Earticle

This paper deals with modeling and computer simulation of a full multibody vehicle model for a driving simulator. The multibody vehicle model is based on the recursive formulation and a corresponding simulation code is generated automatically from AUTOCODE, which is a symbolic computation package developed by the authors using MAPLE. The paper describes a procedure for automatically generating a highly efficient simulation code for the full vehicle model, while incorporating realistically modeled components. The following issues have been accounted for in the procedure, including software design for representing a mechanical system in symbolic form as a set of computer data objects, a multibody formulation for systems with various types of connections between bodies, automatic manipulation of symbolic expressions in the multibody formulation, interface design for allowing users to describe unconventional force-and torque-producing components, and a method for accommodating external computer subroutines that may have already been developed. The effectiveness and efficiency of the proposed method have been demonstrated by the simulation code developed and implemented for driving simulation.

본 연구는 영유아 건강을 위한 미세먼지를 예방하고 관리할 수 있기 위해 QR 코드를 이용한 E-book 기반 미세먼지 예방 교육 프로그램 모형을 개발하고자 하였다. 이에 아동건강 전문가 2명과 영유아 교육전문가 3명의 심도 깊은 토론을 통해 미세먼지 예방을 위한 유아건강교육 프로그램 모형을 개발했으며, QR 코드를 이용한 E-book을 개 발하였다. QR 코드를 활용한 e-book 기반의 미세먼지 예방교육 프로그램 모형은 만 5세 유아를 대상으로 현장 적합 성 및 교수매체로서의 적절성을 검증하였다. 연구결과, 첫째, QR 코드를 이용한 E-book 기반 미세먼지 예방 교육 프로그램 모형은 감상활동-핵심활동-마무리활동의 3단계를 거쳐 개발되었다. 둘째, QR 코드를 이용한 E-book은 미 세먼지 예방 교육 프로그램에 적용가능한 유용한 교수매체이다. 결론적으로, 개발된 QR 코드를 활용한 e-book 기반 미세먼지 예방교육 프로그램은 영유아의 미세먼지에 대한 민감성을 높이고, 영유아교육 분야의 미세먼지 예방 및 건강 관리 활동을 위한 적절한 교육방법으로 활용될 것이다.

This study was to develop the health education program model of young children based on e-book using QR code to prevent and manage fine dust. We developed program to prevent and manage fine dust for young children’ health through in-depth discussions with 2 young children's health experts and 3 young children education experts, and developed the e-book using QR code. The program model for fine dust’s prevention education based on e-book using QR code was verified for suitability as a field adaptation and teaching medium for 5-year old. The results of this study are as follows: First, the program model for fine dust’s prevention education based on e-book using QR code was developed through 3 stages of appreciation activity-central activity-finishing activity. Second, the e-book using QR code is a useful teaching medium applicable to fine dust’s prevention education program. In conclusion, the e-book-based fine dust’s prevention education program using QR code will be used as an appropriate education method for fine dust’s prevention and health management activities in the field of education for young children.

목적: 의료영상 분야에서 인공지능(AI) 기반 기술의 임상 적용이 확산됨에 따라 방사선학 전공에서도 표준화된 AI 교육과정의 필요성이 커지고 있다. 본 연구는 국내 방사선학과의 AI 관련 교과목 개설 현황을 공개자료 기반으로 파악하고, 노코드(no-code) 도구를 활용한 교과 목(안)과 평가체계를 제안하고자 하였다. 방법: 전국 방사선학과 43개교를 대상으로 학사안내 및 교육과정 공개자료에서 교과목명과 설명을 수집하였다. 교과목은 직접 AI, AI 활용, AI 근거 미확인(비AI 포함)으로 분류하였고, 실습ㆍ프로젝트ㆍ프로그래밍 요소는 공개자료에 명시된 경우에 한해 조사 분석하였다. 결과: 43개교 중 직접 AI 교과목을 보유한 기관은 7개교(16.3%), AI 활용 교과목은 12개교 (27.9%), AI 근거 미확인(비AI 포함)은 24개교(55.8%)였다. 실습 요소는 18개교(41.9%), 프로젝 트는 6개교(14.0%), 프로그래밍 명시는 2개교(4.7%)로 제한적이었다. 지역권별 분포와 공개자 료 기반 분류 결과는 본문 표와 보충자료에 제시하였다. 결론: 국내 방사선학과의 AI 교육은 직접 AI 비율이 낮고, 실습 및 프로그래밍의 명시가 제 한되어 학습경험의 표준화가 어려울 수 있다. 이에 본 연구는 Orange3 기반 워크플로 실습을 중심으로 한 15주 교과목(안)과 루브릭ㆍ체크리스트 평가체계를 제안하였으며, 후속 연구에서 파일럿 적용과 타당도 검증이 추가적으로 필요하다.

