Earticle

The increasing concentration of population in major metropolitan areas has led to population decline and a rise in underutilized land in surrounding cities. This demographic shift has resulted in a proliferation of vacant urban spaces, especially in shrinking cities, where a lack of management perpetuates pollution and exacerbates ecological degradation. To address these environmental challenges, this project aimed to restore the ecological functions of abandoned urban spaces through strategic design interventions. Overlay analyses of terrain, soil, and drainage were conducted to identify optimal intervention sites. Based on these analyses, a master plan was developed that integrates six types of wetland-based blue infrastructure: natural wetlands, vegetated swales, infiltration basins, plant islands, paddy field wetlands, and bio slopes. Pollution reduction for each model was quantified. Geodesign was used to systematically identify pollution sources and to design optimized solutions for maximum purification and storage efficiency. Application of the proposed model to the Han River catchment resulted in a 16-fold increase in stormwater retention during monsoons and a 4-fold increase during droughts. Pollution loads were reduced by 11% for BOD, 10% for total nitrogen, and 18% for total phosphorus. These results demonstrate that the proposed model effectively enhances ecological resilience and water quality management, while reducing unnecessary financial and time costs.

Big data has become viable as cost-effective approaches have emerged to tame the Volume, Velocity, Variety,Value (4Vs) of massive data. Within Big Data lies valuable patterns and information, previously hidden because of the tremendous amount of work required to extract them. Data-driven product design can guide designers making proper and accurate decisions, this design method is effective and useful, it becomes more and more popular today. Axiomatic design method is equally based on two design axioms of functional independency and information minimum, through “zigzag” decomposition, assigning design task to different design domains to complete design. This paper investigates how to apply Axiomatic design method in data-driven product design in order to bring new opportunities to enhance the production efficiency and product competitiveness.

The integration of efficient information-based systems characterizes one of the vital priorities of an Italian regional healthcare environment to meet its clinical, organizational, and managerial needs, especially after the COVID-19 pandemic. The current study proposes that the most likely approach to achieve an Italian regional healthcare system is to use a health level-7-based interoperable communication system implemented by an asynchronous communication infrastructure between healthcare sites. The proposed framework is a comprehensive and integrated management information systems (MIS) centered coordination at an Italian regional level that includes all categories of healthcare levels, including the interoperability concerns; that covers most of the needed elements and can work efficiently and effectively in a vast secure area network to safeguard data privacy and confidentiality of a local the patient. Another essential feature of the proposed framework system solution is that it creates interoperability and compatibility that can be simulated from one healthcare institution to another inside the Italian healthcare environment. In that case, joint interoperability and system-compatible messages can interrelate heterogeneous management-based information systems. In response to the COVID-19 situation in Italy, more than 50 different consortiums have submitted proposals directly to the Italian Government. It is believed that the proposed interoperability framework seems to be widely considered an acceptable solution to enhance information and communication technologies (ICT) developments in the healthcare sector in Italy. Furthermore, this study identifies some flaws inside the Italian healthcare sector with possible elucidations for further research.

본 연구는 객관적인 데이터 기반 방법을 통해 인간 중심 디자인 과정을 효과적으로 보완하는 디자인 프로세스를 제시한다. 즉, 주관적 방법에 의한 인간 중심 디자인 프로세스에서 결여되는 객관성이 데이터 기반 접근에 의해 보완되 어 숨겨진 사용자의 니즈를 효과적으로 발견하는 프로세스로 발전될 수 있다. 이에 본 연구에서는 설문조사 데이터 마이닝 분석 과정과 공동 디자인 프로세스가 접목된 인간 중심 디자인 프로세스를 제시하며, 스마트 난방복 사례연구를 통해 이를 검증한다. 설문조사 데이터 마이닝 분석 과정에서는 클러스터링과 의사결정 나무의 두 가지 분석 방법이 사용된다. 클러스터링은 타겟 그룹을 선정하는 기준이 되는 페르소나의 초안을 제시하며, 의사결정 나무는 제품 구매에 중요한 사용자 인식 속성 파악과 사용자 가치 체계를 일차적으로 제안한다. 이후 데이터 분석을 통해 얻어진 광범위한 관점에 대하여 타겟 그룹을 대표하는 사용자가 직접 참여하는 공동 디자인 프로세스가 수행되며 맞춤형 워크북을 이용 하여 신제품에 대한 사용자의 여정맵, 니즈, 아이디어, 가치 체계 등을 체계적으로 도출한다. 본 논문에서 수행한 스마 트 난방복 사례 연구는 제안된 방법론의 적용성을 보여주고 있다.

