Earticle

본 연구는 인공지능(AI) 디바이스가 차세대 정보통신기술(ICT)의 핵심 플랫폼으로 급부상하고 있고, 소비자들 의 일상에 널리 적용되고 있는 인공지능 디바이스를 통해 소비자의 사용행태 및 사용자 경험에 대해 살펴보았다. 이를 위해 AI 디바이스 사용 경험이 있는 국내 소비자 600명을 대상으로 AI 디바이스의 속성 인식과 사용행태를 도출하였 다. 분석결과는 다음과 같다. 첫째, 다양한 속성 중 음악청취를 가장 많이 이용하였고, 날씨 정보제공과 같은 단순한 기능을 유용하게 인식하는 것으로 나타났다. 둘째, AI 디바이스 사용자의 주요 사용기기는 AI 스피커, 스마트폰, PC, 노트북 등으로 확인되었다. 셋째, AI 디바이스에 대한 연상 이미지는 재미있는, 유용한, 신기한, 똑똑한, 혁신적인, 친근 한 순으로 나타났다. 따라서 본 연구는 AI 디바이스의 특성을 반영한 사용 행태를 분석함으로써 향후 AI 디바이스를 활용한 사용자의 서비스 제공에 기여할 수 있다는 실무적 시사점을 갖는다.

Artificial intelligence (AI) devices are rapidly emerging as a core platform of next-generation information and communication technology (ICT), this study investigated consumer usage behavior and user experience through AI devices that are widely applied to consumers' daily lives. To this end, data was collected from 600 consumers with experience in using AI devices were derived to recognize the attributes and behavior of AI devices. The analysis results are as follows. First, music listening was the most used among various attributes and it was found that simple functions such as providing weather information were usefully recognized. Second, the main devices used by AI device users were identified as AI speakers, smartphone, PC and laptops. Third, associative images of AI devices appeared in the order of fun, useful, novel, smart, innovative, and friendly. Therefore, practical implications are suggested to contribute to provision of user services using AI devices in the future by analyzing usage behaviors that reflect the characteristics of AI devices.

현재, 인공지능 기술이 일상 속에 빠르게 녹아들고 있는 상황에서 인간과 인공지능의 상호작용은 심리적 안녕감, 스트레스 수준과 같은 사용자의 심리적 측면은 물론 인지 및 행동적 측면 모두에 중요한 영향을 미칠 것으로 예상되고 있다. 본 연구는 질적 연구 방법을 통해 ‘인간-AI 상호작용’에 대한 전반적 이해를 돕고자 하였으며, 이를 위해 AI 스피커를 이용 중인 성인을 대상으로 개별 심층면접을 진행하였다. 그 결과, 사용자와 AI 스피커의 상호작용에 영향을 미치는 총 46가지 요인들을 다차원적 측면(사용자 측면, 기기 측면, 환경적 측면)으로 분류하였으며, 세 가지 측면의 요인들은 다시 세부 특성을 기준으로 구분하였다. 먼저, 1) 사용자 측면의 요인들은 사용자 개인과 직접적으로 관련된 것으로, 인구통계학적 특성과 사용자의 라이프스타일, 심리적 특성, 성격 특성 그리고 인지적 특성과 관련된 요인들로 구분되었다. 다음으로 2) AI 기기 측면의 요인들은 크게 ‘사용자가 지각한 기기 특성(지각된 기기 특성)’과 ‘기술 및 기기와 관련된 특성’으로 분류할 수 있었다. 마지막으로 3) 환경적 측면의 요인은 크게 상황 및 물리적 환경과 사회적 환경, 그리고 외부자극 환경과 관련된 요인들로 구분할 수 있었다. 본 연구는 ‘사용자-AI 기기 상호작용’을 심층적으로 살펴본 초기 질적 연구로, 4차 산업 혁명과 함께 계속해서 성장할 인공지능 시장에 실무적 함의는 물론, 추후 연구들을 위한 방향과 이론적 함의를 제공할 것으로 기대된다.

