본 연구는 블록체인 기술을 활용한 환자 데이터 표준화의 필요성과 그 적용 방안에 대한 연구이다. 기존의 의료데이터 관리 시스템은 여러 의료기관 간 정보의 비효율성과 데이터 분산 문제로 인해 환자 안전과 치료에 비효율적인 면이 있다. 블록체인은 분산 원장 기술을 통해 데이터의 무결성과 보안을 보장하며, 환자가 자신의 의료 정보를 직접 관리할 수 있는 권한을 제공한다. 본 연구는 의료 정보 시스템과 블록체인 기술을 연계하여 데이터의 상호 운용성을 높이고, 안전한 데이터 공유와 관리 방안을 제안한다. 이를 통해 의료 서비스의 질을 향상시키고, 환자 이력 관리, 약물추적 등 다양한 의료 분야에 적용할 수 있는 가능성을 논의하고자 한다.
This study discusses the necessity of standardizing patient data using blockchain technology and explores its application methods. Existing medical data management systems have limitations in ensuring patient safety and quality of care due to inefficiencies in information sharing and data distribution across multiple medical institutions. Blockchain, as a decentralized ledger technology, guarantees data integrity and security while granting patients the authority to manage their own medical information. This study proposes an approach that integrates medical information systems with blockchain technology to enhance data interoperability, ensuring secure data sharing and efficient management. By doing so, it aims to improve the quality of healthcare services and explores the potential for applications in various medical fields, including patient history management, medication tracking, and telemedicine.
본 논문에서는 유니티 가상공간에서 포인트 클라우드를 활용한 충돌회피 알고리즘을 제안한다. 충돌회피를 위한 알고리즘은 먼저, 카메라의 전방을 기준으로 랜덤하게 레이를 발사하여 포인트 클라우드를 획득하고, 이를 바탕으로 바닥과 그 이외의 영역을 추출한다. 추출된 바닥에서 설정된 목표점까지의 방향 벡터를 생성하고, 이 벡터를 기준으로 가장 먼 포인트까지 갈 수 있는 경로를 A<sup>*</sup> 알고리즘을 사용하여 구성한다. 이후, 경로상의 각 웨이포인트(waypoint)마다 주변 장애물들과의 거리를 계산하여 일정 거리 이하의 웨이포인트를 제거하는 필터링 과정을 거친다. 필터링된 웨이포인트를 따라 에이전트는 이동하며, 이동 중 좌우로 설정된 각도에서 레이를 방출하여 충돌 가능성이 있는 물체를 감지한다. 충돌 물체가 감지되면, 감지된 방향과 반대 방향으로 회전하여 웨이포인트를 따라 계속 이동함으로써 장애물을 회피하며 목표 지점까지 도달할 수 있다. 이 알고리즘은 실시간 환경에서 장애물 회피와 경로 최적화를 결합한 효율적인 경로 계획 방법을 제시하며, 자율주행 및 로봇 내비게이션 시스템에 적용 가능할 것이다.
This paper proposes a collision avoidance algorithm using point clouds in a virtual environment created in Unity. First, random rays are fired from the front of a camera to acquire a point cloud, which is then used to extract the floor and other regions. A direction vector towards the target point is generated from the extracted floor, and based on this vector, a path to the farthest point is constructed using the A<sup>*</sup> algorithm. Next, each waypoint along the path is filtered by calculating the distance to nearby obstacles, removing waypoints that are too close. The agent follows the filtered waypoints while emitting rays at set angles to the left and right to detect potential obstacles. If an obstacle is detected, the agent rotates in the opposite direction and continues along the waypoint path to avoid the obstacle and reach the target. This algorithm presents an efficient method for combining obstacle avoidance and path optimization in real-time environments, with strong applicability in autonomous driving and robotic navigation systems.
최근 정부의 AI 및 반도체 인재 양성 정책에 부응하여, 본 연구는 AI 딥러닝 기술을 활용하여 RGBA 색 공간에서 반도체 칩을 효과적으로 분류하고 결함을 검출하는 방법을 제안하고 있다. 반도체 칩의 품질 보증과 결함 검출은 전자 기기의 신뢰성과 성능을 보장하는 데 필수적이다. 그러나 전통적인 검사 방법은 주로 시각적 검사 와 기계 측정, 전기적 테스트를 포함하며, 이러한 방법은 시간이 많이 소요 되고, 최첨단 장비의 비용이 많이 들고 검사로 인해 많은 생산 환경에 비효율적 이라는 것이다. 이를 해결하기 위해 딥러닝 기반의 이미지 분석 기법이 자동화된 검사 시스템에서 주목받고 있다. 이번 실험을 통해 RGBA 색 공간을 활용한 딥러닝 모델이 반도체 칩의 결함 검출 및 분류에서 뛰어난 성능을 발휘함을 확인하였다. 특히 알파 채널을 포함한 RGBA 색 공간이 기존 RGB 색 공간 모델보다 결함 검출에 있어 더 정확하고 정밀한 결과를 적은 학습으로도 제공한다. 이번 실험 결과는 RGBA 색 공간이 딥러닝 기반 결함 검출 시스템에서 중요한 역할을 할 수 있음을 시사하며, 향후 다양한 데이터셋과 조건에서의 추가 실험을 통해 이 방법의 활용 범위를 넓힐 수 있을 것이다. 이러한 모델은 반도체 제조 공정의 자동화와 품질 향상에 기여할 가능성이 크다. 본 연구는 RGBA 색 공간의 장점을 활용하여 반도체 칩 검사 과정의 정확성과 효율성을 향상시키고자 한다.
