본 연구는 2022 개정 과학과 교육과정에 기반하여 과학학습 종합역량의 개념과 구조를 정립하고, 초·중·고등학 생의 인지적·정의적 역량을 통합적으로 진단할 수 있는 과학학습 종합역량 진단 도구를 개발하는 것을 목적으로 한다. 이를 위해 2022 개정 과학과 교육과정, PISA 과학 평가틀, NGSS, EU 핵심역량 프레임워크, CASEL 사회정서역량 모델 등 국내외 교육과정 및 선행연구를 분석하였다. 또한 현직 과학 교사 15명을 대상으로 초점집단 심층면담(FGI)을 실시하고, 과학교육 및 교육과정·평가 전문가 12명을 대상으로 델파이 조사를 수행하여 현장 요구와 전문가 의견을 수 렴하였다. 분석 결과 과학학습 종합역량을 통합성, 맥락성, 실천성, 발달성의 원리에 기반하여 “학생이 과학적 지식과 개념을 이해하고 탐구적 사고와 문제 해결을 수행하며 사회적·윤리적 맥락에서 책임 있는 판단과 행동을 실천할 수 있 는 총체적 능력”으로 정의하고, 지식·이해, 과정·기능, 가치·태도의 세 영역과 총 16개 하위요인 체계로 구조화하였다. 진단 도구는 초등학교 6학년, 중학교 3학년, 고등학교 1학년을 대상으로 총 92문항(지식·이해 27문항, 과정·기능 35문 항, 가치·태도 30문항)으로 구성하였다. 지식·이해 영역은 Bloom의 인지적 위계를 반영한 Level 기반 구조로 설계하였 으며, 과정·기능 및 가치·태도 영역은 공통 Anchor 문항과 학교급별 차별화 문항을 병행 설계하여 발달 연속척도 (vertical scaling) 구축이 가능하도록 하였다. 전문가 타당도 검증 결과 모든 문항에서 높은 타당도가 확인되었으며, 334 명을 대상으로 한 예비조사에서 지식·이해 영역의 문항-전체 상관(corrected item-total correlation)은 모든 문항에서 0.30 이상으로 나타났다. 또한 Cronbach’s α 계수는 과정·기능 영역에서 0 .87- 0.91, 가치·태도 영역에서 0.85-0.90으로 나타나 진단 도구의 신뢰도가 확보되었다. 본 연구는 2022 개정 과학과 교육과정의 역량 범주를 국제적 역량 프레임워 크와 정렬하여 지식·이해, 탐구 과정, 가치·태도를 통합적으로 진단할 수 있는 발달 연속형 과학학습 역량 평가 틀을 제시하였다는 점에서 학문적·실천적 의의를 지닌다. 향후 전국 단위 대규모 조사를 통한 구성 타당도 검증과 문항반응 이론(IRT) 기반 도구 정교화, 그리고 플랫폼 연계를 통한 컴퓨터 기반 평가(CBT) 체제 구축이 요구된다.

This study proposes a deep learning–based predictive maintenance model for condition monitoring and remaining useful life (RUL) estimation of a 1 kW brushless DC (BLDC) motor. Multi-sensor signals, including vibration (10 kHz), current (20 kHz), and surface temperature (10 Hz), were acquired under six health conditions: normal, bearing outer race fault (BPFO), bearing inner race fault (BPFI), unbalance, misalignment, and stator insulation degradation. To jointly exploit spatial patterns and temporal degradation behaviors, a hybrid CNN–LSTM model with a multi-task learning framework was developed to perform 6-class fault classification and RUL regression simultaneously. Experimental results on the constructed BLDC motor dataset show that the proposed model achieves a classification accuracy of 95.8%, outperforming conventional SVM and 1D-CNN baselines (85.2% and 90.7%, respectively). In addition, the proposed method significantly reduces RUL prediction error, yielding an RMSE of 9.6 and an MAE of 6.8, which corresponds to approximately 39% improvement over a single LSTM-based regression model. These results demonstrate that the proposed CNN– LSTM multi-sensor fusion framework is effective for intelligent condition monitoring and predictive maintenance of BLDC motor systems, and it can be extended to a wide range of rotating machinery applications.

