• 품질경영학회지
• /
• 제49권4호
• /
• pp.551-567
• /
• 2021

Purpose: The purpose of this paper is to present implications by analyzing research trends on smart factories by text analysis and visual analysis(Comprehensive/ Fields / Years-based) which are big data analyses, by collecting data based on previous studies on smart factories. Methods: For the collection of analysis data, deep learning was used in the integrated search on the Academic Research Information Service (www.riss.kr) to search for "SMART FACTORY" and "Smart Factory" as search terms, and the titles and Korean abstracts were scrapped out of the extracted paper and they are organize into EXCEL. For the final step, 739 papers derived were analyzed using the Rx64 4.0.2 program and Rstudio using text mining, one of the big data analysis techniques, and Word Cloud for visualization. Results: The results of this study are as follows; Smart factory research slowed down from 2005 to 2014, but until 2019, research increased rapidly. According to the analysis by fields, smart factories were studied in the order of engineering, social science, and complex science. There were many 'engineering' fields in the early stages of smart factories, and research was expanded to 'social science'. In particular, since 2015, it has been studied in various disciplines such as 'complex studies'. Overall, in keyword analysis, the keywords such as 'technology', 'data', and 'analysis' are most likely to appear, and it was analyzed that there were some differences by fields and years. Conclusion: Government support and expert support for smart factories should be activated, and researches on technology-based strategies are needed. In the future, it is necessary to take various approaches to smart factories. If researches are conducted in consideration of the environment or energy, it is judged that bigger implications can be presented.

• 데이타베이스연구회지:데이타베이스연구
• /
• 제34권3호
• /
• pp.124-136
• /
• 2018

신경망을 이용하여 OCT 영상을 분석하고 다양한 망막 질환을 자동 진단하는 것에 관한 연구들이 활발하게 이루어지고 있다. 이러한 연구가 현실에 적용되기 위한 하나의 중요한 요건은 학습된 신경망이 학습에 사용된 데이터와는 다른 기기에서 생성된 데이터에 대해서도 성능의 큰 하락 없이 일반화될 수 있어야 한다는 것이다. 본 논문에서는 심층 CNN을 이용하여 OCT 영상으로부터 노년기황반변성(AMD)을 자동 진단하는 것을 다룬다. 하나의 OCT 기기로부터 획득한 데이터 셋을 이용하여 신경망을 학습시킨 후 다른 OCT 기기로부터 생산된 이미지를 테스트한 결과 상당한 성능의 하락을 관찰할 수 있었다. 이러한 성능의 하락을 방지하기 위해서 OCT 이미지를 정규화 하는 기법을 제안하고 실험을 통해 그 효과를 분석하였다. 제안한 기법은 OCT 이미지를 분할하여 망막에 해당하는 영역을 찾아낸 후 이미지 내에서 망막 영역이 수평에 가까운 기울기를 가지도록 정렬(align)하여 형태적인 측면에서 OCT 이미지를 정규화 하는 것을 목적으로 한다. 실험을 통하여 제안한 기법이 이종의 기기에서 생성된 OCT 이미지로부터 AMD를 자동진단 하는데 있어서 상당한 성능의 향상을 달성함을 보였다.

