• 한국초등과학교육학회지:초등과학교육
• /
• 제27권1호
• /
• pp.42-48
• /
• 2008

The purpose of this study was to develop an instrument for assessing teachers' awareness of science teaching through analogy (ASTA) and to establish its validity and reliability. Based on the literatures on science teaching with analogies, we constructed 23 survey items. Face validity of the items was established using three science education experts. Through exploratory factor analysis with responses of 35 pre- and 26 inservice elementary school teachers, the instruments were constructed on four subcategories: awareness of analogies in science, use of analogy in teaching and learning, self-efficacy in science knowledge, and knowledge of analogy. The data collected from pre- and in-service elementary teachers demonstrated that overall the teachers' awareness of analogy in science was neutral, which indicated they did not have clear standpoints of science teaching through analogy. Further examination demonstrated that there was no significant difference between pre- and in-service teachers and between two genders. Moreover, there was no significant difference among teachers who preferred either didactic or discovery teaching approaches. We conclude that ASTA test would contribute assessment of teachers' awareness of analogy in science teaching while further examination of the instrument will warrant for its broader use.

• 전기학회논문지
• /
• 제58권6호
• /
• pp.1230-1237
• /
• 2009

In this paper, we develop a design methodology of Granular-based Radial Basis Function Neural Networks(GRBFNN) by context-based clustering. In contrast with the plethora of existing approaches, here we promote a development strategy in which a topology of the network is predominantly based upon a collection of information granules formed on a basis of available experimental data. The output space is granulated making use of the K-Means clustering while the input space is clustered with the aid of a so-called context-based fuzzy clustering. The number of information granules produced for each context is adjusted so that we satisfy a certain reconstructability criterion that helps us minimize an error between the original data and the ones resulting from their reconstruction involving prototypes of the clusters and the corresponding membership values. In contrast to "standard" Radial Basis Function neural networks, the output neuron of the network exhibits a certain functional nature as its connections are realized as local linear whose location is determined by the values of the context and the prototypes in the input space. The other parameters of these local functions are subject to further parametric optimization. Numeric examples involve some low dimensional synthetic data and selected data coming from the Machine Learning repository.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권2호
• /
• pp.959-981
• /
• 2017

Existing Android malware detection approaches mostly have concentrated on superficial features such as requested or used permissions, which can't reflect the essential differences between benign apps and malware. In this paper, we propose a quantitative calculation model of application risks based on the key observation that the essential differences between benign apps and malware actually lie in the way how permissions are used, or rather the way how their corresponding permission methods are used. Specifically, we employ a fine-grained analysis on Android application risks. We firstly classify application risks into five specific categories and then introduce comprehensive risk, which is computed based on the former five, to describe the overall risk of an application. Given that users' risk preference and risk-bearing ability are naturally fuzzy, we design and implement a fuzzy logic system to calculate the comprehensive risk. On the basis of the quantitative calculation model, we propose a risk classification based approach for Android malware detection. The experiments show that our approach can achieve high accuracy with a low false positive rate using the RandomForest algorithm.

• 한국감성과학회:학술대회논문집
• /
• 한국감성과학회 2008년도 추계학술대회
• /
• pp.90-93
• /
• 2008

In natural language, it is common that repetitive constituents in an expression are to be left out and it is necessary to figure out the constituents omitted at analyzing the meaning of the sentence. This paper is on recognition of boundaries of parallel noun phrases by figuring out constituents omitted. Recognition of parallel noun phrases can greatly reduce complexity at the phase of sentence parsing. Moreover, in natural language information retrieval, recognition of noun with modifiers can play an important role in making indexes. We propose an unsupervised probabilistic model that identifies parallel cores as well as boundaries of parallel noun phrases conjoined by a conjunctive particle. It is based on the idea of swapping constituents, utilizing symmetry (two or more identical constituents are repeated) and reversibility (the order of constituents is changeable) in parallel structure. Semantic features of the modifiers around parallel noun phrase, are also used the probabilistic swapping model. The model is language-independent and in this paper presented on parallel noun phrases in Korean language. Experiment shows that our probabilistic model outperforms symmetry-based model and supervised machine learning based approaches.

