This study develops a correction model to improve the accuracy of horizontal spectral accelerations estimated by stochastic extended finite-fault simulation (EXSIM) in southeastern Korea. EXSIM predictions for five earthquakes (M4.3-5.5) recorded at eight stations reveal frequency-dependent residuals, with a tendency to underpredict spectral accelerations at frequencies ≥ 3 Hz. These discrepancies are correlated with eight variables: moment magnitude, stress drop, hypocentral distance, azimuth, average shear wave velocity up to 30 m in depth, relative elevation, and slope. To address these discrepancies, a multiple linear regression model is developed using eight variables that reflect earthquake source characteristics, wave-propagation paths, and site-specific conditions, including azimuth and topographic effects not fully accounted for in the original EXSIM. Application of this correction model substantially improves predictive performance, reducing root-mean-square error by 18.8% to 81.0% for the test sets. The corrected response spectra show good overall agreement with observations, including high-frequency spectral peaks. This approach enables the construction of reliable ground-motion databases. It enhances the accuracy of EXSIM predictions for scenario earthquakes, providing a practical tool for seismic hazard assessment in regions with sparse observational data.

AI-driven automation for structural design has been actively studied in structural engineering. In particular, reinforcement learning (RL) has attracted attention as a framework in which an agent interacts with an environment to autonomously search for optimal design solutions in complex design spaces. This study proposes an automated design model for rectangular reinforced-concrete (RC) columns based on a multi-agent Double Deep Q-Network (Double DQN). Extending prior RL-based automation developed for RC beam design to column members, the proposed environment explicitly incorporates key column-specific behaviors, including axial force–bending moment (P–M) interaction and moment magnification due to column buckling. Four agents independently determine the section width (b), section depth (h), number of longitudinal bars (n), and bar size. The reward function combines (i) penalty terms for violations of ACI 318-19 design constraints and (ii) an economic reward defined relative to an approximate optimal cost predicted by a quadratic regression model. After training for approximately 10,000 episodes, the proposed multi-agent Double DQN consistently generated ACI-compliant column designs across all test load cases and produced solutions with improved cost efficiency compared with the approximate optimal baseline. These results demonstrate the feasibility and practical potential of multi-agent RL for automated RC column section design.

본 연구는 EO/IR 마스트가 장착된 수중운동체에 작용하는 유체역학적 하중을 정수 및 파랑 환경에서 규명하는 것을 목적으로 한다. 수치해석은 Reynolds-Averaged Navier-Stokes(RANS) 방정식과 Volume of Fluid(VoF) 기법을 적용하여 수행하였으며, 마스트 및 선체에 작용하는 항력을 계산하였다. 계산 결과는 Morison 방정식과 Stokes 점성모델을 기반으로 한 이론 해석과 비교·검증되었다. 수치해석 결과 는 이론식과 비교하여 평균 상대 오차 5% 이내, 최대 오차 10% 미만의 범위에서 일치하였으며, 상관계수는 0.95 이상으로 나타나 정량적 으로 높은 정합성을 확인하였다. 파랑에 의한 힘의 변동은 파랑 고도 변화에 따른 정수압 분포의 변화가 지배적인 요인으로 분석되었으 며, 동수압 성분은 전체 파력 대비 10% 미만으로 제한적인 영향을 미치는 것으로 나타났다. 이러한 결과는 마스트 설계 시 파랑 영향 고 려의 필요성을 강조하며, 구조적 안정성 확보와 구동기 및 지지부의 과부하 방지를 위한 설계 지침을 제시한다. 본 연구는 향후 불규칙 파랑 조건 및 유체–구조 연성 해석으로 확장될 수 있는 기초자료로 활용될 수 있으며, 수중운동체 마스트 시스템의 신뢰성과 안전성 향 상에 기여할 것으로 기대된다.

