결빙(Black Ice)은 도로 포장체 표면의 균열 등에 스며든 습기나 눈, 그리고 차량 주행 중 발생하는 타이어 분진 및 배 기가스 등의 영향으로 인해 도로 표면과 유사한 색상의 얇은 얼음막이 형성되는 현상을 의미한다(Cho et al., 2021). 도로 노면이 결빙 상태일 경우, 평균 미끄럼 저항 계수는 건조 노면의 약 30% 수준으로 크게 낮아진다(Lee et al., 2024). 또 한, 결빙은 도로 표면과 색상이 유사하여 운전자가 노면 상태를 즉각적으로 인지하기 어렵고, 이에 따라 제동이나 회피 를 위한 충분한 시간을 확보하기 어렵다. 최근 5년간 발생한 서리·결빙 노면 교통사고의 치사율(사고 100건당 사망자 수) 은 2.69명으로, 이는 건조 노면 교통사고 치사율의 약 2배, 습윤 노면의 1.3배 수준에 해당한다(KoROAD, 2024). 이러한 위험성을 고려하여 국토교통부는 2020년 전국 고속국도 및 일반, 위임국도를 대상으로 403개 구간을 결빙 취약 구간으로 지정하였으며, 이후 464개소로 확대하여 자동염수분사시설, 그루빙(Grovving), 결빙주의표지판 등 안전시설을 확충하여 결빙사고를 집중적으로 관리하고 있다(MOLIT, 2020; BAI 2021). 하지만, 결빙사고 발생건수는 2020년 524건, 2021년 1,204건, 2022년 1,042건으로 증가추세를 보이고 있어, 결빙 취약 구간의 평가 적절성과 실효성에 대한 검토 필요성이 대 두되고 있다(KoROAD, 2024). 본 연구에서는 최근 10년 고속국도에서 발생한 결빙사고와 결빙사고 영향인자를 Random Forest Algorithm으로 분석하 여 도로 구간별 결빙사고 위험도를 평가하였다. 국가교통정보센터의 노드·링크(Node·Link) 체계를 기반으로 전국 고속국 도의 동절기 기상, 기하구조, 교통량 등 결빙사고 영향인자를 구간별로 수집하였다. 각 구간은 최근 10년 결빙사고 데이 터를 통해 결빙사고 발생구간과 비발생 구간으로 분류하였다. 구간별 수집한 결빙사고 영향인자를 독립변수, 사고발생유 무를 종속변수로하여 알고리즘 학습을 위한 데이터셋(Data Set)을 구성하고, 데이터불균형 문제를 해결하기 위해 오버샘 플링(OverSampling) 기법 중 하나인 SMOTE(Synthetic Minority Oversampling Technique)을 적용하였다. 최종적으로 Random Forest Classification Model을 학습하고, 모델의 하이퍼파라미터 조정(HyperParameter Tunning)을 거처 결빙사 고 발생구간 예측성능이 가장 높은 모델을 결정하였다. 이를 통해, 전국 고속국도의 구간별 결빙사고 발생 위험도를 평 가하고 각 결빙사고 영향인자의 변수중요도를 분석함으로써 결빙 취약구간 평가 방안의 신뢰성 제고를 기대한다.

