본 연구는 준거집단(취직자)들의 활동 데이터 뱅크를 생성하여 예비 취업자(고등교육기관의 체 육계열 전공자)들이 현재까지 활동했던 데이터를 데이터마이닝 기반 추천 알고리즘을 적용해 예비 취업자 들에게 가장 적합한 직업군을 추천해주는 스포츠 일자리 추천모형을 개발하고 검증하는 것이다. 따라서 평 가지표를 구성하고, 준거집단을 대상으로 인터뷰 및 조사를 통해 데이터 뱅크를 생성했다. 또한 비확률 표 본추출법 중 할당표본 추출법과 눈덩이표본 추출법을 적용해 예비 취업자 조사를 실시했으며, 총 921명의 자료를 통해 스포츠 일자리 추천모형 개발과 유사도를 통해 모형을 검증했다. 즉, 본 결과는 다음과 같다. 첫째, 준거집단과 예비 취업자의 평가지표를 구성했다. 둘째, 준거집단의 데이터 뱅크를 생성했다. 셋째, 스 포츠 전공 청년들을 위한 일자리 추천모형을 개발하고, 유사도를 통해 모형을 검증했다.

목적: 본 연구는 산재보험패널조사 2⋅3차 데이터를 활용하여 산재 수부 손상 환자의 요양 종결 연도에 따른 동향을 분석하기 위해 실시되었다. 연구방법: 본 연구는 산재보험패널 데이터를 활용한 후향적 코호트 연구로, 산업재해로 인한 수부 손상 환자 1,967명을 대상으로 하였다. 연구 대상자의 기초 특성을 파악하기 위해 인구통계학적, 산업재해 관련, 직업재활 및 직업 특성에 대한 빈도분석을 실시하였다. 또한 산재요양 종결 연도에 따른 특성 변화를 분석하기 위해 2017년(982명)과 2022년(985명) 두 시점으로 구분하여 카이제곱 검정을 수행하였다. 결과: 2022년 산재요양 종결자는 인구통계학적 특성에서 60세 이상, 미혼 및 대졸 이상의 비율이 증가하였다. 산업재해 특성에서 업무상 질병의 비율이 높아졌고, 요양 기간은 길어졌다. 직업재활 특성에서는 유의한 차이가 없었고 직업 특성에서는 첫 번째 직장에서의 수부 손상 비율은 감소하였지만 근무기간 2개월 미만에서 손상 비율은 증가하였다. 결론: 산재 수부 손상 환자의 특성 변화를 확인하여 사업장 내 수부 손상 예방을 위한 교육 강화와 함께 효과적인 수부 치료 향상 및 직업복귀 촉진을 위한 산재 의료 전달 체계 개선의 필요성을 제시하였다.

하수처리장의 안정성과 효율성의 향상을 위해 스마트 기술 도입이 요구되고 있으나, 운영 데이터베이스 구축에 있어 계측의 신뢰성과 연속성 확보에 어려움이 있다. 활성슬러지 모델은 하수처리장의 디지털트윈으로 활용되며, 유입수 성상이 동일하더라도 다양한 운전 조건에 대한 데이터를 생산할 수 있다. 본 연구에서는 실측 데이터와 시뮬레이터 기반 합성 데이터를 통합하여 하수처리장 질소 농도 예측 머신러닝 모델을 구축하였다. A2O 공정의 호기조를 대상으로 기체상 N2O 및 액상 NH4 + 농도를 측정하였으며, 내부반송량, 외부반송량 등 운전인자를 포함한 운영데이터베이스를 구축하고 분석하였다. 확보한 실측 데이터를 기반으로 운영 특성을 분석하고, Sumo4N 모델을 활용하여 다양한 운전 조건에서의 합성 데이터를 생성하였다. 이후 두 데이터를 통합하여 데이터 증강을 수행함으로써, 실측 데이터의 양적 한계를 보완하였다. 모델 학습을 위한 입력 변수로는 외부⋅내부 반송량, 폭기량, 온도, 유입 질소 부하, pH를 선정하였으며 호기조의 N2O, NH4 +과 방류수 TN 농도를 예측하기 위한 머신러닝 모델을 개발하였다. 모델 학습에는 Lasso Regression, Random Forest, k-NN, SVR 알고리즘을 적용하여 성능을 평가하였다. 그 결과 SVR 알고리즘이 모든 질소 성분 예측에서 가장 우수한 성능을 보였으며, 개발된 모델 모두 R² ≥ 0.75의 높은 예측 성능을 나타내었다. 이는 시뮬레이터 기반 데이터 증강을 통해 기체상 및 액상 질소의 통합 제어를 위한 머신러닝 모델 구축의 가능성을 시사한다.

