Earticle

본 연구는 청소년의 고카페인 음료 섭취 빈도와 수면 회복, 슬픔·절망감 경험, 외로움, 그리고 지각된 스트레스 간의 관련성을 확인하고자 하였다. 연구 방법은 2024년 청소년건강행태조사 자료를 이용한 이차분석연구로 고카페인 음료 섭취 빈도와 정신건강 관련 요인(스트레스 인지, 잠으로 인한 피로회복 정도, 슬픔·절망감 경험, 외로움 경험)간의 관계를 SPSS를 활용하여 유의성을 확인하였다. 연구 결과는 고카페인 음료 섭취 빈도는 잠으로 피로회복 정도(r=.189), 슬픔·절망감 경험 (r=.111), 그리고 외로움 경험(r=.099)과 유의한 정적 상관을 보였다. 고카페인 음료 섭취에 유의하게 영향을 미치는 변수는 잠으로 피로회복 정도(β=.170), 슬픔·절망감 경험(β=.069), 그리고 외로움 경험(β=.026)였다. 이는 청소년의 고카페인 음료 섭취가 수면 회복 저하, 슬픔·절망감, 외로움 등과 일관된 정적 연관성을 보이며, 특히 수면 회복이 주요한 매개변수로 작용함 을 시사한다. 따라서 고카페인 음료 섭취는 수면 회복을 저해하여 정서적 불안정을 초래할 가능성이 높으며, 슬픔·절망감 및 외로움 경험과 상호 관련되어 나타날 수 있다. 이에 학교와 가정에서는 고카페인 음료 소비 조절과 더불어 수면 교육을 포함 한 정서 지원 프로그램의 강화가 필요함을 제언한다.

This study aimed to investigate the association between the frequency of consumption of highly caffeinated beverages and adolescents' sleep recovery, experiences of sadness and despair, loneliness, and perceived stress. The study used data from the 2024 Youth Health Behavior Survey as a secondary analysis. The significance of the frequency of consumption of highly caffeinated beverages and mental health-related factors(perceived stress, fatigue recovery through sleep, experiences of sadness/despair, and experiences of loneliness) was examined using SPSS. The results showed that the frequency of consumption of highly caffeinated beverages was significantly positively correlated with the degree of fatigue recovery through sleep(r=.189), experiences of sadness/ despair(r=.111), and experiences of loneliness(r=.099). Variables that significantly influenced consumption of highly caffeinated beverages were the degree of fatigue recovery through sleep(β=.170), experiences of sadness/despair(β=.069), and experiences of loneliness(β=.026). This study confirmed a consistent positive association between adolescents' consumption of high-caffeine beverages and sleep recovery, sadness/despair, and loneliness, with sleep recovery serving as a key mediating variable. Therefore, high-caffeine beverage consumption likely impairs sleep recovery, leading to emotional instability. Furthermore, given the correlation between this association and the experiences of sadness/ hopelessness and loneliness, we suggest that emotional support programs that strengthen high-caffeine beverage consumption behavior and sleep education are necessary at schools and homes.

본 연구는 생성형 AI(ChatGPT)의 코딩 생성 기능을 금속 조형 디자인 과정에 적용하여 금속 조형 오브제를 완성함 으로서 앞으로 디자인 프로세스의 활용 가능성을 검토하였다. 그 결과 첫째, 코딩 지원을 통해 프로그래밍 초심자도 오류를 보완하며 쉽게 디자인을 전개할 수 있었다. 둘째, 생성형 AI를 디자인 변형 ·추출 과정을 통해 수작업 대비 짧은 시간 내 다양 한 시안을 도출할 수 있었다. 셋째, 창작물을 직접 입력하지 않고 필요한 기능의 코딩만 활용함으로써 저작권 유출 우려를 최 소화하여 향후 금속 조형 디자인 방법론에 적용 할 수 있는 가능성을 보았다. 하지만, 출력 크기에 따른 비용 증가라는 한계가 확인되어 교육방법론에 적용하기 위해서는 비용 절감 방안에 대한 연구가 필요하다. 마지막으로, 금속 조형 디자인 교육과정 에 코딩 기초를 도입한다면 창작 활동의 다양성이 더욱 확대될 것으로 기대된다. 다만, 생성형 AI의 남용 가능성에 대비하여 활용 범위 설정에 관한 지속적인 연구가 필요하다.

