This study presents a novel methodology for analyzing disease relationships from a network perspective using Large Language Model (LLM) embeddings. We constructed a disease network based on 4,489 diseases from the International Classification of Diseases (ICD-11) using OpenAI’s text-embedding-3-small model. Network analysis revealed that diseases exhibit small-world characteristics with a high clustering coefficient (0.435) and form 16 major communities. Notably, mental health-related diseases showed high centrality in the network, and a clear inverse relationship was observed between community size and internal density. The embedding-based relationship analysis revealed meaningful patterns of disease relationships, suggesting the potential of this methodology as a novel tool for studying disease associations. Results suggest that mental health conditions play a more central role in disease relationships than previously recognized, and disease communities show distinct organizational patterns. This approach shows promise as a valuable tool for exploring large-scale disease relationships and generating new research hypotheses.

생성형 인공지능의 급속한 발전은 사회 전반에 광범위한 영향을 미치며, 일상생활을 포함한 다양한 분야 에 활용되고 있다. 본 연구에서는 인공지능 기술의 발전 동향을 대규모 언어모델(Large Language Models, LLM)을 중심으로 살펴보고 생성형 인공지능 기반 솔루션이 정치 및 공공 부문의 효율성과 서비스 최적화 에 기여하고 있음을 확인하였다. 본 연구는 미국, 싱가포르, 인도 등의 사례분석을 통해 인공지능 도구가 선거의 확장성과 시민과의 상호작용 개선에 역할 할 수 있다는 것을 주장한다. 동시에, 대규모 언어모델의 실사용 과정에서 제기되는 편향성, 허위정보 확산, 규제 공백 등의 쟁점들을 고찰할 필요가 있음을 지적한 다. 요컨대, 생성형 인공지능은 민주주의 발전과 공공서비스 증진에 대한 가능성을 제공하지만, 기술의 지속 가능하고 적실한 활용을 위해 투명성, 공정성과 책임성을 고려한 사용이 요구된다.

본 연구는 한국어교육 분야의 기존 메타버스 관련 개별 연구를 혼합연 구의 방법으로 종합적으로 분석하고 수업 모형 개발을 통해 구체적인 교 육 방안을 제시하는 데 목적이 있다. 이를 위해 먼저 일차 선정된 한국 어교육 분야의 학술지 논문 및 학위논문 52편을 대상으로 통합 요소를 도출하고, 양적·질적·혼합적 방법으로 결과를 통합하였다. 먼저 양적 통 합 결과 교육 분야에서 많이 활용되는 플랫폼, 학습자 대상 및 숙달도 수준의 경향성을 확인할 수 있었다. 다음으로 혼합적 통합 결과 메타버 스 활용 수업에 대한 인식과 기대, 몰입감 및 실재감과 관련된 의견을 통합할 수 있었다. 마지막으로 질적 통합 결과 기존 연구에서 제안한 수 업 모형 사례를 분석하고 교육 방안과 방향성 내용을 통합하였다. 이를 바탕으로 본 연구에서는 메타버스 활용 모듈식 한국어 수업 모형을 제안 하였다. 이 모형은 지식 중심, 상호작용 중심, 수행 중심 모듈로 구분되 며 수업 환경이나 학습자에 따라 적용할 수 있도록 구성되어 효용성이 높다는 점에서 의의가 있다.

최근 ChatGPT로 대표되는 인공지능의 급격한 발전은 인공지능 에 대한 낙관과 비관이 엇갈리는 가운데 기독교 선교가 새롭고도 실제적 인 방향을 모색해야 할 필요성을 제기했다. 이를 위해 본 연구는 행위자 -네트워크 이론을 주요 이론적 틀로 활용하여 인공지능을 단순한 도구가 아닌 인간과 상호작용하는 행위자로 인식한다. 이러한 관점에서 현재 인공지능 기술의 최전선에 있는 거대 언어 모델의 기술적 특성과 작동원리를 상세히 분석하여 인공지능이 인간과 맺는 관계에 주목한다. 이러한 이해를 토대로 인공지능과의 선교적 접점을 모색하기 위한 방안은 첫째, 인공지능을 선교 현장으로 인식하는 것, 둘째, 인간에게만 주어진 선교적 삶을 사는 것. 셋째, 인공지능을 선교사역의 협력자로 받아들이는 것, 넷째, 오픈소스 거대 언어 모델을 활용한 선교적 목적의 인공지능을 개발하는 것이다. 본 연구는 인공지능 시대의 기독교 선교 가 단순히 인공지능을 도구로 활용하는 차원을 넘어, 인공지능과의 협력적 관계를 통해 새로운 선교의 지평을 열어가야 함을 제안한다. 이는 데이비드 보쉬가 주장한 것처럼, 선교는 각 시대의 변화에 따라 새로운 패러다임으로 변화되어야 한다는 관점에 기반한다.