This study proposes a dynamic evaluation framework for diagnosing signal control adequacy using high-resolution Automated Traffic Signal Performance Measures (ATSPM) data. Traditional signal performance assessments have primarily relied on aggregated metrics, such as average delay and volume-to-capacity ratio, which are effective for evaluating overall operational efficiency but insufficient for capturing cycle-level control limitations and temporal variability. Although split failure-based measures, including the Split Failure Ratio (SFR), provide more direct insights into green time adequacy, most existing applications focus on the failure frequency within a fixed analysis period. To address this limitation, this study introduces a Dynamic Operational Strain (DOS) index that extends the split failure into a time-evolving state variable incorporating accumulation and recovery mechanisms. By modeling the recursive evolution of the operational strain, the proposed framework captures how often failures occur and how they persist or dissipate over time. Phase-level DOS measures are subsequently aggregated at the intersection level to derive a priority score reflecting structural control inadequacy. The framework is further applied to classify intersections using DOS–SFR quadrant analysis, enabling the identification of distinct operational patterns, such as persistent oversaturation, localized phase imbalance, intermittent strain accumulation, and stable control conditions. The results demonstrate that intersections with similar SFR values may exhibit substantially different temporal strain structures, highlighting the importance of a dynamic state-based evaluation. The proposed approach provides a diagnostic foundation for data-driven signal re-timing and future adaptive control strategies by shifting the signal performance assessment from static frequency-based measures to dynamic structural adequacy analysis.

Recently, changes in the electric vehicle transition policy have necessitated improved user acceptance by securing the competitiveness of electric vehicles over internal combustion engine vehicles. In particular, the importance of reliable condition diagnosis technology to prevent safety accidents such as battery pack fires has been receiving significant attention. However, lithium-ion battery packs, primarily used in domestic electric vehicles, require the development of battery pack health diagnosis technology that considers real-world driving characteristics, such as high energy density and irregular and incomplete charge/discharge patterns. This study utilized OBD-II data from 100 real-world electric vehicles to extract health indicators for assessing battery pack aging over time using IC curves. Using IC curves during charging, the most stable environment during real-world driving, key factors associated with battery pack aging were identified. The IC curves confirmed that aging increased with mileage from 30,000 km to 260,000 km, demonstrating the potential for developing integrated aging maps for the same vehicle model. Furthermore, this study is considered a practical tool for immediate condition assessment of electric vehicles without the need for additional equipment.

자율운항선박은 인적 개입 없이 운항되는 특성상, 추진력 전달계통과 같은 핵심 기계장치의 상태를 실시간으로 감시하고 이상 징후를 조기에 식별할 수 있는 고장진단 및 예지 기술이 필수적이다. 특히 추진축계는 주기관과 프로펠러를 연결하는 구조로서 자율운항 성능과 안전성에 직접적인 영향을 미치는 핵심 계통이므로, 고장의 전개 경로와 주요 취약 지점을 체계적으로 규명하는 구조 기반 위험 성 평가가 요구된다. 본 연구에서는 선행연구를 통해 수행된 추진축계에 대한 FMEA(failure modes and effects analysis) 결과를 기반으로, 정 상 사상(top event)으로 ‘프로펠러 파손’과 ‘추진력 상실’을 정의하고, 이를 중심으로 FTA(fault tree analysis)를 구성하였다. 각 고장 경로는 베어링 열화, 윤활 상태 저하, 체결력 약화, 반복 및 충격 하중과 같은 주요 인자를 중심으로 계층적으로 구조화되었으며, 복합적인 기계· 환경적 요인의 상호작용에 의해 고장이 전개됨을 구조적으로 확인하였다. 또한 FTA 분석 결과를 바탕으로 실제 자율운항 환경에 적용 가 능한 네 가지 고장진단 실험 시나리오(베어링 마모, 윤활유 부족, 반복 충격, 체결 불량)를 도출하였다. 각 시나리오는 무선 축계시스템의 센서 데이터를 활용하여 동역학적 징후를 실험적으로 관찰할 수 있도록 설계되었다. 본 연구는 FMEA–FTA 연계 분석을 기반으로 고장 구조 해석과 진단 시나리오 설계 간의 연계성을 제시한 것으로, 자율운항 추진계의 상태 기반 유지보수 및 예지정비 기술 개발에 실질적 인 기초자료로 활용될 수 있다.

