Existing reinforced concrete (RC) building frames constructed before the seismic design was applied have seismically deficient structural details, and buildings with such structural details show brittle behavior that is destroyed early due to low shear performance. Various reinforcement systems, such as fiber-reinforced polymer (FRP) jacketing systems, are being studied to reinforce the seismically deficient RC frames. Due to the step-by-step modeling and interpretation process, existing seismic performance assessment and reinforcement design of buildings consume an enormous amount of workforce and time. Various machine learning (ML) models were developed using input and output datasets for seismic loads and reinforcement details built through the finite element (FE) model developed in previous studies to overcome these shortcomings. To assess the performance of the seismic performance prediction models developed in this study, the mean squared error (MSE), R-square (R2), and residual of each model were compared. Overall, the applied ML was found to rapidly and effectively predict the seismic performance of buildings according to changes in load and reinforcement details without overfitting. In addition, the best-fit model for each seismic performance class was selected by analyzing the performance by class of the ML models.

New motor development requires high-speed load testing using dynamo equipment to calculate the efficiency of the motor. Abnormal noise and vibration may occur in the test equipment rotating at high speed due to misalignment of the connecting shaft or looseness of the fixation, which may lead to safety accidents. In this study, three single-axis vibration sensors for X, Y, and Z axes were attached on the surface of the test motor to measure the vibration value of vibration. Analog data collected from these sensors was used in classification models for anomaly detection. Since the classification accuracy was around only 93%, commonly used hyperparameter optimization techniques such as Grid search, Random search, and Bayesian Optimization were applied to increase accuracy. In addition, Response Surface Method based on Design of Experiment was also used for hyperparameter optimization. However, it was found that there were limits to improving accuracy with these methods. The reason is that the sampling data from an analog signal does not reflect the patterns hidden in the signal. Therefore, in order to find pattern information of the sampling data, we obtained descriptive statistics such as mean, variance, skewness, kurtosis, and percentiles of the analog data, and applied them to the classification models. Classification models using descriptive statistics showed excellent performance improvement. The developed model can be used as a monitoring system that detects abnormal conditions of the motor test.

본 연구에서는 대학 교수학습센터에서 제공하는 학습지원 프로그램의 성과를 종합적으로 평가하기 위한 BSC(Balanced Score Card) 기반의 성과평가 모형을 개발하고 적용하는 데 있다. 문헌 연구를 통해 성과평 가의 이론적 배경을 조사하고, BSC 모형을 교육 분야에 맞게 수정하여 학습지원 프로그램에 적용 가능한 평가 체계를 설계하였다. 재무, 수요 자, 운영, 프로그램의 네 가지 관점에서 성과평가 지표를 설정하고, 이를 기반으로 대학의 다양한 학습지원 프로그램의 성과를 분석하였다. 분석 결과, 특정 프로그램들이 높은 성과를 보임을 확인하였으며, 동시에 개선 이 필요한 영역을 확인하였다. 개발된 BSC 기반 성과평가 모형은 대학 학습지원 프로그램의 다각도에서의 성과를 평가하는 데 유용하였으며, 프로그램의 강점과 개선점을 명확하게 확인할 수 있었다. 이 연구를 통 하여 대학 교수학습센터가 학습지원 프로그램의 질을 개선하고, 대학 교 육의 질적 향상에 기여하길 기대한다.

Recently, there has been an increasing attempt to replace defect detection inspections in the manufacturing industry using deep learning techniques. However, obtaining substantial high-quality labeled data to enhance the performance of deep learning models entails economic and temporal constraints. As a solution for this problem, semi-supervised learning, using a limited amount of labeled data, has been gaining traction. This study assesses the effectiveness of semi-supervised learning in the defect detection process of manufacturing using the MixMatch algorithm. The MixMatch algorithm incorporates three dominant paradigms in the semi-supervised field: Consistency regularization, Entropy minimization, and Generic regularization. The performance of semi-supervised learning based on the MixMatch algorithm was compared with that of supervised learning using defect image data from the metal casting process. For the experiments, the ratio of labeled data was adjusted to 5%, 10%, 25%, and 50% of the total data. At a labeled data ratio of 5%, semi-supervised learning achieved a classification accuracy of 90.19%, outperforming supervised learning by approximately 22%p. At a 10% ratio, it surpassed supervised learning by around 8%p, achieving a 92.89% accuracy. These results demonstrate that semi-supervised learning can achieve significant outcomes even with a very limited amount of labeled data, suggesting its invaluable application in real-world research and industrial settings where labeled data is limited.

