Periodontitis is a chronic inflammatory disease characterized by the progressive destruction of periodontal tissue and alveolar bone loss. To develop effective treatment strategies, a model that mimics this disease must be implemented. From this perspective, animal models can be used to investigate its mechanisms by reproducing disease progression and providing insights into host-microbe interactions, immune responses, and bone remodeling. In addition, periodontitis-associated bone loss fundamentally differs from systemic bone loss. Targeted treatments require distinguishing periodontitis-induced and systemic bone loss mechanisms. This review examines the rationale for using animal models in periodontal research and evaluates various experimental approaches, such as bacterial inoculation, ligature-induced periodontitis, and chemically induced inflammation. These models have advanced our understanding of periodontal disease but have limitations in replicating the chronic nature of periodontitis and human immune responses. However, current models cannot fully replicate chronic disease progression and human immune responses. Recent developments have focused on improving animal models to more accurately simulate disease progression and host responses, which has led to the elucidation of the immunomodulatory mechanisms of periodontitis and their relevance to the human dental environment. Moreover, new approaches, such as developing age-related periodontitis models and improving ligature techniques, could enhance experimental reproducibility and translational potential. Future studies are needed to reflect these improvements and enhance the clinical relevance of periodontitis models.

본 연구는 발효 황련해독탕(FHHT)의 식후혈당 상승 억 제 효능을 검증하기 위해 농도별로 Rat 유래 α-glucosidase 와 돼지 췌장 유래 α-amylase에 대한 저해 활성과 sprague dawley rat 모델을 이용한 식후혈당 상승 억제 효능을 평가 하였다. 그 결과, FHHT는 농도 의존적으로 α-glucosidase와 α-amylase의 소화 효소 활성을 저해하였고 IC₅₀ 값은 α- amylase 9.321mg/mL, α-glucosidase 0.143mg/mL, maltase 1.159mg/mL, glucoamylase 0.263mg/mL, sucrase 0.112mg/ mL로 확인되었다. 동물 모델 실험에서는 FHHT가 다당류 starch 및 이당류 sucrose 섭취 후 통계적으로 유의한 식후 혈당 상승 억제 효능을 보였다(P<0.01). 이와 같은 결과를 통해 FHHT의 당 흡수 억제를 통한 항당뇨 효능을 확인 하였고 추가 연구의 필요성 및 시사점을 제시함으로써 본 연구가 항당뇨의 새로운 한방 건강 기능식품으로 활용되 기 위한 참고 자료가 될 것으로 사료된다.

이 논문은 구약 지혜자, 특히 잠언 지혜자를 선교적 해석학의 모범으로 조명한다. 잠언 14:10-14 분석에서 ‘죽음의 길’ 모티브가 중심을 이루며, 이는 행위-화복-관계 사상과 인간의 이해를 넘어서는 심리적 신비에 관한 서술이 충돌하는 독특한 언어적 공간을 형성한다. 구약 지혜자는 이러한 사상적 모순과 모호성을 통해 인간 인식의 한계를 드러내고, 하나님 일하심의 신비를 수용하는 것이 하나님이 주신 질서 속 적절한 삶의 태도임을 독자의 자발적 판단에 따라 깨닫게 한다. 세상을 분석하고 그 속에서 교훈을 찾게 하는 구약 지혜자의 방법론은 성서 본문을 하나님의 선교 관점에서 해석하고, 독자의 삶의 맥락을 고려하며, 새로운 해석 공간을 수용하는 선교적 해석학과 매우 근접해 있다. 따라서 구약 지혜자의 세상에 대한 관찰, 해석, 의미 도출 방식은 선교적 해석학의 탁월한 모범이 된다.

IIn the context of site response analysis, the use of shear wave velocity (  ) profiles that consider the seismological rock (  ≥ 3,000 m/s) depth is recommended. This study proposes regression analysis and machine learning-based models to predict deep   profiles for a specialized excavated rock site in South Korea. The regression model was developed by modifying mathematical expressions from a previous study and analyzing the correlation between   and model variables to predict deep   beyond 50 m. The machine learning models, designed using tree-based algorithms and a fully connected hierarchical structure, were developed to predict   from 51 m to 300 m at 1 m intervals. These models were validated by comparing them with measured deep   profiles and accurately estimating the trend of deep   variations. The proposed prediction models are expected to improve the accuracy of ground motion predictions for a specialized excavated rock site in Korea.

