본 연구의 목적은 네팔 학부생의 정서지능, 자기효능감, 학습몰입과 대 학생활적응 간의 영향을 규명하고, 정서지능과 대학생활적응의 관계에서 자기효능감과 학습몰입의 매개효과를 분석하는 데에 목적이 있다. 이를 위해 경기 북부 지역 대학에 재학 중인 네팔 학부생 230명을 대상으로 연구를 실시하였다. 구조방정식 모형을 설정하였으며, 측정모델과 구조모 델로 구분하여 각각 모델의 적합 여부와 경로계수의 효과성을 검증하였 다. 연구 결과 네팔 학부생의 정서지능이 높을수록 자기효능감이 높아졌 고, 정서지능은 학습몰입에 직접적으로 유의미한 영향은 미치지 않는 것 으로 나타났다. 또한 자기효능감이 높을수록 학습에 대한 몰입도가 높아 졌으며, 학습에 대한 몰입도가 높아질수록 대학생활적응을 잘하는 것으 로 나타났다. 마지막으로 정서지능과 대학생활적응 간의 관계에서 자기 효능감의 매개효과를 검증한 결과 유의미한 매개요인임이 확인되었지만 학습몰입의 매개효과를 검증한 결과 유의미하지 않는 것으로 나타났다. 본 연구 결과를 통해 네팔 학부생의 대학생활 적응을 위한 다각도의 지 원책이 필요함을 제언하였다.

PURPOSES : The reliability of traffic volume estimates based on location intelligence data (LID) is evaluated using various statistical techniques. There are several methods for determining statistical significance or relationships between different database sets. We propose a method that best represents the statistical difference between actual LID-based traffic volume estimates and the VDS values (i.e., true values) for the same road segment. METHODS : A total of 2,496 datasets aggregated for 1-h LID and VDS data were subjected to various statistical analyses to evaluate the consistency of the two datasets. The VDS data were defined as the true values for comparison. Four different statistical techniques (procrutes, 2-sample t-test, paired-sample t-test, and model performance rating scale) were applied. RESULTS : In cases where there is a specific pattern (e.g., traffic volume distribution considering peak and off-peak times), distribution tests such as Procrustes or Kolmogorov-Smirnov are useful because not only the prediction accuracy but also the similarity of the data distribution shape is important. CONCLUSIONS : The findings of this study provide important insight into the reliability of LID-based traffic volume estimation. To evaluate the reliability between the two groups, a paired-sample t-test was considered more appropriate than the performance evaluation measure of the machine-learning model. However, it is important to set the acceptance criteria necessary to statistically determine whether the difference between the two groups in the paired-sample t-test varies according to the given problem.

본 연구는 대학생의 코칭역량이 진로준비행동에 미치는 영향을 고찰하고 정 서지능의 매개효과를 검증하는데 연구의 목적이 있다. 이를 위해 전국에 소재한 대학교 1-2학년 재학생 250명을 대상으로 설문을 실시하였다. 본 연구에서는 223명의 설문 응답을 SPSS, AMOS 28.0 프로그램으로 분석하였으며, 그 결과는 다음과 같이 도출하였다. 첫째, 대학생의 코칭역량, 정서지능, 진로준비행동 간의 관련성을 검토하기 위해 상관관계를 분석한 결과 모든 측정 변인 간의 유의미한 정적 상관관계가 확인되었다. 둘째, 대학생의 코칭역량, 정서지능, 진로준비행동 간의 구조적 인 과관계를 살펴보기 위해 측정모형에 대한 타당성 검증결과 모두 유의미한 정적 상관을 보였다. 셋째, 대학생의 코칭역량은 진로준비행동에 직접적인 영향을 미 치고 정서지능이 이 두 변인 간의 관계에서 부분매개효과가 있음을 검증하였다. 이를 통해 대학생의 코칭역량과 정서지능이 진로준비행동을 높이기 위한 변인 으로 진로 프로그램 및 교육의 기초자료로 활용될 수 있기를 기대한다.

