• Educational Technology International
• /
• 제22권2호
• /
• pp.311-339
• /
• 2021

This study examined the effects of scaffolding types (Toulmin's Argument Pattern: TAP or Argumentation Vee Diagram: AVD) and individual metacognition levels (low or high) on students' learning achievement in online collaborative argumentation. A total of 191 Chinese undergraduates took part in this study. They were randomly assigned to either the TAP scaffolding, AVD scaffolding, or no scaffolding condition. They were teamed up in small groups of two or three students to argue with their peers using SNS as the online collaborative argumentation environment. The results revealed that students in the TAP and AVD scaffolding conditions did not gain significantly higher retention or transfer scores than students without scaffolding. However, students in the TAP scaffolding condition significantly outperformed those in the AVD scaffolding condition on transfer scores. Individual metacognition did not significantly affect learning achievement in online collaborative argumentation. Additionally, there was no significant interaction effect between scaffolding types and individual metacognition levels on retention or on transfer. The findings have implications for scaffolding design for online collaborative argumentation and also suggest that more attention should be paid to social metacognition rather than to individual metacognition when students work collaboratively.

• 한국멀티미디어학회논문지
• /
• 제21권2호
• /
• pp.98-107
• /
• 2018

In this paper, we propose a method to classify the skeletal maturity with a small amount of hand wrist X-ray image using deep learning-based meta-learning. General deep-learning techniques require large amounts of data, but in many cases, these data sets are not available for practical application. Lack of learning data is usually solved through transfer learning using pre-trained models with large data sets. However, transfer learning performance may be degraded due to over fitting for unknown new task with small data, which results in poor generalization capability. In addition, medical images require high cost resources such as a professional manpower and mcuh time to obtain labeled data. Therefore, in this paper, we use meta-learning that can classify using only a small amount of new data by pre-trained models trained with various learning tasks. First, we train the meta-model by using a separate data set composed of various learning tasks. The network learns to classify the bone maturity using the bone maturity data composed of the radiographs of the wrist. Then, we compare the results of the classification using the conventional learning algorithm with the results of the meta learning by the same number of learning data sets.

• 한국멀티미디어학회논문지
• /
• 제24권8호
• /
• pp.1000-1011
• /
• 2021

In recent years, using Deep Learning methods to apply for medical and biomedical image analysis has seen many advancements. In clinical, using Deep Learning-based approaches for cancer image analysis is one of the key applications for cancer detection and treatment. However, the scarcity and shortage of labeling images make the task of cancer detection and analysis difficult to reach high accuracy. In 2015, the Unet model was introduced and gained much attention from researchers in the field. The success of Unet model is the ability to produce high accuracy with very few input images. Since the development of Unet, there are many variants and modifications of Unet related architecture. This paper proposes a new approach of using Unet++ with pretrained EfficientNet as backbone architecture for breast tumor cell nuclei segmentation and uses the multi-organ transfer learning approach to segment nuclei of breast tumor cells. We attempt to experiment and evaluate the performance of the network on the MonuSeg training dataset and Triple Negative Breast Cancer (TNBC) testing dataset, both are Hematoxylin and Eosin (H & E)-stained images. The results have shown that EfficientUnet++ architecture and the multi-organ transfer learning approach had outperformed other techniques and produced notable accuracy for breast tumor cell nuclei segmentation.

• 반도체디스플레이기술학회지
• /
• 제18권2호
• /
• pp.1-5
• /
• 2019

As the number of IOT devices is growing rapidly, various 'see-thru connection' techniques have been reported for efficient communication with them. In this paper, we propose a deep learning based IOT device recognition system for interaction with these devices. The overall system consists of a TensorFlow based deep learning server and two Android apps for data collection and recognition purposes. As the basic neural network model, we adopted Google's inception-v3, and modified the output stage to classify 20 types of IOT devices. After creating a data set consisting of 1000 images of 20 categories, we trained our deep learning network using a transfer learning technology. As a result of the experiment, we achieve 94.5% top-1 accuracy and 98.1% top-2 accuracy.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제17권1호
• /
• pp.1-16
• /
• 2014

본 연구는 유추 거리 및 수학적 지식과 학습의 전이 사이의 관계를 규명하기 위해 수행되었다. 구체적으로 유추적 거리에 따라 구분된 세 가지 전이 문제 해결에서 차이를 보이는지, 그리고 각 전이 문제를 성공적으로 해결하는데 기여하는 수학적 지식은 무엇인지를 분석하였다. 분석 결과 세 가지 종류의 전이 문제 해결에서 통계적으로 유의한 차이를 보였으며 유추 거리가 증가할수록 성공률은 점차적으로 감소하였다. 또한 사실 지식 보다는 개념적 지식이 전이 문제를 해결하는데 긍정적으로 기여하였다. 이상의 결과를 토대로 본 연구는 학습의 전이를 위해 수학 수업은 어떠한 점에 초점을 맞추어야 하는지, 그리고 유추 거리라는 새로운 구인을 찾고 그것이 전이에 미치는 영향을 실증적으로 규명했다는 점에서 의의를 찾을 수 있었다.

