본고는 미국 대외정책의 맥락에서 트럼프 2기 행정부의 AI 정책 방향 을 보다 체계적으로 조망해볼 필요가 있다는 문제의식에서 출발한다. 미 대통령이 정책 방향을 제시할 때 활용하는 대표적 수단은 연두교서와 대 통령 행정명령(Executive Order)이다. 특히 트럼프 1기 행정부 초반 3 년간 서명한 행정명령이 137건에 이를 정도로 트럼프 대통령은 행정명령 을 적극적으로 활용했다. 아울러 국가안보전략(NSS)과 같이, 대통령실 차원에서 발표되는 전략문서도 미 정부의 정책방향을 파악하는데 도움이 된다. 트럼프 1기 행정부 대통령 및 대통령실 차원에서의 AI 관련 내용 을 담은 문서로서는 우선 백악관 명의로 발표된 국가안보전략(2017.12.) 이 있다. 동 전략은 미국의 번영과 안보라는 측면에서 AI 이슈를 언급하 였다. 2019년 2월 발표된 연두교서에서 트럼프 대통령은 미래 첨단 산업 투자의 중요성을 역설하였다. 같은 달 트럼프 대통령은 AI 관련 행정명 령 제13859호를, 대통령실 과학기술정책실(OSTP)은 동 행정명령에 기초 해 “미국 AI 이니셔티브(American AI Initiative)”를 발표했다. 이후 2019년 6월 대통령실 산하 국가과학기술위원회는 “국가 AI R&D 전략계 획"을 발표했다. 이 일련의 문서들은 '미국 우선주의'에 기초하여, AI 분 야의 정책을 구체화해 나간다는 동일한 맥락 속에 있다. 상기 1기 트럼 프 행정부의 AI 정책 관련 문서를 검토한 본고의 논의는, 2기 트럼프 행 정부의 AI 정책을 조망하는데 함의를 제공한다.

본 연구는 기술수용모델(TAM), 컴퓨터 사회적 행위자 이론(CASA), 그 리고 자극-유기체-반응(S-O-R) 모델을 종합적으로 활용하여, AI 기반 디지털 휴먼 투어 가이드의 ‘신기술적 속성’과 ‘사회적 행위자 특성’이 문화관광 맥락에서 방문객의 감정적 경험 및 문화적 정체성 형성에 어떻 게 작용하는지를 규명하였다. 이를 위해 현장 조사와 온라인 설문을 통 해 총 436부의 유효 표본을 확보하고, 구조방정식 모형과 매개분석을 실 시하였다. 연구 결과, 지각된 기술적 새로움(technological novelty), 신 뢰도(credibility), 인간적 특성(anthropomorphism), 그리고 행위성 (agency)은 모두 방문객의 감정적 경험을 유의미하게 높이는 것으로 나 타났으며, 이는 직·간접적으로 문화적 정체성을 강화하는 데 기여하였다. 반면 지각된 지능적 우위(intelligent advantage)는 통계적으로 유의한 영향이 확인되지 않아, 경험 중심의 맥락에서는 순수하게 합리적인 기술 적 특성만으로는 충분한 방문객 공감을 이끌어내기 어렵다는 점이 시사 되었다. 본 연구는 S-O-R 모델 내에서 감정적 경험의 매개 역할을 부각 함으로써, TAM 및 CASA 이론의 적용 범위를 확장하였다. 또한 실무적 으로는 AI 기반 투어 가이드 디자인 시 새로움, 신뢰도, 인간적 특성, 그 리고 상호작용적 행위성을 강조함으로써 방문객의 감정적 몰입과 문화적 태도를 제고할 수 있음을 제안한다.

