• 서비스연구
• /
• 제14권1호
• /
• pp.27-43
• /
• 2024

중고차 시장에서 온라인 플랫폼 서비스의 시장 점유율은 지속적으로 증가하고 있다. 또한 중고차 온라인 플랫폼 서비스는 서비스 이용자에게 차량의 제원, 사고 이력, 점검 내역, 세부 옵션, 그리고 중고차의 가격 등을 공개하고 있다. 2023년 현재 국내 자동차 시장에서 SUV 차종의 신차 점유율은 50% 이상으로 확대되었으며, 하이브리드 차종은 신차 판매량이 지난해에 비해 두 배 이상 증가하였다. 이에 따라 이들 차종은 국내 중고차 시장에서도 인기를 끌고 있다. 기존 연구는 전체 차량 또는 브랜드별 차량을 대상으로 머신러닝 모델을 실행하여 중고차 가격 예측 모델을 제안하였다. 반면 국내 자동차 시장에서 SUV와 하이브리드 차종의 인기는 매년 상승하고 있으나, 이들 차종을 대상으로 중고차 가격 예측 모델을 제안한 연구는 찾기 어려웠다. 본 연구는 국내 시장에서 자국 브랜드가 생산한 세단, SUV, 그리고 하이브리드 차종을 대상으로 차량 제원과 옵션, 총 72개의 특성을 활용하여 이들 차종별 가장 우수한 중고차 가격 예측 모델을 선정하였다. 이를 위해 특성 선택으로 Lasso 회귀 모델을 활용하여 특성을 선별한 후 동일 샘플링으로 앙상블 모델을 실행하였다. 그 결과 모든 차종에서 최우수 모델은 CBR 모델로 선정되었으며, 차종별 최우수 모델을 대상으로 Tree SHAP Value의 시각화를 실행하여 특성의 기여도 및 방향성을 확인하였다. 본 연구의 시사점으로 온라인 플랫폼 서비스를 이용하는 매매관계자에게 차종별 중고차 가격 예측 모델을 제안하고 특성의 기여 수준과 방향성을 확인함으로써 이들 간 정보의 비대칭으로 야기된 문제 해결에 지원이 될 것으로 기대한다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권1호
• /
• pp.19-33
• /
• 2024

본 연구는 중학생들의 수학 흥미와 성취도의 종단적인 변화 양상을 알아보기 위해 경기교육종단연구 4-6차년도 데이터를 분석하였다. 다변량 성장혼합모형을 이용하여 분석한 결과 학생들의 수학 흥미와 성취도의 변화 양상에 이질적인 특성이 존재함을 확인하였고, 종단적인 변화 양상에 따라 학생들을 4개의 잠재집단으로 구분하였다. 학생들은 흥미와 성취도가 모두 낮은 저수준 유형, 모두 높은 고수준 유형, 학년이 올라감에 따라 증가하는 중수준-증가 유형, 학년이 올라감에 따라 감소하는 중수준-감소 유형으로 구분되었으며, 유형마다 흥미와 성취도의 종단적인 변화 양상이 다르게 나타나는 것을 확인하였다. 또한, 다변량 성장혼합모형의 초기값과 기울기 사이의 상관관계를 분석한 결과, 수학 흥미와 성취도는 초기값뿐 아니라 변화율에 있어서도 서로 긍정적인 영향이 있는 것으로 나타났다. 잠재집단의 결정에 영향을 미치는 요인을 개인, 수업방식, 가정 변인으로 나누어 그 영향력을 살펴보았고, 학생의 교육포부와 사교육 시간은 수학 흥미 및 성취도에 긍정적인 영향을 미치며 선행학습의 경우 그 정도에 따라 영향력이 달라지는 양상을 확인하였다. 학생이 인식한 수업방식의 경우, 교수자 중심 수업은 흥미와 성취도가 높은 집단에 속할 확률을 높이고, 학습자 중심 수업은 흥미와 성취도가 낮은 집단에 속할 확률을 높이는 것으로 나타났다. 본 연구는 다변량 성장혼합모형을 통해 수학교육에서 흥미와 성취도를 비롯한 다양한 특성에 대한 학생들의 변화 양상을 분석하는 새로운 방법을 제시하였다는 점에서 의의가 있다.