This study examined the potential application of generative AI (Chat GPT) in the metal design process by employing its code-generation capabilities to complete a metal art object. The findings are as follows. First, coding support enabled even novice programmers to supplement errors and develop designs with greater ease. Second, by utilizing generative AI for design transformation and extraction, it was possible to derive diverse design drafts in a significantly shorter time compared to manual methods. Third, by using only the necessary coding functions without directly inputting original creative works, concerns over copyright leakage were minimized, indicating potential applicability to future metal design methodologies. However, the limitation of increased costs for larger outputs was identified, suggesting that further research on cost-reduction measures is required for practical integration into educational methodologies. Finally, introducing basic coding into metal design education curricula is expected to broaden creative possibilities, though continuous research is necessary to establish appropriate boundaries for use and to prevent overreliance on generative AI.

본 연구의 목적은 인공지능(AI)이 일자리 시장에 미치는 영향을 분석하고자 하였다. 이를 위해 구글에서 2017년 1월 1일부터 2024년 8월 31일까지 수집된 22,259건의 고용 관련 뉴스 데이터를 활용하여 AI와 고용의 관계를 탐구하였다. 연구 방법으로는 텍스트 마이닝을 기반으로 한 빈도 분석, 동적 주제 분석, 연관규칙 분석을 결합하여 AI가 일자리에 미치는 영향 의 복잡한 경로를 식별하였다. 토픽 분석과 TF-IDF 분석을 통해 AI의 부정적 영향 ‘우려’, ‘직업 이동’, ‘도전’과 ‘긍정적 기 회’, ‘새로운 기회’, ‘잠재력’에 대한 논의를 확인하였다. 또한 동적 토픽 모델링을 활용하여 시간에 따른 주제의 변화를 추적 한 결과, 2019년까지는 주로 기업 내 기술 개발, 혁신, 기술 도구가 산업에 미치는 영향을 다루었고, 이후에는 자동화가 노동 시장에 미치는 영향과 근로자의 역할, 특히 기술 수요와 고용 기회의 변화를 조명하였다. 연관규칙 분석을 통해 AI가 일자리 경로에 미치는 영향을 신뢰도 지표를 기반으로 확인하였으며, 시장과 고용에 대한 복합적인 영향을 구체적으로 분석하였다.

This study aimed to analyze the impact of artificial intelligence (AI) on the job market comprehensively. Utilizing 22,259 employment-related news articles collected from January 1, 2017, to August 31, 2024, we investigate the relationship between AI and employment. Our research methodology integrated text mining techniques, including frequency and dynamic topic analysis, along with association rule analysis, to identify the complex pathways through which AI influences job markets. Topic analysis and TF-IDF analysis highlighted discussions surrounding the negative impacts of AI, such as “concerns,” “job displacement,” and “challenges,” as well as the positive opportunities it presents, including “new opportunities” and “potential.” Dynamic topic modeling enabled us to trace the evolution of these themes over time, initially focusing on the influence of technological development and innovation within companies until 2019. Subsequently, the study illuminated the effects of automation on the labor market and examined the evolving roles of workers, particularly in response to changing demands for technology and shifts in employment opportunities. Through association rule analysis, we confirmed the significant impact of AI on job pathways based on reliability indicators and meticulously analyzed AI’s multifaceted effects on the market and employment.

