• Proceedings of the Korea Multimedia Society Conference
• /
• 1998.10a
• /
• pp.297-302
• /
• 1998

본 논문에서는 월드와이드웹에 기반한 학습자 중심의 통합 가상교육시스템 CyberClass를 설계하고 구현한 방법을 소개한다. 기존의 가상교육시스템은 학습자 중심의 상호작용 유형을 분석하여 이에 따른 적당한 상호작용 모델을 제시하지 않고 기능면에서의 사용도구 및 방법만을 제시함으로써 각 기능들이 자연스럽게 통합되지 못하였다. 따라서 전통적인 교육 방식인 강의실 수업에 참여한 학습자들이 가지는 현장감이나 친밀감에서 오는 커다란 교육적 이득을 제공하지 못하였다. 본 논문에서 개발한 가상교육시스템 CyberClass는 학습자 중심의 상호작용유형을 분석하고 이를 기반으로 상호작용모델을 제시한다. 그리고 제시된 모델에 기반하여 학습자와 교수, 학습자와 학습자 나아가 학습자와 가상교육시스템간의 상호작용에 기반한 시스템을 설계하였다. 따라서 학습자의 상호작용 모델에 기반함으로써 학습 참여도나 학습 능률의 향상을 기대할 수 있다. CyberClass는 학습자 중심의 상호작용을 위해 비동기공유 기공과 동기고유 기능을 모두 지원한다. 이들의 공유 기능들은 유기적으로 결합하고 직관적인 학습자 인터페이스를 제공함으로써 학습자에게 기능의 다양성에 따른 학습의 부담을 줄이고 자연스런 학습과정이 유도되도록 하였다.

• 한국HCI학회:학술대회논문집
• /
• 2007.02a
• /
• pp.524-529
• /
• 2007

지능형 학습 시스템은 학습자의 학습 과정에서 수집된 데이터를 분석하여 학습자에게 맞는 전략을 세우고 적합한 서비스를 제공하는 시스템이다. 학습자에게 적합한 서비스를 위해서는 학습자 모델링 작업이 우선시 되며, 이 모델 생성을 위해서 학습자의 학습 과정에서 발생한 데이터를 수집하고 분석하게 된다. 하지만, 수집된 데이터가 학습자의 일관되지 못한 행위나 비예측 학습 성향을 포함하고 있다면, 생성된 모델을 신뢰하기 어렵다. 본 논문에서는 학습자에게서 수집된 데이터를 거리기반 이상치 선별 방법인 k-NN을 이용하여 이상치를 선별한다. 실험에서는 홈 인테리어 컨텐츠 기반에 학습자의 학습 행위에 대한 학습 성향을 진단하기 위한 DOLLS-HI를 이용하여, 수집된 학습자의 데이터에서 이상치를 분류하고 학습 성향 진단을 위한 모델을 생성하였다. 생성된 모델은 이상치 분류전과 비교하여 신뢰가 향상된 것을 확인하였다.

• Proceedings of the Korean Institute of Intelligent Systems Conference
• /
• 2006.05a
• /
• pp.310-313
• /
• 2006

지능형 학습 시스템(ITS, Intelligent Tutoring System)은 학습자의 학습 스타일을 인지하여 학습자에 맞는 학습전략을 세우고 적절한 학습 서비스를 제공하는 시스템이다. 기존의 학습시스템은 학습자의 학습 스타일 보다는 학습 컨텐츠에 중심을 두어 학습자에게 맞는 학습 전략을 적절히 세우는 과정이 부족했다. 이에 본 논문에서는 학습자의 학습과정에서 발생한 데이터를 기반으로 학습자의 학습 스타일을 파악하는 방법을 제안한다. 이를 위해 서양 건축양식 학습을 위한 교육 컨텐츠를 이용하였으며, 수집된 데이터를 분석하여 Folder & Silverman 이 제시한 학습 스타일에 근거한 학습자의 학습 스타일을 추출하였다. 실험에서는 70명의 데이터를 수집하였고, 학습자가 교육 컨텐츠를 학습한 순서에 대한 시계열 데이터를 기반으로 학습자 성향을 알아보기 위하여 은닉 마코프 모델(Hidden Markov Model)을 사용하였다. 은닉 마코프 모델을 적용하여 얻은 분석 결과를 가지고 각 학습자에게 맞는 학습 스타일을 진단하였다. 은닉 마코프 모델에서 얻은 학습 스타일 진단 모델은 향후에 학습자 학습 스타일을 파악하는데 사용할 수 있으며, ITS에 있어 학습자 성향 분석 모듈로 고려해볼 수 있다.

