Remote sensing data has been widely used in the estimation of crop yields by employing statistical methods such as regression model. Machine learning, which is an efficient empirical method for classification and prediction, is another approach to crop yield estimation. This paper described the corn yield estimation in Iowa State using four machine learning approaches such as SVM (Support Vector Machine), RF (Random Forest), ERT (Extremely Randomized Trees) and DL (Deep Learning). Also, comparisons of the validation statistics among them were presented. To examine the seasonal sensitivities of the corn yields, three period groups were set up: (1) MJJAS (May to September), (2) JA (July and August) and (3) OC (optimal combination of month). In overall, the DL method showed the highest accuracies in terms of the correlation coefficient for the three period groups. The accuracies were relatively favorable in the OC group, which indicates the optimal combination of month can be significant in statistical modeling of crop yields. The differences between our predictions and USDA (United States Department of Agriculture) statistics were about 6-8 %, which shows the machine learning approaches can be a viable option for crop yield modeling. In particular, the DL showed more stable results by overcoming the overfitting problem of generic machine learning methods.
본 연구는 팀 리더의 자기기만 행동이 팀 학습에 영향을 미치는 과정에서 심리적 안전감과 침묵풍토의 이중 매개 효과를 확인하고자 하였다. 이를 위하여 국내 일반기업에서 근무하는 직원 294명을 대상으로 설문조사를 실시하였으며, SPSS 21과 Process Macro v.3.3을 활용하여 자료 분석을 하였다. 연구 결과는 다음과 같다. 우선, 팀 리더의 자기기만 행동은 팀원들의 심리적 안전감과 부적 상관, 침묵풍토와 정적 상관, 팀 학습과 부적 상관이 있는 것으로 나타났다. 그리고 팀 리더의 자기기만 행동이 팀 학습에 영향을 미치는 관계에서 심리적 안전감과 침묵풍토가 각각 매개변인의 역할을 하는 것으로 나타났으며, 이들 심리적 안전감과 침묵풍토가 순차적으로 매개역할을 하는 이중매개효과 또한 확인되었다. 본 연구는 조직의 팀 성과 향상을 위해서 팀 리더의 진정성의 관리가 중요하다는 실무적인 의의가 있으며, 마지막으로 본 연구와 관련된 시사점 및 제한점이 결론 및 논의에서 다루어졌다.
서비스 러닝(service learning)은 최근 환경문제를 동반한 기후변화에 대처하기 위한 새로운 교육적 접근으로 새롭게 주목받고 있다. 그러나 국내 과학교육에서는 서비스 러닝에 대한 연구들이 부족하다. 이 연구에서는 기존의 관련 문헌들을 바탕으로 서비스 러닝에 대한 이론적 배경을 소개하고, 환경문제에 대한 과학교육의 새로운 접근 방법으로서 국내 과학교육 환경에서도 적용될 수 있는 개념적 틀을 제시하고자 하였다. 이를 위해 서비스 러닝과 관련하여 국내외 데이터베이스 검색을 통해 수집된 112편의 문헌들을 연구 대상으로 하여 분석하였다. 그 결과, Dewey의 경험학습에 뿌리를 둔 서비스 러닝의 이론적 배경을 소개하였고, 서비스 러닝을 학생들이 학습 내용과 관련된 구조화된 서비스 활동을 통해 지역사회가 필요로 하는 도움을 제공하고, 그와 동시에 학문적 이해의 깊이를 더하며, 나아가 사회 구성원으로서 공동체 의식과 책임감을 함양하는 형태의 경험학습으로 정의하였다. 또한 환경문제에 대응하기 위해 국내 과학교육 환경에 적용하기 위한 서비스 러닝의 개념적 틀을 제안하였다. 제안된 틀은 서비스 러닝의 구성원을 학교, 학생, 지역사회로 구분하고, 지식, 경험, 그리고 비판적 성찰(critical reflection)을 통한 학습을 그 핵심요소로 제시하고 있다. 기후변화, 생물 다양성, 대기오염, 산림황폐화 등을 포함한 다양한 환경문제를 다루기 위한 방안으로 우리나라 과학교육에서도 서비스 러닝을 적극적으로 활용할 필요가 있다. 따라서 제안된 서비스 러닝의 개념적 틀을 바탕으로 학교현장에서 지역사회 환경문제를 다루기 위해 다양한 형태로 적용하고 검증하는 연구들이 추가적으로 수행되어야 할 것이다.
