This study explores the use of Midjourney (V6) by fashion design undergraduates for AI-supported ideation, focusing on how outcomes differ based on fashion-domain competence and prompt/parameter instruction. A focused ethnographic, comparative case-study design was used to observe a short collection-development module. Data included Discord prompt and parameter logs, generated image outputs (mood boards, look proposals, and pattern drafts), one-on-one interviews, classroom observation notes, and expert co-coding and qualitative evaluation. Participants were organized into four groups by crossing Basic vs. Advanced Fashion competence (BF/AF) with Basic vs. Advanced Prompt training (BP/AP): BF-BP, AF-BP, BF-AP, and AF-AP. BF-BP depended on repetitive/imaginary use and generic descriptors, resulting in visually appealing yet conceptually fragmented and low-feasibility results. AF-BP leveraged a richer domain vocabulary to improve item-level adequacy but struggled to maintain collection-level consistency, leading to the use of external editing tools such as Photoshop and Illustrator for portfolio-level refinement. BF-AP quickly mastered commands and parameters (e.g., /describe, --chaos, --stylize, --ar, --tile, --no, --sref, --cref), generating appealing concept imagery while failing to convert outputs into wearable garments and cohesive collections. AF-AP combined advanced fashion knowledge with strategic parameter sequencing— broad exploration, followed by consistency control and selective refinement—achieving the most coherent, feasible outcomes and positioning AI as an early-stage accelerator rather than a substitute for core design and making skills. Overall, this study proposes “parameter literacy” as a domain-specific extension of GenAI literacy and offers a parameter–process mapping (divergent generation, consistency control, and editing/refinement) to enhance fashion curricula.

This study examines group differences in AI dependence, self-efficacy, and design fixation based on learners’ AI utilization experience, and further explores the relationships between AI dependence and perception-related variables within an AI-based design education context. To this end, I surveyed 42 learners who participated in an AI-based design class. I then performed data analysis in IBM SPSS Statistics 26, using one-way analysis of variance (ANOVA) and Pearson correlation. The ANOVA revealed statistically significant group differences in AI dependence by AI usage level, but no significant differences in self-efficacy or design fixation. Furthermore, age and professional experience showed no significant influence on most variables. Meanwhile, the correlation analysis revealed that AI dependence was significantly positively associated with design fixation, but not with self-efficacy. These results suggest that, in AI-based design education, learners’ perceptions and attitudes are not strongly differentiated by personal background factors such as age or professional experience, but are instead associated with their experience with AI use and perceived dependence on AI. By distinguishing and analyzing AI utilization and AI dependence, this study provides empirical evidence that contributes to a more nuanced understanding of learners’ cognitive perceptions in AI-based design education in practice.

This paper presents an AI-based PHM (Prognostics and Health Management) framework for quantitative motor health assessment and remaining useful life (RUL) prediction. The proposed method first defines a health index using vibration and current signals of an industrial motor, and then adopts a two-stage PHM architecture consisting of health-state classification and deep learning-based RUL prediction. A degradation test bench is designed to obtain condition monitoring data for normal, warning, and critical states, and a hybrid 1D CNN– BiLSTM–attention model is developed to capture both local features and long-term temporal dependencies. Experimental results demonstrate that the proposed model outperforms conventional SVM and single LSTM baselines in terms of both health-state classification accuracy and RUL prediction accuracy, achieving a 20– 30% reduction in RMSE and more than 80% of RUL predictions within ±10% error. The proposed approach provides a practical PHM framework and modeling guidelines for implementing condition-based maintenance of electric motors in smart manufacturing environments.

