• Journal of Educational Research in Mathematics
• /
• v.14 no.1
• /
• pp.39-69
• /
• 2004

This paper investigates the teaching and learning of Linear function relating functional contexts and suggests the improved methods of representation-shift through this analysis. The methods emphasize the link between students' preacquired knowledge of mathematical representations and the way of using those. This methods are explanatory teaching, teaching and teaming based on modelling perspectives or tasks (interpretation, prediction, translation and scaling). We categorize the 8th grade middle school students' errors on the linear function relating real contexts and make a comparative study of the error-remedial effects and the teaching and teaming methods. We present the results of a study in which representation-shift methods based on modelling perspectives and tasks are more effective in terms of flexible connection of representations and error remediation. Also, We describe how students used modelling perspective-taking to explain and justify their conceptual models, to assess the quality of their models and to make connection to other mathematical representation during the problem solving focusing on the students' self-diagnosis.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2005.04a
• /
• pp.289-292
• /
• 2005

본 논문에서는 클러스터링과 뉴로-퍼지 모델링을 동시에 실시하는 학습 기법을 제안하였다. 클러스터링을 이용하여 뉴로-퍼지 모델링을 실시하는 일반적인 경우, 클러스터링 학습을 실시한 후 학습된 파라미터를 뉴로-퍼지 모델의 초기 파라미터로 설정하고 모델을 다시 학습하는 방법을 취한다. 즉 클러스터링에서 클러스터의 수를 구하고 파라미터를 최적화함으로써 초기 구조동정과 파라미터 동정을 실시하며 이를 다시 뉴로-퍼지 모델에서 세부적인 파라미터 동정을 실시하는 것이다. 또한 모델에서의 학습은 출력데이터의 오차를 이용한 오차미분기반 학습으로 전제부 소속함수 파라미터를 수정하는 방법을 이용한다. 이 경우 클러스터링의 영향과 모델의 영향이 각각 별개로 고려될 수 있다. 따라서 본 논문에서는 클러스터링을 전제부 소속함수로 부여하고 클러스터링의 학습에 뉴로-퍼지 모델을 이용하면서 또한 모델의 학습에 클러스터링을 직접 적용하는 클러스터링 기반 뉴로-퍼지 모델링을 제안하였으며 이 경우 클러스터링의 학습과 모델의 학습이 동시에 이루어지며 뉴로-퍼지 모델에서 클러스터링의 효과를 직접적으로 확인할 수 있다. 제안된 방법의 유용성을 시뮬레이션을 통하여 보이고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.05a
• /
• pp.164-165
• /
• 2018

네트워크 정상행위 모델링이란 대상 네트워크 및 시스템에서 동작 가능한 행위 중 허용된 행위를 모델링하는 것을 의미한다. 정상행위 모델은 해당 모델의 정상 이외 범주의 알려지지 않은 비정상 행위의 탐지 가능성을 가지고 있어 활용도가 높다. 네트워크 및 시스템의 복잡도가 증가할수록 특성의 파악이 힘들며 이로 인해 주요 특징의 누락이 발생할 수 있어 대상 네트워크의 다수의 데이터에 기반한 기계학습 기반의 네트워크 정상행위 모델링에 관한 다양한 연구가 진행되고 있다 본 논문에서는 딥러닝을 포함하여 네트워크 정상행위 모델링에 사용될 수 있는 다양한 기계학습 기반의 기법을 제시한다.

• Journal of The Korean Association For Science Education
• /
• v.35 no.5
• /
• pp.919-929
• /
• 2015

This study aims to develop a modeling-based learning program about geologic structures and to reveal the relationship between the argumentation patterns and levels of students' mental models. Participants included 126 second grade high school students in four sessions of modeling-based learning regarding continental drift, oceanic ridges, transform faults, and characteristics of faults. A modeling-based learning program was implemented in two classes of the experimental group, and teacher-centered traditional classes were carried out for the other students in the comparison group. Science achievement scores and the distribution of students' mental models in experimental and comparison groups were quantitatively compared. The video-taped transcripts of five teams' argumentation were qualitatively analyzed based on the analytic framework developed in the study. The analytic framework for coding students' argumentation in the modeling-based learning was composed of five components of TAP and the corresponding components containing alternative concepts. The results suggest that the frequencies of causal two-dimensional model and cubic model were high in the experimental group, while the frequencies of simple two-dimensional model and simple cross sectional model were high in the comparison group. The higher the frequency of claims, an argumentation pattern was proven successful, and the level of mental model was higher. After the rebuttal was suggested, students observed the model again and claimed again according to new data. Therefore, the model could be confirmed as having a positive impact on students' argumentation process.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.788-791
• /
• 2009

유비쿼터스 환경에서 러닝 서비스는 언제, 어디서, 어떠한 물리적 장치에 구애받지 않고 사용자에게 적절한 서비스를 제공할 수 있어야 한다. 그러한 u-러닝 서비스를 제공하기 위해서는 학습자 수준을 정확히 판단할 수 있는 진단 기법이 필요하다. 또한 u-러닝 서비스에서 학습자의 학습 환경을 정확히 파악하여 이에 적절한 형태의 학습 컨텐츠를 제공하는 학습 컨텐츠 적응화 기술도 요구된다. 따라서 본 논문에서는 온톨로지 모델링을 이용하여 학습자의 프로파일과 학습 컨텐츠를 모델링하고, 모델링된 프로파일 정보와 컨텐츠 정보를 온톨로지 추론 규칙을 정의함으로서 학습자의 학습 정보를 정확히 파악하고 학습자에게 적절한 학습 컨텐츠를 제공할 수 있는 온톨로지 모델링과 추론을 기반으로 유비쿼터스 환경에서 학습자의 정보와 각 이종 디바이스에 대해 적합한 학습 컨텐츠를 제공할 수 있는 u-러닝 시스템을 제안한다.

