• 정보관리학회지
• /
• 제36권1호
• /
• pp.169-190
• /
• 2019

본 연구는 고등학교 공통 과목을 중심으로 교과 교사들의 2015 개정 교육과정 현장 적용 실태와 인식이 교육정보요구에 미치는 영향을 확인하는 데 목적이 있다. 이를 위하여 인천광역시 일반계 공립 고등학교에 재직 중인 국어, 수학, 영어, 사회, 과학 교과(군) 교사를 대상으로 개별 심층 면담과 설문조사를 실시하였다. 분석 결과, 2015 개정 교육과정 현장 적용 실태와 인식은 교육정보요구에 일부 유의한 영향을 미치고 있음을 확인하였다. 특히 교육정보요구 부분에서 2015 개정 교육과정 적용에 따른 새로운 복본 요구 형태와 학습자료 정보원 요구 양태를 발견하였으며, 이를 바탕으로 지역적 범위 내 소규모 학교도서관 컨소시엄 형성과 레퍼럴 서비스 제공, 게이트웨이 역할 수행 기능 강화 등의 학교도서관 운영 방안을 제안하였다.

• 실천공학교육논문지
• /
• 제12권2호
• /
• pp.363-369
• /
• 2020

이 연구는 청소년 대상 파이썬 활용 교육의 효과를 메타분석을 통해 정리하는 것을 목적으로 한다. 자료 분석을 위해 파이썬 활용 교육의 효과를 보고한 선행연구 6편을 선정하였다. 연구 결과를 정리하면 다음과 같다. 첫째, 파이썬 활용 교육의 전체 효과크기는 0.684로 나타났다. 둘째, 교육 효과를 종속변수 유형에 따라 비교 분석한 결과, 학업성취도 0.871, 인지적 영역 0.625, 정의적 영역 0.428로 나타났다. 셋째, 인지적 영역의 경우, 자기효능감 0.833, 문제해결능력 0.283, 컴퓨팅사고력 0.276, 코딩 역량 0.251의 순서로 나타났다. 넷째, 정의적 영역의 경우, 학습 흥미 0.56, 프로그래밍 흥미 0.417의 순서로 나타났다. 다섯째, 학교 급의 경우, 중학교 0.851, 고등학교 0.585, 대학교 0.435의 순서로 나타났다. 여섯째, 교과 영역의 경우, 수학 1.057, 디자인 0.595, 정보 0.585, 소프트웨어 0.28의 순서로 나타났다.

• 정보교육학회논문지
• /
• 제25권2호
• /
• pp.317-325
• /
• 2021

본 논문에서는 2015 개정교육과정에 기반한 초등학교 국어, 사회, 도덕, 수학, 과학 교과서 총 44종의 교과서를 대상으로 SW·AI 요소와 CT 요소의 반영 정도를 조사·분석하였다. 분석결과, ICT 요소인 자료수집, 자료분석, 자료표현 활동이 대부분이었으며, SW·AI 내용요소중 알고리즘, 프로그래밍 요소는 반영되지 않았고, CT 요소중 추상화, 자동화, 일반화 요소도 없었다. 그러므로 초등 교과에서 SW·AI 융합교육이 효과적으로 이루어지기 위해 ICT 활용 활동을 SW·AI 활용 활동으로 확대하고, 현장 교사를 대상으로 SW·AI 융합교육의 이해와 SW·AI를 활용한 교수학습방법 개선에 대한 연수가 필요하다. 그리고 내실 있는 SW·AI 교육을 위해 정보교과 신설 및 별도 시수 확보가 필요하다.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.113-127
• /
• 2021

Topic modeling has been receiving much attention in academic disciplines in recent years. Topic modeling is one of the applications in machine learning and natural language processing. It is a statistical modeling procedure to discover topics in the collection of documents. Recently, there have been many attempts to find out topics in diverse fields of academic research. Although the first Department of Industrial Engineering (I.E.) was established in Hanyang university in 1958, Korean Institute of Industrial Engineers (KIIE) which is truly the most academic society was first founded to contribute to research for I.E. and promote industrial techniques in 1974. Korean Society of Industrial and Systems Engineering (KSIE) was established four years later. However, the research topics for KSIE journal have not been deeply examined up until now. Using topic modeling algorithms, we cautiously aim to detect the research topics of KSIE journal for the first half of the society history, from 1978 to 1999. We made use of titles and abstracts in research papers to find out topics in KSIE journal by conducting four algorithms, LSA, HDP, LDA, and LDA Mallet. Topic analysis results obtained by the algorithms were compared. We tried to show the whole procedure of topic analysis in detail for further practical use in future. We employed visualization techniques by using analysis result obtained from LDA. As a result of thorough analysis of topic modeling, eight major research topics were discovered including Production/Logistics/Inventory, Reliability, Quality, Probability/Statistics, Management Engineering/Industry, Engineering Economy, Human Factor/Safety/Computer/Information Technology, and Heuristics/Optimization.

