Earticle

We introduce an automated method for generating data structure questions using the SMT Solver 'Z3'. Recognizing challenges in traditional question-setting, which might contain logical errors or lack originality, we focus on generating logically consistent and diverse questions. We harness Z3's EnumSort() and Const() functions for conceptual question creation. For applied questions, three main approaches were employed: generating data structures with specific constraints, deriving accurate solutions for questions, and assessing data structure integrity pre and post specific code execution. The outcome not only refines problem creation but also provides a quality-assured learning platform. By transitioning our findings to a web service, we envision bridging educational gaps caused by location and financial constraints. This initiative offers a novel perspective in the realm of educational assessments.

민군기술협력사업의 연구비에서 인건비와 재료비가 차지하는 비중은 대개 85% 정도이 다. 그러나 인건비와 재료비가 실소요량에 근거해서 산정됐는지 판단하는 것은 어려운 실 정이다. 본 논문에서는 업무분할구조 및 제품분할구조를 적용해서 연구비의 인건비와 재료 비를 산정할 수 있는 인건비 및 재료비 항목의 입력구조를 제안하였다. 또한, 제안한 입력 구조의 셀 데이터 할당으로 비목별, 기관별, 연차별 연구비가 산출되는 시뮬레이터를 구현 하였다. 연구비 편성 시뮬레이터를 적용하여 연구비 편성 검증시간을 1/10 수준으로 절감 하게 되었다.

The personnel cost and consumable account for approximately 85 percent of the total research budget in Civil-Military Technology Cooperation project. However, it’s very difficult to ensure if the personnel cost and consumable are estimated properly based on the actual necessities. In this paper, we proposed the data input structure of the personnel cost and consumable that allows the actual estimation of research budget with the application of WBS & PBS. Also, by assigning the specific cell data of the proposed input structure, the budget simulator is implemented to output the detailed data on an item base, company base, and fiscal year base. In using simulator, the time to verify the research budget could be reduced to 1/10.

정보화 사회에서 우수한 S/ W 인력을 양성하기 위해 알고리즘의 조기 교 육은 매우 중요하다. 그러나 초등학 생에게 알고리즘을 교육하는 것은 큰 도전인데 왜냐하면 텍스트형태의 컴 퓨터 알고리즘이 어떻게 동작하는 지를 어린 학생들이 이해하기가 매우 어렵기 때문이다. 애니메이션을 활용 한 수업 통해 알고리즘 수업을 실 시한다면 학생들이 좀 더 쉽게 알고리즘을 시각화 할 수 있을 것으로 기대 된다. 본 연구에서는 초등학교에서 기초적인 자료구조와 알고리즘을 교육하는데 있어서 알고리즘 시각화의 교육적 효과를 평가하고자 한다. 이 를 위해 ‘알고리즘 시각화 팩터’라는 새로운 측정도구를 정의하고 알고리 즘 교육요소 즉, 스택, 큐, 버블정렬, 힙정렬, BFS, 및 DFS에 대해 텍스트 기반과 애니메니션 기반의 강의 자료 를 각각 개발하였다. 다양한 학생 그룹에 대해 실험을 하고 평가를 하였다. 폭넓은 실험을 통해 애니메이션 기반의 강의 자료를 사용한 그룹의 평균 점수가 텍스트기반의 강의 자료를 사용한 그룹에 대해 22.2% 이상 더 높은 점수 결과를 보였다.

Early algorithm education is very important in order to nurture excellent S/W developers in an information society. However a algorithm learning is a great challenge to elementary school students since understanding what a computer algorithm written in a static text format meant to do is difficult. It is expected that a student can easily visualize a algorithm through animations. In this study, we evaluate the pedagogical effectiveness of algorithm visualizations in teaching the fundamental data structures and algorithms in elementary schools. Thus we defined a new measure called ‘Algorithm Visualization Factor(AVF)’ and developed both text-oriented and animation-oriented PPTs of algorithm education elements, that is, Stack, Queue, Bubble Sort, Heap Sort, BDF, and DFS. We have conducted experiments and evaluations on diverse students groups. Extensive experiment results show that the average score of the student groups using animation-orirented PPT is greater(22%) than the one of the student groups using text-orirented PPT.

