This study investigates the seismic fragility of nuclear power plant (NPP) auxiliary structures by incorporating material aging deterioration into machine learning–based response prediction models. An artificial neural network (ANN) was developed using 17 seismic and material parameters, achieving high predictive accuracy (R2 = 0.96) while significantly reducing computational demands compared with conventional finite element analyses. By combining the ANN with Monte Carlo simulations, fragility curves for Motor Control Center (MCC) cabinet anchors were derived at resonance frequencies of 10 Hz and 15 Hz. Results indicate that equipment with higher resonance frequency (15 Hz) exhibits lower seismic vulnerability due to reduced sensitivity to dominant low-frequency seismic components. When material deterioration was introduced, fragility curves shifted toward lower ground motion intensities, reflecting increased failure probabilities and approximately 20% reduction in median seismic capacity. These findings highlight the necessity of considering aging effects in probabilistic seismic risk assessments and demonstrate the efficiency of ML-based surrogate models for quantifying long-term safety margins of NPP structures.

Purse seine fishing is a fishing method that involves surrounding a school of fish with a net and then closing the net at the bottom to prevent the fish from escaping. The success rate of purse seine operations is universally determined by the trajectory of the net shooting whether in large-scale, offshore, or coastal purse seine operations. The decision on where to shoot the nets and the movement of the surrounding vessels depends on the captain's or fishing master's judgment that is based on experience. Real purse seine operations must consider wind direction, currents, wave height, and the distribution of prey and other marine life making it challenging to cast a perfect circle or oval-shaped net, often relying on various shooting trajectories based on experience. Current purse seine operations involve both the main vessel and auxiliary boats, and the shooting trajectory is determined by various environmental factors like wind direction and sea conditions making it challenging to achieve a perfect cast. This comprehensive overview of the purse seine fishing industry and its practices in South Korea provides insights into the operational techniques and challenges faced by fishermen as well as the significant role of research in enhancing fishing operations and sustainability.

‘예측하기 어렵고 복잡한 세상’을 의미하는 VUCA 시대를 넘어, ‘취약하고 불안하며, 비선형적이고 이 해하기 어려운’ BANI 시대로 들어선 현대 조직 환경의 변화는 그 어느 때보다 새로운 도전을 요구하고 있다. 개인과 조직의 학습과 성장, 비즈니스 목표 달성 및 성과 창출을 지원하는 전략적 파트너로서 핵심 적인 역할을 수행하는 HRD 담당자들은 이러한 변화에 대응하기 위해 민첩한 전환을 이끌어야 한다. 동시에, 자신과 구성원의 경력개발을 함께 책임져야 하는 이중적 과제에 직면해 있다. 따라서 HRD 담당자가 생애주기에 따라 자신의 경력을 어떻게 관리하고 발전시켜 나가는지, 그 과정에서 어떠한 경험을 축적하 는지에 대한 탐색의 필요성이 제기된다. 이에 따라 본 연구는 Hurtz & Williams(2009)가 제시한 지속학습 활동을 중심으로 HRD 담당자의 경력개발 과정을 이해하고 심층적으로 탐구하는 것을 목적으로 한다. 이 를 위해 HRD 담당자들의 경험을 내러티브 탐구 방식으로 탐색하여, 이들의 경력개발 과정이 어떻게 전개 되었는지, 어떠한 특성과 의미를 지니는지 분석하였다. 목적 표집을 통해 다양한 산업군에서 HRD 업무를 수행하는 6인을 연구 참여자로 선정하였으며, 비구조화된 심층 면담 및 문헌 분석을 통해 구체적인 의미 를 해석하였다. 본 연구는 HRD 담당자의 개인적 경력개발에 대한 이해를 확장할 뿐만 아니라, 경력개발 을 지원하는 조직의 제도적·정책적 개선 방향을 제시하고 실질적인 발전에 기여할 것으로 기대한다.