국제해운의 탈탄소 전환과 IMO GHG 전략에 따른 규제 강화로 선박별 정밀 배출 산정이 요구되고 있다. 그러나 실제 운항 선 박의 주기관 출력 정보는 외부 데이터베이스에 의존하는 경우가 많아 데이터 수집 단계에서 상당한 경제적 비용과 시간 지연이 발생한 다. 이러한 제약을 완화하기 위해, 본 연구는 AIS 정적 정보 중 선체길이를 단일 입력변수로 활용하여 선종별 주기관 출력을 기계학습으 로 추정하는 방법을 제안한다. 본 연구에서는 선형회귀, K-최근접이웃, 랜덤포레스트, 그래디언트부스팅, AdaBoost, XGBoost, LightGBM, CatBoost 등 8종의 기계학습 모델을 적용하였다. 수집한 데이터는 선종별로 분리한 뒤 무작위 분할하였고, 90% 학습셋에서 10-fold 교차검 증을 수행한 후 10% 홀드아웃 테스트로 최종 성능을 평가하였다. 테스트셋 기준 화물선은 CatBoost가 R²=0.96, 탱커선은 Gradient Boosting이 R²=0.96으로 가장 우수하였다. 여객선은 XGBoost가 R²=0.89, 예인선은 CatBoost가 R²=0.76을 보였다. 본 연구를 통해 AIS 데이터를 이용하여 주기관 출력을 추정할 수 있음을 확인하였다.

전기추진 선박의 추진축계 이상상태는 심각한 선박 운항 장애를 초래할 수 있으므로, 추진 시스템의 상태를 정확히 진단하고 사전에 예방 유지보수를 수행하는 Prognostics and Health Management(PHM) 기술의 필요성이 증가하고 있다. 본 연구에서는 전기추진 선박 의 추진축 이상상태를 조기에 감지하고 진단하기 위하여 진동 데이터를 기반으로 한 머신러닝 기반 PHM 시스템의 개발과 성능 평가를 수행하였다. Land-Based Testing System(LBTS) 시스템에서 수집된 정상 상태와 축 정렬 이상 상태(0.5 mm, 1.0 mm, 1.5 mm)의 진동 데이터를 활용하여 데이터 전처리 및 특성 추출을 수행하였다. 연구에서는 Fully Connected Neural Network(FCNN) 및 Convolutional Neural Network(CNN)을 적용하여 이상 상태를 진단하는 모델을 개발하고 비교 분석하였다. FCNN 기반 모델은 단순한 구조로 빠른 학습이 가능 하여 실시간 모니터링에 적합한 반면, CNN 모델은 미세한 상태 변화를 효과적으로 탐지하는 데 탁월한 성능을 보였다. 성능 평가 결과 FCNN 모델은 평균 95% 이상의 정확도를 나타냈으며, CNN 모델은 이보다 더욱 향상된 성능을 제공하였다. 본 연구를 통해 개발된 진동 기반 PHM 시스템은 전기추진 선박 추진축 이상상태를 효과적으로 조기에 진단할 수 있는 능력을 입증하였다. 이러한 연구 성과는 전기 추진 선박의 안전하고 효율적인 운항을 위한 신뢰성 높은 유지보수 전략 수립에 중요한 기여를 할 것으로 기대된다. 향후 연구로는 데이 터 품질 개선 및 추가적인 딥러닝 모델 적용을 통한 성능 향상을 목표로 한다.

