본 연구는 인공지능(AI) 기반 브랜드 동적 시각 아이덴티티 시스템의 감정 적응 메커니즘을 고찰하고, 감정 적응형 디자인 프레임워크를 제안하는 것을 목적으로 한다. 연구 방법은 감성 컴퓨팅, 브랜드 시각 아이덴티티, 감정 디자인, 사용자 경험 및 브랜드 애착 관련 선행연구를 검토하고 이론적 모델링을 통해 핵심 개념 간 관계를 구조화하는 방식으로 진행하였다. 디지털 미디어 환경에서 고정된 시각 규범만으로는 사용자의 상황과 감정 변화에 유연하게 대응하기 어렵다. 이에 감성 컴퓨팅 이 론과 시각적 감정 표현 원리를 통합하여 인식, 의사결정, 표현 의 3개 계층으로 구성된 프레임워크를 제시한다. 각 계층은 감 정 상태 파악, 반응 전략 선택, 색채·그래픽·움직임 등의 시각 요소 조절을 담당한다. 또한 감정 공명, 브랜드 애착, 감정 기 억의 연계를 논의하고, 감정 강도 조절, 다중모달 정보 융합, 피드백 순환 등의 디자인 전략과 효과 평가 기준을 제안하였 다. 본 연구는 선행연구를 통합한 개념적 제안으로, 향후 사용 자 실험과 설문조사를 통한 검증이 필요하다.

This study examined the longitudinal relationship between Grade 3 early decoding and reading fluency indicators and Grade 5 AI-based English basic literacy diagnostic results. Data were collected from 50 elementary school students with both Grade 3 and Grade 5 diagnostic data. Grade 3 indicators included Correct Letter Sounds and Whole Words Read from Nonsense Word Fluency, as well as Oral Reading Fluency reading speed and accuracy rate. Grade 5 results included phonemic awareness, basic phonics, reading fluency and comprehension, and overall basic literacy performance. Descriptive statistics, one-way ANOVA, correlation analysis, and simple regression analysis were conducted. Results showed that Grade 5 performance was generally at the middle or upper level, while basic phonics was relatively weaker. Significant differences by early decoding level appeared in reading fluency and comprehension and overall basic literacy performance. All Grade 3 indicators were significantly correlated with Grade 5 basic literacy performance, with reading accuracy rate showing the strongest association. These findings suggest that early decoding and oral reading fluency indicators can inform later English literacy diagnosis and instruction.

본 연구는 생성형 AI의 확산으로 변화하는 음악 제작 환경에서 실용음악 작곡 전공생이 경험하 는 기술적 병목과 심리적 태도를 탐색하고, 이를 반영한 생성형 AI 협업 교육 프로그램의 적용 가능성을 검토하는 데 목적이 있다. 연구는 D대학 실용음악과 작곡 전공 학부생 7명을 대상으로 사전 진단, 교육 프로그램 적용, 사후 측정의 절차로 수행되었으며, 리커트 척도 설문과 IDI를 병행하였다. 교육 프로그램은 ADDIE 모형을 기반으로 윤리·저작권 리터러시, 음악 생성 AI와 DAW 연동 제작, 이미지 생성 AI를 활용한 브랜딩 모듈로 구성되었고, 전 과정에서 인간 개입형(HITL) 창작 원리를 적용하였다. 연구 결과, 교육 참여 이후 생성형 AI에 대한 관심, 음악·이미지 생성 AI 활용 자신감, 진로 준비 인식 관련 평균은 상승하는 경향을 보였으며, 창작 영역 침해 및 일자 리 위협에 대한 불안 관련 응답 평균은 감소하였다. 반면 AI 활용 믹싱·마스터링 자신감의 변화 는 상대적으로 제한적이었고, 윤리·저작권 우려는 소폭 상승하는 등 영역에 따라 변화의 방향과 폭이 달랐다. 다만 본 연구는 소규모 단일집단 파일럿 사례 연구이므로 결과의 일반화와 인과적 해석에는 한계가 있다. 생성형 AI를 인간 주도형 창작 도구로 활용하는 실용음악 교육 설계에 기 초 자료를 제시했다는 데 본 연구의 의의가 있다.

