• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.447-448
• /
• 2023

본 연구에서는 비전공자들을 위한 디지털 교육을 위하여 노 코드 프로그램을 활용한 정보, 수학, 과학 융합교육 교양 강좌를 개발하였다. 노 코드 프로그램으로는 오렌지3 데이터 마이닝을 선정하였는데, 이는 데이터 분석, 시각화, 머신러닝 모델의 활용이 용이하다는 강점을 가지고 있다. 또한, 산업환경 변화에 대비하는 핵심 교과인 과학, 수학, 정보의 중요성과 데이터 분석과의 밀접성을 고려하여 교육 내용을 융합할 수 있도록 선정하였다. 개발된 교육 프로그램은 8인이 전문가 검토 결과 내용 타당도가 확보되었음을 확인할 수 있었다. 추후 연구에서는 이 강좌를 대학의 학부생에게 적용하여 그 효과성을 확인해 보고자 한다.

• 한국위성정보통신학회논문지
• /
• 제10권4호
• /
• pp.17-22
• /
• 2015

고등학생이 대학입학 전 본인의 관심분야의 전공수업을 첨단장비를 통해 미리 학습할 수 있는 고교-대학 연계 멘토링 프로그램이 대학에 개설되고 있다. 본 연구는 2013년도 경험을 분석한 기존 연구를 발전시켜 멘토링 프로그램을 추가하였고, 이를 활용하여 팀별로 학습할 수 있는 학습 프로그램 개발을 통해 2차년도 교육에 참여한 경험을 연구하였다. 실습 중심의 멘토링을 통해 고교생이 직접 실습 과제를 해결하고 결과물을 만들 수 있도록 유도하였다. 연구 결과, 1차 프로그램은 강의 진행에 관련된 부분과 관심도 증대 부분에서, 2차 프로그램은 체계적인 강의 진행과 일정 그리고 지식 발전의 향상과 추천 정도 영역에서 만족이 높았다. 팀 내에서 멘티들이 상호작용을 하고, 멘토들과 교류하며 함께 성장하는 것이 팀러닝이라고 평가하였다. 본 연구는 고교-대학 교육 프로그램의 지속적인 연구를 통해 고교생들에게 알맞는 프로그램을 개발하는데 큰 의의가 있었다.

• 디지털융복합연구
• /
• 제8권2호
• /
• pp.89-102
• /
• 2010

본 연구에서는 각 대학의 최근 변화된 강의환경을 고려하여 도서관에서 제공하고 있는 상용 디지털 콘텐츠와 대학의 e-Learning 현황을 분석하고 현재의 환경하에서 요구되어지는 대학도서관 서비스 활성화 방안을 제언하고자 한다. 이를 위하여 e-learning 강의를 이용하고 있는 I 대학의 교수 학생을 대상으로 e-Learning 강의 지원에 미치는 대학도서관에서 제공하는 상용 디지털콘텐츠 서비스 품질에 대한 설문을 실시하였다. 도서관의 상용 디지털콘텐츠 제공 서비스 품절은 디지털도서관 서비스 측정모형으로 사용되어지고 있는 Digital Library Service Quality Index(이하 DL-SQL모형이라 함)을 바탕으로 4개의 차원(정보시스템 품질, 디지털장서 품질, 고객서비스 품질, 고객커뮤니티 품질)과 7개의 구성요인(검색성, 전담조직 및 인터페이스, 접근성, 디지털장서, 고객지원서비스, 개인화서비스, 고객커뮤니티) 등을 일부 수정하여 디지털 콘텐츠관련 서비스 품질을 측정하였다. 측정결과 디지털콘텐츠 관련 도서관서비스에서 "고객서비스"와 "고객커뮤니티" 품질 서비스는 "정보시스템"과 "디지털장서"에 대한 품질 서비스보다 e-Learning 강의 지원과 학습에 더 영향을 주는 것으로 분석 되었다. 이러한 결과는 e-Learning 강의를 개설하는 교수와 수강하는 학생들에게 대학도서관에서 상용 디지털콘텐츠를 구입하여 제공하는 양적 푸싱 서비스 보다는 도서관의 대 이용자 고객맞춤정보 서비스가 e-Learning 강의지원에 더 많은 영향을 끼치는 요인으로 분석됨으로써 향후 대학에서 e-Learning 강의와 연계된 디지털콘텐츠 구축관련 정책수립시 참고해야 할 도서관 서비스 활성화 방안을 제언하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.133-140
• /
• 2022