• 식품과학과 산업
• /
• 제54권3호
• /
• pp.145-159
• /
• 2021

Conventional nutrition services involve producer-oriented approaches without considering the differences in the characteristics and circumstances of each individual, whereas personalized nutrition services are consumer-oriented concepts that provide products and services for maintaining optimal health conditions based on the genetic, physiological, and metabolic characteristics of individuals, with these products based on balanced nutrition and healthy living. Currently, methods for evaluating dietary habits, monitoring dietary behaviors, deep phenotyping, and metabotyping via microbiota profiling, as well as methods for predicting big data by using machine learning, have been previously studied in Korea and abroad. With the development of medical technology and the improvement of hygiene, the demand for personalized nutrition and health services for healthier, happier, and more satisfying lives is rapidly increasing. Therefore, based on scientific technologies, attempts are needed to advance these services into global personalized markets and to boost the global competitiveness of countries and companies.

• 방송공학회논문지
• /
• 제24권3호
• /
• pp.420-429
• /
• 2019

최근 CNN (Convolutional Neural Network) 기반의 화질 개선 기술이 H.265/HEVC와 같은 블록 기반 영상 압축 표준을 사용하여 압축된 영상의 화질을 향상시키는 데 적극적으로 사용되어 왔다. 이 논문은 이러한 영상 압축 기술을 위한 화질 개선 연구의 추세를 요약하고 분석하는 것을 목표로 한다. 먼저, 화질 개선을 위한 CNN의 구성 요소를 살펴보고 이미지 도메인에서의 사전 연구를 요약한다. 다음으로 네트워크 구조, 데이터셋 및 학습 방법의 세 가지 측면에서 관련 연구들을 정리하고 성능 비교를 위한 구현 및 실험결과를 제시하고자 한다.

• 정보교육학회논문지
• /
• 제26권3호
• /
• pp.187-195
• /
• 2022

최근 메타버스(Metaverse)에 대한 관심과 함께 메타버스 플랫폼을 다양한 형태로 활용하려는 시도가 이루어지고 있다. 본 논문에서는 메타버스가 가지고 있는 교육적 활용 가능성에 주목하고, 비대면 교육 상황에서 학습자에게 효과적인 학습 경험을 제공하기 위한 메타버스 환경의 융합(STEAM) 프로그램을 개발 및 적용하였다. 개발한 프로그램은 학생들에게 친숙한 마인크래프트와 제페토를 메타버스 학습 플랫폼으로 활용하였고, 모듈 형태의 5가지 주제를 총 16차시로 구성하여 교육 현장에서 차시 대체형 수업이 이루어질 수 있도록 하였다. 이를 통해 학습자의 STEAM 태도의 변화 및 학습 만족도를 측정했으며, 개발한 융합 프로그램을 통해 학습자의 흥미, 배려, 소통, 유용성, 자아개념, 자아효능감, 진로선택 영역이 유의미하게 상승한 것으로 나타났다. 또한 만족도, 흥미, 수업 전반과 관련된 학습자 만족도 검사 전 영역에서도 긍정적인 결과가 확인되었다. 향후 메타버스의 특성을 고려하여 시공간의 제약을 탈피하여 새롭게 소통하고, 높은 자유도와 몰입도를 바탕으로 하는 학습자 중심의 다양한 교육적 접근이 이루어져야 할 것이다.

• 한국과학교육학회지
• /
• 제43권6호
• /
• pp.563-572
• /
• 2023

본 연구는 예비 과학 교사가 설계한 온라인 수업 사례를 분석하여 예비 과학 교사가 온라인 수업을 위해 사용하는 교수전략을 알아보고자 하였다. 이를 위해 한 학기 동안 온라인 수업 도구 활용 교육을 경험한 12명의 예비 과학 교사가 작성한 실시간 온라인 수업 교수학습과정안을 수집하여 분석하였다. 예비 과학 교사는 기존의 대면 수업 설계 시 필수적으로 고려하였던 선수학습 확인, 학습목표 제시, 학습동기 유발, 교수학습방법, 학습내용 정리, 교사-학생 상호작용, 학생 평가 등의 요소를 모두 고려하였으며, 이들 각 요소에서 온라인 수업의 한계를 극복하고 대면 수업에서 불가능했던 교수전략을 고안하였다. 또한 예비 과학 교사는 온라인 수업 도구를 원활하게 사용할 수 있는 환경 구축과 관련된 온라인 수업 환경 점검 관련 교수전략까지 고려하고 있었다. 다만 학습목표 제시, 학습동기 유발, 학습내용 정리는 대부분의 예비 과학 교사가 시청각 자료 제시 방식의 온라인 수업 도구를 활용한 기존의 대면 수업의 교수전략을 주로 활용하고 있으며, 학습동기 유발과 학습내용 정리에서 학생 중심의 접근의 교수전략을 매우 드물게 구현하였다. 이러한 결과는 한 학기 동안의 온라인 수업 도구 활용 교육은 부족하며, 예비 교사 교육에서 온라인 수업 도구 활용 교육의 지속적인 운영과 확대가 필요함을 시사한다.