This study analyzed the consistency of AI-generated product descriptions for New Hanbok images to examine the feasibility of applying generative AI to product pages in online fashion shopping malls. A total of 2,004 product and styling images were collected, and product descriptions were generated using ChatGPT. Document similarity analysis was conducted to evaluate the consistency of the generated descriptions. The result showed that the AI tool maintained a generally consistent interpretation of New Hanbok product designs, although the level of consistency varied depending on item and the styling method. In comparisons between product images and styling images, dresses and coats showed relatively high similarity, whereas jackets and T-shirts showed lower similarity. When an item primarily determined the overall design and was less affected by coordination with other garments, the AI tool consistently generated similar descriptions across images. In contrast, for items whose appearance and impression were more strongly influenced by styling combinations, it tended to produce more varied descriptions reflecting the overall styling context. Comparisons among styling images revealed relatively high similarity for skirts and jackets, while coats and dresses exhibited greater variation depending on styling. Overall, the tool tended to give products with similar design characteristics and styling directions consistent descriptions across different images. These findings demonstrate the potential of generative AI to support the drafting of product descriptions for online fashion shopping malls. The study also provides foundational evidence for the development of AI-assisted product detail pages and effective prompt design strategies for fashion e-commerce.

본 연구에서는 정수처리 실증화 시설을 대상으로 AI 기반 사전 예측 응집제 제어 방식의 운영 성능을 평가하였다. 제안된 시스템은 기존 자 테스트 기반 사후 대응 운영의 한계를 보완하기 위해 응집제 주입농도를 사전에 예측하고, 이를 실제 공정 제어에 적용하도록 구성하였다. 이를 위해 Ridge, Lasso, Decision Tree, Random Forest(RF), Artificial Neural Network(ANN), Deep Neural Network(DNN), LSTM-RNN으로 구성된 모델 뱅크를 구축하여 최적 응집제 주입농도를 예측하였다. 모델 성능 평가 결과, ANN 및 DNN은 낮은 RMSE와 안정적인 오차 분포를 나타냈으며, RF는 PACS 및 PACl 조건 모두에서 가장 높은 선택 빈도를 보였다. 예측된 응집제 주입농도는 실시간 유입 유량을 반영하여 주입유량으로 변환한 후 SCADA-HMI-PLC 기반 제어 시스템에 적용하였다. 실증 운전 결과, 사전 예측 방식은 기존 사후 대응 방식 대비 PACS 조건에서 39.71%, PACl 조건에서 54.08%의 응집제 사용량을 절감하였다. 또한 침전지 처리수 탁도는 운영 기간 동안 1 NTU 이하로 안정적으로 유지되었다. 이러한 결과는 AI 기반 사전 예측 응집제 제어 방식이 본 연구의 실증 운전 조건 내에서 수질 안정성을 유지하면서 약품 주입 효율을 향상시킬 수 있는 적용 가능성을 시사한다.

제4차 산업혁명으로 촉발된 급격한 기술 변화는 조직 환경의 불확실성을 심 화시키는 동시에, AI·디지털 전환 시대에 걸맞은 구성원의 자율적 역량에 대한 요구를 높이고 있다. 본 연구는 이러한 맥락에서 코칭 기반 리더십이 직원들의 AI 자기역량, 강점 활용, 그릿(Grit)에 미치는 영향과 그 메커니즘을 실증적으로 규명하고자 하였다. 이를 위해 국내 다양한 산업군 구성원 480명에게 설문을 배 포하여 회수한 300명의 응답 중 불성실 응답을 제외한 유효 응답 257부를 SPSS 29, AMOS 29, PROCESS Macro 3.1로 분석하고 부트스트래핑으로 간접효과의 유의성을 검증하였다. 분석 결과, 코칭 기반 리더십은 AI 자기역량, 강점 활용, 그릿 모두에 유의미 한 정적 영향을 미쳤으며, AI 자기역량과 강점 활용은 각각 코칭 기반 리더십과 그릿 간의 관계를 부분 매개하고 순차적 이중매개 경로 역시 통계적으로 유의미 하여, 코칭 기반 리더십의 효과가 단일 경로가 아닌 복합적인 내재적 역량의 활 성화 과정을 통해 그릿으로 이어짐을 보여준다. 본 연구는 코칭 기반 리더십이 구성원의 내재적 역량을 활성화하고 행동 변 화를 촉진하는 메커니즘을 실증적으로 제시하고, AI 자기역량·그릿·강점 활용 을 통합적으로 분석했다는 점에서 이론적 의의를 가지며, 실무적으로는 리더의 코칭 역량 강화와 구성원의 AI 자기역량·그릿·강점 활용 증진 전략 수립에 시사 점을 제공한다.

