Earticle

This study investigates how digital discourse surrounding Yuseong-gu public libraries is structured and how it informs evidence-based policy architecture. Online text data were collected from major Korean portals (Naver and Daum) between July 2022 and June 2025 using "Yuseong-gu public libraries" as the core search query. The corpus was analyzed using text mining, keyword network analysis, and latent Dirichlet allocation (LDA) topic modeling. Word frequency and TF-IDF results indicate that place-anchored identifiers (e.g., Yuseong-gu, Daejeon) and culture-related vocabulary constitute the discourse backbone, while managerial and operational terms such as integration, support, and homepage signal demand for coordinated governance and enhanced digital accessibility. N-gram analysis further emphasizes the demand for an integrated information and participation portal, most clearly reflected in the recurrent sequence "Yuseong-gu-integrated-library-homepage." Network analysis reveals a high-density structure with a short average path length, confirming strong thematic interconnectedness; the node "library" functions as the primary hub and is directly linked to "culture," indicating the library's discursive positioning as a cultural platform. The findings support strategic policy directions, including a hub-satellite spatial system embedded across neighborhood life zones, cross-sectional programming integrating education, culture, and community participation, a mobile-first integrated digital portal, and institutionalized partnerships with schools and local cultural institutions.

AI-based health care professional (HCP) targeting in the US enables individualized segmentation, Next-Best-Action orchestration, and closed-loop measurement by integrating three individual-physician-level data layers: prescriber inputs, engagement responses, and outcome feedback. This study asks why these capabilities have not emerged in Korea, using a comparative qualitative analysis grounded in the Technology–Organization–Environment (TOE) framework. The US permits commercial aggregation of individual-level HCP data; Korea's Personal Information Protection Act (PIPA) classifies physician identifiers as personal information and forecloses this pathway at every layer. The three data layers therefore cannot form: rules-based targeting remains viable, but self-improving AI-based targeting is structurally precluded. The paper shows that when AI depends on regulated personal data, regulation determines which class of AI capability emerges, with the binding constraint at the data layer rather than at organizational or algorithmic capacity. For Korea, the path runs through reclassifying prescriber identity and behavioral data as professional rather than personal

Several non-manifold data structures have been compared, which are radial-edge data structure, partial-face data structure, vertex-based data structure, and Yamaguchi's data structrue. All the entities in the data structures are classified into common entities and special entities. The entities are also classified as model entities, primitive entities bounding entities, and coupling entities. The four data structures for nonmanifold solid modelers are compared in terms of accessing efficiency, storage requirements, and inclusion of circulation. The results of comparison will serve as the basis to develope a nonmanifold modeler.

실험자료 분석을 위해 다층모형을 사용하는 경우, 무선효과 구조 설정에 따라 가설 검정의 결과가 달라질 수 있다. 선행연구들에 따르면, 무선효과 구조를 선택하는 방법 중 우도비 검정(likelihood-ratio test; LRT)은 분산의 모수 공간 제약으로 인해 영가설 분포의 모양이 표준적인 카이제곱 분포와 일치하지 않는다. 본 연구에서는 몬테카를로 시뮬레이션을 통해 무선효과 구조를 검정하기 위한 LRT 영가설 분포의 모양, 1종 오류 비율, 수렴 실패율에 대해 알아보았다. 본 연구를 진행함에 앞서, 고정효과를 검정하기 위한 LRT 영가설 분포의 모양을 확인함으로써 본 연구방법의 타당성을 확보하였다. 실험설계와 참가자 수, 문항 수를 조작하여 시뮬레이션 실험을 수행한 결과, 무선효과 구조를 검정하기 위한 LRT 영가설 분포의 평균, 분산, 95분위수와 99분위수는 모든 조건에서 표준적인 카이제곱 분포보다 작았다. 표준적인 카이제곱 분포를 사용하여 LRT를 수행했을 때 1종 오류 비율 또한 유의수준인 .05보다 작았다. 실험설계가 복잡하고 무선효과 구조에 상관 구조를 포함한 모형에서 추정 과정에서 수렴에 실패가 빈번하게 발생하였다. 경험적 연구자들이 실험조건 효과 검정을 위해 다층모형을 사용할 때 모형의 무선효과 구조 선택 시 주의할 점을 논의하였다.

