• 정보교육학회논문지
• /
• 제25권2호
• /
• pp.377-385
• /
• 2021

본 연구는 디자인 사고를 적용한 피지컬 컴퓨팅 SW교육 프로그램을 개발하고 적용하고자 하였다. 제작한 SW교육 프로그램 제주시 소재 J, B 2개 초등학교 5, 6학년 22명의 학생을 대상으로 적용하였다. 창의성과 컴퓨팅 사고력 사전검사를 실시하고 총 5회기 20시간에 걸쳐 디자인 사고를 적용한 피지컬 컴퓨팅 SW교육을 진행한 후 창의성과 컴퓨팅 사고력 사후검사를 실시하였다. 검증 결과, 디자인 사고를 적용한 피지컬 컴퓨팅 SW교육 프로그램이 초등학생의 창의성과 컴퓨팅 사고력 향상에 효과적인 것으로 나타났다.

• 한국융합학회논문지
• /
• 제13권1호
• /
• pp.89-99
• /
• 2022

코로나19로 인해 원격 수업, 원격 근무, 원격 의료 등 비대면 문화가 확산되고 있다. 이러한 비대면 사회로의 정착의 일등 공신은 SW중소기업과 SW인력이다. 그러나 최근 대형 플랫폼 업체 및 해외 빅테크 기업들이 수천명의 SW인력을 채용함으로 인해 SW중소기업들은 심각한 인력난을 겪고 있다. 이에 본 연구는 중소 SW기업들이 SW 인력을 안정적으로 확보하고 지속적인 사업 영위를 지원하기 위한 정책 대안을 제시하는 것을 목적으로 한다. 이러한 목적 달성을 위해 본 연구는 SW산업 및 인력 현황을 살펴 본 후, 산업계 전문가 등을 대상으로 설문조사 및 FGI(전문가 집중 인터뷰) 등을 통해 SW기업기술인력을 안정적으로 확보 할 수 있는 방안을 도출하여 SW인력확보의 애로사항 및 개선방안을 제안하였다. 그 정책들은 내일채움공제제도, 청년주택조합 구성 등과 같은 인력 유지 지원 인센티브 강화, 병역특례제도, 채용조건형 계약학기제 등에 의한 인력 채용, SW인력 양성 바우처 제도 보완 등을 통한 맞춤형 교육 강화, SW 분야 Skill 표준화, SW 인력 양성 거버넌스 체계 구축, 대기업 등으로의 인력 유출에 대한 대응책 마련 및 대·중소 SW 인력 상생협력 프로그램 등이다.

• 정보교육학회논문지
• /
• 제23권1호
• /
• pp.39-53
• /
• 2019

4차 산업혁명시대를 맞이하여 소프트웨어를 원활히 운용 활용하여 문제 상황을 해결하는 컴퓨팅 사고력(computational thinking)을 갖추는 것은 필수적이라 볼 수 있다. 이에 정부는 컴퓨팅 사고력 함양을 목표로 개정 2015 교육과정으로 공교육에 체계적인 SW교육을 도입하여 필수화하였고, 초등학교에서는 실과 교과에서 SW교육이 내년 본격적으로 실시된다. SW교육이 학교현장에 체계적으로 안정되기 위해서는 무엇보다도 교사의 지도역량이 뒷받침되어야 하고, 이를 위해서 정부는 '2018년 교원양성대학 소프트웨어 교육 강화 지원 사업(SWEET)'을 추진하고 있다. 하지만, 정책이 추진되더라도 현장에서 교수 학습방법 개선 등의 방안을 강구하는 것이 뒤늦게 이루어지는 경향이 있으며, 교육의 변화의 주체는 교사이기에 교사가 변화에 대해 갖고 있는 인식, 경험, 관심도를 파악하는 것은 매우 중요하다고 할 수 있다. 따라서 본 연구에서는 초등예비교원의 SW교육에 대한 학습자의 인식, 경험에 대한 질적 분석을 실시하여 다양한 학습사례제시 등을 제안하였다.

