• 실천공학교육논문지
• /
• 제16권4호
• /
• pp.587-598
• /
• 2024

본 연구는 국내 간호대학생을 대상으로 한 액션러닝 기반 교육프로그램의 효과성을 검증하기 위해 시도되었으며 PRISMA 가이드라인에 따라 체계적인 검토 및 메타 분석을 수행하였다. 2013년 1월부터 2023년 12월까지로 기간을 한정하여 DBpia, RISS, KCI, KISS, SCIENCE ON 전자데이터베이스를 통해 총 779편의 문헌을 검색하였고 문헌 선정 기준을 충족한 13편의 문헌을 선정하였다. 연구자 2명이 독립적으로 ROBINS-I을 이용하여 질평가를 시행하였으며 액션러닝 기반 교육프로그램의 효과크기는 R 프로그램 'Meta package'를 사용하여 분석하였다. 액션러닝 기반 교육프로그램이 문제해결능력에 미치는 효과크기는 ESr=.68 (95% CI=.30~1.06)이었고, 의사소통능력에 미치는 효과크기는 ESr =.39 (95% CI=-.08~.85)이었으며, 비판적 사고에 미치는 효과크기는 ESr=.26 (95% CI=.02~.50)이었다. 간호대학생에게 액션러닝 기반 교육프로그램은 문제해결능력과 비판적 사고를 향상시키는데 효과적인 교육방법이다. 따라서, 간호교육 현장에서 간호대학생들의 임상 실무 역량 개발을 위해 액션러닝 교육 기법의 적극적으로 도입할 필요가 있다.

• Journal of Semiconductor Engineering
• /
• 제2권2호
• /
• pp.130-135
• /
• 2021

Recently, deep neural networks (DNNs) are actively used for action control so that an autonomous system, such as the robot, can perform human-like behaviors and operations. Unlike recognition tasks, the real-time operation is essential in action control, and it is too slow to use remote learning on a server communicating through a network. New learning techniques, such as reinforcement learning (RL), are needed to determine and select the correct robot behavior locally. In this paper, we propose an energy-efficient DNN processor with a LUT-based processing engine and near-zero skipper. A CNN-based facial emotion recognition and an RNN-based emotional dialogue generation model is integrated for natural HRI system and tested with the proposed processor. It supports 1b to 16b variable weight bit precision with and 57.6% and 28.5% lower energy consumption than conventional MAC arithmetic units for 1b and 16b weight precision. Also, the near-zero skipper reduces 36% of MAC operation and consumes 28% lower energy consumption for facial emotion recognition tasks. Implemented in 65nm CMOS process, the proposed processor occupies 1784×1784 um2 areas and dissipates 0.28 mW and 34.4 mW at 1fps and 30fps facial emotion recognition tasks.

• 한국콘텐츠학회논문지
• /
• 제14권7호
• /
• pp.18-28
• /
• 2014

컨설팅장학은 2010년 교육지원청의 조직과 기능이 개편되면서 학교교육의 질 향상을 위한 교육개혁 시스템으로 학교현장에 자리매김 해가고 있다. 그러나 현재는 컨설팅장학에 관한 전반적인 기능을 통합적으로 관리하여 제공할 수 있는 전용 온라인 포털시스템이 구축되어 있지 않다. 학교현장에서 컨설팅장학의 성공적인 운영을 위해서는 교사들이 컨설팅장학의 방법과 전문성을 습득하여 컨설턴트로 양성될 수 있도록 지원하는 온라인 컨설턴트 교육 시스템의 개발 또한 필요한 시점이다. 본 논문에서는 LAMS(Learning Activity Management System)와 액션 러닝(Action Learning)에 기반한 다양한 전문가 양성 학습활동 도구를 제공하는 온라인 컨설턴트 교육 시스템을 개발하여 소개한다. 온라인 컨설턴트 교육 시스템은 컨설턴트의 전문성을 강화하기 위한 4개의 단계(관리역량, 분석역량, 해결역량 및 실행평가역량 단계)로 구성되어 있으며, 각 역량의 머리글자를 인용하여 이를 MASA(Management, Analysis, Solution, Action)로 명명하였다. 전문가 양성을 위한 학습활동 도구는 브레인라이팅, SWOT분석, 5Whys, 의사결정그리드, PMI(Plus, Minus, Interesting), 블랙차트 등의 기법을 개발하여 제공하였다.

