• 한국컴퓨터그래픽스학회논문지
• /
• 제30권3호
• /
• pp.189-198
• /
• 2024

딥러닝 기반 모델과 물리 시뮬레이션을 결합한 연구는 의료 분야에서 중요한 발전을 이루고 있다. 이는 의료영상 데이터에서 필요한 정보를 추출하고, 물리적 법칙을 기반으로 골격 및 연조직의 변형에 대한 빠르고 정확한 예측을 가능하게 한다. 본 연구는 신경 방사 필드(NeRF), 위치 기반 동역학(PBD), 병렬 리샘플링을 융합하여 3D 볼륨데이터를 쉽게 생성하고 실시간으로 변형 및 시각화하는 시스템을 제안한다. NeRF는 2D 이미지와 카메라 좌표 정보를 사용해 고해상도 3D 볼륨 데이터를 생성하며, PBD는 물리 기반 시뮬레이션으로 획득한 데이터에 대한 실시간 변형과 상호작용을 가능하게 한다. 병렬 리샘플링은 사면체 메쉬와 GPU 병렬 처리를 통해 렌더링 효율성을 높인다. 이 시스템은 광선투사방식으로 렌더링 되어 빠른 실시간 시각화를 제공하며, 비싼 장비 없이 간단하게 3D 데이터를 생성하고 변형할 수 있어 공학, 교육, 의료 등 다양한 분야에서의 활용 가능성을 보여준다.

• 기독교교육논총
• /
• 제75권
• /
• pp.103-125
• /
• 2023

연구 목적 : 이 연구는 한국에서의 평화교육과 통일교육의 역사적 흐름을 살펴보고 평화통일교육의 과제를 검토한 후 평화교육으로서의 기독교통일교육의 방향과 과제를 탐구해 보는데 목적이 있다. 연구 내용 및 방법 : 평화교육은 시민사회로부터 출발한 평화운동 및 교육적 담론이 활성화되며 영역이 확장된 반면, 통일교육은 정부의 통일 및 대북 정책에 따라 계획이 세워져 교육 실천 현장으로 나아가는 모습을 보인다. 그러나 평화를 염원하는 통일교육의 특성상 두 분야의 접목은 꾸준히 이어져 왔고, 이에 당면한 평화통일교육의 연구도 지속적으로 수행되었다. 연구 목적을 수행하기 위해 두 영역의 시대적 흐름을 검토하고, 선행연구 분석을 통해 도출된 평화통일교육의 과제를 기반으로 평화교육으로서의 기독교통일교육의 방향과 과제를 제안하였다. 결론 및 제언 : 평화교육으로서의 기독교통일교육은 한반도 평화와 안녕의 지속가능성을 위해 전쟁과 폭력의 문화에서 평화의 문화로 전환하는데 앞장서는 평화시민 양성을 교육 목표로 삼아야 한다. 이를 위해 첫째, 적대자상의 해체를 위한 기독교교육의 방향성을 모색해야 한다. 둘째, 교수·학습에 있어 톱다운 방식(top-down)에서 벗어나 학습자의 주체성과 자율성을 보장하는 활동이 이루어져야 한다. 셋째, 일상과 연결되는 실천 과정이 구성되어야 한다. 결론적으로 평화교육으로서의 기독교통일교육은 통일이라는 국가적 과업에 목표를 두기 보다는 다양한 구성원들이 공존할 한반도 내의 평화시민의식을 고양시키는 것이 한반도 평화의 문화 조성에 전진하는 길임을 잊지말아야 한다.

• 기독교교육논총
• /
• 제76권
• /
• pp.73-93
• /
• 2023

연구 목적 : 본 연구의 목적은 노년기 신앙교육을 위한 대안으로 자전적 글쓰기를 제안하는 것이다. 연구 내용 및 방법 : 첫째, 노년기 기독교교육 선행연구를 분석한 결과 대부분의 연구가 통합적 기독교 노인교육의 필요성과 교회 노인목회 방안을 제안하고 있고, 현장에서 실행할 수 있는 교육과정을 제시하는 연구가 필요함을 확인하였다. 둘째, 파울러(J. W. Fowler)의 신앙 연구에서 도출된 교육 목적은 다음의 두 가지이다. 하나는 신앙 내용을 구성하는 세 가지 요소인 가치의 중심, 힘의 이미지, 중심 이야기를 기술하고 분석하고 재구성하는 것이다. 다음으로 하나님과의 동반자 관계로의 부르심에 응답하는 순례의 삶을 통해 소명을 탐색하도록 하는 것이다. 셋째, 자전적 글쓰기는 다음의 세 가지를 포함한다. 회고하기를 통한 체험의 재해석, 고백적 글쓰기를 통한 자기 이해, 자기 목소리 공유를 통한 연대와 수용의 경험이다. 또한 자전적 글쓰기는 질적 연구의 전통에 기반한 접근으로 기술적, 태생적, 총체적, 체험적, 공감적, 해석적, 개방적 원리에 기반한 교수-학습 원리를 지향해야 한다. 결론 및 제언 : 자전적 글쓰기는 절망과 불안의 위기를 겪는 노인들이 자신의 생각과 감정을 전인적으로 표현함으로써 삶의 의미를 통합하도록 하고, 사회적으로 분리된 노인이 사회와의 연대감을 갖게 되며, 나의 목소리를 드러내는 현재적 행위를 통해 미래를 조망하고 상상하도록 공헌할 것이다. 자전적 글쓰기를 통해 노년기의 신앙의 회고와 고백을 통한 대화의 현장이 많아지길 기대한다.

