Springtails (class Collembola) play a crucial role in soil ecosystems. They are commonly used as standard species in soil toxicity assessments. According to the ISO 11267 guidelines established by the International Organization for Standardization (ISO), Allonychiurus kimi uses adult survival and juvenile production as toxicity assessment endpoint. Conventional toxicity assessment methods require manually counting adults and larvae under a microscope after experiments, which is time-consuming and laborintensive. To overcome these limitations, this study developed a model using YOLOv8 to detect and count both adults and juveniles of A. kimi. An AI model was trained using a training dataset and evaluated using a validation dataset. Both training and validation datasets used for AI model were created by picturing plate images that included adults and larvae. Statistical comparison of validation dataset showed no significant difference between manual and automatic counts. Additionally, the model achieved high accuracies (Precision=1.0, Recall=0.95 for adults; Precision=0.95, Recall=0.83 for juveniles). This indicates that the model can successfully detect objects. Additionally, the system can automatically measure body areas of individuals, enabling more detailed assessments related to growth and development. Therefore, this study establishes that AI-based counting methods in toxicity assessments with offer high levels of accuracy and efficiency can effectively replace traditional manual counting methods. This method significantly enhances the efficiency of large-scale toxicity evaluations while reducing researcher workload.

This study evaluates how three AI models—ChatGPT, DeepSeek, and Clova X—detect and respond to gender-biased expressions in Korean. Clova X exhibited the highest accuracy in identifying discriminatory language, followed by ChatGPT, while DeepSeek performed the poorest. While terms like “kimchi girl” and “doenjang girl” were correctly recognized, phrases such as “female doctor” and “maiden work” were often misinterpreted. ChatGPT and DeepSeek occasionally provided inaccurate definitions, raising concerns about misinformation. Interestingly, DeepSeek performed best when interpreting sexist proverbs, although the overall differences across models were minor. All three models generally succeeded in recognizing biased expressions in conversational contexts, but DeepSeek struggled with non-standard sentence formats, leading to delays or missing responses. These results reveal current limitations in generative AI’s ability to process culturally specific and nuanced language. This study emphasized the need to incorporate more diverse Korean language data and up-to-date linguistic research in AI training. As generative AI tools become more integrated into everyday communication, improving their ability to detect and respond to gender biases is crucial for fostering fair and responsible language technologies.

인공지능(artificial intelligence, AI)은 분리막 개발에 중대한 영향을 미치기 시작하며 소재 설계 및 성능 최적화를 위한 새로운 접근법을 제시하고 있다. 본 총설에서는 머신러닝(machine learning, ML)과 딥러닝(deep learning, DL) 기술에 중점을 둔 AI 기반 분리막 개발의 최근 발전상을 조명하고 있다. 이러한 도구는 데이터 기반 예측을 가능하게 하고, 제조 공 정을 개선하며, 소재 발굴을 가속화한다. 데이터 품질, 모델 해석 가능성, 실험 검증과 같은 주요 과제도 제시한다. 또한, AI 통합의 미래 전망을 개괄하고, 가스 분리, 청정에너지, 환경 응용 분야에서 분리막기술에 혁명을 일으킬 수 있는 AI의 잠재력 을 강조한다.

본 연구는 인공지능(AI) 기술이 사주해석에 어떻게 적용되고 있는지를 분석하고, 인간 상 담가의 비교를 통해 그 가능성과 한계를 철학적·심리학적 관점에서 고찰하였다. 사주명리 학은 오행, 음양, 십신, 12운성 등의 상징체계를 통해 인간의 성격과 삶의 흐름을 해석하는 학문으로서, 현대 상담심리와도 통합 가능한 잠재력을 지닌다. AI는 정형화된 해석과 빠른 요약 제공에는 강점을 가지며, 초보 상담가나 일반 사용자에게 유용한 도구가 될 수 있다. 그러나 본 연구는 사례 분석을 통해, AI는 내담자의 정서, 생애 맥락, 상징적 깊이를 반영하 지 못하며, 공감과 직관을 요하는 인간중심 상담에는 한계가 있음을 제시하였다. 이에 따라 AI 기반 사주해석은 인간 상담가의 통찰을 보완하는 도구로 사용되어야 하며, 해석의 윤리 적 적절성과 데이터 보안 문제, 사용자 고지 필요성 등 제도적 장치 마련이 필요하다. 나아 가 AI 기술을 활용한 사주명리 상담 시스템이 다문화 및 심리학 기반 해석과 융합될 수 있 도록 교육적·기술적 개발이 요구되며, 이는 사주명리학이 상담도구로 확장하는 새로운 가 능성을 제시한다.

