• 제목/요약/키워드: 문제풀이

검색결과 407건 처리시간 0.022초

저작권법 개정안, 무엇이 달라졌나

  • 정혜옥
    • 출판저널
    • /
    • 통권170호
    • /
    • pp.10-11
    • /
    • 1995
  • 최근 발표된 정부의 저작권법 개정안에 대해 의문을 표시하는 출판사들이 많다. 우선 용어부터가 어려워 문맥의 이해가 쉽지 않고, 소급보호되는 기간의 저작물에 대한 보상의 문제 등도 매우 궁금해 하는 사항이다. 문답형식으로 개정안의 의문부분을 풀이해 본다.

  • PDF

게임 풀이를 위한 상태 공간 축소 (Reductions of State Space for Solving Games)

  • 이태훈;권기현
    • 한국게임학회 논문지
    • /
    • 제4권1호
    • /
    • pp.58-66
    • /
    • 2004
  • 본 논문에서는 반례를 도달성 게임 풀이에 활용했다. 도달성 게임이란, 게임 규칙을 준수하면서 초기 상태에서 목표 상태로 가는 경로를 찾는 것이다. 게임의 초기 상태를 유한 상태 모델로 표현하고 목표 상태의 부정(오답)을 시제 논리식으로 표현해서 모델 검사기에 입력하면, 반례로 오답에 대한 부정 즉 정답을 출력한다. 다시 말해서 반례로 출력된 것이 문제를 해결하는 정답인 것이다. 이와 같은 아이디어를 푸쉬푸쉬 게임 풀이에 적용했다. 그 결과 크기가 작은 푸쉬푸쉬 게임의 경우 게임을 해결하는 최단 경로를 쉽게 찾아냈다. 그러나 게임의 크기가 큰 경우 제한된 시간(실험에서는 3시간)내에 찾아내지 못했다. 왜냐하면 게임의 크기가 커질 경우 검사해야할 상태의 수가 지수적으로 증가하는 상태 폭발 문제가 발생했기 때문이다. 상태 폭발 문제를 해결하기 위해 추상화 기법을 이용해서 검사해야 할 상태공간을 축소하였다. 상태 공간을 줄인 결과, 기존 모델체킹으로 해결하지 못했던 게임을 풀 수 있었다.

  • PDF

모델 체킹을 이용한 도망자-추적자 게임 풀이 (Solving Escapee-Chaser Game via Model Checking)

  • 박사천;권기현
    • 한국게임학회 논문지
    • /
    • 제4권2호
    • /
    • pp.13-20
    • /
    • 2004
  • 우리는 도망자-추적자 게임 풀이에 관심이 많다. 도망자가 추적자를 피해 미로를 탈출하는 게임이다. 도망자가 추적자를 유인하기도 하고 벽을 이용해 교묘히 피하기도 한다. 경험에 의하면 수작업으로 풀기에는 매우 어려운 단계들도 있었다. 게임을 풀기 위한 방법으로 모델 체킹 기법을 사용하였다. 모델 체킹은 게임의 모든 상태 공간을 넓이 우선 방식으로 철저하게 탐색하기 때문에 게임을 풀 수 있는 가장 짧은 경로인 최적의 답을 구할 수 있다. 다행히 풀이 과정에서 상태 폭발 문제는 일어나지 않았고, 게임 풀이 결과를 임베디드 시스템인 레고 마인드스톰에 응용하였다. 도망자, 추적자에 해당하는 두 대의 에이전트를 만들어 게임을 구현하고 실험하여 풀이가 정확한 지를 실제 확인할 수 있었다.

  • PDF

초등 과학 최상위권 학생의 과학 탐구 능력 문제 해결 과정에서의 성별 특성 (The Highest Achievers' Gender Characteristics in Elementary Science Process Skills of Problem Solving)

  • 박병태
    • 영재교육연구
    • /
    • 제20권2호
    • /
    • pp.527-546
    • /
    • 2010
  • 과학 최상위권 남녀 학생 14명(남 7명, 여 7명)을 최종 선정하여 과학 탐구 문제 해결과정에 따른 성별 특성에 대한 연구를 수행하였다. 연구결과, 남학생이 기초 탐구 능력에서 문제를 더 쉽게 해결하였고 통합 탐구 능력에서는 여학생이 문제를 더 쉽게 해결하였다. 성공하는 경우, 남학생은 기억에 의한 계획 유형과 문두와 답지의 내용을 모두 확실히 아는 풀이 유형 및 답지 중 확실히 알고 있는 유형으로 문제를 푸는 경향이 높았다. 여학생의 경우 문두와 답지를 분석하거나 표, 그래프, 그림을 분석하여 성공하는 경향이 높았다. 여학생이 남학생에 비해 다양한 방법으로 문제 해결을 하는 경향이 있음을 보여주고 있다. 실패하는 경우, 남학생은 즉시 풀이하면서 충분히 이해가 되지 않은 상태에서 답을 구하거나 잘못된 기억으로 해결하다 실패를 하는 경향이 높고 여학생은 잘 못 기억하거나 표, 그림, 그래프를 잘 못 분석한 풀이 유형이 많았다. 이 결과는 과학 탐구 능력 문제 해결에 대한 남녀 학생에 대한 이해를 높일 수 있고 프로그램 개발에 시사점을 제공한다.

