• 감성과학
• /
• 제15권2호
• /
• pp.183-192
• /
• 2012

본 연구는 만화표현학습에서의 '창의성'과 '감성지능'에 대한 문헌정리와 상관분석을 통해 두 영역의 요소에 대한 관계성을 보여주고자 한다. 학습자인 초등학생의 만화표현을 통하여 자기감성지능평가와 전문가의 창의성 평가에 대한 각각의 하위요인별로 분석이 이루어졌다. 선행연구자료 조사에서 창의성과 감성지능은 관계성이 있으며 창의성이 높으면 감성지능도 높다고 말할 수 있는 일반적인 사고가 있었다. 그러나 본 연구의 상관분석결과 만화표현학습에 있어서 창의성 평가와 감성지능은 관계는 있지만 모든 요소가 다 관계가 나타나지 않았다. 또한 창의성평가에 대한 상 하위 그룹 학습자들의 감성지능평가 결과 각 그룹에 대한 감성지능요소는 차이가 있었다. 본 연구를 통해 감성지능과 창의성 요소는 각 분야에 맞는 감성지능개발방법을 찾는 것이 창의성을 높이는 방법이라고 말할 수 있다. 따라서 만화표현학습을 통한 창의성 개발을 위해서는 관계성이 있는 감성지능 요소 추출에 대한 체계적인 연구방향을 이루어나가야 할 것이다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제35권4호
• /
• pp.445-473
• /
• 2021

이 연구는 2015 개정 교육과정에서 신설 과목으로 설계된 <인공지능 수학> 교과서를 분석하여 차기 교육과정 설계의 시사점을 도출하는 데 목적이 있다. <인공지능 수학> 시안을 담은 수학과 교육과정 문서에서는 '학습 요소' 대신에 '관련 학습 요소'를 제시하고 있다. '관련 학습 요소'는 인공지능의 맥락에서 활용될 수 있는 수학적 개념이나 원리로 정의하고 있는데 '관련 학습 요소'를 다루는 범위와 방법에 대해서는 구체적인 제한은 없다. 이에 '관련 학습 요소'가 <인공지능 수학> 교과서에서 반영된 양상을 형식, 범위와 방법, 공학적 도구 활용 방식을 중심으로 분석하였다. 교과서별로 '관련 학습 요소'를 교과서에 기술하는 형식상의 차이와 수학 개념을 취급하는 양과 범위에 차이가 있었다. 또한, '관련 학습 요소'를 하나의 수학 개념과 동일하게 정의하여 사용한 경우와 정의보다는 인공지능의 맥락에서 설명 위주로 서술하였다. '관련 학습 요소'를 인공지능의 맥락에서 활용할 수 있도록 교과서별로 유사한 공학적 도구를 다루었지만, 계산과 결과를 해석하는 활동 중심이었다. 고등학교 수학 과목으로서 <인공지능 수학>의 지향을 교과서에 충분히 반영하기 위해서 '관련 학습 요소'에 관한 체계적인 논의가 필요하다. 또한, 학생들이 인공지능 맥락의 활용 사례를 경험하기 위해서는 공학적 도구를 활용하여 문제를 설정하고 해결할 수 있는 내실화된 활동이 교과서에 구현되어야 할 것이다.

• 스마트미디어저널
• /
• 제11권2호
• /
• pp.39-52
• /
• 2022

In the context of the evolution of automation and intelligence, deep learning and machine learning algorithms have been widely applied in aquaculture in recent years, providing new opportunities for the digital realization of aquaculture. Especially, water quality management deserves attention thanks to its importance to food organisms. In this study, we proposed an end-to-end deep learning-based TabNet model for water quality prediction. From major indexes of water quality assessment, we applied novel deep learning techniques and machine learning algorithms in innovative fish aquaculture to predict the number of water cells counting. Furthermore, the application of deep learning in aquaculture is outlined, and the obtained results are analyzed. The experiment on in-house data showed an optimistic impact on the application of artificial intelligence in aquaculture, helping to reduce costs and time and increase efficiency in the farming process.