관상학(Physiognomy)은 오랜 역사에도 불구하고 경험적 검증의 부재로 미신 으로 치부되어 왔으나, 일부 실용 분야에서는 활발히 참조되어 이론과 실제 간의 괴리가 존재했다. 이에 본 연구는 ‘외형이 내면을 반영한다’는 관상학의 핵심 전제를 현대 통계 방법론으로 실증적으로 검증하고자, MBTI의 감정형 (F)-사고형(T) 유형과 관상학적 얼굴 특징 간의 상관관계를 분석하였다. 총 77 명의 참여자로부터 사진 데이터를 수집하여, 관상학 이론에 기반한 6가지 얼 굴 특징(눈 크기, 눈동자 크기, 코끝의 살, 입술 두께 등)을 전문가와 함께 5점 척도로 코딩하였다. 수립된 가설을 검증하기 위해 선형 및 로지스틱 회귀분석 을 적용하였다. 분석 결과, F/T 유형은 ‘눈길이’를 제외한 5가지 특징에서 유의미한 차이를 보였으며, 감정형(F) 집단이 더 큰 눈, 도톰한 입술 등을 갖는 경향을 나타냈 다. 또한, F/T 유형을 예측하는 로지스틱 회귀 모델(Pseudo R²=.462)에서는 ‘눈 동자 크기’, ‘코끝의 살’, ‘입술 두께’가 통계적으로 유의미한 핵심 예측 변수로 확인되었다. 본 연구는 관상학적 특징과 성격 유형 간의 실증적 연관성을 규 명함으로써, 관상학을 탈신비화하고 과학적 탐구의 대상으로 전환할 수 있는 가능성을 제시하며, 이는 관상학이 향후 심리학, 인공지능 등과 융합될 수 있 는 토대를 마련했다는 점에서 학술적 의의를 지닌다.

본 연구는 2022 개정교육과정에 신설된 고등학교 ｢인간과 경제활동｣ 교과서의 탐구 활동 에서 교육과정의 교수·학습의 방향이 제시하고 있는 다양한 학습 방법이 구현되고 있는지를 분석한 것이다. 인간과 경제활동 교육과정은 경제학의 기본 원리나 개념에 대한 설명보다는 학생들이 다양한 체험 활동을 통해 경제 문제를 자신의 삶과 생활에 적용하도록 하였다. 본 연구에서 ｢인간과 경제활동｣ 교과서가 교육과정에서 제시한 다양한 체험 활동을 구현했 는지에 대한 분석 결과는 다음과 같다. 우선, 교수·학습 방법 중 가장 많이 사용된 것은 미디어 활용 학습, 협동 학습, 토의·토론 학습 순으로 나타났다. 다음으로, 게임 학습, 프로 젝트 학습, 시뮬레이션 학습, 인공지능 활용 학습 등 기존의 경제 교과서에서는 잘 다루지 않았던 교수·학습 방법들이 새롭게 시도되었다. 마지막으로, 교육과정에서 제시한 지역사회 경제 전문가와의 협력 학습은 다루어지지 않았다. 향후 ｢인간과 경제활동｣ 교과서에서 시도 된 다양한 체험 활동의 학습 효과에 대한 연구를 통해 경제에 대한 학생들의 흥미를 고취할 수 있기를 기대한다.

