• 의학교육논단
• /
• 제23권2호
• /
• pp.118-127
• /
• 2021

Due to the coronavirus disease 2019 pandemic, the new norm of online learning has been recognized as core to medical institutions for academic continuity, and students are expected to be motivated and engaged in learning while maintaining distance from other peers and educators. To facilitate students' and educators' newly defined roles in online medical education settings, it is crucial to understand how students are actively motivated and engaged in learning. Hence, this study explored medical students' motivational regulation profiles and examined the effects of motivational regulation strategies (MRS) on cognitive learning and learning engagement for online learning. Data were collected after the end of the first semester in 2020 from a sample of 334 medical students enrolled at a public university school of medicine. Latent profile analysis indicated three subgroups with different motivational regulation profiles: the low-profile, medium-profile, and high-profile groups. Regarding different MRS patterns in the high-profile group, mastery self-talk, performance approach self-talk, and the self-consequating strategy appeared to be most applicable for regulating learners' motivation. Analysis of variance showed that the profile groups with higher levels of MRS use were connected to a higher willingness to use cognitive learning strategies and a higher degree of engagement in online learning. The findings of this study emphasize the use of specific sets of MRS to support learning motivation and the need to design effective self-regulated learning environments in online medical education settings.

• Educational Technology International
• /
• 제18권2호
• /
• pp.193-213
• /
• 2017

This study aimed to explore online learning profiles of in-service teachers in South Korea, focusing on video lecture and discussion activities. A total of 269 teachers took an online professional development course for 14 days, using an online learning platform from which web log data were collected. The data showed the frequency of participation and the initial participation time, which was closely related to procrastinating behaviors. A cluster analysis revealed three online learning profiles of in-service teachers: procrastinating (n=42), passive interaction (n=136), and active learning (n=91) clusters. The active learning cluster showed high-level participation in both video lecture and discussion activities from the beginning of the online course, whereas the procrastinating cluster was seldom engaged in learning activities for the first half of the learning period. The passive interaction cluster was actively engaged in watching video lectures from the beginning of the online course but passively participated in discussion activities. As a result, the active learning cluster outperformed the passive interaction cluster in learning achievements. The findings were discussed in regard to how to improve online learning environments through considering online learning profiles of in-service teachers.

• Soft Computing and Machine Intelligence
• /
• 제1권1호
• /
• pp.31-35
• /
• 2021

In recent years, due to COVID-19, the process of shopping has become more restricted and difficult for customers. Based on this aspect, customers are more interested in online shopping to keep the Untact rules and stay safe, similarly ordering their product based on their need and interest with most straightforward and fastest ways. In this paper, the reinforcement learning technique is applied in the product recommendation system to improve the recommendation system quality for better and more related suggestions based on click patterns and users' profile information. The dataset used in this system was taken from an online shopping mall in Jeju island, South Korea. We have compared the proposed method with the recent state-of-the-art and research results, which show that reinforcement learning effectiveness is higher than other approaches.

• 컴퓨터교육학회논문지
• /
• 제7권6호
• /
• pp.117-128
• /
• 2004

전통적인 면대면 수업에 비하여 온라인 학습은 학습자에게 더 심한 고립감을 유발하며, 또한 높은 중도 탈락률을 보인다. 이러한 현상은 온라인 학습에서 학습자 간의 상호작용, 소속감, 상호의존성, 상호유대감, 지속적 학습을 가능하게 하는 사회적 환경의 부족함에서 기인한다. 그러므로 e-learning 공동체에서는 중도 탈락률을 낮추고 학습자의 고립감을 해소하도록 하는 것이 매우 중요하다. 따라서 본 논문에서는, 바람직한 학습공동체 형성을 위하여 적용될 취향검사 항목에 대한 연구를 수행하였으며, 이를 바탕으로 온라인상에서 취향검사의 동질성과 다양성을 결합한 지능적 멀티에이전트 기법에 의한 학습공동체 e-learning 그룹핑 시스템(GSE)을 개발하였다. GSE 시스템은 에이전트에 의해 개인화된 사용자 프로파일을 구축하여 사용자 취향에 따른 그룹핑을 자동적으로 수행하는 것이 특징이다. 이 시스템을 실제 테스트해 본 결과, 학습자들의 약 88%가 만족함을 나타냈으며 그룹이 계속 유지되거나 해체되지 않기를 원하는 것으로 나타났다.

