본 연구의 목적은 네팔 학부생의 정서지능, 자기효능감, 학습몰입과 대 학생활적응 간의 영향을 규명하고, 정서지능과 대학생활적응의 관계에서 자기효능감과 학습몰입의 매개효과를 분석하는 데에 목적이 있다. 이를 위해 경기 북부 지역 대학에 재학 중인 네팔 학부생 230명을 대상으로 연구를 실시하였다. 구조방정식 모형을 설정하였으며, 측정모델과 구조모 델로 구분하여 각각 모델의 적합 여부와 경로계수의 효과성을 검증하였 다. 연구 결과 네팔 학부생의 정서지능이 높을수록 자기효능감이 높아졌 고, 정서지능은 학습몰입에 직접적으로 유의미한 영향은 미치지 않는 것 으로 나타났다. 또한 자기효능감이 높을수록 학습에 대한 몰입도가 높아 졌으며, 학습에 대한 몰입도가 높아질수록 대학생활적응을 잘하는 것으 로 나타났다. 마지막으로 정서지능과 대학생활적응 간의 관계에서 자기 효능감의 매개효과를 검증한 결과 유의미한 매개요인임이 확인되었지만 학습몰입의 매개효과를 검증한 결과 유의미하지 않는 것으로 나타났다. 본 연구 결과를 통해 네팔 학부생의 대학생활 적응을 위한 다각도의 지 원책이 필요함을 제언하였다.

PURPOSES : In this study, the existence of an optimal pattern among transition methods applied during changes in traffic signal timing was investigated. We aimed to develop this pattern into an artificial intelligence reinforcement-learning model to assess its effectiveness METHODS : By developing various traffic signal transition scenarios and considering 19 different traffic signal transition situations that can be applied to these scenarios, a simulation analysis was performed to identify patterns through statistical analysis. Subsequently, a reinforcement-learning model was developed to select an optimal transition time model suitable for various traffic conditions. This model was then tested by simulating a virtual experimental center environment and conducting performance comparison evaluations on a daily basis. RESULTS : The results indicated that when the change in the traffic signal cycle length was less than 50% in the negative direction, the subtraction method was efficient. In cases where the transition was less than 15% in the positive direction, the proposed center method for traffic signal transition was found to be advantageous. By applying the proposed optimal transition model selection, we observed that the transition time decreased by approximately 70%. CONCLUSIONS : The findings of this study provide guidance for the next level of traffic signal transitions. The importance of traffic signal transition will increase in future AI-based traffic signal control methods, requiring ongoing research in this field.

본 연구는 원격수업 상황에서 대학생이 지각한 원격수업의 질, 학업적 자기효능감, 무형식 학습, 학습 성과 간의 구조적 관계는 어떠한지 검증하고자 하였다. 이를 위해 한 학기 이상 원격수업에 참여한 경험 이 있는 국내 대학생을 대상으로 온라인 설문을 시행하였고 총 313명의 자료를 최종 분석에 활용하였다. 주요 연구결과를 요약하면 다음과 같다. 첫째, 대학생의 원격수업 학습성과에 직접적인 영향을 주는 요인 은 원격수업의 질과 무형식 학습이었고, 학업적 자기효능감은 직접적인 영향을 미치지 않았다. 둘째, 원격 수업의 질은 학업적 자기효능감을 통해 무형식 학습에 영향을 미치고, 무형식 학습은 학습 성과에 영향을 미치는 경로에서 부분매개효과가 있었다. 마지막으로 원격수업의 질과 학습성과의 관계에서 학업적 자기 효능감과 무형식 학습의 이중매개효과를 확인하였다. 이 연구 결과는 원격수업 환경에서 대학생들의 학습 성과와 관련된 변수들의 구조적 관계를 분석하고, 학업적 자기효능감과 무형식 학습의 단순 및 이중 매개 효과를 검증하는 데 중요한 의의가 있다. 이를 바탕으로 향후 대학교육에 있어서 원격수업의 활용과 적용 에 대한 시사점 및 후속 연구 방향을 제안하고자 하였다.

