The purpose of this study is to examine learners’ perceptions of AI-based machine translation (MT) in high school ‘Reading British and American Literature’ classes. This research explored how students perceived the impact of MT on their class participation, learning motivation, confidence in English use, and improvement in English ability. The study also examined how the effectiveness of MT use differed according to students’ English proficiency levels. A total of 153 third-year students participated in a nine-week English literature course. Data were collected through an online survey and statistically analyzed. The findings reveal that students showed positive perceptions regarding class participation, learning motivation, confidence in English use, and improvement in English ability. Notably, participation in the English literature classes using AI-based MT was significantly higher than that in other English classes. Analysis by English proficiency levels showed no significant differences in class participation and affective factors (learning motivation and confidence). However, lower-proficiency learners perceived greater improvement in English proficiency compared to higher-proficiency learners. These results suggest that incorporating AI-based MT in English literature classes can create an inclusive learning environment that supports learners across different proficiency levels, particularly benefiting lower-proficiency students in terms of improvement in English ability.

지능정보사회에 대응한 교육 환경의 변화가 예상됨에 따라 본 연구에서는 학습자가 AI 기반 학습플랫 폼을 어떻게 인식하고 있는지 학업정서와 학습동기적 측면에 대해 질적으로 탐색하고자 하였다. 이를 위 해 AI 기반 학습플랫폼을 경험한 초등학생 및 중􌝆고등학생 7명을 연구참여자로 선정하였으며 그들이 경험 한 학업정서 및 학습동기에 대해 반구조화된 면담을 실시하였다. 면담 자료는 연구문제를 중심으로 자료 를 체계적으로 정리하여 기술하는 방법인 질적 내용분석(Qualitative content analysis: QCA)을 통해 분석 하였다. 그 결과 학업정서는 2개의 상위범주와 9개의 하위범주로 구성되었다. 구체적으로, 연구참여자들은 AI 기반 학습플랫폼을 사용하면서 긍정정서와 부정정서를 경험한 것으로 나타났다. 긍정정서로는 만족감, 성취감, 기대감, 즐거움, 안도감을 경험하였으며, 부정정서로는 답답함, 우울함, 좌절감, 불안함을 경험하였 다. 학습동기는 5개의 하위범주로 나뉘어졌고, AI 학습이 학습동기에 도움을 준 이유는 5개의 주제묶음으 로 구성되었다. 결과를 구체적으로 상술하면, AI 기반 학습플랫폼을 사용한 학습자들은 몰입, 자율성, 흥 미, 자기효능감, 자기조절성을 경험한 것으로 확인되었다. 또한 AI 학습을 경험한 학습자들은 AI 학습플랫 폼이 학습동기에 도움을 준 이유로 AI의 기능적 측면, AI 콘텐츠, 보상, 피드백, 게임 요소 등을 꼽았다. 이러한 결과를 기반으로 선행연구와 연계하여 논의하였다.

본 연구는 상선과 어선의 충돌사고를 예방하기 위한 인공지능(AI) 기반 충돌 회피 시스템의 도입을 위하여 해외 사례를 조사하 고 도입에 필요한 기술적 요소 고찰을 통해 구체적인 도입 방안을 제안하였다. 최근 10년간 발생한 상선의 해양사고 통계를 분석한 결과, 약 87%가 인적 과실에 기인함을 확인하였다. 기존의 충돌 예방 대책은 주로 선원 교육과 항해 규칙 준수에 초점을 맞추었으나, 인적 오류 를 완전히 배제하는 데에는 한계가 있었다. 이에 따라 AI 기반 충돌 회피 시스템의 도입이 해상 안전을 위한 효과적인 해결책으로 주목받 고 있다. 본 연구에서는 AI 기반 충돌 회피 시스템의 기술적 개념과 핵심 요소를 고찰하고, 해외 사례를 통해 시스템의 실효성을 검증하 였다. 또한 우리나라 해운업계의 현황을 분석하여 도입을 위한 절차와 방법을 제시하였으며, 기술 도입이 미치는 긍정적인 영향을 평가하 였다. 연구 결과, AI 기반 충돌 회피 시스템은 실시간 데이터 분석과 자율적 회피 기능을 통해 충돌 위험을 효과적으로 줄일 수 있음을 해외 사례 연구를 통해 확인하였다. 그러나 기술 개발, 법적 규제 정비, 산학연 협력 강화 등 도입을 위한 다양한 과제가 존재하며, 이를 해결하기 위한 정책적 지원이 필요함을 강조하였다. 본 연구는 선박 충돌사고 예방 등 해상 안전에 기여할 수 있는 실질적인 방안을 제시 함으로써 관련 분야의 학술적 및 실무적 발전에 이바지하고자 한다.

