• 실천공학교육논문지
• /
• 제15권3호
• /
• pp.589-595
• /
• 2023

인공지능 기술은 기술과 교육을 조합한 에듀테크(EdTech) 분야에서 효율적인 교육 콘텐츠 제공과 개인화된 학습자 환경을 구축 등 새로운 혁신을 이끌고 있다. 본 연구는 최근 발전된 생성형 AI를 활용한 프로그래밍 교육 소프트웨어를 개발한다. 최근 잘 알려진 ChatGPT API 기반으로 프로그래밍 코드 분석에 최적화된 프롬프트를 연동했다. 이외 프로그래밍 소스 코드 학습에 필요한 기능을 UI로 설계하고 AI 챗봇 기반의 질의/응답 템플릿 기능으로 개발하였다. 본 연구는 생성형 인공지능을 활용한 교육 프로그램 개발의 방향성을 제시하고자 한다.

• 국제학술발표논문집
• /
• The 8th International Conference on Construction Engineering and Project Management
• /
• pp.225-234
• /
• 2020

Reliability-based structural optimization usually requires designers or engineers model different designs manually, which is considered very time consuming and all possibilities cannot be fully explored. Otherwise, a lot of time are needed for designers or engineers to learn mathematical modeling and programming skills. Therefore, a framework that integrates generative design, structural simulation and reliability theory is proposed. With the proposed framework, various designs are generated based on a set of rules and parameters defined based on visual programming, and their structural performance are simulated by OpenSees. Then, reliability of each design is evaluated based on the simulation results, and an optimal design can be found. The proposed framework and prototype are tested in the optimization of a steel frame structure, and results illustrate that generative design based on visual programming is user friendly and different design possibilities can be explored in an efficient way. It is also reported that structural reliability can be assessed in an automatic way by integrating Dynamo and OpenSees. This research contributes to the body of knowledge by providing a novel framework for automatic reliability evaluation and structural optimization.

• 실천공학교육논문지
• /
• 제16권1_spc호
• /
• pp.33-39
• /
• 2024

본 연구는 최근 생성형 AI로 인한 새로운 교육 트렌드 변화에 학습자들의 수업 경험에 대한 긍정/부정 인식의 변화와 실제 활용 형태를 살펴본다. 공학 계열 대학생 6학급을 대상으로 2학기 동안 AI 챗봇을 웹 프로그래밍 수업에 활용하였고, 학기 초부터 설문 조사를 시작으로 중간/기말 고사 보고서 제출 기간까지 학습자의 경험과 활용에 대한 변화를 분석했다. 연구 분석 결과, Q/A 피드백과 실습 문제 해결 등 학습 개선에 도움이 되었고, 수업 적용 이후 중간부터 기말범위까지 챗봇에 대한 인식이 긍정적으로 변화하였다. 이외 수업 내에 커뮤니티 단절(개인화) 문제와 교육 S/W로써 활용 방안에 대한 유의미한 결론을 도출했다. 본 연구는 앞으로 생성형 AI 기반 소프트웨어 개발을 위한 기초 연구로써 의의가 있다.

• 인터넷정보학회논문지
• /
• 제5권4호
• /
• pp.125-134
• /
• 2004

최근 컴포넌트 기반의 소프트웨어 프러덕트 라인에 대한 연구와 소프트웨어 프러덕트 라인에 자동 생성 프로그래밍 기법을 적용하기 위한 연구가 활발히 진행 중이다. 본 논문은, 컴포넌트 기반의 소프트웨어 프러덕트 라인 개발에 활용될 수 있는 컴포넌트 재구성 자동화 도구를 제안한다. 본 도구는 도메인 공학의 주요 산물인 특성 모델로부터 재사용자의 요구 사항을 받아들여 특성 구성(feature configuration)을 만들고 이를 바탕으로 재구성된 컴포넌트 코드를 자동으로 생성한다. 이를 위하여 컨포넌트 패밀리는 자동 생성 프로그래밍의 한 기법인 GenVoco의 아키텍처를 가지며 XSLT 스크립트가 컴포넌트론 구성하는 구현 부품의 코드 템플릿을 제공한다. ‘은행 계좌’ 컴포넌트 패밀리를 사례 연구로 하여 본 논문의 컴포넌트 재구성 자동화 도구가 재사용자의 목적에 맞는 컴포넌트를 자동으로 생성함을 보였다. 본 논문의 연구 결과는 소프트웨어 프러덕트라인 개발의 생산성을 향상시키는데 응용될 수 있다.

