본 연구는 대학 교양영어 수업에서 실시한 영어 숏폼 제작 활동을 통 해 한국 이공계 대학생들이 어떠한 글로벌 사회 이슈를 선택하고 이를 어떤 방식으로 구현하며 그 과정에서 어떠한 글로벌 사회 인식을 형성하 는지를 탐구하는 데 목적이 있다. 연구 자료는 영어 숏폼 영상 및 스크 립트, 설문조사 자료, 학습자 저널로 구성되었으며 질적 내용 분석과 양 적 분석을 병행한 혼합 연구 방법을 적용하였다. 분석 결과 학습자들은 대중문화, 미디어 산업, 기술과 사회의 관계 등 다양한 글로벌 사회 이슈 를 선택하였으며 주제 구현 방식에서는 개인 의견 제시형이 가장 높은 비율을 차지하였다. 학습자들의 글로벌 인식의 특징으로는 글로벌 연결 성 인식의 확장, 구조적 문제 인식의 심화, 비판적 시민적 성찰로 나타났 다. 영어 숏폼 활동은 글로벌 사회 이해와 비판적 사고 경험 측면에서 긍정적인 인식 변화를 유도한 것으로 나타났다. 본 연구는 디지털 기반 영어 학습 환경에서 학습자 주도적 콘텐츠 제작 활동이 글로벌 사회 인 식 형성과 비판적 사고 함양에 기여할 수 있음을 실증적으로 제시한다.

The application of machine learning in concrete technology has expanded rapidly, yet its reliability is often constrained by limited experimental data, heterogeneous testing conditions, and inconsistencies across published studies. This study investigates the integration of machine learning and synthetic data augmentation to predict the compressive strength of concrete incorporating biochar as a partial replacement for cement. An experimental dataset was compiled from peer-reviewed journal articles indexed in Web of Science, focusing on biochar-modified concrete mixtures. Input variables included cement content, fine and coarse aggregates, biochar dosage, water to binder ratio, superplasticizer content, and curing age, with compressive strength as the target variable. Extreme Gradient Boosting was adopted due to its strong performance on nonlinear tabular data. Model performance was evaluated using the mean absolute error (MAE), mean squared error (MSE), and coefficient of determination (R²), alongside five-fold cross-validation. Hyperparameter optimization was performed using Optuna. To address data scarcity, a synthetic dataset of 1000 samples was generated using ChatGPT. the large language model approach relied solely on natural language prompts. Only feature definitions and the target variable were provided, without exposing the original data or implementing data generation algorithms. Three modeling strategies were examined. First, model trained and tested solely on experimental data achieved a testing R² of approximately 0.91. Second, model trained on synthetic data and evaluated exclusively on experimental data showed reduced generalization, achieving a testing R² of about 0.42, indicating pronounced domain shift effects. Third, synthetic and experimental data were combined through data augmentation and jointly modeled, a testing R² of 0.93 was achieved. The result showed that the use of LLMs for augmentation improved the performance of the model.

대한제국 광무학교의 폐지로 인해 일제강점기에 한반도의 많은 인재들이 일본의 제국대학 지질학과 또는 광산 공학과에서 수학하며 기술 역량을 축적하였다. 이들은 추후의 한반도 해방 및 국권 회복 과정에서 과학기술적 기여가 가능하게 되었다고 판단된다. 이에 순수 학술적 관점에서 저자는 일본 제국대학 지질자원 분야 진학생에 대해서는 신기 술 습득을 위한 노력 및 성과로만 평가하는 게 바람직하다고 여겨진다. 결론적으로, 일제강점기에 일본 주요 제국대학 에서 수학한 454명의 자연계열 인재, 그중 193명의 이공계 인재, 그중 31명의 지질자원 분야 인재가 1945년 해방 이후 에 준비된 인재로서의 역할을 수행하였다.