모빌리티 예측은 단순한 통행 경로 예측을 넘어, 사회 전반의 효율성 및 안전성 향상을 위한 핵심 데이터를 제공한다는 점에서 중 요하다. 기존의 예측 기법은 시공간적 규칙성과 개인 이동 패턴의 통계적 특성 분석에 주로 의존하였으며, 최근 딥러닝 기반의 시공간 모델링을 통해 예측 성능이 향상되었다. 그러나 여전히 개인 통행의 단기·장기적 시공간 의존성 및 복잡한 패턴을 처리하는 데 한계가 존재한다. 이를 극복하기 위해, 본 연구는 대규모 사전 학습된 거대 언어 모델(Large Language Model; LLM)을 도입하여, 개인 속성뿐 만 아니라 실제 통행 데이터를 반영한 객체 단위 통행 생성 프레임워크를 제안한다. LLM 기반(ChatGPT-4o) 객체 단위 통행 생성 프레 임워크는 (1) 개인 모빌리티 패턴 학습, (2) 통행 생성의 두 단계로 이루어진다. 이후 한국교통연구원의 개인통행 실태조사(2021) 데이 터를 이용하여 프레임워크의 통행 생성 성능을 확인하였다. 통행 시작·출발 시간 분포, 출발·도착지 장소 유형, 통행목적, 이용 교통수 단의 정확도를 확인한 결과, 대부분 항목에서 70% 이상의 정확도를 보였다. 하지만 통행목적은 13개의 목적 중 하나를 예측해야 하기 에 정확도가 다른 항목에 비해 약 40%로 낮게 나타났다. 본 연구는 통행 생성 프레임워크를 설계하고, 이에 맞춰 입력 데이터를 가공 및 프롬프트 엔지니어링을 수행함으로써 LLM 기반 통행 생성 기술의 가능성을 확인하였다. 향후 프레임워크의 예측 성능 검증 및 개 선을 위한 추가 연구가 필요하며, 날씨, 대규모 행사 등과 같은 외부 요인들을 고려하면 더욱 정교하고 현실적인 통행일지를 생성할 수 있을 것이다.

본 연구는 맞벌이 부모의 일-가족 이점과 갈등이 부모의 양육 행동을 거쳐 자녀의 화용언어에 미치는 영향을 파악하고, 일-가족 이점과 갈등이 부모의 양 육 행동에 미치는 영향력에서 자기-상대방효과에 차이가 나는지를 비교 분석하 였다. 이를 위하여 한국아동패널 10차 조사자료에서 맞벌이 부모 604쌍과 자녀 의 데이터를 사용하였다. 기술통계와 상관분석은 SPSS.22, 자기-상대방 상호의 존모형(APIM)은 AMOS.28 통계 프로그램으로 분석하였다. 연구 결과, 첫째, 모 의 일-가정 이점과 갈등은 모의 양육 행동에, 모의 양육 행동은 아동의 화용언 어에 유의한 정적 영향을 미치지만, 모의 일-가정 이점과 갈등이 부의 양육 행 동에 미치는 영향은 유의하지 않았다. 둘째, 부의 일-가정 이점과 갈등은 부와 모의 양육 행동에 유의한 영향을 미쳤으나 부의 양육 행동은 아동의 화용언어에 미치는 영향이 유의하지 않았다. 셋째, 모는 부 보다 일-가정 이점과 갈등상황에 서 자신의 양육 행동에 대해 배우자보다 자기 자신의 영향력이 더 큰 것으로 나 타났다. 따라서 일-가정 양립 지원에 있어 부와 모의 관계성에 초점을 둔 세밀 화된 지원정책의 수립과 여성복지의 새로운 측면에 대한 고민이 필요하다.

