• 한국과학교육학회지
• /
• 제32권8호
• /
• pp.1295-1317
• /
• 2012

There has been disagreement on the importance of definitions in science education. Yager (1983) believes that one crisis in science education was due to the considerable emphasis upon the learning of definitions. Hobson (2004) disagrees with physics textbooks that do not provide general definition on energy. Some textbooks explain that "there is no completely satisfactory definition of energy" or they can only "struggle to define it." In general, imprecise definitions in textbooks (Bauman, 1992) and inaccuracies in definition provided by teachers (Galili & Lehavi, 2006) may cause alternative conceptions. Besides, there are at least four challenges in defining physical concepts: precision, circularity, context and completeness in knowledge. These definitional problems that have been discussed in The Feynman Lectures, may impede the learning of physical concepts. A meta-study approach is employed to examine about five hundreds journal papers that may discuss definitions in physics, problems in defining physical concepts and how they may result in alternative conceptions. These journal papers are mainly selected from journals such as American Journal of Physics, International Journal of Science Education, Journal of Research in Science Teaching, Physics Education, The Physics Teachers, and so on. There are also comparisons of definitions with definitions from textbooks, Dictionaries of Physics, and English Dictionaries. To understand the nature of alternative conception, Lee et al. (2010) have suggested a theoretical framework to describe the learning issues by synthesizing cognitive psychology and science education approaches. Taking it a step further, this study incorporates the challenges in semantics and epistemology, proposes that there are at least four variants of alternative conceptions. We may coin the term, 'alternative definitions', to refer to the commonly available definitions, which have these four problems in defining physics concepts. Based on this study, alternative definitions may result in at least four variants of alternative conceptions. Note that these four definitional problems or challenges in definitions cannot be easily resolved. Educators should be cognizant of the four variants of alternative conceptions which can arise from alternative definitions. The concepts of alternative definitions can be useful and possibly generalized to science education and beyond.

• 한국지능시스템학회논문지
• /
• 제26권5호
• /
• pp.335-342
• /
• 2016

기 구축되어있는 베이지안 네트워크에서 다이나믹한 환경 변화가 발생 할 때, 관련된 베이지안 네트워크의 파라미터는 새롭게 형성된 데이터의 패턴에 적응하여 새로운 파라미터로 변경되어야 한다. 이때, 새로운 파라미터는 베이지안 네트워크의 인과관계를 고려하여 변경되어야 한다. 본 논문에서는 Expectation Maximization(EM)알고리즘과 Meta-Heuristics 기법 중 하나인 Harmony Search(HS)알고리즘을 이용한 다이나믹한 파라미터 업데이트 프레임웍을 제안한다. 일반적으로, EM 알고리즘은 숨겨진 파라미터를 추정하는데 유효한 알고리즘이지만 지역 최적값에 수렴한다는 단점을 가지고 있다. 이 문제를 해결하기 위해서 본 논문은 Maximum Likelihood Estimator(MLE)의 파라미터가 글로벌 최적값을 지향하도록 하기위하여 메타휴리스틱 방법론의 하나인 HS를 적용한다. 제안된 방법은 EM 알고리즘의 단점을 보완하고 글로벌 최적값에 수렴하는 MLE의 파라미터를 추정하여 다이나믹하게 변화하는 환경에서도 사용 가능한 베이지안 네트워크의 학습 및 전파프레임웍을 제시한다.

• 대한수학교육학회지:수학교육학연구
• /
• 제26권3호
• /
• pp.543-563
• /
• 2016

본 연구는 국내와 국외의 수학학습장애 분야에서 수행된 연구들의 전체적인 흐름을 분석하고, 수학학습장애 학생에 대한 중재 연구의 효과를 메타분석 하였다. 연구 결과, 분석 대상 논문 201편은 크게 4가지의 주제로서 수학학습장애 학생의 특성, 수학학습장애 학생의 선별, 수학학습장애 학생을 위한 중재 교수, 기타(메타분석, 교사인식 및 교육과정)로 구분되었다. 또한 수학학습장애 중재 연구는 집단 대상 연구의 전체 평균 효과 크기가 .958로 나타나 수학학습장애 학생의 중재는 효과가 큰 것으로 파악되었다. 특히, 교수방법의 효과크기는 전략교수와 직접교수를 혼합한 교수에서 가장 크게 나타났다. 중재횟수는 16회 이상 20회 이하일 때 효과가 크게 나타났으며 횟수가 증가할수록 효과크기가 작아졌다. 이러한 메타분석 결과는 후속 수학학습장애 연구 방향을 설정하는데 기여할 수 있을 것이다.

