• 컴퓨터교육학회논문지
• /
• 제17권1호
• /
• pp.1-12
• /
• 2014

e-러닝 환경에서는 학습자의 학습행동이 학습관리시스템(LMS)에 자동으로 기록되며, 최근에는 이러한 데이터를 분석하여 수업과 학습성과 향상에 활용하는 학습분석학(learning analytics)적 접근이 증가하고 있다. 중도탈락은 e-러닝에서 지속되어 온 문제로, 본 연구는 일반대학 e-러닝 강좌에서 LMS에 기록된 데이터로부터 중도탈락 예측 모형을 구축하여 e-러닝 중도탈락 처방에 기초 자료를 제공하고자 하였다. 국내 일반대학에서 운영되는 교양 e-러닝 강좌를 편의표집하고, 이 강좌를 수강하는 578명의 자료로 중도탈락을 예측하는 로지스틱 회귀분석을 실시한 결과, 주차별로 계획된 학습을 규칙적으로 완료하는 출석과 총 학습시간이 중도탈락 예측에 유의한 선행요인으로 분석되었고, 이 로지스틱 회귀모형은 전체적으로 96%의 정확도로 수강완료자와 중도탈락자를 구분하였다. 또한 학습자가 중도탈락을 결정하기 이전 시점에서 이 모형을 적용하여 중도탈락 조기 판별 가능성을 탐색하고, 본 연구결과를 토대로 시사점과 이 모형의 잠재적 활용가치를 논의하였다.

• 응용통계연구
• /
• 제32권6호
• /
• pp.899-908
• /
• 2019

수 많은 모수들을 가지고 있는 방대한 심층신경망은 매우 강력한 기계학습 방법이지만 모형의 과도한 융통성으로 인하여 과적합문제를 내포하고 있다. 드롭아웃 방법은 크기가 큰 신경망의 과적합 문제를 해결하는 다양한 방법들 중 하나이며 매우 효과적인 방법으로 알려져 있다. 드롭아웃 방법은 훈련과정에서 각각의 표본에 다른 모형을 적용하는데 이들 모형은 입력과 은닉층의 노드들을 무작위로 제거한 모형들 중에 임의로 선택된다. 본 연구에서는 임의로 선택된 모형에 둘 이상의 표본을 적용하여 모형의 가중치들에 대한 추정치의 안정성을 높이는 하이브리드 드롭아웃 방법을 제시하였다. 실제 자료를 이용한 시뮬레이션 결과 노드의 선택확률과 모형의 적합에 사용되는 표본의 수를 적절하게 선택하여 기존의 방법에 비하여 추정치의 변동성이 감소시킬 수 있었으며 동시에 검증자료에 대한 최저오차도 줄일 수 있음을 보였다.

• 정보교육학회논문지
• /
• 제13권1호
• /
• pp.9-22
• /
• 2009

최근 들어 이러닝 강좌의 양이 날로 증가하고 있지만 이러닝의 복병인 중도탈락에 관한 연구는 그리 많지 않은 실정이다. 이에 본 연구는 한국 S 기업의 2007년 4분기 이러닝 강좌를 수강한 250명(이수자 157명, 중도탈락자 93명)을 대상으로 이수자와 중도탈락자 집단에 영향을 미치는 독립변인이 무엇인지, 또 이들 집단 분류를 어떤 변인들이 얼마만큼 설명하고 있는지를 규명하였다. 수집된 데이터로 로지스틱 회귀분석을 실시하였으며 그 결과 중도탈락에 영향을 미치는 변인은 학습자 배경변인 중 결혼여부, 학습에 투자하는 시간, 직무병행 어려움, 가사병행 어려움이었으며 학습자 내적변인, 강좌에 대한 기대 역시 영향을 미치는 것으로 나타났다.

• 전기전자학회논문지
• /
• 제19권4호
• /
• pp.506-513
• /
• 2015

본 논문에서는 외부 커패시터가 없는 low-dropout (LDO) 레귤레이터를 설계하였으며, 대기 전류는 $4.5{\mu}A$ 이다. 제안하는 LDO 레귤레이터는 정밀한 로드 레귤레이션과 빠른 응답 속도를 만족하기 위해 두 개의 증폭기를 사용 하였고, 높은 이득을 갖는 증폭기와 빠른 속도 및 높은 슬루율을 가지는 증폭기로 구성 되어 있다. 이와 함께 패스 트랜지스터의 게이트에 존재하는 큰 기생 커패시터에 전류를 빠르게 충 방전시키기 위해, 전류 부스팅 회로를 추가하였다. 이를 통해 부하 전류 변화 시 응답 시간을 향상 시키게 된다. 설계된 회로는 $0.11-{\mu}m$ CMOS 공정으로 제작되었다. 최대 200mA 의 부하 전류를 구동할 수 있으며, 출력 전압 변동은 260mV, 회복 시간은 $0.8{\mu}s$ 을 측정하였다.