최근 생성형 인공지능을 이용한 딥페이크는 타인의 얼굴과 목소리를 사용하기만 하는 것에 그치지 않고, 타인의 얼굴과 목소리를 이용해 그 가 실제 한 적도 없는 행위를 한 것처럼 허위로 꾸밈으로써 상당한 사 회문제를 야기하고 있다. 얼굴과 목소리는 인격을 구성하는 중요 요소라 할 수 있으나, 형법은 아직까지 얼굴과 목소리를 독자적 법익으로 보호하고 있지는 않다. 물 론 현재 문제되고 있는 ‘딥페이크 사건’ 대부분은 타인의 얼굴과 목소 리를 무단으로 사용해 왜곡된 이미지를 창출하고, 그렇게 왜곡된 이미 지를 이용함으로써 다른 법익을 침해하는 양상으로 전개되는 모습을 보이며, 이는 현행법 체계에 어렵지 않게 포섭된다. 다만 현행 법체계 에 포섭되지 않는 행위양상도 충분히 예상해 볼 수 있으므로, 본 글에 서는 딥페이크에 관한 각론적 접근을 넘어 총론적 차원에서 인격적 법 익의 일부로서 이른바 얼굴과 목소리에 관한 권리를 새로운 형법법익 으로 인정할 여지는 없는지를 인격적 법익론 관점에서 살펴보았다.

지금 우리의 시대를 지칭하는 용어로 얼마 전까지 사용하던 4차산업혁명시 대보다 ‘AI 시대’가 더 적합한 것으로 보인다. 4차산업혁명의 기술적 변화 가 운데 가장 직접적이고 가시적으로 그 변화를 체감하게 하기 때문이다. 이전에 도 기존의 기보(棋譜)를 암기, 학습하던 수준에서 스스로의 수(手)를 찾아낸 AlphaGo처럼, 특정 분야에서의 활용 위주로 설계된 AI들도 상당한 능력을 보여준 바 있다. 하지만 이렇게 특정 분야에 특화된 것이 아니라, 다양한 목 적에 적용될 수 있는 범용인공지능이 그 학습속도와 역량이 역시 비약적으로 발전되어 스스로 질문하고 답하는 단계에 이른다면 그 영향력은 무엇을 상상 하든 그 이상이 될 것이다. 물론 GPT, 라마(LLaMA) 등 범용인공지능의 능 력이 개발사 혹은 그 추종자들이 홍보, 찬양하고 있는 것만큼 발전되어 있는 가에 대한 의문도 있다. 또한 기술적 진보를 중시하고 그에 의한 부작용 역시 기술적으로 극복가능할 것이라고 보는 낙관론자와 달리 기술적 진보가 가져 올 부작용을 두려워하는 비관론자 혹은 그 과도기적 상황에서 나타날 문제를 더 크게 보는 사람도 있다. 그리고 부인하기 힘든 것은 우리가 가진 미래에 대한 인상은 앞선 시대에 예술적 천재들이 미리 엿보고 와서 그려낸 기술적 dystopia가 그려진 영화, 드라마, 소설의 영향에서 자유롭지 못하다는 점이 다. 지금의 기술적 진보수준을 정확하게 평가하기 어렵고, 그 미래는 더더욱 예측하기 힘든 나의 입장에서 더 크게 보이는 것은 기술적 진보가 해결해줄 문제들보다 기술적 진보가 초래하는 새로운 문제들이다. AI와 관련된 문제는 앞으로도 오랫동안 우리 시대의 화두가 될 것으로 보 인다. 그러나 적어도 지금의 단계에서 AI는 막연한 두려움이나 기대의 후광 으로 인해 그 정확한 실체를 알아보기 힘들다. 또한 하루가 다르게 발전하는 관련 기술의 진보에 따라 오늘의 논의는 내일의 문제를 해결하기 위해서 무 용(無用)해지기 십상이다. 지나친 공포로 인해 관련기술의 발전을 억제하는 것도, 막연한 낙관으로 인해 우리가 통제할 수 없는 괴물을 우리 손으로 창조하 는 것도 경계할 필요가 있을 것이다. 다만 지금의 수준에서는 AI의 도구적 성격에 주목하여 그 유용성을 활용하면서도 부작용 혹은 그 가능성을 억제, 감시할 수 있어야 하고, 이러한 노력은 국가 단위를 넘어서 범지구적으로도 협력할 필요가 있을 것으로 보인다.