Objectives: The clinical adoption of artificial intelligence (AI) in medical imaging is rapidly expanding, increasing the need for standardized AI training in radiologic science programs. This study aimed to describe the current status of AI-related courses in Korean radiologic science programs based on publicly available curricula and propose a no-code, workflow-based AI course and an assessment framework. Methods: Publicly available curricula and course descriptions from 43 radiologic science programs were reviewed. Courses were classified as Direct AI, AI-enabled, or non-AI, unverifiable (including non-AI). Hands-on practice, project/capstone, and programming components were coded only when explicitly stated in public sources. Results: Among the 43 programs, 7 (16.3%) offered Direct AI courses, 12 (27.9%) offered AI-enabled courses, and 24 (55.8%) were categorized as non-AI, unverifiable. Explicit hands-on components were identified in 18 programs (41.9%), projects/ capstones in 6 (14.0%), and programming in 2 (4.7%). Regional distributions and coding evidence are presented in the main tables and Supplementary Tables. Conclusion: Direct AI education in Korean radiologic science programs remains limited, and explicit descriptions of hands-on and programming experiences are scarce in public curricula, which may hinder standardization of student learning experiences. We propose a 15-week, Orange3-based workflow course with rubrics and checklists; future studies should evaluate its feasibility and validity through pilot implementation.

In the military, ammunition and explosives stored and managed can cause serious damage if mishandled, thus securing safety through the utilization of ammunition reliability data is necessary. In this study, exploratory data analysis of ammunition inspection records data is conducted to extract reliability information of stored ammunition and to predict the ammunition condition code, which represents the lifespan information of the ammunition. This study consists of three stages: ammunition inspection record data collection and preprocessing, exploratory data analysis, and classification of ammunition condition codes. For the classification of ammunition condition codes, five models based on boosting algorithms are employed (AdaBoost, GBM, XGBoost, LightGBM, CatBoost). The most superior model is selected based on the performance metrics of the model, including Accuracy, Precision, Recall, and F1-score. The ammunition in this study was primarily produced from the 1980s to the 1990s, with a trend of increased inspection volume in the early stages of production and around 30 years after production. Pre-issue inspections (PII) were predominantly conducted, and there was a tendency for the grade of ammunition condition codes to decrease as the storage period increased. The classification of ammunition condition codes showed that the CatBoost model exhibited the most superior performance, with an Accuracy of 93% and an F1-score of 93%. This study emphasizes the safety and reliability of ammunition and proposes a model for classifying ammunition condition codes by analyzing ammunition inspection record data. This model can serve as a tool to assist ammunition inspectors and is expected to enhance not only the safety of ammunition but also the efficiency of ammunition storage management.

본 논문에서는 코딩 학습 중 학습자의 인지 부하 감소를 목적으로 자연어 처리 모델을 이용하여 전이학습 및 미세조정을 통해 블록 프로그래밍 환경에서 이미 이루어진 학습자의 블록을 학습하여 학습자에게 다음 단계에서 선택가능한 블록을 생성하고 추천해주는 머신러닝 기반 블록 코드 생성 및 추천 모델을 개발하였다. 모델 개발을 위해 훈련용 데이터셋은 블록 프로그래밍 언어인 ‘엔트리’ 사이트의 인기 프로젝트 50개의 블록 코드를 전 처리하여 제작하였으며, 훈련 데이터셋과 검증 데이터셋 및 테스트 데이터셋으로 나누어 LSTM, Seq2Seq, GPT-2 모델을 기반으로 블록 코드를 생성하는 모델을 개발하였다. 개발된 모델의 성능 평가 결과, GPT-2가 LSTM과 Seq2Seq 모델보다 문장의 유사도를 측정하는 BLEU와 ROUGE 지표에서 더 높은 성능을 보였다. GPT-2 모델을 통해 실제 생성된 데이터를 확인한 결과 블록의 개수가 1개 또는 17개인 경우를 제외하면 BLEU와 ROUGE 점수에서 비교적 유사한 성능을 내는 것을 알 수 있었다.

