• 한국초등과학교육학회지:초등과학교육
• /
• 제33권4호
• /
• pp.700-709
• /
• 2014

The purpose of this study was to examine the effects of question-generating strategy on science academic achievement, scientific attitude in elementary science class. To examine the effects of question-generating strategy this learning materials were applied to elementary science curriculum, and an experimental group and a control group were selected from $5^{th}$ graders at H elementary school located in Gyeonggi-do. Students were taught for 6 weeks. Control group take traditional lessons and solve questions presented textbook. Question generated group generate questions, solve them and feed back by themselves. The results of this study were found statistically significant difference in the pupil's enhancement of the science academic achievement, scientific attitude (p<.05). Thus question-generating strategy for elementary science inquiry instruction that has a positive effect on interests in class is useful and better be widely applied to science education.

• 한국초등과학교육학회지:초등과학교육
• /
• 제24권3호
• /
• pp.249-258
• /
• 2005

이 연구의 목적은 초등예비교사들의 관찰활동에서 나타난 인과적 의문의 사고 유형과 생성 과정을 알아보는데 있다. 연구를 수행하기 위하여 기 개발된 (이혜정 등, 2004) 관찰활동 수행에 적합한 4가지의 과제 즉, 사이다에 담긴 건포도 관찰, 촛불 관찰, 잉크에 염색된 샐러리 관찰, 암석 관찰 과제를 토대로 교원 양성 대학교 4학년 학생 7명을 대상으로 질적연구 방법을 통하여 분석하였다. 연구 결과, 인과적 의문에서 나타난 사고 유형은 설명자 탐색의문이 8가지로 유형을 분류할 수 있었으며, 설명자 확인 의문은 설명자 탐색 의문에서 나타난 8가지 사고 유형 외에 설명자 차용이 추가로 발견되어 9가지로 사고 유형을 분류 할 수 있었다. 또한 설명자 탐색 의문의 생성 과정은 6가지 유형으로, 설명자 확인 인과적 의문의 생성 과정은 5가지 유형으로 생성되었다. 이러한 연구 결과는 학생들에게 과학적 탐구의 방향과 방법을 안내할 수 있는 교수 전략과 학생들의 과학적 의문 생성을 돕는 교수-학습 프로그램 개발을 위한 교수 전략으로 활용될 수 있을 것이다.

• 한국학교수학회논문집
• /
• 제24권2호
• /
• pp.217-241
• /
• 2021

본 연구에서는 삼각함수의 모델링을 통한 그래픽 과정의 효과를 알아보기 위한 실험연구로 실험과정의 분석을 질적연구 방법으로 처리했다. 이를 위해 수학적 모델링의 절차를 세분하여 기존의 모델에 두 단계, 즉, 질문의 생성과 아이디어 교환을 강조하는 놀이실험단계와 컴퓨터 그래픽 과정의 단계를 추가했다. 실험은 고등학교 2학년을 대상으로 실험반(TMG) 26명이 참여했고, 데이터의 질적분석을 위해 활동지, 면담 및 실험과정의 관찰자료를 분석하였다. 국내외 대부분의 연구가 통계적 방법을 이용한 양적 분석 방법이기 때문에 교사들에게는 모델링 수업에 큰 도움을 주지 못한다. 연구결과로 (1) 기존의 수학적 모델링의 절차에 두 개의 단계를 추가하여 보다 세분화한 모델링의 과정은 질문생성, 아이디어교환, 동료들과 소통 등에서 긍정적인 결과를 볼 수 있었다. (2) 실험학교의 수학과 수업에 컴퓨터 그래픽을 포함한 테크놀로지의 도입은 양과 수(Quantity) 교육에 매우 적절함을 보여주었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권5호
• /
• pp.1396-1412
• /
• 2023

Conversation modeling is an important and challenging task in the field of natural language processing because it is a key component promoting the development of automated humanmachine conversation. Most recent research concerning conversation modeling focuses only on the current utterance (considered as the current question) to generate a response, and thus fails to capture the conversation's logic from its beginning. Some studies concatenate the current question with previous conversation sentences and use it as input for response generation. Another approach is to use an encoder to store all previous utterances. Each time a new question is encountered, the encoder is updated and used to generate the response. Our approach in this paper differs from previous studies in that we explicitly separate the encoding of the question from the encoding of its context. This results in different encoding models for the question and the context, capturing the specificity of each. In this way, we have access to the entire context when generating the response. To this end, we propose a deep neural network-based model, called the Context Model, to encode previous utterances' information and combine it with the current question. This approach satisfies the need for context information while keeping the different roles of the current question and its context separate while generating a response. We investigate two approaches for representing the context: Long short-term memory and Convolutional neural network. Experiments show that our Context Model outperforms a baseline model on both ConvAI2 Dataset and a collected dataset of conversational English.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3266-3285
• /
• 2023