• 한국음향학회지
• /
• 제40권5호
• /
• pp.515-522
• /
• 2021

음성감정인식을 위한 훈련 데이터는 감정 레이블링의 어려움으로 인해 충분히 확보하기 어렵다. 본 논문에서는 음성감정인식의 성능 개선을 위해 트랜스포머 기반 모델에 대규모 음성인식용 훈련 데이터를 통한 전이학습을 적용한다. 또한 음성인식과의 다중작업학습을 통해 별도의 디코딩 없이 문맥 정보를 활용하는 방법을 제안한다. IEMOCAP 데이터 셋을 이용한 음성감정인식 실험을 통해, 가중정확도 70.6 % 및 비가중정확도 71.6 %를 달성하여, 제안된 방법이 음성감정인식 성능 향상에 효과가 있음을 보여준다.

• 디지털융복합연구
• /
• 제16권1호
• /
• pp.63-72
• /
• 2018

본 연구의 목적은 치매교육훈련을 받은 요양보호사들의 학습전이 수준과, 학습전이에 미치는 영향요인간의 관계 및 설명력을 살펴보는데 있다. 서울시와 경기도에 근무하는 요양보호사 중 치매교육훈련을 수료한 후 3개월 이상 12개월 미만인 자를 연구대상으로 하였고, 총 279명에 받은 설문지를 바탕으로 다중회귀분석을 실시하였다. 분석결과, 치매교육훈련 학습자의 자기효능감이 높을수록, 교육훈련설계 중 교육방법과 강사역량이 높을수록, 업무환경 중 전이기회가 높을수록 학습전이가 높게 나타났다. 이러한 결과는 학습전이를 향상시키기 위하여 요양보호사의 자기효능감 증진, 업무현장에서 적용할 수 있는 실무 중심의 교육훈련, 장기요양업무관련 실무경험이 많은 강사선정의 중요성, 업무현장에서 요양보호사에게 더 많은 전이기회가 제공되어야 함을 시사한다.

• 한국IT서비스학회지
• /
• 제22권4호
• /
• pp.97-110
• /
• 2023

In this study, we propose a technique to automatically generate transfer documents using sensor data from livestock manure transfer systems. The research involves analyzing sensor data and applying machine learning techniques to derive optimized outcomes for livestock manure transfer documents. By comparing and contrasting with existing documents, we present a method for automatic document generation. Specifically, we propose the utilization of Gradient Boosting, a machine learning algorithm. The objective of this research is to enhance the efficiency of livestock manure and liquid byproduct management. Currently, stakeholders including producers, transporters, and processors manually input data into the livestock manure transfer management system during the disposal of manure and liquid byproducts. This manual process consumes additional labor, leads to data inconsistency, and complicates the management of distribution and treatment. Therefore, the aim of this study is to leverage data to automatically generate transfer documents, thereby increasing the efficiency of livestock manure and liquid byproduct management. By utilizing sensor data from livestock manure and liquid byproduct transport vehicles and employing machine learning algorithms, we establish a system that automates the validation of transfer documents, reducing the burden on producers, transporters, and processors. This efficient management system is anticipated to create a transparent environment for the distribution and treatment of livestock manure and liquid byproducts.

• 문화기술의 융합
• /
• 제9권2호
• /
• pp.569-574
• /
• 2023

콘크리트 구조물의 적절한 유지관리를 위해서 다양한 결함에 대해 사전에 파악하고 유지관리하는 것이 필요하다. 현재 방법으로는 규모가 큰 사회기반시설물의 점검 시 효율성, 안전성, 신뢰성에 문제가 있어 새로운 점검 방식의 도입이 필요하다. 최근에는 영상에 대한 딥러닝 기술이 발달함에 따라 콘크리트 결함 분류 연구가 활발히 진행되고 있다. 하지만, 균열 외에 오염과 박락 등에 대한 연구는 제한적이다. 본 연구에서는 사전에 학습된 딥러닝 모델에 대한 전이학습을 통한 다양한 콘크리트 결함 유형 분류 모델을 개발하고, 정확도를 저하시키는 요인을 도출 및 향후 발전 방향을 제시하였다. 이는 향후 콘크리트 유지관리 분야에서 활용도가 높을 것으로 예상된다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.346-347
• /
• 2021

기계학습을 위한 패턴인식을 위해서는 학습데이터의 양이 많을수록 그 성능이 향상된다. 하지만 일상에서 검출해내야하는 패턴의 종류 및 정보가 항상 많은 양의 학습데이터를 확보할 수는 없다. 따라서 일반적인 기계학습을 위해 적은데이터셋을 의미있게 부풀릴 필요가 있다. 본 연구에서는 기계학습을 수행할 수 있도록 데이터를 증강시키는 기법에 관해 연구한다. 적은데이터셋을 이용하여 기계학습을 수행하는 대표적인 방법이 전이학습(transfer learning) 기법이다. 전이학습은 범용데이터셋으로 기본적인 학습을 수행한 후 목표데이터셋을 최종 단계에 대입함으로써 결과를 얻어내는 방법이다. 본 연구에서는 ImageNet과 같은 범용데이터셋으로 학습시킨 학습모델을 증강된 데이터를 이용하여 특징추출셋으로 사용하여 원하는 패턴에 대한 검출을 수행한다.