This study aimed to improve the accuracy of road pavement design by comparing and analyzing various statistical and machine-learning techniques for predicting asphalt layer thickness, focusing on regional roads in Pakistan. The explanatory variables selected for this study included the annual average daily traffic (AADT), subbase thickness, and subgrade California bearing ratio (CBR) values from six cities in Pakistan. The statistical prediction models used were multiple linear regression (MLR), support vector regression (SVR), random forest, and XGBoost. The performance of each model was evaluated using the mean absolute percentage error (MAPE) and root-mean-square error (RMSE). The analysis results indicated that the AADT was the most influential variable affecting the asphalt layer thickness. Among the models, the MLR demonstrated the best predictive performance. While XGBoost had a relatively strong performance among the machine-learning techniques, the traditional statistical model, MLR, still outperformed it in certain regions. This study emphasized the need for customized pavement designs that reflect the traffic and environmental conditions specific to regional roads in Pakistan. This finding suggests that future research should incorporate additional variables and data for a more in-depth analysis.

본 논문에서는 15차 bézier 곡선을 사용하여 기존의 연구보다 더 유연한 빔 형상을 설계하고, 더 넓은 설계 공간에서 최적 설계를 수 행하여 최적의 열전도도를 갖는 빔 형상을 설계한다. 설계 공간이 넓어지면 그 만큼 계산양이 증가하게 되는데, 고차원 변수 공간에서 효율적으로 작동하는 인공신경망을 사용하여 최적 설계를 가속화하여 계산 한계를 극복하였다. 더 나아가 최적의 탄성계수를 갖는 빔의 형상과 비교하였으며 열전도와 탄성학 사이의 수학적 유사성을 이용하여 빔 형상을 설명한다. 본 연구에서는 인공지능을 활용 한 형상 최적설계를 통해 기존의 한계를 뛰어넘는 격자구조의 빔 형상을 제안한다. 먼저, SC(Simple Cubic), BC(Body Centered Cubic) 격자 구조 빔 형상을 bézier 곡선으로 모델링하고 bézier 곡선의 제어점 좌표를 무작위로 설정하여 학습데이터를 확보하였다. NN(Neural Network) 및 GA(Genetic Algorithm)를 통해 우수한 유효 열전도도를 가진 빔 형상을 생성하여 최적의 빔 형상을 설계하였 다. 본 연구를 통해 추후 다양한 열 조건에서 격자구조의 적절한 구조적 해답을 제시할 수 있을 것으로 기대된다.

PURPOSES : In this study, the existence of an optimal pattern among transition methods applied during changes in traffic signal timing was investigated. We aimed to develop this pattern into an artificial intelligence reinforcement-learning model to assess its effectiveness METHODS : By developing various traffic signal transition scenarios and considering 19 different traffic signal transition situations that can be applied to these scenarios, a simulation analysis was performed to identify patterns through statistical analysis. Subsequently, a reinforcement-learning model was developed to select an optimal transition time model suitable for various traffic conditions. This model was then tested by simulating a virtual experimental center environment and conducting performance comparison evaluations on a daily basis. RESULTS : The results indicated that when the change in the traffic signal cycle length was less than 50% in the negative direction, the subtraction method was efficient. In cases where the transition was less than 15% in the positive direction, the proposed center method for traffic signal transition was found to be advantageous. By applying the proposed optimal transition model selection, we observed that the transition time decreased by approximately 70%. CONCLUSIONS : The findings of this study provide guidance for the next level of traffic signal transitions. The importance of traffic signal transition will increase in future AI-based traffic signal control methods, requiring ongoing research in this field.

In this paper, machine learning models were applied to predict the seismic response of steel frame structures. Both geometric and material nonlinearities were considered in the structural analysis, and nonlinear inelastic dynamic analysis was performed. The ground acceleration response of the El Centro earthquake was applied to obtain the displacement of the top floor, which was used as the dataset for the machine learning methods. Learning was performed using two methods: Decision Tree and Random Forest, and their efficiency was demonstrated through application to 2-story and 6-story 3-D steel frame structure examples.