• 한국융합학회논문지
• /
• 제8권12호
• /
• pp.55-62
• /
• 2017

개체명 인식(Named Entity Recognition) 시스템은 문서에서 인명(PS), 지명(LC), 단체명(OG)과 같은 개체명을 가지는 단어나 어구를 해당 개체명으로 인식하는 시스템이다. 개체명 인식을 하기위한 전통적인 연구방법으로는 hand-craft된 자질(feature)을 기반으로 모델을 학습하는 통계 기반의 모델이 있다. 최근에는 딥러닝 기반의 RNN(Recurrent Neural Networks), LSTM(Long-short Term Memory)과 같은 모델을 이용하여 문장을 표현하는 자질을 구성하고 이를 개체명 인식과 같이 순서 라벨링(sequence labeling) 문제 해결에 이용한 연구가 제안되었다. 본 연구에서는 한국어 개체명 인식 시스템의 성능 향상을 위해, end-to-end learning 방식이 가능한 딥러닝 기반의 모델에 미리 구축되어 있는 hand-craft된 자질이나 품사 태깅 정보 및 기구축 사전(lexicon) 정보를 추가로 활용하여 자질을 보강(augmentation)하는 방법을 제안한다. 실험 결과 본 논문에서 제안하는 방법에 따라 자질을 보강한 한국어 개체명 인식 시스템의 성능 향상을 확인하였다. 또한 본 연구의 결과를 한국어 자연어처리(NLP) 및 개체명 인식 시스템을 연구하는 연구자들과의 향후 협업 연구를 위해 github를 통해 공개하였다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권6호
• /
• pp.539-548
• /
• 2007

모바일 콘텐츠 적응화는 데스크탑 PC 용으로 제작되고 표현된 웹 콘텐츠를 크기와 정보량이 제한된 사용자의 무선 모바일 디바이스 환경에 맞게 변환하여 표현해주는 적응화 기술을 말한다. 기존의 웹 콘텐츠 적응화 방법은 대부분 장치 의존적인 접근 방법을 취했다. 또한 소형 장치에 맞게 콘텐츠를 변환하는 작업이 대부분 수동으로 이루어졌고 콘텐츠와 연관된 문맥 정보가 제공되지 않았다. 이 외에도 사용자의 선호도를 반영하지 못하여 모든 사용자에게 동일한 정보를 제공하였다. 이와 같이 기존의 모바일 콘텐츠 적응화 방법은 범용성, 확장성, 사용자 적응성에 문제가 있었고, 그 결과 사용자는 방대한 양의 콘텐츠 중에서 자신이 원하는 정보를 선택하는데 어려움을 겪을 수밖에 없었다. 이러한 문제점을 해결하기 위해 본 논문에서는 모바일 디바이스에 대한 새로운 웹 콘텐츠 적응화 기법을 제시한다. 제안하는 기법의 특징은 모바일 디바이스 적응화와 사용자 적응화를 동시에 적용하는 자동화된 콘텐츠 적응화를 시도하였다는 것이다. 이를 위해 웹 콘텐츠 적응화 과정을 블록 필터링, 블록 제목 추출, 블록 콘텐츠 요약, 학습을 통한 개인화 등의 4 단계로 구성하였다. 이러한 과정을 통해 웹페이지를 블록 단위로 나눠서 불필요한 블록을 제거하고 사용자가 필요로 하는 콘텐츠 블록만을 선별하여 모바일 디바이스에 나타내며, 학습을 통해 사용자가 관심을 가지는 정보를 정보목록의 상위에 놓음으로써 사용자가 선호정보를 편리하게 사용할 수 있도록 하였다. 온라인 뉴스사이트를 서점을 대상으로 한 일련의 실험을 통해 제안하는 모바일 웹 콘텐츠 적응화의 성능을 평가하였으며 디바이스 적응화와 사용자 적응화 모두 만족한 결과를 얻을 수 있었다.