• 실천공학교육논문지
• /
• 제16권3_spc호
• /
• pp.275-282
• /
• 2024

본 연구는 생성형 AI를 활용한 소프트웨어교육에 관한 수업모델을 연구하였다. 연구 목적은 ChatGPT를 소프트웨어교육에 활용함으로써 비전공학생들의 프로그래밍 수업에서 교수자의 보조자 역할로 ChatGPT를 활용하기 위함이다. 또한, ChatGPT를 이용해 학습자 개별 교육이 가능하도록 설계하고, 학생들이 필요로 한 시점에 즉각적인 피드백을 제공하고자 하였다. 연구 방법은 교양과목의 파이썬 수업을 듣는 컴퓨터 비전공자를 대상으로 ChatGPT를 보조자로 활용하여 수업을 진행하였다. 그리고 비전공학생의 프로그래밍 교육에서 ChatGPT가 보조자로서 가능성이 있는지 확인하였다. 학생들은 ChatGPT를 과제작성, 오류수정, 코딩 작성 및 지식 습득에 활발히 사용하였으며, 오류 해결에 많은 시간이 걸리는 것을 프로그램을 이해하는데 집중할 수 있는 등 다양한 이점을 확인하였다. ChatGPT가 학생들의 학습 효율을 높일 수 있는 가능성 볼 수 있었으며, 교육에 활용하는 데 있어서 더 많은 연구가 필요함을 알 수 있었다. 향후에는 ChatGPT를 활용한 교육 모델의 발전과 보완, 평가 방법에 관한 연구가 이루어질 것이다.

• 한국컴퓨터정보학회논문지
• /
• 제29권4호
• /
• pp.31-38
• /
• 2024

본 연구는 온라인 원격교육에서 코딩 교육 활성화를 위해, 생성형 AI 기반의 학습 지원 도구개발에 필요한 하이퍼 파라미터 설정을 제안한다. 연구를 위해 세 가지 다른 학습 맥락에 따라 하이퍼 파라미터를 설정할 수 있는 실험 도구를 구현하고, 실험 도구를 통해 생성형 AI의 응답 품질을 평가하였다. 생성형 AI 자체의 기본 하이퍼 파라미터 설정을 유지한 실험은 대조군으로, 연구에서 설정한 하이퍼 파라미터를 사용한 실험은 실험군으로 하였다. 실험 결과, 첫 번째 학습맥락인 "학습 지원"에서는 실험군과 대조군 사이의 유의한 차이가 관찰되지 않았으나, 두 번째와 세 번째 학습 맥락인 "코드생성"과 "주석생성"에서는 실험군의 평가점수 평균이 대조군보다 각각 11.6% 포인트, 23% 포인트 높은 것으로 나타났다. 또한, system content에 응답이 학습 동기에 미칠 수 있는 영향을 제시하면 학습 정서를 고려한 응답이 생성되는 것이 관찰되었다.

• International Journal of Naval Architecture and Ocean Engineering
• /
• 제11권1호
• /
• pp.44-51
• /
• 2019

Designing sophisticate ship structures that satisfy several design criteria simultaneously with minimum weight and cost is an important engineering issue. For a ship structure composed of a shell and stiffeners, this issue is more serious because their mutual effect has to be addressed. In this study, a two-stage optimization method is proposed for the conceptual design of stiffeners in a ship's prow. In the first stage, a topology optimization method is used to determine a potential stiffener distribution based on the optimal results, whereupon stiffeners are constructed according to stiffener generative theory and the material distribution. In the second stage, size optimization is conducted to optimize the plate and stiffener sections simultaneously based on a parametric model. A final analysis model of the ship-prow structure is presented to assess the validity of this method. The analysis results show that the two-stage optimization method is effective for stiffener conceptual design, which provides a reference for designing actual stiffeners for ship hulls.