Block pavements are widely used in various infrastructures, offering durability and aesthetic appeal. However, assessing their condition through manual methods is resource-intensive and subjective. This study proposes a deep learning approach using the Hybrid TransUNet model to enhance the accuracy and efficiency of detecting block pavement distresses. A dataset of over 10,000 images was used to train and test binary and multiclass segmentation models, significantly improving detection accuracy. The results show that the Hybrid TransUNet model outperforms other models, though challenges in detecting certain distress types like cracks persist.

병충해의 조기 발견과 그에 따른 조치의 중요성은 농업 및 생태계 보전에 있어서 핵심적이다. 그러나 초기에는 일반적인 카메라나 센서로는 변화의 정도를 관측하기 어렵다. 이러한 한계를 극복하기 위해 초분광 모듈을 활용하여 파장대별 식 물 데이터를 관측함으로써, 딥러닝 모델을 통해 가로수 식생의 건강 상태를 판별, 병충해 여부를 초기에 확인 가능하다. 이를 통해 조기에 병충해에 대해 조치함으로써 더 큰 피해를 방지할 수 있다. 이러한 접근 방식은 농업 및 생태학 분야 에서 식물의 건강을 모니터링하고 보전하는 데 적극적으로 연구되고 있다.

국내 콘크리트 구조물의 노후화가 진행됨에 따라 안전관리를 위한 효과적인 보수 및 보강이 요구되고 있다. 특히, 교량 바닥판은 교통하중과 염화물 침투 등 다양한 유해환경에 직접 노출되어 지속적인 열화가 발생하고 있다. 국내외에서는 교량 바닥판 유지보수 의사결정을 위해 비파괴 조사 방법 중 하나인 지표투과레이더(Ground Penetrating Radar, GPR) 탐사가 주로 활용되고 있다. 차량형 다채널 GPR 장비를 통해 취득된 방대한 양의 탐사자료는 해석하는 데 많은 시간이 소요되며 분석가의 주관이나 숙련도에 따라 해석결과가 달라질 수 있다. 이러한 문제를 해결하기 위해 최근에는 딥러닝 (Deep Learning) 기반의 GPR 자료해석 기법들이 제안되고 있다. 본 연구에서는 교량 바닥판 상태 평가 작업 효율 향상 을 위해 딥러닝 기반 GPR 자료해석 기법을 적용하였다. 현장자료 예제로는 영동대교 정밀안전진단 과업에서 교량 바닥 판 상태조사를 위해 취득한 GPR 자료를 사용하였으며 딥러닝 기법 적용 결과를 분석가의 해석결과와 비교하여 예측 성 능을 평가하였다.

Evaluating the performance of asphalt concrete using CT scanning has become an essential area of research due to its potential to revolutionize the way we assess road materials. Traditional methods often require destructive sampling, which can damage infrastructure and offer limited insight into the material's internal structure. In contrast, CT scanning provides a non-destructive, highly detailed analysis of asphalt's internal features, such as air voids, aggregate distribution, and binder coverage, all of which are critical to its durability and performance. Additionally, the ability to create 3D models from CT scans allows for deeper insights into factors like void connectivity and aggregate bonding, which directly affect the lifespan of pavements. By combining CT imaging with advanced data processing techniques, such as deep learning, this research offers more accurate and reliable methods for optimizing asphalt mix designs, ultimately leading to longer-lasting roads, reduced maintenance costs, and more sustainable construction practices.

This study explores the integration of ChatGPT, OpenAI’s conversational AI, into English as a Foreign Language (EFL) classrooms at Korean universities, focusing on student interactions and language learning strategy preferences. It categorises interactions using the Strategy Inventory for Language Learning (SILL) and Strategic Self-Regulation (S2R) frameworks to evaluate the pedagogical effectiveness of AIassisted learning. Ninety-nine university students participated in training sessions with ChatGPT prompts tailored to different learning strategies. Data were collected through surveys, chat transcripts, and qualitative feedback. Results indicate frequent student interactions with ChatGPT, averaging 4.49 strategies in initial training chats. Compensatory strategies like error correction and adaptive difficulty received high ratings, while social strategies were rated lowest. Metacognitive strategies, especially planning and summarising, were also well-received. The study concludes that ChatGPT supports diverse learning strategies, enhancing linguistic competence and promoting self-regulated learning. However, limitations such as AI accuracy and authenticity issues highlight the need for continued human interaction in language education.

