본 연구의 목적은 음성 인터페이스(Voice User Interface, VUI)를 이루는 설계변수 중 사용자에게 긍정적인 감성을 유발하는 설계변수를 확인하는 것이다. 특히, 사용자의 성별과 설계변수의 조절 효과를 분석하여 VUI와 상호작용하는 동안 사용자가 만족할 수 있는 적절한 설계변수 수준을 찾아보고자 하였다. 선행연구를 통해 VUI에 사용되는 음성 설계변수 중에서 사용자의 감성 만족도에 영향을 미칠 수 있는 설계변수 6가지를 도출하였다. 설계변수는 수준을 조절할 수 있도록 Wizard of OZ를 활용하여 VUI 시스템을 구현하였고, 6가지 설계변수의 수준을 조합하여 사용자와 음성으로 대화를 할 수 있도록 구성하였다. 실험에 참여한 사용자는 총 80명으로, 남/여 성비를 고려하여 각 40명씩 모집하였다. 사용자는 VUI와 주어진 임무에 대한 정답을 알아내기 위해 자연스러운 대화를 진행하며, 그동안의 얼굴 표정 변화에 대한 이미지 데이터를 수집 및 표정 분석 소프트웨어를 통해 Valence 점수로 변환하였다. Valence 데이터 를 기반으로 빈도 및 카이제곱 분석을 통해 확인한 결과, 사용자의 성별과 AI gender간의 조절효과가 유의한 것으로 나타났다. 이 결과는 VUI를 설계할 때 사용자의 성별 차이를 고려하는 것이 좋다는 것을 의미한다. 결론적으로, 남성사용자의 경우 성인/남성/높은 톤의 음성, 여성 사용자의 경우 성인/여성/중간톤의 음성이 향후 만족스러운 인터랙션 구현을 위한 VUI 설계에 주요한 가이드라인인 것을 확인하였다. 본 연구의 결과를 통해 향후 다양한 인적 요소를 고려하여 UX 관점에서 인간-AI 상호작용을 보다 섬세하게 분석할 수 있을 것이며, 표정을 통한 실시간 감성 측정을 위한 기초연구로 활용될 수 있을 것이다.

The purpose of this study was to examine the impacts of AI-integrated MALL on Korean students’ TOEIC preparation, by comparing with AI-integrated CALL. A total of 496 freshmen students participated in this study. They were arbitrarily assigned to AI CALL (n = 190), AI MALL (n = 164), and the control (n = 132) groups. During a 2021 academic semester, the two experimental groups studied TOEIC through computers or mobile phones, integrated with AI technology. The control group was taught by a human teacher, in a traditional classroom setting. Before and after the treatment, TOEIC listening and reading tests were administered. Paired samples t-tests and one-way ANOVAs, were used to analyze collected data. Findings show that all groups significantly increased listening and reading test scores. Group comparison results show that the AI CALL group outperformed the control group for both tests. This group also outperformed the AI MALL group for the reading test. Based on this, pedagogical implications are invaluable

2030년 무렵 인공지능(AI) 분야에서 세계의 리더가 되고자 하는 목표의 일환으로, 중국 국무원은 2017년에 ‘차세대 인공지능 개발 계획’을 발표하였다. 본 논문은 AI 연구 및 개발과 관련한 중국의 현재 위치를 조명하고, 중국의 AI 거버넌스 및 윤리 원칙들에 대한 맥락적인 이해를 시도하는 것을 목표로 한다. 이를 위해 2장은 중국 이 꿈꾸는 ‘AI굴기’라는 야망을 실현하기 위해 현재 중국이 AI 분야에서 도달해 있 는 지점을 살펴본다. 연구자는 비록 중국이 AI 연구와 개발에서 국가적 차원의 노력 을 통해 상당한 기술적 수준에 도달해 있지만, 아직 가야할 길이 남아 있음을 주장 한다. 3장은 AI를 위해 중국 정부와 기업 그리고 학계가 제시하고 있는 AI 관련 윤 리 원칙들과 규범들의 특징을 조명한다. 이를 위해 연구자는 EU의 AI 윤리 원칙을 상호 비교하면서 중국의 AI 윤리 원칙의 성격과 특징을 드러낸다. 이 과정에서 본 논문은 중국 정부는 AI가 가져다 줄 잠재적 이익들과 AI로 인한 위험들과 이에 대 한 도전들을 인지하고 있지만, 이러한 요인들의 상호작용에서 정부의 이익과 공공의 보안을 그 중심에 두고 있음을 주장한다. 자연스럽게 4장에서 연구자는 이러한 중국 정부의 이익을 위한 AI의 활용이 초래할 우려들과 현재 목격되는 부작용들을 ‘감시 국가를 위한 AI의 기술적 활용’으로 규정하고, 그 실태를 살펴본다. 연구자는 중국의 AI 거버넌스가 전 세계적인 신뢰를 얻고, 다른 나라들과의 바람직한 협력을 구축할 수 있는 방향으로 나아갈 때, 진정한 AI 리더 국가로서 그 보편성을 획득할 수 있음 을 결론을 통해 주장하며 본 연구를 마무리 한다.