In response to the recent government's AI and semiconductor talent training policy, this study proposes a method of effectively classifying semiconductor chips and detecting defects in RGBA color space using AI deep learning technology. Quality assurance and defect detection of semiconductor chips are essential to ensure the reliability and performance of electronic devices. However, traditional inspection methods mainly include visual inspection, mechanical measurement, and electrical testing, which are time-consuming, expensive for state-of-the-art equipment, and inefficient for many production environments due to inspection. To solve this problem, image analysis techniques based on deep learning are attracting attention in automated inspection systems. Through this experiment, it was confirmed that the deep learning model using RGBA color space shows excellent performance in defect detection and classification of semiconductor chips. In particular, RGBA color space including alpha channel provides more accurate and precise results for defect detection than conventional RGB color space models with less learning. The results of this experiment suggest that the RGBA color space can play an important role in the deep learning-based defect detection system, and further experiments in various datasets and conditions will expand the scope of the method's use in the future. Such a model is highly likely to contribute to the automation and quality improvement of the semiconductor manufacturing process. This study aims to improve the accuracy and efficiency of the semiconductor chip inspection process by utilizing the advantages of RGBA color space.
본 연구의 목적은 실용댄스에서 사회적지지와 경기력의 관계를 규명하는 것이다. 이러한 관계에서 마인드셋과 그릿의 매개효과를 규명하는 것이다. 본 연구를 통하여 실용댄스의 성장뿐만 아니라, 관련 디지털 기술을 활용하여 산업의 발전 및 사회적 가치 증진에도 기여할 수 있는 기초자료를 마련하는 것이다. 연구 대상은 실용댄스 전공자로서 대회 및 배틀에 참여한 경험자들로 구성하였다. 연구 방법은 온라인 설문조사를 하였고, 조사는 2024년 6월 18일부터 7월 17일까지 하였다. 연구 결과는 다음과 같다. 첫째, 실용댄스 경기력에 미치는 사회적지지의 요인은 부모지지, 친구지지, 지도자지지로 확인되었다. 둘째, 사회적지지와 경기력의 영향에서 고정마인드셋은 친구지지와 지도자지지에서 매개효과가 있는 것으로 확인되었다. 셋째, 사회적지지와 경기력의 영향에서 끈기그릿은 지도자지지에서 매개효과가 있는 것으로 확인되었고, 사회적지지와 경기력의 영향에서 열정그릿은 부모지지, 친구지지, 지도자지지에서 매개효과가 있는 것으로 확인되었다. 넷째, 마인드셋과 경기력의 영향에서 끈기그릿은 고정마인드셋과 성장마인드셋에서 매개효과가 있는 것으로 확인되었고, 마인드셋과 경기력의 영향에서 열정그릿은 고정마인드셋과 성장마인드셋에서 매개효과가 있는 것으로 확인되었다. 위와 같은 연구 결과를 중심으로 실용댄스 대회와 배틀의 저변 확대와 함께 사물인터넷을 활용하고, MZ세대의 참여를 유도하여 실용댄스 산업을 활성화 할 수 있는 방안을 제언하였다.
The purpose of this study is to clarify the relationship between social support and performance in practical dance. The purpose is to clarify the mediating effects of mindset and grit in this relationship. Through this study, we aim to provide basic data that can contribute not only to the growth of practical dance, but also to the development of the industry and the enhancement of social value by utilizing related digital technology. The research subjects consisted of practical dance majors who had experience participating in competitions and battles. The research method was an online survey, and the survey was conducted from June 18 to July 17, 2024. The research results are as follows. First, the factors of social support affecting practical dance performance were confirmed as parent support, friend support, and leader support. Second, in the influence of social support and performance, fixed mindset was confirmed to have a mediating effect in friend support and leader support. Third, in the influence of social support and performance, perseverance grit was confirmed to have a mediating effect in leader support, and in the influence of social support and performance, passion grit was confirmed to have a mediating effect in parent support, friend support, and leader support. Fourth, in the influence of mindset and performance, perseverance grit was confirmed to have a mediating effect in fixed mindset and growth mindset, and in the influence of mindset and performance, passion grit was confirmed to have a mediating effect in fixed mindset and growth mindset. Based on the research results above, we propose ways to revitalize the practical dance industry by expanding the base of practical dance competitions and battles, utilizing the Internet of Things, and encouraging the participation of the MZ generation.
본 연구는 디지털 새싹 캠프 강사 및 조교 학생들의 교육 경험을 통해서 특수교육 대상자를 위한 인공지능 교육 방향을 탐색하는 것을 목적으로 수행되었다. 연구의 목적을 달성하기 위해서 FGI 기법을 사용하였다. 이를 위해서 문헌 분석을 통해 3개 영역, 6개의 질문을 구성하였다. FGI 대상은 통합학급과 특수학교 학급의 수업 경험을 모두 가지고 있고, 10회 이상을 수업을 한 인원들을 선정하였다. 그 결과, 강사 3인, 조교 학생 4인이 선정되었다. 본 연구는 FGI를 통해서 면담을 실시하였고, 면담 대상의 교육 경험을 통해서 3개 영역에서 39개의 의미를 추출하였다. 통합학급은 19개, 특수학교는 21개 의미를 추출하였고, 강사는 19개, 조교 학생은 20개의 의미를 추출하였다. 연구 결과를 통해서 추출된 교육 방향은 다음과 같다. 통합학급은 교육을 운영할 수 있는 충분한 시간과 인력 지원, 충분한 인프라 지원, 학생의 특성이 반영된 맞춤형 교육 개발이다. 다음으로 특수학교는 학생들의 특성을 고려한 개별화 수업 설계 및 개발, 충분한 인프라 지원, 교사들의 사전 연수 제공이다.