• 한국콘텐츠학회논문지
• /
• 제21권4호
• /
• pp.331-346
• /
• 2021

본 연구는 국내 캡스톤 디자인 교육이 학업성과에 미치는 효과를 종합적으로 분석·평가하여 캡스톤 디자인 수업이 효과적으로 이루어지기 위한 설계 및 실행방향을 제안하는 데 목적이 있다. 이를 위해 2020년 9월까지 국내에서 발표된 캡스톤 디자인 수업 효과 관련 학술지 및 학위논문 중 기준에 부합하는 총 21편의 연구를 선정하고 83건의 효과크기를 토대로 메타분석을 진행한 연구 결과는 다음과 같다. 첫째, 캡스톤 디자인 교육의 학업성과에 대한 전체 효과크기는 0.96으로 큰 효과크기로 나타났다. 둘째, 학업성과 영역별 효과크기 분석 결과 인지적, 정의적, 사회적 영역 모두에서 효과가 유의하게 나타났으며, 효과크기는 정의적·인지적·사회적 영역 순으로 나타났다. 셋째, 학업성과 변인별 효과크기에서 직업기초능력은 큰 효과크기, 창의성은 중간 효과 크기로 나타났다. 넷째, 캡스톤 디자인의 학습효과는 교과목, 학년, 산업체 협력유무, 수업유형, 팀원 수에 영향을 받는 것으로 나타났다. 본 연구는 이러한 연구 결과를 바탕으로 향후 국내 캡스톤 디자인 교육의 효과를 높이기 위한 교수설계적 시사점을 제안하였다.

• 지능정보연구
• /
• 제28권3호
• /
• pp.23-43
• /
• 2022

AI(Artificial Intelligence)를 다양한 산업에서 접목하기 위해 알고리즘 선택에 대한 관심이 증가하고 있다. 알고리즘 선택은 대부분 데이터 과학자의 경험에 의해 결정되는 경우가 많다. 하지만 경험이 부족한 데이터 과학자의 경우 데이터셋 특성 기반의 메타학습(meta learning) 을 통해 알고리즘을 선택한다. 기존의 알고리즘 추천은 선정 과정이 블랙박스이기 때문에 어떠한 근거에 의해 도출되는지 알 수 없었다. 이에 따라 본 연구에서는 k-평균 군집분석을 활용하여 데이터셋 특성에 따라 유형을 나누고 적합한 분류 알고리즘과 클래스 불균형 해소 방법을 탐색한다. 본 연구 결과 네 가지 유형을 도출하였으며 데이터셋 유형에 따라 적합한 클래스 불균형 해소 방법과 분류 알고리즘을 추천하였다.

• 시스템엔지니어링학술지
• /
• 제18권2호
• /
• pp.75-93
• /
• 2022

Machine learning (ML) data-driven meta-model is proposed as a surrogate model to reduce the excessive computational cost of the physics-based model and facilitate the real-time prediction of a nuclear power plant's transient response. To forecast the transient response three machine learning (ML) meta-models based on recurrent neural networks (RNNs); specifically, Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU), and a sequence combination of Convolutional Neural Network (CNN) and LSTM are developed. The chosen accident scenario is a control element assembly withdrawal at power concurrent with the Loss Of Offsite Power (LOOP). The transient response was obtained using the best estimate thermal hydraulics code, MARS-KS, and cross-validated against the Design and control document (DCD). DAKOTA software is loosely coupled with MARS-KS code via a python interface to perform the Best Estimate Plus Uncertainty Quantification (BEPU) analysis and generate a time series database of the system response to train, test and validate the ML meta-models. Key uncertain parameters identified as required by the CASU methodology were propagated using the non-parametric Monte-Carlo (MC) random propagation and Latin Hypercube Sampling technique until a statistically significant database (181 samples) as required by Wilk's fifth order is achieved with 95% probability and 95% confidence level. The three ML RNN models were built and optimized with the help of the Talos tool and demonstrated excellent performance in forecasting the most probable NPP transient response. This research was guided by the Systems Engineering (SE) approach for the systematic and efficient planning and execution of the research.

