• 한국과학교육학회지
• /
• 제19권1호
• /
• pp.29-40
• /
• 1999

현행 과학교육은 일반적으로 언어적 설명보다는 실험활동을 중심으로 수업을 진행하기를 권하고 있다. 더나아가 과학교육에 관련된 많은 연구들(예를들면, 학습성취도, 사고능력향상, 과학에 관련된 태도 등)도 이러한 실험 활동을 중심으로 한 조작적 교수 학습 과정의 효율성에 대해서 지지해 왔다. 이렇게 과학교육에 대한 연구결과들과 실제 경험들이 학습자의 효과적인 학습을 위해서 실험활동 중심의 교수 학습 과정을 장려하고 있지만, 이들 연구들은 왜 실험활동 중심의 교수학습이 언어적 설명 수업보다 효과적인가에 대한 구체적인 설명을 제공해 주지를 못하고 있다. 본 연구는 이러한 의문에 대해서 최신의 신경학적 연구결과를 바탕으로 설명하고자 하였다. 최근의 신경학적 연구는 다중적 감각경로를 통한 정보의, 전달이 단일적 감각경로를 통한 정보의 전달보다 신경 세포 반응의 효율성과 반응시간의 신속성에 있어서 훨씬 효과적이라는 연구결과들을 제시하여 왔다. 따라서 이 연구결과를 과학학습에 적용할 경우, 실험활동 중심의 수업은 체감각-시각-청각적 감각경로를 통한 정보의 전달이 이루어질 수 있는 교수전략이고 언어적 설명 수업은 청각을 주로 활용하고 부분적으로 시각을 사용하므로, 신경세포 반응의 효율성과 시간의 신속성에 있어서 실험활동 중심의 수업이 훨씬 효과적이기에 실험활동을 통한 수업이 과학학습에 효율적이라는 설명이 가능하다. 이 가설을 테스트하기 위하여 본 연구는 비율추론과제의 해결에 실패한 중학교 학생 56명을 무작위적으로 두집단으로 나눈다음, 한 집단에게는 조작적 활동중심 피이드백을, 그리고 다른 집단에게는 언어적 설명 중심 피이드백을 제공하였다. 연구결과는 조작적 활동 중심 피이드백을 제공받은 집단이 언어적 설명 중심 피이드백을 제공받은 집단보다 통계적으로 의미있게 학습한 결과를 보여주었다. 따라서 본 연구는 실험활동 중심 수업의 효율성에 대한 신경학적 설명을 지지하는 증거를 제시하였다. 또한 이 연구는 연구결과의 교육적 활용을 위한 적용방안도 논의하였다.

• International Journal of Computer Science & Network Security
• /
• 제22권10호
• /
• pp.406-412
• /
• 2022

Scene classification of very high-resolution (VHR) imagery can attribute semantics to land cover in a variety of domains. Real-world application requirements have not been addressed by conventional techniques for remote sensing image classification. Recent research has demonstrated that deep convolutional neural networks (CNNs) are effective at extracting features due to their strong feature extraction capabilities. In order to improve classification performance, these approaches rely primarily on semantic information. Since the abstract and global semantic information makes it difficult for the network to correctly classify scene images with similar structures and high interclass similarity, it achieves a low classification accuracy. We propose a VHR remote sensing image classification model that uses extracts the global feature from the original VHR image using an EfficientNet-V2L CNN pre-trained to detect similar classes. The image is then classified using a multilayer perceptron (MLP). This method was evaluated using two benchmark remote sensing datasets: the 21-class UC Merced, and the 38-class PatternNet. As compared to other state-of-the-art models, the proposed model significantly improves performance.

• International Journal of Computer Science & Network Security
• /
• 제21권9호
• /
• pp.19-30
• /
• 2021

Diabetes Mellitus (DM) is one of common chronic diseases leading to severe health complications that may cause death. The disease influences individuals, community, and the government due to the continuous monitoring, lifelong commitment, and the cost of treatment. The World Health Organization (WHO) considers Saudi Arabia as one of the top 10 countries in diabetes prevalence across the world. Since most of the medical services are provided by the government, the cost of the treatment in terms of hospitals and clinical visits and lab tests represents a real burden due to the large scale of the disease. The ability to predict the diabetic status of a patient without the laboratory tests by performing screening based on some personal features can lessen the health and economic burden caused by diabetes alone. The goal of this paper is to investigate the prediction of diabetic and prediabetic patients by considering factors other than the laboratory tests, as required by physicians in general. With the data obtained from local hospitals, medical records were processed to obtain a dataset that classified patients into three classes: diabetic, prediabetic, and non-diabetic. After applying three machine learning algorithms, we established good performance for accuracy, precision, and recall of the models on the dataset. Further analysis was performed on the data to identify important non-laboratory variables related to the patients for diabetes classification. The importance of five variables (gender, physical activity level, hypertension, BMI, and age) from the person's basic health data were investigated to find their contribution to the state of a patient being diabetic, prediabetic or normal. Our analysis presented great agreement with the risk factors of diabetes and prediabetes stated by the American Diabetes Association (ADA) and other health institutions worldwide. We conclude that by performing class-specific analysis of the disease, important factors specific to Saudi population can be identified, whose management can result in controlling the disease. We also provide some recommendations learnt from this research.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제14권8호
• /
• pp.3270-3294
• /
• 2020

