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.

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.

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 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.

인천 적수 사고를 비롯한 수돗물 수질 사고가 연이어 발생하면서, 안전하고 깨끗한 물 공급의 중요성과 함께 상수도관망의 체계적인 유지관리에 대한 필요성이 증대된 실정이다. 이에 본 연구에서는 현장 세척 기록과 수리해석 및 관로 제원 등 데이터를 통합하여 상태가 취약한 상수관로의 최적 플러싱 주기를 결정하는 모델을 제안하고자 한다. 이를 위해 본 연구에서는 문헌 검토를 통해 상수관로의 취약성을 평가하기 위한 6가지 핵심 지표로 평균 유속, 관 연령, 비내식성 밸브 산재 구역, 수질민원 발생 구역, 잔류염소 및 탁도 기준 미달 구간, 법정 세척 이력 부재 구역이다. 이러한 지표를 기반으로 상수관의 상태를 4가지 등급으로 분류하였다. 먼저, S시(2013∼2014 년)의 플러싱 데이터를 사용하여 관로 길이, 관경, 연령을 모델의 독립변수로 고려하여 최적 세척 주기를 예측하는 다중 회귀 모델을 개발했다. 이 모델은 통계적 유의성(R = 0.617, p < 0.05)을 갖으며, 다중공선성은 없는 것으로 나타났다. 개발한 모델의 적용성을 검토하기 위해 B시의 대규모 블록 구역에 모델을 적용한 결과, 취약한 관로가 관망의 말단 및 저유속 지역에 집중되어 있는 것으로 나타났다. 또한, 관경이 작고(100∼150mm) 노후된 배관은 일반적으로 월별 또는 분기별 주기로 더 짧은 세척 간격이 필요한 것으로 도출되었다. 이처럼 세척 간격이 짧은 구간은 세척을 정기적으로 수행하기 보다는 경제성 평가를 통해 개량 의사결정을 수립하는 것이 적절하다고 판단된다. 종합적으로 본 연구에서 제시한 취약관로 상태평가 기준 및 세척 주기 산정모델은 기존의 일률적 세척 주기 운영 방식의 한계를 보완하고, 관로별 상태에 따라 차등화된 유지관리 전략 수립에 기여할 수 있는 정량적 의사결정 도구로서의 활용 가능성을 확인하였다. 향후 다양한 지역에서의 세척 데이터 축적과 현장 실증을 통해 모델의 외삽성을 검증하고, 제한된 예산, 인력, 장비 등 현실적 제약조건을 고려한 최적화된 세척 스케줄링 기법으로의 확장이 필요할 것으로 판단된다. 이를 통해 정기적 세척뿐 아니라 예산 효율성, 유지관리 비용, 세척 효과 분석을 통합적으로 고려하는 종합적 의사결정 지원 모델로 발전시킬 수 있을 것으로 기대된다.

본 연구는 간호사의 높은 직무 스트레스와 소진에 대응하기 위해, 부정적 경 험을 긍정적 성장의 서사로 전환하는 내러티브 접근법인 'Re-Story 코칭 모델' 을 개발하고 타당화했다. 반복되는 직무 현장의 어려움에서 비롯되는 서사 정체 성의 왜곡 문제에 주목하여, 본 연구는 코칭 연구의 지평을 확장해 간호사의 복 잡한 내면을 다룬다. 초기 모델은 문헌고찰과 SWOT 분석을 통해 도출되었으 며, 12명 전문가의 델파이 조사를 통해 타당성을 확보했다. 연구 결과, '온전함' 회복을 핵심으로 신뢰·조율·진정성에 기반한 '공감의 장' 안에서 개방하기, 전 환하기, 발견하기, 체화하기의 네 가지 핵심 요소가 유기적으로 상호작용하는 다차원적 모델이 확립되었다. 본 모델은 간호사가 자기 이야기의 주체적 저자가 되도록 역량을 부여하는 구체적인 방법론을 제시하며, 소진을 예방하고 회복탄 력성을 높이는 자기 주도적 성장을 촉진하고, 지지적 관계를 통해 더 건강한 간 호 조직 문화를 조성하는 데 기여한다.

