• 한국과학교육학회지
• /
• 제29권8호
• /
• pp.990-1010
• /
• 2009

이 연구에서는 뇌기반 진화적 교육 원리를 도출하기 위하여, 인간 뇌의 구조적 기능적 특징, 개체간과 개체내에서 일어나는 생물학적 진화, 뇌내에서 일어나는 진화적 과정, 과학 자체와 개별 과학자의 과학적 활동에 내재된 진화적 속성에 관한 연구물을 리뷰하였다. 이렇게 하여 도출된 인간 뇌의 주요 특징과 생성-선택-파지를 핵심 요소로 하는 보편 다윈주의 혹은 보편 선택주의를 토대로, 뇌기반 진화적 과학 교수 학습 모형을 개발하였다. 이 모형은 세 가지 요소와 세 가지 단계 및 평가로 이루어진다. 세 가지 요소는 정의적, 행동적, 인지적 요소이고, 각 요소를 구성하는 세 단계는 다양화 $\rightarrow$ 비교 선택 $\rightarrow$ 확장 적용(ABC-DEF; Affective, Behavioral, Cognitive components - Diversifying$\rightarrow$Emulating, Estimating, Evaluating $\rightarrow$ Furthering steps)이다. 이 모형에서 정의적 요소 (A)는 인간 뇌에서 감성을 관장하는 대뇌변연계에 토대를 두고 자연 사물과 현상에 대한 학습자의 흥미 호기심과 관련된다. 행동적 요소(B)는 시각 정보를 처리하는 후두엽, 언어 정보의 이해.생성과 관련된 측두엽, 감각운동 정보를 처리하는 감각운동령을 수반하고 과학적 활동의 직접 해보기와 관련된다. 인지적 요소(C)는 사고, 계획, 판단, 문제해결과 관련된 전두엽합령에 토대를 둔다. 이 모형은 이러한 측면에서 '뇌기반(brain-based)'이다. 이 모형의 세 가지 각 요소를 구성하는 세 단계에서, 다양화 단계(D)는 각 요소에서 다양한 변이체를 생성하는 과정이고, 가치나 유용성에 비추어 비교.선택하는 단계(E)는 변이체들 중 유용하거나 가치 있는 것을 검증하여 선택하는 과정이며, 확장.적용 단계(F)는 선택된 것을 유사한 상황으로 확장하거나 적용하는 단계이다. 이 모형은 이러한 측면에서 '진화적(evolutionary)'이다. ABC 세 요소에 대해, 과학적 활동에서 감성적 요인이 출발점으로 갖는 중요성과 뇌에서 사고 기능과 관련되는 신피질에 비해 감성을 관장하는 대뇌변연계의 우세한 역할을 반영하여 DARWIN (Driving Affective Realm for Whole Intellectual Network) 접근법을 강조한다. 이 모형은 학교 현장에서 다루는 과학 주제와 학생의 특징에 따라 다양한 형태와 수준으로 융통성 있게 실행될 수 있다.

• 벤처창업연구
• /
• 제19권2호
• /
• pp.63-79
• /
• 2024

국내 스타트업 생태계는 디지털 전환 가속화에 따른 창업의 패러다임 변화, 온라인 플랫폼 기업이 유니콘으로 크게 성장했지만, 딥테크 스타트업에 대한 차별화된 접근과 전략지원이 부재해 창업생태계의 활동성이 부족하다. 이에 이 연구에서는 해외 선진 사례(미국)를 기초로 국내 스타트업 육성 정책의 발전 방안을 제시하고자 한다. 연구에서 딥테크 스타트업의 정의 및 특징, 투자 현황, 성공 사례, 지원 정책등을 국내외 문헌에서 종합적으로 분석하고 시사점을 도출하였다. 특히, 국내 딥테크 스타트업의 지원 정책의 개선 방안을 구체적으로 도출해 발전을 위한 이정표를 제시하였다. 현재 미국은 딥테크 스타트업 지원을 위해 정부의 역할을 크게 강화하고 있다. 미국 정부는 딥테크 스타트업에 대한 직접적인 재정지원, 세제지원, 인프라 지원 등을 제공하고 있다. 또한, 딥테크 스타트업 육성을 위한 정책을 수립하고, 관련 기관을 설립하여 지원을 체계화하고 있다. 주목해야 하는 점은 미국의 대학은 딥테크 스타트업 육성을 위한 핵심적인 역할을 담당하고 있다. 미국에서의 유수 대학은 딥테크 스타트업 발굴 및 육성 프로그램을 운영하고 있으며, 연구개발 인프라와 기술을 제공하고 있다. 또한, 기업과 협력하여 딥테크 스타트업에 대한 공동 투자 및 사업화 지원을 제공하고 있다. 결과적으로 국내 딥테크 스타트업의 성장을 위해서는 정부, 대학, 기업, 민간 투자자 등 다양한 주체의 협력이 필요하다. 정부는 정책적 지원을 강화하고, 대학과 기업은 협력하여 연구개발 역량과 사업화 역량을 지원해야 한다. 또한, 민간 투자자는 딥테크 스타트업에 대한 투자를 활성화해야 한다. 이러한 노력을 통해 딥테크 스타트업이 성장하고, 한국의 혁신 생태계가 활성화될 것으로 기대된다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.123-138
• /
• 2024

