• 기술혁신학회지
• /
• 제19권1호
• /
• pp.1-28
• /
• 2016

현재 우리나라 혁신시스템은 기존의 성장 및 기술공급 위주의 발전전략이 한계를 노정하면서 새로운 전환기를 맞고 있다. 이에 새로운 혁신 경로 창출을 위한 과학기술 ICT 정책 패러다임 전환은 물론 지속가능한 에너지, 농업 농촌 등 다양한 영역에서의 시스템 전환이 필요한 상황이다. 리빙랩은 사용자 참여를 기반으로 하는 새로운 혁신모델이자 지속가능한 시스템 전환의 니치 실험으로서 유럽을 중심으로 논의되고 있다. 본 연구에서는 과학기술 ICT가 에너지 전환, 농업 농촌 시스템 전환, ICT 정책 패러다임의 전환에 적용된 리빙랩 사례를 살펴보고 우리나라에서의 시사점을 도출하였다. 유럽의 SusLab 프로젝트, C@R 프로그램, 대만의 리빙랩 사례 모두 사전기획 단계부터 지역 사용자의 배경과 경험을 적극적으로 수집하고, 사용자 주도의 혁신활동을 개발프로세스 전반에서 유지함으로써 다양한 전환 실험을 성공적으로 추진하였다. 이러한 결과는 중앙정부와 지자체가 리빙랩 도입을 검토하는 현 상황에 맞춰 다양한 시사점을 제공한다. 리빙랩은 국가 또는 지역 전반의 사회 기술시스템의 전환을 위한 전략적 니치 실험, 정책 간 연계통합의 수단, 새로운 지역혁신 모델로 활용될 수 있다. 또한 최근 혁신정책 패러다임에서 강조하고 있는 사용자 및 수요 측면을 반영한 정책통합을 실현할 수 있는 중요한 플랫폼이 될 수 있다.

• 한국콘텐츠학회논문지
• /
• 제17권10호
• /
• pp.385-393
• /
• 2017

본 연구는 간호교육에서 변화질험실 방법 (Change Laboratory Method)을 활용하여 중재활동을 기반으로 한 장의 상호작용을 개선하는 '참여중심 강의법 모델 및 실행원리'를 개발하고 적용하여 그 효과를 검증하기 위하여 시도되었다. 본 연구는 일 대학의 간호학과 3, 4학년을 대상으로 하였으며, 실험군은 91명, 대조군온 83명이었다. 2017년 1-2월에 실험군에 적용할 2과목의 참여중심 강의법을 구체적으로 개발하였으며, 3-4월에 실험군에 참여중심의 수업을 진행하였다. 사전조사로 일반적 특성, 수업태도, 학습전략을 조사하여 동질성 검사를 하였으며, 사후조사로 참여도, 만족도, 성취도를 조사하였다. 연구결과는 다음과 같다. 실험군과 대조군은 동질한 것으로 나타났다. 참여중심 강의법 모델 및 실행원리를 적용한 실험군의 참여도는 평균 3.98, 대조군의 참여도는 3.77로 통계적으로 유의미한 차이가 있었다(t=2.38, p<.05), 참여자의 만족도와 성취도에서는 실험군이 대조군보다 높게 나타났으나, 통계적으로 유의하지는 않았다. 종합하면 참여중심의 강의법 적용을 통해 학생의 수업참여도 및 성과를 기대할 수 있었으며, 차후에 각 과목별로 효과적인 강의법 개선방법에 대한 준비와 실행이 필요하겠다.

• 한국지구과학회지
• /
• 제41권3호
• /
• pp.291-306
• /
• 2020

이 연구에서는 다층 서답형 문항을 이용하여 태양계 구조에 대한 학습 발달과정을 개발하고 그 타당성을 검증하고자 하였다. 이를 위해 Wilson(2005)이 제안한 구인 모델링 방식을 적용하여 '태양계 구성원', '태양계 행성의 크기와 거리의 경향성', '태양계 모델링'을 발달 변인(progress variables)으로 설정하고 각각에 대한 다층 서답형 문항을 개발하여 검사지로 구성하였다. 개발된 문항을 초등학교 5학년 150명을 대상으로 '태양계와 별' 단원 수업의 사전 및 사후에 적용하였다. 평가 결과를 기술하기 위해 각각의 평가 문항에 대한 학생 응답을 범주화 하는 과정을 거쳤으며, 이범주들을 구인별로 5개 수준으로 분류하였다. Rasch 모델의 부분점수 모형을 적용하여 작성된 Wright map을 분석함으로써 학생들의 응답 결과를 기반으로 작성된 학습 발달과정의 수준이 적절한지 검토하였다. 또한, 수업 전후 학생들의 수준 변화를 추적함으로써 학습 발달과정에서 설정한 가설적인 경로의 타당성을 검증하였다. 연구 결과는 다음과 같다: 다층 서답형 문항을 이용한 상향식 연구방법으로 초등학교에 적용할 수 있는 태양계 구조에 대한 경험적 학습 발달과정을 정교하게 설정할 수 있었다. 그리고 학습 발달과정의 구인 타당도가 높게 나타나며 학생들의 발달이 학습 발달과정을 따라 변화하는 것으로 나타났다.

