Earticle

본 연구의 목적은 주차정보 서비스 앱을 중심으로 UX 디자인 방법론을 활용한 앱 디자인 방법 을 제시하는 것이다. 자동차는 가장 대중화된 모빌리티 제품으로, 주차공간의 부족으로 인하여 많은 운전자들이 주차정보 서비스 앱을 활용하여 필요한 주차정보를 얻고 있다. 사용자를 총족하는 스마트 폰 앱을 디자인하기 위해서는 다양한 사용자의 경험을 체계적으로 고려하는 것이 중요하다. 이를 위 해 앱 디자인 과정에서 UX 방법론을 체계적으로 적용하였다. 사용자의 요구사항들을 발견하기 위하 여 사용자분석, 태스크분석, 컨텍스트분석, 기술분석이 진행되었다. 그리고 분석된 결과를 반영하여 컨 셉디자인, 스트럭쳐 디자인, 인터랙션 디자인, 인터페이스 디자인 작업이 수행되었다. 마지막으로 디 자인된 앱의 사용자경험을 평가하기 위하여 프로토타입을 개발하였고, SUS 방법, magnitude estimation 방법, 그리고 다기준 사용자경험 평가 방법을 활용하여 기존의 주차정보 서비스앱과의 사 용성과 만족도, 그리고 사용자경험을 비교평가하였다. 평가 결과, 본 연구에서 디자인된 주차정보서비 스 앱이 기존 앱과 비교하여 더 높은 사용성과 만족도, 그리고 사용자경험을 제공하고 있는 것이 확 인되었다. 향후 본 연구의 결과는 다양한 앱의 디자인을 위한 방법론으로 활용될 수 있다.

This study was carried out to propose app design methods and examples using UX design methodology, focusing on parking information service apps. Car is the most popular mobility product, but due to a lack of parking spaces, many drivers are using parking information ser- vice apps to obtain necessary parking information. It is important to satisfy the user experience of various users. To this end, UX methodology was systematically applied in the app design process. User analysis, task analysis, context analysis, and technology analysis were conducted to discover user requirements. And concept design, structure design, interaction design, and interface design were performed by reflecting the analyzed results. Finally, a prototype was developed to evaluate the user experience of the designed app, and the usability and satisfaction with the existing parking information service app were compared and evaluated using the SUS method, magnitude estimation method, and multi-criteria UX evaluation method. The result revealed that the parking information service app designed in this study provides higher usability, satisfaction, and UX compared to exist- ing apps. This study can be used as a methodology for designing various apps in the future.

2018년에 국풍(國風)문화가 성행하기 시작하였고 전통문화 요소에서 브랜드, 패션의 발전을 거 쳐 점차 새로운 소비 추세가 형성되었다. 이제 국풍문화는 문화관광, 예술, 기술, 교육, 미디어 등 다 양한 분야로 확장되었다. 본 연구는 중국 전통문화의 특징을 가지고 있는 대형 국풍 이머시브 연극의 지불의사와 경제적 가치를 추정하기 위해서 조건부가치평가법(CVM)을 이용하여 연구를 진행하였다. 그 결과, 1인당 지불의사 금액이 513위안(약 95,000원)이 나왔다. 최근 공연시장이 코로나19 이전 수 준으로 회복된 상황에서 이머시브 연극이 매일 2회, 주 5일로 공연하고 매회 80% 입장률을 달성하였 다. 따라서 연 입장료 수익만 5,910만 위안(약 109.2억 원)으로 추정된다. 이 연구는 경제학적 관점에 서 중국 전통문화 특징을 가지고 있는 대형 이머시브 연극의 가치를 평가함으로써 공연의 잠재된 개 발가치에 대한 시사점을 제공한다. 향후 이머시브 공연의 경제적 가치평가에 기초자료로 활용될 수 있 을 뿐만 아니라 공연 기획자에게도 참고자료로 이용될 것이다.

With the development of the immersive industry in China, the industry is becoming more and more recognized, and various works representing immersive theater are constantly being launched. In 2018, Chinese National Style went through a developmental process from its constituent elements to Chinese national brands, and then to Chinese national style fashion, gradually forming a comsumer trend of Chinese national style. Now Chinese National Style Cultural has expanded into various fields such as cultural tourism, art, education, and media. This study aims to estimate the willing to pay and the economic value of large-scale Chinese national-style immersive theater using the contingent valuation method (CVM). As a result, the willingness to pay per person was found to be 513 CNY(95,000 KRW). As the theater market has recently recovered to pre-COVID-19 levels, it is estimated that if the immersive theater can perform twice daily, five days a week, and achieve 80% attendance each time, the annual admission revenue alone will be 59.1 million CNY(10.92 billion KRW). This study provides policy implications for the potential development value of performances. The findings will be used as a basis for future economic valuation of immersive performances and can also provide a reference for performance planners.

