• 한국과학교육학회지
• /
• 제40권5호
• /
• pp.543-563
• /
• 2020

본 연구는 초등학교에서 과학적 모델 구성 수업을 적용하는 동안, 두 교사의 수업 실행이 어떻게 변화하였는지 탐색하고, 이러한 변화를 교사의 모델링 PCK 발달 측면에서 이해하고자 하였다. 연구 참여자는 초등학교 5학년 2개 반 학생들과 이들을 가르치는 교사 2명이었고, 과학의 '우리 몸의 구조와 기능' 단원에서 4가지 주제로 총 8차시 동안 모델링 수업을 도입하였다. 자료 분석은 전체 수업 중 교사의 변화를 가장 잘 보여주는 수업 초반(1-2차시)과 수업 후반(7-8차시)을 대상으로 이루어졌으며, 두 교사의 수업 실행 변화 및 이와 연관된 모델링 PCK를 분석하였다. 수업 실행 변화는 GEM cycle의 모델 생성, 평가, 수정 단계에서 각 단계에 할애한 시간과, 피드백의 양 및 피드백의 내용 측면에서 분석되었다. 연구 결과, A교사는 수업 전반에 걸쳐 교사 주도적으로 평가와 수정 단계를 이끌었으며, 수업 초반에 비해 후반에 모델 평가 및 수정 단계에 사용한 시간이 증가하였다. 또한 피드백 측면에서 수업 초반에는 정답 평가 피드백을 사용하였으나, 수업 후반에는 사고 유도 피드백을 사용하는 것으로 피드백의 내용이 변화하였다. 한편, B교사는 수업 초반에는 거의 교사 주도적으로 모델을 평가하고 수정하였으나, 수업 후반에는 메타 인지적 피드백 등 다양한 종류의 피드백을 통해 학생 주도적으로 모델을 평가하고 수정하게 함으로써, 그들이 스스로 지식을 구성하고 모델을 발달시킬 수 있도록 도왔다. 인터뷰 결과, 두 교사의 수업 실행 변화는 여러 가지 모델링 PCK 구성요소의 발달이 바탕이 된 것으로 분석되었다. 또한, 두 교사의 수업 실행 변화 정도가 다르게 나타난 원인을 모델링 PCK에서 탐색한 결과, 두 교사는 모델링 PCK 중에서 교수 지향, 모델링 단계에 대한 이해, 모델링의 가치 인식 정도에서 차이를 보여, 모델링 수업 실행에서 이것의 중요성을 암시한다. 본 연구는 교사의 모델링 수업 실행 변화의 사례를 제공하고, 이와 관련된 모델링 PCK를 밝힘으로써 모델링 수업 개선 방법에 대한 이해 증진에 도움을 줄 수 있을 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제29권5호
• /
• pp.203-211
• /
• 2024

프로그래밍 언어를 활용한 데이터 시각화는 처리하는 데이터 양, 처리 시간, 유연성에서 효율성과 효과성을 향상시킬 수 있으나 프로그래밍에 익숙해지기 위해 연습이 필요하다. 이에 본 연구에서는 프로그래밍 자동 평가 시스템에서 데이터 시각화를 연습하기 위한 공공데이터 기반 문제은행을 개발하였다. 공공데이터는 교육과정에서 제시한 주제로 수집하였으며 학습자가 데이터 시각화하기에 적절한 형태로 가공하였다. 문제는 다양한 데이터 시각화 방법을 학습하기 위해 수학교육과정과 연계하여 개발하였다. 개발한 문제는 전문가 검토 및 파일럿 테스트를 실시하였으며 문항의 수준, 데이터 시각화를 통한 수학 교육의 가능성을 확인하였다. 하지만 학생에게 흥미가 떨어지는 주제라는 의견을 받았으며 이를 보완하기 위해 학생이 중심이 되는 데이터를 활용하여 추가로 문항을 개발하였다. 개발한 문제 은행은 초등학교 정보영재 또는 중학교 이상에서 파이썬을 학습한 경험이 있는 학생이 데이터 시각화를 배울 때 활용될 수 있을 것으로 기대된다.

