• 한국의학물리학회지:의학물리
• /
• 제26권4호
• /
• pp.258-266
• /
• 2015

현대 방사선치료는 고선명 X선 투사영상을 이용하여 환자 및 종양의 위치를 확인하는 기술이 요구되지만, 3차원 영상 촬영을 위한 피폭량 및 영상정보의 급격한 증가는 환자에게 추가적인 부담이 될 수 있다. 본 연구에서는 영상의 구조 정보를 효과적으로 추출할 수 있는 Structural similarity (SSIM) 인자를 도입하여 매일 촬영하는 환자의 2차원 X선 영상간 차이를 자동 분석하여 환자의 위치 정확성의 검증 가능성을 제시하였다. 먼저 종양을 모사하기 위하여 구형 전산 팬텀의 크기와 위치를 변화시키면서 각각의 투사 영상을 시뮬레이션하고, SSIM 인자를 통해 영상 간 차이를 검출하여 분석하였다. 또한 12일간 매일 촬영한 방사선 치료 환자의 2차원 X선 영상들 간 차이를 동일한 방법으로 검출하였다. 그 결과 산출된 팬텀 변화에 따른 SSIM 값은 0.85~1 범위로, 관심영역(ROI)을 영상 전체가 아닌 팬텀으로 한정하였을 때는 0.006~1 범위로 나타나서 ROI 적용 시 민감도가 크게 상승하는 것을 확인하였다. 또한 임상 영상의 SSIM은 0.799~0.853 범위의 값을 나타냈으며 영상 간 차이가 SSIM 분포 상에 검출되는 것을 확인하였다. 본 연구결과는 소요 시간 및 피폭 등의 우려로 매일 사용하기 어려운 3차원 영상기법 대신 간단한 2차원 영상만을 이용하여 객관적이고 정량적인 환자 위치 정확성의 자동 평가 기법을 제공할 수 있을 것으로 기대된다.

• Radiation Oncology Journal
• /
• 제19권4호
• /
• pp.369-380
• /
• 2001

목적 : 인터넷을 이용한 국내 방사선종양학과내의 관련정보를 공유할 수 있는 통계처리프로그램을 개발함으로써 방사선 종양학의 발전을 위한 정책적 판단의 기초자료를 제공하고자 한다. 대상 및 방법 : 전국 52개 병원을 대상으로 방사선 종양학과내의 관련정보를 지면을 이용한 설문조사를 통해 통계 처리하던 기존 방식에서, 인터넷을 이용하여 입력한 후 필요한 정보에 대한 전국 통계를 실시간으로 얻을 수 있도록 구성하였다. 통계조사를 위한 서버 환경으로 O/S는 Windows NT 4.0을 기반으로 하였으며 웹서버로는 Internet Information Server 4.0 (IIS4.0)을 이용하였다. 자료를 수집하고 검색하기 위한 데이터베이스로는 $Microsoft^{\circledR}$사의 Access MDB를 사용하였고 데이터베이스를 사용자가 접근하고, 활용하기 위한 실제 프로그램은 Structured Query Language (SQL), Visual Basic, VBScript, JAVAScript 등을 이용하여 구현하였다. 입력된 자료는 사용자의 요구에 따라 연도별, 병원별로 통계처리 되어 표시되도록 하였다. 결과 : 프로그램은 크게 나누어 인력현황, 연구현황, 특수증기 및 특수기술 등을 요하는 치료현황, 외부조사기기에 따른 치료현황, 근접치료현황, 임상통계현황, 방사선 안전관리현황, 시설현황, 장비현황, 방사선 정도관리현황 및 방사성 핵종 보유현황으로 구성되어 있다. 세부항목은 총 38개의 입력창으로 구성되어 있으며, 통계 처리한 결과는 6개의 출력창을 통하여 보여주고 있다. 또한 사용자의 요구에 따라 통계처리결과는 유연하게 확장이 가능하게 되어 있다. 결론 : 전국 방사선 종양학과내에서 이루어지고 있는 모든 자료에 대할 통계 자동화 프로그램을 개발하여 기초자료로 활용할 수 있도록 하였다. 이를 통하여 관련 사용자들이 쉽고 빠르게 자료를 입력할 수 있고, 또 전국적인 통계자료 정보를 필요에 따라 수시로 얻을 수 있게 되었다.

