• 한국융합학회논문지
• /
• 제13권5호
• /
• pp.401-411
• /
• 2022

본 연구의 목적은 코로나19 상황에서 실시간 원격수업과 비실시간 원격수업을 함께 적용한 성인간호학 비대면 혼합수업이 간호대학생의 학습만족도에 미치는 융합적인 요인을 파악하기 위한 서술적 조사연구이다. 연구대상자는 A시에 소재한 간호학과 재학생 109명을 대상으로, 2021년 12월 15일부터 12월 30일까지 자료를 수집하였다. 수집된 자료는 SPSS 22.0 프로그램을 사용하여 빈도, 백분율, 평균과 표준편차, x² test, t-test, One-way ANOVA, Pearson's correlation coefficient, Hierarchical multiple regression analysis로 분석하였다. 연구결과 간호대학생의 학습몰입은 3.41±0.61점, 자기조절학습능력은 3.69±0.66점, 학습만족도는 3.98±0.61점으로 나타났다. 그리고 학습만족도는 학습몰입(r=.416, p<.001), 자기조절학습능력(r=.752, p<.001)과 유의한 양의 상관관계가 있었다. 위계적 회귀분석 결과 학습만족도에 영향을 미치는 요인은 자기조절학습능력과 전공만족도 순으로 나타났으며(F=39.20, p<.001), 모형의 설명력은 60.6%였다. 따라서 본 연구를 토대로 간호대학생의 학습만족도를 향상시키기 위해 자기조절학습능력을 높이고, 포스트 코로나 시대에서 교육 환경 변화의 요구를 고려한 교육 프로그램 개발 및 운영이 필요하다.

• 정보교육학회논문지
• /
• 제15권4호
• /
• pp.525-531
• /
• 2011

본 논문은 위키 기반 프로젝트 학습에서 지식관리 유형에 대한 연구이다. 프로젝트 학습에서 학습자에게 일어나는 지식의 흐름을 분석하기 위하여 SECI 지식관리 이론을 적용하여 위키 프로젝트 학습 시스템을 구현하였다. 구현된 시스템을 통하여 프로젝트 학습을 진행하여 단계별 지식관리의 유형을 분석하였다. 분석결과 예비계획 단계에서 암묵지를 바탕으로 새로운 지식을 만드는 표출화가 두드러지게 나타났다. 그리고 주제결정 단계와 활동계획 단계에서 지식의 연결화 과정이 나타났다. 또한 탐구 및 토의단계에서는 표출화와 연결화가 두드러지며 내면화 유형이 타나나기 시작했다. 결과공유 단계에서는 지식의 연결화가 가장 많이 나타났다. 여섯째, 반성 및 평가단계에서는 내면화 유형이 가장 많이 나타났으며, 지식의 평가를 위한 연결화 과정도 보였다. 이 연구는 프로젝트 학습에서 학습자의 지식관리 유형을 밝혀냄으로써 프로젝트 학습모형의 정교화에 기여할 수 있을 것이다.

• 컴퓨터교육학회논문지
• /
• 제10권1호
• /
• pp.77-88
• /
• 2007

PMP(Portable Multimedia Players)와 같은 모바일 정보기기를 학습에 활용하는 경우에는 기존 학습모델과는 차별화된 적용모델이 필요하다. PMP는 비디오, 오디오, 이미지, 사운드, 비디오 등과 같은 서로 다른 포맷의 미디어들을 저장, 이동, 플레이 하는데 융통성을 가지고 있다. 본 연구의 목적은 기술수용모델을 확장하여 PMP를 학습목적에서 사용하는 사람들을 대상으로 그들의 PMP 사용과 수용에 영향을 미치는 유인요인들을 탐색하는데 있다. 온라인 서베이 분석결과, 지각된 유용성, 지각된 용이성, 플로우, 지각된 유의성이 PMP 사용 만족에 통계적으로 유의한 영향을 미치는 것으로 나타났다. 또한, 지각된 용이성과 콘텐츠 신뢰가 지각된 유용성에 유의한 영향을 가지며, 지각된 유용성, 지각된 용이성, 지각된 유희성 요인이 플로우에 유의한 영향력을 가지는 것으로 나타났다. 이 과정에서 PMP를 학습에 활용하는 시사점 및 한계 등도 논의하였다.