Genetic diversity analysis is crucial for maintaining and managing genetic resources. Several studies have examined the genetic diversity of Korean domestic chicken (KDC) populations using microsatellite markers, but it is difficult to capture the characteristics of the whole genome in this manner. Hence, this study analyzed the genetic diversity of several KDC populations using high-density single nucleotide polymorphism (SNP) genotype data. We examined 935 birds from 21 KDC populations, including indigenous and adapted Korean native chicken (KNC), Hyunin and Jeju KDC, and Hanhyup commercial KDC populations. A total of 212,420 SNPs of 21 KDC populations were used for calculating genetic distances and fixation index, and for ADMIXTURE analysis. As a result of the analysis, the indigenous KNC groups were genetically closer and more fixed than the other groups. Furthermore, Hyunin and Jeju KDC were similar to the indigenous KNC. In comparison, adapted KNC and Hanhyup KDC populations derived from the same original species were genetically close to each other, but had different genetic structures from the others. In conclusion, this study suggests that continuous evaluation and management are required to prevent a loss of genetic diversity in each group. Basic genetic information is provided that can be used to improve breeds quickly by utilizing the various characteristics of native chickens.

본 논문은 학제간 연구의 대표적인 사례인 빅데이터 연구가 어떤 주제로 구성되어 있는지를 상향식 접근법 을 이용하여 분석한다. 분석을 위해서 연구재단에서 제공하는 학술지 인용색인시스템을 이용하였다. 영문 키워드 “big data”로 모든 등재지와 등재후보지를 대상으로 검색을 하여 이것을 원천 데이터로 하였다. 논문 저자가 직접 제 공하는 키워드를 본 연구에서 사용하기 위해서 정제작업을 거친 후, 주요 키워드 분포, 참여 저널의 성격 분포, 참여 저자 수의 분포, 연도별 키워드 분포 등을 이용하여 빅데이터 연구주제의 구조를 설명하였다. 식별된 주요 키워드들 은 사회네트워크 분석, 하둡, 맵리듀스, 개인정보/보호, 클라우드 컴퓨팅, 시각화, 데이터마이닝 등이다. 또한 빅데이 터가 지속가능하고 융복합적인 경영혁신 도구로 사용되기 위해 향후 추가적으로 보완되어야 할 연구 키워드들을 제 안한다.

We investigate the underlying structure of big data research domain, which is diversified and complicated using bottom-up approach. For that purpose, we derive a set of articles by searching “big data” through the Korea Citation Index System provided by National Research Foundation of Korea. With some preprocessing on the author-provided keywords, we analyze bibliometric data such as author-provided keywords, publication year, author, and journal characteristics. From the analysis, we both identify major sub-domains of big data research area and discover the hidden issues which made big data complex. Major keywords identified include SOCIAL NETWORK ANALYSIS, HADOOP, MAPREDUCE, PERSONAL INFORMATION POLICY/ PROTECTION/PRIVATE INFORMATION, CLOUD COMPUTING, VISUALIZATION, and DATA MINING. We finally suggest missing research themes to make big data a sustainable management innovation and convergence medium.

Considering the aging of individuals with the increasing population, the demand for technologies that enable people to follow their daily lives unnoticed is increasing day by day. In this article, a high-performance solution to the fall and posture detection problem for CCD camera-based fall detection systems is provided. Fall detection was performed with images obtained with CCD cameras placed in different positions. Within the scope of the proposed method, two different pre-trained CNN structures were trained using two different camera images. Data fusion was applied to the high-level features obtained from these structures. Features that were fusion process applied to different classifiers were given as input and ensemble learning process was applied. Considering the performance metrics of the proposed method, it was predicted that promising results were obtained for fall detection.

