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.

본 연구는 275명의 대학생을 대상으로 AI 프로그램에 대한 인식과 활 용 간의 구조적 관계를 분석하였다. 연구 방법으로는 설문 조사를 통해 AI 프로그램의 유용성, 신뢰성, 사용 빈도, 만족도를 측정하였으며, 구조 방정식 모델(SEM)을 이용해 변수 간의 관계를 분석하였다. 그 결과, 유 용성 인식이 높을수록 AI 프로그램 활용 빈도와 만족도가 증가하는 반 면, 신뢰성 인식이 낮을수록 사용 빈도와 만족도가 감소하는 경향을 확 인하였다. 이러한 결과는 AI 프로그램을 학습 도구로 효과적으로 통합하 기 위해서는 신뢰성을 높이고 사용 편의성을 개선하는 것이 중요하다는 점을 시사한다. 본 연구는 대학생들의 학습에서 AI 프로그램의 역할을 체계적으로 분석하고, AI 기술의 교육적 활용 방안을 제시한다.

본 연구의 목적은 생성형 AI의 한국어 문맥 해석 성능을 평가하는 것 으로, 이를 위해 접속 부사 {그래서/ 그러나/ 그런데/ 그리고}가 쓰인 784개 텍스트를 대상으로 챗GPT의 접속 부사 사용을 평가하고 오류의 원인을 분석하였다. 분석 결과 첫째, 챗GPT의 접속 부사 사용 오류율은 약 21%로 총 784개 중 170개의 텍스트에서 의미 해석의 오류가 발생했 다. 둘째, [인과/ 대조/ 전환/ 나열] 중에서 오류 비율은 [인과/ 전환]의 {그래서}와 {그런데}가 약 30%로 가장 높게 나타났다. 이는 챗GPT가 예 측과 추론이 필요한 [인과] 관계 해석에는 한계가 있음을 의미한다. 셋 째, 텍스트 유형에 따른 오류 비율은 ‘소설’이 29%로 가장 높게 나타나 고 ‘논설문’이 14%로 가장 낮게 나타났다. 이는 챗GPT가 논리에 기반한 텍스트에서 문맥을 더 정확하게 해석한다는 것을 의미한다. 넷째, 챗 GPT는 문맥 의미를 해석하는 과정에서 접속 부사의 위치를 잘못 계산하 거나 구절 및 문장의 일부를 누락하는 등 텍스트 분석 과정에서 오류가 나타났다. 본 연구는 생성형 AI의 한국어 문맥 해석 성능과 한계를 문장 층위에서 분석하였다는 점에서 의의가 있으며 이는 생성형 AI의 효과적 인 사용 방법과 성능 개선 방안을 모색하는 데에 도움을 줄 것이다.

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 만학도의 학습참여동기, 사회적지지, 자기효능감이 생성형 AI의 인식에 미치는 영향을 확인하는 데 목적을 두었다. 연구의 대상자 는 서울 소재의 B대학교에 재학 중인 만학도로, 기간은 2024년 6월 5일 부터 6월 20일까지 설문 조사를 실시하여 최종 설문지 191부를 SPSS 25.0을 활용하여 분석하였다. 본 연구는 첫째, 만학도의 생성형 AI에 대 한 사전경험을 살펴보고 학습참여동기, 사회적지지, 자기효능감, 생성형 AI에 대한 인식을 알아보았으며, 학습참여동기와 사회적지지, 자기효능감 이 생성형 AI 인식에 미치는 영향을 살펴보았다. 그 결과, 첫째, 본 연구 참여자인 만학도의 인구사회학적 변인의 빈도분석에서 조사대상자의 84.75%가 60대 이상의 고령학습자였고 참여자가 스스로 생각하는 생성 형 AI에 대한 이해도는 매우 낮음에서 보통까지의 이해도가 전체 86.2% 를 차지하였다. 또한 생성형 AI를 사용하지 못하는 이유로 사용 의지는 있으나 접근방법이나 정보가 부족하다고 생각하였다. 둘째, 만학도의 학 습참여동기 중 활동지향적 동기가 생성형 AI의 교육적 인식에 정적으로 유의한 영향을 미쳤으나, 자기효능감은 부적으로 영향을 미쳐, 인공지능 에 대한 다양하고 충분한 수행 경험이 선행되어야 할 것으로 사료되었 고, 후속연구에서는 고령 만학도 특성에 기반한 다양한 AI 수업 적용 연 구가 이루어져야 할 것을 제안하였다.