• 지능정보연구
• /
• 제21권1호
• /
• pp.161-177
• /
• 2015

정보기술의 빠른 진화, 빅데이터의 등장, 분석기법의 고도화 등으로 인해 다량의 데이터로부터 의미있는 정보를 추출하는 데이터마이닝을 다양한 영역에 활용하고자 하는 시도들이 활발히 진행되고 있다. 그 중의 한 분야가 농산물 유통영역인데, 농산물에 대한 지속적인 수요 증가와 전자경매의 활성화 등으로 수도권 농산물 도매시장에서만도 연간 수천만건 이상의 거래가 이루어 진다. 그러나 급속한 거래량 증가와 더불어 과거로부터 관행적으로 이루어지고 있는 부정거래도 함께 증가하고 있는데 거래참가자들 사이의 결탁에 의해 발생하는 농산물 도매시장의 부정거래는 점차 지능화되는 추세이며, 이들을 감지하고 적발하기가 매우 어려운 실정이다. 이로 인해 농산물 유통환경의 공정거래 질서는 침해되고 시장에 대한 신뢰는 훼손되곤 한다. 따라서 거래투명성을 제고하고 유통비리를 구조적으로 개선하기 위한 과학적이고 자동화된 부정탐지시스템의 필요성이 어느 때보다도 절실히 요구되는 상황이다. 본 연구에서는 데이터마이닝의 의사결정나무를 이용하여 실제 발생하지 않은 거래를 실물 없이 거래한 것처럼 조작하여 대금을 정산하는 행위인 허위거래를 탐지하는 모형을 제시하였다. 이를 위해 실제 농산물 도매시장의 데이터를 수집하였고, 데이터의 정제 및 표준화 등의 선행작업을 수행하였다. 또한 변수 간의 상관관계 및 분포도 분석 등을 통해 데이터의 특성을 파악한 후 예측모형을 구축하여 허위거래와 정상거래를 분류하는 패턴을 도출하였으며, 최종적으로 시험용 데이터를 이용하여 모형을 평가하는 단계를 거쳐 결과의 적합성을 확인하였다. 향후 데이터마이닝을 이용한 부정탐지 모형을 허위거래뿐만 아니라 낙찰부정, 경매조작 등과 같이 다양화되는 부정거래에 적용하게 되면 보다 지대한 효과를 거둘 수 있으리라 사료된다.