• 대한전기학회:학술대회논문집
• /
• 대한전기학회 2002년도 하계학술대회 논문집 D
• /
• pp.2614-2616
• /
• 2002

According to the appearance of various virtual websites using multimedia technologies for engineering education, the internet applications in engineering education have drawn much interests. But unidirectional communication, simple text/image based webpages and tedious learning process without motivation etc. have made the lowering of educational efficiency in cyberspace. Thus, to cope with these difficulties this paper presents a web-based educational Flash movies based on ActionScript language for understanding the principles of the computer system architecture. The proposed Flash movies provides the improved learning methods which can enhance the interests of learners. The results of this paper can be widely used to improve the efficiency of cyberlectures in the cyber university. Several sample Flash movies are illustrated to show the validity of the proposed learning method.

• 로봇학회논문지
• /
• 제17권1호
• /
• pp.40-47
• /
• 2022

A reward function suitable for a task is required to manipulate objects through reinforcement learning. However, it is difficult to design the reward function if the ample information of the objects cannot be obtained. In this study, a demonstration-based object manipulation algorithm called stochastic exploration guided by demonstration (SEGD) is proposed to solve the design problem of the reward function. SEGD is a reinforcement learning algorithm in which a sparse reward explorer (SRE) and an interpolated policy using demonstration (IPD) are added to soft actor-critic (SAC). SRE ensures the training of the critic of SAC by collecting prior data and IPD limits the exploration space by making SEGD's action similar to the expert's action. Through these two algorithms, the SEGD can learn only with the sparse reward of the task without designing the reward function. In order to verify the SEGD, experiments were conducted for three tasks. SEGD showed its effectiveness by showing success rates of more than 96.5% in these experiments.

• 국제학술발표논문집
• /
• The 9th International Conference on Construction Engineering and Project Management
• /
• pp.426-432
• /
• 2022

HVAC systems play a critical role in reducing energy consumption in buildings. Integrating occupants' thermal comfort evaluation into HVAC control strategies is believed to reduce building energy consumption while minimizing their thermal discomfort. Advanced technologies, such as visual sensors and deep learning, enable the recognition of occupants' discomfort-related actions, thus making it possible to estimate their thermal discomfort. Unfortunately, it remains unclear how accurate a deep learning-based classifier is to recognize occupants' discomfort-related actions in a working environment. Therefore, this research evaluates the classification performance of occupants' discomfort-related actions while sitting at a computer desk. To achieve this objective, this study collected RGB video data on nine college students' cold discomfort-related actions and then trained a deep learning-based classifier using the collected data. The classification results are threefold. First, the trained classifier has an average accuracy of 93.9% for classifying six cold discomfort-related actions. Second, each discomfort-related action is recognized with more than 85% accuracy. Third, classification errors are mostly observed among similar discomfort-related actions. These results indicate that using human action data will enable facility managers to estimate occupants' thermal discomfort and, in turn, adjust the operational settings of HVAC systems to improve the energy efficiency of buildings in conjunction with their thermal comfort levels.

• 한국항행학회논문지
• /
• 제24권2호
• /
• pp.155-162
• /
• 2020

최근 컴퓨터 비전과 딥러닝 기술의 발전으로 비디오 분석, 영상 감시, 인터렉티브 멀티미디어 및 인간 기계 상호작용 응용을 위해 인간 행동 인식에 관한 연구가 활발히 진행되고 있다. 많은 연구자에 의해 RGB 영상, 깊이 영상, 스켈레톤 및 관성 데이터를 사용하여 인간 행동 인식 및 분류를 위해 다양한 기술이 도입되었다. 그러나 스켈레톤 기반 행동 인식은 여전히 인간 기계 상호작용 분야에서 도전적인 연구 주제이다. 본 논문에서는 동적 이미지라 불리는 시공간 이미지를 생성하기 위해 동작의 종단간 스켈레톤 조인트 매핑 기법을 제안한다. 행동 클래스 간의 분류를 수행하기 위해 효율적인 심층 컨볼루션 신경망이 고안된다. 제안된 기법의 성능을 평가하기 위해 공개적으로 액세스 가능한 UTD-MHAD 스켈레톤 데이터 세트를 사용하였다. 실험 결과 제안된 시스템이 97.45 %의 높은 정확도로 기존 방법보다 성능이 우수함을 보였다.

