This study investigated the visualization accuracy and educational applicability of generative artificial intelligence (AI) tools in fashion design education by comparing images generated from the same blouse sketch using GPT-based tools, LOOK AI, and Stable Diffusion under identical prompt conditions. Thirty-two professional fashion designers evaluated the generated outputs using a structured 10-item assessment scale, focusing on silhouette accuracy, detail representation, structural clarity, and overall visual completeness. Statistical differences among the tools were analyzed using one-way analysis of variance followed by post-hoc comparisons. The results revealed significant differences (p<.05) in key evaluation criteria: silhouette accuracy, detail implementation, structural interpretability, and overall completeness. LOOK AI excelled in representing structural elements such as seams, pleats, and pattern logic, indicating its strength in design-oriented applications and technical visualization tasks. In contrast, Stable Diffusion received higher ratings for overall visual balance and aesthetic coherence, despite showing relatively lower structural fidelity. GPT-based outputs received lower ratings for structural accuracy but were seen as valuable for promoting critical AI literacy via prompt-based exploration, iterative refinement, and reflective evaluation. These findings suggest that differences among AI tools should not be interpreted in terms of absolute superiority but as distinct educational affordances. Accordingly, this study proposes a three-axis instructional framework that integrates structure-oriented learning, creative visualization, and critical inquiry-based learning.

As the web game market grows, ensuring service stability through load testing has become increasingly important. Web games comprise a variety of functions with distinct internal logic, ranging from simple data retrieval to complex transaction processing. Therefore, a comparative performance analysis of load-testing tools that accounts for these functional characteristics is crucial for achieving reliable and efficient service operation. This paper evaluates the performance of four widely used load-testing tools—JMeter, k6, Gatling, and Locust—under representative web-game workloads. To emulate realistic database read and write patterns, we implement the core server logic of the web game Pokerogue in a cloud environment rather than simply issuing HTTP requests. We classified workload patterns into write-intensive, read-intensive, and mixed types using distributed tracing, and measured request-generation capability and system resource consumption across five key game functions. Our experiments show that each tool demonstrates distinct strengths depending on the characteristics of individual web-game functions. Specifically, k6 demonstrated high request-generation performance in write-intensive scenarios, while JMeter showed strong performance in read-oriented tasks; Gatling exhibited efficient memory usage in mixed workloads, whereas Locust proved suitable for resource-constrained environments. These results indicate that the selection of a load-testing tool should be informed not only by its request-generation performance but also by the workload characteristics of the target game function. By systematically analyzing function-specific workload patterns together with the performance and resource-usage behavior of each tool, this study aims to provide empirical evidence that can be usefully applied in practical load-testing workflows for web-game services.

While the adoption of AI-based design tools is accelerating in design education, limited research has examined learners’ psychological acceptance of these tools. This study therefore investigates perceptions of CLO 3D, Stable diffusion, and ChatGPT through the Technology Acceptance Model (TAM). Survey data were collected from 70 design majors at a university in Seoul and analyzed using regression methods, focusing on four key variables: perceived learning difficulty, efficiency, visual satisfaction, and commercialization potential. The results revealed paradoxical patterns in learning experience, where higher learning intention and perceived intuitiveness sometimes increased learning burden, while efficiency and output similarity reduced it. Efficiency perceptions were strengthened by learning intention, CLO 3D output similarity, and ChatGPT’s visualization support, but weakened when learners relied heavily on traditional creativity or when Stable diffusion’s creativity reflection was emphasized. Visual satisfaction was positively influenced by portfolio development and practical application intentions yet decreased when judged strictly by conventional creativity standards. Commercialization potential increased with efficiency, time savings, ChatGPT utilization, and application planning, but declined with greater familiarity with hand sketching. These findings validate TAM’s dimensions of usefulness and ease of use while highlighting the moderating role of comparison with traditional workflows. The study contributes theoretically by extending TAM to creative education contexts and provides practical guidance for developing instructional strategies that balance efficiency, creativity, and professional applicability.