본 연구는 새만금 5개 지점(동진, 가력, 만경, 신시, 계화)의 1시간 간격 수질 시계열 자료를 활용하여 수질 항목 간 인과구조와 변수 중심성을 정량적으로 분석하였다. 이를 위해 상관분석, Granger 인과성, DirectLiNGAM, 중심성 분석을 적용하였다. 상관분석에서는 전 지점에서 수온–DO 간 음의 상관과 염분–DO 간 양의 상관이 공통적으로 나타났으나, 영양염–DO 관계는 지점별 차이를 보였다. Granger 분석은 전반적으로 양방향 연결이 우세했으나, 동진·만경(하천)에서는 수온·탁도·염분이 영양염 및 유기물 지표를 선행하였고, 계 화(기수역)에서는 담수·해수 요인이 결합된 혼합 구조가 드러났다. LiNGAM 분석에서는 동진·만경에서 수온·탁도가 중심 노드로, 계화에 서는 T-N과 TOC가 매개자로, 가력·신시(배수갑문)에서는 DO가 핵심 변수로 확인되었다. 종합하면, 새만금 수질 네트워크는 하천 지점에 서는 유기물 부하 중심, 기수역에서는 질소·유기물의 혼합 중심, 해수유통 지점에서는 DO 중심의 구조가 형성되어 있음을 보여주었다. 이 러한 결과는 새만금과 같은 반폐쇄성 연안에서 수질 항목 간 물리·화학적 인과 메커니즘을 정량적으로 해석하는 데 기여하며, 향후 수질 개선을 위한 조절 변수 선정, 예측 모델 구축, 실시간 관리 전략 수립에 과학적 근거를 제공할 수 있다.

자료동화 시스템의 초기 입력자료(First Guess)을 만드는 입력자료 중 라디오존데, 항공기, 레이더 등 3차원 기 상정보는 정확한 기상 예측을 위한 유용한 정보이다. 이러한 관측자료는 대기 중 기상인자에 대한 연직분포를 제공하며, 수 치예보의 성능을 향상시키는 데 크게 기여한다. 특히, 기상항공기에 탑재된 관측장비 중 드롭존데(Dropsonde), 항공기 통합기상관측시스템(Airborne Integrated Meteorological Measurement System, AIMMS), 해상풍 측정 마이크로파복사계 (Stepped Frequency Microwave Radiometer, SFMR) 등은 항공기 이착륙 및 비행경로에 따른 기상정보의 관측·수집을 통해 수치예보모델의 예측성에 큰 영향을 주는 것으로 알려져 있으며 해상 관측 공백 지역의 해소를 위한 관측수행과 자료수집이 가능하다는 장점이 있다. 이에 본 연구에서는 보다 효율적인 항공 관측 업무 수행 및 수치예보 연구를 수 행하기 위하여 기상항공기에 탑재된 기상요소를 관측하는 장비인 드롭존데, AIMMS의 자료동화 적용 및 모델 결과 간 모의 성능 비교 실험을 수행하였다. 수치모의를 위해 사용된 모델은 현업에서 사용하는 중규모 모델인 KIM-Meso (Korea Integrated Model-Mesoscale version)와 동일한 물리과정으로 구성된 WRF (Weather Research and Forecasting Model) 로 도메인 1 , 2의 수평해상도는 각각 3 , 1 km이며 격자 크기는 690×650, 409×562로 설정하였다. 연구 사례일 은 4가지 위험기상임무(Severe Weather-01, 02, 03, 04) 중 관측자료와 수치모델 검증(SW-04)을 위한 임무로 수행된 태 풍 힌남노 영향 종료 후 고기압의 영향을 받는 비교적 안정한 사례 및 태풍 예측진로에 따른 전향지역의 연직기상구조 변동성 분석(SW-02)을 위한 사례로 한반도 전역에 강수와 강한 바람을 일으켜 피해를 주었던 오마이스 사례로 선정하 였다. 초기 입력자료 개선을 위해 적용한 자료동화 기법은 3차원변분법(3 Dimensional VARiational, 3DVAR)으로 미국 국립환경예측센터(National Centers for Environmental Prediction, NCEP)에서 제공하는 FNL (Final analyses) 재분석장 을 모델의 초기/경계조건으로 사용하였고, 예측 시간은 총 144시간(6일)으로 설정하였다. 아울러 사례기간 동안 모델의 예측 성능을 평가하기 위해 대상지역에 위치한 ASOS (Automated Synoptic Observing System)의 기상변수를 사용하였 으며 관측 및 모의 수치를 통계적으로 비교하였다. 전반적으로 대부분의 관측지점에서 자료동화를 적용한 DA (Data Assimilation) 실험 결과가 자료동화를 적용하지 않은 CTL (Control) 실험에 비해 향상된 예측정확도를 보였다. 특히, 기온은 모든 자료동화 적용 실험(DROP, AIMMS, DROP+AIM)에서 향상된 결과를 보였으며 풍속은 A IMMS , D ROP, DROP+AIM 결과에서 향상된 모의 결과를 보였다. 상대습도의 경우 관측값의 다소 건조한 대기상태를 모델이 일부 모 의하지 못한 것으로 나타났으나, 대체로 CTL 실험에 비해 자료동화 적용 실험의 모의 결과가 향상된 것을 확인할 수 있었다.

