Earticle

최근 인공지능(AI)의 발전이 급속하게 진행됨에 따라 경제 ‧ 인문사회분야 정책연구에서도 그 활용 가능성이 주 목받고 있다. 본 연구는 정책연구자가 연구 자율성과 수월성이 보장되는 연구환경에 몰입할 수 있도록 AI가 연구 도구로서 필요하다는 인식에서 출발하였다. 따라서 본 연구는 정책연구 수행과정에서 생성형 AI의 올바른 활용을 강조하면서 데이터 편향성 ‧ 투명성 ‧ 개인정보 보안 등의 문제를 지닌 생성형 AI 도구의 책임있고 건전한 사용 유 도를 목적으로 한다. 이에 생성형 AI에 활용을 위한 정기적 교육, 정책연구 맞춤형 생성형 AI 제작 ‧ 배포, AI의 사 용에 있어 무분별한 남용을 경계하고 연구윤리를 준수하는 것이 필수적인 바 윤리적이고 책임있게 AI를 사용하기 위한 가이드라인 등을 제안하고자 한다.

The expeditious development of artificial intelligence (AI) in last years has attracted attention for its potential use in policy research in the economics, humanities and social sciences. This study is based on the recognition that AI is necessary as a research tool so that policy researchers can immerse themselves in a research environment that guarantees research autonomy and ease. Therefore, this study aims to highlight the need for proper use of generative AI in policy research and to inform the responsible and sound use of generative AI tools with issues such as data bias, transparency, and privacy security. Therefore, we propose regular training for the use of generative AI, the creation and distribution of generative AI tailored to policy research, and guidelines for the responsible and ethical use of AI tools, as it is essential to be vigilant against reckless abuse and comply with research ethics in the use of AI.

본 연구는 온라인 학습 환경에서 학습자의 참여도를 저해하는 구조적 요인을 탐색하고, 이를 기술적, 정서적, 학습 설계 측면에서 분석하였다. 최근 온라인 학습은 AI 기반 맞춤형 시스템과 실시간 피드백 기술의 도입으로 고도화되고 있으나, 학습자의 참여와 몰입은 여전히 낮은 수준에 머물고 있다. 본 연구는 기술적 결함, 정서적 소외, 부적절한 콘텐 츠 설계가 학습자의 몰입과 지속성에 부정적 영향을 미친다는 점에 주목하고, 국내외 사례를 바탕으로 참여 저해 요인 의 구체적 양상을 비교‧분석하였다. 그 결과, 온라인 학습의 효과를 높이기 위해서는 기술적 안정성과 더불어 정서적 실재감 설계 및 학습 흐름에 적합한 콘텐츠 구성이 함께 고려되어야 함을 제안하였다.

This study explores structural factors that hinder learner engagement in online learning environments and analyzes them in terms of technical, emotional, and instructional design aspects. While online learning has advanced through AI-based adaptive systems and real-time feedback technologies, learner engagement and immersion remain insufficient. Focusing on technical failures, emotional isolation, and inadequate content design, this study draws on domestic and international cases to analyze how these factors negatively affect learner persistence. The findings suggest that enhancing the effectiveness of online learning requires not only technical reliability but also emotionally resonant interaction design and instructionally meaningful content that supports learners' flow and motivation.

High-resolution image data taken by drones is being used as spatial information in various industries such as building maintenance, facility diagnosis, and urban planning modeling. In the industrial field, it is easy to visualize 3D on the web without installing separate software, and it is easy to run on various devices such as desktops and tablets and tablets regardless of platform environment, so it is used for visualization of drone high-resolution image data. However, in the process of processing high-resolution image data on a web browser, it has structural limitations such as rendering limitations, resampling, and downscaling, which degrade the actual image quality. This study proposes a method to restore drone high-resolution image quality using SRCNN (Super Resolution Convolutional Neural Network) so that the degraded image quality can be expressed at the original level on a web browser. We compared the restoration performance of applying SRCNN in a local environment for some of the 91 images taken by a drone at the Industry-Academic Cooperation Center building of *** University in Busan, Korea. The results show that SRCNN can be applied to restore image quality. In this study, a possible method for improving the image quality degradation problem in web browsers using AI-based post-processing was presented, and it is expected to contribute to web visualization and platform implementation of large amounts of high-resolution image data in the future.