본 연구는 간호대학생이 임상실습 이전에 치료적 의사소통을 안전한 환경에서 반복 학습할 수 있도록 ChatGPT 기반 가상 내담자와 온라인 협업 학습도구를 결합한 교육 프로그램을 개발하고 그 타당 성을 검증하고자 하였다. 프로그램은 문헌고찰, 설계, 개발, 실행의 네 단계로 구성되었으며, 설계 단계에서 는 공감지도와 퍼소나와 같은 서비스디자인 기법을 적용하여 대상자 이해를 구조화하였다. 개발 단계에서 는 영화 뷰티풀 마인드에 기반한 조현병 사례를 ChatGPT 가상 내담자로 구현하였고, Padlet을 활용하여 공감지도를 공유하였으며 Mentimeter를 통해 성찰 활동을 지원하였다. 실행 단계에서는 총 6명의 전문가 가 11문항으로 구성된 내용타당도 지표(CVI)를 사용하여 프로그램을 평가하였다. 그 결과, 목표·내용·전략 관련 대부분의 문항은 I-CVI 1.00을 기록하였고, 전체 S-CVI/Ave는 0.98로 기준치인 0.90을 충족하였다. 다만 일부 Mentimeter 성찰 문항은 I-CVI 0.83으로 상대적으로 낮게 평가되어 개선의 필요성이 제기되었 다. 본 프로그램은 기존 모의실습의 한계를 보완하여 치료적 의사소통을 안전하게 반복 학습할 수 있는 환 경을 제공하며, AI 기반 가상 내담자와 디지털 협업 도구의 결합이 학습자의 참여와 성찰을 촉진할 수 있 음을 보여준다. 향후 연구에서는 다양한 정신건강 사례로의 확장, 학습자 효과 검증, 비언어적 의사소통 훈 련과 도구 활용성 개선이 요구된다.

This study investigates how non-experts learn to use generative AI image tools by comparing outcome-oriented tools (e.g., Midjourney, DALL·E) with process-oriented tools (e.g., ComfyUI). Outcome-oriented tools offer intuitive interfaces and immediate feedback, lowering initial cognitive load, while process-oriented tools provide advanced control but require higher effort to master. Using surveys with 15 participants and in-depth interviews with 6 users, this exploratory study examined cognitive load, sense of control, and motivation. Results show that outcome-oriented tools effectively engage beginners, whereas process-oriented tools foster sustained learning once early barriers are overcome. Based on these findings, a three-stage curriculum—Basic Exploration, Advanced Control, and Creative Application—is proposed to gradually reduce cognitive barriers and support long-term creative growth.

This study proposes a real-time content design pipeline optimized for Unreal Engine, integrating generative AI-based image creation with AI-assisted 3D modeling tools. The pipeline aims to streamline the production of high-quality assets for real-time applications, including games and simulations. Two types of subjects were selected: a bust combining organic character features, and a stone slab characterized by planar and symmetrical structure. Multi-angle image data were first synthesized using advanced generative AI models to simulate diverse viewpoints. These were then processed using AI-enhanced photogrammetry and modeling tools to reconstruct detailed 3D meshes and extract base textures. Post-processing steps, including mesh decimation, UV unwrapping, and texture baking, were performed to ensure compatibility with Physically Based Rendering (PBR) workflows used in Unreal Engine. The final assets were successfully imported into Unreal Engine, demonstrating visual fidelity and performance suitability in a real-time environment. The study confirms the pipeline’s potential for accelerating asset development and suggests promising future directions in AI-driven digital content creation.

식품 사기는 글로벌 식품 공급망에 상당한 위협을 가하 며 경제적 안정성과 공중 보건에 영향을 미친다. 이 리뷰 에서는 먼저 식품 사기 취약성 평가(food fraud vulnerability assessment, FFVA)를 조사하여 다양한 기관의 통합된 정 의와 분류를 통한 표준화된 방법론의 필요성이 강조되었 다. 네 가지 주요 FFVA 도구인 ‘United States Pharmacopeia (USP) 식품 사기 완화 지침’, ‘International Featured Standards (IFS) 표준 제품 사기’, ‘SSAFE 식품 사기 취약 성 평가 도구’, ‘미국 Food and Drug Administration (FDA) 와 United States Department of Agriculture (USDA) criticality, accessibility, recuperability, vulnerability, effect, and recognizability plus shock (CARVER+Shock) 도구’의 주요 특징과 한계점 등을 살펴보았다. 또한 Safe Supply of Affordable Food Everywhere (SSAFE)의 식품 사기 취 약성 평가 도구를 적용하여 우유, 향신료, 오일, 유기농 식 품, 육류, 해산물 및 알코올의 공급망에 대한 취약성 평가 사례를 살펴보았다. 그 결과, 취약성을 평가할 때 원자재 나 제품이 브랜드 또는 상표 위조에 덜 취약한 경우 평가 설문에서 위조 관련 질문을 제외하는 등 식품 공급망 특 성이나 조사 대상에 따라 평가 항목이 조정되었다. 또한 식품 사기 행위의 기술적 탐지 난이도, 기업의 윤리적 문 화, 모니터링 시스템의 구축 정도가 식품 사기 취약성에 상당한 영향을 미치는 것으로 나타났다. 현재 이러한 평 가도구들은 귀중한 프레임워크를 제공하지만, 식품 사기 의 진화하는 본질을 해결하기 위해 보다 통합적이고 적응 가능한 접근 방식이 필요하다는 점이 시사되었다. 식품 사 기 예방을 위한 강력하고 글로벌한 표준을 수립하기 위해 서는 향후 FFVA 방법론을 개선하고 산업, 규제 기관 및 학계 간의 협력이 보다 강화되어야 할 것이다.