Along with the fourth industrial revolution, the artificial intelligence (AI) technology is rapidly expanding into our daily lives. The interaction between human being and AI devices is expected to have effects not only on psychological aspects in terms of subjective well-being and stress level but also cognitive and behavioral aspects. This study aims to help an overall understanding of the ‘human-AI device interaction’ through a qualitative research method. To achieve this goal, this study conducted in-depth interviews with those using AI speakers. As a result, ‘human-AI device interaction’ factors were divided into three dimensions: user, AI device, and environment. First, 1) The user-aspect factors relates to demographics and lifestyle, psychological characteristics, personality characteristics, and cognitive characteristics. Next, 2) the factors on the AI device aspect were categorized into the characteristics of the device and perceived device characteristics. Finally, 3) the environmental aspect divided into factors related to the situation and the physical environment, social environment, and external stimulus. This study is expected to provide theoretical implications through providing psychological factors, and will be a foundation that provides directions of the AI-related research in the future. Furthermore, these results have practical implications for the AI industry that will continue to grow.

This study aims to compare the performance of various AI-based translators in handling rhetorical devices deployed to enhance the persuasive effect of speeches. Different presidents employ their preferred rhetorical techniques, among whom French President Emanuel Macron is known for frequent use of repetition. For example, in his 2024 New Year's address, Macron utilized several rhetorical devices (anaphora, antithesis, anadiplosis, amplification), including repetition at the sentence structure level. Since translation should take into account the text's type and function, it is crucial that these rhetorical elements, which amplify the speech’s persuasive function, are accurately conveyed, even in machine translations. In this context, this study analyzes Macron's 2024 New Year's speech, focusing on phrases employing sentence-level rhetoric. These phrases were translated from French to Korean using three artificial neural network-based translators (Google, DeepL, and Papago) and a generative AI (ChatGPT) to assess their ability to handle rhetorical devices. The analysis revealed that the machine translators varied in their effectiveness at processing rhetorical elements, with ChatGPT performing the best, followed by DeepL. ChatGPT produced fewer semantic errors, even when omitting certain words or expressions, and generally handled rhetorical translations more effectively. However, most translators struggled with longer sentences containing multiple rhetorical devices, such as omissions.

이 연구는 AI에 기반을 둔 스마트 기기를 활용하여 초등학교 체육수업에 적합한 데이터 지표를 탐색하는 데 연 구의 목적이 있다. 이를 위해 RISS를 통해 스마트 기기 활용 체육수업 관련 논문 27편을 자료로 수집하였으며, 반복적 비교·분석과 주제 코딩을 통해 자료를 분석하였다. 체육수업에서 활용 가능한 데이터 지표는 다음과 같 다. 첫째, 신장, 몸무게, 체질량 지수(BMI), 근력, 근지구력, 유연성, 등 신체 능력 지표와 심폐지구력, 혈압, 혈 당, 콜레스테롤 등 신체적 특성 지표이다. 둘째, 체육수업 시간에 참여한 비율, 활동한 시간, 수행한 운동량 등 체육 활동 참여 지표이다. 셋째, 체력과 건강의 지표 변화와 스트레스, 우울감 등 심리적 상태의 변화와 학업 성 취도의 변화인 체육 활동 효과 지표이다. 이상의 AI 기반 스마트 기기를 활용한 데이터 지표는 학생건강체력평 가(PAPS)의 객관성과 활용도를 높이고, 맞춤형 체육수업 및 자기주도학습 구현에 기여할 것이다.

This study aims to explore suitable data indicators for elementary school physical education classes using AI-based smart devices. For this purpose, 27 papers related to the use of smart devices in physical education classes were collected from the Research Information Sharing Service (RISS) and analyzed through constant comparative analysis and theme coding. The data indicators applicable in physical education classes are as follows: First, physical characteristics indicators such as height, weight, body mass index (BMI), muscle strength, muscular endurance, flexibility, cardiopulmonary endurance, blood pressure, blood sugar, and cholesterol. Second, physical activity participation indicators such as the rate of participation in physical education classes, time spent in activities, and the amount of exercise performed. Third, physical activity effect indicators such as changes in physical fitness and health, changes in psychological states like stress and depression, and changes in academic achievement. The data indicators utilizing AI-based smart devices can enhance the objectivity and usability of the Physical Activity Promotion System (PAPS), and contribute to the implementation of customized physical education classes and self-directed learning.

