• 한국과학교육학회지
• /
• 제22권2호
• /
• pp.299-313
• /
• 2002

본 연구에서는 제7차 교육과정의 중등 과학 생물영역 심화학습을 위한 웹 기반 학습 프로그램을 개발하였으며, 중학교 3학년을 대상으로 적용한 결과를 분석하였다. 중학교 전학년 및 고등학교 1학년 생물영역 심화과정의 5개 주제를 선정하여 의문형으로 제시했으며, 각 주제별로 4개의 하위 학습단원 '활동'을 설정. 총 20개의 '활동'을 개발하였다. 먼저 2개의 하위활동은 기본 및 심화과정 학습내용을 설명하고, 3번째 하위활동은 가상실험을, 4번째 하위활동은 평가 및 정리 문제를 제시하는 방향에서 설계하였다. 이외에 풍부한 자료와 보충 설명을 위하여 용어 사전을 4개 하위활동에 삽입하였다. 각 활동은 하이퍼링트시켜 서로 상호 연결되도록 하였으며, 학습자가 직접실험을 설계 수행하고 결과를 확인할 수 있도록 가상실험을 설계하였다. 개발된 웹 기반 학습 프로그램의 효과를 분석하기 위하여, 중학교 3학년 247명의 학생들을 대상으로 프로그램을 적용하고 설문조사를 실시하였다. 그 결과 대부분의 학생들은 가정에서 인터넷을 사용할 수 있는 것으로 나타났으며, 과제학습을 수행하기보다는 e-mail이나 정보 검색을 목적으로 인터넷을 활용하는 것으로 조사되었다. 프로그램을 학습한 67명의 학생들은 프로그램을 학습하지 않은 학생들에 비해 '생식과 발생'단원의 학습성취도에서 유의미하게 높은 점수를 얻었다. 또한, 학생들은 웹 기반 학습 프로그램의 가상실험과 애니메이션 효과를 선호하였으며, 프로그램이 다른 웹 기반 프로그램에 비해 우수하다고 평가하였다. 반면, 웹 기반 학습 프로그램을 학습하지 않은 학생들은 다론 웹 기반학습 프로그램에 관심이 없으며, 과학에도 흥미가 없다고 응답하였다. 최근 학생들이 가정과 학교에서 인터넷을 활용할 수 있는 여건은 조성되었으나, 학생들의 흥미와 학습효과를 신장시킬 수 있는 웹 기반 프로그램의 개발 보급은 미비한 것으로 밝혀졌다. 결론적으로 가상실험, 애니메이션, 다양한 학습자료를 제공할 수 있는 인터넷의 환경을 효율적으로 활용하여, 학생들의 과학에 대한 흥미와 학업 성취도를 높이는 과학분야의 웹 기반 학습프로그램을 개발하는 일이 시급한 것으로 밝혀졌다.

• 인터넷정보학회논문지
• /
• 제22권1호
• /
• pp.109-135
• /
• 2021

본 연구는 전통뉴스 보도에 나타난 인공지능(AI)스피커 뉴스 텍스트 분석을 통해 인공지능(AI) 스피커 발달과정을 분류하고 시기별 제품별 특성을 파악하였다. 또한 AI 스피커 사업자 제품별 뉴스 보도와 시기별 뉴스 보도간의 상관관계를 분석하였다. 분석에 사용된 이론적 배경은 뉴스의 프레임과 토픽프레임이다. 분석방법으로는 LDA 방식을 활용한 토픽모델링(Topic Modeling)과 의미연결망분석이 사용되었으며, 추가로 'UCINET'중 QAP분석을 적용하였다. 연구방법은 내용분석 방법으로 2014년부터 2019년까지 AI 스피커 관련 2,710건의 뉴스를 1차로 수집하였고, 2차적으로 Nodexl 알고리즘을 이용하여 토픽프레임을 분석하였다. 분석 결과 첫째, AI 스피커 사업자 유형별 토픽 프레임의 경향은 4개 사업자(통신사업자, 온라인 플랫폼, OS 사업자, IT디바이스 생산업자) 특성에 따라 다르게 나타났다. 구체적으로, 온라인 플랫폼 사업자(구글, 네이버, 아마존, 카카오)와 관련한 프레임은 AI 스피커를 '검색 또는 입력 디바이스'로 사용하는 프레임의 비중이 높았다. 반면 통신 사업자(SKT, KT)는 모회사의 주력 사업인 IPTV, 통신 사업의 '보조 디바이스' 관련한 프레임이 두드러지게 나타났다. 나아가 OS 사업자(MS, 애플)는 '제품의 의인화 및 음성 서비스' 프레임이 두드러지게 보였으며, IT 디바이스 생산업자(삼성)는 '사물인터넷(IoT) 종합지능시스템'과 관련한 프레임이 두드러지게 나타났다. 둘째, AI 스피커 시기별(연도별) 토픽 프레임의 경향은 1기(2014-2016년)에는 AI 기술 중심으로 발달하는 경향을 보였고, 2기(2017-2018년)에는 AI 기술과 이용자 간의 사회적 상호 작용과 관련되어 있었으며, 3기(2019년)에는 AI 기술 중심에서 이용자 중심으로 전환되는 경향을 나타냈다. QAP 분석 결과, AI 스피커 발달에서 사업자별과 시기별 뉴스 프레임이 미디어 담론의 결정요인에 의해 사회적으로 구성되는 것을 알 수 있었다. 본연구의 함의는 AI 스피커 진화는 사업자별, 발달시기별로 모회사 기업의 특성과 이용자 간의 상호작용으로 인한 공진화 과정이 나타냄을 발견할 수 있었다. 따라서 본 연구는 AI 스피커의 향후 전망을 예측하고 그에 따른 방향성을 제시하는 데 중요한 시사점을 제공한다.