최근 BIM은 단순 3차원 모델링을 넘어 표준화된 속성 데이터의 품질 확보와 체계적 관리가 핵심 요구로 부각되고 있으며, 온톨로 지 및 지식그래프 기반의 데이터 관리･추론 방식이 주목받고 있다. 그러나 지식그래프 기반 BIM 데이터는 부재 간 구조 관계 분석, 설 계 검토, 물량･속성 정보 조회 등 실무 의사결정을 지원할 수 있으나, SPARQL･Cypher와 같은 그래프 질의어를 직접 작성해야 한다 는 점에서 실무 적용에 제약으로 작용한다. 이를 위해 본 연구에서는 사용자가 자연어 질문을 기반으로 그래프 질의를 자동 생성할 수 있는 GraphRAG 기반 질의 자동 생성 프레임워크를 제안하였다. 먼저 CSV 기반 속성/관계 테이블에 규칙을 적용해 노드･관계를 생 성하고 그래프 데이터베이스에 적재하는 CSV-to-LPG 파이프라인을 구현하여, LPG 지식그래프 구축 절차를 자동화하였다. 이후 Few-shot Learning 기반 프롬프트 설계를 통해 사용자의 자연어 질문을 Cypher 쿼리로 자동 변환하는 자동 질의 생성 모듈을 구현하 였다. 전체 프레임워크는 Graph-ACQ 시스템으로 개발하여 라멘교 BIM 데이터를 기반으로 적용하였다. 검증 결과 LPG 스키마 유효 성과 Cypher 자동 생성, Cypher 질의 수작업 과정에서 정확도 모두 100%를 달성하였고, 질의 생성 시간은 평균 7.1초에 처리되었다. GraphRAG 기반 질의 생성 방식은 부재 간 공간･구조 관계를 명시적으로 활용하므로, 설계･검토 과정에서 요구되는 연결 관계 분석, 구조 구성 파악, 물량･속성 정보 조회 등 관계 기반 질의를 자연어로 수행할 수 있다. 또한 Few-shot Learning 기반 접근을 적용하여 교 량 뿐만 아니라 다양한 공종 내에서도 질의 생성을 가능하게 함으로써, 프로젝트의 확장성을 확보 가능하다.

상수관로의 노후화는 수질 안전성 저하와 수자원 손실, 유지보수 비용 증가 등의 문제를 야기하며, 이에 따라 지중 매설관의 상태를 신속하고 정확하게 진단할 수 있는 기술의 중요성이 커지고 있다. 특히 내시경 영상을 활용한 관로 점검은 가장 보편적인 방식으로 자리 잡았으나, 판독자의 숙련도에 따라 해석 편차가 발생하고, 대량 데이터의 신속한 처리에는 한계가 있다. 이러한 배경에서 본 연구는 관종⋅관경⋅용도 등 상수관 메타데이터를 모델에 통합하고, 관로 내 결함의 존재 여부와 유형, 크기를 동시에 예측할 수 있는 다중과제 학습(Multi-task Learning) 기반 인공지능 모델을 제안한다. 제안한 모델은 두 개의 예측 헤드를 통해 결함 판별과 정량적 분류를 병행하도록 설계되었으며, SHAP 기반 분석을 통해 모델의 판단 근거가 상수관로의 실제 결함 특성과 일치함을 확인하였다. 이러한 접근은 수작업 판독의 부담을 경감하고, 관로 상태 기록의 표준화 및 정량화를 통해 예방 중심의 유지관리 전략 수립을 효과적으로 지원할 수 있다.