In this paper, we develop a machine learning based block code generation and recommendation model for the purpose of reducing cognitive load of learners during coding education that learns the learners block that has been made in the block programming environment using natural processing model and fine-tuning and then gen­erates and recommends the selectable blocks for the next step. To develop the model, the training dataset was produced by pre-processing 50 block codes that were on the popular block programming language web site ‘Entry’. Also, after dividing the pre-processed blocks into training dataset, verification dataset and test dataset, we developed a model that generates block codes based on LSTM, Seq2Seq, and GPT-2 model. In the results of the performance evaluation of the developed model, GPT-2 showed a higher performance than the LSTM and Seq2Seq model in the BLEU and ROUGE scores which measure sentence similarity. The data results generated through the GPT-2 model, show that the performance was relatively similar in the BLEU and ROUGE scores ex­cept for the case where the number of blocks was 1 or 17.

소프트웨어 시스템은 생명주기동안 기능 추가, 버그 수정, 새로운 컴퓨팅 환경 수용 등의 다양한 이유로 프로그 램 코드 변경이 요구된다. 이러한 코드 수정 과정에서 새로운 오류 발생을 가져올 수 있으므로 프로그램 코드 수정 과정 은 새로운 시스템 개발 못지 않게 신중하게 처리되야 한다. 또한, 오픈 소스 프로그램에 대한 재사용이 일반화된 소프트 웨어 개발환경에서 오픈 소스 프로그램의 코드 변경 가능성을 예측할 수 있다면, 보다 양질의 프로그램 개발 효과를 기대할 수 있을 것이다. 본 논문은 소스 코드 변경을 예측하는 Convolutional Neural Network (CNN) 기반의 딥러닝 모델을 제안한다. 소스 코드 변경을 예측하는 문제는 딥러닝의 이진 분류 문제이며 레이블된 데이터가 요구되는 지도학 습을 사용한다. 코드 예측 모델의 학습 및 시험을 위해 깃허브에서 수집한 Java 소스 코드와 코드 변경 로그를 데이터로 사용한다. 수집된 Java 소스 코드에서 소프트웨어 메트릭스를 계산한 후 제안된 코드 변경 예측 모델의 입력 데이터로 사용한다. 제안된 모델의 성능 평가를 위해 정밀도, 재현율, F1점수, 정확도가 측정되었으며 각각의 평가 지표에 있이서 CNN 모델은 95%, 다층 퍼셉트 기반의 DNN 모델은 92%를 달성했다.

A software system is required to change during its life cycle due to various requirements such as adding functionalities, fixing bugs, and adjusting to new computing environments. Such program code modification should be considered as carefully as a new system development becase unexpected software errors could be introduced. In addition, when reusing open source programs, we can expect higher quality software if code changes of the open source program are predicted in advance. This paper proposes a Convolutional Neural Network (CNN)-based deep learning model to predict source code changes. In this paper, the prediction of code changes is considered as a kind of a binary classification problem in deep learning and labeled datasets are used for supervised learning. Java projects and code change logs are collected from GitHub for training and testing datasets. Software metrics are computed from the collected Java source code and they are used as input data for the proposed model to detect code changes. The performance of the proposed model has been measured by using evaluation metrics such as precision, recall, F1-score, and accuracy. The experimental results show the proposed CNN model has achieved 95% in terms of F1-Score and outperformed the multilayer percept-based DNN model whose F1-Score is 92%.

