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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.