현대 국가어항은 전통적인 어업생산 지원 기능을 넘어 관광, 레저, 물류, 지역경제 거점 등 복합적인 기능을 수행하는 다차원적 공간으로 진화하고 있다. 이러한 다기능성은 어항 개발 및 관리 정책 수립에 있어 중요한 고려사항이 되었으나, 기존의 개발 규모 산정 방 식은 어항의 복합적 특성을 제대로 반영하지 못하는 한계를 지니고 있었다. 특히, 「해양공간계획 및 이용에 관한 법률」에 따른 해양공간 적합성 협의 과정에서 개발 규모의 적정성을 판단할 과학적이고 객관적인 근거가 부족하여 잦은 보완 요구와 사업 지연을 초래하였다. 본 연구는 이러한 문제의식을 바탕으로, 국가어항의 다기능적 특성을 과학적으로 반영한 적정 이용 면적 산정 모델을 개발하고, 이를 기반으 로 해양공간적합성 협의 지원이 가능한 기초 자료 구축을 목표로 한다. 이를 위해 본 연구에서는 전국 115개 국가어항의 자료를 활용하여, 하나의 어항이 여러 군집에 동시에 속할 수 있다는 중복 소속(Overlapping Membership) 가정을 도입한 새로운 방법론을 제안한다. 구체적으 로, 독립변수와 종속변수(어항 이용 면적) 간의 회귀관계가 유사한 어항들을 하나의 군집으로 묶는 회귀 기반 군집화(Regression-based Clustering) 기법과, 하나의 데이터가 여러 군집에 속할 수 있도록 허용하는 중복 소속 군집화(Overlapping Clustering) 기법을 결합하였다. 또 한, 회귀모형의 안정성과 해석력을 높이기 위해 모든 회귀계수가 양(+)의 값을 갖도록 제약을 가한 단계적 선택(Stepwise Selection) 방법론 을 적용하였다. 실증분석 결과, 115개 국가어항을 총 6개의 중복 소속 군집으로 분류하였으며, 개별 어항에 대해서는 모든 군집의 회귀식 을 활용하여 도출한 6개의 적정 범위를 이용 면적과 비교함으로써 적정성을 판단하기 위한 정량적 기준을 구현하였다. 본 연구의 결과는 해양공간적합성 협의 과정에서 개발계획의 규모 적정성을 판단하는 객관적인 근거 자료로 활용될 수 있으며, 과도한 개발을 방지하고 해 양공간의 효율적 활용을 도모하는 데 기여할 수 있다. 나아가, 어항별 맞춤형 개발정책 수립과 지역경제 활성화 방안 모색을 위한 과학적 토대를 제공한다는 점에서 정책적·실무적으로 활용 가능하다. 본 연구는 국가어항의 복합적 특성을 통계적으로 모델링하고 이를 정책 결 정 시 적용하려는 최초의 시도라는 점에서 학술적 의의를 갖는다.

이 연구는 충격쇄파 하중에 대한 직립식 방파제의 동적 거동을 정밀히 분석하기 위해 유한요소 기반의 2차원 해석 모델을 구축하 였다. 기존의 단순화된 해석 방법이 지닌 한계를 극복하고자, 유체 요소, 비선형 지반 모델, 접촉 비선형성, 에너지흡수경계요소를 포 함한 정밀한 2차원 수치해석 모델을 구축하였다. 또한, 이론적 파압 공식을 기반으로 충격쇄파 하중의 시간이력을 모델링하여 방파 제의 활동량을 평가하였다. 해석 결과, 비선형 지반 모델은 탄성 지반 대비 더 큰 활동량을 유발하는 것으로 나타났으며, PML (Perfectly Matched Layer)은 고정 경계 조건과 비교했을 때 해석 안정성과 정확성을 크게 향상시키는 것으로 나타났다. 이 연구는 직 립식 방파제 설계 및 안전성 평가를 위한 정밀 동적 해석 기술 개발에 기여하며, 극한 조건에서도 방파제 성능을 예측할 수 있는 기반 을 제공할 것으로 기대된다.