• 기본간호학회지
• /
• 제6권3호
• /
• pp.570-582
• /
• 1999

Although computers cannot analyze textual data in the same way as they analyze numerical data. they can nevertheless be of great assistance to qualitative researchers. Thus, the use of computers in analyzing qualitative data has increased since the 1980s. The purpose of this article was to explore advantages and disadvanteges of using computers to analyze textual data and to suggest strategies to prevent problems of using computers. In additon, it illustrated characteristics and functions of softwares designed to analyze qualitative data to help researchers choose the program wisely. It also demonstrated precise functions and procedures of the NUDIST program which was designed to develop a conceptual framework or grounded theory from unstructured data. Major advantage of using computers in qualitative research is the management of huge amount of unstructured data. By managing overloaded data, researcher can keep track of the emerging ideas, arguments and theoretical concepts and can organize these tasks mope efficiently than the traditional method of 'cut-and-paste' technique. Additional advantages are the abilities to increase trustworthiness of research, transparency of research process, and intuitional creativity of the researcher, and to facilitate team and secondary research. On the other hand, disvantages of using computers were identified as worries that the machine could conquer the human understanding and as probability of these problems. it suggested strategies such as 1) deep understanding of orthodoxy in analytical process. To overcome philosophical and theoretical background of qualitative research method, 2) deep understanding of the data as a whole before using software, 3) use of software after familiarity with it, 4) continuous evaluation of software and feedback from them, and 5) continuous awareness of the limitation of the machine, that is computer, in the interpretive analysis.

• 한국정보통신학회논문지
• /
• 제23권5호
• /
• pp.495-507
• /
• 2019

데이터 희소성은 추천 시스템의 주요 과제 중 하나이다. 추천 시스템에서는, 일부분만 관찰된 데이터이고 다른 부분은 데이터가 누락된 대용량 데이터를 포함하고 있다. 대부분의 연구에서는, 데이터 세트에서 무작위로 데이터가 누락되었다고 가정하고, 관찰된 데이터만을 사용하여 추천 모델을 학습함으로써 사용자에게 항목을 추천하고 있다. 그러나, 실제로는 누락된 데이터는 무작위로 손실되었다고 볼 수 없다. 본 연구에서는, 누락 된 데이터를 사용자적 관심의 부정적인 예라고 간주하였다. 또한, 3가지 샘플 접근 방식을 SVD++ 알고리즘과 결합하여 SVD++_W, SVD++_R 그리고 SVD++_KNN 알고리즘을 제안하였다. 실험결과를 통하여, 제안한 3가지 샘플 접근 방식이 기존의 기본적인 알고리즘 보다 Top-N 추천에서 정확성과 회수율을 효과적으로 향상시킬 수 있다는 것을 보였다. 특히, SVD++_KNN 가 가장 우수한 성능을 보였는데, 이는 KNN 샘플 접근 방식이 사용자적 관심의 부정적인 예를 추출하는데 가장 효율적인 방법이라는 것을 보여주었다.

• 한국습지학회지
• /
• 제23권4호
• /
• pp.277-286
• /
• 2021

본 연구는 구조방정식모형을 사용하여 설마천 유역과 청미천 유역의 장기 수문순환을 비교하였다. 이 두 유역은 특히 토지이용에서 다른 특성을 보인다. 두 유역은 강우, 유출 자료뿐만 아니라 에디공분산방법으로 측정한 실제증발산량 자료를 보유하고 있다. 분석에 사용된 강수량, 유출고, 실제증발산량은 2010년부터 2018년까지의 총 9개년 자료이다. 구조방정식모형의 구조는 기존 수문지식과 자료들 사이의 상관분석을 기반으로 결정하였다. 결과적으로 총 세 개의 구조방정식모형을 순차적으로 적용해 가며 그 적합성을 분석하였다. 공교롭게도 적용된 모형에 따라 두 유역의 수문순환 특성이 유사한 것으로도, 상이한 것으로도 판단될 수 있음을 확인하였다. 특히, 강수-증발산 사이의 되먹임 과정을 고려하는 경우에는 두 유역이 상이하다는 결과를 얻을 수 있었다. 즉, 농지(논)의 비율이 40% 이상인 청미천 유역에서는 강우와 증발산 사이의 되먹임 과정이 유의한 것으로 나타났다.

• 한국재난정보학회 논문집
• /
• 제17권3호
• /
• pp.427-441
• /
• 2021

연구목적: 본 연구는 군에서 가장 많이 발생하는 교통사고의 예방을 위해 부대별로 교통사고가 발생할 확률을 사전에 예측하는 모형의 개발 방안을 제시하는 것이다. 연구방법: 이를 위해 CRISP-DM(Cross Industry Standard Process for Data Mining) 방법론을 적용하였다. CRISP-DM 프로세스는 6단계로 구성되어 있고, 각 단계는 Waterfall Model처럼 일방향으로 구성되어 있지 않고 단계 간 피드백을 통하여 단계별 완성도를 높이게 되어 있다. 연구결과:전체 집단을 대상으로 기 구축된 사고조사 데이터와 동일한 데이터 세트(data set)를 구축하여 모델링한 결과 분류기준 0.5로 했을 때, 교통사고예측을 위한 모형의 정확도, 특이도, 민감도, AUC에서 의미있는 결과치를 도출하였다. 결론: 예측모형을 설계하는 과정에서 데이터의 부족으로 인해 의미 있는 예측값을 얻기 어려운 문제점이 확인되었다. 이를 해결하기 위해 합리적 추론이 가능한 데이터 세트(data set)를 재구성 및 확대하여 데이터 부족을 해소하고, 이를 활용한 예측모형을 설계할 수 있는 방법론을 제시하였다.