• Korean Journal of Radiology
• /
• 제21권1호
• /
• pp.33-41
• /
• 2020

Artificial intelligence has been applied to many industries, including medicine. Among the various techniques in artificial intelligence, deep learning has attained the highest popularity in medical imaging in recent years. Many articles on deep learning have been published in radiologic journals. However, radiologists may have difficulty in understanding and interpreting these studies because the study methods of deep learning differ from those of traditional radiology. This review article aims to explain the concepts and terms that are frequently used in deep learning radiology articles, facilitating general radiologists' understanding.

• 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.

• 지능정보연구
• /
• 제20권2호
• /
• pp.179-192
• /
• 2014

최근 IT 환경의 변화에 따라 웹 서비스를 기반으로 대규모 사용자 대상의 상호 참여적인 MOOC(Massive Open Online Courses)과 같은 온라인 교육 환경이 부상하고 있다. 그러나 온라인 교육 시스템은 원거리로 학습이 이루어짐에 따라 학습자의 자발적 동기를 꾸준히 유지하기 어려우며, 또한 학습자 간에 지식을 공유하고 공유한 지식을 활용하는 기능이 부족하다. 이러한 문제를 극복하기 위해 구성주의적 학습이론과 집단지성에 기반하여 학습자가 보유한 학습자료를 공유하고 개인화된 학습자료 추천을 받을 수 있는 학습자료 북마킹 서비스인 WeStudy를 구현하였다. 위키피디아(Wikipedia), 슬라이드쉐어 (SlideShare), 비디오렉쳐스 (VideoLectures) 등 현존하는 집단지성 기반 서비스들의 주요 기능으로부터 필요한 집단지성 기능들을 검토하였으며, 본 서비스의 주요 기능으로 1) 리스트 및 그래프 형태의 학습자료 리스트 시각화, 2) 개인화된 학습자료 추천, 3) 보다 상세한 학습자료 추천을 위한 관심 학습자 지정 등을 도출하여 시스템을 설계하였다. 이후, 웹 기반으로 구현된 세 가지 주요기능 별로 개량된 휴리스틱 사용성 평가 방법을 통해 개발된 시스템의 사용성 평가를 실시하였다. 10명의 HCI 분야 전공자 및 현업 종사자를 대상으로 정량적 및 정성적인 평가 결과, 세 가지의 주요 기능에서 전반적으로 사용성이 우수한 것으로 판정되었다. 주요 기능 별 정성적인 평가에서 도출된 여러 마이너 이슈들을 반영할 필요가 있으며, 향후 대규모 사용자를 대상으로 본 서비스를 보급하고 이용할 수 있도록 제공하여 자발적인 지식 공유 환경을 조성할 수 있을 것으로 전망된다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권4호
• /
• pp.232-237
• /
• 2020

Given the recent pace of development and expansion of Artificial Intelligence (AI) technology, the influence and ripple effects of AI technology on the whole of our lives will be very large and spread rapidly. The National Artificial Intelligence R&D Strategy, published in 2019, emphasizes the importance of artificial intelligence education for K-12 students. It also mentions STEM education, AI convergence curriculum, and budget for supporting the development of teaching materials and tools. However, it is necessary to create a new type of curriculum at a time when artificial intelligence curriculum has never existed before. With many attempts and discussions going very fast in all countries on almost the same starting line. Also, there is no suitable professor for K-12 students, and it is difficult to make K-12 students understand the concept of AI. In particular, it is difficult to teach elementary school students through professional programming in AI education. It is also difficult to learn tools that can teach AI concepts. In this paper, we propose an educational model for elementary school students to improve their understanding of AI through play or experience. This an experiential education model that combineds exploratory learning and discovery learning using multi-intelligence and the PLAY teaching-learning model to undertand the importance of data training or data required for AI education. This educational model is designed to learn how a computer that knows only binary numbers through UA recognizes images. Through code.org, students were trained to learn AI robots and configured to understand data bias like play. In addition, by learning images directly on a computer through TeachableMachine, a tool capable of supervised learning, to understand the concept of dataset, learning process, and accuracy, and proposed the process of AI inference.

