• 한국멀티미디어학회논문지
• /
• 제12권5호
• /
• pp.757-766
• /
• 2009

본 연구에서는 학습자 행동모델을 이용하여 개별적인 학습 환경을 제공할 수 있는 적응적 하이퍼미디어 학습 시스템을 제안하였다. 본 시스템에서는 학습자의 학습행동정보를 실시간으로 추적하여 관리할 수 있는 LBML을 제안하였다. 제안 시스템은 학습행동정보 수집시스댐과 적용적 학습지원시스템으로 구성된다. 학습행동정보 수집시스템은 웹 2.0기술을 이용하여 SCORM CMI 데이타 모델을 기반으로 학습자의 학습행동정보를 실시간으로 수집한다. 수집된 학습행동정보는 LBML 스키마를 기반으로 개별 학습자의 LBML 인스턴스로 저장된다. 적웅적 학습지원시스댐에서는 LBML 인스턴스를 분석하여 학습자의 반웅에 대한 즉각적인 피드백을 제공할 수 있는 규칙기반 학습지원모률과 상호작용적 학습지원모듈을 개발하였다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2007년도 학술대회 2부
• /
• pp.206-212
• /
• 2007

웹을 기반으로 하는 e-러닝에 대한 교육적 수요는 증가하고 있다. 이와 동시에, 학습 공간으로서의 사이버 공간의 활용에 대한 고민도 증가하였다. 전통적인 학습활동을 사이버 공간에 복제하려 했던 고전적 방식이 e-러닝 또는 사이버 학습이 아니라는 사실을 확인하기 시작했기 때문이다. e-러닝의 가치가 강조됨에도 불구하고, 실제 사이버 공간에서 일어나는 학습자의 특성과 학습활동이 구체적으로 어떻게 일어나는 지에 대한 탐색은 미흡하다. 산재한 정보를 스스로 가공한 지식, '학습하는 방법을 학습'하는 것이라는 개념들이 제시됨에도 불구하고, 사이버 공간에 산재한 정보, 학습하는 방법의 학습, 그리고 사이버 공간의 학습특성에 대한 논란은 여전하다. 본 연구에서는 실제 사이버 학습 사이트를 이용하고 있는 학습자들의 행동을 중심으로, 학습자의 특성을 탐색하였다. 사이버 공간에서 보이는 스스로 학습하는 방법이 무엇인지 확인하고 이것이 다양한 학습자 유형으로 구분되는 지를 확인하고자 하였다. 연구대상이 된 사이버 학습 사이트는 서울, 부산, 대구, 광주 교육청에서 운영하는 사이버 가정 학습관이었다. 총 1535명의 사이버 가정 학습관 이용자들의 특성이 분석되었다. 사이버 가정학습관 이용자들의 행동특성은 9개의 요인-놀이 활동, 공동 경험, 현실 정체, 공동 성취, 개인주의, 경쟁 지향, 성취감, 편리성(조작 용이), 생생함-으로 구분되었다. 9개의 활동 요인을 기준으로 하여 확인된 학습자 유형은 4가지로 나타났다. 4가지 학습자 유형은 각각 독야청청형, 동고동락형, 의무방어형, 희희낙낙형으로 명명되었다. 이들 유형은 학습 활동 정도 및 사이트 이용 행동, 학습 스타일(사이버 학습 활동 양식)에서 서로 차이가 있었다. 본 연구는 기존의 이론적인 모델에 기초하여 임의적으로 구분된 사이버 학습자 유형 구분이 아닌, 실제 학습 활동을 탐색하였다는 측면에서 의미가 있다. 특히, 기존의 오프라인 학습 이론 및 학습자 특성 연구를 사이버 학습에 그대로 적용할 것이 아니라 사이버 공간의 특성이 실제 학습 활동에서 어떻게 나타났는지를 밝히려고 했다는데 그 의의가 있다. 향후, 사이버 학습자 유형에 따른, 사이버 학습활동의 촉진방안이나 학습 효과의 차이를 높일 수 있는 구체적인 학습 시스템의 설계 및 운영 모델에 대한 탐색이 필요할 것이다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.229-229
• /
• 2023