방대한 빅데이터를 기반으로 발전한 인공지능 기술은 창작과 영상 예술, 인간의 고유 영역으로 여겨졌던 분야에 큰 영향을 미치기 시작했다. 전통적으로 선형적이었던 3D 애니메이션 제작 방식은 AI 이미지 생성 모델을 활용해 초기 기획, 컨셉 및 아이디어를 빠르게 비주얼화하고, 실시간 게임 엔진을 통해 실시간으로 수정 및 개선 작업을 반복하며 완성도를 높이는 비선형 적 방식으로 변화하고 있다. 본 논문에서는 Stable Diffusion의 노드 기반 비주얼 스크립트인 ComfyUI를 활용한 사전 제작 과정과 iClone 및 언리얼 엔진을 통해 디지털 휴먼을 제작하고 구체화하는 일련의 파이프라인을 분석한다. 이를 통해 전통적인 파이프라인을 넘어서는 새로운 예술적 표현의 가능성을 모색한다.

본 연구는 네팔 유학생의 대학생활적응과 정서지능, 자기효능감, 진로적응력 간 의 관계를 설정하고, 변인 간의 영향 관계를 규명하여 네팔 유학생을 위한 교육 적 시사점을 도출하는 데 목적을 두었다. 네팔 대학생의 정서지능이 자기효능 감과 진로적응력을 매개로 대학생활적응에 영향을 주는 변인 간의 구조 적 영향 관계를 확인하기 위해 네팔 대학생 237명을 연구대상자로 선정 하였으며, 수집된 설문자료는 SPSS 26.0과 AMOS 26.0을 이용하여, 빈 도분석, 신뢰도 검증, 기술통계 분석, 확인적 요인분석, 구조방정식 모형 분석 등을 실시하였다. 네팔 유학생의 정서지능은 대학생활적응에 직접 적으로 유의미한 영향을 미치지 않고, 정서지능, 자기효능감, 대학생활적 응의 자기효능감을 통한 매개, 정서지능, 진로적응력, 대학생활적응의 진 로적응력을 통한 매개, 그리고 정서지능, 자기효능감, 진로적응력, 대학 생활적응의 자기효능감과 진로적응력의 순차적 매개를 통해 대학생활적 응에 긍정적인 영향을 미치는 것으로 예측되었다. 자기효능감과 진로적 응력은 네팔 대학생의 정서지능과 대학생활적응 간의 관계를 매개하고 있음을 알 수 있다. 최근 급속도로 늘어가는 네팔 유학생을 대상으로 한 맞춤형 교육 방안을 마련하는 데에 이론적인 기초자료를 제공할 수 있을 것이다.

PURPOSES : This study aims to investigate the reliability of the real-time estimation of intersection traffic volumes based on the integration of location intelligence data and smart intersection data. METHODS : Location intelligence data (LID) and smart intersection data were obtained at eight intersections in Inju-daero, Incheon. The two datasets were then integrated to estimate traffic volumes for intersections in the shadow section, where traffic information was not expected to be obtained. The traffic estimation accuracy was evaluated using the total traffic, approach traffic, and turning movement volumes at the intersections. The estimated traffic was compared with the actual traffic volumes in the smart intersection data to validate the reliability of traffic estimation. RESULTS : The average traffic estimation error for the total intersection volume was approximately 4.5% for the five intersections in the shadow section. The estimation errors for the approach volumes (less than 5%) were also consistently low, except from 12 pm to 1 pm. CONCLUSIONS : The findings of this study suggest that location intelligence data can be combined with smart intersection data to estimate real-time traffic for shadow sections on roadways. This could enable a cost-effective cooperative intelligent transport system (C-ITS) when the municipal budget is limited, ultimately leading to the sustainable operation of C-ITS.

