• 재활복지
• /
• 제15권2호
• /
• pp.147-173
• /
• 2011

본 논문에서는 호흡 조절식 연장기법을 활용한 말더듬 치료 장치를 개발하여 임상적용을 통해 개발된 말더듬 치료 장치가 실제로 말더듬 치료에 효과가 있는지 검증하였다. 이 연구를 수행하기 위한 연구 방법은 다음과 같다. 첫째, 연구의 목적을 달성하기 위해 국내외에서 많이 활용되고 있는 말더듬 연장기법을 분석하여 이것을 바탕으로 한 말더듬 치료 장치를 설계하였다. 둘째, 연장기법을 활용하기 위해 시각적 피드백, 발성 상태 유지, 충분한 흡기, 한글화, 일상생활 전이 및 유지가 이루어질 수 있는 말더듬 치료 장치를 개발하였다. 셋째, 임상적용을 통해 개발된 말더듬 치료 장치가 실제로 말더듬 치료에 효과가 있는지 검증하였다. 개발된 호흡 조절식 연장기법을 활용한 말더듬 치료 장치를 피험자 A, B, C, D를 통해 3개월 동안 적용하여 말더듬 평가 프로그램 SI-B를 이용하여 평가한 결과 피험자 A는 사전평가 3.20 SW/M에서 사후평가는 0.5 SW/M으로 말더듬 빈도수가 줄었고, 피험자 B는 사전평가 1.90 SW/M에서 사후평가는 0.7 SW/M으로 말더듬 빈도수가 줄었고, 피험자 C는 사전평가 3.37 SW/M에서 사후평가는 0.34 SW/M으로 말더듬 빈도수가 줄었고, 피험자 D는 사전평가 0.51 SW/M에서 사후평가는 0 SW/M으로 말더듬 빈도수가 줄었다. 이상과 같이 호흡 조절식 연장기법 말더듬 치료 장치를 이용한 말더듬 치료프로그램이 말더듬인의 말더듬 빈도를 감소시키는데 효과가 있음을 확인하였다.

• 스마트미디어저널
• /
• 제12권10호
• /
• pp.71-84
• /
• 2023

넙치 양식은 우리나라 양식 산업의 절반 이상 차지할 정도로 큰 비중을 차지한다. 그러나 연중 총사육량의 25~30% 정도가 질병으로 인한 집단 폐사가 발생하여 양식장의 경제성에 매우 나쁜 영향을 준다. 넙치 양식장의 경제성 성장을 위해서는 넙치 질병 증상 진단을 자동화하여 빠르고 정확하게 질병 진단을 하는 방법이 필요하다. 본 연구에서는 독창적인 학습 데이터 수집 방법과 학습 정제 알고리즘 및 학습 데이터 분리 기법을 사용하여 학습 데이터를 구축하고 4가지 객체 탐지 딥러닝 모델(YOLOv8, Swin, Vitdet, MvitV2)의 넙치 질병증상 감지 성능을 비교한다. 실험 결과 YOLOv8 모델이 평균 인식률(mAP)과 예상 도착 시간(ETA) 관점에서 우수하다는 결론을 얻었다. 본 연구에서 제안하는 AI 모델의 성능이 검증되면 넙치 양식장에서는 실시간으로 넙치 질병을 진단할 수 있고, 진단 결과에 따른 신속한 예방 조치로 양식장의 생산성은 크게 향상될 것이라 기대된다.

• 한국과학교육학회지
• /
• 제43권6호
• /
• pp.573-582
• /
• 2023

본 연구는 영재학교 학생들의 논문 초록의 구조를 파악하여 그 특성을 분석하고, 인공지능을 활용하여 초록을 구성하는 여러 요소를 추출하여 그 성능을 비교함으로써 과학영재교육에서 인공지능의 활용 가능성을 모색하는 것을 목적으로 하였다. 이에 따라 S 영재학교의 2017~2021년의 5년간 졸업 논문 263건을 대상으로 초록에 포함된 배경, 목적, 방법, 결과, 논의의 빈도나 유형이 어떠한지 분석하고 이를 파인튜닝 및 프롬프트를 활용한 인공지능을 활용한 분류 방법을 통해 그 정확도를 평가하였다. 연구 결과, 영재 학생들이 작성한 과학 논문의 초록 요소의 출현 빈도는 목적, 방법, 결과, 배경, 논의(D)의 순이었고, 목적, 방법, 결과 등 초록에서 필수적으로 포함되어야 하는 요소를 모두 담은 경우는 전체 57.4%에 불과하였다. 인공지능을 활용한 이러한 요소를 분류한 결과, 파인튜닝을 이용한 경우가 가장 정확도가 높았으며 5가지 요소 중 배경, 목적, 결과는 비교적 높은 성능을 보였으나 방법, 논의에 대해서는 정확히 분류하지 못하는 경우가 많 았다. 이러한 결과는 여러 요소의 분포 비율이나 학습을 위한 적절한 데이터셋이나 정보를 제공해 인공지능을 활용해야 보다 효과적인 수단으로 활용될 수 있음을 의미하며, 이에 대한 교육적 시사점을 제시하였다.

