2025년 2월 3일부터 7월 31일까지 실시된 실태조사에 적극적으로 참여해주신 교수님들께 진심으로 감사드립니다. 인문사회분야 비전임 연구자 실태조사는 비전임 연구자의 지속가능한 연구 생태계 조성을 위한 기초자료 확보 및 정책 수립 근거 마련을 목적으로 진행된 전국 단위의 대규모 설문조사로 총 1,795분이 참여해주셨습니다. 참여자의 응답 데이터를 기반으로 정량 및 정성 분석을 병행한 분석보고서는 아래 링크를 클릭하시거나 학술연구교수 성과확산센터 웹페이지에서 확인하실 수 있습니다.
🌈 인문사회학술연구교수 연구 환경 분석 및 실태조사를 진행하고 있습니다! (~26.06.30(화)마감)
성과확산센터에서는 인문사회학술연구교수(A유형) 지원의 효과성 분석 및 개선사항 도출 등을 통해 사업 발전 환류체계를 마련하기 위해 온라인 실태조사를 진행하고 있습니다. 설문조사는 학술연구교수 제도의 실효성 증대와 안정화를 위한 기반 자료로 활용될 예정입니다. 본 설문조사는 개인정보를 철저히 보호하며 성명, 소속, 성별, 나이 등의 정보는 설문조사의 유무를 확인하고 정보 분석하는 용도로만 사용됩니다. 많은 참여 부탁드립니다.
우수 연구자메뉴에서는 학술연구교수를 대상으로 매월 발송하는 뉴스레터에서 텍스트로만 소개하던 우수연구자 관련 정보를 AI 플랫폼을 통해 생성한 동영상으로도 볼 수 있습니다. 우수연구자로 선정된 연구교수의 연구 히스토리와 관심 영역 그리고 주요 성과물에 관한 내용을 더욱 입체적으로 살펴볼 수 있습니다.
우수 연구자는 성과확산센터 웹페이지 상단 메뉴에서 네트워크 하위 카테고리의 우수연구자를 클릭하면 언제 어디서나 관련 내용을 확인할 수 있고, 현재 웹페이지 내의 최신 소식 또는 우수연구자 카테고리를 클릭하면 관련 페이지로 이동합니다.
우수 연구성과물 메뉴에서는 연구교수 선정 이후 학회 우수논문, 우수 학술도서 선정, 연구재단 우수연구 선정, SCI 논문 등재, KMOOC 단독 강의 등의 연구성과 관련 정보를 확인할 수 있습니다. 우수 연구성과물 메뉴 신설은 연구교수님들의 우수한 연구성과를 홍보, 확산시키기 위해 만들었으며, 앞으로도 연구교수님들의 우수한 연구성과물을 꾸준히 소개해 드릴 예정입니다.
우수 연구성과물은 성과확산센터 웹페이지 상단 메뉴에서 네트워크 하위 카테고리의 우수연구성과물을 클릭하면 언제 어디서나 관련 내용을 확인할 수 있습니다.
우수 연구성과가 있으신 분은 성과를 증빙할 수 있는 서류와 함께 성과에 대한 소개문(300자 정도)을 성과확산센터 담당자에게 전자우편으로 전달하시면 성과확산센터에서 선별하여 소개영상으로 제작한 후 웹플랫폼과 Youtube에서 서비스해 나갈 것입니다. (우수연구성과물 관련 담당자 홍현지, hjhong789@gmail.com)
우수연구자 와 우수 연구성과물 메뉴에 대한 연구교수님의 많은 관심과 참여 부탁드립니다.
*우수 연구성과물 증빙을 위해 해당 사실을 통보받은 공문이나 상장을 함께 보내주셔야 합니다.
메타설명: AI를 활용한 고대 도시 구조 분석의 혁신적 방법론을 소개합니다. 지리학적 인문학 연구의 새 지평을 열어보세요. 지금 바로 최신 기술을 적용해보세요!
