• 디지털콘텐츠학회 논문지
• /
• 제18권4호
• /
• pp.671-679
• /
• 2017

영어 교육 전문가 R. Ellis를 비롯한 다수의 외국어학습연구자의 연구에 따르면, 외국어를 학습자의 실제상황에서 반복적으로 학습함으로써 영어의 실제성을 높이는 학습 방법이 효과적이며 중요한 방법이다. 본 논문에서는 상황인식 서비스가 접목된 외국어 학습 서비스를 제안함으로써 영어 학습의 실제성을 높이는 외국어 학습 콘텐츠의 개발을 모색한다. 이와 같은 접근은 실제 환경에서 무의식인 외국어 습득을 돕는 디지털 교육 콘텐츠에 대한 연구와 실시간 다중 센서 데이터를 기반으로 학습자의 경험적 특성을 분석하는 연구에 기반 한다.

• 공학교육연구
• /
• 제25권5호
• /
• pp.75-84
• /
• 2022

In the post-Corona era, blended learning will be one of the most important instructional strategies for successful education. The purpose of this study is to examine reliability and validity of the instrument developed in the instructional aspect so that a successful blended learning can take place. This instrument consists of 31 items to evaluate class operation, online learning environment, online contents, offline class, interaction and overall satisfaction. For this study, a survey was conducted in LMS and the responses of 164 students were used for analysis. Confirmatory factor analysis was used to evaluate validation of this instrument and this analysis was run in R studio. As a result of CFA, the standardized factor loadings of all items were 0.930~0.754 and the reliability and validity of all constructs were adequate. The results of this instrument enable universities to manage the quality of their classes and instructors can use them as self-checklist to improve future classes in terms of instructional points. Finally, this instrument can be used in a variety of learner-centered learning environments.

• 한국공간구조학회논문집
• /
• 제23권3호
• /
• pp.87-94
• /
• 2023

Chloride is one of the most common threats to reinforced concrete (RC) durability. Alkaline environment of concrete makes a passive layer on the surface of reinforcement bars that prevents the bar from corrosion. However, when the chloride concentration amount at the reinforcement bar reaches a certain level, deterioration of the passive protection layer occurs, causing corrosion and ultimately reducing the structure's safety and durability. Therefore, understanding the chloride diffusion and its prediction are important to evaluate the safety and durability of RC structure. In this study, the chloride diffusion coefficient is predicted by machine learning techniques. Various machine learning techniques such as multiple linear regression, decision tree, random forest, support vector machine, artificial neural networks, extreme gradient boosting annd k-nearest neighbor were used and accuracy of there models were compared. In order to evaluate the accuracy, root mean square error (RMSE), mean square error (MSE), mean absolute error (MAE) and coefficient of determination (R2) were used as prediction performance indices. The k-fold cross-validation procedure was used to estimate the performance of machine learning models when making predictions on data not used during training. Grid search was applied to hyperparameter optimization. It has been shown from numerical simulation that ensemble learning methods such as random forest and extreme gradient boosting successfully predicted the chloride diffusion coefficient and artificial neural networks also provided accurate result.

• 한국물환경학회지
• /
• 제38권6호
• /
• pp.292-305
• /
• 2022

The Yeongsan River, one of the four largest rivers in South Korea, has been facing difficulties with water quality management with respect to algal bloom. The algal bloom menace has become bigger, especially after the construction of two weirs in the mainstream of the Yeongsan River. Therefore, the prediction and factor analysis of Chlorophyll-a (Chl-a) concentration is needed for effective water quality management. In this study, Chl-a prediction model was developed, and the performance evaluated using machine and deep learning methods, such as Deep Neural Network (DNN), Random Forest (RF), and eXtreme Gradient Boosting (XGBoost). Moreover, the correlation analysis and the feature importance results were compared to identify the major factors affecting the concentration of Chl-a. All models showed high prediction performance with an R² value of 0.9 or higher. In particular, XGBoost showed the highest prediction accuracy of 0.95 in the test data.The results of feature importance suggested that Ammonia (NH₃-N) and Phosphate (PO₄-P) were common major factors for the three models to manage Chl-a concentration. From the results, it was confirmed that three machine learning methods, DNN, RF, and XGBoost are powerful methods for predicting water quality parameters. Also, the comparison between feature importance and correlation analysis would present a more accurate assessment of the important major factors.