COVID-19 팬데믹 이후 디지털 전환이 가속화되면서, 초등 저학년 대상 컴퓨팅 사고력 함양의 필요성이 더욱 부각되고 있다. 그러나 기존의 컴퓨터 기반 교육은 초등 중학년 이상의 학습 수준에 맞춰 구성된 경우가 많아 저학년 학생들의 발달 단계에 적합한 교육적 접근이 요구되고 있다. 본 연구에서는 언플러그드 활동과 메이커 교육을 융합한 컴퓨팅 사고력 함양 프로그램을 제안한다. 이 프로그램은 디지털 기기를 사용하지 않고도 개념을 명확히 이해할 수 있도록 돕는 언플러그드 활동과 학습자의 흥미와 창의성을 유도하는 메이커 교육의 체험적 특성을 결합하였다. 이를 통해 문제 해결력, 논리적 사고력, 창의성을 동시에 향상시키는 것을 목표로 한다. 본 프로그램은 다양한 만들기 프로젝트와 협력 중심 과제를 포함한 구조화된 교육 과정을 통해 초등 저학년 학생들이 기초적인 컴퓨팅 사고력 역량을 자연스럽게 습득할 수 있도록 설계되었다. 이를 통해, 학생들은 디지털 사회에서 필요한 핵심 역량을 갖춘 21세기형 인재로 성장할 수 있는 기초를 마련하게 될 것이다.

As digital transformation has accelerated in the wake of the COVID-19 pandemic, the need to foster computational thinking among lower elementary students has become increasingly important. However, existing computer-based education programs are often designed for upper elementary students or older, making them less suitable for the developmental stages of younger learners. This study proposes a computational thinking enhancement program that integrates unplugged activities and maker education. The program combines unplugged activities, which help students understand key concepts without the use of digital devices, with the experiential features of maker education that stimulate learners’ creativity and engagement. Through this integration, the program aims to simultaneously enhance students’ problem-solving skills, logical thinking, and creativity. The program is structured around various hands-on projects and collaborative tasks, allowing young learners to naturally acquire foundational computational thinking skills. Ultimately, this program seeks to provide a strong foundation for lower elementary students to develop into 21st-century talents equipped with the core competencies required in a digital society.

본 연구는 예비교사의 생성형 인공지능 도구 수용이 교사 자기효능감에 미치는 영향을 탐색하였다. 이를 위해 초등교육과에 재학 중인 예비교사 42명을 대상으로 연구를 실시하였으며, 생성형 인공지능 수용 척도와 교사 자 기효능감 척도로 구성된 설문지를 배포 ‧ 수집하여 분석하였다. 연구 결과, 예비교사들은 생성형 인공지능 도구가 학업 및 전문적 과업에서 제공하는 효율성을 중요하게 인식하고 있는 것으로 나타났다. 특히, 수용 요인 중 촉진 조건(외부 환경 및 제도적 지원)과 노력 기대(사용 용이성)는 교사 자기효능감 형성에 긍정적인 영향을 미치는 것 으로 나타났다. 이러한 요인들이 예비교사의 자기효능감에 직접적인 영향을 미치는 만큼, 향후 인공지능 관련 예 비교사 교육과정의 설계와 운영에 이를 적절히 반영할 필요가 있음을 제안하고자 한다.

This study investigated the impact of pre-service teachers’ acceptance of generative AI tools on their teacher self-efficacy. To achieve this aim, 42 pre-service teachers enrolled in an elementary education program participated in the study. Participants completed a questionnaire composed of a generative AI acceptance scale and a teacher self-efficacy scale. The data were collected and analyzed accordingly. The findings revealed that pre-service teachers place significant value on the efficiency that generative AI tools offer in both academic and professional contexts. Notably, two acceptance factors—facilitating conditions (external environments and institutional support) and effort expectancy (perceived ease of use)—were found to positively influence the development of teacher self-efficacy. Given the direct impact of these factors, it is essential to integrate them into the design and implementation of AI-related teacher education programs.