For estimating ground motion intensity measures on the surface from seismic sensors installed in structures, it is crucial to correct structural response effects embedded in the recorded signals. This study proposes a model for peak ground acceleration (PGA) amplification based on VS30, derived from multi-degree-of-freedom analysis. PGA amplification factor (AFPGA) is defined as the ratio of peak floor acceleration (PFA) of structures to PGA. The model includes three key input parameters: the natural period of the structures (Tn), the ratio of stories to the total number of stories in the structures, and the time-averaged shear wave velocity down to a depth of 30 meters. It is developed using 78 ground motion records from both domestic and international earthquakes. A LOESS smoothing technique is applied using 3 span values, with the optimal span of 0.1 is determined based on RMSE performance and an analysis of local trend characteristics in the dataset. The model is verified using empirical data from the CESMD global strong motion database, which includes classification by Tn into short, intermediate, and long periods. The results show that although the model tends to predict higher AFPGA values than those observed in real structures, it effectively reflects the overall amplification trends. This approach enables the pre-earthquake estimation of structural amplification, allowing for the use of seismic sensors installed in structures as a complementary monitoring network for seismic response.

강풍에 대한 피해가 증가하면서 시설물의 취약도를 예측하여 대응하는 것이 필요하다. 이때, 풍속의 변동성을 고려하여 확률 론적 예측이 필요하여 물리 기반 인공신경망(PINN) 기반의 기초적인 확률론적 예측 모델을 개발하였다. 입력변수를 마르코프체인 몬 테카를로 시뮬레이션을 통해 랜덤 샘플링하여 이를 PINN 모델로 입력하고, 물리식 기반의 손실함수를 통해 신호등을 대상으로 취약 도를 예측하였다. 모델을 통해 예측한 결과 신호등에서 파손이 발생할 수 있는 신호 접합부와 지면 접합부에 대해 확률적으로 취약도 를 산출할 수 있었고, 이를 기반으로 신호 접합부가 더 취약함을 확인할 수 있었다. 기초 모델로 물리식 만을 기반으로 예측하여 얻은 결과로 추후 실측 데이터를 통해 학습과 검증을 거쳐야하나 충분히 강풍에 의한 시설물 취약도를 예측할 수 있으며 이러한 예측에 확 률론적 모델이 유용함을 확인하었다.

This study developed an early warning model for Korea’s salmon import supply chain, which relies heavily on a single country. A supply chain crisis is defined as a significant change in the CIF import price beyond a stable range, with potential impacts on domestic prices. The crisis index, using January 2010 as the base point, combines the relative price level and its year-on-year growth rate. The threshold was set based on earlier agricultural early warning studies. Monthly and quarterly data were used to select explanatory variables including supply factors and demand or macroeconomic factors. Variables with high 3~5 month lagged correlations were chosen using a stepwise method. Ordinary Least Squares (OLS) regression and Probit models were applied for both all crises and continuous crises, and predictive accuracy was evaluated using MAE and RMSE. Results show that the Probit model with a five-month lag for continuous crises provided the highest accuracy.

본 연구에서는 효과적인 뇌친화적 리더십과 비효과적인 뇌친화적 리더십을 비교하고 뇌친화적 리더십 유형별 성향을 탐색함으로써 강점 강화 코칭 스킬 (skill) 및 약점 보완 코칭 스킬(skill)을 개발하는 것은 물론, 뇌친화적 리더십 역 량 향상을 위한 코칭 모델을 개발하는데 연구의 목적이 있다. 코칭 및 리더십 전문가 15명을 대상으로 델파이 조사를 실시한 후, CVR값, 합의도, 수렴도를 분 석하여 뇌친화적 리더십 코칭 스킬 및 모델을 수정·보완하였다. 본 연구의 결론 은 다음과 같이 정리할 수 있다. 첫째, 뇌친화적 리더십 유형별로 강점 강화 코 칭 스킬(skill), 약점 보완 코칭 스킬(skill) 등 뇌친화적 리더십 코칭 스킬(skill) 개발함으로써 개별 맞춤형 리더십 역량을 향상할 수 있다. 둘째, 뇌친화적 리더 십 코칭 모델의 각 단계별로 코칭 원리 및 전략을 적용함으로써 뇌친화적 리더 십 코칭 목표를 달성할 수 있다. 본 연구에서 제안한 뇌친화적 리더십 코칭 스킬 및 모델은 기존의 거래적 리더십, 변혁적 리더십 차원에서 벗어나 뉴로리더십 (neuro-leadership) 등 뇌과학에 기반한 리더십 패러다임 전환을 시도하였다는 점에서의 의의가 있다.

