• 과학교육연구지
• /
• 제42권3호
• /
• pp.334-351
• /
• 2018

과학 수업에서 학생에 대한 교사의 시선 공감은 학습 효과를 높이는데 효과적이라 여겨졌다. 이에 따라 시선 공감에 관한 연구들이 수행되었지만, 대부분의 연구들은 시선의 특징을 밝히는데 그치고 있다. 따라서 과학교사의 시선 공감수준을 높이기 위한 연구가 필요하다. 이에 이 연구는 과학교사의 시선 공감 향상을 위한 시선추적 기반의 수업 컨설팅 전략의 개발하고자 하였다. 이를 위해 교사의 시선 공감에 관련된 문헌을 선정하고 분석하여 컨설팅 전략을 고안한 후 전문가의 타당성 및 신뢰성 검증을 통해 문제점을 수정하여 전략을 개발하였다. 개발된 수업컨설팅 전략은 과학 수업 중 교사의 시선 공감을 향상시키기 위한 시선 추적 기반의 정량적 목표를 설정하였다. 또 컨설팅 단계는 컨설팅 준비, 교사 시선 공감 측정 및 분석, 시선 공감 교육 및 피드백, 시선 공감 향상 훈련, 컨설팅 결과 평가, 컨설팅 종료 등의 과정으로 구성하였다. 아울러 시선 추적을 이용한 시선 공감 측정 및 평가를 통해 컨설팅을 종료하거나 다시 반복하게 하였다. 이렇게 개발된 전략은 시선 공감 향상을 위한 수업 행동의 정량적 진단과 처방 중심의 대안을 제공한다는 점에서 가치가 존재하며, 교사의 수업 행동 분석을 통한 수업 전문성 향상에 기여할 수 있을 것이다.

• 노동경제논집
• /
• 제28권2호
• /
• pp.93-117
• /
• 2005

이 글에서는 청년층의 노동시장 이행 실태를 취업률에 국한하여 교육훈련기관 유형별로 비교 분석하였다. 이를 위해 각급 교육훈련기관의 졸업생 명단과 고용보험 DB를 결합, 직업력 자료를 구축하여 활용하였다. 또한 4년제대학과 전문대학의 경우에는 수능점수를 확보하여 분석에 이용함으로써, 개인의 능력을 나타내는 주요 변수로서의 수능점수의 노동시장 효과에 대한 검토가 가능하였다. 실증 결과에 따르면, 교육훈련기관간에 취업률의 차이가 존재하며 교육기간이 길어질수록 취업 성과가 양호한 것으로 확인되었다. 또한 4년제 대학의 경우 수도권 소재 여부가 취업률에 큰 영향을 미치는 것으로 나타났고, 수능점수가 노동시장 성과에 미치는 효과가 큰 것으로 확인되었다. 한편 전공에 따라 취업성과에 유의한 차이가 있음을 알 수 있었다.

• IEIE Transactions on Smart Processing and Computing
• /
• 제5권4호
• /
• pp.256-266
• /
• 2016

Concurrently detected and annotated abnormal events can have a significant impact on surveillance systems. By considering the specific domain of pedestrian trajectories, this paper presents two main contributions. First, as introduced in much of the work on trajectory-based anomaly detection in the literature, only information about pedestrian paths, such as direction and speed, is considered. Differing from previous work, this paper proposes a framework that deals with additional types of trajectory-based anomalies. These abnormal events take places when a person enters prohibited areas. Those restricted regions are constructed by an online learning algorithm that uses surrounding information, including detected pedestrians and background scenes. Second, a simple data-boosting technique is introduced to overcome a lack of training data; such a problem particularly challenges all previous work, owing to the significantly low frequency of abnormal events. This technique only requires normal trajectories and fundamental information about scenes to increase the amount of training data for both normal and abnormal trajectories. With the increased amount of training data, the conventional abnormal trajectory classifier is able to achieve better prediction accuracy without falling into the over-fitting problem caused by complex learning models. Finally, the proposed framework (which annotates tracks that enter prohibited areas) and a conventional abnormal trajectory detector (using the data-boosting technique) are integrated to form a united detector. Such a detector deals with different types of anomalous trajectories in a hierarchical order. The experimental results show that all proposed detectors can effectively detect anomalous trajectories in the test phase.

