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.

PURPOSES: In this study, algorithms were proposed for determining the crack condition of an asphalt pavement image using deep learning methods. METHODS: For the configuration of a deep learning network, the study used a Convolution Neural Network and You Only Look Once algorithms. To obtain input data for analysis, a camera was mounted on the bonnet of the vehicle to obtain images of asphalt pavement and to mark the ground-truth cracks in the asphalt pavement image. In addition, an algorithm suitable for the automatic determination function of Deep Learning was proposed in order to calculate the crack ratio and crack rating. RESULTS: The result of analysis showed that the recall rate of cracks in this system was higher from FPPW 5.0E-06 to 96.03%. Furthermore, the accuracy of the grading system was found to be 100%, enabling the determination of very accurate ratings. The rate of processing per image was 0.4448 seconds on average, and the real-time analysis of pavement images presented no problem because the assessment took place within a short time. CONCLUSIONS : Applying this system to the pavement management system is expected to reduce the time required in finishing work and to determine a quantitative crack rating.

This study examines the effects of learning conditions (implicit learning condition and explicit learning condition) and task types (comprehension and production task) on the learning of an easy rule (subject-verb inversion in the sentence with location adverbial) and a hard rule (pseudo-cleft clause). One hundred thirty first-year university EFL students with low proficiency were divided into four groups based on the combination of learning conditions and task types. After that, pre-and post-test data on the grammaticality judgement test and controlled written test were analyzed by using the two-way Multiple Analysis of Covariance (MANCOVA). Results showed that the effects of learning conditions are not statistically different on the comprehension of easy and hard grammatical rules whereas the explicit learning condition has more effects on producing easy and hard rules than the implicit learning condition does. They also revealed that the effects of task types are statistically different on the learning of an easy and a hard rule. In addition, production task has more effects on the learning of both an easy and a hard rule than the comprehension task. It could be suggested that the results of this study could be applied in designing more effective instructional condition for the EFL adult learners with low proficiency.

본 연구는 정교화이론을 기초로 개발된 단순화 조건법을 적용하여 지구과학 교과의 지질연대 단원에서 지질 단면도 해석에 대한 학습자료를 개발하고 개발된 자료의 수업에서의 효과를 알아보는 것이다. 이를 위하여 고등학교 1학년 학생들을 대상으로, 단순화 조건법을 적용한 수업과 체제적 과제분석 결과를 바탕으로 개발된 자료를 적용한 수업과의 비교 실험을 실시하고 학습자의 자기주도적 학습특성과 과학성취도에 미치는 영향을 분석하였다 연구의 결과를 바탕으로 얻어진 결론으로는, 단순화 조건법을 이용한 수업은 다른 자료를 활용한 수업에 비하여 학생의 자기주도적 학습특성과 학업성취도에서 모두 긍정적인 영향을 미친 것으로 나타났다 이러한 연구의 결과는 단순화 조건법에 따라 개발된 자료를 활용한 수업에서 핵심과제(epitome)의 제시는 학생들에게 새롭고 복잡한 학습과제를 간단하고 의미 있게 하며 이를 기존의 지식들과 연결시켜주는 역할을 한 결과로 생각된다.