• 한국과학교육학회지
• /
• 제27권9호
• /
• pp.818-831
• /
• 2007

지구과학 탐구에서 귀추적 탐구의 중요성을 인식하고, 이를 모델로 한 지구과학 수업에 대한 이론적인 접근이 진행되어 왔다. 또한, 구체적인 지구과학 탐구의 장으로서 야외 지질 학습 현장에 대한 귀추적 탐구의 연구 사례는 매우 중요하다. 이 연구에서는 귀추적 학습 모형을 바탕으로 구성된 야외 지질 학습 프로그램을 중학교 과학 영재 학생들에게 적용하여 학생들의 귀추적 추론 사례와 그 과정에 사용된 사고 전략 및 교사의 교수법적 중재가 학생들의 귀추적 추론에 미치는 영향을 알아보았다. 연구 결과, 학생들은 야외 지질 학습을 진행하는 동안 암석의 구별,함께 나타나는 서로 다른 암석의 생성 과정 설명,변성암의 절리 형성 과정 설명,답사 지역 지형의 형성 과정 설명 등의 사례를 귀추적으로 추론하였다. 또한,학생들은 노두에서 관찰한 사실들을 설명할 수 있는 적절한 규칙을 찾아내는데 다양한 사고 전략들을 사용하였다. 이를 통해 야외 지질 학습 과정에서 학생들에게 과학자들이 수행하는것과 유사한 탐구 및 추론 과정을 경험하게 함으로써 학생들의 귀추적 추론 능력을 함양시킬 수 있음을 보여주었다. 한편, 야외 지질 학습 과정에서 교사의 교수법적 중재는 학생들의 귀추적 추론 과정을 지원하였으며, 특정한 사고 전략을 유도하기도 했지만, 추론의 내용까지 보장해 주지는 못하였다. 학생들은 관찰한 사실들을 설명하기 위한 규직을 추리할 때,그들이 기존에 가지고 있던 잘못된 배경 지식에 근거하고 있었다. 따라서 학생들이 야외 지질 학습 과정에서 올바른 가설을 수립하여 답사 지역의 지질을 해석하고,설득력 있는 귀추적 추론을 위한 규칙을 추리하도록 하기 위해서 교사는 학생들의 귀추적 추론 능력을 길러 주는 것뿐만 아니라,학생들에게 정확한 배경 지식과 정보를 제공해 줄 수 있어야 한다.

• 지능정보연구
• /
• 제22권1호
• /
• pp.139-157
• /
• 2016

앙상블 분류기란 개별 분류기보다 더 좋은 성과를 내기 위해 다수의 분류기를 결합하는 것을 의미한다. 이와 같은 앙상블 분류기는 단일 분류기의 일반화 성능을 향상시키는데 매우 유용한 것으로 알려져 있다. 랜덤 서브스페이스 앙상블 기법은 각각의 기저 분류기들을 위해 원 입력 변수 집합으로부터 랜덤하게 입력 변수 집합을 선택하며 이를 통해 기저 분류기들을 다양화 시키는 기법이다. k-최근접 이웃(KNN: k nearest neighbor)을 기저 분류기로 하는 랜덤 서브스페이스 앙상블 모형의 성과는 단일 모형의 성과를 개선시키는 데 효과적인 것으로 알려져 있으며, 이와 같은 랜덤 서브스페이스 앙상블의 성과는 각 기저 분류기를 위해 랜덤하게 선택된 입력 변수 집합과 KNN의 파라미터 k의 값이 중요한 영향을 미친다. 하지만, 단일 모형을 위한 k의 최적 선택이나 단일 모형을 위한 입력 변수 집합의 최적 선택에 관한 연구는 있었지만 KNN을 기저 분류기로 하는 앙상블 모형에서 이들의 최적화와 관련된 연구는 없는 것이 현실이다. 이에 본 연구에서는 KNN을 기저 분류기로 하는 앙상블 모형의 성과 개선을 위해 각 기저 분류기들의 k 파라미터 값과 입력 변수 집합을 동시에 최적화하는 새로운 형태의 앙상블 모형을 제안하였다. 본 논문에서 제안한 방법은 앙상블을 구성하게 될 각각의 KNN 기저 분류기들에 대해 최적의 앙상블 성과가 나올 수 있도록 각각의 기저 분류기가 사용할 파라미터 k의 값과 입력 변수를 유전자 알고리즘을 이용해 탐색하였다. 제안한 모형의 검증을 위해 국내 기업의 부도 예측 관련 데이터를 가지고 다양한 실험을 하였으며, 실험 결과 제안한 모형이 기존의 앙상블 모형보다 기저 분류기의 다양화와 예측 성과 개선에 효과적임을 알 수 있었다.