Some things come easily to humans, one of them is the ability to navigate around. This capability of navigation suffers significantly in case of partial or complete blindness, restricting life activity. Advances in the technological landscape have given way to new solutions aiding navigation for the visually impaired. In this paper, we analyze the existing works and identify the challenges of path selection, context awareness, obstacle detection/identification and integration of visual and nonvisual information associated with real-time assisted mobility. In the process, we explore machine learning approaches for robotic path planning, multi constrained optimal path computation and sensor based wearable assistive devices for the visually impaired. It is observed that the solution to problem is complex and computationally intensive and significant effort is required towards the development of richer and comfortable paths for safe and smooth navigation of visually impaired people. We cannot overlook to explore more effective strategies of acquiring surrounding information towards autonomous mobility.

• Advances in nano research
• /
• 제12권5호
• /
• pp.489-499
• /
• 2022

Nanofluids have recently triggered a substantial scientific interest as cooling media. However, their stability is challenging for successful engagement in industrial applications. Different factors, including temperature, nanoparticles and base fluids characteristics, pH, ultrasonic power and frequency, agitation time, and surfactant type and concentration, determine the nanofluid stability regime. Indeed, it is often too complicated and even impossible to accurately find the conditions resulting in a stabilized nanofluid. Furthermore, there are no empirical, semi-empirical, and even intelligent scenarios for anticipating the stability of nanofluids. Therefore, this study introduces a straightforward and reliable intelligent classifier for discriminating among the stability regimes of alumina-water nanofluids based on the Zeta potential margins. In this regard, various intelligent classifiers (i.e., deep learning and multilayer perceptron neural network, decision tree, GoogleNet, and multi-output least squares support vector regression) have been designed, and their classification accuracy was compared. This comparison approved that the multilayer perceptron neural network (MLPNN) with the SoftMax activation function trained by the Bayesian regularization algorithm is the best classifier for the considered task. This intelligent classifier accurately detects the stability regimes of more than 90% of 345 different nanofluid samples. The overall classification accuracy and misclassification percent of 90.1% and 9.9% have been achieved by this model. This research is the first try toward anticipting the stability of water-alumin nanofluids from some easily measured independent variables.

• 산업융합연구
• /
• 제21권7호
• /
• pp.29-39
• /
• 2023

최근 국내‧외적으로 많은 지진이 발생하고 있는 상황에서, 우리나라의 건물은 내진설계 및 지진피해에 매우 취약한 상황이다. 따라서 현 연구의 목적은 건물에 대한 지진취약도 등급화 및 위험건물 밀도분석을 수행하는 효과적인 방법을 발굴하고 이를 모델화하여, 시범지역(서울시)자료를 활용해 검증해 보는데 있다. 이를 위해 활용된 두 가지 모델링 기법 중, 통계 분석 기법의 예측정확도는 87%였고, 머신러닝 기법은 Random Forest모델의 예측정확도가 가장 높았으며, 해당 모델의 Test Set 정확도는 97.1%로 도출되었다. 분석결과, 구별 등급화 결과는 광진구와 송파구가 상대적으로 위험하다고 예측되었으며, 위험건물 밀도분석은 서초구, 관악구, 강서구가 상대적으로 위험하다고 예측되었다. 최종적으로, 통계분석 기법을 활용한 분석결과가 머신러닝 기법을 활용한 분석결과보다 위험하게 도출되었으나, 우리나라에서는 지진 강도 6.5(MMI)가 내진설계의 기준인데, 서울시 건물의 약 18.9%가 내진설계 되어있는 것으로 확인된 것을 고려하면, 머신러닝 기법의 결과가 더 정확할 것으로 예측되었다. 현 연구는 인구 및 인프라와 경찰서, 소방서 등을 고려 않은 오직 건물만을 고려한 한계점이 있으며, 해당 한계를 포함해 수행하면 더욱 포괄적인 연구가 될 것이다.

