본 연구목적은 청소년의 사회적 지지(부모자녀관계, 교사관계, 친구관 계)는 자기주도학습에 영향을 미치는지에 대한 확인과 자아존중감의 매개 효과를 규명하는 것이다. 경상북도교육청연구원에서 추진한 「경북교육종 단연구」의 2023년 12월 예비조사에서의 중·고등학생 청소년 360명을 연 구대상자로 선정하였으며, SPSS 26.0, Stata 16.0 및 Smart-PLS 3.0을 활용하여, 빈도분석, 기술통계, 상관관계분석 및 구조방정식모델 분석을 수행하였다. 첫째, 청소년의 부모자녀관계는 자아존중감 및 자기주도학습 에 유의한 정적 영향을 미쳤다. 둘째, 교사관계는 자기주도학습에 정적인 영향을 주었고, 친구관계는 자아존중감에 정적 영향을 나타내었다. 셋째, 자아존중감은 청소년의 자기주도학습에 정적 영향을 주는 것으로 드러났 다. 넷째, 부모자녀관계는 자아존중감을 부분매개로 자기주도학습에 정적 영향을 주었고, 친구관계는 자아존중감을 완전매개로 자기주도학습에 정 적 영향을 미쳤다. 본 연구결과는 청소년의 자기주도학습 수준을 높이기 위한 사회적 지지 개선방안 모색, 교육정책 및 프로그램 수립의 근거 연 구로 활용될 수 있다.

본 연구는 진로전담교사의 평생학습 촉진역량을 구체적으로 규명하고 평 생학습 촉진역량을 진단할 수 있는 측정 도구를 개발하여 개발된 척도의 신 뢰도와 타당도를 검증하는 것을 목적으로 한다. 연구 대상은 진로전담교사 290명을 대상으로 진행하였다. 연구도구는 개발된 평생학습 촉진역량 척도, 학습동기, 긍정심리자본 척도를 사용하였다. 주요한 연구 결과를 제시하면 첫째, 델파이 조사와 탐색적 요인분석을 통해 생애설계역량, 디지털조절역 량, 디지털활용역량, 기업가정신역량, 자기계발역량의 5개 요인 22개 문항이 도출되었다. 둘째, 개발된 척도의 신뢰도가 높음을 확인하였다. 셋째, 공인타 당도 검증을 위해 개발된 척도와 학습동기, 긍정심리자본 간에 상관을 살펴 본 결과 유의미하게 나타나 개발된 척도의 타당도를 확인하였다. 이 연구는 학교 현장의 진로전담교사를 대상으로 평생학습 촉진역량의 구성요인을 탐 색하고 이를 측정할 수 있는 척도를 개발하였다는데 의의가 있다. 본 연구에 서 개발된 평생학습 촉진역량 척도는 평생학습 촉진역량 강화를 위한 유용 한 기초자료로 활용할 수 있을 것이다. 또한 학교 현장에서 평생학습 참여에 관심과 변화를 일으키고, 평생학습 촉진역량을 강화하고 계발하기 위한 교육 프로그램 개발을 통한 평생학습 촉진역량의 발달에 기여할 수 있을 것이다.

이 연구는 학습자 중심 수업을 대상으로 강의계획 적절성과 학습역량 간의 관계에서 학습자 맞춤형 교육의 매개효과를 분석하는 데 목적이 있 다. 이를 위해 A대학 2022학년도 1학기 강의평가 결과를 활용하여 인과 관계와 매개효과를 분석하였다. 본 연구에서 학습자 중심 수업은 문제해 결학습, 플립드러닝, 팀기반학습, 토의토론학습, 블랜디드러닝으로 정의 하였으며, 학생수준 고려, 학습흥미 유발, 학생인격 존중을 학습자 맞춤 형 교육으로 정의하였다. 연구결과는 다음과 같다. 첫째, 강의계획 적절 성, 학습자 맞춤형 교육, 학습역량 간에는 통계적으로 유의미한 인과관계 가 분석되었다. 둘째, 강의계획 적절성과 학습역량 관계에서 학습자 맞춤 형 교육의 매개효과를 확인한 결과 완전매개효과를 지니는 것으로 분석 되었다. 즉, 학습자 중심 수업 실시만으로는 학습역량이 증진되는 것은 아니며, 학습자 맞춤형 교육을 고려한 매개를 통해서 학습역량이 증진될 수 있다는 점을 확인하였다. 이를 바탕으로 본 연구에서는 강의계획서 적절성과 학습역량 간의 관계에서 학습자 흥미와 수준 차이, 인격을 고 려한 학습자 맞춤형 교육의 매개효과의 시사점을 제시하였다.