최근 AI 기술은 하루가 다르게 빠르게 발전하고 있고, AI기술은 각 분야에서 다양하게 사용되어지고 있다. 본 논문은 예술분야에서 AI기술의 활용으로 COVID-19 상황에서 인간관계, 개인적인 이유로 지친 마음을 위 로해주는 힐링 게임을 제작하였다. 제작한 힐링게임에서는 주로 Self-help-therapy의 효과를 얻을 수 있어, 치 료자의 도움없이 이용자가 힐링게임을 통하여 일상적 이용과정에서 치유적 효과를 얻을 수 있는 것을 기대 하고 있다. 게임 리뷰 데이터를 통계 분석하여 힐링게임으로 대중들이 요구하는 부분을 수용하여 힐링게임 이 제작되었으며, 사용자는 게임 시작 전 간단한 스토리라인과 AI와 상호작용할 수 있는 간단한 대화를 통 화여 Self-help-therapy 효과를 얻을 수 있었다.

Recently, not only traditional statistical techniques but also machine learning algorithms have been used to make more accurate bankruptcy predictions. But the insolvency rate of companies dealing with financial institutions is very low, resulting in a data imbalance problem. In particular, since data imbalance negatively affects the performance of artificial intelligence models, it is necessary to first perform the data imbalance process. In additional, as artificial intelligence algorithms are advanced for precise decision-making, regulatory pressure related to securing transparency of Artificial Intelligence models is gradually increasing, such as mandating the installation of explanation functions for Artificial Intelligence models. Therefore, this study aims to present guidelines for eXplainable Artificial Intelligence-based corporate bankruptcy prediction methodology applying SMOTE techniques and LIME algorithms to solve a data imbalance problem and model transparency problem in predicting corporate bankruptcy. The implications of this study are as follows. First, it was confirmed that SMOTE can effectively solve the data imbalance issue, a problem that can be easily overlooked in predicting corporate bankruptcy. Second, through the LIME algorithm, the basis for predicting bankruptcy of the machine learning model was visualized, and derive improvement priorities of financial variables that increase the possibility of bankruptcy of companies. Third, the scope of application of the algorithm in future research was expanded by confirming the possibility of using SMOTE and LIME through case application.

The purpose of this study is to determine whether the use of artificial intelligence (AI) improves English listening and reading proficiency. It focuses on whether its impacts differ by gender and major. The study was conducted in 2020 with 340 freshmen students in Korea. There were 182 male and 208 female students. The participants majored in different areas: 139 students majoring in aeronautics, 130 students studying policing and safety, 121 students studying in the arts department. The TOEIC test was adopted as pre- and post-tests to explore the impacts of using AI on English learning. To analyze the data, two-way ANOVAs were administered. The study found no interaction effects of gender or major on either listening and reading proficiency. However, gender and major, respectively, had significant impacts on listening. Regarding reading proficiency, major alone affected the students’ performance. Based on these findings, pedagogical implications are considered.

