본 연구는 생성형 AI 시대에 AI에 의한 관광산업의 미래 전망과 시사 점에 따른 대응방안을 제시하는 것을 주 목적으로 하였다. 이를 위해 관 광산업 분야 중 어떤 분야의 일자리가 대체되고, AI로 인해 관광산업의 노동시장이 어떻게 변하는지에 관한 시사점을 도출하여 대응방안을 문헌 고찰하였다. 연구결과, 생성형 AI 시대의 관광산업의 미래 전망과 시사점 을 요약하면서 AI로 인한 관광산업 일자리 대체 가능성에 대응하기 위한 정책적 방안을 직업 전환 지원, 창의적 업무 개발, 산업-교육 연계 강화, 사회 안전망 강화, AI 윤리 및 규제 도입, 재정적·기술적 중소기업 지원 등으로 제안하였다. 이론적으로는 AI 기술이 관광산업의 고용 구조와 산 업 생산성에 미치는 영향을 분석하여 노동시장 변화 모델을 발전시킬 수 있는 시사점을 제공했다. 또한, 실무적으로는 AI 기술 도입에 따른 직업 훈련, 재교육 프로그램 및 산업 변화에 맞는 규제와 지원 정책을 마련해 노동시장의 균형을 유지해야 한다는 정책 대응방안과 관광기업은 AI 활 용의 장점을 극대화하면서도 고용 감소에 따른 사회적 책임을 고려해야 한다는 시사점을 제시하였다.

지능정보사회에 대응한 교육 환경의 변화가 예상됨에 따라 본 연구에서는 학습자가 AI 기반 학습플랫 폼을 어떻게 인식하고 있는지 학업정서와 학습동기적 측면에 대해 질적으로 탐색하고자 하였다. 이를 위 해 AI 기반 학습플랫폼을 경험한 초등학생 및 중􌝆고등학생 7명을 연구참여자로 선정하였으며 그들이 경험 한 학업정서 및 학습동기에 대해 반구조화된 면담을 실시하였다. 면담 자료는 연구문제를 중심으로 자료 를 체계적으로 정리하여 기술하는 방법인 질적 내용분석(Qualitative content analysis: QCA)을 통해 분석 하였다. 그 결과 학업정서는 2개의 상위범주와 9개의 하위범주로 구성되었다. 구체적으로, 연구참여자들은 AI 기반 학습플랫폼을 사용하면서 긍정정서와 부정정서를 경험한 것으로 나타났다. 긍정정서로는 만족감, 성취감, 기대감, 즐거움, 안도감을 경험하였으며, 부정정서로는 답답함, 우울함, 좌절감, 불안함을 경험하였 다. 학습동기는 5개의 하위범주로 나뉘어졌고, AI 학습이 학습동기에 도움을 준 이유는 5개의 주제묶음으 로 구성되었다. 결과를 구체적으로 상술하면, AI 기반 학습플랫폼을 사용한 학습자들은 몰입, 자율성, 흥 미, 자기효능감, 자기조절성을 경험한 것으로 확인되었다. 또한 AI 학습을 경험한 학습자들은 AI 학습플랫 폼이 학습동기에 도움을 준 이유로 AI의 기능적 측면, AI 콘텐츠, 보상, 피드백, 게임 요소 등을 꼽았다. 이러한 결과를 기반으로 선행연구와 연계하여 논의하였다.