Background: The evaluation of Human Movements based on Taekwondo poomsae (movement patterns) is inherently subjective, leading to concerns about bias and inconsistency in scoring. This emphasizes the need for objective and reliable scoring systems leveraging artificial intelligence technologies. Objectives: This study seeks to enhance the accuracy and fairness of Taekwondo poomsae scoring through the application of camera-based pose estimation and advanced neural network models. Design: A comparative analysis was conducted to evaluate the performance of machine learning models on a large-scale Taekwondo poomsae dataset. Methods: The analysis utilized a dataset comprising 902,306 labeled frames from 48 participants performing 62 distinct poomsae movements. Five models—LSTM, GRU, Simple RNN, Random Forest, and XGBoost—were evaluated using performance metrics, including accuracy, precision, recall, F1- score, and log loss. Results: The LSTM model outperformed all others, achieving an accuracy, precision, recall, and F1-score of 0.81, alongside the lowest log loss value of 0.55. The GRU model demonstrated comparable performance, while traditional models such as Random Forest and XGBoost were less effective in capturing the temporal and spatial patterns of poomsae movements. Conclusion: The LSTM model exhibited superior capability in modeling the temporal and spatial complexities inherent in Taekwondo poomsae, establishing a robust foundation for the development of objective, scalable, and reliable poomsae evaluation systems.

We previously reported that pyridoxine and its derivatives exert antidiabetic effects by alleviating postprandial hyperglycemia via inhibition of carbohydrate-hydrolyzing enzymes in normal sprague–dawley (SD) rats. In this study, we aimed to further evaluate whether long-term pyridoxal supplementation decreases the blood glucose levels using SD rats. SD rats were randomly assigned to groups fed a high-carbohydrate diet (66.1% cornstarch) with or without pyridoxal (4%) for 36 days. Changes in body weight, blood glucose levels, and food intake were measured daily for 36 days. Dietary supplementation with pyridoxal significantly decreased the blood glucose levels (P<0.001) and body weight (P<0.001) in mice. Glycated hemoglobin (HbA1c) levels, which are good indicators of plasma glucose concentrations over prolonged periods, were also significantly decreased over five weeks (P<0.001). Similarly, dietary treatment with Acarbose ® (0.04%), a positive control, also significantly decreased the blood glucose and HbA1c levels and body weight. Overall, our findings suggest that pyridoxal inhibits weight gain and alleviates postprandial hyperglycemia by decreasing glucose absorption and HbA1c levels.

As various types of products are produced in a single production system, it is important to determine a scheduling policy that selects one of the different types. In addition, the failure of processes in a line need to be considered due to machine failure, raw material supply and demand, quality issues, and worker absence, etc. Therefore, we studied production systems with various product types, dedicated buffers for each product type, Bernoulli equipment, and WIP-based scheduling or cyclic scheduling. To analyze such system exactly, we introduced a method to analyze the performance such as production rate, WIP level, blocking probability and starvation probability based on Markov chains and derived various characteristics. Especially, assuming that equipment does not need to select the type it just tried, the flow rate is no longer conserved and increasing buffer capacity does not guarantee increase production rate. The performance comparison between WIP-based and cyclic policy is studied as well.

2020년부터 국토교통부에서 추진해 온 “디지털 트윈국토”정책은 데이터 구축사업과 별도로 국가표준화도 동시에 진행되 어 표준과 실제 구축된 데이터 간의 연계성이 부족하다. 2024년에 21종의 표준 즉, 건물, 교통, 실내 공간, 수치표고모형, 지하 부문에 각각 데이터 모델, 품질, 메타데이터, 제품 사양이 제·개정되었다. 본 연구는 건물, 교통, 실내 공간, 수치표고모형 4종의 데이터 모델 표준의 유효성 검증 및 데이터 모델 간 정합성 검증을 목적으로 한다. 표준전문가의 입장과 표준 사용자의 입장에서 유효성을 7가지의 방법으로 유효성과 정합성을 검증하였다. 기존의 국토지리정보원의 건물과 교통은 메쉬(mesh)기반 의 3차원 구조를 갖는 반면에, 디지털 트윈국토 데이터의 건물과 교통, 그리고 실내 모델은 개별 객체의 구조를 갖고 있고, 기존 수치지도와 국토부의 여러 코드 리스트와도 연계할 수 있는 속성정보를 포함하고 있다. 각 건물, 교통, 실내 공간, 수치표고 모형, 각 부문 간의 데이터 모델 표준에서 객체 간 연속성 및 정합성이 보장되도록 클래스 간 논리성을 검증하였다. 검증과정에서 시범지역을 대상으로 한 데이터 구축과 시나리오 구성과 플랫폼 위에 데이터를 올려 시나리오를 적용을 통해 데이터 모델의 유효성을 이해할 수 있도록 하였다.