경상남도농업기술원(GARES)은 경상남도에서 재배되는 상업용 농작물의 균류, 세균, 바이러스 및 선충으로 인한 작물 병과 장애에 대한 진단을 제공하고 있다. 2020년과 2024년 사이에 GARES는 화훼 작물, 곡물 작물, 감자, 과일, 베리, 포도, 노지 및 온실 채소 작물, 견과류를 포함한 3,227개 병든 검체에 대한 진단을 의뢰받았다. 채소류 진단 의뢰는 모든 진단의 68%를 차지했으며, 대부분의 진단 의뢰는 고추, 딸기, 토마토, 파프리카와 같은 시설 채소류였다. 병원체별로는 대부분 진단 의뢰가 곰팡이와 난균류병(46%)이었고, 그다음으로 바이러스병(25%), 세균병(18%), 선충병(11%)이 그 뒤를 따랐다. 곰팡이와 난균류병 중에서는 Fusarium wilt가 가장 흔했으며, 곰팡이 및 난균류병의 35%를 차지했다. 진단 의뢰된 바이러스병은 주로 TSWV(142건), PepMoV(123건), ToCV(100건) 및 TYLCV(79건)였다. 세균병 중 세균시들음병이 전체의 절반 이상을 차지했 으며, 특히 고추, 가지, 토마토 등 가지과 채소에서 진단 의뢰 건수가 높았다. 뿌리혹선충은 전체 선충 진단 건수의 87% 이상을 차지했다. 의뢰 기간 과수화상병은 진단 의뢰되지 않았다. 파프리카에서 토마토퇴록바이러스(ToCV)가 검출되었고, 시설 토마토에서 Rhizobium rhizogenes에 의한 털뿌리병이 GARES에서 처음으로 검출되었으며, 국내 최초 보고로 이어졌다. 본 연구는 경남지역의 병해 진단 자료를 체계적으로 분석했으며, 향후 병해충 예측, 종합적 병해충 관리 및 방제 정책 수립에 귀중한 기초 자료로 활용될 것으로 기대된다.

기후변화는 저온, 강풍, 자외선 등 극한 환경에 적응해 온 고산식물의 생존을 위협하고 있다. 이 연구는 한라산 정상부에 고립 분포하는 방석식물 암매와 한국 특산식물인 한라솜다리를 대상으로 1) 개체군 분포와 서식지 현황, 2) 암매의 피복 면적-동시출현종 수의 관계, 3) 한라솜다리 서식지의 지형 변화, 4) 두 종의 꽃생물학적 특성을 3년간 조사하여 보전현황을 진단하고 관련 계획 수립을 위한 시사점을 제공하고자 수행되었다. 현장조사 및 무인항공시스템 (sUAS)을 이용하여 암매의 분포를 조사한 결과, 해발고도 1,778-1,927 m 범위의 총 504개 지점의 북사면 및 북서사면 에서 집중적으로 분포하였고, 한라솜다리는 해발 1,903 m 남벽의 3개 지점에서 7개체가 확인되었다. 음이항 일반화선 형모형 분석 결과, 방형구 내 암매의 피복 면적과 동시출현종 수는 유의한 양의 관계를 보였다(p < 0.001). 2017~2022년 항공 라이다를 통한 수치표고모델(DEM) 비교로 한라솜다리 서식지 주변 약 100 ㎡에 걸쳐 최대 1.5 m 이상의 고도 변화가 확인되었으며, 현장에서는 암석, 토양뿐만 아니라 식생의 유실도 관찰되었다. 암매의 꽃은 자예선숙성이며, 딱정벌레류, 벌류, 파리류 등 4종이 잠재적 수분매개자로 확인되었다. 한라솜다리는 두상화 주변부의 암꽃 통상화가 먼저 개화하고 이차화분방출의 특징을 지닌 양성화가 잇따라 중앙부에서 개화하였으며, 개체수가 극도로 적음에도 불구하고 벌류, 나비류, 파리류 등 5종이 1시간 동안 20회에 걸쳐 방문하였다. 이번 연구를 통해 암매에서 방석식물로서 주변 식물 종 풍부도를 높이는 생태적 촉진자 가능성을 확인했으며, 한라솜다리는 극히 작은 개체군, 경쟁 식생의 위협, 급격한 지형 변화로 인해 적극적 보전 조치가 요구되는 종으로 판단되었다. 이번 연구는 극도로 분포 범위가 좁은 기후변화 취약 식물종에 대한 현황 진단과 기초정보 수집의 중요성을 강조한다.