현재 운영되고 있는 관세신고납부제도는 납세의무자가 세액 산정을 스스로하고 그 세액을 본인 책임으 로 납부하도록 하는 제도이다. 다시 말해, 관세법상 신고 납부제도는 납세액을 정확히 계산해서 납부할 의 무와 책임이 온전히 납세의무자에게 무한정으로 부과하는 것을 원칙으로 하고 있다. 따라서, 만일 납세의 무자가 그 의무와 책임을 제대로 행하지 못했을 경우에는 부족한 만큼의 세액 추징과 그에 대한 제제로 가산세를 부과하고 있다. 이러한 이유로 세액 산정의 기본이 되는 품목분류는 관세평가와 함께 가장 어려 운 부분이며 잘못 분류하게 되면 기업에게도 큰 리스크가 될 수도 있다. 이러한 이유로 관세전문가인 관세 사에게 상당한 수수료를 지불하면서 수입신고를 위탁하여 처리하고 있는 실정이다. 이에 본 연구에서는 수 입신고 시 신고하려는 품목이 어떤 것인지 HS 코드 분류를 하여 수입신고 시 기재해야 할 HS 코드를 추 천해 주는데 목적이 있다. HS 코드 분류를 위해 관세청 품목분류 결정 사례를 바탕으로 사례에 첨부된 이 미지를 활용하여 HS 코드 분류를 하였다. 이미지 분류를 위해 이미지 인식에 많이 사용되는 딥러닝 알고 리즘인 CNN을 사용하였는데, 세부적으로 CNN 모델 중 VggNet(Vgg16, Vgg19), ResNet50, Inception-V3 모델을 사용하였다. 분류 정확도를 높이기 위해 3개의 dataset을 만들어 실험을 진행하였다. Dataset 1은 HS 코드 이미지가 가장 많은 5종을 선정하였고 Dataset 2와 Dataset 3은 HS 코드 2단위 중 가장 데이터 샘플의 수가 많은 87류를 대상으로 하였으며, 이 중 샘플 수가 많은 5종으로 분류 범위를 좁혀 분석하였 다. 이 중 dataset 3로 학습시켜 HS 코드 분류를 수행하였을 때 Vgg16 모델에서 분류 정확도가 73.12%로 가장 높았다. 본 연구는 HS 코드 이미지를 이용해 딥러닝에 기반한 HS 코드 분류를 최초로 시도하였다는 점에서 의의가 있다. 또한, 수출입 업무를 하고 있는 기업이나 개인사업자들이 본 연구에서 제안한 모델을 참조하여 활용할 수 있다면 수출입 신고 시 HS 코드 작성에 도움될 것으로 기대된다.

The current tariff return system requires tax officials to calculate tax amount by themselves and pay the tax amount on their own responsibility. In other words, in principle, the duty and responsibility of reporting payment system are imposed only on the taxee who is required to calculate and pay the tax accurately. In case the tax payment system fails to fulfill the duty and responsibility, the additional tax is imposed on the taxee by collecting the tax shortfall and imposing the tax deduction on For this reason, item classifications, together with tariff assessments, are the most difficult and could pose a significant risk to entities if they are misclassified. For this reason, import reports are consigned to customs officials, who are customs experts, while paying a substantial fee. The purpose of this study is to classify HS items to be reported upon import declaration and to indicate HS codes to be recorded on import declaration. HS items were classified using the attached image in the case of item classification based on the case of the classification of items by the Korea Customs Service for classification of HS items. For image classification, CNN was used as a deep learning algorithm commonly used for image recognition and Vgg16, Vgg19, ResNet50 and Inception-V3 models were used among CNN models. To improve classification accuracy, two datasets were created. Dataset1 selected five types with the most HS code images, and Dataset2 was tested by dividing them into five types with 87 Chapter, the most among HS code 2 units. The classification accuracy was highest when HS item classification was performed by learning with dual database2, the corresponding model was Inception-V3, and the ResNet50 had the lowest classification accuracy. The study identified the possibility of HS item classification based on the first item image registered in the item classification determination case, and the second point of this study is that HS item classification, which has not been attempted before, was attempted through the CNN model.

