• 디지털산업정보학회논문지
• /
• 제19권4호
• /
• pp.45-52
• /
• 2023

With the advent of deep learning, Artificial Intelligence (AI) technology has experienced rapid advancements, extending its application across various industrial sectors. However, the focus has shifted from the independent use of AI technology to its dispersion and proliferation through the open AI ecosystem. This shift signifies the transition from a phase of research and development to an era where AI technology is becoming widely accessible to the general public. However, as this dispersion continues, there is an increasing demand for the verification of outcomes derived from AI technologies. Causal AI applies the traditional concept of causal inference to AI, allowing not only the analysis of data correlations but also the derivation of the causes of the results, thereby obtaining the optimal output values. Causal AI technology addresses these limitations by applying the theory of causal inference to machine learning and deep learning to derive the basis of the analysis results. This paper analyzes recent cases of causal AI technology and presents the major tasks and directions of causal AI, extracting patterns between data using the correlation between them and presenting the results of the analysis.

• 한국콘텐츠학회논문지
• /
• 제11권6호
• /
• pp.495-509
• /
• 2011

기술의 급격한 발달에 따라 유비쿼터스 환경 등 다양한 기술적 기반이 확충되면서 최근 소셜 미디어를 활용한 교육활동인 이른바 소셜 러닝에 관심이 증대되고 있다. 본 연구는 소셜 미디어 콘텐츠를 활용하는 학습자의 다양한 참여유형을 분석하고, 나아가 학습을 촉진시킬 수 있는 전략을 탐구하기 위해 실시되었다. 구체적으로, 연구를 수행하기 위한 연구모형으로서 소셜 미디어 콘텐츠 활용 유형을 크게 두 시각으로 나누어 접근하였다. 첫째는 읽기 및 쓰기활동에 근거한 참여형태에 따른 분류로서 프로슈머형, 생산자형, 소비자형, 그리고 비참여자형으로 구분하였다. 둘째는 수업 활동 및 수업외 활동에 따른 참여내용별 분류로서 수업내용, 수업관리, 정서표현, 그리고 친교활동으로 범주화하였다. 본 연구에서 상정한 참여유형을 실증적으로 검증하기 위해 K대학교 학생 14명을 대상으로 8주간 마이크로블로그를 활용한 소셜 미디어 활동을 실시하였으며, 참여형태 및 참여내용에 따른 다양한 학습활동 결과가 분석되었다. 연구결과에 근거하여 소셜 미디어 활용학습 촉진을 위한 방안으로 학습자 분석의 중요성, 교수자 역할의 증대, 그리고 수업모형의 설계 원리와 관련된 내용이 제시되었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2013년도 추계학술대회
• /
• pp.960-963
• /
• 2013

정보통신기술의 급격한 발전에 의해 교육은 스마트러닝으로 접어들고 있다. 학습자는 종이책을 내려놓고 다양한 스마트 디바이스를 활용한 학습을 하고 있으며, 이 순간에도 수없이 많은 플랫폼에 각각 들어맞는 학습 시스템이 등장하고 있다. 플랫폼 종속적인 시스템이 이기종 플랫폼에 적용되기 위해서는 많은 시간과 비용이 필요하며, 시스템이 보유하고 있는 학습 콘텐츠의 양이 많아질수록 이러한 현상은 더욱 심화된다. 불필요한 자원의 낭비를 줄이고 학습 콘텐츠를 효과적으로 제공하기 위해서 이기종 플랫폼을 지원하는 러닝 시스템의 연구가 필요하다. 이를 실현하기 위해서는 기존에 존재하는 수많은 학습 콘텐츠를 불필요한 중복 없이 통합할 수 있는 데이터베이스 모델의 연구가 선행되어야 한다. 이에 본 논문에서는 기존의 학습 콘텐츠를 통합할 수 있는 데이터베이스의 대안으로 온톨로지 기반의 메타데이터 모델을 제안하고, 이를 활용해 이기종 플랫폼을 지원하는 스마트러닝 시스템을 설계하고 구현한다.