농업 분야 컴퓨터 비전(Computer Vision) 기술 확산으로 고품질 학습 데이터 확보가 필수적이나, 기존의 수동 데이터 구축 방식은 많은 시간과 비용이 소요되는 한계가 있다. 이에 본 연구는 최신 멀티모달 파운데이션 모델인 SAM3(Segment Anything Model 3)를 기반으로 반자동 어노테이션 시스템을 개발하였다. 제안 시스템은 (1) 텍스트 프롬프트 기반 객체 인 식, (2) SAM3 기반 정밀 마스크 생성 및 학습 가능한 폴리곤 좌표 변환, (3) 사용자 검증의 3단계로 구성되며 GUI로 구현 되었다. 600장 이미지 평가 결과, SAM3는 92.9%의 매칭률 과 0.790의 평균 정밀도(mAP)를 달성하였으며, 데이터셋 구 축 시간을 수동 작업 대비 96~98% 단축시켰다. 이는 SAM+ CLIP, Grounding DINO+SAM 등 기존 파운데이션 모델 대 비 정확도와 효율성 모든 면에서 월등한 성능이다. 본 연구는 파운데이션 모델의 제로샷 성능을 활용해 농업 데이터 레이블 링 효율을 개선하고 관련 AI 연구 가속화에 기여할 것으로 기 대된다.

This study assessed suitable lettuce (Lactuca sativa L.) cultivars and lighting conditions for indoor hydroponic cultivation in Mongolia, examining their applicability in a household-scale vertical farming system. Three cultivars— ‘Jeokchima,’ ‘Cheongsangchu,’ and ‘Meiguodashusheng’— were grown under two lighting treatments: LEDs and T5 LEDs. ‘Jeokchima’ demonstrated the most consistent and superior growth across both harvests, exhibiting significantly higher leaf length, SPAD value, dry weight, and leaf number compared to the other cultivars. The use of LED lighting enhanced all growth parameters, except for petiole length, compared to T5, highlighting its advantages in arid indoor environments. Based on these findings, a compact three-tier Deep Water Culture (DWC) system was designed as a model for urban households, facilitating year-round lettuce production in limited indoor spaces. This model shows promise for enhancing vegetable self-sufficiency and food security in Mongolia. Further research on optimizing light spectra, managing photoperiods, and diversifying cultivars is recommended.

Extensive soft tissue defects involving loss of skin, fat, and muscle often result from trauma or tumor resection. Current treatments, including autografts and flaps, are limited by donor-site morbidity and scarce tissue availability. Animal models, particularly in rodents, are essential for research but are limited by their primary healing mechanism—contraction via the panniculus carnosus—which does not accurately reflect human healing. Furthermore, standardized models for complex skin–muscle defects are lacking. Therefore, this study aims to create a clinically relevant composite soft tissue defect model in mice using a three-dimensional (3D) polylactic acid (PLA) chimney splint to inhibit contraction and better mimic human wound healing mechanisms (re-epithelialization and granulation tissue formation). A composite defect was created on the dorsum of 8-week-old BALB/c nude mice. The biocompatibility of the 3D-printed PLA chimney was assessed via MTT assay. In vivo, fixation methods—tissue adhesive (TA), simple interrupted sutures (SI), and purse-string suture (PS)—were compared. Wound healing was evaluated over 4 weeks via gross and histological analyses. PLA material showed excellent biocompatibility in vitro, with cell viability consistently above 85%, indicating noncytotoxicity. In vivo, the TA and SI groups showed severe inflammation, tissue necrosis, and splint detachment. In contrast, the PS group remained stable for 4 weeks with no complications. Histologically, the PS group effectively suppressed contraction. Re-epithelialization from the wound edge, well-organized granulation tissue with active angiogenesis, abundant fibroblasts, and collagen deposition, and spindle-shaped cells were clearly observed. In conclusion, this study establishes a reproducible and stable murine composite soft tissue defect model by combining a 3D-printed chimney splint with a PS technique. This model overcomes a key limitation of rodent wound models by controlling contraction, offering a robust preclinical platform to study composite tissue healing and evaluate next-generation regenerative medicine therapies.