With the popularity of online learning, intelligent tutoring systems are starting to become mainstream for assisting online question practice. Surrounded by abundant learning resources, some students struggle to select the proper questions. Personalized question recommendation is crucial for supporting students in choosing the proper questions to improve their learning performance. However, traditional question recommendation methods (i.e., collaborative filtering (CF) and cognitive diagnosis model (CDM)) cannot meet students' needs well. The CDM-based question recommendation ignores students' requirements and similarities, resulting in inaccuracies in the recommendation. Even CF examines student similarities, it disregards their knowledge proficiency and struggles when generating questions of appropriate difficulty. To solve these issues, we first design an enhanced cognitive diagnosis process that integrates students' affection into traditional CDM by employing the non-compensatory bidimensional item response model (NCB-IRM) to enhance the representation of individual personality. Subsequently, we propose an affection-enhanced personalized question recommendation (AE-PQR) method for online learning. It introduces NCB-IRM to CF, considering both individual and common characteristics of students' responses to maintain rationality and accuracy for personalized question recommendation. Experimental results show that our proposed method improves the accuracy of diagnosed student cognition and the appropriateness of recommended questions.

• 디지털콘텐츠학회 논문지
• /
• 제11권3호
• /
• pp.375-383
• /
• 2010

질의응답시스템을 구축하는데 있어서 사용자 질의로 입력된 자연어 문장을 문법적 또는 의미적으로 완벽하게 분석하는 작업과 그 질의에 대한 정확한 답변을 찾아내는 작업은 쉬운 일이 아니다. 본 논문에서는 질의응답시스템 구축의 난제를 극복하기 위해, 문서 말뭉치에 기반하여 질의문을 자동 생성, 저장하여 이를 키워드로 검색하는 새로운 방식의 시스템을 제안한다. 질의문 생성을 위한 기본 아이디어는 수집 문서의 주요 문장에 대해 고유명사인식 기술을 활용하여 사람, 사물, 장소, 시간 등의 고유명사를 인식한 후, 각 고유명사에 해당하는 자연어 질의문을 생성하는 것이다. 질의문은 두가지 유형인 단순형 및 문장구조유지형 질의문으로 구분한다. 시스템은 이렇게 준비된 질의문 데이터베이스를 가지고 입력된 검색 키워드에 대하여 관련 질의문과 답변을 쉽게 얻을 수 있다. 본 연구의 관건은 생성된 질의문이 명확한 해답을 도출할 수 있는 의미있는 질의문을 생성하는 것이다. 이를 위해 본 연구에서는 질의문의 원천이 되는 평서문장을 선별하는 원칙과 선별된 평서문으로부터 의미있는 질의문을 생성하는 방법론을 제시한다.

• 한국과학교육학회지
• /
• 제23권5호
• /
• pp.458-469
• /
• 2003

이 연구는 과학적 가설 지식의 생성 과정을 귀납적으로 기술하구 분석하여 하나의 바탕이론을 제시하고자 하였다. 이것을 위해 과학적 현상의 원인을 설명하는 과제를 피험자들에게 제시하고, 피험자들이 과제를 해결하는 과정에서 표상한 지식과 사고 유형을 발성 사고법과 심층면접을 통해 프로토콜로 생성하게 한 후, 이것에서 규칙성을 찾아 귀납적으로 기술하는 연구 방법을 이용하였다. 이 연구의 결과는 가설 지식 생성 과정에서 의문상황, 가설적 설명자, 경험상황, 원인적 설명자, 최종가설지식 등 5가지의 중간적 지식들이 생성됨을 보여주었다. 또, 지식 탐색, 의문상황과 경험상황 비교, 설명자 차용, 설명자 조합, 설명자 선택, 설명자 확인 등 6가지 유형의 사고가 가설 지식 생성에 관여한다는 것도 보여주었다. 또한 과학적 가설 지식은 '의문상황${\righallow}$경험상황${\righallow}$원인적 설명자${\righallow}$가설적 설명자${\righallow}$가설' 순으로 중간적 지식들의 표상되는 과정을 통해 생성되며, 이러한 과정은 귀추적 추론 뿐만 아니라 귀납과 연역 추론도 함께 관여하는 복잡한 사고 과정임을 보여주었다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제8권1호
• /
• pp.27-36
• /
• 2019

