본 연구목적은 고등학생의 게임중독에 미치는 부모와의 관계, 스트레 스, 주관적 행복도의 영향력을 검증하는 것이다. 연구의 대상자는 한국방 정환재단이 주관하고 연세대 사회발전연구소에서 시행한 「한국 어린이· 청소년 행복지수」의 2021년 제12차 조사의 고등학교 청소년 2,272명을 연구의 대상자로 정하였다. 고등학생의 게임중독에 미치는 독립변인들의 직접효과 및 간접효과를 확인하기 위해 SPSS 26.0 및 PROCESS Macro를 사용하였다. 첫째, 고등학생의 부모와의 관계는 스트레스에 부 적 영향, 주관적 행복도에 정적 영향, 게임중독에 부적 영향을 주는 것으 로 확인되었다. 둘째, 스트레스는 주관적 행복도에 부적 영향, 게임중독 에 정적 영향을 미치는 것으로 나타났다. 셋째, 주관적 행복도는 게임중 독에 부적 영향을 주는 것이 규명되었다. 넷째, 부모와의 관계와 게임중 독 간의 관계 내에서 스트레스와 주관적 행복도는 부적인 매개효과를 보 였다. 따라서, 본 연구결과는 향후, 청소년들의 게임중독 및 과몰입을 예 방할 수 있는 교육지원 정책 마련 및 프로그램 운영에 도움이 될 것으로 기대된다.

In this study, the biogeochemistry management (BGC-MAN) model was applied to North and South Korea pine and oak forest stands to evaluate the Net Primary Productivity (NPP), an indicator of forest ecosystem productivity. For meteorological information, historical records and East Asian climate scenario data of Shared Socioeconomic Pathways (SSPs) were used. For vegetation information, pine (Pinus densiflora) and oak (Quercus spp.) forest stands were selected at the Gwangneung and Seolmacheon in South Korea and Sariwon, Sohung, Haeju, Jongju, and Wonsan, which are known to have tree nurseries in North Korea. Among the biophysical information, we used the elevation model for topographic data such as longitude, altitude, and slope direction, and the global soil database for soil data. For management factors, we considered the destruction of forests in North and South Korea due to the Korean War in 1950 and the subsequent reforestation process. The overall mean value of simulated NPP from 1991 to 2100 was 5.17 Mg C ha-1, with a range of 3.30-8.19 Mg C ha-1. In addition, increased variability in climate scenarios resulted in variations in forest productivity, with a notable decline in the growth of pine forests. The applicability of the BGC-MAN model to the Korean Peninsula was examined at a time when the ecosystem process-based models were becoming increasingly important due to climate change. In this study, the data on the effects of climate change disturbances on forest ecosystems that was analyzed was limited; therefore, future modeling methods should be improved to simulate more precise ecosystem changes across the Korean Peninsula through processbased models.

In order to solve the rapidly increasing domestic delivery volume and various problems in the recent metropolitan area, domestic researchers are conducting research on the development of “Urban Logistics System Using Underground Space” using existing urban railway facilities in the city. Safety analysis and scenario analysis should be performed for the safe system design of the new concept logistics system, but the scenario analysis techniques performed in previous studies so far do not have standards and are defined differently depending on the domain, subject, or purpose. In addition, it is necessary to improve the difficulty of clearly defining the control structure and the omission of UCA in the existing STPA safety analysis. In this study, an improved scenario table is proposed for the AGV horizontal transport device, which is a key equipment of an urban logistics system using underground space, and a process model is proposed by linking systematic STPA safety analysis and scenario analysis, and UCA and Control Structure Guidelines are provided to create a safety analysis.

한국 혁신 생태계는 후발 추격자에서 ‘민간 주도의 건강하고 역동적인 생태계 조성을 위한 정부의 역할이 중요한’ 창조적 선도자 단계로 진화해 왔다. 한국의 혁신 생태계는 그동안의 획기적인 발전과 양적 확대에도 불구하고 혁신 성과의 정체 현상, 생태계 내 및 글로벌 연계 활동의 부족 등을 보여주고 있다. 미래 지향적인 혁신 생태계 조성을 위한 차세대 혁신 생태계 모델이 요구되는 상황이다. 기존의 이론적 근거를 바탕으로 혁신 생태계의 바탕을 이루는 것이 기업간 네트워크라는 관점에서 차세대 혁신 생태계의 요소로 기업간 네트워크 외에, 기업 역량, 공공 연구기관, 민간 산업단체, 기술 인프라, 정책 주체를 바탕으로 5개 요소를 설정하고, 불연속적 기술 및 시장 변화에 부응하는 ‘민간 주도의 건강하고 역동적인’ 혁신 생태계로서의 차세대 혁신 생태계 모델을 제시하였고 혁신 생태계구축 역할을 담당하는 정책 주체의 구체적인 방향을 제시하고, 본 연구의 의의를 제시하였다.