본 연구는 준거집단(취직자)들의 활동 데이터 뱅크를 생성하여 예비 취업자(고등교육기관의 체 육계열 전공자)들이 현재까지 활동했던 데이터를 데이터마이닝 기반 추천 알고리즘을 적용해 예비 취업자 들에게 가장 적합한 직업군을 추천해주는 스포츠 일자리 추천모형을 개발하고 검증하는 것이다. 따라서 평 가지표를 구성하고, 준거집단을 대상으로 인터뷰 및 조사를 통해 데이터 뱅크를 생성했다. 또한 비확률 표 본추출법 중 할당표본 추출법과 눈덩이표본 추출법을 적용해 예비 취업자 조사를 실시했으며, 총 921명의 자료를 통해 스포츠 일자리 추천모형 개발과 유사도를 통해 모형을 검증했다. 즉, 본 결과는 다음과 같다. 첫째, 준거집단과 예비 취업자의 평가지표를 구성했다. 둘째, 준거집단의 데이터 뱅크를 생성했다. 셋째, 스 포츠 전공 청년들을 위한 일자리 추천모형을 개발하고, 유사도를 통해 모형을 검증했다.

원격운항자는 자율운항선박의 안전 운항에 대한 책임이 있는 사람으로 위급한 상황에 개입하여 원격조종을 수행하는 역할을 수행한다. 기존의 유인선 항해 환경에서는 단일 선박에 선장, 당직사관, 당직 조타수 등의 선교 인력이 동시에 승선하고 있어, 미숙한 선 박조종을 수행할 때에도 이를 지원이 가능한 조직으로 구성된다. 다수의 선박을 동시에 관리하는 원격운항자는 각 선박에 대한 조종 특 성에 대응이 필요하고, 위급한 상황에서만 상대적으로 짧은 시간 동안 개입해야 함에도 단일 선박에만 집중할 수 없는 방식으로서, 긴급 한 선박 조종에 대한 조직적 지원을 제공받기 어려울 것으로 예상된다. 본 연구에서는 원격운항자의 선박조종을 지원하기 위한 선박 조 종 행동 예측 모델 개발을 위한 기초연구로서, 숫자가 아닌 패턴을 활용한 행동 예측 방법을 제안한다. 제안하는 방법론은 선박 조종 데 이터를 패턴화하는 과정, 행동 패턴을 자기회귀 모델에 학습하여, 실제 선박에서의 개인의 조종 습관에 기반한 선박 조종 행동 예측 방법 을 제안하고, 원격운항자의 선박별 선박 조종을 지원하기 위한 선박 조종 행동 예측 모델 활용의 구체적인 예시를 제공한다. 검증된 패턴 을 활용한 행동 예측 방법은 원격운항자의 조종 특성 적응을 지원하는 모델의 개발에 활용될 수 있을 것으로 기대한다.

To investigate the temperature-dependent development of Spodoptera litura, experiments were conducted at five constant temperatures: 15, 20, 25, 30, and 35±1°C, with 60±5% relative humidity and a light/dark cycle of 16L : 8D. Daily observations were made of the egg, larval, pupal, and adult stages. The total developmental periods recorded were 182.0 days at 15°C, 78.2 days at 20°C, 46.2 days at 25°C, 34.3 days at 30°C, and 30.0 days at 35°C, indicating that higher temperatures accelerate development across the egg, larval, and pupal stages. Linear model analysis estimated the lower developmental threshold and thermal constant for the total immature period to be 11.0°C and 714.3 degree-days (DD), respectively. Nonlinear models provided estimates for the optimal developmental temperatures for the total period: 35.3°C for the Briere 1 model, 35.4°C for the Briere 2 model, 34.5°C for the Lactin 1 model, 33.8°C for the Lactin 2 model, 35.3°C for the Taylor model, and 34.2°C for the Logan6 model. Additionally, the developmental completion distribution was effectively described by a 3-parameter Weibull function, achieving a goodness of fit (R 2) of 0.81. Adult longevity was longest at 20°C, averaging 23.5 days for males and 21.0 days for females, while the shortest longevity was observed at 30°C, with males living an average of 10.2 days and females 9.7 days.