중앙버스전용차로는 일반 도로 대비 높은 교통량과 반복적인 축하중이 작용하는 구간으로, 정차 및 출발 과정에서 발생 하는 국부적인 응력 집중으로 인해 포장 파손이 빈번하게 발생한다. 그러나 기존 도로 설계에서는 정적인 교통량을 기준 으로 축하중을 산정하여, 실제 교통 환경에서의 버스 유형별 차이, 재차 인원, 시간대별 하중 변화 등 동적인 요소를 충 분히 반영하지 못하는 한계가 존재한다. 이에 본 연구에서는 대중교통 빅데이터를 활용하여 중앙버스전용차로의 버스 유 형 및 시간대별 재차 인원을 반영한 새로운 축하중 산정 모델을 개발하였다. 이를 위해 서울시 열린 데이터 광장의 교통 정보를 활용하여 버스 유형 및 시간대별 재차 인원 데이터를 수집하고, 카카오맵 및 네이버 로드뷰 데이터를 이용해 결 측치를 보완하여 데이터셋을 구축하였다. 구축된 데이터셋을 활용하여 기존 ESAL(Equivalent Single Axle Load) 방식과 비교 분석한 결과, 새로운 축하중 모델에서는 기존 방식 대비 평균 111.8% 높은 축하중이 산정되었으며, 일부 구간에서 는 최대 128.9%까지 차이가 발생하는 것으로 나타났다. 이는 기존 포장 설계가 중앙버스전용차로의 실질적인 교통 하중 을 충분히 반영하지 못하고 있음을 시사하며, 추가적으로 버스 중하중의 가·감속의 영향을 고려한다면, 시간대별·노선별 실시간 축하중 변화를 보다 정밀하게 분석할 수 있으며, 이를 통해 과소 산정된 설계 하중을 보완하고 포장 공용성을 향 상시킬 수 있는 최적의 설계 및 유지보수 전략 수립이 가능할 것으로 기대된다.

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.

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.

본 연구에서는 친환경적이고 경제적인 수용액 환경에서 금속-유기 골격체(metal-organic frameworks, MOF)인 UiO-66을 합성하는 방법을 개선하고, 합성 조건이 UiO-66의 표면적 및 결정성에 미치는 영향을 분석하였다. 합성 실험은 금 속 용액과 리간드 용액의 주입 순서 및 계면활성제(Tween 20)의 첨가 유무를 변화시키며 진행하였다. 그 결과, 리간드 용액 을 금속 용액에 주입하고 계면활성제를 사용하지 않은 경우, 표면적과 결정성이 더 높은 UiO-66을 얻을 수 있었다. SEM 및 XRD 분석 결과, 계면활성제의 첨가는 입자 크기와 결정 구조에 큰 변화를 주지 않았으나, BET 분석 결과 표면적 감소가 확 인되었다. 이는 합성 과정에서 계면활성제가 핵 형성과 결정 성장에 영향을 미칠 수 있음을 시사한다. 본 연구 결과는 수용액 기반 UiO-66 합성법의 최적화, 대규모 제조 공정 및 다양한 산업적 응용에 유용한 정보를 제공할 수 있을 것이다.

이 연구는 관측 지점의 해황 정보 데이터를 기반으로 관측 지점 이외 공간의 해황 정보 데이터를 격자 형식으로 공간 보간하는 방법에 관해 연구한다. 해황 정보를 얻을 수 있는 관측소나 관측 지점의 공간적 분포가 제한되어 있어 단편적인 지점의 해황 정보만을 수 집할 수 있기 때문에 이러한 점을 해결하기 위해 OPEN API를 활용하여 해황 정보 데이터를 수집하고, 데이터 전처리 과정을 통해 관측 데이터가 존재하지 않는 지점의 데이터를 격자 형식으로 공간 보간한다. 본 연구에서 사용된 보간 방법으로는 Cubic spline interpolation, Linear extrapolation, Kriging 3가지 방법을 사용하였고 각 보간 결과의 비교 분석을 통해 보간 결과의 정확도와 공간 보간에 활용 가능성을 평가하였다. 결과적으로 Kriging이 관측된 지점 간의 공간적 분포와 상관관계, 해황 정보의 데이터 구조를 가장 잘 반영하여 관측 지점 이 외 보간에 대한 결과가 다른 두 보간 방법에 비해 높은 정확도를 보여 해황 정보 공간 보간에 적합한 보간 방법으로 판단되었다. 공간 보 간된 데이터는 평균 풍속 및 풍향, 평균 조류 속도 및 방향 등 선박의 조종성에 영향을 미치는 요인을 정밀하게 계산하는 데 활용 가능하 며 선박 항해 경로를 따라 영향을 받는 외력을 파악, 이를 통해 안전성과 경제성을 모두 고려한 경로 탐색에 활용할 수 있을 것으로 기대 된다.

