뉴스 기사의 정치 분야는 보수, 진보와 같이 양극화된 편향적 특성이 존재하며 이를 정치적 편향성이라고 한다. 뉴스 기사로부터 편향성 문제를 분류하기 위해 키워드 기반의 학습 데이터를 구축하였다. 대부분의 임베딩 연구에서는 미등록어로 인한 문제를 완화시키기 위해 형태소 단위로 문장을 구성한다. 본 논문에서는 문장을 언어 모델에 의해 세부적으로 분할하는 부분 단어로 문장을 구성할 경우 미등록어 수가 감소할 것이라 예상하였다. 부분 단어 토큰화 기법을 이용한 문서 임베딩 모델을 제안하며 이를 SVM과 전방향 뉴럴 네트워크 구조에 적용하여 정치적 편향성 분류 실험을 진행하였다. 형태소 토큰화 기법을 이용한 문서 임베딩 모델과 비교 실험한 결과, 부분 단어 토큰화 기법을 이용한 문서 임베딩 모델이 78.22%로 가장 높은 정확도를 보였으며 부분 단어 토큰화를 통해 미등록어 수가 감소되는 것을 확인하였다. 분류 실험에서 가장 성능이 좋은 임베딩 모델을 이용하여 정치적 인물을 기반한 어휘를 추출하였으며 각 성향의 정치적 인물 벡터와의 평균 유사도를 통해 어휘의 편향성을 검증하였다.

생성적 적대 신경망(Generative Adversarial Networks, GANs)은 컴퓨터 비전 분야와 관련 분야에서 큰 인기를 얻었으나, 아직까지는 오디오 신호를 직접적으로 생성하는 GAN이 제시되지 못했다. 오디오 신호는 이미지와 다르게 이산 값으로 구성된 생플링된 신호이므로, 이미지 생성에 널리 사용되는 CNN 구조로 학습하기 어렵다. 이러한 제약을 해결하고자, 최근 GAN 연구자들은 오디오 신호의 시간-주파수 표현을 기존 이미지 생성 GAN에 적용하는 전략을 제안했다. 본 논문은 이 전략을 따르면서 GAN을 사용해 생성된 오디오 신호의 충실도를 높이기 위한 개선된 방법을 제안한다. 본 방법은 공개된 스피치 데이터세트를 사용해 검증했으며, 프레쳇 인셉션 거리(Frechet Inception Distance, FID)를 사용해 평가했다. 기존의 최신(state-of-the-art) 방법은 11.973의 FID를, 본 연구에서 제안하는 방법은 10.504의 FID를 보였다(FID가 낮을수록 충실도는 높다).

최근 교육 분야에서는 가상현실 기술을 교육현장에 접목하여 교육 매체로 사용을 하고자 하는 시도들이 다양하게 진행되고 있다. 이에 과학교과 방면에서도 가상현실 환경 구축 기술을 이용하여 공간 및 상황 등의 여러 제한에서 벗어나 보다 다양하고 활동적인 실험을 할 수 있는 과학 실험 시뮬레이션을 필요로 하고 있다. 본 연구에서는 과학교과 중 물리 과목을 선택하여 물리 현상 중 하나인 포물선 운동 공식을 활용한 실험 시뮬레이션을 가상현실 공간에 구현한 뒤, 융합인재교육(STEAM) 이론의 학습 준거를 기준으로 실제 물리 교육에 활용이 가능함을 증명하였다. 이를 통해 가상현실 공간을 활용한 구체적인 교육 모형을 설계할 수 있음을 확인하였고, 전통적인 교육 모형과 현대적 기술의 접목으로 여러 교과에서 보다 효과적인 학습 방법으로 교육을 진행할 수 있음을 보여준다. 연구 결과와 관련하여 향후 연구 방안 및 실제 교육현장에서의 활용 가능성을 시사한다.

실시간 화상교육은 원격지에서 강의자와 학습자의 면대면 교육을 대체하는 효과적인 수업 운영방식으로 활용되고 있다. 하지만 기존의 영상통화 및 화상회의 시스템을 활용하는 형태가 주를 이루고 있으며 이는 영상을 통한 강의에 치중하게 되어 어학교육에서 효과성을 보이고 있다. 그러나 그 외의 교육에서는 활용도가 미비한 실정이다. 최근 코로나로 인해 영상 중심의 화상 교육이 있으면서 화상 회의 시스템이 가지는 영상 중심 화상교육의 제한점을 개선하여 강의자와 학습 참여자 모두에게 수업 중 활용할 수 있는 기능을 제공한다. 본 논문에서는 수학교육에서 효과성을 향상시킬 수 있는 실시간 화상 시스템의 설계 모델을 제시한다.

4차 산업 혁명 시대의 도래에 따라 직업 환경의 변화가 가속화되고 있으며, 이와 함께 교육의 패러다임이 자유학기제와 고교학점제에 바탕을 둔 진로교육을 중심으로 변화하고 있다. 하지만, 학생들의 자율적인 진로 탐색을 지향하는 자유학기제 및 고교학점제의 정책적 목표와 달리, 진로교육 콘텐츠의 개발과 이용에 있어 교사 및 학생들의 한계가 존재하고, 이를 뒷받침할 에듀테크 기술 연구 역시 상대적으로 부족한 실정이다. 따라서 본 연구는, 교육 현장에서의 진로교육 실태를 바탕으로, 에듀테크 기술이 교과연계 진로교육과 관련해 갖춰야 할 요구조건을 세 가지로 정의하였다. 다음으로 데이터 기반 인공지능 기술을 통해, 진로탐색용 탐구주제와 고교 과목, 그리고 대학에서 수학 가능한 전공을 아우를 수 있는 데이터 시스템 및 인공지능 추천 모델을 제안하였다. 마지막으로 실험을 통해, 셋 인코딩-디코딩 기반 인공지능 추천 모델이 진로교육 콘텐츠 추천에서 만족할 만한 성능을 보이는 것을 확인하였고, 교육 현장에서의 실제 적용 결과 또한 만족스럽다는 것을 확인하였다.