This study was conducted to explore the direction of artificial intelligence education for special education students through the educational experiences of digital sprout camp instructors and teaching assistants. To achieve the purpose of the study, the FGI technique was used. To this end, three areas and six questions were organized through literature analysis. The FGI subjects were selected from those who had teaching experience in both integrated and special school classes and had taught more than 10 times. As a result, three instructors and four teaching assistants were selected. This study conducted interviews through FGI, and extracted 39 meanings in three areas through the teaching experiences of the interview subjects. 19 meanings were extracted for integrated classes, 21 meanings for special schools, 19 meanings for instructors, and 20 meanings for teaching assistants. The educational directions extracted through the results of the study are as follows. Integrated classes are sufficient time and human resources support to operate education, sufficient infrastructure support, and customized education development that reflects the characteristics of students. Next, special schools should design and develop individualized classes that take into account the characteristics of students, provide sufficient infrastructure support, and provide prior training for teachers.
본 연구는 예비종교교사를 대상으로 메타버스와 생성형 AI를 활용한 수업의 효과성을 질적사례연구를 통해 분석했다. 경기도 소재 A대학교 기독교교육과 3학년 학생 8명을 대상으로 전공과목인 'e-성경공부교재설계'를 프로젝트 학습(PBL) 기반의 메타버스와 생성형 AI를 활용한 수업을 설계 및 진행했다. 학습자들은 교회학교 현장 분석을 통해 실제적인 문제를 도출 후 문제해결을 위해 생성형 AI를 활용한 성경공부 교재를 개발했다. 개발 과정은 성경 스토리보드 작성 후 생성형 AI를 활용해 그림, 음성, 배경음악을 생성해 디지털 성경 그림동화책을 개발한 후 메타버스 환경에 구현했다. 결과 분석을 위해 학습자들의 성찰저널과 인터뷰를 심층 분석했으며, 이를 통해 학습자들은 생성형 AI 및 메타버스 환경을 활용한 학습은 학습에 대한 흥미와 몰입도를 증가시켰을 뿐만 아니라 생성형 AI와 메타버스에 대한 활용 역량과 AI융합교육의 필요성 인식에도 긍정적 변화를 보였다. 또한, 자기주도적 학습과 협력적 문제 해결 과정을 통해 교실을 넘어 일상생활 속으로 학습 경험의 확장 가능성을 발견할 수 있었다. 다만 본 연구는 제한된 시간과 인원을 대상으로 진행됨으로 인해 결과의 일반화에는 한계가 있으나, 생성형 AI와 메타버스를 활용한 교육이 대전환 시대의 대안적 교육 방법으로서의 가능성을 제시했다.
This study analyzed the effectiveness of lessons using metaverses and generative AI for pre-religious teachers through a qualitative case study. Eight third-year students in the Department of Christian Education at A University in Gyeonggi-do, South Korea, designed and conducted a project-based learning (PBL)-based class on 'e-Bible study material design' using metaverses and generative AI. The students analyzed the church school site, identified practical problems, and developed Bible study materials using generative AI to solve the problems. After storyboarding the Bible, they used generative AI to generate pictures, voices, and background music and implemented them into a digital Bible picture storybook and metaverse environment. To analyze the results of the study, we conducted an in-depth analysis of learners' reflection journals and interviews, and found that learning with generative AI and metaverse environments not only increased interest and immersion, but also showed positive changes in their ability to utilize generative AI and metaverse and their awareness of the need for AI convergence education. In addition, we confirmed the possibility of extending the learning experience beyond the classroom into everyday life through self-directed learning and collaborative problem-solving processes. However, the generalizability of the results is limited due to the limited time and number of participants in this study, but it suggests the possibility of education using generative AI and metaverses as an alternative education method in the era of great transformation.
본 연구는 IoT 센싱 기술을 활용하여 구축된 빅데이터 수집 시스템을 통해 제주삼다수 공장에서 생성된 데이터를 활용하여 피크 전력 사용을 예측하는 인공지능 모델을 개발하고 비교 분석하였다. LSTM(Long Short-Term Memory) 모델은 단일 변수 시계열 데이터에서 R<sup>2</sup>=0.98, RMSE=0.039, MAE=0.026으로 가장 높은 예측 정확도를 기록하였으며, XGBoost(eXtreme Gradient Boosting) 모델은 다변량 데이터를 효과적으로 처리하며 R<sup>2</sup>=0.93, RMSE=0.018, MAE=0.013의 성능을 보였다. 연구 과정에서 다양한 데이터 전처리 방법과 특징 조합을 실험적으로 적용하여 모델의 성능을 최적화하였으며, 이를 통해 데이터 전처리와 변수 선택이 예측 정확도에 미치는 영향을 입증하였다. 연구 결과, 최적화된 인공지능 모델을 활용한 피크 전력 예측은 전력 비용 절감과 약 10~15%의 탄소 배출 감소 효과를 달성할 수 있음을 제시하였다. 이는 ESG(환경, 사회, 지배구조) 경영을 목표로 하는 기업들에게 지속 가능성을 실현하기 위한 실질적이고 구체적인 전략을 제공하며, 제조업, 물류, 스마트 팩토리 등 다양한 산업 분야에서 예측 모델의 적용 가능성을 확인하였다.