Anomaly detection technique for the Unmanned Aerial Vehicles (UAVs) is one of the important techniques for ensuring airframe stability. There have been many researches on anomaly detection techniques using deep learning. However, most of research on the anomaly detection techniques are not consider the limited computational processing power and available energy of UAVs. Deep learning model convert to the model compression has significant advantages in terms of computational and energy efficiency for machine learning and deep learning. Therefore, this paper suggests a real-time anomaly detection model for the UAVs, achieved through model compression. The suggested anomaly detection model has three main layers which are a convolutional neural network (CNN) layer, a long short-term memory model (LSTM) layer, and an autoencoder (AE) layer. The suggested anomaly detection model undergoes model compression to increase computational efficiency. The model compression has same level of accuracy to that of the original model while reducing computational processing time of the UAVs. The proposed model can increase the stability of UAVs from a software perspective and is expected to contribute to improving UAVs efficiency through increased available computational capacity from a hardware perspective.

The emergence and re-emergence of infectious diseases pose ongoing threats to public health. This study aims to develop an agent-based simulation model (ABM) to predict the spread of novel infectious diseases during early outbreak phases and evaluate the effectiveness of control measures, specifically focusing on the impact of interventions such as maskwearing, vaccination, and social distancing on outbreak dynamics and the reduction of symptomatic cases. Using demographic and COVID-19 outbreak data from South Korea, we constructed a detailed contact network model encompassing workplaces, schools, households, and communities. Using demographic and COVID-19 outbreak data from Seoul, South Korea, we constructed a detailed contact network model encompassing workplaces, schools, households, and communities. Key transmission parameters were inferred using Approximate Bayesian Computation. The resulting ABM platform, implemented in a C-based R package, allows for flexible scenario simulation involving 56 adjustable parameters, including mask-wearing, vaccination coverage, and social distancing. Simulation outputs demonstrated the model’s capacity to reproduce observed transmission patterns in workplace and school outbreaks, enabling public health authorities to anticipate outbreak dynamics and assess interventions. This framework provides a valuable decision-support tool for controlling future infectious disease incursions.

Reinforcement learning (RL) is successfully applied to various engineering fields. RL is generally used for structural control cases to develop the control algorithms. On the other hand, a machine learning (ML) is adopted in various research to make automated structural design model for reinforced concrete (RC) beam members. In this case, ML models are developed to produce results that are as similar to those of training data as possible. The ML model developed in this way is difficult to produce better results than the training data. However, in reinforcement learning, an agent learns to make decisions by interacting with an environment. Therefore, the RL agent can find better design solution than the training data. In the structural design process (environment), the action of RL agent represent design variables of RC beam. Because the number of design variables of RC beam section is many, multi-agent DQN (Deep Q-Network) was used in this study to effectively find the optimal design solution. Among various versions of DQN, Double Q-Learning (DDQN) that not only improves accuracy in estimating the action-values but also improves the policy learned was used in this study. American Concrete Institute (318) was selected as the design codes for optimal structural design of RC beam and it was used to train the RL model without any hand-labeled dataset. Six agents of DDQN provides actions for beam with, beam depth, bottom rebar size, number of bottom rebar, top rebar size, and shear stirrup size, respectively. Six agents of DDQN were trained for 5,000 episodes and the performance of the multi-agent of DDQN was evaluated with 100 test design cases that is not used for training. Based on this study, it can be seen that the multi-agent RL algorithm can provide successfully structural design results of doubly reinforced beam.

