• 한국인터넷방송통신학회논문지
• /
• 제20권4호
• /
• pp.187-193
• /
• 2020

본 연구에서는 국내 대학 차원에서의 요인들을 중심으로 대학생의 중도탈락에 영향을 미치는 것이 무엇인지 분석하고자 하였다. 또한, 국립대학과 사립대학, 수도권(서울, 경기, 인천)에 소재하고 있는 대학과 수도권에 소재하고 있지 않은 대학으로 나누어 보다 대학별 특징에 맞춰 분석하였다. 대학의 학생변동사항 중 휴학과 전출을 제외하고, 자퇴를 중도탈락으로 정의하였다. 데이터는 교육부와 한국교육대학협의회에서 주관하여 운영하고 있는 "대학알리미" 포탈에서 원시자료를 받아 분석에 사용하였다. 대학 알리미에서 "대학"으로 분류된 학교 가운데 209개 대학을 최종 분석에 사용하였으며, 졸업생 취업 현황·평균 졸업 학점·재학생 1인당 장학금·평균 등록금·휴학생·재적 학생·경쟁률·전임교원 1인당 학생 수·교지확보율(%)을 독립변수로 투입하여 다중회귀분석을 통해 분석하였다. 분석결과, 첫째, 전체적으로 졸업생 평균 졸업 학점과 취업률이 높을수록 대학생 중도탈락률이 낮은 것으로 나타났다. 둘째, 국립대학과 비교하면 사립대학에서의 평균 등록금이 비쌀수록 대학생 중도탈락률에 부정적인 영향을 미치는 것으로 나타났다. 셋째, 수도권 외 소재 대학에 비해 수도권 소재 대학에서의 등록금이 비쌀수록 대학생 중도탈락률에 부정적인 영향을 미치는 것으로 나타났다.

• 한국콘텐츠학회논문지
• /
• 제17권8호
• /
• pp.597-609
• /
• 2017

본 연구는 학교 밖 청소년의 가정폭력피해경험이 또래폭력가해에 미치는 영향과 이 과정에서 불안과 공격성의 매개효과를 검증하는 것을 목적으로 하였다. 연구대상은 충북의 학교 밖 청소년 169명이다. 자료는 SPSS를 활용하여 분석하였으며 매개효과를 검증하기 위해 Sobel test를 실시하였다. 연구결과를 보면 먼저, 가정폭력피해는 또래폭력가해에 정적인 영향을 미쳐 직접효과가 있었다. 다음으로 가정폭력피해와 또래폭력가해와의 관계에서 불안과 공격성의 매개역할을 검증한 결과, 공격성의 간접효과는 유의하게 나타났으나 불안은 유의하지 않았다. 이러한 결과는 가정폭력피해가 학교 밖 청소년의 또래폭력가해를 높이는 중요한 요인으로 가정폭력피해를 줄이기 위한 개입 및 또래폭력 예방을 위한 공격성 감소 노력이 필요함을 시사한다. 이를 통해 본 연구는 학업중단 후 학교 밖 청소년과 그 가족에 대한 신속한 개입, 가족관계 및 기능 강화, 학교 밖 청소년의 임파워먼트 강화, 학교 밖 청소년에 대한 사회의 인식 전환을 제안하였다.

• 한국융합학회논문지
• /
• 제10권1호
• /
• pp.265-275
• /
• 2019

본 연구는 생태학적 모델을 바탕으로 교육대학원 체육교육전공 학생들이 임용고사 시험에 중도포기하거나 탈락할 수 있는 요소들을 탐색하는데 본 연구의 목적이 있다. 교육대학원 체육교육전공으로 학업중인 재학생 10명을 대상으로 심층면담을 실시하였다. 그 결과 개인요소 측면으로는 학업에 영향을 끼치는 현재 직업을 임용고사를 준비하는데 있어서 어떻게 긍정적으로 활용해야 하는지에 대한 노력이 필요했으며 이를 해결하기 위해 임용고사 준비를 위한 우선순위를 명확하게 결정 할 필요가 있었다. 개인 간 요소 측면으로는 주관적 규범에 의해 부정적 영향을 끼치고 있었으며 이로 인해 개인 맞춤형 멘토링 프로그램이 제공될 필요성이 있었다. 조직 간 요소 측면으로는 학비지원의 미흡과 학업을 위한 부적합한 장소가 강조되었으며 실기 지도 강사 혹은 임용시험 준비반과 같이 실질적 도움이 될 수 있는 지원이 필요했다. 이를 종합하여 본 연구에서는 '임용시험 대비 통합시스템'에 대해 소개하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제16권5호
• /
• pp.1431-1445
• /
• 2022