This research suggests a design process that effectively complements the human-centered design through an objective data-driven approach. The subjective human-centered design process can often lack objectivity and can be supplemented by the data-driven approaches to effectively discover hidden user needs. This research combines the data mining analysis with co-design process and verifies its applicability through the case study on the smart heating jacket. In the data mining process, the clustering can group the users which is the basis for selecting the target groups and the decision tree analysis primarily identifies the important user perception attributes and values. The broad point of view based on the data analysis is modified through the co-design process which is the deeper human-centered design process by using the developed workbook. In the co-design process, the journey maps, needs and pain points, ideas, values for the target user groups are identified and finalized. They can become the basis for starting new product development.

본 연구는 데이터 과학의 분석적 연구 방법을 디자인 연구에 활용할 수 있는 방법을 모색, 실증해봄으로써 빅데이터 기반의 디자인 분야에서 데이터 자원을 효과적으로 활용하고, 빅데이터 기술과 디자인이 상생 발전할 수 있는 디자인 연구 방향을 제시하였다. 본 연구의 방법은 먼저 고전적인 디자인 리서치의 방법들과 데이터를 활용한 디자인 리서치의 연구 방법론, 데이터 과학의 연구 방법론을 고찰하고 디자인과 데이터 과학의 선행연구들을 종합하여 데이터 과학의 연구 방법론과 디자인 프로세스를 통합하는 데이터 기반 디자인의 연구 방법론을 개발 제안하였다. 제안된 연구 모델은 데이터 기반 서비스 앱의 디자인 리서치 사례 연구를 수행하여 제안한 방법론의 적용 가능성을 살펴보았으며, 제시한 연구 방법의 적용을 위하여 데이터 큐레이션 방법에 대한 연구와 디자이너의 데이터 문해력 확보가 향후 연구과제로 도출되었다.

This study explores research methodologies of design and data science, and applies data science paradigm on design process. Design research methodologies would have benefits of productivity and efficiency by using data driven design methodology. From insights of former studies, a new methodology of data driven design is suggested that design problem is transformed to data set attributes, such as variables, values and data patterns. The fine dust information app design is conducted as a case study to prove this methodology.

신제품개발의 초기디자인단계는 제품개발관련 데이터 대부분을 처리하는 단계로 가장 중요하다. 하지만 초기데이터는 정성적 텍스트·이미지 형태이며, 초기단계의 본질적 불확실성·모호성으로 인해 가장 까다로운 단계 로 여겨진다. 초기데이터 처리를 지원하는 모델 연구가 지속적으로 이루어져왔지만, 실질적·실용적으로 해결하는 데는 한계가 있었다. 대부분이 활동 주도형 모델로써 산출되는 데이터는 상호연관성 없이 독립적으로 분리되어 존 재한다. 귀납추론을 이용한 탐색적 연구를 통해 시장, 사용자, 미학, 공학 각 영역의 초기디자인활동 간의 상호관 련성을 바탕으로 산출되는 데이터를 서로 추론할 수 있는 데이터 주도형 모델을 제시함으로써 보다 직관적으로 데이터 처리 및 결정을 지원하고자 한다. 또한 모델의 구조 및 작동방식을 수학적으로 추론한 이론적 개념 지침도 함께 제공하고자 한다.

Early design stages of new product development are the most crucial to process most of the product development-related data. However, since data in the early phases are normally in the form of qualitative text-image, and uncertainty-ambiguity are inherently embedded in the initial data, the initial stages are considered the most difficult to conduct. Although many studies on processing initial data using models have been dedicated, those have limitations. Most of the models are action-driven types and their data yielded tend to exist independently and separately with less correlation. With exploratory research using inductive reasoning, this study proposes a data-driven model wherein data can be inferred considering an interrelationship of initial design activities of 4 domains including the market, user, aesthetic and engineering, which leads to data processing-making more intuitively. In addition, this study suggested theoretical conceptual guidance deduced mathematically from the structure and operating mechanism of the model developed.