이 연구는 미얀마인 한국어 학습자의 한국어 사용 오류 양상을 살펴서 미얀마인 한국어 학습자들에게 좀 더 효율적으로 한국어교육을 할 수 있 는 방안에 대해 제언하는 것을 논의의 목적으로 하였다. 이 연구의 목적 을 달성하기 위해 미얀마인 외국인 유학생들 63명의 작문 과제를 음소, 문법, 어휘 등의 측면에서 분석하였다. 그 결과 음소 관련 오류에서는 파 찰음, 평음과 경음의 대치 오류가 많았으며, 'ㅓ'와 'ㅏ', 'ㅐ'와 'ㅏ', 'ㅐ' 와 'ㅔ'의 대치 오류도 많이 나타났다. 문법 관련 오류에서는 연결어미 ‘-고’와 ‘-아서/어서’의 대치 오류가 가장 많았으며, 어휘 관련 오류에서 는 어휘 의미 혼동, 미얀마어의 영향에 따른 의미 과잉 적용 등의 오류 가 많이 나타났다. 이 연구과 같은 한국어와 미얀마어의 대조 분석 관점 에서의 오류 연구가 계속 된다면 미얀마 한국어 학습자의 한국어교육에 유의미한 기여를 할 수 있을 것이다.

본 연구에서는 대학 교수학습센터에서 제공하는 학습지원 프로그램의 성과를 종합적으로 평가하기 위한 BSC(Balanced Score Card) 기반의 성과평가 모형을 개발하고 적용하는 데 있다. 문헌 연구를 통해 성과평 가의 이론적 배경을 조사하고, BSC 모형을 교육 분야에 맞게 수정하여 학습지원 프로그램에 적용 가능한 평가 체계를 설계하였다. 재무, 수요 자, 운영, 프로그램의 네 가지 관점에서 성과평가 지표를 설정하고, 이를 기반으로 대학의 다양한 학습지원 프로그램의 성과를 분석하였다. 분석 결과, 특정 프로그램들이 높은 성과를 보임을 확인하였으며, 동시에 개선 이 필요한 영역을 확인하였다. 개발된 BSC 기반 성과평가 모형은 대학 학습지원 프로그램의 다각도에서의 성과를 평가하는 데 유용하였으며, 프로그램의 강점과 개선점을 명확하게 확인할 수 있었다. 이 연구를 통 하여 대학 교수학습센터가 학습지원 프로그램의 질을 개선하고, 대학 교 육의 질적 향상에 기여하길 기대한다.

본 연구는 영어 수업 외 교실을 벗어나서 영어를 학습해야 하는 학습 자들의 부담감을 해소시키기 위해 영어 수업 시간에 활용할 수 있는 교 재 맞춤형 학습 앱의 활용을 제안하고자 하였고 교재 맞춤형 학습 앱의 사용에 대한 학습자의 태도와 인식을 함께 분석하고자 하였다. 이를 위 해 교재의 각 챕터별 주제에 맞게 제작된 학습 앱이 다각적인 측면에서 사용되었다. 앱을 활용하여 어휘 학습, 듣기, 말하기, 읽기, 챗봇과의 대 화나 토론과 같은 학습 활동이 이행되었다. 연구 평가를 위해 자가 평가 일지와 설문 조사를 분석하였다. 연구 결과 교재 맞춤형 학습 앱에 대한 학습자들의 만족도는 높은 것으로 나타났다(80.5%). 교재 맞춤형 앱 활 용에 대한 만족도가 높은 이유는 개인의 다양한 학습 욕구가 충족되었다 는 점, 앱 콘텐츠가 다양한 점, 이로 인해 학습에 대한 재미와 관심이 유 발된 점, 또한 교재와의 연계성이 높은 점으로 나타났다. EFL 교실에서 효율적으로 사용될 수 있도록 교재에 맞게 제작된 학습 앱은 학문 분야 별로 활발하게 개발될 필요가 있다. 교수자들은 교수요목에 맞게 학습자 의 흥미와 자기 주도적 참여를 유발시키기 위해 학습 앱과 같은 테크놀 로지를 적극적으로 활용해야 할 것이다.

운량은 천체 관측을 지속하는 데에 중요한 요소 중 하나이다. 과거에는 관측자가 날씨를 직접 판단할 수밖에 없 었으나, 원격 및 자동 관측 시스템의 개발로 관측자의 역할이 상대적으로 줄어들었다. 또한 구름의 다양한 형태와 빠른 이동 때문에 자동으로 운량을 판단하는 것은 쉽지 않다. 이 연구에서는 기계학습 기반의 파이썬 모듈인 “cloudynight” 을 밀양아리랑우주천문대의 전천 영상에 적용하여 운량을 모니터링하는 프로그램을 개발하였다. 전천 영상을 하위 영역 으로 나누어 각 39,996개 영역의 16개의 특징을 학습하여 기계학습 모델을 생성하였다. 검증 표본에서 얻은 F1 점수는 0.97로, 기계학습 모델이 우수한 성능을 가짐을 보여준다. 운량(“Cloudiness”)은 전체 하위 영역 개수 중 구름으로 식별 된 하위 영역 개수의 비율로 계산하며, 운량이 지난 30분 동안 0.6을 초과할 때 관측을 중단하도록 자동 관측 프로그 램 규칙을 정하였다. 이 규칙을 따를 때, 기계학습 모델이 운량을 오판하여 관측에 영향을 미치는 경우는 거의 발생하 지 않았다. 본 기계학습 모델을 통하여, 밀양아리랑우주천문대 0.7 m 망원경의 성공적인 자동 관측을 기대한다.

