본 연구는 간호대학생 3학년을 대상으로 온라인학습 교육을 받은 경험에 관한 본질적인 구조와 의미를 파악하기 위해 시도된 질적연구이다. 이를 위해 2020학년 7월 1일부터 7월 31일까지 M대학의 학생 8명을 대상으로 인터뷰를 실시하였으며, 연구결과는 Colaizzi의 현상학적 분석방법을 적용하여 도출하였다. 구체적인 연구 결과는 다음과 같다. 온라인 학습경험은 3개의 범주(온라인학습의 부정적 경험, 온라인학습을 통한 성장, 온라인학습에 대한 기대)와 6개의 주제로 도출되었다. 결론적으로 간호대생의 온라인학습을 효과적으로 간호교육 현장에 적용하기 위해서 본 연구에서 도출된 결과를 반영하기를 제언한다.
International journal of advanced smart convergence
/
제13권2호
/
pp.48-60
/
2024
With the exponential growth of satellite data utilization, machine learning has become pivotal in enhancing innovation and cybersecurity in satellite systems. This paper investigates the role of machine learning techniques in identifying and mitigating vulnerabilities and code smells within satellite software. We explore satellite system architecture and survey applications like vulnerability analysis, source code refactoring, and security flaw detection, emphasizing feature extraction methodologies such as Abstract Syntax Trees (AST) and Control Flow Graphs (CFG). We present practical examples of feature extraction and training models using machine learning techniques like Random Forests, Support Vector Machines, and Gradient Boosting. Additionally, we review open-access satellite datasets and address prevalent code smells through systematic refactoring solutions. By integrating continuous code review and refactoring into satellite software development, this research aims to improve maintainability, scalability, and cybersecurity, providing novel insights for the advancement of satellite software development and security. The value of this paper lies in its focus on addressing the identification of vulnerabilities and resolution of code smells in satellite software. In terms of the authors' contributions, we detail methods for applying machine learning to identify potential vulnerabilities and code smells in satellite software. Furthermore, the study presents techniques for feature extraction and model training, utilizing Abstract Syntax Trees (AST) and Control Flow Graphs (CFG) to extract relevant features for machine learning training. Regarding the results, we discuss the analysis of vulnerabilities, the identification of code smells, maintenance, and security enhancement through practical examples. This underscores the significant improvement in the maintainability and scalability of satellite software through continuous code review and refactoring.
대학교육에 봉사활동을 접목하려는 노력이 확대되고 있는 가운데 본 연구에서는 봉사학습(SERVICE-LEARNING)의 개념을 사회복지교육에 적용한 효과를 고찰하였다. 가족복지론 교과 수업과 봉사활동을 병행하면서 학생들의 개인적 성장요인으로서 자기효능감, 이타성, 사회적 책임의 변화를 양적연구로 분석하였고, 교과목 학습효과를 파악하기 위하여 질적연구방법으로 봉사활동 일지를 내용분석하였다. 분석결과, 봉사학습을 통해 학생들은 자기효능감, 이타성, 사회적 책임에서 자기효능감과 사회적 책임이 통계적으로 유의미한 수준으로 증가하였다. 또한 질적분석 결과, 가족문제에 대한 개입과정을 실제 적용해 보고, 가족복지이론에 대한 이해증진, 가족복지 전반에 대한 관심 증진, 클라이언트에 대한 인식의 변화 등의 효과가 있었다. 이러한 결과로 볼 때, 봉사학습은 전공교육에 다양하게 적용해서 학생들의 개인적 성장을 도모하며, 학습효과를 증진하는데 유용한 교육방법이 될 것이다.
