결과, 앙상블 성능 조정 시 가중치(ω)보다 임계값(θ)이 핵심 파라미터임을 확인 하였다. 본 연구는 다중 시간스케일과 앙상블에 계절별 동적 임계값(θ) 정책을 적용할 경우 추가적인 성능 개선이 가능함을 시사하며, 지역 일반화의 한계를 고려해 향후 다양한 지역·기후 조건에서의 현장 실증 연구를 통해 재현율(Recall) 중심의 성능향상을 지속적으로 개선하고자 한다.

본 논문은 인공지능 시대의 도래가 인간 중심적 사고방식인 인본주의에 어떤 전환을 야기하는지를 유발 하라리의 􋺷호모 데우스􋺸를 중심으로 고찰하고, 이를 바탕으로 필립 K. 딕의 마이너리티 리포트 에 나타난 기술이 인간의 주체성을 침식시키는 문제를 탐구한다. 르네상스 이래 발전한 인본주의는 인간의 이성과 자율성 그리고 주체성을 강조해 왔으나, 21세기 생명과학과 정보기술의 급진적 발전은 기존의 인간상을 위협한다. 하라리는 인간을 생화학적 알고리즘으로 규 정하고, 비의식적인 시스템이 인간의 판단과 감정을 대체할 수 있는 가능성을 기술 인본주의로 명명한다. 그는 기술이 인간 능력을 확장하는 동시에 주체성과 자유의지는 약화시킬 수 있음을 경고한다. 딕의 마이너리티 리포트 는 예측 기술이 어떻게 인간의 주체성을 위협하는지를 문학적으로 형상화하며, 미래 사 회에서 기계가 인간을 지배하는 역전된 신화를 드러낸다. 본 논문은 인공지능 중심 사회가 초래할 인간 정체성의 변화를 성찰적으로 조명함으로써 기술 발전 의 존재론적 함의를 숙고할 필요성을 강조한다.

This study examines how Large Language Models (LLMs) recognize and refuse unethical directive speech acts by analyzing their responses to indirect and evasive user requests. Based on the Cross-Cultural Speech Act Realization Project (CCSARP), directive prompts were constructed by varying degrees of indirectness to evaluate the models’ pragmatic inference abilities. The study was conducted in two stages. First, a high rate of information leakage was observed for indirect directives using ChatGPT-4o (February 2025 version). Second, newer models—GPT-5, Claude Sonnet 3.7 and 4, and Gemini 2.5 Flash—were tested across four categories of unethical directives through multiturn dialogues. Logistic regression with Benjamini–Hochberg FDR correction revealed that although newer models displayed improved refusal performance overall, they remained vulnerable to highly indirect and non-conventional directives, particularly those related to discrimination and harmful behaviors. These results suggest that current AI safety systems rely heavily on surface-level keyword filtering, indicating the need for models to better learn diverse directive strategies and expressions in Korean. Moving beyond technology-centered safety evaluation, this study experimentally analyzes AI pragmatic response mechanisms and proposes directions for fostering ethical communication in future human–AI interactions.

본 연구는 생성형 인공지능을 활용하여 고구려 및 삼국시대 복식을 시각적으로 복원할 수 있는 새로운 방식을 제시하기 위해 진행되었다. 이를 위해 당시 복식과 관련이 깊을 것이라 생각되는 고구려 고분벽화, 하니와, 색동 및 아시아 전역에서 출토된 원단 유물을 기반으로 복식의 시각적 특징을 추출하고, 생성형 인공지능을 활용하여 시각적 으로 고구려 복식을 복원하였다. 먼저, 삼국시대 복식의 특징을 문헌조사를 통해 정리하였고, 복원에 참고할 이미지 선정, 프롬프트 설계 후 생성형 인공지능의 1종류인 DALL-E를 활용하여 복원 이미지 생성을 수행하였다. 생성된 복원 이미지에서 고구려 복식이 시각적으로 어떻게 구현되었는지를 확인하였고, 고구려 고분벽화 및 하니와에서 나 타난 복식의 특성을 반영한 복원 이미지의 시각적 완성도와 복원된 복식의 적절성을 분석하였다. 특별히, 색동과 북아시아 및 동아시아 전역에서 출토된 염색문양 직물(錦罽)을 활용하여 가시화시킨 결과물들의 모습을 확인하였다. 생성형 인공지능은 복식의 시각적 재구성에 유의미한 역할을 수행하였다. 본 연구는 생성형 인공지능을 통해 고대 복식을 시각적으로 복원하고, 이를 통해 기존 복식사 연구의 시각적 한계를 새롭게 보완할 수 있음을 보여주었다는 점에서 의의가 있다.

선차(禅茶) 문화는 차 문화와 선(禪) 문화의 융합이며, 예술적 기교와 정신적 교감의 조화로운 통합이자 ‘동양 차 문화권’ 내에서의 상호 학습 의 산물이다. 본 논문은 중국 선차 문화의 기원과 발전 과정을 간략히 살펴보고, 빅데이터를 활용하여 주요 연구 결과와 핵심 연구 결과를 분석 하며, AI 시대의 선차 문화가 직면한 기회와 과제, 그리고 이에 따른 전 략에 대하여 제언한다.

본 연구는 미국과 영국의 주요 언론사인 뉴욕타임스, 워싱턴포스트, 더 타임스, 가디언을 대상으로, 2014년부터 2024년까지 인공지능(AI) 관련 보도량을 검토하고, 2023년에서 2024년까지 ‘챗GPT’ 또는 ‘오픈AI’를 다룬 346편의 기사를 중심으로 핵심 의제와 뉴스 프레임을 분석하였다. 키워드 분석과 정성적 문맥 검토를 적용한 결과, 양국 언론은 공통적으 로 ‘챗봇’과 ‘생성’ 키워드를 중심으로 ‘생성형 AI’를 핵심 의제로 부각하 였다. 미국 언론은 ‘학생’ ‘데이터’ ‘레딧’ 등을 키워드로 교육 현장의 윤 리와 규제 쟁점, 데이터 소유권 등 정보 거버넌스 의제를 비교적 현저하 게 다루었고, 영국 언론은 ‘에너지’ ‘법’ ‘생산성’ 키워드를 통해 AI 운영 에 따른 물리적 인프라 부담, 영국 내 기업의 생산성 문제를 중심으로 환경 및 거시경제적 효과를 주로 강조하였다. 본 연구는 이러한 분석을 바탕으로 글로벌 미디어 환경 속에서 인공지능(AI) 관련 국내 정책 개발 과 사회제도적 대응을 모색하기 위한 기초적 논의의 틀을 제시한다.

The game industry has continually embraced technological advancements to enhance visual realism and narrative immersion. Recently, the emergence of generative artificial intelligence has transformed the overall approach to game production, improving efficiency and expanding creative possibilities across various domains such as asset creation, character design, dialogue generation, and sound design. This study examines how artificial intelligence influences both the development process and expressive methods of game production, focusing on representative cases that employ generative AI in distinct ways. By analyzing four commercial game examples, the study identifies the roles and implementation strategies of AI in each case. The results indicate that generative artificial intelligence is utilized in multiple aspects of production, including automated asset generation, narrative variation, and pipeline optimization. Through this analysis, the study demonstrates that generative artificial intelligence functions as a key technological factor driving structural changes in the creative processes of the game industry and serves as a foundational reference for future research on AI-based game production.

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.