자기공명영상은 인체 내부 구조와 병변을 비침습적으로 시각화하는 핵심 의료 영상 기법으로 자리 잡고 있으며, 특히 신경계 및 심혈관계 질환과 같은 복잡한 질병의 진단에서 필수적인 도구로 활용되고 있다. 기존의 자기공명영상 시스 템은 영상의 해상도와 신호대잡음비에서 한계가 있었으나, 최근의 기술 발전은 이러한 한계를 극복하고 진단 정확성 을 높이는 방향으로 나아가고 있다. 고자기장 자기공명영상 시스템의 도입은 해상도와 신호대잡음비를 개선하는 데 기여하고 있으며, 병렬 영상 기법은 촬영 속도를 향상시키면서도 영상 품질의 손실을 최소화한다. 또한, 압축 센싱 (compressed sensing) 기술은 데이터 획득 시간을 줄여 촬영 효율성을 높이는 데 중요한 역할을 하고 있다. 최근 인공지능(AI)의 발전으로, 자기공명영상 데이터에서 초해상도 복원(super-resolution) 및 노이즈 제거와 같은 영상 후처리 기술이 획기적으로 향상되었다. 인공지능 기반의 영상 향상 기술은 저해상도 데이터를 고해상도로 변환하고, 촬영 과정에서 발생할 수 있는 왜곡과 노이즈를 효과적으로 제거하여, 더 정확하고 명확한 진단 영상을 제공한다. 이러한 발전은 단순히 영상의 품질을 높이는 것을 넘어, 임상 진단의 정확성과 효율성을 크게 향상시키고 있으며, 특히 제한된 촬영 시간을 요구하는 응급 상황에서 유용성이 두드러진다. 본 논문에서는 자기공명영상 촬영 기법의 최신 발전과 인공지능 기반 영상 향상 기술의 동향을 여러모로 분석하고, 이들의 임상적 유용성을 조명함으로써 고해 상도 자기공명영상이 의료 분야에서 가지는 의미와 향후 발전 방향을 제시하고자 한다.

본 연구는 상선과 어선의 충돌사고를 예방하기 위한 인공지능(AI) 기반 충돌 회피 시스템의 도입을 위하여 해외 사례를 조사하 고 도입에 필요한 기술적 요소 고찰을 통해 구체적인 도입 방안을 제안하였다. 최근 10년간 발생한 상선의 해양사고 통계를 분석한 결과, 약 87%가 인적 과실에 기인함을 확인하였다. 기존의 충돌 예방 대책은 주로 선원 교육과 항해 규칙 준수에 초점을 맞추었으나, 인적 오류 를 완전히 배제하는 데에는 한계가 있었다. 이에 따라 AI 기반 충돌 회피 시스템의 도입이 해상 안전을 위한 효과적인 해결책으로 주목받 고 있다. 본 연구에서는 AI 기반 충돌 회피 시스템의 기술적 개념과 핵심 요소를 고찰하고, 해외 사례를 통해 시스템의 실효성을 검증하 였다. 또한 우리나라 해운업계의 현황을 분석하여 도입을 위한 절차와 방법을 제시하였으며, 기술 도입이 미치는 긍정적인 영향을 평가하 였다. 연구 결과, AI 기반 충돌 회피 시스템은 실시간 데이터 분석과 자율적 회피 기능을 통해 충돌 위험을 효과적으로 줄일 수 있음을 해외 사례 연구를 통해 확인하였다. 그러나 기술 개발, 법적 규제 정비, 산학연 협력 강화 등 도입을 위한 다양한 과제가 존재하며, 이를 해결하기 위한 정책적 지원이 필요함을 강조하였다. 본 연구는 선박 충돌사고 예방 등 해상 안전에 기여할 수 있는 실질적인 방안을 제시 함으로써 관련 분야의 학술적 및 실무적 발전에 이바지하고자 한다.

This study aims to propose new grading standards that can be applied to AI-based automatic sorting machines, reflecting current distribution and consumption trends. The current domestic grading standards for onions in South Korea are based on the “Agricultural and Fishery Products Quality Control Act”. They classify onions based on criteria such as uniformity, shape, color, and the presence of foreign matter. Onion grading standards are divided into four categories based on bulb diameter and weight. However, in the actual domestic market, onions are distributed according to a five-grade classification based on bulb diameter. Therefore, this study classified onions into eight grades, reflecting current distribution and consumption trends in the domestic market. These grades are applicable to AI-based automatic sorting machines. Marketable onions were classified into A1 (extra large) to A5 (extra small) based on the diameter of a single bulb. Onions used for non-marketable purposes (processing) were classified as grade B. Additionally, grade C and grade D were designated for processing and disposal, respectively. By establishing quality grading classifications that align with current distribution and consumption market trends as well as the operational characteristics of AI-based automatic sorting machines, we can expect improvements in work efficiency and reductions in distribution costs. Following this study, it will be necessary to establish comprehensive quality grading standards that include both external criteria (such as bulb weight and size) and internal criteria (such as detection of internal decay and disease occurrence).

