본 논문은 초광대역(Ultra-Wideband, UWB) 기반 실내측위의 정확도 향상을 위해 삼각측량법, 삼변측량법, 기하학적 원 교차 알고리즘, 그리고 거리·RSSI(Received Signal Strength Indication) 기반 딥러닝 모델의 네 가지 독립적인 방법의 성능을 비교하였다. 삼변측량법의 오차 민감성과 앵커배치 제약을 완화하기 위해 허상 제거 절차를 포함한 일반화 원 교차 알고리즘을 적용하였으며, 무향 칼만 필터(Unscented Kalman Filter)를 통해 거리 측정 잡음을 보정 하였다. 딥러닝 모델은 필터링 되지 않은 오류를 포함하고 있는 거리·RSSI 데이터를 입력으로 다층 퍼셉트론을 학습시켜 좌표를 직접예측하였다. 10.5 m × 5.4 m 규모의 환경에서 약 30,000개의 데이터를 활용한 실험 결과, 제안된 딥러닝 기반 모델이 약 0.39 m의 평균 제곱근 오차를 보여가장 우수한 성능을 보였다.

최근 재활 분야에서는 환자의 동작을 자동으로 인식하고 평가하는 인간 행동 인식(Human Activity Recognition, HAR) 기술의 중요성이 커지고 있다. 이는 환자의 상태를 객관적으로 파악하고 치료 과정을 정량적으로 모니터링할 수 있게 하여, 전문 치료 기관뿐 아니라 가정에서도 자율적인 재활 훈련을 가능하게 한다. 그러나 기존 HAR 연구들은 주로 Skeleton이나 IMU 같은 단일 모달리티에 의존해 왔으며, Skeleton 데이터는 가림과 동역학적 정보 부족의 한계가 있으며, IMU 데이터는 전신 관절 간의 구조적 관계를 직접적으로 반영하기 어렵다는 제약이 존재했다. 본 연구에서는 이러한 단일 모달리티 기반 접근의 한계를 극복하기 위해, IMU와 Skeleton 데이터를 결합한 멀티 모달 재활 동작인식 방법을 제안한다. IMU 센서를 참가자의 양 손목에 부착 후 3축 기준으로 가속도와 각속도를 기록하여 사용한다. 동시에 RGB-D 카메라를 통해 촬영된 영상에서 MMPose COCO WholeBody 프레임워크를 사용하여 상반신 중심의 55개 관절 랜드마크를 추출하고 이를 Skeleton 데이터로 사용한다. IMU 데이터는 시계열 패턴의 장·단기 변화를 학습하기 위해 TCN layer 기반 모델로 처리하였으며, Skeleton 데이터는 관절 간 공간적 관계와 시간적 변화를 동시에 학습할 수 있는 2s-AGCN을 적용하여 동작 수행 과정에서의 관절 구조 변화를 모델링하였다. 이후 두 모달리티는 온도 보정과 엔트로피 기반 가중치 앙상블을 적용하여 멀티모달로 사용한다. 실험 결과, 제안한 멀티 모달 접근법은 단일 모달리티 기반 모델보다 향상된 정확도를 보였다. 특히 Skeleton 모델이 혼동하던 유사 동작에서 IMU 정보가 효과적으로 보완 역할을 수행함을 확인하였다. 또한 Skeleton 데이터를 기반으로 중요 관절을 시각화하고, 관절 간 각도를 분석하는 추가적인 시각화를 제공하여 재활 훈련 평가의 해석 가능성을 높였다.

