Earticle

인공지능을 기반으로 한 4차 산업혁명 시대를 이끌어나갈 인재 양성을 위해 인공지능과 교과 교육을 연계한 융합 교육과정 마련의 필요성이 대두되고 있다. 이를 위해 과학 교육 활동의 가장 핵심 영역인 관찰 및 실험 과정에서 측정한 데이터를 인공지능 개념 및 원리를 적용하여 데이 터를 분석하고 시각화하는 과정을 통해 데이터 사이언스 기반의 인공지능융합 교수・학습 자료를 개발하였다. 본 연구에서는 2015 개정 고등 학교 물리 교과 교육과정의 역학 관련 단원을 대상으로 하여 물체의 운동을 측정한 실험 데이터를 파이썬 프로그램의 라이브러리를 활용하여 표와 그래프로 시각화하여 분석해봄으로써 뉴턴의 운동 법칙과 역학적 에너지 보존 법칙 개념 학습과 물리학 교과 역량에 미치는 영향을 분석 하기 위해 과학・정보 교과를 재구조화하였으며, 인공지능교육의 기반이 되는 데이터 사이언스 수업모델을 적용했을 때 관찰, 분류 등의 기 초 탐구기능과 가설 설정, 실험 설계 등의 통합탐구 기능의 향상 여부를 검증해보는 과정을 통해 본 연구의 효과성과 인공지능융합 과학 교육 수업모델로서의 가능성을 탐색해보고자 한다.

In order to nurture talented people who will lead the era of the 4th industrial revolution based on artificial intelligence, the need to prepare a convergence curriculum that links artificial intelligence and subject education is emerging. To this end, data science-based artificial intelligence convergence teaching and learning materials were developed through the process of analyzing and visualizing data measured in the process of observation and experimentation, which are the most core areas of science education activities, by applying artificial intelligence concepts and principles. In this study, Newton's laws of motion and mechanical energy were analyzed by visualizing and analyzing experimental data that measured motions of objects targeting mechanics-related units in the 2015 revised high school physics curriculum in tables and graphs using a library of Python programs. Science and information subjects were restructured to analyze the effect on conservation law concept learning and physics subject competencies, and basic inquiry functions such as observation and classification and hypothesis setting were applied when the data science class model, which is the basis of artificial intelligence education, was applied. Through the process of verifying the improvement of integrated inquiry functions such as, experimental design, etc. the effectiveness of this study and the potential as a teaching model for artificial intelligence convergence science education will be explored.

본 연구는 프로그래밍 언어 학습의 한계를 보완하고 중등 교육 단계에서 데이터 리터러시를 효과적으로 함양 하기 위해 No-Code 기반 데이터 분석 교육 프로그램을 설계·개발하고 그 교육적 효과를 실증적으로 분석하였 다. 프로그램은 Excel과 Orange 3, 생성형 AI 등을 활용한 실습 중심의 20차시 교수·학습 과정으로, 데이터 이 해, 수집, 분석, 표현의 네 가지 핵심 역량을 중심으로 구성되었다. 인천 지역 중학교 1-3학년 학생을 대상으로 사전·사후 검사를 실시한 결과, 모든 영역에서 데이터 리터러시 능력이 향상되었으며, 특히 데이터 분석과 데이 터 수집 영역에서 두드러진 개선이 확인되었다. 반면 데이터 표현 영역의 향상폭은 상대적으로 제한적이었다. 또 한 도구 중심의 실제적 데이터 분석 경험이 학습자의 이해를 심화시키고, 노코드 기반 접근이 데이터 분석 학습 의 진입 장벽을 완화하는 데 효과적임을 확인하였다. 본 연구는 중등교육에서 프로그래밍 지식 없이도 데이터 분석 역량을 기를 수 있는 교육적 접근 방식을 제안했다는 점에서 의의를 가진다.

This study designed and developed a No-Code-based data analysis education program and empirically examined its educational effectiveness to address the limitations of programming language learning and to effectively foster data literacy at the secondary education level. The program consisted of a 20-session practice-oriented teaching and learning process utilizing Excel and Orange 3. Pre- and post-tests were conducted with middle school students in grades one through three in Incheon. The results showed improvements in students’ data literacy across all domains, with particularly notable gains in data analysis and data collection. In contrast, improvements in the data representation domain were relatively limited. It was also found that tool-based, hands-on data analysis experiences deepened learners’ understanding and that a No-Code-based approach effectively reduced barriers to entry in data analysis learning. This study is significant in that it proposes a practical instructional model for cultivating data analysis competencies without requiring programming knowledge in secondary education.

