한국생물정보시스템생물학회 2000년도 International Symposium on Bioinformatics
/
pp.61-68
/
2000
Now that the complete genomes of numerous organisms have been ascertained, key problems in molecular biology include determining the functions of the genes in each organism, the relationships that exist among these genes, and the regulatory mechanisms that control their operation. These problems can be partially addressed by using machine learning methods to induce predictive models from available data. My group is applying and developing machine learning methods for several tasks that involve characterizing gene regulation. In one project, for example, we are using machine learning methods to identify transcriptional control elements such as promoters, terminators and operons. In another project, we are using learning methods to identify and characterize sets of genes that are affected by tumor promoters in mammals. Our approach to these tasks involves learning multiple models for inter-related tasks, and applying learning algorithms to rich and diverse data sources including sequence data, microarray data, and text from the scientific literature.
본 연구는 미래 교수-학습방법 유형과 학습 공간 유형을 분석하여 교수-학습방법 유형에 적합한 공간 유형을 연결(matching)해보고, 공간 유형별 교수-학습방법과 학습양식의 활용정도를 학교급별로 제안하고자 하였다. 그 결과, 플립 러닝, 디퍼 러닝, 협력 학습, 몰입형 가상현실 학습, 놀이 학습, OER활용 학습 등 6가지의 교수-학습방법 유형과 놀이 및 탐구 공간, 제작 및 거치 공간, 발표 및 전시 공간, 독립된 학습 공간, 학습의 장으로서의 교실, 학습의 내용으로서의 교실 등 6가지의 학습 공간 유형을 도출하였다. 아울러 Table 12와 13과 같이 미래 교수-학습방법 유형에 적합한 공간 유형을 연결해보고, 공간 유형별 교수-학습방법뿐만 아니라 22가지 학습양식의 활용정도를 학교급 또는 학년군별로 제시하였다.
최근에는 인공지능의 도래로 인하여 수많은 산업과 일반적인 응용에 적용됨으로써 우리의 생활에 큰 영향을 발휘하고 있다. 이러한 분야에 다양한 기계학습의 방식들이 제공되고 있다. 기계학습의 한 종류인 지도학습은 학습의 과정 중에 특징값과 목표값을 입력으로 가진다. 지도학습에도 다양한 종류가 있으며 이들의 성능은 입력데이터인 빅데이터의 특성과 상태에 좌우된다. 따라서, 본 논문에서는 특정한 빅 데이터 세트에 대한 다수의 지도학습 방식들의 성능을 비교하기 위해 텐서플로우(Tensorflow)와 사이킷런(Scikit-Learn)에서 제공하는 대표적인 지도학습의 방식들을 이용하여 파이썬언어와 주피터 노트북 환경에서 시뮬레이션하고 분석하였다.
Background: Hybrid learning is an educational approach that combines the teaching methods of online and lecture-style classes to compensate for each method's strengths and weaknesses. Compared to lecture-style classes, flipped learning improves overall class satisfaction and self-directed learning but is associated with lower learning motivation. It is necessary to determine whether hybrid flipped learning can solve the learning motivation problem of flipped learning by incorporating flipped learning into hybrid learning. The purpose of this study is to compare the effects of hybrid flipped learning and flipped learning on students' learning ability. Design: Cross-sectional study Methods: For students in the Department of Physical Therapy, classes were conducted using both flipped learning and hybrid flipped learning. In both learning methods, students took online classes first and participated in them every week. Flipped learning classes was conducted offline at school every week, while hybrid flipped learning alternated between live classes on YouTube and offline classes at school every other week. Results: Hybrid flipped learning resulted in significantly lower learning satisfaction and course evaluation than flipped learning, with no significant difference in grades. Conclusion: Hybrid flipped learning was able to cope with the situation well with the non-face-to-face teaching method caused by COVID-19, but it was difficult to improve learning ability because there were restrictions on activities that could interact with students. Flipped learning is a smooth offline activity that enables two-way activities between professors and students to improve learning ability, but the effect of improving test scores is still unclear.
This study aims to explore self-directed learning strategies of high academic achievers majoring in engineering. The research participants were 21 fourth-year students who had attained the first or second highest cumulative grade point average in each department during the past three-year and were asked to write an essay on "my successful learning methods or techniques." The essays were analyzed by theme analysis method which is one of the qualitative methods to extract the self-directed learning strategies used by high performing students. According to the results of this study, the self-directed learning strategies of excellent students could be categorized into fundamental strategies to induce self-directed learning, preparatory strategies, implementation strategies and management strategies for marinating self-directed learning. Detail information on each category is as follow: 1) fundamental strategies refer to positive and pleasant mind, academic confidence and effort attribution, 2) preparatory strategies refer to concrete and challenging goal setting, establishment of learning strategies adjusted courses characteristics and practical learning planning, 3) implementation strategies refer to intensive learning in class, knowledge exploration, knowledge acquisition, social networking and exhaustive preparation for exams and 4) management strategies refer to time management and learning environment management.
