본 연구의 목적은 수퍼바이지 코치의 전문성 발달단계 구분과 기준을 정립하 고 각 발달단계에 적합한 효과적인 수퍼비전 내용을 제시하며, 이를 기반으로 수 퍼비전 주체와 방법을 적용할 수 있는 한국형 코칭 수퍼비전 모형을 개발하는 데 있다. 이를 위해 문헌 연구를 기초로 수퍼비전의 구성요소의 초안을 작성하여, 코칭 수퍼비전 전문가의 심층 면담과 한국코치협회 코칭 수퍼비전 연구모임의 포커스 그룹(FGI) 인터뷰, 개방형 설문조사를 통해 초안을 확정하였다. 이후, 25 명의 패널에게 3단계에 걸친 델파이 조사를 통하여 모형을 타당화 하고 수정⋅ 보완 후, 최종모형을 확정하였다. 최종적으로 대분류 4개, 소분류 13개의 수퍼비 전 영역과 총 90개의 수퍼비전 내용이 도출되었으며 세부적으로 ‘코칭역량’ 3개 영역 32개 내용, ‘코칭활동’ 3개 영역 30개 내용, ‘윤리’ 2개 영역 14개 내용, ‘자문’ 2개 영역 14개 내용이 도출되었다. 수퍼바이지 코치의 발달단계를 의존기, 성장 기, 숙련기, 통합기의 4단계로 구분하였고, 의존기는 기초적인 코치 기슬 습득과 실무역량증진, 성장기는 코칭 기법확장과 전문성 역량 강화, 숙련기는 혁신적 코 칭 접근법, 수퍼바이지의 협력적 지도, 통합기는 통합적 코칭 수퍼비전 확립으로 정리하였다. 본 연구는 이를 통해 수퍼바이지 코치의 질적 성장을 지원하는데 기 여하고자 한다.

Background: The increasing demand for real-time professional fitness coaching has led to a need for accurate exercise posture recognition using artificial intelligence. Objectives: To compare the performance of Feedforward Neural Network (FNN) and Stacked Long Short-Term Memory (LSTM) models in classifying fitness posture images using detailed joint coordinate labeling. Design: Comparative analysis of machine learning models using a labeled dataset of fitness posture images. Methods: A dataset from AI-hub containing images and data of 41 exercises was used. Five exercises were selected and processed using a custom program. Data was converted from JSON to CSV format, augmented with joint condition information, and analyzed using Google Colab. Results: The best FNN model achieved a training error of 1.21% and test error of 9.08%. The Stacked LSTM model demonstrated superior performance with a training error of 1.05% and test error of 6.09%. Conclusion: Both FNN and Stacked LSTM models effectively classified sequential fitness images, with Stacked LSTM showing superior performance. This indicates the potential of Stacked LSTM models for accurate fitness posture classification in real-time coaching scenarios.

The irradiated large components in a nuclear power plant must perform dismantling after performing a lot of training through mockup, but this mockup training is different the realistic environment such as a high radiation environment. Therefore, to develop a training system deployed in eXtended Reality (XR) that mimics a realistic environment, a suitable training and evaluation processes need to be developed. The target components for the training system select reactor, reactor internal and steam generator, and the training work of dismantling processes select dismantling, packaging and dismantling support work by reviewing the dismantling process of each component for XR application. By analyzing the detailed process of the selected dismantling process, Virtual Reality (VR) and Augmented Reality (AR) application processes will be developed. The basic contents of training system present purpose, goal, period, and evaluation for training and the training contents develop the basic, improvement and intensified course by level. The basic model for evaluation develop 3 stages (reaction, training, behavior) and evaluation process present detail training contents, target and evaluation method, evaluation criteria by level. Additionally, the developed training course and evaluation models will be useful for worker training in dismantling process of nuclear power plant.

The present study was undertaken to ascertain the temperature development characteristics of Phthorimaea operculella (Lepidoptera: Gelechiidae) across its various developmental stages. To this end, the insect was subjected to six constant temperature conditions (13, 17, 25, 27, 32, 34±1°C), relative humidity (RH) levels of 65±5%, and photoperiods of 16 : 8 h light/dark. The developmental time of larvae was longest at 13°C, and as the temperature increased up to 35°C, the developmental time tended to become shorter. At the pupal stage, all individuals developing at 13°C perished and were excluded from the calculation of the development period for the development model. To ascertain the relationship between temperature and development, a regression model was employed for analysis. The lower threshold temperature of the total immature stage was determined to be 9.4°C, and the thermal constant was found to be 454.5DD. In the analysis of the temperature-development experiment, the Lactin 2 model exhibited an optimal fit (R 2=0.90-0.98) for the total immature stage of P. operculella.