• 기독교교육논총
• /
• 제76권
• /
• pp.149-172
• /
• 2023

연구 목적 : 본 연구는 21세기의 대학 교양교육에 있어, 기독교 교양교육의 역할에 대한 방향을 모색하는 데에 그 목적이 있다. 종교 리터러시를 함양하는 기독교 교양교육을 통해 융복합적 사고를 지향하고 민주시민으로서 공적 책임감을 고취시킬 수 있는 방안을 제시하고자 한다. 연구 내용 및 방법 : 교양교육의 역사와 현황을 살펴보면서 교양교육이 시대에 따라 어떻게 변화되어왔는지 고찰하고, 오늘날 요청되는 교양교육의 역할에 대한 현대적 의의를 되짚어보았다. 21세기의 급변하는 현실 속에서 전공 중심의 전문교육에 치중하여 소홀히 여겨졌던 교양교육의 역할이 중요해졌다. 새로운 지식을 스스로 창출하고 응용할 수 있는 창의적이고 통합적인 사고능력의 필요성이 부각된 것이다. 교양교육과 기독교는 공통분모를 가지고 있으며, 상호 간 소통을 통해 더욱 풍성한 열매를 맺을 수 있다. 다양한 렌즈를 통해 종교와 사회, 정치, 문화적 생활 사이의 근본적 교차점을 식별하고 분석할 수 있는 종교 리터러시는 21세기를 살아가는 민주시민으로서 갖추어야 할 교양이라고 할 수 있다. 오랜 역사 가운데 다양한 영향을 끼쳐 왔으며 지금도 사회와 밀접한 관계에 있는 종교에 대한 이해는 가장 중요한 인문 교양으로, 종교 리터러시의 함양을 통해 기독교와 삶의 다양한 분야의 관계를 전체적으로 조망할 수 있는 사고능력과 통찰력을 기를 수 있게 될 것이다. 결론 및 제언 : 본 연구를 통해 종교 리터러시의 필요성을 피력하고, 이 시대에 요청되는 기독교 교양교육의 방향을 모색하였다. 융복합적 사고를 지향하며 공적 책임감을 고취시킴으로써 공적 사회의 전인적인 지도자 역할을 감당할 수 있는 하나의 방안으로 종교 리터러시를 함양하는 기독교 교양교육을 제안한다.

• 대한영상의학회지
• /
• 제85권4호
• /
• pp.769-779
• /
• 2024

목적 외상 환자 흉부 CT에서 급성 갈비뼈 골절을 진단하기 위해 개발된 인공지능의 장단점에 대해서 알아보고자 하였다. 대상과 방법 외상으로 응급실에 내원했던 환자들 중 급성 갈비뼈 골절(n = 1159) 또는 정상(n = 50)으로 진단된 1209명의 흉부 CT를 무작위로 선택하였다. 이 중 9명의 급성 갈비뼈 골절 흉부 CT로 인공지능 모델 개발과 훈련을 했으며, 150명의 갈비뼈 골절 흉부 CT와 50명의 정상 흉부 CT로 테스트를 하였고, 나머지 1000명의 급성 갈비뼈 골절 흉부 CT로 내부 검증을 하였다. 급성 갈비뼈 골절에 대한 인공지능 모델의 골절의 유무와 위치에 대한 진단적 정확성과 오류에 대해서 알아보았다. 결과 개발된 인공지능 모델을 테스트 결과 급성 갈비뼈 골절 유무에 대한 민감도, 특이도, 양성예측도, 음성예측도, 정확도는 각각 93.3%, 94%, 97.9%, 82.5%, 95.6%였다. 내부 검증을 했을 때 급성 갈비뼈 골절 유무에 대한 정확도는 96%로 상승되었다. 그러나 급성 갈비뼈 골절 위치의 정확도는 76% (760/1000)로 낮았으며, 그 원인으로는 같은 위치에 있는 견갑골이나 쇄골을 갈비뼈로 잘못 인식(66%) 하거나 일부 갈비뼈를 인식하지 못하는 경우(34%)가 많았다. 결론 급성 갈비뼈 골절 진단을 위한 인공지능 모델이 급성 갈비뼈 골절의 유무 진단에는 높은 정확도를 보였지만 갈비뼈 골절의 정확한 위치를 진단하는 데는 제한점이 있었다.

