• 영재교육연구
• /
• 제25권6호
• /
• pp.857-879
• /
• 2015

본 연구는 중학생 대상의 수학, 과학 온라인 영재교육 프로그램에서 튜터의 역할별 수행 수준을 측정하고, 그것이 학습자의 심층학습과 학업성취 수준 및 수업평가에 어떤 영향을 미치는지 알아보고자 수행되었다. 이를 위해 과학, 수학 온라인 수업을 수강한 중학생 249명을 대상으로 튜터 역할 수행 수준에 대한 설문을 실시하여 심층학습, 학업성취, 수업평가와의 관계를 살펴보았다. 분석 결과 심층학습의 하위변인인 종합적 학습, 반성적 학습에 긍정적인 영향을 미치는 변인은 공통적으로 학습내용 및 평가 전문가로서의 튜터의 역할인 반면, 고차적 학습에 영향을 미치는 튜터의 역할은 없는 것으로 나타났다. 다음으로 튜터 역할의 하위 변인 중 학습자의 탐구학습 점수와 전체 점수에 영향을 미치는 변인은 학습과정 및 방법 안내자로서의 역할이었으며, 튜터 역할과 개념학습 점수는 유의미한 관련이 없는 것으로 나타났다. 반면 온라인학습에 대한 전반적인 만족도, 참여도, 이해도에 유의미한 영향을 미치는 튜터 역할은 없는 것으로 나타났다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 추계학술발표대회
• /
• pp.805-807
• /
• 2021

In-hospital cardiac arrest is a significant problem for medical systems. Although the traditional early warning systems have been widely applied, they still contain many drawbacks, such as the high false warning rate and low sensitivity. This paper proposed a strategy that involves a deep learning approach based on a novel interpretable deep tabular data learning architecture, named TabNet, for the Rapid Response System. This study has been processed and validated on a dataset collected from two hospitals of Chonnam National University, Korea, in over 10 years. The learning metrics used for the experiment are the area under the receiver operating characteristic curve score (AUROC) and the area under the precision-recall curve score (AUPRC). The experiment on a large real-time dataset shows that our method improves compared to other machine learning-based approaches.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제10권7호
• /
• pp.191-198
• /
• 2021

분산 딥러닝은 각 노드에서 지역적으로 업데이트한 지역 파라미터를 동기화는 과정이 요구된다. 본 연구에서는 분산 딥러닝의 효과적인 파라미터 동기화 과정을 위해, 레이어 별 특성을 고려한 allreduce 통신과 연산 오버래핑(overlapping) 기법을 제안한다. 상위 레이어의 파라미터 동기화는 하위 레이어의 다음 전파과정 이전까지 통신/계산(학습) 시간을 오버랩하여 진행할 수 있다. 또한 이미지 분류를 위한 일반적인 딥러닝 모델의 상위 레이어는 convolution 레이어, 하위 레이어는 fully-connected 레이어로 구성되어 있다. Convolution 레이어는 fully-connected 레이어 대비적은 수의 파라미터를 가지고 있고 상위에 레이어가 위치하므로 네트워크 오버랩 허용시간이 짧고, 이를 고려하여 네트워크 지연시간을 단축할 수 있는 butterfly all-reduce를 사용하는 것이 효과적이다. 반면 오버랩 허용시간이 보다 긴 경우, 네트워크 대역폭을 고려한 ring all-reduce를 사용한다. 본 논문의 제안 방법의 효과를 검증하기 위해 제안 방법을 PyTorch 플랫폼에 적용하여 이를 기반으로 실험 환경을 구성하여 배치크기에 대한 성능 평가를 진행하였다. 실험을 통해 제안 기법의 학습시간은 기존 PyTorch 방식 대비 최고 33% 단축된 모습을 확인하였다.

• 한국초등과학교육학회지:초등과학교육
• /
• 제26권3호
• /
• pp.286-294
• /
• 2007

This study investigated the relationship between elementary school students' creative problem solving skills in terms of science and cognitive strategies. Creative problem solving in science was measured by 4 variables; appropriateness, scientific ability, concreteness, and originality. Cognitive strategies were measured by 6 variables; surface(rehearsal), deep(elaboration and organization), and metacognitive strategies(planning, monitoring, and regulating). The KEDI Creative Problems Solving Test in Science(Cho et al., 1997) and the Motivated Strategies for Learning Questionnaire(Pintrich & DeGroot, 1990) were administered to 72 subjects. Data were analyzed by means of Pearson's correlation and multiple regression analysis. Our findings indicated a positive correlation between creative problem solving in science and cognitive strategies. The surface cognitive strategy (rehearsal) positively predicted the total score, the scientific ability's score, the concrete score, and the original score of creative problem solving in science. The deep cognitive strategy(organization) positively predicted the appropriate score and the metacognitive strategy(planning) positively predicted the original score of scientific creative problem solving skills.

• Nuclear Engineering and Technology
• /
• 제56권4호
• /
• pp.1472-1479
• /
• 2024

Cyber-Physical Energy Systems (CPESs) integrate cyber and hardware components to ensure a reliable and safe physical power production and supply. Renewable Energy Sources (RESs) add uncertainty to energy demand that can be dealt with flexible operation (e.g., load-following) of CPES; at the same time, scenarios that could result in severe consequences due to both component stochastic failures and aging of the cyber system of CPES (commonly overlooked) must be accounted for Operation & Maintenance (O&M) planning. In this paper, we make use of Deep Reinforcement Learning (DRL) to search for the optimal O&M strategy that, not only considers the actual system hardware components health conditions and their Remaining Useful Life (RUL), but also the possible accident scenarios caused by the failures and the aging of the hardware and the cyber components, respectively. The novelty of the work lies in embedding the cyber aging model into the CPES model of production planning and failure process; this model is used to help the RL agent, trained with Proximal Policy Optimization (PPO) and Imitation Learning (IL), finding the proper rejuvenation timing for the cyber system accounting for the uncertainty of the cyber system aging process. An application is provided, with regards to the Advanced Lead-cooled Fast Reactor European Demonstrator (ALFRED).

