• 스마트미디어저널
• /
• 제10권3호
• /
• pp.31-38
• /
• 2021

낙상사고는 언제, 어디에서 일어날지 예측하기 어렵다. 또한 신속한 후속 조치가 수행되지 않으면 생명의 위협으로 이어지므로 낙상사고를 자동으로 감지할 수 있는 연구가 필요하게 되었다. 자동적인 낙상사고 감지기법 중 손목에 부착된 IMU 센서를 활용한 기법은 움직임이 많아 낙상사고 검출이 어렵지만, 착용의 간편함과 접근성이 뛰어난 기법으로 인식되고 있다. 낙상 데이터 확보의 어려움을 극복하기 위해 본 연구는 KNN과 SVM과 같은 머신러닝으로 적은 데이터를 효율적으로 학습하는 알고리즘을 제안한다. 또한, 이들 수학적 분류기의 성능을 높이기 위해 본 연구에서는 주파수 공간에서 취득한 특징 데이터를 활용하였다. 제안된 알고리즘은 표준 데이터세트를 활용한 실험을 통해 모델의 파라미터와 주파수 특징 추출기의 파라미터를 다각화하여 그 영향을 분석하였다. 제안된 알고리즘은 학습 데이터를 확보하기 어려운 현실적인 문제에 적절히 대처할 수 있었다. 또한 본 알고리즘이 다른 분류기보다 경량화되어 있기 때문에 SIMD(Single Instruction Multiple Data) 처리장치 탑재가 어려운 소형 임베디드시스템에도 구현이 용이했다.

• 사물인터넷융복합논문지
• /
• 제7권2호
• /
• pp.21-29
• /
• 2021

본 연구에서는 4차산업으로 인해 미래교육으로 교육들이 전화되고 있는 시대에 유학생들이 한국에 적응하여 정착시키기 위해 한국어 교육 과정의 보완이 필요하다. 유학생들이 접하는 KFL(Korean as a Foreign Language)상황에서 한국어 교육 프로그램의 유학생 적응에 대한 문화 적응 스트레스 요인 중 하나인 언어 능력 부족으로 인해 의사소통에 문제로 대학 수학에서 어려움을 겪는다. 이 문제를 해결하기 위한 영어권 국가의 ESL프로그램과 한국의 KSL프로그램을 분석하여 유학생들에게 목적을 달성하기위한 교육 목표, 교과과정, 교육방법을 설정하고 커리큘럼과 학습 과정을 수립 하고자 하였다. 따라서 한국어 교육과정 내에 있는 외국인 유학생을 위한 한국어 교육 프로그램(KSL프로그램)도 영어권 국가의 교육과정에 ESL프로그램의 정확한 목표설정과 대학졸업과 연계하는 장점을 받아들여 보완해야 한다. 또한 유학생들의 한국어 학습을 위해서 4차산업 시대에 맞는 IT를 활용한 한국어교육 통합 과정 및 관리 시스템이 필요하다.

• 한국과학교육학회지
• /
• 제43권4호
• /
• pp.403-414
• /
• 2023

본 연구에서는 과학 수업에서의 적응적 실행에 대한 과학교사의 사례와 과학 교과에서의 적응적 실행의 특징에 대한 교사의 사례를 분석하였다. 이를 위하여 전국의 중고등학교 과학교사 128명이 제시한 적응적 실행의 사례 339개와 과학 교과의 특징적인 적응적 실행 사례 199개를 분석하였다. 주요 연구 결과는 다음과 같다. 첫째, 과학 교과의 적응적 실행의 가장 두드러진 특징은 실험과 관련된 적응적 실행이었다. 가장 많은 적응적 사례로 제시한 항목인 '추가적인 자료/활동의 제시'에서 학생들의 이해나 동기유발을 위해 시범실험을 추가하여 제시하는 것이나 두 번째로 많은 사례가 제시된 '실험기구 조작이나 탐구기능 제시'에서도 실험과 관련된 적응적 실행을 제시하였다. 또한 교사들이 응답한 과학 교과의 특징적인 적응적 실행에 대해서도 50%가 넘는 사례가 실험 지도와 관련된 내용이었다. 둘째, 수리력과 문해력 등 학습 상황에서 학생들이 겪는 어려움과 관련된 적응적 실행도 많이 제시되었는데, 과학 학습에서 도구로 사용되는 수학의 기본 능력과 관련된 사례와 한자어로 된 과학 용어의 이해와 관련된 사례가 많이 제시되었다. 셋째, '실험 지도' 이외에 '과학이론과 실세계의 연결', '과학 오개념 지도', '과학적 사고 함양', '융복합적 접근' 등을 위한 적응적 실행이 과학 교과의 특징적인 유형이었다. 넷째, 과학교사들이 제시한 적응적 실행의 사례는 학교급별로 전공별로 차이가 있어 적응적 실행과 관련된 추후 연구에서 학교급이나 전공을 고려할 필요가 있다. 다섯째, 사례수가 적은 적응적 실행 항목들은 대부분 거시적 측면에서 실행되는 적응적 실행으로 이와 연관된 전문성 향상에 관심을 기울일 필요가 있다. 추가적으로 본 연구 결과를 바탕으로 과학교육에 주는 시사점을 논의하였다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.139-156
• /
• 2021

이미지 분류에서 딥러닝 모형을 사용하는 가장 큰 이유는 이미지의 전체적인 정보에서 각 지역 특징을 추출하여 서로의 관계를 고려할 수 있기 때문이다. 하지만 이미지의 지역 특징이 없는 감정 이미지 데이터는 CNN 모델이 적합하지 않을 수 있다. 이러한 감정 이미지 분류의 어려움을 해결하기 위하여 매년 많은 연구자들이 감정 이미지에 적합한 CNN기반 아키텍처를 제시하고 있다. 색깔과 사람 감정간의 관계에 대한 연구들도 수행되었으며, 색깔에 따라 다른 감정이 유도된다는 결과들이 도출되었다. 딥러닝을 활용한 연구에서도 색깔정보를 활용하여 이미지 감성분류에 적용하는 연구들이 있어왔으며, 이미지만을 가지고 분류 모형을 학습한 경우보다 이미지의 색깔 정보를 추가로 활용한 경우가 이미지 감성 분류 정확도를 더 높일 수 있었다. 본 연구는 사람이 이미지의 감정을 분류하는 기준 중 많은 부분을 차지하는 색감을 이용하여 이미지 감성 분류 정확도를 향상시키는 방안을 제안한다. 이미지의 RGB 값에 K 평균 군집화 방안을 적용하여 이미지를 대표하는 색을 추출하여, 각 감성 클래스 별 해당 색깔이 나올 확률을 가중치 식으로 변형 후 CNN 모델의 최종 Layer에 적용하는 이-단계 학습방안을 구현하였다. 이미지 데이터는 6가지 감정으로 분류되는 Emotion6와 8가지 감정으로 분류되는 Artphoto를 사용하였다. 학습에 사용한 CNN 모델은 Densenet169, Mnasnet, Resnet101, Resnet152, Vgg19를 사용하였으며, 성능 평가는 5겹 교차검증으로 CNN 모델에 이-단계 학습 방안을 적용하여 전후 성과를 비교하였다. CNN 아키텍처만을 활용한 경우보다 색 속성에서 추출한 정보를 함께 사용하였을 때 더 좋은 분류 정확도를 보였다.