In this paper, AI models for predicting peak power usage were developed and comparatively analyzed using data collected from the Jeju Samdasoo factory through a big data collection system based on IoT sensing technology. The LSTM (Long Short-Term Memory) model demonstrated the highest prediction accuracy for univariate time-series data, achieving an R<sup>2</sup> of 0.98, RMSE of 0.039, and MAE of 0.026. Meanwhile, the XGBoost (eXtreme Gradient Boosting) model effectively handled multivariate data, achieving an R<sup>2</sup> of 0.93, RMSE of 0.018, and MAE of 0.013. Various data preprocessing methods and feature combinations were experimentally applied to optimize model performance, highlighting the significant impact of preprocessing and variable selection on prediction accuracy. The findings suggest that optimized AI models for peak power prediction can reduce power costs and achieve approximately 10-15% reductions in carbon emissions. This study offers companies pursuing ESG (environmental, social, and governance) management practical and specific strategies for achieving sustainability, while demonstrating the applicability of the predictive model across various industries, including manufacturing, logistics, and smart factories.
본 연구는 디지털 새싹캠프 강사 및 조교 학생들의 교육 경험을 통해서 중등특수교육 학생을 위한 인공지능 교육 방향을 탐색하는 것을 목적으로 수행되었다. 연구방법은 FGI 기법을 사용하였다. 문헌 분석을 통해 3개 영역, 6개의 질문을 구성하였고, FGI 대상은 통합학급과 특수학교 학급의 수업 경험을 모두 가지고 있고, 10회 이상을 수업을 한 인원들을 선정하였다. 그 결과, 강사 3인, 조교 학생 4인이 선정되었다. 본 연구는 FGI를 통해서 면담을 실시하였고, 면담 대상의 교육 경험을 통해서 3개 영역에서 43개의 의미를 추출하였다. 통합학급은 19개, 특수학교는 24개 의미를 추출하였고, 강사는 24개, 조교 학생은 19개의 의미를 추출하였다. 연구 결과를 통해서 추출된 교육 방향은 다음과 같다. 통합학급은 학습자 유형화 및 맞춤형 수업 개발, 인프라 지원이다. 다음으로 특수학교는 학생들의 특성에 따른 개별화 수업, 디바이스 지원 및 인력 지원, 교사들의 사전 연수 제공이다.
This study was conducted to explore the direction of AI education for secondary special education students through the educational experiences of Digital Sprout Camp instructors and teaching assistants. The research method used the FGI technique. Through literature analysis, three areas and six questions were composed, and the FGI subjects were selected from those who had teaching experience in both integrated and special school classes and had taught more than 10 times. As a result, three instructors and four teaching assistants were selected. This study conducted interviews through FGI, and extracted 43 meanings in three areas through the teaching experiences of the interview subjects. 19 meanings were extracted from integrated classes and 24 meanings from special schools, and 24 meanings were extracted from instructors and 19 meanings from teaching assistants. The educational directions extracted through the research results are as follows. Integrated classes are learner typology and customized class development, and infrastructure support. Next, special schools are individualized classes according to the characteristics of students, device support and personnel support, and provision of pre-training for teachers.
본 연구는 중대시민재해의 공중이용시설인 어린이집과 노인요양시설를 대상으로 중대재해를 어떻게 인식하고 있는지 동향을 파악하고자 국내 언론보도 기사를 분석하였다. 이를 위해 2021년~2024년 10월까지 약 4년간 언론 기사를 빅카인즈(BIGKinds)을 활용하여 분석하였다. 그 결과, 첫째, 키워드 트랜드에서는 '어린이집+중대재해' 기사가 209건, '노인요양+중대재해' 기사 23건으로 나타났다. 둘째, 관계도 분석 결과, 어린이집 주요 키워드는 사업주와 경영책임자, 근로자(노동자), 공무원과 지자체장 등으로 나타났고, 노인요양시설의 주요 키워드는 사업주와 경영책임자, 경북도지사(도지사), 요양보호사로 나타났다. 셋째, 연관어 분석 결과, 어린이집의 주요 키워드는 공중이용시설, 안전점검, 사업장, 구청장, 사업주, 경영책임자, 현장 점검, 소상공인, 지자체, 노동자 등이고, 노인요양시설의 주요 키워드는 공중이용시설 관리자, 어린이집, 사회복지시설, 경기 수원시, 대비방안, 경북도, 진천군 등이다. 연구 결과를 바탕으로 중대재해 인식 제고 및 중대재해 예방을 위해서 안전보건관리시스템 구축, 지자체의 중대재해 전담조직 구성과 중대재해예방 및 대응 예산 지원, 시설 내 안전·보건 교육 실시와 종사자 의견 청취 절차 마련, 중대재해 예방 교육 및 대응 매뉴얼 개발 및 보급 등을 제언하였다.