This review study discusses the utilization of Terrestrial Laser Scanner (TLS) 3D point cloud data in representing geometry for structural health monitoring (SHM) applications, particularly the so-called Scan-to-FEM method. The existing studies related to the topic are intensively presented and discussed along with the advantages and disadvantages of the modelling methods: meshing by whole and cross-section. Two case studies are conducted to show both modelling methods used for geometry representation for Scan-to-FEM method. Meshing by whole and cross-section methods result in the relative errors of respective 2.79% and 1.4% in the maximum displacement vector sum, compared to their reference models constructed by ABAQUS. It is also seen that the density and clarity of 3D point cloud data can bring well-shaped geometry for FE analysis and consequently produce good accuracy.

The analytics lens of big data is very popular in both industry press and academic literature where big data is often discussed in the contexts of volume, velocity, and variety. This study offered an innovation lens of big data as digital service innovation. An evolutionary, ecosystem-based framework is adopted for digital service innovation. Digital trace data from Twitter provides the opportunity to see glimpses of big data ecosystems and the elements of big data services at two stages in the evolutionary process. Also, co-hashtag network analysis and community structure detection are used to understand the structure and dynamics of the big data ecosystem and its elements, over time. Finally, discussions and implications are presented.

The purpose of this study was to develop and evaluate Point Cloud Data (PCD) deep learning models and a rule-based system for segmenting tree structures (stems and crowns) using fixed terrestrial LiDAR data. The dataset comprised 48 Larix Kaemferi trees, which were collected and preprocessed. For the PCD deep learning models, three downsampled datasets consisting of 1024, 4096, and 16384 points were constructed from the original data. The data was divided into training (70%) and validation (30%) sets. Models were built using PointNet and PointNet++ architectures, resulting in a total of 12 tree structure segmentation models for accuracy comparison. The rule-based system was developed using the original data, applying techniques such as verticality checks, cylindrical structure detection, and slice-based circular fitting to detect the stem. It then segmented the stem through repetitive circle fitting and validation processes based on height. The average accuracy of the PCD deep learning tree structure segmentation models was approximately 95%, with the PointNet++ model using 16384 points achieving the highest classification accuracy of about 98%. The rule-based system achieved high classification accuracy of over 99% for both tree species. This study is expected to contribute to precise measurement and efficient management of forest resources by presenting automated methods for tree structure segmentation using AI technology and rule-based approaches. It is anticipated that this research will serve as a foundation for the advancement of forest digitalization, precision forest management technologies, forest structure analysis, and timber production estimation in various fields.

문화유산기관은 오랜 기간에 걸쳐 소장자원의 연계를 통한 통합적인 정보서비스 제공을 시도해 왔다. 하지만 공간과 자원의 물리적 통합에 집중하는 기존의 접근방법은 소장한 문화유산자원의 효과적인 연계에 있어서 한계를 보여 왔다. 이에 본 연구에서는 문화유산기관에서 사용하는 메타데이터 표준을 분석하여 마스터 데이터 요소를 정의하고, 도서관 참조모형(LRM)을 적용한 마스터 데이터 구조를 제안하였다. 이 구조에서 마스터 데이터 요소는 핵심적인 서지 요소로서의 패싯을 구성하며, 추출한 패싯에 개체-관계 모델인 LRM을 적용함으로써 관련된 문화유산자원의 서지적 측면들을 메타데이터 수준에서 의미적으로 연계할 수 있다. 이를 통해 상호 관련된 문화유산자원을 효과적으로 연계할 수 있는 환경을 조성할 수 있으며, 보다 통합적인 정보서비스 제공을 지원할 수 있을 것으로 기대된다.

