❶ 성과 분석: 박정원 교수(한국외대) ❷ 성과 공유: 이고은 교수(전남대), 김선희 교수(영남대), 송석현 교수(전북대)📝
일반
2026년 5월 7일
📌제5회 인문사회학술연구교수 성과확산센터 포럼
📝❶ 전임교수 임용사례: 이은주 교수(국립한국교통대) ❷ 바이브코딩을 활용한 영상제작: 김시아 교수(한국외대) ❸ 교수자를 위한 바이브코딩 슈퍼프롬프트 10대 전략: 박정원 교수(한국외대)
일반
2026년 1월 1일
성과확산센터 뉴스레터 제48호 발행📌
인문사회학술연구교수를 위한 연구 활동 네트워크 구축 및 맞춤형 취업·학술 정보 제공📝
일반
2025년 6월 26일
📌제4회 인문사회학술연구교수 성과발표회
📝❶ AI와 교육 콘텐츠 제작 시연: 박정원 교수(한국외대) ❷ 논문 및 학회발표 성과: 강영미 교수(고려대), 김두수 교수(한국외대), 하선영 교수(경남대) ❸ 저서 성과: 김지율 교수(경상국립대) ❹ 강의 성과: 권경아 교수(인사총) ❺ 수상 및 언론기사 성과: 오정미 교수(부산대)
📣 제5회 학술연구교수 성과확산센터 주관 행사 결과 및 미참여 교수님을 위한 데이터스쿨 수강 안내
5월 7일 오후 2시에 개최한 제5회 인문사회학술연구교수 성과확산센터 포럼이 700여 분의 학술연구교수님이 참여해 주신 가운데 성황리에 마무리되었습니다. 대학교수 임용 사례 발표는 임용을 준비하는 연구교수님께 구체적인 고려사항을 제시하였고, 바이브코딩 특강을 통해 AI시대 학술연구교수의 교육 및 연구 경쟁력 강화를 위한 바이브코딩 활용 방안을 살펴볼 수 있었습니다. 무엇보다 다양한 영역에서 활동하시는 연구자가 한데 모이는 교류의 장으로서 특히 뜻깊은 시간이었습니다.
5월 21일 오후 2시에 개최된 제5회 인문사회학술연구교수 성과확산센터 성과발표회 또한 400분 이상의 학술연구교수님이 함께 해주신 가운데 성공적으로 마무리되었습니다. 이번 성과발표회는 인문・사회・예술체육학 분야에서의 다채로운 연구활동 성과를 함축적으로 살펴볼 수 있는 성과 교류의 장으로서 학문적 교류를 촉진하고 연구 발전을 도모하는 소중한 시간이었습니다.
⭐️ 미참여 교수님을 위한 데이터스쿨 수강 안내 ⭐️
성과확산센터 주관 행사 참여는 인문사회학술연구교수(A유형) 선정자의 의무사항이며, 연1회(1~12월 기준) 이상 참석하시면 됩니다. 강의, 회의 및 출장 등의 일정으로 포럼, 성과발표회에 참여하지 못한 연구교수님을 위해 성과확산센터 웹페이지의 데이터스쿨에 이수증 발급 강의가 마련되어 있습니다.
▶️ 수강방법
성과확산센터 웹페이지 메뉴 회원가입|로그인 -> 회원가입 후 로그인 -> 데이터 스쿨 -> 이수증 발급강의 -> 희망 강의 수강
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: AI 기술이 예술과 체육 분야에 어떤 영향을 미치고 있는지 2가지 사례를 소개합니다. 혁신적인 연구 방법론과 함께 실제 성과까지 확인해보세요.
최근 AI 기술이 예술과 체육 분야에 혁신을 일으키고 있습니다. 이 글에서는 AI를 활용한 예술 및 체육학 연구 사례 2가지를 소개하고자 합니다. 이를 통해 AI 기술이 전통적인 연구 방법론을 어떻게 변화시키고, 새로운 가치를 창출하고 있는지 살펴보겠습니다.