• 건축역사연구
• /
• 제13권4호
• /
• pp.7-18
• /
• 2004

From the results of an examination of the transition process of the site plan divided into 5 stages based on literature and materials relating to the Sangju Confucian School as well as the construction history, we can see the general transition flow as follows. The arrangement form of Sangju Confucian School shows the structures with both the sacrificial rites function and the learning function in the early period. This shows a large general flow where the form with the learning function structure at the front and sacrificial rites function structure at the back changed to a form where the learning function structure was positioned behind the boarding facilities, after which there was a transformation which left only the learning function (the form where the learning function structure was positioned in front of the boarding facilities). The type where the learning function structure is positioned in front of the boarding facilities is hard to find in the Yeongnam area, also, there are not many examples of the 2 story Myeonglyundang (hall of confucianism teachings) throughout the country Sangju Confucian School which possess the value of rarity is appraised as being a precious material showing another area characteristic in Sangju of the Yeongnam area. Also, during the late Chosun period the scale of the Dongseojae (boarding facility) was reduced and the appearance of Yangsajae can be said to be a typical example of confucian school constructions of late Chosun era.

• 한국산학기술학회논문지
• /
• 제12권11호
• /
• pp.5135-5142
• /
• 2011

이 논문에서는 도심 지역의 교통 제어 시스템의 동적 응답 성능 향상을 위하여 적응형 Q-Learning 강화 학습 메커니즘을 설계 하였다. 도로, 자동차, 교통 제어 시스템을 지능 시스템으로 모델링 하고, 자동차와 도로 사이는 무선 통신을 이용한 네트워크가 구성된다. 도로와 대로변에 필요한 센터네트워크가 설치되고 Q-Learning 강화 학습은 제안한 메커니즘의 구현을 위해 핵심 알고리즘으로 채택하였다. 교통 신호 제어 규칙은 자동차와 도로에서 매 시간 업데이트된 정보에 따라서 결정되며, 이러한 방법은 기존의 교통 제어 시스템에 비하여 도로를 효율적으로 활용하며 결과적으로 교통 흐름을 개선 한다. 알고리즘을 활용한 최적의 신호 체계는 온라인상에서 자동으로 학습함으로서 구현된다. 시뮬레이션을 통하여 제안한 알고리즘이 기존 시스템에 비하여 효율성 개선과 차량의 대개 시간에 대한 성능 지수가 모두 30% 이상 향상되었다. 실험 결과를 통하여 제안한 시스템이 교통 흐름을 최적화함을 확인하였다.

• 농업과학연구
• /
• 제46권1호
• /
• pp.67-78
• /
• 2019

The purpose of this study was to predict the water quality using the RNN (recurrent neutral network) and LSTM (long short-term memory). These are advanced forms of machine learning algorithms that are better suited for time series learning compared to artificial neural networks; however, they have not been investigated before for water quality prediction. Three water quality indexes, the BOD (biochemical oxygen demand), COD (chemical oxygen demand), and SS (suspended solids) are predicted by the RNN and LSTM. TensorFlow, an open source library developed by Google, was used to implement the machine learning algorithm. The Okcheon observation point in the Geum River basin in the Republic of Korea was selected as the target point for the prediction of the water quality. Ten years of daily observed meteorological (daily temperature and daily wind speed) and hydrological (water level and flow discharge) data were used as the inputs, and irregularly observed water quality (BOD, COD, and SS) data were used as the learning materials. The irregularly observed water quality data were converted into daily data with the linear interpolation method. The water quality after one day was predicted by the machine learning algorithm, and it was found that a water quality prediction is possible with high accuracy compared to existing physical modeling results in the prediction of the BOD, COD, and SS, which are very non-linear. The sequence length and iteration were changed to compare the performances of the algorithms.

• 정보보호학회논문지
• /
• 제30권6호
• /
• pp.1031-1041
• /
• 2020

클라우드 컴퓨팅 환경에서 기계학습 서비스를 제공하는 Machine-Learning-as-a-Service(MLaaS) 등이 활발히 개발됨에 따라 보다 다양한 분야에서 인공지능 기술을 손쉽고 효과적인 방법으로 활용할 수 있게 되었다. 클라우드 환경에서는 가상화 기술을 통해 각 사용자에게 논리적으로 독립된 컴퓨팅 공간을 제공하는데, 최근 시스템의 취약점을 이용해 클라우드 테넌트(tenant) 사이에 다양한 부채널이 존재할 수 있다는 연구 결과가 발표되고 있다. 본 논문에서는 이러한 멀티-테넌시(multi-tenancy) 환경에서 멜트다운 취약점을 이용하여 딥러닝 모델의 내부 정보를 추출할 수 있는 현실적인 공격 시나리오를 제시한다. 이후 TensorFlow 딥러닝 서비스에 대한 실험을 통해 92.875%의 정확도와 1.325kB/s의 속도로 인공신경망의 모든 정보를 추출할 수 있음을 보인다.

