• 문화기술의 융합
• /
• 제8권1호
• /
• pp.105-113
• /
• 2022

본 연구는 간호대학생을 대상으로 공감능력, 의사소통능력, 회복탄력성이 임상실습적응에 미치는 영향을 확인하여 효율적인 임상실습 교육을 위한 학습전략 마련을 위한 기초자료를 제공하고자 시도되었다. 연구참여자는 B시의 3개 대학의 간호대학생 244명을 대상으로 실시하였다. 자료분석은 SPSS 21.0 프로그램을 이용하여 실수, 백분율, 평균, 표준편차, t-test, ANOVA, 피어슨 상관계수, 다중회귀분석으로 분석하였다. 대상자의 공감능력은 3.49±.44점, 의사소통능력 3.86±.85점, 회복탄력성 3.63±.56점, 임상실습적응은 3.63±.52점이었다. 대상자의 임상실습적응에 영향을 미치는 요인은 공감능력, 의사소통능력, 회복탄력성으로 나타났으며, 설명력은 39.9%로 확인되었다. 본 연구결과를 통하여 간호대학생의 임상실습적응에 영향을 미치는 공감능력, 의사소통능력과 회복탄력성을 향상시키기 위한 교육프로그램 마련이 필요하다.

• 한국융합학회논문지
• /
• 제9권10호
• /
• pp.355-362
• /
• 2018

본 연구는 중학생을 대상으로 추적조사를 실시한 빅데이터를 바탕으로 학교체육활동이 스마트폰의존도에 어떠한 영향을 미치고, 또한 학교생활적응에 어떠한 영향을 미칠 수 있는지에 대한 관계모형을 설정하여 이를 검증하는데 연구의 목적이 있다. 이를 위한 연구대상은 한국청소년정책연구원(NYPI)에서 수집한 한국아동 청소년패널조사(KCYPS) 중 중학교 2학년 시점의 자료를 사용하였다. 자료처리는 SPSS 23.0을 이용하여, 기술통계분석과 신뢰도 분석, 일원변량분석 그리고 회귀분석을 실시하였다. 이에 본 연구를 통해 도출된 결과를 통해 다음과 같은 결론을 얻었다. 첫째, 청소년의 체육수업 활동시간과 스마트폰 의존도의 차이는 체육수업에 열정적으로 참여할수록 스마트폰 의존도는 낮아졌다. 둘째, 청소년의 체육수업 활동시간과 학교생활적응의 차이는 학교생활적응 중 학습활동, 교우관계 그리고 교사관계에서 체육수업 활동시간이 많을수록 학교생활적응에 긍정적이었다. 셋째, 청소년의 스마트폰 의존도가 학교생활적응에 미치는 영향은 스마트폰 의존도가 낮을수록 학습활동이나 학교규칙에 긍정적으로 영향을 미치고 있었다.

• 문화기술의 융합
• /
• 제6권4호
• /
• pp.9-14
• /
• 2020

이 연구에서는 장애학생을 위해 개발된 통합교육 과학과 자료 e-book이 보편적 학습설계 측면에서 적합하게 구현되었는지 살펴보았다. 분석을 위해 2015 개정 교육과정 초등학교 과학과 3~6학년까지 일반 교과서 내용을 학습하기 어려운 장애학생을 위해 교수 적합화(adaptation)한 국가 수준 자료인 「장애학생 통합교육 교수-학습 자료: 과학과」를 선정하였다. 과학과 3~6학년 영역은 기초과학탐구, 물질, 생명, 운동과 에너지, 지구와 우주로 총 40개 단원으로 구성되어 있다. 내용분석기준은 CAST(2018)에서 제시된 UDL 3개 원칙에 따른 9개 항목의 세부항목을 기준으로 하였다. 연구결과 통합교육 과학과 e-book은 UDL 원칙 중 전략적 네트워크가 가장 많았으며, 운동과 에너지 영역에서 가장 많이 나타났다. UDL 원칙별로 살펴보면, 인지적 네트워크는 학습자에 맞는 정보제시 구현, 전략적 네트워크는 자료탐색 방식 다양화 등(4.1~5.2/6.3), 정서적 네트워크는 난이도를 최적화한 다양한 자료제시가 가장 많이 나타났다.