• 한국의류학회지
• /
• 제47권6호
• /
• pp.1137-1156
• /
• 2023

With the advent of artificial intelligence (AI) during the Fourth Industrial Revolution, the fashion industry has simplified the production process and overcome the technical difficulties of design. This study anticipates likely changes in the digital age and develops a model that will allow consumers to design textile patterns using AI technology. Previous studies and industrial examples of AI technology's use in the textile design industry were investigated, and a textile pattern was developed using an AI algorithm. A new textile design model was then proposed based on its application to both virtual and physical clothing. Inspired by traditional Korean masks and props, AI technology was used to input color data from open application programming interface images. By inserting these into various repeating structures, a textile design was developed and simulated as garments for both virtual and real garments. We expect that this study will establish a new textile design development method for Generation Z, who favor customized designs. This study can inform the use of personalization in generative textile design as well as the systemization of technology-driven methods for customized and participatory textile design.

• 인터넷정보학회논문지
• /
• 제6권4호
• /
• pp.21-35
• /
• 2005

소프트웨어 제품 라인은 소프트웨어 자산에 존재하는 재구성 가능한 컴포넌트를 구체화하고 미리 정의된 아키텍처를 기반으로 조립함으로써 고품질의 응용 프로그램을 효율적으로 개발하기 위한 패러다임이다. 최근 컴포넌트 기반의 여러 가지 제품 라인 개발 방법론들이 제안되었지만, 가변성 지원 컴포넌트의 구체적인 구현 기술은 제공하지 못하고 있다. 한편, 가변성을 지원하기 위한 여러 가지 구현 기술이 개발되었지만, 이러한 구현 기술은 개발 초기부터 가변성을 고려한 체계적인 분석 및 설계 방법을 제공하지 못한다. 본 논문에서는, UMI 모델링 기법을 확장한 컴포넌트 기반 제품 라인 개발 방법론인 PLUS와 컴포넌트 자동 생성 기법을 결합하여 특정 제품 생산의 효율성을 높이는 기법을 제안한다. 본 논문에서의 컴포넌트는 가변성을 지원하는 구현 부품들이 계층 구조를 이루며 각 구현 부품들은 XSLT 스크립트로 작성된다. 특성 모델에서 선택된 특성들로부터 개발자가 원하는 컴포넌트의 코드가 자동 생성되며, 마이크로웨이브 오븐 제품 라인을 사례 연구로 해서 가변성 지원 컴포넌트의 개발 프로세스를 살펴본다.

• 천문학회보
• /
• 제44권1호
• /
• pp.54.2-54.2
• /
• 2019

Removing noise which occurs inevitably when taking image data has been a big concern. There is a way to raise signal-to-noise ratio and it is regarded as the only way, image stacking. Image stacking is averaging or just adding all pixel values of multiple pictures taken of a specific area. Its performance and reliability are unquestioned, but its weaknesses are also evident. Object with fast proper motion can be vanished, and most of all, it takes too long time. So if we can handle single shot image well and achieve similar performance, we can overcome those weaknesses. Recent developments in deep learning have enabled things that were not possible with former algorithm-based programming. One of the things is generating data with more information from data with less information. As a part of that, we reproduced stacked image from single shot image using a kind of deep learning, conditional generative adversarial network (cGAN). r-band camcol2 south data were used from SDSS Stripe 82 data. From all fields, image data which is stacked with only 22 individual images and, as a pair of stacked image, single pass data which were included in all stacked image were used. All used fields are cut in $128{\times}128$ pixel size, so total number of image is 17930. 14234 pairs of all images were used for training cGAN and 3696 pairs were used for verify the result. As a result, RMS error of pixel values between generated data from the best condition and target data were $7.67{\times}10^{-4}$ compared to original input data, $1.24{\times}10^{-3}$. We also applied to a few test galaxy images and generated images were similar to stacked images qualitatively compared to other de-noising methods. In addition, with photometry, The number count of stacked-cGAN matched sources is larger than that of single pass-stacked one, especially for fainter objects. Also, magnitude completeness became better in fainter objects. With this work, it is possible to observe reliably 1 magnitude fainter object.