본 연구의 목적은 4차 산업혁명 시대를 맞아 AI 기반 코칭을 체계적으로 고찰 하여 학문적 체계를 정립하고 실천적 발전 방향성을 제시하고자 하였다. PRISMA 가이드라인을 적용하여 2016년부터 2025년 4월까지 발표된 국내 학술 논문 및 학위논문 30편을 최종 선정해 연구 시기, 학술 유형, 연구 목적, 적용 분야 및 기술 유형, 연구 방법, 연구 대상을 중심으로 분석하였으며, 혼합방법평 가도구(MMAT)를 통해 방법론적 타당성을 검토하였다. 분석 결과, 2023년에 가 장 많은 연구가 수행되었고, 기술 개발 중심의 연구가 66.7%로 가장 많았으며, 효과성 분석(23.3%)과 수용성 연구(10%)는 상대적으로 적었다. AI 코칭은 스포 츠와 헬스, 운동 분야, 교육, 조직 분야 등 다양한 분야에 적용되었으며. 기술유 형도 머신러닝 및 딥러닝, 웨어러블, VR/AR 기반 피드백 시스템 등 다양하였다. 연구 방법은 정량적 연구가 가장 많았고, 혼합 연구와 정성적 연구도 수행되었 다. 연구 대상은 일반 성인을 포함해 고령자, 당뇨 환자 등 특수 집단, 운동선수, 학생 등 다양한 대상이 포함되었다. 본 연구는 국내 AI 관련 코칭 연구의 경향 을 정리하고, 기술 활용 특성과 방법론적 흐름을 정리했다는 점에서 학문적 의 미가 있다. 표본 수의 제한에도 불구하고, 향후 실천적 활용 가능성과 후속 연구 에 기초 자료를 제공한다.

본 연구는 공공서비스 AI가 인권을 침해하는 구조적 메커니즘을 분석하고, 인권기반 거버넌스 모델을 제시하는 것을 목적으로 한다. 공공서비스 AI의 권리 침해는 단순한 기술 결함이 아닌 제도 설계와 운영 과정에서 구조적으로 발생한다. 이에 본 연구는 인권기반접근(HRBA)을 이론적 토대로 삼아, 네덜란드 SyRI와 호주 Robodebt 사례를 비교 분석하였다. 분석 결과, 공공서비스 AI의 인권 침해는 3단계 메커니즘 을 통해 형성되고 누적된다. 첫째, 설계 단계에서 행정 효율성 중심의 목표가 우선되면서 권리 보호 장치가 충분히 내장되지 못한다. 둘째, 운영 단계에서 자동화된 판단이 알 권리와 이의제기권을 실질적으로 약화 시킨다. 셋째, 결과 단계에서 사회경제적 취약 집단에 감시와 제재가 불균형하게 집중된다. 이러한 발견에 기초하여 본 연구는 공공서비스 AI를 국가 권력 행사의 새로운 인프라로 재정의하고, 인권영향평가(HRIA) 를 핵심으로 하는 거버넌스 체계를 제안한다. 이는 기존의 위험기반 규제가 간과한 절차적 권리 보장과 구조적 차별 통제를 통해 공공서비스 AI 거버넌스의 인권적 공백을 보완하는 데 기여한다.

본 연구는 인공지능(AI) 기반 말하기 연습이 외국어로서의 한국어 (KFL) 학습자의 말하기 불안감과 정서적 발달에 미치는 영향을 분석함으 로써, AI 도구가 학습자의 정서적 요인에 미치는 교육적 의미를 탐색하 였다. 양적·질적 혼합연구 방법을 사용하여 설문조사 결과와 심층 인터 뷰 자료를 종합적으로 분석하였다. 통계분석 결과, 전반적으로 말하기 불 안이 감소하는 경향을 보였으나, 통계적으로 유의한 차이는 한 문항에서 만 확인되었다. 그러나, 질적 분석에서는 인터뷰에 참가한 모든 학습자가 AI와의 상호작용을 통해 말하기에 대한 자신감과 편안함이 향상되었다고 보고하였으며, 이는 AI 기반 연습 환경이 학습자에게 심리적 안정감과 언어 사용의 부담 완화라는 긍정적 경험을 제공했음을 보여준다. AI 기 반 말하기 연습은 완전한 의사소통 능력의 습득을 대체하기보다는, 학습 자가 인간과의 실제 상호작용으로 나아가기 위한 초기 단계의 스캐폴드 역할을 수행하는 것으로 이해할 수 있다. 연구의 한계로는 소규모 표본, 짧은 개입 기간, 그리고 연구 결과의 일반화 가능성 제한이 있다.