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.

PURPOSES : For autonomous vehicles, abnormal situations, such as sudden changes in driving speed and sudden stops, may occur when they leave the operational design domain. This may adversely affect the overall traffic flow by affecting not only autonomous vehicles but also the driving environment of manual vehicles. Therefore, to minimize the traffic problems and adverse effects that may occur in mixed traffic situations involving manual and autonomous vehicles, an autonomous vehicle driving support system based on traffic operation optimization is required. The main purpose of this study was to build a big-data-classification system by specifying data classification to support the self-driving of Lv.4 autonomous vehicles and matching it with spatio-temporal data. METHODS : The research methodology is explained through a review of related literature, and a traffic management index and big-dataclassification system were built. After collecting and mapping the ITS history traffic information data of an actual Living Lab city, the data were classified using the traffic management indexing method. An AI-based model was used to automatically classify traffic management indices for real-time driving support of Lv.4 autonomous vehicles. RESULTS : By evaluating the AI-based model performance using the test data from the Living Lab city, it was confirmed that the data indexing accuracy was more than 98% for the KNN, Random Forest, LightGBM, and CatBoost algorithms, but not for Logistics Regression. The data were severely unbalanced, and it was necessary to classify very low probability nonconformities; therefore, precision is also important. All four algorithms showed similarly good performances in terms of accuracy. CONCLUSIONS : This paper presents a method for efficient data classification by developing a traffic management index to easily fuse and analyze traffic data collected from various institutions and big data collected from autonomous vehicles. Additionally, EdgeRSU is presented to support the driving of Lv.4 autonomous vehicles in mixed autonomous and manual vehicles traffic situations. Finally, a database was established by classifying data automatically indexed through AI-based models to quickly collect and use data in real-time in large quantities.

The purpose of this study was to investigate how the English speaking ability of Korean EFL college students was affected by their interactions with Talk-to-ChatGPT while taking an ‘English Interview’ class. Thirty pieces of English conversation scripts with thirty chatbot conversations created by five students were collected for analysis. Two online text analysis programs, Quillbot including word counter and grammar checker and T.E.R.A.(Text Ease and Readability Assessor), were used for data analysis. The findings of data analysis revealed that 1) The average length of the sentences and words spoken by the participants has increased through English speaking practice using Talk-to-ChatGPT, and 2) There was no significant change in text ease and readability, and coherence of students’ utterances through English speaking practice using a chatbot while there were differences depending on their English proficiency levels. 3) Students A, B, and D, who had relatively low levels of English proficiency, showed a slight increase in syntactic accuracy and semantic clarity in their English interview practice. Based on the study findings, pedagogical implications for the effective use of AI-based apps or programs in English speaking classes were presented.