• 생물환경조절학회지
• /
• 제29권3호
• /
• pp.277-284
• /
• 2020

스마트 팜 관리의 활용 효율성을 높이기 위해서는 작물 및 환경 변화에 대한 사전 검사를 실시간으로 평가하기 위한 모델링 기법이 필요하다. 시설 온실 내부의 CO₂와 같은 필수 환경 요소는 다양한 상관 변수가 밀접하게 결합 된 시간 영역에서 신뢰할 수 있는 추정 모델을 확립하기가 어렵다. 따라서 본 연구는 입력 영역과 출력 변수를 CO₂와 같은 시간 관점에서 인접 영역에 분포된 환경 정보를 이용하여 시간 복잡도를 줄이기 위한 인공 신경망을 개발하기 위해 수행되었다. 스마트 팜을 계측하기 위한 센서 모듈을 통해 환경 요소를 지속적으로 측정하였다. 실험기간의 평균 데이터로 예측하는 모델링 1, 전일 데이터로 예측하는 모델링 2을 구성하여 CO₂ 환경인자의 상호관계를 예측하였다. 전일의 데이터 학습으로 예측하는 모델링 2가 60일 평균값으로 예측한 모델링 1에 비해 성능이 우수하였다. 30일 이전까지는 대부분 0.70~0.88사이의 결정계수를 보였으며 모델링 2가 약0.05정도 높게 나타났다. 하지만 30일 이후에는 두 가지 모델링 모두 결정 계수 값이 0.50 이하로 낮은 값을 보였다. 모델링 접근법에 따라 결정 요인의 값을 비교하고 분석 한 결과 인접한 시간대의 데이터는 고정 신경망 모델을 사용하는 대신 예측이 필요한 지점에서 상대적으로 높은 성능을 나타냈다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제2권8호
• /
• pp.507-516
• /
• 2013

모바일 디바이스는 크기가 작기 때문에 PC에 비해 컴퓨팅 자원이 부족하여, 높은 복잡도를 가진 애플리케이션을 설치 및 운영하기 어렵다. 그러나, 모바일 디바이스는 풍부한 네트워크 연결 능력이 있어 외부 자원을 사용하기가 용이하므로, 모바일 클라우드 컴퓨팅 (Mobile Cloud Computing, MCC) 연구가 활발히 진행되고 있다. MCC에서는 주로 기능 컴포넌트를 다른 노드로 오프로딩 (Offloading) 시킴으로써, 모바일 노드의 자원 문제를 해결하는 접근법을 적용한다. 그러나, 현재 진행되고 있는 MCC에 대한 연구는 사전에 결정된 노드로 오프로딩하는 연구만 위주로 진행되고 있으며, 모바일 디바이스가 구독하는 서비스 문제를 해결할 수 없는 한계점이 있다. 본 논문에서는 자율 안정화할 수 있는 MCC를 구현하기 위한 실용적인 프로세스와 품질 안정화 기법을 제안한다. 먼저, 효과적으로 품질을 관리하기 위한 MCC 메타모델을 제시하고, 이를 기반으로 8개의 활동으로 구성된 품질 관리 프로세스를 제안하며, 핵심 활동에 대한 상세 기법을 정의한다. 그리고, 실용적 수준으로 연구가 많이 진행되지 않은 오프로딩 기법을 MCC 메타모델에 제시된 여러 요소들과 상호작용하여 QoS 문제를 효과적으로 해결할 수 있도록 설계한다. 마지막으로 실험을 통해 품질 자율 관리 프로세스의 적절성을 증명한다. MCC의 품질 자율 안정 관리 프로세스와 품질 향상 기법들을 채택함으로써, 클라우드 서비스를 구독하는 모바일 애플리케이션의 품질을 관리하는데 여러 기술적 이슈를 효과적으로 해결할 수 있다. 그리고, MCC에 속한 여러 애플리케이션과 서비스들은 관리자의 개입없이 자율적으로 일정 수준의 품질을 유지할 수 있게 된다.