최근 급부상한 생성형 AI는 현실적인 이미지, 텍스트, 음악 및 가상 환경 등을 만들어내는 능력 에 기반하여 엔터테인먼트, 디자인, 의료 및 교육 분야 등 다양한 산업 분야에 근본적인 변화를 가 져올 혁신 동력으로서 주목받고 있다. 오픈AI 등을 중심으로 한 글로벌 빅테크 기업들은 막강한 자 본력을 바탕으로 이 분야의 기술의 고도화와 함께 산업 생태계를 빠르게 구축하며 선도적인 지위를 굳히고 있어 한국의 생성형 AI 산업의 국가경쟁력 강화가 시급하다고 할 수 있다. 본 연구는 국가 경쟁력을 설명하는 Porter의 다이아몬드 모형에 기반해 한국의 생성형 AI 경쟁력에 영향을 미치는 다양한 요인들을 분석하여 한국의 생성형 AI 산업의 성장과 혁신을 육성하기 위한 기업의 전략적 방안과 정부의 정책적 방향성을 다음과 같이 제시하였다. 연구 결과 생성형 AI 관련 기업들의 투자 활동이 응용프로그램 개발을 우선시하고 있는 것으로 나타나 정부는 근본적인 기술 혁신 분야에 R&D 지원에 나서야 함을 알 수 있었다. 또한 기업 사용자들의 생성형 AI 수요가 제한적임에 따라 다양한 관련 교육 프로그램을 개발하고 맞춤 솔루션을 제공해야하며 개인 사용자들간의 디지털 격 차를 해소하는 정책적 노력이 필요하다는 것을 보여주었다. 생성형 AI 유관 산업 육성을 위해, 기 술경쟁력 강화와 인재 육성이 필요하고, 이와 더불어 생성형 AI 산업 에코시스템 내의 기업간 협력 을 촉진하기 위해 정부의 역할이 중요하다는 것을 확인할 수 있었다.

본 논문의 목적은 생성형 AI 기술의 급속한 발달로 인해 변화하는 게임산업의 생태계를 살펴 보고 이에 따른 대응방안을 모색하는 데 있다. 2022년 11월 OpenAI가 ChatGPT를 대중에게 공개한 이후, 생성형 AI를 가장 직접적으로 활용 및 투자하고 있는 분야는 게임콘텐츠 산업이 다. 생성형 AI의 활용은 단순반복적인 작업의 효율화를 통해 게임 개발의 간소화와 예산 절감 을 가능케 한다. 여기에 플레이어의 반응에 실시간 반응하며 소통하는 콘텐츠 자동 생성을 통 해 사용자 경험을 극대화한다. 실제 게임 개발 현장에서도 게임 레벨, 맵, 퀘스트, 지능형 NPC, QA 자동화 등 게임 제작과 운영의 전 분야에서 생성형 AI 도구가 활용되고 있다. 신기 술에 민감하며 노동집약적인 게임의 산업적 특성 때문에 생성형 AI가 게임산업의 미래를 바꿀 것이라는 전망과 함께, 저작권 이슈와 대량 해고 등 우려 또한 제기되고 있다. 이에 대응하기 위해 게임업계는 생성형 AI가 가져올 불가피한 변화를 적극적으로 받아들이고, 이분법적 ‘대체 론’을 넘어 인간의 창의력과 AI 기술의 장점을 결합할 수 있는 새로운 협업 지성과 창작물에 대한 법적, 윤리적 가이드라인을 모색해야 한다.

We introduce the technology required todevelop a bracket process for installing and verifying FRT bumper sensors for passenger cars. Establish and demonstrate process automation through actual design and manufaturing. We conduct quality inspection of the production process using artificial intelligence and develop technology to automatically detect good and defective products and increase the reliability of the process