본 연구는 미국, 독일, 일본의 기계공학 교육 시스템을 비교 분석하여, 산업 4.0 및 디지털 기술이 각국의 교육에 어떻게 반영되고 있는지를 탐색하고, 이를 바탕으로 한국의 기계공학 교육 개선 방안을 제시하는 것을 목적으로 한다. 미국은 프로젝트 기반 학습과 산학 협력을 강조하며, 독일은 듀얼 시스템을 통해 이론과 실무의 통합을 실현하고 있다. 일본은 기술 융합 및 정밀공학 중심의 교육을 강화하고 있으며, 산업체와의 긴밀한 협력을 통해 실용적인 교육을 운영하 고 있다. 이들 국가의 사례를 분석한 결과, 한국 기계공학 교육은 커리큘럼 혁신, 산학 협력 확대, PBL 중심 교수법 강화, 융합 교육 도입, 평가 방식 개선 등이 필요한 것으로 나타났다. 본 연구는 향후에 한국 기계공학 교육이 세계적인 기술 변화에 능동적으로 대응할 수 있도록 실질적인 교육 정책의 방향성을 제시한다.

This study compares the mechanical engineering education systems of the United States, Germany, and Japan to explore how each country integrates Industry 4.0 and digital technologies into their curricula, with the ultimate goal of proposing improvements for Korea’s engineering education. The U.S. emphasizes project-based learning and university-industry collaboration; Germany employs a dual system that balances theory and practice; and Japan focuses on interdisciplinary precision engineering with strong ties to the industry. The analysis suggests that Korea should reform its curriculum, expand industry partnerships, adopt PBL teaching methods, introduce interdisciplinary learning, and improve evaluation systems. This paper provides strategic directions for Korean mechanical engineering education to effectively respond to global technological shifts.

노벨상 수상자의 융합 특성을 알아보기 위해서, 추천기록이 공개된 1901~1974년의 노벨화학상 수상자들의 추천 기록을 분석하였다. 수상자가 없었던 8회를 제외한 전체 66회의 수상 중 1인 수상이 49회로 약 74%에 해당하였 고, 전체 수상자 86명 중 화학 분야에서만 추천을 받거나 추천을 했던 수상자는 27명으로 약 31%에 불과했지만, 화학을 포함한 3개 이상 분야에서 추천과 관련이 있는 수상자는 55명으로 약 64%나 되어서, 노벨화학상 수상자의 융합 특성을 잘 보여주고 있었다. 또한 서로 다른 분야의 조합 중에서는 물리학과 화학의 융합과 연관이 있는 수 상자가 36명으로 약 42%가 되어 가장 많은 비율을 차지하였다.

In order to examine the convergence characteristics of Nobel Prize winners, we analyzed the nomination archive of Nobel Prize winners in Chemistry from 1901 to 1974. Of the 66 awards in total, excluding the 8 awards in which there was no winner, 49 were awarded to a single person, accounting for approximately 74%. Of the 86 total winners, only 27 were nominated or nominated in the field of chemistry, accounting for approximately 31%. However, 55 were recommended in three or more fields, including chemistry, accounting for approximately 64%, clearly demonstrating the convergence characteristics of Nobel Prize winners in Chemistry. In addition, among the combinations of different fields, winners related to the convergence of physics and chemistry accounted for the largest proportion, at 36, accounting for approximately 42%.

본 연구는 인류세 담론 내에서 차별화된 개념인 플랜테이션세(Plantationocene) 개념을 해양 환경과 수산양식업 에 적용함으로써 이론적 논의를 확장한다. 다나 해러웨이(Donna Haraway), 애나 칭(Anna Tsing) 등이 발전시킨 플랜테이션세 개념은 비판적 대서양학, 태평양학, 캐리비언 연구의 학문적 전통과 교차하며, 식민주의, 인종 자본 주의, 자원 추출의 역사적 맥락 내에서 환경 변화를 분석한다. 기후위기 시대에 어획 어업의 한계를 인식하면서 도, 대안으로 제시되는 양식업이 여전히 대량 생산-소비, 시장 의존성, 원거리 소비, 자연의 객체화로 특징지어지 는 추출주의적 패러다임에 갇혀 있음을 지적한다. 한국 양식업, 특히 제주 광어 양식을 사례로, 환경 조건을 무시 한 이식, 집약적 단일 작물 재배, 수출 지향적 상품화, 위계적 노동 구조와 같은 플랜테이션세 특성이 현대 양식 시스템에 내재되어 있음을 분석한다.