• 컴퓨터교육학회논문지
• /
• 제9권5호
• /
• pp.65-75
• /
• 2006

정보통신기술의 발단과 함께 학교교육에서도 e-Learning이 급격히 증가하고 있지만, 새로운 교수방법의 활용에 따른 교수자 연수 프로그램의 보급은 미흡하다. 이에 한국산업인력공단에서는 공단에서 실시하는 e-Learning의 질 향상을 목적으로 e-Learning에서 교수활동을 제공하는 교수자의 능력향상을 위한 e-Learning 강사과정을 개발하였다. 과정개발을 위하여 e-Learning 교수자의 역할 및 역량을 탐색하고 현재 개발된 과정에 대한 분석과 설문조사를 실시하여 내용구성이 이루어졌다. e-Learning에서의 교수자 역할을 콘텐츠개발과 운영으로 나누어, 개발 및 운영에 공통적으로 필요한 이론적 기반의 공통 모듈, 콘텐츠개발 모듈, e-Learning 운영모듈 등 3개 모듈로 개발하였다. 이들 모듈은 e-Learning 콘텐츠 개발과정 및 e-Learning 운영과정 등 2개의 과정으로 교수자의 역할에 따라 선택적으로 학습할 수 있도록 하였으며, 각각의 과정에 공통모듈이 포함되도록 하였다. 이들 과정은 e-Learning에 참여하고자 하는 교수자에게 e-Learning에 대한 인식제고 및 교수활동에 실제적인 도움을 주어 e-Learning 발전에 기여할 것으로 기대된다.

• 통상정보연구
• /
• 제18권3호
• /
• pp.155-179
• /
• 2016

기업 간 관계품질은 기업성과와 긍정적인 관계를 나타내는 것으로 긍정적인 관계품질은 거래 당사자 간 갈등을 감소시켜 강력한 파트너십을 형성하게 하고 거래비용을 낮추어 기업성과를 제고할 뿐만 아니라 강력한 조직 관계형성으로 직접적인 매출과 이익을 증가시키며 불필요한 갈등을 예방하여 기업 혁신을 촉진하여 비용을 절감시키는 효과가 있다(Chiou& Droge, 2006; Cannon & Homburg, 2001; Rindfleisch & Mooramn, 2001). 이에 본 연구는 공급자 관점에서 관계학습의 영향요인을 규명하고 관계학습과 관계성과와의 관계를 살펴보고 수출기업과 내수기업 간에 기업의 관계학습 영향요인과 관계성과에 관해 선행연구의 결과를 바탕으로 연구모형을 설정하여 실증분석을 진행한 결과, 첫째, 관계학습 영향요인인 결속수준, 환경불확실성, 학습의도는 관계학습에 영향을 미치는 것으로 나타났으며, 관계학습 영향요인 중 거래특유 자산의 경우 관계학습 요인 중 정보공유와 관계특유 기억에 영향을 미치지만 공동이해에는 영향을 미치지 않는 것으로 나타났다. 둘째, 관계학습이 관계성과에 영향을 미치는 것으로 나타났으며, 관계신뢰가 높을수록 관계학습이 관계성과에 영향을 미치는 것으로 나타났다.

• 한국융합학회논문지
• /
• 제11권8호
• /
• pp.139-145
• /
• 2020

컴퓨터 기술의 급속한 발전으로 인해 ICT 기술을 이용한 온라인 학습은 이미 우리 생활에 빠르게 정착하고 있다. 음악 교육은 오프라인 기반의 환경을 중심으로 진행되었으나, 온라인 교육에 시공간 제약이 없다는 점, 학습자 주도의 쌍방향 교육이 가능하다는 점에서 그 교육 방식을 온라인으로 전환하는 연구가 활발히 진행되고 있다. 본 연구는 온라인에서 적응형 학습이 가능하도록 '화성학' 학습 시스템을 제안, 설계, 구현하는 일련의 과정을 담는다. 이 시스템은 다음과 같은 긍정적 효과를 기대할 수 있다. 첫째, LMS 기반의 플랫폼을 제공하여, 경제적·지리적 요인에 해당하는 사회적 교육 문제를 해결할 수 있다. 둘째, 온라인 적응형 화성학 학습 시스템이 자동으로 제공하는 객관적인 학습 피드백과 교수자의 학습 피드백을 모두 제공한다. 셋째, 학습자가 자신이 학습한 화성학 문제에 대한 추천 답안을 받을 수 있다. 이러한 이점을 활용한 온라인 적응형 화성학 학습 시스템은 교수자와 학습자 간의 효과적인 교수 학습을 증진시킬 수 있을 것으로 기대한다.

• 인지과학
• /
• 제17권4호
• /
• pp.375-398
• /
• 2006

인간은 보고, 듣고, 따라하고, 행하고, 느끼면서 배운다. 이 모든 과정에 뇌가 관여한다. 최근 뇌과학 연구의 비약적 발전과 뇌과학 연구와 인지과학 연구의 활발한 협력은 '뇌기반 학습과학(Brain-Based Learning Science)', '교육신경과학(Educational Neuroscience)', 혹은 신경교육학(Neuro-Education)이라 불리우는 새로운 연구 분야를 탄생시켰다. 뇌기반 학습과학은 기존의 '학습과학'을 넘어서 실제 학습과 교육환경에 적지 않은 변화를 줄 것으로 기대되는 만큼 그 가능성에 대해 회의적인 입장도 공존하고 있다. 이 논문에서는 뇌기반 학습과학의 정의와 기본가정을 살펴보고, 인지신경과학의 최신 연구가 어떻게 이루어지고 있는지를 소개하고 이러한 연구결과에서 교육적 함의를 도출해 보고자 하였다. 또한 신경계에 대한 신화적 사고와 그 문제점을 열거하고, 뇌과학과 학습-교육 현장의 연계 가능성 및 향후 뇌기반 학습과학의 전망과 한계에 대해 논의하였다.