This study aims to identify categories for improvement and maintenance in neighborhood facilities by examining priorities and the relationship between importance and performance of both indoor and outdoor spaces using POE. To achieve this, we analyzed 302 responses (top 30% in terms of average space satisfaction) selected from 1,001 responses collected between 2022 and 2023, along with quantitative data related to site elements collected in 2024. First, through frequency analysis, spatial satisfaction in neighborhood facilities was higher in shapes other than irregular shapes, in sites with an area of 1,000㎡ or more, with fewer number of roads adjoining the site, when adjacent to a small road(So-ro) with the maximum road width, and when it is one-way traffic. Second, The rank of importance and the "Concentrate Here" areas for spatial satisfaction categories differ depending on the site shape, site area, number and width of adjoining roads, and traffic way patterns. Third, it implies the possibility of a decision-making tool necessary for building design by reflecting site elements and design requirements going with user satisfaction on an online platform that can be updated. It also shows the necessity for neighborhood facilities, for which a general methodology for design has not been established. This study is in the process of confirming the possibility and concreteness of an online platform that can be used as a tool to support decision-making in the early stages of architectural design based on user satisfaction. It is expected to be differentiated in that it can improve the lifespan and evaluation of buildings and the maintenance period of rental programs, and respects the role of architects.

4차 산업혁명 시대 핵심이 되는 제조 및 서비스를 포함한 다양한 분야에서 실세계의 물리적인 환경과 상호작용 가능 한 디지털 프로필을 기반으로 어떤 장비나 생산라인 등의 미래 상태를 예측하고 관리할 수 있도록 하는 디지털 트윈 기술이 주목을 받고 있다. 이에 따라 본 논문에서는 건설기계분야 디지털 트윈 모델을 제시하고, 디지털 트윈 기반 건설기계 자동화 플랫폼에 필요한 데이터 인터페이스 및 실시간 장비 및 부품 이상 유무 예측 시스템을 설계 하였 다. 지능형 차량관리서비스 플랫폼의 일부로서, 제안 시스템은 데이터 생성부터 예측 단계까지 크게 5개 모듈로 구 성하였으며, 분석된 결과로 건설기계의 실시간 이상 유무 판단 가능성을 확인할 수 있었다.

Various fields including manufacturing and services of emerging industry 4.0 era, digital twin technology that can manage and predict the future states of equipments or product lines by interacting with physical environments of real worlds is drawing attention. In this paper, we propose the digital twin data interface model and the method for the real-time fault prediction of construction equipments driven by digital twin. As a part of automotive intelligence service platform, our designed subsystem composed of five modules from data generation to rule-based prediction module, and we confirmed the proper operation of our data interface and real-time fault prediction system.

본 연구는 소프트웨어 정의 제품(Software Defined Product, SDP) 제조 환경에서 AI 기반 설계 자동화와 데이터 기반 운영 최적화 전략이 제품 개발 효율성과 운영 성능에 미치는 영향을 체계적으로 분석한다. 디지털 트윈 기반 시뮬레이션 환경을 구축하여 세 가지 전략(1) 기존 수동 설계, (2) AI 기반 설계 자동화, (3) AI 설계 자동화와 데이터 기반 운영 최적화 통합을 비교 분석하였다. 실험 결과, AI 기반 설계 자동화 전략은 제품 개발 기간을 평균 36개월에서 22개월로 약 39% 단축시켰으며, 설계 오류율을 12.4%에서 6.1%로 감소시켰다. AI 설계 자동화와 데이터 기반 운영 최적화를 통합한 전략에서는 개발 기간이 18개월까지 단축되고 시스템 안정성이 97.8%로 향상되었다. 더불어, 본 연구는 SDP 환경의 높은 네트워크 의존도에 따른 사이버 위협을 고려하여, 적대적 공격(Adversarial Attack) 방어 및 블록체인 기반 데이터 무결성 검증, 환경 변동성(노이즈, 지연)에 대한 강건성 평가를 수행함으로써 통합 전략의 보안적 신뢰성을 입증하였다. 본 연구의 결과는 스마트 제조 환경에서 AI 기반 통합 전략의 실질적인 성과와 보안적 활용 가치를 정량적으로 제시하며, 향후 산업 현장 적용을 위한 기반 연구에 활용이 가능하다.

This study systematically analyzes the impact of AI-based design automation and data-driven operational optimization strategies on product development efficiency and operational performance in a Software-Defined Product (SDP) manufacturing environment. Using a digital twin-based simulation environment, we compared and analyzed three strategies: (1) traditional manual design, (2) AI-based design automation, and (3) the integration of AI design automation and data-driven operational optimization. Experimental results showed that the AI-based design automation strategy shortened product development time by approximately 39%, from an average of 36 months to 22 months, and reduced the design error rate from 12.4% to 6.1%. A strategy that integrated AI design automation and data-driven operational optimization shortened development time by 18 months and improved system stability to 97.8%. Furthermore, considering the high network dependency and cyber threats in SDP environments, this study validated the security reliability of the integrated strategy by evaluating adversarial attack defense, blockchain-based data integrity verification, and robustness against environmental variability (noise, latency). The results quantitatively demonstrate the practical benefits and security applications of AI-based integrated strategies in a smart manufacturing environment.