최근 시계열 데이터를 통해서 예측하는 기술과 방법론은 급속도로 발전하고 있으며, 이는 국가 적, 사회적, 경제적 등 인류의 다양한 의사결정 문제를 효과적으로 해결해 주고 있다. 이처럼 과학적 인 분석 기법을 적용하기 위해서는 데이터의 질과 양이 중요한데 데이터의 양이 부족한 경우에는 기 계학습과 빅데이터 분석과 같은 과학적 방식에 적용하기가 매우 어렵다. 최근 신규 상장된 기업들의 주가 데이터는 그 양이 제한적이고, 이러한 데이터의 부족은 기계학습 및 인공신경망 모델의 학습에 있어 과소적합과 과적합 같은 문제를 일으킬 수 있다. 이 논문에서는 신규 상장 기업의 주가 데이터 를 확장하는 방법으로 Time-series Generative Adversarial Network(TimeGAN)을 적용하였다. TimeGAN은 시계열 데이터의 내재된 시간적 동적 특성을 모델링하여 실제와 유사한 합성 데이터를 생성할 수 있는 효과적인 방법을 제공한다. 우리는 이 모델을 사용하여 2019년부터 2023년까지 한국 주식 시장에 신규 상장 기업의 부족한 주가 데이터를 확장하고, 확장된 데이터에 대한 통계적 실효성 을 PCA, t-SEN 기법을 통해서 분석한 결과, TimeGAN을 통해 생성된 데이터는 원래 데이터의 통 계적 특성을 잘 보존하는 것으로 나타났다. 본 논문은 시계열 데이터가 부족한 상황에서의 데이터 확 장 기법에 대한 유용한 접근 방법을 제시함으로써, 금융 시장 분석 및 예측에 있어 새로운 가능성을 열어주길 기대한다.

Recently, technologies and methodologies for predicting through time series data are rapidly developing, and they are effectively solving various decision-making problems of humanity such as national, social, and economic. In order to apply such a scientific analysis technique, the quality and quantity of data are important, but when the amount of data is insufficient, it is very difficult to apply it to scientific methods such as machine learning and big data analysis. The amount of stock price data of newly listed companies is limited, and the lack of such data can cause problems such as underfitting and overfitting in learning machine learning and artificial neural network models. In this paper, Time-series Generative Adversarial Network (TimeGAN) was applied as a method to expand the stock price data of newly listed companies. TimeGAN provides an effective way to generate synthetic data similar to the real world by modeling the inherent temporal and dynamic characteristics of time series data. We used this model to expand the stock price data of newly listed companies in the Korean stock market from 2019 to 2023, and analyze the statistical effectiveness of the expanded data through PCA and t-SEN techniques, and found that the data generated through TimeGAN well preserves the statistical characteristics of the original data. This paper is expected to open new possibilities in financial market analysis and prediction by presenting a useful approach to data expansion techniques in the context of lack of time series data.

본 연구의 목적은 생성형 AI를 활용하여 작업치료 SOAP 노트를 자동으로 생성하는 챗봇을 개 발하고, 이를 통해 작업치료 학생들의 문서화 능력을 향상시키며, 치료 계획 수립에 도움이 되고자 한 다. 이를 위해 다양한 출처에서 SOAP 노트를 수집하고, 데이터 클리닝 및 전처리를 통해 모델 훈련에 적합한 데이터셋을 구축하였다. 이후 ChatGPT 모델을 작업치료 SOAP 노트 작성에 최적화하기 위해 fine-tuning을 실시하였으며, 모델의 성능을 평가하기 위해 실제 작업치료 사례를 적용하고, 작 업치료 전문가들의 피드백을 반영하여 개선을 진행하였다. 연구 결과, 개발된 챗봇은 주관적 정보와 객관적 정보를 입력받아 자동으로 평가(A)와 계획(P)를 생성하는 기능을 성공적으로 구현하였으며, 높 은 정확성과 일관성을 보였다. 작업치료 전문가들로부터 긍정적인 피드백을 받았고, 실용적으로 활용 될 수 있음을 확인하였다. 향후 다양한 헬스케어 분야로의 확장 가능성을 탐구할 필요가 있으며, 보다 넓은 범위의 데이터를 활용하여 모델의 일반화 성능을 향상시키는 추가 연구가 필요하다. 본 연구는 국내 작업치료 및 재활 분야에서 생성형 AI를 활용한 최초의 시도 중 하나로서 여러 가지 중요한 의 의를 가지고 있다.