• 한국산업정보학회논문지
• /
• 제25권2호
• /
• pp.19-27
• /
• 2020

최근 가상현실 및 증강 현실 기술을 이용한 다양한 응용분야가 각광받으면서 빠르고 정확한 3차원 모델 생성이 요구되고 있다. 본 논문에서는 옷을 입은 3차원 사람 모델을 포인트 클라우드의 형상으로 변형하는 온-사이트 학습 (On-site learning) 기반 형상 변형 방법을 제안한다. 제안하는 알고리즘은 사전 학습과 온-사이트 학습 두 개의 파트로 구성되어 있으며, 각각의 학습은 인코더 네트워크, 템플릿 변형 네트워크, 디코더 네트워크로 구성된다. 딥러닝 네트워크 학습은 3차원 포인트 클라우드와 템플릿 정점 사이의 챔퍼 거리 (Chamfer distance)를 주요 손실 함수로 사용하는 비지도 학습을 적용한다. 입력된 포인트 클라우드 형태의 데이터에 대해 온-사이트 학습을 진행함으로써 추론의 결과물에 대한 높은 정확도를 얻을 수 있으며 이를 실험을 통해 제시한다.

• Smart Structures and Systems
• /
• 제24권5호
• /
• pp.567-585
• /
• 2019

In the past two decades, structural health monitoring (SHM) systems have been widely installed on various civil infrastructures for the tracking of the state of their structural health and the detection of structural damage or abnormality, through long-term monitoring of environmental conditions as well as structural loadings and responses. In an SHM system, there are plenty of sensors to acquire a huge number of monitoring data, which can factually reflect the in-service condition of the target structure. In order to bridge the gap between SHM and structural maintenance and management (SMM), it is necessary to employ advanced data processing methods to convert the original multi-source heterogeneous field monitoring data into different types of specific physical indicators in order to make effective decisions regarding inspection, maintenance and management. Conventional approaches to data analysis are confronted with challenges from environmental noise, the volume of measurement data, the complexity of computation, etc., and they severely constrain the pervasive application of SHM technology. In recent years, with the rapid progress of computing hardware and image acquisition equipment, the deep learning-based data processing approach offers a new channel for excavating the massive data from an SHM system, towards autonomous, accurate and robust processing of the monitoring data. Many researchers from the SHM community have made efforts to explore the applications of deep learning-based approaches for structural damage detection and structural condition assessment. This paper gives a review on the deep learning-based SHM of civil infrastructures with the main content, including a brief summary of the history of the development of deep learning, the applications of deep learning-based data processing approaches in the SHM of many kinds of civil infrastructures, and the key challenges and future trends of the strategy of deep learning-based SHM.

• 융합보안논문지
• /
• 제20권2호
• /
• pp.111-121
• /
• 2020

딥뉴럴네트워크는 머신러닝 분야 중 이미지 인식, 사물 인식 등에 좋은 성능을 보여주고 있다. 그러나 딥뉴럴네트워크는 적대적 샘플(Adversarial example)에 취약점이 있다. 적대적 샘플은 원본 샘플에 최소한의 noise를 넣어서 딥뉴럴네트워크가 잘못 인식하게 하는 샘플이다. 그러나 이러한 적대적 샘플은 원본 샘플간의 최소한의 noise을 주면서 동시에 딥뉴럴네트워크가 잘못 인식하도록 하는 샘플을 생성하는 데 시간이 많이 걸린다는 단점이 있다. 따라서 어떠한 경우에 최소한의 noise가 아니더라도 신속하게 딥뉴럴네트워크가 잘못 인식하도록 하는 공격이 필요할 수 있다. 이 논문에서, 우리는 신속하게 딥뉴럴네트워크를 공격하는 것에 우선순위를 둔 신속한 오인식 샘플 생성 공격을 제안하고자 한다. 이 제안방법은 원본 샘플에 대한 왜곡을 고려하지 않고 딥뉴럴네트워크의 오인식에 중점을 둔 noise를 추가하는 방식이다. 따라서 이 방법은 기존방법과 달리 별도의 원본 샘플에 대한 왜곡을 고려하지 않기 때문에 기존방법보다 생성속도가 빠른 장점이 있다. 실험데이터로는 MNIST와 CIFAR10를 사용하였으며 머신러닝 라이브러리로 Tensorflow를 사용하였다. 실험결과에서, 제안한 오인식 샘플은 기존방법에 비해서 MNIST와 CIFAR10에서 각각 50%, 80% 감소된 반복횟수이면서 100% 공격률을 가진다.