본 연구는 2025년 개편된 UNESCO FCS의 가치생성모델을 분석틀로 하여 『원행을묘정리의궤』가 어떤 방식으로 가치를 생산·전달·확장하는지 를 규명하고자 하였다. 이를 위해 『정조실록』 등 1차 사료, 관련 도식 등을 대상으로 한 문헌분석과 현대적 활용 사례 분석을 수행하였다. 연 구 결과, 『정리의궤』는 단순한 그림이나 의례 기록이 아니라, 국가 권위 의 시각적 실행, 유교적 질서의 제도화, 도시·군사·기술·행정 시스템의 표 준화 등 정조의 정치 기획을 실현하고 있음을 확인했다. 생산 단계에서 는 정조의 정치적 기획 아래 규장각·정리소 체계가 작동하며, 효·예·군사 이념이 결합한 상징적·정치적 가치를 창출하였다. 분배 단계에서는 금속 활자 인쇄와 행정 네트워크를 기반으로 도식이 중앙 관청과 지방 관아로 폭넓게 배포되었으며, 시각적 도식들이 국가 운영의 규범과 표준 행정 서식으로 제도화되었다. 수용 단계에서 『정리의궤』의 도식은 19세기 이 후 의례·군사 체계의 표준으로 반복 활용되었고, 21세기에 들어서는 전 시·교육, 화성문화제 등 지역 축제, 온라인 디지털 콘텐츠 등으로 확장되 면서, 기억·문화정체성 형성의 매개로 재해석되었다. 지속 단계에서는 VR·AR·AI 기반의 화성 행차 재현과 디지털 아카이브 구축을 통해 지속 적으로 접근·활용될 수 있는 구조가 형성되었으며, 기록유산의 보존과 공 공적 가치 생성이 강화됨을 확인하였다.

Background: Real-time ergonomic risk assessment in manufacturing environments is challenged by severe class imbalance in high-risk postures and the need for deployment-efficient models. Conventional oversampling techniques may violate biomechanical constraints, limiting their suitability for human motion data. Objectives: This study aimed to compare multiple machine learning models for real-time ergonomic risk assessment while addressing data imbalance using biomechanically appropriate learning strategies and evaluating both predictive performance and deployment efficiency. Design: Comparative study. Methods: A large-scale workplace safety dataset comprising image-based skeletal keypoints was analyzed. To mitigate class imbalance without generating biomechanically implausible samples, cost-sensitive learning and focal loss were employed instead of synthetic oversampling. Subject-wise data splitting was applied to prevent data leakage. Five model families, including Random Forest, convolutional neural networks, and a lightweight graphbased network, were evaluated using accuracy, F1-score, area under the receiver operating characteristic curve (AUC), and high-risk recall. Statistical significance was assessed using bootstrap confidence intervals and McNemar and DeLong tests. Results: The lightweight graph-based model demonstrated competitive classification performance while maintaining reduced computational complexity. Although none of the models achieved the predefined high-risk recall threshold, statistically significant performance differences were observed across model families. Conclusion: The findings suggest that biomechanically informed imbalance handling improves methodological validity in ergonomic risk assessment. While deployment feasibility appears promising, further empirical validation on edge hardware is required.

This study proposes a surrogate model framework that integrates finite element analysis and deep learning to rapidly estimate equivalent material properties of patterned sheets. Conventional homogenization methods can only be applied after the pattern geometry has been finalized, requiring additional modeling and simulation. In contrast, the proposed approach establishes a surrogate model in advance, enabling the immediate estimation of equivalent material properties once the pattern geometry is defined. A dataset of 5,000 cases was generated using simulations, and Bayesian hyperparameter optimization was applied to improve model performance. The surrogate model achieved R² values above 0.99 for all target properties, confirming high internal consistency. Experimental validation with patterned STS304 specimens yielded meaningful results, with all errors remaining within 15%, which demonstrates the reliability of the proposed surrogate model despite minor deviations caused by fabrication imperfections and limited training data. Despite these limitations, the proposed system enables instant estimation of equivalent properties from pattern geometries, offering significant reduction in computational cost and design time. This approach enhances design reliability and provides a practical tool for the application of patterned materials in industrial engineering.