• 한국융합학회논문지
• /
• 제12권10호
• /
• pp.37-43
• /
• 2021

본 연구는 대학생의 중도탈락 패턴을 식별하는 효과적인 자동 분류 기법을 제안하고, 이를 바탕으로 중도탈락을 예방하기 위한 지능형 추천 시스템의 구현 방안을 제시하는 것을 목표로 한다. 이를 위해 1) 실제 대학생의 재학/제적 데이터를 기반으로 기계 학습의 성능을 향상시킬 수 있는 데이터 처리 방안을 제안하고, 2) 5종의 기계학습 알고리즘을 이용하여 성능 비교 실험을 실시하였다. 3) 실험 결과, 제안 기법이 베이스라인에 비해 모든 알고리즘에서 우수한 성능을 보여주었다. 제적생의 식별 정확률(precision)은 랜덤 포레스트(Random Forest)를 사용할 때 최대 95.6%, 제적생의 재현율(recall)은 나이브 베이즈(Naive Bayes)를 사용할 때 최대 80.0%로 측정되었다. 4) 마지막으로, 실험 결과를 바탕으로 중도탈락 가능성이 높은 학생을 우선 상담하는 추천 시스템의 활용 방안을 제시하였다. 교육 현안 문제를 해결하기 위해 IT 분야의 기술을 활용하는 융합 연구를 통해 합리적인 의사결정을 수행할 수 있음을 확인하였으며 향후 지속적인 연구를 통해 다양한 인공지능 기술을 적용하고자 한다.

• 한국콘텐츠학회논문지
• /
• 제19권1호
• /
• pp.1-15
• /
• 2019

직업훈련 교육 현장에서 느끼는 가장 큰 어려움 중 하나는 중도탈락 문제이다. 훈련과정마다 많은 수의 학생들이 중도탈락을 하게 되어 국가 예산 낭비 및 청년 취업률 개선에 장애 요인이 되고 있다. 본 연구에서는 중도탈락의 원인을 주로 분석한 기존 연구들과 달리, 각종 수강생 정보를 활용하여 사전에 중도탈락을 예측할 수 있는 기계학습 기반 모형을 제안하고자 한다. 특히 본 연구의 제안모형은 수강생 관련 정형 데이터 뿐 아니라 비정형 데이터인 강사의 상담일지 정보까지 동시에 고려하여 모형의 예측정확도를 제고하고자 하였다. 이 때 비정형 데이터에 대한 분석은 최근 주목받고 있는 텍스트 분석 기술인 Word2vec과 합성곱 신경망을 이용해 수행하였다. 국내 한 직업훈련기관의 실제 데이터에 제안모형을 적용해 본 결과, 정형데이터만을 사용하여 중도탈락을 예측할 때보다 비정형 데이터를 함께 고려했을 때 예측의 정확도가 최대 20%까지 향상됨을 확인할 수 있었다. 아울러, Support Vector Machine을 기반으로 정형 데이터와 비정형 데이터를 결합해 분석했을 때, 검증용 데이터셋 기준으로 90% 후반대의 높은 예측 정확도를 나타냄을 확인하였다.

• 디지털융복합연구
• /
• 제19권8호
• /
• pp.257-264
• /
• 2021

전공의 수련은 우수한 역량을 지닌 전문의를 양성하는 과정이다. 본 연구는 2017년 4월에 수행한 전공의 수련 및 근무환경 실태조사 결과를 활용하여 전공의의 수련포기 의도와 영향요인을 규명하였다. 다변량 로지스틱 회귀분석을 통해 전공의 1,748명을 대상으로 수련포기 의도를 조사한 결과, '그런 편이다'라고 응답한 전공의는 340명(19.5%), '보통' 518명(29.6%), '그렇지 않은 편이다' 890명(50.9%)으로 나타났다. 전공의의 수련포기와 관련이 있는 요인은 기업 연계병원 여부, 수련연차, 근무시간, 적절한 교육지도 여부, 수련과정 적절성 여부로 나타났다. 바람직한 전공의 교육 수련을 위해서는 전공의 근로환경 정상화와 더불어 내실 있는 교육수련 프로그램 개발, 공정하고 체계적인 평가, 재정적 지원이 필요하다.