• Korean Journal of Radiology
• /
• 제25권7호
• /
• pp.613-622
• /
• 2024

Objective: In Korea, radiology has been positioned towards the early adoption of artificial intelligence-based software as medical devices (AI-SaMDs); however, little is known about the current usage, implementation, and future needs of AI-SaMDs. We surveyed the current trends and expectations for AI-SaMDs among members of the Korean Society of Radiology (KSR). Materials and Methods: An anonymous and voluntary online survey was open to all KSR members between April 17 and May 15, 2023. The survey was focused on the experiences of using AI-SaMDs, patterns of usage, levels of satisfaction, and expectations regarding the use of AI-SaMDs, including the roles of the industry, government, and KSR regarding the clinical use of AI-SaMDs. Results: Among the 370 respondents (response rate: 7.7% [370/4792]; 340 board-certified radiologists; 210 from academic institutions), 60.3% (223/370) had experience using AI-SaMDs. The two most common use-case of AI-SaMDs among the respondents were lesion detection (82.1%, 183/223), lesion diagnosis/classification (55.2%, 123/223), with the target imaging modalities being plain radiography (62.3%, 139/223), CT (42.6%, 95/223), mammography (29.1%, 65/223), and MRI (28.7%, 64/223). Most users were satisfied with AI-SaMDs (67.6% [115/170, for improvement of patient management] to 85.1% [189/222, for performance]). Regarding the expansion of clinical applications, most respondents expressed a preference for AI-SaMDs to assist in detection/diagnosis (77.0%, 285/370) and to perform automated measurement/quantification (63.5%, 235/370). Most respondents indicated that future development of AI-SaMDs should focus on improving practice efficiency (81.9%, 303/370) and quality (71.4%, 264/370). Overall, 91.9% of the respondents (340/370) agreed that there is a need for education or guidelines driven by the KSR regarding the use of AI-SaMDs. Conclusion: The penetration rate of AI-SaMDs in clinical practice and the corresponding satisfaction levels were high among members of the KSR. Most AI-SaMDs have been used for lesion detection, diagnosis, and classification. Most respondents requested KSR-driven education or guidelines on the use of AI-SaMDs.

• 대한토목학회논문집
• /
• 제44권2호
• /
• pp.173-182
• /
• 2024

최근 홍수예측과 관련한 연구에서 기계학습과 같은 인공지능 기법을 이용한 데이터모형의 활용에 관한 관심이 높다. 데이터모형은 미리 학습된 정보를 활용하기 때문에 모의에 소요되는 시간을 크게 줄일 수 있다는 장점이 있다. 그러나 데이터모형의 사전학습을 위해서는 많은 양의 침수자료가 필요한 데 반하여 적용할 수 있는 실측자료가 부족한 것이 현실이다. 대안으로 매개변수가 검정된 물리모형의 모의 결과를 실측자료와 함께 사전학습자료로 활용하고 있다. 이러한 상황에서 본 연구에서는 하천범람에 의한 침수예측에 데이터모형을 활용하고자 사전학습을 위한 홍수범람지도를 생성하는 엑셀러레이터를 개발하였다. 개발된 엑셀러레이터에서는 HEC-1을 이용한 홍수량 산정, HEC-RAS를 이용한 홍수위 산정, RAS Mapper를 이용한 하천범람 모의 및 침수예상도 출력의 전체 과정을 자동화한다. 이에 따라 사용자는 수백에서 수십만건의 강우시나리오에 대하여 손쉽게 침수예상도 데이터베이스를 구축할 수 있다. 그래픽 편의 인터페이스(GUI)를 포함하여 홍수범람지도 작성에 필요한 다양한 편의기능을 탑재하고 있으며, 전국에 걸쳐서 위치한 26개소의 테스트베드에 적용하여 실무적용성을 검토하였다.

