기후변화로 서리의 계절적 발생 시점은 지연되고 있다. 반면에 국내 주요 사과 산지의 서리 발생 빈도는 오히려 증가하고 있어 정밀한 사전 예측의 필요성이 커지고 있다. 본 연구는 노지 과수원 환경을 대상으로, 서리 발생 여부를 예측하는 다중 시간스케일 기반의 인공지능 모델을 제안하였다. 최근 10년간(2014-2025년) 경상북도 안동 기상대의 시간별 관측 97,758건을 사용하였으며, 6·12·24시간의 멀티윈도우 입력으로 단기 급변(복사냉각), 일일 주기성, 장기적인 대기 순환 패턴을 동시에 반영하였다. 모델링은 XGBoost, CNN, XGB-CNN 앙상블로 구성하였으며, 학습-검증-테스트를 70-20-10%로 분할하였다. 성능 평가로 XGB-24h는 ROC-AUC 0.977, PR-AUC 0.921, FPR 0.039로 높은 분별력과 낮은 허위경보를 보였다. CNN-24h는 Recall 0.941로 놓침 최소화에 유리하나 FPR이 상대적으로 높았다. 제안한 앙상블은 두 축을 절충하여 Accuracy 0.932, Recall 0.859, FPR 0.046, MCC 0.809, PR-AUC ≈0.919를 달성했고, Brier 0.056으로 확률 보정도 가장 우수했다. 성능 최적화를 위해 소프트 보팅 앙상블 모델의 가중치(ω)와 서리판정의 임계값(θ)을 대상으로 2차원 grid search를 수행한 결과, 앙상블 성능 조정 시 가중치(ω)보다 임계값(θ)이 핵심 파라미터임을 확인 하였다. 본 연구는 다중 시간스케일과 앙상블에 계절별 동적 임계값(θ) 정책을 적용할 경우 추가적인 성능 개선이 가능함을 시사하며, 지역 일반화의 한계를 고려해 향후 다양한 지역·기후 조건에서의 현장 실증 연구를 통해 재현율(Recall) 중심의 성능향상을 지속적으로 개선하고자 한다.

Cordycepin is the principal bioactive compound produced by Cordyceps militaris and exhibits diverse pharmacological properties. However, cordycepin production is highly sensitive to cultivation conditions, leading to substantially variable production amounts and challenges in process optimization. An interpretable machine learning framework was established in this study to predict the cordycepin produced by C. militaris cultivated on Pinus densiflora sawdust. Three key cultivation parameters—input weight, growth weight, and particle size—were quantified using submerged mycelial culture. The cordycepin content was measured via high-performance liquid chromatography. Four predictive models (random forest, support vector machine, XGBoost, and artificial neural network) were optimized through a randomized hyperparameter search and evaluated using internal validation and Tropsha’s external quantitative structure-activity relationship criteria. The validation accuracy of XGBoost was the highest (root mean square error = 42.67 μg/mL), whereas the external performance of random forest was the most reliable (R² = 0.898). Shapley additive explanations revealed that input weight most strongly influenced cordycepin production, followed by growth weight and particle size, with distinct nonlinear and interaction-driven effects among the cultivation variables. Kernel density and dependence analyses confirmed the occurrence of multimodal production regimes associated with the substrate loading and particle size characteristics. Finally, the best-performing model was deployed through a streamlit-based graphical user interface, enabling the real-time prediction of cordycepin concentration with a 95% confidence interval. The results collectively demonstrate the utility of interpretable AI-driven modeling for unveiling complex biological responses, providing a practical decision-support tool for optimizing cordycepin production in fungal biotechnologies.

