본 연구는 최근 무전공(자유전공)을 중심으로 대학교육의 혁신이 강조 되는 흐름 속에서 대학 융복합 교양교육의 운영 방식과 실행 방향을 탐 색하는 데 그 목적이 있다. 이는 대학 교양교육에 있어 시대적인 추세 와 동향을 살펴보고 앞으로의 방향성을 제안한다는 점에서 의미가 있 다. 본 연구는 2024년 10~11월경에 융복합교육 관련 연구와 자료 등을 조사하였고 이를 통해 융복합 교양교육의 유형으로 다학문, 간학문, 초학 문 접근 등이 있음을 확인하였다. 또한 융복합에 적합한 내용이나 이슈 선정, 교수자의 융복합적 교육·협업 역량 함양, 수업 난이도, 흥미로운 소재, 교수·학습 방법론 및 평가 방식 등에서 정교한 설계와 심층적인 고 려가 필요함을 논의하였다. 이외에도 학교 차원의 제도적·행정적 지원, AI 활용 수업 설계 및 운영 등의 필요성을 제시하였다. 본 연구는 불확 실성과 복잡성이 가득한 시대에 융복합 교양교육이 창의적이고 실천적인 문제해결역량을 함양하는 필수적인 전략임을 강조하고 향후 대학교육의 건설적인 방향을 제시하는 데 기여할 수 있을 것이다.

This study proposes a weighted ensemble deep learning framework for accurately predicting the State of Health (SOH) of lithium-ion batteries. Three distinct model architectures—CNN-LSTM, Transformer-LSTM, and CEEMDAN-BiGRU—are combined using a normalized inverse RMSE-based weighting scheme to enhance predictive performance. Unlike conventional approaches using fixed hyperparameter settings, this study employs Bayesian Optimization via Optuna to automatically tune key hyperparameters such as time steps (range: 10-35) and hidden units (range: 32-128). To ensure robustness and reproducibility, ten independent runs were conducted with different random seeds. Experimental evaluations were performed using the NASA Ames B0047 cell discharge dataset. The ensemble model achieved an average RMSE of 0.01381 with a standard deviation of ±0.00190, outperforming the best single model (CEEMDAN-BiGRU, average RMSE: 0.01487) in both accuracy and stability. Additionally, the ensemble's average inference time of 3.83 seconds demonstrates its practical feasibility for real-time Battery Management System (BMS) integration. The proposed framework effectively leverages complementary model characteristics and automated optimization strategies to provide accurate and stable SOH predictions for lithium-ion batteries.

본 연구는 환경 요인을 바탕으로 절화용 국화 생장 예측을 위한 최적의 모델을 개발하는 것을 목표로 하였다. 이를 위해 13개의 모델(Linear Regression, Lasso Regression, Ridge Regression, ElasticNet Regression, K-Nearest Neighbors (KNN), Support Vector Regression (SVR), Neural Network, Decision Tree, Random Forest, XGBoost, AdaBoost, CatBoost, Stacking)의 성능을 R2, MAE, RMSE를 평가 지표 로 비교하였다. 단일 모델 중에서는 Decision Tree가 가장 우수한 성능을 보였으며, R2값은 0.90에서 0.91 사이였다. 앙 상블 모델 중에서는 CatBoost가 가장 높은 성능을 보였으며 (R2=0.90~0.92) Random Forest와 XGBoost 또한 유사한 성 능을 보였다. 전체적으로 트리 기반 앙상블 모델이 국화 생장 예측에 적합한 모델로 나타났다.

Hallucinations represent a transdiagnostic phenomenon observed in multiple neuropsychiatric disorders, including schizophrenia, substance use disorder and substance-induced psychotic conditions. Despite their clinical prevalence, objective assessment remains challenging due to its subjective nature, underscoring the critical need for validated translational models. The present study explores the biological mechanisms underlying hallucinations, evaluates the animal models developed to date, and discusses methods for analyzing these models along specific pathways. Hallucinations are primarily mediated through glutamatergic and/or serotonergic pathways. Numerous animal models for assessing hallucinations have been extensively reported; however, these models have mainly been designed to investigate specific neurotransmitter mechanisms, rather than encompassing all relevant pathways. Therefore, this study systematically examines currently established animal models based on the aforementioned neurotransmitter mechanisms and proposes future directions for developing universal animal models capable of comprehensively evaluating hallucinatory phenomena. The present study aims to provide deeper insights for future research involving animal models of hallucination.