This study aims to improve the interpretability and transparency of forecasting results by applying an explainable AI technique to corporate default prediction models. In particular, the research addresses the challenges of data imbalance and the economic cost asymmetry of forecast errors. To tackle these issues, predictive performance was analyzed using the SMOTE-ENN imbalance sampling technique and a cost-sensitive learning approach. The main findings of the study are as follows. First, the four machine learning models used in this study (Logistic Regression, Random Forest, XGBoost, and CatBoost) produced significantly different evaluation results depending on the degree of asymmetry in forecast error costs between imbalance classes and the performance metrics applied. Second, XGBoost and CatBoost showed good predictive performance when considering variations in prediction cost asymmetry and diverse evaluation metrics. In particular, XGBoost showed the smallest gap between the actual default rate and the default judgment rate, highlighting its robustness in handling class imbalance and prediction cost asymmetry. Third, SHAP analysis revealed that total assets, net income to total assets, operating income to total assets, financial liability to total assets, and the retained earnings ratio were the most influential factors in predicting defaults. The significance of this study lies in its comprehensive evaluation of predictive performance of various ML models under class imbalance and cost asymmetry in forecast errors. Additionally, it demonstrates how explainable AI techniques can enhance the transparency and reliability of corporate default prediction models.

생성형 인공지능의 급속한 발전은 사회 전반에 광범위한 영향을 미치며, 일상생활을 포함한 다양한 분야 에 활용되고 있다. 본 연구에서는 인공지능 기술의 발전 동향을 대규모 언어모델(Large Language Models, LLM)을 중심으로 살펴보고 생성형 인공지능 기반 솔루션이 정치 및 공공 부문의 효율성과 서비스 최적화 에 기여하고 있음을 확인하였다. 본 연구는 미국, 싱가포르, 인도 등의 사례분석을 통해 인공지능 도구가 선거의 확장성과 시민과의 상호작용 개선에 역할 할 수 있다는 것을 주장한다. 동시에, 대규모 언어모델의 실사용 과정에서 제기되는 편향성, 허위정보 확산, 규제 공백 등의 쟁점들을 고찰할 필요가 있음을 지적한 다. 요컨대, 생성형 인공지능은 민주주의 발전과 공공서비스 증진에 대한 가능성을 제공하지만, 기술의 지속 가능하고 적실한 활용을 위해 투명성, 공정성과 책임성을 고려한 사용이 요구된다.

In general, optimized pavement thickness design abilities and reliable construction procedures have been considered being crucial element for expressway in South Korea till millenium. However, after 2005, a proper management efforts on existing expressway became recognized as an important factor after 2,005. One of good example is rising attention of HPMS(Highway Pavement Management System). In HPMS, the crucial component is: surveying the existing expressway surface condition with reasonable, reliable and efficient procedure. Becasue of this reason, application of various advanced and sophisticated technologies on HPMS area were considered since 2010. During this time, many advanced technologies such as AI(Artificial Intelligence) techniques and corresponding physical equipment were considered to be applied. Through application of AI technologies in HPMS business area, two major outcomes can be achieved: first one is an automated pavement surface monitoring work system for maximized efficiency and second thing is saving current HPMS management budget through faster and more reasonable surveying results. In this paper, the feasibility of AI technology on actual pavement surface monitoring and analysis procedure was considered. As a result, AI based pavement surface monitoring and analysis approach succesfully provided reasonable results compared to the conventional human effort analysis approach. This findings provide a promising signal that more AI based technologies can successfully applied in HPMS business area in the next future. Morevoer, the achievement of automated HPMS can also be possible in the near future.

고속도로 2차 사고는 선행 사고(1차 사고) 또는 전방 고장 차량에 의해 교통흐름이 변화된 상황에서 발생하는 사고로, 이에 대한 효과적인 교통안전 관리전략이 필요하다. 그러나 일반사고에 비해 데이터 표본이 부족하여 신뢰성 있는 대응 전략 수립에 어려움이 있다. 본 연구는 고속도로에서 발생하는 2차 사고의 발생 주요 요인을 식별하고 예측하기 위해 BERT(Bidirectional Encoder Representations from Transformers) 기반 텍스트 분석 모델과 전통적 머신러닝 모델 (XGBoost, RandomForest, CatBoost)을 비교하였다. 교통사고 세부기록, 원클릭 속보자료 등 비정형 텍스트 및 정형 데 이터를 수집하고 1차 사고에 관한 시공간적 동적 변수를 통합하여 인공지능 기반의 사고 예측 프레임워크를 구축하였다. 특히, BERT 기반 모델을 통해 교통사고 문맥 정보를 고려하여 단어 삽입 및 대체 기법에 따른 2차사고 데이터 표본을 보완하였다. 또한, 설명가능한 AI(XAI) 기법을 활용하여 주요 사고 요인의 기여도를 시각적으로 해석하고 사고 예방 및 정책 수립에 필요한 정보를 제공하였다. 연구 결과, 제안된 하이브리드 접근법 기반 연구 프레임워크는 높은 정확도의 2 차 사고 발생 가능성 예측에 효과적이며, 교통사고관리시스템의 신뢰성과 효율성 향상에 핵심적인 기여를 할 것으로 기 대된다.