우리는 유학생이 작성한 한국어 쓰기 답안지의 점수 구간을 예측하는 문제에서 세 개의 딥러닝 기반 한국어 언어모델의 예측 성능을 조사한다. 이를 위해 총 304편의 답안지로 구성된 실험 데이터 세트를 구축하였는데, 답안지의 주제는 직업 선택의 기준('직업'), 행복한 삶의 조건('행복'), 돈과 행복('경제'), 성공의 정의('성공')로 다양하다. 이들 답안지는 네 개의 점수 구간으로 구분되어 평어 레이블(A, B, C, D)이 매겨졌고, 총 11건의 점수 구간 예측 실험이 시행되었다. 구체적으로는 5개의 '직업' 답안지 점수 구간(평어) 예측 실험, 5개의 '행복' 답안지 점수 구간 예측 실험, 1개의 혼합 답안지 점수 구간 예측 실험이 시행되었다. 이들 실험에서 세 개의 딥러닝 기반 한국어 언어모델(KoBERT, KcBERT, KR-BERT)이 다양한 훈련 데이터로 미세조정되었다. 또 두 개의 전통적인 확률적 기계학습 분류기(나이브 베이즈와 로지스틱 회귀)도 그 성능이 분석되었다. 실험 결과 딥러닝 기반 한국어 언어모델이 전통적인 기계학습 분류기보다 우수한 성능을 보였으며, 특히 KR-BERT는 전반적인 평균 예측 정확도가 55.83%로 가장 우수한 성능을 보였다. 그 다음은 KcBERT(55.77%)였고 KoBERT(54.91%)가 뒤를 이었다. 나이브 베이즈와 로지스틱 회귀 분류기의 성능은 각각 52.52%와 50.28%였다. 학습된 분류기 모두 훈련 데이터의 부족과 데이터 분포의 불균형 때문에 예측 성능이 별로 높지 않았고, 분류기의 어휘가 글쓰기 답안지의 오류를 제대로 포착하지 못하는 한계가 있었다. 이 두 가지 한계를 극복하면 분류기의 성능이 향상될 것으로 보인다.

• 만화애니메이션 연구
• /
• 통권50호
• /
• pp.453-478
• /
• 2018

디지털 기기의 확산으로 모바일을 이용하여 교육서비스를 제공하는 모바일 러닝이 확대되고 있다. 특히 PC중심의 온라인 교육에서 모바일 교육으로의 전환은 언제 어디서나 모바일 기기를 이용하여 온라인 교육이 이루어질 수 있도록 교육 서비스를 제공하고 있다. 하지만 이러한 모바일 기기를 이용한 모바일러닝의 확산에도 불구하고 사용자 중심의 콘텐츠 설계가 부족한 아쉬움이 있다. 이에 본 연구에서는 사용자 중심의 콘텐츠 설계를 위한 사용성 평가항목을 도출하고자한다. 이를 위하여 기존의 사용성 평가 및 교육 콘텐츠의 특성을 반영하기 위한 문헌조사를 실시하였으며, 문헌고찰을 이용하여 교육용 모바일 특성에 맞는 평가항목을 도출하고자 하였다. 교육용 모바일 앱은 교육서비스의 특징과 모바일 디바이스 특징을 동시에 가지고 있으므로 교육적 사용성 항목으로 대표할 수 있으며, 이는 학습효과를 높이기 위한 시스템과 콘텐츠 영역으로 나누어 평가항목을 도출할 수 있다. 델 파이 기법을 통해 전문가 15명을 대상으로 사용성과 관련한 설문을 진행하였다. 분석결과, 조작용이성, 학습효율성, 심미성, 학습용이성이 교육적 사용성 평가항목으로 나타났다. 본 연구 결과는 모바일 기반 학습자의 사용성을 향상시킬 수 있는 기반이 될 것으로 기대된다.