• 한국과학교육학회지
• /
• 제34권4호
• /
• pp.335-347
• /
• 2014

관찰과 측정을 기본으로 하는 과학의 교과에서 "크기(size)"와 그를 나타내는 "척도(scale)"는 물질의 물리적 속성과 과학적 현상을 이해하도록 돕는 중요한 개념이다. 또한, 사물의 수, 크기나 양을 어림잡거나 그것을 정확하게 표현하는 것은 수학에서 수의 개념 형성과 발달, 표현법의 습득, 나아가서는 연산에 관한 사고로의 발전과 관련되어있는 문제라고 볼 수 있어 "크기와 척도" 개념은 수학과 과학의 기본이며 동시에 두 교과를 연결하는 개념이다. 일반적으로 "크기와 척도"는 쉬운 개념이라 생각되지만, 실제 학생들은 물질의 크기를 제대로 이해하지 못하거나 척도로 나타내는 것을 어려워하는 것을 알 수 있다. 이는 단지 물질의 크기를 정확히 알지 못하는 정확성에 관한 오류로만 그치는 것이 아니라 종종 연관된 개념을 추론하거나 개념을 확장해 과학의 현상을 이해하는 과정에서의 어려움으로 이어진다. 이와 관련해 수와 연산에 관한 개념이해와 학습의 어려움에 관한 수학교육분야의 연구는 다양하게 진행되었지만, 과학교육분야에서의 연구는 많지 않았다. 본 연구에서는 "크기와 척도"에 관한 학생들의 사고를 더 잘 이해하고 과학 학습의 어려움에 관한 원인을 분석하기 위해 수학적 구조분석을 적용하였다. 수학교육에서 설명한 수 개념의 발달에 따른 사고유형(덧셈이전의 사고, 덧셈적 사고-additive reasoning, 곱셈적 사고-multiplicative reasoning)을 적용하여 7단계의 수학적 구조를 만들고 이를 이용하여 "크기와 척도"와 관련된 과제를 수행한 학생들의 인터뷰 데이터를 체계적으로 분석하였다. 수학적 구조를 바탕으로 한 개념 틀은 다양한 학생들의 사고를 분석하는 기준이 되었고, 또한 학생들이 겪는 개념이해의 어려움을 해석하는 도구가 되었다. 수 개념의 발달에 맞춘 수학적 사고구조를 적용한 분석은 학생들의 개념 유형의 구분을 명확히 하였고 설명이 모호했던 전환 단계(transition stage) 유형을 밝혀내어 수업에서 고려되어야 할 점들을 구체적으로 드러내었다. 이는 수학과 과학, 두 교과 간의 틈을 줄일 뿐 아니라 연결점을 찾아 학생들의 개념이해와 어려움의 원인을 분석하는데 폭넓은 시각을 제공한다는 점에서 최근 많은 관심을 받고 있는 STEM 혹은 수학과 과학의 융합 수업을 위한 소재로의 가능성을 제시해준다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권4호
• /
• pp.169-178
• /
• 2022

형태소는 더 이상 분리하면 본래의 의미를 잃어버리는 말의 최소 단위이다. 한국어에서 문장은 공백으로 구분되는 어절(단어)의 조합이다. 형태소 분석은 어절 단위의 문장을 입력 받아서 문맥 정보를 활용하여 형태소 단위로 나누고 각 형태소에 적절한 품사 기호를 부착한 결과를 생성하는 것이다. 한국어 자연어 처리에서 형태소 분석은 가장 핵심적인 태스크다. 형태소 분석의 성능 향상은 한국어 자연어 처리 태스크의 성능 향상에 직결된다. 최근 형태소 분석은 주로 기계 번역 관점에서 연구가 진행되고 있다. 기계 번역은 신경망 모델 등으로 어느 한 도메인의 시퀀스(문장)를 다른 도메인의 시퀀스(문장)로 바꾸는 것이다. 형태소 분석을 기계 번역 관점에서 보면 어절 도메인에 속하는 입력 시퀀스를 형태소 도메인 시퀀스로 변환하는 것이다. 본 논문은 한국어 형태소 분석을 위한 딥러닝 모델을 제안한다. 본 연구에서 사용하는 모델은 기계 번역에서 높은 성능을 기록한 BERT-fused 모델을 기반으로 한다. BERT-fused 모델은 기계 번역에서 대표적인 Transformer 모델과 자연어 처리 분야에 획기적인 성능 향상을 이룬 언어모델인 BERT를 활용한다. 실험 결과 형태소 단위 F1-Score 98.24의 성능을 얻을 수 있었다.

• 과학교육연구지
• /
• 제47권2호
• /
• pp.117-126
• /
• 2023

초등 과학 교사용 지도서에서 초등교사들이 과학수업을 준비하고 진행하는 과정에서 느끼는 어려움을 해결하는 데 도움을 줄 수 있는 각론은 중요하다. 2022 개정 교육과정 초등 과학 교사용 지도서를 개발하는 데 시사점을 얻기 위해서는 지도서 각론에 대한 초등교사들의 인식과 요구 조사가 필요하다. 이에 본 연구에서는 초등 과학 교사용 지도서 각론의 구성 요소와 디자인에 대한 분석을 바탕으로 설문지를 개발하여 초등교사들의 인식과 요구를 알아보고자 하였다. 이를 위해 먼저 초등교사들이 현재 사용하고 있는 지도서 각론의 구성 요소별 필요성, 만족도와 활용도에 대한 인식을 조사하였다. 다음으로 지도서 각론의 구성 요소와 디자인 등에 관한 교사들의 요구를 조사하였다. 연구 결과는 다음과 같았다. 첫째, 수업 준비와 진행에 도움이 되는 구성 요소들에 대해 초등교사들의 만족도가 상대적으로 높았다. 둘째, 초등교사들은 수업에 필요한 구성 요소들을 한눈에 파악할 수 있는 배치와 가독성 높은 디자인 구성을 원하였다. 결론적으로 초등 과학 교사용 지도서 각론은 과학 교수·학습에 필요한 수업 준비, 수업 흐름, 교수·학습 자료 등을 한눈에 파악하고, 가독성 높게 구성해야 함을 알 수 있었다. 이 연구 결과를 토대로 향후 초등교사들이 실제 수업에 활용할 수 있는 교과용도서가 될 수 있게 새로운 접근과 시도를 해야 할 것이다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제12권4호
• /
• pp.179-188
• /
• 2023