학교폭력은 사회적 문제로 인식되고 있으며 이를 예방하기 위한 다양한 노력도 함께 이루어지고 있다. 본 연 구에서는 학생들 상호 간의 친밀도, 대화 빈도 및 모둠 선호도 데이터를 분석함으로써 교우 관계를 파악하고 이 를 통해 궁극적으로 학교폭력을 예방할 수 있는 시스템을 개발하였다. 리커트 척도 설문을 활용하여 학급 내 학 생들과의 친밀도, 대화 빈도 및 모둠 선호도를 각각 수치화하였고, 설문 데이터는 K-means 알고리즘을 활용하 여 적정한 개수의 클러스터로 군집화 및 시각화하였다. 담임교사는 학급 내 학생들 간의 친밀도, 대화 빈도 및 모둠 선호도 분석 데이터를 그래프의 형태로 시각적으로 확인하고, 이를 근거로 특정 그룹의 학생 개별 상담 및 학급 운영 등 학교폭력 예방을 위한 참고 자료로 활용 가능하다. 데이터 분석 결과는 기존에 교사가 학생 관찰 등의 방법으로 정성적으로 파악하고 있던 교우 관계와 상당 부분 일치하였고, 이는 본 데이터 분석 시스템이 담 임교사의 학급 내 교우 관계 파악을 위한 정량적 근거 자료로 유의미하게 활용될 수 있음을 의미한다. 한계점은 학생들의 주관적인 기준으로 인해 설문 결과가 왜곡될 수 있는 점이다. 본 연구가 담임교사의 학급 내 교우 관 계 파악 및 학교폭력 예방 노력에 실질적인 도움을 제공하며 학교폭력 예방에 기여하기를 기대한다.

School violence has long been recognized as a social problem, and various efforts have been made to prevent it. In this study, we propose a system that can prevent school violence by analyzing data on the frequency of conversations between students, friendship and preference to be in the same group. This data was quantified using a Likert scale questionnaire, and also grouped into the appropriate number of clusters using the K-means algorithm. Additionally, the homeroom teacher observed the frequency and nature of conversations between students, and targeted specific individuals or groups for counseling and intervention, with the aim of reducing school violence. Data analysis revealed that the teachers’ qualitative observations were consistent with the quantified data based on student questionnaires, and therefore applicable as quantitative data towards the identification and understanding of student relationships within the classroom. The study has potential limitations. The data used is subjective and based on peer evaluations which can be inconsistent as the students may use different criteria to evaluate one another. It is expected that this study will help homeroom teachers in their efforts to prevent school violence by understanding the relationships between students within the classroom.

Attempts to hack online game servers and abusing problems in online games have been issues in gameindustry. Mobile games are famous these days thanks to the widespread of smart devices. Unfortunately, mobilegames have very short life cycle. Therefore, analysis of game log data becomes more important to overcome thehacking and abusing problems in online games and extend their life cycles in mobile games. In this paper, wepropose a new game log data analysis technique based on the MapReduce methodology. MapReduce is a widelyused programming model for analyzing and processing Big data. Instead of processing each analysis queryseparately, the proposed technique processes multiple analysis queries together in a batch by a single, optimizedMapReduce job. As a result, the number of queries processed per unit time increases significantly. Experimentresults show that the proposed technique improves the performance significantly compared to a naive method.

기업에서는 우수 인력의 유출을 방지하고 장기근속을 유도하기 위해 퇴직에 영향을 미치는 요 인을 연구한다. 관련된 대부분의 연구는 퇴직자의 주관적 의견에 영향을 받는 설문조사 기반 데이터 를 수집하여 분석하거나 국외에서 사용되는 제한된 데이터를 사용하였다. 본 연구에서는 국내 금융IT 기업 채용 전형 과정에서 활용되는 인성평가 데이터 및 재직 중 기록되는 인사평가, HR데이터 등 객 관적 데이터를 기반으로 퇴직에 영향을 미치는 요인을 분석하였다. 변수 선택 및 초모수 최적화 과정 을 거쳐 다양한 기계학습 모델들의 성능을 비교 후 예측 성능이 우수한 최적의 퇴직자 예측 모델을 개 발하였다. 또한 특성 중요도 분석을 통하여 조기 퇴직에 영향을 미치는 주요 요인을 알 수 있었다. 이 를 활용하여 체계적인 인사 정책을 수립하고 우수 인력 유지를 위한 관리 노력을 효과적으로 수행한 다면 퇴직을 예방하고 장기근속을 유도할 수 있을 것으로 기대된다.

Many companies study factors that affect retirement in order to prevent outflow of excellent personnel and induce long-term employment. Most of the related studies collected and analyzed survey-based data influenced by the subjective opinions of retirees, or used limited data used abroad. In this study, factors affecting retirement were analyzed based on objective data such as personality evaluation data used in recruitment process of domestic financial IT companies and personnel evaluation and HR data recorded during employment. After comparing the performance of various machine learning models through variable selection and hyperparameter optimization, an optimal retiree prediction model with excellent predictive performance was developed. In addi- tion, through the feature importance analysis, the main factors affecting early retirement were identified. Using this, it is expected that if a systematic personnel policy is established and man- agement efforts to maintain excellent personnel are effectively carried out, it will be possible to prevent retirement and induce long-term service.

데이터 기반의 정량 연구는 연구의 객관성을 담보할 수 있다는 점에서 다양한 분야의 학술연구에 적용된 다. 특히 정보기술의 도움 없이 수행하기 힘든 빅데이터 처리를 통한 데이터 분석이 필요한 분야의 연구는 정보기 술의 활용이 필수적이다. 본 연구는 빅데이터를 활용해 인문학, 지역학 연구를 수행하는 방안을 제시한다. 특히 데 이터 분석 절차와 방법에 따라 분석 결과 및 해석이 크게 달라질 수 있음에 주목한다. 세부적으로 특정 지역을 연 구하는 지역학 분야 연구 시 공간데이터의 활용 유무에 따라 다양한 분석 결과와 해석이 가능함을 사례연구를 통 해 검증한다. 본 연구에서는 이스라엘-팔레스타인 분쟁에 대해 통계 분석 및 공간데이터 기반의 공간 분석을 병행 하여 해당 분쟁지역에 대해 분석했다. 분석 결과 공간데이터 활용 유무에 따라 이스라엘-팔레스타인 분쟁에 대한 분석과 해석에 대한 방향성이 확연한 차이가 있음을 확인했다.

