• 한국지리정보학회지
• /
• 제18권3호
• /
• pp.76-88
• /
• 2015

이 논문에서는 작물 재배지의 분류를 목적으로 능동 학습과 과거 토지 피복도 기반의 시간 문맥 정보를 결합하는 분류 방법론을 제안하였다. 신뢰성 높은 훈련 자료의 추출을 위하여 능동 학습 기반 반복 분류를 적용하였으며, 과거 토지 피복도의 작물 재배 규칙을 시간 문맥 정보로 정량화 하여 능동 학습 기법의 적용시 훈련 자료의 할당과 작물 간 분광학적 혼재 효과 완화에 이용하였다. 제안 분류 방법론의 적용 가능성을 평가하기 위해 미국 Illinois 주의 옥수수와 콩 재배지역의 구분을 목적으로 MODIS 시계열 식생지수 자료와 과거 cropland data layer(CDL) 자료를 이용한 사례연구를 수행하였다. 사례연구 결과, 초기 감독 분류 결과에서 나타났던 옥수수와 콩의 오분류와 기타 작물과 비작물의 오분류 양상이 능동 학습 기반 반복 분류를 통해 완화되었다. 그리고 CDL 자료로부터 추출한 시간 문맥 정보를 추가적으로 결합함으로써 주요 작물에서 나타나는 과추정 양상이 완화되어 가장 우수한 분류 정확도를 나타내었다. 따라서 제안 기법이 양질의 훈련 자료의 확보가 쉽지 않은 작물 재배지의 분류에 유용하게 적용될 수 있음을 확인하였다.

• 성인간호학회지
• /
• 제19권4호
• /
• pp.593-602
• /
• 2007

Purpose: The purpose of this study was to develop an e-learning orientation program for nursing students(junior), to evaluate the program, and to find out its effects on adapting to clinical practicum. Methods: The e-learning orientation program was developed according to ADDIE model(analysis, design, develop, implement, evaluate) using an Active Tutor Program. Twelve nursing professionals and 31 nursing students(learners) evaluated the e-learning orientation program. Thirty one nursing students participated in the e-learning orientation program both on-line and off-line. Results: The e-learning orientation program consisted of 5 parts including 'Taking a lesson in gastrointestinal tract', 'Fundamental nursing skill and reading a medical chart', 'Taking a ward orientation by head nurse', 'Clinical practice with preceptors', and 'Writing for case report'. Adapting scores to clinical practicum were significantly different between pre-test and post-test(t=-5.76, p=.000). Conclusion: The e-learning orientation program of on-line and off-line has an effect on adapting to clinical practicum for nursing students.

• 반도체디스플레이기술학회지
• /
• 제19권4호
• /
• pp.121-125
• /
• 2020

With miniaturization of semiconductor, the manufacturing process become more complex, and undetected small changes in the state of the equipment have unexpectedly changed the process results. Fault detection classification (FDC) system that conducts more active data analysis is feasible to achieve more precise manufacturing process control with advanced machine learning method. However, applying machine learning, especially in supervised learning criteria, requires an arduous data labeling process for the construction of machine learning data. In this paper, we propose a semi-supervised learning to minimize the data labeling work for the data preprocessing. We employed equipment status variable identification (SVID) data and optical emission spectroscopy data (OES) in silicon etch with SF6/O2/Ar gas mixture, and the result shows as high as 95.2% of labeling accuracy with the suggested semi-supervised learning algorithm.

• Educational Technology International
• /
• 제8권1호
• /
• pp.71-90
• /
• 2007

The purpose of this study was to suggest instructional strategies applicable to Blended e-Learning. After examining how traditional universities utilized e-learning, it is attempted to have an interview with three working-level people and seven instructors, who widely applied e-learning to their classes. As a result, it is found that the instructors had some wrong understanding of e-learning, and their wrong perception was rooted in their lack of experience of providing e-learning and their reliance on fragmentary, superficial information. It deterred them from putting e-learning into active practice. Besides, it's additionally attempted to describe how blended e-learning could respectively be applied to different types of lectures, how to improve its social presence and how it could be used for evaluation