Cultural heritage institutions have attempted to provide integrated information services through linking holding resources for a long time. However, the traditional approach which focuses on the physical integration of space and resources has shown limitations in effectively linking cultural heritage resources. This research analyzed the metadata standards used by cultural heritage institutions to define master data elements and proposed a master data structure by applying the Library Reference Model (LRM). In this structure, master data elements form facets as key bibliographic components. By applying the entity-relationship model of LRM to the extracted facets, the bibliographic aspects of interrelated cultural heritage resources can be semantically linked at the metadata level. This structure can create an environment that effectively links interrelated cultural heritage resources and is expected to support the provision of more integrated information services.

본 연구는 결측치와 속성 간 이질성이 존재하는 불완전 데이터를 효율적으로 처리하기 위한 새로운 데이터 구조를 제안하고, 이를 세 가지 상이한 학습 모델에 적용하여 성능을 비교·분석한다. 제안된 데이터 구조는 불완전성을 포함하는 입력을 유연하게 표현하도록 하며, LDA 기반 모델, 에이다부스트 구조, 그리고 EBP 기반 딥러닝 모델에 각각 변형하여 적용한다. 실험 결과, LDA 모델은 결정 트리 절단 방식을 활용하여 에이다부스트의 약한 분류기로 확장될 수 있음을 확인 하고, 이로 인해 단일 LDA 대비 향상된 성능을 보인다. 또한 EBP 모델은 속성별 상이한 카디널리티와 명시적 블록 경계 정보가 없는 입력에서도 암묵적인 블록 구조를 효과적으로 학습할 수 있음을 나타낸다. 이러한 결과는 제안된 데이터 구조 가 다양한 모델과 데이터 조건에서 적용 가능함을 의미한다.

This study proposes a novel data structure designed to efficiently handle incomplete data characterized by missing values and heterogeneous attribute configurations, and applies it to three different learning models for comparative performance analysis. The proposed structure provides a flexible representation of incomplete inputs and is adapted respectively to an LDA-based model, an AdaBoost framework, and an EBP-based deep learning model. Experimental results show that the LDA model can be extended as an effective weak learner within the AdaBoost framework by employing a decision tree–based partitioning method, resulting in improved performance compared to standalone LDA. In addition, the EBP model demonstrates the ability to learn implicit block structures even when the input features have varying cardinalities and lack explicit block boundary information. These findings indicate that the proposed data structure is widely applicable across diverse learning models and data conditions.

Purpose: This descriptive research study aimed to identify the factors that influence depression according to household type (elderly who live with a spouse, adult children, or alone). Methods: A total of 9,790 older adults were selected and analyzed using the 2020 National Older Koreans data. A Rao-Scott chi-square test was conducted to evaluate the differences in the individual, health-behavior, and mental-health factors according to family structure. A complex samples logistic regression was used to analyze the factors that influence depression according to family structure. Results: Depression according to family structure was in the order of older adults who live alone, with adult children, or a spouse (p <.001). Total income, number of chronic diseases, hospitalization, exercise, and suicide ideation were identified as depressive factors for older adults who live with adult children. Employment, subjective health status, number of chronic diseases, hospital visitation, hospitalization, drinking, suicide ideation, economic status satisfaction, and cultural life satisfaction were depressive factors for older adults who live with a spouse. Employment, subjective health status, hospitalization, drinking, suicide ideation, and cultural life satisfaction were depressive factors (p <.05) for older adults who live alone. Conclusion: It is necessary to detect depression early and operate a mental health program considering the family structure of older adults.

실내측위시스템은 점차 증가하는 수요에 따라 관련 연구가 활발히 진행되고 있다. 하지만 많은 연구들에서 이용되는 실내지도는 실내 환경에 따라, 혹은 측위에 이용되는 기술과 기법에 맞추어 수동적으로 작성된다. 그렇기 때문에, 실내 환경에 변화가 생기거나 대상 건물이 바뀌는 경우에는 실내 지도를 직접 다시 작성해야하는 번거로움이 있다. 이를 위하여 추가적인 현장 조사 역시 필요로 한다. 또한, 무선통신을 이용하는 방식들은 신호의 강도와 방향만을 토대로 수신 위치를 추정하므로 건물의 특징이 반영되지 않아, 그 추정 결과에 대한 정확성을 판별하기 어려운 문제 점이 있다. 본 논문에서는 다목적 실내탐색을 위하여 전자 건축도면으로부터 건물의 구조에 대한 정보를 추출하여 실내구조가 반영된 데이터구조를 자동으로 형성하는 방법을 소개한다.