상수도 시스템에서의 사고 발생은 사용자들의 물 이용 불편으로 인해 막대한 사회경제적 피해를 초래할 수 있는 위협 요인이며, 따라서 수도사업자들은 수도정비기본계획 등을 통해 상수도 사고를 빠르게 복구하고, 피해 규모를 최소화하기 위한 다양한 노력을 기울이고 있다. 본 연구는 상수도 시스템에서 발생하는 관로사고 상황에 대하여 회복탄력성을 정량적으로 평가하고, 비상급수 방안을 포함한 사고 대응 전략의 효과를 분석하기 위한 평가 모형을 개발하였다. 개발 모형은 시스템의 회복탄력성에 기여하는 다양한 특성들을 반영할 수 있는 시간단위 공급 부족량과 충족률 지표를 통해 회복탄력성을 평가하며, 국내 지방상수도 시스템의 특정 구역을 대상으로 관로사고 시나리오를 모의하여 개발 모형의 적용 효과를 검증하였다. 결과적으로 개발 모형을 통해 비상연계관로, 배수지 충수, 병물 공급 등 비상대응 방안의 효과를 정량적으로 평가하였으며, 이를 통해 시스템의 회복탄력성 향상을 위한 설계 및 운영 전략 수립의 가능성을 확인하였다.

안정적이고 효율적인 수자원 공급을 보장하는 것은 가정, 산업, 공공 보건 분야 복지에 필수적이다. 상수도 시스템에서 이상을 감지하기 위해 데이터 모델, 수리 모델 기반 시뮬레이션 등 다양한 접근 방식을 통해 이상감지 역량이 꾸준히 향상되어 왔으나, 현장 적용 및 검증에 한계가 있어 실질적인 활용은 폭 넓게 이루어지지 못하고 있다. 실제 적용 가능한 이상감지 시스템 측면에서, 본 연구에서는 유량 및 압력 계측 데이터를 활용하여 시스템 내 이상 발생을 신속하게 감지하고 개략적인 위치를 파악하기 위한 실시간 이상감지 및 탐색 모델을 제안하였다. 제안된 모델은 유량수지 분석, 유량-수두손실 관계, EPANET 기반 수리 해석 방법을 통합하여 이상 감지 및 위치 파악의 정확성을 개선시키고자 하였다. 현장 실험 결과, 제안된 모델은 높은 신뢰도에서 시스템 내 이상유량의 발생을 효과적으로 감지하고, 발생 구간을 파악할 수 있는 것으로 나타났다. 본 연구 성과는 시스템의 실시간 이상 감지 및 운영관리를 위한 실효성 있는 접근 방식을 제공함으로써 상수도 시스템의 지속 가능하고 회복력 있는 운영관리에 기여할 것으로 기대된다.

As the use of shared kickboards rapidly increases, personal mobility (PM)-related accidents are frequently occurring. These accidents are mainly caused by careless behavior, which is typically indicated by neglecting to wear a helmet, speeding, signal violation, or illegal driving owing to incorrect driving methods. This type of user behavior increases the risk of accidents; for this reason, there is an urgent need to prepare effective measures for the safe use of shared kickboards. To reduce PM accidents, this study proposes a charging model that promotes the safe behavior of shared kickboard users. The core aim of this model is to persuade users to comply voluntarily with safety rules through incentives and penalties. Specifically, by providing a discount rate when wearing a helmet, the user is encouraged to wear a helmet, whereas in the event of an accident, a penalty is imposed to emphasize the disadvantages that occur when the safety rules are violated. This incentive structure is expected to contribute to the development of safer driving habits among shared-kickboard users. To verify the effectiveness of this charging model, simulations and user surveys were conducted in parallel. It was found that the user’s safety behavior improved, and the incidence of accidents decreased considerably. This confirmed that the proposed charging model not only reduced accidents but also naturally formed a safe driving culture for users. The shared key proposed in this study can benefit the operating company, and policymakers can contribute in the future by sharing key issues that are expected to play an important role in presentation and punishment, and provide a new paradigm for sharing key paradigms.