본 연구는 기계학습 및 설명 가능한 인공지능(xAI) 기법을 활용하여 폭발 하중을 받는 철근콘크리트 기둥의 보강 단계(Retrofit Level, RL)를 신속하게 평가하는 종합적 프레임워크를 제시한다. 파괴 유형와 보강 요구사항을 예측하기 위한 다단계 기계학습 접근 법을 개발하였으며, 이후 부분 의존성 그래프(Partial Dependence Plot, PDP) 분석을 통해 데이터 기반 보강 전략을 수립하였다. 제안 된 프레임워크는 두 가지 주요 프로세스로 구성된다: (1) 파괴유형 분류 및 RL 예측을 위한 다단계 기계학습 모델을 활용한 폭발 성능 평가, (2) 입력 변수 효과의 체계적 분석을 통한 PDP 기반 보강 전략 개발. RL 예측 모델은 광범위한 폭발 손상 평가 데이터를 바탕으 로 학습되었으며, 휨 및 전단 파괴유형에 대해 세 가지 손상 조건(심각, 보통, 경미)에서 검증되었다. PDP 분석 결과, 파괴유형과 손상 조건에 따라 서로 다른 보강 특성이 나타남을 확인하였다. PDP 기반 분석을 통해 주철근비 및 전단철근비에 대한 보강 가능 구간과 불가능 구간을 성공적으로 식별하였다.

This study assessed the dietary exposure to microcystins (MCs) through consumption of leafy vegetables in Korea by combining the data on contamination levels reported in published literature with intake and body weight data from the 2023 Korea National Health and Nutrition Examination Survey (KNHANES). The estimated daily intake (EDI) was calculated for lettuce, spinach, napa cabbage, and cabbage, and hazard indices (HI) were derived using tolerable daily intake (TDI) values from the World Health Organization (WHO, 0.04 g/kg bw/day) and the Office of Environmental Health Hazard Assessment (OEHHA, 0.0064 g/kg bw/day). The results showed that under low-contamination conditions, the HI values, remained below 1 across all population groups, suggesting limited current risk. However, under high-concentration scenarios, the HI values exceeded 1 substantially, reaching tens to hundreds of times higher in infants, the elderly, and high-intake groups, underscoring the vulnerability of sensitive subpopulations. Because MC concentrations vary markedly across sites and seasons—even over short periods—continuous, seasonally responsive monitoring is warranted to capture episodic peaks and protect high-risk groups. These findings highlight the importance of integrating Korean dietary patterns into exposure assessment and provide a scientific basis for proactive food-safety management amid climate-driven cyanobacterial blooms.

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.

Accurate estimation of vehicle exhaust emissions at urban intersections is essential to assess environmental impacts and support sustainable traffic management. Traditional emission models often rely on aggregated traffic volumes or measures of average speed that fail to capture the dynamic behaviors of vehicles such as acceleration, deceleration, and idling. This study presents a methodology that leverages video data from smart intersections to estimate vehicle emissions at microscale and in real time. Using a CenterNet-based object detection and tracking framework, vehicle trajectories, speeds, and classifications were extracted with high precision. A structured preprocessing pipeline was applied to correct noise, missing frames, and classification inconsistencies to ensure reliable time-series inputs. Subsequently, a lightweight emission model integrating vehicle-specific coefficients was employed to estimate major pollutants including CO and NOx at a framelevel resolution. The proposed algorithm was validated using real-world video data from a smart intersection in Hwaseong, Korea, and the results indicated significant improvements in accuracy compared to conventional approaches based on average speed. In particular, the model reflected variations in emissions effectively under congested conditions and thus captured the elevated impact of frequent stopand- go patterns. Beyond technical performance, these results demonstrate that traffic video data, which have traditionally been limited to flow monitoring and safety analysis, can be extended to practical environmental evaluation. The proposed algorithm offers a scalable and cost-effective tool for urban air quality management, which enables policymakers and practitioners to link traffic operations with emission outcomes in a quantifiable manner.