본 연구는 귀환이주자의 구술을 바탕으로 이주사를 살펴보고, 정착국 과 기원국에 정착하는데 개인적·사회적 사유와 문제점을 분석하고자 했 다. 고령인 캐나다 국적 귀환이주 남성의 이주 과정과 사회적응의 과정 을 생애사 연구로 진행하였다. 연구 결과 이주 이전에 사업의 어려움을 겪고 이주를 진행하였고, 타국에 사는 동안 한인 커뮤니티에 속해 정보 를 얻으면서 민족 정체성을 유지하였다. 정착국에서도 금전적 손해를 입 은 참여자는 우연한 기회에 지인의 추천으로 한국을 방문하게 되었고 25 년 전 떠날 때의 고향과 너무 달라진 모습에 충격을 받고 한국으로 귀환 이주 하였다. 참여자는 한국 국적을 회복함으로써 양국의 복지 혜택을 모두 누리고 있었다. 이에 대한 젊은 세대의 의식을 조사한바, 증가하는 고령의 귀환이주자들을 사회의 구성원으로 보기보다는 책임져야 할 복지 수혜의 대상으로 인식하고 있었다. 이들이 사회의 일원으로 자리 잡기 위해서는 복수국적자들을 대상으로 국내 거주기간을 고려한 복지 혜택 부여 등 선별적 정책이 요구된다. 이 연구는 대상이 기존에 집중되었던 중국동포나 중앙아시아 출신 이주 3·4세대가 아닌 북미 출신인 고령의 이주 1세대의 이주·귀환 사유와 정착, 이에 대한 사회적 함의를 파악하 였다는 점에 의의가 있다. 향후 지속적인 연구를 통해 이들이 사회에 기 여하며 주체적인 삶을 살아갈 방안을 모색하고자 한다.

본 연구는 선박 기관실 내에 설치된 증기 배관을 대상으로 누설 감지 및 상태 모니터링을 위한 방법론을 다루고 있다. 일반적 으로 기관실 내의 증기 배관은 보온재로 둘러싸여 있으므로, 증기가 누설되더라도 육안으로 식별하기 어려워 초기 대응을 지연시키는 상 황이 발생할 수 있다. 이에 본 논문은 RGB 카메라와 Thermal 카메라를 이용하여 상호보완적 정보 제공이 가능한 센서 시스템을 개발하기 위한 하드웨어 및 소프트웨어의 설계 방법을 제안한다. 보다 세부적으로 제안된 시스템은 카메라 서버 모듈, 카메라 보정 모듈, 영상 정합 모듈, 열-지도 학습 모듈, 추론 및 시각화 모듈로 구성된다. 특히 증기 배관의 누설이 이상 고온을 초래한다는 점을 고려하여, 본 논문은 열-지도의 개념을 정의하고 열-지도의 효과적인 학습, 열-지도에 기반한 이상 고온 감지, 감지된 이상 고온 영역의 시각화를 위한 알고리 즘을 제안한다. 제안된 방법은 선박 증기 배관 시스템을 모사한 실험 장치를 이용하여 다양한 실험을 통해 그 효용성을 입증한다.

선박의 선장이 일정한 목적을 가지고 일시 운항을 정지하는 경우인 정류는 실무에서 흔한 일이다. 이러한 정류 중인 선박의 법적 지위는 COLREG에서 정의하고 있지 않고, 학자들의 의견과 판례에서 일반항법 적용과 선원의 상무규정 적용이 상호 대립하고 있는 상황이다. 따라서 선박 상호 간에 어떠한 선박이 유지선, 피항선이 되는지 모호한 상황이다. 또한, 법적 지위의 불명확성으로 인하여 정류 중인 선박은 대수속력이 없는 항행중인 동력선이 되고, 이는 다른 선박에서 정류 중인 선박을 외관상 식별할 방법이 없는 상황이다. 이에 정류 중인 선박의 충돌사고가 지속적으로 발생하고 있다. 이러한 모호성을 제거하여 선박충돌사고를 예방할 필요가 있다. 한편, 선박자동 식별장치(AIS)는 선박의 위치, 침로, 속력 등의 정보와 더불어 항해상태에 대한 정보를 실시간으로 제공하는 장치이다. 항해상태는 IMO Res.A.1106(29)에 따라 항행중, 정박중, 조종제한선 등 선박의 현재 상태를 외부로 표시할 수 있는 기능인데, 현재 13번째 항목이 미래 사용 을 위하여 남겨두었다. 따라서 해당 항목에 ‘정류 중인 선박’을 할당하여 외부에서 정류 중인 선박의 상태를 확인할 수 있도록 하는 것을 제안한다.