Purpose : This study aims to verify the effects of flipped learning on self-directed learning and class satisfaction in a class of college physical therapy students. Methods : The subjects were 97 students in College A who had registered for musculoskeletal examination and assessment and practice at the second semester of 2017. All subjects were measured with the self-directed learning questionnaire for college student proposed by Lee et al., and the class satisfaction questionnaire proposed by Lee et al., before and after intervention. The collected data were processed using a computerized statistical program SPSS Win version 21.0. Mean, standard deviation, paired t-test and Cronbach's alpha coefficient were calculated. Results : The results showed significant differences in goal setting, identify resources for learning, effort attributed to results, self-reflection of self-directed learning and problem solving excellence, class methods and contents attention and understanding(p<.05), class interest of class satisfaction(p<.05). Conclusion : These results suggest that flipped learning improves learning motivation and attitudes. Therefore, follow-up study is necessary to investigate further the application of flipped learning in various students and teaching methods.
Recently, deep learning methods have shown great potential in various tasks that involve handling large amounts of digital data. In the field of MR imaging research, deep learning methods are also rapidly being applied in a wide range of areas to complement or replace traditional model-based methods. Deep learning methods have shown remarkable improvements in several MR image processing areas such as image reconstruction, image quality improvement, parameter mapping, image contrast conversion, and image segmentation. With the current rapid development of deep learning technologies, the importance of the role of deep learning in MR imaging research appears to be growing. In this article, we introduce the basic concepts of deep learning and review recent studies on various MR image processing applications.
영상 기반의 보안 시스템의 증가함에 따라 각 용도마다 다른 다양한 객체들에 대한 처리들이 중요해지고 있다. 객체 추적은 객체 인식, 검출과 같은 작업들과 함께 필수적인 작업으로 다뤄진다. 이 객체 추적을 달성하기 위해서 다양한 머신러닝이 적용될 수 있다. 성공적인 분류기로써 전체 에러율 최소화(total-error-rate minimization) 기반의 방법론이 사용될 수 있다. 이 전체 에러율 최소화 기반의 방법론은 오프라인 학습을 기반으로 하고 있다. 객체 추적은 실시간으로 처리하며 갱신해야하는 것이 필수적이므로 온라인 학습(online learning)을 기반으로 하는 것이 적합하다. 온라인 전체 에러율 최소화 방법론이 개발되었지만 점근적으로 재가중되는(approximately reweighted) 작업이 포함되어 에러를 누적시킬 수 있다는 단점이 있다. 본 논문에서는 정확하게 재가중되는(exactly reweighted) 방법론을 제안하면서 온라인 전체 에러율 최소화가 달성되었다. 이 제안된 온라인 학습 방법론을 객체 추적에 적용하여 총 8개의 데이터베이스에서 다른 추적 방법론들 보다 좋은 성능이 달성되었다.
This research studied learning model for the purpose of renovation of mathematics teaching methods. Especially, this research classified the types of cooperative learning, the theoretical background for cooperative learning, the need of cooperative learning in school mathematics, and the differences between cooperative learning and traditional small group learning, This research also suggested special features of cooperative learning and various types of cooperative learning models. The main types of cooperative learning which this research supported are TAI(Team-Assisted Individualization, JIGSAW cooperative learning, JIGSAW II cooperative learning, JIGSAW III cooperative learning, STAD(Student Team-Achievement division) cooperative learning, and TGT(Teams-Games-Tournament).
이 연구는 학생이 선호하는 학습 전략과 방법이 있다는 학습 양식을 전제로 교사가 수업에 적용할 수 있는 학습 양식에 따른 프로그래밍 교수 전략과 방법을 제안한다. 관련 연구들은 대부분 학습 양식집단이 특정 능력에 차이가 있음을 증명하는 연구들이기 때문에 교사가 수업을 설계하거나 실현할 때, 연구의 결과가 큰 도움을 주지 못한다. 따라서 실제 수업을 설계하고 실현할 때 도움을 주기 위한 교수전략과 방법에 대한 연구가 필요하다. 이에 컴퓨터 교육 전문가들로 구성된 전문가 설문을 통해 연구된 학습 양식에 따른 프로그래밍 교수 전략과 방법을 제안한다. 제안된 교수 전략과 방법의 유용성을 확인하기 위해 실험 집단을 구성하여 실제 프로그래밍 교육을 설계하여 실현하였다. 수업을 마친 후 성취도 평가를 실시하여, 그 결과 차이를 학습 양식 집단별로 검증하였다. 이 연구의 실험자의 수가 적고 적용기간이 짧다는 제한점이 있지만, 앞으로의 학습 양식에 기반한 교수 전략과 방법 연구에 좋은 사례 연구가 될 것이다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.