• 한국과학교육학회지
• /
• 제41권6호
• /
• pp.519-531
• /
• 2021

본 연구에서는 중등 예비과학교사들이 수업 시연 강좌에 참여하면서 어떠한 정체성을 드러내는지 탐색하고자 하였다. 연구 대상은 서울 소재 사범대학의 '탐구학습과 생명과학실험 지도' 강좌를 수강하는 예비과학교사 22명이다. 연구를 위하여 예비교사들의 탐구 수업 설계 및 시연 과정에서 만들어진 모든 자료를 수집하였고, 수업 시연 및 반성 장면을 녹화 및 전사하였다. 또한, 수업 후에 9명의 예비교사를 대상으로 반구조화된 면담을 실시하고 녹음 및 전사하였다. 연구 결과, 강좌 초반에는 과학 교사 정체성이 잘 드러나지 않았다. 예비교사들의 초기 구두 반성에서는 권위적 담화가 나타났으며, 이는 예비교사들이 구두 반성 활동을 '시연된 수업에 대한 평가 활동'으로 인식하고 있음을 보여준다. 이러한 인식은 예비교사들이 대학교에 재학하는 학생으로서 과제를 수행하고 교수자에게 평가를 받는 입장으로 수업 시연 강좌에 참여함을 보여준다. 강좌 중반부 이후, 예비교사들의 과학 교사 정체성을 보여주는 담화가 관찰되었다. 중반부 이후 구두 반성에서는 종종 대화적 담화가 이루어졌으며, 이는 예비교사들이 구두 반성 활동을 '전문성 신장을 위한 배움 활동'으로 인식함을 보여준다. 또한 후반부에는 자신의 경험을 교사의 활동과 연결 짓고 해석하는 담화가 나타났다. 이는 예비교사들이 이 순간 자기 자신을 교사로서 인식함을 보여준다. 또한 강좌를 통해 실험 수업에 대한 인식이 확장되었다. 강좌 내에서 참여자들의 권위를 평등화하고, 반성의 역할 모델을 제공하였으며, 수업을 둘러싼 다양한 입장을 경험해보는 연습이 이루어졌던 것이 예비교사의 과학 교사 정체성 형성에 긍정적인 영향을 미쳤다. 본 연구는 예비교사의 과학 교사 정체성 형성을 위한 교사 양성 과정에 관한 시사점을 제공한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제13권4호
• /
• pp.2060-2077
• /
• 2019

Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.

• 한국과학교육학회지
• /
• 제28권8호
• /
• pp.880-889
• /
• 2008

본 연구의 목적은, 과학영재교육의 측면에서, 첨단 과학 장비와 실험을 활용하는 전문성 계발 연수에 대한 실태 분석과 과학고 교사와 예비교사의 연수에 대한 인식을 조사하는 것이다. 설문 조사는 첨단과학 실험 장비를 활용할 기회가 있는 과학고등학교에 근무하고 있는 과학교사(N=43)와 사범대학에 재학 중인 예비교사(N=189)를 대상으로 실시하였다. 설문 결과를 살펴보면, 과학고 교사와 예비 교사 모두 첨단 실험장비에 대한 이해가 부족하다고 인식하였으며 관련된 연수 경험 또한 많지 않음을 보였다. 첨단 실험장비 활용의 중요성에 대해서는 과학고 교사와 예비교사 모두 인식하고 있었으며, 기회가 주어진다면 주로 방학 기간을 이용해 연수에 적극적으로 참여하겠다는 의사를 보였다. 연수의 형태에 있어서는 실험장비 사용 실습을 모두 선호하여 두 집단 모두 첨단 과학 실험장비 사용법에 있어 기능적인 부분의 부족함을 호소하고 있다. 내용적인 측면에서, 현직 교사들의 경우, 첨단 실험장비 활용 교수 학습 프로그램 개발에 더 많은 관심을 보였으나 예비 교사들의 경우 첨단 실험장비 사용법을 선호하고 있어 연수 프로그램 내용 선정과 개발에 대한 시사점을 얻을 수 있다.

• 한국지리정보학회지
• /
• 제27권1호
• /
• pp.81-98
• /
• 2024

본 연구는 시민들이 직접 체감하는 더위인 체감더위를 열환경 단위로 설정하여 공간적 요인과의 상관관계를 분석하고 체감더위 예측 모형을 개발하였다. 체감더위를 수집하기 위해 리빙랩이라는 시민 참여형 연구방법론을 적용하여 시민들이 직접 체감더위를 기록하고 주변의 온도를 측정하도록 하였다. 수집한 체감더위 정보의 입력지점에 기반하여 주변 도시공간적 요소를 수집하여 통계 분석을 위한 데이터셋을 구축하였다. 구축한 데이터를 활용하여 로지스틱 회귀분석을 수행하였다. 분석 결과, 기온은 주변 공간환경에 영향을 받으며, 건물 높이, 녹지율, 도로율과 음의 상관관계를 가지고, 기온과 천공률과 양의 상관관계를 가진다고 분석되었다. 또한 도로율, 천공률, 녹지율 순으로 체감더위에 강한 영향을 미치는 것으로 나타났다. 본 연구의 결과는 기후변화 대응을 위한 국지적인 열환경 대책을 마련하기 위한 열환경 평가의 기초자료로 활용될 수 있을 것으로 기대된다.