본 연구는 교육취약 학생의 교육격차 해소를 위한 학습·정서멘토링 프 로그램을 실시하고 효과성을 검증하고자 하였다. 연구참여자는 초·중학교 재학 중인 교육취약 학생으로 실험집단 51명과 비교집단 48명으로 선정 하였다. 학습·정서멘토링 프로그램은 멘토와 함께 주 1회 60분, 20회를 실시하였다. 연구 결과, 학습·정서멘토링 프로그램에 참여한 실험집단의 학생들은 비참여 비교집단에 비해 학교적응, 학습동기, 자기효능감이 향 상되었으며 위축 및 우울·불안이 감소되었고 사전검사와 사후검사 점수 변화의 집단 간 차이가 통계적으로 유의하였다. 본 연구 결과를 바탕으 로 교육취약 학생을 위한 학습·정서멘토링 프로그램의 확대 적용 필요성 과 후속 연구를 위한 제언을 하였다.

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.

이 연구의 목적은 중국인 유학생의 한국어 학습에 대한 메타인지 능력 을 파악해 봄으로써 한국어 학습을 스스로 해야만 하는 학부생의 자기주 도적 학습 능력을 견인할 메타인지 활성화 방안을 모색해 보는 것이다. 이를 위해 학부의 특정 교과목의 중국인 수강생 102명의 학습 경험, 학 습 전략, 학습 성찰에 관한 서술형 응답을 수집하고, 문헌 검토를 통해 메타인지적 지식과 메타인지적 조절을 대범주로 설정한 후 개방 코딩 절 차를 통해 자료를 분석하였다. 분석 결과, 메타인지적 지식 측면에 비해 메타인지적 조절 측면이 상대적으로 부족한 것으로 나타났다. 따라서 중 국인 유학생의 한국어 학습에서는 다양한 학습 전략에 대한 지식 제공과 더불어 체계적인 전략 수립과 학습 방법 평가 능력을 함양할 수 있는 메 타인지 훈련이 필요한 것으로 보인다.

모빌리티 기기에 주로 사용되는 리튬 이온 배터리는 고장 시 심각한 인명 피해로 이어질 수 있어, 실시간으로 배터리의 건전성 상태 (State of Health, SOH)를 정확하게 추정하고 모니터링하는 것이 매우 중요하다. 본 논문에서는 TCN-GRU 하이브리드 딥러닝 신경망 기반 리튬 이온 배터리의 SOH 추정 방법을 제안한다. 제안한 모델은 모빌리티 온보드 시스템에 적용 가능하도록 배터리 관리 시스템 (BMS)에서 직접 측정 가능한 전류, 전압, 시간의 원시 데이터를 리샘플링하여 입력으로 사용하였다. 해당 입력 데이터는 과거와 현재 의 데이터만을 활용하여 학습하는 TCN 모델을 통해 국소적 용량 회복을 포함한 배터리 열화 과정에서 나타나는 비선형적인 특징을 효과적으로 추출함으로써 모델의 신뢰성을 향상시켰다. 추출된 특징은 GRU 모델에 입력되어 시간적 정보 및 패턴을 학습하며, 정밀 한 SOH 추정 결과를 도출하였다. 제안한 방법은 CALCE 배터리 열화 데이터를 기반으로 검증하였으며, 평가 지표인 MAE와 RMSE 는 모든 배터리 셀에 대해 각각 최대 0.55 및 0.7의 일관되고 우수한 성능을 보였다.