실시간 처리 및 프라이버시 강화를 위해 인공지능 모델을 엣지에서 동작시킬 수 있는 온디바이스 AI 기술이 각광받고 있다. 지능형 사물인터넷 기술이 다양한 산업에 적용되면서 온디바이스 AI 기술을 활용한 서비스가 크게 증가 하고 있다. 그러나 일반적인 딥러닝 모델은 추론 및 학습을 위해 많은 연산 자원을 요구하고 있다. 따라서 엣지에 적용되 는 경량 기기에서 딥러닝 모델을 동작시키기 위해 양자화나 가지치기와 같은 다양한 경량화 기법들이 적용되어야 한다. 본 논문에서는 다양한 경량화 기법 중 가지치기 기술을 중심으로 엣지 컴퓨팅 기기에서 딥러닝 모델을 경량화하여 적용 할 수 있는 방안을 분석한다. 특히, 동적 및 정적 가지치기 기법을 적용하여 경량화된 비전 모델의 추론 속도, 정확도 그리고 메모리 사용량을 시험한다. 논문에서 분석된 내용은 실시간 특성이 중요한 지능형 영상 관제 시스템이나 자율 이동체의 영상 보안 시스템에 적용될 수 있다. 또한 사물인터넷 기술이 적용되는 다양한 서비스와 산업에 더욱 효과적으 로 활용될 수 있을 것으로 기대된다.

On-device AI technology, which can operate AI models at the edge devices to support real-time processing and privacy enhancement, is attracting attention. As intelligent IoT is applied to various industries, services utilizing the on-device AI technology are increasing significantly. However, general deep learning models require a lot of computational resources for inference and learning. Therefore, various lightweighting methods such as quantization and pruning have been suggested to operate deep learning models in embedded edge devices. Among the lightweighting methods, we analyze how to lightweight and apply deep learning models to edge computing devices, focusing on pruning technology in this paper. In particular, we utilize dynamic and static pruning techniques to evaluate the inference speed, accuracy, and memory usage of a lightweight AI vision model. The content analyzed in this paper can be used for intelligent video control systems or video security systems in autonomous vehicles, where real-time processing are highly required. In addition, it is expected that the content can be used more effectively in various IoT services and industries.

Advances in artificial intelligence (AI), the Internet of Things (IoT) and its healthcare-focused subset, the Internet of Medical Things (IoMT) are gradually improving the quality of emergency medicine, speeding up the diagnostic process, improving patient tracking and helping doctors make decisions in real time. This study carefully looks at the technological progress made between 2020 and Aug. 2025 in three main areas: telemedicine tools, wearable health monitoring systems, and point-of-care diagnostic devices. It shows how new technologies like AI built into wearables, cloud-connected remote diagnostics, CRISPR-based detection systems, and mobile-enabled biosensors have all made emergency response systems stronger. The research also looks at how deep learning models have changed over time, from traditional architectures to transformer-based networks, and how they might be used in clinical decision support systems. The combination of these systems with edge computing, federated learning, and image-based diagnostics has changed the way data is processed and acted upon in critical care situations. This analysis looks ahead at how AI-IoT convergence will affect emergency medicine in the future, the problems it will face when it is put into practice, and what the future direction will be.

This research aims to investigate learning effects of using AI-driven devices in language learning, with a specific focus on speaking skills. Two primary AI-driven devices, Clova Note and ChatGPT 3.5, serve as complementary teaching tools. Employing a mixed-methods approach, the study integrates both qualitative and quantitative analyses. The qualitative analysis involves exploring participants' expectations and perspectives on assisted learning through semi-structured interviews. Additionally, quantitative analysis is conducted using a Likert scale questionnaire and results from official English language proficiency tests (OPI and ALCPT). For this study, thirty nine military personnel participated who took an intensive language course. Findings suggest that combined complementary learning methods can optimize learners' learning outcomes. The study concludes with pedagogical implications drawn from the results.