대학은 끊임없이 새로운 지식을 만들고 기술혁신을 통하여 가치를 생산하는 핵심 기관이다. 본 연구에서는 삼중나선모델(Triple Helix Model)의 변화와 진화를 제시하고자 한다. 이를 위해 선진기술의 습득과 소화, 개선과 추월을 통한 과정에 요구되었던 다양한 인력양성 육성과 정책분석의 질적연구를 활용하였다. 1960년대는 기능공과 기술공 위주로 기능적역량이, 1980년 대와 1990년대는 대학원제도가 정착, 고급 인력양성과 함께 정부주도의 대학-기업연구소와의 Triple Helix Model (THM) 혁신활동에 필요한 기능과 기술역량의 인력양성이 강조되었다. 2000년대는 첨단․신산업에 요구되는 창의적 인재양성으로 진화하였고 대학 중심 THM이 본격적으로 추진되는 연구역량이 요구되었고 2010년 이후 창의와 융합역량의 인력양성 방향 성을 대학스스로 결정하는 큰 변화로 진화하였고, 이에 본 연구에서는 창조와 융합 인력양성의 지속적 수행을 위한 혁신모델로 ‘삼중나선싱크로시나리오모델’을 제시한다. 대학은 자유롭게 문제를 찾아내고 정부는 신기술을 위한 지원과, 개인경험과 기업문제를 하나의 시나리오로 엮어 이를 해결하고자 하는 도전의 장이 되어 끊임없는 혁신을 견인해야 한다.

본 연구는 교수자가 학습자를 위해 긍정적 가치탐색을 효과적으로 적용할 수 있도록 4D 프로세스 기반 학습모형을 개발하고 학습유형을 분류하여 연구하는 것을 목적으로 하였다. 긍정적 가치탐색 교육 방법은 학습자의 사고방식과 행동 변화에 효과적이다. 또한, 의미와 가치발견에 중점을 둔 강점 기반 접근을 통해 학습 참여를 증진하고 지속 가능한 학습 환경과 배움을 실현할 수 있다. 이러한 교육적 효과는 긍정적 가 치 탐색의 4D 프로세스를 토대로 한 활동으로 이루어진다. 교육 현장에서 긍정적 가치탐색 4D 프로세스 를 보다 유용하게 활용하기 위해서는 교육목표와 지향하는 역량개발에 따라 4D 프로세스에 적합한 학습 유형 분류와 체계적이고 구조화된 학습모형 개발이 필요하다. 본 연구는 4D 프로세스 기반 4가지 학습유 형을 구조화하여 학습모형을 개발하고 모형타당화를 진행하였다. 4D 프로세스 기반 학습모형 구성요소 도 출은 선행 문헌의 검토와 분석을 통해 이루어졌고, 구성요소의 구조화는 사례연구를 통해 진행하였다. 그 리고 해당 분야 전문가 검토를 통한 타당성 평가를 3차에 걸쳐 실시하였다. Discover, Dream, Design, Destiny 4D 프로세스는 탐색과 발견, 사고와 상상, 공유와 구성, 발표와 실천으로 개선되어 적용되었다. 학습에 적합하도록 보완된 4D 프로세스는 도달할 학습 목표와 개발할 학습자의 역량에 따라 탐구형, 창의 형, 과제해결형, 실천형으로 세분화하여 개발되었다. 개발된 학습모형에서의 학습유형은 다양한 교육 환경 에 맞게 긍정적 가치탐색 활동이 선택적으로 운영될 수 있다는 이점이 있다.

It is difficult to optimize the process parameters of directly preparing carbonaceous mesophase (CMs) by solvothermal method using coal tar as raw material. To solve this problem, a Decision Tree model for CMs preparation (DTC) was established based on the relationship between the process parameters and the yields of CMs. Then, the importance of variables in the preparation process for CMs was predicted, the relationship between experimental conditions and yields was revealed, and the preparation process conditions were also optimized by the DTC. The prediction results showed that the importance of the variables was raw material type, solvothermal temperature, solvothermal time, solvent amount, and additive type in order. And the optimized reaction conditions were as follows: coal tar was pretreated by decompress distillation and centrifugation, the solvent amount was 50.0 ml, the solvothermal temperature was 230 °C, and the reaction time was 5 h. These prediction results were consistent with the actual experimental results, and the error between the predicted yields and the actual yields was about − 1.1%. Furthermore, the prediction error of DTC method was within the acceptable range when the data sample sets were reduced to 100 sets. These results proved that the established DTC for chemical process optimization can effectively lessen the experimental workload and has high application value.

