• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.958-979
• /
• 2023

Due to laws, regulations, privacy, etc., between 70-90 percent of providers do not share medical data, forming a "data island". It is essential to collaborate across multiple institutions without sharing patient data. Most existing methods adopt distributed learning and centralized federal architecture to solve this problem, but there are problems of resource heterogeneity and data heterogeneity in the practical application process. This paper proposes a collaborative deep learning modelling method based on the blockchain network. The training process uses encryption parameters to replace the original remote source data transmission to protect privacy. Hyperledger Fabric blockchain is adopted to realize that the parties are not restricted by the third-party authoritative verification end. To a certain extent, the distrust and single point of failure caused by the centralized system are avoided. The aggregation algorithm uses the FedProx algorithm to solve the problem of device heterogeneity and data heterogeneity. The experiments show that the maximum improvement of segmentation accuracy in the collaborative training mode proposed in this paper is 11.179% compared to local training. In the sequential training mode, the average accuracy improvement is greater than 7%. In the parallel training mode, the average accuracy improvement is greater than 8%. The experimental results show that the model proposed in this paper can solve the current problem of centralized modelling of multicenter data. In particular, it provides ideas to solve privacy protection and break "data silos", and protects all data.

• 한국컴퓨터정보학회논문지
• /
• 제14권9호
• /
• pp.85-94
• /
• 2009

온라인 비디오 강좌는 내용 파악이 힘든 컨텐츠들이 대부분이기 때문에 학습자가 원하는 정보를 찾기란 쉽지 않다. 그래서 학습자들이 필요로 하는 내용을 정확하고 빠르게 제공해 주는 서비스가 필요하게 되었다. 본 논문에서는 학습자의 요구에 맞는 비디오 강좌를 제공해주기 위해 사용자 기반의 협업적 여과 방법을 변형하여 적용하고자 한다. 제안하는 알고리즘 방법은 학습자가 평가한 선호도 정보를 바탕으로 강좌의 특성을 이용해 분할한 영역에서 학습자와 비슷한 이웃 학습자들을 찾고, 이웃 학습자들에 의해 높은 선호도를 보인 강좌를 선별하고 강좌의 속성 정보를 반영하여 학습자에게 추천해 주는 방식이다. 즉, 강좌의 특성을 고려하여 강좌별로 분할한 후사용자 기반의 협업적 여과 방법을 통해 학습자의 선호도를 예측한다. 그리고 강좌의 속성을 이용한 속성 기반의 여과 방법을 적용해 예측된 강좌들과 유사도를 비교한 후 최종적으로 학습자의 선호도와 가장 유사한 강좌를 추천해 준다.

• 한국멀티미디어학회논문지
• /
• 제23권1호
• /
• pp.31-42
• /
• 2020

During the 4th Industrial Revolution, service platforms utilizing diverse contents are emerging, and research on recommended systems that can be customized to users to provide quality service is being conducted. hybrid recommendation systems that provide high accuracy recommendations are being researched in various domains, and various filtering techniques, machine learning, and deep learning are being applied to recommended systems. However, in a recommended service environment where data must be analyzed and processed real time, the accuracy of the recommendation is important, but the computational speed is also very important. Due to high level of model complexity, a hybrid recommendation system or a Deep Learning-based recommendation system takes a long time to calculate. In this paper, a Cascade-hybrid recommended algorithm is proposed that can reduce the computational time while maintaining the accuracy of the recommendation. The proposed algorithm was designed to reduce the complexity of the model and minimize the computational speed while processing sequentially, rather than using existing weights or using a hybrid recommendation technique handled in parallel. Therefore, through the algorithms in this paper, contents can be analyzed and recommended effectively and real time through services such as SNS environments or shared economy platforms.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제12권1호
• /
• pp.109-134
• /
• 2018