• 기독교교육논총
• /
• 제77권
• /
• pp.251-276
• /
• 2024

연구 목적: 본 연구는 대학의 교육 질을 제고하기 위해 교수들의 교육 역량을 강화할 수 있는 방안으로 교수 유형을 설정하고, 해당 유형을 평가할 수 있는 진단 도구를 개발한 후, 유형에 맞는 맞춤형 교육 과정을 개발하는 것이다. 연구 내용 및 방법: 이 연구를 위해 문헌 연구와 델파이 기법을 활용했다. 연구 결과는 다음과 같다. 첫째, 선행 연구를 분석하여 세 가지 새로운 교수 스타일 유형(스타강사형, 학습 멘토형, 디자이너형)을 도출했다. 둘째, 국내외에서 널리 사용되는 Grasha의 티칭 스타일 검사를 수정 및 보완해 유형별로 8문항씩 총 24개 문항으로 진단 도구를 개발했다. 셋째, 교수 유형별 교육 커리큘럼을 개발했는데, 모든 유형에서 필요한 공통 과정과 각 유형별 특화 과정으로 구성했다. 넷째, 개발된 모형, 도구, 커리큘럼의 타당성을 10명의 전문가 델파이 방법을 통해 검증하고 확정했다. 결론 및 제언: 본 연구를 통해 교수는 자신의 유형을 인식하고 맞춤형 교육을 받을 수 있는 기반을 마련했다. 이는 개별 교수의 강점과 선호하는 교수법을 강화하고, 교육 역량을 향상시키는 데 기여할 것이다. 그러나 이러한 성과를 시스템적으로 활용하기 위해서는 추가적인 연구가 필요하다. 특히, 교수자에 대한 인센티브 제공과 참여 교수 간의 정보 공유를 촉진할 방안에 대한 연구가 더 필요할 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제29권8호
• /
• pp.223-230
• /
• 2024

본 연구에서는 초‧중등교육에서 다양한 생성형 AI를 활용하여 수업이 계획될 수 있도록 수업 단계별, 수업 모형별 생성형 AI 활용 콘텐츠를 개발하고자 하였다. 이를 위하여 수업 단계별 생성형 AI 활용과 학교급별, 교과별 수업 모형에 따른 생성형 AI 활용을 위한 콘텐츠를 개발하고 현장 전문가 13인의 검토를 통해 수정‧보완하였다. 수업 단계별 생성형 AI 활용을 위해 일반적인 수업의 단계를 '수업 준비', '수업 중', '수업 정리' 세 단계로 구분하고 각 단계별 생성형 AI의 활용 주체와 활용 내용, 활용할 수 있는 생성형 AI의 종류를 정리하였으며, 수업 모형에 따른 생성형 AI 활용을 위해 학교급별, 교과별 특성에 따른 교수‧학습 모형을 바탕으로 8가지 수업 콘텐츠를 개발하였다. 초‧중등 수업에서 생성형 AI 활용을 확대하기 위해서는 학교급별, 교과별 더욱 다양한 수업 콘텐츠를 개발하여 현장에 보급할 필요가 있다. 또한 생성형 AI를 수업에서 활용할 때 고려해야 할 사항 등에 관한 자료의 개발도 필요하다.

• 융합신호처리학회논문지
• /
• 제25권2호
• /
• pp.100-112
• /
• 2024

이 연구는 인공지능(AI)을 인적 자원 관리에 활용하는 것의 윤리적 및 법적 함의, 특히 채용 과정에서 AI 인터뷰에 초점을 맞추어 조사합니다. 추론, 학습, 적응과 같은 인간 지능과 관련된 작업을 수행할 수 있는 컴퓨터 프로그램의 능력으로 정의되는 AI는 점점 더 HR 관행에 통합되고 있습니다. AI가 주도하는 인터뷰를 통해 채용에 AI를 배치하면 효율성과 객관성을 약속하지만, 동시에 중요한 윤리적 및 법적 문제도 제기됩니다. 이러한 문제에는 AI 알고리즘의 잠재적 편향, AI 의사 결정 과정의 투명성, 데이터 프라이버시 문제, 기존 노동법 및 규정 준수 등이 포함됩니다. 이 논문은 사례 연구를 분석하고 관련 문헌을 검토함으로써 이러한 과제에 대한 포괄적인 이해를 제공하고 AI 기반 HR 관행에서 윤리적 및 법적 준수를 보장하기 위한 권장 사항을 제시하는 것을 목표로 합니다. 연구 결과는 AI가 채용 효율성을 향상시킬 수 있지만, 위험을 완화하고 공정하고 투명한 채용 관행을 보장하기 위해 견고한 윤리 지침과 법적 프레임워크를 마련하는 것이 필수적임을 시사합니다.