Earticle

Advances in digital tools and building structure technologies have enabled more flexible architectural design, with AI-based performance design gaining considerable attention as a new design methodology. Stadium design must consider the two primary elements of sports events: athletes and spectators. Given that the facade of a stadium directly impacts solar energy efficiency, it is essential to incorporate environmental performance considerations from the initial design phase. This study employs an AI-based Generative Design process to generate a facade form that efficiently manages solar radiation and daylight, satisfying two conflicting performance objectives: max- imizing sunlight for turf growth in the pitch zone and minimizing direct sunlight exposure in the stadium seating zone. The optimal solution derived ranks 331st for pitch zone sunlight and 408th for stadium seating sunlight out of a dataset of 1,000 models. While this solution does not represent the absolute best for either individual objective, it is evaluated as the most balanced alternative, achieving the goal of maximizing sunlight in the pitch zone and minimizing it in the seating zone

Purpose: This study aimed to examine the experiences of nursing students developing and implementing generative artificial intelligence (GenAI)-based oncology emergency nursing simulation scenarios. Method: This qualitative content analysis included 23 senior nursing students in the Republic of Korea. Participants worked in teams to develop oncology emergency nursing simulation scenarios using ChatGPT, participated in simulation practice, and completed reflective journals after the program. Data were analyzed using qualitative content analysis. Results: Four themes and twelve categories were identified: “AI-Based Scaffolding for Structuring Clinical Situations,” “Verification of AI-Generated Information and Knowledge Reconstruction,” “Enhancement of Clinical Reasoning and Collaborative Problem-Solving Competencies,” and “Professional Identity Formation and Preparation for Future Practice.” Participants described GenAI as a cognitive scaffolding tool that helped structure complex clinical situations, identify knowledge gaps, critically evaluate AI-generated information, and integrate fragmented knowledge. The program also enhanced clinical reasoning, SBAR-based communication, and collaborative problem-solving. Conclusion: GenAI-based oncology emergency nursing scenario development and simulation may be an effective educational strategy for promoting self-directed learning, critical thinking, clinical reasoning, and practice readiness among nursing students. GenAI can serve as an educational scaffolding tool that supports active knowledge construction and reflective thinking rather than replacing clinical reasoning.

최근 패션 디자인 분야에서는 생성형 인공지능과 3D 시뮬레이션 기술의 발전이 이루어지면서, 창의적 디 자인 발상 과정에 혁신적 변화가 나타나고 있다. 특히 챗지피티, 미드저니와 같은 생성형 AI 도구들은 텍스트 기반 고해상도 이미지 생성 기능을 통해 디자이너가 예상치 못했던 참신하고 구상에 근접한 디자인 이미지 를 얻는데 기여하고 있다. 이러한 배경에서 본 연구의 목적은 생성형 AI의 이미지 발상과 클로3D 기반 가상 패션 시뮬레이션을 결합하여 ‘이미지 발상’에서 ‘디자인 도출’, ‘3D 가상패션 시뮬레이션’을 거쳐 ‘제작 가능 성 확인’에 이르는 순환적 창작 과정을 모색하고, 투명 소재 질감 표현 중심의 디지털 패션 디자인 방법을 제시하는 데 있다. 연구 방법으로, 망사, 홀로그램 PVC, 오간자 등 투명 소재를 활용해 망사 조직의 투명 레이어링, 레이저 커팅을 통한 텍스타일의 구조적 비침 효과, 얇은 오간자 주름의 입체적 반투명 효과 등 세 가지 아트웨어 디자인 컨셉을 구상하였다. 각 디자인에 대해 생성형 AI로 이미지를 생성한 후 클로3D로 동일 디자인의 3D 가상 의상 시뮬레이션을 수행하였으며, 생성된 이미지와 시뮬레이션 결과에서 나타난 투 명 소재의 질감 및 조형 표현 특성을 비교 분석하였다. 최종 단계에서 실시한 전문가 평가를 통해 AI 생성 디자인의 투명 소재 질감 표현의 사실성이 클로3D 시뮬레이션 이미지와 유사한 수준으로 높게 나타남을 확 인하였다. AI 생성 이미지는 광택 표현에서 우수함을 보였고, 클로3D 이미지는 투명 표현이 더 우수함을 나 타내었다. 결론적으로, AI와 클로3D를 활용한 순환적 디자인 프로세스는 AI 이미지 발상을 위한 프롬프트 기획, AI 시각화 실험, 클로3D 질감 시뮬레이션, 시뮬레이션 결과 평가, 피드백 및 수정의 단계로 구성된다. 피드백 및 수정 단계에서 프롬프트 수정 및 이미지 재생성과 재시뮬레이션 과정을 거치면서 순환적 디자인 프로세스를 수행한다. 본 연구의 의의는 생성형 AI와 클로3D의 융합을 통해 디지털 패션 디자인 분야에서 소재 표현과 조형 방법의 새로운 가능성을 확인한 데 있다.