“로마는 하루아침에 이루어지지 않았다”는 말이 있습니다. 그렇다면 고대 도시들은 어떻게 형성되고 발전했을까요? 최근 AI 기술의 발전으로 이 오랜 의문에 새로운 접근이 가능해졌습니다. 본 글에서는 AI를 활용한 고대 도시 구조 분석의 혁신적 방법론을 소개합니다. 이 방법론은 고고학, 역사학, 지리학을 아우르는 학제간 연구를 가능케 하며, 과거 인류의 도시 계획과 생활상을 더욱 정확히 이해할 수 있게 해줍니다. 우리는 AI가 어떻게 고대 도시의 미스터리를 풀어가는지, 그리고 이를 통해 현대 도시 계획에 어떤 통찰을 얻을 수 있는지 살펴볼 것입니다. 지리학적 인문학 연구의 새로운 지평을 함께 열어보시겠습니까?
위성 이미지 분석의 중요성과 활용 분야
위성 이미지 분석은 현대 과학 기술의 핵심 분야로 자리잡고 있습니다. 이 기술은 지구 관측, 환경 모니터링, 도시 계획 등 다양한 분야에서 활용되고 있습니다. 특히 최근에는 딥러닝(Deep Learning) 기술의 발전으로 위성 이미지 분석의 정확도와 효율성이 크게 향상되었습니다.
위성 이미지 분석의 주요 활용 분야는 다음과 같습니다:
1. 농업: 작물 생육 상태 모니터링, 수확량 예측
2. 도시 계획: 토지 이용 변화 탐지, 도시 확장 분석
3. 재난 관리: 자연 재해 피해 평가, 구호 활동 지원
4. 환경 보호: 산림 파괴 감시, 해양 오염 탐지
5. 국토 안보: 국경 감시, 군사 시설 모니터링
이러한 분야에서 딥러닝 기술은 위성 이미지의 자동 분류, 객체 탐지, 변화 감지 등을 가능하게 합니다. 예를 들어, 합성곱 신경망(Convolutional Neural Network, CNN)을 활용하여 위성 이미지에서 도로, 건물, 농경지 등을 자동으로 분류할 수 있습니다 (He et al., 2016).
최근 연구에 따르면, 딥러닝을 활용한 위성 이미지 분석의 정확도는 90% 이상에 달하며, 이는 전통적인 방법보다 15-20% 높은 수준입니다 (Zhang et al., 2020). 이러한 높은 정확도는 정책 결정자들과 연구자들에게 신뢰할 수 있는 데이터를 제공합니다.
위성 이미지 분석의 미래는 더욱 밝습니다. 초고해상도 위성의 등장과 AI 기술의 발전으로, 앞으로는 실시간 도시 변화 탐지, 개별 나무 수준의 산림 모니터링 등이 가능해질 전망입니다. 이는 지속 가능한 발전과 환경 보호에 크게 기여할 것입니다. 🌍🛰️
딥러닝 모델의 종류와 특징
딥러닝 모델은 위성 이미지 분석에서 핵심적인 역할을 합니다. 각 모델은 고유한 특징과 장단점을 가지고 있어, 분석 목적에 따라 적절한 모델을 선택하는 것이 중요합니다. 주요 딥러닝 모델과 그 특징은 다음과 같습니다:
이러한 모델들은 각각의 장점을 살려 다양한 위성 이미지 분석 과제에 적용됩니다. 예를 들어, Ronneberger et al. (2015)이 제안한 U-Net은 의료 이미지 세그멘테이션에서 시작되었지만, 현재는 위성 이미지의 토지 피복 분류에서도 뛰어난 성능을 보이고 있습니다.
최근에는 이러한 모델들을 결합하거나 변형하여 더 나은 성능을 얻는 연구도 활발히 진행되고 있습니다. 예를 들어, CNN과 RNN을 결합한 ConvLSTM 모델은 시공간 데이터 분석에 효과적이며, 이를 통해 농작물 수확량 예측의 정확도를 크게 향상시켰습니다 (Wang et al., 2019).