Artificial intelligence (AI) technology has profoundly impacted various domains of society, transforming the way people live, work, and interact with technology. Numerous factors shape users' acceptance of AI tools and devices. Grounded in an expanded Artificial Intelligence Device Use Acceptance (AIDUA) framework and incorporating digital capital theory, we examine digital competence (DC) as a key antecedent to explore factors and pathways affecting user adoption of AI tools and devices. The study employed confirmatory factor analysis and structural equation modeling to examine data collected from 625 participants in Shanghai, China. Most hypotheses of the three-stage AIDUA framework were validated, thus affirming its applicability. The observed positive and statistically significant impact of anthropomorphism (A) on performance expectancy (PE) is inconsistent with previous findings, which may influence specific cultural contexts. Furthermore, DC significantly reduces effort expectancy and positively affects emotions, though its impact on PE is insignificant. We uncover the intrinsic relationship between DC and AI adoption, offering a fresh perspective on accepting digital-era technology and advancing adoption theory. The findings provide practical insights that can guide AI service providers, educators, and policymakers in their efforts to enhance AI adoption. Additionally, the study provides empirical support for developing effective AI dissemination strategies and addressing the challenges associated with the digital divide.

본 연구는 만 3세 유아들이 일상적인 교실 놀이 맥락 속에서 인공지능(AI) 기기를 어떻게 접하고 활용하는지를 탐구하였다. 기존 연구들이 주로 연령이 더 높은 유아를 대상으로 하거나, 유아가 AI 기능을 얼마나 잘 다룰 수 있는가에 초점을 맞추어온 것과 달리, 본 연구는 보다 어린 연령의 유아들이 AI에 어떻게 반응하고 이를 자발적인 놀이 속에 통합하는지를 살펴보고자 하였다. 연구는 서울의 한 공립유치원에서 6주간 진행되었으며, 만 3세 유아 11명이 사전 안내 없이 순차적으로 도입된 네 가지 AI 기기(독서 로봇 루카, AI 스피커 콩순이와 누구, 음성 기반 GPT 애플리케이션이 탑재된 태블릿)와 상호작용하는 과정을 관찰하였다. 질적 사례연구 설계를 적용하여, 비디오 녹화와 관찰일지를 통해 수집한 자료를 주제분석으로 검토하여 상호작용 양상과 의미 형성의 패턴을 도출하였다. 연구결과, 유아는 인공지능 기기의 생김새나 반응 방식에 따라 서로 다른 관심을 보였고, 특히 기기의 반응성이 그 기기를 받아들이는 데 중요한 역할을 했다. 유아들은 자신의 말이나 행동에 즉각 반응하는 기기에 더욱 흥미를 느꼈으며, 기기가 먼저 말을 건네거나 음악을 재생하는 순간, 놀이로의 전환이 자연스럽게 이루어졌다. 이러한 놀이로의 전환은 음성 인식, 자연어 처리, 감정적 음성 출력, 시각 인터페이스 등 각 기기가 갖춘 기술적 특성에 따라 차이를 보였으며, 유아와의 상호작용을 안정적으로 이어갈 수 있는 기기의 열린 구조는 놀이의 지속과 확장을 가능하게 하는 핵심 요인으로 작용했다. 인공지능 기기와의 놀이 과정에서, 유아는 점차 기기를 단순히 기능을 수행하는 도구가 아니라, 감정과 의도를 지닌 상호작용의 대상으로 받아들이기 시작했다. 이에 유아는 기기와 어떻게 말을 주고받고 관계를 맺어야 할지를 스스로 고민하며, 조심스럽게 다가가는 모습을 보였다. 본 연구는 인공지능 기기와의 만남이 단순한 기술의 체험이 아니라, 유아가 기기의 반응을 매개로 상호작용과 놀이를 구성해 나가는 주체적 경험이라는 점을 보여준다. 유아는 기기를 도구가 아닌 상호작용의 상대로 받아들이며 놀이 속으로 끌어들이고 재구성해 나갔고, 이러한 경험은 기능을 익히는 과정이 아니라 유아가 자신만의 방식으로 의미를 만들어 가는 과정이었다. 따라서 향후 유아 인공지능 교육은 유아의 자발적인 놀이 흐름을 중심으로, 유아가 기기와 어떤 관계를 만들어 가는지를 함께 지켜보는 방향으로 나아가야 하며, 그 과정에서 드러나는 유아의 경험에 귀 기울이고, 이에 민감하게 반응하는 교사의 실천이 뒷받침되어야 함을 제언한다.

