• Journal of the Korean Society of Earth Science Education
• /
• v.9 no.3
• /
• pp.309-322
• /
• 2016

This study was conducted to investigate the effect of science based on question-centered Havruta learning on the logical thinking and the science related attitude of elementary students. The number of participants were 93, 4 classes of 4th graders in G elementary school in C city. The experimental group, 2 classes including 46 participants, took science lessons based on question centered Havruta learning while the comparative group, 2 classes including 47 participants, took teacher-driven lessons using teacher's guidebook. Pre and post tests were done before and after executing lessons to assess the changing in each group's logical thinking and the science related attitude. And targeting experimental group, a perception survey toward Havruta learning was carried out and the results were arranged. The results of this study can be summarized as follows: First, the pre and post test results of logical thinking revealed that the experimental group showed higher improvement compared to the comparative group and the difference was meaningful. This implies that question centered Havruta classe has the effect of improving students' logical thinking. Second, from the pre and post test results of the science related attitude, we saw that the experimental group showed higher improvement compared to the comparative group and the difference was meaningful. This confirms that question centered Havruta class has the effect of improving students' science related attitude. Third, the survey regarding perspectives of experimental group students toward Havruta learning showed that students had a high satisfaction level.

• Knowledge Management Research
• /
• v.24 no.4
• /
• pp.153-176
• /
• 2023

Generative AI, especially conversational AI like ChatGPT, has recently gained traction as a technological alternative for automating customer service. However, there is still a lack of research on whether current generative AI technologies can effectively replace traditional human managers in customer service automation, and whether they are advantageous in some situations and disadvantageous in others, depending on the conditions and environment. To answer the question, "Can generative AI replace human managers in customer service activities?", this study conducted experiments and surveys on customer online reviews of a food delivery platform. We applied the perspective of the elaboration likelihood model to generate hypotheses about whether there is a difference between positive and negative online reviews, and analyzed whether the hypotheses were supported. The analysis results indicate that for positive reviews, generative AI can effectively replace human managers. However, for negative reviews, complete replacement is challenging, and human managerial intervention is considered more desirable. The results of this study can provide valuable practical insights for organizations looking to automate customer service using generative AI.

• Journal of the Korea Society of Computer and Information
• /
• v.29 no.7
• /
• pp.81-88
• /
• 2024

Despite the rapid growth of the generative AI market and significant interest from domestic companies and institutions, concerns about the provision of inaccurate information and potential information leaks have emerged as major factors hindering the adoption of generative AI. To address these issues, this paper designs and implements a question-answering system based on the Retrieval-Augmented Generation (RAG) architecture. The proposed method constructs a knowledge database using Korean sentence embeddings and retrieves information relevant to queries through optimized searches, which is then provided to the generative language model. Additionally, it allows users to directly manage the knowledge database to efficiently update changing business information, and it is designed to operate in a private network to reduce the risk of corporate confidential information leakage. This study aims to serve as a useful reference for domestic companies seeking to adopt and utilize generative AI.

• Proceedings of the Korean Information Science Society Conference
• /
• 2010.06c
• /
• pp.105-108
• /
• 2010

쌍방향으로 질문과 답변을 하는 커뮤니티 기반의 지식검색서비스에서는 질의를 통해 원하는 답변을 얻을 수 있지만, 수많은 사용자들이 참여함에 따라 방대한 문서 속에서 검증된 문서를 찾아내는 것은 점점 더 어려워지고 있다. 지식검색서비스에서 기존 연구는 사용자들이 생성한 데이터 즉 추천수, 조회수 등의 비텍스트 정보를 이용하거나 답변의 길이, 자료첨부, 연결어 등의 텍스트 정보 이용하여 전문가를 식별하거나 문서의 품질을 평가하고, 이를 검색에 반영하여 검색성능을 향상시키는 데 활용했다. 그러나 비텍스트 정보는 질의/응답의 초기에 사용자들에 의해 충분한 정보를 확보할 수 없는 단점이 제기 되며, 텍스트 정보는 전체의 문서를 답변의 길이, 자료 첨부등과 같은 일부요인으로 판단해야하기 때문에 품질평가의 한계가 있다고 볼 수 있겠다. 본 논문에서는 이러한 비텍스트 정보와 텍스트 정보의 문제점을 개선하기 위한 품질평가 알고리즘을 제안한다. 제안된 알고리즘을 통한 품질지수는 텍스트/비텍스트 정보와 소셜 네트워크 사용자 중앙성을 고려하여 질문에 적합하고 신뢰성 있는 답변을 랭킹화 함으로써 지식검색문서를 분별하는 지표가 되며, 이는 지식검색서비스의 성능향상에 기여를 할 수 있을 것으로 기대된다.