When using a multilevel model to analyze experimental data, the results of hypothesis testing can vary depending on the random effects structure. Previous studies have shown that the likelihood ratio test (LRT) for selecting the random effect structure does not match the shape of the null distribution with the theoretical chi-squared distribution due to the parameter space constraints of the variance. In this study, we investigate the shape, the type 1 error rate, and convergence failure rate of null distribution of LRT to select random effects structures through Monte Carlo simulations. Before proceeding with this study, the validity of the methodology was secured by checking the shape of null distribution of LRT for testing fixed effects. We conducted simulations by manipulating the experimental design, number of participants, and number of items, and found that the mean, variance, 95th and 99th percentiles of null distribution of LRT for selecting random effects structures were smaller than the theoretical chi-squared distribution under all conditions. When LRT was performed using the theoretical chi-squared distribution, the type 1 error rate was smaller than .05 significance level. The convergence failure occurred frequently in models with complex experimental designs and correlation structure in the structure of the random effects. The caveats of choosing the model’s random effects structure were discussed for empirical researchers when using multilevel models to test for experimental condition effects.

곡면 모델링 분야에서 서브디비전 서페이스 기법은 NURBS 모델링의 단점을 해결할 수 있게 해준다. 특히 모델링하고자 하는 형태의 토폴로지의 제한이 NURBS 모델링에 비해 거의 없다는 점은 많은 3D 애니메이션 시스템에 서브디비전 서페이스 모델링 기법을 도입하게 하였다. 최근 서브디비전 서페이스 모델링에 대한 다양한 연구가 진행되어 왔지만 기존의 실시간 렌더링 라이브러리에는 베지어(Bezier) 서페이스나 NURBS 모델링 등의 tensor product 서페이스 위주로 구현되어 있다. 본 논문에서는 PCCM 변환에서 사용되는 자료구조를 1차원 배열형태로 구성함으로써 효과적으로 변환 알고리즘을 구현할 수 있도록 제안한다.

다중순위패턴매칭 문제는 주어진 패턴 집합에 속한 패턴 중 하나와 일치하는 텍스트 내의 모든 부분문자열을 찾는 문제이다. 이 문제에 대한 연구는 금융, 기후, 환경 등 다양한 분야에서 측정된 시계열 데이터 분석에 응용될 수 있 다. 본 논문에서는 다중순위패턴매칭 문제를 해결하는 알고리즘들에서 사용되는 핵심 연산들을 순위통계트리, 스플 레이트리, 세그먼트트리, 해시테이블과 같은 다양한 자료구조를 사용하여 구현한 후. 여러 시계열 데이터에 대한 실 험을 통해 시계열 데이터의 특성에 따라 어떤 자료구조 기반의 구현이 가장 적합한지를 분석한다.

The multiple order-preserving pattern matching problem is to find all substrings in a text that match any of the patterns in a given set of patterns. Research on this problem can be applied to the analysis of time series data measured in various fields such as finance, climate, and the environment. In this paper, we implement the core operations used in algorithms that solve the multiple order-preserving pattern matching problem using various data structures such as orderstatistic trees, splay trees, segment trees, and hash tables. Furthermore, through experiments on various time series datasets, we analyze which data structure-based implementation is most appropriate depending on the characteristics of the time series data.

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.

본 연구는 현대 마케팅의 핵심 전략으로 부상한 인플루언서 광고 및 마케팅에 대한 사회적 담론 구조를 다각적으로 이해하고자 하였다. 이를 위해 2020년 1월부 터 2025년 4월까지 수집된 뉴스(721건), 소셜 미디어(5,553건), 학술(414건) 데이터를 대상으로 텍스트 마이닝 및 토픽 모델링(LDA) 분석을 시행하였다. 연구 결 과, 각 데이터 소스는 인플루언서 광고를 바라보는 뚜렷한 시각차를 드러냈다. 뉴스 데이터는 라이브-커머스, 가상-인간 등 산업 동향과 기술 혁신을 중심으로, 소 셜 미디어 데이터는 네이버-블로그, 애드포스트-수익 등 플랫폼 기반의 사용자 경험과 수익 창출을 중심으로, 학술 데이터는 구매의도, 매개효과 등 이론적 검증과 효과 분석을 중심으로 담론을 형성하고 있었다. CONCOR 분석과 LDA 토픽 모델링을 통해 각 데이터 유형별 핵심 키워드 군집과 주요 주제들이 도출되었으며, 이 는 인플루언서 광고 현상에 대한 거시적, 미시적, 이론적 프레임을 각각 반영하고 있음을 보여주었다. 본 연구는 다양한 정보원에 나타난 담론을 통합적으로 분석 함으로써 인플루언서 마케팅에 대한 다차원적 이해의 틀을 제공하고, 텍스트 마이닝 방법론의 학문적·실무적 활용 가능성을 제시한다는 점에서 의의가 있다. 연구 결과를 바탕으로 학문적 시사점과 마케터, 플랫폼 사업자, 정책 입안자를 위한 실무적 시사점 및 향후 연구 방향을 제언하였다.