본 연구에는 가뭄의 유발 요인으로 강수량, 기온, 상대습도 등의 기상현상을 활용하고 가뭄 피해로 인한 대응 요소로서 대체수원, 제한급수, 운반급수 등의 비상급수를 적용하여 AI기반 가뭄 대응 정보 구축 방안을 구성하였다. AI 머신 러닝 기법 중 널리 사용되는 의사결정나무 모형을 통하여 예측 기법을 수립하였다. 연구 대상 지역은 비상급수 활용 빈도가 높고 종관기상관측소가 존재하는 충주시, 안동시, 의성군을 선정하였다. 자료 기간은 2014년부터 2019년까지의 자료를 이용하였으며, 가뭄 유발 기상요인으로 ASOS의 강수량 및 기온, 습도를 이용하고 가뭄 피해 요소로 국가 가뭄정보 포털의 비상급수 현황 자료를 활용하였다. 모형 학습 결과 정확도가 약 0.97, F1-Score가 약 0.5로 나왔으며, 이는 비상급수가 필요한 상황과 그렇지 않은 상황을 97%의 확률로 예측할 수 있음을 의미하며, 비상급수가 필요했던 표본만을 대상으로 했을 경우 약 50%의 확률로 예측이 가능한 것을 의미한다. 따라서 의사결정나무 모형을 적용하여 예측 정확도를 분석한 결과 가뭄 대응 비상급수 준비지역 예측을 위한 적용성이 높은 것으로 평가되었다. 그러나 본 연구에서는 기상 조건만을 가뭄 유발 요인으로 반영하였기 때문에, 공급수량 부족 등의 요인을 추가적으로 검토할 필요가 있으므로 가뭄과 연관된 요소인 저수지 용량 등을 추가하고 비상급수 이외의 피해 요소 역시 확장하여 연구를 개선하고자 한다.

현재 교량과 같은 토목구조물의 설계프로세스는 1차 설계 후 구조 검토를 수행하여 기준에 부적합할 경우 재설계하는 과정을 반복 하여 최종적인 성과품을 만드는 것이 일반적이다. 이러한 반복 과정은 설계에 소요되는 기간을 연장시키는 원인이 되며, 보다 수준 높 은 설계를 위해 투입되어야 할 고급 엔지니어링 인력을 기계적인 단순 반복 작업에 소모하고 있다. 이러한 문제는 설계 과정 자동화를 통하여 해결할 수 있으나, 설계 과정에서 사용되는 해석프로그램은 이러한 자동화에 가장 큰 장애요인이 되어 왔다. 본 연구에서는 기 존 설계 과정 중 반복작업을 대체하고자 강화학습 알고리즘과 외부 해석프로그램을 함께 제어할 수 있는 인터페이스를 포함한 교량 설계 프로세스에 대한 AI기반 자동화 시스템을 구축하였다. 이 연구를 통하여 구축된 시스템의 프로토타입은 2경간 RC라멘교를 대 상으로 제작하였다. 개발된 인터페이스 체계는 향후 최신 AI 및 타 형식의 교량설계 간 연계를 위한 기초기술로써 활용될 수 있을 것 으로 판단된다..

Predictive maintenance has been one of important applications of data science technology that creates a predictive model by collecting numerous data related to management targeted equipment. It does not predict equipment failure with just one or two signs, but quantifies and models numerous symptoms and historical data of actual failure. Statistical methods were used a lot in the past as this predictive maintenance method, but recently, many machine learning-based methods have been proposed. Such proposed machine learning-based methods are preferable in that they show more accurate prediction performance. However, with the exception of some learning models such as decision tree-based models, it is very difficult to explicitly know the structure of learning models (Black-Box Model) and to explain to what extent certain attributes (features or variables) of the learning model affected the prediction results. To overcome this problem, a recently proposed study is an explainable artificial intelligence (AI). It is a methodology that makes it easy for users to understand and trust the results of machine learning-based learning models. In this paper, we propose an explainable AI method to further enhance the explanatory power of the existing learning model by targeting the previously proposedpredictive model [5] that learned data from a core facility (Hyper Compressor) of a domestic chemical plant that produces polyethylene. The ensemble prediction model, which is a black box model, wasconverted to a white box model using the Explainable AI. The proposed methodology explains the direction of control for the major features in the failure prediction results through the Explainable AI. Through this methodology, it is possible to flexibly replace the timing of maintenance of the machine and supply and demand of parts, and to improve the efficiency of the facility operation through proper pre-control.