본 연구는 검색 기반의 질문 자동 생성 시스템에서 사용자가 이미 답변한 내용을 재질문하지 않도록 사용자의 응답과 유사도가 높은 응답을 질문-데이터베이스에서 찾는 방법을 제안한다. 유사도가 높게 검출된 응답의 질문은 이미 사용자가 아는 내용일 확률이 높기 때문에 질문 후보군에서 제거한다. 유사 응답 검출에는 두 응답간의 동일 단어, 바꿔쓰기 표현, 문장 내용을 모두 사용하였다. 바꿔쓰기 표현은 통계기반의 기계번역에서 사용하는 구절 테이블을 사용하여 구축하였다. 문장 내용은 두 문장을 주의-기반 컨볼루션 신경망으로 압축하여 유사도를 계산하였다. 평가를 위해 구축한 100개의 평가 응답에 질문-응답 데이터베이스로부터 가장 유사한 응답을 추출해서 얻은 결과는 MRR값 71%의 성능을 보였다.

• 한국과학교육학회지
• /
• 제30권6호
• /
• pp.752-769
• /
• 2010

이 연구는 미시발생적 연구 방법을 사용하여 초등학생들이 생성한 과학적 의문의 변화를 알아보는데 목적이 있다. 연구 대상은 경기도 소재 I초등학교 6학년 학생 6명으로 학생들은 사이다에 넣은 건포도 관찰 과제와 촛불 관찰 과제로 6회에 걸쳐 활동하였다. 자료는 학생들이 작성한 과학적 의문 생성 활동지, 현장 관찰 기록, 면담을 통해 수집되었다. 연구 결과, 첫째, 초등학생들이 생성한 과학적 의문은 회기에 따라 감소하는 경향을 나타내었다. 둘째, 과제에 따라 과학적 의문 생성의 변화 과정이 다르게 나타남을 확인할 수 있었다. 셋째, 각 개인에게서 일어나는 과학적 의문의 유형 변화를 살펴봄으로써 동일한 과제에 대해회기에 따라 다른 결과가 나타나고 각 개인에게서 나타나는 변화 패턴이 다양하다는 것을 알 수 있었다. 즉 과학적 의문 생성활동에서 학생들은 개인 내 변산성과 개인 간 변산성이 존재함을 확인할 수 있었다. 따라서 이 연구의 결과는 과학적 의문 생성 지도에 다음과 같은 시사점을 줄 수 있다. 학생들에게 있어 과학적 의문의 생성은 지식의 성장, 획득 과정을 경험할수 있는 기회를 높여줄 수 있기 때문에 과학적 의문을 생성할 수 있는 상황을 조성하는 것이 중요하며 다양한 유형의 과학적 의문 생성을 위해 과제 선정 시 과제 속성에 대한 분석이 필요하다.

• 한국음향학회지
• /
• 제23권2호
• /
• pp.173-179
• /
• 2004

음소 질의어 집합은 문맥 속에서 비슷한 조음 효과를 보이는 음소들을 분류해 놓은 것으로서, 음성 인식 시스템 학습 시 결정트리를 기반으로 HMM (hidden Markov model)의 상태들을 클러스터링할 때 사용된다. 현재까지의 음소 질의어 집합은 대부분 음성학자나 언어학자들에 의해 수작업으로 제시되어 왔는데, 이러한 지식 기반음소 질의어들은 언어 또는 유사음소 단위 (PLU: phone like unit)에 종속될 뿐 아니라 생성된 클러스터 내의 동질성을 저하시킬 수 있다는 단점이 있다. 본 논문에서는 이와 같은 문제점들을 해결하기 위해 음성 데이터를 사용하여 측정한 음소들 사이의 유사도를 기반으로 언어나 유사음소단위에 상관없이 자동으로 음소 질의어 집합을 생성하는 알고리즘을 제안한다. 실험결과, 제안한 방법으로 생성된 음소 질의어들을 사용한 인식기의 에러율이 약 14.3%감소하여 데이터 기반의 음소 질의어 집합이 상태 클러스터링에 효율적임을 관측하였다.