This study develops a model to determine the input rate of the chemical for coagulation and flocculation process (i.e. coagulant) at industrial water treatment plant, based on real-world data. To detect outliers among the collected data, a two-phase algorithm with standardization transformation and Density-Based Spatial Clustering of Applications with Noise (DBSCAN) is applied. In addition, both of the missing data and outliers are revised with linear interpolation. To determine the coagulant rate, various kinds of machine learning models are tested as well as linear regression. Among them, the random forest model with min-max scaled data provides the best performance, whose MSE, MAPE, R2 and CVRMSE are 1.136, 0.111, 0.912, and 18.704, respectively. This study demonstrates the practical applicability of machine learning based chemical input decision model, which can lead to a smart management and response systems for clean and safe water treatment plant.

Based on the motivation theories, we postulated that interest in learning languages influences the self-efficacy beliefs of students about their capabilities as second/foreign language (L2) English learners. This study examined the longitudinal causal relation between affective interest and cognitive self-efficacy in the L2 motivational context using the Gyeonggi Education Panel Study (GEPS) data from South Korea. A secondary school student sample from 2015–2020 GEPS over six years comprised 6,314 students (3,189 males and 3,125 females). Using a parallel growth model (PPM) with Mplus 8.4, the results indicated that the initial level and growth rate of L2 English interest positively predicted L2 English self-efficacy. Subsequently, the initial level of L2 English interest exhibited a negative cross-effect on the growth rate of L2 English self-efficacy. Finally, the sequential causal effect of L2 English interest on self-efficacy was found across the six-year period. The findings are discussed in terms of the pedagogical implications in English learning and teaching practices and further research.

최근 딥러닝은 자기공명영상 검사에서의 화질 개선을 위해 다양하게 활용되고 있다. 하지만 다양한 자기공명영상 검사에서 딥러닝이 적용된 기법과 상황에 대한 평가는 부족한 편이다. 이에 본 연구에서는 모션 ACR(American College of Radiology) 팬텀을 활용하여 일반적인 상황과 움직이는 상황에서 T2-PROPELLER(periodically, rotated overlapping parallel lines with enhanced reconstruction, PROPELLER)와 T2-FSE(fast spin echo, FSE) 기법의 화질을 비교 평가해 보고자 하였다. 연구 결과 움직이지 않는 상황에서의 딥러닝 프로세스를 적용하였을 때 유의미한 신호대잡음비와 대조대잡음비의 상승을 보였다. 하지만 팬텀에 움직임을 주는 동적인 상황 에서 딥러닝 프로세스를 적용하였을 때 유의미한 화질 개선을 보이지 않았다. 이러한 결과는 딥러닝 프로세스를 절대 적으로 사용하기보다 다양한 상황에 맞게 선택적으로 적용하는 것이 필요할 것으로 사료된다.

To identify effective methods for boosting incidental vocabulary learning, this study examines the impacts of two tools—bimodal presentation (BP) and lexical elaboration (LE)—on vocabulary acquisition through repeated encounters with target words during meaning-focused reading. In a quiet and comfortable place conducive to full concentration on reading comprehension, 80 L2 learners of English were assigned to one of four treatment groups (BP+LE+, BP+LE-, BP-LE+, and BP-LE-) and individually read three reading passages where target words appeared four times. Surprise posttests assessed meaning recognition and meaning recall. The results of this ecologically valid experiment show significant vocabulary learning through reading, with BP notably enhancing meaning recall. Although the main effect of LE was non-significant, LE was also significantly effective for both meaning recognition and meaning recall if it was noticed by participants. These findings suggest that BP and LE can serve as valuable tools for promoting vocabulary acquisition during meaning-centered reading.