본 연구에서는 Text-to-3D 생성형 AI 기술을 활용하여 메타버스 방 꾸미기 게임의 프로토타 입을 설계하고 구현하고자 하였다. <Roblox>와 <Minecraft>와 같은 가상 현실 기반의 메타버 스 게임은 사용자를 단순한 플레이어에서 창작자인 크리에이터로 발전할 수 있게 하였고 이러 한 재미 요소는 대중적인 인기에 이바지하였다. 생성형 AI는 데이터와 패턴을 기반으로 다양 한 형태의 미디어 콘텐츠를 쉽게 생성할 수 있으며, 게임 개발에도 마찬가지로 유용하다. 이러 한 생성형 AI를 통한 콘텐츠 제작은 시간과 비용을 절약할 뿐만 아니라 결과적으로 콘텐츠의 품질을 높이고 다양성을 확보할 수 있다. 본 연구에서는 언리얼 엔진의 네트워크 프레임워크 를 활용한 리슨 서버(Listen-Server) 방식으로 방 꾸미기 게임을 설계 및 구현하였다. 이 게 임의 핵심 시스템은 메타버스에서 사용자가 쉽게 생성형 AI로 3D 모델을 생성하고, 자신의 방 에 배치할 수 있게 하는 것이다. 본 연구를 통해 코딩 기초 이해는 물론 좀 더 쉬운 방법으로 3D 오브젝트 생성을 통해 사용자가 원하는 메타버스 플랫폼 제작을 가능하게 하며 이러한 과 정은 사용자뿐만 아니라 동시에 창작자의 역할로 이용자의 주체성, 창의성, 의사소통 능력 등 을 향상할 가능성을 찾고자 한다. 그뿐만 아니라 기본적인 코딩 학습을 이해함으로써 사용자 의 창작 활동에 기회를 확장할 뿐만 아니라 메타버스 콘텐츠 개발에 이바지하고자 한다.

본 연구에서는 노인의 건강 증진 및 건강 유지를 위해 노인 맞춤형 운동 애플리케이션 개발을 목표로, 스마트폰을 활용한 실시간 동작 추적 기술과 영상과 사진을 바탕으로 한 AI 학습을 통 해 단계별 동작 인식과 판단이 가능한 운동 동작 모델을 구현하였다. 노인 맞춤형 운동 애플리 케이션은 실시간 피드백을 지원하고, 노인의 운동 능력과 신체 가동 범위에 적합하게 단계적 운동이 가능하도록 구현되어야 할 것이다. 이를 위해 본 논문에서는 골포스트 스퀴즈(Goal Post Squeeze) 운동 동작을 대상으로 하여 이를 일련의 단위 동작으로 설계하고, MoveNet 포 즈 추정 기법을 기반으로 동작 인식 모델을 개발하였다. 구현한 운동 동작 모델에 대한 작동 실험 결과 단계별 데이터 인식과 판단, 정동작과 오동작 판단, 수평유지를 판단하고 이를 바탕 으로 사용자에게 실시간 피드백을 제공할 수 있음을 확인하였다.

본 연구는 관광 관련 서비스 분야에 필요한 특수 목적 중국어(CSP) 교육과정 개 발을 위한 첫 단계로 AI 데이터 기반으로 구축된 구어체 병렬 코퍼스에서 CSP 어휘 리스트를 선정하여 용어색인과 어휘다발(n-gram)등을 분석하였다. 어휘리스트 어휘 규모는 토큰 수 총 304, 228개와 타입 수 17, 286개로 나타났으며, 어휘 누적 증가율 을 분석하면 2-Gram과 3-Gram의 어휘다발이 가장 많았고, 실무 현장에서 가장 많 이 활용되고 있음을 알 수 있었다. 본 연구에서 구축된 특수 목적 관광 중국어 어휘 리스트는 실제 교육 자료로 제공하여 관광 중국어 학습자와 교수자에게 실용적으로 사용될 수 있을 것이라 기대한다.

Due to climate change and the rise in international transportation, there is an emerging potential for outbreaks of mosquito-borne diseases such as malaria, dengue, and chikungunya. Consequently, the rapid detection of vector mosquito species, including those in the Aedes, Anopheles, and Culex genera, is crucial for effective vector control. Currently, mosquito population monitoring is manually conducted by experts, consuming significant time and labor, especially during peak seasons where it can take at least seven days. To address this challenge, we introduce an automated mosquito monitoring system designed for wild environments. Our method is threefold: It includes an imaging trap device for the automatic collection of mosquito data, the training of deep-learning models for mosquito identification, and an integrated management system to oversee multiple trap devices situated in various locations. Using the well-known Faster-RCNN detector with a ResNet50 backbone, we’ve achieved mAP (@IoU=0.50) of up to 81.63% in detecting Aedes albopictus, Anopheles spp., and Culex pipiens. As we continue our research, our goal is to gather more data from diverse regions. This not only aims to improve our model’s ability to detect different species but also to enhance environmental monitoring capabilities by incorporating gas sensors.