• 문화기술의 융합
• /
• 제9권5호
• /
• pp.837-842
• /
• 2023

본 연구에서는 메타버스 활용 교육에 대한 디자인 전공생들의 인식과 실태를 알아보고자 하였다. D대학교 디자인 전공생 120명을 대상으로 2023년 5월 10일부터 23일까지 14일간 온라인 설문 조사를 실시하였다. 설문의 평가 방법은 명목 척도, 5점 척도로 하였고, 설문 결과에 대하여는 SPSS 29.0 통계 프로그램을 이용한 빈도 분석을 통해 분석하였다. 분석 결과, 첫째 메타버스 활용 교육에 대한 장점이 학생들과 충분히 공유될 필요가 있으며, 메타버스의 특성을 이해하고 수업 활동을 지원할 수 있는 기본 소양 프로그램이 제공되는 것도 필요하다고 보여진다. 둘째, 단순 정보 전달이나 이해 위주의 강의보다는 실기를 진행하는 스튜디오 수업 등에서 학생들의 호응이 높을 것으로 보여 진다. 셋째, 메타버스가 코로나19 시대에 일시적으로 유행했던 매체에 그치지 않고 디지털 전환 시대의 교육적 수단으로 자리 잡기 위해서는 메타버스의 특성을 반영한 구체적이고 체계적인 디자인 교육 프로그램이 지속적으로 연구되고 개발될 필요가 있다. 또한 교수자 역시 메타버스의 활용을 적극적으로 검토하여 메타버스의 다양한 활용 방안을 모색하는 것이 중요하다고 판단된다.

• 해양환경안전학회지
• /
• 제29권7호
• /
• pp.930-938
• /
• 2023

해사영어는 선박 운항, 해양 안전, 선내 의사소통 및 선외 교신을 위해 설계된 특수한 영어 언어체계이다. 국제해사기구 STCW(선원의 훈련, 자격증명 및 당직근무의 기준에 관한 국제협약)에 따르면 국제항해에 종사하는 항해사가 되기 위해서는 SMCP를 포함한 해사영어 대한 충분한 이해가 수반되어야 한다. 본 연구는 음성인식, 번역, 단어 기입 등 유형의 해사영어시험을 통하여 학생들의 해사영어 활용 능력을 측정하고 플랫폼 사용에 따른 시험 점수 향상 정도, 나아가 초임항해사로 나가기 위하여 요구되는 해사영어 시험 플랫폼 활용 시간 등을 조사하고자 하였다. 실험은 먼저 초기 시험을 통해 학생들의 일반영어능력과 SMCP 활용 능력에 대한 연관성을 조사한 후, 중간 시험 및 최종 시험을 통해 플랫폼 활용에 대한 점수 향상 정도, 응시시간 변화 등 요인을 측정하였다. 초기 시험을 통해 개인 요인(예: 토익 점수, 본인 스스로에 대한 영어능력 평가)에 따른 그룹 간 해사영어시험 점수에 유의한 차이가 있음을 확인하였으며, 중간시험 및 최종시험을 통해 플랫폼 활용이 유의한 시험점수 향상으로 이어졌음을 확인하였다. 해당 연구는 해사 교육분야에 다양하게 적용할 수 있는 학습 플랫폼 활용 효능을 조사하였으며 향후 해사영어 교육 외 그 범위를 넓혀 활용될 수 있을 것으로 사료된다.

