• 한국교육학연구
• /
• 제24권4호
• /
• pp.247-286
• /
• 2018

본 연구는 최근 10년(2009년부터 2018년 전반기)간 "교육행정학연구"에 게재된 연구논문을 대상으로, '연구자의 특성'에 따른 연구 동향을 분석하고자 하였다. 분석결과를 바탕으로 다음과 같은 결론을 도출하였다. 첫째, 연구자의 측면에서 '단독' 연구보다 '공동' 연구가 많이 수행되었으며, 제1저자가 '남성'인 경우가 '여성'인 경우보다 많았고, 제1저자가 '대학 교수'인 경우가 가장 많은 가운데, '교수'와 '대학원생'의 공동연구 활동이 활발하게 이루어지고 있었다. 둘째, 연구 성격의 측면에서 이론(혹은 모형)을 개발하고 검증하려는 연구들이 증가하였다. 셋째, 연구 방법의 측면에서 고급통계를 사용한 '양적연구', 면담과 관찰을 통한 '질적연구'가 증가하는 등 한국의 교육행정 현상을 기술하고 설명하려는 연구들이 증가하였다. 넷째, 연구 영역의 경우, '학교조직 및 경영', '고등교육', '교육정책 및 기획' 영역에 대한 연구자들의 관심이 높은 것으로 드러났다. 다섯째, 각 '영역'별로 해당 영역에 대한 연구를 주도적으로 수행하는 '연구자의 특성', '연구 성격', 그리고 '연구 방법'에는 다소 차이가 있었다. 이와 같은 연구결과를 바탕으로 본 연구는 4차 산업혁명시대에 부응하는 미래의 교육행정학 연구 동향의 전망을 제안하였다.

• 한국철학논집
• /
• 제25호
• /
• pp.293-313
• /
• 2009

도덕과수업은 내용의 이해, 이해의 적용, 적용의 반성이라는 일반적 순서로 전개된다. 수업의 첫 단계인 내용의 이해는 주로 추상적인 도덕적 개념의 이해와 관련된다. 추상적인 도덕적 개념의 이해에 적용될 수 있는 수업모형이 개념분석모형이다. 이 개념분석모형의 이론적 배경은 윌슨의 '개념분석법'에서 찾을 수 있다. 윌슨의 개념분석법은 일상언어의 비형식논리에 근거하여 개념을 분석하는 사고의 기술이다. 이 기술은 개념적 질문을 분리하기, 정답찾기, 전형적 사례 찾기, 반대 사례 찾기, 관련 사례 찾기, 경계 사례 찾기, 가상 사례 찾기, 사회적 맥락 검토하기, 이면의 불안감 검토하기, 현실적 결과 검토하기, 언어적 결과 검토하기로 구성된다. 이러한 기술은 분석할 개념 찾기, 개념 이해를 위한 사례 찾기, 개념 사용의 맥락 검토, 설정된 개념의 타당성 검토의 단계로 적용될 수 있다. 그러나 이러한 개념분석의 기술과 단계의 명칭을 초등학교 학생들이 이해하기는 어렵다. 초등학교 수준에게 분석의 기술과 단계를 적용하기 위해서는 학생들이 이해할 수 있는 용어로 번역하여 제시해야 한다. 또한 학생들이 흥미롭게 탐구할 수 있는 양식으로 제시해야 한다. 본고에서는 개념분석의 기술을 초등학생들이 이해할 수 있는 활동의 명칭으로 바꾸고, 이를 '정직' 개념의 이해를 위한 수업에 반영하는 방안을 제시한다.