This study examined the effects of creating English picture books using generative artificial intelligence (AI) on Korean high school students’ reading and writing skills, AI literacy, and self-efficacy. Forty-five students were divided into two groups and participated in tasks that included selecting a character from English-speaking cultures, generating images using Bing Image Creator, drafting and revising stories with ChatGPT, and creating audiobooks with ClovaDubbing. Reading and writing skills were evaluated using pre- and post-tests, and AI literacy as well as affective factors, including selfefficacy, were measured through surveys. The results indicated a significant improvement in students’ writing skills and self-efficacy, whereas reading skills did not demonstrate statistically significant progress. The study underscores the potential of generative AI as a tool for enhancing writing skills, AI literacy, and self-efficacy in language learning. However, it also emphasizes the need for further pedagogical efforts to design instructional strategies that effectively improve reading skills. These findings offer practical guidance for integrating generative AI into EFL education to enhance language learning and AI literacy.

이 연구는 인공지능(AI)이 문화콘텐츠와 미디어 산업에 미치는 영향을 다각적으로 분석하고, AI의 창의 적 생산, 미디어 소비 변화, 윤리적·사회적 쟁점에 대해 논의하였다. 그리고 AI가 콘텐츠 제작에서 창의성과 효율성을 높이며, 창작자와의 협력을 통해 새로운 형태의 콘텐츠 창출을 가능하게 한다는 점을 확인하였다. 또한 AI 기반 추천 시스템을 통해 개인화된 미디어 소비 경험이 제공됨으로써 사용자 만족도와 소비 지속 성이 강화된다는 사실을 밝혔다. 그러나 AI 도입은 저작권 문제, 알고리즘 편향성, 문화적 다양성 보존, 사회적 고용 변화 등 다양한 윤리적·사회적 과제도 야기하고 있다. 이를 해결하기 위해 법적, 기술적, 정책 적 접근이 필요하며, AI의 투명성과 공정성을 확보하는 것이 필수적임을 강조하였다. AI와 인간이 협력하 여 공정하고 신뢰할 수 있는 콘텐츠 제작을 지향할 때, AI는 문화콘텐츠와 미디어 산업의 발전에 이바지할 수 있을 것이다. 본 연구는 AI와 문화산업의 융합을 둘러싼 다양한 이슈를 종합적으로 검토함으로써 향후 지속 가능한 발전을 위한 방향성을 제시하고자 한다.

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.

This study developed and implemented an elementary English writing program using image-generative AI to examine its effects on students’ writing abilities and affective domains. The program was designed following the ADDIE model and aligned with the 2022 Revised English National Curriculum. It used Padlet’s ‘I Can’t Draw,’ allowing students to create images based on their prompts. Eighty sixth-grade students participated, with data collected through pre- and post-writing tests, affective domain surveys, student work, reflections, and teacher interviews. A mixed-methods analysis, combining ANCOVA and content analysis, revealed the following: (1) The program improved the syntactic and lexical complexity and fluency of students’ writing, but not accuracy. (2) Students’ situational interest significantly increased, but individual interest did not. Additionally, students’ engagement and motivation in learning English improved. These findings indicate that image-generative AI is an effective tool for enhancing English writing lessons and providing feedback. The study also emphasizes the critical role of teacher competence in successfully integrating AI into language instruction.

본 연구는 케이트 크로포드와 블라단 욜러의 협업 프로젝트인 <AI 시스템의 해부>를 중심으로 인간, 사회, 지구를 관통하는 인공지능 시스템의 작동에 대한 그들의 비판적 담론을 읽어내는 데에 목적이 있다. <AI 시스템의 해부>는 인공지능 음성인식 스피커인 아마존 에코를 사례로 삼아 인공지능 기술세계의 물질적, 사회적 조건을 가시화한 ‘데이터 시각화’로서, 인공지능 시스템의 이면에 감추어진 노동, 데이터, 자원의 무자비한 추출 구조를 드러낸 해부학적 지도이다. 크로포드와 욜러는 인공지능 기술이 작동하는 기술세계의 지형을 탐구하고 시각화하 기 위해 ‘비판적 지도제작’을 중요한 인식적, 실천적 방법으로 사용해 왔다. 이에 본고는 <AI 시스템의 해부>에 대한 ‘지도 읽기’를 수행하되, 철학자 레비 브라이언트가 ‘존재지도학’에서 제시하는 지형학의 네 가지 요소를 범주로 삼아 거대 기술세계 지형도의 구조와 의미를 분석하였 다. 이를 통해 본고는 크로포트와 욜러의 지형도가 인공지능 기술세계의 광범위한 추출주의를 비판적으로 가시화하고 있음을 강조하였다.