This study investigates how 3-year-old children encounter and engage with artificial intelligence (AI) devices in the everyday context of classroom play. Whereas most existing research has focused on older children or emphasized their ability to understand or perform AI-related functions, this study explores how younger children respond to and integrate AI into their spontaneous play. Conducted over six weeks in a public kindergarten in Seoul, the study observed a class of eleven 3-year-olds interacting with four AI technologies introduced sequentially and without prior instruction: an AI reading robot (LUKA), two AI speakers (Kongsuni and NUGU), and a tablet equipped with a voice-based GPT application. Using a qualitative case study design, data were collected through video recordings and observation journals and analyzed thematically to identify patterns of interaction and meaning-making. The findings revealed that the children’s engagement varied according to each device’s appearance and responsiveness, with immediate and expressive feedback serving as key factors in sustaining play. Devices capable of initiating interaction facilitated natural transitions into play, whereas open-ended structures supported the continuation and expansion of interaction. Over time, children began to perceive AI devices not merely as functional tools but as interactive partners, reflecting on how to communicate and form relationships with them. These results suggest that encounters with AI in early childhood are not simply technological experiences but meaning-making processes through which children integrate devices into play in their own ways. These implications highlight the need for AI education in early childhood to prioritize relational engagement and spontaneous play, supported by teachers who listen attentively and respond sensitively to children’s experiences.

기술의 발전으로 인해 스마트 가전제품이 늘어나며 스마트 홈 기술이 주목을 받고 있다. 그러나 이러한 기술은 설정과정의 복잡성으로 사용자들이 쉽게 접근하기 어렵다. 특히 디지털 기기 사용에 익숙하지 않은 사용자들을 스마트 홈 기술로부터 소외시키는 결과를 낳고 있다. 본 논문에서는 사용자 친화적인 스마트 홈 시스템을 제안한다. 사용자의 시선 방향을 추적하여 디바이스를 선택하고 간단한 인터페이스의 컨트롤러로 디바이스를 손쉽게 조작할 수 있도록 한다. 또한, 생성형 인공지능과 RAG 를 결합하여 사용자가 가전제품과 자연스럽게 대화하며 정보를 얻을 수 있는 인터페이스를 제공한다.

AI 반도체에서 Computing-in-Memory(CIM)는 연산과 저장을 통합하여 데이터 이동을 최소화하고, 병목 현상을 줄여 성능을 향상시킬 수 있다. 방대한 양의 데이터를 처리해야하는 AI 응용에서, CIM은 전력 효율을 개선하고 더 빠른 연산을 가능하게 하여 시스템의 성능을 최적화할 수 있는 핵심 기술로 주목을 받고 있다. 본 논문에서는 AI 반도체를 위한 새로운 CIM 아키텍처를 제안한다. 제안하는 아키텍처는 트랜지스터의 폭과 제어 신호의 펄스 폭을 제어하여 MAC 동작을 수행할 수 있으며 기존 아키텍처 대비 더 적은 면적으로 구현이 가능하다.

In semiconductors for AI, Computing in Memory (CIM) integrates computation and memory to minimize data movement and reduce processing bottlenecks, thereby improving performance. In AI tasks that handle large amounts of data, CIM is gaining attention as a key technology that optimizes the performance of AI systems by improving power efficiency and enabling faster computation. In this paper, a new CIM architecture for AI semiconductors is proposed. The proposed architecture can perform MAC operations by controlling the width of the transistor and the pulse width of the control signal, and can be implemented in a smaller area than the existing architecture.

