보유기술

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.

온라인 학습 환경에서 학습자와 학습 자료, 교수자 간의 복합적인 상호작용 정보를 파악하기 어려웠던 문제를 해결합니다. 본 기술은 학습자, 학습 자료, 교수자를 객체로 설정하여 이들 사이의 상호작용 정보를 수신하고, 사회연결망 분석(SNA)을 통해 상호작용의 방향성과 빈도를 결정합니다. 이렇게 분석된 상호작용은 시각화된 네트워크(노드와 링크) 형태로 대시보드를 통해 제공됩니다. 학습자는 노드별 중심도(내향, 외향, 매개)를 확인하고, 특정 기간 설정 및 필터링 기능으로 필요한 정보를 맞춤형으로 볼 수 있습니다. 이를 통해 학습자는 자신의 학습 과정을 객관적으로 인식하고 학습 전략을 효과적으로 개선하여 온라인 학습의 효율성을 높일 수 있습니다.

기존 사운드북의 한정된 콘텐츠와 추가 구매 필요성을 해결하기 위해 개발되었습니다. 이 기술은 동화책 음성 파일을 SD 카드에 저장하여 사용자가 원하는 콘텐츠를 자유롭게 교체할 수 있도록 합니다. 스마트 동화책 구연 장치는 SD 카드로부터 음성 파일을 재생하며, 사용자의 동화책 읽기 패턴과 재생 시간을 분석하여 개인별 맞춤형 동화책 콘텐츠를 추천합니다. 또한, SD 카드 식별 정보를 활용한 간편한 사용자 인증으로 저작권을 보호합니다. 본 시스템은 콘텐츠의 다양성을 크게 높이고, 비용 효율적인 학습 환경을 제공하며, 맞춤형 교육을 통해 아이들의 흥미와 학습 효과를 증진시킵니다.

기존 의상 추천 시스템은 사용자의 과거 착용 정보에만 의존하여 현재 감정이나 상황을 반영하지 못하는 한계가 있었습니다. 본 기술은 스마트미러에 비치는 사용자의 이미지를 분석하여 감정을 추론하고, 이 감정에 기반하여 맞춤형 의상 추천 또는 의상 관리 안내 정보를 제공합니다. 사용자는 스마트미러를 통해 영상 통화 시 감정에 맞는 배경 이미지와 음악을 제공받거나, 감정에 따른 위로 문구 및 가상 의상 합성 이미지를 제안받을 수 있습니다. 또한, 가족 구성원과 공유 가능한 빨래 스케줄 알림으로 효율적인 의상 관리를 돕습니다. 이 스마트미러 시스템은 사용자의 의상 선택을 돕고 긍정적인 감정 변화를 유도하며, 직관적이고 편리한 사용자 경험을 제공합니다.

전통시장이 대형마트와의 경쟁에서 IT 기술 부재로 어려움을 겪는 문제를 해결하기 위해 인터렉티브 마켓 장치가 개발되었습니다. 이 장치는 전통시장 입구에 설치된 터치스크린을 통해 사용자가 접근하면 추천 음식을 제시하고, 선택된 음식에 필요한 식재료와 이를 판매하는 상점의 위치를 지도에 표시합니다. 또한, 최저가 상점을 자동 선택하거나 역경매 방식을 통해 가장 저렴한 가격에 식재료를 구매할 수 있도록 돕고, 최적화된 이동 경로를 사용자 단말에 제공합니다. 실시간 날씨 정보를 배경 영상에 반영하며, 사용자 구매 목록 기반 맞춤형 식재료 추천 기능도 제공합니다. 이 기술은 전통시장 이용자의 쇼핑 편의성을 크게 향상시키고, 소상공인의 경쟁력을 강화하여 전통시장 활성화에 크게 기여할 것으로 기대됩니다.

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.

화재 발생 후 구조물의 안전성을 신속하고 정확하게 파악하는 것은 중요하지만, 기존 방법들은 한계가 있었습니다. 구조물 재사용 및 보강 여부 판단을 위한 빠르고 정확한 위험도 추정 기법이 필요합니다. 본 기술은 컴퓨터 장치를 이용하여 화재 피해를 입은 구조물의 영상, 설계 정보, 처짐값, 화재발생시간 등 다양한 데이터를 통합 분석하여 위험도를 정밀하게 추정합니다. 특히, 카메라로 촬영된 소스 영상에서 딥러닝 기반의 CNN(Convolutional Neural Network)을 활용하여 구조물 표면의 균열의 양을 계산합니다. 이 균열의 양과 설계 정보, 처짐값, 화재발생시간, 그리고 구조물의 하중비를 종합적으로 고려하여 계수를 부여한 수식으로 최종 위험도 값을 산출합니다. 이를 통해 화재로 손상된 구조물의 위험도를 빠르고 정확하게 평가할 수 있으며, 구조물의 재사용 및 보강 여부 결정에 필요한 신뢰성 있는 정보를 제공하여 안전 관리에 크게 기여할 수 있습니다.

