• 한국토양비료학회지
• /
• 제43권6호
• /
• pp.968-974
• /
• 2010

본 연구에서는 토양의 가시 근적외선 스펙트럼의 피크중첩에 의한 분석오차를 감소시킴으로써 토양유기물 추정의 정확도 향상을 위해 이산 웨이블릿 변환 (DWT) 신호처리기법의 적용을 검토하고 공간정보모델링을 통해 토양유기물의 분포도를 작성하고자 하였다. 토양유기물 함량에 따른 스펙트럼의 정량적 변화의 강조를 위해 Continuum 제거, 도함수 변환과 함께 Haar, Daubechies DWT 변환된 스펙트럼을 PLSR 모델에 대입하여 산출한 토양유기물 추정식들은 거의 비슷한 결과를 도출하였고 $R^2$ > 0.6, RPD > 1.5 의 '대략적인' 추정 결과를 보였다. 잡음을 줄이고 신호값을 향상시키기 위해 이산 웨이블렛 변환을 적용한 결과에서 오히려 약간 낮은 성능을 나타내었는데 성긴 근사값 (Coarser approximation) 스펙트럼으로 변환되어 추정식의 유의성이 낮아졌을 가능성이 있다. 따라서 토양의 분광스펙트럼에 더 적합한 이산 웨이블렛 필터와 수준 등의 DWT 조건을 찾고 적용함으로써 추정식의 유의성을 향상시킬 수 있을 것으로 본다. 또한, 유기물에 의한 에너지의 흡수, 반사를 일으키는 주요 파장대의 상관성을 분석하여 선택적으로 해당 영역의 스펙트럼이나 파라미터 값을 산출하여 추정모델에 적용하는 시도도 필요할 것으로 사료된다. 이러한 토양유기물의 추정값과 실측값을 이용해 구역 크리깅을 수행하여 분포지도를 작성하였다. 토양 샘플의 유기물 분석값은 평균값을 중심으로 정규분포를 나타내었는데 크리깅 지도에서도 전반적으로 유사한 패턴의 값이 분포하였다. 추정값을 이용한 크리깅 결과도 실측값을 이용한 분포지도와 유사한 공간적 패턴을 나타내었다. 지도의 우하단부와 중앙 부분에서 실측값 분포보다 추정값 분포지도에서 약간 더 높은 경향을 보였는데 이는 토양 유기물의 추정치와 실측치 간의 오차에 의한 것으로 판단된다. 분광 스펙트럼을 이용한 추정 모델은 정확도 제고가 필요한 단계이나 신속성, 용이성 면에 있어서 토양 특성에 대해 광역 단위에서 다량의 시료 분석에 유용할 것으로 보이고, 또한 지역, 세계 규모의 디지털 토양 매핑, 토양 분류 및 원격탐사 자료와의 연계 분석에 활용될 수 있을 것으로 기대된다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.123-138
• /
• 2024