• 컴퓨터교육학회논문지
• /
• 제22권3호
• /
• pp.113-121
• /
• 2019

본 연구에서는 교사들의 소프트웨어 교육 및 정보 교육 수업 전문성 함양을 위하여 백워드 설계를 기반으로 TPACK-P 교육 프로그램에 백워드 설계의 이해에 대한 내용을 포함하여 설계하였다. 이를 비정보과 교사를 대상으로 32시간의 교사 연수를 실시한 결과, 교사들은 SW교육 교수 효능감 측정도구(SE-TEBI)의 사후 검사 결과가 사전 검사에 비해 SE-TE 전체 값(t=-3.541, p<.01) 및 하위 범주인 개인효능(t=-3.559, p<.01), 결과기대(t=-2.258, p<.05)가 모두 통계적으로 유의하게 상승하였음을 확인하였다. 따라서 본 연구에서 개발한 백워드 설계 기반 TPACK-P 교육 프로그램은 교사들의 소프트웨어 교육 및 정보 교육에 대한 수업 전문성을 높이는데 도움이 된다고 해석할 수 있다. 하지만 검사 결과 전반적으로 교사들의 개인효능(PSETE)이 결과기대(SEOE)보다 낮은 경향을 보이는데, 이는 수업에 대한 자신감의 부족으로 해석된다. 따라서 추후 연구에서는 교사들의 수업 자신감을 촉진할 수 있는 교사 교육 프로그램의 개발이 요구된다.

• 창의정보문화연구
• /
• 제5권3호
• /
• pp.355-364
• /
• 2019

본 논문에서는 SW교육을 효과적으로 운영할 수 있는 교실 모델을 마련하기 위하여 해외의 창의적인 교육 공간 구축 사례를 탐색하고 초중등학교 교사들을 대상으로 요구 조사를 실시하였다. 그 결과, 해외 사례에서는 다양한 형태로 교실을 구축하고 교실 내 가구를 여러 가지 모양과 크기로 제작하여 비치하였으며, 첨단 기자재를 이용한 사례를 탐색하였다. 교육현장 요구조사 결과, 수업 방법에 따라 시설을 자유롭게 움직여 공간을 재구조화할 수 있는 유동형으로 설치를 가장 희망하는 것으로 나타났다. 기존 컴퓨터실을 리모델링 할 경우, 최신 PC, 노트북, 스마트 패드를 혼합하여 교체하고 3D 프린터를 추가로 설치하길 희망하였다. 한편, SW교실을 신규로 설치할 경우 최신 PC, 노트북, 스마트 패드를 혼합하여 설치하고 전자칠판을 설치하길 가장 희망하는 것으로 나타났다. 분석 결과는 향후 SW교육을 위해 컴퓨터실을 재구축하거나 인프라를 구축하는데 큰 도움이 될 것으로 기대된다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2018년도 하계학술대회
• /
• pp.95-97
• /
• 2018

본 연구에서는 비 정보과 교사를 위한 로봇활용 SW 교사 연수 프로그램을 개발하였고, 비 정보과 중등 교사들을 대상으로 적용하여, 대상자들의 정보 교수효능감을 측정하였다. 그 결과, 사전에 비해 사후의 검사 결과가 통계적으로 유의미하게 상승하였으며, 따라서 본 연구에서 개발한 비 정보과 교사를 위한 로봇활용 SW 교사 연수 프로그램은 교사들의 정보 교수 효능감에 긍정적인 영향을 미쳤다는 것을 입증하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제66차 하계학술대회논문집 30권2호
• /
• pp.387-388
• /
• 2022

본 연구에서는 비 정보과 교사들의 효과적인 SW 교육 교수효능감 함양을 위하여 팀 프로젝트 기반 융합 교육 프로그램을 개발하였다. 개발된 교육 내용은 융합교육 및 팀 프로젝트에 대한 이해를 바탕으로 수학, 과학, 정보 등이 융합된 다양한 프로젝트를 실습한 뒤, 직접 문제 해결을 위한 프로젝트의 설계 및 개발과 발표, 동료 평가 및 피드백의 과정으로 구성되어 있다. 이는 10주간 비 정보과 교사들에게 처치되었고, 사전-사후 t-검정 결과, 통계적으로 유의한 향상을 나타내었다. 하지만 본 연구의 실험은 단일집단을 대상으로 하였기 때문에 추후 통제집단과의 비교를 통하여 향상에 대한 통계적 비교가 필요로 된다.