딥러닝 기술과 미술 작품 분석의 만남
딥러닝 기술이 미술 작품 분석에 혁명을 일으키고 있습니다. 인공지능(AI)이 예술의 영역에 발을 들이면서, 우리는 미술사와 기술의 흥미진진한 융합을 목격하고 있습니다. 🎨🖥️
컴퓨터 비전과 미술 작품 인식
컴퓨터 비전(Computer Vision) 기술은 미술 작품을 ‘보는’ 새로운 방식을 제공합니다. 이 기술은 인간의 시각 시스템을 모방하여 이미지나 비디오를 분석하고 이해합니다. 미술 작품 분석에 적용될 때, 컴퓨터 비전은 작품의 구도, 색상 분포, 질감 등을 정밀하게 파악할 수 있습니다.
예를 들어, 구글의 Art & Culture 프로젝트는 컴퓨터 비전을 활용하여 전 세계 미술관의 작품들을 디지털화하고 분석합니다. 이를 통해 미술사학자들은 방대한 양의 작품을 빠르고 정확하게 분류하고 비교할 수 있게 되었습니다.
스타일 전이 네트워크의 원리와 응용
스타일 전이 네트워크(Style Transfer Network)는 한 이미지의 스타일을 다른 이미지에 적용하는 흥미로운 딥러닝 기술입니다. 이 기술의 핵심은 콘텐츠와 스타일을 분리하여 처리하는 능력에 있습니다.
1. 콘텐츠 추출: 원본 이미지의 구조적 특징을 파악합니다.
2. 스타일 추출: 참조 이미지(예: 유명 화가의 작품)의 텍스처, 색상, 붓놀림 등을 분석합니다.
3. 스타일 적용: 추출된 스타일을 원본 이미지의 콘텐츠에 융합합니다.
이 기술은 미술 교육, 디지털 아트 창작, 그리고 미술사 연구에 혁신적인 도구를 제공합니다. 예를 들어, 학생들은 고흐의 스타일로 자신의 사진을 변환해봄으로써 화가의 기법을 직접 체험할 수 있습니다.
딥러닝을 통한 미술 작품 스타일 분석 방법
딥러닝 모델은 미술 작품의 스타일을 어떻게 ‘이해’할까요? 이 과정은 복잡하지만 흥미롭습니다. 🤔
특징 추출 및 표현 학습
딥러닝 모델, 특히 합성곱 신경망(CNN, Convolutional Neural Network)은 이미지에서 계층적 특징을 추출합니다. 이 과정은 다음과 같이 진행됩니다:
1. 저수준 특징 추출: 선, 모서리, 간단한 형태 등을 감지합니다.
2. 중간 수준 특징 추출: 텍스처, 패턴, 더 복잡한 형태를 인식합니다.
3. 고수준 특징 추출: 전체적인 구도, 스타일적 요소를 파악합니다.
이렇게 추출된 특징들은 작품의 ‘스타일 지문’과 같은 역할을 합니다. 예를 들어, 모네의 작품에서는 짧고 가벼운 붓터치, 밝은 색조의 사용 등이 특징적으로 나타날 것입니다.
스타일 분류 및 군집화 기법
추출된 특징들을 바탕으로, 딥러닝 모델은 다양한 기법을 사용하여 작품들을 분류하고 군집화합니다:
・ 지도 학습(Supervised Learning): 레이블이 있는 데이터셋을 사용하여 특정 화가나 미술 사조를 직접 분류합니다.
・ 비지도 학습(Unsupervised Learning): 레이블 없이 작품들 간의 유사성을 기반으로 군집을 형성합니다.
・ 준지도 학습(Semi-supervised Learning): 레이블이 있는 데이터와 없는 데이터를 모두 활용하여 보다 정교한 분류를 수행합니다.
이러한 기법들을 통해, AI는 미술사학자들이 미처 발견하지 못한 새로운 연관성이나 패턴을 찾아낼 수 있습니다. 예를 들어, 서로 다른 시대와 문화권의 작품들 사이에서 예상치 못한 스타일적 유사성을 발견할 수 있습니다.
#결론
이처럼 AI 기술은 예술과 체육 분야의 연구 방법론을 혁신적으로 변화시키고 있습니다. 데이터 기반의 정량적 분석과 생성 기술은 기존에 주관적이었던 연구 영역에 새로운 객관성을 부여하고 있죠. 앞으로 AI와 예술, 체육의 융합은 더욱 가속화될 것으로 기대됩니다.
