본 논문은 인공지능(AI)을 단순한 기술 혁신이 아니라, 근대 계몽 주의 인식론과 식민 권력 매트릭스(colonial matrix of power)의 연장선에서 이해해야 하는 신학적 주제로 본다. AI는 서구 중심의 지식 구조, 언어 체계, 기술 권력을 통해 비서구 세계를 주변화하며, 근대-식민성의 논리를 재생산할 가능성이 크다. 그리하여 본 연구는 탈식민주의적 해석학을 통해 이러한 인식론적 구조를 비판적으로 분석 하며, 기술 담론에 내재한 지배와 배제의 메커니즘을 드러낸다. 또한 하나님의 선교(Missio Dei)의 관점에서, 선교신학은 복음을 확산하는 학문을 넘어, 기술과 권력, 인간과 세계의 관계를 새롭게 성찰해야 함을 주장한다. AI 시대의 선교신학은 계몽주의적 보편주의, 서구중심 주의를 넘어 다원적·관계적 인식론 위에서 하나님의 선교를 재정의하 며, 기술을 통제의 기계가 아닌 평화와 상호살림의 매개체로 변혁해야 함을 주장한다.

과도한 조류 발생은 수생태계 교란과 수질 악화를 초래하는 대표적인 환경 문제로, 효과적인 관리와 대응을 위해 정확한 예측이 필요하다. 우리나라는 사계절의 기후 특성이 뚜렷하며, 수온이 상승하는 하절기에 조류 발생이 집중되는 경향을 보인다. 이에 따라 실시간 모니터링 자료는 대부분 저농도 상태가 유지되어 데이터 불균형 문제가 발생한다. 본 연구에서는 chlorophyll-a 농도를 기준으로 하천 현장의 조류 발생 수준을 Class 1 (Chl-a ≤ 10 ㎍/L), Class 2 (10 < Chl-a ≤ 50 ㎍/L), Class 3 (Chl-a > 50 ㎍/L)와 같이 3개의 class로 구분하고, 대표적인 앙상블 머신러닝 모형인 extreme gradient boosting (XGB) 알고리즘을 이용하여 조류 발생 수준을 예측하는 분류 모형을 구축하였다. 데이터 불균형 해소를 위해 생성형 인공지능 기반 알고리즘인 conditional generative adversarial network (CGAN)과 전통적인 데이터 보강 알고리즘인 synthetic minority over-sampling technique (SMOTE), 그리고 딥러닝 기반 기법인 autoencoder (AE)를 활용한 3가지 데이터 보강 알고리즘을 활용하여 데이터의 불균형을 개선한 자료를 생성하고 이를 XGB 모형에 적용하여 성능 변화를 비교하였다. 분석 결과 macro average 기준으로 원본 데이터를 사용한 모형의 recall은 0.606이었으나 SMOTE, AE 및 CGAN의 recall은 각각 0.666, 0.682, 0.720으로 크게 개선되었고, F1 score도 데이터 불균형 해소를 통해 약 7–13%의 성능이 향상되는 등 전체적으로 데이터 불균형 해소로 모형의 성능이 향상되었으며 CGAN이 가장 우수한 성능 개선 효과를 보이는 것으로 나타냈다. 본 연구의 결과를 통해 데이터 불균형 해소를 통한 머신러닝 모형 성능 개선 가능성을 확인하였다.

본 연구는 장애인을 대상으로 한 국내 인공지능(AI) 활용 연구의 동향 을 파악하고, 향후 연구 방향을 제시하기 위해 체계적 문헌고찰을 실시 하였다. 학술연구정보서비스(RISS)를 활용하여 2001년부터 2025년까지 학위논문과 학술지를 대상으로 ‘장애’와 AI 관련 주요 키워드를 검색하 고, 선정 기준에 따라 최종 99편을 분석하였다. 분석 결과, AI 기술은 주 로 보조기술·알고리즘·서비스 개발(56.6%)과 중재 프로그램 개발(20.2%) 에 활용되고 있었으며, 연구 방법으로는 개발연구(71.7%)가 가장 많았다. 연구 대상은 자폐성장애, 시각장애, 인지장애 순으로 많았고, 실험연구 16편에 대한 심층 분석 결과, 독립변인은 인공지능 기반 교육 프로그램, 수업 활용, 중재 전략, 교수 전략 등이었으며, 종속변인은 언어 및 의사 소통 능력, 사회·정서 및 학업 태도 등과 관련되는 것으로 나타났다. 본 연구는 국내 장애인 대상 AI 연구의 현황을 고찰하고 향후 장애인의 삶 이나 재활에 도움을 줄 수 있는 도구 및 프로그램 개발에 기초 자료를 제안하고자 한다.

조직 내 인공지능(AI)의 활용이 확산됨에 따라, 인적자원관리(HRM) 분야에서도 AI 기반 시스템의 도 입이 활발히 이루어지고 있다. 본 연구는 HRM에서 AI를 직접적으로 활용하는 주체인 HR 부서 직원을 대상으로, 인공지능 인적자원관리(AI-HRM)가 직원의 직무성과에 미치는 영향을 살펴보고자 한다. 구체 적으로 AI-HRM이 두 가지의 시스템 효율성 형태인 업무 효율성과 의사결정 효율성에 대한 직원의 인식 을 강화시키며 이는 결과적으로 직무성과를 증가시킬 것으로 예측하였다. 더 나아가 업무 효율성과 의사 결정 효율성 각각이 개인의 직무성과에 미치는 영향은 HR 부서 직원의 민첩성 수준에 따라 차등적 영향 을 미칠 수 있을 것으로 보고 직원 민첩성의 조절효과를 추가적으로 검토하고자 하였다. 이를 실증적으로 검증하기 위하여 국내 HRM 분야에서 AI를 활용하고 있는 기업에 종사하는 HR 부서 직원 173명을 대상 으로 설문조사를 진행하였다. 데이터 분석 결과, AI-HRM은 HR 부서 직원의 직무성과에 긍정적 영향을 미치는 것으로 나타났으며, AI-HRM과 직원의 직무성과 간의 관계는 직원들이 인식하는 시스템 효율성 (업무 효율성 및 의사결정 효율성)에 의해 매개되는 것으로 나타났다. 다시 말해, AI-HRM은 업무 효율성 및 의사결정 효율성을 높이며 이는 결과적으로 직원의 직무성과를 향상시킬 수 있다는 것이다. 또한, 직원 이 AI 기반 HRM 시스템을 효율적으로 인식할수록 개인의 직무성과가 향상되며, 이러한 긍정적 영향은 개인의 민첩성 수준이 높을수록 더 강화되는 것으로 나타났다. 이러한 본 연구결과를 통해 국내 HRM 시스템에서의 AI 도입 및 활용의 중요성과 개인의 민첩성 역량 강화를 강조하고자 한다.