최근 가짜뉴스는 뉴스 콘텐츠 형식을 가장하고 중요한 사건이 발생할 때마다 등장하여 사회적 혼란을 초래한다. 이에 가짜뉴스를 탐지하기 위한 연구로 인공지능 기술이 사용된다. 자연어 처리를 통해 가짜뉴스를 자동으로 인지 및 차단하거나, 네트워크 인과 추론과 결합함으로써 허위 정보를 확산시키는 소셜미디어 인플루언스 계정을 감지하는 등의 가짜뉴스 탐지 접근법이 딥러닝을 통해 구현될 수 있었다. 그러나 가짜뉴스 탐지는 여러 자연어 처리 분야 중에서도 해결이 어려운 문제로 분류된다. 가짜뉴스가 가지는 형식 및 표현의 다양성으로 특성 추출의 난도가 높고, 뉴스가 속한 범주에 따라 하나의 특성이 서로 다른 의미를 가질 수도 있는 등 다양한 한계점이 존재한다. 본 논문에서는 가짜뉴스를 탐지하기 위한 추가적인 식별 기준으로 감성 변화 패턴을 제시한다. 합성곱 신경망을 가짜뉴스 데이터 세트에 적용하여 콘텐츠 특성에 기반한 분석을 수행하고, 감성 변화 패턴을 추가로 분석함으로써 성능이 개선된 모델을 제안한다. 뉴스를 구성하는 문장에 대하여 감성 극성을 산출하고 장단기 메모리를 적용함으로써 문장 순서에 의존적인 결괏값을 얻을 수 있다. 이를 감성 변화의 패턴으로 정의하고 뉴스의 콘텐츠 특성과 결합하여 가짜뉴스 탐지를 위한 제안 모델의 독립변수로 활용한다. 제안 모델과 비교 모델을 딥러닝으로 학습시키고 가짜뉴스 데이터 세트를 이용한 실험을 진행하여 감성 변화 패턴이 가짜뉴스 탐지 성능을 개선할 수 있음을 확인한다.

• 한국과학교육학회지
• /
• 제35권4호
• /
• pp.629-648
• /
• 2015

본 연구는 연구 기반 '실제적' 과학 교육 프로그램이 맥락적으로 과정으로서 과학의 본성 학습을 촉진함을 밝히고자 한 사례 연구다. 이에 '과학자 되어보기' 멘토-멘티 프로그램을 개발하고 7학년 6명에게 8개월간 적용했다. 이 프로그램에서는 과학 교육 연구자인 멘토가 스캐폴딩과 코칭을 제공하며, 멘티 학생들은 연구 문제 선정, 연구설계, 자료 수집과 분석, 논문 작성 및 학회 발표에 이르기까지 과학연구의 전체 과정을 수행한다. 연구 문제는 1) 암묵적 과학 연구 프로그램의 참여자는 연구 단계별 학습 상황에서 무엇을 경험하는가? 2) 암묵적 과학 연구 프로그램에 참여한 학생은 각 학습 상황에서 '과정으로서 NOS'에 대해 어떤 관점을 구성하는가? 등이다. 수업 관찰, 사후 면담, 멘토의 성찰 보고서, 학생 산출물 등이 수집 및 분석되었다. 연구 결과, 참여 학생들은 1) 연구 문제 망각과 혼란, 2) 자료 오류의 처리와 파기, 3) 연구자 입장에 따른 자료 해석, 4) 전반적 연구 경험과 논문 작성, 5) 학술대회 발표장에서의 경험 등의 다양한 상황에서 연구문제의 역할, 측정값의 유효성, 자료 해석에서의 주관성, 과학 지식의 생성과 동료 심사, 학술 대회의 의의 등 과정으로서의 과학에 대한 각자의 관점을 학습했다. 참여 학생들이 공통적으로 학습한 NOS 관점은 현대적 인식론에 가까웠다. 본 연구는 과학 연구의 구체적 상황과 과정으로서 NOS 학습을 관련지어 보여줌으로써 NOS의 맥락적 학습이 가능함을 보였다. 본 연구에서는 과학자가 하는 일과의 유사성이 아닌 학습자의 주체성 및 의미와 관련지어 '실제성'을 정의했고, 이렇듯 상황학습론적 가정에 입각한 프로그램은 성공적인 NOS 학습을 촉진했다. 본 연구의 가정과 결과는 과학 교육에서 실제성의 의미와 실제적 과학 학습 환경의 구현 방식에 대한 재고의 필요성을 시사한다. 연구 기반 과학 교육 프로그램에서 성공적인 NOS 학습이 가능하도록 하기 위해서는 본 프로그램과 같이 1) 과학자가 하는 일의 주요 요소를 포함함으로써 풍부한 맥락을 제공하고, 2) 반구조화된 수업 설계를 바탕으로 학생이 연구의 주도권을 소유하도록 하며, 3) 과학 연구 내용이 연구자에게 관련되고 의미 있도록 해야 한다.

