• 대한공업교육학회지
• /
• 제36권2호
• /
• pp.1-23
• /
• 2011

본 연구의 목적은 팀 기반 학습모형을 활용한 수업에 참여한 공업계 고등학교 학습자와 교사를 대상으로, 형성적 연구방법론을 활용하여 모형의 강점, 약점, 개선점을 도출하고 이를 통해 모형의 타당성과 통용 가능성을 제고하는 것이다. 팀 기반학습모형은 문제 상황 속에서 학습자 개인의 선행학습과 팀 구성원 간 상호작용을 통해 개인과 팀의 성과를 극대화하기 위한 구조화된 교육방법이다. 이 모형의 개선과 보완을 위해 형성적 연구방법론을 적용하였고, 분석결과, 모형의 강점으로 학습자의 동기와 흥미 유발, 학습자 특성을 반영한 교육 가능, 선행학습을 통한 자신감향상, 반복학습을 통한 개념 이해 등을 파악하였다. 한편 모형의 약점을 보완하기 위한 방안으로 현실적인 교과내용과 방법 편성에 있어서의 한계 극복, 현장감을 높이는 문제은행 확보 필요, 실습 기자재 확충 필요, 학습자의 사전지식과 경험을 고려한 토론 주제 발굴, 구체적인 팀별 활동과 역할 부여 필요 등을 제시하였으며, 개선점으로는 합리적인 팀 구성, 발표 기회의 공정성, 적극적인 참여 독려, 학습자의 선수지식과 태도를 고려한 수준별 학습 계획, 주요한 개념 사전 안내 및 토론 주제선별 등을 제시하였다. 최종적으로 이러한 결과들을 바탕으로 향후 공업계 고등학교에서 적용 가능한 팀 기반 학습모형과 운영방안에 대해 제안하였다.

• 대한지구과학교육학회지
• /
• 제9권2호
• /
• pp.107-122
• /
• 2016

이 연구의 목적은 진화심리학과 진화교육심리학 관련 문헌고찰을 통해 교육에 대한 진화론적 관점이 학교교육과 과학교육에 주는 교육적 시사점을 분석하는 것이며, 궁극적으로는 과학교육 관련 연구자와 교사에게 이에 대한 관심과 이해를 도모하는 것이다. 이 연구에서는 몇 가지 중요한 주제, 즉 교육 측면에서 본 진화론적 관점에 대한 보편적인 오해, 어린이들의 선천적인 지식과 능력 및 그 발달 과정, 학교에서 진화적으로 생소한 지식과 능력을 학습하는데 있어서 겪는 어려움, 진화론적 관점이 과학교육에 주는 시사점 등을 다루고 있다. 교육에 대한 진화론적 관점은 아직까지 발달의 초기단계에 있지만, 현재 당면한 교육 관련 문제들이 왜 생기게 되었는지 그리고 이를 해결하기 위한 효과적인 수업전략은 무엇인지에 대한 새롭고 흥미로운 이해의 틀을 제공한다. 교육에 대한 진화론적 관점을 지지하는 학자들은 당면한 문제들에 대한 해결의 실마리를 어린이들의 선천적인 학습 동기와 사고 성향 그리고 과거 수렵채집사회와 현대사회에서의 어린이들의 교수-학습 방식의 불일치에서 찾고 있으며, 앞으로 많은 경험적 연구가 이루어짐에 따라 현장의 수업을 개선하는데 매우 유용한 정보를 제공할 것으로 기대된다.

• 한국과학교육학회지
• /
• 제30권2호
• /
• pp.218-233
• /
• 2010

이 연구의 목적은 과학교육의 목표인 과학 지식과 지식 생성 과정으로서의 탐구 관점에서, 과학 교사가 지닌 과학 및 과학 교수학습에 대한 인식론적 이해를 탐색하는 것이었다. 세 명의 현직 과학 교사가 연구에 참여하였고, 개별 심층 면담과 수업 녹화를 통해 자료가 수집되었다. 연구 결과로서, 자료의 정합성과 일관성을 보여준 한 과학 교사의 사례를 보고하였다. 연구 결과는 과학 및 과학 교수학습의 인식론적 이해로서, '과학적 사고를 통해 과학을 수행하는 과학자', '앎의 과정으로서 과학적 사고', '과학적 사고를 배우는 과학 학습자', '과학을 잘 이해한 사람으로서 과학 교사', '과학을 알아가는 교수학습 과정'의 다섯 개 범주로 구성되었다. 이상의 연구 결과는 전통적 강의 수업을 하는 중등 과학 교사가 체화한 지식으로서, 과학 지식 및 지식 생성 과정으로서의 탐구를 교수학습 측면에서 조명되었다. 연구 결과를 토대로, 과학 교육 및 과학 교사 교육에 관한 논의와 시사점을 제시하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.295-299
• /
• 2022

