441 편의 논문
본 연구는 데이터 누수 방지를 위한 시계열 설계를 사용하여 마리키나 시의 주간 뎅기열 사례를 예측하기 위해 고전적, 머신러닝 및 딥러닝 모델을 평가하였으며, 내부 검증 단계에서는 단순한 베이스라인 모델들이 우수한 성능을 보였으나 2025년 외부 시간대 홀드아웃 데이터에 대해서는 LSTM 모델이 가장 뛰어난 예측 정확도를 달로한 반면, 전반적으로 유행 수준의 주간 사례를 과소 예측하는 경향이 있음을 밝혔다.
본 연구는 피험자별 불확실성을 고려한 베이지안 계층 모델을 활용하여 피험자 내 실험을 분석하였으며, 이를 통해 AI 생성 음성이 AI 아바타와 결합될 때 가장 우호적인 몰입도 및 인지 부하 프로필을 나타낸다는 점을 밝히는 동시에 시청각 조합에 대한 반응에서 나타나는 유의미한 개인적 이질성을 강조하였다.
문헌정보학 출판물에 대한 이 연구는 오픈 액세스의 인용 이점이 균일하게 나타나는 것이 아니라 주제에 따라 달라지며 주로 보건과학 인접 세부 분야에 의해 주도되는 반면, 학술지 수준의 인용 기준치를 통제할 경우 유의미하게 약화된다는 것을 보여준다.
이 논문은 성분 생략을 인코딩하기 위해 위치 0을 활용하는 유연한 선형, 이차 및 2차 성분-위치 스크리닝 모델을 소개하며, 이를 통해 비선형 절대-위치 효과의 효율적인 추정과 각 실험 회차당 성분의 일부만 사용 가능한 첨가 순서 실험을 위한 최적 설계 구축을 가능하게 한다.
본 연구는 대학 학위 논문의 통계적 품질에 대한 규칙 기반 자동 감사가 근본적인 어휘적 한계로 인해 우연보다 낮은 성능을 보인다는 점을 입증하였으나, 언어 모델 계층을 통합함으로써 높은 재현율과 낮은 비용을 유지하면서도 전문가의 판단과의 일치도를 유의미하게 향상시킨다는 것을 보여준다.
본 연구는 9개 교육 체계의 TIMSS 2023 종단 데이터를 활용하여 학생들이 수학과 과학 모두에서 미달 수준에서 도달 수준으로 전환될 결합 확률을 추정 및 표준화하며, 이를 통해 유의미한 체계별 차이를 밝히고 공통 심각도 표준화가 목표 의존성을 명확히 해주는 반면 그 결과는 인과적이라기보다 기술적임을 입증한다.
이 논문은 유럽의 공식 통계가 설문 설계의 한계로 인해 장애 및 비용과 같은 결정적인 장벽들을 포착하지 못함으로써, 생성형 AI의 미사용 원인을 필요성 부족으로 잘못 귀인하고 있으며, 이를 통해 측정상의 인위적 결과물을 실제 대중의 무관심으로 오인하고 있다고 주장한다.
이 논문은 PISA의 커버리지 조정 상위 4분위 추세가 인구 분모의 선택에 매우 민감하다는 점을 입증하며, 보고된 데이터와 세계 인구 전망(World Population Prospects) 추정치 사이의 상당한 불일치를 드러냄으로써 투명한 출처 보고의 필요성과 합성 가중치가 조정을 유발할 때 주의가 필요함을 강조한다.
본 연구는 PISA 2022의 가능한 값(plausible values)에 내재된 측정 정밀도의 한계가 도달 가능한 예측 정확도를 근본적으로 제한하고 영역 및 교육 체계 전반에 걸쳐 예측 변수의 순위를 불안정하게 만든다는 점을 입증하며, 이에 따라 성과 비교와 모델 해석은 이러한 계산 가능한 측정 경계에 근거해야 함을 보여준다.
본 논문은 평형점의 전역적 안정성을 증명하고, 베를린 데이터를 통해 공간적 표적 개입이 균일한 접근 방식보다 우월함을 입증하는 간헐적 전략을 포함한 이단계 감염 연령 역학 모델을 구축하기 위해 비국소 확산, 화학 주성 피함, 면역 약화가 통합된 새로운 모델을 정립하며, 이를 바탕으로 이중 수준 최적 제어 프레임워크를 개발한다.