• Asian Pacific Journal of Cancer Prevention
• /
• 제15권9호
• /
• pp.3885-3890
• /
• 2014

Background: This study aimed to determine nursing student knowledge, behavior and beliefs for breast cancer and breast self-examination receiving courses with a traditional lecturing method (TLM) and the Six Thinking Hats method (STHM). Materials and Methods: The population of the study included a total of 69 second year nursing students, 34 of whom received courses with traditional lecturing and 35 of whom received training with the STHM, an active learning approach. The data of the study were collected pre-training and 15 days and 3 months post-training. The data collection tools were a questionnaire form questioning socio-demographic features, and breast cancer and breast self-examination (BSE) knowledge and the Champion's Health Belief Model Scale. The tests used in data analysis were chi-square, independent samples t-test and paired t-test. Results: The mean knowledge score following traditional lecturing method increased from $9.32{\pm}1.82$ to $14.41{\pm}1.94$ (P<0.001) and it increased from $9.20{\pm}2.33$ to $14.73{\pm}2.91$ after training with the Six Thinking Hats Method (P<0.001). It was determined that there was a significant increase in pre and post-training perceptions of perceived confidence in both groups. There was a statistically significant difference between pre-training, and 15 days and 3 months post-training frequency of BSE in the students trained according to STHM (p<0.05). On the other hand, there was a statistically significant difference between pre-training and 3 months post-training frequency of BSE in the students trained according to TLM. Conclusions: In both training groups, the knowledge of breast cancer and BSE, and the perception of confidence increased similarly. In order to raise nursing student awareness in breast cancer, either of the traditional lecturing method or the Six Thinking Hats Method can be chosen according to the suitability of the teaching material and resources.

• 의료ㆍ복지 건축 : 한국의료복지건축학회 논문집
• /
• 제27권3호
• /
• pp.27-37
• /
• 2021

Purpose: The purpose of this study is to compare the changes in hospital accreditation evaluations, the changes in hospital building design guidelines, and the development of design indicators for reducing medical accidents in the state-of-the-art healthcare providers. Methods: The changes and tools were carefully investigated and compared that had been taken place and used in the building certification standards, design guidelines, and patient safety design standards to reduce accidents in the United States and the United Kingdom. Results: First, medical accidents are recognized as multiple defense layers rather than personal ones, and a public reporting and learning system is created, reporting the accidents in question publicly and suggesting ways to improve them based on the data at a time. Second, for the accreditation institute that secures the service quality of medical institutions, detailed standards for patient safety are continuously updated with focus on clinical trials. The United States is in charge of the private sector, but on the other hand the United Kingdom is in charge of the public sector. Third, the design guidelines are provided as web-based tools that complement various guidelines for patient safety, and are improved and developed as well. Fourth, detailed approaches are continuously developed and provided to secure patient safety and reduce medical accidents through appropriate research, evidence-based design and strict evaluations. Implications: When medical institutions make efforts to strength patient safety methods through valid design standards, accidents are expected to decrease, whereby hospital finances are also to be improved. A higher level of medical quality service will sure be secured through comprehensive certification evaluation.

• 한국군사과학기술학회지
• /
• 제24권4호
• /
• pp.382-391
• /
• 2021

Unsupervised domain adaptation often gives impressive solutions to handle domain shift of data. Most of current approaches assume that unlabeled target data to train is abundant. This assumption is not always true in practices. To tackle this issue, we propose a general solution to solve the domain gap minimization problem without any target data. Our method consists of two regularization steps. The first step is a pixel regularization by arbitrary style transfer. Recently, some methods bring style transfer algorithms to domain adaptation and domain generalization process. They use style transfer algorithms to remove texture bias in source domain data. We also use style transfer algorithms for removing texture bias, but our method depends on neither domain adaptation nor domain generalization paradigm. The second regularization step is a feature regularization by feature alignment. Adding a feature alignment loss term to the model loss, the model learns domain invariant representation more efficiently. We evaluate our regularization methods from several experiments both on small dataset and large dataset. From the experiments, we show that our model can learn domain invariant representation as much as unsupervised domain adaptation methods.