이 연구를 통해 우리나라에서 복원 중인 멸종위기종인 반달가슴곰(Ursus thibetanus ussuricus)의 식별을 위한 새로운 분자 marker 체계를 개발하였다. 전장 유전체 서열 정보를 사용하여, 20개의 새로운 미세부수체(Microsatellite, MS) marker가 다중 중합효소연쇄반응(PCR)을 기반으로 하는 유전자형 분석을 통해 개발되었다. 개발된 MS marker 20종의 대립유전자 수는 3개에서 10개였으며, 평균 대립유전자 수는 6.05개였다. 관측 이형접합도(Hobs), 기대 이형접합도(Hexp), 다형정보량(PIC)의 평균은 각각 0.683, 0.715, 0.658로 나타났다. Fis 값은 –0.385에서 0.438의 범위에 있었고, 평균은 0.052였다. 무작위 교배(PIrandom), 반형매 교배(PIhalf-sib), 전형매 교배(PIfull-sib)에서의 동일개체출현율은 각각 1.58×10-18, 2.79×10-14, 4.75×10-8를 나타내었다. 이 연구의 결과는 새로운 MS marker 체계가 높은 유전적 다양성과 낮은 PI 수치를 가지고 있어, 야생에서 출현하고 있는 반달가슴곰들을 식별하거나 새끼 곰의 부모 추적에 유용하게 사용될 것으로 생각된다. 이 분자 marker 체계는 한국에서 복원 중인 반달가슴곰 개체군의 관리와 유전적 다양성 증진에 기여할 수 있을 것으로 사료된다.

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.

본 연구는 강릉 소나무 친환경벌채지 산림식생(벌채지, 산림영향권, 군상잔존구, 수림대, 대조구)을 대상으로 산림군집구조를 구명하고 조림학적 갱신 정보를 제공하고자 수행되었다. 2020년 7월 75개소의 방형구를 Braun-Blanquet 방법으로 식생조사를 실시한 후 중요치, 종다양도, 군락유사도, DCA를 분석하였다. 그 결과, 벌채지와 산림영향권에서 큰기름새의 중요치가 높은 것으로 나타났다. 종다양도는 대조구가 1.733로 가장 높게 나타났고, 벌채지가 1.237로 가장 낮게 나타났다. 군락유사도는 벌채지와 산림영향권이 0.706로 가장 높게 나타났고, 벌채지와 대조구가 0.452로 가장 낮게 나타났으며, Sørensen의 유사계수와 더불어 조사위치별 거리를 정량적으로 확인해 보고자 DCA분석을 실시한 결과 군락유사도와 유사한 결과를 나타내었다. 본 연구는 단기적인 연구결과이므로 추후 장기적인 모니터링을 통해 변화되는 친환경벌채지 산림식생에 대한 지속적인 식생 정보의 축적을 통해, 산림영향권이 포함된 친환경벌채지 산림식생의 회복과정에 대한 연구가 필요할 것으로 판단된다.