• 한국산학기술학회논문지
• /
• 제19권8호
• /
• pp.201-210
• /
• 2018

본 연구는 플립드 러닝 기반 건강사정 교육이 간호학생의 학업성취도에 미치는 효과를 확인하기 위한 연구이다. 반복측정을 이용한 비동등성 대조군 사후 시차설계에 의한 유사실험연구이다. 연구 대상자는 일 대학 2학년에 재학 중인 간호학과 학생들이었다. 동일한 기간 동안 실험군에게 플립드 러닝 기반 수업을 제공하였고, 대조군에게 전통적 강의와 팀학습 기반 수업을 제공하였다. 자료수집 기간은 2015년 3월부터 2017년 12월이었다. 수집된 자료는 SPSS 21.0을 이용하여 분석하였다. 중간평가에서 실험군($7.41{\pm}1.40$)과 대조군($5.37{\pm}1.74$)의 지식 점수는 통계적으로 유의한 차이가 있었고(t=8.42, p<.001), 기말평가에서도 실험군($8.06{\pm}1.43$)과 대조군($6.93{\pm}1.90$)의 지식 점수는 통계적으로 유의한 차이가 있었다(t=4.54, p<.001). 중간평가에서 실험군($8.28{\pm}1.04$)과 대조군($6.07{\pm}0.53$)의 수행능력 점수는 통계적으로 유의한 차이가 있었고(t=17.28, p<.001), 기말평가에서도 실험군($9.25{\pm}0.48$)과 대조군($7.76{\pm}0.68$)의 수행능력 점수는 통계적으로 유의한 차이가 있었다(t=17.14, p<.001). 교육 종료 후 3차례 평가된 통합지식 점수는 시간의 경과에 따라 실험군이 대조군 보다 높았다. 교육 종료 후 측정시점에 따른 통합지식 점수의 차이는 1차(t=4.38, p<.001)와 3차(t=2.40, p=.018)에서 통계적으로 유의한 차이가 있었으나 2차(t=0.87, p=.387)에서 통계적으로 유의한 차이가 없었다. 이상의 연구결과를 통해 플립드 러닝은 간호학생의 지식과 수행능력 향상에 효과적인 교수학습방법임을 확인할 수 있었다. 이에 다양한 간호학 교육영역에서 플립드 러닝의 적용 효과에 대한 연구가 이루어져야 할 것이다.

• 정보교육학회논문지
• /
• 제26권2호
• /
• pp.129-140
• /
• 2022

코로나19(COVID-19)로 인해 우리 사회는 급격한 변화를 겪고 있으며 특히 교육 현장에서는 디지털 기술을 활용한 온라인 학습이 다양한 형태로 시도되고 있고, 교육 시스템의 변화에 따라 교사와 학생의 전통적인 역할에도 많은 변화가 생겼다. 그러나 비대면 교육 상황에서 발생하는 학습 몰입 저하, 교수·학습자 간의 상호작용 부재, 기초 학력 저하 등 원격 수업이 가지는 한계점이 지속적으로 제기되고 있으며 이러한 문제점을 해결하기 위해서 적절한 교육적 전략이 필요한 시점이다. 본 연구에서는 가상 세계(Virtual Reality)와 현실 세계(Real World)의 상호작용을 기반으로 하는 '메타버스(Metaverse)'의 개념에 주목하고 이를 기반으로 하는 교육 활동의 효과성을 검증하고자 했다. 세부적으로 메타버스 가상 교실(Virtual Classroom)에서 플립러닝(flipped learning)을 실현하기 위한 교육 프레임워크를 제안하고, 이를 기반으로 개발된 교수·학습 프로그램으로 단일집단의 학습 몰입도를 측정하여 개발된 프레임워크의 효과성을 검증했다. 본 연구에서 제안한 메타버스 플랫폼 기반의 플립러닝 프레임워크 및 교육 프로그램을 적용했을 때 학습자들의 학습 몰입도가 향상되었음을 확인할 수 있었다.