This study investigates the relationship between language learning strategy (LLS) preferences and AI writing tool use among 147 English as a Foreign Language (EFL) learners at a South Korean university. Participants were divided into two groups based on their preferred language learning strategies, as determined by the Strategy Inventory for Language Learning (SILL): memory/compensation strategies (Group 1) and metacognitive strategies (Group 2). The SILL survey was followed up with assessments on the participants’ use of AI writing tools and their reflections on how these tools were used in the writing process. Results revealed some minor correlations between specific strategy types and functions in AI writing tools— including preferences which suggest that metacognitive strategy users use AI writing tools for the development of ideas and structuring the writing process—but were limited due to individual learner variables which had not been measured. The findings provide directions for the consideration of language learning strategies when designing AI writing tools to create personalized and effective learning experiences.

목적 : 본 연구는 직업재활시설에 종사하는 장애인 근로자의 직무수행능력을 강화하기 위해 활용할 수 있는 직무훈련 도 구를 개발하는 것이다. 연구방법 : 문헌 및 설문조사를 통해 장애인 근로자의 주요 직무를 조사한 후, 전문가 초점집단면접을 거쳐 직무훈련 도구 를 개발하였다. 개발된 도구는 직업재활시설 종사자 20명을 대상으로 타당도 검증을 하였다. 결과 : 장애인 근로자가 가장 많이 종사한 직무로 조립과 포장 직무가 도출되었으며, 최종적으로 타공판 조립 3개 과제와 문구류 조립 4개 과제를 직무훈련 도구로 개발하였다. 직무훈련 도구 개발에 사용된 기준지표인 ‘적절성, 효과성, 효율 성, 지속가능성’ 지표로 타당도를 검증한 결과, ‘효과성, 효율성’ 측면에서 높게 나타났다. 결론 : 본 연구를 통하여 개발된 직무훈련 도구는 직업재활시설에 종사하는 장애인 근로자와 훈련생의 직무수행능력 향상 을 위한 직무훈련 프로그램에서 사용될 수 있을 것이다.

목적 : 본 연구는 보조공학의 경제성 분석을 국내에 적용하기 위한 방안을 제시하고자, 보조공학의 경제적 및 사회경제적 가치와 측정 도구를 중점적으로 알아보고자 하였다. 연구방법 : 2013년 1월부터 2023년 9월까지, 국외 데이터베이스인 CINAHL, MEDLINE, SCOPUS, Web of science를 이용하여 보조기기 및 서비스의 경제성을 분석한 문헌을 검색하였다. 선정 및 배제 기준에 따라 총 16편의 논문을 최종 선정하였으며, 질적 수준을 평가하였다. 결과 : 경제성 분석에는 사회적, 개인적, 지불자 및 의료 관점이 고려되었으며, 이 중 사회적 관점이 가장 일반적이었다. 연구는 주로 미국과 유럽에서 수행되었으며, 아시아에서는 제한적이었다. 문헌의 질적 수준은 Markov 모델을 사용한 연 구에서 높았으며, ‘우수’ 또는 ‘보통’ 수준이 각각 13편, 3편이었다. 보조공학은 이동, 청각, 정보통신 그리고 기타로 분류 되었으며, 삶의 질을 고려한 문헌은 13편이었고, 주로 사용된 도구는 EQ-5D, HUI, SF-36과 WTP였다. 결론 : 본 연구는 국외 문헌 고찰을 통해 보조공학의 경제성 연구에 기초를 제공한다는 점에서 의의가 있으며, 향후 국내 에서 보조공학의 경제성 분석이 활발히 이루어지길 기대한다.