• 한국항행학회논문지
• /
• 제24권6호
• /
• pp.620-626
• /
• 2020

본 연구는 IOT 장비인 라즈베리파이를 마스터(master)로 이용하고 인버터를 슬레이브(slave)로 하여 모드버스 TCP 통신을 기반한 태양광 발전 모니터링 시스템을 제안하였다. 본 모델은 라즈베리파이에 다양한 센서를 추가하여 태양광 발전소의 모니터링에 필요한 정보를 추가하였으며, 실시간 발전량 예측을 통해 발전량 예측과 모니터링 정보를 스마트 폰으로 송신하였다. 또한, 서버에 태양광 발전소에서 지속해서 생성되는 정보를 빅데이터로 구축하였으며, 발전량 예측을 위한 딥러닝 모델을 학습하여 갱신하였다. 연구 결과로서 인버터에서 라즈베리파이로 모드버스 TCP 기반으로 안정적인 통신이 가능하였고, 라즈베리파이에서 학습된 딥러닝 모델로 실시간 예측이 가능하였다. 서버는 빅데이터로 다양한 딥러닝 모델 학습이 가능하였으며, LSTM이 학습 오차 0.0069, 테스트 오차 0.0075, RMSE 0.0866 등으로 가장 좋은 오차를 보임을 확인하였다. 본 모델은 다양한 제조사의 인버터에 대해서 보다 간단하고 편리하며 발전량을 예측할 수 있는 실시간 모니터링 시스템 구현이 가능함을 제시하였다.

• 한국수자원학회논문집
• /
• 제55권1호
• /
• pp.43-57
• /
• 2022

유사량 계측 기술의 발달로 초음파 도플러 유속계(ADCP)의 산란도가 부유사 농도와 관계가 있다는 특성을 이용해 부유사의 농도를 짧은 시간 간격으로 계측하여 부유사 관측의 비용과 위험 문제를 극복하고자 하는 노력이 지속되고 있다. 국내에는 자동 유량 관측소에 횡방향 ADCP (H-ADCP)가 설치되어 있어 실시간으로 부유사 농도를 계측하는 기술의 적용이 가능하지만 자동 유량 관측소와 부유사 관측소의 위치가 항상 일치하지는 않아 모든 관측소에서의 모형 개발은 불가한 실정이다. 본 연구에서는 이러한 문제를 극복하기 위해 H-ADCP가 설치된 유사량 관측소 9개소에 대해 부유사 농도를 계측하는 H-ADCP-SSC 관계식을 개발하고 그 결과의 적용성에 대해 고찰하였다. 그리고 부유사 관측소별로 나타나는 특징에 대해 알아보기 위해 한국 하천의 부유사 관측소 44개소의 유역면적, 부유사와 하상토의 입도분포, 유량-유사량 관계식 등의 유사특성 자료를 이용해 비지도 기계학습 기법인 가우시안 혼합 모형(GMM)으로 군집분석을 수행하였다. 군집화 결과, 유사량 관측소를 공간적으로 구분해낼 수 있었으며, 특히 하천의 본류와 지류의 유사 특징을 구분해낼 수 있었다. 결과적으로, H-ADCP-SSC 관계식과 부유사 관측소의 군집분석 결과를 종합해 H-ADCP-SSC 관계식이 개발되지 않은 자동 유량 관측소에서 관계식을 적용하는 부유사 농도를 실시간으로 계측할 수 있도록 하는 프로토콜을 제안하였다.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1743-1747
• /
• 2022

Sentinel-2는 분광파장대나 공간해상도 측면에서 우리나라 차세대중형위성 4호(농림위성)의 모의영상으로 활용될 수 있다. 이 단보에서는 향후 농림위성영상에 적용하기 위한 예비실험으로, 딥러닝 기술을 이용한 Sentinel-2 영상의 구름탐지를 수행하였다. 전통적인 Convolutional Neural Network (CNN) 모델인 DeepLabV3+와 최신의 Transformer 모델인 Shifted Windows (Swin) Transformer를 이용한 구름탐지 모델을 구축하고, Radiant Earth Foundation (REF)에서 제공하는 22,728장의 학습자료에 대한 암맹평가를 실시하였다. Swin Transformer 모델은 0.886의 정밀도와 0.875의 재현율로, 과탐지와 미탐지가 어느 한쪽으로 치우치지 않는 경향을 보였다. 딥러닝 기반 구름탐지는 향후 우리나라 중심의 실험을 거쳐 농림위성 영상에 활용될 수 있을 것으로 기대된다.