• 한국HCI학회:학술대회논문집
• /
• 2009.02a
• /
• pp.1363-1373
• /
• 2009

본 연구는 두 집단지성의 가장 대표적인 서비스인 네이버 지식iN과 위키피디아의 구조적, 경험적 차이를 바탕으로 생산의 차원에서 생산 주기, 생산 참여자, 생산물의 모델을 설정하고, 새롭게 탄생하는 지식을 중심으로 검증함으로써 최종 지식 소비 행위를 반영한 각각의 종합모델을 도출하였다. 우리는 웹에서 집단지성의 일상화를 확인할 수 있다. 지식 획득 매체가 매스미디어에서 인터넷으로 변화하는 과정에서 등장한 포털 및 검색사이트는 지식의 생산이 전문가패러다임에서 소비자 중심으로 재편될 수 있는 가능성을 열어주었다. 그리고 이러한 생산 방식의 변화는 '지식'의 개념 역시 변화시키고 있다. 즉, 집단지성이라는 새로운 웹2.0의 현상이 지식생산방식을 변화시키고 변화된 지식생산방식은 '지식'자체를 변화시킨다는 이론적 가설을 도출할 수 있는 것이다. 본 연구는 이러한 새로운 현상들을 분석하기 위해서는 먼저 보다 엄밀하게 집단지성의 개념을 규정할 필요성에 출발하였다. 현재 집단지성이라는 이름으로 불리면서 급격히 성장하고 있는 위키 방식의 인터넷 서비스와 지식검색 방식의 인터넷 서비스를 비교함으로써 보다 정교한 집단지성의 모델을 구축하고자 하였다. 위키형 집단지성과 지식검색형 집단지성의 차이점은 경험적으로도 뚜렷하게 확인할 수 있다. 본 연구는 이러한 경험적 차이와 기존의 문헌에서 밝혀진 사실들을 바탕으로 두 서비스의 지식생산 방식을 생산플로우, 생산참여자 성향, 생산물(지식)의 성향과 같이 세 영역으로 나누어 각각의 가설 모델을 설정하고 이 모델을 선정된 질의어를 바탕으로 검증한 뒤에 최종적인 모델을 도출하는 방식으로 진행되었다. 지식검색형 집단지성은 '질문-답변-채택'의 구조이고, 그 구조 속에서 '질문기-답변기-순서화기'를 거쳐 하나의 지식 덩어리인 'K-let'을 생산한다. 생산된 'K-let'들은 지식검색서비스의 데이터베이스에 축적되고, 이는 공통된 질의어를 기준으로 소비자들에 의해서 검색되어 소비된다. 하나의 질문에 대해 여러 개의 답변들이 존재하고, 답변자의 성향은 크게 전문성과 체계성을 바탕으로 한 전문가형 답변자와 경험적이고 의견지향적인 대화형 답변자로 나눠진다. 다수의 네티즌들의 참여에 의해서 지식의 생산이 진행되므로 질문의 성향 역시 사실, 의견, 경험 등 다양한 스펙트럼을 가지는 모델로 설정하였다. 반면에 위키형 집단지성은 개방형 플랫폼을 바탕으로 한 백과사전의 형식이며, 이러한 형식 속에서 최초의 개념어 등록과 다수의 편집활동을 거치면서 완성되지 않는 하나의 아티클인 'W-let'을 생산한다. 이러한 'W-let'은 생성 초기에 소수에 의한 활발한 내용 입력 활동으로 어느 정도의 안정화를 거친 후에는 꾸준한 다수의 수정활동을 통해서 'W-let'의 생명력을 유지함으로써 지식의 실제적인 변화를 반영한다. 생산된 'W-let'들은 위키형 집단지성 서비스의 데이터베이스에 축적되고, 이것들은 내부링크를 통해서 모두 연결되어 있다. 백과사전 형식으로 하나의 개념어를 설명하는 하나의 아티클은 오로지 사실적인 지식들로만 구성되나 내부링크와 외부링크를 통해서 다양한 스펙트럼을 가지는 모델로 설정하였다. 위와 같이 설정된 모델을 바탕으로 공통된 질의어 및 개념어를 선정하여 각각의 서비스에 노출시켰다. 이를 통해서 얻어진 각 서비스의 데이터베이스에 축적된 모든 데이터들 중에서 일정한 기간을 기준으로 각각의 모델 검증에 필요한 데이터를 추출하여 분석하는 방식으로 진행되었다. 그 결과 지식검색형 집단지성에서는 '질문-답변-채택'의 생산 구조 속에 다수가 참여하여 질문-채택답변-기타답변으로 배열되어 있는 완성된 형태의 K-let들을 지속적으로 생산하며 비슷한 성향을 가진 K-let들이 반복적으로 생산되어 지식검색 데이터베이스에 누적된다. 지식 소비자들은 질의어 검색을 통해서 다양한 K-let들을 선택하여 비교, 검토한 후에 선택된 K-let들의 배열은 해체되어 소비자들에 의해서 재배열됨을 발견할 수 있었다. 이에 지식검색형 집단지성이란 다수의 의해서 생산되고 누적된 지식들이 소비자의 검색과 선택에 의해 해체되어 재배열되는 지식의 맞춤화 과정이라고 정의내릴 수 있었다. 반면에 위키형 집단지성에서는 '내용입력-미세수정' 구조 속에서 생명력 있는 W-let을 생성한다. W-let은 백과사전처럼 정리되어 내부링크를 통해서 서로 연결되고, 외부링크를 통해 확장되고, 지식소비자들은 검색을 통해 최초의 W-let에 도달한 후에 링크를 선택함으로써 지식을 확장시킴을 검증할 수 있었다. 따라서 위키형 집단지성이란 다수의 의해서 생산되고 정리된 지식들이 소비자의 검색과 링크에 의해 무한히 확장되는 지식의 확대 재생산되는 과정이라고 정의 내릴 수 있다. 결국, 현재의 집단지성이란 지식이 다수의 참여로 생산됨으로써 개인에게 맞춤화되고, 끊임없이 확대 재생산되는 과정을 의미한다. 그리고 이러한 집단지성의 방식은 지식이라는 현재의 차원을 넘어서 정치, 경제를 비롯한 사회의 전 영역으로 점차적으로 확대되어갈 것이다. 앞으로 연구들은 두 가지 모델이 혼재되어 있는 현재의 집단지성이 어떠한 새로운 모델을 만들면서 다른 영역으로 확장되어갈 것인지에 대해서 초점을 맞춰 나가야할 것이다.