This study aims to develop and evaluate a GPT-based English learning system that creates reading materials tailored to the Korean middle school first-grade English curriculum. To this end, this study adopted OpenAI’s MyGPTs platform and created the AI system through eight different developmental versions by iterating prompts and uploading relevant knowledge files. To evaluate its linguistic appropriateness, this study generated reading passages at three difficulty levels (low, medium, high) and compared them with eight textbook texts using seventeen key indices from Coh-Metrix 3. The results show that GPT-generated texts at the medium level most closely resembled actual textbook passages in sentence count, syntactic simplicity, lexical familiarity, and overall readability. Low-level outputs achieved the highest readability and concreteness scores, indicating suitability for beginner EFL learners, while high-level outputs featured greater syntactic complexity, longer sentences, and richer lexical diversity. The study also identified limitations in GPT’s consistent adherence to prescribed difficulty parameters, text-type variety, and adaptive difficulty adjustment based on learner performance.

본 연구에서는 용융염 원자로(MSR)의 열 전달 성능을 최적화하기 위한 수학적 모델을 제안하였다. MSRE 설계 개념을 기반 으로 한 제시된 모델을 통해 차폐 구조물에서의 열 손실을 계산하고, 다양한 변수들이 표면 온도 및 전체 열 성능에 미치는 영향을 평가하였다. SPROULE WR-1200과 같은 칼슘 실리케이트 기반의 단열재를 사용하였으며, 스틸볼 영역은 스틸볼과 물이 채워져 있고, 단열재와 스틸볼 영역 간격(Gap)이 있다고 가정하였다. 분석 결과, 단열재 두께, 간격 크기, 스틸볼 영역의 두께와 같은 변수들이 열 손실 및 표면 온도에 영향을 미친다는 점을 확인할 수 있었다. 특히, 단열재 두께 최적화를 통해 차폐 구조물의 열 효율성과 안전성을 크게 향상시킬 수 있음을 보여주었다. 본 연구는 차세대 원자로 시스템의 개발을 위한 차폐 구조물의 개념설계에 필요한 기초 자료를 제공한다.

인천 적수 사고를 비롯한 수돗물 수질 사고가 연이어 발생하면서, 안전하고 깨끗한 물 공급의 중요성과 함께 상수도관망의 체계적인 유지관리에 대한 필요성이 증대된 실정이다. 이에 본 연구에서는 현장 세척 기록과 수리해석 및 관로 제원 등 데이터를 통합하여 상태가 취약한 상수관로의 최적 플러싱 주기를 결정하는 모델을 제안하고자 한다. 이를 위해 본 연구에서는 문헌 검토를 통해 상수관로의 취약성을 평가하기 위한 6가지 핵심 지표로 평균 유속, 관 연령, 비내식성 밸브 산재 구역, 수질민원 발생 구역, 잔류염소 및 탁도 기준 미달 구간, 법정 세척 이력 부재 구역이다. 이러한 지표를 기반으로 상수관의 상태를 4가지 등급으로 분류하였다. 먼저, S시(2013∼2014 년)의 플러싱 데이터를 사용하여 관로 길이, 관경, 연령을 모델의 독립변수로 고려하여 최적 세척 주기를 예측하는 다중 회귀 모델을 개발했다. 이 모델은 통계적 유의성(R = 0.617, p < 0.05)을 갖으며, 다중공선성은 없는 것으로 나타났다. 개발한 모델의 적용성을 검토하기 위해 B시의 대규모 블록 구역에 모델을 적용한 결과, 취약한 관로가 관망의 말단 및 저유속 지역에 집중되어 있는 것으로 나타났다. 또한, 관경이 작고(100∼150mm) 노후된 배관은 일반적으로 월별 또는 분기별 주기로 더 짧은 세척 간격이 필요한 것으로 도출되었다. 이처럼 세척 간격이 짧은 구간은 세척을 정기적으로 수행하기 보다는 경제성 평가를 통해 개량 의사결정을 수립하는 것이 적절하다고 판단된다. 종합적으로 본 연구에서 제시한 취약관로 상태평가 기준 및 세척 주기 산정모델은 기존의 일률적 세척 주기 운영 방식의 한계를 보완하고, 관로별 상태에 따라 차등화된 유지관리 전략 수립에 기여할 수 있는 정량적 의사결정 도구로서의 활용 가능성을 확인하였다. 향후 다양한 지역에서의 세척 데이터 축적과 현장 실증을 통해 모델의 외삽성을 검증하고, 제한된 예산, 인력, 장비 등 현실적 제약조건을 고려한 최적화된 세척 스케줄링 기법으로의 확장이 필요할 것으로 판단된다. 이를 통해 정기적 세척뿐 아니라 예산 효율성, 유지관리 비용, 세척 효과 분석을 통합적으로 고려하는 종합적 의사결정 지원 모델로 발전시킬 수 있을 것으로 기대된다.