최근 건축 구조공학 분야에서도 대규모 언어 모델(LLM)을 활용한 인공지능(AI) 기술 도입이 증가하고 있지만, 한국형 구조설계 기준과 같은 지역 특화 규정을 반영하지 못하거나 잘못된 정보를 제공하는 환각 현상 등 여러 한계를 보인다. 이를 극복할 수 있는 유 망한 기술로서 검색-증강 생성(RAG)이 제시되고 있으며, 본 논문에서는 한국 건축 구조공학 도메인에 특화된 RAG 시스템인 StructCPT를 개발하여 그 성능을 평가하였다. StructCPT는 한국어 기반 구조공학 지식베이스에서 질의에 적합한 정보를 실시간으로 추출하는 도메인 특화 검색기이며, 대조학습 기반의 MAXIM(Maximum Similarity Retrieval) 임베딩 기법을 이용하여 질의와 문서 간 최대 의미적 유사도를 학습한다. 실험 결과 StructCPT는 BM25, Contriever, SPECTER와 같은 기존 범용 검색 기법들 대비 정량적 평 가 지표에서 일관되고 유의미한 성능 향상을 보여주었다. 특히 구조공학 전문 용어 처리와 복합적 질의에 대한 검색 정확도 및 재현율 에서 월등히 높은 성과를 나타냈으며, 실제 구조공학 문제 적용에서도 높은 정확도를 달성하였다. 또한 검색 속도와 메모리 사용 측면 에서도 실무 적용에 적합한 효율성을 입증하였다. 본 연구는 구조공학 분야에 특화된 최초의 RAG 시스템 개발 사례로서, 향후 도면･ 이미지 등 멀티모달 정보와 지식그래프 통합을 통한 추가 발전 방향을 제시하며, 안전하고 신뢰할 수 있는 AI 기반 구조공학 의사결 정 지원의 기초를 마련하였다.

본 연구는 한국 건축･구조공학 도메인에 특화된 SAFE(Safetyoriented AI Framework for Engineering) 지식베이스와 이를 활용한 검 색 증강 생성(RAG) 시스템을 제안한다. SAFE는 전문용어집, 설계 기준, 교과서, 프로젝트 보고서에서 추출한 37.7만개 스니펫을 통 합하여 국내 구조설계기준(KDS)과 최신 실무 사례를 포괄한다. SAFE 기반 파이프라인은 5개 대표 과업(MMLUStruct, Struct QAKO, SPED, StructMCQA, StructCaseY/N)으로 구성된 4,200문항 벤치마크에서 전체 정확도 89.1%를 기록하여, 체인오브생각(CoT) 방식 의 최고 성능 LLM 대비 3.87%p 향상 효과를 나타냈다 . 특히 국내 기준･실무 판정 과업인 StructCaseY/N에서 94.9%의 정확도를 달성 하였다 . 절편 분석 결과, 질의당 32개 스니펫을 투입할 때 정확도와 응답 지연 간 최적 균형점이 형성되며, 그 이상에서는 성능 개선 대 비 비용이 급격히 감소함을 확인하였다. 또한 질문 유형별로 최적 정보 출처가 상이함을 규명하여, 도메인 맞춤형 코퍼스 가중치 조정 의 필요성을 제시하였다. 본 연구는 국내 최초의 구조공학 RAG 평가 체계를 확립함으로써, 안전 중심 AI 의사결정 지원 도구의 실무 적용 가능성을 입증하고 향후 연구의 기반을 마련하였다.

Due to cognitive differences, traditional perceptual engineering (KE) frequently relies too heavily on designers' experience in analyzing customers' emotional demands, which can result in product designs that deviate from users' expectations. This work suggests a thorough evaluation approach that combines the particle swarm optimization-support vector regression (PSO-SVR) model and perceptual engineering to increase the scientificity and precision of design choices. The approach first determines the subjective weights of users' emotional needs using spherical fuzzy hierarchical analysis (SFAHP). Next, it uses the entropy weighting method to determine the objective weights. Finally, it combines the subjective and objective data using game theory to produce a more rational evaluation system. Finally, the emotional prediction model based on PSO-SVR is constructed to realize the accurate mapping between emotional needs and design features. The empirical study shows that“speed”, “dynamic”and“luxury” are the core emotional demands of users, and the algorithm's prediction results are highly consistent with users' actual evaluations, which strongly verifies the accuracy of the model. Compared with the traditional KE method, the model better integrates subjective experience and objective data and provides more practical support for the design of flybridge yachts.