• 간호행정학회지
• /
• 제12권1호
• /
• pp.140-150
• /
• 2006

Purpose: The purpose of this study was to determine learning styles and preferred learning methods of clinical nurses. Method: Data were collected from 735 nurses at one university hospital in Seoul. Learning style inventory, a self-report questionnaire was completed by the subjects. Result: Learning styles of nurses were accommodator 35.9%, diverger 30.4%, converger 18.2%, assimilator 15.5%. Learning styles varied significantly with clinical practice area and academic background. Furthermore, RO(reflective observation) learning mode varied significantly according to the clinical practice area. AC(abstractive conceptualization) learning mode varied significantly with job position. AC and AE(active experimentation) learning modes varied significantly according to the academic background and preferred learning method. Preferred learning methods were lecture 24.8%, clinical practice 23.1%, self-directed learning 21.5%, audiovisual education 16.7%, and group discussion 13.9%. Preferred learning methods varied significantly with learning styles and career. Lecture was preferred in diverger and self-directed learning was preferred in assimilator. Clinical practice was preferred in accommodator and converger. Conclusions: This study suggested that clinical education should be applied to nurses after examining learning styles and preferred learning methods. In conclusion, to identify the nurses' learning styles could be helpful for developing the effective educational skill.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권2호
• /
• pp.751-770
• /
• 2019

Action recognition is an essential task in computer vision due to the variety of prospective applications, such as security surveillance, machine learning, and human-computer interaction. The availability of more video data than ever before and the lofty performance of deep convolutional neural networks also make it essential for action recognition in video. Unfortunately, limited crafted video features and the scarcity of benchmark datasets make it challenging to address the multi-person action recognition task in video data. In this work, we propose a deep convolutional neural network-based Effective Hybrid Learning (EHL) framework for two-person interaction classification in video data. Our approach exploits a pre-trained network model (the VGG16 from the University of Oxford Visual Geometry Group) and extends the Faster R-CNN (region-based convolutional neural network a state-of-the-art detector for image classification). We broaden a semi-supervised learning method combined with an active learning method to improve overall performance. Numerous types of two-person interactions exist in the real world, which makes this a challenging task. In our experiment, we consider a limited number of actions, such as hugging, fighting, linking arms, talking, and kidnapping in two environment such simple and complex. We show that our trained model with an active semi-supervised learning architecture gradually improves the performance. In a simple environment using an Intelligent Technology Laboratory (ITLab) dataset from Inha University, performance increased to 95.6% accuracy, and in a complex environment, performance reached 81% accuracy. Our method reduces data-labeling time, compared to supervised learning methods, for the ITLab dataset. We also conduct extensive experiment on Human Action Recognition benchmarks such as UT-Interaction dataset, HMDB51 dataset and obtain better performance than state-of-the-art approaches.

• 문화기술의 융합
• /
• 제8권5호
• /
• pp.351-357
• /
• 2022

본 연구는 체육과 경쟁활동 플립러닝 교수학습 모형을 개발하고 그 모형의 타당성을 확인하는 것을 목적으로 수행되었다. 우리는 본 연구의 목적 달성을 위한 연구 방법으로 모형 연구 방법을 활용하였는데, 먼저 모형 개발 연구를 통하여 체육과 경쟁활동 플립러닝 교수학습 모형을 개발하였고, 이어서 모형 타당화 연구를 통하여 모형의 타당화 작업을 수행하였다. 본 연구를 통하여 개발한 교수학습 모형을 바탕으로 학교 현장의 체육 수업에서 학생은 수동적인 학습자에서 능동적인 학습자로 변화할 수 있고, 모형 내에서 제시한 협력형 활동을 통하여 기존의 체육 수업과는 다른 학습자간의 상호작용을 바탕으로 수업 목표를 달성할 수 있을 것으로 기대된다.