In the field of modern fashion design, artificial intelligence and digital technology have brought innovation to creative ideas and design processes. Advances in generative AI and 3D fashion simulation technology are changing the design paradigm. In addition, improvements in performance and new features of ChatGPT and Midjourney are greatly enhancing creative idea generation capabilities. This study aims to experimentally explore a creative cycle structure that combines image generation using generative AI with CLO 3D-based simulation, from image conception through design derivation, 3D virtual fashion simulation to verification of production feasibility. Furthermore, the study intends to experiment with images centered on materials and techniques using generative AI for artwear design and to implement the visual texture characteristics perceived in the images in CLO 3D. It also examines new possibilities for artwear design by integrating generative AI and 3D fashion simulation technology, proposing a digital fashion design production method centered on the expression of transparent material textures. Specifically, we sought to implement transparent textures in a virtual space by using transparent materials such as mesh, hologram, and organza, applying different techniques such as laser cutting and accordion pleating. Images were generated multiple times using ChatGPT and Midjourney, and three selected results were implemented using CLO 3D. Subsequently, a comparative analysis was conducted on the material expression and formative techniques in the AI-generated images and the artwear designs implemented using CLO 3D. This study demonstrates the creative and experimental nature and feasibility of digital fashion design through the integration of generative AI and CLO 3D, and its significance lies in confirming the influence of material-centric expression methods on digital artwear design.

This paper argues the emergence of artificial intelligence (AI)-based acting performance opens new artistic horizons that existing concepts of representation and expression cannot fully capture. While digital humans mimicking human appearance and emotional expression spread across the content industry, this phenomenon raises fundamental questions about acting as a human-centric art form. Traditional representation presupposes an original and expression is based on a human subject's inner experience, whereas AI acting is characterized by imitation without an original and emotion simulation without interiority. This study employs conceptual analysis and literature review as primary methodologies, focusing on media theory, performance theory, and posthumanism to build a new analytical framework. This paper proposes "Generative Simulation" as a comprehensive superordinate concept, which encompasses three key sub-components: "Algorithmic Corporeality" defining the AI's data-driven body, "Simulated Affect" describing its imitation of emotion devoid of inner experience, and "Generative Agency" explaining its role as a non-conscious participant in the creative process. This framework provides a theoretical foundation for re-evaluating human actors' unique artistic value and redefining the art-technology relationship.

