• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.524-529
• /
• 2007

지능형 학습 시스템은 학습자의 학습 과정에서 수집된 데이터를 분석하여 학습자에게 맞는 전략을 세우고 적합한 서비스를 제공하는 시스템이다. 학습자에게 적합한 서비스를 위해서는 학습자 모델링 작업이 우선시 되며, 이 모델 생성을 위해서 학습자의 학습 과정에서 발생한 데이터를 수집하고 분석하게 된다. 하지만, 수집된 데이터가 학습자의 일관되지 못한 행위나 비예측 학습 성향을 포함하고 있다면, 생성된 모델을 신뢰하기 어렵다. 본 논문에서는 학습자에게서 수집된 데이터를 거리기반 이상치 선별 방법인 k-NN을 이용하여 이상치를 선별한다. 실험에서는 홈 인테리어 컨텐츠 기반에 학습자의 학습 행위에 대한 학습 성향을 진단하기 위한 DOLLS-HI를 이용하여, 수집된 학습자의 데이터에서 이상치를 분류하고 학습 성향 진단을 위한 모델을 생성하였다. 생성된 모델은 이상치 분류전과 비교하여 신뢰가 향상된 것을 확인하였다.

• Communications of Mathematical Education
• /
• v.11
• /
• pp.47-69
• /
• 2001

본 논문은 고등학교 교육과정상에서 학습자들이 오류를 범하기 쉽고, 어려워 하는 극한에 대해 보다 효과적인 지도방법을 제시한다. 현실적으로 교수활동은 교실이라는 공간에서 일정한 수업시간동안에 교사와 학습자와의 관계속에서 이루어진다. 그 속에서 학습자들은 주변의 세계를 관찰함으로써, 혹은 추측과 반박을 통해 시행착오적으로 사고함으로써 혹은 모순, 어려움, 불균형을 일으키는 주위환경에 동화 ${\cdot}$ 조절을 함으로써 자신을 적응시켜 가면서 학습하게 된다. 따라서 교수학적 의도가 미비한 환경은 학습자에게 획득하기를 기대하는 학습을 할 수 없게 한다. Brousseas의 교수학적 상황론에 근거하여 교육의 현장인 교실에서의 교사와 학생간의 상호작용에 따른 교수-학습의 중요성에 초점을 둔 본 논문은 Freudenthal의 역사발생적 원리에 의한 극한의 정의와 학습자의 오류수정을 위한 교수학습 전략으로 Lakatos의 발견술을 제안하였다. 또한 극한 개념에 대해 실생활에서 학습자에게 쉽게 동화 ${\cdot}$ 조절이 일어날 수 있는 학습 방법을 제안하였다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.05a
• /
• pp.601-603
• /
• 2018

Studies are under way to understand how the brain learns and how it works most effectively through the development of brain science. The purpose of this study is to apply brain - based learning principles as a way to effectively overcome the characteristics of the programming lesson and the difficulties that arise during the practice. In other words, by applying the brain-based learning principle appropriate to the characteristics of the Android programming class, the teaching and learning is designed so that the learner can effectively learn the programming.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2002.05a
• /
• pp.77-80
• /
• 2002

이상치를 포함한 학습 데이터의 군집화 전략은 일반적으로 이상치를 포함하여 학습하거나, 이상치를 제거하는 두 가지 선택이 가능하다. 이상치를 제거하지 않고 학습에 반영시켜야 할 경우 한 개 또는 소수의 이상치가 독자적인 군집을 형성하거나 객관적인 군집화를 방해하는 문제가 발생할 수 있다. 이 때 주어진 학습 데이터의 군집 결과가 이상치의 영향으로부터 벗어나기 위해 원래의 학습 데이터에 대한 변환 작업을 거친 후 군집화를 수행할 수 있다. 이러한 변환 방법으로서 본 논문에서는 차원 축소의 기법으로 알려진 인자 분석의 점수를 사용하였다. 인자 점수로 변환된 학습 데이터에 대해 계층적 군집화, K-means 그리고 자기조직화 지도 등과 같은 군집화 알고리즘을 적용하면 이상치가 자신만의 군집을 별도로 형성하지 않고 다른 학습 데이터의 군집에 소속되면서 이상회의 영향으로부터 벗어남을 실험을 통하여 확인하였다.

• Journal of The Korean Association For Science Education
• /
• v.21 no.3
• /
• pp.487-496
• /
• 2001

In a 7th graders' cooperative science class, verbal behaviors were categorized and their relationships with the improvement of learning strategies used. motivation, and attitudes were investigated. Students' perceptions of cooperative learning were also studied by the achievement level. Verbal behaviors in cooperative learning were positively related with the improvement of monitoring and organization strategies used, self-efficacy, and attitude toward science class. In the analyses of students' perceptions of cooperative learning, medium- and low-achieving students had positive perceptions but some high-achieving students had negative ones. In the aspect of effectiveness of cooperative learning, especially, medium- and low-achieving students perceived that they could learn more and better due to verbal interactions with peers. To be contrary, high-achieving students perceived that they learned less and superficially.