강화학습은 에이전트(agent)가 주어진 환경(environment)과의 상호작용을 통해서 상태(state)를 변화시켜가며 최대의 보상(reward)을 얻을 수 있도록 최적의 행동(action)을 학습하는 기계학습법을 의미한다. 최근 알파고와 같은 게임뿐만 아니라 자율주행 자동차, 로봇 제어 등 다양한 분야에서 널리 사용되고 있다. 상수도관망 분야의 경우에도 펌프 운영, 밸브 운영, 센서 최적 위치 선정 등 여러 문제에 적용되었으나, 설계에 강화학습을 적용한 연구는 없었다. 설계의 경우, 관망의 크기가 커짐에 따라 알고리즘의 탐색 공간의 크기가 증가하여 기존의 최적화 알고리즘을 이용하는 것에는 한계가 존재한다. 따라서 본 연구는 강화학습을 이용하여 상수도관망의 구성요소와 환경요인 간의 복잡한 상호작용을 고려하는 설계 방법론을 제안한다. 모델의 에이전트를 딥 강화학습(Deep Reinforcement Learning)으로 구성하여, 상태 및 행동 공간이 커 발생하는 고차원성 문제를 해결하였다. 또한, 해당 모델의 상태 및 보상으로 절점에서의 압력 및 수요량과 설계비용을 고려하여 적절한 수량과 수압의 용수 공급이 가능한 경제적인 관망을 설계하도록 하였다. 모델의 행동은 실제로 공학자가 설계하듯이 절점마다 하나씩 차례대로 다른 절점과의 연결 여부를 결정하는 것으로, 이를 통해 관망의 레이아웃(layout)과 관경을 결정한다. 본 연구에서 제안한 방법론을 규모가 큰 그리드 네트워크에 적용하여 모델을 검증하였으며, 고려해야 할 변수의 개수가 많음에도 불구하고 목적에 부합하는 관망을 설계할 수 있었다. 모델 학습과정 동안 에피소드의 평균 길이와 보상의 크기 등의 변화를 비교하여, 제안한 모델의 학습 능력을 평가 및 보완하였다. 향후 강화학습 모델을 통해 신뢰성(reliability) 또는 탄력성(resilience)과 같은 시스템의 성능까지 고려한 설계가 가능할 것으로 기대한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2011년도 학술발표회
• /
• pp.223-227
• /
• 2011

유역 특히 상습침수지구의 통합관리는 유역이라는 한정된 범위 내에서 물에 영향을 미치거나 물에 의하여 영향을 받는 모든 인간 활동과 자연현상을 통합적으로 고려하는 것이다. 이러한 관점에서 유역관리는 유역 차원에서 물을 경제적이고 공평하게 관리하고 분배하여 수자원에 대한 장기적이고 지속가능한 해결방안을 마련하는 것이다. 여기에는 정부, 시민사회 및 기업 행위자가 사회경제적 개발목표와 정책형성, 집행계획을 수립하는 것으로부터 시작된다. 유역관리를 위한 의사결정들은 행위자들과의 영향으로 수정되며, 이런 과정에서 토지와 수자원에서 분쟁이 발생하며, 수자원 관리자는 자연현상, 물 사용, 재정적, 인적자원 및 외부적인 요인으로 인해 목적을 달성하는데 부합하지 않을 수도 있다. 효과적인 유역관리를 위해서는 제약조건하에서 수자원 관리자가 의사결정에 정보를 주고 주요 행위자들과 협력을 통해서 이루어 질 수 있다. 본 논문에서는 유역관리를 위한 의사결정을 행위자기반모형(Agent based Model, ABM)으로 이해하고자 하며, ABM은 유역관리의 이해당사자간의 정책과정을 도출하고 다양한 유역관리 대안을 평가하고 유역관리의 영향을 설명하는 모델이다. 본 모형은 관측자료를 통해 상향식 접근법으로 가능한 많은 세부사항을 모의할 수 있다. 분석과정은 자료의 수집, 모델 확립, 모델의 개발, 통계자료 수집 및 모델의 결과와 실제 시스템의 보충된 관측자료를 비교하는 검증 순으로 진행되며, 본 모델에서의 행위자는 과거의 행동으로부터 주위 환경의 반응하는 패턴을 확인하고 개발하며, 이러한 패턴은 정책들을 구별하기 위해서 이용되며, 이러한 과정에서 강화학습이 이루어진다. 이를 통해 행위자의 익숙한 방식의 합리적인 행동과 정책들의 상관관계를 평가할 수 있으며, 강화학습을 통해 실제적인 통계적인 모델이 가능하다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2010년도 학술발표회
• /
• pp.851-854
• /
• 2010