작물의 스트레스 조기 진단은 농업에 있어 빠른 대응을 가능하게 해 피해를 경감시킬 수 있어 중요한 기술이다. 기존의 스트레스 진단이 가진 파괴적인 형식의 시료 채집과 양분 분석에 많은 노동력을 필요로 한다는 단점 극복을 위해 새로운 기술 개발이 필요하다. 미래에는 대단위 영상을 이용한 생육 진단 기술에 대한 수요가 높아질 것으로 예상되어 이를 이용한 연구를 진행하였다. 본 연구는 2023년 경상남도 밀양시에 위치한 국립식량과학원 실험 포장에서 수행되었으며, 무인항공기(UAV)를 이용하여 양분 결핍 처리(관행시비, 질소 결핍, 인 결핍, 칼륨 결핍, 무비)에 따른 벼의 생육을 조사했다. UAV를 이용해 생육 기간 중 총 6회에 걸쳐 포장을 촬영하였고, 영상을 기반으로 11개의 식생 지수를 산출하여 기계학습을 통해 양분 결핍을 진단하는 모델을 구축하여 평가했다. 연구 결과에 따르면, 엽록소 함량과 관련된 지수인 NDRE (Normalized Difference Red Edge)가 가장 높은 중요도를 나타내어 벼의 양분 상태를 효과적으로 진단하는 데 유용하다는 것을 확인하였다. 6개의 각 단계별로 모델을 평가하였을 때 모든 단계에서 accuracy가 0.7 이상으로 나타났다. 조기 진단을 위해 첫 촬영 날짜인 7월 5일의 자료로 모델을 만들어 다른 회차에 적용하여 모델의 성능을 평가한 결과, 5개의 모든 단계에서 0.9 이상의 accuracy를 얻었다. 종합적으로, UAV 영상 기반의 식생 지수를 활용한 양분 결핍 진단은 벼의 생육을 조기에 예측하는 데 효과적이며, 이는 정밀 농업 분야에서 시간과 노동을 절감하고 양분 관리를 개선하는 데 도움이 될 것으로 기대된다.

본 연구는 챗GPT를 대학 교양영어 수업의 학습 도구로 활용하는 효과 적인 수업구성을 하는 것을 목표로 하고 있다. 구체적인 논의는 다음의 네 가지이다. 첫째, 교육계에서 챗GPT 사용에 관해 찬반 논쟁이 있음에 도 불구하고 생성형 AI가 교육계에 큰 변화를 가져올 것이라는 점에는 거의 이견이 없다. 둘째, 챗GPT를 사용함에 있어서 발생 가능한 문제점 을 팩트 체크의 부재, 지적 재산권의 문제, 문해력 저하로 정리하였다. 학습에서 챗GPT를 도구로 사용하기에 앞서서 이러한 문제점들을 학습자 들에게 반드시 인식시키는 교과과정을 만들어야 할 것이다. 셋째, 교육현 장에서 챗GPT를 사용하기 위해서 학습자에게 선제적으로 인식시켜야 할 점은 생성형 AI가 학습의 도구로서의 역할을 하며, 학습자가 인공지능에 의존하는 것이 아니라 인공지능과 협업을 한다는 것이다. 넷째, 학습능력 이 매우 상이한 학생집단을 대상으로 챗GPT를 학습도구로 사용하기 위 해서는 그룹별 협업을 통한 활동이 중요하다. 그룹원들의 다양한 질문을 인공지능에 주입하여 다채로운 결괏값을 얻어 지식을 창조적으로 (재)생 산할 수 있기 때문이다. 본 연구의 의의는 연구에서 제시하는 수업구성 을 실제 수업에 적용하여 또 다른 연구물을 도출할 수 있다는 점이다.

Existing reinforced concrete buildings with seismically deficient column details affect the overall behavior depending on the failure type of column. This study aims to develop and validate a machine learning-based prediction model for the column failure modes (shear, flexure-shear, and flexure failure modes). For this purpose, artificial neural network (ANN), K-nearest neighbor (KNN), decision tree (DT), and random forest (RF) models were used, considering previously collected experimental data. Using four machine learning methodologies, we developed a classification learning model that can predict the column failure modes in terms of the input variables using concrete compressive strength, steel yield strength, axial load ratio, height-to-dept aspect ratio, longitudinal reinforcement ratio, and transverse reinforcement ratio. The performance of each machine learning model was compared and verified by calculating accuracy, precision, recall, F1-Score, and ROC. Based on the performance measurements of the classification model, the RF model represents the highest average value of the classification model performance measurements among the considered learning methods, and it can conservatively predict the shear failure mode. Thus, the RF model can rapidly predict the column failure modes with simple column details.