This study aims to propose new grading standards that can be applied to AI-based automatic sorting machines, reflecting current distribution and consumption trends. The current domestic grading standards for onions in South Korea are based on the “Agricultural and Fishery Products Quality Control Act”. They classify onions based on criteria such as uniformity, shape, color, and the presence of foreign matter. Onion grading standards are divided into four categories based on bulb diameter and weight. However, in the actual domestic market, onions are distributed according to a five-grade classification based on bulb diameter. Therefore, this study classified onions into eight grades, reflecting current distribution and consumption trends in the domestic market. These grades are applicable to AI-based automatic sorting machines. Marketable onions were classified into A1 (extra large) to A5 (extra small) based on the diameter of a single bulb. Onions used for non-marketable purposes (processing) were classified as grade B. Additionally, grade C and grade D were designated for processing and disposal, respectively. By establishing quality grading classifications that align with current distribution and consumption market trends as well as the operational characteristics of AI-based automatic sorting machines, we can expect improvements in work efficiency and reductions in distribution costs. Following this study, it will be necessary to establish comprehensive quality grading standards that include both external criteria (such as bulb weight and size) and internal criteria (such as detection of internal decay and disease occurrence).

본 연구는 초등학생들의 􍾧깊이 있는 학습􍾨을 위하여 AI 코스웨어를 활용한 개념기반 탐구수업의 통 합 모델을 교육공학적으로 개발하는데 목적이 있다. 이를 위하여 개념기반 교육과정 및 수업(CBCI)과 AI 코스웨어에 대한 문헌연구로 이론적 토대를 마련하고, AI 코스웨어 활용 개념기반 탐구수업의 통합 모델을 설계 및 개발하였다. 연구 결과는 다음과 같다. 첫째, AI 코스웨어 활용 개념기반 탐구수업의 모델을 진단분석, 전략설정, 수업설계(개념질문-과제탐색-과제해결-개념성찰), 전이촉진으로 명료화 하였다. 둘째, 패러다임 변화 이론에 따라, 통합 모델의 혁신 가능성을 평가하고 새로운 교육 패러다임 의 실질적인 적용 가능성을 통찰하였다. 이를 토대로 사례분석부터 모형구상, 모형숙의, 모형수정 과정 을 반복하며 통합 모델을 정교화하였다. 마지막으로, AI 코스웨어 활용 개념기반 탐구수업 연구에 참 여한 자문그룹과 워킹그룹을 심층 인터뷰하여 통합 모델의 설계-실행-생성 과정을 검토하고 교육과 정 및 수업의 적용과 실행을 위한 시사점을 도출하였다. 결론적으로, 본 연구는 AI 코스웨어와 개념기 반 탐구수업의 통합적인 방법론의 효과성을 확인하였으며, 향후 연구와 개발에 대한 지속적인 노력이 필요하다는 점을 시사한다.