With the increasing demand for indoor positioning system, related research is now being actively conducted. However, indoor maps used in these studies are manually written according to the indoor environment or the techniques used for positioning. Therefore, when the indoor environment or the target building changes, there could be an inconvenience of having to rewrite the indoor map. And the additional site survey is also required. In addition, methods using wireless communication estimate the reception location based only on the strength and direction of the signal, so the characteristics of the building are not reflected. Therefore, there is a problem that it is difficult to determine the accuracy of the estimation result. In this paper, we introduces a method of automatically generating a data structure reflecting the indoor structure by extracting information on an electronic architectural drawing for multi-purpose indoor search.

양자 역학을 기반으로 하는 양자암호통신에서는 각각의 정보를 개별적인 광자에 실어 전송하기 때문에 일부만 도청하는 것이 기본적으로 불가능하며, 침입자가 광자를 불법적으로 가로채 수신자에게 재전송을 하여도 양자 복제 불가능성원리에 의해 같은 정보를 광자에 실어 보내는 것이 불가능하다. 한편 네트워크 기반 다양한 서비스의 폭발적 증대와 함께 해당 서비스의 보안성 보장이 필수적으로 요구되면서 양자암호 통신망의 구축 및 관련 서비스가 다양한 형태로 추진되고 있다. 그러나 양자키 분배(QKD: Quantum Key Distribution) 기술의 발전과는 별개로 이를 활용한 네트워크 구축및 다양한 양자암호 기반 서비스 제공 방안에 관해서는 많은 연구가 필요한 상태이다. 본 논문에서는 양자암호 장치를기반으로, 다양한 양자암호 통신망 장비 간에 양자키를 전달하고 암호화된 전송환경 구현을 위한 통합 데이터 구조를제안하였다.

In quantum cryptographic communication based on quantum mechanics, each piece of information is loaded onto individual photons and transmitted. Therefore, it is impossible to eavesdrop on only a part, and even if an intruder illegally intercepts a photon and retransmits it to the recipient, it is impossible to send the same information to the photon by the principle of quantum duplication impossible. With the explosive increase of various network-based services, the security of the service is required to be guaranteed, and the establishment of a quantum cryptographic communication network and related services are being promoted in various forms. However, apart from the development of Quantum Key Distribution (QKD) technology, a lot of research is needed on how to provide network-level services using this. In this paper, based on the quantum encryption device, we propose an integrated data structure for transferring quantum keys between various quantum encryption communication network devices and realizing an encrypted transmission environment.

기후변화와 도시화로 인해 태풍, 홍수, 지진, 산불 등이 동시다발적으로 또는 연쇄적으로 발생하는 복합재난의 위험성이 증 대되고 있다. 그러나 현재 국내 재난관리 체계는 재난 유형별로 데이터가 분절적으로 관리되고, 기관별 데이터 형식과 의미구 조가 달라 신속하고 통합적인 상황판단에 한계를 보이고 있다. 본 연구는 이러한 문제점을 해결하기 위해, 복합재난 상황에서 다종의 재난 데이터를 효과적으로 융합하고 분석할 수 있는 표준 데이터 구조 및 메타데이터 모델을 제안하는 것을 목표로 한 다. 이를 위해 국내외 재난 데이터 표준 사례를 분석하고, 재난 공통 요소와 재난 유형별 특성을 모두 포괄하는 확장 가능한 데이 터 모델을 설계하였다. 제안된 모델은 데이터의 상호운용성을 확보하여 범부처 통합 재난대응 플랫폼의 기반을 마련하고, 데이 터 기반의 예측적 재난관리로 전환하는 데 기여할 것으로 기대된다.