철도교량의 설계는 장기간에 걸쳐 수행되고 대규모의 부지를 대상으로 하기 때문에 다양한 환경적인 요인과 불확실성을 동반하게 된다. 이러한 연유로 초기 설계단계에서 충분히 검토하였더라도 설계변경이 종종 발생하고 있다. 특히 철도교량과 같은 대규모 시설 물의 설계변경은 많은 시간과 인력을 소모하며, 매번 모든 절차를 반복하는 것은 매우 비효율적이다. 본 연구에서는 딥러닝 알고리즘 중 전이학습을 통해 설계변경 전의 학습 결과를 활용하여 설계변경 후의 학습의 효율성을 향상시킬 수 있는 기법을 제안하였다. 분석 을 위해 기개발한 철도교량 딥러닝 기반 예측 시스템을 활용하여 시나리오들을 작성하고 데이터베이스를 구축하였다. 제안된 기법은 설계변경 전 기존 도메인에서 학습에 사용한 8,000개의 학습데이터 대비 새로운 도메인에서 1,000개의 데이터만을 학습하여 유사한 정확도를 나타내었고 보다 빠른 수렴속도를 가지는 것을 확인하였다.

컴퓨터 성능의 발전으로 빅데이터의 효율적인 사용이 가능해지면서, 심층 학습(deep learning)은 다양한 의료 분야에 활용할 수 있는 핵심적인 인공지능(artificial intelligence, AI) 기법으로 각광받고 있다. 이에 본 종설은 뇌종양 진단과 치료에 사용되는 자기공명영상(magnetic resonance imaging, MRI)의 심층 학습 기법을 소개하고자 하였다. 먼저 국내 AI의 의료 분야 도입의 동향을 분석하고, 이를 바탕으로 MRI를 활용한 뇌종양의 진단과 치료에 적용할 수 있는 심층 학습 기법과 그 결과들을 기술하였다. 뇌종양 진단과 치료 시, 심층 학습을 이용한 최근 사례는 영상 분류, 영상 품질 개선, 영상 분할로 나타났으며, 질병의 진단과 치료에 적용할 수 있는 객관적이고 높은 성능 수치를 나타내면서 그 유용성을 확인 할 수 있었다. 종합하자면, 심층 학습은 질병의 진단과 치료에 적용할 수 있는 유용한 지표이며, AI 역량을 지닌 의료진의 지도하에 점진적인 도입이 이뤄진다면 질병의 진단과 치료에 큰 도움을 주는 훌륭한 소프트웨어로 활용될 것으로 여겨진다. 본 종설이 심층 학습을 이해할 때 많은 도움이 되길 바라며, 향후 관련 연구를 수행할 때 가이드라인으로 활용될 것을 기대 한다.

There has been increasing interest in UHPC (Ultra-High Performance Concrete) materials in recent years. Owing to the superior mechanical properties and durability, the UHPC has been widely used for the design of various types of structures. In this paper, machine learning based compressive strength prediction methods of the UHPC are proposed. Various regression-based machine learning models were built to train dataset. For train and validation, 110 data samples collected from the literatures were used. Because the proportion between the compressive strength and its composition is a highly nonlinear, more advanced regression models are demanded to obtain better results. The complex relationship between mixture proportion and concrete compressive strength can be predicted by using the selected regression method.

In an effort to find a way to optimize the learning condition, this study examined the effects of two types of input frequency distribution, skewed-first distribution (SFD) versus balanced distribution (BD), and two types of focus-on-form techniques, input processing (IP) versus input enhancement (IE), on the learning of English participles by Korean middle school students. A total of 91 students participated in this study, divided into five subgroups: SFD + IP, SFD + IE, BD + IP, BD + IE, and Control. The learning outcomes and the generalizability of the learned knowledge were measured through scaled judgment tasks and picture description tasks, immediately after treatment as well as one week later. The results showed that the input frequency distribution factor did not have statistically significant effects on learning and generalizability, while the degrees of explicitness of focus-on-form techniques had statistically significant effects on both. The interaction effects of the two main factors were not statistically significant. More detailed findings are presented with some pedagogical implications for Korean EFL classrooms.

The purpose of this study is to investigate in-depth high school students’ strategy use in reading English texts of College Scholastic Ability Test (KSAT). This study employed a think-aloud method to look into the reading process by task types and by reading proficiency. Six high school students, three high-level and three low-level readers, were asked to perform reading tasks of three types, ‘finding a theme’, ‘filling the gap’, ‘finding an irrelevant sentence & inserting a sentence’, thinking out loud after training. The results are as follows. First, the participants used varied types of reading strategies regardless of top-down/bottom-up. ‘Guessing from the context’ and ‘paraphrasing in L1’, were most frequently used, and ‘using schema’ and ‘sensing the logical organization’ were least used.’ Second, different strategy use patterns were shown by task types: Far more strategies were used in ‘finding a theme’ than the others, especially, attending to keyword. Third, the high-level readers employed more reading strategies than the low-level counterparts. Furthermore, the strategy use pattern was very different between groups: The low-level readers seldom used ‘checking discourse markers,’ ‘synthesizing information,’ and ‘questioning’ that the high level readers commonly used.