연구자들은 이러한 다양한 모델들을 이해하고, 각 모델의 특징을 파악하여 자신의 연구 목적에 가장 적합한 모델을 선택하거나 새로운 모델을 개발하는 것이 중요합니다. 딥러닝 모델의 선택과 최적화는 위성 이미지 분석의 성공을 좌우하는 핵심 요소입니다. 🧠🔬
데이터 전처리 및 증강 기법
위성 이미지 분석에서 데이터 전처리와 증강은 모델의 성능을 크게 향상시키는 중요한 단계입니다. 이 과정은 원본 데이터를 모델이 효과적으로 학습할 수 있는 형태로 변환하고, 데이터의 양과 다양성을 인위적으로 증가시키는 것을 포함합니다.
데이터 전처리 기법
1. 정규화 (Normalization)
• 목적: 데이터 스케일 통일
• 방법: Min-Max 스케일링, Z-점수 정규화
• 효과: 모델 학습 속도 향상, 수렴 안정성 개선
2. 기하학적 보정 (Geometric Correction)
• 목적: 위성 이미지의 왜곡 보정
• 방법: 지상기준점(GCP) 활용, 정사보정
• 효과: 정확한 공간 정보 제공
3. 대기 보정 (Atmospheric Correction)
• 목적: 대기에 의한 영향 제거
• 방법: Dark Object Subtraction (DOS), FLAASH
• 효과: 반사율 정보의 정확도 향상
4. 노이즈 제거 (Noise Reduction)
• 목적: 이미지 품질 개선
• 방법: 중간값 필터, 가우시안 필터
• 효과: 모델의 일반화 성능 향상
데이터 증강 기법
1. 기하학적 변환
• 방법: 회전, 반전, 크롭핑, 확대/축소
• 효과: 모델의 공간 불변성 학습
2. 색상 변환
• 방법: 밝기 조정, 대비 변경, 색상 지터링
• 효과: 다양한 조명 조건에 대한 적응력 향상
3. 노이즈 추가
• 방법: 가우시안 노이즈, 솔트앤페퍼 노이즈
• 효과: 모델의 강건성 증가
4. 혼합 기법 (Mixup, CutMix)
• 방법: 여러 이미지를 조합하여 새로운 샘플 생성
• 효과: 과적합 감소, 일반화 성능 향상
5. 생성적 모델 활용
• 방법: GAN을 이용한 합성 이미지 생성
• 효과: 데이터셋 다양성 증가, 희소 클래스 보강
이러한 전처리 및 증강 기법들은 모델의 성능을 크게 향상시킬 수 있습니다. 예를 들어, Shunping et al. (2018)의 연구에서는 데이터 증강 기법을 적용하여 건물 탐지 정확도를 5-10% 향상시켰습니다.
그러나 주의할 점은, 과도한 데이터 증강은 오히려 모델의 성능을 저하시킬 수 있다는 것입니다. 따라서 연구 목적과 데이터 특성에 맞는 적절한 전처리 및 증강 기법을 선택하는 것이 중요합니다.
또한, 최근에는 AutoML 기술을 활용하여 최적의 데이터 증강 파이프라인을 자동으로 찾는 연구도 진행되고 있습니다 (Cubuk et al., 2019). 이는 연구자들이 더욱 효율적으로 데이터 전처리 및 증강 과정을 최적화할 수 있게 해줍니다. 🔧🔬
성능 평가 및 해석 방법
딥러닝을 활용한 위성 이미지 분석 모델의 성능 평가와 해석은 모델의 신뢰성과 실용성을 확보하는 데 필수적입니다. 이 과정은 모델의 정확도를 측정하고, 모델의 의사 결정 과정을 이해하는 것을 포함합니다.