본 연구에서는 호흡동조화기법의 대안으로 딥러닝 자유호흡기법에서 b-value 별 겉보기확산계수 값을 평가하고 확 산강조영상과 겉보기확산계수 지도의 해부학적 일치성을 분석하여 적절한 여기횟수 값을 알아보고자 하였다. 연구 방법은 2023년 7월부터 2024년 1월까지 간 자기공명영상 검사가 의뢰된 성인 남녀 35명을 대상으로 하였고 사용 장비는 Magnetom Skyra 3.0T(Siemens, Germany)를 이용하였다. 자유호흡기법의 비교를 위해 b-value 50, 400, 800(s/mm2)의 여기횟수를 각각 딥러닝 호흡동조화기법에서 2,3,4으로 딥러닝을 이용하지 않은 일반 자유호 흡기법에서 4,6,8으로 검사하였다. 딥러닝을 추가한 일반 자유호흡기법에서는 1,2,3 여기횟수, 2,3,4 여기횟수, 3,5,6 여기횟수, 4,6,8 여기횟수로 변화하였다. 연구 결과 딥러닝 자유호흡기법에서 간의 좌엽과 우엽, 담낭의 평균 겉보기확산계수 값은 딥러닝 호흡동조화기법과 비교하여 모두 통계적 유의성을 확인하였다. 한편 정성적 평가의 해 부학적 일치성을 분석한 결과 딥러닝 자유호흡기법의 3,5,6 여기횟수와 4,6,8 여기횟수에서 가장 높은 점수를 얻었 으며 검사 시간에서는 딥러닝 호흡동조화기법과 비교하여 약 51%, 40% 감소하였다. 따라서 간 진단에 있어 딥러닝 자유호흡기법에서 b-value 별 적절한 여기횟수 값을 이용한다면 겉보기확산계수 지도의 정확도 유지와 함께 검사 시간을 감소시킬 수 있어 임상적으로 유용한 검사가 될 것으로 사료된다.

본 연구에서는 교육적 성취의 기회를 제공하고자 항공서비스학전공 대 학생이 인식한 현장학습 프로그램 속성이 학습만족, 학업적 자기효능감, 학업지속의도에 미치는 영향관계를 확인하고자 하였다. 분석을 위해 현 장학습 프로그램을 경험한 항공서비스전공 대학생을 대상으로 설문을 실 시하였으며, 총 250부를 최종분석에 사용하였다. 분석결과, 첫째, 항공서 비스전공 대학생이 인식한 현장학습속성의 하위요인인 즐거움, 교육성과 는 학습만족에 긍정적인 영향관계를 나타냈다. 그러나 동반만족과 이탈 감의 요인은 학습만족에 유의한 영향관계를 확인하지 못하였다. 둘째, 학 습만족은 학업적 자기효능감에 긍정적인 영향을 나타냈다. 셋째, 학업적 자기효능감은 학업지속의도에 긍정적인 영향을 나타내는 것으로 확인되 었다. 이러한 연구결과를 통해 효율적인 현장학습 프로그램 운영 방안을 마련하기 위한 근거자료가 되길 기대한다.

STEM(Science, Technology, Engineering, and Mathematics) 분야의 교육은 이 론적 지식뿐만 아니라 실용적 기술과 혁신적 사고를 필요로 하는 현장 환경에 대비하여 학습자들을 준비시켜야 한다. 이를 위한 방법 중 하나 로 교육을 통해 습득한 지식과 기술을 다른 맥락으로 적용하는 학습전이 가 강조된다. 이에 본 연구는 능동적 학습 참여, 고차원적 사고, 실무 능 력을 배양할 수 있는 플립러닝 교수법을 활용하여 다차원 학습자 수업참 여가 학습전이에 미치는 인과관계에서 지식공유태도와 학습자 효능감의 효과에 대한 메커니즘을 살펴보고자 하였다. K대학 응용화학과 학생을 대상으로 한 연구결과는 첫째, 정서적, 행동적 참여는 학습전이에 정(+) 의 영향을 미치는 것으로 나타났다. 둘째, 행동적 수업참여와 학습전이 간의 관계에서 지식공유태도가 부분매개를 하는 것으로 나타났다. 마지 막으로 학습자 효능감은 인지와 정서적 수업참여와 학습전이 간의 관계 에 대해 조절효과를 보였다. 이러한 연구결과를 통해 학습자 수업참여는 지식공유태도를 통해 학습전이가 되는 것으로 알 수 있으며, 학습자 효 능감이 학습자 수업참여와 학습전이 간의 관계를 조절한다는 것을 알 수 있다.