Data-based quantitative research is actively applied to academic research in various fields because it can guarantee the objectivity of research. This study focuses on the fact that when applying data analysis techniques to academic research such as humanities or area studies, analysis results and interpretations can vary greatly depending on the data analysis process. In detail, verify through case studies that various analysis results and interpretations are possible depending on the use or absence of spatial data when conducting research in the field of area studies that studies a specific area. In this study, the conflict area of the Israel-Palestine conflict was analyzed using statistical analysis and spatial analysis based on spatial data in parallel. As a result of the analysis, it was confirmed that there was a clear difference in the direction of analysis and interpretation of the Israel-Palestine conflict depending on whether spatial data was used or not.

본 연구는 조선 후기의 승려 楓溪 明察(1640~1708)이 남긴 기행시 모음집인 「蠧會 遊翫錄」을 대상으로, 그의 유람과 求道의 과정이 시 속에서 어떻게 형상화되었는지 데이 터 분석을 통해 살펴보았다. 조선 시대의 유람 기록은 대체로 유가 문인들의 학문적 연찬 과 호연지기를 기르기 위한 것으로, 한 승려가 오랜 기간 전국을 유람하고 다량의 기행시 를 남긴 경우는 매우 드물었다. 이런 점에서 풍계의 기행시는 이 시기 유람 문학의 독특 한 사례라 할 수 있다. 그는 십여 년간 관동, 호서, 기내 지역의 명산과 사찰을 유람하며 느낀 감상과 깨달음의 과정을 135제 152수의 기행시로 기록하고 직접 한 권의 책으로 엮었다. 그러나 아직까지 「두회유완록」에 대한 연구는 거의 이루어지지 않았다. 이에 따라 본 연구에서는 풍계 기행시의 제 양상과 특징적 면모를 파악하고, 기행시 에 내재된 유람의 의미를 다각도로 고찰하기 위해 다양한 방식의 접근을 시도하였다. 우 선, 「두회유완록」에 수록된 2편의 서문을 토대로 이 책의 구성을 파악하고 풍계가 평소산수벽이 있는데다가 ‘氣志 함양’, ‘先覺의 참방’을 위해 유람을 떠나게 되었다는 것을 확 인하였다. 다음으로, 『풍계집』 전체를 대상으로 공간·시간·인물 등 주요 지식요소를 추출 하고 도출된 데이터를 분석하여 풍계의 연보를 작성한 결과, 그가 ‘1670~1682년’에 ‘십 여 년’에 걸쳐 전국을 유람한 것으로 추정할 수 있었다. 이어 기행시 목록을 기준으로 풍 계가 유람한 장소와 그 유형, 현재의 권역 등을 조사하여 ‘총 22개의 산과 122곳’을 추 출하였으며, 그중 관동 지역을 일 예로 풍계의 유람 경로를 시각적으로 재현하였다. 또 한, 텍스트 마이닝 기법을 일부 활용한 주요 키워드 분석을 통해 고빈도 어휘를 추출한 결과, 장소 요소인 ‘山’이 가장 많이 등장하였으며, 시 전반에서 ‘구름[雲], 바람[風], 달 [月], 바위[石]’ 등의 자연 경관 요소가 빈번하게 등장함을 확인하였다. 이상의 데이터 분석을 토대로 풍계 기행시의 몇 가지 사례를 비교·분석하여 문학적 해 석을 진행하였고, 「두회유완록」에 수록된 시가 단순한 경관 묘사를 넘어 불교적 수행의 과정과 긴밀히 연결됨을 알 수 있었다. 특히 ‘無住着’의 수행 방식과 ‘자연 속에서 깨달음 을 얻는[自然法爾]’ 사유 방식이 그의 기행시 곳곳에 반영되어 있으며, 이러한 면모는 유 가 문인들의 기행시와도 차별되는 특징임을 밝혔다. 풍계는 자연과의 합일을 통해 불법 을 깨닫고, 유람을 단순한 여행이 아니라 求道의 한 과정으로 인식하였던 것이다. 이러한 연구 성과는 조선 후기 승려 문집과 기행시 연구의 외연을 확장하고, 승려 문학 연구에 새로운 접근 방식을 제시하는 데에도 기여할 것으로 기대한다.