성능 평가 지표
1. 분류 작업 (Classification)
• 정확도 (Accuracy): 전체 예측 중 올바른 예측의 비율
• 정밀도 (Precision): 양성으로 예측한 것 중 실제 양성의 비율
• 재현율 (Recall): 실제 양성 중 양성으로 예측한 비율
• F1 점수: 정밀도와 재현율의 조화 평균
• ROC 곡선과 AUC: 이진 분류기의 성능을 시각화하고 수치화
2. 세그멘테이션 작업 (Segmentation)
• IoU (Intersection over Union): 예측 영역과 실제 영역의 겹침 정도
• Dice 계수: 세그멘테이션의 유사도를 측정
• 평균 정밀도 (mAP): 여러 클래스에 대한 평균 정밀도
3. 객체 탐지 작업 (Object Detection)
• AP (Average Precision): 각 객체 클래스에 대한 정밀도-재현율 곡선 아래 면적
이러한 평가 및 해석 방법들은 모델의 성능을 정량적으로 측정하고, 모델의 의사 결정 과정을 이해하는 데 도움을 줍니다.
#결론
AI 기반 지리학적 인문학 연구는 고대 도시의 구조를 이해하는 새로운 창을 열었습니다. 위성 이미지 분석, 자연어 처리, 3D 모델링 등 다양한 기술의 융합은 과거 인류의 도시 계획과 생활상을 더욱 정확히 복원할 수 있게 해주었습니다. 이러한 연구 방법론은 고고학, 역사학, 도시 공학 등 다양한 분야에 혁신적인 통찰을 제공합니다. 앞으로 AI 기술의 발전과 함께, 우리는 과거 도시의 미스터리를 더욱 깊이 이해하고, 이를 통해 미래 도시 계획에 귀중한 교훈을 얻을 수 있을 것입니다. 여러분도 이 흥미진진한 연구 여정에 동참해보시는 것은 어떨까요?
성과확산센터 웹페이지 【AI ISSUE】에 발행된 글입니다. AI 프롬프트로 생성된 이미지와 글들을 만나보실 수 있습니다.
AI 기사 | AI와 교육
“AI 교육, 조감도는 있는데 설계도가 없다…강의실이 바뀌려면 교수자가 바뀌어야”
해당 전공자가 자기 전공에 맞는 AI 활용 가르쳐야 | 우선은 교수학습지원센터 프로그램 재설계가 우선 | 권역별로 집중교육을 하고 그 인력을 대학에 파견
📣 인문사회학술연구교수(A유형)는 "연구성과 확산 활동" 의무가 있습니다.논문, 학술발표, 저술 활동, 수상 및 기사 보도와 오프라인 강의 뿐아니라 온라인 강의 연구 성과물에 대한 많은 관심과 지속적인 연구를 부탁드립니다.
▶️ 한국연구재단: e-R&D 시스템을 통한 결과보고서 및 성과물 제출(기간 종료 후 6개월 이내)
▶️ 성과확산센터: 연구성과 발생 시 이메일로 제출(담당자가 아카이브에 반영)
➡️ 담당자 이메일: hjhong789@gmail.com(홍현지 연구원)
우수 연구자 | 전동진
전동진 교수님을 소개합니다!
전동진 교수님은 전남대학교 국어국문학과를 졸업하고 같은 대학원에서 『1930년대 시의 시간성과 서정성 연구』로 박사학위를 취득하였습니다. 현재 전남대학교 인문학연구소 학술연구교수로 「포스트코로나 시대에서 한국 서정시의 위상적 역할 연구」를 주제로 연구를 수행하고 있습니다. 관련 논문으로 「오월정신과 의미의 삶 - 빅터 프랭클의 로고테라피를 통해」, 「김수영 시에 표상한 생활세계와 시적 주체의 객체성 - 「공자의 생활난」을 중심으로」, 「변곡의 시학- 박성룡 시의 풀잎과 이슬 그리고 행성 상상력」, 「김수영 시의 행성상상력 - 「달나라의 장난」을 중심으로」, 「위상-변증 시학 시론(試論)― 김수영의 「풀」을 중심으로」, 등이 있고, 『김수영과 비트겐슈타인 : 팬데믹 이후의 생활세계』(2024), 『메타인문학&메타인문학어휘사전』(2026) 등의 단독 저서가 있습니다.