• 한국멀티미디어학회논문지
• /
• 제6권7호
• /
• pp.1312-1320
• /
• 2003

본 논문에서는 하나의 은닉층을 가지는 다층 구조 신경망이 고려되었다. 다층 구조 신경망에서 널리 사용되는 오루 역전파 학습 방법은 초기 가중치와 불충분한 은닉층 노드 수로 인하여 지역 최소화에 빠질 가능성이 있다. 따라서 본 논문에서는 퍼지 단층 퍼셉트론에 ART1을 결합한 방법으로, 은닉층의 노드를 자가 생성(self-generation)하는 퍼지 지도 학습 알고리즘을 제안한다. 입력층에서 은닉층으로 노드를 생성시키는 방식은 ART1을 수정하여 사용하였고, 가중치 조정은 특정 패턴에 대한 저장 패턴을 수정하도록 하는 winner-take-all 방식을 적용하였다. 제안된 학습 방법의 성능을 평가하기 위하여 학생증 영상을 대상으로 실험한 결과. 기존의 오류 역전파 알고즘보다 연결 가중치들이 지역 최소화에 위치할 가능성이 줄었고 학습 속도 및 정체 현상이 개선되었다.

• Investigative Magnetic Resonance Imaging
• /
• 제25권4호
• /
• pp.300-312
• /
• 2021

Compressed sensing (CS) has been investigated in magnetic resonance (MR) parametric mapping to reduce scan time. However, the relatively long reconstruction time restricts its widespread applications in the clinic. Recently, deep learning-based methods have shown great potential in accelerating reconstruction time and improving imaging quality in fast MR imaging, although their adaptation to parametric mapping is still in an early stage. In this paper, we proposed a novel deep learning-based framework DEMO for fast and robust MR parametric mapping. Different from current deep learning-based methods, DEMO trains the network in an unsupervised way, which is more practical given that it is difficult to acquire large fully sampled training data of parametric-weighted images. Specifically, a CS-based loss function is used in DEMO to avoid the necessity of using fully sampled k-space data as the label, thus making it an unsupervised learning approach. DEMO reconstructs parametric weighted images and generates a parametric map simultaneously by unrolling an interaction approach in conventional fast MR parametric mapping, which enables multi-tasking learning. Experimental results showed promising performance of the proposed DEMO framework in quantitative MR T1ρ mapping.

• Journal of Information Processing Systems
• /
• 제20권2호
• /
• pp.149-158
• /
• 2024

Traditional manual identification of crop leaf diseases is challenging. Owing to the limitations in manpower and resources, it is challenging to explore crop diseases on a large scale. The emergence of artificial intelligence technologies, particularly the extensive application of deep learning technologies, is expected to overcome these challenges and greatly improve the accuracy and efficiency of crop disease identification. Crop leaf disease identification models have been designed and trained using large-scale training data, enabling them to predict different categories of diseases from unlabeled crop leaves. However, these models, which possess strong feature representation capabilities, require substantial training data, and there is often a shortage of such datasets in practical farming scenarios. To address this issue and improve the feature learning abilities of models, this study proposes a deep transfer learning adaptation strategy. The novel proposed method aims to transfer the weights and parameters from pre-trained models in similar large-scale training datasets, such as ImageNet. ImageNet pre-trained weights are adopted and fine-tuned with the features of crop leaf diseases to improve prediction ability. In this study, we collected 16,060 crop leaf disease images, spanning 12 categories, for training. The experimental results demonstrate that an impressive accuracy of 98% is achieved using the proposed method on the transferred ResNet-50 model, thereby confirming the effectiveness of our transfer learning approach.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.37-44
• /
• 2021

이 연구는 지능형학습시스템에서 학습활동을 분석하는 전략에 대한 것이다. 이를 위해 지능형학습시스템에 대한 개념정의와 지능형학습시스템을 이용하는 학습 유형을 분석하였다. 학습유형으로는 개인형, 적응형, 역량중심, 블랜디드 학습으로 제시하였으며 4가지는 약간의 차이가 있지만 대부분 유사한 성격을 가지고 있다. 또한 학습활동 분석은 시스템에서 생성되는 마우스 클릭, 키보딩, 업로드 등의 데이터가 기본이 된다. 이를 통해 시청시간, 업로드 횟수 등의 기초적인 분석을 수행할 수 있다. 하지만 개인화, 적응형을 위해서는 보다 다양한 학습 분석이 필요하다. 그것은 학습태도, 성취도 수준뿐만 아니라 메타인지 수준, 창의력 수준등을 판단할 수 있다. 그런데 메타인지 등의 수준은 복잡한 인간의 인지활동을 포함하고 있기 때문에 지능형학습시스템의 판단에 교사의 개입이 필요하다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권10호
• /
• pp.4930-4951
• /
• 2018