본 연구는 데이터의 품질이 인공지능(AI) 성능에 미치는 영향을 검토한다. 이를 위해, 데이터 특성변수(Feature)의 유사도와 클래스(Class) 구성의 불균형을 고려한 모의실험(Simulation)을 통해 라벨링 오류 수준이 인공지능의 성능에 미치 는 영향을 비교 분석하였다. 그 결과, 특성변수 간 유사성이 높은 데이터에서는 특성 변수 간 유사성이 낮은 데이터에 비해 라 벨링 정확도에 더 민감하게 반응하였으며, 클래스 불균형이 증가함에 따라 인공지능 정확도가 급격히 감소되는 경향을 관찰 하였다. 이는 인공지능 학습데이터의 품질평가 기준 및 관련 연구를 위한 기초자료가 될 것이다.

The study investigates the impact of data quality on the performance of artificial intelligence (AI). To this end, the impact of labeling error levels on the performance of artificial intelligence was compared and analyzed through simulation, taking into account the similarity of data features and the imbalance of class composition. As a result, data with high similarity between characteristic variables were found to be more sensitive to labeling accuracy than data with low similarity between characteristic variables. It was observed that artificial intelligence accuracy tended to decrease rapidly as class imbalance increased. This will serve as the fundamental data for evaluating the quality criteria and conducting related research on artificial intelligence learning data.

본 연구에서는 블록체인이 적용된 공급망관리 정보시스템으로 전환의도에 영향을 미치는 요인을 검증하고자 한다. 이를 위해 선행연구의 고찰을 통해 변수 선정 및 연구모형을 구성하고, TOE 프레임워크와 PPM 모델을 활용해 실증분석을 시행하였다. Push 요인, Pull 요인이 블록체인 시스템 전환의도에 미치는 영향 및 Mooring 요인인 전환비용을 통한 조절효 과를 검증하였다. 국내에 소재한 중소기업을 대상으로 설문을 하여 320개 응답 자료를 표본으로 구조방정식 모형을 사용해 가설을 검증하였다. 연구 결과 Push 요인인 사회적 영향과 Pull 요인인 경영진의 혁신의지가 전환의도에 유의미한 영향을 미 쳤다. 그리고 전환비용 인식 수준이 높고 낮은 집단 간 조절효과를 확인하였다. 본 연구는 블록체인 기반 공급망관리 정보시 스템의 구현을 통한 기업의 경쟁력을 제고시킬 수 있는 SCBM(supply chain & blockchain management)의 개념 및 연구 방향을 제시하였다는 점에 의의가 있다.

In this study, we want to verify the factors that affect the intention to switch to a supply chain management information system applied with blockchain. To this end, variable selection and research model were constructed through the review of previous studies, and empirical analysis was conducted using the TOE framework and PPM model. The effects of Push and Pull factors on the intention to switch to the block chain system and the moderating effect through the switching cost which is a Mooring factor, were verified. The hypothesis was verified using a structural equation model using a sample of 320 response data by conducting a questionnaire survey on small and medium-sized enterprises located in Korea. As a result of the study, social influence, which is a push factor, and management's will to innovate, which is a Pull factor, had a significant effect on switching intention. And the moderating effect between the groups with high and low switching cost recognition was confirmed. This study is significant in that it presents the concept and research direction of SCBM (supply chain & blockchain management) that can enhance the competitiveness of a company through the implementation of a blockchain-based supply chain management information system.

본 연구의 목적은 웹 예능의 어떠한 요소가 시청자의 관심 이동에 영향을 미쳤는지 파악하기 위해 TV 예능 프로그램 과의 스토리텔링을 비교하고, 이를 통해 웹 예능 스토리텔링의 특징을 파악하는데 목적을 두었다. 이를 위하여 본 연구에서는 웹 예능과 TV 예능 프로그램을 각 한 편씩 선정하여 스토리텔링 분석을 실시하였으며, 스토리텔링은 이미지, 배경, 스토리, 캐릭터로 구분하여 각 항목에 대한 내용을 분석하였다. 분석결과 웹 예능 스토리텔링은 TV 프로그램과 달리 발단에서 위기로 바로 이어지는 구성을 통해 시청자가 콘텐츠에 바로 몰입할 수 있도록 하였으며, 확실한 결말 서사를 통해 짧은 영상 안에서 기승전결이 명확하도록 구성하였다는 특징을 파악하였다. 이러한 연구결과를 통해 향후 생산되는 숏폼 웹 예능 프로그램이 시청자의 몰입을 위한 방안 및 스토리텔링 전략을 파악할 수 있을 것으로 기대한다.