The purpose of this study is to develop a chatbot that automatically generates occupational therapy SOAP notes using generative AI, thereby enhancing the documentation skills of occupational therapy students and aiding in treatment planning. To achieve this, SOAP notes were collected from various sources, and a dataset suitable for model training was constructed through data cleaning and preprocessing. Subsequently, the ChatGPT model was fine-tuned to optimize the generation of occupational therapy SOAP notes. The model's performance was evaluated by applying it to actual occupational therapy cases and incorporating feedback from occupational therapy experts. The results of the study indicate that the developed chatbot successfully implemented the function of automatically generating assessment (A) and plan (P) content based on subjective and objective information. The chatbot demonstrated high accuracy and consistency, receiving positive feedback from occupational therapy experts and proving to be practically useful. Further research is needed to explore the potential for expanding the application to various healthcare fields and to improve the model's generalization performance by utilizing a wider range of data. This study holds significant value as one of the first attempts to utilize generative AI in the field of occupational therapy and rehabilitation in Korea.

C-ITS(Cooperative-Intelligent Transport Systems) 및 자율주행 환경에서 교통사고와 같은 돌발 상황의 신속한 검지가 중요해짐에 따라, 최근에는 이를 위한 다양한 시스템 개발과 관련된 연구가 활발 히 진행되고 있다. 본 연구는 기존의 영상 및 레이더 기반 검지 방식의 한계를 극복하기 위해 음향 정보 를 이용한 교통사고 검지 기술을 개발하는 것을 목표로 한다. 구체적으로, 교통사고 시 발생하는 음향 데 이터를 수집하고, 이를 통해 충돌 및 급제동과 같은 특징을 추출하였다. 추출된 음향 데이터를 바탕으로 DNN, CNN, RNN의 딥러닝 모델을 학습시켜 각 모델을 통해 사고 패턴을 검지하는 방법을 연구하였다. 이후, 학습된 모델들의 검지 결과를 비교 분석하여 음향 패턴을 검지하는 데 가장 적합한 알고리즘 모델 을 선정하였다. 최적의 알고리즘을 적용하여 음향기반 자동 사고 검지 시스템을 개발하였으며, 이 시스 템은 교통사고를 신속하고 정확하게 판별할 수 있다. 본 연구는 딥러닝 알고리즘과 음향 특징 추출 기술 을 통해 정확한 교통사고 검지를 가능하게 하여 교통 안전 향상에 기여할 수 있을 것으로 기대된다.

In the context of C-ITS and autonomous driving, rapid detection of traffic incidents is crucial. This research addresses the limitations of traditional methods such as imaging and radar by developing a technology that utilizes acoustic information for incident detection. Specifically, we analyzed acoustic data to extract features and trained deep learning models—DNN, CNN, and RNN—to identify patterns associated with crash and skid. Through comparative analysis of the models' detection results, we identified the optimal algorithm for acoustic pattern recognition. This study demonstrates the potential of advanced deep learning algorithms and acoustic feature extraction in enhancing automated accident detection systems.

최근 전 세계적으로 기업의 지속 가능한 경영이 중요한 이슈로 부상하면서 ESG 경영의 중요성 이 강조되고 있다. 본 연구는 재무 데이터를 활용한 ESG 등급 예측 모형을 개발하여 기업들이 효율 적이고 객관적으로 ESG 경영을 수행할 수 있도록 지원하고자 한다. 이를 위해 다양한 머신러닝 기법 을 적용하여 한국 상장 기업의 재무 데이터를 바탕으로 ESG 등급을 예측하고, 그 성과를 비교 분석 하였다. 연구 결과, XGBoost 모델이 가장 높은 예측 성능을 보였으며, 이를 통해 ESG 등급을 보다 정확하게 예측할 수 있음을 확인하였다. 또한, SHAP 기법을 적용하여 ESG 등급에 영향을 미치는 주 요 요인들을 분석함으로써 예측 결과의 해석 가능성을 높였다. 본 연구는 ESG 등급 예측에 있어 정 량적 접근의 유용성을 입증하였으며, 기업들이 ESG 경영 전략을 보다 효과적으로 수립하는 데 기여 할 수 있을 것으로 기대된다. 나아가, 이 연구는 투자자들에게도 신뢰성 있는 ESG 관련 정보를 제공 함으로써 ESG 경영이 강화될 수 있는 중요한 기초 자료를 제공할 수 있다.