KoEPT 기반 한국어 수학 문장제 문제 데이터 분류 난도 분석 (Analyzing Korean Math Word Problem Data Classification Difficulty Level Using the KoEPT Model)

  • 임상규;기경서;김부근;권가진
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제11권8호
    • /
    • pp.315-324
    • /
    • 2022
  • 이 논문에서는 자연어로 구성된 수학 문장제 문제 자동 풀이하기 위한 Transformer 기반의 생성 모델인 KoEPT를 제안한다. 수학 문장제 문제는 일상 상황을 수학적 형식으로 표현한 자연어 문제이다. 문장제 문제 풀이 기술은 함축된 논리를 인공지능이 파악해야 한다는 요구사항을 지녀 최근 인공지능의 언어 이해 능력을 증진하기 위해 국내외에서 다양하게 연구되고 있다. 한국어의 경우 문제를 유형으로 분류하여 풀이하는 기법들이 주로 시도되었으나, 이러한 기법은 다양한 수식을 포괄하여 분류 난도가 높은 데이터셋에 적용하기 어렵다는 한계가 있다. 본 논문은 이에 대해 '식' 토큰과 포인터 네트워크를 사용하는 KoEPT 모델을 사용했다. 이 모델의 성능을 측정하기 위해 현존하는 한국어 수학 문장제 문제 데이터셋인 IL, CC, ALG514의 분류 난도를 측정한 후 5겹 교차 검증 기법을 사용하여 KoEPT의 성능을 평가하였다. 평가에 사용된 한국어 데이터셋들에 대하여, KoEPT는 CC에서는 기존 최고 성능과 대등한 99.1%, IL과 ALG514에서 각각 89.3%, 80.5%로 새로운 최고 성능을 얻었다. 뿐만 아니라 평가 결과 KoEPT는 분류 난도가 높은 데이터셋에 대해 상대적으로 개선된 성능을 보였다. KoEPT가 분류 난도의 영향을 덜 받으며 좋은 성능을 얻게 된 이유를 '식' 토큰과 포인터 네트워크 때문이라는 것을 ablation study를 통해서 밝혔다.

실생활 문장제의 해결과정에 나타나는 오류유형 분석 (The analysis of mathematics error type that appears from the process of solving problem related to real life)

  • 박장희;유시규;이중권
    • 한국학교수학회논문집
    • /
    • 제15권4호
    • /
    • pp.699-718
    • /
    • 2012
  • 학생들이 문장으로 이루어진 문제를 해결과정에서 발생하는 오류의 유형을 분류하고, 각각의 오류 유형을 보인 학생들의 면담(인터뷰)을 통하여 오류를 범하게 된 요인을 분석하였다. 연구결과에 따라 나타난 대표적인 오류 유형은 '문항 이해의 부족', '풀이과정의 오류', '정리나 정의에 대한 왜곡된 이해', '이기과정의 오류', '기술적 오류', '풀이과정 생략' 등으로 나타났다. 또한 일부 학생들은 문장제에 대한 부담감으로 문제를 해결하기보다는 포기하는 현상이 나타났으며, 학생들은 문장으로 이루어진 문제를 해결을 하기 위해서 무엇보다 문제에 대한 이해가 필요한데, 이 부분이 절대적으로 부족하여 문제에서 주어진 자료를 자의적으로 판단하고 활용하는 경향이 짙게 보였다. 교사는 학생들이 문장제 문제 해결과정에서 발생하는 오류를 미리 파악하고 이를 보안할 수 있는 교수-학습방법으로 학생들을 지도한다면 오류를 사전에 예방하여 발생빈도를 줄일 수 있고, 학생들로 하여금 효과적인 학습이 이루어 질 수 있을 것이다.