• 한국인터넷방송통신학회논문지
• /
• 제22권6호
• /
• pp.185-190
• /
• 2022

오픈 데이터는 많은 경제적 가치를 지닌다. 우리나라 뿐만 아니라 여러 나라에서도 오픈 데이터를 확장하고 활용하기 위하여 갖은 정책과 노력을 기울이고 있다. 하지만 우리나라는 많은 데이터를 가지고 있음에도 불구하고 이를 잘 활용하지 못하여 효과를 보지 못하고 있어 여러 산업에서 다양한 시도가 필요하다. 그중에 패션 산업에서는 소비자의 단순 변심에 의해 교환, 환불 문제가 가장 많다. 이러한 문제를 해결하기 위해 서비스 제공자에게 더 나은 피드백이 필요하며 소비자의 요구사항이 반영된 사용자 리뷰와 함께 불만 사항이 개선된 이미지를 보여줌으로써 해결하고자 한다. 본 논문에서는 소비자의 요구사항을 파악하기 위해 온라인 쇼핑몰 사이트에서 사용자 리뷰 분석을 진행하고 K-fashion 데이터의 속성을 활용하여 제품에 대한 속성을 정의한다. 제품에 대한 사용자의 요구를 불만 속성으로 정의하고, 이에 해당하는 속성을 가진 라벨링 데이터를 검색하여 서비스 제공자에게 사용자의 요구사항을 텍스트 데이터나 속성 뿐만 아니라 이미지 또한 제공하여 제품 개선에 도움을 주고자 한다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2004년도 ICCAS
• /
• pp.631-634
• /
• 2004

In this paper, the Bayesian recurrent neural network (BRNN) is proposed to predict time series data. Among the various traditional prediction methodologies, a neural network method is considered to be more effective in case of non-linear and non-stationary time series data. A neural network predictor requests proper learning strategy to adjust the network weights, and one need to prepare for non-linear and non-stationary evolution of network weights. The Bayesian neural network in this paper estimates not the single set of weights but the probability distributions of weights. In other words, we sets the weight vector as a state vector of state space method, and estimates its probability distributions in accordance with the Bayesian inference. This approach makes it possible to obtain more exact estimation of the weights. Moreover, in the aspect of network architecture, it is known that the recurrent feedback structure is superior to the feedforward structure for the problem of time series prediction. Therefore, the recurrent network with Bayesian inference, what we call BRNN, is expected to show higher performance than the normal neural network. To verify the performance of the proposed method, the time series data are numerically generated and a neural network predictor is applied on it. As a result, BRNN is proved to show better prediction result than common feedforward Bayesian neural network.

• 한국콘텐츠학회논문지
• /
• 제1권1호
• /
• pp.100-108
• /
• 2001

디자인 개발시 사용자 참여의 중요성이 날로 증가하고 있는 것은 자명한 사실이다. 그중 사용성평가에서의 사용자 참여는 비교적 활발한 상태이다. 하지만, 현재 기본적으로 행해지고 있는 랩에서의 사용성 평가는 여러 가지 면에서 극히 제한적이며 비용이 많이 들고, 시간 또한 많이 소비된다. 또한 이러한 평가는 광범위한 데이터의 수집과 빠른 피드백을 얻는데 여러 가지 문제점을 가지고 있다. 본 연구에서는 이상과 같은 배경을 바탕으로 실험실에서의 사용성 평가 에서 생기게되는 여러 가지 요인 등에 의해 제한되었던 사용자들의 참여를 극대화하기 위하여 초기 디자인 프로토타입을 웹상에서의 사용성 평가 콘텐츠로 활용하는 방안을 모색하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제11권3호
• /
• pp.1406-1424
• /
• 2017

Recent advancements in network infrastructures provide increased opportunities to support data delivery over multiple paths. Compared with multi-homing scenario, overlay network is regarded as an effective way to construct multiple paths between end devices without any change on the underlying network. Exploiting multipath characteristics has been explored for TCP with multi-homing device, but the corresponding exploration with overlay network has not been studied in detail yet. Motivated by improving quality of experience (QoE) for reliable data delivery, we propose a multipath message transport protocol based on application level relay (MPMTP-AR). MPMTP-AR proposes mechanisms and algorithms to support basic operations of multipath transmission. Dynamic feedback provides a foundation to distribute reasonable load to each path. Common source decrease (CSD) takes the load weight of the path with congestion into consideration to adjust congestion window. MPMTP-AR uses two-level sending buffer to ensure independence between paths and utilizes two-level receiving buffer to improve queuing performance. Finally, the MPMTP-AR is implemented on the Linux platform and evaluated by comprehensive experiments.