Recently, many studies have been conducted to improve quality by applying machine learning models to semiconductor manufacturing process data. However, in the semiconductor manufacturing process, the ratio of good products is much higher than that of defective products, so the problem of data imbalance is serious in terms of machine learning. In addition, since the number of features of data used in machine learning is very large, it is very important to perform machine learning by extracting only important features from among them to increase accuracy and utilization. This study proposes an anomaly detection methodology that can learn excellently despite data imbalance and high-dimensional characteristics of semiconductor process data. The anomaly detection methodology applies the LIME algorithm after applying the SMOTE method and the RFECV method. The proposed methodology analyzes the classification result of the anomaly classification model, detects the cause of the anomaly, and derives a semiconductor process requiring action. The proposed methodology confirmed applicability and feasibility through application of cases.

Ball stud parts are manufactured by a cold forging process, and fastening with other parts is secured through a head part cutting process. In order to improve process quality, stabilization of the forging quality of the head is given priority. To this end, in this study, a predictive model was developed for the purpose of improving forging quality. The prediction accuracy of the model based on 450 data sets acquired from the manufacturing site was low. As a result of gradually multiplying the data set based on FE simulation, it was expected that it would be possible to develop a predictive model with an accuracy of about 95%. It is essential to build automated labeling of forging load and dimensional data at manufacturing sites, and to apply a refinement algorithm for filtering data sets. Finally, in order to optimize the ball stud manufacturing process, it is necessary to develop a quality prediction model linked to the forging and cutting processes.

A simulation model was developed for heavy water pre-enrichment and detritiation by the Combined Electrolysis and Catalytic Exchange (CECE) process. In the CECE process, heavy water enrichment and detritiation are based on the principle that concentrated in to water phase through an isotopic exchange reaction between water vapor and hydrogen gas produced by a water electrolysis. An operational analysis for a liquid phase catalytic exchange column was carried out by the model equations, composed of a material balance and combined equilibrium relationships for a scrubbing and catalyst bed, respectively. As a result of simulation, the optimum flow ratio of water to the rising hydrogen gas in contact with the down-coming water was predicted as the key variables in the separation performance analysis at a given feed flow rate and isotopic composition. From a graphical approach based on this model, the operating conditions can be determined within the range where the operating line does not meet the combined equilibrium line before reaching the specified target concentration.

Considering the domestic condition with small land area and high population density, it is necessary to develop technology that can reduce the disposal area than the deep geological disposal method. For this, KAERI is developing a nuclide management process that can reduce the environmental burden of spent fuel, and establishing an evaluation model that can evaluate the performance of various process options. It is expected that an optimal option of the nuclide management process can be derived from disposal perspective by applying the evaluation model. The mass flow between processing steps of the radionuclide management process is the basic quantity required to quantify the evaluation criteria. Therefore, we built a generalized block model on GoldSim, which can simulate mass flow of various radionuclide management process options. In addition to the mass flow, this model was established to derive the amount of wastes generated by each processing step, the composition of nuclides, and radiological properties (decay heat, radioactivity, etc.). The mass flow and waste property derived from the models are closely related to the factors that determine the area of disposal concepts. Based on this, a disposal area calculation model was established as a model to evaluate the effectiveness of the radionuclide management process on environmental burden reduction. For verification, three process options, which can manage radionuclides having high decay heat (Cs, Sr) or large volume (U), were selected and evaluated as reference processes. And two disposal options, deep geological disposal and deep borehole disposal concepts were considered to be linked with the processes. As a result, it was confirmed that the disposal area could be reduced in the process separating radionuclides having high decay heat. In the future, other evaluation models for economic viability and safety will be added in the GoldSim model.

본 연구는 현재 빠른 발전과정에 있는 한국 복지국가에 대한 함의를 찾고자 하는 목 적에서 덴마크 모델에 대해 분석한다. 덴마크는 의료나 연금 분야보다는 경제성장과 친 화성이 높은 사회투자성 복지지출 규모가 큰 ‘사회투자형 복지국가’로서 복지제도와 경 제성장이 선순환을 이루는 모델을 만들었다는 평가를 받는다. 또한, 덴마크 유연 안정 성 모델로 유명한 덴마크의 노동시장은 유연하면서도 적극적노동시장정책을 통해 안정 성도 일정 정도 보장한다는 점에서 좋은 노동시장 모델 중 하나로 평가받고 있다. 복지 국가와 노동시장 개혁과정에서 사회적 합의를 통해 문제를 해결하여 갈등을 최소화하기 도 하였다. 본 연구는 복지정책과 노동시장정책 측면에서 덴마크 모델의 특징과 형성　 과정을 분석하고 이를 통해 한국 복지국가가 나아가야 할 방향은 무엇인지에 대한 함의 를 찾고자 한다.