본 논문은 스마트팜에서 토마토의 생장량을 비접촉·자동으로 계측하기 위한 YOLOv7 기반 영상 시스템을 제안한다. 다중 CCTV 영상을 서버에서 세그멘테이션하여 줄기 굵기와 성장점-줄기 간 길이를 추출하고, 허프 원 변환으로 검출한 기준구를 이용해 픽셀 값을 실거리(mm)로 환산한 뒤 6시간 간격 성장 그래프와 함께 GUI로 시각화한다. GP, Stem, Flower, Top 네 클래스로 라벨링·증강한 데이터셋으로 YOLOv7-seg를 학습한 결과 세그멘테이션 mAP@0.5≈0.92를 달성하였으며, 줄기 굵기와 길이 계측 오차는 ±2-3 mm 수준으로 수작업 대비 높은 신뢰도를 보였다. 제안 시스템은 생육 데이터와 환경 제어를 연계하여 스마트팜 관리 효율성을 향상시키는 기반을 제공한다.

본 논문에서는 FFT 기반 Partition 선택 기법을 활용한 효율적인 도래각 (DOA) 추정 방법을 제안한다. 기존 SP-MUSIC (Spectrum Partitioning-MUltiple Signal Classification) 방식은 전체 스펙트럼을 여러 Partition으로 나누고, 각 Partition 별로 각각의 MUSIC 알고리즘을 적용할 뿐 아니라, 신호의 세기가 임계값 이하인 Partition까지 처리하기 때문에 불필요한 연산이 요구된다. 제안된 기법은 FFT를 통해 스펙트럼 에너지 분포를 먼저 분석하고, 신호가 존재하는 Partition만 선별하여 MUSIC 알고리즘을 적용한다. 이를 통해 불필요한 연산을 줄이고 노이즈 영향을 최소화함으로써, 기존 SP-MUSIC 대비 연산 효율성 및 개선된 DOA 추정 성능을 달성하였다. 시뮬레이션 결과는 제안된 기법이 감소된 복잡도에도 불구하고 기존 SP-MUSIC과 유사한 성능을 달성함을 보인다.

본 논문은 가전용 수동 PFC 입력단을 대상으로 고조파 저감을 위한 설계 요구 사양을 만족하는 AC 리액터를 설계하고 검증한다. 자기 회로 수식 기반으로 EI/EE 상용 코어의 기준 모델을 도출하고 Maxwell 3D로 FEM 해석을 수행한 결과, 코어 코너 내측 자속 집중 및 창 안쪽 누설 등 이론 대비 인덕턴스가 미달함을 확인하였다. 반복적이고 노동집약적인 해석을 대체하기 위해 PyAEDT로 FEM 해석의 전 과정을 자동화하고 설계 요구 사양을 만족시키기 위해 두 경우로 나누어 설정한 설계변수의 동시 무작위 갱신 기반 해석을 수행하였다. 그 결과 두 경우 모두에서 설계 요구 사양을 만족하는 AC 리액터 형상을 도출하였고, Twin Builder에서 회로 시뮬레이션을 진행하여 국제 고조파 허용 규격을 만족하는 것을 확인하였다.

본 논문은 자율주행 사고 책임을 인간 중심의 법적 귀속을 넘어, 기술과 인간 그리고 인프라가 얽힌 사회기술적 관계망 속에서 재해석한다. 행위자-네트워크 이론과 객체지향 존재론 등 사회학적 이론의 기반 위에 전력시장의 위험 관리 원리를 적용한 RAM(Risk Allocation Market) 모델로 구조화하였다. RAM은 CVaR 기반 위험 점수화, 사고 맥락에 따른 동적 책임 배분, 표준화된 로그·감사 체계를 핵심 요소로 한다. 연구는 RAM 모델의 개념적 설계와 함께, 사례별 상황에 맞춰 가정된 파라미터와 가상의 데이터를 적용한 시뮬레이션을 통해 모델의 논리적 타당성과 실현 가능성을 점검하였다. 세 가지 사례의 시뮬레이션 결과, RAM은 기존의 단일 귀속 방식보다 사고의 복합성과 맥락적 변동성을 더욱 정확히 반영하는 것으로 나타났으며, 이는 사전적 위험 관리 체계의 타당성을 뒷받침한다. 본 연구는 자율주행 책임 문제를 사후 분쟁 중심에서 사전 위험 관리와 분산 책임 구조로 전환할 수 있는 이론적, 제도적 틀을 제시한다는 점에서 의의가 있다.

