• 대한수학교육학회지:학교수학
• /
• 제9권1호
• /
• pp.45-64
• /
• 2007

본 연구는 초등학교 6학년 학생들의 그래프 이해 능력을 알아보기 위해, 자료 읽기, 자료 사이의 관계 찾기, 자료 해석하기, 상황 이해하기의 4가지 과제 유형을 설정하고 초등학교에서 학습하는 6가지의 그래프를 대상으로 검사 문항을 구성하였다. 이를 이용하여 서울 시내 초등학교 6학년 학생 187명을 대상으로 검사를 실시한 후, 과제유형별 반응과 그래프 종류별 반응을 분석하였다. 분석 결과 그래프를 보고 자료 읽기와 자료 사이의 관계 찾기 과제에서는 높은 이해도를 보였으나 자료 해석하기와 상황 이해하기에서는 상대적으로 낮은 이해도를 나타냈다. 또한 같은 수준의 과제 내에서도 그래프의 종류에 따라 상당히 다른 이해도를 보였다. 이를 통해 그래프 교수 학습 방향에 대한 시사점을 도출하였다.

• 한국과학교육학회지
• /
• 제25권6호
• /
• pp.671-677
• /
• 2005

Line graphs are powerful tools in conveying complicated relationships and ideas because line graphs show the relationship that exists between two continuous variables. Also, line graphs can show readers the variations in variables and correlate two variables in a two dimensional space. For these reasons, line graphs have a significant role in physics, especially kinematics. To what extent are Korean college and secondary students able to understand kinematics graphs? Is there a difference between American students and Korean students in interpreting kinematics graphs? The TUG-K instrument (Test of Understanding Graphs in Kinematics) was administered to students in both countries. The results show the difference between American students and Korean students by TUG-K objective. Also, the results are discussed in terms of a graph comprehension theory.

• Journal of information and communication convergence engineering
• /
• 제7권4호
• /
• pp.419-430
• /
• 2009

Reading comprehension (RC) systems are to understand a given text and return answers in response to questions about the text. Many previous studies extract sentences that are the most similar to questions as answers. However, texts for RC tests are generally short and facts about an event or entity are often expressed in multiple sentences. The answers for some questions might be indirectly presented in the sentences having few overlapping words with the questions. This paper proposes a conceptual graph matching method towards RC tests to extract answer strings. The method first represents the text and questions as conceptual graphs, and then extracts subgraphs for every candidate answer concept from the text graph. All candidate answer concepts will be scored and ranked according to the matching similarity between their sub-graphs and question graph. The top one will be returned as answer seed to form a concise answer string. Since the sub-graphs for candidate answer concepts are not restricted to only covering a single sentence, our approach improved the performance of answer extraction on the Remedia test data.

• 한국데이터정보과학회:학술대회논문집
• /
• 한국데이터정보과학회 2006년도 PROCEEDINGS OF JOINT CONFERENCEOF KDISS AND KDAS
• /
• pp.155-161
• /
• 2006

To enhance the interest and comprehension of learners studying Statistics. The program which learners can use is needed. With the help of this program, the interest and concentration of the learners can be enhanced, and the effects of the study of Statistics can be maximized, through the convenience of calculation to the theoretical contents of Statistics, various graphs, the, simulation.