유역관리는 유역이라는 한정된 범위 내에서 물에 영향을 미치거나 물에 의하여 영향을 받는 모든 인간 활동과 자연현상을 통합적으로 고려하는 것이다. 이러한 관점에서 유역관리는 유역 차원에서 물을 경제적이고 공평하게 관리하고 분배하여 수자원에 대한 장기적이고 지속가능한 해결 방안을 마련하는 것이다. 여기에는 정부, 시민사회 및 기업 행위자가 사회경제적 개발목표와 정책 형성, 집행계획을 수립하는 것으로부터 시작된다. 유역관리를 위한 의사결정들은 행위자들과의 영향으로 수정되며, 이런 과정에서 토지와 수자원에서 분쟁이 발생하며, 수자원 관리자는 자연현상, 물 사용, 재정적, 인적자원 및 외부적인 요인으로 인해 목적을 달성하는데 부합하지 않을 수도 있다. 효과적인 유역관리를 위해서는 제약조건 하에서 수자원 관리자가 의사결정에 정보를 주고 주요 행위자들과 협력을 통해서 이루어 질 수 있다. 본 논문에서는 유역관리를 위한 의사결정을 행위자기반모형(Agent based Model, ABM)으로 이해하고자 하며, ABM은 유역관리의 이해당사자간의 정책과정을 도출하고 다양한 유역관리 대안을 평가하고 유역관리의 영향을 설명하는 모델이다. 본 모형은 관측자료를 통해 상향식 접근법으로 가능한 많은 세부사항을 모의할 수 있다. 분석과정은 자료의 수집, 모델 확립, 모델의 개발, 통계 자료 수집 및 모델의 결과와 실제 시스템의 보충된 관측자료를 비교하는 검증 순으로 진행되며, 본 모델에서의 행위자는 과거의 행동으로부터 주위 환경의 반응하는 패턴을 확인하고 개발하며, 이러한 패턴은 정책들을 구별하기 위해서 이용되며, 이러한 과정에서 강화학습이 이루어진다. 이를 통해 행위자의 익숙한 방식의 합리적인 행동과 정책들의 상관관계를 평가할 수 있으며, 강화학습을 통해 실제적인 통계적인 모델이 가능할 것이다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 2부
• /
• pp.487-492
• /
• 2006

컴퓨터 네트워크의 발전에 의해 학습 공간의 시공간적인 확대와 교육 현장에서 교수-학습 과정에 대한 새로운 교수방법을 요구되었고, 유무선 방송, 인터넷 등을 이용하여 다양한 형태의 원격교육이 구체화되어 왔다. 하지만, 현재 운영되는 대부분의 원격교육시스템은 실질적인 학습 상황에서 단방향적인 개별 학습 형태를 보이고 있고, 사용자간의 쌍방향 상호작용을 위해서는 교수자나 학습자에게 일정 수준이상의 기술적 소양과 경제적 부담을 요구한다. 또한 교수자에게는 교수-학습 상황에서 발생하는 학습자 행동에 대한 실시간적인 모니터링과 학습자의 학습과정에 대한 평가의 어려움을, 학습자에게는 자기 반성의 기회를 제대로 제공하지 못하는 문제점을 안고 있다. 이에 본 연구에서는 원격교육에서의 협동학습 지원, 사용자의 기술적, 경제적 부담의 제거, 학습 전(全) 과정에 대한 원활한 모니터링과 피드백 기회의 제공을 목적으로 원격협동학습 시스템을 설계하고, 이를 개발하였다. 본 연구에 의해 개발된 원격협동학습 시스템은 원격협동학습을 지원하는 네트워크 화이트보드, 학습 과정 및 결과를 자연어로 저장하는 저장 모듈, 그리고 저장된 학습 스크립트 파일을 해석하여 재생하는 스크립트 인터프리터로 구성되었다. 네트워크 화이트보드는 소프트웨어적으로 구현되어 부가적인 장치가 불필요하고, 통신 서버를 분산하여 서버 구축에 대한 부담을 제거하였고, 학습 내용 화면을 대화창으로 사용하여 사용자의 사용 편리성을 제고하였다. 또한 원격학습의 장(場)에 교수자가 참여하여 실시간적 모니터링이 가능하고, 학습의 전(全) 과정 및 결과를 저장한 자연어 스크립트 파일에 의해서도 학습자 행동에 대한 모니터링이 가능하다. 저장된 자연어 스크립트 파일은 구현된 인터프리터를 이용한 재생뿐 아니라, 파일 자체만으로도 학습과정을 판독할 수 있고, 스크립트 파일에 대한 해석은 교수자에게는 학습자의 학습 과정에 대한 평가 및 피드백의 근거를, 학습자에게는 자신의 학습 행동에 대한 반성의 기회를 제공한다. 본 시스템은 기존의 원격교육시스템에 비해 장비 및 인터페이스 측면에서 간소화되었고, 원격교육에 면대면 학습 개념을 근사적으로 접목시킨 교수 모델로서의 충분한 가치를 제공하나, 실제적인 학습 적용과 효과에 있어서의 타당성은 차후 검증이 있어야 하고, 또한, 이에 따른 시스템에 대한 지속적인 보완도 필요하다.