최근, 국토교통부에서 시행한 “국가 보행교통 실태조사”로 인해 보행안전과 보행환경에 대한 중요성이 증가하고 있으며, 전반적으로 대로에서는 보행환경이 양호하나 생활도로에서는 보도가 미설치되거나 보도폭이 협소하여 보행환경이 미흡하고 보행 만족도도 낮은 것으며 생활도로의 약 34%가 유효보도폭 기준을 충족하지 못하고 있다고 조사되었다. 국가 주요 사회간접자본(SOC)인 도로, 교량, 터 널, 공공건물, 환승센터 등에 비하여 상대적으로 보행공간을 대상으로한 정보화 속도가 늦어 정보화 연구개발에 대한 추진이 시급한 실정이다. 이에 정부에서도 국가공간정보정책 기본계획에 따른 국가공간정보정책 시행계획이 확정되어 신산업 기반으로서의 역할과 안전한 시설관리를 위한 디지털 트윈 관련 기술개발 등에 투자를 확대하고, 디지털 트윈 등의 기반 정보인 고정밀 공간정보 생산 등 에 중점적으로 투자하고 있다. 현재 한국건설기술연구원, 서울시, 경기도 등에서 활용하고 있는 조사장비(PES, KRISS)는 도로포장(차 도)에서 상태 모니터링을 진행하고 있으나 이와 같은 장비들은 고가의 장비들로 실질적으로 사용하기에는 어려움이 있다. 또한, 보행 도로에서는 상태 모니터링을 수집할 장비가 없기 때문에, 보행 공간 경사, 노면 상태 등을 측정ㆍ수집하는 방법은 인력에게 의존해왔 다. 또한, 현재 보행자도로에 대한 서비스수준 산정 방식은 한국도로용량편람(2013)의 보행자시설편에서 제공하고 있는 산정 방식으로 도로용량편람에서 제시하는 보행자도로의 분석 방법을 적용하여 서비스수준을 산출할 경우, 차량과 동일한 교통량-속도-밀도 관계에 의존하여 산출하기 때문에 현실적인 보행자도로의 서비스수준을 반영하지 못하고 있는 실정이다. 이러한 문제로 인해 보행공간에 대 한 이용자의 안전 및 편의성에 대한 연구가 미흡한 상황이다. 따라서, 본 연구는 모바일매핑시스템(Mobile Mapping System)과 인공지 능(AI), 무인비행장치(Drone)를 활용한 보행공간 상태 모니터링 시스템 구축 방안을 제시하고자 한다.

The operation time of a disposal repository is generally more than one hundred years except for the institutional control phase. The structural integrity of a repository can be regarded as one of the most important research issues from the perspective of a long-term performance assessment, which is closely related to the public acceptance with regard to the nuclear safety. The objective of this study is to suggest the methodology for quantitative evaluation of structural integrity in a nuclear waste repository based on the adaptive artificial intelligence (AI), fractal theory, and acoustic emission (AE) monitoring. Here, adaptive AI means that the advanced AI model trained additionally based on the expert’s decision, engineering & field scale tests, numerical studies etc. in addition to the lab. test. In the process of a methodology development, AE source location, wave attenuation, the maximum AE energy and crack type classification were subsequently studied from the various lab. tests and Mazars damage model. The developed methodology for structural integrity was also applied to engineering scale concrete block (1.3 m × 1.3 m × 1.3 m) by artificial crack generation using a plate jacking method (up to 30 MPa) in KURT (KAERI Underground Research Tunnel). The concrete recipe used in engineering scale test was same as that of Gyeongju low & intermediate level waste repository. From this study, the reliability for AE crack source location, crack type classification, and damage assessment increased and all the processes for the technology development were verified from the Korea Testing Laboratory (KTL) in 2022.