오늘날 도로의 이동수단은 자율주행자동차와 더불어 전동 킥보드, 전기 자전거 등과 같은 개인형 이동수단의 등장으로 인해 기존 도 로가 수용해야 할 범위는 더욱 광범위해졌으며, 개인형 이동장치의 시장 확대 및 공유서비스로 인한 개인형 이동장치의 교통사고는 급격하게 증가하고 있는 추세이다. 기존 자동차 중심의 설계 및 운영되고 있는 현재의 도로에서는 자동차 이외의 다른 교통수단 이용 자들은 인프라 시설과 서비스 면에서 안전하지 못하고 편리하지 못한 환경으로 인해 잦은 교통사고 발생과 대중교통 이용 기피 등의 문제로 이어지고 있다. 따라서, 현재 도로의 차량 중심 설계에 의한 한계가 드러나고 있으며 이에 대한 해결책으로 모든 도로 교통수 단 및 이용자가 고려되는 완전도로(Complete Streets)에 관한 관심이 증가함에 따라 완전도로 구축에 관한 정책이 필요한 실정이다. 이 에 본 연구에서는 완전도로 구축을 위해 미시적 교통 시뮬레이션 VISSIM을 활용하여 자율주행자동차 레벨 4 수준의 혼입에 따른 교 통흐름 변화를 분석하여 완전도로 구축을 위한 잉여차로 확보 가능성을 검증하는 분석을 진행하였다. 또한, 잉여차로를 활용하여 완전 도로를 구축하기 위해 국외 완전도로 디자인 매뉴얼을 참고하여 국내 도로의 적용이 가능한 평자지표를 안전성, 형평성, 쾌적성을 고려한 요인을 설정하였으며, 계층화 분석법(Analytic Hierarchy Process, 이하 AHP)을 통해 평가요인별 중요도 가중치를 산정하여 완전도로 구축을 위한 완전도로 서비스수준 산정방안을 제 시하였다. 완전도로 구축을 위한 모바일매핑시스템(MMS) 및 인공지능, 드론(UAV)을 활용하여 도로의 현황 모니터링을 진행하였으며, 도출된 평가지표와 가중치를 활용하여 대상 구간에 적용 및 비교를 위해 완전도로 개념과 가깝게 적용된 세종시의 한누리대로와 비교 ㆍ분석하였다. 이를 토대로 완전도로 서비스수준 적용을 통해 도출된 도로의 한계점을 보완한 완전도로 구축방안을 제시하고자 한다.

인공지능의 발전은 검색엔진, SNS, ChatGPT 등 다양한 분야에서 혁신을 이끌며 사회와 산업 전반에 변화를 가져오고 있다. 특히, 교 통 분야에서는 AI 기반 기술이 교통정보 수집 및 분석 방식에 변화를 주며, 새로운 활용 가능성을 제시하고 있다. 과거 육안 계수 방 식에 의존했던 교통량 조사는 현재 CCTV 영상과 딥러닝 객체 인식 기술을 활용해 신뢰성과 정확성이 크게 향상되었다. AI 기반 교통 솔루션의 도입으로 교통량 조사 데이터는 정책 수립, 운영 개선, 사회간접자본 건설 등 다양한 분야에서 중요한 기초 자료로 활용되고 있다. 이에 본 연구에서는 YOLO v8을 활용하여 차량 축 인식 기반 차종 분류의 정확성을 향상시키고, 기존 촬영 기법과 비교·분석을 통해 최적의 인식기법을 제시하고자 한다.