• 실천공학교육논문지
• /
• 제15권2호
• /
• pp.381-388
• /
• 2023

스프레드시트를 활용한 인공신경망 교육을 통해, 비전공자 학부생들은 인공신경망의 동작 원리을 이해하며 자신만의 인공신경망 SW를 개발할 수 있다. 여기서, 인공신경망의 동작 원리 교육은 훈련데이터의 생성과 정답 라벨의 할당부터 시작한다. 이후, 인공 뉴런의 발화 및 활성화 함수, 입력층과 은닉층 그리고 출력층의 매개변수들로부터 계산되는 출력값을 학습한다. 마지막으로, 최초 정의된 각 훈련데이터의 정답 라벨과 인공신경망이 계산한 출력값 간 오차를 계산하는 과정을 학습하고 오차제곱의 총합을 최소화하는 입력층과 은닉층 그리고 출력층의 매개변수들이 계산되는 과정을 학습한다. 스프레드시트를 활용한 인공신경망 동작 원리 교육을 비전공자 학부생 대상으로 실시하였다. 그리고 이미지 훈련데이터와 기초 인공신경망 개발 결과를 수집하였다. 본 논문에서는 12화소 크기의 소용량 이미지로 두 가지 훈련데이터와 해당 인공신경망 SW를 수집한 결과를 분석하고, 수집한 훈련데이터를 Orange 머신러닝 모델 학습 및 분석 도구에 활용하는 방법과 실행 결과를 제시하였다.

• Journal of Information Technology Applications and Management
• /
• 제27권6호
• /
• pp.101-116
• /
• 2020

This study attempts to derive critical success factors and prioritize activities for implementing the automation of software test. Software testing proceeds in five steps of test plan, test case design, test scripting & test environment setup, test execution & evaluation, and test closure. From the literature, twenty influence factors in the five steps were identified. Focus Group Interviews with ten experts in software testing selected fourteen factors on the basis of importance and feasibility. Some factors were further divided to clarify their meanings and the number of influence factors finally became twenty one. A survey on the influence factors was conducted with 75 IT professionals. An importance-feasibility analysis was applied to the survey responses and classified the influence factors into four groups of essential factors, critical factors, low priority factors, and minimal factors. Essential factors include objectives for test automation, strategies for test automation, test automation training, test automation education, setting up test automation environment, setting up test environment, test automation tool selection. Critical factors include management's continued support, management's continued interest, role of automation engineers, and skills of automation engineers. This result suggests that a lot of efforts should be put into SW test plan for the successful SW test automation and SW automation should proceed in consideration with the priorities and resource consumption.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.329-330
• /
• 2020

본 논문에서는 Azure 클라우드 플랫폼의 가상서버 호스팅을 이용해 데이터 수집 환경을 구축하고, Azure에서 제공하는 자동화된 기계학습(Automated Machine Learning, AutoML)을 기반으로 데이터 분석 방법에 관한 연구를 수행했다. 가상 서버 호스팅 환경에 LAMP(Linux, Apache, MySQL, PHP)를 설치하여 데이터 수집환경을 구축했으며, 수집된 데이터를 Azure AutoML에 적용하여 자동화된 기계학습을 수행했다. Azure AutoML은 소모적이고 반복적인 기계학습 모델 개발을 자동화하는 프로세스로써 기계학습 솔루션 구현하는데 시간과 자원(Resource)를 절약할 수 있다. 특히, AutoML은 수집된 데이터를 분류와 회귀 및 예측하는데 있어서 학습점수(Training Score)를 기반으로 보유한 데이터에 가장 적합한 기계학습 모델의 순위를 제공한다. 이는 데이터 분석에 필요한 기계학습 모델을 개발하는데 있어서 개발 초기 단계부터 코드를 설계하지 않아도 되며, 전체 기계학습 시스템을 개발 및 구현하기 전에 모델의 구성과 시스템을 설계해볼 수 있기 때문에 매우 효율적으로 활용될 수 있다. 본 논문에서는 NPU(Neural Processing Unit) 학습에 필요한 데이터 수집 환경에 관한 연구를 수행했으며, Azure AutoML을 기반으로 데이터 분류와 회귀 등 가장 효율적인 알고리즘 선정에 관한 연구를 수행했다.