현대 해양 산업은 기술적 발전을 통해 신속한 발전을 이루고 있다. 이러한 발전을 주도하는 주요 기술 중 하나는 데이터 처리 기술이며, 이 중 자연어 처리 기법은 사람의 언어를 기계가 이해하고 처리할 수 있도록 하는 기술이다. 본 연구는 자연어 처리 기법을 통해 해양안전심판원의 재결서를 분석하여 이미 재결이 이루어진 선박 충돌사고의 원인 제공 비율을 학습한 후, 새로운 재결서를 입력 하면 원인 제공 비율을 예측하는 모델을 개발하고자 하였다. 이 모델은 사고 당시 적용되는 항법과 원인 제공 비율에 영향을 주는 핵심 키워드의 가중치를 이용하여 사고의 원인 제공 비율을 계산하는 방식으로 구성하였다. 이 연구는 이러한 방식을 통해 제작한 모델의 정 확도를 분석하고, 모델의 실무 적용 가능성을 검토함과 동시에 충돌사고 재발 방지 및 해양사고 당사자들의 분쟁 해결에 기여할 것으로 기대한다.

이 글은 한국어 학습을 위한 웹 기반 한자 사전 모델을 제시하기 위한 것이다. 중국 문화권 학습자를 대상으로 한 이 연구에서는 웹 기반 한자 사전의 필요성을 확인하고 기존 사전의 한자 단어 학습의 문제점 을 분석하였다. 한자 단어 학습 시 한자 원어 형태소 인식이 중요하다고 보고 이를 반영한 별도의 팝오버 (popover) 창을 개발하였다. 한자 사전의 미시구조에는 항목, 단어 유형, 발음, 한-베트남어 단어(있는 경우), 한자의 어원, 한-베 소리(voice)가 포함되며, 이밖에 베트남어 어원에 대한 설명, 한자의 원래 형태소 와 관련된 한-베 단어, 번역, 설명, 예시 등이 포함되어야 함을 밝혔다. 그런 다음, 한자어 형태소와 한자- 베트남어의 발음을 포함하는 어원 틀, 베트남어 및 한자어의 한자 형태소 의미를 포함한 웹 사전을 구성하 고 그 활용 방안을 보여주었다. 본 연구는 한자어 형태소와 관련된 베트남 단어에 대한 정보를 추가하고, 프로그래밍 기술, 데이터베이스 업데이트 과정, 300개 규모의 한자 사전 모델을 제시한 기초연구로써 이후 한국어 학습자를 위한 웹 한자 사전 구축에 보탬이 되고자 한다.

중국의 급격한 경제 성장으로 인하여 중국어 전공자들의 주요 취업분야로 중국인들을 대상으로 하는 관광 관련 서비스 업종에서의 인력 수요가 늘어나면서, 학생들의 실제적인 중국어 역량 향상이 중요한 문제로 대두하게 되었다. 이에 따라 전문대학 2년의 짧은 교육시간을 극복하고, 실질적인 의사소통 능력을 배양할 수 있는 방안으로 거꾸로 수업 모형(Flipped Lea rning)을 적용함과 동시에 학생들의 낮은 학습 동기에 대한 방안으로 동기설계 수업 모형(A RCS)을 적용한 F-ARCS 수업모형을 적용하게 되었다. 수업모형을 적용한 결과 거꾸로 학습 을 활용하여 실제 수업의 효율성을 극대화할 수 있는 점과 학생들의 주의집중, 자신감, 관련성, 만족감을 고취하여 수업에 대한 동기를 적극적으로 향상시킬 수 있었다.

In this study, a multiliteracy model is proposed that can be applied to foreign language education in the era of artificial intelligence (AI), in which language-related technologies are rapidly developing. Artificial intelligence-based translation and interpretation technologies are lowering the threshold of foreign language use, and speech recognition (SR) technology and text-to-speech (TTS) technology break down the boundary between spoken language and written language. With such Information Communication Technology (ICT) literacy, therefore, foreign language literacy along with first language literacy tends to be integrated into multiliteracy. Besides, as our society has become specialized, the importance of content literacy of each specialized field is emphasized more and more. As a result, in foreign language education, a multiliteracy model is needed with Content-Language Integrated Learning (CLIL) methodology. With introducing a multiliteracy model, in this study, a translation course between first and foreign languages and a content course of book publishing are introduced as samples of the application of the multiliteracy model.

