• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.337-339
• /
• 2021

본 연구는 최근 펜데믹 위기에서 교육의 변화하는 모습을 점검하고 미래의 학습에 대한 모습들을 예측하기 위해 이러닝과 학습분석에 대한 신흥기술의 동향을 살펴보고자 한다. 연구방법으로 신흥기술의 '하이프 사이클'과 '이러닝 예측 하이프 커버'를 기반으로 하여 각 단계별 기술들을 점검하고 펜데믹 위기에서 더 공고히 된 이러닝과 학습 관련 기술들이 무엇인지 살펴본다. 또한 하이프 사이클의 5단계인 기술촉발 단계, 부풀려진 기대의 정점 단계, 환멸 단계, 계몽 단계, 생산성 안정 단계인 각 단계별 학습과 관련된 기술들은 어떤 것이 있으며, 그 기술들이 이러닝과 학습분석에 어떠한 영향을 미칠 것인지 예측해 본다. 향후 연구로는 본 연구를 기반으로 인공지능이 이러닝과 학습분석에서의 역할을 알아보고자 한다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2003년도 가을 학술발표논문집 Vol.30 No.2 (1)
• /
• pp.562-564
• /
• 2003

인터넷 기술의 발달에 따라 교육분야에서도 이를 도입하고 있다. 또한, 웹을 기반으로 하는 문제학습 시스템에서는 피험자의 학습효과를 높이려는 방법으로 학습결과를 반영하는 문항분석 이론이 연구되고 있다. 그러나, 기존의 웹 기반 학습시스템은 대부분 일방적인 학습내용의 제공이나 반복적인 학습에 그치고 있어 학습자의 학습효과를 기대하기 어렵다. 본 연구에서는 문항분석이론 중 문항난이도를 이용한 학습단계별 웹 코스웨어를 설계 및 구현하였다. 학습단계 설정은 문항난이도의 결과에 따라 상.중.하의 단계로 나뉘어 학습자가 학습을 하기 전에 선택 할 수 있도록 하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 봄 학술발표논문집 Vol.31 No.1 (B)
• /
• pp.622-624
• /
• 2004

강화 학습(Reinforcement Learning)을 실제 문제에 적용하는 데 있어 가장 큰 문제는 차원성의 저주(Curse of dimensionality)였다 문제가 커짐에 따라 목적을 이루기 위해서 더 많은 단계의 판단이 필요하고 이에 따라 문제의 해결이 지수적으로 어려워지게 된다. 이를 해결하기 위해 문제를 여러 단계로 나누어 단계별로 학습하는 계층적 강화 학습(Hierarchical Reinforcement Learning)이 제시된 바 있다 하지만 대부분의 계층적 강화 학습 방법들은 사전에 문제의 구조를 아는 것을 전제로 하며 큰 사이즈의 문제를 간단히 표현할 방법을 제시하지 않는다. 따라서 이들 방법들도 실제적인 문제에 바로 적용하기에는 적합하지 않다. 최근 이루어진 복잡계 네트워크(Complex Network)에 대한 연구에 착안하여 본 논문은 자기조직화하는 생장 네트워크(Self organizing growing network)를 기반으로 한 간단한 환경 표현 모델을 사용하는 강화 학습 알고리즘을 제안한다 네트웍은 복잡계 네트웍이 갖는 성질들을 유지하도록 자기 조직화되고, 노드들 간의 거리는 작은 세상 성질(Small World Property)에 따라 전체 네트웍의 큰 사이즈에 비해 짧게 유지된다. 즉 판단해야할 단계의 수가 적게 유지되기 때문에 이 방법으로 차원성의 저주를 피할 수 있다.