목적: 본 연구의 목적은 고화질로 인쇄된 사진 형태의 모형안을 이용하여 실시간 영상 기반 안구운동 측정 장비를 개발하고, 반복 측정 실험을 통해 동공 중심 검출 알고리즘의 안정성과 신뢰도를 정량적으로 평가하는 것이다. 기존 상용 eye-tracking 시스템에 비해 저비용 하드웨어와 오픈소스 소프트웨어만으로 구축 가능한 장비의 초기 성능을 검증하고자 하였다. 방법 : XIMEA 고속 카메라를 기반으로 적외선 조명 및 실시간 영상 처리 알고리즘을 구성하여 동공 영역을 검 출하고 중심 좌표(x, y)를 추적하였다. 모형안을 고정된 거리에서 촬영한 후, 동일한 환경에서 10회 반복 측정을 수행하였다. 각 반복 측정은 900프레임으로 구성되었으며, 총 9,000프레임의 동공 영상 데이터를 수집하였다. 동 공 중심 검출 성공률을 산출하였으며, 반복 측정 간 중심 좌표의 변동성을 표준편차로 정량화하여 알고리즘의 안정 성을 평가하였다. 결과 : 총 9,000프레임 중 동공 중심 검출 성공률은 평균 97.3%를 나타냈다. 반복 측정 간 중심 좌표의 변동성 은 x축 표준편차 0.46±0.05 pixel, y축 표준편차 0.52±0.04 pixel로 측정되었으며, 모든 조건에서 중심 좌표의 표준편차가 1 pixel 미만을 유지하였다. 시간 분포 시계열 분석 결과, 중심 좌표는 특정 방향으로의 점진적인 위치 편향이 거의 관찰되지 않았으며, 중심 주변에 밀집된 분포를 보였다. 결론 : 본 연구에서 개발한 실시간 안구운동 측정 장비는 모형안 기반 반복 측정 실험에서 높은 동공 검출 성공 률과 우수한 반복 측정 안정성을 보여주었다. 저비용 장비 구성과 자유로운 알고리즘 수정 가능성은 연구 단계의 eye-tracking 시스템 개발에 유리한 장점을 제공하며, 향후 사람 대상 연구 이전의 초기 장비 검증 모델로 활용 가능하다. 또한 동공 중심뿐만 아니라 동공 지름 변화, 홱보기 검출 등 다양한 시기능 분석 지표로 확장할 수 있는 기술적 기반을 마련하였다.

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.

Climate change is increasing the frequency and severity of abiotic stresses, including drought, salinity, heat, cold, and fluctuating light intensity, posing significant challenges to ornamental plant growth, market quality, and postharvest performance. Nitric oxide (NO) has emerged as a key gaseous signaling molecule involved in plant adaptive responses to such stress conditions. Although extensive research in model plants, particularly Arabidopsis thaliana, has elucidated NO biosynthesis pathways, redox signaling networks, hormone crosstalk, and S-nitrosylation-based regulation, comparable mechanistic studies in ornamental species remain limited. Existing evidence from Rosa, Tagetes, Gazania, Gerbera, Lilium, Chrysanthemum, Petunia, Zinnia, and other floricultural crops suggests that NO enhances stress resilience by regulating antioxidant activity, maintaining photosynthetic efficiency, stabilizing cellular membranes, modulating stomatal behavior, and extending vase life through delayed senescence. This review synthesizes the current state of knowledge on NO-mediated abiotic stress tolerance in ornamental plants within the context of climate change impacts and compares these findings with well-characterized NO functions in model systems. By identifying parallel mechanisms, knowledge gaps, and translational opportunities, we highlight experimental directions that may accelerate the application of NO-based approaches in floriculture. Finally, the review discusses practical implications, including the use of exogenous NO donors, priming strategies, and advanced delivery systems,

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.