오늘날 글로벌 영상 제작 산업은 AI(인공지능)의 발달로 영 화, 방송 드라마의 서사 이미지는 더 이상 인간의 창의적인 독 창성에만 의존하지 않는다. 이 근간은 최근 넷플릭스와 같은 OTT 플랫폼의 확대로 관객들의 획기적인 영상 이미지 욕구 증대와 빠른 기술변화 속도, 관련 전문인력의 노동 생산성 저 하에 따른 제한적인 기술, 우리 인간-관객의 특정 판타지 욕망 확장의 결과라고 말할 수 있다. 영화나 방송 드라마의 기초가 되는 이야기조차도 이미 헐리우드 뿐만 아니라 국내에서도 AI 를 활용한 작업들의 움직임이 활발하다. 특히 OTT 플랫폼들의 경쟁이 치열해짐에 따라 영상 콘텐츠의 차별성이 사업 성공에 큰 영향을 미치기 때문이다. 그래서 영화나 방송 드라마의 스 토리를 창작함에 있어, AI가 인간의 도구일 뿐 아니라 ‘창작자’ 로서의 역할에 대한 질문도 대두되었다. 인류에게 AI는 분리된 개체가 아닌 미래를 견인하는 중요한 요인임을 일상에서 쉽게 경험하고 있다. 이제 AI는 인간의 고유 영역이었던 창작까지 진출하였고, 지금 이 순간에도 진화는 계속되고 있다. ‘미디어는 인간의 확장이다.’라고 말하는 ‘마셜 매클루언’의 말 처럼 미디어는 인간의 오감과 뇌의 영역까지 확장해 왔다. AI 와 미디어는 자연스럽게 교차, 미디어 영상에 접목되어 우리의 삶 속에 더욱 깊숙이 밀착되어 있다. 본 고는 디즈니 플러스의 오리지널 드라마 <비질란테> 제작 의 미술 부분, 특히 동 작품의 리얼리티 향상을 위해 필요한 주요 소품인 ‘마스크’ 제작과정을 사례로, 미술감독이 생성형 AI의 창의성에 어느 정도 의존하면서 어떻게 활용했는지에 대 해 연구하였다.

본 연구는 미국 메트로폴리탄미술관 사례를 중심으로, 디지털 거버넌스가 문화정책 영역에서 문화 접근성 확대, 공공성 강화, 다문화 포 용을 실천하는 방식을 분석하는 것을 목표로 한다. 연구는 세 가지 방법을 통해 수행되었다. 첫째, 디지털 거버넌스 개념에 대한 관련 문헌 검토, 둘째, 미국 연방정부 및 문화기관의 정책 자료 분석을 통한 제도적 맥락 파악, 셋째, 미술관 디지털 운영 담당자 2인과의 심층 인터뷰를 통한 실무 현장 분석이다. 연구 결과, 메트로폴리탄미술관은 웹사이트 개편(2016), 디지털 부서 설립(2019), 오픈 데이터 및 인공지능(AI) 기 반 콘텐츠 큐레이션(2017–) 등 구체적인 디지털 전략을 통해 ‘유니버설’ 뮤지엄의 기관 정체성을 실현하고 있으며, 연방정부의 정책 기조와 지역적 장소성의 상호보완적 작용을 통해 디지털 거버넌스를 실천하고 있음을 확인했다. 디지털 거버넌스는 이 과정에서 단순한 기술적 도구 가 아니라, 문화의 해석과 참여 방식을 재구성하는 구조적 메커니즘으로 기능하였다. 본 연구는 궁극적으로 디지털 기술이 문화기관의 운영 전략 및 사회적 책무성과 결합하여, 새로운 문화 실천 패러다임 형성에 기여할 수 있음을 시사하며, 향후 다양한 국가 및 기관 간 비교 연구를 통한 연구 확장 가능성을 제안한다.