The purpose of this study was to determine the effect of simulation-based Korea advanced life support training on new nurses' knowledge, clinical performance ability, performer confidence, and learning satisfaction. Methods: This is a non-equivalent controlled pre-post quasi-experimental study. A simulation-based CPR training program was applied to 37 new nurses. Results: The experimental group scored lower on emergency management knowledge (83.65±7.61) than the control group (84.55±9.22), which was not significant (t=-4.46, p=.657). However, the clinical performance ability score was significantly higher in the experimental group (109.59±9.98) than in the control group (100.24±11.87) (t=3.581, p <.001). Performer confidence was significantly higher in the experimental group (23.43±3.29) than in the control group (19.90±3.85) (t=3.69, p〈.001). In addition, the learning satisfaction score of the experimental group (96.16±5.64) was significantly higher than the control group (88.42±11.13) (t=3.72, p< .001). Conclusion: This study confirmed that simulation training is an efficient way to improve new nurses' clinical performance ability, and performer confidence. Therefore, applying simulation training in scenarios can improve new nurses' work competence and contribute to improving the quality of patient care.

A machine learning-based algorithms have used for constructing species distribution models (SDMs), but their performances depend on the selection of backgrounds. This study attempted to develop a noble method for selecting backgrounds in machine-learning SDMs. Two machine-learning based SDMs (MaxEnt, and Random Forest) were employed with an example species (Spodoptera litura), and different background selection methods (random sampling, biased sampling, and ensemble sampling by using CLIMEX) were tested with multiple performance metrics (TSS, Kappa, F1-score). As a result, the model with ensemble sampling predicted the widest occurrence areas with the highest performance, suggesting the potential application of the developed method for enhancing a machine-learning SDM.

본 연구에서는 2 016년부터 2 02 0년까지 내륙 관측소 중 안개 최다발 지역인 안동을 대상으로 XGBoost-DART 머신러닝 알고리즘을 이용하여 1 시간 후 안개 유무를 예측하였다. 기상자료, 농업관측자료, 추가 파생자료와 각 자료 를 오버 샘플링한 확장자료, 총 6개의 데이터 세트를 사용하였다. 목측으로 획득한 기상현상번호와 시정계 관측으로 측 정된 시정거리 자료를 각각 안개 유[1]무[0]로 이진 범주화하였다. 총 12개의 머신러닝 모델링 실험을 설계하였고, 안개 가 사회와 지역사회에 미치는 유해성을 고려하여 모델의 성능은 재현율과 AUC-ROC를 중심으로 평가하였다. 전체적으 로, 오버샘플링한 기상자료와 기상현상번호 기반의 예측 목표를 조합한 실험이 최고 성능을 보였다. 이 연구 결과는 머 신러닝 알고리즘을 활용한 안개 예측에 있어서, 목측으로 획득한 기상현상번호의 중요성을 암시한다.

고성능 콘크리트(HPC) 압축강도는 추가적인 시멘트질 재료의 사용으로 인해 예측하기 어렵고, 개선된 예측 모델의 개발이 필수적 이다. 따라서, 본 연구의 목적은 배깅과 스태킹을 결합한 앙상블 기법을 사용하여 HPC 압축강도 예측 모델을 개발하는 것이다. 이 논 문의 핵심적 기여는 기존 앙상블 기법인 배깅과 스태킹을 통합하여 새로운 앙상블 기법을 제시하고, 단일 기계학습 모델의 문제점을 해결하여 모델 예측 성능을 높이고자 한다. 단일 기계학습법으로 비선형 회귀분석, 서포트 벡터 머신, 인공신경망, 가우시안 프로세스 회귀를 사용하고, 앙상블 기법으로 배깅, 스태킹을 이용하였다. 결과적으로 본 연구에서 제안된 모델이 단일 기계학습 모델, 배깅 및 스태킹 모델보다 높은 정확도를 보였다. 이는 대표적인 4가지 성능 지표 비교를 통해 확인하였고, 제안된 방법의 유효성을 검증하였다.