최근 기후 변화로 인해 기존 경험 기반 농업의 불확실성이 증가하고 있어 작물의 생육 특성을 정밀하게 예측하고 대비하는 것이 중요해지고 있다. 이에 본 연구는 복합 농업 데이터를 기반으로 양파의 생육 특성을 정밀하게 예측하기 위해, 시계열 기반 환경 정보 및 생육 데이터를 처리하는 LSTM 기반 동적 분기와, 품종 및 재식 밀도 등 농가별 고정 특성을 반영하는 정적 분기로 구성된 이중 분기 아키텍처를 제안하고 검증한다. 제안 모델의 검증은 전북특별자치도 내 3곳의 양파 재배 농가에서 2024년과 2025년에 수집된 환경, 생육, 농가 정보 데이터셋을 활용하였다. 실험 결과, 구직경과 생구무게에 대한 평균  가 각 0.91과 0.90으로, 제안 모델이 두 변수에 대해 높은 수준의 설명력을 갖고 있음을 확인하였다. 이는 본 연구에서 제안한 복합 데이터 모델링 접근법이 수확량의 정밀한 예측과 재배 관리 의사결정의 보조 도구로 활용될 수 있음을 보여준다.

본 연구는 무인기로 촬영한 다중분광 영상으로부터 취득한 반사값을 통해 산출된 식생지수로 콩(Glycine max (L.) Merr.)의 경태를 추정하는 머신러닝 회귀모델 개발을 목표로 한다. 연구 대상은 경상남도 밀양시 국립식량과학원 남부작물부 실험포장에서 2022년 6월 20일과 2023년 6월 24일에 파종한 선풍 품종의 콩이며, 관행구와 처리구로 나누어 재배하였다. 생육조사는 2022년 8월 20일과 9월 20일, 2023년 8월 21일과 9월 25일에 수행하였고, 영상은 2022년 8월 22일과 9월 21일, 2023년 8월 22일과 9월 20일에 촬영하였다. 촬영된 영상으로부터 5가지 반사값을 추출하여 9가지 식생지수를 산출하였다. 모델 구축에는 Ridge Regression (RR)과 LASSO Regression (LR), Random Forest Regression (RFR)과 K-Nearest Neighbor Regression (KNR)을 사용하였고, 단계적 변수 선택법을 사용하였다. 훈련과 검증의 비율은 8:2, 7:3, 6:4로 설정하였고, 모델은 R2, RMSE, MAPE로 평가하였다. 단년차 월별 모델의 경우, 8월과 9월 모두 2023년의 모델이 좋은 모델로 선정되었다. 다년차 월별 모델의 경우, 환경적 조건에 편중되어 군집화 현상이 나타나는 경우(8월)와 통계적으로 유의한 차이가 있음에도 불구하고 군집화 현상이 나타나지 않는 경우(9월)가 확인되었다. 따라서 월별 모델에 비해 성능은 낮지만 군집화가 발생하지 않고, 더 많은 샘플 수를 가진 전체 통합 모델을 최적 모델로 선택하였고, Calibration에서 R2=0.916, RMSE=0.683mm, MAPE=5.644%, Validation에서 R2=0.708, RMSE=1.002mm, MAPE=8.957% 의 성능을 나타내었다.

This study estimated whole crop maize (WCM; Zea mays L.) yield damage under abnormal climate conditions using a machine-learning approach based on Representative Concentration Pathway (RCP) 8.5 and visualized the results as spatial maps. A total of 3,232 WCM observations were compiled, and climate data were obtained from the Korea Meteorological Administration (KMA) Open Data Portal. The machine learning model used DeepCrossing. Dry matter yield (DMY) was predicted using the DeepCrossing model and climate data from the Automated Synoptic Observing System (ASOS; 95 stations). The calculation of damage was the difference between the DMYnormal and DMYabnormal. The normal climate was set as the 40-year of climate data according to the year of WCM data (1978-2017). The level of abnormal climate by temperature and precipitation was set as RCP 8.5 standard. The predicted DMYnormal ranged from 13,845-19,347 kg/ha. The damage from WCM varied by region and the severity of abnormal climate, including abnormal temperature and precipitation. Under abnormal temperature conditions, damage in 2050 and 2100 ranged from –243 to –133 and –1,797 to –245 kg/ha, respectively. Under abnormal precipitation conditions, damage in 2050 and 2100 ranged from –2,998 to 1,447 and –11,308 to 29 kg/ha, respectively. Overall, DMY of WCM tended to increase with higher mean monthly temperature. The damage calculated through the RCP 8.5 standard was presented as a spatial distribution using QGIS. Although this study used an RCP scenario based on greenhouse gas concentrations, further research is needed to apply an integrated Shared Socioeconomic Pathway (SSP) that accounts for socioeconomic factors.