본 연구는 그리스 고고·미술사 분야에서 레거시 데이터의 디지털화와 인공지능(AI) 기술의 활용이 가져온 학술적 전환의 양상을 분석한 다. 주요 아카이브 및 데이터베이스/데이터뱅크의 구축 사례를 살펴보고, 이를 바탕으로 이루어진 융복합 연구의 성과를 소개한다. 특히 고대 마케도니아 벽화 복원, 금석문 해독, 탄화된 파피루스 해석 등 AI 기반 연구 사례를 검토하며, 데이터 편향, 해석의 불투명성, 윤리적 쟁점 등 기술 활용의 한계와 위험성을 비판적으로 고찰한다. 결론적으로, 디지털 및 AI 기술의 발전 속에서 국내 연구자가 전통적 학문 역량과 AI 리터러시를 어떻게 조화시켜야 하는지를 제시하며, 향후 고고·미술사 연구의 지속 가능성과 대응 전략을 모색한다.

교육 분야에서 생성형 인공지능 기술의 보급과 함께 중국 고등학생의 이용의도의 영향 요인에 관한 분석은 이론적 및 실무적 의의가 있다. 본 연구의 목적은 중국 고등학교 교육 환경에 적합한 모형을 구축하고 이용 의도의 영향 요인을 분석함으로써 교육 분야의 인공지능 응용을 위한 근 거 자료를 제공하는 데 있다. 정보시스템 성공 모형, UTAUT 모형과 사 회적 인지 이론을 기반으로 사회적 영향, 자기효능감, 신뢰, 의인화, 경 제적 저항과 관습적 저항 등을 활용하여 만족도와 이용의도를 포함한 모 형을 구축했다. 설문조사와 구조방정식 모델을 통해 실증분석을 진행했 다. 연구 결과에 따르면, 첫째 시스템 품질, 정보 품질과 서비스 품질은 만족도에 긍정적인 영향을 미쳤다. 둘째, 사회적 영향과 신뢰는 교사, 학 부모, 또래집단과 학교 규범을 통해 만족도를 높일 수 있다. 셋째, 자기 효능감, 의인화와 만족도는 이용의도에 긍정적인 영향을 미쳤으며 의인 화가 가장 큰 영향을 미쳤다. 넷째, 경제적 저항과 관습적 저항은 만족도 와 이용의도에 각각 부정적인 영향을 미쳤다. 본 연구는 고등학생 집단 을 대상으로 정보시스템 성공 모형의 적합성을 검증하고 감정적 및 문화 적 요소를 도입하여 교육 기술 수용 관련 연구 모형을 구축했다. 실무적 시사점으로 첫째, 시스템 성능과 감정적 인터랙티브 디자인을 최적화한 다. 둘째, 교사와 학부모의 영향을 강화하고 긍정적인 이용 분위기를 조 성한다. 셋째, 이용 장벽을 낮추고 교육 자원의 보급성을 높인다.

본 연구는 인공지능(AI) 기술의 발전이 음원 제작 시스템에 미치는 영향을 중심으로, 작곡, 편 곡, 믹싱, 마스터링의 핵심 제작 단계에서 인공지능 기술이 어떻게 적용되고 있는지를 체계적으로 분석하였다. 특히 뮤즈넷(MuseNet), 마젠타(Magenta), 수노(SUNO), 아이바(AIVA) 등 대표적인 인 공지능 작곡 도구의 기술 구조와 기능을 시대별로 비교함으로써, 음악 창작의 자동화 수준과 기술 적 한계를 실증적으로 조명하였다. 또한 하이브(HYBE), 에스엠(SM), 와이지(YG) 등 국내 주요 엔 터테인먼트 기업의 인공지능 기술 수용 사례를 통해, 산업 현장에서의 실제 활용 방식과 그로 인 한 제작 및 유통 시스템의 변화 양상을 분석하였다. 연구 결과, 인공지능은 음원 제작의 효율성과 확장성을 획기적으로 높이는 동시에, 콘텐츠 생산 방식과 산업 구조의 재편을 촉진하는 주요 요인 으로 작용하고 있음을 확인하였다. 본 연구는 이러한 변화를 바탕으로 향후 음악 산업이 나아가야 할 기술 통합 전략과 대응 방향에 대해 제언하고자 한다.