• 벤처혁신연구
• /
• 제6권3호
• /
• pp.165-184
• /
• 2023

사회복지기관은 일반기업 또는 공기업 등과는 다른 목적으로 사업을 영위하는 관계로 ESG 실천항목 도출과 모형구축은 다양하고 종합적인 사회복지학적 측면의 연구를 통해 이루어져야 한다. 지금까지 국내 복지기관에서 활용할 수 있는 연구가 아직은 많지 않고 마땅한 ESG 경영활용 지표가 없는 관계로 천안시복지재단의 전략도출과 경영전략 체계수립으로 성과를 최대로 발휘하도록 하여 그 모형을 다른 복지기관에 전파하고 교육 및 훈련을 통해 선도적인 재단으로 거듭나는 것을 목적으로 추진되었다. 재단과 일선 복지기관들이 ESG 경영에 대한 이해와 기관 이미지 및 사업성과에 긍정적 영향을 미치는 실천모형 구축방안에 초점을 두고 재단의 실증분석, 중대성 이슈 분석을 통해 이슈식별과 핵심이슈를 선정하였다. 이를 바탕으로 사회복지기관의 적합한 전략도출과 전략체계수립 후 성과관리 방안을 구축하여 추진체계를 살펴보았다. 환경적·사회적 책임, 투명경영 측면, 안전관리체계 구축, 응급상황 및 예방분야, 이용자(고객)만족체계 구축, 반부패 예방과 청렴 윤리 모니터링 및 평가, 책임감 있는 공급망, 지역사회 참여 및 발전을 위해 지역사회 공헌 프로그램 실행 등 현재 우수하게 추진하는 분야와 앞으로 추진해야 할 항목을 세심하게 도출하였다. 본 연구는 천안시복지재단의 고찰을 통해 ESG경영 정착을 위해 경주하고 있는 노력을 구체적으로 제시하고자 하였다. 따라서 ESG 측정지표를 개발하기 위한 천안시복재재단의 체계적인 개발과정을 유사한 노력을 기울이는 타 기관 및 관련 연구자들이 참고하여 ESG경영을 발전시켜 나가는데 유용한 자료가 될 것으로 사료된다.

• 천문학회지
• /
• 제56권2호
• /
• pp.213-224
• /
• 2023

Type II solar radio bursts show frequency drifts from high to low over time. They have been known as a signature of coronal shock associated with Coronal Mass Ejections (CMEs) and/or flares, which cause an abrupt change in the space environment near the Earth (space weather). Therefore, early detection of type II bursts is important for forecasting of space weather. In this study, we develop a deep-learning (DL) model for the automatic detection of type II bursts. For this purpose, we adopted a 1-D Convolution Neutral Network (CNN) as it is well-suited for processing spatiotemporal information within the applied data set. We utilized a total of 286 radio burst spectrum images obtained by Hiraiso Radio Spectrograph (HiRAS) from 1991 and 2012, along with 231 spectrum images without the bursts from 2009 to 2015, to recognizes type II bursts. The burst types were labeled manually according to their spectra features in an answer table. Subsequently, we applied the 1-D CNN technique to the spectrum images using two filter windows with different size along time axis. To develop the DL model, we randomly selected 412 spectrum images (80%) for training and validation. The train history shows that both train and validation losses drop rapidly, while train and validation accuracies increased within approximately 100 epoches. For evaluation of the model's performance, we used 105 test images (20%) and employed a contingence table. It is found that false alarm ratio (FAR) and critical success index (CSI) were 0.14 and 0.83, respectively. Furthermore, we confirmed above result by adopting five-fold cross-validation method, in which we re-sampled five groups randomly. The estimated mean FAR and CSI of the five groups were 0.05 and 0.87, respectively. For experimental purposes, we applied our proposed model to 85 HiRAS type II radio bursts listed in the NGDC catalogue from 2009 to 2016 and 184 quiet (no bursts) spectrum images before and after the type II bursts. As a result, our model successfully detected 79 events (93%) of type II events. This results demonstrates, for the first time, that the 1-D CNN algorithm is useful for detecting type II bursts.

• 급식외식위생학회지
• /
• 제4권2호
• /
• pp.55-59
• /
• 2023

The purpose of this study is to evaluate the effectiveness of hygiene and nutritional management and education in the kitchen for youth facilities registered at the center. For this purpose, hygiene and nutrition management checklist scores, satisfaction and participation rates for each training, and diet use rate were checked on a quarterly basis. Hygiene and nutrition management scores increased every quarter, with the average score in the fourth quarter reaching 89.9 points. The participation rate in youth education was high at 86.4%, and both youth and staff education showed a satisfaction rating of 4.8 points. The usage rate of the adolescent diet was 65.4%. Based on the research results, the effectiveness of visiting guidance and education was confirmed, and future direction of center operation was suggested.