This study examines Dohwoe Yuwanrok, a collection of travel poems left by the late Joseon Buddhist monk Punggye Myongchal (1640~1708), analyzing how his journeys and quest for enlightenment are represented in his poetry through data analysis. During the Joseon period, travel records were generally written by Confucian scholars as part of their academic pursuits and the cultivation of a noble spirit (浩然之氣), making it extremely rare for a Buddhist monk to travel extensively across the country and leave behind a significant body of travel poetry. In this regard, Punggye’s travel poems represent a unique case within the travel literature of the period. Over the course of more than ten years, Punggye journeyed through renowned mountains and temples in the Gwandong (關東), Hoseo (湖 西), and Ginai (畿內) regions, recording his impressions and realizations in 135 sections comprising 152 travel poems, which he compiled into a single volume. However, little research has been conducted on Dohwoe Yuwanrok to date. This study employs various approaches to identify the diverse aspects and distinctive features of Punggye’s travel poetry and to explore the multifaceted meanings embedded in his travels. First, by analyzing the two prefaces included in Dohwoe Yuwanrok, the study examines the composition of the book and confirms that Punggye embarked on his travels out of a lifelong admiration for nature (山水癖), the cultivation of his inner spirit (氣志涵養), and the pursuit of enlightenment through his visits to eminent Buddhist masters (先覺參訪). Next, by extracting and analyzing key elements such as space, time, and people from Punggyejip as a whole, a chronological record of Punggye’s life was reconstructed, suggesting that he traveled across the country for over a decade, approximately from 1670 to 1682. Based on the list of travel poems, an investigation into the places he visited, their categories, and their present-day locations was conducted, revealing a total of 22 mountains and 122 sites. Using the Gwandong region as a case study, a visual representation of his travel routes was also created. Furthermore, keyword analysis using text-mining techniques extracted frequently appearing words, with “mountain (山)” emerging as the most prevalent spatial element. In addition, elements of natural scenery such as “clouds (雲),” “wind (風),” “moon (月),” and “rocks (石)” frequently appeared throughout the poetry. Based on these data analyses, several cases of Punggye’s travel poems were comparatively analyzed and interpreted, revealing that the poems in Dohwoe Yuwanrok go beyond mere landscape descriptions and are closely intertwined with the process of Buddhist practice. Specifically, his poetic expressions reflect the practice of mujuchak (non-attachment, 無住 着) and the idea of attaining enlightenment through nature (jayeon beopil, 自然法爾), distinguishing his travel poetry from that of Confucian scholars. Punggye realized Buddhist truths through unity with nature, viewing travel not merely as a journey but as part of his quest for enlightenment. These findings contribute to expanding the scope of research on late Joseon Buddhist literary collections and travel poetry, while also presenting a new methodological approach to the study of Buddhist literary works.

본 연구의 목적은 모듈형 데이터 분석 도구를 활용하여 구성주의 기반의 교수학습방법을 구체화하는데 있다. 인공지능교육을 위한 내용기준에서 제시하는 인공지능이 적용된 도구로서 모듈형 데이터 분석도구가 갖는 가치 와 의미를 살펴보고 컴퓨팅사고력을 기반으로 문제해결력을 기르는 단계와 과정을 살펴보고자 하였다. 모듈형 데이터분석 도구는 구성주의적 관점에서 동화와 조절을 통해 평형화를 이루는 과정에서 스키마를 형성하는 인지 적 사고절차를 시각적으로 표현함으로서 인공지능에서 데이터의 구조를 형상화하는 특징을 갖고 있는 도구라는 장점을 갖는다. AI교육은 문제해결의 절차를 알고리즘으로 구현된 블랙박스로서의 표상화된 스키마를 적용한다 는 점에서 데이터 분석의 모듈을 구조화하고 추상적 지식의 구조를 구체화하는 특징을 갖는다고 할 수 있다. 따 라서 개념적 스키마와 내재적 스키마를 연결하는 도구로서의 장점을 갖는다는 점에서 모듈형 데이터 분석 도구 의 활용가치를 살펴볼 수 있다.

This study aims to specify a constructivism-based instructional method using a modular data analysis tool. The value and meaning of a modular data analysis tool have been examined to be applied in the national curriculum for artificial intelligence education and the process of cultivating problem-solving ability based on computational thinking. The modular data analysis tool visually expresses the cognitive thinking process that forms the schema in equilibrating through assimilation and adjustment. Artificial intelligence education has features that embody abstract knowledge and structure the data analysis module through the represented schema as a BlackBox implemented as an algorithm. Therefore, the value of the modular data analysis tool could be examined because it has the advantage of connecting the conceptual and implicit schema.

AI 기술의 발전은 교육에 바로 적용되어 학생의 학습 생활에 점차 보편화 될 것이다. 자연처 처리(NLP: Natural Language Processing) 기술의 지속적인 발전으로 상호작용은 더욱 활발해질 것이라 사료된다. 오렌지3 와 같은 데이터 분석을 통하여 챗GPT가 제시한 결과를 보다 통찰력 있게 검토할 수 있는 문제 해결 방식을 제 시한다. 일반적인 과학탐구의 문제 해결 방식 외에 첨단 기술들과 협업하여 생성형 인공지능인 챗GPT와 데이터 분석 프로그램인 오렌지3을 활용하여 문제 해결 과정을 수행하도록 지도할 수 있다. 본 연구에서는 생성형 인공 지능과 오렌지 데이터 분석을 활용한 과학 탐구 문제 해결 과정 사례를 제시하고 분석하였다. 제시한 문제 해결 과정을 학생들이 성공적으로 수행하기 위해서는, 챗GPT와 머신러닝 모델을 정확하게 활용하는 AI 리터러시와 데이터 리터러시 교육이 선행되어야 한다.

Development of AI technology will be applied directly to education and gradually become common in students' learning lives. It is believed that interaction will become more active with the continuous development of Natural Language Processing technology. Through data analysis such as Orange3, we present a problem-solving method that can more insightfully review the results presented by Chat GPT. In addition to the problem-solving method of general scientific exploration, it can be guided to perform the problem-solving process using Chat GPT, a generative artificial intelligence, and Orange3, a data analysis program, in collaboration with advanced technologies. In this study, examples of scientific inquiry problem-solving processes using generative artificial intelligence and orange data analysis were presented and analyzed. In order for students to successfully perform the proposed problem- solving process, AI literacy and data literacy education that accurately utilizes ChatGPT and machine learning models must be preceded.