본 연구에서는 박스 구조물의 부재력 예측을 위한 다양한 딥러닝 모델의 정확성을 비교하고자 하였다. 이를 위해 상용 유한 요소 프로그램인 MIDAS를 이용하여 300개의 유한요소모델을 작성하고, 수치해석을 수행하여 딥러닝 모델에 적용하기 위한 학습데이 터를 생성하였다. 또한, 딥러닝 모델의 정확성을 비교하기 위해 MLP, CNN, RNN 및 LSTM과 같은 다양한 신경망 모델과 Adam, SGD, RMSprop 및 Adamax 등 최적화 알고리즘을 교차 적용하여 16개의 딥러닝 모델을 생성하였다. 그 결과 Adam 최적화 알고리즘 이 모든 모델에서 가장 우수한 성능을 보여주었으며, 특히 MLP 모델에서 가장 높은 R2 값을 나타내었다. 이를 통해, 박스 구조물의 부재력 예측을 위한 최적의 딥러닝 모델 구성은 Adam optimizer와 MLP 구조임을 확인하였다.

This study aimed to develop a pavement management system suitable for the climate and traffic characteristics of Gangwon Province. This research focused on analyzing the asphalt pavement performance characteristics of national highways in Gangwon Province by region and developing prediction models for the current pavement performance and annual changes in performance. Quantitative indicators were collected to evaluate the condition of national highway pavements in Gangwon Province, including factors affecting road performance, such as weather data and traffic volume. The Gangwon region was then classified according to its topography, climate, weather, traffic volume, and pavement performance. Prediction models for the current pavement performance and annual changes in performance were developed for national highways. This study also compared the predicted values for the Gangwon region using a nationwide pavement performance-prediction model from other studies with the predicted values from the developed annual changes in the performance prediction model. This study established a foundation for implementing a pavement management system tailored to the unique climate and traffic characteristics of Gangwon Province. By developing region-specific performance prediction models, this study provided valuable insights into more effective and efficient pavement maintenance strategies in Gangwon Province.

This study aimed to improve the accuracy of road pavement design by comparing and analyzing various statistical and machine-learning techniques for predicting asphalt layer thickness, focusing on regional roads in Pakistan. The explanatory variables selected for this study included the annual average daily traffic (AADT), subbase thickness, and subgrade California bearing ratio (CBR) values from six cities in Pakistan. The statistical prediction models used were multiple linear regression (MLR), support vector regression (SVR), random forest, and XGBoost. The performance of each model was evaluated using the mean absolute percentage error (MAPE) and root-mean-square error (RMSE). The analysis results indicated that the AADT was the most influential variable affecting the asphalt layer thickness. Among the models, the MLR demonstrated the best predictive performance. While XGBoost had a relatively strong performance among the machine-learning techniques, the traditional statistical model, MLR, still outperformed it in certain regions. This study emphasized the need for customized pavement designs that reflect the traffic and environmental conditions specific to regional roads in Pakistan. This finding suggests that future research should incorporate additional variables and data for a more in-depth analysis.