This study aimed to comprehensively understand the social discourse structure surrounding influencer advertising and marketing, which has emerged as a key strategy in modern marketing. To achieve this, text mining and topic modeling (LDA) analyses were conducted on news (721 articles), social media (5,553 posts), and academic (414 papers) data collected from January 2020 to April 2025. The findings revealed distinct perspectives on influencer advertising across these data sources. News data focused on industry trends and technological innovations, highlighted by keywords such as ‘live-commerce’ and ‘virtual-human’. Social media data centered on platform-based user experiences and monetization, with prominent keywords like ‘Naver-blog’ and ‘AdPost-revenue’. Academic data emphasized theoretical verification and effect analysis, featuring keywords such as ‘purchase-intention’ and ‘mediating-effect’. CONCOR analysis and LDA topic modeling further identified core keyword clusters and main topics for each data type, reflecting macro/industrial, micro/practical, and theoretical/analytical frames, respectively. This research contributes by providing a multi-dimensional framework for understanding the influencer advertising phenomenon through an integrated analysis of discourse from diverse sources and by demonstrating the academic and practical utility of text mining methodologies. Based on these findings, academic implications, practical implications for marketers, platform operators, and policymakers, and directions for future research are suggested.

The development of the Web has made it easy to access large amounts of data. However, it is one of the big issues how to effectively store and improve query performance about these huge data. This paper proposes an RDF query optimization with hybrid storage structures to solve the issue. Hot-cold detection relocates data properly to improve the RDF query performance. After collecting data access information for a period of time, we identify the data with hot-cold detection. It reduces the write performance degradation of the SSD by moving all hot data at a time to the SSD.

본 연구는 문화 인프라의 기능적 구성과 디지털 관광 플랫폼 데이터가 결합될 때 도시 공간 이용이 어떠 한 구조적 유형으로 분화되는지를 규명하고, 이러한 구조적 관계에서 디지털 관광 연결성이 독립적 요인인지 보조 적 메커니즘인지를 검증하고자 하였다. 인천광역시 10개 군·구를 분석 단위로 설정하였다. 공연시설 및 전시시설 비율, 문화예술 만족도, 시티투어 연결도, 연간 방문객 수를 활용하여 군집분석을 수행하였으며, Z-score 표준화 후 K-means 및 계층적 군집분석을 병행하였다. 또한 유형 간 차이를 검증하기 위해 ANOVA와 Tukey HSD 사 후검정을 실시하고 효과크기(η²)를 산출하였다. 연구결과 도시 공간 이용은 공연·체험 중심형, 전시·유산 중심형, 혼합형의 세 유형으로 구분되었다. 평균 실루엣 계수는 0.62로 나타나 군집의 적절성이 확보되었다. 공연시설 비율 과 전시시설 비율은 유형 간 유의한 차이를 보였으며(η²≈0.40), 기능적 구성 변수가 유형 형성에 핵심적으로 작용 하였다. 반면 시티투어 연결도는 통계적으로 유의하지 않아, 디지털 관광 활동은 1차 결정 요인이 아닌 보조적 연결 메커니즘으로 확인되었다. 본 연구는 도시 공간 이용을 ‘구조–성과–연결성’의 통합 체계로 개념화하고, 문화 인프라의 기능적 구성이 공간 이용 구조를 조직하는 핵심 요인임을 실증적으로 제시하였다. 이는 문화 인프라 연 구와 디지털 관광 연구를 도시 차원의 구조 분석으로 확장하였다는 점에서 학문적 의의를 가지며, 데이터 기반 문 화·관광 정책 설계에 실증적 근거를 제공한다.