The purpose of this study is to examine effective ways to introduce creative thinking skills development in the English learning classroom, specifically, focusing on questioning techniques and creative thinking techniques. The study explores selected creative-thinking techniques which are in accordance with English teaching methods and goals in the Korean context. The techniques highlighted were deemed adequate for enhancing creative and analytical thinking skills of English language learners and include the following: Brainwriting, SCAMPER, Lotus Blossom Technique, Forced Relationships/Analogy, Wishful Thinking Technique, Six Thinking Hats, SWOT, PMI technique, Flat Stanley Project. The study attempts to outline examples of and procedures for implementing such techniques in English education. The study is intended to provide insights for both researchers and practitioners alike and shall thus contribute to the ongoing discussion of integrating creativity education with English learning and teaching.

The purpose of this study is to develop preliminary learning program of UCC making techniques for assistance of project based international students exchange program. This study drew design principles based on examination from the experts and the experts from the field which resulted in development of Tam & Edy advance learning program for AEEP with the assistance of application enterprise. Multinational students will be able to receive help through Tam & Edy learning in terms of international exchange of AEEP learning activities.

개방화, 세계화의 심화로 국제사회 및 국가간의 상호의존성이 확대되고 있으며, 이에 따라 국제개발협력의 역할과 중요성도 커지고 있다. 또한 글로벌 시장의 개방과경쟁이 날로 심화되고 선진국 위주의 시장확대, 성장이 한계에 다다름은 물론 OECDDAC 가입 등 외교적 국격향상에 따라 대개도국 국제개발협력 확대에 대한 내외부의수요가 증가하고 있다.이러한 대외환경의 빠른 변화는 정책 및 국제공조의 강화 등 거시적 수준의 변화뿐만 아니라 국제개발협력의 방법론의 미시적 수준의 변화를 동시에 요구한다. 이에본 연구는 국제개발협력의 방법론에 대한 새로운 접근법으로서 오픈 이노베이션의 가치를 검토 하였고, 특히 교육분야에서 오픈 이노베이션의 운영사례인 ALCoB을 분석하여 향후 국제개발협력 방법론의 대안을 제시하고자 하였다.

학교소속감이 중도탈락을 막을 수 있는 중요한 변수임에도 불구하고 특히 고등학교 학생에 대한 학교소속감 연구는 그 수가 많지 않다. 아직 충분한 연구가 이루어지지 않은 분야에서 기계학습 기법을 활용하는 탐색적 연구가 학문적 기여를 할 수 있다. 본 연구의 주요 목적은 일반고 및 특성화고 학생들의 학교소속감을 예측하는 중요한 변수를 파악하는 것이다. 이를 위하여 부산교육종단 연구 2016 4차년도 데이터의 일반고와 특성화고 학생, 교사, 교장, 학교 변수를 모두 활용하였다. 구체적으로 75개 일반고 1,775명의 824개 변수 자료와 36개 특성화고 739명의 854개 변수 자료를 기계학습 기법으로 분석한 결과, 일반고와 특성화고에서 각각 20개와 21개의 학생, 교사, 학교 관련 변수가 선택되었다. 학교소속감을 개인의 심리적 차원에 초점을 맞추어 분석한 선행연구와 달리, 본 연구는 교사, 교장, 학교 변수까지 모두 모형에 투입함으로써 학교 현장에서의 변화를 꾀하였다. 기계학습 기법 중 벌점회귀모형으로 분류되는 glmmLasso를 활용하여 변수 선택 시 자료의 위계적 구조를 반영한 점 또한 연구 의의라 하겠다. 특히 특성화고 자료는 사례 수보다 변수 수가 더 많은 고차원 자료였으므로 기계학습 기법을 활용하는 것이 필수적이었다. 연구 결과를 토대로 고등학생의 학교소속감을 향상시키기 위하여 필요한 정책적 제언을 제시하고, 후속 연구주제 또한 논하였다.