• Proceedings of the KIEE Conference
• /
• 2005.07d
• /
• pp.2879-2881
• /
• 2005

본 논문에서는 뉴로-퍼지 모델의 전제부 소속함수의 새로운 학습방법을 통한 모델링 기법을 제안한다. 모델의 크기와 학습시간을 줄이는 기법으로 클러스터링 기법을 이용한 모델의 초기 파라미터 결정 방법이 있다. 이는 클러스터링 후 이들 파라미터를 다시 모델에 적용하여 모델을 학습하는 순차적 방법으로써 모델의 학습이 끝난 후의 전제부 파라미터가 클러스터링 파라미터와 연관성을 가지지 못하는 경우가 발생하였다. 또한 오차미분 기반 학습에서는 전제부 초기치가 국부적 최적해에서 벋어나지 못하는 문제점을 가지고 있다. 본 논문에서는 자율적으로 클러스터의 수를 추정하며 이들 파라미터를 최적화하며 이를 이용하여 뉴로-퍼지 모델의 학습을 실시하는 학습기법을 제안하였다. 제안된 방법에서는 기존의 오차미분 기반 학습을 클러스터링 기반 학습으로 확장하였으며 이를 이용한 모델의 성능을 기존의 연구결과와 비교하여 우수성을 보인다.

• The Journal of The Korea Institute of Intelligent Transport Systems
• /
• v.22 no.6
• /
• pp.157-167
• /
• 2023

The use of big data for transportation often involves using data that includes personal information, such as the driver's driving routes and coordinates. This study explores the creation of a route choice prediction model using a large dataset from mobile navigation apps using federated learning. This privacy-focused method used distributed computing and individual device usage. This study established preprocessing and analysis methods for driver data that can be used in route choice modeling and compared the performance and characteristics of widely used learning methods with federated learning methods. The performance of the model through federated learning did not show significantly superior results compared to previous models, but there was no substantial difference in the prediction accuracy. In conclusion, federated learning-based prediction models can be utilized appropriately in areas sensitive to privacy without requiring relatively high predictive accuracy, such as a driver's preferred route choice.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.588-591
• /
• 2022

최근 자연어 이해 및 생성에 있어서 사전학습 기반의 언어 모델이 널리 사용되고 있다. BERT, roBERTa 등의 모델이 있으며, 마스크 언어 모델링을 주요 과제로 하여 사전 학습을 한다. 하지만 MLM은 문법적인 정보를 활용하지 못하는 단점이 있다. 단 순히 무작위로 마스크를 씌우고 맞추기 때문이다. 따라서 본 연구에서는 입력 문장의 문법적 정보를 활용하는 방법을 소개하고, 이를 기반으로 사후 학습을 하여 그 효과를 확인해 본다. 공개된 사전학습 모델과 사후학습 모델을 한국어를 위한 벤치마크 데이터셋 KLUE에 대하여 조정학습하고 그 결과를 살펴본다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.36 no.11B
• /
• pp.1363-1372
• /
• 2011

Flooding based routing protocols are usually used to disseminate information in wireless sensor networks. Those approaches, however, require message retransmissions to all nodes and induce huge collision rate and high energy consumption. In this paper, HoGoP (Hop based Gossiping Protocol) in which all nodes consider the number of hops from sink node to them, and decide own gossiping probabilities, is introduced. A node can decide its gossiping probability according to the required average reception percentage and the number of parent nodes which is counted with the difference between its hop and neighbors' ones. Therefore the decision of gossiping probability for network topology is adaptive and this approach achieves higher message reception percentage with low message retransmission than the flooding scheme. Through simulation, we compare the proposed protocol with some previous ones and evaluate its performance in terms of average reception percentage, average forwarding percentage, and forwarding efficiency. In addition, average reception percentage is analyzed according to the application requirement.

• Journal of the Korean earth science society
• /
• v.42 no.1
• /
• pp.88-101
• /
• 2021

The purpose of this study was to qualitatively examine the meaning of students' drawings in outdoor classes and modeling-based learning cycles. Ten students were observed in a gifted education center in Seoul. Under the theme of the Hantan River, three outdoor classes and three modeling activities were conducted. Data were collected to document all student activities during field trips and classroom modeling activities using simultaneous video and audio recording and observation notes made by the researcher and students. Please note it is unclear what this citation refers to. If it is the previous sentence it should be placed within that sentence's punctuation. Hatisaru (2020) Ddrawing typess were classified by modifying the representations in a learning context in geological field trips. We used deductive content analysis to describe the drawing characteristics, including students writing. The results suggest that students have symbolic images that consist of geologic concepts, visual images that describe topographical features, and affective images that express students' emotion domains. The characteristics were classified into explanation, generality, elaboration, evidence, coherence, and state-of-mind. The characteristics and drawing types are consecutive in the modeling-based learning cycle and reflect the students' positive attitude and cognitive scientific domain. Drawing is a useful tool for reflecting students' thoughts and opinions in both outdoor class and classroom modeling activities. This study provides implications for emphasizing the importance of drawing activities.