• 한국가정과교육학회지
• /
• 제29권3호
• /
• pp.105-124
• /
• 2017

본 연구는 통일 한국에 대비하여 통일 후 대한민국의 주축으로 성장할 청소년들을 대상으로 북한의 가정생활문화에 대한 이해를 돕기 위한 교육 프로그램을 개발하는 것을 목적으로 하였다. 이를 위하여 현행 교육과정에서 이루어지는 통일교육과 가정생활문화에 해당하는 선행연구를 고찰하고 이를 근거로 교육 내용을 선정하였다. 교육은 2015년 12월 사이에 서울시내 남녀공학 중학교 1학년 두 개 학급을 대상으로 시행되었다. 교육 내용은 가정교과의 세부 내용학을 중심으로 실생활과 밀접한 식생활, 의생활, 주생활, 가족생활 및 대인관계, 소비생활 및 여가 등의 주제로 12차시 분량으로 준비되었다. 사전-사후 평가에서 소비생활, 여가생활, 아동 가족생활, 식생활, 의생활, 주생활의 모든 분야에서 유의한 효과가 있었다. 또한 학생들의 구술 응답에서도 프로그램의 내용이 실생활에 도움이 될 것이라 하였으며 학기 중에도 이와 같은 교육프로그램이 개설될 것을 희망하였다. 이 프로그램은 남한의 청소년들에게 북한의 가정생활문화의 이해를 도움으로써 앞으로 다가올 미래의 통일한국을 대비 하도록 하는 통일교육 프로그램의 역할을 할 것으로 기대된다.

• 한국가정과교육학회지
• /
• 제33권3호
• /
• pp.129-142
• /
• 2021

본 연구는 2019년 5월 중에 J 지역 예비교사 270명을 대상으로 설문지법에 의해 의생활 라이프스타일이 교사의복에 대한 태도에 미치는 영향을 파악함으로써 교직의복문화의 교육적 자료를 제공하고자 하였다. 본 연구의 자료분석을 위하여 SPSS 24.0 Program을 이용하여 요인분석, Cronbach's α 신뢰도 계수, t검증, 일원변량분석과 Duncan의 다중비교검증, 다중회귀분석을 실시하였다. 연구결과, 첫째, 중등학교 예비교사의 의생활 라이프스타일은 패션유행지향, 의복중요성지향, 매력적 외모지향, 경제성지향 요인으로, 또한 교사의복에 대한 태도는 활동성, 유행성, 정숙성 요인으로 유형화되었다. 둘째, 중등학교 예비교사의 의생활 라이프스타일, 교사의복에 대한 태도는 인구통계학적 변인인 성별, 학년에 따라 통계적으로 유의미한 차이가 있었다. 셋째, Z세대인 중등학교 예비교사의 의생활 라이프스타일은 교사의복에 대한 태도에 영향을 주는 것을 알 수 있었다. 결론적으로, 이제까지의 교사의복에 대한 고정관념에서 벗어나 교사의 변화하는 라이프스타일에 따라 의복을 착용하고 교직을 수행하는 교직의복문화가 형성되어져야 하겠다.

• 지능정보연구
• /
• 제19권4호
• /
• pp.123-132
• /
• 2013

최근 스마트 폰에 다양한 센서를 내장할 수 있게 되었고 스마트폰에 내장된 센서를 이용항 동작 인지에 관한 연구가 활발히 진행되고 있다. 스마트폰을 이용한 동작 인지는 노인 복지 지원이나 운동량 측정. 생활 패턴 분석, 운동 패턴 분석 등 다양한 분야에 활용될 수 있다. 하지만 스마트 폰에 내장된 센서를 이용하여 동작 인지를 하는 방법은 사용되는 센서의 수에 따라 단일 센서를 이용한 동작인지와 다중 센서를 이용한 동작인지로 나눌 수 있다. 단일 센서를 이용하는 경우 대부분 가속도 센서를 이용하기 때문에 배터리 부담은 줄지만 다양한 동작을 인지할 때에 특징(feature) 추출의 어려움과 동작 인지 정확도가 낮다는 문제점이 있다. 그리고 다중 센서를 이용하는 경우 대부분 가속도 센서와 중력센서를 사용하고 필요에 따라 다른 센서를 추가하여 동작인지를 수행하며 다양한 동작을 보다 높은 정확도로 인지할 수 있지만 다수의 센서를 사용하기 때문에 배터리 부담이 증가한다는 문제점이 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해 스마트 폰에 내장된 가속도 센서를 이용하여 다양한 동작을 높은 정확도로 인지하는 방법을 제안한다. 서로 다른 10가지의 동작을 높을 정확도로 인지하기 위해 원시 데이터로부터 17가지 특징을 추출하고 각 동작을 분류하기 위해 Ensemble of Nested Dichotomies 분류기를 사용하였다. Ensemble of Nested Dichotomies 분류기는 다중 클래스 문제를 다수의 이진 분류 문제로 변형하여 다중 클래스 문제를 해결하는 방법으로 서로 다른 Nested Dichotomy 분류기의 분류 결과를 통해 다중 클래스 문제를 해결하는 기법이다. Nested Dichotomy 분류기 학습에는 Random Forest 분류기를 사용하였다. 성능 평가를 위해 Decision Tree, k-Nearest Neighbors, Support Vector Machine과 비교 실험을 한 결과 Ensemble of Nested Dichotomies 분류기를 사용하여 동작 인지를 수행하는 것이 가장 높은 정확도를 보였다.