• Journal of The Korean Association For Science Education
• /
• v.32 no.2
• /
• pp.402-414
• /
• 2012

This study investigated the effects of the instructions using analogies in learning the concept of saturated solution by the analogy presentation types and the verbal learning styles upon the mapping understanding, the mapping errors, and the perceptions of the instruction. Fifth graders (N=123) at an elementary school were selected and assigned to VA (n=63) and VPA (n=60) groups. As a pretest, a test on the verbal learning style was administered. The students in the VA group learned the target concept with a verbal analogy, while those in the VPA group learned it with a verbal/pictorial analogy. After the students learned it, a mapping understanding test was administered. The students in the VPA group also administered the test on the perceptions of the instruction and some of them were interviewed in depth. The results revealed that the scores of the students with strong verbal learning preference in the VPA group were significantly lower than those in the VA group in the mapping understanding test. However, the scores of the students with weak verbal learning preference were not significantly different between the two groups. Five types of mapping errors were identified: failure to map, mismapping, rash mapping, impossible mapping, and mapping of a surficial feature. According to students' verbal learning styles, there were some differences in the frequencies of mapping errors in the two groups. Many students in the VPA group, regardless of their verbal learning styles, had positive perceptions of the instruction in various cognitive and motivational aspects. However, some of them also pointed out a few difficulties of the instruction. Educational implications of these findings are discussed.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2004.05a
• /
• pp.977-980
• /
• 2004

SCORM은 웹 환경에 존재하는 다양한 학습관리시스템 간에 표준화 된 컨텐츠 모델을 제시함으로써 학습 컨텐츠의 호환성을 보장하고 재사용성을 높이고자 하는 표준이다. 하지만 기존의 SCORM 기반학습관리시스템은 학습 리소스의 공유를 위한 기반은 제공하지만 학습 컨텐츠의 세부적인 학습 내용과 학습 문맥을 표현하고, 이를 공유할 수 있는 방안은 제시해 주지 못한다.본 논문에서는 지식 관리 기술인 시맨틱 웹의 RDF를 사용하여 학습 메타데이터를 표현하고, 이를 통합 관리할 수 있는 학습 메타 데이터 관리 서비스를 기존 학습관리시스템과 연동될 수 있는 모듈로서 제안한다. 또한 SCO에 포함될 수 있는 RDF기반 특징정보 파일을 정의하고, 저장된 학습 메타데이터를 SOAP 프로토콜을 통하여 외부 학습관리시스템과 공유할 수 있는 방안을 제시한다.이를 기반으로 교수자는 학습 주제와 관련된 컨텐츠를 검색하여 새로운 학습 컨텐츠를 제작 할 수 있으며, 학습자는 의미 기반 검색을 통하여 다양한 학습 컨텐츠와 능동적인 학습 환경을 체험 할 수 있다.

• 한국HCI학회:학술대회논문집
• /
• 2006.02a
• /
• pp.753-759
• /
• 2006

햅틱인터페이스 기술을 이용하면 가상물체의 형태를 만져보고 느껴볼 수 있다. 물체마다 다른 수학적 마찰력 모델을 적용하여 실감있는 마찰력 표현도 가능하다. 그러나 각 물체에 해당하는 마찰력 모델을 선정하는 것과 적절한 마찰계수 등을 반복적 실험을 통하여 알아내는 것은 쉽지 않다. 실제 물체의 마찰력이 알려진 마찰력 모델과 다르다면 수학적 모델로 표현할 수 없는 경우도 있다. 본 논문에서는 신경회로망 학습을 이용하여 마찰력 모델의 선택이나 마찰계수 등을 정하는 과정 없이 실제 물체의 마찰력을 표현하는 방법을 제시하고 있다. 상용 햅틱인터페이스 장치인 PHANToM 2 대를 이용하여 마찰력 획득 시스템을 구성하고 고무판, 종이 등의 물체 표면에서의 속도와 물체에 작용하는 힘을 획득하여 가공한 데이터를 입력 및 출력으로 갖는 신경회로망을 통해 학습시킨 후 OpenGL로 구현한 가상물체에 적용하여 보았다. Force/Torque 센서를 사용하지 못한 일부 문제가 있었으나 예상보다 사실적인 마찰력을 표현할 수 있었다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.708-711
• /
• 2016