In the case of Korean coastal fishing vessels primarily, it satisfies the fishing capacity and shifts in pace with trends. At the moment, speedy vessels with large load capacity and competitive hull forms are preferred since catch has decreased. However, in the design of Korean coastal fishing vessels, performance verification designers and related commercial programs are not utilized in various fields such as large vessels. Moreover, alleviated standards are applied, making securing and verifying the performance of fishermen’s preferred hull a must. To meet such demands, this research suggests a design system that the modules can be brought together as a fishing vessel model by AI; this would be a turnaround of coastal fishing vessel designing.

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.

본 연구는 디지털 영상 제작 프로세스에서 점점 중요한 역할을 하고 있는 생성형 AI의 발전과 그 영향을 탐구한다. GPT, GAN 및 기타 생성 알고리즘과 같은 모델의 개발에서 AI 기술의 급속한 발전으로 영상 제작 환경이 큰 변화를 겪고 있다. ChatGPT, Runway, DALL·E, MidJourney, SunoAI 등 생성형 AI 모델의 발전으로 영상 제작 단계에서 적용 가능성이 크게 확장되었다. 생성형 AI는 아이디어 기획에서부터 최종 편집 프로세스에 이르기까지 다양한 제 작 단계를 간소화할 수 있는 잠재력이 있다. 예를 들어, AI는 플롯 아이디어나 대화를 생성하 여 대본 작성을 지원할 수 있으며, 후반 작업에서는 시각 효과를 향상시키고, 사실적인 환경을 만들거나, 반복적인 편집 작업을 자동화할 수 있다. 또한, AI 기반의 사운드 디자인 도구는 영 상 분위기에 맞춘 음악과 사운드 효과를 자동으로 생성할 수 있다. 본 연구는 현재 사용되고 있는 생성형 AI 기술을 조사하고, 특히 런웨이 AI 영화제에서 소개된 사례들을 통해 그 장점 과 한계를 분석한다. 연구 결과, 생성형 AI는 영상 제작에 드는 시간과 비용을 획기적으로 줄 일 수 있는 잠재력을 지닌 반면, 저작권 문제와 딥페이크와 같은 기술적, 윤리적 문제는 신중 한 고려가 필요함을 제시한다. 향후 연구 과제는 AI와 인간의 예술적 창의성 간의 균형을 유 지하는 방법에 관한 것이다.

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.

현대 사회에서 음악은 일상생활에 깊숙이 자리 잡아, 개인의 음악적 취향과 감정 상태에 맞는 콘텐츠를 손쉽게 찾고 소비하는 것이 중요해지고 있다. 콘텐츠 소비 증가와 더불어 제작 속도 및 효율 또한 중요한 요소로 부상하고 있다. 그러나 기존 음악 콘텐츠 제작 방식은 주로 기존 음악을 플레이리스트로 만들고 간단한 애니메이션이나 이미지를 영상으로 추가하는 방식이다. 이러한 한계를 극복하고자, 인공지능(AI) 기술을 활용하여 사용자 맞춤형 음악을 생성하고 콘 텐츠를 제공하는 어플리케이션을 개발하였다. AI 모델을 통해 사용자의 감정 상태를 분석하고, 이를 기반으로 음악적 요소를 최적화하여 개인화된 음악 콘텐츠를 생성하는 것에 목표를 두었 다. Mel-frequency cepstral coefficients(MFCC)와 템포 분석을 통해 음악 데이터의 특징을 추출하고, 이를 기반으로 사용자 감정에 부합하는 프롬프트를 생성하였다. 생성된 프롬프트는 MusicGen 모델에 입력되어, 사용자의 감정 상태와 음악적 취향을 반영한 새로운 음악을 생성 하는 데 활용하였다. 또한, ComfyUI를 활용하여 텍스트-이미지-비디오 변환 파이프라인을 구 축함으로써, 생성된 프롬프트를 기반으로 다양한 멀티미디어 콘텐츠 제작을 가능하게 하였다. 기존 음악 콘텐츠 제작 방식의 시간 및 비용 문제를 해결하고, 사용자에게 보다 정교하고 개 인화된 음악 경험을 제공하는 데 기여할 수 있을 것으로 기대된다. 향후 다양한 분야에서의 응용 가능성을 제시한다.