기후변화로 서리의 계절적 발생 시점은 지연되고 있다. 반면에 국내 주요 사과 산지의 서리 발생 빈도는 오히려 증가하고 있어 정밀한 사전 예측의 필요성이 커지고 있다. 본 연구는 노지 과수원 환경을 대상으로, 서리 발생 여부를 예측하는 다중 시간스케일 기반의 인공지능 모델을 제안하였다. 최근 10년간(2014-2025년) 경상북도 안동 기상대의 시간별 관측 97,758건을 사용하였으며, 6·12·24시간의 멀티윈도우 입력으로 단기 급변(복사냉각), 일일 주기성, 장기적인 대기 순환 패턴을 동시에 반영하였다. 모델링은 XGBoost, CNN, XGB-CNN 앙상블로 구성하였으며, 학습-검증-테스트를 70-20-10%로 분할하였다. 성능 평가로 XGB-24h는 ROC-AUC 0.977, PR-AUC 0.921, FPR 0.039로 높은 분별력과 낮은 허위경보를 보였다. CNN-24h는 Recall 0.941로 놓침 최소화에 유리하나 FPR이 상대적으로 높았다. 제안한 앙상블은 두 축을 절충하여 Accuracy 0.932, Recall 0.859, FPR 0.046, MCC 0.809, PR-AUC ≈0.919를 달성했고, Brier 0.056으로 확률 보정도 가장 우수했다. 성능 최적화를 위해 소프트 보팅 앙상블 모델의 가중치(ω)와 서리판정의 임계값(θ)을 대상으로 2차원 grid search를 수행한 결과, 앙상블 성능 조정 시 가중치(ω)보다 임계값(θ)이 핵심 파라미터임을 확인 하였다. 본 연구는 다중 시간스케일과 앙상블에 계절별 동적 임계값(θ) 정책을 적용할 경우 추가적인 성능 개선이 가능함을 시사하며, 지역 일반화의 한계를 고려해 향후 다양한 지역·기후 조건에서의 현장 실증 연구를 통해 재현율(Recall) 중심의 성능향상을 지속적으로 개선하고자 한다.

This study develops a post-value for money (post-VfM) evaluation model for public–private partnership (PPP) road projects in Korea. Following the abolition of the minimum revenue guarantee system, the demand risk was transferred to the private sector, thus necessitating an unbiased and data-driven assessment under the new adjusted build-transfer-operate (BTO-a) framework. The proposed model extends the existing ex-ante VfM analysis by incorporating actual operational data and estimating government payments for both public-sector comparator and private finance initiative alternatives on a lifecycle cost basis. Using an actual BTO project restructured as BTO-a, the simulation shows that the post-VfM ratio increases from 23.5% to 37.9%, thus confirming fiscal efficiency and balanced risk sharing. This model enables feedback between planning and operation, supports transparent policy evaluation, and provides a foundation for sustainable PPP governance in future infrastructure projects.