최근 전 세계적으로 운영되는 하·폐수 처리시설 관리에 있어 환경 보호를 위한 엄격한 규제로 수질오염 측정 시스템에 관한 시스템 이 부각되고 있으며, 대형시설 또는 산업단지 내의 자체 하수처리장이 건립되면서 하수처리장의 효율성 및 자동차에 대한 연구 및 개발이 활성화되고 있다. 하지만 기존 하수처리 시스템은 하·폐수에 특화된 수질감시 기술 및 이를 실시간 전송하기 위한 신뢰성 있는 네트워크 구축이 미흡한 실정이다. 따라서, 본 논문은 하수처리시설에서 슬러지의 농도를 효과적으로 측정 가능한 슬러지 멀티 메터의 데이터를 수집하고 멀티메터를 제어하기 위한 근거리 무선 네트워크의 데이터 구조 설계를 제안하였다. 근거리 무선 네트워 크를 통해 수집된 데이터는 중앙 모니터링 시스템으로 전달되어 실시간으로 데이터를 누적하고 통계를 산출하여 하수 처리 시설의 상태를 모니터링이 가능하다. 제안된 시스템은 근거리 무선 네트워크 시스템으로 IEEE 802.15.4와 비콘(Beacon)을 사용하여, 중앙시 스템에서 실시간 상태 확인이 가능하도록 IEEE 802.11네트워크를 구성하였으며, 하수처리시설에 슬러지 멀티 메터를 설치하고 통신 네트워크를 구축해서 그 효율성을 입증함으로써 제안 기술의 유용성을 확인하였다.

Recently, the management system of wastewater treatment facility has magnified due to the stringent regulations for the protection of the environment, and a sewage treatment plant efficiency and research of the car development are activated in large facilities or industrial park. however, the existing sewerage disposal system and specific water quality monitoring network reliability for real-time transmission of this building is insufficient. In this paper, we proposed a local wireless network design for sludge multi meter data collection and control for measuring the concentration of the sludge efficiently. Also, the collected data over the local wireless network to transmitted to the central monitoring system and accumulate the data in real time to calculate statistics is possible to monitor the status of the sewage treatment facilities. The proposed system uses a short-range wireless networks of IEEE 802.15.4 and configures an IEEE 802.11 network which can monitor real-time status in central system. Also, we install a sludge multimeter and communication network in sewage treatment facilities and confirm the usefulness of the proposed technique by demonstrating its effectiveness.

고정밀 지도의 갱신은 정사영상 또는 점군 데이터 등을 원천 자료로 하여 기하 정보를 우선적 으로 수정한 이후 지도를 구성하는 공간객체들 간의 연관관계를 재정립하는 방식으로 진행된다. 이러한 일련의 과정들은 기하 정보를 처리하는 데에 많은 시간을 소요하므로 차량의 실시간 경 로 계획(Real-time route planning)에 빠르게 적용되기 어렵다. 따라서 이 연구에서는 그래프 구조 를 활용하여 경로 계획을 위한 도로 연결구조를 우선적으로 업데이트 하는 방식 및 도로 네트워 크의 특징을 고려한 그래프 구조의 저장 유형을 제안하였다. 또한 제안된 방법을 실제 도로 자료 에 적용해 봄으로써 실시간 경로 정보 전송 시의 활용 가능성에 대해 검토하였다.

The update of a high-precision map was carried out by modifying the geometric information using ortho-images or point-cloud data as the source data and then reconstructing the relationship between the spatial objects. These series of processes take considerable time to process the geometric information, making it difficult to apply real-time route planning to a vehicle quickly. Therefore, this study proposed a method to update the road network for route planning using a graph data structure and storage type of graph data structure considering the characteristics of the road network. The proposed method was also reviewed to assess the feasibility of real-time route information transmission by applying it to actual road data.