최근에는 발전하는 정보통신 기술을 이용하여 악의적인 코드들이 제작되고 있고 이를 기존 탐지 시스템으로는 탐지하는게 역부족인 실정이다. 이러한 지능적이고 악의적인 코드를 정확하고 효율성 있게 탐지하고 대응하기 위해서는 지능적 탐지 모델이 필요하다. 그리고, 탐지 성능을 최대로 높이기 위해서는 악의적인 코드의 주요 특징 정보 집합으로 훈련하는 것이 중요하다. 본 논문에서는 지능적 탐지 모델을 설계하고 모델 훈련에 필요한 데이터를 변환, 차원축소, 특징 선택 단계를 거쳐 주요 특징 정보 집합으로 생성하는 기법을 제안하였다. 그리고 이를 기반으로 악의적인 코드별로 주요 특징 정보를 분류하였다. 또한, 분류된 특징 정보들을 기반으로 변형되거나 새로 등장하는 악의적인 코드를 분석하 고 탐지하는데 사용할 수 있는 공통 특징 정보를 도출하였다. 제안된 탐지 모델은 제한된 수의 특성 정보로 학습하여 악의적인 코드를 탐지하기에 탐지 시간과 대응이 빨리 이루어져 피해를 크게 줄일 수 있다. 그리고, 성능 평가 결과 값은 학습 알고리즘에 따라 약간 차이가 나지만 악의적인 코드 대부분을 탐지할 수 있음을 평가로 알 수 있었다.

In recent years, malicious codes are being produced using the developing information and communication technology, and it is insufficient to detect them with the existing detection system. In order to accurately and efficiently detect and respond to such intelligent malicious code, an intelligent detection model is required, and in order to maximize detection performance, it is important to train with the main characteristic information set of the malicious code. In this paper, we proposed a technique for designing an intelligent detection model and generating the data required for model training as a set of key feature information through transformation, dimensionality reduction, and feature selection steps. And based on this, the main characteristic information was classified by malicious code. In addition, based on the classified characteristic information, we derived common characteristic information that can be used to analyze and detect modified or newly emerging malicious codes. Since the proposed detection model detects malicious codes by learning with a limited number of characteristic information, the detection time and response are fast, so damage can be greatly reduced and Although the performance evaluation result value is slightly different depending on the learning algorithm, it was found through evaluation that most malicious codes can be detected.

The role of QR code robots in smart logistics is great. Cognitive robots, such as logistics robots, were mostly used to adjust routes and search for peripheral sensors, cameras, and recognition signs attached to walls. However, recently, the ease of making QR codes and the convenience of producing and attaching a lot of information within QR codes have been raised, and many of these reasons have made QR codes recognizable as visions and others. In addition, there have been cases in developed countries and Korea that control several of these robots at the same time and operate logistics factories smartly. This representative case is the KIVA robot in Amazon. KIVA robots are only operated inside Amazon, but information about them is not exposed to the outside world, so a variety of similar robots are developed and operated in several places around the world. They are applied in various fields such as education, medical, silver, military, parking, construction, marine, and agriculture, creating a variety of application robots. In this work, we are developing a robot that can recognize its current position, move and control in the directed direction through two-dimensional QR codes with the same horizontal and vertical sides, and the error is to create a QR code robot with accuracy to reach within 3mm. This paper focuses on the moving control model during the development of QR code-aware indoor mobility robots.

SQL Injection 기법은 공개된지 수년이 지났지만 웹해킹 공격중 가장 위험한 공격으로 분류되어 있다. 웹 프로그래밍은 자료의 효율적인 저장 및 검색을 위해 DBMS를 필수적으로 사용하고 있다. 주로 PHP,JSP,ASP 등의 스크립트 언어를 이용하여 DBMS와 연동한다. 이러한 웹 어플리케이션에서 클라이언트의 잘못된 입력값을 검증하지 않으므로 비정상적인 SQL 쿼리가 발생할 수 있다. 이러한 비정상적 쿼리는 사용자 인증을 우회하거나 데이터베이스에 저장된 데이터를 노출시킬 수 있다. 공격자는 SQL Injection 취약점을 이용하여 아이디와 암호를 몰라도 웹기반 인증을 통과할 수 있고 데이터베이스에 저장된 데이터를 열람해 볼 수 있다. SQL Injection에 대한 대책으로 다수의 방법이 발표되었다. 그러나 어느 한 가지 방법에 의존할 경우 많은 보안 공백이 발생할 수 있다. 단계적 대응모델은 사고 예방적 측면에서 소스코드 작성 단계, 서버 운용단계, 데이터베이스 핸드링 단계, 사용자 입력값 검증 활용 단계 등 대책을 프레임워크로 구성하여 적용하는 방법이다. 이 대응모델 을 적용할 경우 운용과정을 통해 존재하는 SQL Injection의 공격가능성을 보다 효과적으로 차단이 가능하다.