This study examines a digital training model for the professional development of French language educators, focusing on module-based collaborative learning. It explores the theoretical foundations of teacher development, the concept and practice of digital training, and the educational implications of modular learning design. The case study analyzes a digital training program jointly operated by FEI and CNED in July 2020, which involved over 24,000 educators from 162 countries. Comprising eight modules, the program integrated digital content, real-time forums, and collaborative projects. Based on participant experiences, this study identifies key characteristics of digital training and essential factors for enhancing teacher competencies. Findings suggest that digital training fosters teachers’ digital skills and practical application while yielding positive outcomes in gamification strategies and sustainable online training models. However, challenges such as technological accessibility gaps, imbalances in program design, and cultural differences persist. To address these, the study proposes adopting a hybrid education model, strengthening practice-oriented module design, and expanding collaborative learning strategies to support an effective and sustainable training framework in the digital era.

Our study develops a finite element analysis (FEA) model to evaluate the seismic performance of a two-story reinforced concrete (RC) school building and validates it through experiments. We developed a methodology that reflects failure modes from past experiments and validated it by comparing results at both the member (columns) and system (beam-column joints) levels. We created an FEA model for seismic-vulnerable RC moment frames using this methodology. This model incorporates bond-slip effects using three methods: Merged Nodes, Constrained Beam in Solid Penalty (CBISP), and Constrained Beam in Solid Friction (CBISF), which model the interaction between reinforcement and concrete. The approach provides a reliable tool for evaluating seismic performance and improves the accuracy of reinforced concrete frame evaluations.

Ride comfort is a key factor in vehicle performance, yet traditional evaluations often rely on subjective methods, leading to inconsistencies. This study presents a deep neural network (DNN)-based model trained on real-world driving data to objectively assess ride comfort. The model’s accuracy is validated using RMS, VDV, and Crest Factor based on ISO 2631. Results show that the DNN effectively captures nonlinear vibration characteristics and offers reliable predictions. This highlights the potential of AI in improving ride comfort assessment.

해양오염사고가 발생하면 해양경찰청에서는 긴급방제에 관한 전략 수립을 위해 유출유 확산 예측모델을 구동한다. 이러한 유출유 확산예측모델은 바람, 해류, 조류 등 해양기상을 기반으로 해상에서 유출유 이동방향과 소멸시간 등을 예측하며, 그 결과를 기 반으로 해양경찰청에서는 방제전략을 수립하고 필요한 방제자원을 동원한다. 이뿐만 아니라 유출유 확산예측모델은 해양경찰청의 해 양환경에 관한 다양한 법률 분야와 연계된 형사법 작용의 기술적 근거를 제공한다. 우선 행정법적 측면에서 해양경찰청이 방제의무자 에게 이행하도록 하는 권력적 행정행위로서의 방제명령 등에 대한 비례성 원칙에 부합하는지를 확인할 수 있고, 이는 행정의무 미이행 에 대한 형사법 작용의 전제 요건이 될 수 있다. 그리고 국제법적 측면에서 관할해역 이원에서 발생한 오염에 대해 국가의 개입여부를 판단할 수 있는 근거를 제공하고, 이는 형사관할권에 대한 판단에 있어 기술적 자료가 될 수 있다. 더불어 형사법적 측면에서는 예측 모델은 해양오염과 유출원 사이의 인과관계를 증명하는 방법으로 활용할 수도 있다. 그리고 기후위기로 친환경선박이 도입되고, 이에 따라 해양오염사고는 인명과 환경에 함께 피해를 주는 복합사고 형태로 변화할 것이다. 이에 따라서 기술적 측면에서 기존 해상에서의 유출유 예측모델은 대기ㆍ해양ㆍ수중에 대한 통합모델로 전환되어야 한다. 그리고 제도적 측면에서 친환경선박의 위험 연료에 대한 관리의무 규정을 마련하여야 하고, 의무이행을 위한 형사정책적 측면에서는 위험연료 유출로 해양환경 위해가 있는 경우에 형사벌 대 상이 될 수 있다. 여기서 통합모델은 환경ㆍ안전이 관한 보호법익 침해를 증명하는 과학적 증거로 활용할 수 있다.