• Journal of Nutrition and Health
• /
• 제52권3호
• /
• pp.310-322
• /
• 2019

본 연구에서는 인천 및 경기지역에 거주하며 식품 구매의 주 소비자인 성인 여성 410명을 대상으로 전자상거래에서 식품 구매 실태를 파악하고 식품 구매 상태에 따른 식생활과의 관련성을 분석하여 향후 전자상거래를 통한 올바른 식품 구매 지도 및 확산을 위한 기초자료로 활용하고자 하였다. 조사대상자의 연령은 20 ~ 50대가 비교적 고르게 분포하였으며, 기혼자가 70.5%였다. 전자상거래 식품 구매경험자는 87.6%이었으며, 최근 6개월 이내 식품 구매액은 대상자의 43.2%가 10만원 미만이었다. 식품 쇼핑몰에 대한 정보는 20 ~ 40대는 인터넷 검색을 통해서, 50대 이상의 경우에는 TV 광고를 통해서 얻는 경우가 많았다. 전자상거래에서 주로 구매하는 식품은 커피, 티, 간편조리식품, 냉장, 냉동식품이 40% 이상으로 높았다. 전자상거래를 이용하여 식품을 구매하는 이유는 '오프라인 매장 보다 저렴해서' '배송 및 운반이 편리해서', '전자상거래에서 판매되고 있는 식품의 종류가 다양해서', '경제활동 및 육아로 식품을 직접 구입할 시간이 부족해서' 순이었다. 전자상거래 식품 구매 시 중요하게 생각하는 부분은 '가격 및 품질'이 44.8%로 가장 높았으며, '신속하고 정확한 배송', '제품의 유통기한, 내용량, 영양성분, 성분명 및 함량의 명확한 표기' 순이었다. 전자상거래에서 식품 구매 후 대상자의 69.1%가 매우 만족 또는 만족하였으며, 95.5%는 향후 전자상거래에서 식품 구매의사가 있다고 답하였다. 전자상거래에서 식품 구매의 장점과 단점에 대한 인식은 5점 만점에 각각 3.6점과 3.7점이었으며, 50대 이상과 기혼자에서 장점에 대한 인식 점수가 유의하게 낮았다. 전자상거래에서 식품 구매자는 비구매자보다 '가공식품의 잦은 섭취', '달고 기름진 음식의 잦은 섭취', '외식', '과음 및 잦은 음주'의 식행동 점수가 낮아 바람직하지 않은 것으로 나타났다. 전자상거래에서 식품 구매비용이 높을수록 '우유 매일 섭취'의 식행동은 바람직한 반면, '가공식품의 잦은 섭취', '달고 기름진 음식의 잦은 섭취', '외식', '과음 및 잦은 음주'는 바람직하지 않은 것으로 나타났다. 전자상거래에서 식품 구매자는 비구매자보다 '천천히 여유롭게 식사', '편식하지 않고 음식을 골고루 섭취', '과식하지 않고 적당히 섭취' 점수가 낮아 바람직하지 않은 것으로 나타났으며, 식품 구매비용에 따라서는 금액이 낮을수록 '천천히 여유롭게 식사하는 편'의 식습관 점수가 높았다. 이상의 결과를 종합할 때 성인 여성의 87.6%가 전자상거래를 통한 식품 구매 경험을 가지고 있었으며, 전자상거래에서 식품 구매경험이 있거나 그 비용이 클수록 바람직하지 않은 식행동과 식습관을 보였다. 이와 같이 전자상거래에서 식품 구매는 소비자의 식행동 및 식습관과 관련성이 있는 것으로 나타나고 있기 때문에 지속적으로 증가하고 있는 전자상거래를 이용한 식품 구매 대상자들에게 건전한 식품구매와 올바른 식생활을 유도할 수 있는 지속적인 관심과 영양지도가 요구된다.