본 연구에서는 농업시설에서 활용되고 있는 안개분무시스 템의 냉각 효과를 모의할 수 있는 CFD 모델을 개발하고, 자연 환기식 우사에서 측정한 냉각 효과를 통해 CFD 모델을 적용 가능성을 평가하였다. 현장 실험 결과, 안개분무시스템 가동 시 복도 내 기온은 최대 약 2.5°C 감소하였으며, 상대습도는 평균적으로 약 7% 증가하였다. 이는 이론적으로 달성 가능한 최대 냉각 효과의 약 36%에 해당하였다. 개발된 CFD 모델은 노즐에서 분사된 물방울의 이동 경로와 증발 과정을 잘 모의 하였으며, 실내 평균 기온과 상대습도의 변화 경향이 실측값 과 유사하게 나타나 CFD 모델의 신뢰성이 확인되었다. CFD 모델의 결과로부터 실내에서의 증발 냉각 과정을 살펴보면, 공간적인 냉각 효과는 불균일하게 나타났으며, 최대 4°C 이상 의 온도 편차가 확인되었다. 특히, 물방울의 분포는 분사 영역 에 국한되어 나타났으며, 분사된 물방울 중 약 20% 이상은 외 부로 유출되거나 벽체에 퇴적되어 손실되는 것으로 확인되었 다. 따라서 순환팬 등 보조장치의 운영을 병행하면, 분무 된 물 방울의 공간적 분포를 확장하고, 균일화하여 축사 내부 냉방 효과를 극대화 하는 데 효과적일 것으로 사료된다. 또한 본 연 구에서 개발된 CFD 모델을 활용하여 노즐의 배치와 분무 특 성을 최적화하여 안개분무시스템의 성능을 개선할 수 있는 방 안을 도출하는 데 기여할 수 있을 것으로 판단되며, 기존에 경 험에 기반한 설치와 운영 방법에 가이드라인을 제시하는 주요 한 모델로 활용할 수 있을 것으로 기대한다.

본 연구는 간호사의 높은 직무 스트레스와 소진에 대응하기 위해, 부정적 경 험을 긍정적 성장의 서사로 전환하는 내러티브 접근법인 'Re-Story 코칭 모델' 을 개발하고 타당화했다. 반복되는 직무 현장의 어려움에서 비롯되는 서사 정체 성의 왜곡 문제에 주목하여, 본 연구는 코칭 연구의 지평을 확장해 간호사의 복 잡한 내면을 다룬다. 초기 모델은 문헌고찰과 SWOT 분석을 통해 도출되었으 며, 12명 전문가의 델파이 조사를 통해 타당성을 확보했다. 연구 결과, '온전함' 회복을 핵심으로 신뢰·조율·진정성에 기반한 '공감의 장' 안에서 개방하기, 전 환하기, 발견하기, 체화하기의 네 가지 핵심 요소가 유기적으로 상호작용하는 다차원적 모델이 확립되었다. 본 모델은 간호사가 자기 이야기의 주체적 저자가 되도록 역량을 부여하는 구체적인 방법론을 제시하며, 소진을 예방하고 회복탄 력성을 높이는 자기 주도적 성장을 촉진하고, 지지적 관계를 통해 더 건강한 간 호 조직 문화를 조성하는 데 기여한다.