• 한국과학교육학회지
• /
• 제34권2호
• /
• pp.63-78
• /
• 2014

통합적 STEM 교육은 과학, 기술, 공학, 수학의 내용과 과정을 체계적이고 의도적으로 통합하려는 공학적 설계기반 학습을 말하며, 다른 교과와 통합을 통해 더욱 발달할 수 있다. 이 연구는 과학 탐구 기반의 통합적 STEM 교육 프로그램의 개발과 효과 검증을 위한 기초연구이며, STEM 교육 관련 문헌 연구를 통해 STEM 교육의 가치와 핵심요소를 분석하고 과학 탐구 기반의 통합적 STEM 교육 모형의 개발 및 모형을 적용하여 개발한 대표적인 예시 프로그램을 제시하는 것이다. 모형에 포함될 요소를 확정하기 위해 문헌 분석을 실시하였고, 선행 연구에 포함된 내용과 탐구 과정을 분석하여 통합적 STEM 교육 모형을 구성하였다. 전문가의 내용 타당도 분석 결과 CVR 값의 평균은 0.78로 구성된 모형은 내용 타당도가 있는 것으로 판단되었다. 이 STEM 교육 모형은 내용과 탐구 과정의 두 가지 측면으로 나누어진다. 내용의 측면은 실생활 문제에서 경험할 수 있는 과학, 기술, 공학, 수학 그리고 인문사회와 예술적 소재까지 포괄할 수 있으며, 탐구 과정은 설계와 제작을 기반으로 한 문제해결 과정이다. 탐구 과정은 과학 탐구를 기반으로 하여 기술 공학적 문제해결 과정을 적용할 수 있도록 구성하였다. 학생들은 실생활 문제를 분석하고, 설계하고 제작하는 과정에서 STEM 교과에 대한 흥미를 향상시킬 수 있고 문제에 포함된 지식과 탐구의 방법과 기능을 체계적으로 학습할 수 있다. 개발된 프로그램은 학교 현장에서 활용되어, STEM 교과에 대한 이해도 증진과 과학, 수학에 대한 흥미를 높이고, 과학기술 기반의 융합적 소양과 설계 기반의 문제해결력을 배양하는 데 기여할 수 있을 것이다.

• 한국가정과교육학회지
• /
• 제34권4호
• /
• pp.19-41
• /
• 2022

이 연구는 '1인 가구의 식사와 조리' 교육 프로그램을 개발하고 실행하여 고등학생들의 식생활관리 역량 향상에 미치는 효과를 확인하는데 목적이 있다. 이에 ADDIE 교수 설계 모형에 따라 '1인 가구의 식사와 조리' 교육 프로그램을 개발하고, 실행한 후 평가하였으며 결과는 다음과 같다. 첫째, 1인 가구의 식생활과 가정 교과에서의 식생활 교육 프로그램 관련 문헌과 선행 연구를 분석한 결과를 바탕으로 '1인 가구의 식사와 조리' 교육 프로그램을 개발하였다. 개발한 총 16차시의 교수⋅학습 과정안과 학생용 워크북을 현직 고등학교 가정과교사로서 식생활교육 프로그램 관련 연구를 수행한 경력이 있는 전문가 6인으로부터 전문가 타당도 검증을 받았다. 그 결과, 전체 문항의 평균은 4.90(5점 만점), CVI는 0.98로 매우 우수한 내용타당도를 확보하였다. 둘째, 세종특별자치시 소재 Y고등학교 1학년 총 100명의 학생을 대상으로 '1인 가구의 식사와 조리' 교육 프로그램을 실행하였다. 학교 상황을 고려하여 16차시의 핵심 주제가 모두 포함되도록 6차시로 축약하여 운영하였다. 참여한 학생들을 대상으로 사전⋅사후 검사를 한 결과, 개발된 프로그램이 식생활관리 역량을 향상시키는 데 유의미한 효과가 있음을 확인하였다. 이 연구는 고교학점제에 대비하여 1인 가구 시대의 사회적 변화에 따른 가정 교과의 새로운 과목 개발 및 식생활관리 역량 향상의 효과 확인에 의의가 있으며, 본 연구에서 개발한 '1인 가구의 식사와 조리' 교육 프로그램은 2022 개정 교육과정의 미니 과목으로 활용할 수 있을 것이다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제42권3호
• /
• pp.467-479
• /
• 2023