• 한국심리학회지:학교
• /
• 제15권3호
• /
• pp.399-431
• /
• 2018

본 연구는 한국과 미국의 일반학교에서 실행한 다층지원체계 중심의 긍정적 행동지원(PBS)에 관한 실험연구 논문들을 비교분석하여 한국형 학교차원 PBS 모형 및 매뉴얼 개발을 위한 기초자료를 제공하고, 향후 한국에서의 PBS 실행에 관한 연구 방향의 제시 및 시사점을 도출하고자 하였다. 이를 위해 한국과 미국의 학술 검색엔진을 통해 2005년부터 2018년까지의 PBS 실행 논문 중, 보편적 1차 지원, 또는 1차 지원을 실행하면서 2차 혹은 3차 지원을 실행한 한국의 연구 논문 11편과 미국의 연구 논문 24편을 분석대상으로 하여 일반적 연구특성(대상, 설계, 기간, 종속 변인 등)과 PBS의 주요특성 및 결과(대상자 선별과정, 중재 과정과 내용, 사회적 타당도 등)를 지원 차원 별로 구분하여 비교하였다. 분석 결과, 한국과 미국의 모든 연구에서 PBS는 지원 차원을 막론하고 학생 행동과 기타 영역에서 긍정적 성과가 있음을 보고하고 있었다. 1차 지원의 경우 한국은 학교 또는 학급의 교육환경 수정과 사회적 기술교수에 초점을 둔 반면, 미국은 이 외에도 표준화된 중재 프로그램에 관한 교사훈련과 체계적인 교사지원에 초점을 둔 것으로 나타났다. 2차 지원의 경우 미국은 한국에 비해 학교차원의 PBS 내에서 1차 지원과 함께 실행하고 있는 학교가 많았고, 주로 Check/In Check/Out(CICO)를 중재방법으로 사용하고 있었다. 또한 대상 선별방법에서 보다 체계적인 선별도구나 절차를 사용하였고, 부모가 적극적으로 참여하여 가정에서도 중재가 이루어지도록 하는 차이를 보였다. 3차 지원의 경우, 미국은 종합적 행동기능평가 결과를 중심으로 중재계획을 수립한 점과 선별방식이 체계화되었다는 점이 한국과 차이가 있었다. 이러한 결과를 바탕으로 한국에서의 다층지원체계 중심의 학교차원 PBS 실행을 위한 각 차원별 PBS 실행충실도와 사회적 타당도 및 맥락적 적합성(contextual fit)에 대한 타당화된 측정도구 개발의 필요성 등 시사점을 도출하였으며, 본 연구의 의의와 제한점, 향후 연구방향에 대해 논의하였다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.1-20
• /
• 2013

