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.
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.
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.
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.
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.
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.
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.
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.
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.
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.