This study analyzed domestic media reports to determine trends in how public facilities such as childcare centers and Elderly Care Facilities perceive major disasters. To this end, press articles from approximately four years from 2021 to October 2024 were analyzed using BIGKinds. As a result, first, in the keyword trend, there were 209 articles on 'childcare center +serious accident' and 23 articles on 'elderly care + serious accident'. Second, as a result of the relationship analysis, the main keywords for childcare centers were business owners and managers, workers (workers), civil servants, and local government heads, while the main keywords for elderly care facilities were business owners and managers, Gyeongsangbuk-do Governor (Governor), and nursing assistants. Third, as a result of the analysis of related words, the main keywords for childcare centers are public facilities, safety inspections, workplaces, district heads, business owners, management managers, on-site inspections, small business owners, local governments, and workers, while the main keywords for elderly care facilities are public facility managers, daycare centers, social welfare facilities, Gyeonggi-do Suwon-si, countermeasures, Gyeongbuk-do, Jincheon-gun. Based on the research results, suggestions were made to raise awareness of and prevent major disasters by establishing a safety and health management system, organizing a local government organization dedicated to major disasters and supporting a budget for major disaster prevention and response, implementing safety and health education within facilities and establishing procedures for hearing opinions from workers, and developing and distributing a manual for major disaster prevention education and response.
IoT 환경에 여러 사물들은 유기적인 관계로 동작하며 다양한 서비스를 제공한다. 본 논문은 IoT 환경에서 사용자가 요청한 서비스를 제공하기 위해 개인형 모바일 단말에 제한된 자원 대신 주변 공유 가능한 자원들을 협업하는 방법을 제안한다. 이때 주변의 여러 자원들 가운데 맞춤형 자원을 추천하기 위해서 논문은 개인 모바일 단말에서 사용자의 민감한 정보나 사용 이력을 기반으로 추론한다. 또한 환경 정보와 공용 정보를 기반으로 하는 추론과 새로운 자원이나 대체 자원은 공용 자원 관리 단말에서 추론한다. 논문에서 제안한 방법은 프로토타입 시스템으로 구현하여 그 유효성을 평가한다.
In an IoT environment, various objects operate in an organic relationship and provide a variety of services. This paper proposes a method to utilize shared resources instead of limited resources on a personal mobile device to provide user-requested services in an IoT environment. In order to recommend customized resources among various resources, the paper infers based on the user's sensitive information or usage history on the personal mobile terminal. The public resource management terminal identifies suitable resources, including new and alternative resources, based on environmental information and public information.
본 연구는 기존 학습 도구나 인터넷 검색을 대체할 강력한 대안으로 자리 잡고 있는 ChatGPT로의 전환 의도에 영향을 미치는 요인을 규명하고자 Push-Pull-Mooring(PPM) 프레임워크를 활용하여 연구 모형을 설정했다. Push 요인으로는 전통적 강의 환경의 한계와 즉각적인 피드백 부족을, Pull 요인으로는 접근 용이성과 개인화된 학습 경험 제공을, Mooring 요인으로는 사회적 영향을 선정하고, 사회적 영향을 조절 변수로 설정하여 전환 의도에 미치는 영향을 검증했다. 충남 지역 대학생을 대상으로 설문 조사를 실시하고 SPSS 27과 SmartPLS 4.0을 활용하여 자료를 분석한 결과 Push 요인(전통적 강의 환경의 한계), Pull 요인(접근 용이성과 개인화된 학습 경험 제공), Mooring 요인(사회적 영향)이 전환 의도에 유의미한 영향을 미치는 것으로 나타났다. 특히 사회적 영향의 조절 효과는 접근 용이성에서만 유의미하게 확인되었으며, 이는 Z세대 대학생들의 의사결정 특성을 반영한 결과로 해석된다. 본 연구는 ChatGPT 전환의도 분석을 통해 혁신적 학습 도구의 활용 및 개발, 교육 전략 수립에 중요한 시사점을 제공할 것으로 기대한다.
This study aims to identify the factors influencing the intention to switch to ChatGPT, which has emerged as a powerful alternative to traditional learning tools and internet searches, using the Push-Pull-Mooring (PPM) framework to establish a research model. The push factors include the limitations of traditional lecture environments and the lack of immediate feedback, while the pull factors are ease of access and the provision of personalized learning experiences. Social influence was selected as a mooring factor and set as a moderating variable to examine its effect on the intention to switch. A survey was conducted among university students in Chungcheongnam-do, and the data were analyzed using SPSS 27 and SmartPLS 4.0. The results revealed that push factors (limitations of traditional lecture environments), pull factors (ease of access and personalized learning experiences), and mooring factors (social influence) significantly affect the intention to switch. Notably, the moderating effect of social influence was significant only for ease of access, reflecting the decision-making characteristics of Generation Z university students. This study is expected to provide important insights into the utilization and development of innovative learning tools and the formulation of educational strategies through the analysis of ChatGPT switching intentions.