• Journal of The Korean Association For Science Education
• /
• v.41 no.2
• /
• pp.83-92
• /
• 2021

The purpose of this study is to investigate elementary school students' understandings about scientific inquiry. Data were collected from 119 elementary students who are in the 4^th grade using the Views About Scientific Inquiry questionnaire for elementary students (VASI-E). We also conducted semi-structured interviews of 21 students from 119 students who responded to VASI-E. Students' responses were analyzed as naive, mixed, or informed views on each aspect of scientific inquiry that VASI-E includes. We found that, first, 53.8% of students have mixed views, and 30.3% of students have informed views, and 16% of students have naive views on the knowledge 'investigation begin with a question'. Second, 54.6% of students have naive views, 37.8% of students have mixed views, and 7.6% of students have informed views on the knowledge 'scientists use many methods to answer their questions.' Third, 47.9% of students have informed views, 34.5% of students have naive views, and 17.6% of students have mixed views on 'procedures guided by question asked.' Fourth, 55.5% of students have mixed views, 42% of students have informed views, and only 2.5% of students have naive views on 'conclusions must be consistent with data and explanations come from data and prior knowledge.' Based on the results, implications for teaching and learning scientific inquiry at elementary level in Korea were discussed.

• Journal of KIISE
• /
• v.45 no.2
• /
• pp.134-140
• /
• 2018

A chat system is a computer program that understands user's miscellaneous utterances and generates appropriate responses. Sometimes a chat system needs to answer users' simple information-seeking questions. However, previous generative chat systems do not consider how to embed knowledge entities (i.e., subjects and objects in triple knowledge), essential elements for question-answering. The previous chat models have a disadvantage that they generate same responses although knowledge entities in users' utterances are changed. To alleviate this problem, we propose a knowledge entity embedding method for improving question-answering accuracies of a generative chat system. The proposed method uses a Siamese recurrent neural network for embedding knowledge entities and their synonyms. For experiments, we implemented a sequence-to-sequence model in which subjects and predicates are encoded and objects are decoded. The proposed embedding method showed 12.48% higher accuracies than the conventional embedding method based on a convolutional neural network.