본 연구는 등교 거부 몽골국적 중학생의 상담 단일 사례 연구이다. 본 연구는 2024년 8 월 1일부터 준비하여 IRB 승인을 받고 한국 미래와사람 연구소에서 이루어졌으며, 상담 기 간은 2024년 9월 1일부터 12월 15일까지 주 1회 회기마다 45분, 12회기를 상담하였다. 연 구참여자는 S시에 거주하고 있는 몽골 국적의 여자 중학생(15세)이다. 본 연구의 결과는 첫 째, 참여자의 정보는 여중생으로 키와 신체가 건장한 편이며, 자해 경험과 성추행 경험이 있다. 부모의 양육 태도는 엄격하고 지시적이고 필요 없는 말이 많았다. 학교에서는 교우관 계가 힘들었으며 그 원인은 불안이었다. 둘째, 상담초기에는 참여자가 가지고 있는 문제가 무엇인지 정확하게 파악하려고 하였다. 셋째, 상담의 발단 단계에서는 참여자의 문제 원인 을 찾고 해결하기 위한 기법을 선정하였다. 넷째, 통합단계에서는 기법을 활용하여 문제해 결을 하고 서로 의사소통을 원활하게 하면서 해결해 나아갔다. 다섯째, 마무리에서는 참여 자가 가지고 있던 문제가 얼마나 해결되었는지 점검하고 미해결된 부분이 무엇인지 점검하 였다. 그리고 문제 해결을 통한 행동 변화에 대하여 나누었다. 결론적으로, 등교 거부의 원 인은 부모의 양육태도와 교우관계, 학교의 사회상과 관련이 있다는 것을 알 수 있었다. 이 러한 문제를 해결하는 방법은 다양하지만, 본 연구에서는 상담을 통해 무조건적 존중과 지 지 그리고 불안을 해소하고 비합리적 신념을 합리적 신념으로 바꾸고, 의사소통 방식을 훈 련하면서 해결했다고 본다. 그러므로 본 연구의 의의가 여기에 있다고 보았다.

이 연구에서는 환노출이 기업의 투자비효율성과 갖는 관계를 확인한다. 표본 기간은 2007년부터 2022년까지 16년 동안이며, 분석 대상 기업은 한국의 유가증권시장과 코스닥시장에 상장된 비금융업종 기업이다. 분석결과, 환노출이 존재하는 기업에서 과대투자와 과소투자를 포함한 비효율적인 투자가 감소하여 투자효율성 이 향상된다. 이러한 결과는 환노출이 존재하는 것으로 확인되는 경우 경영자는 기회주의적 행동을 하기보다는, 위 험을 인지하고 기업 성과를 극대화할 수 있는 투자 결정을 내리기 때문인 것으로 판단된다. 환노출이 외부 감시 메커니즘으로 작용하여 투자비효율성을 감소시킨다는 분석결과는 환노출 추정 모형과 환노출과 투자비효율성 간 의 관계 추정모형 선택과 무관하게 일관성 있게 나타나는 결과이다. 그러나 글로벌 금융위기 동안에는 환노출과 투 자비효율성 간에 유의적인 관계를 확인할 수 없다. 이는 글로벌 금융위기가 초래한 환노출의 직접적인 영향인 환 위험의 증가로 인한 불확실성의 확대와 경영자와 외부이해관계자 간의 정보비대칭 확대로 인한 경영자의 비효율적 인 투자 선택 가능성 증가 효과가, 환노출의 간접적인 영향인 시장의 규율효과에 의한 비효율적 투자 감소효과를 상쇄시키기 때문인 것으로 판단된다. 이 연구는 환노출이 기업 투자비효율성에 미치는 영향을 경영자와 외부 감시 메커니즘의 관계 관점에서 분석함 으로써 환노출이 기업에 미치는 영향에 대한 연구 영역을 확장시키고 있다는 측면에서 학술적 의의를 갖는다.

상수도 배관에서 누수 또는 이상을 감지하는 기계학습 및 인공신경망 분류 모델에 대한 연구가 활발히 진행되어 왔다. 그러나 누수음 데이터는 시간과 환경에 따라 계속 변동하기 때문에, 입력 데이터의 변화에도 일정 수준 이상의 분류 성능을 유지하는 분류 모델을 찾는 데 어려움이 있다. 본 연구에서는 모델 선택과 초매개변수 조정보다 데이터 전처리 방법이 분류 성능 향상에 더 큰 영향을 미친다는 점에 주목했다. 변동성이 큰 누수음의 특징을 효과적으로 추출하기 위해 푸리에 변환 및 MFCC(Mel-Frequency Cepstral Coefficients)를 사용하였으며, 일부 정보가 중복될 가능성을 고려하여 다중공선성에 덜 민감한 트리 기반 모델을 사용해 누수음의 분류 성능을 평가했다. 연구 결과, 푸리에 변환과 MFCC를 결합한 데이터 세트를 사용했을 때 LightGBM 모델의 분류 정확도가 84.62%로 나타났으며, 각각의 전처리 방법을 단독으로 사용했을 때보다 더 높은 성능을 달성하였다. 이 결과는 두 전처리 방법의 상호 보완적 특성이 분류 성능 향상에 기여했음을 입증하며, 상수도 관망 누수 탐지 시스템 개발에 중요한 기여를 할 것으로 기대된다.

