지각된 어포던스 기반 동영상 학습 성과 예측 모형 개발

반도체 공정 폐수에는 질소, 인, 불소 등 유해 물질이 고농도로 포함되어 기존 처리 방식들은 경제성이나 효율성 측면에서 한계가 있었습니다. 본 기술은 바덴포 공정과 그래핀 산화물 기반 세라믹 나노 멤브레인 여과를 통합하여 이러한 문제를 해결합니다. 그래핀 산화물 코팅 나노 멤브레인은 미세 기공과 강한 음전하로 암모늄, 불소 이온 등 1가 이온성 물질을 효과적으로 제거합니다. 이를 통해 별도의 약품이나 탄소원 주입 없이 경제적이면서도 효율적인 질소 및 불소 제거가 가능하며, 폐수 처리 시스템의 성능과 비용 효율성을 크게 향상시킬 수 있습니다.

기존 암리논 합성법은 복잡한 다단계 공정, 고온 반응 조건, 위험한 수소 가스 사용 등으로 인해 심각한 합병증을 유발할 수 있는 한계가 있었습니다. 본 기술은 위치선택적 스즈키 커플링 반응을 활용하여 암리논 유도체를 안전하고 효율적으로 제조하는 방법을 제안합니다. 화학식 1 화합물과 피리디닐 보론산의 스즈키 커플링 반응 후, 중간 생성물을 화학식 2 화합물과 반응시키는 방식으로, 종래 대비 축소된 합성 단계와 온화한 산처리 조건으로 탈보호기 반응을 수행합니다. 이를 통해 위험한 수소 가스 없이 고수율(60% 이상)로 암리논 유도체를 얻을 수 있으며, 급성 심부전 치료제 개발 및 생산의 안전성과 효율성을 크게 향상할 수 있습니다.

유방암은 조기 진단이 환자 생존율에 결정적인 영향을 미치지만, 기존 진단법은 초기 병변 검출에 한계가 있었습니다. 본 기술은 혈액 내 알파-1 산성 당단백질(AGP)의 N-당화 변화가 초기 유방암의 핵심 바이오마커임을 규명하였습니다. 렉틴을 활용하여 AGP의 푸코실화, 만노실화, 시알릴화 등 N-당화 수준을 정밀하게 검출하며, 특히 유방암 1기 환자의 혈청에서 이 당화 수준이 현저히 감소함을 확인했습니다. 이를 통해 양성 유방종이나 다른 병기의 유방암과 명확히 구별하여 초기 유방암을 높은 민감도와 특이도로 진단할 수 있습니다. 이 기술은 유방암 조기 진단의 정확도를 획기적으로 높여, 환자의 치료 성공률 향상과 사망률 감소에 크게 기여할 것입니다. 진단 키트 및 정보 제공 방법으로 개발되어 상용화가 기대됩니다.

주사 투여로 인한 환자 고통과 인슐린의 낮은 점막 투과 문제는 당뇨 치료의 큰 과제였습니다. 본 기술은 변이체 TCTP-PTD를 인슐린과 혼합하여 비침습적 점막 전달을 가능하게 합니다. 특정 TCTP-PTD 펩타이드 서열(서열번호 3, 8, 13)이 인슐린의 점막 투과율을 크게 높이며, 이는 비강 투여 시에도 피하주사와 유사한 혈당 강하 효과를 보였습니다. 점막 손상 없이 안전하게 인슐린 생체이용률을 향상시켜 환자의 치료 편의성과 삶의 질을 높일 수 있습니다.

기존 리튬 이차전지의 흑연 음극재는 용량 한계와 실리콘 음극재의 큰 충방전 부피 변화 문제를 가지고 있습니다. 본 기술은 실리카 함유 콜로이드에 산화그래핀을 첨가하여 분말화한 뒤, 마그네시오써믹 반응으로 실리카를 실리콘으로, 산화그래핀을 그래핀으로 동시에 환원시켜 실리콘-그래핀 복합 나노물질을 제조합니다. 이 방법은 자연에 풍부한 실리카를 원료로 사용하여 경제적이며, 제조된 나노물질은 부피 변화를 최소화하고 높은 전기 전도도, 용량, 안정성을 갖는 전극을 형성할 수 있습니다. 리튬 이온 전지 및 다양한 차세대 전지의 고성능 음극재로 활용되어 배터리 성능 향상에 크게 기여할 것으로 기대됩니다.

기존 하나의 웨어러블 기기가 가진 운동 자세 교정의 한계를 극복하기 위해, 복수의 웨어러블 기기를 신체 여러 부위에 부착하여 움직임 정보를 통합적으로 수집하는 기술입니다. BLE 통신을 통해 실시간으로 가속도와 각도 데이터를 수신하고, 이를 사전에 저장된 올바른 자세 정보와 비교 분석하여 사용자의 운동 자세를 정밀하게 판단합니다. 이 시스템은 줄넘기, 스쿼트, 런지 등 다양한 운동에 대한 정확한 자세 교정 피드백을 제공하여, 운동 효과를 극대화하고 부상 위험을 줄이는 데 기여합니다. 또한 다중 사용자의 동시 모니터링도 가능하여 스마트 피트니스 경험을 향상시킵니다.