본 논문에서는 한국어 쓰기 교육을 위한 교육용 게임으로서 text-to-scene 모델을 제안한다. 사용자 입력 문장에 대해 즉각적인 피드백을 제공하기 위해서, 제안하는 text-to-scene 모델은 사용자 입력 문장의 의미구조를 분석하여 장면을 자동으로 생성한다. 사용자가 문장을 교정하면서 자연스럽게 한국어 쓰기 능력이 향상될 수 있도록, 제안하는 text-to-scene 모델은 정답 장면과 사용자 입력 문장에 대한 장면을 함께 제공하므로, 사용자는 입력 문장의 어느 부분이 잘못되었는지 쉽게 파악하고 문장을 수정할 수 있다. 기존의 text-to-scene 연구에서 정교하게 장면을 생성하기 위해서는 필요한 자원 구축이 어렵고 처리 과정이 매우 복잡하다는 점을 고려하여, 제안하는 text-to-scene 모델은 외국인이 쉽게 이해할 수 있는 수준으로 장면을 단순하게 표현한다. 실험결과 격조사나 문장 요소 생략 등을 고려하여 15개의 단어를 임의로 조합하여 5개 어절 이내의 문장 1,048,576개 문장을 만들어 실험한 결과 제안하는 모델은 한 문장당 평균 14.94ms가 소요하면서 안정적으로 장면을 생성하였다. 외국인을 대상으로 한 작문 시험 결과, 종이를 이용한 작문 결과에서는 10개 문항 중 오답 문장이 평균 4.7개 나왔는데, 제안하는 text-to-scene 모델을 이용한 작문 결과에서는 한 문장 당 평균 1.56회의 미리보기를 하고 문장을 수정하여 0.87개가 나왔다.

The main objective of this research was to probe the DLM-based teaching method for Korean students’ English communication skills. For this study, the corpus was made of Korean reading materials with 307 frequently used sentence patterns extracted. The present research employing a quasi-experimental design and a comparative analysis of Korean and English corpora revealed the followings: first, the difference between the DLM (experimental group) and the CTR (control group) was examined in terms of the pretest score in order to identify the students’ level of English productive skills. After the pretest, meaningful translation focused DLM was employed in the instruction of the experimental group but not in the instruction of the control group. After one semester of teaching, on the posttest, the students in the DLM group outperformed the students in the CTR group. In conclusion, it can be inferred that the DLM teaching method is effective for English productive skills and can be a good solution to our English education environments in which both teachers and students use Korean as a medium of teaching English.

The purpose of this paper is to value the intercultural communicative competence model in English language assessment. As for intercultural communication, it becomes of utmost importance that (1) the inappropriateness of the conventional communicative competence models be demonstrated, and (2) altemative models from interculturally communicative needs be proposed and their use defended. Qualitative methodolgy and narrative inquiry are needed to make the assessment of intercultural communicative competence press forward in Korea.

요약: 수치지질도는 디지털 포맷으로 지리적인 정보와 연계된 공간 도형정보와 지질학적인 데이터베이스 속성정보를 갖는 지도로 정의가 가능하며, 지질정보의 수치 도면화와 지공간 정보처리가 가능한 두 가지 측면으로 활용될 수 있다. 그러나 지질 정보가 근본적으로 자연현상에 대한 실체와 다양한 원인에 기인한 복합 대상체에 대한 해석을 목적으로 하기 때문에 수치지질도 작업은 기존에 GIS의 주요 응용 분야인 도시정보시스템이나 지도 자동 도면화 등과 같이 인공지물을 다루는 방법을 바로 적용하는 경우 많은 문제점이 있다. 또한 GIS 소프트웨어의 근간을 이루는 정보기술분야의 급속한 발전과 GIS 활용분야의 확대에 따라 각 활용분야의 고유한 특성과 그에 따른 모델은 수치지질정보화에 대한 중요성 요소로 작용하게 된다. 본 연구에서는 이와 관련하여 우선 지질 데이터 모델에 대한 주요한 개념을 설명하고 지질데이터 모델에 대한 그간의 선행연구와 접근 방법을 소개하고자 한다. 또한 최근에 부각되고 있는 객체지향 모델링 방법의 핵심인 UML접근 방법과 이를 이용한 시험적인 모델을 소개하고자 한다. 이러한 접근 방법을 통하여 재사용성을 고려한 개념적인 모델과 이에 상응하는 실용적인 시스템 개발 및 표준화 연구측면에서 기존 방식에 비교하여 많은 장점을 보일 수 있다. 결론적으로 UML 접근방법을 통한 시스템 아키텍처와 이를 기반으로 한 지질정보시스템은 지구과학분야에서 GIS 활용을 위한 새로운 핵심적인 접근방식을 제공하게 될 것으로 예상된다.