The purpose of this study was to develop a more accurate model for predicting the in-situ compressive strength of concrete pavements using Internet-of-Things (IoT)-based sensors and deep-learning techniques. This study aimed to overcome the limitations of traditional methods by accounting for various environmental conditions. Comprehensive environmental and hydration data were collected using IoT sensors to capture variables such as temperature, humidity, wind speed, and curing time. Data preprocessing included the removal of outliers and selection of relevant variables. Various modeling techniques, including regression analysis, classification and regression tree (CART), and artificial neural network (ANN), were applied to predict the heat of hydration and early compressive strength of concrete. The models were evaluated using metrics such as mean absolute error (MAE) to determine their effectiveness. The ANN model demonstrated superior performance, achieving a high prediction accuracy for early-age concrete strength, with an MAE of 0.297 and a predictive accuracy of 99.8%. For heat-of-hydration temperature prediction, the ANN model also outperformed the regression and CART models, exhibiting a lower MAE of 1.395. The analysis highlighted the significant impacts of temperature and curing time on the hydration process and strength development. This study confirmed that AI-based models, particularly ANNs, are highly effective in predicting early-age concrete strength and hydration temperature under varying environmental conditions. The ability of an ANN model to handle non-linear relationships and complex interactions among variables makes it a promising tool for real-time quality control in construction. Future research should explore the integration of additional factors and long-term strength predictions to further enhance the model accuracy.

The purpose of this study was to enhance the correlation between the dependent and independent variables in a prediction model of pavement performance for local roads on Jeju Island by applying K-means clustering for data preprocessing, thereby improving the accuracy of the prediction model. Pavement management system (PMS) data from Jeju Island were utilized. K-means clustering was applied, with the optimal K value determined using the elbow method and silhouette score. The Haversine formula was used to calculate the distances between the analysis sections and weather stations, and Delaunay triangulation and inverse distance weighting (IDW) were employed to interpolate the magnitude of the influencing factors. The preprocessed data were then analyzed for correlations between the rutting depth (RD) and influencing factors, and a prediction model was developed through multiple linear regression analysis. The RD prediction model demonstrated the highest performance with an R² of 0.32 and root-mean-square error (RMSE) of 1.48. This indicates that preprocessing based on the RD is more effective for developing an RD prediction model. The study also observed that the lack of pavement-age data in the analysis was a limiting factor for the prediction accuracy. The application of K-means clustering for data preprocessing effectively improved the correlation between the dependent and independent variables, particularly in the RD prediction model. Future research is expected to further enhance the prediction accuracy by including pavement-age data.

The precast concrete (PC) method allows for simple assembly and disassembly of structures; however, ensuring airtight connections is crucial to prevent energy loss and maintain optimal building performance. This study focuses on the analytical investigation of the shear capacity of precast ultra-high-performance concrete (UHPC) ribs combined with standard concrete PC cladding walls. Five specimens were tested under static loading conditions to evaluate their structural performance and the thermal behavior of the UHPC rib shear keys. Test results indicated that the specimens exhibited remarkable structural performance, with shear capacity approximately three times greater than that of standard concrete. Numerical models were subsequently developed to predict the shear capacity of the shear keys under various loading conditions. A comparison between the experimental results and finite element (FE) models showed a maximum strength difference of less than 10% and a rib displacement error of up to 1.76 mm. These findings demonstrated the efficiency of the FE model for the simulation of the behavior of structures.

기후 변화에 의해 해수면 온도 상승, 태풍의 최고 강도 북상, 태풍 강도 증가가 나타나고 있으며, 미래의 태풍 강도 변화가 더 심화될 것으로 예상하고 있다. 본 논문에서는 기후 변화 시나리오에 의해서 발생할 수 있는 한반도 부근의 태풍 강도를 예측하기 위하여 딥러닝 기반 태풍 강도 예측 모델을 개발하였다. 기후 예측정보를 이용하여 미래 기후 변화 환경장 변화에 따른 태풍의 강도를 예측할 수 있도록 과거 환경장을 학습 자료로 사용하였다. 학습자료는 1980년에서 2022년까지의 태풍 발생 빈도가 높은 6~10월의 기상 및 해양 재분 석 월평균 자료와 Best Track 태풍 241개를 입력자료로 사용하였다. 환경장 변화에 따른 태풍 강도 예측을 위해 자료의 공간적인 특징과 시간적인 특징을 함께 고려하는 딥러닝 모델인 ConvLSTM 기반으로 모델을 개발하였다. 태풍 트랙 시퀀스의 각 이동 경로에 대한 월평균 환경장 자료를 모델에 학습하여 태풍의 중심 기압을 예측하였다. 태풍의 공간적 특성을 반영할 수 있도록 범위를 설정하여 입력자료로 학습하였으며, 5°⨉ 5°의 범위일 때 가장 좋은 결과를 보였다. 몬테카를로 방법을 이용한 민감도 실험을 통해 모델 예측에 가장 큰 영향을 미치는 변수는 SST로 확인되었다.