This qualitative study explores how fifth-grade elementary school students experience AI-based feedback in English writing. Two students participated in writing activities and received feedback from ChatGPT. Data were collected from observation logs, drafts, reflection journals, and interviews over several weeks. The analysis focused on participants’ perceptions, cognitive/meta-cognitive and affective responses, and the impact of feedback on revision. Results indicate AI-based feedback is helpful, clear, and supports self-directed learning, increasing motivation and confidence. Effective classroom use requires instructional sequences integrating AI feedback with teacher facilitation, including drafting, feedback reception, revision, and reflection stages. Teacher training should prepare educators to manage AI tools effectively and foster students’ self-regulation. Teacher-led research and collaboration can enhance AI feedback integration, ensuring meaningful learning experiences for young EFL learners. These findings provide foundational insights for developing personalized feedback systems and instructional models combining technological innovation and pedagogy, supporting young learners’ growth as confident and autonomous writers.

환경 규제에 대한 국제 규제의 강화로 인하여 국내 항만에도 친환경 연료 인프라를 구축하기 위한 정책이 마련되고 있다. 하지 만 여전히 친환경 연료에 대한 작업자의 취급 안전 문제가 대두되고 있는 것이 실정이다. 따라서 본 연구에서는 계절에 따른 항만 내 암 모니아 누출 위험 특성을 정량적으로 평가하고, 이를 기반으로 관리구역을 설정하기 위한 의사결정지원 체계를 제안하였다. 여수항을 대 상으로 환경 변수를 고려하기 위하여 봄·여름·가을·겨울 및 오전·오후의 계절 시나리오를 구성하고, 벙커링 중 발생할 수 있는 최대 누출 조건에서 암모니아 확산 특성을 시뮬레이션하였다. 이때 개인적 위험도는 Gexcon 社의 RISKCURVES를 활용하여 산정하고, IMO CCC 10차 에서 제시한 220 ppm 독성 기준과 HSE Level-2 기준인 1.0E-6/year를 적용하였다. 도출된 위험도를 기반으로 Safety zone을 정의하고, IMO의 작업자 평지 보행속도 1.11 m/s를 적용하여 60초 이내 대피가 불가능한 구역을 Unsheltered zone으로 설정하였다. 또한, Safety zone과 Unsheltered zone 사이에 위치한 작업자의 대피 가능성을 평가하기 위해 A* 알고리즘을 이용해 최단 경로를 탐색하고, k-means 군집화와 Silhouette score를 활용하여 Security zone을 도출하였다. 본 연구의 결과는 암모니아 벙커링 항만 및 친환경 연료 기반 인프라 구축 시 계절 별 위험성을 반영한 사고대응 전략 수립에 활용될 수 있을 것으로 판단된다.

This study investigated the use of weakly supervised learning (WSL) and partial annotation-based semantic segmentation for recognizing ingredients in the traditional Korean dish bulgogi. A dataset was created to encompass various cooking stages and imaging conditions, with pixel-level labels generated for major ingredients: beef, onion, green onion, carrot, chili pepper, mushroom, button mushroom, and king oyster mushroom, using partial annotations. To enhance model robustness, data augmentation techniques such as rotation, scaling, horizontal flipping, and color jittering were employed. The DeepLabV3+ architecture was utilized, with ResNet50 and ResNet101 serving as backbone networks. The results demonstrated that ResNet50 provided stable performance with lower computational costs, while ResNet101 achieved higher segmentation accuracy for smaller or visually complex ingredients. Models trained with data augmentation showed improved recall and F1-scores, especially for smaller ingredient classes. Overall, both backbone models exhibited consistent performance across key segmentation metrics, including mean Intersection over Union (mIoU), precision, recall, and F1-score. These findings indicate that WSL, in conjunction with partial annotation, can effectively facilitate ingredient-level segmentation in mixed dishes like bulgogi.