  • PDF

자동 추출된 지식에 기반한 한국어 학습 지원 시스템 (Korean Learning Assistant System with Automatically Extracted Knowledge)

  • 박기태;이태훈;황소현;김병만;이현아;신윤식
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제1권2호
    • /
    • pp.91-102
    • /
    • 2012
  • 정보통신기술을 활용한 학습시스템은 꾸준히 강조되어 왔지만 한국어 학습시스템의 자동화 수준은 높지 않다. 실용성 있는 학습시스템의 구축에는 대량의 기반지식이 필요하지만 이러한 지식을 구축하기 쉽지 않기 때문이다. 본 논문에서는 한국어학습시스템의 요소로 어학문제풀이, 표준발음 도우미, 글쓰기 도우미를 제안하고, 획득이 용이한 말뭉치와 웹문서, 사전을 활용하여 구축된 학습지원시스템을 소개한다. 어학문제풀이를 위한 자동문제생성에서는 말뭉치와 사전을 이용하여 문제와 보기문항을 생성하고, 웹문서 검색빈도를 활용하여 보기적합성을 검증한다. 표준발음 변환을 위해서 발음표기법을 분석하였으며, 글쓰기 지원을 위해 말뭉치에서 추출한 기분석데이터를 이용한 실시간 어휘추천과 문장추천을 구현하였다. 실험에서는 제안하는 방법으로 생성된 임의의 400문제에 대한 판정 결과 89.9%의 문제 적합률과 64.9%의 보기 적합률을 보였다.

인(仁)의 실현은 왜 사욕(私欲)의 제거가 되었나? (Why did Daoxuejia(道學家) interpret realizing Ren(仁) as "the state of private desire removed"?)

  • 임명희
    • 한국철학논집
    • /
    • 제43호
    • /
    • pp.295-317
    • /
    • 2014
  • 본 논문은 송대 도학가들이 "논어(論語)"에 나온 "극기복례(克己復禮)"의 "극기(克己)"를 "사욕의 제거"로 풀이한 이유는 무엇일까에 관한 문제를 다룬다. 주지하듯, "극기복례(克己復禮)"는 공자가 "인(仁)"을 실천하는 방법으로 제시한 구절이다. 따라서 본 논문에서는 이 문제가 "인(仁)"에 관한 송대 도학가들의 해석과 깊은 관련이 있다고 보고, 송대 도학가들의 "인(仁)" 개념 풀이를 살펴보았다. 송대 도학가들은 "인(仁)"을 "천리(天理)"로 풀이하였으며, 천리의 내용을 "만물을 생성하는 마음(天地生物之心)"으로 보았다. 주희는 주역의 "생생(生生)" 및 도가의 "허(虛)", "유(柔)" 등의 개념을 연결하여, 이정(二程) 및 그 후학들이 새롭게 제기한 인(仁)의 해석과 극기복례(克己復禮)의 해석에 철학적 설명을 제공하였다. 주희가 도가를 맹렬히 비판한 것은 사실이나, 도가의 사상에서 전혀 취할 바가 없다고 생각하지는 않았다. 본 논문에서 제시한 "사욕의 제거(去私欲)"에 관한 주희 및 송대 도학가들의 입장 역시 이러한 주장을 뒷받침해주는 논거가 될 수 있을 것이다.

ChatGPT의 수학적 성능 분석: 국가수준 학업성취도 평가 및 대학수학능력시험 수학 문제 풀이를 중심으로 (Analyzing Mathematical Performances of ChatGPT: Focusing on the Solution of National Assessment of Educational Achievement and the College Scholastic Ability Test)

  • 권오남;오세준;윤정은;이경원;신병철;정원
    • 한국수학교육학회지시리즈E:수학교육논문집
    • /
    • 제37권2호
    • /
    • pp.233-256
    • /
    • 2023
  • 이 연구는 수학교육에서의 ChatGPT의 활용 방안 도출을 위한 기초 연구로서 국가수준 학업성취도 평가 및 대학수학능력시험 문제에 대한 ChatGPT의 응답을 분석하였다. ChatGPT는 생성형 인공지능 모델로서 여러 분야에서 주목 받고 있으며, 교육계에서도 ChatGPT 활용 방안에 대한 요구의 목소리가 높아지고 있다. 이에 이 연구에서는 3개년 국가수준 학업성취도 평가 및 대학수학능력시험 문제에 대한 ChatGPT 3.5의 응답에 대해서 정답률, 풀이 과정의 정확도, 오류 유형을 분류하여 분석하였다. ChatGPT의 국가수준 학업성취도 평가 문제 및 대학수학능력시험 문제의 정답률은 각각 37.1%, 15.97%로 나타났다. ChatGPT의 풀이 과정의 정확도는 5점 만점으로 산출하였을 때, 국가수준 학업성취도 평가는 3.44점, 대학수학능력시험은 2.49점으로 산출되었다. ChatGPT의 수학 문제를 풀이하는 데 나타나는 오류 유형은 절차적 오류와 기능적 오류로 나뉘었다. 절차적 오류는 다음 단계로의 식을 연결 짓는 과정이나 계산상의 오류를 가리키며, 기능적 오류는 ChatGPT가 텍스트를 인식, 판단, 출력하는 과정에서 발생하는 오류였다. 이러한 분석은 정답률만이 ChatGPT의 수학적 성능을 판단하는 기준이 되어서는 안 되며, 풀이 과정의 정확도나 오류유형까지도 복합적으로 고려해야 함을 시사한다.