지금까지 이러닝 콘텐츠 개발의 대가 기준은 실제 이러닝 산업의 특성을 반영하지 않은 채 기존의 유사한 산업의 산정표나 가이드라인에 따라 산정되어 왔다. IT와 교육이 융합된 이러닝 산업에서 콘텐츠 개발 대가 기준의 부재는 이러닝 산업을 이끌어 가는 기업들에게 큰 애로사항으로 인식되어 왔다. 이러닝 산업의 특성을 반영하지 못한 개발 대가의 산정은 콘텐츠의 품질에 큰 영향을 끼치고 있으며, 이는 이러닝 산업의 성장과 발전을 저해하는 요인이다. 이러한 문제를 해결하기 위해, 본 연구에서는 이러닝 산업의 특성을 고려한 이러닝 콘텐츠 개발에 적합한 대가 기준을 제시하였다. 본문에서는 이러닝 산업의 콘텐츠 개발 대가 기준 책정에 대한 문제점과 그 특성을 분석하고, 기존의 대가 기준 산정 방식을 응용하여 이러닝 산업을 위한 콘텐츠 개발 대가 기준을 분류하고 정의하였다. 발주기관의 설문조사를 통해 이러닝 산업의 특성을 반영한 개발 대가 기준의 산정과 콘텐츠 개발 대가 기준 산정에 필요한 연구 방법론을 제시하여 이러닝 산업의 발전과 콘텐츠의 품질 향상에 기여할 수 있는 정책을 마련하고, 실질적으로 반영하여 사용함으로써 이러닝 산업이 보다 발전할 수 있을 것으로 기대한다.
본 연구는 스포츠센터 지도자들의 일터 학습(work place learning)과 관련하여 구성주의 관점 및 무형식 학습의 특성에 대해 이론적인 접근을 통한 고찰을 하였다. 이에 무형식 학습을 기반으로 하는 스포츠센터 지도자는 그 성장과정과 학습을 촉진 시키는 과정에서 경험과 실천적 측면에서의 일터 학습을 통한 전문성 신장이 될 수 있도록 하기 때문에 무형식 학습은 중요한 학습적 의미를 갖는다고 할 수 있다. 또한, 스포츠센터 지도 현장에서의 지도자는 일반적인 기업의 사무직 근로자에 비해 상대적으로 일터 학습에서 형식적인 학습의 기회가 부족하다고 할 수 있다. 따라서 무형식 학습의 유형 및 학습 향상에 대한 방안의 제시가 이루어져야 할 것이며 이러한 부분은 스포츠센터 지도자의 전문성 신장을 위한 중요한 요소로서 교육적 의미가 있다고 판단된다. 아울러 개인적, 환경적, 제도적, 조직적 측면에서 직장 내 학습 환경의 구축이 이루어진다면 스포츠센터 지도자들의 전문성 신장에 큰 도움이 될 것이라 생각된다.
This study analyzes a model appling value in the mobile learning. We investigate the interaction, ease of use, hedonic value, and utilitarian value considering importance factors in the mobile learning, and the customer values are found to influence the customer satisfaction. We analysis a relationship between these factors and the customer satisfaction, and the relationship between the customer satisfaction and the loyalty. Finally, we research difference among gender of the satisfaction on the mobile learning. To fulfill this purpose, the research model was designed from literature review, and the structural equation modeling technique was used to evaluate hypotheses. The major results of this study are as follows. First, the ease of use, hedonic value, and utilitarian value positively influenced the satisfaction, and the satisfaction had positive influences on the customer loyalty. But the interaction didn't have positive influence on the satisfaction. Second, gender difference was found for some path coefficient. Male user's interaction and ease of use has effect on the satisfaction, and Female user's hedonic value and utilitarian value have influenced the satisfaction. When it consider the market share or the growth potential of the mobile learning industry, the results of this study will provide the useful information to manage mobile learning.