자원이 부족한 언어 환경에서 사전학습 언어모델 학습을 위한 대용량의 코퍼스를 구축하는데는 한계가 존재한다. 본 논문은 이러한 한계를 극복할 수 있는 Cross-lingual Post-Training (XPT) 방법론을 적용하여 비교적 자원이 부족한 한국어에서 해당 방법론의 효율성을 분석한다. 적은 양의 한국어 코퍼스인 400K와 4M만을 사용하여 다양한 한국어 사전학습 모델 (KLUE-BERT, KLUE-RoBERTa, Albert-kor)과 mBERT와 전반적인 성능 비교 및 분석 연구를 진행한다. 한국어의 대표적인 벤치마크 데이터셋인 KLUE 벤치마크를 사용하여 한국어 하위태스크에 대한 성능평가를 진행하며, 총 7가지의 태스크 중에서 5가지의 태스크에서 XPT-4M 모델이 기존 한국어 언어모델과의 비교에서 가장 우수한 혹은 두번째로 우수한 성능을 보인다. 이를 통해 XPT가 훨씬 더 많은 데이터로 훈련된 한국어 언어모델과 유사한 성능을 보일 뿐 아니라 학습과정이 매우 효율적임을 보인다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2022년도 제34회 한글 및 한국어 정보처리 학술대회
• /
• pp.324-328
• /
• 2022

기계 독해란 주어진 문서를 이해하고 문서 내의 내용에 대한 질문에 답을 추론하는 연구 분야이며, 기계 독해 문제의 종류 중에는 여러 개의 선택지에서 질문에 대한 답을 선택하는 객관식 형태의 문제가 존재한다. 이러한 자연어 처리 문제를 해결하기 위해 기존 연구에서는 사전학습된 언어 모델을 미세조정하여 사용하는 방법이 널리 활용되고 있으나, 학습 데이터가 부족한 환경에서는 기존의 일반적인 미세조정 방법으로 모델의 성능을 높이는 것이 제한적이며 사전학습된 의미론적인 정보를 충분히 활용하지 못하여 성능 향상에 한계가 있다. 이에 본 연구에서는 기존의 일반적인 미세조정 방법에 템플릿을 적용한 템플릿 기반 미세조정 방법을 통해 사전학습된 의미론적인 정보를 더욱 활용할 수 있도록 한다. 객관식 형태의 기계 독해 문제 중 하나인 토익 문제에 대해 모델을 템플릿 기반 미세조정 방법으로 실험을 진행하여 템플릿이 모델 학습에 어떠한 영향을 주는지 확인하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2022년도 추계학술발표대회
• /
• pp.905-907
• /
• 2022

악성코드를 분석하는 기존 기법인 정적분석은 빠르고 효율적으로 악성코드를 탐지할 수 있지만 난독화된 파일에 취약한 반면,, 동적분석은 난독화된 파일에 적합하지만 느리고 비용이 많이 든다는 단점을 가진다. 본 연구에서는 두 분석 기법의 단점을 해결하기 위해 딥러닝 모델을 활용한 난독화에 강한 정적분석 모델을 제안하였다. 본 연구에서 제안한 방법은 원본 코드 및 난독화된 파일을 grayscale 이미지로 변환하여 데이터셋을 구축하고 AutoEncoder 를 사전학습시켜 encoder 가 원본 파일과 난독화된 파일로부터 원본 파일의 특징을 추출할 수 있도록 한 이후, encoder 의 output 을 fully connected layer 의 입력으로 넣고 전이학습시켜 악성코드를 탐지하도록 하였다. 본 연구에서는 제안한 방법론은 난독화된 파일에서 악성코드를 탐지하는 성능을 F1 score 기준 14.17% 포인트 향상시켰고, 난독화된 파일과 원본 파일을 전체를 합친 데이터셋에서도 악성코드 탐지 성능을 F1 score 기준 7.22% 포인트 향상시켰다.