This study investigates how urban space utilization is differentiated into structural types through the combination of cultural infrastructure configuration and digital tourism platform data, using a public data –based quantitative approach. Incheon Metropolitan City was selected as the study area, with its ten districts serving as the unit of analysis. Cluster analysis was conducted by integrating variables related to cultural infrastructure composition (ratios of performance and exhibition facilities), cultural experience outcomes (satisfaction with performance/music and exhibition/heritage), digital tourism activity (city tour connectivity), and representative cultural demand (annual number of visitors). To address the instability associated with the small sample size (N = 10), hierarchical clustering was applied in parallel to assess the robustness of the cluster structure. The results identify three types of urban space utilization: performance- and experience-oriented, exhibition- and heritage-oriented, and mixed. While cultural infrastructure configuration and experience outcomes played a central role in differentiating these types, digital tourism activity functioned as a supplementary mechanism that adjusted connectivity within existing utilization structures. This study contributes to urban and tourism research by extending city-scale spatial analysis through public data–based clustering.

Because the damages of corrosion resulting from the chloride ion are very serious, many research studies have been performed to measure the penetration depth of the chloride ion. However, there is a problem with data selection obtained from collection during experiments. After careful study, it appears that the collected data are not conformed to a normal distribution. The result of this study will play a very important role, as a first step for the development and construction of a forecasting system to help determine a reliable service lifetime of marine structures.

본 연구의 목적은 인공지능과 빅데이터의 도입으로 패션 산업에서 과학적 의사결정, 자동화, 맞춤화로 이어지는 혁신이 가속화되고 있다는 점에 주목하여, 패션 산업 내에서 인공지능 기술 활용에 대해 형성되고 있는 핵심 주제와 담론 구조를 파악하는 것이다. 대용량의 빅데이터 텍스트마이닝 방법을 통해 ‘인공지능+패 션’, ‘AI+패션’을 키워드로 데이터를 수집한 후, 빈도, TF-IDF, 워드 클라우드 시각화, N-gram, 토픽 모델링, 네트워크 시각화, CONCOR 분석을 수행하였다. 주요 연구 결과는 다음과 같다. 빈도 및 TF-IDF 분석 결과 ‘기술’, ‘이미지’, ‘디자인’, ‘브랜드’, ‘플랫폼’ 등의 단어가 핵심 키워드로 도출되었으며, 패션 산업에서 인공지 능이 시각적 이미지 생성, 디지털 디자인 및 마케팅, 그리고 플랫폼 비즈니스의 중심에 자리하고 있음을 확인 하였다. N-gram 분석 결과 ‘패션–브랜드’, ‘패션–디자인’, ‘이미지–생성’, ‘제품–추천’ 등이 높은 연결강도를 보였으며, 이는 인공지능 기술이 패션 브랜드 기획에서부터 디자인과 고객 경험 등 패션 가치사슬 전반에 통합적으로 활용되고 있음을 시사한다. LDA 토픽모델링 분석 결과 ‘기술 기반 디지털 패션 혁신’, ‘생성형 AI 디자인과 고객 맞춤형 커머스 확산’, ‘패션 산업 생태계의 기술적 재구성’, ‘패션 산업의 경제적 가치 확장 과 투자’, ‘기술·교육·문화 융합’을 포함한 5개 토픽을 도출하였다. CONCOR 분석 결과 ‘기술혁신’, ‘산업·비즈 니스 인프라’, ‘콘텐츠·마케팅’, ‘소비자·서비스’를 포함한 4개 군집을 도출하였다. 토픽모델링에서 도출한 주 제들과 CONCOR 분석의 네트워크 시각화와 군집구조 모두 인공지능 패션이 기술적 효율성에서 나아가 사회 적, 문화적 수용성으로 확장되고 있음을 반영하고 있었다. 본 연구의 결과는 인공지능 관련 기업의 비즈니스 전략 수립, 정부의 산업 정책 개발, 교육 기관의 교육과정 설계 등에서 기초자료로 활용될 수 있을 것이다.

This study aims to explore the core themes and discourse structures surrounding the use of artificial intelligence technologies in the fashion industry, focusing on how the adoption of AI and big data accelerates innovation through scientific decision-making, automation, and personalization. Large-scale text-mining techniques were employed to collect data with the keywords “AI + fashion” and “artificial intelligence + fashion.” Frequency, TF-IDF, word cloud visualization, N-gram, topic modeling, network visualization, and CONCOR analysis were conducted. The main findings are as follows. Frequency and TF-IDF analyses revealed core keywords such as “technology,” “image,” “design,” “brand,” and “platform,” indicating that AI in the fashion industry plays a central role in visual image generation, digital design and marketing, and platform-based business. The N-gram analysis showed strong associations such as “fashion–brand,” “fashion–design,” “image–generation,” and “product–recommendation,” suggesting that AI technologies are integrated throughout the fashion value chain from brand planning and design to customer experience. The LDA topic modeling analysis identified five topics: “technology-driven digital fashion innovation,” “diffusion of generative AI design and personalized commerce,” “technological restructuring of the fashion ecosystem,” “economic value expansion and investment in the fashion industry,” and “convergence of technology, education, and culture.” The CONCOR analysis produced four clusters: “technological innovation,” “industrial and business infrastructure,” “content and marketing,” and “consumer and service.” Both the thematic results of topic modeling and the network clusters derived from CONCOR analysis reflect the evolution of AI fashion from technological efficiency toward broader social and cultural acceptance. These findings could serve as foundational insights for planning AI-related strategies in business, developing industrial policies by governments, and designing academic curricula in higher education.