Collaborative Filtering (CF) is widely used in recommendation field, which can be divided into rating-based CF and learning-to-rank based CF. Although many methods have been proposed based on these two kinds of CF, there still be room for improvement. Firstly, the data sparsity problem still remains a big challenge for CF algorithms. Secondly, the malicious rating given by some illegal users may affect the recommendation accuracy. Existing CF algorithms seldom took both of the two observations into consideration. In this paper, we propose a recommendation method based on listwise learning-to-rank by incorporating users' social information. By taking both ratings and order of items into consideration, the Plackett-Luce model is presented to find more accurate similar users. In order to alleviate the data sparsity problem, the improved matrix factorization model by integrating the influence of similar users is proposed to predict the rating. On the basis of exploring the trust relationship between users according to their social information, a listwise learning-to-rank algorithm is proposed to learn an optimal ranking model, which can output the recommendation list more consistent with the user preference. Comprehensive experiments conducted on two public real-world datasets show that our approach not only achieves high recommendation accuracy in relatively short runtime, but also is able to reduce the impact of malicious ratings.

• 응용통계연구
• /
• 제34권3호
• /
• pp.329-345
• /
• 2021

추천 시스템은 고객의 데이터를 이용하여 개인 맞춤화된 상품을 추천한다. 추천 시스템은 협업 필터링, 콘텐츠 기반 필터링 그리고 이 두 가지를 합친 하이브리드 방법의 세 가지로 크게 나누어진다. 이 연구에서는 딥러닝 방법론에 기초한 오토인코더를 이용한 추천 시스템에 대한 소개와 그 모형들의 비교 연구를 진행한다. 오토인코더는 데이터 행렬에 0이 많은 경우의 문제를 효과적으로 다룰 수 있는 딥러닝 기반의 비지도학습 모형이다. 이 연구에서는 세 개의 실제 데이터를 이용하여 다섯 가지 종류의 오토인코더 기반 모형들을 비교한다. 처음의 세 개 모형은 협업 필터링에 속한 모형이고 나머지 두 개의 모형은 하이브리드 모형이다. 실제 데이터는 고객의 평점 데이터이고, 대부분의 평점이 없어서 희박성 비율이 높다는 특징이 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3266-3285
• /
• 2023

With the popularity of online learning, intelligent tutoring systems are starting to become mainstream for assisting online question practice. Surrounded by abundant learning resources, some students struggle to select the proper questions. Personalized question recommendation is crucial for supporting students in choosing the proper questions to improve their learning performance. However, traditional question recommendation methods (i.e., collaborative filtering (CF) and cognitive diagnosis model (CDM)) cannot meet students' needs well. The CDM-based question recommendation ignores students' requirements and similarities, resulting in inaccuracies in the recommendation. Even CF examines student similarities, it disregards their knowledge proficiency and struggles when generating questions of appropriate difficulty. To solve these issues, we first design an enhanced cognitive diagnosis process that integrates students' affection into traditional CDM by employing the non-compensatory bidimensional item response model (NCB-IRM) to enhance the representation of individual personality. Subsequently, we propose an affection-enhanced personalized question recommendation (AE-PQR) method for online learning. It introduces NCB-IRM to CF, considering both individual and common characteristics of students' responses to maintain rationality and accuracy for personalized question recommendation. Experimental results show that our proposed method improves the accuracy of diagnosed student cognition and the appropriateness of recommended questions.

• 한국콘텐츠학회논문지
• /
• 제19권10호
• /
• pp.385-396
• /
• 2019

본 연구는 온라인 협력학습에서 무임승차 행동을 보이는 학습자의 특성을 탐색하기 위해서 수행되었다. 연구를 위해 수도권의 3개 대학 290명의 학생들을 대상으로 온라인 학습환경에서 수행한 협력학습 활동 자료를 상호작용의 빈도에 메시지의 유형을 구분하여 수집하였고, 상호작용의 수준을 함께 분석하였다. 학습자의 특성은 학습전략, 학습동기, 학업적 지연행동, 학습 성향 항목을 조사였다. 다음으로 협력학습 활동에서 전체 상호작용 빈도가 5회 미만인 대상을 무임승차학생으로 정의하였다. 그 결과 43명의 학생이 무임승차자로 분류되었다. 군집분석을 통해서 학습자 특성을 분류한 결과 5개의 집단으로 구분되었고, 무임승차학생들은 모두 4집단에 포함되었다. 따라서 무임승차학생들의 특징은 4집단의 특징으로 결과를 도출하였다. 4집단이 가지는 학습자 특성은 학습전략의 전 영역이 매우 낮으며, 수행접근목표지향은 높고, 수행회피지향성도 높아서 의도적으로 학습을 회피하는 경향이 있는 것으로 나타났다. 이와 함께 4집단 학생들은 수행의 시기를 미루는 학업지연행동 수준이 높고, 학업불안이 높으며, 과제가치, 자기효능, 학습신념이 매우 낮아서 자신이 충분히 학업을 수행할 수 없다고 인식하고 있는 것으로 나타났다.