본 연구는 S대학 <인공지능을 위한 기초수학[Math4AI]> 강좌의 교수·학습과정에서 맞춤형 챗GPT를 개발하여 활용한 경험을 공유한다. 연구진은 ① 먼저 강좌 맞춤형 챗GPT (https://math4ai.solgitmath.com/)를 개발하였다. 이때 챗GPT가 부정확한 정보를 주지 않도록 수년간의 해당 강좌 주요 데이터(교재, 실습실, 토론 기록, 코드 등)를 우선적으로 학습하는 챗GPT의 기능을 적용하였다. ② 학생들이 교재를 스스로 학습하다 궁금한 부분이 생기면, 맞춤형 챗GPT 인터페이스를 통해 자연어로 수학 용어, 정리, 예제, 열린 문제 번호, 핵심어 등을 질문하여 도움을 얻을 수 있도록 하였다. 그러면 챗GPT는 관련된 주요 문제나 용어, 그리고 이전 학생들의 토론에 기반한 몇 가지 샘플 답안 또는 토론 내용과 함께 사용되었던 코드 샘플을 제공한다. ③ 학생들이 챗GPT를 통해 얻은 내용을 스스로 윤문하여 공유하고, 상호 토론하면서, 교재에서 제시하는 주요 개념과 열린 문제의 대부분을 이해하도록 하였다. ④ 학기 말에는 그간 본인이 얻은 열린 문제들에 대한 학습기록을 모아 PBL (Problem-Based Learning) 보고서로 제출하고, 발표하여 강좌를 수료하도록 하였다. 이러한 방식은 학생들이 학습을 포기하지 않고 한 단계 앞으로 더 나아갈 추진력과 동기를 주며, 궁극적으로 각각의 문제를 스스로 해결하는 자기 주도적 학습을 도울 수 있다. 또한 학생들 각자의 수준에 맞추어 실시간으로 최적화된 조언을 제시하므로 강좌뿐만 아니라 대학수학교육 전반에 대한 학생별 맞춤형 교육(personalized education)을 제공할 수 있다. 즉, 학생들이 담당교수(또는 조교)와 AI 조교의 도움으로 실시간 답변과 효과적인 조언을 받을 수 있게 됨을 의미한다. 이는 양질의 조교 부족에 대한 고민을 추가 비용 없이 획기적으로 해결할 수 있다. 본 연구는 강좌의 교수·학습과정에 교재 맞춤형 챗GPT를 접목한 것으로, 인공지능(AI) 기술을 기타 대학수학 과목들(미적분학, 선형대수학, 이산수학, 공학수학, 기초통계학 등)과 초·중·고 수학교육에 적용할 수 있는 새로운 방법을 제시한다. 특히 AI 기술을 적용하여 이전 수강생들의 학습기록(열린 문제 풀이, 토론 자료, 코드 등)을 참고하며, 각자 실습한 결과를 공유 및 상호 토론하여 문제를 해결하는 방식은, 다양한 전공의 학생들이 내용을 더 효과적으로 이해하고, 본인 전공 관련 문제 해결 능력을 향상시키는 데 획기적인 도움을 줄 것으로 예상된다. 또한 교재 맞춤형 챗GPT와 함께 자기주도적인 학습을 경험토록 하는 교수학습 방법은 평생 교육(lifelong learning, extension school, extension college, extended college) 또는 평생학습의 관점에서 중요하다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.1-23
• /
• 2018

E-commerce 환경의 발전으로 소비자들은 다양한 상품들을 한 자리에서 폭 넓게 비교할 수 있게 되었다. 하지만 온라인 쇼핑몰에 올라와있는 상당량의 주요 상품 정보들이 이미지 형태이기 때문에 컴퓨터가 인지할 수 있는 텍스트 기반 검색 시스템에 반영될 수 없다는 한계가 존재한다. 이러한 한계점은 일반적으로 기존 기계학습 기술 및 OCR(Optical Character Recognition) 기술을 활용해, 이미지 형태로 된 키워드를 인식함으로써 개선할 수 있다. 그러나 기존 OCR 기술은 이미지 안에 글자가 아닌 그림이 많고 글자 크기가 작으면 낮은 인식률을 보인다는 문제가 있다. 이에 본 연구에서는 기존 기술들의 한계점을 해결하기 위하여, 딥러닝 기반 사물인식 모형 중 하나인 SSD(Single Shot MultiBox Detector)를 개조하여 이미지 형태의 상품 카탈로그 내의 텍스트 인식모형을 설계하였다. 하지만 이를 학습시키기 위한 데이터를 구축하는 데 상당한 시간과 비용이 필요했는데, 이는 지도학습의 방법론을 따르는 SSD 모형은 훈련 데이터마다 직접 정답 라벨링을 해줘야 하기 때문이다. 본 연구는 이러한 문제점을 해결하기 위해 '훈련 데이터 자동 생성 프로그램'을 함께 개발하였다. 훈련 데이터 자동 생성 프로그램을 통해 수작업으로 데이터를 만드는 것에 비하여 시간과 비용을 대폭 절감할 수 있었으며, 생성된 훈련용 데이터를 통해 모형의 인식 성능을 높일 수 있었다. 더 나아가 실험연구를 통해 자동으로 생성된 훈련 데이터의 특징별로 인식기 모형의 성능에 얼마나 큰 영향을 끼치는지 알아보고, 성능 향상에 효과적인 데이터의 특징을 분석하였다. 본 연구를 통해서 개발된 상품 카탈로그 내 텍스트 인식모형과 훈련 데이터 자동 생성 프로그램은 온라인 쇼핑몰 판매자들의 상품 정보 등록 수고를 줄여줄 수 있으며, 구매자들의 상품 검색 시 결과의 정확성을 향상시키는 데 기여할 수 있을 것으로 기대한다.