• 스마트미디어저널
• /
• 제11권4호
• /
• pp.19-29
• /
• 2022

IoT 기술의 발전에 따라 스마트팜을 활용하는 농가가 증가하고 있다. 스마트팜은 환경을 모니터링하고, 원격 또는 자동으로 최적의 내부 환경을 조성하여 작물의 생산량 및 품질을 향상시킨다. 이를 위해 수집되는 농업 디지털 데이터를 활용하여 작물의 생산성을 예측하는 기술에 대한 연구가 활성화되고 있다. 그러나 생산량 예측을 위한 연구에서는 기존의 통계자료를 바탕으로 하는 통계모델 기반의 연구가 대부분이며, 이에 따라 예측 정확도가 낮은 문제점이 존재한다. 본 연구에서는 시설 원예 스마트팜에 수집된 농업 디지털 데이터를 활용하여 다양한 머신러닝 모델을 통해 생산량 및 판매 수익금을 예측하고, 성능을 비교하였다. 성능을 비교한 모델은 다중선형회귀, 서포트벡터머신, 인공신경망, 순환신경망, LSTM, ConvLSTM이다. 성능 비교 결과 ConvLSTM가 R2 값 및 RMSE 값에서 가장 우수한 성능을 나타내었다.

• 한국콘텐츠학회논문지
• /
• 제20권8호
• /
• pp.65-74
• /
• 2020

본 연구의 목적은 의과대학생을 대상으로 온라인 학습환경에서 학습자의 일반적 특성과 학습자 관련 변인인 학습몰입, 자기주도성, 학습만족도간의 관계를 분석함으로써 효과적인 온라인 교수학습 방안을 탐색하고 학습 만족도 향상에 필요한 기초자료를 제공하는 것이다. C지역의 의과대학 의예과 1, 2학년과 의학과 1, 2학년 총 473명을 연구대상으로 하여 자기보고식 설문형식으로 자료를 수집하였다. 연구 결과, 학습집중시간은 31-40분이(38.9%) 가장 높았고, 규칙적으로 학습하는 학습자가(65.5%) 비규칙적으로 학습하는 학습자보다(34.5%) 많았으며, 학년이 높을수록 규칙적으로 학습하는 학습자의 비율이 높게 나타났다. 학습몰입은 평균 4.03(±0.86), 자기주도성은 평균 4.49(±0.97), 학습만족도는 평균 4.38(±1.01)이었다. 학년, 학습집중시간, 학습규칙성에 따라 학습몰입, 자기주도성, 학습만족도에 유의한 차이가 있었다. 학습만족도에 영향을 미치는 요인은 학년, 학습몰입, 자기주도성이었으며, 설명력은 72.5%였다. 본 연구는 온라인 학습환경에서 의과대학생들의 학습만족도와 관계가 있는 변인들을 확인함으로써 의과대학의 온라인 학습환경 활용에 필요한 자료를 제공하였고, 학습만족도 향상을 위한 온라인 학습관리체제 구축 등에 활용되기를 기대한다.