본 연구는 생성형 인공지능 중 하나인 GPT 기반 모델을 활용하여 이미지로 저장된 과학 문제를 자동으로 학습용 실시간 3D 과학 콘텐츠를 생성하는 기법을 제안한다. 콘텐츠는 미리 생성된 3D 과학 실험 모델링 데이터와 시뮬레이터, 그리고 인공 지능으로부터 생성된 결과를 활용하여 생성된다. 이 과정에서 인공지능 활용의 핵심은 이미지를 분석하고 시뮬레이터에 필요한 파라미터를 자동으로 추출하는 것이다. 인공지능이 적용되지 않은 방법은 사용자가 문제 조건을 해석하고 파라미터를 직접 입력해야 하는 불편함이 있으며, 이로 인해 학습 과정에서의 오류나 비효율이 발생할 수 있다. 제안된 시스템은 과학 문제의 이미지를 분석 후, 핵심 조건들을 추출하여 시뮬레이터에 필요한 위치, 속도 등의 파라미터를 자동으로 구성함으로써 문제 상황에 적합한 실시간 3D 시뮬레이션을 생성한다. 이를 통해 학습자는 시각적이고 직관적인 방식으로 문제를 이해할 수 있으며, 문제 풀이에 대한 몰입도와 효율성을 높일 수 있다. 본 연구는 고등학교 물리학1 교과서 기반의 문항을 활용하여 실제 문제 상황에 맞는 시뮬레이터가 자동 생성될 수 있음을 확인하였다. 이러한 접근은 생성형 AI의 활용 가능성을 실시간 3D 시뮬레이션 기반 학습으로 확장하는 새로운 사례로 볼 수 있다.

This study proposes a method for automatically generating real-time 3D science learning content using GPT-based generative artificial intelligence. The content is constructed by combining pre-built 3D science experiment models, a simulation engine, and outputs generated by the AI. The core function of the AI in this process is to analyze images of science problems and automatically extract the parameters required for the simulator. In conventional methods without AI support, users must manually interpret problem conditions and input parameters, which can lead to inefficiencies and errors during the learning process. The proposed system analyzes images of science problems, extracts key conditions, and automatically generates parameters such as positions and velocities required for the simulator, thereby creating real-time 3D simulations tailored to the problem scenario. This allows learners to understand the problems in a more visual and intuitive manner, enhancing engagement and learning efficiency. The proposed method was tested using physics problems from high school Physics I textbooks, and it was confirmed that the simulator can be automatically generated in accordance with the given scenarios. This approach demonstrates the potential of generative AI in expanding into real-time 3D simulation-based learning and is expected to contribute to the development of diverse science education content in the future.

본 연구는 초등학교 4~5학년을 대상으로 소크라테스식 질문법을 결합한 생성형 AI 기반 시뮬레이션 제작 교육 프로그램을 ‘운동과 에너지 영역’의 정규 과학 수업에 적용하고, 프로그램 적용 전후의 비판적 사고 성향과 과학학습 정서 및 과학학습 동기의 변화를 탐색하였다. 16개 학급 약 320명을 대상으로 예비 활동 2차시와 프로그램 6차시를 운영하였으며, 사전·사후 검사에 모두 참여한 260명의 자료를 분석하였다. 학생들은 수평잡기, 소리의 떨림 및 자기력과 관련된 현상을 직접 관찰한 후 생성형 AI 도구를 활용하여 자연어 프롬프트 기반 시뮬레이션을 제작하였다. 교사는 학생이 AI 산출물을 실제 관찰과 비교하고 필요한 조건과 변인을 프롬프트에 반영하도록 소크라테스식 질문을 제공하였다. 대응표본 t-검정 결과, 비판적 사고 성향 전체 점수와 재구성된 하위 영역 중 진실 추구성 및 자기 신뢰성, 그리고 과학학습 정서와 과학학습 동기에서 통계적으로 유의한 증가가 관찰되었다. 다만 모든 효과크기 Cohen's d는 작은 수준에 해당하여, 본 결과는 단기 처치를 통한 변화의 방향성과 적용 가능성을 보여주는 탐색적 결과로 해석된다. 학생 활동지 및 프롬프트 수정 사례 분석에서 학생들은 AI 산출물을 수동적으로 수용하기보다 실제 관찰 결과에 부합하도록 과학적 조건과 변인을 추가하며 산출물을 능동적으로 정교화하는 경향을 보였다. 이러한 결과는 ‘관찰-시뮬레이션 제작-AI 산출물 비교-프롬프트 수정-성찰’로 이어지는 활동이 초등 과학 수업에서 반성적 모델 수정과 능동적 탐구 참여를 촉진할 수 있음을 시사한다.