• The Journal of Information Technology
• /
• v.4 no.1
• /
• pp.71-79
• /
• 2001

This paper presents an adaptive back propagation algorithm that update the learning parameter by the generated error, adaptively and configuration of the range for the initial connecting weight according to the different maximum target value from minimum target value. This algorithm is expected to escaping from the local minimum and make the best environment for the convergence. On the simulation tested this algorithm on three learning pattern. The first was 3-parity problem learning, the second was $7{\times}5$ dot alphabetic font learning and the third was handwritten primitive strokes learning. In three examples, the probability of becoming trapped in local minimum was reduce. Furthermore, in the alphabetic font and handwritten primitive strokes learning, the neural network enhanced to loaming efficient about 27%~57.2% for the standard back propagation(SBP).

• Journal of The Korean Association For Science Education
• /
• v.35 no.5
• /
• pp.895-905
• /
• 2015

Citizens should be sensitive to the complex and controversial SSIs (Socioscientific Issues), be able to make a responsible decision with evidence and empathy, and furthermore take political action for the larger welfare. The premise of this research is that understanding the nature of science (NOS) takes an important role when students and adults participate in the discourse on SSIs because SSI reasoning requires individuals to examine information and counter-information with skepticism. We therefore designed SSI programs that were incorporated with NOS by adapting a contextualized-reflective approach. The leading research question was to what extent SSI contexts contributed to promoting students' understanding of NOS. A total of 71 11th grade students participated in this program. The school was located in an urban city near the capital city of Seoul, South Korea. We designed SSI programs to cover the issues of genetically modified organisms, climate change, and nuclear energy. Each issue required four to six class periods to complete. We conducted pre- and post-program tests using the revised VNOS-C, recorded group discussions or debates and collected student worksheets to observe the increase of student NOS understanding. As a result of this program, students showed moderate improvement in their understanding of NOS.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.11a
• /
• pp.988-991
• /
• 2020

다양한 실세계 응용 분야들에서 공동의 목표를 위해 여러 에이전트들이 상호 유기적으로 협력할 수 있는 행동 정책을 배우는 것은 매우 중요하다. 이러한 다중 에이전트 강화 학습(MARL) 환경에서 기존의 연구들은 대부분 중앙-집중형 훈련과 분산형 실행(CTDE) 방식을 사실상 표준 프레임워크로 채택해왔다. 하지만 이러한 다중 에이전트 강화 학습 방식은 훈련 시간 동안에는 경험하지 못한 새로운 환경 변화가 실전 상황에서 끊임없이 발생할 수 있는 동적 환경에서는 효과적으로 대처하기 어렵다. 이러한 동적 환경에 효과적으로 대응하기 위해, 본 논문에서는 새로운 다중 에이전트 강화 학습 체계인 C-COMA를 제안한다. C-COMA는 에이전트들의 훈련 시간과 실행 시간을 따로 나누지 않고, 처음부터 실전 상황을 가정하고 지속적으로 에이전트들의 협력적 행동 정책을 학습해나가는 지속 학습 모델이다. 본 논문에서는 대표적인 실시간 전략게임인 StarcraftII를 토대로 동적 미니게임을 구현하고 이 환경을 이용한 다양한 실험들을 수행함으로써, 제안 모델인 C-COMA의 효과와 우수성을 입증한다.

• The Mathematical Education
• /
• v.61 no.2
• /
• pp.257-271
• /
• 2022

As information and communication technologies are being developed so rapidly, education research is actively conducted to provide optimal learning for each student using big data and artificial intelligence technology. In this study, using the mathematics learning data of elementary school 5th to 6th graders conducting blended mathematics classes, we tried to find out what factors predict mathematics academic achievement and developed an artificial intelligence model that predicts mathematics academic performance using the results. Math learning propensity, LMS data, and evaluation results of 205 elementary school students had analyzed with a random forest model. Confidence, anxiety, interest, self-management, and confidence in math learning strategy were included as mathematics learning disposition. The progress rate, number of learning times, and learning time of the e-learning site were collected as LMS data. For evaluation data, results of diagnostic test and unit test were used. As a result of the analysis it was found that the mathematics learning strategy was the most important factor in predicting low-achieving students among mathematics learning propensities. The LMS training data had a negligible effect on the prediction. This study suggests that an AI model can predict low-achieving students with learning data generated in a blended math class. In addition, it is expected that the results of the analysis will provide specific information for teachers to evaluate and give feedback to students.

• Journal of the Korea Convergence Society
• /
• v.12 no.1
• /
• pp.49-55
• /
• 2021

Recently, with the development of database, it is possible to store a lot of data generated in finance, security, and networks. These data are being analyzed through classifiers based on machine learning. The main problem at this time is data imbalance. When we train imbalanced data, it may happen that classification accuracy is degraded due to over-fitting with majority class data. To overcome the problem of data imbalance, oversampling strategy that increases the quantity of data of minority class data is widely used. It requires to tuning process about suitable method and parameters for data distribution. To improve the process, In this study, we propose a strategy to explore and optimize oversampling combinations and ratio based on various methods such as synthetic minority oversampling technique and generative adversarial networks through genetic algorithms. After sampling credit card fraud detection which is a representative case of data imbalance, with the proposed strategy and single oversampling strategies, we compare the performance of trained classifiers with each data. As a result, a strategy that is optimized by exploring for ratio of each method with genetic algorithms was superior to previous strategies.