• 한국음향학회지
• /
• 제43권2호
• /
• pp.225-233
• /
• 2024

능동소나는 은밀하게 기동하는 수중 물체를 탐지하기 위해 음파를 송신하여 표적에서 반사되어 돌아오는 신호를 탐지한다. 그러나 능동소나의 수신 신호에는 표적의 반향음 외에도 해저면/해수면의 잔향, 생물 소음 및 기타 잡음 등이 섞여 있어 표적 인식을 어렵게 한다. 기존의 문턱값 이상의 신호를 탐지하는 기법은 설정한 문턱값에 따라 오탐지가 발생하거나 표적을 놓치는 경우가 발생할 뿐 아니라 다양한 수중환경마다 적절한 문턱값을 설정해야하는 문제가 있다. 이를 극복하기 위해 Constant False Alarm Rate(CFAR) 등의 기법을 이용한 문턱값의 자동산출과 진보된 형태의 추적 필터 및 연계 기법을 적용한 연구가 수행되었지만, 상당수의 탐지가 발생하는 환경에서는 그 한계가 있다. 최근 심층학습 기술이 발달함에 따라 수중 표적 탐지분야에도 이를 적용하기 위한 노력이 있었으나, 분류기 학습을 위한 능동소나 데이터의 획득이 매우 어려워 데이터가 희소할 뿐 아니라, 극소수의 표적과 상대적 다수의 비표적으로 인한 데이터의 불균형성으로 어려움이 있다. 본 논문에서는 탐지 신호의 에너지 분포 영상을 이용하되, 데이터의 불균형성을 고려한 방식으로 분류기를 학습하여 표적과 비표적을 구분하는 기법을 기존 소나처리 기법에 추가하여 표적의 오분류를 최소화하면서 비표적을 제거하여 능동소나 운용자의 표적 인식을 용이하게 하였다. 그리고 동해에서 수행한 해상실험에서 획득한 능동소나 데이터를 통해 제안 기법의 유효성을 검증하였다.

• 한국재난정보학회 논문집
• /
• 제18권1호
• /
• pp.91-103
• /
• 2022

연구목적: 코로나바이러스감염증-19(COVID-19) 이후 교육생태계의 변화가 일어났고 소방학교 역시 대면교육을 비대면 교육으로 전환 되었다. 이로 인해 교육생(소방공무원)의 교육효과는 떨어지고 만족도 역시 낮아지고 있다. 본 연구에서 비대면 실시간 원격교육의 현 실태를 살펴보고 문제점을 보완하여 이에 맞는 교육방법, 교육내용, 교육환경 등을 개선하고자 한다. 연구방법: 본 연구에서는 비대면 실시간 원격교육에 영향을 미치는 독립변수로 시스템 환경운영, 컴퓨터의 자기효능감, 콘텐츠(교육내용, 구조, 설계 등), 적절한 상호작용으로 구성하였고, 종속변수로는 비대면 실시간 원격교육 만족도로 선정하였다. 이러한 독립변수와 종속변수에 사이에 조절변수로 학습동기와 학습태도의 적극성을 추가 구성하였다. 연구결과: 콘텐츠가 좋고 학습동기와 학습태도의 적극적 일수록 비대면 실시간 원격교육의 학습만족도가 높아졌고, 학습동기와 학습태도의 적극성이 높아지면 컴퓨터 자기효능감도 학습만족도에 긍정적 영향을 미칠 수 있다는 결과를 도출하게 되었다. 결론: 코로나바이러스감염증-19(COVID-19)으로 인한 비대면 실시간 교육만족을 높이기 위해 교육설계자 혹은 교수자는 학습동기와 학습태도의 적극성을 높일 수 있는 비대면 교육콘텐츠를 제공해야하고 비대면 교육시스템에 대한 사전교육을 통해 컴퓨터 자기효능감을 높여 학습자의 교육 만족도를 높여야 할 필요가 있다.

• Journal of the Korean Data and Information Science Society
• /
• 제14권4호
• /
• pp.1083-1090
• /
• 2003

Web-based learning is currently an active area of research and a considerable number of studies have been conducted on its application in the learning environment. However, in spite of many advances in the research and development of the educational contents, questions about how the environment affects learning remains largely unanswered. In this article, we propose a Web-based learning environment to improve the educational effect. The goal of this article is not to provide a complete system to support Web-based learning but rather to describe some meaningful strategies and fundamental design concepts that utilize information technologies to support teaching and learning.