PURPOSES : For autonomous vehicles, abnormal situations, such as sudden changes in driving speed and sudden stops, may occur when they leave the operational design domain. This may adversely affect the overall traffic flow by affecting not only autonomous vehicles but also the driving environment of manual vehicles. Therefore, to minimize the traffic problems and adverse effects that may occur in mixed traffic situations involving manual and autonomous vehicles, an autonomous vehicle driving support system based on traffic operation optimization is required. The main purpose of this study was to build a big-data-classification system by specifying data classification to support the self-driving of Lv.4 autonomous vehicles and matching it with spatio-temporal data. METHODS : The research methodology is explained through a review of related literature, and a traffic management index and big-dataclassification system were built. After collecting and mapping the ITS history traffic information data of an actual Living Lab city, the data were classified using the traffic management indexing method. An AI-based model was used to automatically classify traffic management indices for real-time driving support of Lv.4 autonomous vehicles. RESULTS : By evaluating the AI-based model performance using the test data from the Living Lab city, it was confirmed that the data indexing accuracy was more than 98% for the KNN, Random Forest, LightGBM, and CatBoost algorithms, but not for Logistics Regression. The data were severely unbalanced, and it was necessary to classify very low probability nonconformities; therefore, precision is also important. All four algorithms showed similarly good performances in terms of accuracy. CONCLUSIONS : This paper presents a method for efficient data classification by developing a traffic management index to easily fuse and analyze traffic data collected from various institutions and big data collected from autonomous vehicles. Additionally, EdgeRSU is presented to support the driving of Lv.4 autonomous vehicles in mixed autonomous and manual vehicles traffic situations. Finally, a database was established by classifying data automatically indexed through AI-based models to quickly collect and use data in real-time in large quantities.

The purpose of this study was to investigate how the English speaking ability of Korean EFL college students was affected by their interactions with Talk-to-ChatGPT while taking an ‘English Interview’ class. Thirty pieces of English conversation scripts with thirty chatbot conversations created by five students were collected for analysis. Two online text analysis programs, Quillbot including word counter and grammar checker and T.E.R.A.(Text Ease and Readability Assessor), were used for data analysis. The findings of data analysis revealed that 1) The average length of the sentences and words spoken by the participants has increased through English speaking practice using Talk-to-ChatGPT, and 2) There was no significant change in text ease and readability, and coherence of students’ utterances through English speaking practice using a chatbot while there were differences depending on their English proficiency levels. 3) Students A, B, and D, who had relatively low levels of English proficiency, showed a slight increase in syntactic accuracy and semantic clarity in their English interview practice. Based on the study findings, pedagogical implications for the effective use of AI-based apps or programs in English speaking classes were presented.

본 연구는 관광 관련 서비스 분야에 필요한 특수 목적 중국어(CSP) 교육과정 개 발을 위한 첫 단계로 AI 데이터 기반으로 구축된 구어체 병렬 코퍼스에서 CSP 어휘 리스트를 선정하여 용어색인과 어휘다발(n-gram)등을 분석하였다. 어휘리스트 어휘 규모는 토큰 수 총 304, 228개와 타입 수 17, 286개로 나타났으며, 어휘 누적 증가율 을 분석하면 2-Gram과 3-Gram의 어휘다발이 가장 많았고, 실무 현장에서 가장 많 이 활용되고 있음을 알 수 있었다. 본 연구에서 구축된 특수 목적 관광 중국어 어휘 리스트는 실제 교육 자료로 제공하여 관광 중국어 학습자와 교수자에게 실용적으로 사용될 수 있을 것이라 기대한다.