최근 4차 산업 혁명의 도래와 함께 기술의 발전에 따라 자율운항 선박에 대한 관심이 높아지고 있다. 미래의 선박은 고기량 선원들 의 육상 근무 선호도 증가와 승선 인원 제한으로 인해 점차적으로 낮은 기량의 선원들이 승선하며 선원 수가 감소될 전망이다. 따라서 선박의 안전 운항을 위한 운동 및 조종의 제어뿐만 아니라 자율운항 선박의 원활한 유지보수를 위해 증강현실 기반의 원격 유지보수 시스템이 필요하며 현재 개발이 활발히 진행 중이다. 증강현실 기반 원격 유지보수 시스템에서는 3D모델만 가시화하는 것은 활용성 이 떨어진다. 또한, 애니메이션을 개발하는 것은 개발 플랫폼에 대한 의존도가 높기 때문에 호환성 및 활용성이 떨어진다. 이러한 문 제를 해결하기 위해 손쉽게 정비 애니메이션을 만들 수 있는 저작도구가 필요하다. 따라서, 본 연구에서는 이러한 문제를 해결하기 위 해 Json 파일 형식으로 정비 애니메이션 중립 포맷을 만들어 경량화 및 호환성 높은 정비 애니메이션을 위한 저작도구를 개발하였다. 또한, 프로토타입을 개발하여 활용성을 검증하였고, 다른 플랫폼과의 호환성 검증을 진행하였다. 마지막으로, 애니메이션을 제작할 수 있는 소프트웨어와의 비교를 통해 제안한 저작도구의 유효성을 입증하였다.

Oral squamous cell carcinoma (OSCC), which accounts for over 90% of malignancies in the oral cavity, is associated with a poor prognosis, with a 5-year mortality rate reaching of up to 44%. The incidence of OSCC continues to rise annually, and current treatment typically involves a combination of surgical resection, chemotherapy, and radiotherapy. In recent years, there has been growing interest in targeted therapies that exploit molecular markers involved in tumor growth and metastasis. Among these targets, immune checkpoint molecules such as programmed cell death 1 receptor (PD-1) and its ligand, programmed cell death-ligand 1 (PD-L1), have garnered significant attention. Therapies that inhibit these immune checkpoints have been approved for various malignancies, offering new avenues for treatment. Pembrolizumab (Keytruda), a PD-1 immune checkpoint inhibitor, has emerged as a promising therapuetic option for OSCC. However, its clinical response rate in OSCC patients remains below 20%, highlighting the need for combination strategies to enhance therapeutic efficacy. One such approach involves non-thermal plasma (NTP), a novel modality that selectively induces apoptosis in cancer cells. In this study, the authors evaluated the combined effect of Keytruda and NTP in an OSCC xenograft mouse model. The combination therapy demonstrated the tendency of suppressed tumor growth compared to Keytruda monotherapy. This effect was accompanied by increased apoptosis, as indicated by elevated cleaved caspase-3 expression, and reduced proliferation, as shown by decreased Ki-67 expression. Although preliminary, these findings may support the potential clinical application of Keytruda-NTP combined therapy as a novel treatment strategy for OSCC.

해상에서의 안전한 의사소통은 선박 운항의 핵심 요소로, 국제해사기구(IMO)는 SMCP(Standard Marine Communication Phrases)를 제정하여 선내외 교신에서 활용할 수 있도록 하였다. SMCP를 포함한 해사영어는 효과적이고 정확한 의사소통을 위해 일반 영어와는 다 른 문법적, 어휘적, 구조적 특성을 반영하고 있으며, 간결성과 명확성에 초점이 맞추어져 표준화되어 있다. 이러한 맥락에서 본 연구는 상 용 LLM 모델의 해사영어 활용 능력을 PHP Text Similarity 알고리즘과 BERT 기반 모델을 활용하여 평가하였다. 먼저 ChatGPT, Google Gemini, Meta LLaMA 3 70B Instruct 모델을 대상으로 SMCP 기반 문장 구성, 용어 정의, 빈칸 채우기 문제를 포함한 총 60문항을 활용하여 성능을 비교 분석하였다. 이후 해사고등학교 학생들의 시험 결과와 LLM 모델의 결과를 비교하여, LLM이 실제 해기사 교육 수준과 비교 했을 때 어느 정도의 해사영어 이해 및 문장 구성 능력을 갖추었는지 평가하였다. 대체적으로 LLM 모델들은 높은 정답률을 보였으나, 표 준화된 문구를 정확하게 활용하거나 관용적으로 사용되는 해사영어 표현을 이해하고 적용하는 데 한계점이 있음을 확인하였다. 본 연구 는 해기교육기관 및 실무 현장에서 상용 LLM 모델의 해사영어 활용 가능성을 평가하는 기초 자료로 활용될 수 있을 것으로 기대되며, 향 후 보다 정교한 모델을 대상으로 추가연구가 필요하다.