This study expands theoretical discussions by applying the concept of the Plantationocene, a differentiated concept within Anthropocene discourse, to marine environments and aquaculture. The Plantationocene concept, developed by Donna Haraway, Anna Tsing, and others, intersects with scholarly traditions in Critical Atlantic Studies, Pacific Studies, and Caribbean Studies, collectively analyzing environmental change within historical contexts of colonialism, racial capitalism, and resource extraction. While recognizing the limitations of capture fisheries in an era of climate crisis, this research points out that aquaculture, often presented as an alternative, remains entrenched in extractivist paradigms characterized by mass production-consumption, market dependency, distant consumption, and objectification of nature. Using Korean aquaculture, particularly Jeju olive flounder farming, as a case study, we analyze how Plantationocene characteristics-transplantation that disregards environmental conditions, intensive monocropping, export-oriented commodification, and hierarchical labor structures-are embedded in modern aquaculture systems.

본 연구는 소프트웨어 개발 환경의 복잡성 증가와 애자일 및 데브옵스 방법론의 확산으로 인한 빠른 릴리스 주기에 대응하기 위해 AI MCP(Model Context Protocol) 기반 자동화 테스트 방법론을 제안한다. 전통적인 수동 테 스트 방식은 시간과 비용 측면에서 한계를 보이며, 특히 대규모 시스템에서 충분한 테스트 커버리지 확보가 어려 운 상황에서, Anthropic에서 개발한 개방형 표준 프로토콜인 MCP를 활용하여 다양한 AI 모델들이 표준화된 방식 으로 상호 작용할 수 있는 테스트 자동화 솔루션을 개발하였다. 제안된 방법론은 GitHub MCP를 활용한 정적 테 스트를 통해 소스 코드의 복잡도 측정, 잠재적 결함 식별, 보안 취약점 스캔을 수행하고, Playwright MCP를 활용 한 동적 테스트를 통해 실제 웹 브라우저 환경에서의 사용자 인터페이스 검증, 크로스 브라우저 호환성 테스트, API 테스트를 실행한다. 생성형 AI가 작성한 코드에 대한 검증 능력을 강화하여 기존 규칙 기반 테스트 도구로는 예측하기 어려운 패턴과 결함을 지능적으로 분석할 수 있으며, 자연어 명령을 통해 별도의 전문 지식 없이도 포 괄적인 테스트를 수행하는 모델을 제시한다.

This study proposes an AI MCP (Model Context Protocol)-based automated testing methodology to enhance the efficiency of software test automation. To overcome the limitations of traditional manual testing approaches, we designed a comprehensive testing framework that integrates static testing using GitHub MCP and dynamic testing using Playwright MCP. The proposed methodology automates the entire process from code analysis to defect prediction through a five-layer architecture consisting of Test Management Layer, Static Analysis Module, Dynamic Testing Module, Test Case Generation Module, and Defect Prediction Module. In particular, it strengthens the verification capability for code written by generative AI such as ChatGPT, Claude, and Gemini, presenting an intelligent testing solution that can respond to the complexity of modern software development environments.