기존 학업 성취도 예측 방식은 행동 데이터만으로 심리 상태 분석에 한계가 있었습니다. 본 기술은 사용자의 동공 데이터(동공 크기 변화량, 시선 고정 지속 시간)를 인지 부하 지표 변수로 측정하고, 문제 양식 및 과제 복합도에 따른 인지 부하 지표의 변화를 분석합니다. 이를 통해 학생의 심리 상태를 반영한 학업 성취도를 정확하게 예측하며, 개인의 학습 수준에 최적화된 맞춤형 교육 환경을 제공하여 학습 효과를 크게 향상시킬 수 있습니다.

동영상 기반 학습 환경은 학습자와 교수자가 분리되어 학습자의 행동과 내적 과정을 파악하기 어렵고, 효과적인 맞춤형 지도가 부족하다는 한계가 있었습니다. 본 기술은 학습자의 행동 데이터(행동 로그)와 생리심리 데이터(안구 운동)를 '지각된 어포던스'라는 객관적인 지표로 수집합니다. 이 데이터를 전처리하여 변수를 결정하고, 랜덤 포레스트 및 가우시안 혼합 모형 군집분석 기법을 활용해 전체 및 과제 복합성 수준, 군집 특성별 세부 집단에 대한 학습 성과 예측 모형을 도출합니다. 이를 통해 학습 내용과 학습자 집단에 따른 학습 성과 예측 변인과 영향력을 다각적으로 분석하고, 개별 학습자에게 최적화된 맞춤형 교수-학습 처방을 제공하여 동영상 학습의 효과를 극대화할 수 있습니다.

동영상 학습 환경에서는 학습자의 인지적, 정서적 상태 파악이 어려워 맞춤형 지원이 제한적이었습니다. 본 기술은 학습자의 사전지식과 학습 콘텐츠의 과제복합성을 평가하고, 학습 과정 중 발생하는 동공 크기, 뇌파, 심박 변이도 등의 생리심리반응을 실시간으로 수집합니다. 수집된 생리심리 데이터를 시계열 분석 및 하위 시퀀스 군집 분석을 통해 학습자의 인지부하 패턴을 객관적으로 진단합니다. 이를 통해 학습자 개개인의 인지부하 원인을 규명하고, 과도한 인지부하 발생 시 난이도를 조절하거나 교수 설계를 최적화하는 등 개인 맞춤형 학습 가이드를 제공합니다. 결과적으로 학습 효율을 높이고 중도탈락을 방지하는 데 기여합니다.

동영상 학습 환경에서 학습자의 인지 부하를 정확히 파악하기 어려웠던 문제점을 해결합니다. 학습 영상을 학습하는 동안 발생하는 뇌파, 동공 크기, 심박 변이 등의 생체 신호 정보와, 학습자가 직접 인지 부하를 느낀 시점을 표시하는 회상 자극 반응 정보를 함께 수집하고 분석합니다. 이 두 가지 정보를 비교하여 학습 영상 내 학습자의 인지 부하 발생 시점과 수준을 객관적이고 효율적으로 결정합니다. 이 기술을 통해 학습자 개인의 인지 수준에 맞는 맞춤형 학습 콘텐츠 및 교수 설계가 가능해지며, 궁극적으로 학습 효과를 크게 향상시킬 수 있습니다.

온라인 동영상 학습 환경에서 학습자의 동기 저하를 방지하고 학습 효율을 높이는 데 기존 방식은 한계가 있습니다. 본 기술은 학습 동영상 시청 중 학습자의 얼굴 표정 영상을 실시간으로 수집하고, 학습 구간별로 정서를 정밀하게 분석합니다. 얼굴 표정 변화를 통해 주의 집중, 관련성, 자신감, 만족감 4가지 핵심 요소를 기반으로 학습 상황 동기를 정확하게 예측합니다. 이 기술은 학습자의 내적 상태를 객관적으로 파악하고 개인에게 최적화된 맞춤형 학습 처방을 제공하여, 학습 동기를 효과적으로 관리하고 학습 성과를 향상시키는 데 기여합니다.

기존 동영상 학습 환경에서는 학습자의 주의 집중 및 인지 부하 파악이 어려워 학습 최적화에 한계가 있었습니다. 본 기술은 시선 추적기를 통해 학습자의 시각 정보를 수집하여 동영상 학습 중 학습자의 입체적 과정을 정밀하게 추적합니다. 특히 시선 고정이 일어나는 좌표와 지속 시간을 분석하여 인지 부하와 주의 집중 수준을 파악합니다. 동영상 스크립트가 표시되는 관심 영역(AOI)과의 매칭을 통해 학습자의 스캔 패턴을 검출하고, 분류회귀트리(CART) 모델로 학습 성과를 예측합니다. 이 기술은 학습자의 시각 행동 기반 학습 성과 예측으로 맞춤형 교육을 제공하며, 학습을 최적화하고 교육 효과를 극대화하는 데 기여합니다.