이 논문은 최근 안티 포렌식 행위로 디지털 증거 획득이 어려워지는 상황에서 클라우드 스토리 지의 중요성을 강조하고, 디지털 포렌식 관점에서 구글 드라이브의 기능 및 데이터를 분석하여 메타 데이터의 비가시화, 다운로드로 확보할 수 없는 데이터 등의 한계를 설명한다. 또한 이러한 한계를 극 복하기 위해, 구글 드라이브 데이터를 수집·분석하는 도구 개발을 연구하였다. 이를 통해 디지털 포렌 식 수사 활용 가치가 있는 데이터를 효율적으로 수집하고, 데이터 분석을 통해 사용자 행위와 관련된 새로운 정보를 얻을 수 있었다. 따라서 본 논문의 결과는 디지털 포렌식 분야에서 유용하게 활용될 수 있을 것으로 기대된다.

This paper emphasizes the importance of cloud storage in a situation where it has become difficult to obtain digital evidence due to recent anti-forensic practices, and analyzes the functions and data of Google Drive from a Digital Forensics perspective to make metadata invisible and data that cannot be secured by downloading. Explain the limitations, etc. Additionally, to overcome these limitations, we studied the development of tools to collect and analyze Google Drive data. Through this, we were able to efficiently collect data valuable for Digital Forensic investigation and obtain new information related to user behavior through data analysis. Therefore, the results of this paper are expected to be useful in the field of Digital Forensics.

2019년부터 소프트웨어 교육은 모든 초등학생들이 배워야 하는 필수과목이 되었다. 하지만 아직 어떤 식으로 수업을 진행해야 할지에 대해서는 많은 교사들이 낯설어하고 있다. 이에 이 논문에서는 소프트웨어 교육의 핵심 이 되는 컴퓨팅 사고력 중 데이터 수집, 분석, 표현 수업에 도움이 되고자 각각의 의미, 세부역량과 성취기준을 제시하고 예시수업을 통해 적용 가능성을 제시하였다. 논문의 전체 과정을 요약하면 다음과 같다. 첫째, 기존의 연구들에서 데이터 관련 역량의 의미, 세부역량 및 성취기준에 관한 연구들을 정리하고 이것을 바탕으로 하여 예비조사를 진행하였다. 예비조사에서는 FGI와 폐쇄형 질문을 동시에 진행하였으며 이를 통하여 전문가들의 검 토의견을 반영한 본 조사의 설문 문항을 작성하였다. 둘째, 위의 결과로 만들어진 설문문항을 컴퓨터교육 전공 박사, 박사과정, 소프트웨어교육 담당 교사 및 소프트웨어교육 종사자를 대상으로 하여 타당도, 안정도, 신뢰도를 검증받았다. 셋째, 그 결과 개발된 세부역량과 성취기준 중 ‘수집방법 선택-문제 상황에 따라 수집 방법을 선택 할 수 있다’, ‘데이터의 의미 탐색-분석된 데이터들이 어떤 의미를 갖는지 안다.’, ‘다양한 표현방법 활용-다양한 표현 도구를 사용한다.’를 수업목표로 하여 다섯 차시의 수업을 개발하여 적용하였으며 이 때 교육, 수업, 평가의 일체화를 위해 백워드 2.0 설계모형을 활용하였다. 그 결과 최종적으로 데이터 수집, 분석, 표현의 세부역량과 성 취기준을 제시하였다. 이는 초등학교에서 데이터 관련 수업을 계획함에 있어 어떠한 방향으로 수업을 하면 좋을 지에 대한 구체적이고 명확한 기준을 세울 때 도움이 될 수 있을 것이다.

From 2019, software education has become a required subject for all elementary school students. However, many teachers are still unfamiliar with how the classes should be instructed. So this paper presented the meaning, detailed competencies and achievement standard in order to help in the collection, analysis and representation of data among the computational thinking that are key to software education. And it also suggested the applic-ability of the classes. The full course of the paper is summarized as follows. First, existing studies have summarized the meaning, detail and achievement standard of data related competencies. Based on this, a preliminary investigation was instructed. Pilot study carried out both FGI and closed questions at the same time. This was done in response to the survey's questionnaire reflecting the opinions of experts. Second, the results of the questionnaire generated as a result of the above were verified for validity, stability, and reliability among the PhD, PhD courses, software education teachers, and software education workers. Third, I developed and applied the five lessons as a class objective as ‘Choosing collection method-Select the collection method according to the problem situation.’, ‘Searching for meaning of data-Understand what the analyzed data mean..’, ‘Using various expression methods-Use a variety of expression tools.’ using the backward design model to integrate education, class, and assessment. As a result, the detailed competencies of data collection, analysis, and representation and achievement standard were presented. This may help in setting specific and specific criteria for what direction classes are recommended when planning data-related classes in elementary schools.

최근 데이터 과학의 성장과 함께 데이터를 분석하고 시각화하여 그 의미를 해석하는 능력인 데이터 시각화 리터러시에 관한 연구가 활발하게 이루어지고 있다. 본 연구는 데이터 시각화 리터러시 향상을 위한 교육에서 사용할 수 있는 데이터 시각화 도구 분석에 초점을 두고 진행되었다. 본 연구에서는 도구의 직관성, 데이터 입력 의 편의성, 그래프의 다양성, 그래프 조작성이라는 네 가지 기준을 설정하고 8종의 데이터 시각화 도구를 분석하 여 결과를 제시하였다. 다음으로 웹 기반 데이터 시각화 도구와 다양한 템플릿 제공의 효과를 분석하여 제시하 였다. 이상의 연구 결과는 데이터 시각화 리터러시 향상을 위한 데이터 시각화 도구 선택에 도움을 줄 수 있을 것으로 기대한다.