일반적인 얼굴인식 시스템에서는 얼굴표현과 얼굴분류 과정을 통하여 얼굴인식을 수행한다. 얼굴표현 방법으로는 LBP(Local Binary Pattern) 방법이 많이 사용되고 있다. 얼굴분류 방법으로는 신경망을 이용하여 미리 학습을 시켜놓기 때문에 수행시간이 매우 짧은 신경망 방법이 많이 사용되고 있다. 이때 얼굴표현 과정에서 LBP를 사용한 후 신경망을 사용하여 얼굴분류를 수행하면 인식률이 낮고 학습시간이 오래 걸리는 문제점이 있다. 따라서 본 논문에서는 신경망을 이용하여 얼굴 인식 과정을 수행하기 적합한 얼굴 표현 과정인 라플라시안 필터를 이용한 알고리즘을 제안한다. LBP와 신경망을 이용한 얼굴인식 과정과 본 논문에서 제안한 얼굴인식 과정을 비교분석한 실험결과, 본 논문에서 제안한 방법이 학습에 걸리는 시간과 인식률이 우수함을 보였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.615-616
• /
• 2022

본 논문에서는 간단한 선형 회귀를 이용하여 복잡한 불 시뮬레이션(Fire simulation)에서 표현되는 불똥 입자(Fire-flake particle)을 효율적으로 생성할 수 있는 방법을 제안한다. 일반적으로 불 시뮬레이션에서 불꽃은 격자기반으로 표현하고, 불똥은 입자로 표현하는 입자-격자 하이브리드 시스템을 이용한다. 이러한 방식을 그대로 인공신경망에 사용을 하게 되면 상대적으로 메모리가 많이 필요하며 계산양도 증가된다. 특히, 불똥 입자가 존재하지 않는 부분에서도 격자 공간에 대한 메모리를 할당해야 되기 때문에 고해상도 불똥 효과를 학습하는데 있어서 많은 문제점을 가지고 있다. 이러한 문제를 완화하기 위해 본 논문에서는 격자 단위가 아닌, 입자 단위로 불똥 입자 생성을 학습할 수 있는 방법을 제안한다.

• Annual Conference on Human and Language Technology
• /
• 1999.10e
• /
• pp.79-84
• /
• 1999

본 연구에서는 문서분류시스템에서 자질의 표현으로 전문분야사전을 이용한 분야정보와 개체정보추출을 통한 개체정보를 이용한다. 또한 지식정보를 보완하기 위해 통계적인 방법으로 범주 전문용어를 인식하여 자질로 표현하는 방법을 제안한다. 문서에 나타난 용어들이 어떤 특정 전문분야에 속하는 용어들이 많이 나타나는 경우 그 문서는 용어들이 속한 분야의 문서일 가능성이 높다. 또한, 정보추출을 통해 용어가 어떠한 개체를 나타내는지를 인식하여 문서를 표현함으로써 문서가 내포하는 의미를 보다 잘 반영할 수 있게 된다. 분야정보나 개체정보를 알 수 없는 용어에 대해서는 학습문서로부터 전문분야를 자동 인식함으로써 문서표현의 지식정보를 보완한다. 전문분야, 개체정보 및 범주전문용어에 기반해서 표현된 문서의 자질에 대해서 지지벡터기계 학습에 기반한 문서분류기틀 이용하여 각 범주에 대해 이진분류를 하였다. 제안된 문서자질표현은 용어기반의 자질표현에 비해 좋은 성능을 보이고 있다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11b
• /
• pp.852-855
• /
• 2003

지식ㆍ정보화 사회에서는 교사가 학생에게 교과서의 지식뿐만 아니라, 학생 스스로 인지 구조를 형성할 수 있도록 다양한 정보를 제공해야 한다. 따라서, 동일한 교과를 강의하는 교사들은 웹 상의 대량의 정보 가운데서 의미 있는 정보를 서로 교환ㆍ공유하여 교수-학습활동에 활용할 필요가 있다. 기존 웹 상의 교수-학습자료 시스템은 주로 HTML을 이용하기 때문에 한정된 태그만을 사용하여 사용자가 원하는 형태의 기능을 지원할 수 없을 뿐만 아니라 이런 태그들은 정확한 의미를 전달하지 못한다. 또한 구조화 능력이 부족하여 문서의 계층 구조를 표현하지 못하며, 효과적인 저장과 검색이 불가능하다. 즉, 화면상에 보여지는 기능 외에는 색다른 기능을 제공하지 못한다. 본 논문에서는 동일한 교과를 강의하는 교사가 교수-학습자료를 웹 상에서 손쉽게 작성하여 원활하게 교환할 수 있도록 XML 문서로 생성하는 시스템을 설계 및 구현한다. XML 문서의 교수-학습자료는 의미 있는 정보 전달과 문서의 구조화가 가능하다 또한 데이터를 수정하는 기능과 다양한 표현 형식이 가능하도록 지원함으로써 기존의 교수-학습자료의 재사용을 가능케 한다. 결과적으로, 교사가 교수-학습자료 작성에 드는 시간과 노력을 절약하여 본연의 임무에 충실하도록 해줌으로써 교수-학습활동의 질을 향상시킬 수 있다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2011.04a
• /
• pp.1108-1111
• /
• 2011