전동진 교수님의단독 저서인 『메타인문학&메타인문학 어휘사전』은 기술·데이터·비인간 존재가 인간의 경계를 재편하는 오늘의 세계에서, 인문학이 무엇을 할 수 있는지를 묻고 그에 대한 하나의 실천적 응답을 제시합니다. 책은 다섯 개의 핵심 개념군을 중심으로 구성됩니다. 메타언어학은 언어와 의미의 자기반영적 구조를 탐구하고, 메타시학/서사학은 시와 서사가 스스로를 드러내는 방식을 분석합니다. 메타윤리는 기술과 데이터 시대의 책임 있는 삶과 글쓰기를 사유하며, 메타기술성은 인간과 기술의 관계를 존재론적·미학적으로 재해석합니다. 마지막으로 메타스타일은 감정·윤리·철학이 교차하는 지점에서 새로운 글쓰기와 삶의 형식을 제시합니다. 전동진 교수님이 5년간 수행한 국가 지원 연구 ‘코로나 이후 서정시의 위상적 역할’의 성과를 바탕으로 집필된 본 도서는 인공지능과의 협업을 통해 집필과 퇴고가 이루어졌다는 점에서, 인간과 기술이 공존하는 새로운 글쓰기 실천의 사례로 인문학이 기술에 의해 대체되는 것이 아니라, 기술을 다시 해석하고 윤리화하는 메타적 실천이 될 수 있음을 보여줍니다. 『메타인문학&메타인문학 어휘사전』은 대중문화 중심의 한류를 넘어, 철학과 사유의 영역에서도 한국 인문학이 세계와 대화할 수 있는 가능성을 탐색하는 책입니다. 하나의 세계, 하나의 자아에 머무르지 않는 시대, 이 책은 우리가 어떤 언어로 우리 자신과 우리의 생활 세계를 성찰할 것인가라는 질문을 독자에게 건넵니다. 그리고 그 질문에 함께 머물며 사유할 수 있는 동반자가 될 것입니다.
전동진 교수님의 저서 관련 정보는 위의 링크 버튼을 클릭하면 확인하실 수 있습니다.
『메타인문학&메타인문학 어휘사전』 - 'K-인문학'의 가능성을 모색하다
메타세쿼이아 나무 아래서 시작된 질문, 'K-인문학'으로 확장되다 | 『메타인문학&메타인문학 어휘사전』 출간
• 최근 10년간 AI 논문 수는 2014년 45,000편에서 2023년 440,000편으로 약 10배 급증하였습니다.
•딥러닝(deep learning), 강화학습(reinforcement learning), 자연어처리(natural language processing, NLP), 컴퓨터 비전(computer vision), 트랜스포머(transformer model) 등이 AI 연구의 핵심 키워드로 부상하였습니다.
•중국과 미국이 AI 논문 생산에서 각각 32.5%, 38.5%의 비중을 차지하며 압도적인 영향력을 보입니다. 영국, 독일, 한국 등도 활발히 연구에 참여하고 있습니다.
•생성형 모델(generative models)과 대규모 언어모델(large language model, LLM), 디퓨전(diffusion) 및 파운데이션(foundation) 모델 등 신흥 주제가 가파른 성장세를 보이고 있습니다.
•대표 특화 연구 클러스터는 컴퓨터 비전, 자연어처리, 핵심 ML/강화학습, 생성모델, AI 윤리, AI 응용(헬스케어·로보틱스)로 대별됩니다.
•연구 기관별로 Google, Microsoft, 스탠포드, 칭화대 등이 AI 연구에서 두각을 나타내고 있습니다.