• 디지털융복합연구
• /
• 제16권11호
• /
• pp.69-79
• /
• 2018

본 연구는 '흥미'와 '자기결정성 이론' 이라는 동기 이론을 체계적으로 접목한 초등 영어 e-Learning 시스템(www.englishbuddy.kr)을 개발하고, 이를 3,100개 학원에서 적용해 본 후 실제로 학습자의 내적 동기가 향상되었는가를 측정한 것이다. 동기 전략이 적용된 이러닝 시스템으로 학습한 학습자 328명과 다른 영어 학습 프로그램 학습자 150명의 설문지 조사 분석 결과, 동기 전략이 적용된 이 러닝 시스템이 학습자의 '흥미'와 '심리적 욕구'를 만족시키고 있다는 것이 밝혀짐으로써 '학습자의 동기를 높이는 동기 전략'이 구체화되었다. 본 연구를 통해 e-Learning 환경에서 학습자의 동기가 높아지는 특징이 명확해짐으로써, e-Learning 학습을 발전시키고, 또한 '흥미'와 '자기결정성 이론' 이라는 동기 이론을 체계적으로 접목한 e-Learning 시스템을 실제로 구축하고, 3,100개 학원, 16,000명 학습자에게 적용시켜 본 매우 실증적인 연구라는 점에서 그 연구 의의가 있다 하겠다.

• 영재교육연구
• /
• 제19권3호
• /
• pp.457-476
• /
• 2009

본 연구에서는 2009년도 대학교 부설 과학영재교육원 생물 영재반에 재학하고 있는 중학교 2학년 학생 20명을 대상으로 자기조절학습능력의 수준을 분석하고, 자기조절 학습능력의 수준에 따른 학생들의 개인적 성향과 이들의 학습선호도를 조사하였다. 생물 영재반에 소속된 중학교 2학년 학생들의 자기조절학습능력은 인지전략, 메타인지, 동기차원에서 선행연구의 영재들보다 높은 수준을 보인 반면, 환경차원에서는 상대적으로 낮은 수준으로 나타났다. 자기조절학습능력의 구성요소인 인지전략은 메타인지 및 동기차원과, 메타인지는 환경차원과 높은 상관관계를 가지는 것으로 나타났다. 연구대상 학생들 가운데 자기조절학습능력이 상위권에 속하는 학생들의 개인적 성향은 서로 다른 것으로 나타났다. 섬세하고 여리며 신중한 성격을 지닌 학생으로 의학계의 성향에 치우치며 장래 의사를 희망하는 반면, 과학자로서의 높은 포부를 표현한 학생은 자연계 성향으로서 추상적이고 창의적이며 확산적으로 사고하는 특성이 두드러졌다. 자기조절학습능력은 높으나 개인적 성향이 서로 다른 것으로 나타났지만 공통적으로 가장 싫어하는 과학수업은 암기위주 이론중심 강의수업이며, 생각하지 않고 필기만 하는 것이었다. 학생들은 실험과 토론, 실험, 또는 토론중심 과학 수업을 선호하는 것으로 나타났다. 토론을 선호하는 이유에는 다른 사람의 의견을 듣기 위한 것이 있는 반면, 자신의 의견을 발표하고자 하는 이유도 제시되었다. 가장 선호하는 과학교사는 질문하고 흥미를 일깨워주는 친근하고 활동적인 사람이었다. 결론적으로 과학영재교육은 우선적으로 개별학생들의 개인적 성향을 상세히 파악하고, 학생들이 선호하는 실험활동 중심 토론식 수업에서 개별학생이 흥미있어 하는 개별 맞춤식 주제 관련 질문을 강화하는 수업이 효율적임을 시사한다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.

• 한국지하수토양환경학회지:지하수토양환경
• /
• 제25권3호
• /
• pp.74-83
• /
• 2020

Since fine dust (PM₁₀) has a significant influence on soil and groundwater composition during dry and wet deposition processes, it is of a vital importance to understand the fate and transport of aerosol in geological environments. Fine dust is formed after the chemical reaction of several precursors, typically observed in short intervals within a few hours. In this study, deep learning approach was applied to predict the fate of fine dust in an urban area. Deep learning training was performed by combining convolutional neural network (CNN) and recurrent neural network (RNN) techniques. The PM₁₀ concentration after 1 hour was predicted based on three-hour data by setting SO₂, CO, O₃, NO₂, and PM₁₀ as training data. The obtained coefficient of determination value, R², was 0.8973 between predicted and measured values for the entire concentration range of PM₁₀, suggesting deep learning method can be developed into a reliable and viable tool for prediction of fine dust concentration.