• 한국터널지하공간학회 논문집
• /
• 제24권6호
• /
• pp.617-628
• /
• 2022

터널 건설 시 암반 등급에 따라 다양한 지보재를 적절히 병용하여 지보패턴을 결정하고 시공이 이루어진다. 이 과정에서 시공 경험이 풍부한 전문가의 기술적 판단이 필요한데, 터널 설계의 초기 단계인 타당성 조사 및 기본설계 단계에는 상대적으로 짧은 수행기간과 부족한 자료 및 예산으로 인해 설계에 많은 어려움이 존재한다. 터널 건설의 급증과 함께 축적된 설계 데이터와 머신러닝을 활용한다면, 지보패턴 설계를 보다 신속하고 신뢰도 있게 수행할 수 있다. 따라서 본 연구에서는 암반등급 판정 및 해당 암반등급에 적합한 지보패턴 설계를 자동화하고자 국내 48개 도로터널의 설계자료 및 지반조사 자료를 수집하였으며, 8개의 입력항목(암종, 전기비저항, 심도, 터널연장, 터널연장에 따른 방재등급, 위험도지수에 따른 방재등급, 터널 종류, 터널 단면적)과 11개의 출력항목(암반등급, 숏크리트 제원 2개 항목, 록볼트 제원 3개 항목, 강지보 제원 3개 항목, 콘크리트 라이닝 2개 항목)에 대한 데이터를 정리하였다. 이와 같이 정리된 데이터를 활용하여 2가지 머신러닝 알고리즘(SVM, ANN)을 활용하여 3가지 머신러닝 모델(S1, A1, A2)을 개발하였으며, 세 가지 모델의 성능을 비교해본 결과 출력값의 데이터 형식에 따라 서로 다른 손실함수를 적용한 ANN 기반의 A2 모델이 가장 뛰어난 성능을 보였다. 본 연구를 통해 머신러닝을 활용한 지보패턴 설계의 가능성을 확인할 수 있었으며, 향후 지속적으로 실제 설계에 사용함으로써 단점을 보완하고 적용성을 개선해 나간다면 설계에 보다 큰 도움을 줄 수 있는 지보패턴 설계 모델을 개발할 수 있을 것으로 기대된다.

• 인터넷정보학회논문지
• /
• 제21권6호
• /
• pp.23-31
• /
• 2020

본 연구는 철도표면상에 발생하는 노후 현상 중 하나인 결함 검출을 위해 학습데이터를 생성함으로써 결함 검출 모델에서 더 높은 점수를 얻기 위해 진행되었다. 철도표면에서 결함은 선로결속장치 및 선로와 차량의 마찰 등 다양한 원인에 의해 발생하고 선로 파손 등의 사고를 유발할 수 있기 때문에 결함에 대한 철도 유지관리가 필요 하다. 그래서 철도 유지관리의 자동화 및 비용절감을 위해 철도 표면 영상에 영상처리 또는 기계학습을 활용한 결함 검출 및 검사에 대한 다양한 연구가 진행되고 있다. 일반적으로 영상 처리 분석기법 및 기계학습 기술의 성능은 데이터의 수량과 품질에 의존한다. 그렇기 때문에 일부 연구는 일반적이고 다양한 철도표면영상의 데이터베이스를 확보하기위해 등간격으로 선로표면을 촬영하는 장치 또는 탑재된 차량이 필요로 하였다. 본연구는 이러한 기계적인 영상획득 장치의 운용비용을 감소시키고 보완하기 위해 대표적인 영상생성관련 딥러닝 모델인 생성적 적대적 네트워크의 기본 구성에서 여러 관련연구에서 제시된 방법을 응용, 결함이 있는 철도 표면 재생성모델을 구성하여, 전용 데이터베이스가 구축되지 않은 철도 표면 영상에 대해서도 결함 검출을 진행할 수 있도록 하였다. 구성한 모델은 상이한 철도 표면 텍스처들을 반영한 철도 표면 생성을 학습하고 여러 임의의 결함의 위치에 대한 Ground-Truth들을 만족하는 다양한 결함을 재 생성하도록 설계하였다. 재생성된 철도 표면의 영상들을 결함 검출 딥러닝 모델에 학습데이터로 사용한다. 재생성모델의 유효성을 검증하기 위해 철도표면데이터를 3가지의 하위집합으로 군집화 하여 하나의 집합세트를 원본 영상으로 정의하고, 다른 두개의 나머지 하위집합들의 몇가지의 선로표면영상을 텍스처 영상으로 사용하여 새로운 철도 표면 영상을 생성한다. 그리고 결함 검출 모델에서 학습데이터로 생성된 새로운 철도 표면 영상을 사용하였을 때와, 생성된 철도 표면 영상이 없는 원본 영상을 사용하였을 때를 나누어 검증한다. 앞서 분류했던 하위집합들 중에서 원본영상으로 사용된 집합세트를 제외한 두 개의 하위집합들은 각각의 환경에서 학습된 결함 검출 모델에서 검증하여 출력인 픽셀단위 분류지도 영상을 얻는다. 이 픽셀단위 분류지도영상들과 실제 결함의 위치에 대한 원본결함 지도(Ground-Truth)들의 IoU(Intersection over Union) 및 F1-score로 평가하여 성능을 계산하였다. 결과적으로 두개의 하위집합의 텍스처 영상을 이용한 재생성된 학습데이터를 학습한 결함 검출모델의 점수는 원본 영상만을 학습하였을 때의 점수보다 약 IoU 및 F1-score가 10~15% 증가하였다. 이는 전용 학습 데이터가 구축되지 않은 철도표면 영상에 대해서도 기존 데이터를 이용하여 결함 검출이 상당히 가능함을 증명하는 것이다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.307-325
• /
• 2023