• 한국엔터테인먼트산업학회논문지
• /
• 제15권8호
• /
• pp.247-254
• /
• 2021

본 연구에서는 대학 내 융복합 교육과정을 수강하는 재학생들에게 액션러닝을 활용하여 일정 기간 팀 학습 형태로 자아성찰을 통해 과제를 해결 능력을 함양하여 전공만족도에 미치는 효과에 대하여 알아보고자 한다. 연구 대상은 전남에 소재한 스포츠건강관리학과와 물리치료학과를 융복합 한 스포츠재활학과 재학생 40명으로 액션러닝 교수학습방법을 적용한 학생과 전통적 강의식 학습방법을 적용한 학생의 자기주도적 학습능력, 문제해결 능력 및 전공만족도의 효과 차이를 확인하고자 실시하였다. 액션러닝 교수학습방법을 적용한 실험군 집단 내 변화비교는 자기주도적 학습능력, 문제해결능력 및 전공만족도에서 유의미한 차이가 나타났다(p<.001)(p<.05). 전통적 교수학습방법을 적용한 대조군 집단 내 변화비교에서도 자기주도적 학습능력, 문제해결능력 및 전공만족도에서 유의미한 차이가 나타났다(p<.05). 집단 간 변화비교는 자기주도적 학습능력, 문제해결능력 및 전공만족도에서 유의미한 차이가 나타났다(p<.05). 융복합 교육과정에서 액션러닝 교수방법을 재학생의 수준에 맞추어 적용시키면 자기주도적 학습능력, 문제해결능력 및 전공만족도를 효율적으로 향상시킬 수 있을 것이며, 추후에도 대상을 확대하고 변수들을 추가하여 질적연구를 병행하는 연구가 필요할 것이다.

• 한국융합학회논문지
• /
• 제13권5호
• /
• pp.489-499
• /
• 2022

본 연구는 융합 액션러닝 기반 가상 시뮬레이션 프로그램이 간호대학생의 문제해결 능력, 비판적 사고, 의사소통 능력, 임상수행 능력에 미치는 영향을 검정하기 위해 수행되었다. K시 소재 일 간호대학생 54명에게 비동등성 대조군 사전·사후 유사 실험연구으로 진행하였다. 자료수집 기간은 2021년 4월 12일에서 6월 18일까지이며, 수집된 자료는 IBM SPSS 23.0 program을 이용하여 분석하였다. 융합 액션러닝 기반 가상 시뮬레이션 프로그램 시행 결과, 실험군이 대조군보다 의사소통 능력, 임상수행 능력에 효과가 있는 것으로 나타났다. 본 연구를 통해 간호대학생을 대상으로 다빈도로 활용되는 시뮬레이션 교육을 적용함에 있어 다양한 교수법을 접목한 프로그램이 적극 활용될 필요성이 있으며, 융합 액션러닝 기반 가상 시뮬레이션 프로그램은 시뮬레이션의 효과를 향상시키는 방법으로 사용될 수 있을 것이다.

• 한국경영과학회지
• /
• 제31권3호
• /
• pp.27-40
• /
• 2006

Today's customer demands in supply chains tend to change quickly, variously even in a short time Interval. The uncertainties of customer demands make it difficult for supply chains to achieve efficient inventory replenishment, resulting in loosing sales opportunity or keeping excessive chain wide inventories. Un this paper, we propose an adaptive vendor managed inventory (VMI) model for a two-echelon supply chain with non-stationary customer demands using the action-reward learning method. The Purpose of this model is to decrease the inventory cost adaptively. The control Parameter, a compensation factor, is designed to adaptively change as customer demand pattern changes. A simulation-based experiment was performed to compare the performance of the adaptive VMI model.