생성형 AI는 방대한 데이터를 기반으로 사용자의 요구에 부합하는 콘텐츠를 자동 생성함 으로써 창의성과 생산성을 동시에 향상시키고 있다. 구독경제 기반의 생성형 AI 서비스는 소비자와 기업 모두에게 혜택을 제공한다. 소비자는 높은 초기 비용 없이 지속적으로 서비스를 이용할 수 있으며, 기업은 반복적인 매출과 고객 데이터를 기반으로 서비스 품질을 고도화할 수 있다. 이와 같은 선순환 구조가 안정적으로 유지되기 위해서는 소비자의 지속적인 유료 구독이 필수적이다. 이에 본 연구는 생성형 AI 서비스에 대한 구독의도 형성 요인을 규명하기 위해 기술수용모델(TAM)과 어포던스(Affordance) 이론을 통합한 연구모형을 제시하고 실증 분석을 수행하였다. 생성형 AI 사용 경험이 있는 직장인 134명을 대상으로 온라인 설문 조사를 실시하였으며, 수집된 자료를 SPSS 27.0과 PROCESS macro를 활용하여 상관분석, 다중회귀분석, 그리고 매개효과 분석을 실시하였다. 분석 결과, 어포던스 요인 중 개인화된 도움 제공은 인지된 유용성과 인지된 용이성 모두에 유의한 영향을 미쳤고, 맥락 인지는 인지된 유용성에만 유의한 영향을 미쳤다. 반면 대화의 의인화는 두 인지 요인 모두에 유의한 영향을 보이지 않았다. 또한 인지된 용이성은 인지된 유용성에 정(+)의 영향을 미쳤으며, 두 인지 요인은 모두 이용의도에 유의한 정(+)의 영향을 미쳤다. 특히 이용의도는 구독의도에 가장 강력한 영향을 미치는 핵심 변수로 확인되었고, 인지된 유용성과 용이성은 이용의도를 매개로 구독의도에 간접적인 정(+)의 효과를 보였다. 본 연구는 생성형 AI와 구독경제의 융합이라는 새로운 소비 패러다임에 대한 이론적 기반을 제공함과 동시에, 사용자 경험 중심의 AI 서비스 설계 및 구독형 비즈니스 전략 수립에 실무적 시사점을 제시한다.

While the adoption of AI-based design tools is accelerating in design education, limited research has examined learners’ psychological acceptance of these tools. This study therefore investigates perceptions of CLO 3D, Stable diffusion, and ChatGPT through the Technology Acceptance Model (TAM). Survey data were collected from 70 design majors at a university in Seoul and analyzed using regression methods, focusing on four key variables: perceived learning difficulty, efficiency, visual satisfaction, and commercialization potential. The results revealed paradoxical patterns in learning experience, where higher learning intention and perceived intuitiveness sometimes increased learning burden, while efficiency and output similarity reduced it. Efficiency perceptions were strengthened by learning intention, CLO 3D output similarity, and ChatGPT’s visualization support, but weakened when learners relied heavily on traditional creativity or when Stable diffusion’s creativity reflection was emphasized. Visual satisfaction was positively influenced by portfolio development and practical application intentions yet decreased when judged strictly by conventional creativity standards. Commercialization potential increased with efficiency, time savings, ChatGPT utilization, and application planning, but declined with greater familiarity with hand sketching. These findings validate TAM’s dimensions of usefulness and ease of use while highlighting the moderating role of comparison with traditional workflows. The study contributes theoretically by extending TAM to creative education contexts and provides practical guidance for developing instructional strategies that balance efficiency, creativity, and professional applicability.

The purpose of this study is to develop a narrative-timeline framework for VJ practice that integrates artistic intention with technical execution. The model combines an eight-stage emotional narrative structure with a six-phase timeline workflow, positioning the VJ as both creative director and coordination mediator in live event production. Building on this foundation, the study explores how artificial intelligence can extend the framework through functions such as automated emotional tagging, predictive workflow optimization, and real-time conflict resolution. While still conceptual, the results indicate the design feasibility of a replicable blueprint for participatory and sustainable VJ practice. Future work will involve empirical validation and the development of AI-assisted tools that preserve human creative agency while expanding narrative and operational possibilities in live media performance.

본 연구는 한국 소재 대학에 재학 중인 중국인 유학생의 생성형 AI 사 용 의도에 영향을 미치는 요인을 규명하고, AI리터러시의 조절효과를 실 증적으로 분석하고자 한다. 연구 대상은 최근 1개월 이내 생성형 AI 사 용 경험이 있는 중국인 유학생 400명이며, 온·오프라인 설문조사를 통해 자료를 수집하였다. 분석 결과, 첫째, 성과 기대, 노력 기대, 사회적 영향 은 모두 지각된 가치와 사용 의도에 유의한 정(+)의 영향을 미치는 것으 로 나타났다. 특히 노력 기대가 지각된 가치에 가장 강한 영향을 미쳤으 며, 성과 기대는 사용 의도에 가장 강한 영향을 미쳤다. 둘째, 지각된 가 치는 세 가지 UTAUT 요인과 사용 의도 간의 관계를 부분매개하는 것으 로 확인되었다. 셋째, AI리터러시는 성과 기대와 지각된 가치 간의 관계 에서만 유의한 조절효과를 나타냈으며, AI리터러시가 높은 집단에서 이 관계가 더 강하게 나타났다. 본 연구는 유학생의 생성형 AI 수용 과정에 서 지각된 가치의 매개역할과 AI리터러시의 선택적 조절효과를 확인함으 로써 기술수용 이론의 확장에 기여하고, 유학생을 위한 직관적 AI 인터 페이스 개발, AI리터러시 수준별 맞춤형 교육 프로그램 설계, 건전한 AI 활용 문화 조성의 필요성을 시사점으로 제시하였다.