이 연구는 인공지능(AI) 기반 의료기기의 도입에 따른 현행 법 제도의 규제 프레임워크와 사법적 책임 구조를 정책 공학적 관점에서 분석한다. 현행 「제조물 책임법」은 제조물의 범위를 원칙적으로 동산으로 한정하고 있어, 소프트웨어와 알고리즘을 핵심으로 하는 AI 의료기기에 적용하는 것에 한계가 있다. 또한 제조업자가 제품 공급 당시 결함을 발견할 수 없었음을 입증하면 책임을 면할 수 있는 개발위험 항변을 인정하여 AI 의료기기의 예측하기 어려운 판단 오류로 손해가 발생하더라도 제조사의 민사상 손해배상책임이 인정되지 않거나 지연될 가능성이 있다. 이 연구는 이러한 규제 공백에 따라 사용자가 가지는 위험성을 단순한 입법의 실패가 아닌, 신산업 생태계 육성을 위한 국가의 전략적 지체(Strategic Delay)로 해석한다. 「디지털의료제품법」 및 「인공지능기본법」 등에 기반한 현재의 다층적인 행정규제 프레임워크는 결과적으로 고비용의 순응비용을 감당할 수 있는 대기업 중심의 시장구조를 선보인다. 또, AI 오작동으로 인한 사법적 위험을 임상 현장의 의사 개인의 의료과오 책임으로 온전히 전가하는 것은 책임 귀속의 비대칭성을 초래할 위험이 있다. 따라서 이 연구는 첨단 산업 육성과 사법적 형평성의 사이의 조화를 도모하기 위해, 위험도 기반(Risk-based) AI 배상책임보험 가입의 의무화와 소프트웨어 결함 추정 법리를 통한 입증책임 분배 구조의 개선을 합리적인 사법적 책임 재분배 방안으로 제언한다.

This study analyzes the regulatory framework and the structure of judicial liability attribution concerning the introduction of Artificial Intelligence (AI) medical devices from a policy engineering perspective. The current “Product Liability Act” structurally suspends the judicial compensation liability of manufacturers due to the strict definition of tangible personal property and the development risk defense clause. This research interprets this regulatory gap not as a mere legislative failure, but as a “strategic delay” intentionally designed by the state to substitute unpredictable judicial risks with controllable administrative compliance costs in order to foster a better industrial ecosystem. However, the multi-layered administrative regulatory framework based on the “Digital Medical Products Act” and the “Framework Act on Artificial Intelligence” inadvertently causes market distortion by creating high compliance barriers favorable only to large enterprises. Furthermore, with the manufacturers' liability suspended, it results in an asymmetry of liability attribution by entirely shifting the legal risks of AI malfunctions to the individual clinical physician's medical malpractice liability. Therefore, to achieve a balance between promoting high-tech industries and judicial equity, this study proposes the mandatory implementation of risk-based AI product liability insurance and the introduction of a presumption of defect legal principle to improve the distribution of the burden of proof as rational measures for redistributing judicial liability.

단일 dataflow 를 지원하는 DNN 가속기는 자원 효율적인 성능을 보이지만, 여러 DNN 모델에 대해서 가속 효과가 제한적입니다. 반면에 모든 dataflow 를 지원하여 매 레이어마다 최적의 dataflow를 사용하여 가속하는 reconfigurable dataflow accelerator (RDA)는 굉장한 가속 효과를 보이지만 여러 dataflow 를 지원하는 과정에서 필요한 추가 하드웨어로 인하여 효율적이지 못합니다. 따라서 본 연구는 제한된 dataflow 만을 지원하여 추가 하드웨어 요구사항을 감소시키고, 중복되는 하드웨어의 재사용을 통해 최적화하는 새로운 가속기 설계를 제안합니다. 이 방식은 자원적 한계가 뚜렷한 엣지 디바이스에 RDA 방식을 적용하는데 필수적이며, 기존 RDA 의 단점을 최소화하여 성능과 자원 효율성의 최적점을 달성합니다. 실험 결과, 제안된 가속기는 기존 RDA 대비 32% 더 높은 에너지 효율을 보이며, latency 는 불과 1%의 차이를 보였습니다.