• 디지털융복합연구
• /
• 제18권7호
• /
• pp.265-277
• /
• 2020

본 연구는 여고생의 정서지능과 진로준비행동, 자기주도학습능력을 확인하고, 자기주도학습능력에 영향을 미치는 요인을 규명하고자 수행되었다. 여고생 2학년 231명을 대상으로 자가보고식 설문조사를 하였고, 자료 분석은 SPSS/WIN 23.0 프로그램을 이용하여 기술통계, t-test, ANOVA, Pearson's correlation coefficients, multiple regression analysis을 실시하였다. 연구결과, 일반적 특성에 따른 진로준비행동은 계열, 성적에 따라, 자기주도학습능력은 성적에 따라 유의한 차이가 있었다. 자기주도학습능력은 정서지능(r=.560, p<.001), 진로준비행동(r=.232, p<.001)과 각각 양의 상관관계가 있었고, 자기주도학습능력에 영향을 미치는 요인은 정서지능(β=.515, p<.001), 성적'중'(β=.376, p<.001), 성적'상'(β=.274, p<.001), 진로준비행동(β=.128, p<.05)으로 나타났으며, 설명력은 44.0%였다. 따라서 여고생들의 자기주도학습능력을 높이기 위해 정서지능과 진로준비행동을 강화하는 프로그램을 개발하고 적용하는 것이 필요하다.

• 융합보안논문지
• /
• 제23권5호
• /
• pp.117-123
• /
• 2023

최근 생성형 Artificial Intelligence(이하 AI)와 인공지능에 대한 수요가 높아짐에 따라, 오남용에 대한 심각성이 대두되고 있다. 그러나, 이상행위 탐지를 극대화한 지능형 CCTV는 군과 경찰에서 범죄 예방에 큰 도움이 되고 있다. AI는 인간이 가르쳐준 대로 학습을 수행한 후, 자가 학습을 진행한다. AI는 학습된 결과에 따라 판단을 하기 때문에, 학습 시 특징을 명확하게 이해해야만 한다. 그러나, 인간이 판단하기에도 모호한 이상한 행위와 비정상 행위의 시각적 판단이 어려운 경우가 많다. 이것을 인공지능의 눈으로 학습하기란 매우 어렵고, 학습을 한 결과는 오탐, 미탐 그리고 과탐이 매우 많아진다. 이에 대해 본 논문에서는 AI의 이상한 행위와 비정상 행위의 학습을 명확하게 하기 위한 기준과 방법을 제시하고, 지능형 CCTV의 오탐, 미탐 그리고 과탐에 대한 판단 능력을 최대화 하기 위한 학습 방안을 제시하였다. 본 논문을 통해, 현재 활용 중인 지능형 CCTV의 인공지능 엔진 성능을 극대화가 가능하고, 오탐율과 미탐율의 최소화가 가능할 것으로 기대된다.

• 한국인공지능학회지
• /
• 제5권1호
• /
• pp.18-28
• /
• 2017

Recently, there are many companies that use systems based on artificial intelligence. The accuracy of artificial intelligence depends on the amount of learning data and the appropriate algorithm. However, it is not easy to obtain learning data with a large number of entity. Less data set have large generalization errors due to overfitting. In order to minimize this generalization error, this study proposed DGA which can expect relatively high accuracy even though data with a less data set is applied to machine learning based genetic algorithm to deep learning based dropout. The idea of this paper is to determine the active state of the nodes. Using Gradient about loss function, A new fitness function is defined. Proposed Algorithm DGA is supplementing stochastic inconsistency about Dropout. Also DGA solved problem by the complexity of the fitness function and expression range of the model about Genetic Algorithm As a result of experiments using MNIST data proposed algorithm accuracy is 75.3%. Using only Dropout algorithm accuracy is 41.4%. It is shown that DGA is better than using only dropout.