It has been increasingly difficult to predict the amounts of Acer mono sap to be collected due to droughts and cold waves caused by recent climate changes with few studies conducted on the prediction of its collection volume. This study thus set out to propose a Big Data prediction system based on meteorological information for the collection of Acer mono sap. The proposed system would analyze collected data and provide managers with a statistical chart of prediction values regarding climate factors to affect the amounts of Acer mono sap to be collected, thus enabling efficient work. It was designed based on Hadoop for data collection, treatment and analysis. The study also analyzed and proposed an optimal prediction model for climate conditions to influence the volume of Acer mono sap to be collected by applying a multiple regression analysis model based on Hadoop and Mahout.
본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.
통합과학교육으로의 다양한 시도가 이루어짐에 따라, 이 연구에서는 지구계를 중심으로 과학교육을 통합하려는 시도이며 자연을 탐구하는 보다 전체론적인 접근법을 제시하는 지구계 교육 중 그 활동 프로그램의 하나인 '지구 기후게임' 수업 모형을 현장에 적용하여 학생들의 반응을 알아보고자 하였다. 연구의 결과, 교과서 중심의 획일화된 주입식 교수-학습 방법에서 탈피한 학생이 중심이 되는 토의식 협력학습, 역할극 수업모형 등 다양한 수업 모형의 적용을 가능하게 한다. 이 연구에 적용된 ‘지구 기후 게임'은 지구계를 구성하고 있는 기권, 수권, 암권, 생물권의 상호작용에 대한이해를 도모하기에 적합한 주제였다. 지구계 교육에 대한 학생들의 반응은 정의적인 영역에서 긍정적인 변화를 보였고, 지구계 교육 활동 프로그램은 전통적인 수업 방법보다 학생들의 과학에 대해 긍정적인 태도 변화를 보여주었으며, 장기적으로 ESE 활동 프로그램은 과학적 태도 형성에 좋은 영향을 줄 것이라고 생각한다. ESE 활동 프로그램의 적용은 단원에 따라 부분적으로 선택하여 적용되는 것이 바람직하며, 이러한 교수-학습 방법은 과학을 생활에 응용하는데 매우효과가 있을 것으로 기대된다.
연구목적: 본 연구는 기후변화에 따른 재난의 특성을 분석하여 기후위험에 대비하기 위한 관리체계를 제시함을 목적으로 한다. 연구방법: 최근 국내외 자연재난으로 인한 피해의 추이를 분석하고 기후변화에 따른 재난의 특성을 파악함으로써 기후위험을 위한 관리체계를 설계한다. 연구결과: 기후변화에 따른 위험의 불확실성과 다양한 규모의 재난을 고려할 때, 위험의 평가에서부터 목표 설정, 계획 수립, 모니터링 및 평가, 학습과 조정 등의 핵심과정을 포함하는 포괄적 기후위험 관리체계가 요구되며, 이는 이해관계자 참여를 바탕으로 지속적으로 반복되는 체계를 의미한다. 결론: 본 연구에서 제시한 포괄적 기후위험 관리체계를 효과적으로 추진하기 위해 시범사업을 통해 관리체계를 수정 및 보완하고, 필요한 제도적 여건을 마련해야 한다.