Purpose: This study aimed to examine the experiences of nursing students developing and implementing generative artificial intelligence (GenAI)-based oncology emergency nursing simulation scenarios. Method: This qualitative content analysis included 23 senior nursing students in the Republic of Korea. Participants worked in teams to develop oncology emergency nursing simulation scenarios using ChatGPT, participated in simulation practice, and completed reflective journals after the program. Data were analyzed using qualitative content analysis. Results: Four themes and twelve categories were identified: “AI-Based Scaffolding for Structuring Clinical Situations,” “Verification of AI-Generated Information and Knowledge Reconstruction,” “Enhancement of Clinical Reasoning and Collaborative Problem-Solving Competencies,” and “Professional Identity Formation and Preparation for Future Practice.” Participants described GenAI as a cognitive scaffolding tool that helped structure complex clinical situations, identify knowledge gaps, critically evaluate AI-generated information, and integrate fragmented knowledge. The program also enhanced clinical reasoning, SBAR-based communication, and collaborative problem-solving. Conclusion: GenAI-based oncology emergency nursing scenario development and simulation may be an effective educational strategy for promoting self-directed learning, critical thinking, clinical reasoning, and practice readiness among nursing students. GenAI can serve as an educational scaffolding tool that supports active knowledge construction and reflective thinking rather than replacing clinical reasoning.

As artificial intelligence (AI) technologies continue to advance, AI chatbots have become a key digital interface in customer service environments. However, users exhibit heterogeneous levels of acceptance and continued usage, indicating the need for an integrated perspective that considers both technology acceptance and service quality. This study aims to provide a multidimensional understanding of AI chatbot acceptance by integrating the Unified Theory of Acceptance and Use of Technology 2 (UTAUT2) with the SERVQUAL framework. Using survey data collected from AI chatbot users, this study first employs cluster analysis based on UTAUT2 factors to classify users into three clusters: high, medium, and low levels. Analysis of variance reveals statistically significant differences in perceived service quality across clusters, with higher acceptance clusters reporting more favorable SERVQUAL evaluations, particularly in terms of responsiveness. Subsequent multiple regression analyses demonstrate that the effects of SERVQUAL dimensions on behavioral intention to use AI chatbots vary across clusters. The results indicate that AI chatbot user clusters differ significantly in their perceptions of service quality, and that the SERVQUAL factors affecting behavioral intention to use AI chatbots are not uniform across clusters. This study contributes to the literature by empirically linking technology acceptance levels with service quality perceptions in AI chatbot contexts. Practically, the findings suggest that firms should adopt cluster-specific strategies to enhance chatbot design, service quality management, and user engagement.

본 연구는 미래 고등교육의 주요 목표 중 하나인 AI 기반 교육의 활성 화 방안을 논하기 위하여, 국내외에서 수행된 AI 기반 고등교육 연구의 동향을 검토하고, 추후 교육 방향 관련 논의를 제공하기 위한 목적에서 주제범위 문헌고찰을 수행했다. PRISMA 가이드라인을 토대로 2021년부 터 2025년까지 5년 동안 수행된 국내외 AI 기반 고등교육 관련 국내 연 구 43편과 국외 연구 48편의 총 91편을 선정하였다. 발행 연도, 학문 분 야, 연구 방법, 연구 대상의 일반적 특성 4가지와 수업 유형, 교육 운영 기간, 활용 AI 도구, 교육 형태, 교육 목표, 그리고 교육 효과의 내용적 특성 6가지의 총 10가지 항목을 분석 틀로 설정하여 분석을 수행했다. 분석 결과, 우리나라 AI 기반 고등교육은 다양한 학문 및 전공 영역에서 AI의 적절한 활용 방안에 대한 숙고가 필요한 것으로 나타났다. 이를 위 해 미래 인재 양성을 위한 AI와 교육 간 공존 방안에 대한 논의와 함께 고등교육기관 및 개별 교수자의 노력이 필요함을 제언하였다.