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 사회과학적 문학작품 분석모델을 적용하여 한강의 『소 년이 온다』(2014)에 나타난 존엄 훼손과 회복의 서사, 죽음의 공간적·상 징적 구조, 그리고 죽음의 가치와 사회적·윤리적 죽음담론을 확장시킬 수 있는 청년의 좋은 죽음에 대한 인식의 직·간접적 사례를 깊이 있게 탐구 하였다. 이 작품에서 삶의 마지막 공간은 단순한 임종의 장소가 아니라, 청년의 자기정체성과 존엄 회복의 서사적 공간으로 기능한다. 또한 작품 속 청년의 죽음은 국가폭력과 사회적 침묵 속에서 인간의 존재 가치가 체계적으로 파괴되는 존엄 훼손의 과정으로 재현되지만, 이들의 죽음을 기억하고 재서사화하는 행위를 통해 존엄의 복원과 사회적 연대의 가능 성이 드러난다. 이러한 결과를 근거로 청년세대의 죽음에 대한 인식을 존 엄의 윤리와 사회적 기억의 관점에서 재조명함으로써 현대사회의 죽음담 론이 나아가야 할 방향을 논의하였다.

본 연구는 Abaqus/Explicit을 이용한 GFRP 볼트의 체결 거동을 해석적으로 평가하고, 마찰계수(0.15, 0.175, 0.20)와 제 조공법(Pultrusion, Filament Winding)이 손상 개시에 미치는 영향을 분석하였다. 손상 개시는 Hashin 파손 지수 중 하나라도 1 이상이 되는 시점으로 정의하였다. Pultrusion 볼트는 모든 조건에서 수지의 인장으로 손상이 개시되었고, 마찰계수가 증가할수록 개시 시간은 감소하였다(0.8369초, 0.6564초, 0.4998초). Filament Winding 볼트는 손상 개시 시간이 마찰계수에 상대적으로 둔감 (0.5143–0.6026초)한 반면, 인장 관련 지수는 마찰계수 증가에 따라 상승하여 0.175에서 최대를 보였다. 마찰계수 0.15에서는 두 공법 모두 수지의 인장으로 손상이 개시되며 Filament Winding이 Pultrusion보다 더 이르게 개시하였다. 0.175에서는 Filament Winding의 손상이 다소 빠르게 개시하였으나 섬유-인장 지수가 1에 도달하였을 때, 수지-인장, 수지-압축에 대한 지수가 1에 근접하 는 양상이 나타났다. 0.20에서는 두 공법 모두 수지의 인장으로 손상이 개시되며 Pultrusion이 소폭 더 빨랐다. 응력–시간 그래프에서 Pultrusion은 횡방향 인장 상승과 면내 전단의 결합에 좌우되고, Filament Winding은 전단 지배 거동이며 마찰계수에 따라 손상 거동이 전환될 수 있음을 보여준다. 이러한 결과는 마찰 관리와 나사산의 구조가 GFRP 체결부 신뢰성의 핵심 설계 변수임을 시사하며, 예정된 실 규모 체결력 실험으로 시뮬레이션을 검증⋅보정할 계획이다.

In reinforced concrete (RC) structures, steel corrosion can be occurred due to carbonation and chloride penetration, and these phenomenon lead to a degradation of the structural performance. Existing analytical models for corroded RC columns depend on complex empirical formulas based on specific experimental data. This study proposes a macro analytical model to predict the lateral load-resisting behavior of corroded RC columns. The proposed model is composed of a force-based nonlinear beam–column element that simulates the flexural behavior and a zero-length section element that represents the bond–slip deformation at the column base. To validate the proposed model, its results were compared and analyzed with the experimental results from existing literature. The results showed that the proposed model evaluated the maximum strength and the residual strength at a 4% drift ratio similarly to the experimental values. Furthermore, the model effectively predicted the pinching phenomenon and the hysteretic behavior under cyclic loading.

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.

This study investigates the seismic fragility of nuclear power plant (NPP) auxiliary structures by incorporating material aging deterioration into machine learning–based response prediction models. An artificial neural network (ANN) was developed using 17 seismic and material parameters, achieving high predictive accuracy (R2 = 0.96) while significantly reducing computational demands compared with conventional finite element analyses. By combining the ANN with Monte Carlo simulations, fragility curves for Motor Control Center (MCC) cabinet anchors were derived at resonance frequencies of 10 Hz and 15 Hz. Results indicate that equipment with higher resonance frequency (15 Hz) exhibits lower seismic vulnerability due to reduced sensitivity to dominant low-frequency seismic components. When material deterioration was introduced, fragility curves shifted toward lower ground motion intensities, reflecting increased failure probabilities and approximately 20% reduction in median seismic capacity. These findings highlight the necessity of considering aging effects in probabilistic seismic risk assessments and demonstrate the efficiency of ML-based surrogate models for quantifying long-term safety margins of NPP structures.