• 한국컴퓨터정보학회논문지
• /
• 제25권12호
• /
• pp.63-71
• /
• 2020

본 논문에서는 최근 가장 신뢰도 높은 인공지능 탐지 알고리즘인 YOLOv3와 EfficientDet을 이용한 화재 탐지 기술과 문자, 웹, 앱, 이메일 등 4종류의 알림을 동시에 전송하는 알림서비스 그리고 화재 탐지와 알림서비스를 연동하는 AWS 시스템을 제안한다. 우리의 정확도 높은 화재 탐지 알고리즘은 두 종류인데, 로컬에서 작동하는 YOLOv3 기반의 화재탐지 모델은 2000개 이상의 화재 데이터를 이용해 데이터 증강을 통해 학습하였고, 클라우드에서 작동하는 EfficientDet은 사전학습모델(Pretrained Model)에서 추가로 학습(Transfer Learning)을 진행하였다. 4종류의 알림서비스는 AWS 서비스와 FCM 서비스를 이용해 구축하였는데, 웹, 앱, 메일의 경우 알림 전송 직후 알림이 수신되며, 기지국을 거치는 문자시스템의 경우 지연시간이 1초 이내로 충분히 빨랐다. 화재 영상의 화재 탐지 실험을 통해 우리의 화재 탐지 기술의 정확성을 입증하였으며, 화재 탐지 시간과 알림서비스 시간을 측정해 화재 발생 후 알림 전송까지의 시간도 확인해보았다. 본 논문의 AI 화재 탐지 및 알림서비스 시스템은 과거의 화재탐지 시스템들보다 더 정확하고 빨라서 화재사고 시 골든타임 확보에 큰 도움을 줄 것이라고 기대된다.

• 정보교육학회논문지
• /
• 제25권3호
• /
• pp.557-569
• /
• 2021

미래 사회를 위한 대비로 교육과정은 시대의 흐름에 맞게 변화하고 있으며 4차 산업혁명 시대가 도래하면서 새로운 2015 개정 교육과정의 목적이 창의적인 융합인재를 육성하는 것으로 제시되었다. 소프트웨어 교육의 목적은 창의성 증진이며 나아가 실생활과 연계하여 문제해결력을 기르도록 하는 것이다. 또한, 학습에 대한 몰입도는 뛰어난 교육 성취로 이어진다. 그러나 여전히 초등학교 컴퓨터 교육에서는 학생들이 쉽게 몰입하고 창의적인 문제해결력을 증진하기 위한 융합수업 모델의 개발이 부족한 실정이다. 이에 본 연구에서는 이러한 교육 여건에 맞는 융합수업 모델인 노벨엔지니어링(novel engineering)을 활용한 컴퓨터 융합교육을 설계하고, 이를 수업에 적용하였다. 그리고 학습 몰입도와 창의적 문제해결력 증진에 미치는 영향을 측정하기 위하여 초등학교 6학년을 대상으로 노벨엔지니어링 기반 컴퓨터 수업을 실험 집단에 적용하였고, 일반적인 컴퓨터 수업을 통제 집단에 적용하였다. 집단 간 사전-사후 검사 결과 노벨엔지니어링을 활용한 컴퓨터 수업은 학습몰입도와 창의적 문제해결력 신장에 긍정적인 영향을 미치는 것으로 밝혀졌다.

• 실천공학교육논문지
• /
• 제15권1호
• /
• pp.23-29
• /
• 2023

초등학생들은 인공지능을 활용하여 문제를 해결할 수 있는 능력을 기르는 것이 중요하므로 문제 해결 능력을 기르는 교육과 함께, 인공지능을 활용한 문제 해결 능력을 키우는 교육이 필요하다. 초등학생들은 인공지능에 대한 개념과 원리를 이해하고, 인공지능이 어떻게 작동하는지에 대한 기초적인 이해를 쉽게 재미있는 방식으로 교육받을 수 있는 형태가 필요하다. 이를 위하여 초등학교 3학년을 위한 8시간 기반의 인공지능 융합 프로그램을 자율주행차를 소재로 계획 및 운영한 결과 초등학생들의 문제 해결 능력, 창의력, 인공지능 이해도 등을 향상시키는 데 효과적임을 보여주었다. 캠프를 운영한 결과 학생들의 인공지능에 대한 이해도가 사전 평균 3.56(표준편차 .85), 사후 평균 4.00(표준편차 .71), t값은 -5.412(p<0.001)로 나타나서 통계적으로 인공지능의 이해도가 향상되었음을 알 수 있었고, 학생들의 만족도와 흥미도가 높음을 확인할 수 있었다. 향후에는 초등학생들이 직접 아이디어를 구안하고 인공지능 모델이 적용될 수 있는 제품을 만들어서 인공지능 모델을 프로그래밍할 수 있는 형태의 교육프로그램을 개발할 필요가 있을 것이다.