• 아동학회지
• /
• 제28권5호
• /
• pp.233-251
• /
• 2007

This study explored the contents of practical knowledge about educational planning in early childhood curriculum as constructed by kindergarten teachers at early career stages and then developed a collaborative model of educational planning. Subjects were 6 teachers at early career stages. Using the ethnographic method, data were collected by in-depth interviews. Research outcomes were : (1) teachers specifically worked on 'difficulties in adapting to the teaching job', 'age of children that the teacher cares for', 'integration of theory and practice', and 'variety of actual teaching situations.' (2) A model for collaborative educational planning was constructed on the basis of review of the literature on teachers' knowledge, educational planning for early childhood curriculum, and learning of community.

• 한국컴퓨터정보학회논문지
• /
• 제27권9호
• /
• pp.287-294
• /
• 2022

본 연구는 중·고등학생을 대상으로 SW교육에서 자기주도학습능력 및 협업능력이 학습태도를 매개로 교육만족도에 어떠한 영향을 미치는지 검증하고자 하였다. 이를 위해 A광역시에 소재한 중·고등학생을 대상으로 설문조사를 실시하여 321명의 응답을 분석하였으며, 주요 연구결과는 다음과 같다. 첫째, 남학생의 자기주도학습능력과 학습태도가 여학생보다 통계적으로 유의미하게 높게 나타났으며, 고등학생이 중학생보다 모든 변인에서 통계적으로 유의미하게 높게 나타났다. 둘째, 학습태도는 자기주도학습능력이 교육만족도에 미치는 효과에서 부분매개효과가 있는 것으로 나타났다. 셋째, 학습태도는 협업능력이 교육만족도에 미치는 효과에서 부분매개효과가 있는 것으로 나타났다. 본 연구의 결과는 SW교육에서 성별과 학교급에 따른 SW교육의 전략이 차별화되어 야 하고 이상의 세 변인들을 촉진시킬 수 있는 수업설계가 필요함을 시사한다.

• 영재교육연구
• /
• 제20권1호
• /
• pp.289-316
• /
• 2010

본 연구는 초등학교 4, 5, 6학년 178명을 대상으로 초등학교 영재학생의 사고양식과 학습양식을 분석하고 두 변인간의 상호관련성을 탐색하였다. 본 연구를 검증하기 위하여 Sternberg의 사고양식 검사와 Grasha Reichmann Student Learning Style Questionnaire(GRSLSQ)가 활용되었다. 초등학교 영재아동의 사고양식의 경우 입법형, 사법형, 지엽형, 자유주의형, 계급형, 외부지향적인 사고양식이 높게 나타났다. 학습양식과 관련하여서는 의존형보다는 독립형, 협동형보다는 경쟁형, 회피형보다는 참여형이 높게 나타났다. 사고양식과 학습양식 간의 정준상관분석 결과 두 변인 군 간의 공유변량이 59%(Rc=.77)로 사고양식과 학습양식 간에 상당히 유의하고 밀접한 관련이 있음을 제기하고 있다. 정준함수 1의 독립변인 군에서는 외부지향적, 자유주의적, 계급적, 사법적, 행정적, 입법적 사고양식 순으로 높은 정준교차부하량을 지닌 유의미한 변인으로 나타났으며, 종속변인군의 경우에는 독립형, 참여형, 협동형, 경쟁형의 순으로 나타났다. 즉, 외부지향적, 자유주의적, 계급적, 사법적, 행정적, 입법적 사고양식이 높을수록 독립형, 참여형, 협동형, 경쟁형의 학습 양식 선호가 높음을 알 수 있다. 이 연구의 결과가 영재들의 특성 이해 및 향후 양식 연구와 관련하여 어떠한 시사점이 있는가가 논의되었다.