• 지능정보연구
• /
• 제12권3호
• /
• pp.67-82
• /
• 2006

가상 로봇의 행동 진화를 위해서 규칙 구성자와 연결 구성자를 구성하여 분류 규칙과 진화 신경망을 형성하는 혼합형 행동 진화 모델(Hybrid Behavior Evolution Model)을 제안한다. 본 모델에서는 행동 지식을 두 수준에서 표현하였다. 상위 수준에서는 규칙 구성자와 연결 구성자를 구성하여 표현력을 향상시켰다. 하위 수준에서는 행동 지식을 비트 스트링 형태의 염색체로 표현하여, 이들 염색체를 대상으로 유전자 연산을 적용하여 학습을 수행시켰다. 적합도가 최적인 염색체를 추출하여 가상 로봇을 구성하였다. 구성된 가상 로봇은 주변 상황을 인식하여 입력 정보와 규칙 정보를 이용하여 패턴을 분류하였고, 그 결과를 신경망에서 처리하여 행동하였다. 제안된 모델을 평가하기 위해서 HBES(Hybrid Behavior Evolution System)를 개발하여 가상 로봇의 먹이 수집 문제에 적용하였다. 제안한 시스템을 실험한 결과, 동일한 조건의 진화 신경망보다 학습 시간이 적게 소요되었다. 그리고, 규칙이 적합도 향상에 주는 영향을 평가하기 위해서, 학습이 완료된 염색체들에 대해서 규칙을 적용한 것과, 그렇지 않은 것을 각각 수행하여 적합도를 측정하였다. 그 결과, 규칙을 적용하지 않으면 적합도가 저하되는 것을 확인하였다. 제안된 모델은 가상 로봇의 행동 진화에 있어서 기존의 진화 신경망 방식 보다 학습 성능이 우수하고 규칙적인 행동을 수행하는 것을 확인하였다.

• 컴퓨터교육학회논문지
• /
• 제23권2호
• /
• pp.53-64
• /
• 2020

동영상 강의 중심의 온라인 학습 형태가 보편화 되고 지속적으로 증가됨에 따라 다양한 교육방법을 적용한 동영상 기반 학습 환경도 학습 효과성을 높이기 위해 변화, 발전하고 있다. 온라인 학습 환경에서의 교육 효과성 측정을 위해 학습자 로그 데이터가 대두되었으며, 학습자 맞춤형 학습 처방을 위해 로그 데이터의 다양한 분석 방법이 중요하다. 이를 위해 본 연구에서는 동영상 기반 학습 환경에서의 학습자 행동 데이터 분석, 머신러닝 기법에 따른 학업성취 예측을 실험을 통해 분석하였다. 분석 결과 각 모델에서 공통적으로 동영상 탐색과 코멘트 작성과 같은 상호작용 행동, 학습자 주도적 학습 행동이 학업성취를 예측하였다. 연구 결과를 토대로 동영상 학습 환경 설계에 있어 시사점을 제공하였다.

• 한국비블리아학회지
• /
• 제35권2호
• /
• pp.157-183
• /
• 2024

본 연구는 원격 학습자의 정보추구행동 모델을 활용하여 국내 대학원 전공 공통 과목 연구방법론을 개발하는 것을 목표로 한다. 국내 대학원 교과목 개설 현황 사례 조사, 재학생의 교과목에 대한 수요 조사를 바탕으로 정보추구를 유인하는 요인과 방해하는 요인을 정리하였다. 재학생이 연구방법론을 통한 정보추구를 유인하는 요인은 학위 취득이며, 방해하는 요인은 학업과 직장을 병행하는 환경으로 나타났다. 연구 결과는 유인 요인을 동기부여로 활용하고 방해 요인을 보완하는 방법으로 교과목을 개발하였다. 연구의 결과는 온라인 교과목 개발을 할 때 학생의 정보추구행동에 대한 이해를 높이고 학생의 정보추구 능력을 기르는 교수학습 전략을 수립하는데 기초자료로 활용될 수 있을 것이다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2003년도 춘계학술발표논문집 (상)
• /
• pp.203-206
• /
• 2003

인터넷의 등장과 통신기술의 발달로 인해 여러 분야에서 원격 교육이 이루어지고 있다. 이러한 결과로 인해 다양한 멀티미디어 기술을 활용한 컨텐츠의 저작이 일반화되고 있다. 이러한 컨텐츠는 전통적인 교실 수업과 같은 학습 효과를 얻기 위해 상호작용 적인 멀티미디어 컨텐츠를 도입하는 노력을 기울이고 있지만 학습자의 학습 활동과 학습 성실도를 파악하기 어렵다. 본 논문에서는 웹-플래시를 기반으로 한 원격교육 환경에서의 학습 상황 평가 기법과 시스템을 제안한다. 제안한 시스템은 학습자가 학습하는 행동을 트래킹함으로써 학습자에 대한 수업 성실도를 판단하여 학습자 평가에 이용한다.