• 실천공학교육논문지
• /
• 제16권1_spc호
• /
• pp.11-19
• /
• 2024

Web programming courses are often included in university Computer Science programs as introductory and foundational computer programming courses. However, amateur programmers often have difficulty learning how to integrate HTML, CSS, JavaScript, and various preprocessors or libraries to create websites. Additionally, many web programming mistakes do not produce visible output in the browser. Therefore, in recent years, Front-End Code Playground (FECP) tools that incorporate HTML, CSS, and JavaScript into a single, online web-based application have become popular. These tools allow web coding to happen directly in the browser and provide immediate visual feedback to users. Such immediate visual feedback can be particularly beneficial for amateur coders to learn and practice with. Therefore, this study gathers data on various FECP tools, compares their differences, and provides an analysis of how such tools benefit students. This study concludes with an outline of the application of FECP to web programming courses to enhance the learning experience.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제44권3호
• /
• pp.397-408
• /
• 2005

This research developed self-directed teaming program for students who learn mathematics to improve their abilities for learning mathematics. A small-group cooperative teaming model was based on the self-directed loaming program which this research developed. The main target of this program was the second grade students of middle school. The program was consisted with three developing parts. The part 1 of program developing was consisted with analyzing and reconstructing mathematics curriculum, devising small-group cooperative learning program, and structuring teaching and teaming plans. The part 2 included the management of small-group cooperative Loaming and how to use the materials which this research developed. The part 3 provided various cooperative learning opportunities for students to improve their abilities for loaming mathematics.

• 한국컴퓨터정보학회논문지
• /
• 제26권12호
• /
• pp.69-75
• /
• 2021

최근 인공지능 분야에서 가장 많이 사용하는 딥러닝은 그 구조가 점차 크고 복잡해지고 있다. 딥러닝 모델이 커질수록 이를 학습시키기 위해서는 대용량의 데이터가 필요하지만 데이터가 여러 소유 주체별로 분산되어 있고 보안 문제로 인해 이를 통합하여 학습시키기 어려운 경우가 발생한다. 우리는 동일한 딥러닝 모형이 필요하지만 보안 문제로 인해 데이터가 여러곳에 분산되어 처리될 수 밖에 없는 상황에서 데이터를 소유하고 있는 주체별로 분산 학습을 수행한 후 이를 통합하는 방법을 연구하였다. 이를 위해 보안 상황을 V-환경과 H-환경으로 가정하여 소유 주체별로 분산학습을 수행했으며 Average, Max, AbsMax를 사용하여 분산학습된 결과를 통합하였다. mnist-fashion 데이터에 이를 적용해 본 결과 V-환경에서는 정확도 면에서 데이터를 통합시켜 학습한 결과와 큰 차이가 없음을 확인할 수 있었으며, H-환경에서는 차이는 존재하지만 의미있는 결과를 얻을 수 있었다.

• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2005년도 춘계 종합학술대회 논문집
• /
• pp.36-50
• /
• 2005

지난 수년 동안 우리나라에서 이 러닝은 특히 기업을 중심으로 빠른 시간에 확산이 되었으며, 양적으로 팽창한 만큼 질적인 부분에 대한 의구심이 팽배한 것이 사실이다. 기존의 오프라인 교육에 비하여 이 러닝의 질적 수준을 분석하는 이유는 그 동안 급속도로 발전된 이 러닝이 학습자들에게 훌륭한 학습경험을 주지 못하였고, 생각보다 결과가 저조하였으며, 무엇보다 투자된 비용에 비해 효과성이 저조하였다는 지적이 많기 때문이다 . 그동안 이 러닝에서의 많은 경험은 오랜 세월동안 익숙해왔던 오프라인수업을 중심으로 구성되어왔으며, 이 러닝에 종사하는 많은 전문가들도 대부분 오프라인에서의 교수-학습에 대한 경험을 바탕으로 이 러닝의 체제를 이해하여 왔다. Dublin&Cross (2003)에 의하면 과연 얼마나 많은 사람들이 이 러닝에 대한 공통된 개념을 가지고 있으며, 학습자들이 단지 문제없이 이 러닝에 접속하여 끝까지 기술적인 문제없이 도달하는데서 끝나지 않고 얼마나 효과적이고 효율적으로 이 러닝이 의도한 학습과정에 흡수되는 가를 분석해 낼 수 있는가에 따라 이 러닝의 성공여부가 달려 있다고 한다. 본 논문은 이 러닝의 확산속도에 맞추어 질적 향상이 쉽게 이루어지지 않는 이 러닝의 현상을 분석해보고 이 러닝의 질적 발전을 위하여 고려하여야 하는 요소들은 무엇이 있으며 이들이 어떻게 조화를 이루어야 이 러닝이 질적으로 우수성을 가질 수 있는지에 대한 방안을 제시해 보고자 한다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제35권3호
• /
• pp.341-358
• /
• 2021

2020년 처음 발생한 코로나는 사회 전반에 많은 변화를 초래했다. 이러한 변화에 있어 교육 역시 예외가 아니었다. 학교에서는 사상 유례없는 온라인 개학을 시행했고 학생들과 교사는 충분한 준비 없이 원격수업에 참여해야 했다. 원격수업과 관련하여 관련 자료 개발, 만족도 조사와 같은 연구들이 수행되었으나 실제 학교 현장을 기반으로 한 연구는 없었다. 따라서 본 연구는 2020년부터 원격수업에 참여한 고등학교 학생들을 대상으로 하여 원격수업의 방식 및 만족도를 조사하고 원격수업 만족도와 수학학습과 관련된 하위요소들과의 관계를 탐색하였다. 연구결과 수학 교과에서는 원격수업이 대체로 실시간 쌍방향 수업의 형태로 이루어졌으며 학생들은 수학학습에 만족을 느꼈다. 하지만 원격수업을 지속해야 하는 것의 문제에 있어서 어느 정도 상반된 의견을 표명하였다. 또한, 통계분석 결과 원격수업에 대한 만족도에 따라 수학학습 의지, 전략, 수학에 대한 가치, 학습의욕 등에서 차이가 나타나는 것으로 드러났다.