AM-heap is a heap data structure with O(1) amortized insertion time and O(logn) deletion time complexities. This paper presents cache-aligned 4-ary AM-heap in which every node has four children except that the root has three children. In this heap, the leftmost node of each sibling has an index of a multiple of four. Also, every node index matches its corresponding array index and every sibling nodes smoothly fits into a single cache block. Our experimental results show that cache-aligned 4-ary AM-heap is faster than AM-heap as well as post-order heap.

This paper investigates the problem of image restoration when the image is corrupted by Pepper-and-salt noise and proposes a new restoration algorithm based on quadtree data structures. The crucial parts of the algorithm are picking noise and fuzzy estimation, so that unlike some other usual denoising methods, it avoids blurring and averaging edges and non-noise pixels. This paper describes, analyzes and compares several methods and results of removing noise from image. Experimental results indicate that the new algorithm proposed by this paper is superior.

Cloud storage offers clients great convenience to relieve them from heavy burden of storage and management, so an increasing number of clients choose to outsource their data to remote cloud providers. However, for clients, this entails a sacrifice of actual control of these files. Remote servers may suffer from disk failure for uncertain reasons or even delete rarely accessed data to sell these storages to other clients. Therefore, there’s a great necessity for clients to make sure that their data are well stored in remote servers. Numbers of remote integrity checking (RIC) schemes are proposed to solve issues above, including following up work Provable Data Possession (PDP) and Proofs of Retrievability (PoR), which can be applied in cloud auditing. This paper presents state-of-the-art RIC schemes and makes a classification from the perspective of whether they support dynamic verifications, i.e., whether they can still be used to make verifications after clients modify, insert or delete files. In static verification schemes, we delve into the mechanisms and techniques used for integrity checking. For dynamic ones, we discuss the authentication structures that support dynamic operations. We also present several remarks to guide readers to a wide vision of data checking as conclusions and future work.

Coal structure not only is a significant physical parameter of the coal reservoirs, but also has an effect on the coalbed methane (CBM) productivity during coal mining. In this paper, the clustering method is used to evaluate the coal structures quantitatively. For better application on the identification process of the coal structures, the clustering method is modified twice by ascertaining initial clustering centers and calibrating Euclidean distances, respectively. The quantitative method was applied to evaluate coal structures in 16 CBM wells in the Zhengzhuang field, Southern Qinshui Basin, North China. Results show that coal structures by the twice modified clustering method has good accordance with that by the coring samples. Therefore, coal structure identification using clustering method with the aid of geophysical logging data is feasible in the study area. The thickness proportions of coal structures have positive/ negative relationships with the corresponding average logging data. The multiple linear regression method was employed to predict the thickness proportions of coal structures. The predicted results show that prediction models of thickness proportions of coal structures are feasible to predict the distribution of coal structures fast in spite of the limited errors.