This study implemented a generative AI-based simulation authoring instructional program incorporating Socratic questioning in regular elementary science classes in the motion and energy domain. The program was delivered to approximately 320 fourth- and fifth-grade students from 16 classes and consisted of two preliminary sessions and six instructional sessions. Data from 260 students who completed both pretests and posttests were analyzed. Students first observed physical phenomena, including balance, sound vibration, and magnetic force, and then created simulations using natural-language prompts. Teachers guided students to compare AI-generated outputs with their observations and revise their prompts to incorporate relevant scientific conditions and variables. Paired-samples t-tests showed statistically significant pretest-posttest increases in the total critical-thinking disposition score and in the reconstructed subscales labeled truth-seeking and self-confidence, as well as in science-learning emotion and science-learning motivation. However, all effect sizes (Cohen's d) were small, suggesting that the findings reflect a direction of change and the feasibility of the approach rather than substantive effects from a short-term intervention. In the analyzed prompt-revision cases, students often refined AI-generated outputs by incorporating scientific conditions and variables aligned with their observations, rather than passively accepting the generated results. These findings suggest that a sequence of activities, 'observation, simulation authoring, comparison with AI-generated outputs, prompt revision, and reflection,' may support reflective model revision and active participation in scientific inquiry in elementary science classes.

본 연구는 디자인씽킹 방법론을 적용하여 생성형 AI 기반 상담 시뮬레이션 시스템을 개발하고, 그 사용성과 현장 적용 가능성을 검토하였다. 공감 단계에서는 현직 교사 4인을 대상으로 한 면담을 통 해 학부모 상담 수행 과정에서의 어려움과 안전한 반복 연습 환경의 필요성을 도출하였고, 정의하기 단계에서는 교사-학부모 상담 시뮬레이션 시스템 개발을 최종 설계 방향으로 선정하였다. 이후 아이 디어 발산 및 수렴 과정을 거쳐 핵심적 기능을 도출하고, 이를 반영한 프로토타입을 개발하였다. 개 발된 프로토타입은 두 차례의 사용성 평가와 전문가 타당화를 통해 반복적으로 수정·보완하여 현장 적합성을 높였다. 최종 시스템은 시나리오 기반 연습과 맞춤형 상담 연습의 이중 모드, 상담 맥락 정 보 시각화 패널, 메신저 기반 대화 시뮬레이션, 발화별 실시간 피드백 및 개선 문구 제안 기능, 상담 종료 후 제공되는 종합 평가 보고서 기능 등으로 구성된다. 두 차례에 걸친 사용성 평가와 한 차례 의 전문가 타당화 결과, 참여자들은 실제 상담과 유사한 시나리오의 현실감, 다양한 학부모 유형에 대한 반복 연습 가능성, 실시간 피드백을 통한 성찰 지원을 주요 강점으로 인식하였다. 본 연구는 기 존의 이론 중심 상담 연수나 규칙 기반 상담 연습 도구의 한계를 보완하기 위해, 실제 상담 맥락을 반영한 생성형 AI 기반 상담 시뮬레이션 시스템을 설계·구현하고 그 현장 적합성을 실증적으로 검토 하였다는 점에서 의의를 지닌다. 나아가 본 연구는 교사의 학부모 상담 연습을 지원하는 실천적 설 계 모델과 구체적인 개발 사례를 제시함으로써, 향후 교원 연수 및 전문성 개발 프로그램에 적용 가 능한 이론적·실천적 토대를 제공할 것으로 기대한다.

This study developed a generative AI?based counseling simulation system using a design thinking approach and examined its usability and field applicability. In the empathy stage, interviews with four in-service teachers identified difficulties in parent?teacher counseling and the need for a safe environment for repeated practice. In the define stage, the development of a parent?teacher counseling simulation system was selected as the final design direction. Core functions were derived through ideation and convergence processes, and a prototype was developed and iteratively refined through two rounds of usability evaluation and an expert validation process to enhance its field applicability. The final system consists of dual practice modes (scenario-based and customized practice), a counseling context visualization panel, a messenger-based dialogue simulation, real-time feedback with suggested improvements for each utterance, and a post-session evaluation report. Results from two usability evaluations and expert validation identified the realism of counseling scenarios, opportunities for repeated practice across diverse parent types, and reflective learning supported by real-time feedback as key strengths of the system. The findings suggest that the proposed system may serve as a practical design model and development case for teacher professional development and training programs.