무인 소매점은 소매업의 유망한 미래를 제시하지만, 아직은 초기 단계로서 소비자들의 수용성을 더욱 확장해야 하는 과제를 안고 있다. 이에 따라, 본 연구는 소비자들의 무인 소매점 채택에 대한 저항 요인들과 촉진 요인들을 중심으로 무인 소매점 모델의 확산과 비즈니스 성과를 향상시킬 수 있는 방안 모색해보고자 하였다. 이를 위해 본 연구에서는 혁신저항이론을 바탕으로 연구모형을 개발하였다. 데이터는 설문을 통해 수집하였으며, 총 382개의 표본을 대상으로 통계적 기법을 사용하여 연구모형 분석하였다. 분석 결과, 사용성, 가치, 위험, 전통, 이미지라는 다섯 가지 저항 장벽들 모두 소비자들의 무인 소매점에 대한 저항감을 형성하는 데 유의적인 역할을 하는 것으로 나타났다. 또한, 이러한 저항감은 소비자들의 무인 소매점 수용 의도에 부정적인 영향을 미치는 반면, 촉진 역할을 기대했던 무인 소매점에 대한 인지도와 FOMO(fear of missing out) 인식은 유의적으로 긍정적인 영향을 미치는 것으로 밝혀졌다. 본 연구는 기존의 혁신저항 모델을 촉진 요인들과의 통합한 형태로 확장시킴으로써, 소비자들이 최근의 혁신적인 소매 모델인 무인 소매점을 수용하는 단계에 이르는 심리적 메커니즘을 효과적으로 설명할 수 있는 틀을 제시했다는 점에서 의의가 있다. 본 연구에서 논의된 분석 결과와 다양한 시사점들은 향후 무인 소매점의 확산과 성과 향상을 위한 전략 수립에 유용한 정보와 통찰을 제공할 수 있을 것으로 기대된다.

본 연구는 오픈소스 소프트웨어(OSS) 생태계에서 관찰되는 기술 트렌드가 온라인 채용공고(OJP)에 나타나는 SW 기술 수요를 일정 시차를 두고 반영한다는 가설을 한국 시장 자료로 실증 검증한다. 2022·2025년 GitHub 상위 저장소 데이터(GH22, GH25)와 국내 주요 종합 채용 플랫폼의 SW 채용공고 데이터(HR22 ≈ 10,000건, HR25 ≈ 15,000건)를 수집하고, 공통 스킬 사전 및 NLP 정규화를 거쳐 스피어만 순위상관(ρ)과 자카드 유사도(J)로 동기간 정합성과 시차 예측성을 비교하였다. 분석 결과, (1) 동기간 정합성은 2022년 중간 수준에서 2025년 약화되어 두 생태계 간 간극이 확인되었고, (2) 2022년 GitHub 트렌드는 2025년 한국 채용 기술수요를 유의하게 예측하는 선행지표(ρ≈0.71)로 나타났으며, (3) 상위 기술 공동사용 쌍(Top-30 co-pairs)의 구조적 유사성도 유의하게 관찰되었다(J>0.09). 이는 한국 시장의 높은 관성과 특정 분야의 로컬 수요가 글로벌 OSS 트렌드와 부분적으로 탈동조화되어 있음을 시사하며, 교육과정 설계·기업 인재전략·개발자 경력설계의 근거 지표로서 OSS 데이터의 활용 가능성을 제고한다.

본 연구는 중국 내 스포츠센터 경영자 및 관리자가 서비스품질의 중요성을 인지하기 위하여, 중국 스포츠센터 사용자를 대상으로 서비스품질, 서비스가치 및 고객만족도의 관계를 규명하였다. 분석 결과, 서비스품질은 서비스가치에 유의한 정(+)의 영향을 미치며, 서비스품질도 고객만족도를 향상시키는 요인이라는 것이 확인되었고, 서비스가치 역시 고객만족도를 향상시키는 요인으로 나타났다. 서비스가치는 서비스품질과 고객만족도의 관계에서 부분매개효과가 존재한다는 것이 확인되었다. 스포츠센터의 지속적 운영과 사용자 확대를 위해서 스포츠센터 경영자는 직원교육과 현대적 시설장비 보유의 중요성을 더욱 인지해야 할 것이다.