In recent years, with the growth of data science, research on data visualization literacy, which is the ability to analyze and visualize data and interpret its meaning, has been actively conducted. This research focused on the analysis of data visualization tools for improving data visualization literacy. The results of the research are as follows. First, we set four criteria: tool intuition, data input convenience, graph diversity, and graph operability, and analyzed eight types of data visualization tools and presented the results. Second, we analyze and present the effectiveness of web-based data visualization tools and different template offerings. We hope that the above research results will give you a lot of help in choosing a data visualization tool to improve your data visualization literacy.

코로나 19가 장기화되면서 기존 학력 격차가 더욱 심화되고 있다. 본 연구의 목적은 담임교사에게 학업 성취 도 분석을 통해 학년 및 학급 내 학력 격차 실태를 시각적으로 확인하고, 이를 활용하여 학력 격차를 개선하기 위한 수업 설계 및 방안 탐색에 도움을 주기 위함이다. 학생들의 학년 초 국어, 수학 진단평가 점수 데이터를 K-means 알고리즘을 활용하여 클러스터로 시각화하였으며, 그 결과 유의미한 군집이 형성된 것을 확인했다. 또 한, 교사 인터뷰 결과를 통해서 학생의 학습 수준 및 학업 성취 확인, 개별 보충지도 및 수준별 학습과 같은 수 업 설계 등 학력 격차 개선에 본 시스템이 유의미한 것으로 확인되었다. 이는 곧, 학업 성취도 데이터 분석 시스 템이 학력 격차 개선에 도움이 된다는 것을 의미한다. 본 연구가 담임교사에게 학년 및 학급 내 학력 격차 개선 방안을 탐색하는 데에 실질적인 도움을 제공하며, 궁극적으로 학력 격차 개선에 기여하기를 기대한다.

With the prolonged COVID-19, the existing academic gap is widening. The purpose of this study is to provide homeroom teachers with a visual confirmation of the academic achievement gap in grades and classrooms through academic achievement analysis, and to use this to help them design lessons and explore ways to improve the academic achievement gap. The data of students' Korean and math diagnostic evaluation scores at the beginning of the school year were visualized as clusters using the K-means algorithm, and as a result, it was confirmed that a meaningful clusters were formed. In addition, through the results of the teacher interview, it was confirmed that this system was meaningful in improving the academic achievement gap, such as checking the learning level and academic achievement of students, and designing classes such as individual supplementary instruction and level-specific learning. This means that this academic achievement data analysis system helps to improve the academic gap. This study provides practical help to homeroom teachers in exploring ways to improve the academic gap in grades and classes, and is expected to ultimately contribute to improving the academic gap.

현대 사회는 엄청난 양의 데이터를 만들어내는 디지털 시대에 접어들었고, 다변화되는 도시에서는 정보의 생성, 수집, 표현을 특징으로 하는 스마트 공간이 등장하고 있다. 2012년 이후 스마트기기의 확산과 초연결사회로 불 리우는 소셜미디어 환경에서 공공데이터에 대한 관심이 더욱 고조되고, 보편화된 모바일 기기 사용 및 SNS 이용 확 산에 따라 빅 데이터에 대한 이슈에 주목하고 있다. 초기에는 데이터의 플랫폼 구성에 연구개발이 집중되었으나 최 근에는 공간지능화 서비스 구현을 위한 데이터의 분석과 활용방안에 대한 여러 분야의 아이디어가 제안되고 있다. 본 연구에서는 이러한 공공데이터의 활용성 측면에서 전문가보다는 일반인의 사용성 증대를 위한 시각화 과정에 집 중하고자 기존의 공공데이터포털에서 제공하는 공개데이터 및 공공데이터 서비스 현황을 파악하여 그 활용가능성을 고찰하고자 한다. 연구의 결과로 일반 시민들에게 있어서 데이터의 분석 및 응용은 현재 종이문서의 이용을 감소시 키고, 지능형 공간에서 공공정보서비스에 대한 개개인의 요구 및 행동에 맞추어 빠르고 신속한 대응할 수 있는 어플 리케이션 개발에 도움이 될 것으로 기대한다.

In current society, the digital era that makes enormous amount of data, and the diversified city, the smart space, which has characteristics of creating, collecting and representing data, is appeared. After 2012, in the social media environment called hyper-connected society with wide-spread smart phone, people started to get interested in public data and big data by generalized mobile device and SNS. At first, development of forming platform of data was focused, but now, many different idea from diverse area have been suggested about data analysis and usage to visualize the space intellectualization service. To focus on the visualization process to increase the usage of this public data for ordinary people more than specialized people, this research grasps the present condition of open data and public data service from the current public data portal and considers the applicability of them. As the result of research, the analysis and application of data to ordinary people decrease the use of paper documents, and this research will help to develop the application which is fast and accurate about individual behavior and demand to utilize public data service in intellectual space.

