The purpose of this research was to investigate the characteristics of Korean college students’ writings, which have been produced without or with the help of machine translation tool in the classroom. Specifically, this research attempted to investigate the linguistic characteristics of the students’ writings, and types of errors identified in the writings. Twelve pieces of writings from three college students were collected for analysis. Two online word analysis programs, Word Counter (2023) and LIWC-22 (2023), were employed for data analysis. The findings of data analysis found out that 1) The students’ drafts consisted of 22.8 sentences including 303.9 words in 3.6 paragraphs on average. 2) In the students’ drafts, ‘unique’ words (46.8%) were included a lot more than ‘difficult’ words (27%), and students tended to write their essay writings in an unfiltered or impromptu way rather than an analytical way regardless of their English language proficiency levels. 3) The highest frequency of errors was seen in grammatical errors (41.7%) followed by lexical errors (31.6%). Based on the research findings, pedagogical implications and suggestions for the effective use of machine translation in English writing classes were presented.

우리의 실생활과 산업 현장에서 인공지능·로봇이 일상화되기 시작하면 서 인공지능·로봇에 의한 인간 노동의 대체가 증가하고 있으며, 그 속도 또한 한층 빨라지고 있다. 이에 논 논문은 인공지능·로봇의 상용화에 의 해 발생할 수 있는 인간 노동 및 일자리의 대체에 따른 소득 불평등의 심화와 이에 대한 해결방안으로 제기되고 있는 로봇세 도입의 쟁점과 동 향 등을 분석하는 것을 목적으로 한다. 최근 인공지능·로봇의 상용화와 자동화 시스템의 도입으로 노동과 일자리의 대체가 빠르게 진행되고 있 는 가운데 로봇세 도입 논란이 가열되고 있다. 로봇세 도입에 반대하는 사람은 로봇세의 도입이 조세 형평의 원칙 위배와 기업의 경영 악화로 이어져 자본주의 경제질서의 근간을 저해할 수 있다고 주장한다. 반면에 로봇세 도입에 찬성하는 사람은 인공지능·로봇의 상용화에 따라 일자리 대체와 실업·빈곤 문제가 심각하게 나타나고 있으므로 인간의 일자리 상 실에 대한 보전과 생존권 보장, 그리고 재교육 등을 위한 세수 확보 수 단으로 로봇세의 도입이 필요하다고 주장한다. 이처럼 인공지능·로봇에 의한 인간 노동 및 일자리의 대체 경향이 강하게 나타날수록 로봇세 도 입을 둘러싼 논란은 앞으로 훨씬 더 증폭될 것으로 예상된다.

본 연구의 주요 목적은 회귀기반의 다양한 머신러닝 알고리즘을 개발하고 다양한 농업 분야에서 사용되는 트랙터의 연료 소비량을 예측하는 것이다. 비포장 도로주행 농업 기계중에서도 사용 비중이 가장 높은 트랙터를 선정하였다. 실제 농가에 방문하여 현업 전문가 조언을 바탕으로 연구하여 설문지를 작성하였으며, 설문 대상은 경남 사천시에 있는 농가 10곳, 진주시에 있는 농가 62곳 등, 총 72곳의 농가이다. 농작업으로는 벼농사, 보리농사, 밭농사 등이 있으며, 작업내용으로는 쟁기, 로터리, 비료살포, 베토, 모내기작업 등이 있다. 다중 회귀분석을 통해 연료 소비량 예측에 영향을 미치는 변수(마력, 기계사용연수, 경작면적, 작업 시간)를 추출하였고. 머신러닝 회귀 학습기 모형으로 학습하여 예측 모형의 성능을 검증하였다. 연료 소비량을 예측하는 모델의 성능은 결정 계수(R), RMSE (제곱 평균 제곱근 오차), MSE (평균 제곱 오차) 및 MAE (평균 절대 오차)를 포함한 4가지 통계적 품질 매개변수를 사용하여 결정되었다. 연구 결과 4가지 모델(다중회귀, 랜덤포레스트, 아다부스트, K-최근접 이웃) 중 K-최근접 이웃의 성능이 제일 높은 것으로 나타났다. 결론적으로 본 연구의 결과는 실제 농가의 연료 소비량을 예측하여 면세유 유통의 투명성을 확보하고 추후 개발 모델의 의사결정에 활용될 수 있을 것으로 기대된다.

본 논문에서는 AI 기반 설계 탐색 기법을 활용하여 선박의 주요 치수 최적화를 수행하였다. 설계 탐색 기법은 최적화 프로그램 HEEDS의 SHERPA 알고리즘을 사용하였다. 유동 해석은 상용 CFD 코드인 STAR-CCM+를 사용하였고, 주요 치수 변환은 전처리 과정에서 JAVA Script와 Python을 사용하여 선박의 치수가 자동으로 변환되도록 설정하였다. 대상 선박은 소형 쌍동선형으로 주요 치수 최적화는 한쪽 선형의 길이, 폭, 흘수 그리고 단동선형 간의 간격에 대하여 수행되었다. 최적화 알고리즘에 사용된 목적함수는 총저항이며, 내부 의 장 시스템의 크기 등을 고려한 배수 체적의 범위를 제한조건으로 선정하였다. 그 결과 최적 선형의 주요 치수는 기존 선형 대비 ±5% 내 에서 변화가 있었고 총저항은 약 11% 개선된 결과를 보였다. 본 연구를 통해 선박의 형상을 직접 변경하지 않더라도 주요 치수 최적화를 통해 선박의 저항 성능이 향상됨을 확인하였고, 다양한 선박의 주요 치수 최적화를 통한 성능 향상에 활용이 될 것으로 기대한다.

본 연구는 인공지능과 블록체인 기반 사회 복지 서비스 사례 연구에 관련된 논문으로 국내외 다양한 ICT 융복합 복지 서비스에 대해 살펴보았다. 의료 분야에 적용되고 있는 AI 기술을 의료이미지 분석, 심장초음파, 뇌신경 분야, 디지털병리 분야 등으로 구분하여 살펴보고 각 사례 별로 적용된 기계학습 및 딥러닝 방법론에 대해 서술하였다. 국내 외 공공 의료 복지 분야에 적용되고 있는 블록체인 기술의 다 양한 사례를 살펴본다. 미국에서 시행 중인 블록체인 기반 출생증명, 에스토니아의 블록체인 기반 건강 기록 암호화 기술 및 복지 서비스 등에 대해 살펴본다. 마지막으로 다양한 ICT 기술이 접목된 미래 사회 복지 서비스의 발전 방향에 대해 고찰하고 기술적 한계점과 사회적 합의가 필요한 부분에 대해 고민해 본다.