• 한국수자원학회논문집
• /
• 제51권12호
• /
• pp.1207-1216
• /
• 2018

본 연구는 물리적 수리 수문모형의 적용이 제한적인 감조하천에서의 수위예측을 목적으로 하고 있으며, 이를 위해 한강 잠수교를 대상으로 딥러닝 오픈소스 소프트웨어 라이브러리인 TensorFlow를 활용하여 LSTM 모형을 구성하고 2011년부터 2017년까지의 10분 단위의 잠수교 수위, 팔당댐 방류량과 한강하구 강화대교지점의 예측조위 자료를 이용하여 모형학습(2011~2016) 및 수위예측(2017)을 수행하였다. 모형 매개변수는 민감도 분석을 통해 은닉층의 개수는 6개, 학습속도는 0.01, 학습횟수는 3000번로 결정하였으며, 모형 학습 시 학습정보의 시간적 양을 결정하는 중요한 매개변수인 시퀀스길이는 1시간, 3시간, 6시간으로 변화시키며 모의하였다. 최종적으로 선행시간에 따른 모의 예측능력을 평가하기 위해 LSTM 모형의 예측 선행시간을 6개(1 ~ 24시간)로 구분하여 실측수위와 예측수위와의 비교 분석을 수행한 결과, LSTM 모형의 최적의 성능을 내는 결과는 시퀀스길이를 1시간으로 하였을 때로 분석되었으며, 특히 선행시간 1시간에 대한 예측정확도는 RMSE는 0.065 m, NSE는 0.99로 실측수위에 매우 근접한 예측 결과를 나타내었다. 또한 시퀀스길이에 상관없이 선행시간이 길어질수록 모형의 예측 정확도는 2017년 전기간에 걸쳐 평균적으로 RMSE 0.08 m에서 0.28 m로 오차가 증가하였으며, NSE는 0.99에서 0.74로 감소하였다.

• 지능정보연구
• /
• 제29권4호
• /
• pp.31-49
• /
• 2023

레스토랑 산업의 성장과 함께 레스토랑 오프라인 매장 수는 점차 증가하지만, 소비자는 자신의 선호도에 적합한 레스토랑을 선택하는 데 어려움을 경험하고 있다. 따라서 소비자의 선호도에 맞는 레스토랑을 추천하는 개인화된 추천 서비스의 필요성이 대두하고 있다. 기존 연구에서는 설문조사 및 평점 정보를 활용하여 소비자 선호도를 조사했으나, 이는 소비자의 구체적인 선호도를 효과적으로 반영하는데 어려움이 존재한다. 이러한 배경하에 온라인 리뷰는 방문 동기, 음식 평가 등 레스토랑에 대한 소비자 구체적인 선호도를 효과적으로 반영하기 때문에 필수적인 정보이다. 한편, 일부 연구에서는 리뷰 텍스트에 전통적인 기계학습 기법을 적용하여 소비자의 선호도를 측정하였다. 그러나 이러한 접근 방식은 주변 단어나 맥락을 고려하지 못하는 한계점이 존재한다. 따라서 본 연구는 딥러닝을 효과적으로 활용하여 온라인 리뷰에서 소비자의 선호도를 정교하게 추출하는 리뷰 텍스트 기반 레스토랑 추천 모델을 제안한다. 본 연구에서 제안된 모델은 추출된 높은 수준의 의미론적 표현과 소비자-레스토랑 상호작용을 연결하여 소비자의 선호도를 정확하고 효과적으로 예측한다. 실험 결과에 따르면 본 연구에서 제안된 추천 모델은 기존 연구에서 제안된 여러 모델에 비해 우수한 추천 성능을 보이는 것으로 나타났다.

• 경영정보학연구
• /
• 제24권1호
• /
• pp.1-19
• /
• 2022

온라인 사용자들이 소셜 미디어상에 올린 온라인 리뷰 속 숨겨진 감정을 분석하는 감성분석은 소셜미디어의 확산에 힘입어 많은 관심을 받고 있다. 본 연구는 기존 연구들과 차별화된 방법으로 감성분석을 시도하기 위하여 베이지안 네트워크에 기반한 감성 분석 모델을 제안한다. 모델에는 MBFS(Markov Blanket-based Feature Selection)가 속성 선택 기법으로 사용된다. MBFS의 성과를 실증적으로 증명하기 위하여 소셜미디어인 Yelp의 리뷰 데이터를 활용하였다. 벤치마킹 속성 선택 기법으로는 상관관계기반 속성 선택, 정보획득 속성 선택, 획득비율 속성 선택을 사용하였다. 한편, 해당 속성선택방법을 토대로 4개의 머신러닝 알고리즘을 이용하여 분류성과를 비교하였다. 나아가 MBFS로 선택된 속성들 간 인과관계를 확인하고자 베이지안 네트워크를 통해 What-if 분석을 실시하였다. 본 연구에서 택한 머신러닝 분류기는 베이지안 네트워크 기반의 TAN (Tree Augmented Naive Bayes), NB (Naive Bayes), S-Spouses(Sons & Spouses), A-markov (Augmented Markov Blanket)이다. 성과분석 결과 본 연구에서 제안한 MBFS 방법이 정확도, 정밀도, F1점수 측면에서 벤치마킹 방법보다 더 우수한 성과를 나타내었다.