SQL Injection techniques disclosed web hacking years passed, but these are classified the most dangerous attacks. Recent web programming data for efficient storage and retrieval using a DBMS is essential. Mainly PHP, JSP, A SP, and scripting language used to interact with the DBMS. In this web environments application does not validate the client's invalid entry may cause abnormal SQL query. These unusual queries to bypass user authentication or data that is stored in the database can be exposed. SQL Injection vulnerability environment, an attacker can pass the web-based authentication using username and password and data stored in the database. Measures against SQL Injection on has been announced as a number of methods. But if you rely on any one method of many security hole ca n occur. The proposal of four levels leverage is composed with the source code, operational phases, database, server management side and the user input validation. This is a way to apply the measures in terms of why the accident preventive steps for creating a phased step-by-step response nodel, through the process of management measures, if applied, there is the possibility of SQL Injection attacks can be

C언어의 메모리 직접 접근 특성으로 발생하는 보안 취약점 탐지를 위해, 본 논문은 LSTM의 한계를 보완하는 하이브리드 딥러닝 모델들을 비교 분석하였다. LSTM을 기반으로 CNN, GRU, GNN을 각각 결합한 모델들을 소스코드에 적용하였으며, 탐지 성능을 다각도로 분석하기 위해 클래스 불균형 조건에서 성능을 실험적으로 평가하였다. 실험 결과, 소스코드의 전역적 문맥과 CPG(코드 속성 그래프) 기반의 구조적 정보를 적응형 게이트(Adaptive Gate)로 융합한 LSTM-GNN 모델('CPGate Keeper' 프레임워크)이 가장 뛰어난 성능을 보였다. 이를 통해 구조 중심적 하이브리드 접근법이 LSTM 경로가 추출한 '문맥 정보'와 GNN이 추출한 '구조적 특징' 중 탐지에 더 결정적인 요소가 무엇인지 모델이 스스로 판단하게 노이즈와 오탐을 최소화할 수 있다.

This paper compared and analyzed hybrid deep learning models that complement the limitations of LSTM in order to detect security vulnerabilities arising from the direct access characteristics of memory in C language. Based on LSTM, models that combine CNN, GRU, and GNN were applied to the source code, and the performance was experimentally evaluated under class imbalance conditions to analyze the detection performance from various angles. As a result of the experiment, the LSTM-GNN model ('CPGate Keeper' framework), which combines the global context of the source code and structural information based on CPG (code attribute graph) with an adaptive gate, showed the best performance. Through this, the structure-oriented hybrid approach can minimize noise and false positives so that the model can judge for itself what is more decisive in detection among the 'contextual information' extracted by the LSTM path and the 'structural features' extracted by GNN.

Enhancing software maintenance productivity is very important in the modern information society, where demand for software surges. To enhance productivity, active tool support is necessary. Especially, a refactoring tool that can alter the internal structure of software to more easily understandable and modifiable structure hugely affects software maintenance productivity. This paper proposes a code model to support software maintenance tool developers to easily access and handle software source codes. Also, this paper shows the implementation method of software refactoring operation using the proposed code model.

PL/SQL is a programming language used for developing business software, which is the connection between oriented database technology and application procedures used in Oracle Developer Tools. PL/SQL has been in existence for decades. Applications implemented with PL/SQL can be considered legacy systems. Enhancement of the systems to satisfy the business needs would be difficult to handle or manage. Integration with newer systems may also be difficult due to the use of completely different technologies. In addition, there would be a shortage of developers who can write and maintain the archaic code. Hence, migration of legacy systems to the modern business computing environment is worth the corporate invest-ment. A technique of reengineering is required to rebuild legacy applications in a new tech-nology or platform. This paper presents an approach to reengineering legacy code, PL/SQL, in order to support program comprehension activity during software migration. Model trans-formation is applied for the mapping of architectural design from the specification of PL/SQL source to the target metamodel of Class diagram as a Platform Independent Model, which can be augmented with particular technologies and used for later implementation of the new system.