학교 교육에서 인공지능을 활용한 교육이 성공적으로 이루어지기 위해서는 교사의 인식이 중요하다. 이 연구에서는 연구학교 참여 전후에 초등교사의 인공지능 활용 과학 수업 필요성에 관한 인식과 교수 효능감 수준을 '학습', '교수', '평가', '의사소통' 네 가지 측면에서 조사하고 분석하였다. 강원특별자치도교육청에 의해 지정되어 일 년 동안 연구학교로 운영된 한 초등학교에 근무하는 초등교사 24명을 대상으로 하였다. 연구학교 운영 전후에 수집한 설문 결과를 데이터로 활용하여 인공지능 활용 과학 수업에 대한 인식 변화를 탐색하였고, 특히 네 명의 교사를 대상으로 개별 심층 면담을 하여 인공지능 활용과학 수업에 관한 인식 변화에 영향을 미친 경험 요인을 탐색하였다. 주요한 연구 결과는 다음과 같다. 첫째, 초등교사는 연구학교 경험 이전부터 인공지능 활용 과학 수업 필요성에 관해 긍정적으로 인식하고 있었으며, 이는 연구학교 경험 이후에도 유사하게 유지되었다. 둘째, 초등교사의 인공지능 활용 과학교수 효능감은 대체로 중간 수준이었으며 연구학교 경험 이후에도 통계적으로 유의미한 수준으로 높아지지 않았다. 셋째, '필요성-효능감'을 함께 사분면으로 분석한 결과 연구학교를 경험한 초등교사는 '학습', '교수', '평가' 측면에 대하여 절반 정도가 긍정적인 변화를 경험하였다. 넷째, 초등교사의 인공지능활용 과학 수업에 관한 인식 변화에 영향을 미친 중요한 경험 요인은 '개인적 배경과 특성', '교사 개인의 수업 실천 경험', '교사공동체 활동', '학교 행정과 업무' 네 가지로 추출할 수 있었다. 이와 같은 연구결과가 연구학교 운영과 인공지능 활용 초등 과학교육에 주는 시사점을 논의하였다.

• Asia pacific journal of information systems
• /
• 제21권1호
• /
• pp.103-122
• /
• 2011