최근 E-러닝 발전과 함께 U-러닝에 대한 관심이 집중되고 있으며 이와 관련된 다양한 관련 표준들이 채택되고 있다. 기존의 E-러닝 관련 기술들이 웹에 기반한 학습을 지향하였다면 U-러닝에서는 다양한 환경에서 학습자가 학습의 맥락을 이어가며 학습을 하는 것으로서 언제, 어디서나, 누구나 학습을 진행하여 생활의 학습화를 지원할 기술을 필요로 한다. 즉, U-러닝에서는 다양한 사용 환경에서 학습이 이루어지므로 사용 환경에 적합한 학습이 이루어져야 하고, 이를 위해 사용 환경 맞춤형 콘텐츠 적응화 기술이 필요하다. 크게 사용 환경 맞춤형 콘텐츠 적응화 기술은 다양한 단말기 정보를 포함한 사용 환경 정보를 표현할 수 있는 기술과 사용자의 사용 환경 정보를 분석하는 기술, 사용 환경에 적합한 콘텐츠를 구성하는 기술로 구성된다. 이에 본 연구에서는 지식서비스 USN 산업원천 기술개발 과제의 세부과제인 'U-러닝 환경 표준 및 표준 명세 개발 및 검증' 과제에서 콘텐츠 적응화를 위해 연구 개발된 사용 환경 정보를 표현하는 U-러닝 프로파일에 대하여 소개한다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2022.07a
• /
• pp.63-66
• /
• 2022

본 논문에서는 분자의 특성을 정확하게 예측하기 위해 효과적인 사전학습(pretraining) 전략과 트랜스포머(Transformer) 모델을 활용한 방법을 제시한다. 딥러닝을 활용한 분자의 성능을 예측하는 연구는 그동안 레이블이 부족한 분자데이터의 특성에 의해 학습 때 사용된 데이터이외의 분자데이터에 대해 일반화 능력이 떨어지는 어려움을 겪었다. 이 논문에서 제시한 모델은 사전학습(pretraining)을 수행할 때 자기지도학습(self-supervised training)을 사용하여 부족한 레이블에 의한 문제점을 피할 수 있다. 대규모 분자 데이터셋으로부터 학습된 이 모델은 4가지 다운스트림 데이터셋에 대해 모두 우수한 성능을 보여주어 일반화 성능이 뛰어나며 효과적인 분자표현을 얻을 수 있음을 보인다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1290-1293
• /
• 2013

본 논문은 문장 내에서 나타나는 어휘간의 관계를 통해 표현 수준을 자동으로 평가할 수 있는 시스템을 제안한다. 제안하는 방법은 영어에세이 코퍼스 내의 문장에서 발생하는 철자 및 문법의 오류와 함께 어휘와 문법 패턴에 따른 표현난이도를 평가할 수 있는 자질을 생성하고 다양한 기계학습기법을 사용하여 문장의 수준을 평가하고자 하였다. 또한 기존에 연구되어온 규칙기반의 문장 평가시스템을 구현하고 기계학습기법을 이용한 문장 평가시스템과 비교하였다. 이를 통해 철자 및 문법의 오류율뿐만 아니라 표현난이도를 평가할 수 있는 자질들이 유용함을 확인할 수 있었다. 영어작문 문장의 수준평가를 위해서 국내 학생들의 토플 에세이 코퍼스를 수집하여 2,000문장을 추출하였고, 4명의 전문평가자들을 통해 6단계로 평가하여 학습 및 테스트 세트를 구성하였다. 성능척도로는 정확률과 재현율을 사용하였으며, 제안하는 방법으로 67.3%의 정확률과 67.1%의 재현율을 보였다.