본 연구는 생성형 인공지능(Generative AI)을 활용하여 텍스트 기반 시뮬레이션 게임을 개발하고, AI가 생성한 내러티브와 NPC 대사가 플레이어의 몰입도와 전반적 경험에 미치는 영향을 실증적으로 규명하는 것을 목적으로 한다. 연구에서는 몰입도, NPC 대화 품질, 사용자 경험, 재미를 주요 평가지표로 설정하였다. 이를 위해 온라인 설문을 실시하고, SPSS를 활용하여 신뢰도 분석, 단일표본 및 대응표본 T-검정, 상관분석을 수행하였다. 게임은 Unity 엔진을 활용해 구현되었으며, 생성형 AI를 통해 자동 생성된 스토리와 대사를 기반으로 제작되었다. 연구 결과, 몰입도와 NPC 대화 품질은 높은 만족도를 기록하였으며, 사용자 경험 및 재미는 상대적으로 낮게 평가되었다. 이는 플레이어 개인차에 따른 재미 요소의 충족이 충분하지 않음을 보여주며, 다양한 내러티브 분기와 예측 불가능한 요소의 필요성을 시사한다. 또한 몰입도, 대화 품질, 사용자 경험 간에는 모두 강한 정적 상관관계가 나타나, 플레이어 경험이 독립적인 요소가 아니라 상호 의존적으로 형성됨을 확인하였다. 본 연구는 생성형 인공지능이 게임 개발의 효율성을 높이는 동시에 몰입감과 상호작용 품질을 향상시킬 수 있음을 실증적으로 제시하였다. 향후 다양한 게임 장르와 사용자 집단을 포함한 후속 연구의 필요성을 강조한다. 다만 본 연구는 비교적 제한된 표본에 기반하였다는 점에서 일반화의 한계가 있으며, 보다 확장된 실험과 장르별 비교 연구가 요구된다.

This study aims to empirically investigate the impact of Generative AI on player immersion and overall experience by developing a text-based simulation game in which AI automatically generated narratives and NPC dialogues. Four key evaluation indicators, ‘immersion, NPC dialogue quality, user experience, and enjoyment’ were established. To this end, an online survey was conducted, and the collected data were analyzed using SPSS through reliability analysis, one-sample and paired-sample T-tests, and correlation analysis. The game was developed with the Unity engine and built on AI-generated stories and dialogues. The results indicated that immersion and NPC dialogue quality received high satisfaction scores, while user experience and enjoyment were relatively lower. This suggests that players’ sense of fun was not sufficiently fulfilled due to individual differences, highlighting the need for more diverse narrative branches and unpredictable elements. Furthermore, strong positive correlations were found among immersion, dialogue quality, and user experience, demonstrating that player experiences are not independent but are interdependently shaped. Overall, this study provides empirical evidence that generative AI can enhance not only the efficiency of game development but also the quality of immersion and interaction. It emphasizes the need for further studies across diverse game genres and user groups. However, the research is limited by its relatively small sample, which constrains generalizability, thereby calling for expanded experiments and comparative studies across different genres.

이 연구는 ChatGPT를 활용한 시뮬레이션 기반 면접 역량 강화 프로그램을 설계·적용하여 그 교육적 효과를 검토하였다. 기존 면접 교육이 암기식 답변과 형식적 절차에 치중한 한계를 보완하기 위해, 고등학교 1학년을 대상으로 4차시 수업(자기소개–모의 면접–피드백 및 성찰–전략 고도화)을 운영하였다. 성찰지, 시뮬레이션 대화 기록, 자기소개문을 질적으로 분석한 결과, 학습자들은 응답의 서사성·조직력·설득력을 강화하고, 비언어 표현을 자각·조절하며, 상호작용 반응성과 전략적 발화를 향상시켰다. 또한 자기효능감이 증진되고 불안이 완화되었으며, 반복 실습을 통해 수행의 내면화가 촉진되었다. 이는 ChatGPT가 학습자의 성찰과 자기 표현을 지원하는 매개적 학습 파트너로 기능함을 보여주며, 국어교육에서 AI 기반 면접 프로그램이 실천적 교육 모델로 확장될 가능성을 시사한다.