Recently, steel dampers are widely used as seismic reinforcement devices. Steel dampers have the advantage of being easy to manufacture and being able to absorb a lot of energy through stable hysteresis behavior. However, there is a possibility that the steel damper may be damaged due to fatigue caused by repeated seismic loads. In this study, the seismic performance of steel slit dampers and engineering plastic slit dampers with different physical characteristics were compared and analyzed. It can be seen that the yield load of the steel slit damper, which has relatively high rigidity, is much larger than that of the engineering plastic slit damper. Therefore, the engineering plastic damper is more effective when applied to a structure that experiences a large displacement rather than a structure that experiences a large load.

본 연구는 우즈베키스탄 자동차 산업 발전에 있어 리버스 엔지니어링 의 역할을 탐구하며, 특히 노나카와 타케우치의 지식 창출 모델(SECI Model)과의 통합에 중점을 두고 있다. 우즈베키스탄이 경쟁력 있는 국내 산업을 구축하고자 노력함에 따라, 리버스 엔지니어링은 해외 기술의 습 득, 적용, 그리고 국산화를 가능하게 했다. 본 연구는 정성적 사례 연구 접근법을 활용하여 기업 보고서, 정책 문서, 학술 문헌을 바탕으로 1996 년부터 2024년까지의 발전 상황을 분석한다. 연구 결과에 따르면 리버스 엔지니어링은 지식 이전과 혁신을 지원해 왔지만, 제한된 R&D 역량, 수 입 부품 의존도, 그리고 취약한 지식재산권 보호 등의 과제가 여전히 남 아 있다. 이러한 장벽을 극복하기 위해 본 연구는 전략적 정책, 국내 혁 신에 대한 투자 확대, 그리고 AI 기반 설계 프로세스 도입을 권고한다.

ABS engineering plastic materials have excellent corrosion resistance and chemical resistance and are widely used as key materials for improving lightweight and structural performance in automobile interior and exterior materials, aerospace, electronics, and precision machinery industries. Due to these characteristics, as demand also increases, efficient processing methods and attempts to lower processing costs are needed. However, there are many opinions that downward cutting is more advantageous than upward cutting in end mill processing, and research on surface roughness cutting conditions for upward cutting in engineering plastics is insufficient. In this paper, we analyze the effect of upward cutting on surface roughness and present it as basic data for cutting conditions in upward cutting required for industrial sites by providing optimal data for cutting conditions

Being in a stable continental region (SCR) with a limited history of instrumentation, South Korea has not collected sufficient instrumental data for data-driven ground motion models. To address this limitation, we investigated the suitability of the hybrid ground motion simulation method that Graves and Pitarka (2010, 2015) proposed for simulating earthquake ground motions in South Korea. The hybrid ground motion simulation method used in this study relies on region-specific parameters to accurately model phenomena associated with the seismic source and the wave propagation. We initially employed relevant models and parameters available in the literature as a practical approach. We incorporated a three-dimensional velocity model developed by Kim et al. (2017) and a one-dimensional velocity model presented by Kim et al. (2011) to account for the crustal velocity structure of the Korean peninsula. To represent the earthquake source, we utilized Graves and Pitarka’s rupture generator algorithm along with a magnitude-area scaling relationship developed for SCR by Leonard (2014). Additionally, we assumed the stress and attenuation parameters based on studies of regional seismicity. Using the implemented platform, we simulated the 2016 Mw5.57 Gyeongju earthquake and the 2017 Mw5.4 Pohang earthquake. Subsequently, we compared results with recorded accelerations and an empirical ground motion prediction equation at strong motion stations. Our simulations had an overall satisfactory agreement with the recorded ground motions and demonstrated the potential of broadband hybrid ground motion simulation for engineering applications in South Korea. However, limitations remain, such as the underestimation of long-period ground motions during the 2017 Pohang earthquake and the lack of a model to predict the ground motion amplification associated with the near-surface site response accurately. These limitations underscore the importance of careful validation and refinement of region-specific models and parameters for practically implementing the simulation method.