• Korean Journal of Radiology
• /
• 제22권5호
• /
• pp.706-713
• /
• 2021

Objective: To evaluate the impact of surgical simulation training using a three-dimensional (3D)-printed model of tetralogy of Fallot (TOF) on surgical skill development. Materials and Methods: A life-size congenital heart disease model was printed using a Stratasys Object500 Connex2 printer from preoperative electrocardiography-gated CT scans of a 6-month-old patient with TOF with complex pulmonary stenosis. Eleven cardiothoracic surgeons independently evaluated the suitability of four 3D-printed models using composite Tango 27, 40, 50, and 60 in terms of palpation, resistance, extensibility, gap, cut-through ability, and reusability of. Among these, Tango 27 was selected as the final model. Six attendees (two junior cardiothoracic surgery residents, two senior residents, and two clinical fellows) independently performed simulation surgeries three times each. Surgical proficiency was evaluated by an experienced cardiothoracic surgeon on a 1-10 scale for each of the 10 surgical procedures. The times required for each surgical procedure were also measured. Results: In the simulation surgeries, six surgeons required a median of 34.4 (range 32.5-43.5) and 21.4 (17.9-192.7) minutes to apply the ventricular septal defect (VSD) and right ventricular outflow tract (RVOT) patches, respectively, on their first simulation surgery. These times had significantly reduced to 17.3 (16.2-29.5) and 13.6 (10.3-30.0) minutes, respectively, in the third simulation surgery (p = 0.03 and p = 0.01, respectively). The decreases in the median patch appliance time among the six surgeons were 16.2 (range 13.6-17.7) and 8.0 (1.8-170.3) minutes for the VSD and RVOT patches, respectively. Summing the scores for the 10 procedures showed that the attendees scored an average of 28.58 ± 7.89 points on the first simulation surgery and improved their average score to 67.33 ± 15.10 on the third simulation surgery (p = 0.008). Conclusion: Inexperienced cardiothoracic surgeons improved their performance in terms of surgical proficiency and operation time during the experience of three simulation surgeries using a 3D-printed TOF model using Tango 27 composite.

• 전기전자학회논문지
• /
• 제28권2호
• /
• pp.150-157
• /
• 2024

본 논문은 딥러닝 기반 객체 탐지 모델과 다항 회귀모델을 이용하여 사과나무에 열린 사과의 개수를 예측할 수 있는 새로운 알고리즘을 제안한다. 사과나무에 열린 사과의 개수를 측정하면 사과 생산량을 예측할 수 있고, 농산물 재해 보험금 산정을 위한 손실을 평가하는 데에도 활용할 수 있다. 사과 착과량 측정을 위해 사과나무의 앞면과 뒷면을 촬영하였다. 촬영된 사진에서 사과를 식별하여 라벨링한 데이터 세트를 구축하였고, 이 데이터 세트를 활용하여 1단계 객체 탐지 방식의 CNN 모델을 학습시켰다. 그런데 사과나무에서 사과가 나뭇잎, 가지 등으로 가려진 경우 영상에 포착되지 않아 영상 인식 기반의 딥러닝 모델이 해당 사과를 인식하거나 추론하는 것이 어렵다. 이 문제를 해결하기 위해, 우리는 두 단계로 이루어진 추론 과정을 제안한다. 첫 번째 단계에서는 영상 기반 딥러닝 모델을 사용하여 사과나무의 양쪽에서 촬영한 사진에서 각각의 사과 개수를 측정한다. 두 번째 단계에서는 딥러닝 모델로 측정한 사과 개수의 합을 독립변수로, 사람이 실제로 과수원을 방문하여 카운트한 사과 개수를 종속변수로 설정하여 다항 회귀 분석을 수행한다. 본 논문에서 제안하는 2단계 추론 시스템의 성능 평가 결과, 각 사과나무에서 사과 개수를 측정하는 평균 정확도가 90.98%로 나타났다. 따라서 제안된 방법은 수작업으로 사과의 개수를 측정하는 데 드는 시간과 비용을 크게 절감할 수 있다. 또한, 이 방법은 딥러닝 기반 착과량 예측의 새로운 기반 기술로 관련 분야에서 널리 활용될 수 있을 것이다.