• 산업융합연구
• /
• 제22권2호
• /
• pp.23-32
• /
• 2024

본 연구에서는 서울 소재 한 전문대학 학생들을 대상으로 하여 최소한의 인구통계학적 변수와 1학년 1학기 성적을 활용하여 학생들의 최종 학적 상태를 예측하고자 하였다. XGBoost와 LightGBM 모델을 사용한 결과, 이러한 변수들이 학생들의 제적 여부 예측에 유의미한 것을 발견하였다. 이는 학업 시작 초기의 성적이 학업 중단의 중요한 지표가 될 수 있음을 시사한다. 또한, 전문대학의 학제가 최종 학적에 영향을 미칠 가능성을 확인하였으며, 이는 학업 기간이 학생들의 학업 중단 결정에 중요한 요소임을 나타낸다. 전문대학에서 조기 학업 중단 의도를 파악하는 데 있어 심리적, 사회적, 경제적 요인에 의존하지 않고 학업 성취도만을 기준으로 모델링을 시도하였다. 이는 향후 학업 중단에 대한 조기 경보 시스템 구축에 도움이 될 것으로 기대된다.

• ETRI Journal
• /
• 제37권5호
• /
• pp.961-971
• /
• 2015

This paper proposes a 250 mV supply voltage digital low-dropout (LDO) regulator. The proposed LDO regulator reduces the supply voltage to 250 mV by implementing with all digital circuits in a$0.11{\mu}m$ CMOS process. The fast current tracking scheme achieves the fast settling time of the output voltage by eliminating the ringing problem. The over-voltage and under-voltage detection circuits decrease the overshoot and undershoot voltages by changing the switch array current rapidly. The switch bias circuit reduces the size of the current switch array to 1/3, which applies a forward body bias voltage at low supply voltage. The fabricated LDO regulator worked at 0.25 V to 1.2 V supply voltage. It achieved 250 mV supply voltage and 220 mV output voltage with 99.5% current efficiency and 8 mV ripple voltage at $20{\mu}A$ to $200{\mu}A$ load current.

• 대한치과기공학회지
• /
• 제35권3호
• /
• pp.243-257
• /
• 2013

Purpose: This study aims to analyze the factors affecting the dropout intentions of the dental technology students of a college. Methods: The subject of this study was 76 freshmen and 74 sophomores of dental technician major in an anonymous college. Results from the questionnaire called K-vision diagnosis program were computed by means of t-test, One-Way ANOVA, and correlation analysis. Results: 1. Total points of the drop out intention came to 782.14 points. Of the five categories concerned with the drop out intention, complain in college satisfaction(50.12points) was the highest and department satisfaction(47.51points) was the lowest. Of 16 subcategories, complaining in administrative supporting system proved the highest as 50.80 points and Inquiry to Professor the lowest(45.56 points). 2. Among the general characteristic gender (p<. 01), student group (p<.01), and credit (p<.05) made a meaningful statistical difference; no statistical significance was found in grade, admission, and dwellings. 3. Of the five categories, statistical significance was shown as follows; Department satisfaction (p<.01), College satisfaction (p<.05) under gender, Department satisfaction (p<.05) in grade, Academic integration (p<.01), Department satisfaction (p<.01) in credit. No statistical meaning was found in admission and dwellings. 4. Statistical significance was found under 16 subcategories as follows: Career identification(p<.01), Academic support system(p<.01), Social activity II(p<.05) in gender area, Inquiry to professor(p<.01), Learning(p<.05), Understanding learning I(p<.05) in grade area, Learning(p<.001), Career identification(p<.001), Understanding learning I(p<.01), Understanding learning II(p<.01), Inquiry to professor (p<.01), Learning ability (p<.05), Occupation (p<.05), Social Activity II(p<.05), Administrative support system (p<.05) in student group area, Credit (p<.001), Career identification (p<.01), Understanding learning I(p<.05) in credit area; admission and dwellings was statistically meaningless. 5. Of the 5 categories academic integration (r=.766) was most relevant to the dropout intention of the subjects and followed by department satisfaction (r=.735), college satisfaction (r=.554), service acceptability (r=.373), and statistical significance was shown as p<.01. Conclusion: Considering the results of this study, we are in a pressing need for the introduction of policies and programmes aiming at preventing the dropout rates of the dental technician majors at college. In tandem with this, qualitative and viable human resource management of the dental technicians should be implemented.