Gravity Recovery and Climate Experiment (GRACE) gravimeter satellites observed the Earth gravity field with unprecedented accuracy since 2002. After the termination of GRACE mission, GRACE Follow-on (GFO) satellites successively observe global gravity field, but there is missing period between GRACE and GFO about one year. Many previous studies estimated terrestrial water storage (TWS) changes using hydrological models, vertical displacements from global navigation satellite system observations, altimetry, and satellite laser ranging for a continuity of GRACE and GFO data. Recently, in order to predict TWS changes, various machine learning methods are developed such as artificial neural network and multi-linear regression. Previous studies used hydrological and climate data simultaneously as input data of the learning process. Further, they excluded linear trends in input data and GRACE/GFO data because the trend components obtained from GRACE/GFO data were assumed to be the same for other periods. However, hydrological models include high uncertainties, and observational period of GRACE/GFO is not long enough to estimate reliable TWS trends. In this study, we used convolutional neural networks (CNN) method incorporating only climate data set (temperature, evaporation, and precipitation) to predict TWS variations in the missing period of GRACE/GFO. We also make CNN model learn the linear trend of GRACE/GFO data. In most river basins considered in this study, our CNN model successfully predicts seasonal and long-term variations of TWS change.
본 연구는 기계학습을 기반으로 제작한 수량예측모델을 통해 이상기상에 따른 사일리지용 옥수수(WCM)의 피해량 산정 및 전자지도를 작성할 목적으로 수행하였다. WCM 데이터는 수입적응성 시험보고서(n = 1,219), 국립축산과학원 시험연구보고서(n = 1,294), 한국축산학회지(n = 8), 한국초지조사료학회지(n = 707) 및 학위논문(n = 4)에서 총 3,232점을 수집하였으며 기상 데이터는 기상청의 기상자료개방포털에서 수집하였다. 본 연구에서 이상기상에 따른 WCM의 피해량은 WMO 방식을 준용하여 산정하였다. 정상기상에서 DMY 예측값은 13,845~19,347 kg/ha 범위로 나타났으며 피해량은 이상기온, 이상강수량 및 이상풍속에서 각각 -305~310, -54~89 및 -610~813 kg/ha 범위로 나타났다. 최대 피해량은 이상풍속에서 813 kg/ha로 나타났다. WMO 방식을 통해 산정한 WCM의 피해량은 QGIS를 이용하여 전자지도로 제시하였다. 이상기상에 따른 WCM의 피해량 산정시 데이터가 없어 공백인 지역이 존재하여 이를 보완하기 위해 종관기상대보다 많은 지점의 데이터를 제공하고 있는 방재기상대를 이용하면 보다 세밀한 피해량을 산정할 수 있을 것이다.
본 연구는 초등학교 고학년 학생을 대상으로 효과적인 자기조절 학습전략의 하나인 도움찾기 행동에 영향을 주는 것으로 알려진 개인적 요인(성취목표지향)과 맥락적 요인(교사행동, 학급풍토) 간의 구조적 관계 분석을 통해 학습관련 도움찾기를 증진할 수 있는 방법에 대한 이해를 얻고자 이루어졌다. 특히, 학생에게 지지적이며 자율성을 부여하고 높은 기대를 하는 교사행동과 학생의 학습관련 도움찾기 행동 간의 관계에서 학급의 전반적인 풍토와 학생 개인의 성취목표지향이 어떤 매개역할을 하는지 파악하고자 하였다. 이를 위해 3개 초등학교 5, 6학년 315명의 학생을 대상으로 설문을 실시하여 자료를 분석하였다. 주요 연구 결과는 다음과 같다. 첫째, 학생들에게 지지적 도움을 제공하고 높은 기대를 하며 학업지향적인 교사행동은 응집력 있고 긍정적인 학급풍토를 만들뿐만 아니라 학생으로 하여금 숙달목표와 같은 접근적인 성취목표를 갖게 하는 것으로 나타났다. 또한 긍정적인 학급풍토가 학생들에게 숙달목표를 갖게 하는 데 중요한 역할을 하며, 여러 성취목표지향 중에서 숙달목표만이 학생들의 도움찾기 행동을 유의하게 예측하였다. 둘째, 교사행동은 학급풍토와 학생의 숙달목표를 거치는 이중매개를 통해 학생의 도움찾기 행동을 유의하게 예측하는 것으로 나타나, 도움찾기 행동에 대해 교실 맥락변인과 학생 개인변인이 상호작용 하고 있음을 알 수 있었다. 이러한 연구 결과는 적응적 학습전략인 도움찾기 행동을 학생들에게 증진시키는데 있어 교사의 역할과 숙달목표의 중요성을 시사해 주었다.
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.