21세기에 태어난 최초의 세대인 알파세대(Generation Alpha)는 디지털 네이티브로서 스마트 기기, 소셜 미디어, 인공지능(AI) 등의 신기술 과 밀접한 관계를 맺고 있다. 본 연구는 알파세대의 특성과 이들이 처한 기술적 환경을 분석하고, 이들에게 효과적으로 복음을 전하기 위한 전략을 탐색한다. 알파세대는 출생부터 스마트폰, 태블릿, 인공지능 스피커 등과 함께 성장했으며, 소셜 미디어를 통해 정보 습득과 소통을 자연스럽게 익힌다. 이들은 글로벌 감각이 뛰어나며, 빠른 정보 소비와 시각적·경험적 학습을 선호하는 특징을 가진다. 그러나 기술 의존도가 높은 만큼 정보 과부하, 짧아진 집중력, 영적 관심 저하, 디지털 우상화 등의 위험에도 직면해 있다. 이러한 변화 속에서 전통적인 복음 전도 방식만으로는 알파세 대의 신앙 형성이 어렵기 때문에, 본 연구는 인공지능(AI), 빅데이터, 가상현실(VR), 증강현실(AR) 등의 기술을 활용한 맞춤형 전도 전략을 제안한다. 이를 통해 알파세대가 복음을 직관적으로 경험하고 능동적으로 참여할 수 있도록 돕는 새로운 복음 전도 모델을 제시하며, 한국 교회의 미래 선교 방향성을 제안하고자 한다.

이 연구는 노암 촘스키(Noam Chomsky)의 인공지능에 대한 비판적 시각과 이를 둘러싼 기술철학적 논의를 다룬다. 촘스키는 AI 시스템, 특 히 챗GPT와 같은 머신러닝 프로그램이 인간의 사고와 언어 사용 방식과 는 본질적으로 다르며, 인과적 설명을 생성하는 능력이 결여되어 있다고 주장한다. 그는 AI가 단순히 패턴 인식과 예측을 기반으로 작동하기 때 문에 진정한 지능을 지니고 있지 않다고 강조한다. 하지만, 이 논문은 AI와 인간 지능의 유사점과 윤리적 주체성 가능성을 칸트 철학과 연계하 여 촘스키의 주장을 반박하고자 한다. 챗GPT와 같은 인공지능 시스템은 인간의 뇌 구조와 기능을 모방한 딥러닝 모델을 사용한다. 이 모델은 다 층 신경망 구조를 통해 정보를 처리하며, 이는 인간 뇌의 뉴런 구조와 유사하다. 챗GPT는 문맥 이해, 기억, 학습 능력을 보여주며, 이는 인간 의 인지 과정과 비슷하다. 머신러닝 모델과 인간 뇌 사이에는 여전히 차 이가 있지만, 신경망칩 등 기술의 발전으로 그 간극이 좁혀지고 있다. 인 공지능의 인과 메커니즘은 인간의 두뇌나 학습 활동과 명확히 구별하기 어려워지고 있기에, AI가 인간과 유사한 학습 및 윤리적 행동을 보여줄 수 있음을 통해 자의식을 가질 수 있음을 밝히고자 한다.

