• 제목/요약/키워드: complement of ten

검색결과 23건 처리시간 0.017초

콘텐츠 활용형 온라인 과학 수업 동영상 개발에 참여한 교사들의 경험과 인식, 개발된 수업 콘텐츠의 특징 분석 (Analysis of the Experiences and Perceptions of Teachers Participating in the Development of Content-Based Online Science Class Videos, and the Characteristics of the Developed Class Content)

  • 신정윤;박상희
    • 한국과학교육학회지
    • /
    • 제40권6호
    • /
    • pp.595-609
    • /
    • 2020
  • 이 연구에서는 코로나19 상황에서 온라인 과학 수업 콘텐츠 개발에 참여한 교사들의 경험과 온라인 과학 수업에 대한 인식, 그리고 교사들이 개발한 온라인 과학 수업 콘텐츠의 특징에 대해 분석하였다. 이를 위해 온라인 과학 수업 동영상을 직접 제작한 10명의 초등 교사를 대상으로 온라인 과학 수업 동영상의 제작 과정과 어려움, 온라인 과학 수업에 대한 인식에 대해 설문 조사 및 심층 면담하였으며, 연구 참여자들이 제작한 온라인 과학 수업 동영상을 분석하여 온라인 과학수업의 특징을 조사하였다. 그 결과 온라인 과학 수업 동영상은 교사가 수업 연구, 각본 작성, 수업 동영상 촬영 및 편집의 전 과정을 구상하고 수업 및 실험과정을 직접 촬영하는 형태로 제작되었거나 전자저작물이나 디지털교과서 등에 음성을 녹음하는 형태로 제작되었다. 연구 참여자들은 제작 시간 부족, 촬영과 편집의 어려움, 오개념 전달에 대한 우려, 기존 자료에 대한 저작권 해결 문제, 외부 공개에 대한 부담 등을 어려움으로 인식하였다. 온라인 과학 수업 동영상 콘텐츠를 제작한 경험이 있는 교사였지만 온라인 과학 수업의 장점에 관해 적극적으로 대답한 연구 참여자는 없었다. 다만 온라인 수업의 특징인 반복 학습의 가능, 수업 시간과 장소의 자유로움, 교사의 수업계획이나 통제의 용이, 시각적 매체 활용으로 수업에 대한 학생의 흥미 유발 등에서 면대면 수업보다 유리함이 있을 것으로 응답했다. 반면에 연구 참여자들은 온라인 과학 수업의 단점으로 학생들의 탐구기회가 줄어들고, 의사소통이나 상호작용이 부족해지는 것을 꼽았다. 특히 이러한 단점들은 온라인 과학 수업의 질 특히 탐구 수업을 어렵게 하는 데 큰 영향을 미칠 것으로 생각했다. 온라인 과학 수업이 면대면 수업을 완전히 대체할 수 없다는 부정적인 견해를 취하는 교사들도 있었지만 여러 교사가 콘텐츠 활용형 온라인 수업 방식을 보완하는 보조적 수업 활동이 제시된다면 온라인 과학 수업과 면대면 수업을 병행하는 방식은 가능할 것으로 인식하였다. 또한 온라인 과학 수업의 도입 단계나 정리 단계에서는 면대면 과학 수업의 과정과 유사하였지만, 탐구 단계와 개념 설명 단계에서는 면대면 과학 수업과 큰 차이를 보였다. 온라인 과학 수업에서는 학생들의 흥미 유발을 위한 여러 방법이 사용되기도 하였지만, 학생의 실험 참여를 유도하지 않는 시범 실험이나 실험결과를 획일적으로 정리하였고 교과서 본문 내용과 개념을 교사가 정리하고 설명함으로써 교사 주도 개념 설명식 수업의 형태를 띠었다.