• Proceedings of the Korea Inteligent Information System Society Conference
• /
• 1999.10a
• /
• pp.263-268
• /
• 1999

지능형 교육 시스템에서 학습자 모델은 학습자의 반응을 토대로 교수모듈과 전문가 모듈을 연계하여 새로운 학습자 모델을 제시하는 역할을 수행하고 있으며, 이는 성공적인 지능형 교육 시스템의 구현에 있어서 핵심적인 부분이다. 따라서 많은 대학교 및 연구소에서 그동안 학습자 모형에 관한 많은 연구가 이루어져오고 있다. 그러나 대부분의 연구는 단일 학습자 모형을 기반으로 두고 있으며, 이러한 단일 학습자 모형을 이용한 시스템들은 학습자의 지식 또는 학습자의 성향을 정확히 파악하기는 어려움을 갖고 있을 뿐만 아니라 다른 모듈과의 인터페이스 부분에서 중복된 많은 정보를 가지고 있다. 따라서 본 논문에서는 학습자의 지식을 정확하게 진단하고 각 모듈간의 중복된 정보를 보완할 수 있는 다중 학습자 모형을 개발하여 구현하였다. 또한 이러한 다중 학습자 모형을 최적으로 수행할 수 있도록 하기위하여 agent기법을 적용하였다. Agent를 이용한 다중 학습자 모형을 적용하여 구현한 시스템은 첫째, 단계적인 접근 방법으로 보다 정확한 학습자의 지식 진단이 가능하다. 둘째, 학습과정중 학습자의 심리 상태 및 학습자의 선호도 등 파악이 용이하다. 셋째, 교수모듈과 전문가 모듈과의 연계에 있어서 정보의 중복됨의 최소화 등의 장점을 제공한다.

• Journal of Digital Convergence
• /
• v.12 no.2
• /
• pp.467-473
• /
• 2014

Adaptive learning system means a system that provides adaptively learning materials according to the learning needs of learners. It consists of expert model, instructional model and student model. Expert model is that stores information which is to be taught. Student model stores the data of learning history and learning information of students. Instructional model provides necessary learning materials for actual leaners. This paper has constructed student model through learner's profile information and instructional model through dynamic scenario construction. After that, We have developed adaptively to provide learning to learners by constructing suitable dynamic scenario based on learners profile information. In the end, satisfaction result about this system showed a high degree of satisfaction and 88%.

• Journal of Digital Convergence
• /
• v.10 no.6
• /
• pp.189-196
• /
• 2012

In this paper, we propose a Scorm-based Sequencing & Navigation Model for Collaborative Learning. It is an e-Learning process control model that is used to efficiently and graphically defining Scorm's content aggregation model and its sequencing prerequistites through a formal approach. To define a process based model uses the expanded ICN(Information Control Net) model. which is called SCOSNCN(SCO Sequencing & Navigation Control Net). We strongly believe that the process-driven model delivers a way of much more convenient content aggregating work and system, in terms of not only defining the intended sequence and ordering of learning activities, but also building the runtime environment for sequencing and navigation of learning activities and experiences.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2001.06a
• /
• pp.24-28
• /
• 2001

교육은 네트워크와 컴퓨팅 파워의 발달로 인한 가장 큰 응용 분야로서 각광을 받고 있으며, 많은 상업적 솔루션의 발표와 연구들이 진행되고 있으나 학습자들의 요구를 충족시키지 못하고 있다. 즉, 학습자들은 개인의 학습 능력에 맞는 개별화된 컨텐츠로 교육받기를 원한다. 이 연구에서는 이러한 학습자들의 개별화원 학습 요구를 만족시키기 위해, 학습자의 인지 정보를 시간의 흐름에 따라 실시간 모델링을 할 수 있는 모델을 제안하였고, 이러한 모델에 기반한 교육 시스템을 설계하였다.