최근 중고 거래를 지원하는 중고 거래 사이트가 증가함에 따라 사용자는 실시간으로 다양한 정보를 검색하고자 한다. 이러한 새로운 변화는 전자상거래 기반에서 새로운 유형의 C2C(Commerce to Commerce) 거래가 활성화 되 었다. 그러나 각각의 중고 거래 사이트는 고유한 특성들이 있어 전체 표준화가 어렵다. 따라서 본 논문에서는 사용자가 사용한 거래 데이터를 실시간으로 제공하고 원하는 정보를 신속하게 제공하는 시스템을 연구하였다. 본 논문에서는 인 터넷 전자 상거래를 통한 중고품 통합 거래 시스템 개발에 필요한 크롤러 시스템을 연구하고, 정의된 형태소 분석기를 통해 사용자가 원하는 웹 환경에서 정보 제공이 가능하도록 하였다. 따라서 본 연구에서는 다양한 중고 물품 사이트에 접속하지 않고도 사용자가 원하는 정보를 제공하는 시스템을 설계하였다.

Recently, as the number of used trading sites supporting used trading increases, users want to search for a variety of information in real time. This new change has enabled a new type of C2C (Commerce to Commerce) transaction in the e-commerce base. However, since each used trading site has its own characteristics, it is difficult to standardize the whole. Therefore, in this paper, we studied a system that provides the transaction data used by the user in real time and provides the desired information quickly. In this paper, we researched the crawler system necessary for the development of the integrated trading system for used goods through Internet e-commerce, and made it possible to provide information in the web environment desired by the user through the defined morpheme analyzer. Therefore, in this study, we designed a system that provides information desired by users without accessing various used goods sites.

연구목적: 본 연구에서는 최근 항공산업현황과 항공안전관리시스템 운영체계 현황을 살펴보고 현재 운영중인 항공안전관리시스템의 미비점을 파악하여 항공안전관리의 선제적 예방 및 개선방안을 제시 하는 것을 목적으로 한다. 연구방법: 최근 발생한 사건사고조사와 국내법 현황, 해외 운영기관 및 안전 관리 체계 분석을 통해 항공안전관리의 개선방안을 제시하였다. 연구결과: 최근 발생한 항공기안전 관 련 사건과 현재 운영하고 있는 항공안전관리점의 미비점과 국외 항공선진국의 대응 사례를 통하여 관 리체계와 법제도 측면의 개선점 및 예방적 항공안전을 위한 관리방안을 도출하였다. 결론: 항공안전관 리 개선방안을 데이터를 활용한 기법을 기반으로 제시하였으며, 추가 관련 연구를 통해 구체화해 나가 야 할 것이다.

Purpose: The purpose of this study is to present the preemptive prevention and improvement measures for aviation safety management by examining the current status of the aviation industry and the operation system of the aviation safety management system and identifying the shortcomings of the currently operating aviation safety management system. Method: A plan to improve aviation safety management was proposed through an analysis of recent incidents and accidents, current status of domestic laws, and analysis of overseas operating institutions and safety management systems. Result: Through the recent aircraft safety-related incidents, deficiencies of currently operating aviation safety management, and response cases of advanced countries in overseas aviation, improvement points in terms of management systems and laws and preventive aviation safety management plans were derived. Conclusion: The method for improving aviation safety management was presented based on the technique using data, and it should be materialized through additional related research.

본 연구는 외국인 유학생의 주요 관심사를 데이터 기반으로 분석하고, 맞춤형 지원 전략 설계를 위한 기초 자료를 제공하는 데 목적이 있다. 학령인구 감소와 대학 경쟁 심화 속에서 외국인 유학생 유치가 핵심 과제로 부상하고 있으나, 유학생들의 실제 요구를 반영한 체계적 지원 정책은 여전히 미흡하다. 이에 본 연구는 네이버 블로그, 네이버 카페, Reddit 등 온라인 플랫폼에서 유학생 관련 게시글과 키워드를 수집하고, 키워드를 노드로 하는 네트워크를 구축하여 그래프 모델링 기법을 적용하였다. 분석 결과, 금융분야가 전체의 15.6%로 가장 높은 비중을 차지하였으며, 기숙사가 검색 빈도 72회로 최상위 키워드로 도출되었다. 군집계수 0.847은 유학생들의 정보 탐색이 특정 주제 영역 내에서 집중적으로 이루어짐을 보여준다. 네트워크 중심성 분석 결과, 유학생의 관심사는 학업·재정, 비자 및 체류 자격, 주거, 취업, 언어 학습, 생활·문화, 생활 인프라의 7개 영역으로 군집화되었으며, 기숙사, 비자, 학업, 아르바이트 관련 키워드가 핵심 심사로 도출되었다. 본 연구는 기존 설문조사 방식 대비그래프 모델링을 통해 유학생 관심사의 구조적 연관성을 정량적으로 파악하는 데 효과적임을 제시하며, 유학생 지원 정책 수립을 위한 데이터 기반 의사결정의 근거를 제공한다.

This study aims to analyze the major interests of international students using datadriven methods and to provide foundational evidence for designing personalized support strategies. Amid the decline in the college-age population and intensifying university competition, attracting international students has become a key task. However, systematic support policies that adequately reflect the actual needs of international students remain insufficient. Accordingly, this study collected international student-related posts and keywords from online platforms and constructed a keyword network applying graph modeling techniques. The analysis revealed that the Finance category accounted for the highest proportion (15.6%) of all categories, and 'Dormitory' emerged as the top keyword with a search frequency of 72. A clustering coefficient of 0.847 indicates that international students' information-seeking behavior is highly concentrated within specific topic areas. Using network centrality metrics, the analysis revealed that students' interests are clustered into seven domains. Compared to conventional survey-based approaches, graph modeling more effectively captures the structural relationships among students' interests. This study provides a data-driven basis for the development of international student support policies.