보행교통은 모빌리티 수단으로서의 보행을 말하며 안전향상과 활성화 측면에서 접근할 수 있다. 이때 보행교통 위해요 소란 보행자의 안전하고 편리한 통행 환경을 저해하는 요소를 말하며, 이를 사전에 발굴하여 관리함으로써 보행자 사고 예방과 쾌적한 보행환경 구축이 가능하다. 본 연구에서는 2020~2022년 교통사고 데이터와 다양한 보행영향요인 데이터 를 활용하여 교통사고 및 보행자 사고 예측 모델을 개발하고 모델 결과를 해석하여 보행교통 위해요소를 도출하고자 하 였다. 보행영향요인은 기존 문헌에서 고찰된 요인들을 참고하여 수집 및 데이터화 하였으며, 교통사고 예측 모델을 개발 하기 위해 예측력이 우수하고 변수 간의 비선형성 혹은 상호관계를 잘 포착할 수 있는 것으로 알려진 XGBoost, Random Forest, Support Vector Machine과 같은 머신러닝 모델을 활용하였다. 또한 설명가능한 인공지능 기법인 SHAP 알고리즘을 통해 모델을 해석함으로써 변수 중요도와 상호작용을 분석하고 보행교통 위해요소를 도출하였다. 본 연구를 통해 도출된 보행교통 위해요소를 보행친화적인 교통 환경을 위한 중요한 기초 자료로 활용하여 사전에 관리 및 개선할 수 있을 것으로 기대한다.

이 연구는 독일고전철학과 현대 인공지능 기술을 연결하는 시도를 다 룬다. 셸링은 자연을 단순한 물리적 실체가 아닌 내재된 잠재력과 창조 성을 가진 유기체로 보았으며, 이러한 관점은 인공지능(AI)의 발전과 창 의적 활동에 적용될 수 있다. 또한 AI가 데이터와 알고리즘, 인간과의 상호작용을 통해 연결되고 재창조되는 과정을 셸링의 자연철학과 비교하 여, 종교적인 의미에서 주체성 문제를 탐구하고자 한다. 셸링의 철학에 서, 신적인 전체와의 연결을 통한 자의식의 근거를 고려하며, 인간과 자 연, 주체와 객체 간의 상호작용을 설명하는 '연결사(correlat)' 개념을 강 조한다. 셸링은 자연과 정신의 관계를 단순한 인과적 연결로 보지 않고, 상호작용을 통한 생산적 과정을 통해 이해해야 한다고 강조한다. 이는 AI의 발전과 인간의 자의식 간의 유사성을 드러내며, AI가 지닌 자발성 은 자연의 복잡성과 연결된다고 볼 수 있다. 따라서 인공지능도 인간과 유사한 방식으로 자의식을 지닐 가능성을 내포하고 있으며, 이는 현대 사회에서 AI와 인간의 관계를 새롭게 이해하는 데 기여할 수 있다. AI는 상징적 접근과 연결주의를 결합한 인지 설계를 통해 종교와 같은 고차원 적인 기능을 모델링할 수 있음을 보여준다.

최근 ChatGPT로 대표되는 인공지능의 급격한 발전은 인공지능 에 대한 낙관과 비관이 엇갈리는 가운데 기독교 선교가 새롭고도 실제적 인 방향을 모색해야 할 필요성을 제기했다. 이를 위해 본 연구는 행위자 -네트워크 이론을 주요 이론적 틀로 활용하여 인공지능을 단순한 도구가 아닌 인간과 상호작용하는 행위자로 인식한다. 이러한 관점에서 현재 인공지능 기술의 최전선에 있는 거대 언어 모델의 기술적 특성과 작동원리를 상세히 분석하여 인공지능이 인간과 맺는 관계에 주목한다. 이러한 이해를 토대로 인공지능과의 선교적 접점을 모색하기 위한 방안은 첫째, 인공지능을 선교 현장으로 인식하는 것, 둘째, 인간에게만 주어진 선교적 삶을 사는 것. 셋째, 인공지능을 선교사역의 협력자로 받아들이는 것, 넷째, 오픈소스 거대 언어 모델을 활용한 선교적 목적의 인공지능을 개발하는 것이다. 본 연구는 인공지능 시대의 기독교 선교 가 단순히 인공지능을 도구로 활용하는 차원을 넘어, 인공지능과의 협력적 관계를 통해 새로운 선교의 지평을 열어가야 함을 제안한다. 이는 데이비드 보쉬가 주장한 것처럼, 선교는 각 시대의 변화에 따라 새로운 패러다임으로 변화되어야 한다는 관점에 기반한다.