본 연구는 급격히 변화하는 현대 사회에서 교회가 유가족에게 복음을 효과적으로 전할 방법을 탐구하기 위해, 다양한 이론적 접근을 통합하여 새로운 전도 전략 수립을 위한 이론적 배경을 제시하고자 한다. 매슬로우의 욕구 위계 이론을 중심으로, 퀴블러-로스의 애도 5단계 모델, 반 겐넵의 통과 의례 이론, 빅터 터너의 의례과정 모델을 통합하여 유가족의 복잡한 심리적, 정서적, 영적 필요를 심도 있게 분석했다. 이 이론들은 각각 유가족이 겪는 상실의 과정과 그에 따른 반응을 이해하는 데 중요한 틀을 제공하며, 교회가 유가족의 다양한 욕구를 충족시켜 복음을 효과적으로 전달하는 방법을 제시한다. 이 연구는 유가족 전도에 있어 이러한 다차원적 이론의 통합적 접근이 교회가 유가족을 더욱 깊이 이해하고, 그들에게 맞춤형 목회적 지원을 제공하며, 복음을 전달하는 데 중요한 역할을 할 수 있음을 제안한다. 유가족의 다양한 필요를 충족시키는 교회의 역할이 그들이 신앙을 받아들이고 영적 성장을 이루는 데 있어 얼마나 중요한지를 강조하며, 이를 통해 교회가 유가족 전도라는 중요한 사명을 충실히 수행할 수 있도록 방향을 제시한다.

기후 모형에서 해면수온을 정확하게 모의하는 것은 해수면의 에너지 규모를 표현하고 해양-대기 상호작용 내 에너지 균형을 정량화한다는 측면에서 중요하다. 그런데 기후 모형 모의에서 이러한 해수면 온도가 지속적인 오차를 보 이는 몇몇 지역이 있고, 북서태평양은 많은 기후 모형 모의에서 음의 오차를 보이는 지역 중 하나이다. 많은 연구가 이 오차와 관련하여 수행되었지만 대부분은 오차의 연평균 및 앙상블평균에 초점을 맞추어 진행되었다. 하지만, 본 연구는 31개 CMIP6 모형의 과거 해면수온을 분석하여 다중 모형 평균 및 개별 모형의 북태평양 오차의 패턴과 그 크기를 계 절별로 분석하였다. 이 음의 오차는 비슷한 공간 분포를 가진 대부분의 CMIP6 모형에서 나타나며 연중 내내 존재한다. 계절별로는 봄(1.7oC)과 여름(1.8oC)에 오차의 크기가 더 크고, 가을(1.3oC)과 겨울(1.2oC)에는 소폭 감소한다. 또한 북서태평양의 여름과 겨울에는 다른 계절에 비해 개별 모형 간의 차이가 더 크다.

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 소래풀을 경관화훼로 이용하기 위해 온도조건에 따른 발아특성을 알아보고 회귀분석(bilinear, parabolic, beta distribution)모델을 통해 주요온도(최저, 최적 및 최고온 도)를 구명하고자 하였다. 소래풀 종자는 5, 10, 15, 20, 25, 30, 35℃ 항온 조건 중 25℃에서 약 6~7일만에 최종발아율이 100%에 도달하였으며, 발아세, 발아속도, 평균발아속도와 평균발아시간이 각각 100%, 21.37ea/day, 14.48, 4.39일 로 다른 처리보다 발아특성이 우수하였다. 이를 바탕으로 발아 속도(germination rate, GR)가 50%인 시점(GR50)을 역수로 (1/GR50)하여 주요온도를 분석한 결과, bilinear모델의 경우, 최저, 최적 및 최고온도는 4.8℃, 25.8℃, 35.6℃였으며 (R2=0.9566, p<0.001), parabolic모델은 최저온도 6.1℃, 최 적온도 21.6℃, 최고온도 36.7℃였다(R2=0.8818, p<0.001). 또한 beta distribution 모델의 주요온도는 최저온도 6.1℃, 최 적온도는 23.1℃, 최고온도 40.1℃였다(R2=0.9102, p<0.001). 본 연구에서 분석한 회귀모델 모두 0.1% 수준에서 통계적 유의 차가 인정된 것으로 보아 소래풀 종자의 발아 시 최저온도는 4.8~6.1℃, 최고온도는 35.6~40.1℃, 최적온도는 21.6~25.8℃ 이며, 50% 이상의 발아율을 기대하였을 때 온도의 범위는 20~25℃가 적합할 것으로 판단된다. 이와 같은 결과는 소래풀 을 이용하여 경관조성을 할 때 파종 및 발아시기를 예측할 수 있는 자료로 활용될 수 있을 것으로 판단된다. 그러나 경관조성 을 하는 현장에서 실질적인 도움을 제공할 수 있도록 발아의 주요온도 모델과 함께 식물의 생물계절 관점에서 추가적인 연구 가 필요할 것으로 판단된다.

