• 정보교육학회논문지
• /
• 제24권6호
• /
• pp.623-631
• /
• 2020

코로나 19라는 전세계적 위기를 맞이하여 이러닝은 '뉴노멀(new normal)'이라는 이름으로 새로운 표준과 일상이 되고 있다. 본 연구에서는 기존의 일방향적, 교수자 중심적 독백형 이러닝 콘텐츠 분석 평가하였다. 총 20명의 성인 학습자가 참여하였고, 1:1 인터뷰를 통한 사용자 경험 평가를 진행하였고, 질적 데이터 분석을 실시하였다. 사용자 경험 평가 결과, 대화형 이러닝은 다양한 의견에 공감할 수 있고 새로운 이러닝 형태로 신선하였다고 응답하였다. 독백형과 대화형 이러닝 콘텐츠에 관한 개인적 선호에 관해 55%의 학습자가 대화형을 선호한다고 답하였고, 실제 경험을 공유하며 참신하다고 답하였다. 한편, 내용 이해 효과성측면에서 선호도는 60% 학습자가 독백형을 선택하였고, 충분한 개념 설명과 정확한 지식 전달을 지적하였다. 연구 결과를 토대로 대화형 이러닝 콘텐츠 설계와 개발을 위한 개선 방안을 제안하였다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.572-573
• /
• 2022

본 논문은 메타버스 환경에서 문제가 대두되고있는 AI 윤리(ethic)를 배경으로 인터랙션을 통해 사람들의 온라인과 오프라인의 결정요소에 직접적으로 영향을 미치는 대화형 AI가 어떻게 윤리적으로 진화될 수 있을지에 대한 공학적 솔루션을 UX 관점으로 찾아보는 기술 전략 연구라고 할 수 있다. 연구의 가설은 AI 의 머신러닝과정에 개별 사용자 그룹의 경험데이터가 반드시 포함되고 고려되어야 AI 는 오류값을 줄이고 윤리적으로 대응할 수 있다는 전제이다. 이를 위하여 본 논문은 기존의 머신러닝과 대화형 AI 의 UX 관점의 다이아로그 플로우 등을 연구 분석하고 사용자 데이터들을 실험하여 메타버스 서비스 환경에서의 기존에 논의되고 있는 컨택스트기반의 AI 머신러닝 과정에 사용자의 정성적 경험데이터를 추가한 윤리적 UX 접근 개념 모델을 제안 하였다. 아직은 개념모델 단계이고 시스템에서는 지금까지 다르지 않았던 비정량적인 감정과 융합적경험을 어떻게 문화적으로 코드화 하고 시스템적인 랭귀지와 연결시킬 수 있을지에 대한사용자 연구가 후속연구로 진행될 예정이다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.447-451
• /
• 2022

본 논문에서는 사용자가 대화 텍스트 방식의 입력을 주었을 때 이를 키워드 중심으로 변환하여 이미지를 생성해내는 방식을 제안한다. 대화 텍스트란 채팅 등에서 주로 사용하는 형식의 구어체를 말하며 이러한 텍스트 형식은 텍스트 기반 이미지 생성 모델이 적절한 아웃풋 이미지를 생성하기 어렵게 만든다. 이를 해결하기 위해 대화 텍스트를 키워드 중심 텍스트로 바꾸어 텍스트 기반 이미지 생성 모델의 입력으로 변환하는 과정이 이미지 생성의 질을 높이는 좋은 방안이 될 수 있는데 이러한 태스크에 적합한 학습 데이터는 충분하지 않다. 본 논문에서는 이러한 문제를 다루기 위한 하나의 방안으로 사전학습된 초대형 언어모델인 KoGPT 모델을 활용하며, 퓨샷 러닝을 통해 적은 양의 직접 제작한 데이터만을 학습시켜 대화 텍스트 기반의 이미지 생성을 구현하는 방법을 제안한다.

• 인터넷정보학회논문지
• /
• 제10권3호
• /
• pp.151-157
• /
• 2009

많은 이러닝 시스템들은 기존의 설정된 문항난이도를 기반으로 학습자에게 학습정보를 제공하고 있으며, 학습자는 정해진 학습과정에 따라 학습을 수행하고 있다. 이는 학습과정 중에서 학습자마다 학습을 이해하는 정도가 다름에도 불구하고 학습자는 정해진 난이도와 학습과정을 따라야 함으로 효율적인 학습효과를 나타내기 어렵다. 본 연구에서는 학습자가 학습과정중에 이해하는 정도를 시스템이 파악하여 능동적으로 난이도 및 학습과정을 조절하는 학습자 적응형 이러닝 시스템을 제시하고자 한다. 이를 통하여 학습자는 오프라인에서의 학습과 같은 대화형 학습을 통해 온라인 학습이 가져오는 획일적 학습에서 벗어나 보다 높은 학습효과를 높일 수 있다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권11호
• /
• pp.339-344
• /
• 2020

코로나19 상황에서 교육산업은 4차 산업혁명의 핵심기술을 기반으로 다양한 지능 정보기술을 도입함으로써 기존의 이러닝(e-Learning)에서 한 단계 진화한 '에듀테크' 개념을 정리하고 다양한 컨텐츠를 통하여 확산시키고 있다. 한편, 각종 산업은 기존의 비즈니스에 새로운 기술의 적용을 통하여 신산업을 창출하고 있으며, 새롭게 나타나는 문제를 해결할 수 있는 기존의 전통적인 ICT 기술과 산업 비즈니스를 이해하는 인력의 양성을 필요로 하고 있다. 그러나, 기존의 단방향 지식전달의 고전적인 이러닝 또는 일부 대화형을 구축한 양방향 소통체계로는 이러한 인력을 양성하기 위한 콘텐츠를 구축하기에 어려움이 있다. 이에 따라 본 연구에서는 기존의 양방향 소통체계를 기반으로 교육자가 실시간으로 학습자와 소통하며 문제해결형 교육을 진행할 수 있는 협동형 이러닝 시스템에 대한 연구를 수행하였다. 그 결과, 콘텐츠에 대한 프레임과 프로토타입 개발을 통하여 수업에 일부 적용하고, 교수자 및 학습자의 효용성 분석을 통하여 실제 수업에 적용하기 위한 시뮬레이션 기반 협동형 콘텐츠로써 적합함이 나타났다.