본 연구의 목적은 비데를 아이템으로 선정해 시니어의 특성과 니즈를 충족시키기 위한 제품기반 서비스디자인을 제안하는데 목표를 두고 진행하였다. 최근 초고령화가 급속히 진행되고 있으나 시니어에 대한 이해가 부족하고, 시 니어를 위한 PSS 개념의 서비스디자인 연구가 미흡한 편이다. 본 연구에서는 4D 더블 다이아몬드 디자인 프로세스 모델을 활용하여 시니어의 특성과 니즈를 반영한 ‘시니어 중심의 비데 제품서비스디자인’ 개선방안을 제안하고자 한다. 연구의 방법은 PSS 개념에 기반하여 ‘4단계 더블 다이아몬드 디자인 프로세스 모델’을 활용하였다. 이를 위해 시니어 대상 질적 리서치를 수행하여 시니어의 특성과 니즈에 따른 사용자 가치 요소를 도출하였으며, 이를 기반으 로 제품서비스 아이디어를 발굴하여 실무 전문가 그룹의 유용성 리뷰를 반영한 프로토타입을 제안하였다. 연구의결과는 첫째, ‘사용자 맞춤 기능 설정 가이드 스마트 앱 서비스’를 제안하였다. 사물인터넷(IoT) 기술을 접목한 비데 와 스마트 폰이 연동되어 사용자 특성 정보와 비데 제품에 대한 정보를 자동으로 해석하여 맞춤 기능을 가이드해주 는 앱 서비스를 제시하였다. 둘째, ‘사용자 중심의 제품서비스 인터페이스’를 적용한 조작부 및 리모컨 UI를 제안하 였다. 시니어의 사용성 및 인지능력을 고려하여 주 기능 중심의 구성과 과업(Task) 순서에 따른 버튼 배치, 터치 화면 형 리모컨 등 단순하고 직관적인 Physical UI를 제안하였다. 셋째, 정기적인 제품 점검뿐만 아니라 사용자 건강 및 사용 공간의 위생, 청결 등 폭넓은 서비스를 제공하는 ‘제품과 헬스/위생 케어가 연계된 비데 케어서비스’를 제안하 였다. 결론적으로 사용자(시니어)의 비데 제품 사용 과정(사용 전-중-후)에서의 페인포인트(Pain Point) 및 요구를 발 견하고 개선하여 사용자 경험과 관계 품질을 향상시킬 수 있는 제품기반 서비스디자인 방법론을 제안하였다.

This article suggests the machine learning model, i.e., classifier, for predicting the production quality of free-machining 303-series stainless steel(STS303) small rolling wire rods according to the operating condition of the manufacturing process. For the development of the classifier, manufacturing data for 37 operating variables were collected from the manufacturing execution system(MES) of Company S, and the 12 types of derived variables were generated based on literature review and interviews with field experts. This research was performed with data preprocessing, exploratory data analysis, feature selection, machine learning modeling, and the evaluation of alternative models. In the preprocessing stage, missing values and outliers are removed, and oversampling using SMOTE(Synthetic oversampling technique) to resolve data imbalance. Features are selected by variable importance of LASSO(Least absolute shrinkage and selection operator) regression, extreme gradient boosting(XGBoost), and random forest models. Finally, logistic regression, support vector machine(SVM), random forest, and XGBoost are developed as a classifier to predict the adequate or defective products with new operating conditions. The optimal hyper-parameters for each model are investigated by the grid search and random search methods based on k-fold cross-validation. As a result of the experiment, XGBoost showed relatively high predictive performance compared to other models with an accuracy of 0.9929, specificity of 0.9372, F1-score of 0.9963, and logarithmic loss of 0.0209. The classifier developed in this study is expected to improve productivity by enabling effective management of the manufacturing process for the STS303 small rolling wire rods.

This study suggests a machine learning model for predicting the production quality of free-machining 303-series stainless steel small rolling wire rods according to the manufacturing process's operation condition. The operation condition involves 37 features such as sulfur, manganese, carbon content, rolling time, and rolling temperature. The study procedure includes data preprocessing (integration and refinement), exploratory data analysis, feature selection, machine learning modeling. In the preprocessing stage, missing values and outlier are removed, and variables for the interaction between processes and quality influencing factors identified in existing studies are added. Features are selected by variable importance index of lasso regression, extreme gradient boosting (XGBoost), and random forest models. Finally, logistic regression, support vector machine, random forest, and XGBoost is developed as a classifier to predict good or defective products with new operating condition. The hyper-parameters for each model are optimized using k-fold cross validation. As a result of the experiment, XGBoost showed relatively high predictive performance compared to other models with accuracy of 0.9929, specificity of 0.9372, F1-score of 0.9963 and logarithmic loss of 0.0209. In this study, the quality prediction model is expected to be able to efficiently perform quality management by predicting the production quality of small rolling wire rods in advance.