• 대한조선학회논문집
• /
• 제57권3호
• /
• pp.140-151
• /
• 2020

It is important to identify the location of ship hull blocks with exact block identification number when scheduling the shipbuilding process. The wrong information on the location and identification number of some hull block can cause low productivity by spending time to find where the exact hull block is. In order to solve this problem, it is necessary to equip the system to track the location of the blocks and to identify the identification numbers of the blocks automatically. There were a lot of researches of location tracking system for the hull blocks on the stockyard. However there has been no research to identify the hull blocks on the stockyard. This study compares the performance of 5 Convolutional Neural Network (CNN) models with multi-view image set on the classification of the hull blocks to identify the blocks on the stockyard. The CNN models are open algorithms of ImageNet Large-Scale Visual Recognition Competition (ILSVRC). Four scaled hull block models are used to acquire the images of ship hull blocks. Learning and transfer learning of the CNN models with original training data and augmented data of the original training data were done. 20 tests and predictions in consideration of five CNN models and four cases of training conditions are performed. In order to compare the classification performance of the CNN models, accuracy and average F1-Score from confusion matrix are adopted as the performance measures. As a result of the comparison, Resnet-152v2 model shows the highest accuracy and average F1-Score with full block prediction image set and with cropped block prediction image set.

• 한국항행학회논문지
• /
• 제28권4호
• /
• pp.574-581
• /
• 2024

본 연구는 제작공정 훈련을 위한 확장 현실 콘텐츠의 사용성을 탐색하고, 사용자 경험을 분석하는 목적으로 수행되었다. 이를 위해 공정교육용 확장 현실사용성 평가 보고서에 제시된 사용자 하드웨어, 사용자인터페이스, 콘텐츠 만족도에 대한 인터뷰 내용을 키워드 추출 및 워드 클라우드 시각화를 위한 파이선 패키지를 사용하여 분석하였다. 분석 결과, 하드웨어의 착용감은 만족스러웠지만, 중량과 열 문제는 개선이 필요하다는 피드백이 나타났다. 사용자인터페이스 측면에서는 가독성에는 긍정적 응답이 많았으나, 핸드트래킹 기반 상호작용 방식의 인식률이 낮아 개선이 요구되었다. 또한, 사용자는 확장 현실 기술을 의료 및 교육 분야에 적용할 가능성을 인식하고 긍정적인 미래 기대감을 표현하였다. 본 연구는 산업용 확장 현실 콘텐츠의 사용성 및 품질 개선을 위한 기초 자료를 제공하며, 향후 실질적인 산업 현장 적용을 위한 발전 방향을 수립하는 데 활용될 수 있다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권5호
• /
• pp.157-166
• /
• 2022

운동은 건강한 삶의 영위에 필요하지만 코로나19와 같은 전염병 유행 상황에서 비대면 환경에서 진행되는 것이 권장된다. 그러나 기존의 비대면 방식의 운동 콘텐츠에서는 운동 동작의 인식은 가능하지만 이를 해석해서 피드백 정보를 제공해주는 과정이 자동화되지 않았기 때문에 피드백이 트레이너의 눈대중으로 이루어지는 한계가 있다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해서 운동 내용 및 이를 구성하는 동작을 추적하기 위해 공식화된 규칙을 만드는 방법을 제안한다. 이러한 규칙을 만들기 위해서는 전체적인 운동 내용의 진행 규칙을 먼저 만들고, 운동을 구성하는 동작의 추적 규칙을 만든다. 동작의 추적 규칙은 동작을 여러 단계로 나누고 단계를 나누는 키 프레임 자세를 정의하는 것에서 출발하여 키 프레임 자세로 대표되는 상태와 상태 간의 전이 규칙을 만듦으로써 생성될 수 있다. 이렇게 생성한 규칙은 모션 캡쳐 장비를 이용한 자세 및 동작 인식기술의 사용을 전제로 하며 이러한 기술 적용의 자동화를 위한 논리적인 전개에 사용된다. 본 논문에서 제안한 규칙을 사용하면 운동 과정에서 나타나는 동작을 인식하는 것뿐만 아니라 동작의 전 과정에 대한 해석의 자동화가 가능하여 인공지능 트레이닝 시스템 등 보다 진보된 콘텐츠 제작이 가능해진다. 이에 따라 운동 과정에 대한 피드백의 질을 높일 수 있다.