생성형 인공지능의 급속한 발전은 사회 전반에 광범위한 영향을 미치며, 일상생활을 포함한 다양한 분야 에 활용되고 있다. 본 연구에서는 인공지능 기술의 발전 동향을 대규모 언어모델(Large Language Models, LLM)을 중심으로 살펴보고 생성형 인공지능 기반 솔루션이 정치 및 공공 부문의 효율성과 서비스 최적화 에 기여하고 있음을 확인하였다. 본 연구는 미국, 싱가포르, 인도 등의 사례분석을 통해 인공지능 도구가 선거의 확장성과 시민과의 상호작용 개선에 역할 할 수 있다는 것을 주장한다. 동시에, 대규모 언어모델의 실사용 과정에서 제기되는 편향성, 허위정보 확산, 규제 공백 등의 쟁점들을 고찰할 필요가 있음을 지적한 다. 요컨대, 생성형 인공지능은 민주주의 발전과 공공서비스 증진에 대한 가능성을 제공하지만, 기술의 지속 가능하고 적실한 활용을 위해 투명성, 공정성과 책임성을 고려한 사용이 요구된다.

본 연구는 가치기반수용모델을 바탕으로 AI 기반 맞춤형 화장품 추천 서비스의 지각된 가치와 이용의도에 미치는 영향 요인을 규명하고자 하였다. 이를 위해 설문지 241부를 수집하여 SPSS 27.0으로 빈도분석, 요인분석, 신뢰도 분석, 상관관계분석, 회귀분석을 실시하였다. 첫째, 유용성과 즐거움은 지각된 가치에 정(+)적 영향을 미치는 것으로 나타났다. 둘째, 복잡성은 지각된 가치에 부(-)적 영향을 미치는 것 으로 나타났으나, 위험성은 유의한 영향을 미치지 않는 것으로 나타났다. 셋째, 지각된 가치는 이용의도에 정(+)적 영향을 미치는 것으로 나타났다. 그러므로 지각적 가치와 이용의도를 증진시키기 위해서는 유용한 정보롸 흥미를 유발할 수 있는 재미 요소를 제공하고, 복잡한 과정을 간단하게 축소할 필요가 있다.

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.

3D 게임그래픽 표현기술은 게임콘텐츠발전과 함께 콘텐츠 분야에서 중요한 요소가 되었다. 특히 게임 캐릭터 표현 기술은 사실적인 그래픽 기술과 시각적인 즐거움을 주는 것 이외에 게임 을 진행하는 게임에 대한 몰입도의 중간 단계역할을 하며 플레이어가 마치 게임 속에서 영웅적 인 모험을 즐길 수 있도록 착각을 만들어 낸다. 3D 게임에 있어서 게임캐릭터의 높은 완성도는 개발과정 가운데 캐릭터 설정작업의 세심한 디테일작업과 신중함이 주요요인으로 작용한다[3]. 본 논문에서는 게임구현을 위하여 인지적 AI 알고리즘이 적용된 3D 유니티 게임 엔진을 사용하 여 radiosity의 수학적인 모델과 기본적인 radiosity 모델, 점진적 개선 radiosity 모델 기법을 방 법론을 소개하고, 모바일 게임에 적용한 캐릭터 표현기법을 제안하려고 한다. 게임엔진에 실제적 으로 적용하여보니 렌더링과정과 모의실험에서 표면의 투영도는 게임콘텐츠 환경의 조명도에 따 라 변화됨을 발견 할 수 있어서, 전체적으로 질 높은 게임캐릭터가 완성되었음이 확인 되었다.