• 한국초등수학교육학회지
• /
• 제23권2호
• /
• pp.247-272
• /
• 2019

본 연구의 목적은 우리나라 초등수학 교육과정에 따른 통계영역의 그래프 지도를 분석하는 것이다. 이를 위해 다음과 같이 세 가지 연구문제를 설정하였다. 첫째, 초등수학 교육과정에서 그래프 지도와 관련된 성취기준의 변화는 어떠한가? 둘째, 초등수학 교육과정에서 그래프 그리기 지도의 변화는 어떠한가? 셋째, 초등수학 교육과정에서 그래프 이해 지도의 변화는 어떠한가? 첫 번째 연구문제를 위해 1차 교육과정부터 현행 2015 개정 교육과정의 통계영역의 지도와 관련된 성취기준을 분석하였다. 두 번째 연구문제를 위해 그래프 그리기를 지도할 때 학생들에게 그래프 그리는 기회를 얼마나 제공하는지(그리기 횟수)와 그래프의 기본틀을 제시하는지 여부(틀 제공)를 조사하였다. 세 번째 연구문제를 위해 교과서의 질문을 그래프 이해의 지도와 관련된 '자료 읽기', '자료 사이의 관계 찾기', '자료 해석하기', '상황 이해하기'로 구분하여 분석하였다. 분석 결과 교육과정에서 성취기준은 통계적 사고를 함양시키는 방향으로 변화하였으며, 그래프 그리기 지도를 쉽게 할 수 있도록 하고 그래프의 해석을 강조하는 방향으로 변화하고 있었다. 그러나 '자료해석하기'와 '상황이해하기'는 여전히 부족한 것으로 나타났다.

• 한국학교수학회논문집
• /
• 제11권4호
• /
• pp.655-676
• /
• 2008

본 논문은 제7차 초등학교 수학과 교육과정에서 제시하고 있는 통계 지도 목표 및 내용을 살펴보고, 개정 교육과정에서 변화된 내용을 분석하였다. 또한 수학 교과서와 익힘 책에서 교육과정의 기본적인 취지를 어떻게 구현하고 관련 세부 내용을 어떻게 구체화하고 있는지 알아보기 위해, 그래프별로 지도 방법을 분석하고, 학생들의 그래프 이해 수준에 따라 교과서와 익힘 책의 문제를 상세하게 분석하였다. 이를 토대로 초등학교 통계 내용과 관련하여 차기 교과용 도서 개발에 기초적인 자료 및 시사점을 제공하고자 한다.

• 지식경영연구
• /
• 제25권2호
• /
• pp.1-18
• /
• 2024

거대언어모델(LLM)에 대한 수요와 활용 사례가 증가함에 따라 사용자의 민감정보가 LLM 사용 과정 중에 입력 및 유출되는 위험성 또한 증가하고 있다. 일반적으로 LLM 환각 문제의 해결을 위한 도구로 알려진 지식그래프는, LLM과는 별개로 구축되어 사용자의 민감정보를 별도로 보관 및 관리할 수 있으므로, 민감정보의 유출 가능성을 최소화하는 하나의 방법이 될 수 있다. 따라서 본 연구는 사용자로부터 입력된 자연어 기반의 질문을 LLM을 통해 지식그래프 유형에 맞는 쿼리문으로 변환하고 이를 이용하여 쿼리 실행과 결과 추출을 진행하는 지식그래프 기반 챗봇을 제시한다. 또한 본 연구에서 개발된 지식그래프 기반 챗봇의 기능적 유효성 판단을 위하여, 기존 지식그래프에 대한 이해도와 적응력, 새로운 개체 클라스 생성 능력, 그리고 지식그래프 콘텐츠에 대한 LLM의 접근 가능성 여부를 판단하는 성능 테스트를 수행한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3383-3397
• /
• 2023

Scene graphs serve as semantic abstractions of images and play a crucial role in enhancing visual comprehension and reasoning. However, the performance of Scene Graph Generation is often compromised when working with biased data in real-world situations. While many existing systems focus on a single stage of learning for both feature extraction and classification, some employ Class-Balancing strategies, such as Re-weighting, Data Resampling, and Transfer Learning from head to tail. In this paper, we propose a novel approach that decouples the feature extraction and classification phases of the scene graph generation process. For feature extraction, we leverage a transformer-based architecture and design an adaptive calibration function specifically for predicate classification. This function enables us to dynamically adjust the classification scores for each predicate category. Additionally, we introduce a Distribution Alignment technique that effectively balances the class distribution after the feature extraction phase reaches a stable state, thereby facilitating the retraining of the classification head. Importantly, our Distribution Alignment strategy is model-independent and does not require additional supervision, making it applicable to a wide range of SGG models. Using the scene graph diagnostic toolkit on Visual Genome and several popular models, we achieved significant improvements over the previous state-of-the-art methods with our model. Compared to the TDE model, our model improved mR@100 by 70.5% for PredCls, by 84.0% for SGCls, and by 97.6% for SGDet tasks.