• 한국전자통신학회논문지
• /
• 제19권1호
• /
• pp.249-256
• /
• 2024

기계학습 기반의 침입탐지 방법론들은 분류하고자 하는 각 클래스에 대해 균등한 많은 학습 데이터가 필요하며, 탐지 또는 분류하려는 공격유형의 추가 시 시스템을 모두 재학습해야 하는 문제점을 가지고 있다. 본 논문에서는 특징학습과 계층분류 방법을 이용하여, 비교적 적은 학습 데이터를 이용한 분류 문제 및 데이터 불균형 문제를 해결하고, 새로운 공격유형의 추가가 쉬운 침입탐지 방법론을 제안하고자 한다. 제안된 시스템은 KDD 침입탐지 데이터를 이용한 실험으로 가능성을 검증하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2013년도 제47차 동계학술대회논문집 21권1호
• /
• pp.221-222
• /
• 2013

대학에서 게임 개발 교육을 수행할 때 체계적인 방법론을 적용하는 것이 필요하나, 대부분의 방법론이 복잡하고, 또 사전에 방법론에 대한 교육을 시키기도 어려워 학교 교육에서 적용하기 어렵다는 문제가 있다. 여러 방법론 중 대표적인 애자일 방법론인 스크럼은 단기간의 개발을 지원할 수 있고, 상대적으로 쉬운 구조를 가지고 있어 학기 기반의 프로젝트 교육에 적합한 특성을 가지고 있다. 본 논문에서는 기존의 스크럼 방법론을 한 학기의 게임 개발 프로젝트 교육에 적합하도록 최적화한 CK-Scrum 방법론을 실제로 적용한 사례를 분석하고, 문제점을 보완하여 새로 개선된 CK-Scrum 1.1 방법론을 제시한다. 이 방법론으로 학생들이 프로젝트를 수행하며 품질이 높은 게임을 개발하고 방법론에 대한 학습도 병행할 수 있다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제9권
• /
• pp.1-13
• /
• 1999

수학 교육에서 수학 지식의 추상적 특성으로 인하여 수학 학습에 중요한 발생적 측면으로서 “concrete“ 에 대한 학습론적인 연구가 부족하였다. 또한 구체적 감각 조작 단계에서 형식적 추상적 조작 단계로의 아동의 인지 발달을 강조하다보니 ”concrete“와 ”abstract“의 통상적인 의미가 이분화 됨으로서 수학 학습에서 모든 연령과 수준에 무관한 상보적이고 상호 작용하는 가치를 수학 교육 연구에서 잊고 있었다. 본 논문은 발생적인 그리고 구성주의적 수학 학습에서 ”concrete”가 가져야 할 새로운 의미를 제안하였다. 새로운 의미의 “concrete“는 다양한 경험과 사물 그리고 지식과의 관계 맺음을 의미하는 ”connected“와 같은 맥락을 갖는다고 보고 몇 가지 수학교육에 관련된 의의와 중요성을 제시하였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 1999년도 춘계공동학술대회-지식경영과 지식공학
• /
• pp.271-280
• /
• 1999

인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다. 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고요한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미있는 정보로 변환시켜줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망의 모형결합을 통해 기존연구과는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서는 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이브릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다. 기존의 주기분할방법론은 모형개발자입장에서 여러 가지 통계기준치중에서 최적의 기준치를 합리적으로 선택해야 하는 문제가 추가적으로 발생하며, 본 연구에서는 이상의 제반 문제들을 개선시키기 위해 통합방법론으로서 기존의 인공신경망모형을 구조적으로 확장시켰다. 이 모형에서 기존의 입력층 이전단계에 새로운 층이 정의된다. 이렇게 해서 생성된 새로운 통합모형은 기존모형에서 생성되는 기본적인 학습파라미터와 더불어, 본 연구에서 새롭게 제시된 주기분할층의 파라미터들이 모형의 학습성과를 높이기 위해 함께 고려된다. 한편, 이러한 학습과정에서 추가적으로 고려해야 할 파라미터 갯수가 증가함에 따라서, 본 모델의 학습성과가 local minimum에 빠지는 문제점이 발생될 수 있다. 즉, 웨이블릿분석과 인공신경망모형을 모두 전역적으로 최적화시켜야 하는 문제가 발생한다. 본 연구에서는 이 문제를 해결하기 위해서, 최근 local minimum의 가능성을 최소화하여 전역적인 학습성과를 높여 주는 인공지능기법으로서 유전자알고리즘기법을 본 연구이 통합모델에 반영하였다. 이에 대한 실증사례 분석결과는 일일 환율예측문제를 적용하였을 경우, 기존의 방법론보다 더 나운 예측성과를 타나내었다.