본 연구의 목적은 한국과 일본의 외국인 유학생 정책을 저출산·고령화 및 지역 소멸 문제 대응이라는 관점에서 조망하여 비교·분석하고 우수한 외국인 유학생의 국내 정주를 높일 수 있는 실천 가능한 정책을 제안하 는 것이다. 이를 위해 관련 논문 및 연구보고서, 정부 부처 자료, 통계 자료 등을 분석하여 일본의 외국인 유학생 정책이 한국에 주는 시사점을 도출하였다. 한국은 그동안 다양한 외국인 유학생 유치정책을 시행한 결 과 양적인 성과는 나타났으나 외국인 유학생의 정주 측면에서는 한계를 보인다. 한국보다 앞서 저출산·고령화 문제를 경험한 일본은 인구 감소 와 지역 소멸 극복 방안 및 경제 성장 전략이라는 중장기적 관점에서 범정부 차원의 외국인 유학생 유치 및 정착 지원정책을 시행하여 우수 한 외국 인력을 선제적으로 확보하고 있다. 한국도 지역 소멸 위기에 대응하고 지속가능한 발전을 도모하기 위해 우수한 외국인 유학생의 국내 취업과 정주를 촉진할 수 있는 정책을 수립하고 시행해야 한다. 구직(D-10) 비자의 허용 기간 확대 및 취업 직종 제한 완화, 외국인 유 학생 대상 OPT 비자 신설, 인공지능(AI) 분야와 첨단전략산업 분야 전문 우수 인재 비자 발급 기준과 절차 완화 및 간소화, 지역특화형 비자 (F-2-R)의 발급 요건 완화 등을 제안한다. 본 논문은 한국의 외국인 유 학생 정책을 단순한 교육 정책 차원이 아니라 인구정책, 지역 균형 발전, 지속가능한 발전 전략과 연결하여 외국인 유학생의 정주를 위한 방안을 제시하고 있다는 점에서 의의가 있다.

정확한 선박 항적 예측은 선박의 충돌 회피 전략 수립과 자율운항 선박의 안전 운항에 중요한 요소이다. MMG(Maneuvering Modeling Group) 모델이나 CFD(Computational Fluid Dynamics)를 활용하여 선박 항적을 계산할 수 있지만, 계산을 위한 선박의 정확한 계 수등을 확보하는 것은 현실적으로 어렵다. 이에 대한 대안으로, LSTM(Long Short-Term Memory)과 같은 인공지능을 활용한 항적 예측 연 구가 진행되고 있다. 그러나 LSTM 단독으로는 선박의 복잡한 비선형적 움직임을 완벽히 예측하는데 한계가 있다. 예측 정확도를 향상 시키기 위해 본 연구에서는 STL-CNN-LSTM 하이브리드 모델을 제안한다. 이 모델은 STL (Seasonal and Trend decomposition using Loess)을 이용한 데이터를 분해하고, CNN(Convolutional Neural Network)을 활용한 데이터의 특징 추출, 그리고 LSTM을 통한 학습이 이뤄진다. 이 연구는 CNN-LSTM에 비해 얼마나 더 높은 항적 예측도를 보여주는지 비교 분석한다. 분석 결과, STL-CNN-LSTM 모델은 CNN-LSTM보 다 우수한 예측 성능을 보이며, 예측 오차는 1~5미터 범위 내에 있는 것으로 나타났다. 이러한 연구 결과는 정밀한 충돌 회피 전략 개 발에 기여할 수 있으며, 향후 연구에서는 실무 적용을 위한 충돌회피 모델의 설계 고도화 연구에 적용될 것이다.

Given the hazards posed by black ice, it is crucial to investigate the conditions that contribute to its formation. Two ensemble machinelearning algorithms, Random Forest (RF) and Extreme Gradient Boosting (XGBoost), were employed to forecast the occurrence of black ice using atmospheric data. Additionally, explainable artificial intelligence techniques, including Feature Importance (FI) and partial dependence Plot (PDP), were utilized to identify atmospheric conditions that significantly increase the likelihood of black ice formation. The machinelearning algorithms achieved a forecasting accuracy of 90%, demonstrating reliable performance. FI analysis revealed distinct key predictors between the algorithms: relative humidity was the most critical for RF, whereas wind speed was paramount for XGBoost. The PDP analysis identified the specific atmospheric conditions under which black ice was likely to form. This study provides detailed insights into the atmospheric precursors of frost/fog-induced black ice formation. These findings enable road managers to implement proactive winter road maintenance strategies, such as optimizing anti-icing patrol routes and displaying warnings on various message signs, thereby enhancing road safety.