본 연구는 S대학 <인공지능을 위한 기초수학[Math4AI]> 강좌의 교수·학습과정에서 맞춤형 챗GPT를 개발하여 활용한 경험을 공유한다. 연구진은 ① 먼저 강좌 맞춤형 챗GPT (https://math4ai.solgitmath.com/)를 개발하였다. 이때 챗GPT가 부정확한 정보를 주지 않도록 수년간의 해당 강좌 주요 데이터(교재, 실습실, 토론 기록, 코드 등)를 우선적으로 학습하는 챗GPT의 기능을 적용하였다. ② 학생들이 교재를 스스로 학습하다 궁금한 부분이 생기면, 맞춤형 챗GPT 인터페이스를 통해 자연어로 수학 용어, 정리, 예제, 열린 문제 번호, 핵심어 등을 질문하여 도움을 얻을 수 있도록 하였다. 그러면 챗GPT는 관련된 주요 문제나 용어, 그리고 이전 학생들의 토론에 기반한 몇 가지 샘플 답안 또는 토론 내용과 함께 사용되었던 코드 샘플을 제공한다. ③ 학생들이 챗GPT를 통해 얻은 내용을 스스로 윤문하여 공유하고, 상호 토론하면서, 교재에서 제시하는 주요 개념과 열린 문제의 대부분을 이해하도록 하였다. ④ 학기 말에는 그간 본인이 얻은 열린 문제들에 대한 학습기록을 모아 PBL (Problem-Based Learning) 보고서로 제출하고, 발표하여 강좌를 수료하도록 하였다. 이러한 방식은 학생들이 학습을 포기하지 않고 한 단계 앞으로 더 나아갈 추진력과 동기를 주며, 궁극적으로 각각의 문제를 스스로 해결하는 자기 주도적 학습을 도울 수 있다. 또한 학생들 각자의 수준에 맞추어 실시간으로 최적화된 조언을 제시하므로 강좌뿐만 아니라 대학수학교육 전반에 대한 학생별 맞춤형 교육(personalized education)을 제공할 수 있다. 즉, 학생들이 담당교수(또는 조교)와 AI 조교의 도움으로 실시간 답변과 효과적인 조언을 받을 수 있게 됨을 의미한다. 이는 양질의 조교 부족에 대한 고민을 추가 비용 없이 획기적으로 해결할 수 있다. 본 연구는 강좌의 교수·학습과정에 교재 맞춤형 챗GPT를 접목한 것으로, 인공지능(AI) 기술을 기타 대학수학 과목들(미적분학, 선형대수학, 이산수학, 공학수학, 기초통계학 등)과 초·중·고 수학교육에 적용할 수 있는 새로운 방법을 제시한다. 특히 AI 기술을 적용하여 이전 수강생들의 학습기록(열린 문제 풀이, 토론 자료, 코드 등)을 참고하며, 각자 실습한 결과를 공유 및 상호 토론하여 문제를 해결하는 방식은, 다양한 전공의 학생들이 내용을 더 효과적으로 이해하고, 본인 전공 관련 문제 해결 능력을 향상시키는 데 획기적인 도움을 줄 것으로 예상된다. 또한 교재 맞춤형 챗GPT와 함께 자기주도적인 학습을 경험토록 하는 교수학습 방법은 평생 교육(lifelong learning, extension school, extension college, extended college) 또는 평생학습의 관점에서 중요하다.

• 대한영상의학회지
• /
• 제84권1호
• /
• pp.185-196
• /
• 2023

목적 갑상선 유두암 환자에서 림프절 전이를 예측할 수 있는 잠재적인 바이오마커를 개발하기 위해 초음파 영상에 대한 radiomics를 조사하는 것이다. 대상과 방법 2013년 8월부터 2014년 5월까지 431명의 환자가 연구에 포함되었고 통계 소프트웨어를 사용하여 훈련 및 검증 세트로 구분되었다. 총 730개의 radiomics 특징이 자동으로 추출되었다. 훈련 데이터 세트에서 가장 예측 가능한 특징을 선택하기 위해 최소 절대 수축 및 선택 연산자가 사용되었다. 결과 Radiomics 점수는 림프절 전이와 관련이 있었다(p < 0.001). 림프절 전이는 젊은 연령(p = 0.007) 및 더 큰 종양 크기(p = 0.007)와 같은 다른 임상 변수와도 관련이 있었다. 수신자 조작 특성 곡선 하 면적 결과 값은 훈련 세트의 경우 0.687 (95% 신뢰 구간: 0.616-0.759), 검증 세트의 경우 0.650 (95% 신뢰 구간: 0.575-0.726)이었다. 결론 본 연구 결과는 초음파 영상 기반의 radiomics가 papillary thyroid carcinoma 환자에서 경부 림프절 전이를 예측하고 바이오마커로 작용할 가능성을 보여주었다.