As sustainable management has become a significant global issue, the importance of ESG (Environmental, Social, and Governance) management is increasingly emphasized. This study aims to support companies in efficiently and objectively implementing ESG management by developing an ESG rating prediction model based on financial data. Various machine learning techniques were applied to predict the ESG ratings of Korean listed companies using their financial data, and the performance of these models was comparatively analyzed. The results indicate that the XGBoost model exhibited the highest predictive performance, confirming its ability to accurately forecast ESG ratings. Additionally, by applying the SHAP method, the study analyzed the key factors influencing ESG ratings, thereby enhancing the interpretability of the prediction results. This study demonstrates the usefulness of a quantitative approach to ESG rating prediction and is expected to assist companies in more effectively formulating ESG management strategies. Furthermore, the research provides reliable ESG-related information to investors, offering a crucial foundation for strengthening ESG management.

본 연구는 국내 편의점 O4O(Online for Offline) 특성이 고객만족도와 지속사용의도에 미치는 영향을 실증적으로 검증하였다. 문헌 고찰을 통해 도출한 O4O의 특성은 편리성, 접근성, 모바일 앱 품질, 개인화로 구분하였고, 기술수용모델(TAM)과 기대일치모델(ECM)을 기반으로 연구 모형과 가설 을 설계하였다. 연구 가설은 국내 편의점 O4O 서비스를 이용한 경험이 있는 성인들의 설문 결과에 의해 신뢰도 분석, 확인적 요인분석, 구조방정식을 통한 경로분석으로 검증하였다. 검증 결과 O4O 특 성 중, 편리성과 개인화는 고객만족도에 유의미한 영향을 미치지 않은 반면, 접근성과 모바일 앱 품질 은 유의미한 영향을 미치는 것을 발견하였다. 또한 고객만족도는 지속사용의도에 중요한 영향을 미치 는 요인으로 나타났지만 독립변수(편리성, 접근성, 모바일 앱 품질, 개인화)와 지속사용의도의 관계를 매개하지 않는 것으로 나타났다. 본 연구는 선행 연구가 제한적이였던 편의점 O4O 서비스에 대한 실 증적 인사이트를 제공했다는 점에서 의의가 있다. 향후 연구에서는 O4O의 특성에 대한 보다 세부적 인 분석을 통해 구체적인 실무 가이드라인을 제시할 필요가 있다. 또한 O4O의 특성과 지속이용의도 관계에서 고객만족의 복잡적인 역할을 규명하기 위한 추가 연구가 필요할 것이다.

This study empirically examines the impact of Online for Offline(O4O) characteristics in domestic convenience stores on customer satisfaction and continuance intention. The O4O characteristics derived from a literature review are categorized into convenience, accessibility, mobile app quality, and personalization. Based on the Technology Acceptance Model(TAM) and the Expectation- Confirmation Model(ECM), a research model and hypotheses were designed. The hypotheses were tested through reliability analysis, confirmatory factor analysis, and path analysis using structural equation modeling, based on survey data from adults with experience using O4O services in domestic convenience stores. The results revealed that, among the O4O characteristics, convenience and personalization did not significantly affect customer satisfaction, while accessibility and mobile app quality did have a significant impact. Furthermore, customer satisfaction was found to be an important factor influencing the intention to continue using the service, but it did not mediate the relationship between the independent variables (convenience, accessibility, mobile app quality, personalization) and the intention to continue using the service. This study is significant in providing empirical insights into the O4O services of convenience stores, an area where previous research has been limited. Future research should provide more detailed practical guidelines through a more in-depth analysis of O4O characteristics. Additionally, further studies are needed to clarify the complex role of customer satisfaction in the relationship between O4O characteristics and the intention to continue using the service.