• Annual Conference on Human and Language Technology
• /
• 2004.10d
• /
• pp.159-166
• /
• 2004

본 논문에서는 질의응답 시스템에서 질문의 주제와 개념적으로 일치하는 단락으로부터 정보를 추출할 경우에 보다 정확한 정답을 추출할 수 있다는 가정 하에 문장 주제를 활용한 의미적 단락 생성 및 검색 기법을 제안한다. 문장주제란 백과사전 문서 집합에서 공통으로 기술하는 내용이나 자주 언급하고 있는 사건 혹은 개념들의 집합을 의미하는 것으로, 주제별로 응집된 문장들로 재구성된 단락을 의미적 단락이라고 정의한다. 제안된 방법의 성능을 평가하기 위해 의미적 단락의 신뢰도를 파악하고, 백과사전 본문을 3문장 단위로 잘라서 고정길이 단락을 만든 후 의미적 단락의 검색결과와 비교하였다. 평가척도로는 TREC의 역순위평균(MRR : Mean Reciprocal Rank)과 상위 5개 단락 안에 정답유무를 측정하는 사용자 정답만족도를 사용하였다. ETRI 평가셋을 대상으로 한 실험 결과, 주제를 이용한 의미적 단락 검색 성능이 고정길이 단락 검색보다 우수함을 알 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2006.05a
• /
• pp.1455-1458
• /
• 2006

비즈니스 인텔리전스(Business Intelligence)라는 용어는 기업 환경에서 매우 포괄적으로 사용되는 업무범위이다. 그러나 이를 이해하는 첫 번째 접근법은 데이터에 대한 분석적 접근을 행해야 만 가능하다는 것이며, 일반적으로 현황 보고서 조회 등과 같은 조회 시스템을 통하여 제공되는 현상 파악을 초월하여 데이터가 가지고 있는 여러 가지 속성을 의미 있게 이해하는 절차를 포함하는 것이다. 이러한 접근법에서 기업의 기간계 시스템등과는 확연히 다른 속성을 가지고 있다. 전사적 자원관리 시스템(ERP)은 기업의 중요 정보를 실시간으로 유지하기 위한 거래 시스템에서부터 기업의 운영을 위한 내부 회계, 영업, 서비스 시스템을 총괄하는 지원 능력을 가지게 된다. 그러나 ERP에서 생성되는 정보의 특성은 현시점에서 가정 정확한 트렌젝션 데이터의 속성을 가지게 되며, 업무적으로는 프로세스를 통합하는 기능을 지원받을 수 있게 된다. 이에 반하여 비즈니스 인텔리전스 애플리케이션은 현상을 초월하는 비즈니스 담당자의 질문에 답할 수 있는 시스템으로 구분 할 수 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.321-324
• /
• 2001

본 논문은 인터넷 쇼핑몰에서의 효율적인 상품 추천 시스템의 구조를 제안한다. 본 상품 추천 시스템은 상품 추천의 2 가지 방법인 지식기반 상품 추천 방법과 collaborative filtering을 혼합하였으며 먼저 고객에게 질문을 던져서 고객의 요구 조건을 수집한 다음, 요구 조건과 상품 데이터베이스에 저장된 상품정보와 일치도를 계산하여 추천 후보 상품 리스트를 생성한다. 이 추천 상품 리스트에 속하는 상품에 대해서는 다시 collaborative filtering 방법이 적용된다. 즉, 비슷한 취향을 가지는 고객들이 높이 평가하는 제품들을 최종적으로 고객들에게 추천하게 된다. 이 방법은 기존의 방법들이 모두 특정한 상품 카테고리에 대해서만 효과적인데 데하여 제안된 방법은 모든 상품 카테고리에 적용할 수 있으며 collaborative filtering 방법을 후보 추천 상품에 대해서만 적용시킴으로써 이 방법의 단점인 많은 계산량을 줄일 수 있다. 제안된 시스템은 EJB(Enterprise Java Beans)를 사용하여 컴포넌트로 구현되었으며 이동통신기기 카테고리에 대하여 시험 구현되었다.