Plastic injection molding is widely used in the automotive, electronics, and other manufacturing industries. Since product quality is significantly affected by process variables such as temperature, pressure, speed, and cycle time, datadriven quality management has become increasingly important. However, conventional quality control methods mainly depend on operator experience and post-process inspection, making it difficult to detect defects and abnormal process conditions in real time. In addition, manufacturing datasets often suffer from severe class imbalance because defective samples are much fewer than normal samples. This study proposes an AI-based defect prediction and anomaly detection system using plastic injection molding process data. For defect prediction, XGBoost was selected as the supervised learning model, and SMOTE was applied to address class imbalance. Recall, F1-score, and PR-AUC were used as the main evaluation metrics instead of accuracy. SHAP analysis was also applied to identify important process variables affecting defect occurrence. For anomaly detection, Isolation Forest and AutoEncoder were used together. Isolation Forest was adopted for fast first-stage detection, while AutoEncoder was used to detect complex nonlinear abnormal patterns. The results indicate that the proposed system can support both defect prediction and process anomaly detection. In the supervised learning results, XGBoost showed the best performance on the CN7 dataset, achieving a recall of 1.000 and an F1-score of 0.800. However, all supervised models showed limited defect detection performance on the RG3 dataset, indicating the effect of severe class imbalance and dataset-specific characteristics. In anomaly detection, AutoEncoder achieved the highest F1-score among the compared models, while Isolation Forest demonstrated practical advantages for real-time application due to its computational efficiency. Therefore, the proposed AI-based system can contribute to smart quality management and data-driven decision-making in plastic injection molding processes.

본 연구는 한국 화장품 산업의 발전 과정을 신뢰 메커니즘의 구조적 진화 관점에서 분석하고, 관계적 신뢰, 제도적 신뢰, 알고리즘 신뢰로 이어지는 누적적 신뢰 구조를 도출하는 것을 목적으로 한다. 기존 연구들이 소비자 행동이나 마케팅 중심으로 산업을 설명한 것과 달리, 본 연구는 신뢰를 산업 경쟁력 을 지탱하는 핵심 인프라로 재개념화하였다. 연구방법으로는 개념적 연구 방법을 적용하였으며, 화장품 산 업, 소비자 신뢰, 맞춤형 화장품 제도, AI 기반 개인화 기술 관련 문헌을 분석하였다. 분석 결과, 초기 산업 에서는 방문판매 중심의 관계적 신뢰가 형성되었으며, 이후 맞춤형 화장품 제도의 도입을 통해 제도적 신 뢰로 전환되었고, 최근에는 AI 기반 개인화 기술 확산과 함께 알고리즘 신뢰로 확장되는 구조를 보였다. 이 러한 신뢰 구조는 단절적 전환이 아니라 기존 신뢰 위에 새로운 신뢰가 축적되는 누적적 진화 구조로 나타 났다. 또한 알고리즘 신뢰는 기술적 정확성뿐 아니라 데이터 윤리, 투명성, 거버넌스와 결합될 때 안정적으 로 형성되는 것으로 확인되었다. 본 연구는 신뢰를 산업 구조를 설명하는 핵심 메커니즘으로 확장하였다는 점에서 학문적 의의를 가지며, 디지털 전환 환경에서 화장품 산업의 지속 가능한 발전을 위한 이론적 기반 을 제시한다.

본 연구는 고령층의 사회보장 정보 접근성 제고를 위해 AI 기반 복지상담 서비스의 수용 요인을 분석하고, 디지털 정보격차 완화를 위한 정책적 시사점 을 도출하고자 하였다. 분석 자료는 한국지능정보사회진흥원(NIA)이 실시한 20 23년 「디지털 정보격차 실태조사」에 응답한 만 65세 이상 고령자를 대상으로 하였으며, 다중회귀분석을 실시하였다. 분석 결과, 디지털 접근, 디지털 역량, 디지털 활용 지수는 모두 AI 기반 복지상담 서비스 수용도와 유의한 정(+)의 관련성을 보였다. 또한 기초연금 인지도와 노인장기요양서비스 이용 경험은 디 지털 요인을 통제한 이후에도 AI 상담 서비스 수용도와 유의미한 관련성을 나 타냈다. 이는 기존 복지제도에 대한 인식과 이용 경험이 신기술 기반 복지서비 스 수용과 연관될 수 있음을 시사한다.