• Journal of Information Processing Systems
• /
• 제20권3호
• /
• pp.360-374
• /
• 2024

A personalized course recommendation algorithm based on deep learning in an online education cloud platform is proposed to address the challenges associated with effective information extraction and insufficient feature extraction. First, the user potential preferences are obtained through the course summary, course review information, user course history, and other data. Second, by embedding, the word vector is turned into a low-dimensional and dense real-valued vector, which is then fed into the compressed interaction network-deep neural network model. Finally, considering that learners and different interactive courses play different roles in the final recommendation and prediction results, an attention mechanism is introduced. The accuracy, recall rate, and F1 value of the proposed method are 0.851, 0.856, and 0.853, respectively, when the length of the recommendation list K is 35. Consequently, the proposed strategy outperforms the comparison model in terms of recommending customized course resources.

• 대한원격탐사학회지
• /
• 제38권6_2호
• /
• pp.1581-1587
• /
• 2022

이제는 딥러닝 없는 원격탐사 데이터 처리는 상상하기도 어려운 시대가 되었다. 원격탐사의 활용기술 개발을 위해서는 먼저 인공지능(artificial intelligence, AI)을 위한 데이터를 설계 및 구축하고, AI모델을 학습시키는 과정을 거친다. AI모델은 빠르게 발전하여 모델 정확도가 나날이 높아지고 있지만, 모델을 훈련시키는 사람에 따라 정확도의 편차가 발생하고 있다. 결국 AI모델을 훈련시킬 수 있는 숙련도 높은 전문가가 더욱 더 필요한 시대가 되어가고 있다. 특히, 딥러닝기술은 원격탐사활용에 있어 자동화라는 키워드를 제공하고 있다. 예전에는 60% 이하의 정확도만 있었던 기술도 이제는 90%를 넘어 100%의 시대로 가고 있다. 이 특별호에서는 딥러닝기술이 원격탐사에 어떻게 활용되고 있는지에 관한 13편의 논문을 소개한다.

• 한국과학교육학회지
• /
• 제25권3호
• /
• pp.321-326
• /
• 2005

본 연구는 군집 분석을 통해 학생들의 복합적인 성취 목적 양식을 확인하고, 이것이 학습 전략(심층적/피상적)과 과학 성취도에 미치는 영향을 조사하였다. 성취 목적(과제 지향/수행 지향/수행 회피)에 대해 군집 분석을 실시한 결과, '과제 지향 목적이 높은 집단(군집 1)'. '과제 지향 목적과 수행 지향 목적이 모두 높은 집단(군집 2)', '과제 지향 목적과 수행 지향 목적이 모두 낮은 집단(군집 3)'으로 구분되었다. 일원 변량 분석 결과, 심층적 학습 전략에서 군집 2의 평균이 군집 1과 군집 3보다 유의미하게 높았으며, 과학 성취도에서 군집 1과 군집 2의 평균이 군집 3보다 유의미하게 높은 것으로 나타났다. 피상적 학습 전략에서는 군집 3의 평균이 군집 1과 군집 2보다 유의미하게 높았다. 본 연구 결과에 대한 교육적 함의를 논의하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.455-457
• /
• 2020

Recent studies demonstrate that deep learning model is easily biased by trained with unbalanced datasets. For example, the deep network can be trained to make a prediction by background feature instead the real target's feature. For those problem, a measurement called leakage was introduced to digitize this tendency. In this paper, we propose augmentation strategy which are used generally in computer vision problem to remedy this bias problem and we showed a simple augmentation methods have a effect to this task with experiments.

• 대한감각통합치료학회지
• /
• 제16권3호
• /
• pp.11-21
• /
• 2018

목적 : 본 연구는 대학생의 감각처리 유형과 학습유형, 학습전략 간에 상관관계를 조사하고자 실시되었다. 연구방법 : 부산소재 K대학교의 학생 115명을 대상으로 실시하였다. 측정도구는 청소년/성인 감각프로파일(Adolescent/Adult Sensory Profile; AASP)과 학습과정 설문지(Study Process Questionnaire; SPQ)와 학습동기전략 설문지(Motivated Strategies for Learning Questionnarie; MSLQ)를 사용하여 감각처리 유형, 학습유형, 학습전략에 대한 설문을 실시하였다. 수집된 자료는 SPSS/WIN 20.0을 이용하여 카이 제곱 검정(chi square test), 피어슨 상관계수(Pearson correlation coefficient)로 분석하였다. 결과 : 감각처리 유형과 학습유형의 상관관계에서 감각등록저하 유형은 표층형 학습유형(p=0.03), 감각추구 유형은 심층형 학습유형(p=0.02)과 상관관계가 있었다. 감각처리 유형과 학습전략의 상관관계에서 감각추구 유형은 조직화 학습전략(p=0.00), 감각민감 유형은 조직화 학습전략(p=0.03)및 초인지 학습전략(p=0.00)과 상관관계가 있었다. 감각추구 성향의 차이에 따라 group A와 B로 나누었을 때 학습유형(p=0.00) 및 학습전략(p=0.03)에서 유의한 차이가 나타났다. 결론 : 감각처리 유형과 학습유형, 학습전략 간에 상관관계가 나타났으며 감각처리 유형에 따라 학습유형, 학습전략이 달라짐으로 개인에게 맞는 학습 유형과 학습전략을 선택함에 있어 기초자료로써 활용되어지는데 의의가 있다.