요즘은 4차산업혁명으로 교과별 AI(인공지능) 교육이 점점 강화되는 추세이다. 이런 관점에서 연구자는 2021학년도 1학기에 S중학교 한문 AI(인공지능)동아리 학생을 대상으로 AI(인공지능) 활용 한문교육으로 지식정보처리역량을 길러주는 사례를 찾아 제시하고자 하였다. 연구자는 먼저 엠블럭 프로그램의 인공지능 기능 곧, 음성변환, 번역, 인식서비스, 기계학습을 활 용하여 한문 교육을 하였다. 번역에서는 한국어와 한문 사이의 번역에 활용하였고, 인식서비스에서 는 언어소리인식은 한국어 또는 한문을 인식하는데 활용하였고, 언어문자인식은 한자 자형을 인식 하는데 활용하였고, 이미지 인식은 한자 자형을 인식하는데 활용하였고, 이미지 묘사는 한문 관련 이미지 묘사를 설명하는데 활용하였고, 기계학습에서는 한자 자형을 기계학습하는데 활용하였다. 다음으로 머신러닝포키즈 프로그램을 활용하여 인성을 인공지능으로 만드는 한문교육을 하였다. 다시 말하면 텍스트를 활용하여 선행, 악행, 효도, 불효, 신뢰, 불신이라는 인공지능을 만드는 한문교 육을 하였다. 이와 같은 한문교육으로 학생들은 스스로 AI(인공지능) 활용 한문교육으로 지식정보처리역량을 기르는 사례를 다소나마 익히게 되었다. 한편으로 지식정보처리역량 개발에서 실험집단이 작아서 그 결과를 일반화하기 어렵지만, 어느 정도 변화는 감지할 수 있었다. 앞으로 해당 학년 학생 모두 를 대상으로 하는 연구가 이루어지면 소기의 결과를 얻을 수 있으리라 생각된다.

AI가 시장의 패러다임을 바꾸는 새로운 혁신 기술로 주목받고 있다. 기업은 AI 의 기술적 이점이 잘 반영되면서 동시에 시장의 수요를 충족하는 방법을 적용하여 신제품을 개발해야 한다. 하지만 업계에는 이러한 요건을 충족하는 방법론이 부재하다 보니 기업들은 기존 제품개발 방법론을 이용해 AI 기반 제품개발을 추진하고 있다. 이로 인해 AI의 기술적 이점이 충분히 반영되지 못하거나 AI의 기술적 잠재성이 시장 가치로 연결되지 못하게 된다. 이러한 한계를 극복하기 위해 이 연구는 AI 기반의 신제품을 개발하기 위한 새로운 방법론을 제시한다. AI 혁신이 기존 방식과 다른 차별적 속성을 확인하고, 이러한 속성이 반영된 제품 설계 프로세스와 방법론을 제시한다. 이 연구는 AI 제품개발이 양손잡이 접근(Ambidexterity approach)을 지향해야 함을 강조하며, 테크놀로지 푸시(Technology push) 기반의 아이디어 생성, 마켓 풀(Market pull) 기반의 소비자 요구조건 분석, 제품 설계 구체화 등을 포함하는 AI 기반 제품의 설계(Design) 프로세스 및 구체적인 개발 방법을 제안했다. 이 방법론의 현 실 적용 가능성을 검증하기 위해 사례연구를 실시, AI 기반의 차량용 인포테인먼트 시스템 개발 전략을 도출한다. 기술적 가능성에 기반하여 13개의 혁신 아이디어를 생성했고, 카노 (KANO) 분석과 TOPSIS의 결합에 의한 소비자 요구조건 분석을 통해 총 6개의 신제품 개 발 전략을 도출했다. 이 연구제서 제안하는 방법론은 기업이 AI 기반의 혁신제품을 통해 신 시장을 개척하거나 기존 제품의 고도화를 통해 시장 확장을 펼치는 데 유용하게 활용될 수 있다.