뇌염(腦炎)바이러스의 적혈구응집력가(赤血球凝集力價)와 보체결합력가(補體結合力價) 및 감염력(感染力)에 관한 연구(硏究) (Studies on the Haemagglutinating and Complement Fixing Activities, and Infectivity of Murray Valley Encephalitis Virus)

  • 정영석
    • 대한수의학회지
    • /
    • 제12권1호
    • /
    • pp.77-84
    • /
    • 1972
  • 이 실험(實驗)은 뇌염(腦炎)바이러스(MVE virus)들 acetone, Tween-ether 그리고 Tween-ether-protamine-sulphate 로 처리한 후 그 바이러스가 지니고 있는 적혈구응집력가(赤血球凝集力價), 보체결합력가(補體結合力價) 그리고 감염력가(感染力價)의 변화 여부를 관찰함과 아울러 초원심분리법(超遠心分離法)에 의하여 이 바이러스가 지니고 있는 위의 세 가지 활성물질(活性物質)의 분획(分劃) 가능성(可能性)을 검토한 결과 다음과 같은 결과를 얻었다. 1) Acetone, Tween-ether 그리고 Tween-ether protamine-sulphate 처리에 의하여 MVE virus가 지니는 적혈구응집력가(赤血球凝集力價)는 8~16 배(倍)로 증가 하였다. 2) Acetone 및 Tween-ether 처리로 보체결합력가(補體結合力價)는 4 배(倍)로 증가 되었으나 Tween-ether protamine-sulphate 처리로는 저하되는 경향이 있었다. 3) Tween-ether로 처리하면 감염력가(感染力價)는 완전히 상실 되나 acetone으로 처리하면 $TCID50/log_{10}$ 3이 감퇴 되었다. 4) 위의 화학제의 처리와 관계없이 바이러스의 적혈구응집력가(赤血球凝集力價)는 $37^{\circ}C$ 에서 10 분간 가열(加熱)됨으로써 완전 소실 되었으나 보체결합력가(補體結合力價)는 상승 하였으며 이 활성도(活性度)는 $65^{\circ}C$ 에서 20 분간 까지도 계속 유지되었다. 5) 처리되지 않은 바이러스와 acetone 처리된 바이러스의 보체결합력가(補體結合力價)나 적혈구응집력가(赤血球凝集力價)는 Tween-ether 나 Tween-ether-protamine-sulphate 로 처리한 바이러스의 그것보다 열(熱)에 대해서 더 안정(安定)하였다. 6) 적혈구응집억제반응용(赤血球凝集抑制反應用) 항원제조(抗原製造)에 있어서 Tween-ether 로 처리하거나 acetone 으로 처리하여 만든 두가지 항원(抗原)은 모두 동일(同一)한 역가(力價)를 보였다. 7) 10~60%의 sucrose gradient centrifugation 에서 처리되지 않은 바이러스는 두개의 보체결합(補體結合)피크가 저농도(低濃渡)와 고농도(高濃渡)에서 각각 나타났으며 저농도(低濃渡)에서 얻은 재료는 적혈구응집력(赤血球凝集力)과 감염력(感染力)을 동반하고 있었다. 8) Acetone 으로 처리된 바이러스의 초원심분리(超遠心分離)에서는 위에 말한 두 보체결합(補體結合)피크 중 고농도부(高濃渡部)의 것은 감소 되었으나 다른 하나는 영향을 받지 않았다. 그리고 적혈구응집력가(赤血球凝集力價)가 증가된 반면 감염최고력가(感染最高力價)는 감퇴 되었으며 이 세 가지 활성(活性)은 acetone 처리 후에는 명확히 분획(分劃)되지 않았다. Tween-ether 로 처리된 바이러스는 초원심분리(超遠心分離)에 의하여 고농도부(高濃渡部)에 있는 보체결합(補體結合)피크는 완전 소실된 반면 저농도부(低濃渡部)에 있는 보체결합최고력가(補體結合最高力價)는 영향을 받지 아니 하였으며 이 피크는 감염력(感染力)을 동반하지 않는 적혈구응집소(赤血球凝集素)와 분획(分劃)이 가능 하였다.

  • PDF

기계학습을 이용한 수출신용보증 사고예측 (The Prediction of Export Credit Guarantee Accident using Machine Learning)

  • 조재영;주지환;한인구
    • 지능정보연구
    • /
    • 제27권1호
    • /
    • pp.83-102
    • /
    • 2021
  • 2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.