본 연구는 대학 전공교육의 질 관리가 형식적인 지표 산출에 머무르는 한계를 극복하기 위해 데이터 거버넌스 기반 PDCA 환류 모델을 설계하고 T대학 내 3개 전공(컴퓨터공학, 에너지ㆍ전기, 미디어 디자인)을 대상으로 수행된 파일럿 테스트 사례를 분석하였다. 이를 위해 과정 추적법(Process Tracing)을 적용하여 시스템 로그 데이터와 심의ㆍ의결 문서의 연결 관계를 통해 진단 산출물이 공식 의사결정 절차를 거쳐 개선 조치로 공식화되는 작동 메커니즘을 규명하였다. 이에 따른 연구 결과는 다음과 같다. 첫째, T대학의 환류 모델은 행정적 성과관리 루프와 역량 모델 타당성을 검증하는 R&D 루프가 결합된 이중 순환(Dual-Loop) 구조로 설계되었다. 둘째, 에너지ㆍ전기공학 전공 사례 분석 결과 역량 진단 데이터(Check)가 공식 심의 기구의 의결을 거쳐 교육과정 개편 조치(Action)로 공식화되는 제도적 전환 메커니즘으로 작동하고 있었다. 이는 대학 전공역량 환류 체계가 공학 및 융합 분야에서 실질적인 교육 품질 개선을 이끄는 거버넌스 시스템으로 작동할 수 있음을 시사한다.

This study proposes a data-governance–based PDCA(Plan–Do–Check–Action) feedback model to address the limitation that quality management of major education in higher education often remains at the level of formal indicator production. Using a pilot implementation in three majors at T University(Computer Engineering, Energy and Electrical Engineering, and Media Design), we applied process tracing to examine how diagnostic outputs are translated into institutional decisions. System log data and formal deliberation and resolution documents were analyzed to reconstruct an evidence chain from competency diagnosis to improvement actions. The findings are as follows. First, the proposed model is designed as a dual-loop structure that integrates an administrative performance-management loop with an internal R&D loop for validating and refining the competency model. Second, an in-depth case from the Energy and Electrical Engineering major shows an institutional pathway in which diagnostic results (Check) are reviewed and approved through a formal decision gate, and subsequently articulated as curriculum-related improvement actions (Action). These results suggest that a major-competency feedback system can function as a governance mechanism for practical quality enhancement in engineering and interdisciplinary programs.

본 연구는 J 대학교 중어중문학과의 1학년 ｢한문의 이해｣와 4학년 ｢중국문자학｣ 전공 교과목에 프로젝트 기반 학습(PBL)과 디지털 인문학 방법론을 적용한 수업 사례를 분석하고, 그 교육적 효과를 고찰하는 데 목적이 있다. 두 수업 모두 전통적인 강의식 이론 학습을 선행한 뒤, 학습자가 주도하는 탐구 프로젝트를 수행하도록 설계되었으며, 디지털 플랫폼 활용과 전공 지식의 데이터화를 핵심 운영 축으로 삼았다. 본 연구의 두 사례는 전공 지식의 특성에 맞춘 데이터화 방식과 미디어위키 기반 공개 협업 및 데이터 표준화를 중심으로 구성된 수업 설계가 실제 교과 맥락에서 어떻게 구현될 수 있는지를 보여준다. 이러한 설계는 디지털 전환 시대에 인문학 교육이 전통 지식을 동시대의 분석 언어로 재해석하고, 학습자의 데이터 전환 역량을 배양하는 실천적 모델로서의 가능성을 보여준다.

This study analyzes two course implementations in J University’s Department of Chinese Language and Literature?the first-year Understanding Classical Chinese and the fourth-year Chinese Character Studies?that apply project?based learning (PBL) and digital?humanities methods, with the aim of examining their educational effects. In both courses, a front?loaded lecture phase was followed by student?led inquiry projects, and the instructional design centered on the use of a digital collaboration platform (MediaWiki) and the datafication of domain knowledge. The two cases exemplify three design principles: (1) tailoring datafication strategies to disciplinary content?text analysis in the introductory course versus dataset construction with ontology modeling in the advanced course; (2) coupling open collaboration with data standardization; and (3) conducting relational interpretation through ontology design and network visualization. These choices demonstrate a practical model for humanities education in the era of digital transformation, one that rearticulates classical knowledge in a contemporary analytic language (data) while cultivating students’ competencies in data transformation.