바쁜 현대인의 외출로 반려동물이 홀로 남겨지는 시간이 많아지면서 반려동물의 정서 불안과 주인의 심리적 부담이 증가하고 있습니다. 기존 원격 돌봄 시스템은 실시간 상호작용에 한계가 있었습니다. 본 기술은 반려동물 생활반경 내 단말과의 영상 통화를 통해 실시간으로 반려동물의 상태를 파악하고 상호교감을 유도합니다. 특히, 반려동물의 행복한 표정을 감지하여 주인이 선호하는 자세정보(예: 하이파이브 포즈)를 추출하고, 이를 UI 객체로 제공하여 원격 미션을 수행하도록 돕습니다. 또한, 촬영 영상을 기반으로 장난감의 마모도를 자동 분석하여 새로운 장난감 구매를 추천합니다. 이는 사용자가 새 장난감 구입 시 기준 이미지를 직접 등록하는 방식으로 데이터 정확도를 높였습니다. 이러한 기술은 원격에서도 반려동물과의 깊은 유대감을 형성하고, 장난감 교체 시기를 파악하여 반려동물의 정서적 안정과 건강을 지원하며, 주인의 돌봄 부담을 효과적으로 줄여줍니다.

기존 상처 관리는 병원 방문의 어려움과 잘못된 드레싱 선택으로 인해 치유 지연 및 흉터 발생 위험이 있었습니다. 본 기술은 컬러 패치가 결합된 드레싱 제재를 스마트 기기로 촬영하여 상처와 삼출물의 색상, 면적, 기울기 등을 정밀하게 분석합니다. 보정된 촬영 데이터를 기반으로 상처 평가 데이터를 산출하고, 이에 따라 최적의 드레싱 제재 및 방법 정보를 제공하거나 내원 권고를 결정합니다. 특히 흉터 예방을 위한 레이저 치료 시기를 안내하여 흉터 발생을 최소화합니다. 이 기술을 통해 환자는 상처를 정확하게 자가 관리하고, 치료 지연으로 인한 부작용을 줄이며, 효율적이고 경제적인 상처 치유를 경험할 수 있습니다.

기존 부모보고형 언어 평가는 주관성으로 인해 신뢰성에 한계가 있었습니다. 본 기술은 아동의 언어 능력을 신뢰성 있게 측정하고 예측하기 위해 부모보고형 평가 데이터를 활용합니다. 초기 발달 이정표, 현재 언어 능력, 행동 패턴, 가족력 등 4가지 영역으로 구성된 질문 정보를 통해 평가 데이터를 수집하고, 이를 점수화하여 현재 언어 능력을 정밀하게 측정합니다. 특히, 각 영역별 점수에 가중치를 부여하고 영역별 점수 비율을 분석하여 아동의 미래 언어 능력을 과학적으로 예측합니다. 이로써 임상 현장에서 직접 평가가 어려운 어린 유아도 객관적이고 신뢰성 높은 언어 발달 평가와 예측이 가능하여, 조기 개입 및 맞춤형 교육 계획 수립에 기여할 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.

퇴행성 질환의 조기 발견을 위한 언어능력 진단은 매우 중요하지만, 한국어의 고유한 통사적 특징을 반영한 진단 시스템은 부족했습니다. 본 기술은 뇌파의 사건관련전위(ERP) 신호를 딥러닝 기반으로 학습하여 한국어 특성에 맞는 언어능력 손상 여부를 진단합니다. 뇌전도측정부에서 ERP 신호를 측정하고, 데이터베이스에 저장된 방대한 자료를 학습부(CNN)가 분석하여 한국어의 조사 오류, 어순 변화, 경어법 서술어 등 통사적 특징에 따른 언어 인지 반응을 면밀히 학습합니다. 이 학습 모델을 통해 측정 대상자의 언어능력 손상 여부를 정확하게 진단하며, 이는 퇴행성 질환의 조기 발견 및 예측에 크게 기여할 수 있습니다. 한국어 고유의 언어 구조를 반영하여 언어 처리 능력 진단 정확도를 높인 혁신적인 기술입니다.