코로나19 팬데믹의 장기화로 인해 실내 생활에 지쳐가는 사람들이 우울감, 무기력증 등을 해소하기 위해 근거리의 산과 국립공원을 찾는 빈도가 폭발적으로 증가하였다. 자연으로 나온 수많은 사람들이 오가는 걸음을 멈추고 숨을 돌리며 쉬어가는 장소가 있는데 바로 약수터이다. 산이나 국립공원이 아니더라도 근린공원 또는 산책로에서도 간간이 찾아볼 수 있는 약수터는 수도권에만 약 6백여개가 위치해 있다. 하지만 불규칙적이고 수작업으로 수행되는 수질검사로 인해 사람들은 실시간으로 검사 결과를 알 수 없는 상태에서 약수를 음용하게 된다. 따라서 본 연구에서는 약수터 수질에 영향을 미치는 요인을 탐색하고 다양한 곳에 흩어져 있는 데이터를 수집하여 실시간으로 약수터 수질을 예측할 수 있는 모델을 개발하고자 한다. 데이터 수집의 한계로 인해 서울과 경기로 지역을 한정한 후 데이터 관리가 잘 이루어지고 있는 18개 시의 약 300여개 약수터를 대상으로 2015~2020년의 수질 검사 데이터를 확보하였다. 약수터 수질 적합 여부에 영향을 미칠 것으로 여겨지는 다양한 요인들 중 두 차례의 검토를 거쳐 총 10개의 요인을 최종 선별하였다. 최근 주목받고 있는 자동화 머신러닝 기술인 AutoML 기법을 활용하여 20여가지의 머신러닝 기법들 중 예측 성능 기준 상위 5개의 모델을 도출하였으며 그 중 catboost 모델이 75.26%의 예측 분류 정확도로 가장 높은 성능을 가지고 있음을 확인하였다. 추가로 SHAP 기법을 통해 분석에 사용한 변인들이 예측에 미치는 절대적인 영향력을 살펴본 결과 직전 수질 검사에서 부적합 판정을 받았는지 여부가 가장 중요한 요인이었으며 그 외 평균 기온, 과거 연속 2번 수질 부적합 판정 기록 유무, 수질 검사 당일 기온, 약수터 고도 등이 수질 부적합 여부에 영향을 미치고 있음을 확인하였다.