This study developed a ChatGPT-based simulation program to strengthen high school students’ interview competence. To overcome the limits of memorization-focused instruction, a four-session program (self-introduction, mock interview, feedback and reflection, strategic refinement) was implemented. Analysis of reflection sheets, dialogue logs, and self-introduction drafts showed improvements in narrative structure, organization, persuasiveness, and nonverbal awareness. Students also enhanced responsiveness, self-efficacy, and reduced anxiety through repeated practice. These results indicate that ChatGPT can act as an educational partner, supporting reflective and strategic communication. The program suggests a practical model for AI-based interview education in Korean language teaching.

‘The Liji(Book of Rites)’ is a key Confucian text in ritual studies. Among its contents are six chapters ending in Yi(義), such as <Guanyi>, which interpret and simplify ceremonies from ‘the Yili’ while offering philosophical reflections on ritual meaning, indicating potential for ritual adaptation. This paper focuses on <Guanyi> to explore its ritual thought and contemporary relevance. Through a comparative analysis with the Shiguanli in ‘the Yili’, the study examines structural and conceptual continuities and transformations. Additionally, it employs generative AI(ChatGPT) to simulate a modern version of the capping ceremony based on <Guanyi>, assessing the feasibility of creating contemporary rituals from classical texts. This approach, rarely seen in current ritual studies, aims to contribute to the modernization of Confucian ceremonial practice by offering new perspectives and methods.

본 연구는 문제중심학습과 인간 표준화 환자 시뮬레이션 사이의 간극을 메우기 위해 생성형 AI 기반 다중 페르소나 의사소통 프로그램을 개발하고, 이를 최초 임상실습을 앞둔 간호대학생에게 적용하여 운영의 실현 가능성과 수용성을 확인하며, 학습 성과에 미치는 예비적 효과를 탐색하는 데 목적을 둔 파일럿 연구이다. 본 연구는 단일군 전후 설계와 질적 내용분석을 병행한 혼합연구이다. 간호대학생 20명을 대상으로 '텍스트 기반 PBL→AI 페르소나 의사소통 시뮬레이션→인간 표준화 환자(SP) 시뮬레이션'으로 구성된 3단계 통합 프로그램을 적용하였으며, 수집된 자료는 대응표본 t-검정, 윌콕슨 부호순위 검정 및 성찰일지에 대한 귀납적 내용분석을 통해 분석하였다. 연구 결과, 참여자 전원이 프로그램을 완수하여 높은 실현 가능성이 확인되었으며, 중재 후 간호수행 자기효능감, 치료적 의사소통 능력, 임상실습 불안 대처 점수에서 통계적으로 유의미한 예비적 변화가 관찰되었다(p < .001). 질적 분석 결과, AI가 제공하는 정서적 실재감은 학습자의 태도를 프로토콜 중심에서 환자 중심으로 전환시키는 데 기여할 수 있는 잠재적 기제임을 시사하였다. 본 프로그램은 인지적 학습과 신체적 수행을 연결하는 교육적 가교로서의 가능성을 제시하였다.

This pilot study developed a generative AI-based multi-persona communication program to bridge the gap between Problem-Based Learning (PBL) and Standardized Patient (SP) simulation. The primary objective was to confirm feasibility and acceptability and explore the preliminary effects on learning outcomes for nursing students preparing for their first clinical practice. This mixed-methods study combined a one-group pretest-posttest design with qualitative content analysis. The three-step integrated program?'Text-based PBL→AI Persona Communication Simulation→Standardized Patient (SP) simulation'?was applied to 20 nursing students. Data were analyzed using paired t-tests, Wilcoxon signed-rank tests, and inductive content analysis of reflection journals. High feasibility was confirmed as all participants completed the program. Following the intervention, scores for nursing care self-efficacy, therapeutic communication competence, and clinical practice anxiety coping all showed statistically significant preliminary changes (p<.001). Qualitative analysis suggested that the emotional presence provided by AI could serve as a potential mechanism for spontaneously shifting learners' attitudes from protocol-centered to patient-centered care. This study explored the program's potential as an educational bridge connecting cognitive learning with physical performance.