본 연구는 로지스틱 회귀, 랜덤 포레스트, 서포트벡터머신, 인공신경망을 활용하여 신규상장 공모주의 주가를 예측 하는 모델을 구축하고 성능을 평가하였다. 12개 독립변수로 3개 종속변수인 상장일 시초가 및 종가 그리고 20일 주가를 예측하는 모델을 구축하고 예측 정확도를 도출하였다. 상장일 시초가 예측에서는 서포트벡터머신이 81.6%의 평균 예측 정확도로 가장 우수하였으며 종가와 20일 주가에서는 각각 75.7%의 인공신경망과 72.5%의 서포트벡터머신이 최고 성능 을 보여주었다. 예측 성능은 상장일 이후 시간이 지나면서 80.1%(시초가), 74.5%(종가) 그리고 71.4%(20일 주가) 순서로 하락하는 것을 확인하였다. 하락(0)과 상승(1) 클래스별 예측성능을 3개의 종속변수별로 분석한 결과 종속변수와 클래스별 로 다른 기법이 최고 예측 성능을 보여주었다. 시초가 클래스 0의 경우 인공신경망이 78.3%인 반면 클래스 1의 경우 랜덤 포레스트가 90.4%로 최고성능을 보였다. 이러한 본 연구의 결과들은 투자자의 니즈와 성향에 따른 최적의 예측 모델 선택 에 도움이 될 것으로 기대된다. 후속 연구로는 종속변수를 특정 상승률 전후로 상승부분을 세분화하고 구주매출 비율, 상장일 유통가능 비율 등의 추가 인자를 고려함으로써 예측 성능을 개선하고자 한다.

This study developed and evaluated prediction models for the stock prices of initial public offering (IPO) using logistic regression(LR), random forest(RF), support vector machine(SVM), and artificial neural network(ANN) algorithms. Based on 12 factors predictive models was constructed to predict 3 dependent variables, and the prediction accuracy of the models was evaluated. SVM demonstrated the highest average prediction accuracy of 81.6% for opening price. ANN (75.7%) and SVM (72.5%) showed the best results for closing and 20-day price, respectively. Overall, the prediction accuracy declined over time with 80.1% of opening price, 74.5% of closing price, and 71.4% of 20-day price. Class-specific results of decline(0) and rise(1) showed that the optimal prediction model varied depending on both the type of dependent variable and the class. For instance, in the case of opening price, ANN achieved the highest accuracy 78.3% for class 0, whereas RF yielded 90.4% for class 1. Future works will be executed to enhance prediction performance by refining dependent variables according to price increase and incorporating additional factors such as second offering ratio and free-float ratio.

도심항공교통(Advanced Air Mobility, AAM)의 도입이 가까워지면서 저고도 항공기, 특히 헬리콥터를 활용한 안전 관리 시스템 구축이 중요한 과제로 떠오르고 있다. 헬리콥터는 AAM과 유사한 고도와 기동을 가지며, 저고도 공역에서 중요한 역할 을 한다. 헬리콥터 운항 시 기상 변화, 조종사 실수, 기체 결함 등 다양한 위험요인이 존재하며, 이를 데이터 기반으로 예측하고 관리하는 시스템이 필요하다. 이를 위해 비행 데이터, 기상 데이터를 활용해 위험 상황을 예측하고, AI와 머신러닝 기술을 통해 실시간 위험을 사전에 감지하고 대응하는 방안을 제시하고자 한다. 이러한 시스템은 AAM 도입 전 검증을 통해 초기 단계의 안전성을 확보하는 데 기여할 것이다.

본 연구의 목적은 다양한 연령과 체중의 사람들을 대상으로 걷기 시간과 수명 간의 상관관계를 분석하여 걷기 운동의 건강 효과를 입증하는 것이다. 연구는 Python과 관련 라이브러리를 사용하여 데이터를 수집하고 전처 리한 후, 피어슨 상관계수를 통해 걷기 시간과 수명 간의 관계를 분석하였다. 연구 기간은 6개월로 설정되었다. 분석 결과, 걷기 시간이 증가할수록 수명이 연장되는 경향이 관찰되었으며, 이는 비타민 B2 섭취량과 엽산 섭취량 을 대리변수로 사용한 데이터에서도 유사하게 나타났다. 이러한 결과는 걷기 운동이 건강 증진과 수명 연장에 긍정 적인 영향을 미칠 수 있음을 시사하며, 향후 개인 맞춤형 건강 관리 서비스 개발과 관련 정책 수립에 기초 자료로 활용될 수 있다.

The purpose of this study is to analyze the correlation between walking time and lifespan across individuals of various ages and weights to validate the health benefits of walking exercise. The research utilized Python and related libraries to collect and preprocess data, and then analyzed the relationship between walking time and lifespan using Pearson's correlation coefficient. The study was conducted over a period of six months. The analysis results showed a trend towards increased lifespan with longer walking times, which was similarly observed in data using vitamin B2 and folate intake as surrogate variables. These findings suggest that walking exercise may have a positive impact on health and lifespan, and can be used as foundational data for the development of personalized health management services and related policy formulation.