본 논문에서는 저 레이놀즈 수 영역에서 에어포일의 공기역학적 성능을 예측하기 위한 딥러닝 기반의 축소 모델을 제시하였다. 딥 러닝 기반 축소 모델에서 CFD 해석 결과의 높은 차원의 데이터를 효율적으로 다루기 위해 변이형 오토인코더를 결합한 합성곱 신경 망을 적용하였다. 부호화 거리 함수를 통해 에어포일의 형상과 유동 조건을 이미지 데이터화 하고, 이에 대해 합성곱 신경망을 매개변 수화 하였다. 또한, 전산유체역학 해석의 계산 비용으로 인한 부족한 훈련 데이터를 극복하기 위해 투영 기반의 비선형 매니폴드 데이 터 증강기법을 개발하였다. NACA 4계열 에어포일은 해석 예제로 고려하여 제안하는 프레임워크의 내삽과 외삽 정확도를 평가하였 으며 매니폴드 데이터 증강기법을 적용하여 프레임워크의 정확도 향상을 확인하였다.

지진발생 시, 건물은 작게는 손상에서 크게는 붕괴까지 이어지므로 인명과 재산상의 피해가 생길 수 있다. 이러한 지진의 위험성에 대비하여 건물의 내진성능평가가 필요하다. 현재 내진성능평가 기법의 경우 개별 건물을 대상으로 하기에 많은 시간이 투자되어야 한다. 따라서, 지역규모의 건물들을 대상으로 하는 내진성능평가 기법의 개발이 필요한 실정이다. 본 연구는 RC 주거형 건물의 내진 성능을 평가하고 보강계획을 수립하기 위해 비선형 Shear Spring을 가진 단자유도모델을 구축하였다. 구조물의 비선형 응답을 모사 하기 위한 비선형 Shear Spring은 T-SR-μ를 매개변수로 정의된다. 해당모델에 100개의 PEER 지진을 적용하여, 최대층간변위비 응답 으로 건물의 내진성능을 평가하였다. 제안기법의 적용성을 확인하기 위하여 상세모델과 비교하였을 때, 두 모델 모두 건물의 내진성 능을 같은 수준으로 판단하였음을 확인하였다. 본 연구는 제안된 방식이 실제 건물의 내진성능을 예측할 수 있음을 보여주었다.

한국도로공사에서는 전 세계적인 기후위기 대응에 동참하고, 탄소중립기본법, 탄소중립 녹색성장 기본계획 등 정부의 탄소중립 정책 에 부응하기 위하여 “생애전주기 친환경 대응체계”를 구축하였으며, 이에 도로포장의 생애주기 동안 발생되는 탄소배출량을 산출하기 위한 생애전주기평가(Life Cycle Assessment, LCA)의 필요성이 점차 대두되고 있다. 한국도로공사에서는 매년 고속도로 포장상태 모니터링 데이터를 활용하여 공용성을 예측함으로써 포장 유지관리 전략에 활용하고 있으나 이는 거시적인 측면에서의 포장 공용성 모델로 고속도로 포장의 형식, 재료, 공법 등을 고려한 미시적 측면에서의 공용성 모델 개발 및 개발 절차 정립이 필요할 것으로 판단된다. 따라서, 본 연구에서는 고속도로 장기공용성 관측구간(Long Term Pavement Performance, LTPP) 데이터베이스(DB)를 활용하여 고속도로 JCP 공용성 모델을 개발하기 위한 기초연구를 수행하였다. 본 연구에서는 포장상태지수(Highway Pavement Condition Index, HPCI), 표면손상(Surface Distress, SD), 종단평탄성(International Roughness Index, IRI)를 종속변수로, 각 구간별 누적 교통 및 기후인자를 독립변수로 설정하여 다양한 교통 및 환경 영향인자에 따 른 고속도로 JCP 공용성을 예측하기 위하여 기술통계분석, 상관분석, 분산분석, 다중회귀분석을 수행하였다. 고속도로 JCP 공용성에 대한 다중회귀분석 결과, HPCI 모델의 수정된 R2이 0.614.로 SD 모델(0.413)이나 IRI 모델(0.317)에 비하여 높은 설명력을 보이는 것으로 나타났으며, 개별 모델의 회귀식은 통계적으로 유의한 것으로 나타났다.