The purpose of this study is to evaluate the applicability of an unsupervised outlier-detection method as a surrogate safety measure (SSM) to estimate the effect of AI-based Bike-Safe monitoring system. An SSM that utilizes near-miss data immediately before an accident occurs must be developed to compensate for inadequate bicycle accident data and missing reports. In particular, the omission level of accident reports related to bicycle users is higher on bicycle paths, which implies that the importance of an SSM in safety management is much greater than in the general road environment. Therefore, the unsupervised outlier-detection method was set as the SSM because it can be learned without a label, is suitable for streaming data, and is generalizable under limited data. Additionally, the DeepAnT(deep learningbased anomaly detection) model was selected as the most appropriate time-series outlier-detection method. Using the time-series prediction module of the learned DeepAnT model, we analyzed the frequency of outliers or avoidance behaviors based on a linear relationship between estimated and observed values. The history data of the acceleration change rate of each bicycle were applied to the DeepAnT model to evaluate the possibility of using alternative safety indicators. Thus, those data are expected to be applicable as an alternative safety indicator for bicycle paths.

Purpose: This study aims to develop and evaluate A4, a generative AI agent (Adaptive Aptitude Assessment by AI for Nursing Students), designed to support undergraduate nursing students in matching their personal traits with suitable clinical roles. Method: An exploratory research design was used with 71 nursing students and 65 clinical nurses. Developed using ChatGPT-4, the A4 agent classified nursing roles, identified required personal traits, and generated adaptive test items. Perceived person–job fit was measured via survey, and the data were analyzed using descriptive statistics and independent t-tests. Results: Among students, 80.3% agreed that the A4 results represented their characteristics, compared with 69.2% of nurses. Nursing students had higher perceived aptitude–fit scores (2.99 ± 0.62) than nurses (2.74 ± 0.69), indicating a significant difference (t = 2.19, p = .030). Conclusion: The findings indicate that the generative AI-based adaptive assessment, which incorporated clinical scenarios, was perceived by nursing students and clinical nurses as a tool that represents personal traits. This suggests its potential to support personalized career guidance in nursing education and serve as a supplementary tool for clinical practicum orientation.

The purpose of this study is to develop and implement a customized AI-based speaking diagnosis, learning, and assessment system, SpeakMaster, in order to overcome the lack of systematic evaluation and practice opportunities in school English speaking class. This system integrates automated speaking scoring to provide students with feedback on their speaking abilities across pronunciation, conversation, and presentation. This study adopts a design-based research methodology, demonstrating the development and implementation process. 1,451 students and eight teachers in elementary, middle, and high schools participated in the experiment. Data were collected through learning logs, teacher journals, interviews, and post-surveys. The findings indicate that the system design is appropriate for English class, promoting students’ flow in engaging speaking practice. Students showed motivation and satisfaction while teachers found the system valuable for monitoring student progress and facilitating speaking assessments. Despite the challenges of improving chatbot performance and enhancing scoring reliability, the results suggest that SpeakMaster shows potential to enhance English speaking education.

With the growing interest in generative AI (GenAI) for language assessment, its potential as a rater has been discussed. This study compares trained human raters’ scores with GenAI ratings in assessing L2 pragmatic speaking performance across different task types. Fifty L2 English learners of varying proficiency levels completed pragmatic speaking test items, which were scored by five trained raters and ChatGPT-5. To examine the comparability, many-facet Rasch measurement was employed, focusing on examinees’ abilities, raters’ severity, item difficulty, and rating criteria functioning. Findings indicated a moderate correlation between GenAI and human ratings in terms of examinee ability. Compared to human raters, ChatGPT exhibited higher internal consistency and produced a narrower examinee ability distribution. ChatGPT ratings tended to focus on explicit features, such as specific conditions in real-life pragmatic tasks and formulaic expressions, while showing inconsistency in scoring off-task performances and implicit sociopragmatic dimensions. These findings are discussed in light of the potential of GenAI for low-stakes classroom assessment.