• 한국전자거래학회지
• /
• 제27권2호
• /
• pp.205-218
• /
• 2022

최근 제조업에서의 디지털 전환이 가속화되고 있다. 이에 따라 사물인터넷(internet of things: IoT) 기반으로 현장 데이터를 수집하는 기술의 중요성이 증대되고 있다. 이러한 접근법들은 주로 각종 센서와 통신 기술을 활용하여 특정 제조 데이터를 확보하는 것에 초점을 맞춘다. 현장 데이터 수집의 채널을 확장하기 위해 본 연구는 비전(vision) 인공지능 기반으로 제조 데이터를 자동 수집하는 방법을 제안한다. 이는 실시간 영상 정보를 객체 탐지 및 추적 기술로 분석하고, 필요한 제조 데이터를 확보하는 것이다. 연구진은 객체 탐지 및 추적 알고리즘으로 YOLO(You Only Look Once)와 딥소트(DeepSORT)를 적용하여 프레임별 객체의 움직임 정보를 수집한다. 이후, 움직임 정보는 후보정을 통해 두 가지 제조 데이터(생산 실적, 생산 시간)로 변환된다. 딥러닝을 위한 학습 데이터를 확보하기 위해 동적으로 움직이는 공장 모형이 제작되었다. 또한, 실시간 영상 정보가 제조 데이터로 자동 변환되어 데이터베이스에 저장되는 상황을 재현하기 위해 운영 시나리오를 수립하였다. 운영 시나리오는 6개의 설비로 구성된 흐름 생산 공정(flow-shop)을 가정한다. 운영 시나리오에 따른 제조 데이터를 수집한 결과 96.3%의 정확도를 보였다.

• 한국국방경영분석학회지
• /
• 제11권1호
• /
• pp.33-46
• /
• 1985

This study develops a scientific method in pilot selection by analysing a divided attention performance between the successful pilots and the failures in a flight training course. To measure the divided attention performance, Dual Task Method is used in which the primary task is a tracking task while the secondary tasks are, 1. short-term memory task 2. choice reaction task 3. judgement task. Result shows that the performance of the pilots is significantly better (p < 0.1) than that of the failures in divided attention performance. In addition, the differences in the divided attention performance between the two groups are increased in proportion to the difficulty of the task and especially in the short term memory, the increment is most dramatic.

• 융합신호처리학회 학술대회논문집
• /
• 한국신호처리시스템학회 2005년도 추계학술대회 논문집
• /
• pp.205-208
• /
• 2005

본 논문은 특징 가중치 벡터를 적용하여 능동형태 모델(Active Shape Model)기반에서 눈동자의 움직임 추적 속도를 향상시키는 방법을 제안한다. 일반적인 능동형태 모델에서는 객체 추적을 위한 PDM 구성을 위해 각 특징점 구성 벡터의 유클리디안 거리의 최소 값으로 Training Set정렬 과정을 수행한다. 이 과정에서 적절하지 못한 샘플 영상으로 인해 안정된 PDM을 구성하지 못하는 문제점이 발생한다. 이러한 문제점을 해결하기 위하여 본 논문에 서는 형태를 구성하는 특징점마다 가중치를 부여하는 벡터를 작성하고, 최소자승근사법으로 최유사 특징점 벡터를 산출하기 위한 선형방정식을 구상하였다. 이로 인해 안정된 PDM을 구성할 수 있었으며, 눈동자 추적실험을 통해 형태적 움직임을 보정하는 실험을 수행하였다. 실험결과 기존의 능동형태 모델에 비해 반복연산의 횟수가 줄어들고, 다양한 형태로 나타나는 눈동자의 움직임 추적에 보다 안정적인 결과를 얻을 수 있었다.

• 한국HCI학회:학술대회논문집
• /
• 한국HCI학회 2006년도 학술대회 1부
• /
• pp.638-646
• /
• 2006

유비쿼터스 시대가 도래함에 따라 사회적으로 실내 위치 추적 시스템에 대한 관심이 증가되었다. 하지만 기존 실내 위치 추적 시스템은 실내 환경의 빈번한 변화에 능동적으로 대응하지 못하고, 실내 환경의 NLOS 특성으로 인하여 이동 객체의 정확한 위치 측정이 어려운 문제점이 있다. 본 연구의 목적은 앞으로 유비쿼터스 시대가 도래함에 따라 다양한 사용자의 요구를 만족시키기 위한 서비스를 제공하는데 필수 요소인 실내 이동 객체의 위치를 효과적으로 파악하고, 이동 객체의 위치 정확도를 향상시킨 환경 적응형 위치 추적시스템을 제안한다.