전국 태양광 발전시설의 효율적인 보급을 위해 9개 도 지역별 기상 데이터를 활용한 DEA(Data Envelopment Analysis) 효율성 분석 결과를 도출하고자 한다. 국내 태양광 중심으로 설비보급과 발전 비중이 빠른 속도로 증가 중이며 재생에너지 전력 생산의 효율적 개편을 위해 기후변화에 따른 기상 예측 정보를 활용하고 있다. 본 연구는 신재생 에너지 정책의 시사점이 높았던 2020∼2022년의 기상청 데이터와 과거 30년 평균(1981년 ∼2012년) 데이터를 기준으로 일사량 변화에 의한 발전량 예측 모델을 시뮬레이션했다. 특히 기상 데이터와 실제 발전량 사이 관계를 분석하여 투입 산출 변수와 관련 있는 연구모형의 효율성을 파악하였다. 태양광 발전시설의 안정적인 운영과 관리를 통해 최상의 발전시설 상태를 유지하고, 전력량을 끌어올리기 위해 전문적이고 차별화된 운영관리 (O&M) 서비스 제공이 필요하다.

디지털 기술의 발전과 함께 권위주의 정권들은 이러한 도구를 활용하 여 통제를 강화하고 있다. 북한은 이러한 추세를 명확히 보여주는 사례 이다. 본 연구는 사례 연구 방법을 통해 북한이 디지털 권위주의를 어떻 게 적용하고 있는지, 그리고 이러한 기술이 인권 침해로 어떻게 이어지 는지를 분석한다. 북한의 생체 감시, AI 기반 모니터링 등 디지털 감시 사례를 통해, 디지털 감시가 인권에 미치는 영향을 제시한다. 이 논문은 북한에서의 인권 침해 현황을 보고하고, 이러한 문제 해결을 위한 정책 방안을 제언한다. 국제사회는 디지털 감시 기술 공급업체에 대한 표적 제재를 이행하고 북한 주민에게 정보를 제공하기 위한 노력을 전개할 필 요가 있다.

코칭이 학문적으로 체계화되고 있고 다양한 분야에서 코칭이 적용되고 있다. 이러한 코칭은 상담과도 밀접한 관련이 있다. 왜냐하면 코칭과 상담은 대화로 이루어지기 때문이다. 실제 상담 과정에서 상담 대화 기법으로 활용되고 있는 내용들을 코칭 과정에서도 활용하면 코칭이 더 풍성해질 것이다. 이 연구의 목 적은 코칭 과정에서 상담 대화 기법 활용 방법을 탐색하여 코칭 현장에서의 상 담 대화 기법 적용 가능성을 모색하는 데 있다. 연구 결과는 다음과 같다. 코칭 의 과정을 살펴보면 1단계는 레포 형성, 2단계는 목표설정, 3단계는 현실점검, 4단계는 대안 탐구, 5단계는 실행 의지 확인이다. 이 각각의 코칭 단계에서 경청 과 질문 피드백이 있다. 코칭의 과정에서 상담 대화 기법을 적용할 수 있다. 상 담 대화 기법은 경청, 명료화, 탐색적 질문, 반영, 공감, 자기 계발, 정보 및 조언 제공이다. 코칭의 과정에서 이러한 상담 대화 기법을 활용하면 코칭이 더 풍성 해질 수 있다.