본 연구의 목적은 그림책 감정코칭 교육프로그램에 참여한 성인의 전환학습 경험을 심층적으로 이해하는 이론적 모형을 생성하는 것이다. 감정 억압과 소통 어려움을 경험한 성인 9명을 대상으로 심층 인터뷰를 진행하였으며 체계적 근 거이론에 따라 현상 이해 분석, 범주 관계성 분석, 이론 통합 분석의 3단계로 실 시하였다. 현상 이해 분석을 통해 18개의 범주가 추출되었고, 범주 관계성 분석 에서는 인과적·과정적·미시적-거시적 관계 분석을 통해 범주들 간의 관계성을 파악하였다. 이론 통합 분석에서는 핵심 범주인 ‘감정소통의 지혜’를 도출하고 전환학습 경험에 관한 이론적 모형을 제시하였다. 연구 참여자들의 전환학습 경 험은 갈등 인식, 탐색 참여, 관점 전환, 실천 적용, 통합 성장의 5단계 과정을 거 쳐 감정 억압에서 감정소통의 지혜로 전환되는 것으로 나타났다. 본 연구는 그 림책 감정코칭 교육프로그램을 통한 성인의 전환학습이 자신의 감정을 인식하 고 표현하는 능력을 개발하여 관계 환경에 능동적으로 적응하는 학습 모델임을 확인하였으며, 평생교육 현장에서의 활용 방안을 제시하였다.

이 연구의 목적은 팀기반 프로젝트 학습에서 AI 활용이 간호대학생의 AI 리터러시와 활용에 대한 인식, 학습경험에 미치는 효과를 분석하는 것이다. 연구 대상자는 G광역시 A대학교 창의융합 교과를 수강한 1학년 174명이다. 팀기반 프로젝트 학습전·후 AI 리터러시 변화를 측정하였으 며, AI 학습경험에 대한 양적 분석과 의미연결망 분석을 실시하였다. 연 구결과는 다음과 같다. 첫째, AI 리터러시의 개념, 실제, 영향 영역에서 통계적으로 유의한 향상이 있었다. 둘째, 연구참여자의 93.7%가 AI 활용 이 문제해결 과제 수행에, 88.8%가 질문 능력 향상에 도움이 되었다고 응답하였다. 셋째, 의미연결망분석에서 학생들은 AI 활용의 장점으로 '정 보', '빠르게', '아이디어' 등을 핵심 키워드로 인식하였고, 어려운 점으로 는 '정보', '답변'과 관련된 '출처', '신뢰성', '정확성' 문제를 제기하였다. AI 활용 팀기반 프로젝트 학습은 간호학생의 AI 리터러시를 효과적으로 향상시키고 긍정적인 학습경험을 제공하였다. 그러나 AI가 제공하는 정 보의 신뢰성과 정확성에 대한 우려, AI에 대한 과도한 의존성 등의 문제 점도 확인되었다. 이러한 결과는 향후 간호교육에 AI를 적용할 때 고려 해야 할 시사점을 제공한다.

이 논문은 19세기부터 20세기 초까지 서양인이 중국 속담을 기록한 문헌과 서지적 특징을 살펴보고, 서양인들이 주목한 중국 속담의 가치와 효용을 분석함으로써 당시 중국 속담이 수행한 역할을 규명한다. 초기 선교사와 외교관, 작가들은 속담을 중국어 학습에 활용할 수 있는 최적 의 제재로 인식하여 중국어 교재에 수록하였으며, 19세기 중반 이후부터 폴 페르니, 윌리엄 스카보로, 브라이언 브라운 등은 속담집을 전문적으로 편찬하면서 중국어 원문과 영어 번역문을 병렬하거나 주음을 덧붙여 학 습 효과를 강화했다. 잡지도 역시 학습의 효과를 함께 고려했기 때문에 동일한 형식으로 출현했다. 반면, 견문록에서의 중국 속담에 대한 기록은 서양에 중국 문화를 알리는데 초점을 두었기 때문에 영어 번역문만 실렸 다는 점이 상이하다. 서양인은 중국 속담의 풍부함, 운율미, 그리고 지혜 에 주목하여 중국인의 문화를 이해하는 통로로 활용했다. 속담집의 상당 수는 선교사에 의해, 그리고 선교 단체를 통해 출판되었으며, 설교에 적 극 활용되었다. 따라서 중국 속담 기록은 단순한 문화적 호기심이나 언 어 학습을 넘어, 기독교적 목적이 투영된, 언어 학습· 문화 이해· 선교가 교차하는 지점에서 형성된 복합적 결과물이라 할 수 있다.