Given the hazards posed by black ice, it is crucial to investigate the conditions that contribute to its formation. Two ensemble machinelearning algorithms, Random Forest (RF) and Extreme Gradient Boosting (XGBoost), were employed to forecast the occurrence of black ice using atmospheric data. Additionally, explainable artificial intelligence techniques, including Feature Importance (FI) and partial dependence Plot (PDP), were utilized to identify atmospheric conditions that significantly increase the likelihood of black ice formation. The machinelearning algorithms achieved a forecasting accuracy of 90%, demonstrating reliable performance. FI analysis revealed distinct key predictors between the algorithms: relative humidity was the most critical for RF, whereas wind speed was paramount for XGBoost. The PDP analysis identified the specific atmospheric conditions under which black ice was likely to form. This study provides detailed insights into the atmospheric precursors of frost/fog-induced black ice formation. These findings enable road managers to implement proactive winter road maintenance strategies, such as optimizing anti-icing patrol routes and displaying warnings on various message signs, thereby enhancing road safety.

본 연구는 K-뷰티브랜드의 사회적 책임(CSR)활동의 속성요인과 동기요인이 한·중 소비자의 행 동의도에 영향을 주는지 확인하고자 비교 연구를 진행하였다. 수집한 데이터 중 392부를 이용해 단계적 회 귀분석을 실시한 결과, 전체집단에서 이해관계자지향 동기, 전략적 동기, 영향력, 차별성이 행동의도에 영 향을 주는 것으로 나타났다. 또한 한·중 소비자 집단을 비교한 결과에서는 한국 소비자 집단에서는 가치지 향 동기와 전략적 동기, 영향력이 행동의도에 영향을 주는 것으로 나타난 반면, 중국 소비자 집단에서는 적 합성, 영향력, 차별성이 행동의도에 유의한 영향을 주는 것으로 나타났다. 본 연구 결과는 한국과 중국 시 장의 특성을 고려한 맞춤형 CSR 전략을 수립하여 글로벌 경쟁력을 강화해야 한다는 시사점을 가진다.

This study evaluated the short- and long-term prediction performances of a transformer-based trajectory-forecasting model for urban intersections. While a previous study focused on developing the basic structure of a transformer model for future trajectory prediction, the present study aimed to determine a practical prediction sequence length. To this end, multiple transformer models were trained with output sequence lengths ranging from 1 s to 10 s, and their performances were compared. The trajectory data used for training were generated through a microscopic traffic simulation, and the model accuracy was assessed using the metrics average displacement error (ADE) and final displacement error (FDE). The results demonstrate that the prediction accuracy decreases significantly when the output trajectory length exceeds 3 s. Specifically, straight-driving trajectories exhibit rapidly increasing errors, while turning trajectories maintained a relatively stable accuracy. In contrast, for turning-driving trajectories, prediction errors increased sharply during short-term forecasting, but the increase was more gradual in long-term forecasts. Additionally, the long-term prediction models produced higher errors even in the initial 1-second outputs, implying a tendency toward conservative inference under uncertain future scenarios. This conservative behavior is likely influenced by the model’s effort to minimize the overall loss across a broader prediction window, especially when trained with Smooth L1 loss function. This study provides practical insights into model design for edge-computing environments and contributes to the development of reliable short-term trajectory prediction systems for urban ITS applications.

본 연구에서는 사회과학적 문학연구에 대한 통합 학문연구로서의 의의 와 가능성을 탐색하였고, 이를 기반으로 연구 방법론적 요건을 갖춘 사 회과학적 문학작품 분석모델을 개발하고자 하였다. 통합 학문연구의 영 역을 지속적으로 넓혀가고 있는 21세기는 단순한 학술연구에 그치지 않 고 근대 분과학문의 영역을 아우르며 새롭고 종합적인 학문을 탐색해 나 가고 있다. 따라서 본 연구를 통해 개발된 SSLA모델(Social Science Literature Analysis Model)은 사회과학연구의 새로운 분야로서 더욱 탄력을 받게 될 것이다. 또한 문학작품에서의 복잡한 사회현상을 보다 심층적이고 과학적으로 규명함으로써 연구 패러다임의 다각화 및 경계 없는 통합 학문연구의 토대를 확보할 수 있다는 점에서 본 연구는 매우 의의가 있다.