The purpose of this study is to develop and implement a customized AI-based speaking diagnosis, learning, and assessment system, SpeakMaster, in order to overcome the lack of systematic evaluation and practice opportunities in school English speaking class. This system integrates automated speaking scoring to provide students with feedback on their speaking abilities across pronunciation, conversation, and presentation. This study adopts a design-based research methodology, demonstrating the development and implementation process. 1,451 students and eight teachers in elementary, middle, and high schools participated in the experiment. Data were collected through learning logs, teacher journals, interviews, and post-surveys. The findings indicate that the system design is appropriate for English class, promoting students’ flow in engaging speaking practice. Students showed motivation and satisfaction while teachers found the system valuable for monitoring student progress and facilitating speaking assessments. Despite the challenges of improving chatbot performance and enhancing scoring reliability, the results suggest that SpeakMaster shows potential to enhance English speaking education.

Proton Exchange Membrane Fuel Cells (PEMFCs) are emerging as reliable energy conversion devices for stationary power generation due to their high efficiency and environmental benefits. However, achieving long-term durability remains a critical challenge for commercialization. This study investigates the performance and degradation behavior of a PEMFC stack under 360 hours of constant current operation at approximately 0.22-0.23 A/cm², delivering a stack output of 1.5 kW. Electrochemical Impedance Spectroscopy (EIS) was employed to diagnose cell degradation, revealing increases in ohmic and charge transfer resistances over time. The results highlight the importance of uniform cell performance within the stack to prevent output limitations. Furthermore, we propose a framework for Remaining Useful Life (RUL) prediction to enhance system reliability. Future work will focus on applying these diagnostic techniques under varied operating conditions and integrating machine learning for advanced predictive models, aiming to support the development of stable, long-life PEMFC systems for stationary energy applications.

The 5-enolpyruvylshikimate-3-phosphate synthase (EPSPS) gene derived from Agrobacterium sp. strain CP4 is known to confer herbicide resistance. It has been extensively utilized in the development of living modified organism (LMO) over the past 25 years. With increasing importation of LMO agricultural products, there is a growing need for rapid and reliable detection methods for detecting the CP4 EPSPS protein. In this study, a rapid immunoassay kit based on the lateral flow assay (LFA) principle was developed to detect herbicide-resistant crops. Using recombinant CP4 EPSPS protein developed by the National Institute of Ecology, two in-house antibodies were produced and evaluated alongside two commercially available antibodies. The optimized antibody combination demonstrated a detection limit of 1%, exhibiting superior sensitivity and accuracy to an existing commercial rapid kit. Furthermore, the developed kit showed shorter analysis time and higher cost efficiency, significantly improving its applicability in field settings. These advancements highlight the potential of this rapid immunoassay kit not only for domestic and international market penetration, but also as a critical tool for advancing GMO detection technologies.

Stroke is one of the major causes of death worldwide, and in Korea, it has the second highest mortality rate after cancer. Stroke patients require continuous observation and rehabilitation treatment after onset, and in particular, paralysis symptoms are likely to worsen during rehabilitation, emphasizing the need for a real-time monitoring system. Meanwhile, the importance of medical data quality control (QC) algorithms is increasing. In this study, various causes such as failure of sensors such as voltage, current, and temperature of the patient's imaging device diagnostic device, or power loss, may cause malfunctions and transmit inaccurate data. Therefore, in order to secure the reliability of the patient's imaging device diagnostic device data, we plan to design data analysis and algorithms based on QC data of the imaging device diagnostic device. In order to design data analysis and algorithms based on QC data, a system capable of measuring and analyzing sensor data of imaging device diagnostic equipment was built. The reference values of the algorithms to be developed, such as physical limit tests, continuity tests, step tests, median filter tests, and frequency distribution tests, were derived. Voltage, current, and temperature sensor data were statistically analyzed, and in the case of analysis that changes in real time, algorithm S/W was inserted to calculate in real time. It is judged that by monitoring in real time, efficient management and maintenance of the device, and rapid response to device failures will be possible. In the case of device failure, various accidents and high costs can occur. Therefore, if real-time failures are confirmed and rapid maintenance is possible, maintenance costs can be reduced and reliability can be improved, so it is judged that efficient management of the device will be possible.