Many school buildings are vulnerable to earthquakes because they were built before mandatory seismic design was applied. This study uses machine learning to develop an algorithm that rapidly constructs an optimal reinforcement scheme with simple information for non-ductile reinforced concrete school buildings built according to standard design drawings in the 1980s. We utilize a decision tree (DT) model that can conservatively predict the failure type of reinforced concrete columns through machine learning that rapidly determines the failure type of reinforced concrete columns with simple information, and through this, a methodology is developed to construct an optimal reinforcement scheme for the confinement ratio (CR) for ductility enhancement and the stiffness ratio (SR) for stiffness enhancement. By examining the failure types of columns according to changes in confinement ratio and stiffness ratio, we propose a retrofit scheme for school buildings with masonry walls and present the maximum applicable stiffness ratio and the allowable range of stiffness ratio increase for the minimum and maximum values of confinement ratio. This retrofit scheme construction methodology allows for faster construction than existing analysis methods.

This is a case study of tandem learning using a metaverse platform in a Vietnamese-Korean language course. It aimed to explore more efficient foreign language teaching methods beyond traditional approaches. To achieve this, the study provides an in-depth look at the course structure that incorporated tandem learning, the interactions between learners on the metaverse platform, and survey results reflecting their learning experiences and perceptions of this particular approach. This study is significant in that it provided a new learning environment using the metaverse, enabling more active participation from learners. It also integrated the tandem learning method, which allows learners to actively participate in the mutual language acquisition process as both target language learners and as instructors or experts of the partner’s target language. Furthermore, the study is meaningful for its specific attempt to design tandem learning classes using the metaverse, particularly for Vietnamese-Korean classes.

Dynamic responses of nuclear power plant structure subjected to earthquake loads should be carefully investigated for safety. Because nuclear power plant structure are usually constructed by material of reinforced concrete, the aging deterioration of R.C. have no small effect on structural behavior of nuclear power plant structure. Therefore, aging deterioration of R.C. nuclear power plant structure should be considered for exact prediction of seismic responses of the structure. In this study, a machine learning model for seismic response prediction of nuclear power plant structure was developed by considering aging deterioration. The OPR-1000 was selected as an example structure for numerical simulation. The OPR-1000 was originally designated as the Korean Standard Nuclear Power Plant (KSNP), and was re-designated as the OPR-1000 in 2005 for foreign sales. 500 artificial ground motions were generated based on site characteristics of Korea. Elastic modulus, damping ratio, poisson’s ratio and density were selected to consider material property variation due to aging deterioration. Six machine learning algorithms such as, Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Artificial Neural Networks (ANN), eXtreme Gradient Boosting (XGBoost), were used t o construct seispic response prediction model. 13 intensity measures and 4 material properties were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks present good prediction performance considering aging deterioration.

본 연구는 중국 수채화 전공 대학생의 정서불안감과 학업성취도 간의 관계에서 학습동기와 학습몰입의 매개효과를 살펴보고자 한다. 이를 위 해 중국 후베이성, 산동성, 헤이룽장성에 소재한 수채화 전공 대학생 574명을 통해 설문지를 수집하였다. 수집된 설문지는 SPSS WIN 22.0 프로그램과 AMOS 프로그램을 이용하여 수행하였다. 이를 통해 대학생 들의 정서불안감을 야기시킬 수 있는 환경들을 제한하고 학업성취도를 높일 수 있는 다양한 정책과 적절한 지원책을 마련하는데 필요한 기초정 보를 제공하고자 하는데 목적이 있다.