• 한국콘텐츠학회논문지
• /
• 제10권10호
• /
• pp.479-493
• /
• 2010

지식기반 환경의 변화와 더불어 이-러닝은 매우 보편화된 교수.학습 방법의 하나가 되었으며, 이와 관련한 여러 연구들이 진행되고 있다. 이-러닝의 주요 연구 분야 중의 하나는 학습자의 다양한 상황들을 반영하여 학습자 개개인의 특징에 맞게 학습내용을 지원하기 위한 적응형 학습 시스템에 관한 연구이다. 이와 관련하여 최근에는 적응적 학습내용을 보다 효과적으로 지원하기 위하여 온톨로지를 기반으로 한 적응형 학습 시스템에 대한 연구들이 활발히 진행되고 있다. 본 논문에서는 FCA의 개념 망을 기반으로 온톨로지의 접근 방법과 목적은 같이하지만, 특정 영역의 학습에 적합한 사용자가 보다 자유롭고 쉽게 자신의 적응형 학습 시스템을 구축하여 사용할 수 있는 적응형 학습 시스템을 설계하여 제안한다. 제안된 시스템은 학습영역에 존재하는 학습객체와 학습개념들 사이의 연관 관계에 따라 이들을 개념 망 구조 안에 자동으로 계층화한다. 또한 학습자의 지식수준, 학습선호도, 학습스타일 및 학습개념의 학습상태에 따라 개념 망 학습구조를 적응적으로 구성하여 제시한다.

• 수산해양교육연구
• /
• 제26권2호
• /
• pp.296-307
• /
• 2014

As an educational trial for pursuit of educational excellence in the disadvantaged gifted, this study was to explore learning styles and task preferences by student's grade and gender. Furthermore, this study sought to present the practical basis to develop programs for disadvantaged gifted students. Total 153 disadvantage gifted students responded items of the Learning Styles Inventory-III and the Task Preferences Scale, which responses were analyzed by student's grade and gender in using MANOVA. As the results, the 1st grade disadvantaged gifted students preferred Direct instruction, Technology, and Learning games to the higher grade level students. There were significant differences in task preferences by students' grade level. The 4th grade disadvantaged gifted students preferred Creative tasks and Difficult tasks more than other grade level students.

• 지능정보연구
• /
• 제29권1호
• /
• pp.41-63
• /
• 2023

전자상거래 시장의 꾸준한 성장으로 인해 추천 시스템의 필요성은 점차 강조되고 있으며, 최근에는 추천 성능의 향상을 목적으로 리뷰 텍스트를 사용하는 연구가 활발히 진행되고 있다. 특히 많은 연구들은 리뷰 텍스트의 감성 점수를 활용하여 제안되고 있는데, 감성 점수만을 사용하는 방법론은 리뷰 텍스트에 존재하는 구체적인 선호도 정보의 활용 측면에 한계를 가지며 이는 결과적으로 성능 향상에 제약으로 작용하게 된다. 이를 개선하기 위해 본 연구는 딥러닝 기반 추천 모델에 온라인 리뷰 내 다양한 언어학적 요소들을 활용하여 고객의 선호도를 정교하게 학습할 수 있는 새로운 추천 방법론을 제안하였다. 이를 위해 먼저 고객과 상품 간 복잡한 상호작용을 고려할 수 있도록 딥러닝 모델을 통해 상호작용 관계를 비선형으로 학습하였다. 그리고 리뷰 텍스트를 효과적으로 활용할 수 있도록 언어학적 요소 중 고객의 구매 의사결정에 중요한 영향을 미치는 인지적 요인, 정서적 요인 그리고 언어 스타일 매칭을 사용하였다. 실험은 Amazon.com에서 수집한 온라인 리뷰 데이터를 사용하여 진행하였고, 실험 결과 제안 모델의 우수함을 검증할 수 있었다. 본 연구는 추천 시스템에서 리뷰 텍스트 내 고객 선호도에 대한 정보를 효과적으로 활용하는 방법론을 제안하여 연구의 이론적 및 방법론 측면에 기여하였다.