소셜 네트워크는 사용자들의 공통된 관심사, 경험, 그리고 일상 생활들을 함께 공유하기 위해 소셜 네트워크 상 사람들을 서로 연결시켜주는 거대한 커뮤니케이션 플랫폼이다. 소셜 네트워크상의 사용자들은 포스팅, 댓글, 인스턴스 메시지, 게임, 소셜 이벤트 외에도 다양한 애플리케이션을 통해 다른 사용자들과 소통하고 개인 정보 관리하는데 많은 시간을 소비한다. 소셜 네트워크 상의 풍부한 사용자 정보는 추천시스템이 추천 성능을 향상시키기 위해 필요한 큰 잠재력이 되었다. 대부분의 사용자들은 어떤 상품을 구매하기 전 가까운 관계이거나 같은 성향을 가진 사람들의 의견을 반영하여 의사 결정을 하게 된다. 그러므로 소셜 네트워크에서의 사용자 관계는 추천시스템을 위한 사용자 선호도 예측을 효율적으로 높이는데 중요한 요소라 할 수 있다. 일부 연구자들은 소셜 네트워크에서의 사용자와 다른 사용자들 사이의 상호작용 즉, 소셜 관계(social relationship)와 같은 소셜 데이터가 추천시스템에서 추천의 질에 어떠한 영향을 미치는가를 연구하고 있다. 추천시스템은 아마존, 이베이, Last.fm과 같은 큰 규모의 전자상거래 사이트 또한 채택하여 사용되는 시스템으로, 추천시스템을 위한 방법으로는 협업적 여과 방법과 내용 기반 여과 방법이 있다. 협업적 여과 방법은 사용자들의 선호도 학습에 의해 사용자가 아직 평가하지 않은 아이템 중 선호할 수 있는 아이템을 정확하게 제안하기 위한 추천시스템 방법 중 하나이다. 협업적 여과는 사용자들의 데이터에 초점을 맞춘 방법으로 유사한 배경과 선호도를 가지는 사용자들로부터 정보를 수집하여 사용자들의 선호도 예측을 자동으로 발생시킨다. 특히 협업적 여과는 근접한 이웃 사용자들에 의해서 목적 사용자가 선호할 수 있는 아이템을 제시하는 것으로 유사한 이웃 사용자를 찾는 것이 중요하다. 좋은 이웃 사용자 발견은 사용자와 아이템을 고려하는 방법이 일반적이다. 각 사용자는 아이템 즉, 영화, 상품, 책 등에 자신의 선호도를 나타내기 위하여 평가 값을 입력하고, 시스템은 이를 바탕으로 사용자-평가 행렬을 구축한다. 이 사용자-평가 행렬은 목적 사용자와 유사하게 아이템을 평가한 사용자 그룹을 찾기 위한 것으로, 목적 사용자가 아직 평가하지 않은 아이템에 대하여 사용자-평가 매트릭스를 통해 그 평가 값을 예측한다. 현재 이 협업적 여과 방법은 전자상거래와 정보 검색에서 적용되어 개인화 시스템에 효율적으로 사용되고 있다. 하지만 초기 사용자 문제, 데이터 희박성 문제와 확장성 그리고 예측 정확도 향상 등 해결해야 할 과제가 여전히 남아 있다. 이러한 문제들을 해소하기 위해 많은 연구자들은 하이브리드, 신뢰기반, 소셜 네트워크 기반 협업적 여과와 같은 다양한 방법을 제안하였다. 본 논문에서는 전통적인 협업적 여과 방식의 예측 정확도와 추천 성능을 향상시키기 위해 소셜 네트워크에 존재하는 소셜 관계를 이용한 협업적 여과 시스템을 제안한다. 소셜 관계는 소셜 네트워크 서비스 중 하나인 페이스북 사용자들이 남긴 포스팅과 사용자의 소셜 네트워크 친구와 의견 교류 중 남긴 코멘트와 같은 사용자 행동을 기반으로 정의된다. 소셜 관계를 구축하기 위해 소셜 네트워크 사용자의 포스팅과 댓글을 추출하고, 추출된 텍스트에 불용어 및 특수 기호 제거와 스테밍 등 전처리를 수행하였다. 특징 벡터는 TF-IDF를 이용하여 전처리된 텍스트에 나타난 각 단어에 대한 특징 점수를 계산함으로써 구축된다. 본 논문에서 이웃 사용자를 결정하기 위해 사용되는 사용자 간 유사도는 특징 벡터를 이용한 사용자 행동 유사도와 사용자의 영화 평가를 기반으로 한 전통적 방법의 유사도를 결합하여 계산된다. 제안하는 시스템은 목표 사용자와 제안한 방법을 통해 결정된 이웃 사용자 집단을 기반으로 목표 사용자가 평가하지 않은 아이템에 대한 선호도를 예측하고 Top-N 아이템을 선별하여 사용자에게 아이템을 추천하게 된다. 본 논문에서 제안하는 방법을 확인하고 평가하기 위하여 IMDB에서 제공하는 영화 정보 기반으로 영화 평가 시스템을 구축하였다. 예측 정확도를 평가하기 위해 MAE 값을 이용하여 제안하는 알고리즘이 얼마나 정확한 추천을 수행하는지에 대한 예측 정확도를 측정하였다. 그리고 정확도, 재현율 및 F1값 등을 활용하여 시스템의 성능을 평가하였으며, 시스템의 추천 품질은 커버리지를 이용하여 평가되었다. 실험 결과로부터 본 논문에서 제안한 시스템이 보다 더 정확하고 좋은 성능으로 사용자에게 아이템을 추천하는 것을 볼 수 있었다. 특히 소셜 네트워크에서 사용자 행동을 기반으로 한 소셜 관계를 이용함으로써 추천 정확도를 6% 향상시킴을 보였다. 또한 벤치마크 알고리즘과의 성능비교 실험을 통해 7% 향상된 추천 성능의 결과를 보여준다. 그러므로 사용자의 행동으로부터 관찰된 소셜 관계를 CF방법과 결합한 제안한 방법이 정확한 추천시스템을 위해 유용하며, 추천시스템의 성능과 품질을 향상시킬 수 있음을 알 수 있다.