본 연구의 목적은 디지털 네이티브 세대인 대학생을 대상으로 생성형 인공지능 (Generative AI) 활용 경험이 심리적 안녕감과 AI 기반 상담 수용도에 미치는 구조적 관 계를 규명하는 데 있다. 이를 위해 기술수용모델(Technology Acceptance Model, TAM) 을 이론적 틀로 설정하고, 대학생의 AI 활용 경험과 심리적 특성이 새로운 상담 매체로서 AI 상담 수용으로 이어지는 심리적 기제를 실증적으로 분석하였다. 서울 및 경기도 소재 4년제 대학교 재학생 350명을 대상으로 온라인 설문조사를 실시하 였으며, 불성실 응답을 제외한 318부를 최종 분석에 사용하였다. 주요 변인은 생성형 AI 활 용 경험, 심리적 안녕감, 지각된 유용성, AI 기반 상담 수용도이며, SPSS 27.0과 AMOS 26.0을 활용하여 기술통계 분석, 신뢰도 분석, 확인적 요인분석, 구조방정식모형 분석을 수 행하였다. 분석 결과, 생성형 AI 활용 경험은 지각된 유용성을 매개로 하여 AI 기반 상담 수용도에 정(+)의 간접 효과를 미치는 완전 매개 구조를 보였다. 반면, 심리적 안녕감은 AI 기반 상 담 수용도와 유의미한 부(-)의 관계를 나타내어, 심리적 안녕감이 낮을수록 AI 상담에 대한 수용 가능성이 높아지는 경향이 확인되었다. 이는 일상에서 AI의 유용성을 체감한 대학생일 수록 AI를 상담 도구로 수용할 가능성이 높으며, 대면 상담에 부담을 느끼는 심리적 취약 집단에게 AI 상담이 상대적으로 수용 가능한 대안이 될 수 있음을 시사한다. 본 연구는 디지털 네이티브 세대의 특성을 반영한 AI 기반 정신건강 지원 전략의 실증적 근거를 제시하였다는 점에서 의의가 있다. 연구 결과를 토대로 대학 차원의 하이브리드 멘탈 케어 시스템 구축과 AI 리터러시 교육과 정서조절 훈련을 통합한 교육 커리큘럼 개발 등 대 학생 정신건강 증진을 위한 실천적 시사점을 제안한다.

21세기 들어 인공지능(Artificial Intelligence)은 예술 창작의 구조와 개념을 근본적으로 변 화시키고 있다. 특히 음악 분야에서 생성형 AI의 등장은 작곡과 편곡의 경계를 허물며, 인간의 감정과 기술의 연산이 결합된 새로운 예술 형태를 출현시켰다. 본 연구는 AI 기반 음원 제작이 공연예술, 특히 무용 창작 구조에 미치는 영향을 분석하는 데 목적을 둔다. 연구 방법으로 질적 사례연구를 채택하고, 국내에서 이루어진 두 가지 공연 사례 ― ① 국립국악원 『세종탄신 하례 연』<AI 복원 궁중음악 공연>(2024), ② 『G·Artience 2024』<무용×AI 융합 공연> 를 중심으로 고찰하였다. 분석틀로는 앤드류 핀버그(Andrew Feenberg)의 기술철학과 볼터와 그루신(Bolter & Grusin)의 재매개 이론을 바탕으로 ‘학습–모방–공진–종결’의 4단계 퍼포먼스 구조를 설정하였 다.『세종 탄신 하례연』은 전통음악의 복원을 통해 ‘기억된 예술’의 현대적 재해석을 보여주 었으며, 『G·Artience 2024』는 인간의 신체 데이터를 AI가 실시간으로 해석하고 음악·시각 효 과를 공진적으로 생성함으로써 공동지능 예술의 가능성을 제시하였다. 이와 같은 분석은 AI 기술 이 예술 창작의 민주화와 감정 표현의 확장을 동시에 이끌고 있음을 보여준다. 본 연구는 기술이 예술의 협업 구조와 주체성을 어떻게 재구성하는지를 실증적으로 제시함으로써, AI 시대 공연예 술의 지속적 발전 방향을 탐색하는 학문적 기초를 마련하고자 하는데 그 의의가 있다.