MRI는 연부조직에 대한 고해상도의 영상을 제공하며 진단적 가치가 매우 높은 영상 검사이며, 디지털 데이터를 이용하여 딥러닝 기술을 통해 컴퓨터 보조 진단 역할을 수행할 수 있다. 본 연구는 딥러닝 기반 YOLOv3를 이용하여 뇌종양 분류 성능을 확인해 보고자 한다. 253장의 오픈 MRI 영상을 이용하여 딥러닝 학습을 진행하고 학습 평가지표는 평균손실(average loss)와 region 82와 region 94를 사용하였으며, 뇌종양 분류 모델 검증을 위해 학습에 사용되지 않은 영상을 이용하여 검출 성능을 평가하였다. 평균손실은 2248 epochs 시 0.1107, region 82와 region 94의 24079 반복학습 시 average IoU, class, .5R, .75R은 각각 0.89와 0.81, 1.00과 1.00, 1.00과 1.00, 1.00과 1.00의 결과값을 도출하였다. 뇌종양 분류 모델 검증 결과 정상 뇌와 뇌종양 각각 95.00%, 75.36%의 정확도로 분류할 수 있었다. 본 연구 결과를 통해 MRI 영상을 활용한 딥러닝 연구 및 임상에 기초자료로 사용될 것이라 사료된다.

Purpose: This study aimed to examine the effects of simulation-based learning on the critical thinking disposition, communication confidence, and performance confidence in nursing care for children with fever. Method: A one-group pre- and post-test design was used. A total of 59 nursing students participated. Results: The results of this study showed that the effectiveness of simulation-based learning showed statistically significant improvement in critical thinking disposition, communication confidence and performance confidence. Conclusion: The findings indicate that simulation-based learning in the nursing care of children with fever may be an effective teaching-learning method for nursing students.

Purpose: The purpose of this study was to understand how team performance was related to team efficacy, interpersonal understanding, positiveness in problem solving, and class satisfaction, after applying simulation education using team based learning. Methods: Study objects were the students in C college who learn through simulation using team based learning for 4 weeks(March 2012 to June 2012). Team efficacy, interpersonal understanding, and positiveness in problem solving were developed by Kwon (2010). Class Satisfaction was developed by Kim (1998) and team performance was designed by professors. SPSS/WIN 21.0 was used for descriptive analysis, pearson correlation. Results: In this study, team performance score was related to interpersonal understanding (score=3.84, r=.620, p<.001), team efficacy(score=3.73, r=.510, p<.001), positiveness in problem solving(score=3.56, r=.468, p=.001), and class satisfaction(score=3.55, r=.448, p=.002), respectively. Conclusion: There findings indicate that there is a need to increase team efficacy,interpersonal understanding, positiveness in problem solving and class satisfaction to improve team performance of nursing students

주기 위해 실천적 추론 과정을 적용하는 실천적 문제중심수업을 강조한다. 그러나 교실에서 만나는 학생들은 가정 교과에 대한 필요성이나 흥미도가 매우 낮아 가정 교과를 유용하지 않은 과목으로 인식하였으며, 학습에 적극적이지 못하고 실생활에서의 실천도도 낮은 편으로 나타났다. 이에 학생들로 하여금 가정 교과에 대한 인식을 개선하고 학습 참여도와 실천적 태도를 신장시킬 목적으로 연구를 시작하였다. 우선 어떻게 하면 학생들의 학습참여를 높일 수 있을까 고민하였다. 수업은 재미있어야 한다. 재미있는 수업을 통하여 흥미도를 높이고, 가정과목에 대한 인식을 바꾸어 나가고자 하였다. 이를 위해 더욱 적극적인 동기부여를 주기 위하여 켈러의 동기이론을 적용한 실천적 문제중심수업을 구안·적용하였다. 실천적 문제는 다양한 학습자료의 제공으로 흥미를 느끼고 접근하게 하였으며, 소그룹 협동학습 모둠을 기반으로 한 토론 및 다양한 체험 활동 위주의 수업을 통해 실천적 추론을 용이하게 하였다. 연구 결과 학생들은 가정 교과에 대한 인식의 변화를 가져왔는데, 가정 교과는 재미있고, 유용한 과목이며 실생활에서도 실천적 태도가 향상되었다고 응답하였다. 또한, 실천적 문제중심수업은 사고력, 협동심, 문제해결력 향상에 효과적이며, 앞으로도 실천적 문제중심의 수업을 희망하였다.