• 한국콘텐츠학회논문지
• /
• 제22권10호
• /
• pp.765-777
• /
• 2022

본 연구의 목적은 급격히 변화하는 환경 속에서 대학이 경쟁력을 가지기 위해 학습 디지털 트랜스포메이션과 관련된 이론 및 사례를 기반으로 대학에서 활용 가능한 디지털 트랜스포메이션 기반 학습모델을 제시하는 것이다. 이를 위해 기초적인 문헌연구와 사례연구, 전문가 초점집단면접(Focus Group Interview)이 진행되었으며 위 연구방법들을 통해 도출된 학습모델 관련 시사점은 다음과 같다. 국내외에서 관련 분야에 두각을 나타내는 대학들은 빅 데이터를 기반으로 학습분석을 대시보드 구현, 예측 모델 개발, 적응형 학습 지원 등에 활발하게 사용하고 있으며, 첨단 에듀테크를 수업에 적극적으로 도입하여 성과를 내고 있다. 또한 국내 대학이 당면한 현실적인 문제와 애로사항 및 현재 K대학이 당면한 디지털 트랜스포메이션 구현 관련 문제점과 기대 사항들도 확인되었다. 이 시사점들을 바탕으로 본 연구는 K대학의 디지털 트랜스포메이션 기반 학습모델을 개발하였다. 이 모델은 진단, 추천, 학습, 성공의 4개 차원으로 구성되어 있으며 학생이 이 모델을 통해 개인의 성공에 필요한 다양한 학습 과정을 진단 및 추천받아 학습을 진행하고, 학습 성과를 체계적으로 관리해 성공할 수 있도록 한다. 마지막으로 연구결과에 대한 학문적 그리고 실무적 시사점이 논의되었다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제15권3호
• /
• pp.1100-1118
• /
• 2021

In a wide range of ML applications, the training data contains privacy-sensitive information that should be kept secure. Training the ML systems by privacy-sensitive data makes the ML model inherent to the data. As the structure of the model has been fine-tuned by training data, the model can be abused for accessing the data by the estimation in a reverse process called model inversion attack (MIA). Although, MIA has been applied to shallow neural network models of recognizers in literature and its threat in privacy violation has been approved, in the case of a deep learning (DL) model, its efficiency was under question. It was due to the complexity of a DL model structure, big number of DL model parameters, the huge size of training data, big number of registered users to a DL model and thereof big number of class labels. This research work first analyses the possibility of MIA on a deep learning model of a recognition system, namely a face recognizer. Second, despite the conventional MIA under the white box scenario of having partial access to the users' non-sensitive information in addition to the model structure, the MIA is implemented on a deep face recognition system by just having the model structure and parameters but not any user information. In this aspect, it is under a semi-white box scenario or in other words a gray-box scenario. The experimental results in targeting five registered users of a CNN-based face recognition system approve the possibility of regeneration of users' face images even for a deep model by MIA under a gray box scenario. Although, for some images the evaluation recognition score is low and the generated images are not easily recognizable, but for some other images the score is high and facial features of the targeted identities are observable. The objective and subjective evaluations demonstrate that privacy cyber-attack by MIA on a deep recognition system not only is feasible but also is a serious threat with increasing alert state in the future as there is considerable potential for integration more advanced ML techniques to MIA.

• 디지털융복합연구
• /
• 제19권8호
• /
• pp.319-325
• /
• 2021

무선 기술의 고도화 및 이동통신 기술의 인프라가 빠르게 성장함에 따라 AI 기반 플랫폼을 적용한 시스템이 사용자의 주목을 받고 있다. 특히 사용자의 취향이나 관심사 등을 이해하고, 선호하는 아이템을 추천해주는 시스템은 고도화된 전자상거래 맞춤형 서비스 및 스마트 홈 등에 적용되고 있다. 그러나 이러한 추천 시스템은 다양한 사용자들의 취향이나 관심사 등에 대한 선호도를 실시간으로 반영하기 어렵다는 문제가 있다. 본 연구에서는 이러한 문제를 해소하기 위해 GRU(Gated Recurrent Unit) 언어 모델을 이용한 Fuzzy-AHP 기반 영화 추천 시스템을 제안하였다. 본 시스템에서는 사용자의 취향이나 관심사를 실시간으로 반영하기 위해 Fuzzy-AHP를 적용하였다. 또한 대중들의 관심사 및 해당 영화의 내용을 분석하여 사용자가 선호하는 요인과 유사한 영화를 추천하기 위해 GRU 언어 모델 기반의 모델을 적용하였다. 본 추천 시스템의 성능을 검증하기 위해 학습 모듈에서 사용된 스크래핑 데이터를 이용하여 학습 모델의 적합성을 측정하였으며, LSTM(Long Short-Term Memory) 언어 모델과 Epoch 당 학습 시간을 비교하여 학습 수행 속도를 측정하였다. 그 결과 본 연구의 학습 모델의 평균 교차 검증 지수가 94.8%로 적합하다는 것을 알 수 있었으며, 학습 수행 속도가 LSTM 언어 모델보다 우수함을 확인할 수 있었다.