국가가 주도했던 우주 분야가 민간 기업에게 이양되는 뉴스페이스 시대가 빠르게 다가오고 있 다. 민간에 있어 발사 비용 하락, IT 산업의 눈부신 성장, 우주 시스템에 있어 상용 기성품 사용 등은 우주를 매력적인 비즈니스 영역으로 변화시키고 있다. 그러나 우주 산업의 상업화는 사이버 공격을 위 한 접점 확대로 이어져 우주 자산에 대한 위협을 증가시키고 있다. 이에 본 연구는 우주 시스템을 정 의하고 Space Segment, Ground Segment, User Segment로 우주 시스템을 구분하였고, 우주만의 특수 사항을 고려하여 각 구성 부문에 대한 특징들을 살펴보았다. 그리고 전자펄스를 이용한 재밍과 스푸핑 공격, 지상 기지국 및 공급망 등에 악성 코드를 주입하여 궤도 변경, 자세 위치 변경 등의 다 양한 위협에 대해 알아보았다. 그래서 우주 보안 위협에 대응할 수 있도록 경량화 보안 프로토콜, 우 주 보안 라우팅 등 우주 보안 기술 동향에 대해 분석하고 향후 연구들을 제안하였다. 또한 우주 산업 의 확대로 각국은 우주 보안의 관심을 넘어 우주 사이버 안보 체계 확립에 몰두하고 있는 상황에, 각 국의 우주 보안 정책을 살펴봄으로써 관리적 측면의 보안 트랜드도 파악할 수 있었다. 따라서 본 연 구에서 분석한 우주 보안 동향과 향후 연구 제안은 뉴 스페이스 시대의 우주 보안 강화를 위한 기초 자료로 활용될 수 있을 것이다.

The new space era, in which the space sector, previously led by governments, is being transferred to private companies, is rapidly approaching. For the private sector, falling launch costs, rapid growth in the IT industry, and the use of commercial off-the-shelf components in space systems are turning space into an attractive business area. However, the commercialization of the space industry has led to an expansion of the contact points for cyberattacks, increasing the threat to space assets. Accordingly, this study defined the space system and divided the space system into the Space Segment, Ground Segment, and User Segment, and examined the characteristics of each component considering the special characteristics of space. In addition, we looked into various threats such as jamming and spoofing attacks using electromagnetic pulses, and injecting malicious codes into ground base stations and supply chains to change orbits and change attitude positions. Therefore, we analyzed space security technology trends such as lightweight security protocols and space security routing to respond to space security threats and proposed future research. In addition, as each country is focusing on establishing a space cybersecurity system beyond the interest in space security due to the expansion of the space industry, we were able to identify security trends in terms of management by examining each country's space security policies. Therefore, the space security trends and future research proposals analyzed in this study can be used as basic data for strengthening space security in the new space era.

AI의 중요성이 점점 커지고 있으며, AI의 활용은 필수로 되고 있어 AI의 활용역량을 측정하고 이를 향상시키는 것은 매우 중요한 교육 목표가 되었다. AI 리터러시는 개인이 AI를 효과적으로 의사 소통하고 협업하며 온라인, 가정 및 직장에서 AI를 도구로 사용하는 역량으로 정의한다. 본 연구는 대 학생을 위한 AI의 이해와 활용 역량을 측정하고 이를 전공 및 교양 교육에 반영하기 위한 AI 리터러 시 개발을 목적으로 수행했다. AI 리터러시 개발을 위해 선행연구에서 제시된 리터러시를 연구 및 분 석하였다. 선별한 측정항목을 검증하기 위해 학생들에게 설문하여 290개의 응답을 얻었고, 응답의 요 인분석을 통하여 최종적인 리터러시 척도를 개발하였다. 개발된 리터러시 척도는 총 30개의 문항으로 구성되었고, 이를 기반으로 학생들의 AI 수준을 향상하도록 할 예정이다.

The importance of AI is growing, and the use of AI is becoming essential, so measuring and improving AI utilization capabilities has become a very important educational goal. AI literacy is defined as the ability of individuals to communicate effectively, collaborate, and use AI as a tool online, at home, and at work. This study was conducted for the purpose of measuring AI understanding and utilization capabilities for college students and developing AI literacy to reflect this in majors and liberal arts education. To develop AI literacy, we studied and analyzed the literacy presented in previous studies. To verify the selected measurement items, we surveyed students and obtained 290 responses, and developed the final literacy scale through factor analysis of the responses. The developed literacy scale has a total of 30 questions, and based on this, we plan to measure students' AI level and prepare curricular and non-curricular curricula to improve lacking competencies to improve essential AI competencies.