이 연구의 목적은 과제수행에 대하여 주관적 인지부하 요인과 GSR의 각성수준이 어떤 관계를 형성하고 있는지를 검증하는 것이다. 이를 위하여 인지부하 설문지(신체적 노력, 정신적 노력, 지각된 과제난이도, 자기평가, 자료설계의 용이성), 사전-사후검사, GSR에 의한 각성수준을 측정하였다. 사전검사는 학습자의 사전지식 수준을 의미하며, 사후검사는 과제수행의 결과를 의미한다. 이 연구의 분석방법은 사후검사의 결과를 종속변수로 하는 회귀분석이었다. 첫째, 자기보고의 인지부하 요인이 사후검사에 미치는 영향을 분석한 결과에 따르면, 사전검사, 신체적 노력, 지각된 과제난이도가 사후검사에 유의미한 영향을 미치고 있었다. 신체적 노력은 정적관련성을 보이고 있었으나 지각된 과제난이도는 부적관련성을 보이고 있었다. 이 결과는 사전검사의 점수가 높은 사람은 상대적으로 과제난이도를 낮게 지각하는 경향이 있으며 과제해결을 위하여 신중히 노력함으로써 사후검사의 결과가 올라간다는 것을 보여주는 것이다. 둘째, 각성수준에 대한 연구결과에서는 평가단계에서 측정된 각성수준이 사후검사의 점수를 유의미하게 예측하고 있는 것으로 나타났다. 평가단계의 GSR은 과제수행(사후검사)과 부적 관계를 형성하고 있었다. 즉, 평가단계에서 적절한 이완수준을 유지하고 있을 때 사후검사의 결과가 증진된다는 것을 보여주는 것이다.

온라인을 통해 세계는 점점 더 가까워지고 있으며 모든 영역에서 세계화 정보회는 국제적인 흐름이 되고 있다. 이러한 경향 속에 국내외적으로 시대적 흐름에 부합하는 인적역량 개발을 위한 국가 간 교육협력활동이 점차 확대되고 있으며 이를 토대로 다양한 형태의 교류활동 모형이 등장하고 있다. 시공간을 초월하여 누구나 접근이 가능하게 하는 온라인 기반 활동들은 이미 다국적 기 업들의 교육 훈련을 위해 오래전부터 활용되고 있을 뿐만 아니라 학교 현장에도 도입되어 우리의 전통적 교육현장의 모습도 시공간을넘어서서 다양하게 바꾸어가고 있다.온라인 학습공동체를 기반으로 국제교육협력과제활동을 수행하는 구성원들은 어느 한사람의 일방적인 지식 공여로 타자들의 지식 습득이 일어나는 것이 아니라 다양한 문화와 배경을 가진 참여자들이 때로는 교수자가 되기도 하고 때로는 학습자가 되는 위치 순환적 과정을 통해 지식을 공유하고 의미를 형성해 나간다. 또한 그 과정에서 참여지들은 협력적으로 지식을 구축하는 사회적 학습과정을 경험한다.본 연구는 이러한 온라인 학습공동제 활동 과정에서 참여자들이 협력과제 수행활동을 통해 아이디어를공유하고 자신의 생각을 팀의 목표에 부합하도록 조율하는 과정을 효과적으로 지원하기 위해 수행모델을개발하고 개발된 모텔을 과제 수행사례에 적용하였다. 수행모댈은 첫째 전체 과제 활동의 관리와 수행측면을 총괄하는 원리 둘째 원리를 토대로 구성된 수행단계와 단계별 활동 셋째 수행을 지원하기 위한 온라인 작업공간(웹 지원체제)로 구성되었다. 개발된 모델을 국제교육협력과제에 적용하여, 참여자들의 활동과정과 및 반응을 조사 분석하였으며 아울러 향후 필요한 몇 가지 개선점을 제시하였다.

This paper presents the applicability and reliability of the crack detection technique of concrete structures developed based on the use of digital image analysis technologies through on - site tests. The problem of aging of infrastructure is a serious threat to the national and national security and there is a growing interest in the development and application of effective inspection and maintenance techniques for related infrastructure. Therefore, instead of the existing traditional manpower-based infrastructure inspection and maintenance techniques, which involve lots of time and money consumption and reliability of results, research using digital image analysis technology is actively being carried out.