본 연구는 이주배경 아동·청소년이 한국사회에 살아가기 위한 하나의 조건인 한국문화수용태도와 부모의 양육태도와의 관계를 검증하고 이들의 관계에서 자아존중감의 매개효과를 실증적으로 밝히고자 하였다. 이를 위해 부산광역시 16개 구·군 이주배경을 가진 아동·청소년 126명에게 설문조사를 실시하였다. 조사 방법은 구글폼을 활용한 온라인 서베이의 형태로 실시되었다. 이주배경 아동·청소년 응답자 확보의 어려움으로 인해 표집은 눈덩이·임의표집방법을 병행하였다. 본 연구의 주요 결과로 첫째, 부모의 양육태도는 이주배경 아동·청소년의 자아존중감에 정적인(+) 영향을 미치는 것으로 나타났다. 이는 부모의 양육태도가 높은 요구 및 반응을 보이는 권위적 태도를 보일 때 아동·청소년이 보다 높은 자아존중감을 가질 수 있음을 뜻한다. 둘째, 자아존중감은 한국문화수용태도에 정적인 영향을 미쳤다. 이는 한국사회 적응에 필요한 한국문화수용태도가 결국 자신이 얼마나 소중한가를 정서적으로 느끼는 자아존중감에 중요한 영향을 미침이 확인된 것이다. 셋째, 부모의 양육태도와 한국문화수용태도의 관계에서 자아존중감은 완전매개효과를 가지는 것으로 나타났다. 이는 부모의 양육태도와 한국문화수용태도에서 자아존중감이 없이는 이 모형자체의 성립이 어려움을 입증하는 결과이다. 이러한 연구의 결과를 토대로 다양한 양육지원 프로그램의 활성화, 아동·청소년의 성장과정에 필요한 다양한 개입이 통합적으로 이루어질 것 등을 제언하였다.
This study aimed to empirically verify the relationship between the parenting attitudes of parents of immigrant children and adolescents and their Korean culture Acceptance Attitude(KCAA) for living in Korean society. Additionally, the study sought to demonstrate the mediating effect of self-esteem on this relationship. A survey was conducted with 126 immigrant children and adolescents from 16 districts in Busan Metropolitan City. The survey was conducted online using Google Forms. Due to the difficulty in securing respondents among immigrant children and adolescents, a combination of snowball and random sampling methods was used. The main findings of this study are as follows. First, parenting attitudes had a positive impact on the self-esteem of immigrant children and adolescents. This suggests that when parents exhibit an authoritative style with high demands and responsiveness, children and adolescents are more likely to have higher self-esteem. Second, self-esteem had a positive impact on the KCAA. This finding confirms that self-esteem, which is the emotional feeling of how valuable one is, is crucial for the KCAA, which is necessary for adapting to Korean society. Third, self-esteem had a complete mediating effect on the relationship between parenting attitudes and the acceptance of Korean culture. This result demonstrates that without self-esteem, this model cannot be established in the relationship between parenting attitudes and the acceptance of Korean culture. Based on these findings, this study suggests the activation of various parenting support programs and the integrated implementation of diverse interventions necessary for the growth process of children and adolescents.
수업에서 퀴즈는 학생들의 학습 내용 이해도를 점검함으로써 학습 성취도를 높일 수 있지만, 교수자는 퀴즈를 만들고, 채점하고, 평가 내용을 분석하는 등의 추가적인 업무를 필요로 하기 때문에 이를 적극적으로 활용하는 것을 꺼린다. 그러나 최근 Large Language Model(LLM) 기술의 발전과 구글 설문과 같은 온라인 설문 플랫폼이 일반화되면서 수업 중 퀴즈를 효과적으로 활용할 수 있는 환경을 제공하고 있다. 본 논문은 대표적인 LLM인 ChatGPT를 활용하여 퀴즈 문제를 자동으로 생성하고, 구글 설문을 활용하여 퀴즈 시험 진행, 채점, 피드백을 제공하는 시스템을 제안하고 이를 구현한 프로토타입 시스템을 소개한다. 구체적으로는 시스템의 요구사항, 설계를 제안하고, 이를 구현한 프로토타입 시스템을 소개한다. 프로토타입 시스템은 파이썬 언어 환경에서 퀴즈 문제 생성을 위해서는 ChatGPT API를 활용하였으며, 시험 및 채점은 구글 설문 API를 활용하였다. 또한 ChatGPT가 생성한 문제는 교수자가 문제의 오류를 확인하고, 선택할 수 있도록 하였고, 문제 및 학생들의 답안은 데이터베이스에 저장하여 학생 전체 및 개별 학생의 학습성과 분석이 가능하도록 하였다. 퀴즈 자동 생성 시스템은 수업 내용에 대한 퀴즈 문제 생성, 시험, 평가, 분석을 자동으로 진행할 수 있다는 장점이 있어서, 교수자의 어려움을 상당 부분 절감시켜 주고, 학생들의 학습 성취도를 향상시켜줄 것으로 기대한다.
Quizzes in the classroom can enhance students' academic achievement by assessing their understanding of the material. However, instructors often hesitate to actively utilize quizzes because of the additional workload required for creating, grading, and analyzing quiz results. With the recent advancements in Large Language Model (LLM) technology and the widespread use of online survey platforms such as Google Forms, a more efficient environment for leveraging quizzes in classes is now available. This paper proposes a system that utilizes ChatGPT, a representative LLM, to automatically generate quiz questions, conduct quiz exams via Google Forms, and provide grading and feedback. Specifically, the paper discusses the system's requirements and design, along with a prototype implementation. The prototype system was developed in a Python environment, employing the ChatGPT API for quiz question generation and the Google Forms API for administering and grading quizzes. Additionally, the system enables instructors to review and select questions generated by ChatGPT, while quiz questions and students' responses are stored in a database to facilitate both collective and individual learning outcome analysis. The automated quiz generation system offers the advantage of automating the processes of quiz question creation, examination, evaluation, and analysis, significantly alleviating instructors' workload and improving students' academic performance.