• Korean Chemical Engineering Research
• /
• 제55권3호
• /
• pp.322-331
• /
• 2017

지역난방은 국내에 1985년 처음 도입되었다. 지하 열배관망의 사용연한이 30년 이상 증가함에 따라, 지하에 매설된 열수송 배관 특성상 유지관리가 중요한 문제로 대두되고 있다. 노후화가 진행된 열배관망 유지보수를 위한 정기적인 점검, 운영관리 시 다양한 복합 기술이 필요하다. 특히 현장에서 경제적 관점에서 최적 유지보수 및 교체시점을 도출하기 위하여 의사결정에 활용될 수 있는 모형개발이 요구되고 있다. 본 연구에서는 한국지역난방공사 수도권 5개 지사열 배관망 운영 시 보수이력과 사고성 데이터를 바탕으로 분석하였다. 정성적 분석과 이항 로지스틱 회귀분석의 통계적 기법을 도입하여 파손확률 모델을 개발하였다. 보수이력 및 사고성 자료의 정성적 분석 결과, 파이프라인 손상의 가장 중요한 원인으로 건설 시공불량, 배관의 부식과 자재 불량이 전체의 약 82%를 차지했다. 통계 모델 분석에서는 분류의 분리 점을 0.25로 설정함으로써 열배관 파손 및 비 파손 분류의 정확도가 73.5%로 향상 되었다. 파손확률 모델 수립을 위해 Hosmer와 Lemeshow 검정과 독립변수의 유의성 검정, 모델의 Chi-Square 검정을 통해 모델의 적합성을 검증 하였다. 열배관망 파손의 위험순위 분석결과에 따르면 파손확률을 가장 높이는 경우는 겨울철 서울지역 자동차 도로에 있는 10년 이상 된 250mm이하 배관 Reducer에서 F 건설회사가 시공했던 열배관망으로 분석되었다. 본 연구결과는 열배관망 시스템의 유지관리 및 예방점검, 교체 사업 우선순위를 정할 때 활용 가능하다. 또한 이를 통하여 점검 유지보수 등 사전에 사고예방 계획을 수립하여 대처함으로써 열배관 파손의 빈도를 감소시키고 보다 적극적인 열배관망 관리에 이용할 수 있을 것으로 사료된다.

• 지능정보연구
• /
• 제25권4호
• /
• pp.141-154
• /
• 2019

인터넷 기술과 소셜 미디어의 빠른 성장으로 인하여, 구조화되지 않은 문서 표현도 다양한 응용 프로그램에 사용할 수 있게 마이닝 기술이 발전되었다. 그 중 감성분석은 제품이나 서비스에 내재된 사용자의 감성을 탐지할 수 있는 분석방법이기 때문에 지난 몇 년 동안 많은 관심을 받아왔다. 감성분석에서는 주로 텍스트 데이터를 이용하여 사람들의 감성을 사전 정의된 긍정 및 부정의 범주를 할당하여 분석하며, 이때 사전 정의된 레이블을 이용하기 때문에 다양한 방향으로 연구가 진행되고 있다. 초기의 감성분석 연구에서는 쇼핑몰 상품의 리뷰 중심으로 진행되었지만, 최근에는 블로그, 뉴스기사, 날씨 예보, 영화 리뷰, SNS, 주식시장의 동향 등 다양한 분야에 적용되고 있다. 많은 선행연구들이 진행되어 왔으나 대부분 전통적인 단일 기계학습기법에 의존한 감성분류를 시도하였기에 분류 정확도 면에서 한계점이 있었다. 본 연구에서는 전통적인 기계학습기법 대신 대용량 데이터의 처리에 우수한 성능을 보이는 딥러닝 기법과 딥러닝 중 CNN과 LSTM의 조합모델을 이용하여 감성분석의 분류 정확도를 개선하고자 한다. 본 연구에서는 대표적인 영화 리뷰 데이터셋인 IMDB의 리뷰 데이터 셋을 이용하여, 감성분석의 극성분석을 긍정 및 부정으로 범주를 분류하고, 딥러닝과 제안하는 조합모델을 활용하여 극성분석의 예측 정확도를 개선하는 것을 목적으로 한다. 이 과정에서 여러 매개 변수가 존재하기 때문에 그 수치와 정밀도의 관계에 대해 고찰하여 최적의 조합을 찾아 정확도 등 감성분석의 성능 개선을 시도한다. 연구 결과, 딥러닝 기반의 분류 모형이 좋은 분류성과를 보였으며, 특히 본 연구에서 제안하는 CNN-LSTM 조합모델의 성과가 가장 우수한 것으로 나타났다.