• International journal of advanced smart convergence
• /
• 제11권1호
• /
• pp.19-27
• /
• 2022

Across the world, 'housing' comprises a significant portion of wealth and assets. For this reason, fluctuations in real estate prices are highly sensitive issues to individual households. In Korea, housing prices have steadily increased over the years, and thus many Koreans view the real estate market as an effective channel for their investments. However, if one purchases a real estate property for the purpose of investing, then there are several risks involved when prices begin to fluctuate. The purpose of this study is to design a real estate price 'return rate' prediction model to help mitigate the risks involved with real estate investments and promote reasonable real estate purchases. Various approaches are explored to develop a model capable of predicting real estate prices based on an understanding of the immovability of the real estate market. This study employs the LSTM method, which is based on artificial intelligence and deep learning, to predict real estate prices and validate the model. LSTM networks are based on recurrent neural networks (RNN) but add cell states (which act as a type of conveyer belt) to the hidden states. LSTM networks are able to obtain cell states and hidden states in a recursive manner. Data on the actual trading prices of apartments in autonomous districts between January 2006 and December 2019 are collected from the Actual Trading Price Disclosure System of the Ministry of Land, Infrastructure and Transport (MOLIT). Additionally, basic data on apartments and commercial buildings are collected from the Public Data Portal and Seoul Metropolitan Government's data portal. The collected actual trading price data are scaled to monthly average trading amounts, and each data entry is pre-processed according to address to produce 168 data entries. An LSTM model for return rate prediction is prepared based on a time series dataset where the training period is set as April 2015~August 2017 (29 months), the validation period is set as September 2017~September 2018 (13 months), and the test period is set as December 2018~December 2019 (13 months). The results of the return rate prediction study are as follows. First, the model achieved a prediction similarity level of almost 76%. After collecting time series data and preparing the final prediction model, it was confirmed that 76% of models could be achieved. All in all, the results demonstrate the reliability of the LSTM-based model for return rate prediction.

• The Journal of Advanced Prosthodontics
• /
• 제14권1호
• /
• pp.12-21
• /
• 2022

PURPOSE. The purpose of this study was to investigate changes in retention and wear pattern of Locator^® and ADD-TOC attachments on a digital milled bar by performing chewing simulation and repeated insertion/removal of prostheses in fully edentulous models. MATERIALS AND METHODS. Locator (Locator^®; Zest Anchors Inc., Escondido, CA, USA) was selected as the control group and ADD-TOC (ADD-TOC; PNUAdd Co., Ltd., Busan, Republic of Korea) as the experimental group. A CAD-CAM milled bar was mounted on a master model and 3 threaded holes for connecting a bar attachment was formed using a tap. Locator and ADD-TOC attachments were then attached to the milled bar. Simulated mastication and repeated insertion/removal were performed over 400,000 cyclic loadings and 1,080 insertions/removals, respectively. Wear patterns on deformed attachment were investigated by field emission scanning electron microscopy. RESULTS. For the ADD-TOC attachments, chewing simulation and repeated insertion/removal resulted in a mean initial retentive force of 24.43 ± 4.89 N, which were significantly lower than that of the Locator attachment, 34.33 ± 8.25 N (P < .05). Amounts of retention loss relative to baseline for the Locator and ADD-TOC attachments were 21.74 ± 7.07 and 8.98 ± 5.76 N (P < .05). CONCLUSION. CAD-CAM milled bar with the ADD-TOC attachment had a lower initial retentive force than the Locator attachment. However, the ADD-TOC attachment might be suitable for long-term use as it showed less deformation and had a higher retentive force after simulated mastication and insertion/removal repetitions.