• 문화기술의 융합
• /
• 제4권1호
• /
• pp.279-284
• /
• 2018

최근 개인화에 대한 관심이 높아지면서 교육에서도 학생 개개인에게 맞는 학습 콘텐츠를 제공하고자 하는 요구가 높아지고 있다. 특히, 온라인 교육이 대중화되면서 기존 오프라인 교육에서의 획일적인 교육에서 벗어나 학생의 개인 학습 성취도에 따라 학생 수준에 맞는 콘텐츠로 재구성하여 전달할 수 있게 되었다. 이에 본 논문에서는 동적 프로파일 기반으로 학생 로그 정보를 분석하여 순서 변경, 구성 확장, 구성 축소가 가능한 학습 콘텐츠를 재구성하는 서비스를 제안한다. 이를 위해 본 논문에서는 학생 정보와 콘텐츠 정보를 메타데이터로 기록하여 동적으로 프로파일을 생성, 반영하여 학생 상황인지를 통해 학습 콘텐츠를 재구성하는 엔진을 설계하였다.

• 한국의류학회지
• /
• 제43권3호
• /
• pp.349-360
• /
• 2019

This study analyzes the trends of recommendation services for customized fashion styles in relation to artificial intelligence. To achieve this goal, the study examined filtering technologies of collaborative, content based, and deep-learning as well as analyzed the characteristics of recommendation services in the users' purchasing process. The results of this study showed that the most universal recommendation technology is collaborative filtering. Collaborative filtering was shown to allow intuitive searching of similar fashion styles in the cognition of need stage, and appeared to be useful in comparing prices but not suitable for innovative customers who pursue early trends. Second, content based filtering was shown to utilize body shape as a key personal profile item in order to reduce the possibility of failure when selecting sizes online, which has limits to being able to wear the product beforehand. Third, fashion style recommendations applied with deep-learning intervene with all user processes of buying products online that was also confirmed to penetrate into the creative area of image tag services, virtual reality services, clothes wearing fit evaluation services, and individually customized design services.

• 한국융합학회논문지
• /
• 제8권1호
• /
• pp.25-34
• /
• 2017

최근 스마트폰의 보급 및 웹 서비스의 도입으로 온라인 사용자들은 대규모의 콘텐츠를 시간과 장소에 관계없이 접할 수 있게 되었다. 그러나 사용자들은 대규모의 콘텐츠 사이에서 원하는 콘텐츠를 찾는 데 어려움을 겪게 되었다. 이러한 문제를 해결하기 위해 다양한 분야에서 사용자 모델링 및 추천 시스템에 대한 연구가 활발하게 수행되었다. 그러나 정보 환경의 변화에 따른 시니어 계층의 적극적인 변화에도 불구하고 시니어 계층에 초점을 맞춘 사용자 모델링 및 추천 시스템에 대한 연구는 매우 부족한 실정이다. 이에 본 논문에서는 기계 학습 방법을 기반으로 스마트 시니어 계층의 선호도를 파악할 수 있는 모델링 방법을 제안하고, 스마트 시니어 분류 모델을 개발한다. 이 결과, 스마트 시니어 계층의 선호도를 파악할 수 있을 뿐만 아니라 스마트 시니어 분류 모델 개발을 통해 시니어 사용자에게 가장 적합한 활동 및 콘텐츠를 제공하는 콘텐츠 추천 연구에 대한 발판을 마련하였다.

