• 대한수학교육학회지:학교수학
• /
• 제12권3호
• /
• pp.323-335
• /
• 2010

선형대수는 대수학, 해석학, 기하학 등 수학의 모든 분야의 문제 해결에 광범위하게 이용될 뿐만 아니라 항공공학, 전자공학, 생물학, 지질학, 기계공학 등 다양한 학문영역에서 문제해결의 수단으로 쓰이는 이용도가 높은 학문이다. 따라서 선형대수는 수학 전공 학생뿐만 아니라 일반 학생에게도 쉽게 다가갈 수 있어야 한다. 그러나 대부분의 학생들은 선형대수 학습에서 많은 어려움을 느낀다. 왜 어려움을 느낄까? 선형대수를 학습하는 많은 학생들은 개념을 아예 인지하지 못하거나 자신들이 가지고 있던 산지식을 통해 오개념을 갖게 되고, 연이어 학습되는 부분에서 학습장애를 일으키고 오류를 범하기 때문이다. 본 연구는 선형방정식계의 학습에서 나타나는 학생들의 어려움과 오류를 분석하고 연구하여 보다 효과적인 선형대수 교수법을 제시하였다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제21권4호
• /
• pp.621-646
• /
• 2007

컴퓨터의 발전은 수학교육 특히 선형대수학 교수-학습 방법에 큰 개선 가능성을 보여준다. 수학 교육 및 연구용으로 많이 쓰이는 프로그램은 MATHEMATICA, MATLAB, MAPLE, Drive, LINPRAC 등 다양하다. 그 중 MATLAB(MATrix LABoratory)은 행렬 연산 속도가 뛰어나고 계산 수학 특히 수치적 선형대수학 연구와 교육에 잘 맞는 프로그램이다. 본 논문에서는 $R^n$의 부분공간 개념을 중심으로 선형대수학의 주요 개념을 시각적 이해를 통하여 효과적으로 전달하는 교수학습법을 MATLAB를 이용하여 소개한다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제37권1호
• /
• pp.65-84
• /
• 2023

라그랑주 승수법(Method of Lagrange Multipliers)은 등식 제약조건하에서 미분가능한 함수의 최대, 최소를 구하는 대표적인 방법이다. 선형대수학, 최적화 이론, 제어 이론을 포함하여 최근에는 인공지능 기초수학에서도 널리 활용되고 있다. 특히 라그랑주 승수법은 미분적분학과 선형대수학을 연결하는 중요한 도구이며, 주성분 분석(Principal Component Analysis, PCA)을 포함한 인공지능 알고리즘에 많이 활용되고 있다. 따라서 교수자는 대학 미분적분학에서 처음 라그랑주 승수법을 접하는 학생들에게 구체적인 학습 동기를 제공할 필요가 생겼다. 이에 본 논문에서는 교수자가 학생들에게 라그랑주 승수법을 효과적으로 교육하는데 필요한 통합적인 시야를 제공한다. 먼저 다양한 전공의 학생들이 계산에 대한 부담을 덜고 원리를 쉽게 이해할 수 있도록 개발한 시각화 자료 및 파이썬(Python) 기반의 SageMath 코드를 제공한다. 또한 라그랑주 승수법으로 행렬의 고윳값과 고유벡터를 유도하는 과정을 상세히 소개한다. 그리고 라그랑주 승수법을 간단한 경우에 대한 증명에서 시작하여 일반화된 최적화 문제로 확장하고, 수업에서 학생들이 라그랑주 승수와 PCA를 활용하여 실제 데이터를 분석한 결과를 추가하였다. 본 연구는 대학수학을 지도하는 다양한 전공의 교수자들에게 도움이 될 기초자료가 될 것이다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제18권2호
• /
• pp.35-45
• /
• 2004