Desmidiales (Conjugatophyceae, Charophyta) are commonly found in freshwater ecosystems and exhibit high species diversity, particularly in acidic wetlands, lakes, swamps, and peat bogs. They possess a distinctive morphology characterized by symmetrical semicells, and their wide variation in cell shape and size presents challenges in species identification due to high morphological plasticity. Although 832 species of Desmidiales have been reported in Korea, phylogenetic studies have been limited to only a few taxonomic groups. This study focused on investigating species-level relationships among Desmidiales using strains from the Freshwater Bioresources Culture Collection (FBCC), integrating morphological characteristics, ecological data, and original species descriptions. A total of 352 new plastid gene sequences were generated for phylogenetic analyses, including accD (30), atpA (42), atpB (22), ndhH (37), petA (37), psaA (32), psbA (44), psbC (1), psbD (39), rbcL (40), rpl2 (19), and rpoB (9). Among the 12 plastid genes analyzed, psbA showed the highest proportion of conserved sites (83.9%), while petA exhibited the highest proportion of variable sites (38.7%). Based on the combined phylogenetic analysis, Desmidiales were grouped into five major clades: Cosmarium Clade-1: Cosmarium punctulatum, Cosmarium sp. 1, Cosmarium Clade-2: C. blyttii, C. botrytis, C. costatum, C. ochthodes, C. pachydermum, C. subcostatum, C. subcrenatum, C. subprotumidum, C. trilobulatum, Cosmarium Clade-3: C. angulosum, C. formosulum, C. granatum, C. impressulum, C. norimbergense, C. regnellii, C. subtumidum, Cosmarium sp. 2, Staurastrum Clade-1: Staurastrum avicula var. lunatum, Staurastrum Clade-2: S. boreale, S. dispar, S. kouwetsii, S. margaritaceum, S. punctulatum. The newly generated sequence data from FBCC strains will serve as a valuable resource for accurate species identification and for exploring the molecular ecology of Desmidiales in freshwater ecosystems. This phylogenetic framework improves our understanding of Desmidiales species diversity in Korea and aids in achieving a more comprehensive taxonomic resolution within this algal order.

본 연구는 네트워크 분석 기법을 적용하여 색상(Color), 소재(Material), 가공기술(Technique) 간 조합을 체계적으 로 탐색하고 분석하는 것을 목적으로 한다. 한국디자인진흥원의 CMF HOW’S 아카이브 데이터를 기반으로 C–M–T 통합 네트워크를 구축하고, 이분 네트워크 분할과 투영(Projection) 분석을 통해 구조적 특성과 조합 양상을 정량적으 로 도출하였다. 중심성, 밀도, 군집 계수, 모듈러리티 지표를 활용한 결과, 색상은 다양한 소재⋅기술과 폭넓게 결합 되는 유연성을 보였고, 소재는 가공기술 선택을 제약하거나 반복적 조합을 형성하는 핵심 요소로 확인되었다. 일부 소재는 높은 중심성을 보여 다수의 색상⋅기술과 연결된 반면, 다른 소재는 제한적 적용성을 나타냈다. 또한 모듈러 리티 분석을 통해 유사한 가공 전략을 공유하는 조합군이 식별되어, 제품군별 설계 전략이나 공정 최적화로 확장될 수 있음을 시사한다. 전문가 인터뷰에서는 본 분석틀이 CMF 기획 및 실무 의사결정에서 활용 가능한 참조 지표로 평가되었으며, 향후 친환경 규제 대응, 산업군 비교, 제품군 사례 분석 등으로 확장 가능성이 제시되었다. 본 연구는 CMF 데이터를 구조 화하여 조합 경향을 객관적으로 이해하고, 디자인 실무에 적용 가능한 분석 도구를 제시한다는 점에서 학술적⋅실무 적 의의를 갖는다.