• 한국경영과학회:학술대회논문집
• /
• 한국경영과학회/대한산업공학회 2005년도 춘계공동학술대회 발표논문
• /
• pp.746-752
• /
• 2005

본 논문에서는 다층 퍼셉트론 신경망 학습을 위한 새로운 두 단계 학습방법을 제안하고 이를 옵션 가격결정 모형에 응용하였다. 제안된 신경망 학습 알고리즘의 첫번째 단계는 Levenberg-Marquardt 알고리즘을 이용하여 빠르게 국소최적해를 찾는 것이고 두 번째 단계는 첫 번째 단계에서 찾은 국소최적해가 원하는 수준에 미치지 못할 경우 선형탐색 터널링을 이용해서 더 나은 해를 찾는 것이다. 이 두 단계를 반복적으로 수행함으로써 연결가중치 공간에서 구하고자 하는 해를 빠르고 안정적으로 찾을 수 있다. 현재 옵션가격결정 모형으로 많이 이용되고 있는 Black-Scholes 모형의 문제점을 극복하기 위해서 제안된 신경망 모형을 옵션가격결정 문제에 사용하였다. 이 모형을 KOSPI200 옵션 데이터로 실험한 결과 Black-Scholes 모형에 비해 검증오차를 60% 가량 줄일 수 있었다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.262-267
• /
• 2022

이커머스 리뷰와 같은 특정 도메인의 경우, 텍스트 표현벡터 학습을 위한 양질의 오픈 학습 데이터를 구하기 어렵다. 또한 사람이 수동으로 검수하며 학습데이터를 만드는 경우, 많은 시간과 비용을 소모하게 된다. 따라서 본 논문에서는 수동으로 검수된 데이터없이 양질의 텍스트 표현벡터를 만들 수 있도록 두 단계의 대조 학습 시스템을 제안한다. 이 두 단계 대조 학습 시스템은 레이블링 된 학습데이터가 필요하지 않은 자기지도 학습 단계와 리뷰의 특성을 고려한 자동 레이블링 기반의 지도 학습 단계로 구성된다. 또한 노이즈에 강한 오류함수와 한국어에 유효한 데이터 증강 기법을 적용한다. 그 결과 스피어먼 상관 계수 기반의 성능 평가를 통해, 베이스 모델과 비교하여 성능을 14.03 향상하였다.

• 컴퓨터교육학회논문지
• /
• 제3권2호
• /
• pp.31-37
• /
• 2000

본 연구에서는 학습자의 수준에 적합한 문제를 제공하는 문제은행 시스템을 설계하고 개발하였다. 이 시스템은 CAT 기법에 응용되는 문항반응 이론을 사용하여 현재까지의 학습결과를 바탕으로 학습자의 수준을 동적으로 계산하고, 이를 바탕으로 학습자의 수준에 가장 적절한 문제를 다음 문제로 제시하는 과정을 반복하면서 수준별 개별 학습을 지원한다. 이 시스템은 테스트 단계, 본 학습 단계와 복습 단계로 이루어진다. 테스트 단계에서는 학습자의 초기 수준을 가능한 한 정확하게 계산하여 본 학습의 수준을 정한다. 본 학습에서는 문항반응 이론에 의한 수준별 개별 학습이 이루어진다. 학습이 끝난 후, 틀린 문제를 복습하여 학습이 견고해지도록 하기 위해, 마지막으로 복습단계가 포함되어 있다. 학습결과로 제시되는 내용은 흔히 사용되는 접수가 아니라, 문항반응 이론에 의해 계산된 학습자의 능력을 절대 수치값으로 나타낸 것으로, 이를 통해 학습 능력의 향상 정도를 객관적으로 파악할 수 있도록 하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.1166-1169
• /
• 2008

이 논문에서는 정보 영재의 사고력 신장을 위한 교수-학습 프로그램으로 트리 구성과 트리 탐색에 기반을 둔 모형을 제시하고 분석한다. 제시된 교수-학습 모형은 문제를 표현하는 트리의 유형에 따라 세 가지 유형으로 구분되며, 각 모형은 다시 네 가지 단계의 학습 단계로 구성된다. 구성되는 트리의 모형에 따라 적용되는 알고리즘에는 recursion, heuristic, minimax 탐색 방법 등이 도입되어 적용된다. 이 모델은 저 수준의 사고력을 요구하는 간단한 모형에서 출발하여 고 수준의 사고력을 요구하는 복잡한 모형으로 발전시키는 교육 방법을 제시함으로써 사고력 신장의 정도에 따라 초등학교 학생들로부터 중학교, 고등학교 학생들에 이르기 까지 대상을 확대하여 점진적으로 적용할 수 있는 교육 방법이 될 수 있을 것으로 사료된다. 이 교육 프로그램 모형을 실제 교육 현장에서 적용하여 교수-학습 프로그램 유형별로 학습 단계간의 적용 결과를 비교 분석한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2008년도 추계학술발표대회
• /
• pp.1149-1151
• /
• 2008

