• 과학교육연구지
• /
• 제32권2호
• /
• pp.1-16
• /
• 2008

이 연구의 목적은 제7차 교육과정에 따라 편찬된 고등학교 과학 교과서와 차세대 과학 교과서를 STS적 교육내용을 중심으로 비교 분석하기 위한 것이다. STS의 내용들은 Yager의 STS 토픽과 Piel의 기준 그리고 학생들의 SATIS 활동 유형 등에 의해 분석 되었다. 연구결과, 차세대 과학 교과서는 Yager의 기준에 의한 STS 포함 비율은 20.9%로 기존 교과서의 평균인 11.3% 보다 증가한 것으로 나타났다. STS 구성요소 분석 결과 차세대 교과서의 경우 '지역사외와의 관련성'(59%), '과학의 응용성'(18.2%), '실제 문제에 대한 협동 작업'(13.6%) 순이었다. 차세대 과학 교과서는 '지역사회와의 관련성'요소가 기존 과학 교과서 보다 증가하였고 '과학과 관련된 직업에 대한 인식' 요소가 감소한 것이 큰 특징이다. '과학의 다차원성에 대한 인식', '정보의 선택 및 이용에 대한 평가' 등의 요소에 대해서는 차세대 과학 교과서는 포함되지 않은 반면에 기존 과학 교과서의 경우 낮은 비율이지만 어느 정도의 내용을 포함하는 것을 알 수 있다. Piel의 기준에 의한 STS 주제 영역에 관한 비교 분석에서 차세대교과서는 '환경의 질' 문제와 '우주개발과 국방' 문제를 다루고 있는 반면 기존 교과서의 경우 '기술발달의 영향', '천연자원' 등을 다루고 있다. SATIS 교수-학습 활동 영역에서 차세대 과학 교과서의 주된 활동은 '조사 연구', '모의실험', '자료 분석'등이며, 기존 교과서에서는 '역할 놀이', '연구고안', '모의실험'등의 활동은 거의 찾아 볼 수 없다. 따라서 차후 개발될 교과서에서는 '역할 놀이', '연구 고안', '모의실험'등의 활동이 포함되어야 할 것으로 생각된다.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.

• 한국과학교육학회지
• /
• 제20권1호
• /
• pp.137-153
• /
• 2000

본 연구에서는 과학 탐구 요소 위주의 단편적인 활동이나 지시적인 확인 실험과 대비되는 종합적이고 포괄적인 문제 해결 활동으로서 '확장적 과학 탐구'를 개념화하고 이러한 탐구 활동을 통한 교육적 성취의 한 가지 중요한 정의적 구인을 '탐구 동기'로 개념화하였다. 탐구 동기는 과학 탐구 활동을 지향하고 출발시키는 개인의 심리적 태세로, 동기의 방향에 따라 정적(正的) 탐구 동기, 부적(負的) 탐구 동기로 구분하고 각각을 그 원인에 따라 외적 탐구 동기와 내적 탐구 동기로 구분하였다. 연구의 목적은 확장적 과학 탐구 활동에서 중학생들의 탐구 동기가 어떻게 변화하는지 종단적으로 조사하여 기술하는 것이다. 중학교 1학년 4개 학급의 남, 여 학생 128명을 연구대상으로 하였다. 과학 교과서의 '힘과 운동' 단원에 제시되어 있는 2가지 탐구 과제와 본 연구에서 개발한 4가지의 확장적 과학 탐구 과제를 학생들이 수행하는 동안 탐구 동기가 어떠한지 설문을 통하여 반복적으로 정량적 자료를 조사하였다. 또한 학생들이 제출하는 탐구 보고서를 통하여 탐구 동기 변화 과정에 대한 정성적 자료를 수집하였다. 이러한 정량적 및 정성적 자료를 분석하고 종합하여 탐구 동기의 변화 과정을 기술하였다. 각 과제에 대한 탐구 동기를 분석해 보면 확장적 과학 탐구에서 교과서에 제시된 협의의 탐구에 비해 정적 탐구 동기를 나타내는 학생 수가 유의하게 증가하지는 않았다. 그러나 탐구 보고서를 통하여 탐구 동기의 원인을 분석하여 보면 교과서에 제시된 협의의 탐구에서는 정적 탐구 동기의 원인으로 과제 외재적 요인이 과제 내재적 요인에 비해 높게 인식된 반면 확장적 과학 탐구에서는 정적 탐구 동기의 원인으로 과제 내재적 요인이 과제 외재적 요인에 비해 높게 인식되었다. 부적 탐구 동기의 경우는 교과서에 제시된 협의의 탐구나 확장적 과학 탐구 모두에서 과제 내재적 요인이 과제 외재적 요인보다 높게 인식되었다. 이것은 부적 탐구 동기를 변화시키기 위해서는 학습 환경의 개선보다는 과제 자체의 내용이나 구조를 개선하기 위한 노력이 필요함을 뜻한다. 확장적 과학 탐구의 전반부와 후반부에서 탐구 동기의 개인별 변화 양상을 살펴보면 정적 탐구 동기가 유지된 학생(39%)이 부적 탐구 동기가 유지된 학생(28%)에 비해 많았고 전반부에서 부적 탐구 동기를 보이다가 후반부에서 정적 탐구 동기로 변화된 학생(21%)이 반대의 경우(12%)보다 많았다. 또한 확장적 과학 탐구의 후반부에서 전반부에 비해 정적 탐구 동기 중 내적 탐구 동기로 구분되는 학생 수가 다소 증가하여 탐구 동기의 바람직한 변화는 확장적 과학 탐구의 전반부보다 후반부에서 나타났다. 결론적으로 확장적 과학 탐구는 과학 교과서에 제시된 협의의 탐구에 비해 정적 탐구 동기를 나타내는 학생 수가 유의하게 증가하도록 하지는 않았지만, 학생들이 정적 탐구 동기의 원인을 보다 더 과제 내재적 요인으로 인식하도록 하는데 기여하였으며 확장적 과학 탐구의 전반부에 비해 후반부에서 탐구 동기의 바람직한 변화를 나타내었다.

• 방송공학회논문지
• /
• 제25권6호
• /
• pp.944-953
• /
• 2020

객체 검출 알고리즘은 자율주행 시스템 구현을 위한 핵심 요소이다. 최근 심층 합성곱 신경망 (Deep Convolutional Neural Network) 기반의 영상 인식 기술이 발전함에 따라 심층 학습을 이용한 객체 검출 관련 연구들이 활발히 진행되고 있다. 본 논문에서는 객체 검출에 가장 널리 사용되고 있는 Mask R-CNN의 경량화 모델을 제안하여 도로 내 다양한 객체들의 위치와 형태를 효율적으로 예측하는 방법을 제안한다. 또한, 주의 모듈(Attention Module)을 Mask R-CNN 내 각각 다른 역할을 수행하는 신경망 계층에 적용함으로써 특징 지도를 적응적으로 재교정(Re-calibration)하여 검출 성능을 향상시킨다. 실제 주행 영상에 대한 다양한 실험 결과를 통해 제안하는 방법이 기존 방법 대비 크게 감소된 신경망 매개변수만을 이용하여 고성능 검출 성능을 유지함을 보인다.