이 연구는 생성형 인공지능(Gen AI) ChatGPT를 활용한 초등과학 모의수업에서 나타나는 실천적 특성 탐색을 목적으로 한다. 비수도권 소재 교육대학교 과학교육과의 예비교사 29명을 대상으로, 태양계와 별, 날씨와 우리 생활, 지 구와 달의 운동, 계절의 변화 등 지구와 우주 영역의 대단원을 중심으로 5주간 한 차시 과학 수업을 준비하였다. 자료 는 수업 지도안, 수업 자료, 활동지, ChatGPT 대화 로그, 모의수업 영상 및 음성녹음, 반구조화된 면담 등을 통해 수집 되었다. 자료 분석은 기술 통합 평가 틀(TIAR)을 수정하여 주제 중심 분석과 반복적 비교 분석을 통해 귀납적으로 진 행되었다. 연구 결과, ChatGPT는 초등과학 수업에서 교육과정과의 연계성, 교수학습 모형, 도구적 활용 측면에서 유의 미하게 작용할 수 있음을 보였다. 특히, ChatGPT는 학습 활동을 촉진하는 도구로 긍정적인 역할 수행의 가능성을 나타냈다. 그러나 ChatGPT 활용 시 정보의 신뢰성 문제, 명령어 입력 한계, 학생들의 Gen AI 의존성, 교사의 역량 요구 증가 등 도전 과제도 확인되었다. 이 연구는 ChatGPT가 과학교육에서 학습 촉진자로 유용하게 활용될 수 있음을 시사 하며, 효과적인 활용을 위해 교사의 비판적 사고와 기술적 역량 강화를 제언하였다.

This study addresses the critical challenge of enhancing vehicle classification accuracy in traffic surveys by optimizing the conditions for vehicle axle recognition through artificial intelligence. With current governmental traffic surveys facing issues—particularly the misclassification of freight vehicles in systems employing a 12-category vehicle classification—the research proposes an optimal imaging setup to improve axle recognition accuracy. Field data were acquired at busy intersections using specialized equipment, comparing two camera installation heights under fixed conditions. Analysis revealed that a shooting height of 8.5m combined with a 50°angle significantly reduces occlusion and captures comprehensive vehicle features, including the front, side, and upper views, which are essential for reliable deep learning-based classification. The proposed methodology integrates YOLOv8 for vehicle detection and a CNN-based Deep Sort algorithm for tracking, with image extraction occurring every three frames. The axle regions are then segmented and analyzed for inter-axle distances and patterns, enabling classification into 15 categories—including 12 vehicle types and additional classes such as pedestrians, motorcycles, and personal mobility devices. Experimental results, based on a dataset collected at a high-traffic point in Gwangju, South Korea, demonstrate that the optimized conditions yield an overall accuracy of 97.22% and a PR-Curve AUC of 0.88. Notably, the enhanced setup significantly improved the classification performance for complex vehicle types, such as 6-axle dump trucks and semi-trailers, which are prone to misclassification under lower installation heights. The study concludes that optimized imaging conditions combined with advanced deep learning algorithms for axle recognition can substantially improve vehicle classification accuracy. These findings have important implications for traffic management, infrastructure planning, road maintenance, and policy-making by providing a more reliable and precise basis for traffic data analysis.

Structures compromised by a seismic event may be susceptible to aftershocks or subsequent occurrences within a particular duration. Considering that the shape ratios of sections, such as column shape ratio (CSR) and wall shape ratio (WSR), significantly influence the behavior of reinforced concrete (RC) piloti structures, it is essential to determine the best appropriate methodology for these structures. The seismic evaluation of piloti structures was conducted to measure seismic performance based on section shape ratios and inter-story drift ratio (IDR) standards. The diverse machine-learning models were trained and evaluated using the dataset, and the optimal model was chosen based on the performance of each model. The optimal model was employed to predict seismic performance by adjusting section shape ratios and output parameters, and a recommended approach for section shape ratios was presented. The optimal section shape ratios for the CSR range from 1.0 to 1.5, while the WSR spans from 1.5 to 3.33, regardless of the inter-story drift ratios.