• Journal of Periodontal and Implant Science
• /
• 제54권1호
• /
• pp.3-12
• /
• 2024

Deep learning (DL) offers promising performance in computer vision tasks and is highly suitable for dental image recognition and analysis. We evaluated the accuracy of DL algorithms in identifying and classifying dental implant systems (DISs) using dental imaging. In this systematic review and meta-analysis, we explored the MEDLINE/PubMed, Scopus, Embase, and Google Scholar databases and identified studies published between January 2011 and March 2022. Studies conducted on DL approaches for DIS identification or classification were included, and the accuracy of the DL models was evaluated using panoramic and periapical radiographic images. The quality of the selected studies was assessed using QUADAS-2. This review was registered with PROSPERO (CRDCRD42022309624). From 1,293 identified records, 9 studies were included in this systematic review and meta-analysis. The DL-based implant classification accuracy was no less than 70.75% (95% confidence interval [CI], 65.6%-75.9%) and no higher than 98.19 (95% CI, 97.8%-98.5%). The weighted accuracy was calculated, and the pooled sample size was 46,645, with an overall accuracy of 92.16% (95% CI, 90.8%-93.5%). The risk of bias and applicability concerns were judged as high for most studies, mainly regarding data selection and reference standards. DL models showed high accuracy in identifying and classifying DISs using panoramic and periapical radiographic images. Therefore, DL models are promising prospects for use as decision aids and decision-making tools; however, there are limitations with respect to their application in actual clinical practice.

• 정보교육학회논문지
• /
• 제12권4호
• /
• pp.375-384
• /
• 2008

프로그래밍 교육이 고차원적 사고능력을 함양시켜주는 교육임에도 불구하고, 기존의 프로그래밍 교육은 기본 문법과 구조를 이해하고 프로그램 사용법을 익히는데 너무 많은 노력을 요구하여 학습자들로 하여금 프로그래밍 학습을 기피하거나 포기하도록 만들었다. 이러한 문제점을 극복하기위해 본 연구에서는 배우기 쉽고, 직관적인 교육용 프로그래밍 언어(EPL) '스크래치'를 이용하여 중학생을 대상으로 게임제작 프로그래밍 수업을 12주에 걸쳐 실시하였다. 이와 더불어 교수방법에 있어서 메타인지 사고를 활성화하기위해 '자기질문' 방식을 가미한 시범-실습 수업모형을 활용하였다. 연구결과 스크래치를 이용한 게임제작 프로그래밍 수업은 메타인지에 있어 남녀 모두에게 긍정적 효과가 있음을 확인하였다. 하지만, 자기효능감에 있어서는 여학생 집단에 긍정적 영향을 주지 못했다.

• 컴퓨터교육학회논문지
• /
• 제18권1호
• /
• pp.21-33
• /
• 2015

본 연구의 목적은 웹 기반 교수-학습방법이 전통적인 교수-학습방법에 비해 학생의 학업성취에 어느 정도 효과가 있는가를 메타 분석방법을 적용하여 밝히고자 하였다. 본 연구의 주요결과를 살펴보면, 첫째, 분석대상의 85%가량은 웹 기반 교수-학습방법이 전통적인 교수-학습방법보다 학업성취에 효과가 뚜렷하였다. 둘째, 학교 급별에 따른 웹 기반 교수-학습의 학업성취 효과크기는 초등학교 학생과 대학생이 가장 큰 것으로 밝혀졌다. 셋째, 실시 교과목에 따라서는 사회와 실과 교과가 다른 교과목에 비하여 웹 기반 교수-학습의 효과가 큰 것으로 드러났다. 이 같은 연구를 통해 그동안 선행된 많은 웹 기반 교수-학습과 관련된 개별연구들의 각기 다른 학업성취 효과에 메타 분석을 적용하여 보다 개선된 결과를 얻었으며, 또한 이 분야의 후속 연구를 수행하는 데 필요한 기초자료와 방향성을 제시하였다.

• Nuclear Engineering and Technology
• /
• 제56권6호
• /
• pp.1989-2001
• /
• 2024

Artificial intelligence (AI) techniques are now being considered in the nuclear field, but application faces with the lack of actual plant data. For this reason, most previous studies on AI applications in nuclear power plants (NPPs) have relied on simulators or thermal-hydraulic codes to mimic the plants. However, it remains uncertain whether an AI model trained using a simulator can properly work in an actual NPP. To address this issue, this study suggests the use of metadata, which can give information about parameter trends. Referred to here as robust AI, this concept started with the idea that although the absolute value of a plant parameter differs between a simulator and actual NPP, the parameter trend is identical under the same scenario. Based on the proposed robust AI, this study designs an event diagnosis algorithm to classify abnormal and emergency scenarios in NPPs using prototypical learning. The algorithm was trained using a simulator referencing a Westinghouse 990 MWe reactor and then tested in different environments in Advanced Power Reactor 1400 MWe simulators. The algorithm demonstrated robustness with 100 % diagnostic accuracy (117 out of 117 scenarios). This indicates the potential of the robust AI-based algorithm to be used in actual plants.