The purpose of this study was to compare storytelling with TV entertainment programs to find out which elements of web entertainment affected the shift of viewers’ interest, and to identify the characteristics of web entertainment storytelling. To this end, each of the web and TV entertainment programs were selected for storytelling analysis, and storytelling analyzed the contents of each item by dividing them into images, backgrounds, stories, and characters. As a result of the analysis, unlike TV programs, web entertainment storytelling allows viewers to immerse themselves in content through a composition that runs directly from the beginning to the crisis, and is characterized by a clear formation in a short video through a clear ending narrative. These research results hope that short-form web entertainment programs produced in the future will be able to identify strategies for viewers’ immersion and storytelling strategies.

자동차의 센서, 신호 등 데이터를 수집·처리하는 ECU 데이터가 공격에 의해 조작되면 운전자에게 피해를 줄 수 있 다. 본 논문에서는 블록체인을 이용하여 자동차 ECU 데이터의 무결성을 검증하는 시스템을 제안한다. 자동차와 서버는 세션 키를 이용해 데이터를 암호화하여 송·수신하기 때문에 통신 과정에서 신뢰성을 보장한다. 서버는 해시 함수를 이용해 전송받 은 데이터의 무결성을 검증한 후, 데이터에 이상이 없으면 블록체인과 off-chain인 분산저장소에 저장한다. ECU 데이터 해 시값은 블록체인에 저장하여 변조할 수 없으며, 원본 ECU 데이터는 분산저장소에 저장한다. 해당 검증 시스템을 이용해 ECU 데이터에 대한 공격 및 변조를 사용자가 검증할 수 있으며, 악의적인 사용자가 ECU 데이터에 접근하여 데이터 변조 시 무결성 검증을 수행할 수 있다. 보험, 자동차 수리, 거래 및 판매 등의 상황에서 사용자의 필요에 따라 사용할 수 있다. 향후 연구로는 실시간 데이터 무결성 검증을 위한 효율적인 시스템 구축이 필요하다.

If ECU data, which is responsible for collecting and processing data such as sensors and signals of automobiles, is manipulated by an attack, it can cause damage to the driver. In this paper, we propose a system that verifies the integrity of automotive ECU data using blockchain. Since the car and the server encrypt data using the session key to transmit and receive data, reliability is ensured in the communication process. The server verifies the integrity of the transmitted data using a hash function, and if there is no problem in the data, it is stored in the blockchain and off-chain distributed storage. The ECU data hash value is stored in the blockchain and cannot be tampered with, and the original ECU data is stored in a distributed storage. Using the verification system, users can verify attacks and tampering with ECU data, and malicious users can access ECU data and perform integrity verification when data is tampered with. It can be used according to the user's needs in situations such as insurance, car repair, trading and sales. For future research, it is necessary to establish an efficient system for real-time data integrity verification.

