• 실천공학교육논문지
• /
• 제15권1호
• /
• pp.31-38
• /
• 2023

본 논문에서는 비전공자들을 위한 기초 머신러닝 모델 학습 및 활용교육 커리큘럼을 제안하고, Orange 머신러닝 모델 학습 및 분석 도구를 활용한 교육 방법을 제안하였다. Orange는 오픈 소스기반 머신러닝 및 데이터 시각화 도구로서, 복잡한 프로그래밍 없이 시각적인 위젯을 사용하여, 데이터를 학습시켜 머신러닝 모델을 만들 수 있다. Orange는 비전공자 학부생부터 전문가 그룹까지 다양하게 사용되는 플랫폼이다. 본 논문에서는 한 학기 분량의 기초 머신러닝 모델 학습 및 활용교육 커리큘럼과 주별 실습 내용을 제시하였다. 그리고, 머신러닝 모델 학습 및 활용에 대한 교육 내용 실체를 실증하기 위해, Orange 도구를 활용하여, 분류 데이터(Categorical Data) 표본과 수치 데이터(Numerical Data) 표본으로부터 머신러닝 모델을 학습시키고, 모델을 활용하여 모집단의 결과를 예측하는 활용 사례들을 제안하였다. 마지막으로 본 커리큘럼에 대한 교육 만족도를 비전공자 대상으로 조사 및 분석하였다.

• 정보교육학회논문지
• /
• 제25권2호
• /
• pp.327-335
• /
• 2021

본 연구는 초등학생의 컴퓨팅 사고력을 향상시키기 위한 교육 방법으로 데이터 라벨링 중심의 머신러닝 교육 프로그램을 개발하여 적용한 후 그 효과를 검증하였다. 교육 프로그램은 현직 초등학교 교사 100명을 대상으로 실시한 사전 요구분석 결과를 바탕으로 설계 및 개발을 진행하였다. 개발한 교육 프로그램의 효과를 검증하기 위하여 K 초등학교에 재학 중인 6학년 학생 17명을 대상으로 1일 2차시씩 총 6주간 12차시의 교육을 진행하였다. 해당 교육이 컴퓨팅 사고력 향상에 미친 효과를 측정하기 위해 ' 버챌린지(Bebras Challenge)'를 활용하여 사전 사후 검사를 진행하여 교육적 효과를 분석하였다. 분석 결과 데이터 라벨링 중심의 머신러닝 교육이 초등학생의 컴퓨팅 사고력 향상에 기여한 것으로 나타났다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.633-634
• /
• 2020

본 논문에서는 소외계층 초등정보영재를 위한 온라인 머신러닝 교육 프로그램을 개발하였다. 교육 프로그램은 초등정보영재 전문가가 개발하였으며, 인공지능 교육 전문가가 검증하였다. 교육 프로그램은 15차시로 구성하였으며, 인공지능에 대한 이해, 데이터 수집 및 표현, 모델 선택, 훈련, 평가, 실생활 사례 제작, 예측으로 내용을 구성하였다. 교육 프로그램에서 학습 모형은 이재호와 홍창의(2009)의 문제 중심형 e-PBL 학습 모형을 본 연구에 맞게 수정하여 활용하였다. 향후 연구에서는 개발한 교육 프로그램을 소외계층 초등 정보영재에 적용하고, 교육 프로그램을 통한 소외계층 초등정보 영재의 변화를 분석하고자 한다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.7-11
• /
• 2021

본 연구는 초등학교에서 쉽게 적용할 수 있는 소리 데이터를 활용한 블록 기반의 머신러닝 교육 프로그램을 설계하였다. 교육 프로그램은 ADDIE 모형에 따라 사전에 초등학교 교사 70명을 대상으로 실시한 요구 분석을 결과를 바탕으로 그 목표와 방향을 설계하였다. 머신러닝 포 키즈 중 블록 기반의 프로그래밍을 위해 스크래치를 사용하였고 소리 데이터를 활용하여 데이터값의 규칙성을 발견하고 인공지능의 원리를 학습하고 직접 문제를 해결하는 프로그래밍 과정에서 컴퓨팅 사고력을 향상할 수 있도록 교육 프로그램을 설계하였다. 추후의 연구에서 본 교육 프로그램을 적용하고 인공지능에 대한 태도와 컴퓨팅 사고력에 어떤 변화가 있는지 검증이 필요하다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.719-722
• /
• 2021

최근 인공지능의 새로운 기술들이 하루가 다르게 발전하고 있다. 이에 본 연구에서는 인공지능 교육과 글쓰기 교육을 연계하여 초등학생들의 어휘력 향상을 위한 수업을 설계하고자 한다. 그 방법으로는 본 수업에 앞서 어휘 10문제를 테스트하여 실험에 참가하기 전의 어휘력을 점검한다. 그 후 머신러닝 포키즈를 이용하여 여러 감정에 해당되는 단어들을 다양하게 훈련하도록 하였고, 그 후 관련된 어휘 10문제를 다시 테스트 하였다. 실험 결과 실험에 참가하기 전에는 100점 만점에 58.8점으로 나왔으나 훈련 후의 결과는 평균 68점으로 모든 학생의 성적이 좋아지는 결과를 얻을 수 있었다. 어휘력 문항수가 적은 점과 10명의 실험참가자로 일반화할 수 없는 한계가 있다. 향후 초등교재 한권을 선정하여 어휘를 모두 분석한 후 가장 많이 등장하는 어휘를 골라내어 테스트하여 좀 더 통계적으로 의미 있는 분석을 하고자 한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.243-244
• /
• 2020

본 논문에서는 기존 AI 기능을 탑재한 교육용 프로그래밍 언어 기반의 서비스들의 문제점을 개선할 수 있는 머신러닝 학습을 위한 교육용 프로그래밍 언어 기반 실습 플랫폼을 제안한다. 이번 연구에서는 기존 교육용 프로그래밍 언어 기반 서비스의 대표주자인 Scratch 3.0과 Tensorflow를 접목하여 AI에 대한 높은 이해도를 가질 수 있도록 하는 학습 방향을 제시하고 Gray-Box 형태의 학습 모델 서비스를 구현한다.