블록체인 기술의 핵심은 개별 노드들이 자율적으로 블록을 생성하되 일종의 합의과정을 거쳐 결국에는 모든 노드가 같은 블록체인 이미지를 가지도록 하는 탈중앙화방식을 사용한다. 이때 사용하는 기술이 합의 알고리즘이다. 또한 합의 알고리즘은 이중 지불에 대한 문제를 해결하기도 한다. 이를 위해 이용되고 있는 합의 알고리즘인 작업증명(PoW), 지분증명(PoS) 및 위임지분증명(DPoS)을 살펴보았다. 따라서 본 논문에서는 블록체인 공격 중 이중 지불 공격 종류를 살펴보고 이중 지불 공격과 대표자들의 단합을 막기 위해 카운팅 블룸 필터(CBF)를 적용한 DPoS 합의 알고리즘을 제안하고자 한다.
The core of blockchain technology lies in the fact that instead of a centralized approach, individual nodes autonomously create blocks, but go through a consensus process so that eventually, all nodes have the same blockchain ledger. The technology used in this process is the consensus algorithm. Additionally, the consensus algorithm also helps solve the issue of double spending. To address this, the consensus algorithms used, such as Proof of Work (PoW), Proof of Stake (PoS), and Delegated Proof of Stake (DPoS), have been examined. Therefore, this paper aims to examine the types of double-spending attacks in blockchain and propose a Delegated Proof of Stake (DPoS) consensus algorithm incorporating Counting Bloom Filters (CBF) to prevent double-spending attacks and collusion among delegates.
기존 교차로 내 우회전은 운전자가 판단에 전적으로 의지하는 방법이었으나, 2023년 교차로 통행에 관한 법률이 횡단보도를 통행하거나, 통행하려는 보행자가 있을 시 일시정지 후 통행하도록 개정되었다. 하지만, 대부분의 운전자들은 개정된 법안을 알지 못하여 여전히 기존 방법으로 우회전하는 차량이 많다. 또한, 기존 방법으로 통행해도 "어차피 걸리지 않아" 라는 안일한 생각을 가지는 운전자가 대다수다. 더불어, 통행 방법을 올바르게 아는 운전자도 사각지대에 보행자가 가려져 우회전 시도하는 도중 급정거하는 일도 자주 발생한다. 이는 보행자에게 매우 위협적인 상황이다. 본 논문은 사각지대에 가려지는 보행자 등 보행자들의 다양한 사고를 예방하고자 YOLOv8x 모델을 활용하여 운전자에게 보행자 유무에 따라 경고를 주는 시스템을 제안한다. 해당 시스템은 보행자 유무를 기준으로 점등하기에 빛의 유도 효과를 유발한다. 이는 운전자가 자연스럽게 보행자를 인지할 수 있어 보행자 사고 예방이 가능하다.
In the past, making a right turn at intersections relied entirely on the driver's judgment. The Act on the Passage of Intersections was revised in 2023 to require drivers to yield or pause when there are pedestrians crossing or about to cross the crosswalk. Despite the revision, many drivers are unaware of the new law and continue to make right turns as before. Moreover, some drivers have a complacent attitude, thinking "nothing will happen anyway" when they follow the old method. Even drivers who know the correct way to pass often make sudden stops due to pedestrians being in blind spots. This creates dangerous situations for pedestrians. This paper proposes a system that warns drivers about pedestrians' presence using the YOLOv8x model. The system is activated based on the presence of pedestrians, creating a light induction effect that helps drivers naturally recognize pedestrians, preventing accidents.
최근 가상 현실과 로봇 공학의 발전으로 현실과 가상의 융합에 대한 관심이 높아지고 있다. 포인트 클라우드 데이터는 카메라와 LiDAR 센서로 환경의 3차원 정보를 획득하여 이러한 융합에 핵심적이다. 본 연구에서는 레이캐스팅 기법을 활용하여 가상 환경에서 실시간 포인트 클라우드 데이터를 생성하고, 이를 기반으로 에이전트가 환경을 효율적으로 탐색하는 방법을 제안한다. 에이전트는 포인트 클라우드 밀도를 분석해 미탐색 영역을 우선 탐색하고, RANSAC 알고리즘으로 바닥과 장애물을 구분하며, A<sup>*</sup> 알고리즘과 캣멀롬 스플라인으로 최적 경로를 계획한다. Unity 엔진에서 구현된 이 알고리즘은 복잡한 전처리 없이 실시간 처리 가능하며, 실험 결과 에이전트는 환경을 탐색하고 포인트 클라우드 데이터를 수집할 수 있었다. 본 연구는 포인트 클라우드 기반 가상 환경 구축과 실시간 탐색의 실용성을 검증하고 다양한 분야에서의 응용 가능성을 제시한다.
Recent advancements in virtual reality (VR) and robotics have increased interest in integrating physical and virtual environments. Point cloud data from cameras and LiDAR are essential for capturing 3D environmental details. This study proposes a ray-casting-based method for generating real-time point cloud data, enabling efficient virtual environment exploration. The agent prioritizes unexplored regions by analyzing point cloud density, separates ground and obstacles using RANSAC, and plans paths with the A<sup>*</sup> algorithm and Catmull-Rom splines. Implemented in Unity, the method supports real-time processing without complex preprocessing. Experiments confirm its effectiveness, highlighting its potential for various applications.