Artificial intelligence (AI) is an interdisciplinary subject based on computer science and has a history of more than 70 years. With the development of social industries, various service needs are developing rapidly, and AI is also playing a huge role in the application field of big data. This paper focuses on the analysis and application of AI in the subject classification system for high school students. The subject classification system adopts the characterization of subjects that a country have; and the amount of information data is huge. Different countries set up different subject systems according to the needs of social structure. In 2013, Qingdao Warwick International Education College (Warwick College) and Korean wisemento Co., Ltd. (Wisemento company) spent 4 years jointly researching and completing an analysis and assessment system suitable for Chinese subject classification system. Follow the subject and professional scoring method, the assessment system scientifically calculates trend scores and interacts with potential and career models to find the subject development direction, professional trend, future potential development direction, subject and career direction that are suitable for students. It provides trend data suitable for students’ subject development, provides scientific basis for students’ course selection, helps students understand themselves, and provides students with targeted career education development directions for subjects and careers. The education resources can be utilized effectively; student individual data also provides a basis for the management of education and teaching.

재가노인 중에서 일상생활을 정상적으로 유지하려 함에 있어 제3자의 도 움을 필요로 하는 장기요양 인정자의 비중도 증가하고 있다. 돌봄을 필요로 하는 노인의 수는 지속적으로 증가할 것으로 예측되는 반면, 돌봄 제공자인 장기요양 인력의 수는 감소하는 경향이 나타나 향후 인력 부족이 예측되고 있다. 이러한 돌봄 수요와 공급 불균형 대응방안의 일환으로 디지털 돌봄 체 계에 대한 중요성이 부각되고 있으며, 노인의 돌봄권 보장과 노인을 돌보는 가족, 돌봄 제공자(요양보호사 등)의 돌봄 부담 완화 및 삶의 질 제고를 위한 그 역할이 더욱 중요해질 것으로 예상된다. 나아가 재가 노인돌봄 영역에 디 지털 기술을 어떠한 방식으로 활용해야 할 것인지에 대한 면밀한 검토가 필 요한 시점이라 할 수 있다. 이에 본 연구는 AI기술을 활용한 선행연구들을 통하여 노인돌봄 서비스의 범주가 어느 정도까지 연구되어 있는지 살펴보고 현장에서 접근할 수 있는 실질적 개선방안을 도출하고자 한다.

This research presented the procedural framework of developing and optimizing an artificial intelligence model for predicting the change of bread texture by different baking enhancers. Emphasis was placed on the impact of various baking enhancers on the Mixolab thermo-mechanical properties of wheat flour and consequent alterations in bread texture. The application of baking enhancers positively contributed to dough formation and stability, producing bread with a soft texture. However, a relatively low Pearson correlation coefficient was observed between a single Mixolab parameter and bread texture (r<0.59). To more accurately predict the texture of bread from the thermo-mechanical features of wheat flour with baking enhancers, five AI models (multiple linear regression, decision tree, stochastic gradient descent, random forest, and multilayer perceptron neural network) were applied, and their prediction performance was compared. The multilayer perceptron neural network model was further utilized to enhance the prediction of bread texture by mitigating overfitting risks. Finally, the hyperparameter tuning (activation function [Leaky ReLU], regularization [0.0001], and dropout [0.1]) led to enhanced model performance (R2 = 0.8109 and RMSE = 0.1096).

There has been increasing interest in artificial intelligence (AI) in various fields. This phenomenon calls for human resources to be equipped with the knowledge and skills of AI and data. The Korean Ministry of Education has opened up introductory courses in AI to high school students since the second half of 2021. It will also include AI education in the 2022 revised curriculum for elementary, middle, and high school students. Despite these efforts to enhance students’ digital literacy through the innovation of the national curriculum, opportunities for taking advantage of AI and data education should be reached for more diverse learners. At the same time, the courses need to be designed with not only theoretical but practical contents and activities based on learner needs. Under these circumstances, the Science Data Education Center at the Korean Institute of Science and Technology Information (KISTI) has been providing AI and data education programs either online or face-to-face for university members, such as undergraduates, graduates, researchers, and professors. In this study, we aim to present cases of educational programs on AI and data operated by the Science Data Education Center, especially regarding those for the university components. Pertinent implications derived from the results of operating the programs will be discussed.