최근 인공지능 분야에서 가장 활발히 연구되고 있는 거대 언어 모델은 교육에 대한 응용 가능성을 보 이며, 교육학의 거의 모든 분야에서 그 활용 방안이 연구되고 있다. 이러한 연구는 공학 교육에서도 주목 받고 있다. 그러나 구체적인 활용 분야와 방법에 대해서는 아직 많은 연구가 필요한 상황이다. 특히, 거대 언어 모델을 이용한 교육과정 설계와 개선에 대한 연구는 인공지능 공학과 교육학 두 분야에서 모두 중요한 연구 과제로 부각되고 있다. 이러한 응용 필요성에 대한 예시이자 전략으로써, 본 연구는 OpenAI에서 발표한 최신 거대 언어 모델인 ChatGPT-4o를 이용하여 한국과학기술원(KAIST) 공과대학 학부 전공 과 목과 S전자 DS부문(반도체사업부) 직무 사이의 연관성을 분석하고, 그 결과를 기반으로 대학과 기업체 양측에 반도체 산업 인력 양성과 채용에 대한 실질적인 응용 전략을 제안한다. 이를 위해 KAIST 공과대 학 학부과정에 개설된 모든 전공 과목과 S전자 DS부문(반도체사업부)의 직무기술서를 ChatGPT-4o에 학습시켜 각 과목이 특정 제품군, 직무와 가지는 연관성을 특정 범위와 기준에 의거하여 정량화된 점수로 평가했다. 또한, 각각의 직무, 전공, 과목별로 확보한 데이터를 기초적인 통계 분석을 통해 평가했으며, 구직자와 구인자의 활용 가능성에 초점을 두고 특정 전공의 각 직무별 연관성과 특정 직무의 각 전공별 연관성, 그리고 특정 직무 및 전공의 반도체 제품군별 연관성 등 다양한 조건에서 분석을 진행하였다. 또 한 본 전략에 대한 반도체 산업 실무자 견해를 수집하여 실제 전략으로의 활용 가능성을 검증하였다. 분 석 결과, 간단한 질문과 분석만으로도 전공, 교과목별로 유의미한 직무 연관성의 차이를 확인했다. 이러한 결과를 바탕으로 본 연구는 대학 교육과정의 개선과 기업 채용 및 양성 과정에서의 응용 전략을 제시한 다. 이 연구는 대학과 산업 간의 협력을 통해 인적자원 개발과 채용 효율성 증대에 기여할 것으로 기대한 다. 또한, 후속 연구로 구직자와 구인자, 교수자 등 본 연구의 효과를 확인할 수 있는 집단을 대상으로 한 대규모 설문조사 및 전문가그룹 대상 질적연구 등을 제안하여 실제 활용도와의 비교 분석 연구를 제안 한다. 결론적으로, 본 연구는 거대 언어 모델을 활용하여 필요한 인재를 양성하기 위한 교육 과정 설계의 구체적인 응용 가능성을 제시함으로써, 인공지능을 이용한 교육 분야에 대한 기여 방안을 모색한다.

This paper aims to test deep-learning-based Korean language models’ capacity to learn and detect social registers embedded in speech data, specifically age, gender, and regional dialects. A comprehensive understanding of linguistic phenomena requires contextualizing speech based on speakers’ age, gender, and geographic background, along with the processing of syntactic structures. To bridge the gap between human language understanding and model processing, we fine-tuned three representative Korean language models—KR-BERT, KoELECTRA-base, and KLUE-RoBERTa-base—using transcribed data from 4,000 hours of speech by middle-aged and elderly Korean speakers. The findings reveal that KoELECTRA-base outperformed the other two models across all social registers, which is likely attributed to its larger vocabulary and parameters size. Among the dialects, the Jeju dialect showed the highest accuracy in inference, which is attributed to its distinctiveness, making it easier for the models to detect. In addition to the fine-tuning process, we have made our fine-tuned models publicly available to support researchers interested in Korean computational sociolinguistics.