This study analyzed the impact of improvements to the driver’s license system for elderly drivers on the incidence of traffic accidents. As South Korea’s population ages, the number of licensed drivers aged 65 years and older has surpassed 4.5 million as of 2024, accounting for approximately 15% of all license holders. Traffic accidents involving elderly drivers have increased steadily and tend to be more severe than those involving younger drivers. In response, the Road Traffic Act was amended in 2019 to shorten the license renewal cycle for drivers aged 75 and older, mandate dementia screening, and require traffic safety education. This study compared traffic accident statistics before and after the policy change (2018 and 2023) and used consulting data from 617 elderly drivers to examine the relationships between driving time, frequency, distance, and potential accident risk factors using a negative binomial regression analysis. The results show that after the policy changes, the number of traffic accidents per 10,000 elderly drivers decreased by up to 20.4%, demonstrating the effectiveness of the reforms. Furthermore, increased driving time, frequency, and distance were all significantly associated with a higher accident risk, whereas older age was linked to fewer accidents, likely owing to self-regulation among elderly drivers. Policy recommendations include limiting continuous driving time to 60 min, encouraging regular breaks, enhancing tailored safety education, tightening license aptitude test standards, and supporting the adoption of advanced safety features in vehicles. This study is expected to contribute to the development of effective policies to reduce traffic accidents among elderly drivers and create a safer traffic environment.

본 연구는 정원문화의 확산과 농촌이주에 대한 대중의 인식을 빅데이터 기반으로 분석하여 농촌공간의 사회적·정서적 가치에 대한 시사점을 도출하고자 하였다. 최근 치유농업, 정신건강 증진, 농촌 정주 촉진 등 국가적 정책 흐름 속에서 정원과 농촌 이주가 어떻게 디지털 공간에서 담론화되고 있는지를 탐색하였다. 네이버와 다음의 블로그 및 카페로부터 2015년 7월부터 2024년까지 수집된 비정형 데이터를 대상으로 텍스트마이닝 기법을 적용하였다. 분석 방법으 로는 키워드 빈도분석, TF-IDF, N-gram 연결망 분석, Louvain 클러스터링, 감성분석을 활용하였 다. 분석 결과 귀농귀촌은 ‘교육’, ‘지원’, ‘주택’ 등의 제도적 기반에 대한 관심이 강하게 나타났 으며, 귀촌정원은 ‘꽃’, ‘전원주택’, ‘텃밭’ 등 정서적 만족과 자연 친화적 주거 환경에 대한 수요를 보여주었다. 농촌정원은 ‘체험’, ‘마을’, ‘자연’ 등 공동체 기반의 참여형 콘텐츠로 인식되 고 있었다. 클러스터 분석에서는 정책수혜형, 감성치유형, 공동체정착형, 예술창작형 등 다층적 인 귀농 및 정원 유형이 도출되었으며, 감성분석 결과 전체 텍스트의 80% 이상이 긍정적 감정을 나타내었다. 본 연구는 농촌 정원과 귀농귀촌 활동이 단순한 공간 활용이나 이주를 넘어 정서적 공감, 정책적 수혜, 문화적 창작의 플랫폼으로 기능하고 있음을 보여준다. 연구 결과는 향후 정원산업 진흥, 치유농업 활성화, 농촌 정주 정책 수립을 위한 기초자료로 활용될 수 있다.

Stroke is one of the major causes of death worldwide, and in Korea, it has the second highest mortality rate after cancer. Stroke patients require continuous observation and rehabilitation treatment after onset, and in particular, paralysis symptoms are likely to worsen during rehabilitation, emphasizing the need for a real-time monitoring system. Meanwhile, the importance of medical data quality control (QC) algorithms is increasing. In this study, various causes such as failure of sensors such as voltage, current, and temperature of the patient's imaging device diagnostic device, or power loss, may cause malfunctions and transmit inaccurate data. Therefore, in order to secure the reliability of the patient's imaging device diagnostic device data, we plan to design data analysis and algorithms based on QC data of the imaging device diagnostic device. In order to design data analysis and algorithms based on QC data, a system capable of measuring and analyzing sensor data of imaging device diagnostic equipment was built. The reference values of the algorithms to be developed, such as physical limit tests, continuity tests, step tests, median filter tests, and frequency distribution tests, were derived. Voltage, current, and temperature sensor data were statistically analyzed, and in the case of analysis that changes in real time, algorithm S/W was inserted to calculate in real time. It is judged that by monitoring in real time, efficient management and maintenance of the device, and rapid response to device failures will be possible. In the case of device failure, various accidents and high costs can occur. Therefore, if real-time failures are confirmed and rapid maintenance is possible, maintenance costs can be reduced and reliability can be improved, so it is judged that efficient management of the device will be possible.