본 연구의 목적은 디지털 시대에 장애인의 디지털 기기 이용을 통한 사회적 배제 해소 방안을 연구하는 것이다. 연구결과는 다음과 같다. 첫째, 사회적 배제 요인은 모두 삶의 질에 영향이 나타났다. 둘째, 사회적 배제 요인에서 건강을 제외한 가족, 사회참여, 재정, 문화, 고용은 모두 디지털 기기 이용 태도에 영향이 나타났다. 셋째, 사회적 배제 요인에서 건강을 제외한 가족, 사회참여, 재정, 문화, 고용은 모두 디지털 기기 이용 효능감에 영향이 나타났다. 넷째, 디지털 기기 이용 태도는 사회적 배제의 가족, 사회참여, 재정, 문화, 고용 요인과 삶의 질의 관계에서 부분매개 효과가 나타났다. 다섯째, 디지털 기기 이용 효능감은 사회적 배제의 가족, 사회참여, 재정, 문화, 고용 요인과 삶의 질의 관계에서 부분매개 효과가 나타났다. 여섯째, 성별에 따른 차이는 사회적 배제의 가족 요인에서 나타났다. 일곱째, 연령에 따른 차이는 사회적 배제, 삶의 질, 디지털 기기 이용 태도, 디지털 기기 이용 효능감에서 나타났다. 여덟째, 장애유형에 따른 차이는 사회적 배제, 삶의 질, 디지털 기기 이용 태도, 디지털 기기 이용 효능감에서 나타났다. 본 연구를 통하여 디지털 기기의 효과적 활용 방안을 제시하였다. 이러한 방안이 장애인의 사회적 배제 해소와 삶의 질 제고에 기여하고, 장애인의 디지털 포용성을 높이면서 지속 가능한 사회적 통합을 이루는 데 기여하길 기대한다.
The purpose of this study is to study ways to eliminate social exclusion through the use of digital devices by people with disabilities in the digital age. The research results are as follows. First, all social exclusion factors had an effect on quality of life. Second, except for health, family, social participation, finance, culture, and employment in the social exclusion factors had an effect on digital device usage attitude. Third, except for health, family, social participation, finance, culture, and employment in the social exclusion factors had an effect on digital device usage self-efficacy. Fourth, digital device usage attitude had a partial mediating effect in the relationship between family, social participation, finance, culture, and employment factors of social exclusion and quality of life. Fifth, digital device usage self-efficacy had a partial mediating effect in the relationship between family, social participation, finance, culture, and employment factors of social exclusion and quality of life. Sixth, differences by gender were found in the family factor of social exclusion. Seventh, differences by age were found in social exclusion, quality of life, digital device usage attitude, and digital device usage self-efficacy. Eighth, differences by disability type were shown in social exclusion, quality of life, digital device usage attitude, and digital device usage self-efficacy. Through this study, we presented effective ways to use digital devices. We hope that these ways will contribute to eliminating social exclusion and improving quality of life for people with disabilities, and to achieving sustainable social integration while increasing digital inclusion for people with disabilities.
지하 물류 네트워크 설계는 도시 지하 물류 시스템에서 중요한 단계로, 물류 효율을 높이고 운영 비용을 절감하기 위해 최적의 물류 네트워크 경로를 찾는 것을 목표로 한다. 그러나 지하 환경의 복잡성과 불확실성으로 인해 전통적인 설계 방법은 이를 효과적으로 해결하기 어려운 경우가 많다. 본 논문에서는 화이트 샤크 최적화 알고리즘(WSO)을 기반으로 한 개선된 화이트 샤크 최적화 알고리즘(LGWSO)을 제안하여 지하 물류 네트워크 경로를 설계했다. 제안된 방법은 먼저 지하 공간 모델을 구축한 후, LGWSO 알고리즘을 이용해 경로를 계획한다. 혼돈 초기화 방법과 가우스 변이 전략을 채택하여 알고리즘의 성능을 효과적으로 향상시켰다. 시뮬레이션 실험을 통해 제안된 알고리즘은 최적화 정확도, 수렴 속도 및 강건성 측면에서 뛰어난 성능을 보이는 것으로 검증되었다. 전통적인 설계 방법과 비교할 때, 본 방법은 복잡한 지하 환경에 더 적합하며 도시 물류 시스템의 지하 네트워크 설계에 최적화된 솔루션을 제공한다.
The planning of underground logistics pipeline networks is a crucial component of urban underground logistics systems, aiming to find the optimal construction path for the logistics network, improve logistics efficiency, and reduce operational costs. However, due to the complexity and uncertainty of the underground environment, traditional planning methods often fall short. This paper proposes a improved underground logistics pipeline network planning method based on the White Shark Optimization(WSO) algorithm, referred to as LGWSO(White Shark Algorithms Combining Logistic Maps and Gaussian Variations). The proposed method first establishes an underground space model and then uses the LGWSO algorithm for path planning. By adopting chaos initialization method and Gaussian mutation strategy, the performance of the algorithm has been effectively improved. Through simulation experiments, the algorithm has demonstrated significant advantages in optimization accuracy, convergence speed, and robustness. Compared to traditional planning methods, the proposed approach is better suited to handle the complex underground environment, providing an optimized strategy for the construction of urban logistics system underground networks.