Recently, numerous documents have been made available electronically. Internet search engines and digital libraries commonly return query results containing hundreds or even thousands of documents. In this situation, it is virtually impossible for users to examine complete documents to determine whether they might be useful for them. For this reason, some on-line documents are accompanied by a list of keywords specified by the authors in an effort to guide the users by facilitating the filtering process. In this way, a set of keywords is often considered a condensed version of the whole document and therefore plays an important role for document retrieval, Web page retrieval, document clustering, summarization, text mining, and so on. Since many academic journals ask the authors to provide a list of five or six keywords on the first page of an article, keywords are most familiar in the context of journal articles. However, many other types of documents could not benefit from the use of keywords, including Web pages, email messages, news reports, magazine articles, and business papers. Although the potential benefit is large, the implementation itself is the obstacle; manually assigning keywords to all documents is a daunting task, or even impractical in that it is extremely tedious and time-consuming requiring a certain level of domain knowledge. Therefore, it is highly desirable to automate the keyword generation process. There are mainly two approaches to achieving this aim: keyword assignment approach and keyword extraction approach. Both approaches use machine learning methods and require, for training purposes, a set of documents with keywords already attached. In the former approach, there is a given set of vocabulary, and the aim is to match them to the texts. In other words, the keywords assignment approach seeks to select the words from a controlled vocabulary that best describes a document. Although this approach is domain dependent and is not easy to transfer and expand, it can generate implicit keywords that do not appear in a document. On the other hand, in the latter approach, the aim is to extract keywords with respect to their relevance in the text without prior vocabulary. In this approach, automatic keyword generation is treated as a classification task, and keywords are commonly extracted based on supervised learning techniques. Thus, keyword extraction algorithms classify candidate keywords in a document into positive or negative examples. Several systems such as Extractor and Kea were developed using keyword extraction approach. Most indicative words in a document are selected as keywords for that document and as a result, keywords extraction is limited to terms that appear in the document. Therefore, keywords extraction cannot generate implicit keywords that are not included in a document. According to the experiment results of Turney, about 64% to 90% of keywords assigned by the authors can be found in the full text of an article. Inversely, it also means that 10% to 36% of the keywords assigned by the authors do not appear in the article, which cannot be generated through keyword extraction algorithms. Our preliminary experiment result also shows that 37% of keywords assigned by the authors are not included in the full text. This is the reason why we have decided to adopt the keyword assignment approach. In this paper, we propose a new approach for automatic keyword assignment namely IVSM(Inverse Vector Space Model). The model is based on a vector space model. which is a conventional information retrieval model that represents documents and queries by vectors in a multidimensional space. IVSM generates an appropriate keyword set for a specific document by measuring the distance between the document and the keyword sets. The keyword assignment process of IVSM is as follows: (1) calculating the vector length of each keyword set based on each keyword weight; (2) preprocessing and parsing a target document that does not have keywords; (3) calculating the vector length of the target document based on the term frequency; (4) measuring the cosine similarity between each keyword set and the target document; and (5) generating keywords that have high similarity scores. Two keyword generation systems were implemented applying IVSM: IVSM system for Web-based community service and stand-alone IVSM system. Firstly, the IVSM system is implemented in a community service for sharing knowledge and opinions on current trends such as fashion, movies, social problems, and health information. The stand-alone IVSM system is dedicated to generating keywords for academic papers, and, indeed, it has been tested through a number of academic papers including those published by the Korean Association of Shipping and Logistics, the Korea Research Academy of Distribution Information, the Korea Logistics Society, the Korea Logistics Research Association, and the Korea Port Economic Association. We measured the performance of IVSM by the number of matches between the IVSM-generated keywords and the author-assigned keywords. According to our experiment, the precisions of IVSM applied to Web-based community service and academic journals were 0.75 and 0.71, respectively. The performance of both systems is much better than that of baseline systems that generate keywords based on simple probability. Also, IVSM shows comparable performance to Extractor that is a representative system of keyword extraction approach developed by Turney. As electronic documents increase, we expect that IVSM proposed in this paper can be applied to many electronic documents in Web-based community and digital library.