• 방송공학회논문지
• /
• 제27권5호
• /
• pp.694-702
• /
• 2022

본 논문은 메타버스 환경에서 대화형 AI가 어떻게 윤리적으로 진화될 수 있을지에 대한 솔루션을 UX(사용자경험) 관점으로 찾아보는 기술 전략 연구이다. 대화형 AI는 사람들과의 직접적인 인터랙션을 통해 사람들의 온·오프라인의 결정요소에 영향을 미치기 때문에 메타버스 AI 윤리가 필수적으로 반영되어야 한다. 대화형 AI의 머신러닝의 과정에는 사용자 개인의 경험데이터와 함께 문화적 코드들이 포함되고 고려되어야 사용자경험의 오류값을 줄일 수 있다. 이를 통해 초 개인화된 메타버스의 서비스가 사회적 가치를 고려하며 윤리적으로 진화할 수 있다. 위와 같은 가설을 기반으로 본 논문의 연구 결과로 메타버스 서비스 환경에서 컨택스트 기반의 대화형 AI를 위한 머신러닝(ML)과정에 사용자의 경험데이터를 추가한 선행적 관점의 개념 모델을 개발, 제안하였다.

• 한국컴퓨터그래픽스학회논문지
• /
• 제27권4호
• /
• pp.1-9
• /
• 2021

축삭(axon), 가지돌기(dendrite), 신경세포체(cell body)와 같은 뉴런의 소기관을 분리하는 작업은 신경학적 현상의 분석에 도움을 준다. 최근에 딥러닝 기술을 이용하여 이를 수행하고자 하는 시도들이 있지만, 데이터의 노이즈, 훈련 데이터와의 차이 등으로 인해 결과에 오류를 포함할 가능성이 있다. 따라서, 이러한 기술을 실제 분석에 활용하기 위해서는 결과를 교정하는 과정이 필수적이지만, 이는 전문가가 수작업으로 수행해야 하기 때문에 많은 노력과 시간이 소요된다. 우리는 딥러닝 결과에 존재하는 오류들을 보다 손쉽게 교정할 수 있는 대화형 뉴런 구조 교정 방법을 제안한다. 이 방법은 구조적 일관성을 지니는 뉴런의 특성을 기반으로 뉴런 구조를 교정하여 적은 사용자의 인터랙션으로도 높은 정확도의 교정 결과를 얻을 수 있도록 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 추계학술발표대회
• /
• pp.1092-1093
• /
• 2023

본 논문에서는 한국무역협회(KITA)의 오픈상담 자료들을 바탕으로, 딥러닝 기술을 이용하여 구현한 해상물류 대화형 챗봇 ShipMate를 제안한다. 챗봇 ShipMate는 KoGPT2를 활용한 답변과 Doc2Vec 기반의 유사 상담사례 추천이 가능하고, 무역상담을 시간제약 없이 진행할 수 있기 때문에, 기존 해상물류 서비스의 접근성을 한층 더 높일 수 있으며 이를 실험을 통해 입증하였다.

• 한국컴퓨터정보학회논문지
• /
• 제29권4호
• /
• pp.23-30
• /
• 2024

본 논문에서는 딥러닝 기반의 개인 맞춤형 실버세대 케어 서비스 애플리케이션을 설계하고 구현한다. 이 애플리케이션은 사용자의 편의성을 고려하여 STT(Speech to Text) 기술을 사용해 사용자의 발화를 텍스트로 변환하고, 이를 Microsoft 사의 대화형 멀티 에이전트 거대 언어 모델인 Autogen의 입력으로 사용한다. Autogen은 사용자와 ChatBot의 대화 데이터를 활용하여 상대방의 의도를 파악하여 답변에 대하여 응답한다. 그리고 백엔드 에이전트를 활용하여 위시리스트, 공유 달력 그리고 보이스 클로닝을 위한 딥러닝 모델을 통해 상대방의 목소리가 담긴 안부 메시지 기능을 제공한다. 또한, 애플리케이션은 SKT 사의 인공지능 누구(NUGU) 스피커를 탑재하여 홈 IoT 서비스 기능을 제공한다. 이러한 기능을 통해 제안하는 지능형 애플리케이션은 향후 미래 인공지능 기반의 실버세대 케어 기술에 기여할 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.628-630
• /
• 2018

인공지능에 대한 연구가 최근 이슈가 되면서, 딥러닝 기술의 비약적인 발전 덕분에 대화형 에이전트가 인터페이스의 역할을 하고 있다. 이 중에서 최근 여러 대학에서 서비스로 지원하는 챗봇 시스템의 문제점에 대하여 개선된 시스템을 제안하고, 이를 구현하여 실험을 통해 연구하고자 한다. 기존 챗봇 시스템이 가진 문제점을 보완한 시스템은 서비스 사용자가 질의하는 의도에 더 알맞은 응답을 제공하여 서비스 사용자의 불편함을 최소화하고, 사용성과 편의성을 최대화 하는 것을 목적으로 한다.