The deep learning based speech enhancement has shown considerable success. However, it still suffers performance degradation under mismatch conditions. In this paper, an adaptation method is proposed to improve the performance under noise mismatch conditions. Firstly, we advise a noise aware training by supplying identity vectors (i-vectors) as parallel input features to adapt deep neural network (DNN) acoustic models with the target noise. Secondly, given a small amount of adaptation data, the noise-dependent DNN is obtained by using $L_2$ regularization from a noise-independent DNN, and forcing the estimated masks to be close to the unadapted condition. Finally, experiments were carried out on different noise and SNR conditions, and the proposed method has achieved significantly 0.1%-9.6% benefits of STOI, and provided consistent improvement in PESQ and segSNR against the baseline systems.

• 대한산업공학회지
• /
• 제23권1호
• /
• pp.129-146
• /
• 1997

In traditional approaches to scheduling problems, a single dispatching rule was used by all machines in a system. However, since the situation of each machine generally differs from those of other machines, it is reasonable to apply a different dispatching rule to each machine responding to its given situation. In this regard, we introduce the concept of spatial adaptation and examine its effectiveness by simulation. In the spatial adaptation, each machine in a system selects an appropriate dispatching rule in order to improve productivity while it strives to be in harmony with other machines. This study proposes an adaptive procedure which produces a reliable dispatching rule for each machine beginning with the bottleneck machine. The dispatching rule is composed of several criteria of which priorities are adaptively weighted. The weights are learned for each machine through systematic simulations. The simulations are conducted according to a Taguchi experimental design in order to find appropriate sets of criteria weights in an efficient and robust way in the context of environmental variations. The proposed method was evaluated in an application to a semiconductor wafer fabrication system. The method achieved reliable performance compared to traditional dispatching rules, and the performance quickly approached the peak after learning for only a few bottleneck machines.

• 한국조리학회지
• /
• 제16권2호
• /
• pp.185-198
• /
• 2010

본 연구의 목적은 조리전공자의 조리 실습 시설에 대한 만족도와 입학 전 교육 경험에 따른 대학 생활 적응의 관계를 조사하고자 한다. 본 연구의 목적을 달성하고자 충청권에 위치한 대학교 3곳의 조리전공자를 대상으로 총 200명을 표본으로 수집하였으며, 이 중 191부를 분석하였다. 이에 대한 분석 결과는 다음과 같다. 첫째, 인구통계학적 특성 중 남학생과 고학년 전공자, 일반계 고등학교 졸업자의 대학 생활 적응도가 높은 것으로 나타났다. 둘째, 입학 전 교육 경험이 없는 집단이 교육 경험이 있는 집단에 비해 대학 생활 적응도가 부분적으로 더 높은 것으로 나타났다. 셋째, 조리 실습 시설의 만족 수준이 높은 집단이 만족 수준이 낮은 집단보다 대학 생활 적응도가 더 높은 것으로 나타났다. 넷째, 상호작용 효과의 분석결과는 조리 실습 시설 만족도가 높은 집단의 경우 사전 교육 경험이 없는 집단의 대학 애착 정도와 신체적 적응도가 더 높은 것으로 나타났으며, 사전 교육 경험이 있는 집단의 경우 정서적 적응 및 사회적 적응이 더 높은 것으로 나타났다. 조리 실습 시설 만족도가 낮은 집단의 경우, 사전 교육 경험이 없는 집단의 대학 애착 정도만이 더 높은 것으로 나타났으며, 사전 교육 경험이 있는 집단의 사회적 적응, 정서적 적응, 신체적 적응도가 더 높은 것으로 나타났다. 그러므로 미래 지향적 교수-학습이 원만하게 수행될 수 있도록 전공자의 만족도가 높고 그 기능을 충분히 다할 수 있는 새로운 조리 교육 환경이 계획되어야할 것이다.