공공 부문의 교육콘텐츠는 기관이 기획하고 개발사가 구현한 산출물을 배포 시점에 검수하는 방식으로 품질을 관리해 왔다. 생성형 AI가 구현의 진입장벽을 낮추면서 개별 교사가 콘텐츠를 직접 구현하는 사례가 나타나고 있으나, 검토가 별도의 절차로 분리되지 않는 이러한 조건에서 무엇을 검증의단위로 삼아야 하는지는 충분히 다뤄지지 않았다. 본 연구는 현장 교사가 생성형 AI를 활용해 천문 시뮬레이션을 개발한 사례를 대상으로, 2026년 7월25일부터 29일까지 저장소에 축적된 변경 기록 150건 가운데 교과 개념과 직접 관련된 40건을 선별해 교정이 무엇을 대상으로 이뤄졌는지 분석했다. 교과 관련 교정은 값과 구조, 교육적 표현의 세 층위에서 나타났다. 반복적으로 교정된 주요 사안에서는 값을 다시 계산하기보다 각도가 누적되는 기준 객체, 궤도의 기준면, 방향 속성, 축척 모드를 서로 분리하는 해법이 관찰됐다. 반면 지구의 자전 횟수는 값 자체는 정확했으나 적용되는 기준계가 어긋난채 분석 기간 내내 교정되지 않았다. 관찰된 교정 기록에는 화면상 이상을 수반한 사례와 그렇지 않은 사례가 함께 있었으며, 이상이 나타난 경우에도그 원인이 놓인 층위가 곧바로 지목되지 않은 사례가 확인됐다. 이 한 사례는 값이 정확하고 시각적 산출도 그럴듯한 오류가 반복적인 개발과 수정 과정에서도 남아 있을 수 있음을 보여준다. 이는 표면 검수에 의존하는 품질 보증 방식이 생성형 AI가 매개하는 생산 환경에서 취약해질 수 있는 지점을가리킨다. 다만 변경 기록에는 실제로 이뤄진 수정만 남기 때문에 미교정 오류의 분포는 파악할 수 없으며, 본 연구는 생성형 AI와 개발자의 기여를 구분하거나 그 효과를 분석하지 않는다.

Public educational content has been quality-assured by inspecting finished artifacts at the point of distribution. As generative AI lowers the barrier to implementation, individual teachers have begun to build such content themselves, yet what should serve as the unit of verification has received little attention. This study analyzes a case in which a practicing teacher developed an astronomy simulation with generative AI, selecting from the 150 change records accumulated in the project repository between 25 and 29 July 2026 the 40 directly related to disciplinary concepts. The corrections fell across three layers: values, the structures inwhich values are placed, and pedagogical representation. In thematters corrected repeatedly, the resolution took the formof structural separation rather than recalculation: of the frame in which an orbital angle accumulates, of the reference plane, of direction as a data attribute, and of true and pedagogical scales as distinct modes. In contrast, the Earth's rotation count was numerically correct but placed in a mismatched reference frame, and remained uncorrected throughout the observation period. The corrections on record include cases accompanied by a visible symptomand cases revised against disciplinary knowledge with none; even where a symptom was visible, the layer in which it originated was not always identified at once. That a single numerically correct and visually plausible error persisted through repeated development and revision points to a limitation of inspection confined to an artifact's surface in generative-AI-mediated production. Because a change log records only revisions actuallymade, however, the distribution of uncorrected errors cannot be established fromthese data; this study does not separate the contributions of generative AI and the developer or analyze their effects.