본 연구에서는 Text-to-3D 생성형 AI 기술을 활용하여 메타버스 방 꾸미기 게임의 프로토타 입을 설계하고 구현하고자 하였다. <Roblox>와 <Minecraft>와 같은 가상 현실 기반의 메타버 스 게임은 사용자를 단순한 플레이어에서 창작자인 크리에이터로 발전할 수 있게 하였고 이러 한 재미 요소는 대중적인 인기에 이바지하였다. 생성형 AI는 데이터와 패턴을 기반으로 다양 한 형태의 미디어 콘텐츠를 쉽게 생성할 수 있으며, 게임 개발에도 마찬가지로 유용하다. 이러 한 생성형 AI를 통한 콘텐츠 제작은 시간과 비용을 절약할 뿐만 아니라 결과적으로 콘텐츠의 품질을 높이고 다양성을 확보할 수 있다. 본 연구에서는 언리얼 엔진의 네트워크 프레임워크 를 활용한 리슨 서버(Listen-Server) 방식으로 방 꾸미기 게임을 설계 및 구현하였다. 이 게 임의 핵심 시스템은 메타버스에서 사용자가 쉽게 생성형 AI로 3D 모델을 생성하고, 자신의 방 에 배치할 수 있게 하는 것이다. 본 연구를 통해 코딩 기초 이해는 물론 좀 더 쉬운 방법으로 3D 오브젝트 생성을 통해 사용자가 원하는 메타버스 플랫폼 제작을 가능하게 하며 이러한 과 정은 사용자뿐만 아니라 동시에 창작자의 역할로 이용자의 주체성, 창의성, 의사소통 능력 등 을 향상할 가능성을 찾고자 한다. 그뿐만 아니라 기본적인 코딩 학습을 이해함으로써 사용자 의 창작 활동에 기회를 확장할 뿐만 아니라 메타버스 콘텐츠 개발에 이바지하고자 한다.

최근, 국토교통부에서 시행한 “국가 보행교통 실태조사”로 인해 보행안전과 보행환경에 대한 중요성이 증가하고 있으며, 전반적으로 대로에서는 보행환경이 양호하나 생활도로에서는 보도가 미설치되거나 보도폭이 협소하여 보행환경이 미흡하고 보행 만족도도 낮은 것으며 생활도로의 약 34%가 유효보도폭 기준을 충족하지 못하고 있다고 조사되었다. 국가 주요 사회간접자본(SOC)인 도로, 교량, 터 널, 공공건물, 환승센터 등에 비하여 상대적으로 보행공간을 대상으로한 정보화 속도가 늦어 정보화 연구개발에 대한 추진이 시급한 실정이다. 이에 정부에서도 국가공간정보정책 기본계획에 따른 국가공간정보정책 시행계획이 확정되어 신산업 기반으로서의 역할과 안전한 시설관리를 위한 디지털 트윈 관련 기술개발 등에 투자를 확대하고, 디지털 트윈 등의 기반 정보인 고정밀 공간정보 생산 등 에 중점적으로 투자하고 있다. 현재 한국건설기술연구원, 서울시, 경기도 등에서 활용하고 있는 조사장비(PES, KRISS)는 도로포장(차 도)에서 상태 모니터링을 진행하고 있으나 이와 같은 장비들은 고가의 장비들로 실질적으로 사용하기에는 어려움이 있다. 또한, 보행 도로에서는 상태 모니터링을 수집할 장비가 없기 때문에, 보행 공간 경사, 노면 상태 등을 측정ㆍ수집하는 방법은 인력에게 의존해왔 다. 또한, 현재 보행자도로에 대한 서비스수준 산정 방식은 한국도로용량편람(2013)의 보행자시설편에서 제공하고 있는 산정 방식으로 도로용량편람에서 제시하는 보행자도로의 분석 방법을 적용하여 서비스수준을 산출할 경우, 차량과 동일한 교통량-속도-밀도 관계에 의존하여 산출하기 때문에 현실적인 보행자도로의 서비스수준을 반영하지 못하고 있는 실정이다. 이러한 문제로 인해 보행공간에 대 한 이용자의 안전 및 편의성에 대한 연구가 미흡한 상황이다. 따라서, 본 연구는 모바일매핑시스템(Mobile Mapping System)과 인공지 능(AI), 무인비행장치(Drone)를 활용한 보행공간 상태 모니터링 시스템 구축 방안을 제시하고자 한다.