• 한국수자원학회논문집
• /
• 제57권3호
• /
• pp.151-164
• /
• 2024

상수도 공급을 위한 정수장에서 전염소 또는 중염소 공정이 도입된 수처리 공정의 염소농도 관리에 필요한 공정제어를 위하여 AI 기술을 활용한 수질예측 기법이 연구되고 있다. 본 연구에서는 정수장 수처리 공정에서 실시간으로 관측, 생산되고 있는 수량·수질자료를 이용하여 염소소독 공정제어 자동화를 목적으로 침전지 후단의 잔류염소 농도를 예측하기 위한 AI 기반 예측모형을 개발하였다. AI 기반 예측모형은 과거 수질 관측자료를 학습하여 이후 시점의 수질에 대한 예측이 가능한 기법으로, 복잡한 물리·화학·생물학적 수질모형과 달리 간단하고 효율적이다. 다중회귀 모형과 AI 기반 모형인 랜덤포레스트와 LSTM을 이용하여 정수장의 침전지 후단 잔류염소 농도를 예측하여 비교하였다. 최적의 잔류염소 농도 예측을 위한 AI 모형의 입출력 구조로는 침전지 전단의 잔류염소 농도, 침전지 탁도, pH, 수온, 전기전도도, 원수의 유입량, 알칼리도, NH₃ 등을 독립변수로, 예측하고자 하는 침전지 유출수의 잔류염소 농도를 종속변수로 선정하였다. 독립변수는 침전지 후단의 잔류염소에 영향이 있는 정수장에서 확보가 가능한 관측자료중에서 분석을 통해 선별하였으며, 분석 결과 연구대상 정수장인 정수장에서는 중회귀모형, 신경망모형, 모델트리 및 랜덤포레스트 모형을 비교한 결과 랜덤포레스트에 기반한 모형오차가 가장 낮게 도출되는 결과를 얻을 수 있었다. 본 연구에서 제시하는 침전지 후단의 적정 잔류염소 농도 예측값은 이전 처리단계에서 염소주입량의 실시간 제어가 가능토록 할 수 있어 수처리 효율 향상과 약품비 절감에 도움이 될 것으로 기대된다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.1-21
• /
• 2020

인공지능 기술의 급속한 발전과 함께 빅데이터의 상당 부분을 차지하는 비정형 텍스트 데이터로부터 의미있는 정보를 추출하기 위한 다양한 연구들이 활발히 진행되고 있다. 비즈니스 인텔리전스 분야에서도 새로운 시장기회를 발굴하거나 기술사업화 주체의 합리적 의사결정을 돕기 위한 많은 연구들이 이뤄져 왔다. 본 연구에서는 기업의 성공적인 사업 추진을 위해 핵심적인 정보 중의 하나인 시장규모 정보를 도출함에 있어 기존에 제공되던 범위보다 세부적인 수준의 제품군별 시장규모 추정이 가능하고 자동화된 방법론을 제안하고자 한다. 이를 위해 신경망 기반의 시멘틱 단어 임베딩 모델인 Word2Vec 알고리즘을 적용하여 개별 기업의 생산제품에 대한 텍스트 데이터를 벡터 공간으로 임베딩하고, 제품명 간 코사인 거리(유사도)를 계산함으로써 특정한 제품명과 유사한 제품들을 추출한 뒤, 이들의 매출액 정보를 연산하여 자동으로 해당 제품군의 시장규모를 산출하는 알고리즘을 구현하였다. 실험 데이터로서 통계청의 경제총조사 마이크로데이터(약 34만 5천 건)를 이용하여 제품명 텍스트 데이터를 벡터화 하고, 한국표준산업분류 해설서의 산업분류 색인어를 기준으로 활용하여 코사인 거리 기반으로 유사한 제품명을 추출하였다. 이후 개별 기업의 제품 데이터에 연결된 매출액 정보를 기초로 추출된 제품들의 매출액을 합산함으로써 11,654개의 상세한 제품군별 시장규모를 추정하였다. 성능 검증을 위해 실제 집계된 통계청의 품목별 시장규모 수치와 비교한 결과 피어슨 상관계수가 0.513 수준으로 나타났다. 본 연구에서 제시한 모형은 의미 기반 임베딩 모델의 정확성 향상 및 제품군 추출 방식의 개선이 필요하나, 표본조사 또는 다수의 가정을 기반으로 하는 전통적인 시장규모 추정 방법의 한계를 뛰어넘어 텍스트 마이닝 및 기계학습 기법을 최초로 적용하여 시장규모 추정 방식을 지능화하였다는 점, 시장규모 산출범위를 사용 목적에 따라 쉽고 빠르게 조절할 수 있다는 점, 이를 통해 다양한 분야에서 수요가 높은 세부적인 제품군별 시장정보 도출이 가능하여 실무적인 활용성이 높다는 점에서 의의가 있다.