4세대 연구 패러다임의 도래와 함께 데이터가 연구의 중심이 되었고, 인공지능(AI)에 대한 연구가 활발히 진행되면서 데이터의 중요성이 심화되고 있다. 인공지능 기술을 다양한 분야에 적용하려는 노력이 증가하고 있으며, 다양한 분야의 데이터를 다루기 위한 융합 연구의 필요성이 높아지고 있다. 본 논문에서는 융합 연구 플랫폼에서 데이터를 분석 및 활용하는데 필요한 메타데이터를 정의하고 다양한 분야에서 데이터 기반 융합 연구를 지원한다.

본 연구는 인공지능(AI)과 빅데이터 기술을 활용하여 대학생을 위한 실용적인 경제교육 모델로서 암호화폐 자동매매 시스템을 제안한다. 디지털 금융 환경 속에서 대학생들은 모바일 결제 및 가상자산 투자 등 다양한 금융 도구를 접하고 있으나, 이에 대한 체계적인 교육은 부족한 실정이다. 본 논문은 딥러닝 기반의 LSTM(Long Short-Term Memory) 모델을 활용해 암호화폐의 종가를 예측하고, 예측 결과를 바탕으로 자동매매 로직을 구현하였다. 해당 시스템은 텔레그램 API와 연동하여 실시간 알림 기능을 제공함으로써 사용자와의 상호작용성과 투명성을 높이고, STPT 종목을 대상으로 20% 이상의 수익률과 안정적인 리스크 관리를 함으로써 경제교육에서 실습 기반 학습 자료로 활용될 수 있는 가능성을 시사한다. 본 연구는 AI 기반 경제교육이 단순 이론 중심에서 벗어나 실제 투자 시뮬레이션을 통한 학습 경험으로 확장될 수 있음을 보여주며, 향후 교육정책 및 커리큘럼 개발에 기여할 수 있는 기초 자료로 활용될 수 있다.

This study presents a practical financial education model for university students through the development of an AI- and big data-driven automated cryptocurrency trading system. Despite growing engagement with digital financial tools such as mobile payments and virtual asset investments, students often lack access to structured financial education. To address this gap, the proposed system employs a deep learning-based Long Short-Term Memory (LSTM) model to predict cryptocurrency closing prices and execute automated trades. The system is further integrated with the Telegram API to facilitate real-time notifications, enhancing user interactivity and system transparency. Experimental validation using the STPT token yielded returns exceeding 20%, alongside effective risk management, highlighting its potential as a hands-on educational tool. The findings suggest that AI-based financial education can extend beyond theoretical instruction, offering experiential learning through investment simulation and informing future curriculum and policy development.

This study designs, develops, and validates an AI-based Data-Driven Learning (DDL) web tool for elementary English learners and teachers. While DDL has shown strong pedagogical benefits through corpus-based inductive learning, its use in elementary contexts remains limited due to learners’ low proficiency, cognitive constraints, limited corpus access, and the complexity of existing tools. Meanwhile, artificial intelligence (AI) offers new opportunities but raises concerns regarding reliability, control, and ethics. To address these issues, this study proposes a controlled AI-based DDL tool (AIDDL) that maintains core DDL principles while ensuring learner appropriateness and instructional control. Using a designbased research approach, iterative cycles of design, implementation, analysis, and revision were conducted. AI-DDL was developed based on four principles: exploratory learning support, curriculum alignment, controlled AI use, and learnerfriendly design. It integrates textbook-based corpus data with selectively generated AI content. Key features include concordance exploration, collocation mapping, inference prompts, and storage and review functions. Evaluation by 11 experts showed high design validity (M = 4.69) and usability (M = 4.56). Revisions improved interface clarity, level adjustment, and system stability. The findings imply that AI-DDL is pedagogically sound and practically applicable, offering a viable model for controlled AI integration in elementary language learning

과거의 조형중심, 시스템 중심의 디자인에서 점차적으로 사용자를 배려하는 디자인 철학이 반영된 사용자 중심 디자인으로 패러다임이 변화하고, 특히 어떤 제품이나 서비스를 사용하는데 있어 최적의 경험을 제공하는 것을 목적으로 하는 UX디자인(User eXperience Design)의 중요성이 크게 인식되고 있다. 본 논문에서는 IoT시대에서 UX디자인이 고려해야할 변화 중에서 웨어러블의 기능에 영향이 적은 데이터를 기반으로 한 디자인 부분에 접근해 보았다. 다양하고 많은 데이터를 가진 기존 소셜커머스 앱의 레이아웃이 IoT디바이스의 인터페이스에서도 데이터 기반의 레이아웃과 유사하다고 생각하였다. 데이터 기반 앱을 모델로 레이아웃을 분석하여 UX디자인 의 구조를 정리하였다.