학생들의 교과목 이수 실태는 교과목 편성과 이수체계의 문제를 도출하는데 유용한 자료가 될 수 있지만, 한국의 대학에서 대학생들이 졸업 전에 어떤 과목을 얼마나 이수하는지에 대한 실증 적인 연구결과는 거의 없다. 이에 본 연구에서는 서울소재 한 사립대학에서 졸업 때까지 이수한 전공 교과목과 교양 교과목을 분석하고, 전공별, 성별 과목선택의 특성을 파악하여 대학 교육과 정과 이수체계가 가진 문제와 시사점을 도출하고자 하였다. 이 대학 졸업생들의 교과목 이수 실 태 분석 결과 모든 단과대학 학생들은 단일 전공 교과목을 절반 가까이 이수하였고, 일부 단과대 학 학생들은 절반을 훨씬 넘는 교과목을 단일 전공에서 이수한 것으로 나타났다. 이수한 교양 교 과목 중에서 수학, 기초과학, 경제학, 통계학 등 전공기초 교과목으로 분류될 수 있는 교과목의 비율이 높아, 전공에 의한 교양과정의 잠식의 우려가 실재하고 있음을 나타냈다. 졸업생들이 이수 한 교양교과목 분석을 통해 타 학문영역보다는 자신의 전공과 인접한 학문영역의 교과목에 대한 선호와 수학 및 기초과학에 대한 기피가 있음도 확인하였다. 빠르게 변화하는 현대사회에서 학생 들이 성공적으로 적응하고 평생학습자로 살아가도록 하기 위해서서는 학생들이 단일 전공의 교 과목 수강에 지나치게 치중하는 것은 바람직하지 못하다. 따라서 대학은 전공교육의 개방성을 확 대하고, 타 학문 영역에 대한 접근성을 향상하기 위해 교양교육과정을 구성하고 이수체계를 구조 화할 필요가 있다. 이번 연구는 사립대학 한곳을 대상으로 진행한 것이어서 한국대학 전체로 일 반화하기에는 한계가 있으나 그간 학계에서 지적되어온 전공중심의 한국고등교육, 교양교육과정 의 구조적 한계 및 이를 심화하는 대학의 문화와 일맥상통하는 것이어서 나름의 의미를 가진다.

Every students are required to select certain credits of courses within a degree program prior to each semester. It is of great importance for higher education to provide well structured courses to maximize the study outcomes of each students during their degree programs. Thus the statistical data such as the course selection pattern of each students, the decision to change the programs and the selection of dual-diploma programs would provide important informations for higher education administrations to make better structured courses. However, unfortunately, such data are scarce. Here we analyzed students’ pattern of course preferences during their degree program. Our results showed that students selected more basic- and major-related courses rather than interdisciplinary classes. It is not desirable for students taking too many major-related courses to become a successful life-long learner in modern society. Thus higher educations needs to develop well structured courses by providing open-ended major courses and interdisciplinary courses. It should be cautious to generalize our results, which has been focused on the case of a private university. However, our data also represent the similar problems of the major centered Korean higher education and the structural limitations of the liberal arts curriculum.

대화적인 멀티미디어 시스템 구현에 있어, 실시간 가시화/시각화(visualization)는 중요한 기능을 한다. 된 논문은 실시간 지형 렌더링을 위한 효율적인 자료 구조와 알고리즘을 제안한다. 대개의 경우, 지형 데이터는 매우 방대한 크기를 가지고 있어서 있는 데이터를 그대로 실시간 렌더링하는 것은 불가능할 경우가 많다. 따라서 실시간 지형 렌더링에서는 LOD(Levels of Detail) 관리와 뷰 프러스텀 컬링이 핵심 사항이 된다. 본 논문은 계층적이면서도 간결한 지형 자료 구조, 신속한 뷰 프러스텀 컬링, 효율적인 LOD 구축 및 이에 기반한 렌더링 기법을 상세히 기술한다. 실험 결과, 제안된 기법은 일반 PC 사양에서 초당 22 프레임의 렌더링 속도를 보였다.

In implementing interactive multimedia systems, real-time visualization plays an important role. This paper presents efficient data structures and algorithms for real-time terrain navigation. Terrain data set is usually too huge to display as is. Therefore LOD (levels of detail) methods and view frustum culling are essential tools. This paper describes in detail compact hierarchical data structures, fast view frustum culling, and efficient LOD construction/rendering algorithms. Unlike previous works, we use a precise screen-space error metric for vertex removal and a strict error threshold allowing sub-pixel -sized errors only. Nevertheless, we can achieve 22 fps on average in a PC platform. The methods presented in this paper also satisfy almost all of the requirements for interactive real-time terrain Visualization.

PFFEM software, PFADS has been developed for the noise and vibration predictions and analysis of coupled system structures in medium-to-high frequency ranges. PFFEM is numerical method which solves energy governing equation using finite element technique for complicated structures where the exact solutions are not available. Through the upgrades, present PFADS R3 could cover the general beam and plate structures including various kinds of beam-plate rigid joints and other joint system; spring-damper or rigid body connection within beam and plate in addition. This software is composed of 3 parts; translator, model converter and solver. The translator makes its own FE-model from bulk data of commercial FE software, and the model converter is used to convert FE-model to PFFE-model automatically. The solver calculates vibrational energy density and intensity for PFFE-model by solving global matrix equations of PFFEM. For the applications of real transportation systems. a container model is examined with respect to major parameters, and reliable results are obtained.