• 지능정보연구
• /
• 제20권3호
• /
• pp.109-131
• /
• 2014

최근 전 세계적인 원전 설비의 수요 증가로 원자력 전략물자 취급의 중요성이 높아지는 가운데, 국외 수출을 위한 원전 관련 물품 및 기술의 신청 또한 급증하는 추세이다. 전략물자 사전판정 업무는 통상 원자력 물자 관리에 해박한 전문가의 경험 및 지식에 근거하여 수행되어 왔지만, 급증하는 수요에 상응하는 전문 인력의 공급이 부족한 실정이다. 이러한 문제를 극복하기 위하여, 본 연구진은 전략물자 수출 통제를 위한 사례 기반 지능형 수출 통제 시스템을 설계 및 개발하였다. 이 시스템은 현장 전문가의 전담 업무이던 신규 사례에 대한 전략물자 사전판정 과정 업무의 주요 맥락을 자동화 하여 전문가 및 관계 기관이 감당해야 할 업무 부담을 줄이며, 빠르고 정확한 판정을 돕는 의사결정 지원 시스템의 역할을 맡는다. 개발된 시스템은 사례 기반 추론 (Case Based Reasoning) 방식에 기반을 두어 설계되었는데, 이는 과거 사례의 특성을 활용하여 신규 사례의 해법을 유추하는 추론 방법이다. 본 연구에서는 자연어로 작성된 전자문서 처리에 널리 사용되는 텍스트 마이닝 분석 기법을 원자력 분야에 특화된 형태로 응용하여 전략물자 수출통제 시스템을 설계하였다. 시스템 설계의 근거로 선행 연구에서 제안된 반자동식 핵심어 추출 방안의 성능을 보다 엄밀히 검증하였고, 추출된 핵심어로 신규 사례와 유사한 과거 사례를 추출하는 알고리즘을 제안하였다. 제안된 방안은 텍스트 마이닝 분야의 TF-IDF 방법 및 코사인 유사도 점수를 활용한 결과(${\alpha}$)와 원자력 분야에서 통용되는 개념적 지식을 계통으로 분류하여 도출한 결과(${\beta}$)를 조합하여 최종 결과 (${\gamma}$) 를 생성하게 된다. 세부 요소 기술의 성능 검증은 임상 데이터를 활용한 실험 및 실무 전문가의 의견수렴을 통해 이루어졌다. 개발된 시스템은 사전판정 전문 인력을 다수 양성하는 데 드는 비용을 절감하는 데 일조할 것이며, 지식서비스 산업의 의미 있는 응용 사례로서 관련 산업의 성장에 기여할 수 있을 것으로 보인다.