• Journal of KIISE:Computing Practices and Letters
• /
• v.15 no.3
• /
• pp.226-230
• /
• 2009

Intelligent Tutoring System (ITS) is a procedure of analyzing collected data for teaming, making a strategy and performing adequate service for learners. To perform suitable service for learners, modeling is the first step to collect data from the process of their learning. The model, however, cannot be authentic if collected data can contain learners' inconsistent behaviors or unpredictable learning inclination. This study focused on how to sort normal and abnormal data by analyzing collected data from learners through visualization. A model has been set up to assort unusual data from collected learner's data by using DOLLS-HI which makes possible to diagnose learner's learning propensity based on housing interior learning contents in the experiment. The created model has been confirmed its improved reliability comparing to previous one.

• Annual Conference of KIPS
• /
• 2006.05a
• /
• pp.775-778
• /
• 2006

학습자 개인에게 적합한 학습콘텐츠를 제공할 수 있는 맞춤형 학습 시스템의 구축이 점점 중요해지고 있다. 이를 위해 몇몇 학습자 정보 모델의 표준안들이 제안되었지만 정보의 중복 및 형식의 불일치로 정보공유가 비효율적인 면이 있다. 본 논문에서는 IEEE PAPI를 기반으로한 새로운 학습자 정보 모델을 제안하고, 이를 사용한 맞춤형 학습 시스템을 설계하였다.

• Annual Conference of KIPS
• /
• 2024.05a
• /
• pp.666-669
• /
• 2024

연합학습은 원본 데이터를 공유하지 않고 모델을 학습할 수 있는 각광받는 프라이버시를 위한 학습방법론이다. 이를 위해 참여자의 데이터를 수집하는 대신, 데이터를 인공지능 모델 학습의 요소들(가중치, 기울기 등)로 변환한 뒤, 이를 공유한다. 이러한 강점에 더해 기존 연합학습을 개선하는 방법론들이 추가적으로 연구되고 있다. 기존 연합학습은 모델 가중치를 평균내는 것으로 참여자 간에 동일한 모델 구조를 강요하기 때문에, 참여자 별로 자신의 환경에 알맞은 모델 구조를 사용하기 어렵다. 이를 해결하기 위해 지식 증류 기반의 연합학습 방법(Knowledge Distillation-based Federated Learning)으로 서로 다른 모델 구조를 가질 수 있도록(Model Heterogenousity) 하는 방법이 제시되고 있다. 연합학습은 여러 참여자가 연합하기 때문에 일부 악의적인 참여자로 인한 모델 포이즈닝 공격에 취약하다. 수많은 연구들이 기존 가중치를 기반으로한 연합학습에서의 위협을 연구하였지만, 지식 증류 기반의 연합학습에서는 이러한 위협에 대한 조사가 부족하다. 본 연구에서는 최초로 지식 증류 기반의 연합학습에서의 모델 성능 하락 공격에 대한 위협을 실체화하고자 한다. 이를 위해 우리는 GMA(Gaussian-based Model Poisoning Attack)과 SMA(Sign-Flip based Model Poisoning Attack)을 제안한다. 결과적으로 우리가 제안한 공격 방법은 실험에서 최신 학습 기법에 대해 평균적으로 모델 정확도를 83.43%에서 무작위 추론에 가깝게 떨어뜨리는 것으로 공격 성능을 입증하였다. 우리는 지식 증류 기반의 연합학습의 강건성을 평가하기 위해, 새로운 공격 방법을 제안하였고, 이를통해 현재 지식 증류 기반의 연합학습이 악의적인 공격자에 의한 모델 성능 하락 공격에 취약한 것을 보였다. 우리는 방대한 실험을 통해 제안하는 방법의 성능을 입증하고, 결과적으로 강건성을 높이기 위한 많은 방어 연구가 필요함을 시사한다.