변혁적 리더십은 젊은 세대의 유입과 더불어 과거 권위주의적인 분위기에서 수평적조직문화를 변화시키는 조직에서 어느 때보다 필요성이 대두된다. 조직 목표달성과 지속가능성을 유지하기 위해 핵심성공요인이 리더십이라는 전제와 MZ세대의 등장이라는 시대적 이슈를 배경으로 본 연구를 실시하였다. 본 연구에서는 기업 구성원들을 대상으로 대면과 온라인 설문조사를 병행하여 실시하고 총 428명의 표본을 가지고 변혁적 리더십과 자기효능감, 분배공정성, 절차공정성 및 직무성과, 직무만족 간의 관계를 살펴보고자 한다. 가설검증 전 신뢰성과 타당성 검증을 거친 후 구조방정식모형에서 흔히 사용되는 최대우도법을 이용하여 분석한 결과 첫째, 변혁적 리더십이 자기효능감, 분배공정성, 절차공정성 모두에 정(+)의 유의한 영향, 자기효능감이 직무성과와 직무만족 모두에 정(+)의 유의한 영향을 미치는 것으로 나타났다. 둘째, 분배공정성과 절차공정성이 직무만족에 정(+)의 유의한 영향을 미치는 것으로 나타났으나 분배공정성과 절차공정성이 직무성과에는 유의한 영향을 미치지 않는 것으로 나타났다. MZ세대의 조절효과에 관한 분석 결과 변혁적 리더십과 분배공정성 및 절차공정성 사이의 관계에서 유의한 조절효과가 있었고 변혁적 리더십과 자기효능감 간의 관계에서는 MZ세대 조절효과가 유의하지 않은 것으로 나타났으며 이를 바탕으로 이론적·실무적 시사점을 기술하였다.

2025년 고등교육 환경에서 생성형 AI(Generative AI)의 도입률이 92%에 육박함에도 불구하고, AI가 사실이 아닌 정보를 그럴듯하게 꾸며내는 '작화증(Confabulation)' 현상은 우리가 풀어야 할 숙제이다. 본 연구는 이러한 명확하지 않은 이슈에도 불구하고 학생들이 AI 시스템 이용에 대해 보이는 높은 수준의 의존도의 충성도를 '인지적 구두쇠(Cognitive Miser)' 이론과 '인지적 신뢰(Cognitive Trust)와 정서적 신뢰(Affective Trust)' 개념을 통해 규명하고자 한다. 기존 연구들이 의학분야에서 주로 쓰는 '환각(Hallucination)'이라는 은유적 표현을 그대로 차용하여 AI분야에서 다루었던 것과 달리, 본 연구는 이를 '작화증'으로 재정의하고, 이것이 학생들의 시스템 신뢰(인지적·정서적)와 Oliver의 4단계 충성도 (인지적-감정적-의도적-행동적) 형성에 미치는 영향을 실증적으로 분석하고자 하였다. 대학생(AI 학습 시스템 사용 경험이 있는) 150명을 대상으로 한 데이터를 바탕으로 한 구조방정식 모형(SEM) 분석 결과, 지각된 작화증 리스크는 인지적 신뢰를 저해하지만, 상징적 혜택과 의인화된 실재감은 정서적 신뢰를 강화하여 충성도 경로를 유지시키는 것으로 나타났다. 특히, 정보의 정확성에 대한 의심(인지적 불신)이 존재함에도 불구하고, 효율성과 정서적 만족을 기반으로 한 행동적 충성도를 유지하는 '역설적 충성도' 패턴을 보였다.