• 대한수학교육학회지:수학교육학연구
• /
• 제17권4호
• /
• pp.453-475
• /
• 2007

오늘날 문자의 도입과 함께 시작되는 학교대수는 초등수학에서 중등수학으로의 이행에서 가장 큰 장애요인이 되고 있다. 이는 산술과 차별화된 대수의 본질에 기인하는 것으로, 문자와 식, 방정식에서의 구문론적 측면을 강조하는 것만으로 해결 될 수 없다. 이에 최근 학교대수와 관련된 연구에서는 대수적 사고에 대한 논의가 집중적으로 다루어지고 있다. 본 연구는 대수적 사고 요소를 분석하여 산술에서 대수로의 이행과 초기 대수지도과정을 개선하기 위한 방안을 탐색해본 것이다. 먼저 역사-발생적, 인식론적, 기호-언어학적 관점으로부터 학교대수에서 요구되는 대수적 사고를 분석하고, 이로부터 형식 불역의 원리를 비롯하여 변수 개념과 양적인 추론, 대수적인 해석-식 세우기, 변환추론-식의 변형, 연산감각-식의 조작 등을 핵심적인 대수적 사고 요소로 확인한다. 그리고 초등학교와 중학교 수학 교과서를 분석하고 학생들을 대상으로 한 대수적 사고 능력 검사와 면담을 실시하고, 이를 토대로 학교수학에 포함된 대수적 사고 요소를 살펴본다. 또한 초등학교 수학에서부터 대수적 사고 요소를 강조함으로써 대수 입문기에 해당하는 중학교 이후의 대수 학습에 대한 준비와 더불어 대수적 사고 요소에 초점을 맞춘 산술에서 대수로의 이행을 이끌어내기 위한 지도 방안을 탐색해본다.

• 전자공학회논문지C
• /
• 제35C권12호
• /
• pp.1-12
• /
• 1998

본 논문은 VHDL 컴파일러 시스템에서 후반부의 VHDL-to-C 사상 과정을 설계 및 구현한 연구에 관하여 기술한다. 컴파일러 전반부가 VHDL 설계 프로그램으로부터 발생시킨 중간 형식의 분석 데이터는 컴파일러 후반부의 VHDL-to-C 사상을 통해서 VHDL 어의가 구현된 C 코드 모델로 변환된다. 기본적으로 VHDL 어의를 표현하기 위한 C 코드 모델은 선언부, 구축부, 초기화부 및 실행부의 4개 기능적 템플릿으로 구성된다. 사상 과정에서는 사상 단위와 기능분류에 따른 129개 C 사상 템플릿과 반복적 알고리듬을 통하여 터미널 정보를 이용해서 C 코드를 생성하게 된다. C 프로그램의 구성은 코드를 직접 템플릿으로 출력하거나, 생성된 코드를 데이터큐에 중간 저장시키고 상위사상 결과에 결합시켜서 이루어진다. 설계 및 구현된 VHDL-to-C 사상기는 Validation Suite의 96% VHDL 구문 구조에 대해서 100% C 코드 모델을 완벽하게 사상할 수 있음을 보였다. 또한 VHDL-to-C 사상의 성능에서 생성된 코드의 메모리 오버헤드가 해석기 방식보다는 작고 직접코드 방식보다는 크지만 VHDL 프로그램 크기에 대해서 완만한 증가 경향을 보이고 있으며, 사상처리 시간에서는 사상 메카니즘의 구현에서 최적화 및 개선이 요구됨을 나타내었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제37권6호
• /
• pp.470-479
• /
• 2010

감정어 추출과 관련하여 기존 영어권 연구에서 제시된 방법의 대부분은 한국어에 직접 적용이 쉽지 않다. 한국어권 연구에서 제시된 방법 중 수작업에 의한 방법은 감정어 추출에 많은 시간이 걸린다는 문제점이 있다. 영어 시소러스 기반 한국어 감정어 추출 기술은 한국어와 영어 단어간 일대일 부정합에서부터 기인하는 정확도의 저하를 제고해야 하는 과제를 갖고 있다. 한국어 구문 분석기를 기반으로 한 연구는 출현 빈도가 낮은 감정어를 선정하지 못할 수 있는 문제점을 내포하고 있다. 본 논문에서는 한국어 상품평 중 단순한 문장에서 감정어를 자동으로 추출하는 데 있어 기존에 제안된 한국어권 연구에 상호 보완적으로 정확도를 향상시킬 수 있는 k-Structure(k=5 또는 8) 기법을 제안한다. 단순한 문장이라 함은 패턴 길이를 최대 3으로 한다. 이는 평가 대상 상품(예를 들어 '카메라')의 속성 명 f (예를 들어 카메라의 '배터리')를 기준으로 ${\pm}2$의 거리에 감정어가 포함되어 있는 문장을 의미한다. 성능 실험은 국내 주요 쇼핑몰로부터 수집한 1,868개의 상품평을 대상으로 미리 주어진 8개의 속성 명에 대한 감정어를 k-Structure를 이용하여 자동으로 추출하고 그 정확도를 평가하였다. 그 결과, k=5일 경우 평균 79.0%의 재현률, 87.0%의 정확률을 보였고, k=8일 경우 평균 92.35%의 재현률, 89.3%의 정확률을 얻을 수 있었다. 또한, 영어권 연구에서 제안된 방법 중 PMI-IR(Pointwise Mutual Information-Information Retrieval) 기법을 이용하여 실험을 수행하였다. 이 결과, 평균 55%의 재현률과 57%의 정확률을 보였다.