본 연구의 목적은 무증상 치밀 유방 여성에서 자동 유방 초음파(Automated Breast Ultrasound, ABUS)를 시행하여 인공지능 기반 자동 유방 초음파용 컴퓨터 보조 진단(Artificial Intelligence-Computer Aided Detection and Diagnosis, AI-CAD) 장치가 검출한 종괴성 병변의 특성과 인공물에 대하여 분석하고 AI-CAD의 유용성에 대하여 알아보고자 하였다. 대상자의 일반적 특성은 기술 통계를 실시하였고, 빈도 분석을 활용하여 ABUS 판독 시간, 종괴성 병변을 결절성 병변과 낭성 병변, 크기, 모양, 경계, 에코 패턴, 방향, 위치, CAD 인식 결절 개수로 분석하였고, 인공물 특성을 위치와 종류로 분석하였다. 그 결과 결절 및 낭성 병변의 경계성 평가하여 유방암 발견을 향상시키고 판독 시간을 단축시킬 수 있었다. 향후 ABUS와 AI-CAD 장치의 영상학적 특성을 알고 대규모의 후향적인 연구가 이루어진다면 AI-CAD 장치를 통한 판독 효율성이 더 향상될 것이다.

The purpose of this study was to analyze the characteristics and artifacts of mass lesions detected by an Artificial Intelligence-Computer Aided Detection and Diagnosis (AI-CAD) device in women with asymptomatic dense breasts who underwent automated breast ultrasound (ABUS) and to determine the usefulness of AI-CAD. The general characteristics of the subjects were analyzed by descriptive statistics, and frequency analysis was used to analyze ABUS reading time, mass lesions into nodular lesions and cystic lesions, size, shape, border, echo pattern, direction, location, and number of CAD-recognized nodules. Artifact characteristics were analyzed by location and type. As a result, the time to expand the field of view by evaluating the borderline of nodular and cystic independence was shortened. The retrospective story of the visually independent relationship between ABUS and AI-CAD devices will make the conversation about AI-CAD devices more enjoyable.

Artificial intelligence(AI)-based medical devices exhibit technical characteristics such as data dependency, and continuous learning, which challenge the regulatory frameworks developed for conventional software-based medical devices. This study aims to identify structural and operational regulatory gaps in Korea's regulatory system for AI-based medical devices by applying ISO/IEC international standards and International Medical Device Regulators Forum (IMDRF) guidelines as normative reference models. Through an analysis of the technical characteristics of AI-based medical devices and their associated risk across the total product life cycle, five key regulatory elements were derived: predetermined change control plans, real-world performance monitoring, explainability, data quality and fairness management, and AI-specific cybersecurity requirements. These elements served as an analytical framework to compare regulatory approaches in the United States and the European Union, with Korea as the primary subject of evaluation. The results indicate that, although Korea has established a legal foundation for regulating AI medical devices through the Digital Medical Products Act, critical operational criteria-particularly for post-market change management, real-world performance monitoring, data bias evaluation, and AI-specific cybersecurity-remain insufficiently specified. This study highlights the need for actionable, life-cycle-oriented regulatory mechanisms aligned with international standards to enhance regulatory predictability, consistency, and patient safety in governance of AI-based medical devices.

본 연구는 학교 교육에서 AI․디지털 도구의 성공적인 도입과 확산을 위해 현장 교사의 요구를 파악하고자 하였다. 이를 위해 AIEDAP 사업에 참여하는 226명의 마스터교원과 리더교원을 대상으로 온라인 설문조사를 실시하였고 다음과 같은 결과를 도출하였다. 첫째, AI․디지털 수용을 위한 교사의 인식을 살펴본 결과 모든 문항에서 긍정적인 것을 확인하였다. 둘째, AI․디지털을 활용한 교수활동의 실행도와 중요도 차이를 분석한 결과, ADDIE 모형의 개발 단계에 해당하는 교수활동을 제외하고 모든 단계에서 교수활동에 대한 지원 요구가 높은 것으로 나타났다. 특히 지원의 우선순위가 높은 교수활동을 살펴보면, AI․디지털 도구를 활용한 학습자 특성 분석, 학습자 맞춤형 평가 및 실시간 피드백, 학습자 특성 및 성취기준 등을 고려한 수업 목표 설정, AI․디지털 도구를 활용한 보충 학습 기회 제공, AI․디지털 기반 학습자 관리 순으로 나타났다. 셋째, 교사의 AI․디지털 수용 방해요인으로 AI․디지털 인프라 및 공간 부족, 증가된 업무에 대한 부담, 그리고 학습자의 AI․디지털 역량의 격차가 두드러졌다. 지원요구에서는 교원연수를 통한 교사 전문성 개발에 대한 요구도가 가장 높은 것으로 확인되었다. 본 연구의 결론에서는 교사의 AI․디지털 활용에 있어 방해요인을 줄이고, AI․디지털 활용에 대한 교사 전문성을 높일 수 있는 지원 방안에 대해 논의하였다.