• 정보교육학회논문지
• /
• 제25권5호
• /
• pp.705-712
• /
• 2021

본 연구는 인공지능이라는 시대적 흐름에 따라 초등학교에서 쉽게 적용할 수 있는 인공지능 교육 프로그램을 개발하는 데 목적을 두고 있다. 교육 프로그램은 ADDIE 모형의 단계에 따라 초등교사 70명 대상의 요구 분석결과를 바탕으로 목적과 방향을 설계하였다. 설문 결과 초등학생들이 인공지능을 처음 배울 때 생활 속에서 가장 접하기 쉬운 소리 데이터를 주제로 설정하고, 일상생활에서 소리 데이터를 활용하여 문제를 해결하는 과정에서 인공지능의 원리를 익히고, 그 과정에서 컴퓨팅 사고력도 키울 수 있도록 머신러닝 교육 프로그램을 개발하였다. 인공지능 교육의 필요성이 대두되는 요즘 본 연구에서 개발한 소리 데이터를 기반으로 일상생활 문제를 해결하는 초등 머신러닝 교육 프로그램을 통해 초등 인공지능 교육의 기반을 갖출 수 있을 것이다.

• 정보교육학회논문지
• /
• 제25권5호
• /
• pp.751-759
• /
• 2021

본 연구는 초등학생의 컴퓨팅 사고력 향상을 위한 교육 방법으로 지역화 공공데이터를 활용한 인공지능 교육프로그램을 개발하고 그 효과를 검증하였다. ADDIE 모형에 따라 초등학생을 대상으로 사전 요구 분석을 진행한 결과를 바탕으로 프로그램 설계를 진행하였다. 지역화 공공데이터를 기반으로 머신러닝 포 키즈와 스크래치를 활용하여 인공지능 원리를 학습하고 공공데이터를 목적에 맞게 추상화하는 과정을 통해 문제를 해결하고 컴퓨팅 사고력을 향상할 수 있도록 교육 프로그램을 개발하고 적용하였다. 비버챌린지를 활용하여 사전·사후 검사결과를 통해 컴퓨팅 사고력의 변화 정도를 분석하였으며, 분석 결과 본 연구는 초등학생의 컴퓨팅 사고력 향상에 긍정적인 영향을 미친 것으로 나타났다.

• 정보교육학회논문지
• /
• 제24권1호
• /
• pp.49-57
• /
• 2020

현대사회는 21세기 초반 지식정보사회를 지나 지능정보사회로 바뀌어 가고 있다. 본 연구에서는 지능정보사회에서 요구되는 학습자의 핵심역량을 신장시키기 위하여 인공지능의 한 분야인 머신러닝을 기반으로 소프트웨어 교육 교수-학습 모형을 개발하였다. 본 모형은 인공지능 자체에 대한 학습의 부담감을 줄이고, 머신러닝을 활용하여 문제를 해결하는 과정에서 핵심역량을 신장시키는 것에 중점을 두었다. 개발된 모형의 구체적인 단계는 문제인식 및 분석, 데이터 수집, 데이터 가공 및 선별, ML모델 훈련 및 평가, ML프로그래밍, 적용 및 해결, 공유 및 환류의 7단계로 구성되어 있다. 본 연구에서 개발한 모형을 학생과 학부모를 대상으로 적용한 결과 긍정적인 반응을 얻을 수 있었으며, 이를 통해 머신러닝 기반의 소프트웨어 교육 프로그램의 개발 및 운영에 작은 밑거름을 제시할 수 있을 것으로 기대한다.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.155-170
• /
• 2020

본 연구의 목적은 서울시 중학생의 진로성숙도 예측 요인을 찾기 위해 머신러닝 기법(Decision Tree, Random Forest, XGBoost)을 서울교육종단연구 4~6차년도 데이터에 적용하였다. 적용에 따라 도출된 세 가지 머신러닝 모형의 변수 중요도와 각 지표별 성능을 확인하였다. 또한 XGBoostExplainer 패키지를 활용하여 모형을 해석하였으며, 데이터 전처리와 분석 모두 R과 R Studio를 활용하였다. 그 결과 각 모형별로 변수 중요도 순위는 다소 차이가 있으나 '성취목표', '창의성', '자아개념', '부모자녀와의 관계', '회복탄력성'이 높은 순위를 보였다. 또한 XGBoostExplainer를 활용하여 패널별 진로성숙도에 정적·부적 영향을 주는 요인을 탐색하였고, '성취목표'가 진로성숙도 예측 최우선 요인임을 찾을 수 있었다. 본 연구결과를 바탕으로 머신러닝 및 변수선택 방법의 비교연구와 서울교육종단연구 코호트별 비교연구가 수행되어야 함을 제언하였다.