• 대한간호
• /
• 제20권4호통권112호
• /
• pp.39-49
• /
• 1981

기존 간호 영역 내 간호는 질적으로, 양적으로 급격히 팽창 확대되어 가고 있다. 많은 나라에서 건강관리체계가 부적절하게 분배되어 있으며 따라서 많은 사람들이 적절한 건강관리를 제공받지 못하고 있어 수준 높은 양질의 건강관리를 전체적으로 확대시키는 것이 시급하다. 혹 건강관리의 혜택을 받는다고 해도 이들 역시 보다 더 양질의 인간적인 간호를 요하고 있는 실정이다. 간호는 또한 간호영역 자체 내에서도 급격히 확대되어가고 있다. 예를들면, 미국같은 선진국가의 건강간호사(Nurse practitioner)는 간호전문직의 새로운 직종으로 건강관리체계에서 독자적인 실무자로 그 두각을 나타내고 있다. 의사의 심한 부족난으로 고심하는 발전도상에 있는 나라들에서는 간호원들에게 전통적인 간호기능 뿐 아니라 건강관리체계에서 보다 많은 역할을 수행하도록 기대하며 일선지방의 건강센터(Health center) 직종에 많은 간호원을 투입하고 있다. 가령 우리 한국정부에서 최근에 시도한 무의촌지역에서 졸업간호원들이 건강관리를 제공할 수 있도록 한 법적 조치는 이러한 구체적인 예라고 할 수 있다. 기존 간호영역내외의 이런 급격한 변화는 Melvin Toffler가 말한 대로 ''미래의 충격''을 초래하게 되었다. 따라서 이러한 역동적인 변화는 간호전문직에 대하여 몇가지 질문을 던져준다. 첫째, 미래사회에서 간호영역의 특성은 무엇인가? 둘째, 이러한 새로운 영역에서 요구되는 간호원을 길러내기 위해 간호교육자는 어떤 역할을 수행해야 하는가? 셋째 내일의 간호원을 양성하는 간호교육자를 준비시키기 위한 실질적이면서도 현실적인 전략은 무엇인가 등이다. 1. 미래사회에서 간호영역의 특성은 무엇인가? 미래의 간호원은 다음에 열거하는 여러가지 요인으로 인하여 지금까지의 것과는 판이한 환경에서 일하게 될 것이다. 1) 건강관리를 제공하는 과정에서 컴퓨터화되고 자동화된 기계 및 기구 등 새로운 기술을 많이 사용할 것이다. 2) 1차건강관리가 대부분 간호원에 의해 제공될 것이다. 3) 내일의 건강관리는 소비자 주축의 것이 될 것이다. 4) 간호영역내에 많은 새로운 전문분야들이 생길 것이다. 5) 미래의 건강관리체계는 사회적인 변화와 이의 요구에 더 민감한 반응을 하게 될 것이다. 6) 건강관리체계의 강조점이 의료진료에서 건강관리로 바뀔 것이다. 7) 건강관리체계에서의 간호원의 역할은 의료적인 진단과 치료계획의 기능에서 크게 탈피하여 병원내외에서 보다 더 독특한 실무형태로 발전될 것이다. 이러한 변화와 더불어 미래 간호영역에서 보다 효과적인 간호를 수행하기 위해 미래 간호원들은 지금까지의 간호원보다 더 광범위하고 깊은 교육과 훈련을 받아야 한다. 보다 발전된 기술환경에서 전인적인 접근을 하기위해 신체과학이나 의학뿐 아니라 행동과학 $\cdot$ 경영과학 등에 이르기까지 다양한 훈련을 받아야 할 필요가 있다. 또한 행동양상면에서 전문직인 답게 보다 진취적이고 표현적이며 자동적이고 응용과학적인 역할을 수행하도록 훈련을 받아야 한다. 그리하여 간호원은 효과적인 의사결정자$\cdot$문제해결자$\cdot$능숙한 실무자일 뿐 아니라 소비자의 건강요구를 예리하게 관찰하고 이 요구에 효과적인 존재를 발전시켜 나가는 연구자가 되어야 한다. 2. 미래의 간호교육자는 어떤 역할을 수행해야 하는가? 간호교육은 전문직으로서의 실무를 제공하기 위한 기초석이다. 이는 간호교육자야말로 미래사회에서 국민의 건강요구를 충족시키기는 능력있는 간호원을 공급하는 일에 전무해야 함을 시사해준다. 