성과확산센터 웹페이지 【AI ISSUE】에 발행된 글입니다. AI 프롬프트로 생성된 이미지와 글들을 만나보실 수 있습니다.
📣 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 | 이은주
이은주 교수님은 건국대학교에서 「근대 일본문학에 나타난 여성표현과 정체성 연구」로 박사학위를 취득하였고 현재 전주대학교 인문과학종합연구소 학술연구교수입니다. 연구 업적으로 이전에 <박사후국내연수사업>과 <학술연구교수지원사업>을 수행하였고 현재 「‘모빌리티’로 사유하는 ‘젠더’」라는 주제로 연구를 수행하고 있습니다. 본 연구 기간에 수행한 성과로서 주요 논문으로는 「‘모빌리티’라는 키워드와 새로운 젠더의 가능성」, 「모빌리티텍스트에 나타난 다성적 목소리와 젠더투쟁」, 「모빌리티는 젠더 해방인가 새로운 여성 억압인가?」 등이 있습니다. 주요 역서로는 『포스트젠더학의 가능성』(2022), 『취미와 사회 권력』(2024), 『샐러리맨의 탄생』(2025)이 있습니다. 마지막으로 대학 정규직이 아닌 연구자가 지금까지 학문을 포기하지 않고 지속할 수 있었던 것은 전적으로 한국연구재단의 지원이 있었기 때문입니다. 이 자리를 빌어 한국연구재단에 진심으로 감사의 인사를 드립니다.
이 책은 일본 근현대 사회에서 ‘샐러리맨’이라는 존재가 갖는 의미를 사상사적·사회사적으로 재구성하고 있다. 샐러리맨은 단순히 직업이라는 범주를 넘어 일본의 근대 이후에 형성된 사회 구조와 권력 관계, 그리고 ‘평범한 다수’의 삶의 조건을 집약적으로 보여주는 개념으로 제시된다.
‘샐러리맨’이란 누구인가? 사회학자 다니하라 쓰카사가 일본 근현대 사회에서 ‘샐러리맨’이라는 존재가 갖는 의미를 재구성했다. 샐러리맨은 ‘문제 일으키지 않는 시민’의 대량 생산과 관련이 있었고, 정치적 주체라기보다 관리되고 동원되는 대상이었다. 샐러리맨을 근대 일본을 구성한 핵심 주체로 위치시킨다.
오늘날 경제활동을 하는 사람 대부분은 어딘가에 소속되어 월급을 받는 샐러리맨이다. 익숙한 직장인의 모습 뒤에는 시대마다 미디어가 심어준 평범한 월급쟁이의 이미지가 투영돼 있다. 다니하라 쓰카사 일본 리쓰메이칸대 교수의 신간 '샐러리맨의 탄생'은 일본 근현대사를 관통하며 샐러리맨이라는 존재가 어떻게 사회의 주류로 자리 잡았는지, 그리고 그 과정에서 개인의 삶이 조직과 미디어에 의해 어떻게 규정됐는지 분석한다.
다니하라 쓰카사 일본 리쓰메이칸대 교수의 신간 ‘샐러리맨의 탄생’은 일본 근현대사를 관통하며 샐러리맨이라는 존재가 어떻게 사회의 주류로 자리 잡았는지, 그리고 그 과정에서 개인의 삶이 조직과 미디어에 의해 어떻게 규정됐는지 분석한다. 이 책의 원제는 ‘샐러리맨의 미디어사’다. 미디어사와 정보사회론을 전공한 저자는 샐러리맨을 단순히 직업군으로 분류하기보다 신문과 잡지 등 매체가 만들어낸 하나의 인간형으로 포착한다.
• 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.
Emit 10 + CI-Uniti 102 조합은 보기보다 성격이 분명합니다. 스피커는 작지만 단순히 가벼운 입문형 소리가 아니라, 다인오디오 특유의 밀도감과 정돈된 중역을 들려주는 타입이고, 앰프는 네임 특유의 리듬감에 더해 8Ω 150W, 4Ω 260W 출력과 다양한 스트리밍 기능을 갖춘 올인원 성격의 네트워크 앰프입니다. 그래서 이 조합은 **작은 방·서재·개인 작업실에서 “작은데 허술하지 않은 시스템”**을 만들고 싶은 분께 특히 잘 맞습니다.