We construct a deep neural network model named ECGResNet. This model can diagnosis diseases based on 12-lead ECG data of eight common cardiovascular diseases with a high accuracy. We chose the 16 Blocks of ResNet50 as the main body of the model and added the Squeeze-and-Excitation module to learn the data information between channels adaptively. We modified the first convolutional layer of ResNet50 which has a convolutional kernel of 7 to a superposition of convolutional kernels of 8 and 16 as our feature extraction method. This way allows the model to focus on the overall trend of the ECG signal while also noticing subtle changes. The model further improves the accuracy of cardiovascular and cerebrovascular disease classification by using a fully connected layer that integrates factors such as gender and age. The ECGResNet model adds Dropout layers to both the residual block and SE module of ResNet50, further avoiding the phenomenon of model overfitting. The model was eventually trained using a five-fold cross-validation and Flooding training method, with an accuracy of 95% on the test set and an F1-score of 0.841.We design a new deep neural network, innovate a multi-scale feature extraction method, and apply the SE module to extract features of ECG data.

• Geomechanics and Engineering
• /
• 제37권1호
• /
• pp.49-64
• /
• 2024

Rocks undergoing repeated loading and unloading over an extended period, such as due to earthquakes, human excavation, and blasting, may result in the gradual accumulation of stress and deformation within the rock mass, eventually reaching an unstable state. In this study, a CNN-CCM is proposed to address the mechanical behavior. The structure and hyperparameters of CNN-CCM include Conv2D layers × 5; Max pooling2D layers × 4; Dense layers × 4; learning rate=0.001; Epoch=50; Batch size=64; Dropout=0.5. Training and validation data for deep learning include 71 rock samples and 122,152 data points. The AI Rock Constitutive Model learned by CNN-CCM can predict strain values(ε₁) using Mass (M), Axial stress (σ₁), Density (ρ), Cyclic number (N), Confining pressure (σ₃), and Young's modulus (E). Five evaluation indicators R², MAPE, RMSE, MSE, and MAE yield respective values of 0.929, 16.44%, 0.954, 0.913, and 0.542, illustrating good predictive performance and generalization ability of model. Finally, interpreting the AI Rock Constitutive Model using the SHAP explaining method reveals that feature importance follows the order N > M > σ₁ > E > ρ > σ₃.Positive SHAP values indicate positive effects on predicting strain ε₁ for N, M, σ₁, and σ₃, while negative SHAP values have negative effects. For E, a positive value has a negative effect on predicting strain ε₁, consistent with the influence patterns of conventional physical rock constitutive equations. The present study offers a novel approach to the investigation of the mechanical constitutive model of rocks under cyclic loading and unloading conditions.

• 실천공학교육논문지
• /
• 제12권1호
• /
• pp.145-162
• /
• 2020

일학습병행제는 국내 평생직업능력개발 체계에서 양적으로는 이미 중요한 한 축을 담당하고 있다. 하지만 기존의 일학습병행제 성과관리 방안들은 대부분 자격연계형 일학습병행제에 초점을 맞추고 있어, 4년제 대학이 담당하는 대학연계형 일학습병행제의 효과적인 성과관리체계구축에 대한 연구가 매우 부족한 실정이다. 본 논문에서는 일학습병행제 계약학과의 질적 내 실화를 이루기 위해, 대학연계형 일학습병행제에 적합한 성과관리체계를 구축하기 위한 방안을 제시한다. 이를 위해, 대학연계형 일학습병행 계약학과의 성과평가 항목 및 지표를 개발하여 성과평가체계를 구축한다. 다음, 국내 학습근로자, 코리아텍 OJT 전담교수, 참여기업의 현장교사 등 다양한 이해관계자집단의 요구를 FGI와 설문조사를 통해 분석하여 현재의 계약학과 운영성과와 특별히 높은 중도탈락률의 원인을 진단한다. 이를 기초로 성과지표별 측정방법을 개발하고, 투입-변환-산출-피드백 구조의 시스템적 성과관리체계를 구축하기 위한 제 방안을 제시한다. 또한 높은 중도탈락률의 개선과 성과향상을 위한 방안을 각 이해관계자 측면에서 제시한다.

• 천문학회지
• /
• 제38권2호
• /
• pp.179-182
• /
• 2005

We conducted an extremely wide field survey of z ${\~}$ 6 Lyman break galaxies (LBGs) to precisely derive their bright end surface density overcoming the bias due to cosmic variance. We selected out LBG candidates in the Subaru/ XMM-Newton Deep Survey Field (SXDS) over the total of ${\~}1.0\;deg^2$ sky area down to $z_{AB} = 26.0 ({\ge}3{\sigma},\;2'.0 aperture)$ using i' - z' > 1.5 color cut. This sample alone is likely to be contaminated by M/L/T dwarfs, low-z elliptical galaxies, and z ${\~}$ 6 quasars. To eliminate these interlopers, we estimated their numbers using an exponential disk star count model, catalogs of old ellipticals in the SXDS and other field, and a z${\~}$6 quasar luminosity function. The finally derived surface density of z ${\~}$ 6 LBGs was 165 $mag^{-1}\;deg^{-2}$ down to $z_{AB}$ = 26.0 and shows good agreement with previous results from the narrower field survey of HST GOODS.