• 지능정보연구
• /
• 제18권3호
• /
• pp.185-202
• /
• 2012

오늘날 정보사회에서는 정보에 대한 가치를 인식하고, 이를 위한 정보의 활용과 수집이 중요해지고 있다. 얼굴 표정은 그림 하나가 수천개의 단어를 표현할 수 있듯이 수천 개의 정보를 지니고 있다. 이에 주목하여 최근 얼굴 표정을 통해 사람의 감정을 판단하여 지능형 서비스를 제공하기 위한 시도가 MIT Media Lab을 필두로 활발하게 이루어지고 있다. 전통적으로 기존 연구에서는 인공신경망, 중회귀분석 등의 기법을 통해 사람의 감정을 판단하는 연구가 이루어져 왔다. 하지만 중회귀모형은 예측 정확도가 떨어지고, 인공신경망은 성능은 뛰어나지만 기법 자체가 지닌 과적합화 문제로 인해 한계를 지닌다. 본 연구는 사람들의 자극에 대한 반응으로서 나타나는 얼굴 표정을 통해 감정을 추론해내는 지능형 모형을 개발하는 것을 목표로 한다. 기존 얼굴 표정을 통한 지능형 감정판단모형을 개선하기 위하여, Support Vector Regression(이하 SVR) 기법을 적용하는 새로운 모형을 제시한다. SVR은 기존 Support Vector Machine이 가진 뛰어난 예측 능력을 바탕으로, 회귀문제 영역을 해결하기 위해 확장된 것이다. 본 연구의 제안 모형의 목적은 사람의 얼굴 표정으로부터 쾌/불쾌 수준 그리고 몰입도를 판단할 수 있도록 설계되는 것이다. 모형 구축을 위해 사람들에게 적절한 자극영상을 제공했을 때 나타나는 얼굴 반응들을 수집했고, 이를 기반으로 얼굴 특징점을 도출 및 보정하였다. 이후 전처리 과정을 통해 통계적 유의변수를 추출 후 학습용과 검증용 데이터로 구분하여 SVR 모형을 통해 학습시키고, 평가되도록 하였다. 다수의 일반인들을 대상으로 수집된 실제 데이터셋을 기반으로 제안모형을 적용해 본 결과, 매우 우수한 예측 정확도를 보임을 확인할 수 있었다. 아울러, 중회귀분석이나 인공신경망 기법과 비교했을 때에도 본 연구에서 제안한 SVR 모형이 쾌/불쾌 수준 및 몰입도 모두에서 더 우수한 예측성과를 보임을 확인할 수 있었다. 이는 얼굴 표정에 기반한 감정판단모형으로서 SVR이 상당히 효과적인 수단이 될 수 있다는 점을 알 수 있었다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.231-252
• /
• 2021

인공지능(Artificial Intelligence)은 미래를 가장 크게 변화시킬 핵심 동력으로 산업 전반과 개인의 일상생활에 다양한 형태로 영향을 미치고 있다. 무엇보다 활용 가능한 데이터가 증가함에 따라 더욱더 많은 기업과 개인들이 인공지능 기술을 이용하여 데이터로부터 유용한 정보를 추출하고 이를 의사결정에 활용하고 있다. 인공지능에 관한 기존 연구는 모방 가능한 업무의 자동화에 초점을 두고 있으나, 인간을 배제한 자동화는 장점 못지않게 알고리즘 편향(Algorithms bias)으로 발생되는 오류나 자율성(Autonomy)의 한계점, 그리고 일자리 대체 등 사회적 부작용을 보여주고 있다. 최근 들어, 인간지능의 강화를 위한 증강 지능 (Augmented intelligence)으로서 인간과 인공지능의 협업에 관한 연구가 주목을 받고 있으며 기업도 관심을 가지기 시작하였다. 본 연구는 의사결정을 위해 조언(Advice)을 제공하는 조언자의 유형을 인간, 인공지능, 그리고 인간과 인공지능 협업의 세 가지로 나누고, 조언자의 유형과 의사결정자의 성격 특성이 의사결정에 미치는 영향을 살펴보았다. 311명의 실험자를 대상으로 사진 속 얼굴을 보고 나이를 예측하는 업무를 진행하였으며, 연구 결과 의사결정자가 조언활용을 하려면 먼저 조언의 유용성을 높게 인지하여하는 것으로 나타났다. 또한 의사결정자의 성격 특성이 조언자 유형별로 조언의 유용성을 인지하고 조언을 활용하는 데에 미치는 영향을 살펴본 결과, 인간과 인공지능의 협업 형태인 경우 의사결정자의 성격 특성에 무관하게 조언의 유용성을 더 높게 인지하고 적극적으로 조언을 활용하는 것으로 나타났다. 인공지능 단독으로 활용될 경우에는 성격 특성 중 성실성과 외향성이 강하고 신경증이 낮은 의사결정자가 조언의 유용성을 더 높게 인지하고 조언을 활용하는 것으로 나타났다. 본 연구는 인공지능의 역할을 의사결정과 판단(Decision Making and Judgment) 연구 분야의 조언자의 역할로 보고 관련 연구를 확장하였다는데 학문적 의의가 있으며, 기업이 인공지능 활용 역량을 제고하기 위해 고려해야 할 점들을 제시하였다는데 실무적 의의가 있다.