본 논문에서는 인문-정보융합 기반의 학교자율시간 운영을 지원하기 위한 정보융합교육 모델인 NEXT(Novel Engineering-based X-over Technology Education) 교육 모델을 제안하고, 그 설계 방안을 구체화하였다. 이를 위 해 학교자율시간 및 노벨 엔지니어링 관련 선행연구, 교육과정 문서 및 시행 자료를 분석하여 NEXT 모델과 설계 절차를 도출하였다. NEXT 모델은 도서 기반의 문제 정의, 탐구, 융합, 기술적 구현의 네 단계로 구성되며, 순환적 구조를 갖는다. 프로그램 설계는 ADDIE 모형을 바탕으로 하여 학교와 지역의 실태 및 학습자 요구를 반영할 수 있도록 하였다. 본 연구는 학교 교육과정 내 자율성과 지역 연계를 반영한 정보교육의 운영 방법론을 제시함으로 써, 향후 융합 기반 교과 외 프로그램 개발 및 효과성 연구의 기초자료로 활용될 수 있다. 후속 연구로는 학교자 율시간에서의 지속적인 정보교육 연구의 필요성이 제안되었다.

This study proposes the NEXT (Novel Engineering-based X-over Technology Education) model and its design method to support the operation of School Autonomy Time, focusing on humanities and informatics convergence. To develop the model and design strategy, prior research on School Autonomy Time and Novel Engineering, along with curriculum documents and policy guidelines, were analyzed. The NEXT model follows a cyclic structure composed of four key stages: Novel engineering, Explatory learning, X-over and problem-solving, and Technology convergence. The program design process is based on the ADDIE instructional design model, incorporating the realities of schools, regional characteristics, and learner needs in alignment with the goals of autonomous curriculum planning. This study offers a practical methodology for implementing informatics education that reflects school autonomy and local connectivity, and provides a foundation for future research and development of convergence-based extracurricular programs. Further studies are recommended to advance the sustainable practice of informatics education within school autonomy time.

AI 디지털교과서가 2025년부터 단계적으로 도입되는 가운데, AI 디지털교과서를 현장에서 직접 사용하게 될 교 사 대상 연수는 AI 디지털교과서의 안정적인 정착을 위한 필수 요인으로 여겨진다. 그러나 아직까지 AI 디지털교 과서 교사 연수를 위한 교육요구도 분석 연구는 미흡한 수준이다. 이에 본 논문에서는 현직 초등 교사 91명을 대 상으로 AI 디지털교과서 연수에서 중점적으로 고려해야 할 역량에 대한 교육요구도 조사를 실시했고, 조사 결과 를 IPA 분석, Borich 요구도, The Locus for Focus 모델을 활용하여 다각도로 분석하고자 하였다. 분석 결과, IPA 와 Borich 요구도 분석에서 높은 순위를 차지하고 The Locus for Focus 모델에서 LH 사분면에 속한 ‘디지털 도구 및 에듀테크 활용 역량’, ‘디지털 기반 교수 학습 설계 역량’, ‘학습 데이터 분석 및 평가 피드백 역량’이 연수 운 영 시 최우선적으로 고려해야 할 역량임을 확인했다. 또한, ‘학습 데이터 분석 및 평가 피드백 역량’과 ‘디지털 윤 리 및 학생 지원 역량’은 차순위로, ‘학습 데이터 분석 및 평가 피드백’은 후순위로 인식하고 있었다. AI 디지털교 과서 교사 연수 프로그램 설계 시 기초 자료로 반영되기를 기대한다.

With the phased introduction of the AI Digital Textbook (AIDT) starting in 2025, teacher training for those who will use AIDT in the field is considered a key factor for its stable implementation. However, the AIDT training conducted in 2024 showed that many teachers expressed concerns rather than expectations. Therefore, this study conducted an educational needs assessment on 91 in-service elementary school teachers regarding the competencies that should be emphasized in AIDT training. The results were analyzed using Importance–Performance Analysis (IPA), the Borich Needs Assessment Model, and the Locus for Focus Model. According to the analysis, 'Use of Digital Tools and EdTech', 'Designing Teaching and Learning Using Digital Platforms', and 'Analyzing Learning Data and Implementation of Assessment Feedback' ranked high in both IPA and Borich analyses and were located in the LH quadrant of the Locus for Focus Model. These were identified as the top priorities for training. In addition, 'Analyzing Learning Data and Implementation of Assessment Feedback' and 'Digital Ethics and Student Support' were recognized as secondary priorities. The results are expected to serve as basic data for designing AIDT teacher training programs.