Design of the past focusing on molding and system is gradually changed into design focusing on users that reflects design philosophy considering users, and especially, the importance of User Experience Design that is to offer the best experience in using some products or services is realized. This study accessed design based on data having a low effect on function of wearable among changes that UX Design should consider in IoT generation. I think the data is diverse and many existing social commerce app, similar to the layout of the data in IoT devices based on the layout of the interface.Apps that data based model to analyze the layout. and the structure of the UX design were summarized.

본 연구는 대학 전공설계 지원의 패러다임을 단순 정보 탐색 지원에서 학습자의 실질적 의사결정을 돕는 가치 코칭(Value Coaching)으로 전환하기 위해, 데이터 기반 AI-학사지도교수 협업 상담 모형을 제안한다. 선행 연구(노들, 2026)를 통해 도출된 학습자 요구를 바탕으로, Shostack(1984)의 서비스 블루프린트 기법을 적용하여 상담 프로세스를 시각화 및 구조화하였다. 개발된 모형은 ① AI 기반 사전 진단, ② 학사지도교수 심층 코칭, ③ 데이터 기반 사후 관리의 3단계 순환 구조를 갖는다. 특히 본 모형은 생성형 AI가 비정형 데이터 분석과 정보 큐레이션을 전담하여 효율성을 높이고, 학사지도교수는 학생의 심리적 장벽 해소와 가치 판단(Value Judgment)에 집중하는 상호 보완적 협업 메커니즘을 핵심으로 한다. 전문가 5인을 대상으로 한 타당도 검증 결과, 평균 내용 타당도 지수(S-CVI)는 0.90으로 나타났으며, 이는 모형의 내용 타당성이 양호하고 대학 학사지도 맥락에서의 적용 가능성이 있음을 시사한다. 본 연구는 기술과 인간의 협업을 통해 상담의 질적 고도화 방향을 제시하고, 에듀테크 시대에 부합하는 새로운 학사지도 모델을 제안했다는 점에서 의의가 있다.

As the flexibility of academic structures and the admission of undeclared majors expand in higher education, students increasingly face confusion regarding major selection and career planning. However, existing counseling systems often suffer from manpower shortages and information asymmetry, limiting their ability to provide personalized support. To address these challenges, this study proposes a ‘Data-Driven AI-Academic Advisor Collaboration Model’ designed to shift the paradigm of major design support from simple ‘information search’ assistance to ‘value coaching’ that aids students’ practical decision-making. Based on specific learner needs?such as the ‘conflict type’?identified in prior research (Ro, 2026), the entire advising process was visualized and structured using Shostack’s (1984) Service Blueprint methodology. The developed model features a comprehensive three-stage cyclical structure: (1) AI-based pre-diagnosis, where generative AI analyzes unstructured queries and integrates academic data to generate preliminary reports; (2) In-depth expert coaching, where academic advisors utilize these insights to resolve psychological barriers and facilitate value-based judgments; and (3) Data-driven post-management, which provides continuous monitoring and ‘nudge’ notifications to ensure plan adherence. Content validity verification conducted with a panel of five experts yielded a Scale-Content Validity Index (S-CVI) of 0.90, confirming the model’s high validity and field applicability. Ultimately, this study is significant as it demonstrates how human-AI collaboration can overcome the structural limitations of traditional counseling, offering a practical, scalable alternative for the EdTech era that enhances both administrative efficiency and student success.

It gradually becomes important to study on how to efficiently integrate and manage plant lifecycle data such as 2D schematic and 3D solid data, logical configuration data, and equipment specifications data. From this point of view, converting plant design data from various systems into neutral data independent from any commercial systems is one of important technologies for the operation and management of plants which usually have a very long period of life. In order to achieve this goal, a neutral model for efficient integration and management of plant data was defined. After schema mapping between one of specification-driven plant design systems and the neutral model was performed, a plant data translator is also implemented according to the mapping result. Finally, by experiments with nuclear power plant design, the feasibility of the translator was demonstrated.