• 한국학교수학회논문집
• /
• 제7권2호
• /
• pp.99-116
• /
• 2004

본 연구는 중학교 시기에 학생들이 처음 접하는 수인 무리수에 대한 지도내용을 상세히 살펴보고 이에 따른 지도 방법에 의해서 무리수를 지도할 때 학생들이 무리수의 개념을 어느 수준으로 어느 정도 이해하고 있는지 또 어느 수준의 이해가 어려운지를 확인하여 보고, 무리수 개념을 어떻게 이해하고 있는지를 확인하여봄으로써 이러한 결과에 의한 무리수 지도시의 문제점을 찾아보고 이를 개선할 수 있는 지도 방안을 모색하여, 무리수를 지도할 때 무리수 개념에 관한 학습자들의 이해를 고려하여 지도할 수 있는 토대를 마련한다.

• 의학교육논단
• /
• 제14권2호
• /
• pp.64-68
• /
• 2012

Learning in medical school is usually regarded as a very specialized type of learning compared to that of other academic disciplines. Medical students might have general beliefs about their own learning. Beliefs about learning have a critical effect on learning behavior. There are several factors that affect medical students' learning behavior: epistemological beliefs, learning styles, learning strategies, and learning beliefs. Several studies have addressed epistemological beliefs, learning styles, and learning strategies in medical education. There are, however, few studies that have reported on medical students' beliefs about learning. The purpose of this study was to determine what learning beliefs medical students have, what the causes of these beliefs are, and how medical educators teach students who have such beliefs. In this study, the five learning beliefs are assumed and we considered how these beliefs can affect students' learning behaviors. They include: 1) medical students are expected to learn a large amount of information in a short time. 2) memorization is more important than understanding to survive in medical schools. 3) learning is a competition and work is independent, rather than collaborative. 4) reading textbooks is a heavy burden in medical education. 5) the most effective teaching and learning method is the lecture. These learning beliefs might be the results of various hidden curricula, shared experiences of the former and the present students as a group, and personal experience. Some learning beliefs may negatively affect students' learning. In conclusion, the implications of medical students' learning beliefs are significant and indicate that students and educators can benefit from opportunities that make students' beliefs about learning more conscious.

• 한국융합학회논문지
• /
• 제7권4호
• /
• pp.133-140
• /
• 2016

본 연구에서는 영단어 학습 콘텐츠 개발 필요에 따른 새로운 스마트 영단어 암기방법을 설계 제안한다. 이 방법은 스마트 폰에서 효과적으로 영단어 학습을 지원하는 콘텐츠로 개발 가능하다. 본 연구의 핵심 아이디어는 첫째, 30개의 단어를 하루에 3분씩 10회(학습 1회 및 복습 9회)로 나누어 학습한다. 둘째, 망각주기를 고려하여 최초학습 1일 후, 10일 후, 30일 후 등의 3회 반추 복습을 제안한다. 본 콘텐츠의 개발과정은 크게 앱ID 생성부, 앱 접속부, 알람 설정부, 단어학습 처리부, 학습결과 모니터링부 등 5개의 단계로 이루어져 있다. 제안된 방법은 에빙하우스 주기적 반복 학습전략으로 최적화되어 있어 사용자의 영단어 학습 만족도를 높일 수 있다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 하계학술대회
• /
• pp.63-66
• /
• 2018

Recently, a convolutional neural network (CNN) models at single image super-resolution have been very successful. Residual learning improves training stability and network performance in CNN. In this paper, we compare four convolutional neural network models for super-resolution (SR) to learn nonlinear mapping from low-resolution (LR) input image to high-resolution (HR) target image. Four models include general CNN model, global residual learning CNN model, local residual learning CNN model, and the CNN model with global and local residual learning. Experiment results show that the results are greatly affected by how skip connections are connected at the basic CNN network, and network trained with only global residual learning generates highest performance among four models at objective and subjective evaluations.

• Journal of Information Processing Systems
• /
• 제16권5호
• /
• pp.1223-1230
• /
• 2020

Recently, extensive studies have been conducted to apply deep learning to reinforcement learning to solve the state-space problem. If the state-space problem was solved, reinforcement learning would become applicable in various fields. For example, users can utilize dance-tutorial systems to learn how to dance by watching and imitating a virtual instructor. The instructor can perform the optimal dance to the music, to which reinforcement learning is applied. In this study, we propose a method of reinforcement learning in which the action space is dynamically adjusted. Because actions that are not performed or are unlikely to be optimal are not learned, and the state space is not allocated, the learning time can be shortened, and the state space can be reduced. In an experiment, the proposed method shows results similar to those of traditional Q-learning even when the state space of the proposed method is reduced to approximately 0.33% of that of Q-learning. Consequently, the proposed method reduces the cost and time required for learning. Traditional Q-learning requires 6 million state spaces for learning 100,000 times. In contrast, the proposed method requires only 20,000 state spaces. A higher winning rate can be achieved in a shorter period of time by retrieving 20,000 state spaces instead of 6 million.