• 한국컴퓨터정보학회논문지
• /
• 제14권12호
• /
• pp.209-216
• /
• 2009

사회복지기관 종사자들은 업무의 특수성으로 인하여 그 어느 조직보다도 학습의 중요성이 강조되는 조직이다. 이는 최근 들어 급증하고 있는 사회복지서비스의 욕구 다양화 및 수요자중심의 복지 서비스 증진이 요구되고 있기 때문이다. 이러한 문제의식에서 출발한 이 연구는 새로운 조직 관리 전략의 하나로써 거론되고 있는 학습지향성 이론들이 사회복지기관 종사자들에게 어떠한 영향을 미치는가를 연구해 보려는데 목적을 두었다. 이러한 연구목적을 달성하기 위하여 이에 관련된 선행연구들을 토대로 가설적 모형을 설정하고 이들의 인과관계를 살펴보고자 하였다. 이를 위해 G광역시 소재 사회복지기관 종사자들을 대상으로 실증적 분석을 기하였다. 연구결과 학습지향성 요인인 학습몰입, 비전 공유, 개방성은 구성원의 직무만족에 유의한 영향을 미친다는 가설이 검증되었다. 이는 사회복지기관 종사자들에 대한 학습몰입의 수준, 비전공유의 수준, 개방성의 수준을 높여준다면 직무만족을 제고시켜줄 수 있다는 것을 시사하는 결과로 보인다.

• Nuclear Engineering and Technology
• /
• 제54권1호
• /
• pp.36-48
• /
• 2022

As a valid numerical method to obtain a high-resolution result of a flow field, computational fluid dynamics (CFD) have been widely used to study coolant flow and heat transfer characteristics in fuel rod bundles. However, the time-consuming, iterative calculation of Navier-Stokes equations makes CFD unsuitable for the scenarios that require efficient simulation such as sensitivity analysis and uncertainty quantification. To solve this problem, a reduced-order model (ROM) based on proper orthogonal decomposition (POD) and machine learning (ML) is proposed to simulate the flow field efficiently. Firstly, a validated CFD model to output the flow field data set of the rod bundle is established. Secondly, based on the POD method, the modes and corresponding coefficients of the flow field were extracted. Then, an deep feed-forward neural network, due to its efficiency in approximating arbitrary functions and its ability to handle high-dimensional and strong nonlinear problems, is selected to build a model that maps the non-linear relationship between the mode coefficients and the boundary conditions. A trained surrogate model for modes coefficients prediction is obtained after a certain number of training iterations. Finally, the flow field is reconstructed by combining the product of the POD basis and coefficients. Based on the test dataset, an evaluation of the ROM is carried out. The evaluation results show that the proposed POD-ROM accurately describe the flow status of the fluid field in rod bundles with high resolution in only a few milliseconds.

• 한국인공지능학회지
• /
• 제11권4호
• /
• pp.29-34
• /
• 2023

The flow from developing a machine learning model to deploying it in a production environment suffers challenges. Efficient and reliable deployment is critical for realizing the true value of machine learning models. Bridging this gap between development and publication has become a pivotal concern in the machine learning community. FastAPI, a modern and fast web framework for building APIs with Python, has gained substantial popularity for its speed, ease of use, and asynchronous capabilities. This paper focused on leveraging FastAPI for deploying machine learning models, addressing the potentials associated with integration, scalability, and performance in a production setting. In this work, we explored the seamless integration of machine learning models into FastAPI applications, enabling real-time predictions and showing a possibility of scaling up for a more diverse range of use cases. We discussed the intricacies of integrating popular machine learning frameworks with FastAPI, ensuring smooth interactions between data processing, model inference, and API responses. This study focused on elucidating the integration of machine learning models into production environments using FastAPI, exploring its capabilities, features, and best practices. We delved into the potential of FastAPI in providing a robust and efficient solution for deploying machine learning systems, handling real-time predictions, managing input/output data, and ensuring optimal performance and reliability.