본 연구는 국내 넙치(Paralichthys olivaceus) 생산량의 약 51%를 차지하는 제주도 지역 양식장을 대상으로 최적 출하 시점을 평가하였다. 일반적으로 양식 현장에서는 운영비, 수익성, 성장 및 폐사율과 같은 생물·경제적 요인을 충분히 고려하지 않고 경험에 의존하여 출하 시점을 결정하는 경우가 많으며, 이는 의사결정의 편향과 비효율로 이어질 수 있다. 이러한 문제를 해결하기 위해 성장, 사망, 생산 비용, 판매단가 등을 고려한 생물-경제 모델을 개발하였다. 월별 현금흐름을 연 4.5%의 할인율로 할인한 후, 서로 다른 출하 종료 시점 비교를 위해 이를 월 등가 수익(Equivalent Uniform Monthly Worth, EUMW)으로 환산하였다. 분석 결과, 최대 자연사망률(70%)서는 출하 시작 시점이 6~9개월령(체중 0.31~0.63 kg), 종료 시점이 16~21개월령(체중 1.73~2.69 kg)일 때 월 등가 수익이 0.23~0.57백만 원 범위로 나타났다. 반면 최소 자연사망률(24%)에서는 출하 시작 시점이 23~34개월령(체중 3.10~5.26 kg), 종료 시점이 41~43개월령(체중 6.45~6.76 kg)일 때 월 등가 수익이 5.02~6.33백만 원으로 분석되었다. 본 연구는 출하 시점 의사결정 과정에서 정량화의 중요성을 강조하며, 자료 기반 접근법이 입식 전략, 재고 관리 및 출하 계획 최적화를 통해 경제적 지속가능성과 장기적 운영 효율성을 높일 수 있음을 시사한다.

본 연구는 법무부 교정기관의 제도적･환경적 특수성을 반영한 스마트팜 직업훈련 프로그램을 개발하고, 전문가 평가를 통해 내용 타당도와 현장 적합성을 검증하는 데 목적이 있다. 현대 교정의 핵심인 재사회화를 위해 직업훈련의 중요성이 강조되고 있으나, 기존 교육은 전통 기능직에 편중되어 디지털･스마트 기술 기반의 변화를 충분히 반영하지 못하고 있다. 이에 신체적 부담이 적고 정서 안정 효과가 입증된 스마트팜을 교정시설 에 최적화된 직업훈련 모델로 제안하고자 하였다. 연구는 체제적 교수설계 관점에 따라 문헌 분석, 요구분석, 프로그램 설계 및 개발, 전문가 검증 순으로 진행되었다. 요구분석 결과, 종사자와 수형자 모두 스마트팜 도입 필요성을 높게 인식하였으며, 온실 환경제어 및 양액 관리 등 직무 기술과 직업윤리, 정서조절 등 인성 및 기초능력의 통합 교육을 핵심 요구사항으로 도출하였다. 이를 바탕으로 프로그램을 설계하고, 안전･보안 우선, 단계적 학습, 실습 중심, 통합 교육, 기관 여건에 따른 유연 운영을 구성 원칙으로 제시하였다. 전문가 평가는 긍정 적이었으나 시설･장비 수준별 구분, 보안･안전 운영지침 구체화, 심화･자격 연계, 정 서지원 활동의 구체적 도구 제시, 시간･내용의 선택 운영 필요성이 제언되었다. 본 연 구는 교정기관에 적용 가능한 스마트팜 직업훈련의 실천적 틀과 정책･현장 연계 시사 점을 제시했다는 점에서 의의가 있다.