그러면 이러한 일을 달성하기 위해 간호교육자는 무엇을 해야 하는가? 우선 간호교육자는 두가지 측면에서 이 일을 수정해야 된다고 본다. 그 하나는 간호교육기관에서의 측면이고 다른 하나는 간호교육자 개인적인 측면엣서이다. 우선 간호교육기관에서 간호교육자는 1) 미래사회에서 요구되는 간호원을 교육시키기 위한 프로그램을 제공해야 한다. 2) 효과적인 교과과정의 발전과 수정보완을 계속적으로 진행시켜야 한다. 3) 잘된 교과과정에 따라 적절한 훈련을 철저히 시켜야 한다. 4) 간호교육자 자신이 미래의 예측된 현상을 오늘의 교육과정에 포함시킬 수 있는 자신감과 창의력을 가지고 모델이 되어야 한다. 5) 연구 및 학생들의 학습에 영향을 미치는 중요한 의사결정에 학생들을 참여시키도록 해야한다. 간호교육자 개인적인 측면에서는 교육자 자신들이 능력있고 신빙성있으며 간호의 이론$\cdot$실무$\cdot$연구면에 걸친 권위와 자동성$\cdot$독창성, 그리고 인간을 진정으로 이해하려는 자질을 갖추도록 계속 노력해야 한다. 3. 미래의 간호원을 양성하는 능력있는 간호교육자를 준비시키기 위한 실질적이면서도 현실적인 전략은 무엇인가? 내일의 도전을 충족시킬 수 있는 능력있는 간호교육자를 준비시키기 위한 실질적이고 현실적인 전략을 논함에 있어 우리나라의 실정을 참조하겠다. 전문직 간호교육자를 준비하는데 세가지 방법을 통해 할 수 있다고 생각한다. 첫째는 간호원 훈련수준을 전문직 실무를 수행할 수 있는 단계로 면허를 높이는 것이고, 둘째는 훈련수준을 더 향상시키기 위하여 학사 및 석사간호교육과정을 발전시키고 확대하는 것이며, 셋째는 현존하는 간호교육 프로그램의 질을 높이는 것이다. 첫째와 둘째방법은 정부의 관할이 직접 개입되는 방법이기 때문에 여기서는 생략하고 현존하는 교과과정을 발전시키고 그 질을 향상시키는 것에 대해서만 언급하고자 한다. 미래의 여러가지 도전에 부응할 수 있는 교육자를 준비시키는 교육과정의 발전을 두가지 면에서 추진시킬 수 있다고 본다. 첫째는 국제간의 교류를 통하여 idea 및 경험을 나눔으로서 교육과정의 질을 높일 수 있다. 서로 다른 나라의 간호교육자들이 정기적으로 모여 생각과 경험을 교환하고 연구하므로서 보다 체계적이고 효과적인 발전체인(chain)이 형성되는 것이다. ICN같은 국제적인 조직에 의해 이러한 모임을 시도하는 것인 가치있는 기회라고 생각한다. 국가간 또는 국제적인 간호교육자 훈련을 위한 교육과정의 교환은 한 나라안에서 그 idea를 확산시키는데 효과적인 영향을 미칠 수 있다. 충분한 간호교육전문가를 갖춘 간호교육기관이 새로운 교육과정을 개발하여 그렇지 못한 기관과의 연차적인 conference를 가지므로 확산시킬 수도 있으며 이런 방법은 경제적인 면에서도 효과적일 뿐만 아니라 그 나라 그 문화상황에 적합한 교과과정 개발에도 효과적일 수 있다. 간호교육자를 준비시키는 둘째전략은 현존간호교육자들이 간호이론과 실무$\cdot$연구를 통합하고 발전시키는데 있어서 당면하는 여러가지 요인-전인적인 간호에 적절한 과목을 이수하지 못하고 임상실무경험의 부족등-을 보충하는 방법이다. 이런 실제적인 문제를 잠정적으로 해결하기 위하여 1) 몇몇 대학에서 방학중에 계속교육 프로그램을 개발하여 현직 간호교육자들에게 필요하고 적절한 과목을 이수하도록 한다. 따라서 임상실무교육도 이때 실시할 수 있다. 2) 대학원과정 간호교육프로그램의 입학자의 자격에 2$\~$3년의 실무경험을 포함시키도록 한다. 결론적으로 교수와 학생간의 진정한 동반자관계는 자격을 구비한 능력있는 교수의 실천적인 모델을 통하여서 가능하게 이루어 질수 있다고 믿는 바이다.