• Journal of Information Technology Applications and Management
• /
• 제28권6호
• /
• pp.97-116
• /
• 2021

Due to the decrease in the school-age population and government regulations, universities have made great efforts to secure their own competitiveness. In particular, the selection of universities with financial support based on the recent evaluation of the Ministry of Education has become a major concern enough to affect the existence of the university itself. This paper extracts three-year data from 124 major private universities nationwide, and quantitatively analyzes the variables of major universities selected as self-improvement universities, competency reinforcement universities, and universities with limited financial support. As a result of estimating the selection of self-powered universities using the ordered logit model by hierarchically inputting 12 variables, student competitiveness in the metropolitan area (1.318^**), Educational Restitution Rate (4.078^***), University operation expenditure index rate (1.088^***) values were found. Significant positive coefficient values were found in the admission enrollment rate (45.98^***) and the enrollment rate (13.25^***). As a result of analyzing the marginal effects, the increase in the rate of reduction of education costs has always been positive in the selection of self-powered universities, but it was observed that the rate of increase decreases in areas of increase of 150% or more. On the contrary, the probability of becoming a Em-powered university was negative in all sectors, but on the contrary, it was analyzed that marginal effects increased at the same time point. On the other hand, the employment rate of graduates was not able to find direct significance with the result of the selection of Self powered universities. Through this paper, it is expected that each university will analyze the possibility and shortcomings of the selection of Self powered universities in policy making, and in particular, the risk of dropout of selection for the vulnerable field can be predicted using marginal effects. It can be used as major research data for both university evaluators, university officials and students.

• Computers and Concrete
• /
• 제30권5호
• /
• pp.301-310
• /
• 2022

Cement-based sensors have been widely used as structural health monitoring systems, however, their long-term sensing performance have not actively investigated. In this study, a deep learning-based methodology is adopted to predict the long-term piezoresistive properties of cement-based sensors. Samples with different multi-walled carbon nanotube contents (0.1, 0.3, and 0.5 wt.%) are fabricated, and piezoresistive tests are conducted over 10,000 loading cycles to obtain the training data. Time-dependent degradation is predicted using a modified long short-term memory (LSTM) model. The effects of different model variables including the amount of training data, number of epochs, and dropout ratio on the accuracy of predictions are analyzed. Finally, the effectiveness of the proposed approach is evaluated by comparing the predictions for long-term piezoresistive sensing performance with untrained experimental data. A sensitivity of 6% is experimentally examined in the sample containing 0.1 wt.% of MWCNTs, and predictions with accuracy up to 98% are found using the proposed LSTM model. Based on the experimental results, the proposed model is expected to be applied in the structural health monitoring systems to predict their long-term piezoresistice sensing performances during their service life.

• 정보보호학회논문지
• /
• 제28권6호
• /
• pp.1463-1474
• /
• 2018

퍼징이란 유효하지 않은 값이나 임의의 값을 소프트웨어 프로그램에 입력하여, 보안상의 결함을 찾아내는 소프트웨어 테스팅 기법 중 하나로 이러한 퍼징의 효율성을 높이기 위한 여러 방법들이 제시되어 왔다. 본 논문에서는 필드를 기반으로 퍼징을 수행하면서 커버리지, 소프트웨어 크래쉬와 연관성이 높은 필드가 존재한다는 것에 착안하여, 해당 필드 부분을 집중적으로 퍼징하는 새로운 방식을 제안한다. 이 때, Variational Autoencoder(VAE)라는 딥 러닝 모델을 사용하여 커버리지가 높게 측정된 입력 값들의 특징을 학습하고, 이를 통해 단순 변이보다 학습된 모델을 통해 재생성한 파일들의 커버리지가 균일하게 높다는 것을 보인다. 또한 크래쉬가 발생한 파일들의 특징을 학습하고 재생성 시 드롭아웃을 적용하여 변이를 줌으로써 새로운 크래쉬를 발견할 수 있음을 보인다. 실험 결과 커버리지가 퍼징 도구인 AFL의 큐의 파일들보다 약 10% 정도 높은 것을 확인할 수 있었고 Hwpviewer 바이너리에서 초기 퍼징 단계 시 발생한 두 가지의 크래쉬를 사용하여 새로운 크래쉬 두 가지를 더 발견할 수 있었다.