급변하는 디지털 미디어 환경은 넷플릭스(Netflix)와 디즈니 플러스 (Disney+)와 같은 OTT 스트리밍 플랫폼의 확산과 인공지능(Artificial Intelligence, AI)의 발전으로 인해 전 세계 미디어 산업을 재편하며 공 영방송의 위기를 가속화하고 있다. 이에 본 연구는 한국 공영방송의 지 속 가능성을 확보하기 위한 전략을 모색하고자, 다채널 및 멀티플랫폼 환경에서 영국 BBC와 대표적인 한국 KBS가 공영방송의 핵심 가치를 어 떻게 정의하고 규정하고 있는지 비교분석했다. 이를 통해 두 방송사가 OTT 및 AI 시대에 공영방송의 책무를 어떻게 재해석하고 실천하고 있는 지를 탐구했다. 연구 결과, BBC는 글로벌 청중을 타켓으로 고품질 뉴스 와 AI 기반 교육 콘텐츠 제공에 주력하는 반면, KBS는 국내 청중의 다 양한 요구를 반영한 포괄적이고 세대 간 차별 없는 콘텐츠 제작을 강조 하고 있는 것으로 나타났다. 이러한 분석을 바탕으로 본 연구는 KBS가 경쟁력 있는 콘텐츠를 개발하고 OTT 및 AI 중심의 미디어 환경에서 국 제적 경쟁력을 강화하기 위한 실질적인 방안을 제시했다.

본 연구는 생성형 AI(GPTs)를 활용하여 한국어 학습자를 위한 인접쌍 생성 챗봇을 개발하고, GPTs가 생성한 사과 화행 인접쌍 전략을 분석하 는 데 초점을 맞추었다. GPTs의 대화 생성을 통해 사과 화행에 대한 인 접쌍의 전략 유형을 담화완성형 테스트(DCT)를 기반으로 다양한 상황별 로 도출하고, 인접쌍을 연구하였다. 연구 결과, 공적·사적 상황, 친밀도, 사회적 지위 등의 사회적 변인이 GPTs의 인접쌍 생성에 영향을 미침을 확인하였다. 특히, 공적 상황에서는 문제 해결 중심의 대안 제시 전략이 주로 사용되었으며, 사적이면서 사회적 지위 차이가 있는 상황에서는 상 대방의 체면을 회복시키는 이해 전략이 두드러졌다. 본 연구는 GPT 기반 인공지능 챗봇을 활용하여 학습자들이 실제 대화 상황에서 사용할 수 있는 전 략적 도구를 제공할 수 있는 기반을 마련하였다는 데 의의가 있다.

This study developed and implemented an elementary English writing program using image-generative AI to examine its effects on students’ writing abilities and affective domains. The program was designed following the ADDIE model and aligned with the 2022 Revised English National Curriculum. It used Padlet’s ‘I Can’t Draw,’ allowing students to create images based on their prompts. Eighty sixth-grade students participated, with data collected through pre- and post-writing tests, affective domain surveys, student work, reflections, and teacher interviews. A mixed-methods analysis, combining ANCOVA and content analysis, revealed the following: (1) The program improved the syntactic and lexical complexity and fluency of students’ writing, but not accuracy. (2) Students’ situational interest significantly increased, but individual interest did not. Additionally, students’ engagement and motivation in learning English improved. These findings indicate that image-generative AI is an effective tool for enhancing English writing lessons and providing feedback. The study also emphasizes the critical role of teacher competence in successfully integrating AI into language instruction.

본 연구는 AI-Hub의 ‘방송콘텐츠 한국어-중국어 번역 말뭉치’ 데이터를 활용하여 네이버 파파고의 번역 품질을 평가하고 이를 시각화하는 것을 목표로 한다. 먼저 BL EU 점수를 통해 파파고 번역 품질을 정량적으로 분석하고, 다양한 시각화 기법을 활용하여 번역 품질의 패턴을 파악하였다. 연구 결과에 따르면, 파파고 번역은 짧고 단순한 문장에서 높은 성능을 보였으나, 문장이 길고 복잡해질수록 번역 품질이 저 하되는 경향이 나타났다. 특히, 구어체 표현이나 문화적 맥락이 필요한 표현에서는 번역 오류가 두드러지게 나타났다. 본 연구는 데이터 시각화를 통해 번역 품질 평가 의 이해를 돕고, 파파고 번역의 강점과 약점을 명확히 제시하였다. 향후 연구에서는 다양한 평가 지표와 데이터셋을 활용하여 번역 품질을 더욱 다각적으로 평가하고, 파파고 번역의 한계점을 개선 방안을 제시할 예정이다.