This study attempted to identify the needs of teachers for the successful introduction and spread of AI and digital tools in school education. To this end, an online survey was conducted on 226 master teachers and leader teachers participating in the AIEDAP project, and the following results were derived. First, positive perceptions of teachers regarding AI and digital adoption were observed across all items. Second, As a result of analyzing the difference in the performance and importance of teaching activities using AI and digital, it was found that except for the development stage according to the ADDIE model, the demand for support of teaching activities was high in all stages. In particular, when looking at teaching activities with a high priority of support, it was found in the order of analyzing learner characteristics using AI and digital tools, personalized assessment and real-time feedback, setting instructional goals, providing supplementary learning opportunities using AI and digital tools, and AI and digital based learner management. Third, obstacles to teachers' adoption of AI and digital tools included shortages in AI and digital infrastructure and space, increased workload burden, and noticeable disparities in learners' AI and digital competencies. In terms of support needs, the highest demand was observed for teacher professional development through teacher training. In conclusion, strategies were discussed to alleviate obstacles and enhance teachers' AI and digital expertise.

본 연구는 도시교통문제와 안전문제를 해결하기 위해 영상 AI기반으로 공유형 PM(Personal Mobility, 이하 PM) 불법주정차를 검지하는 기술의 경제적 타당성을 평가하였다. 이 기술은 기존 공공 CCTV를 활용하여 전동킥보드 및 전기자전거와 같은 PM의 불법주정차를 딥러닝 기반 객체검출모델(YOLO-v5)을 통해 실시간으로 검지하여 단속 효율성을 높인다. 국내 PM 보급 대수가 가장 많은 서울 강남구를 사례지역으로 선정하여 기술도입과 유지비용을 분석하고, 불법주정차 감소로 인한 견인료 절감과 사고 예방효과로 발생하는 사회적 편익을 산정하였다. 경제성 평가는 순현재가치(Net Present Value, NPV)와 편익/비용(Benefit/ Cost, B/C)을 분석하였다. 분석결과, 순현재가치(NPV)는 약 9천 6백만 원, 편익/비용(B/C)은 1.11로 나타나 기술도입이 경제적으로 타당함을 입증하였다. 본 기술은 불법주정차 문제를 해결하며, 도시교통체계와 보행자 안전개선에 실질적으로 기여할 수 있다. 본 연구는 해당 기술의 정책적 활용 가능성과 경제적 효과를 증명하였으며, 유사 기술 확산의 기초자료를 제공하는 연구의 의의를 지닌다.

This study evaluates the economic feasibility of implementing an AI-based video detection system to identify illegal parking of shared Personal Mobility (PM) devices, such as electric scooters and e-bikes, aiming to address urban traffic and safety issues. The system utilizes existing public CCTV infrastructure and employs a deep learning-based object detection model (YOLO-v5) to detect illegal PM parking in real-time, enhancing enforcement efficiency. Gangnam-gu in Seoul, which has the highest number of PM devices in Korea, was selected as the case study area. The analysis included the costs of system implementation and maintenance, as well as the social benefits derived from reduced towing fees and accident prevention due to decreased illegal parking. Economic feasibility was assessed using Net Present Value (NPV) and Benefit/Cost Ratio (B/C Ratio). The results indicated an NPV of approximately 96 million Korean Won and a B/C ratio of 1.11, demonstrating the economic viability of the system. This technology offers a solution to illegal parking issues and can significantly contribute to improving urban traffic systems and pedestrian safety. This study demonstrates the policy applicability and economic effects of the technology and holds significance as foundational research for the dissemination of similar technologies.