본 논문에서는 학습자들의 학습특성 및 학습 능력에 따라 문제은행에서 문항을 선택하는 기준과 학습코스를 재구성하기 위한 방법을 제안한다. 본 논문에서 제안한 시스템은 학습단계와 평가단계를 연계하여 평가 단계에서 추정된 학습자의 능력에 따라 차기 학습단계에서 수준별 학습내용을 재구성하여 학습자에게 제공함으로써 합리적인 학습이 가능하도록 지원하고 있다. 이를 위해 학습자의 학습능력을 정확하게 판단 할 수 있도록 문항반응 이론에 의한 학습자 능력평가 모듈을 만들고, 가중치 값을 갖는 문항특성모델을 개발하여 적용함으로써 학습과정의 우선순위를 부여하여 학습코스를 재구성하는 시스템을 설계 및 구현하였다.

• 대한수학교육학회지:학교수학
• /
• 제10권3호
• /
• pp.339-355
• /
• 2008

이 논문에서는 Zoltan Dienes의 수학학습을 위한 6단계 이론을 재조명해보고자 하였다. 국내에서는 Dienes가 1971년에 처음 발표한 내용이 대략적으로 알려져 있을 뿐, 구체적인 보기가 소개되지 않았다. 이 연구는 Dienes가 제시한 정수 학습의 보기를 통해 6단계 이론이 함의하는 바를 보다 구체적으로 살펴보고자 하였다. 연구 결과, 6단계 이론의 본질은 수학적 개념 형성을 위한 추상화 과정에 있으며, 그러한 과정에서 놀이나 게임은 수학적 구조의 원시적 형태라 할 수 있는 규칙성을 제공해주며, 전 단계에 걸쳐 학습자와 수학을 연결해 주는 중요한 매개 역할을 하도록 기대된다는 점을 밝혔다. 그러나 정수의 보기를 들어 살펴본 게임에는 몇 가지 문제점이 제기되었으며, 이러한 문제점들이 극복되지 않는 한 6단계 이론이 현장에 보급될 가능성은 매우 낮은 것으로 결론 내렸다. 그럼에도 불구하고 6단계 이론이 오늘날의 교육에 시사하는 바를 마지막으로 덧붙였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2004년도 가을 학술발표논문집 Vol.31 No.2 (1)
• /
• pp.232-234
• /
• 2004

강화 학습(Reinforcement Learning)을 실제 문제에 적용하는 데 있어 가장 큰 문제는 차원성의 저주(Curse of dimensionality)이다. 문제가 커짐에 따라 목적을 이루기 위해서 더 않은 단계의 판단이 필요하고 이에 따라 문제의 해결이 지수적으로 어려워지게 된다. 이를 해결하기 위칠 문제를 여러 단계로 나누어 단계별로 학습하는 계층적 강화 학습(Hierarchical Reinforcement Learning)이 제시된 바 있다. 하지만 대부분의 계층적 강화 학습 방법들은 사전에 문제의 구조를 아는 것을 전제로 하며 큰 사이즈의 문제를 간단히 표현할 방법을 제시하지 않는다. 따라서 이들 방법들도 실제적인 문제에 바로 적용하기에는 적합하지 않다. 이러한 문제점들을 해결하기 위해 복잡계 네트워크(Complex Network)가 갖는 작은 세상 성질(Small world Property)에 착안하여 자기조직화 하는 생장 네트워크(Self organizing growing network)를 기반으로 한 환경 표현 모델이 제안된 바 있다. 이러한 모델에서는 문제 크기가 커지더라도 네트워크의 사이즈가 크게 커지지 않기 때문에 문제의 난이도가 크기에 따라 크게 증가하지 않을 것을 기대할 수 있다. 본 논문에서는 이러한 환경 모델을 사용한 강화 학습 알고리즘을 구현하고 실험을 통하여 각 모델이 강화 학습의 문제 사이즈에 따른 성능에 끼치는 영향에 대해 알아보았다.