1. 조합의 핵심 성격 — “소형 북셀프 + 여유 있는 구동력”
Emit 10은 14cm MSP 미드/우퍼와 28mm Cerotar 소프트돔 트위터(Hexis 포함)를 쓰는 2웨이 북셀프입니다. 감도는 86dB, 정격 임피던스는 6Ω으로 아주 울리기 쉬운 편은 아니지만, CI-Uniti 102는 8Ω 150W, 4Ω 260W 출력을 내기 때문에 구동 여유는 충분한 편입니다. 즉, 스피커는 작아도 앰프가 힘이 부족해서 소리가 마르는 조합은 아닙니다.
이 조합의 좋은 점은 여기서 나옵니다.
Emit 10은 본질적으로 작은 공간용 북셀프인데, 앰프가 약하면 다인오디오 특유의 장점인 중역의 밀도, 저역의 탄성, 이미지의 안정감이 덜 살아날 수 있습니다. 반면 CI-Uniti 102는 설치형 라인업이지만 실제 스펙상 출력과 연결성이 좋아 Emit 10을 여유 있게 잡아줄 수 있는 쪽에 가깝습니다.
2. 디자인·배치 — 책상 옆, 서재, 작은 거실에 어울리는 구성
Emit 10은 폭 170mm, 높이 290mm, 무게 6.4kg의 비교적 컴팩트한 북셀프입니다. 블랙/화이트/월넛 마감으로 나와 인테리어 적응력도 좋은 편입니다. Dynaudio는 Emit 10을 작은 공간용으로 위치시키고 있으며, Emit 시리즈 소개에서도 작은 청취 공간에서 특히 적합한 모델로 안내합니다.
CI-Uniti 102는 높이 4.45cm, 가로세로 30cm의 슬림한 박스형 기기라서 일반 인티앰프보다 훨씬 설치 부담이 적습니다. 그래서 이 조합은 거실 메인 대형 하이파이보다는 책장 옆 스탠드 세팅, 서재용 2채널 시스템, TV까지 겸하는 미니멀 오디오 시스템, 같은 방향이 더 잘 어울립니다. HDMI eARC도 지원해서 TV와의 연결도 쉬운 편입니다.
3. 음질 성향 — “자극적이지 않지만 얇지 않은 소리”
Emit 10의 핵심은 작은 체급 대비 제법 성숙한 톤입니다. 28mm Cerotar 트위터와 Hexis 구조는 상위 라인 기술을 내려받은 구성이고, 14cm MSP 드라이버는 다인오디오가 오래 써 온 핵심 소재입니다. 실제로 공식 설명에서도 저역과 중역의 제어력, 왜곡 억제, 자연스러운 다이내믹스를 강조하고 있습니다. 외부 리뷰에서도 Emit 10은 가격 대비 완성도가 높고, 크기보다 훨씬 성숙한 소리를 내는 모델로 평가됩니다.
이 성향에 네임 CI-Uniti 102가 붙으면 소리가 지나치게 느슨해지기보다는 리듬감과 추진력이 더해질 가능성이 큽니다. 즉, 이 조합은 대체로 이런 방향으로 기대할 수 있습니다.
고역
부드럽고 결이 고운 편입니다. 화사하게 번쩍이는 타입이라기보다 자극을 줄이고 디테일을 자연스럽게 펼치는 쪽입니다. 오래 들어도 피곤하지 않은 편입니다.
중역
보컬, 피아노, 현악기처럼 중심 대역의 밀도가 좋을 가능성이 큽니다. 작은 북셀프인데도 “빈약하다”보다는 “작지만 짜임새 있다”는 인상을 주기 쉬운 조합입니다.
저역
Emit 10 자체 스펙은 저역 하한이 ±3dB 기준 64Hz, -6dB 기준 52Hz 수준이라 초저역형은 아닙니다. 하지만 앰프 힘이 충분하면 저음 양감보다도 탄력감과 정리된 베이스 라인 쪽 장점이 잘 살아날 수 있습니다. 다만 큰 거실에서 압도적 스케일을 기대하는 조합은 아닙니다.