• 한국산림과학회지
• /
• 제75권1호
• /
• pp.1-18
• /
• 1986

본(本) 연구(硏究)는 굴참나무의 생장인자(生長因子) (흉고직경(胸高直徑), 수고(樹高), 흉고단면적(胸高斷面績) 및 간재적(幹材積))와 삼림환경(森林環境) 및 토양(土壤)의 이화학적(理化學的) 인자(因子)와의 관계(關係)를 분석(分析)하여 임지(林地)의 생산력(生産力)을 추정(推定)하고, 적지선정(適地選定) 기준(基準)을 설정(設定)하는데 그 목적(目的)이 있다. 이 때 고려(考慮)된 인자(因子)는 삼림환경인자(森林環境因子)로 령급(齡級) 외(外) 19개(個) 토양(土壤)의 이화학적(理化學的) 인자(因子)로 토양산도(土壤酸度) 외(外) 11개(個), 총(總) 32개(個) 인자(因子)이다. 경북(慶北)과 충북지방(忠北地方)에서 선정(選定)된 이들 생장인자(生長因子)와 삼림환경인자(森林環境因子)는 99개(個)의 표준지(標準地)를 대상(對象)으로 조사(調査)되었다. 여기에서 채택(採擇)된 인자(因子)는 이산변수(離散變數)와 연속변수(連續變數)이다. 각각의 인자(因子)를 3~4개(個)의 계급(階級)으로 분류(分類)하여, 총(總) 110개(個)의 계급(階級)으로 구분(區分)하였다. 그리고 각 계급(階級)을 별개(別個)의 독립변수(獨立變數)로 하였다. 즉 이는 의사변수(擬似變數)(dummy variable)로 하여 그의 값을 1 혹은 0으로 놓았다. 각 인자(因子)의 첫 계급(階級)은 통계학적(統計學的) 고려(考慮) 때문에 정규방정식(正規方程式)에서 제외(除外)시켰다. 먼저 4개(個)의 굴참나무 생장인자(生長因子)와 110개(個)의 계급(階級)과의 관계(關係)를 회귀분석(回歸分析)하였다. 다음으로 4개(個)의 생장인자(生長因子)와 32개(個)의 독립변수(獨立變數)간의 편상관계수(偏相關係數)를 계산(計算)하였다. 마지막으로 계급간(階級間)의 범위(範圍)를 구(求)하기 위하여 상대점수(相對點數)를 추정(推定)하였다. 이와 같이 통계분석(統計分析)한 결과(結果)를 요약(要約)하면 다음과 같다. 1) 임목생장인자(林木生長因子)와 삼림환경인자(森林環境因子)와의 관계(關係)를 분석(分析)한 결과(結果), 수고(樹高)를 종속변수(從屬變數)로 하는 것이 추정율(推定率)이 가장 높았다. 그러므로 생장인자(生長因子) 중(中) 수고(樹高)를 임지생산력(林地生産力)의 추정기준(推定基準)으로 하는 것이 효율적(効率的)이라 사료(思料)된다. 2) 입목지(立木地)의 생산력(生産力)은 전체(全體) 삼림환경인자(森林環境因子)에 의하여, 그리고 무입목지(無立木地)는 토양(土壤)의 이화학적(理化學的) 인자(因子)에 의하여 추정(推定)할 수 있다. 3) 전체(全體)의 임목생장인자(林木生長因子)에 공통(共通)으로 크게 관여(關與)하는 인자(因子)는 령급(齡級), 유효토탐(有効土探), 임목밀도(林木密度), 모암(母岩), 위도(緯度), 토양습도(土壤濕度) 등으로서, 이들 인자(因子)의 양부(良否)가 곧 적지적수(適地適樹)의 기준(基準)이 될 수 있다. 4) 임목생장(林木生長)에 대한 계급간(階級間)의 상대점수차(相對點數差)가 공통(共通)으로 큰 인자(因子)는 모암(母岩), 위도(緯度), 전질소함량(全窒素含量), 령급(齡級), 유효토탐(有効土探), 토양습도(土壤濕度), 유기질함량(有機質含量) 등으로서 이들 인자(因子)의 계급(階級)에 따라 적지적수(適地適樹)를 선정(選定)하여야 할 것으로 사료(思料)된다.