• 재활치료과학
• /
• 제13권2호
• /
• pp.69-84
• /
• 2024

목적 : 노인의 건강한 삶의 방식으로서 라이프스타일에 대한 연구가 증가하고 있다. 라이프스타일이 개개인의 가치와 삶의 태도를 반영하는 개념임에도 불구하고, 아직까지 개인의 어떠한 가치가 라이프스타일을 건강하게 유도하는지 파악한 연구는 부족한 실정이다. 이에 본 연구는 노인의 라이프스타일 유형을 두 가지로 분류하고, 머신러닝을 활용하여 어떠한 개인적 가치가 건강한 라이프스타일에 우선적으로 작용하는지 파악하고자 한다. 연구방법 : 본 연구는 지역사회에 거주하는 55세 이상 중고령 노인 300명을 대상으로 횡단 연구를 수행하였다. 라이프스타일은 Yonsei Lifestyle Profile-Active, Balanced, Connected, Diverse (YLP-ABCD) 응답을 사용하여 잠재프로파일 분석을 통해 유형화하였다. 라이프스타일 유형을 예측하는 개인적 가치는 YLP-V (Values) 응답을 수집하여, 예측성능이 가장 높은 머신러닝 알고리즘을 선정한 후 상대적 중요도를 파악하였다. 결과 : 잠재프로파일 분석 결과, 라이프스타일은 건강한 라이프스타일 실천형(48.87%), 비실천형(51.13%)으로 분류되었다. 실천형에 속한 중고령 노인은 비실천형에 비해 사회관계가 활발한 특성을 나타내었다. 본 연구에 포함된 머신러닝 알고리즘 중 가장 우수한 성능을 보인 모델은 서포트 벡터 머신으로, 정확도 96%, Receiver Operating Characteristic (ROC) 영역 95%로 나타났다. 본 알고리즘을 바탕으로 개인적 가치의 상대적 중요도를 분석한 결과, 건강한 식단, 건강 매체, 여가활동, 건강 제품 및 머신러닝에 주의를 기울일수록, 해당 가치에 따라 중고령 노인은 건강한 라이프스타일을 실천하는 그룹에 속할 가능성이 큰 것으로 나타났다. 결론 : 본 연구는 중고령 노인의 사회적 관계망을 포함한 건강한 라이프스타일을 유도하기 위해, 건강 식단, 매체, 여가, 제품 및 습관에 대한 가치 향상을 중점적으로 다루는 종합적인 프로그램 및 서비스의 필요성을 시사한다.

• Journal of information and communication convergence engineering
• /
• 제22권1호
• /
• pp.7-13
• /
• 2024

User preferences and ratings may be anticipated by recommendation systems, which are widely used in social networking, online shopping, healthcare, and even energy efficiency. Constructing trustworthy recommender systems for various applications, requires the analysis and mining of vast quantities of user data, including demographics. This study focuses on holding elections with vague voter and candidate preferences. Collaborative user ratings are used by filtering algorithms to provide suggestions. To avoid information overload, consumers are directed towards items that they are more likely to prefer based on the profile data used by recommender systems. Better interactions between governments, residents, and businesses may result from studies on recommender systems that facilitate the use of e-government services. To broaden people's access to the democratic process, the concept of "e-democracy" applies new media technologies. This study provides a framework for an electronic voting advisory system that uses machine learning.

• 한국컴퓨터산업학회논문지
• /
• 제5권2호
• /
• pp.193-202
• /
• 2004

본 연구는 인터넷기반 실습 수업에서 교수자와 학습자가 어떠한 방식으로 교수-학습 상호작용 활동을 수행하는 방식과 웹기반 실습 수업의 교육적 효과에 관하여 연구하였다. 산업체 재직자의 정보화교육을 지원하는 "전자상거래 시스템 구축" 교육과정에서 교수자와 학습자는 어떤 방식으로 교수-학습 및 상호작용 활동을 수행하는지, 웹기반 실습교육의 효과는 무엇인지를 살펴보고자 하였다. 연구대상은 산업체 직장인 및 기타 25인에 대하여 1학기에 걸쳐서 이루어졌으며, 연구방법으로는 학습결과 프로파일 분석, 설문조사, 인터뷰 등을 사용하였다. 연구결과 학습자-교수자-운영자간 상호작용은 활발하게 이루어지지 않았으나 학습자의 관심, 이메일 사용, 게시판 질의 및 응답, 온라인 실습 등의 강의 방식이 학습자의 상호작용 및 교육효과에 영향을 미치는 것으로 나타났다. 것으로 나타났다.