지능정보사회에 대응한 교육 환경의 변화가 예상됨에 따라 본 연구에서는 학습자가 AI 기반 학습플랫 폼을 어떻게 인식하고 있는지 학업정서와 학습동기적 측면에 대해 질적으로 탐색하고자 하였다. 이를 위 해 AI 기반 학습플랫폼을 경험한 초등학생 및 중􌝆고등학생 7명을 연구참여자로 선정하였으며 그들이 경험 한 학업정서 및 학습동기에 대해 반구조화된 면담을 실시하였다. 면담 자료는 연구문제를 중심으로 자료 를 체계적으로 정리하여 기술하는 방법인 질적 내용분석(Qualitative content analysis: QCA)을 통해 분석 하였다. 그 결과 학업정서는 2개의 상위범주와 9개의 하위범주로 구성되었다. 구체적으로, 연구참여자들은 AI 기반 학습플랫폼을 사용하면서 긍정정서와 부정정서를 경험한 것으로 나타났다. 긍정정서로는 만족감, 성취감, 기대감, 즐거움, 안도감을 경험하였으며, 부정정서로는 답답함, 우울함, 좌절감, 불안함을 경험하였 다. 학습동기는 5개의 하위범주로 나뉘어졌고, AI 학습이 학습동기에 도움을 준 이유는 5개의 주제묶음으 로 구성되었다. 결과를 구체적으로 상술하면, AI 기반 학습플랫폼을 사용한 학습자들은 몰입, 자율성, 흥 미, 자기효능감, 자기조절성을 경험한 것으로 확인되었다. 또한 AI 학습을 경험한 학습자들은 AI 학습플랫 폼이 학습동기에 도움을 준 이유로 AI의 기능적 측면, AI 콘텐츠, 보상, 피드백, 게임 요소 등을 꼽았다. 이러한 결과를 기반으로 선행연구와 연계하여 논의하였다.

본 연구는 사과 ‘홍로’의 생육 시기별 품질 변화를 분석하여 숙기를 진단하기 위한 최적 수확 지표를 선정하고, 기계 수확 이 가능한 사과 ‘홍로’의 품질 기준을 설정하고자 수행되었다. 전라북도 완주군에 위치한 국립원예특작과학원에서 재배된 7년생 사과 ‘홍로’ 품종을 대상으로 2021년부터 2023년까지 만개 후 58－59일(6월 상순)부터 수확 시기가 지난 만개 후 164－173일(9월 하순)까지 10일 간격으로 과실 품질을 조사 하였다. 또한 완주군, 화성시, 포천시에서 수집된 품질 데이터 를 활용하여 지역별 ‘홍로’ 품질 변화를 분석하였다. 과중은 생육이 진전됨에 따라 증가하다가 수확기 직전 250－320g 범 위에 도달했다. 경도와 산도는 생육이 진전되면서 감소했고, 가용성 고형물 함량은 증가하다가 12－14°Brix 에서 더 이상 증가하지 않는 경향을 나타냈다. 또한 당산비는 생육이 진전 될수록 증가하여 수확기에는 50 이상으로 증가했다. 색도 L* 값과 b*값은 증가하다가 수확기에는 급격하게 감소했으며, a* 값은 수확기에 급격히 증가하였다. 전분 함량은 생육 후반부 에 급격히 감소하여 수확기에는 20mg·g-1 이하로 낮아졌다. 전분 함량과 과실 특성들 간의 상관분석을 한 결과, 경도와 산도가 각각 0.86과 0.84로 높은 상관성을 나타냈다. 따라서 경 도와 산도를 최적 수확 지표로 선정하였으며, 수확 가능 최소 품질 범위는 경도 39.7±6.4N, 산도 0.255±0.052%, 가용성 고 형물 함량 13.6±1.3°Brix, 색도 a*값 14.7±12.8로 설정하였 다. 이 기준과 함께 회귀 계수가 높은 비파괴 조사항목인 종경, 횡경, 색도a*값을 활용한다면 기계 수확뿐만 아니라 재배자 에게도 유용한 정보를 제공하여 수확 시기를 최적화시킬 수 있을 것으로 기대한다.