4. 실제 사용감 — 특히 이런 환경에서 만족도가 높음
이 조합은 단순히 “음질 좋은 북셀프”에서 끝나지 않고 사용 편의성이 꽤 강합니다.
CI-Uniti 102는 Wi-Fi 6, 이더넷, AirPlay 2, Chromecast, Spotify Connect, TIDAL, Qobuz, 인터넷 라디오, Bluetooth, UPnP를 지원하고, 앱 제어도 가능합니다. 그래서 별도 스트리머 없이 바로 음악 생활을 완성하기 좋습니다. 그래서 실제로는 아래 같은 상황에서 강점이 큽니다.
✔ 서재·작업실 메인 오디오
과하게 큰 시스템은 부담스럽고, 그렇다고 소형 올인원 스피커 하나로는 아쉬운 경우에 잘 맞습니다. Emit 10이 체급 이상으로 소리를 단단하게 잡아주고, CI-Uniti 102가 편의성과 힘을 동시에 확보해 줍니다.
✔ 작은 거실의 미니멀 하이파이
HDMI eARC 지원 덕분에 TV 음향까지 묶기 좋습니다. 음악 스트리밍과 TV 사운드를 한 박스에서 해결하기 쉬운 점이 장점입니다.
✔ 보컬·재즈·어쿠스틱·팝 위주의 청취
Emit 10은 중역 질감과 자연스러운 톤이 장점인 성향이라 자극적이고 번쩍이는 사운드보다, 정돈되고 음악적인 밸런스를 좋아하는 취향에 더 잘 맞습니다.
5. 아쉬운 점 — 좋은 조합이지만 만능은 아님
✔ 넓은 공간용 조합은 아님
Emit 10은 북셀프 중에서도 비교적 작은 편이며, Dynaudio도 작은 공간에서의 사용을 염두에 둔 모델로 소개합니다. 앰프 출력이 충분해도 물리적인 캐비닛 크기와 우퍼 구경 한계는 남습니다. 큰 거실에서 스케일감과 깊은 저역을 원하면 Emit 20이나 플로어스탠딩 쪽이 더 자연스럽습니다.
✔ 벽에 너무 붙이면 저역이 답답해질 수 있음
Emit 10은 후면 베이스리플렉스 포트를 쓰므로 벽에 바짝 붙이면 저역이 부풀거나 답답해질 수 있습니다. 작은 공간일수록 스탠드 배치와 후벽 거리 조절이 중요합니다.
✔ CI-Uniti 102는 전통적 ‘오디오파일 감성’보다 실용성이 강한 모델
설치형 라인업 기반이라 전면 디스플레이와 감성적인 조작 재미를 강조하는 제품은 아닙니다. 대신 얇고 조용하며 연결성이 좋고, 앱 중심으로 간편하게 쓰는 타입입니다. 즉, “보는 재미”보다는 “실용성과 성능” 쪽입니다.
6. 총평 — 작은 공간에서 꽤 오래 만족하기 좋은 실속형 하이파이
Dynaudio Emit 10 + Naim CI-Uniti 102 조합은 작은 공간에 맞는 스피커 크기, 생각보다 여유 있는 구동력, 스트리밍 편의성, 다인오디오 특유의 단정하고 밀도 있는 톤이 잘 맞물린 조합입니다. 특히 이런 분께 잘 맞습니다.
- 작은 방·서재에서 제대로 된 2채널 시스템을 꾸미고 싶은 분
- 올인원 편의성은 원하지만 소리는 일반 무선 스피커보다 확실히 좋아야 하는 분
- 보컬, 재즈, 어쿠스틱, 팝, 클래식 실내악 위주로 듣는 분
- 과한 저음보다 정돈된 밸런스와 중역 밀도를 더 중요하게 보는 분
한 줄 요약
“작은 공간에서 쓰기 좋은 다인오디오 북셀프에, 네임의 힘과 스트리밍 편의성을 붙인 밸런스형 실속 조합.”
Desk-Fi 관련 정보 및 제품 추천은 위의 링크 버튼을 클릭하면 만나보실 수 있습니다.