Renewable energy and energy storage system are a hot topic today since the global warming is related to the burning of fossil fuels. Renewable generations using wind, solar and wave sources are integrated into power system for securing economic feasibility. However, grid-connected wind power having its natural variability greatly may affect stability of power system, and TSO (Transmission System Operator) and ISO (Independent System Operator) have developed grid code for wind power. Especially, technical requirements for testing and simulation are specified in grid code because GCC (Grid Code Compatibility) is ascertained through onsite testing and computer simulation. Therefore, the simulation model requirements should be understood clearly from the early stage of project, and the exact models and reports can be delivered to TSO and certification body on time. Namely, wind turbine manufacturer should deliver its dynamic models, model validation report and test report, on the other hand, wind power plant owner should deliver its dynamic models and commissioning report. The accurate understanding of different simulation model requirements presented from various national grid code avoids simulation modeling error.

Based on the in-depth study of the Android embedded application program frame and project file, this paper proposes a code generation method based on model rule, the method discusses the problem of the layout of the Android embedded application interface, defines the constraint rules between the components and component object model and event model. And code generation rules on the Android embedded applications are defined and used throughout the code generation process, it solves the visualization development of Android embedded application program and the code automatic generation. Finally, a simple examples is given to verify the process of automatic generation of Android embedded code.

Software development can be improved from many perspectives by combining aspect orientation and model-driven engineering techniques. At a higher level, they can be integrated in two different ways: (1) by handling specifics of aspect orientation at modeling level and later generating object-oriented code, or (2) by transforming an aspect model directly into aspect-oriented code. The latter approach has been shown to have advantages over the former. Consequently, different aspect-oriented code generation approaches have appeared in literature. This paper comparatively evaluates some of those existing approaches, which are well-published and can be used in integration with model-driven engineering process. The results of this study indicate that in order to provide this integration, existing aspect code generation need to be improved from various perspectives. Moreover, these results also provide some insight into the prerequisites for a valuable integration of these approaches into a model-driven engineering process.

본 연구의 목적은 SPS Code(MSC.266(84)) 적용 선박에 승선하는 특수목적 승선원을 위한 표준안전교육 모델을 제안하는 것이다. 이를 위해 SPS Code, IP Code, 주요 기국 지침과 더불어 STCW 기본안전교육, OPITO BOSIET, GWO, IP Code 교육과정을 비교·분석하고, 국내 SPS Code 적용 선박의 선종과 승선 인력 특성을 검토하여 안전교육 수요를 파악하였다. 특히 국제 규정의 교육 요구수준과 국내 교육 인프라 간 정합성을 검토하고, 특수목적 승선원의 역할·승선형태·해양 경험 수준을 고려한 교육 범위와 심도 설정에 중점을 두었다. 분석 결과, SPS Code는 안전교육의 필요성은 규정하고 있으나 교육시간, 세부 내용, 평가 기준이 구체적으로 제시되지 않아 국가·선사 간 편차와 교육 공백이 발생하고 있음을 확인하였다. 이에 본 연구는 개인 생존기술, 화재 안전, 개인안전 및 사회적 책임, 기본 응급처치 4개 모듈로 구성된 20시간(2.5일) 규모의 「SPS 특수목적 승선원 기본안전교육(SPS-CSTP)」을 제안한다. 제안된 교육과정은 실습 중심 구조와 필기·실기 평가를 통해 SPS Code 및 IP Code의 요구수준을 충족하면서 국내 STCW 교육 인프라를 활용해 운영 가능하다는 점에서 의의가 있으며, 향후 SPS 적용 선박의 안전관리 수준 제고와 관련 제도 정비를 위한 기초자료로 활용될 수 있을 것으로 기대된다.