"2002년 학술진흥재단 대학교육과정개발연구"의 성균관대학교의 9과제 중 하나로 3분야인 "신규교과목 또는 교수학습 방법개발" 과제로 대학에서의 "수학강좌의 효과적인 교수-학습 모델 개발 연구 (선형대수학, 미적분학, 이산수학을 중심으로)" 내용과 그 부산물인 콘텐츠를 소개하고, 이를 효과적으로 이용하기 위하여 개발한 새로운 강의 환경과 교수법을 소개한다. 이어서 현재 국내외에서 활발히 연구가 시작되고 있는 "대학에서의 수학교육" 내용을 소개한 후 대학에서 개발되고 검증된 이런 교수법과 교육환경이 중등학교의 수학 교육 현장에 주는 의미에 대하여 논의한다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.123-138
• /
• 2024

본 연구는 S대학 <인공지능을 위한 기초수학[Math4AI]> 강좌의 교수·학습과정에서 맞춤형 챗GPT를 개발하여 활용한 경험을 공유한다. 연구진은 ① 먼저 강좌 맞춤형 챗GPT (https://math4ai.solgitmath.com/)를 개발하였다. 이때 챗GPT가 부정확한 정보를 주지 않도록 수년간의 해당 강좌 주요 데이터(교재, 실습실, 토론 기록, 코드 등)를 우선적으로 학습하는 챗GPT의 기능을 적용하였다. ② 학생들이 교재를 스스로 학습하다 궁금한 부분이 생기면, 맞춤형 챗GPT 인터페이스를 통해 자연어로 수학 용어, 정리, 예제, 열린 문제 번호, 핵심어 등을 질문하여 도움을 얻을 수 있도록 하였다. 그러면 챗GPT는 관련된 주요 문제나 용어, 그리고 이전 학생들의 토론에 기반한 몇 가지 샘플 답안 또는 토론 내용과 함께 사용되었던 코드 샘플을 제공한다. ③ 학생들이 챗GPT를 통해 얻은 내용을 스스로 윤문하여 공유하고, 상호 토론하면서, 교재에서 제시하는 주요 개념과 열린 문제의 대부분을 이해하도록 하였다. ④ 학기 말에는 그간 본인이 얻은 열린 문제들에 대한 학습기록을 모아 PBL (Problem-Based Learning) 보고서로 제출하고, 발표하여 강좌를 수료하도록 하였다. 이러한 방식은 학생들이 학습을 포기하지 않고 한 단계 앞으로 더 나아갈 추진력과 동기를 주며, 궁극적으로 각각의 문제를 스스로 해결하는 자기 주도적 학습을 도울 수 있다. 또한 학생들 각자의 수준에 맞추어 실시간으로 최적화된 조언을 제시하므로 강좌뿐만 아니라 대학수학교육 전반에 대한 학생별 맞춤형 교육(personalized education)을 제공할 수 있다. 즉, 학생들이 담당교수(또는 조교)와 AI 조교의 도움으로 실시간 답변과 효과적인 조언을 받을 수 있게 됨을 의미한다. 이는 양질의 조교 부족에 대한 고민을 추가 비용 없이 획기적으로 해결할 수 있다. 본 연구는 강좌의 교수·학습과정에 교재 맞춤형 챗GPT를 접목한 것으로, 인공지능(AI) 기술을 기타 대학수학 과목들(미적분학, 선형대수학, 이산수학, 공학수학, 기초통계학 등)과 초·중·고 수학교육에 적용할 수 있는 새로운 방법을 제시한다. 특히 AI 기술을 적용하여 이전 수강생들의 학습기록(열린 문제 풀이, 토론 자료, 코드 등)을 참고하며, 각자 실습한 결과를 공유 및 상호 토론하여 문제를 해결하는 방식은, 다양한 전공의 학생들이 내용을 더 효과적으로 이해하고, 본인 전공 관련 문제 해결 능력을 향상시키는 데 획기적인 도움을 줄 것으로 예상된다. 또한 교재 맞춤형 챗GPT와 함께 자기주도적인 학습을 경험토록 하는 교수학습 방법은 평생 교육(lifelong learning, extension school, extension college, extended college) 또는 평생학습의 관점에서 중요하다.