다중 운집 사고는 주로 도시 내 밀집된 공간에서 발생하며, 보행자의 자유로운 이동이 제한될 때 더욱 위험하다. 이러한 상황에서 군중의 물리적 압력이 더해지면 대형 참사로 이어질 수 있어 예방과 신속한 대응이 필수적이다. 사고 발생 가능성을 최소화하기 위해 서는 실시간으로 군중 밀도를 모니터링하고, 위험 상황을 사전에 경고할 수 있는 예측 시스템 구축이 필요하다. 그러나 현재 사용되는 CCTV 기반 모니터링 시스템은 특정 구역에 국한되며, 설치 및 유지 비용이 높아 광범위한 모니터링에는 한계가 있다. 이에 본 연구 에서는 Cell Transmission Model(CTM)을 기반으로 한 양방향 보행 시뮬레이션 프레임워크를 개발하고, 이를 모바일 통신 데이터로 검증하였다. 연구 과정에서는 먼저 1)단방향 보행 CTM을 구축하고, 2)이를 양방향 보행 CTM으로 확장하여 경계 셀을 재설정하고 유 입량을 조정하는 방식으로 진행했다. 또한, 다중 운집 사고를 구현하기 위해 체류 개념을 추가했다. 검증 단계는 1)대상지 선정, 2)보행 네트워크 구축, 3)시뮬레이션 적용, 4)모바일 통신 데이터와의 비교 검증 순으로 이루어졌다. 대상지는 이태원 참사가 발생했던 이태원 역 부근으로, 20×20m 셀 단위로 보행 네트워크를 구축했다. 시뮬레이션 결과, 모바일 통신 데이터와의 높은 유사도를 보였다. 본 연구 에서 개발한 시뮬레이션은 대규모 행사나 혼잡한 보행 환경에서 군중 밀집을 예측하고, 사고 가능성을 조기에 경고하는 데 활용될 수 있다. 특히, 대형 이벤트나 도시 재난 관리에서 실시간 대응 시스템의 기초 자료로 사용할 수 있다.

‘음악 감상과 비평’은 분석적인 음악 감상을 통한 학생들의 사고의 확장과 풍부한 감수성 경험 의 확대라는 두 가지 축을 함축하는 교과이다. 그러나 일반 선택 과목 이외로서의 기능을 하는 진 로 선택 교과의 성격상 본 교과와 연관된 교수⋅학습 방법에 대한 연구는 다소 미흡하였다. 나아 가 현재 2015 개정 교육과정에 근거해 활용되고 있는 교과서를 통해 음악 비평 방법에 대한 학습 체계의 부재를 확인하기도 하였다. 이에 본 연구는 감상과 비평 수업을 진행하는 데 있어 단계적 교수⋅학습 체계의 필요성에 주목하고, 다양한 학자들의 논의를 검토하여 단계적 교수⋅학습의 원리를 도출하였다. 특히, 나선형 교육과정을 계승한 스완윅(Swanwick)과 틸만(Tillman)의 음악적 발달(Musical Development) 모델을 토대로 본 연구는 단계적인 음악 비평 학습모형을 개발하였 다. 이 모형은 네 가지의 음악 비평 학습 단계와 각 단계의 비평 요소 및 내용을 함께 제시하고 있으며, 나선형으로 구현되어 시각적으로도 효과적인 형태를 띤다. 본 연구는 단계적인 음악 비평 학습모형과 더불어 그를 적용한 단계적 음악 비평의 절차와 수업 계획을 제시하고 있다. 또한, 이 모형을 수업 현장에 적용하는 데 있어 교수⋅학습의 맥락에서 고려되어야 할 점을 제안한다.