This study aims to propose a standardized safety training model for special purpose personnel embarked on ships subject to the Code of Safety for Special Purpose Ships (SPS Code, MSC.266(84)). International and flag-state regulations, including the SPS Code, IP Code, and related guidelines, as well as major safety training programmes such as STCW Basic Safety Training, OPITO BOSIET, GWO Basic Safety Training, and IP Code-based courses, are compared. In addition, the characteristics of SPS Code ships registered with the Korean Register and their embarked personnel are examined to identify domestic training needs. The analysis reveals that, although the SPS Code recognizes the need for safety training, it lacks concrete standards for training hours, detailed contents, and assessment, leading to discrepancies and gaps in practice. Based on these findings, a 20-hour (2.5-day) "SPS Special Purpose Personnel Basic Safety Training Programme (SPS-CSTP)" consisting of four modules-personal survival techniques, fire safety, personal safety and social responsibility, and elementary first aid-is proposed. The programme adopts a practice-oriented structure with combined written and performance assessments, meets the educational expectations of the SPS and IP Codes, and can be implemented using existing STCW training infrastructure in Korea.

본 연구는 비판적 문화감수성을 함양하고 통합적 사고역량을 제고할 수 있는 교양심화수업으로 '현대문화속 멜로드라마 코드 읽기’ 수업을 제시한다. 멜로드라마는 단지 어떤 작품이나 하급문화의 특성을 지칭하는 것이 아니라 근현대 대중문화를 다매체적으로 관통해 온 대표적 특성중 하나이며, 현재 한국사회와 문화를 압도적으로 지배하는 감정구조이다. 이 글에서 제시하는 수업모델을 통해 필자는 근현대의 다양한 소설, 희곡과 연극, 영화와 뮤지컬 작품, TV드라마를 관통하는 멜로드라마적 특성을 멀티미디어 자료로 이해감상하고, 그것이 어떤 식으로 현재의 감수성을 지배하고 있는지 읽어내는 과정을 학제적으로 시도하고자 한다. 구체적으로는 소설양식이 그 발흥에서부터 멜로드라마와 뗄 수 없는 관계를 맺고 있었음을 초기소설 <클래리사>를 통해 살펴본 후 관련비평을 같이 읽고, 그 흐름이 서구의 뮤지컬과 무성영화시대를 거쳐 20세기 중반의 미국드라마와 헐리웃 영화를 넘어 현대의 대표적인 문화양식으로 이어지고 있음을 여러 작품들을 같이 읽고 보며 탐구할 것이다. 수업 후반부에서는 멜로드라마의 부정형성(不定形性)과 엄청난 잠재력이 21세기 한국사회에 와서도 끊임없이 재생산되고 유통되는 상황을 일별함으로써, 근현대 대중문화에 대한 비판적 이해를 높이게 될 것이다. 심화수업과 토론에 익숙지 않은 상태에서 시작한 학습자들은 본 수업을 통하여 각종 텍스트를 읽어내는 방식에 쉽게 접근하고, 멜로드라마가 문화/사회/정치 현상을 이해하는 중요한 감수성임을 깨닫게 됨으로서 공감과 비판의 리터러시를 갖추게 될 것이다. 본고에서는 구체적 작품감상에서 시작하여 자아와 주변세상에 대한 인식과 그 변화가능성을 추구하는 수업모델을 통하여, 현재의 교양교육을 확장하는 한 방식을 제시하고자 한다.

This study aims at reviewing present General Education programs in Korean universities and proposing a curricular model of “Melodramatic Code in Contemporary Culture”(MCCC) to improve critical cultural awareness and realize liberal education. The melodrama-ness is one of the most representative characteristics in modern mass culture through media, but it is still regarded as a “low culture” in a pejorative sense. An MCCC model is supposed to work through various literary/non literary works such as novels, plays, movies and musicals and help students to better understand modern culture and its structure of feeling in interdisciplinary and multimedia class. In this class, students will review Clarissa and critical articles. They will also study the outstanding current of melodrama-ness in the stream of Western musicals, silent movies, American drama and Hollywood movies in the 20th Century. The Mephistophelean power and potential of melodrama is vividly outstanding in 21st Century Korean society, reproducing and circulating itself. Students will participate actively in class with familiar works, thus improving more critical but sympathetic literacy through the class. This class is easily accessible to students because class materials are more familiar to them and make them more interested in the class and communicate about the works and world around them. An MCCC model can work well even for less communicatively-competent students to raise their awareness of the texts and its contexts, thus helping them develop higher level of cultural literacy with criticism and sympathy. This curricular model could be a meaningful examination of current liberal education in Korea.