본 연구는 직업적인 역할을 사회화하고 직업에 대한 긍정적인 이미지를 가지도록 하는 전문직 사회화 영향요인을 확 인하기 위한 서술적 상관관계 조사연구이다. 임상실습 경험이 있는 간호대학생 133명을 대상으로 2024년 10월 1일부터 10 월 31일까지 자기기입식 설문지를 이용하여 자료수집하였다. 수집된 자료는 IBM SPSS/Win 25.0을 이용하여 서술통계, t-test, ANOVA, Pearson 상관관계와 다중회귀분석방법을 이용하여 분석하였다. 연구결과 간호대학생의 사회적 책임과 전 문직 정체성이 전문직 사회화 영향요인임을 확인하였으며, 전문직 사회화에 대한 설명력은 69.8%로 나타났다. 결론적으로 간호사로써 성장하는 데 중요한 역할을 하는 간호대학생의 전문직 사회화 향상을 위해서는 간호학과 입학시기부터 학년을 고 려한 사회적 책임과 전문직 정체성을 높일 수 있는 교육프로그램 개발 및 적용이 이루어져야 할 것으로 생각된다.

This study is a descriptive correlational study to identify the factors influencing professional socialization that socialize professional roles and have a positive image of the profession. Data were collected from 133 nursing students with clinical practice experience using a self-administered questionnaire from October 1 to October 31, 2024. The collected data were analyzed using IBM SPSS/Win 25.0 using descriptive statistics, t-test, ANOVA, Pearson correlation, and multiple regression analysis. The research results confirmed that the social responsibility and professional identity of nursing students were influential factors in professional socialization, and the explanatory power for professional socialization was 69.8%. In conclusion, in order to improve professional socialization of nursing students, who play an important role in their growth as nurses, it is thought that educational programs that can enhance social responsibility and professional identity considering the grade from the time of admission to the nursing department should be developed and applied.

본 연구는 간호대학생을 대상으로 생성형 인공지능의 활용과 관련된 연구 동향을 지식･기술･태도의 세 가지 관점에서 체계적으로 고찰하고, 간호교육에서의 인공지능 통합에 대한 시사점을 도출하고자 수행되었다. Arksey와 O’Malley(2005)의 주제범위 고찰 절차와 PRISMA-ScR 가이드라인에 따라 2022년부터 2025년까지 발표된 총 50편의 연구를 분석하였으며, 강 의 기반 학습, 시뮬레이션 및 임상훈련, 혼합학습 맥락을 포함하였다. 분석 결과, ChatGPT와 대규모 언어모델은 간호교육을 교수자 중심에서 학습자 중심의 상호작용적 학습으로 전환시키는 잠재력을 보였으며, 학습자의 임상추론력, 자기주도 학습능 력, 윤리적 인식과 같은 학습성과와 관련이 있는 것으로 보고되었다. 그러나 대부분의 연구는 단기적 교육 효과 검증에 머물러 있어, 학습성과의 지속성이나 임상실무 전이에 관한 근거는 제한적이었다. 또한 인공지능이 생성한 정보의 정확성과 신뢰도에 대한 우려도 지속적으로 제기되었다. 본 연구는 간호교육이 단순한 기술적 숙련 수준을 넘어, 인간 중심 돌봄 가치에 기반한 비 판적 인공지능 문해력과 전문직 정체성을 함양함으로써 윤리적이고 지속가능한 인공지능 통합을 실현해야 함을 제언한다.

This study aimed to systematically review research trends on the use of generative artificial intelligence (AI) among undergraduate nursing students, focusing on knowledge, skills, and attitudes. Guided by Arksey and O’Malley’s (2005) scoping review framework and the PRISMA-ScR guidelines, 50 studies published from 2022 to 2025 were analyzed across lecture-based, simulation/clinical training, and blended learning contexts. The findings indicated that ChatGPT and large language models (LLMs) showed the potential to transform nursing education from instructor-centered to learner-centered interactive learning. These tools were reported to be associated with improvements in learner engagement, clinical reasoning, self-directed learning, and ethical awareness. However, the evidence predominantly reflects short-term outcomes, with limited data on the sustainability or transferability of learning to clinical practice. Concerns regarding the accuracy and reliability of AI-generated information also persisted. These findings suggest that nursing education should incorporate not only technical proficiency but also critical AI literacy and a human-centered professional identity to support ethical and sustainable AI integration.