본 연구는 기업연구에 유의한 영향을 미쳤던 일터학습에 관한 선행 연구사례를 배경으로 연구하게 되었다. 열약한 소상공인에게 일터학습의 참여기회를 간직하게 함으로써 문제점 해결과 보완 능력을 향상시키고 실천적 성장의 기회를 강화하기 위함이며, 교육, 정책 제도적 창치를 제안하기 위함이다. 따라서 소상공인의 일터학습, 직무만족, 서비스품질 간의 관계규명을 위해 선행연구를 배경으로 연구가설을 설정하였고 실증분석을 실시하였다. 203건의 설문 결과를 SPSS 18.0 프로그램으로 분석하였다. 분석결과 첫째. 일터학습은 직무만족에 부분적 정(+)의 영향을 미쳤다. 둘째. 일터학습은 서비스품질에 부분적 정(+)의 영향을 미쳤다. 셋째. 일터학습과 서비스품질 간의 관계에서 직무만족이 완전 매개 역할을 나타냈다. 이를 통해 일터학습의 하위요인 형식적 학습은 소상공인의 열약한 환경에 따라 외부교육 및 자체교육 그리고 체계화, 구조화 등 교육환경의 부제로 직무만족과 서비스품질에 영향을 미치지 못하는 것으로 연구되었다. 따라서 경영, 경제, 사회적 시각으로 소상공인의 열약한 환경을 그대로 드러내고 있음을 확인할 수 있었으며, 이러한 문제점 보완을 위해 정부기관 또는 지자체에 소상공인의 성장과 발전의 기회를 강화하기위한 교육, 정책, 제도적 장치를 제안할 수 있을 것이다. 이와 같은 연구결과가 유의하게 나왔음에도 불구하고 한계점은 있을 수 있다. 따라서 향후 다양한 표본으로 다양한 분야에서 추가 연구가 이루어 져야 할 것이며, 더 나아가 향상된 서비스품질 및 경영성과를 향상시킬 수 있는 학문적 실무적 관계에서도 연구가 이루어져야 할 것이다.
With the continuous growth in the amount of data collected and analyzed, deep learning has become increasingly popular for extracting meaningful insights from various fields. However, hardware limitations pose a challenge for achieving meaningful results with limited data. To address this challenge, this paper proposes an algorithm that leverages the characteristics of convolutional neural networks (CNNs) to reduce the size of image datasets by 20% through smoothing and shrinking the size of images using color elements. The proposed algorithm reduces the learning time and, as a result, the computational load on hardware. The experiments conducted in this study show that the proposed method achieves effective learning with similar or slightly higher accuracy than the original dataset while reducing computational and time costs. This color-centric dataset construction method using image smoothing techniques can lead to more efficient learning on CNNs. This method can be applied in various applications, such as image classification and recognition, and can contribute to more efficient and cost-effective deep learning. This paper presents a promising approach to reducing the computational load and time costs associated with deep learning and provides meaningful results with limited data, enabling them to apply deep learning to a broader range of applications.
KSII Transactions on Internet and Information Systems (TIIS)
/
제14권2호
/
pp.702-723
/
2020
The application of machine learning (ML) in intrusion detection has attracted much attention with the rapid growth of information security threat. As an efficient multi-label classifier, kernel extreme learning machine (KELM) has been gradually used in intrusion detection system. However, the performance of KELM heavily relies on the kernel selection. In this paper, a novel multiple kernel extreme learning machine (MKELM) model combining the ReliefF with nature-inspired methods is proposed for intrusion detection. The MKELM is designed to estimate whether the attack is carried out and the ReliefF is used as a preprocessor of MKELM to select appropriate features. In addition, the nature-inspired methods whose fitness functions are defined based on the kernel alignment are employed to build the optimal composite kernel in the MKELM. The KDD99, NSL and Kyoto datasets are used to evaluate the performance of the model. The experimental results indicate that the optimal composite kernel function can be determined by using any heuristic optimization method, including PSO, GA, GWO, BA and DE. Since the filter-based feature selection method is combined with the multiple kernel learning approach independent of the classifier, the proposed model can have a good performance while saving a lot of training time.
International Journal of Advanced Culture Technology
/
제11권1호
/
pp.283-289
/
2023
AI is bringing about drastic changes not only in the aspect of technologies but also in society and culture. Medical AI based on deep learning have developed rapidly. Especially, the field of medical image analysis has been proven that AI can identify the characteristics of medical images more accurately and quickly than clinicians. Evaluating the latest results of the AI-based medical image processing is important for the implication for the development direction of medical AI. In this paper, we analyze and evaluate the latest trends in AI-based medical image analysis, which is showing great achievements in the field of medical AI in the healthcare industry. We analyze deep learning models for medical image analysis and AI-based medical image segmentation for quantitative analysis. Also, we evaluate the future development direction in terms of marketability as well as the size and characteristics of the medical AI market and the restrictions to market growth. For evaluating the latest trend in the deep learning-based medical image processing, we analyze the latest research results on the deep learning-based medical image processing and data of medical AI market. The analyzed trends provide the overall views and implication for the developing deep learning in the medical fields.
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.