• 한국정보통신학회논문지
• /
• 제26권1호
• /
• pp.49-57
• /
• 2022

최근 인공지능의 다양한 활용은 기계학습의 딥 인공신경망 구조를 통해 가능해졌으며 인간과 같은 능력을 보여주고 있다. 불행하게도 딥 구조의 인공신경망은 아직 정확한 해석이 이루어지고 있지 못하고 있다. 이러한 부분은 인공지능에 대한 불안감과 거부감으로 작용하고 있다. 우리는 이러한 문제 중에서 인공신경망의 능력 부분을 해결한다. 인공신경망 구조의 크기를 계산하고, 그 인공신경망이 처리할 수 있는 데이터의 크기를 계산해 본다. 계산의 방법은 수학에서 쓰이는 군의 방법을 사용하여 데이터와 인공신경망의 크기를 군의 구조와 크기를 알 수 있는 Order를 이용하여 계산한다. 이를 통하여 인공신경망의 능력을 알 수 있으며, 인공지능에 대한 불안감을 해소할 수 있다. 수치적 실험을 통하여 데이터의 크기와 딥 인공신경망을 계산하고 이를 검증한다.

• 한국컴퓨터정보학회논문지
• /
• 제27권3호
• /
• pp.25-31
• /
• 2022

본 연구의 목적은 국내 대학의 인공지능(AI) 전공 교육과정에 대한 실태 분석을 통해 향후, 더욱 체계적인 AI 교육과정 운영을 위한 시사점을 탐색하는 것에 있다. 이를 위해, 사전 연구를 통해 개발한 산업계 수요 기반의 대학 AI 전공 표준형 교육과정을 활용해 국내 대학(SW중심대학 외 총 51개교)과 해외 QS Top 10 대학의 관련 교육과정을 분석하였다. 주요 연구 결과를 살펴보면 다음과 같다. 첫째, 국내 대학의 경우 파이썬 중심의 프로그래밍 과목이 부족하였다. 둘째, AI 응용, 융합 등의 심화학습을 위한 과목이 적었다. 셋째, AI 개발자 직무를 수행하기 위해 요구되는 과목(ex, 컨테이너 인프라 구축, DevOps 실습 등)의 과목이 부족하였다. 넷째, 전문대학의 경우 AI 수학 관련 교과 개설 비율이 낮았다. 본 연구는 이러한 결과를 토대로 향후 체계적인 AI 전공 교육과정 운영을 위한 시사점을 제시하였다.

• 정보교육학회논문지
• /
• 제26권5호
• /
• pp.307-315
• /
• 2022

본 연구의 목적은 예비 초등교사를 대상으로 확장현실(extended reality)의 기초 소양 강화를 위해 관련 기술들의 기본 개념을 이해시키고 교육용 콘텐츠를 제작하는 기본기를 갖출 수 있는 교육 프로그램을 설계하고 적용하는 것이며, 교육을 통해 습득한 지식을 실제 교육 현장에 적용해 볼 수 있는 기회를 제공하는 것이다. 이를 위해, 국내의 한 초등교원 양성대학에 재학 중인 다양한 전공의 학부생 12명을 연구대상자로 선정하고 6주에 걸쳐서 총 6회 동안 가상현실, 증강현실, 혼합현실의 기본적인 개념 및 콘텐츠의 제작 과정을 습득하기 위한 연수에 참여하도록 하였다. 연수 프로그램이 종료된 후에는 해당 교육을 통해 습득한 지식을 기반으로 초등 교육에 활용하기 위한 수업 콘텐츠를 직접 기획하고 제작하여 6학년 학생 22명을 대상으로 시범 수업을 시행하도록 하였으며 설문 조사를 실시하였다. 향후 연구의 개선을 위해서는 1) 교육 장비들의 확충 및 2) 단기간의 집중 연수 방식을 고려해야 하고, 3) 텍스트 프로그래밍의 선제 교육 및 4) 설문 조사 방식의 개선이 필요한 것으로 분석되었다.

• 한국컴퓨터정보학회논문지
• /
• 제28권9호
• /
• pp.167-176
• /
• 2023

본 연구에서는 글자와 숫자를 기반으로 한 프로그래밍 자동 평가 시스템에서 그래프를 평가할 수 있는 그래프 평가 모듈을 설계 및 구현하였다. 그래프 평가 모듈의 평가 방법은 학습자가 제출한 코드와 모범 코드로 작성한 그래프, 평가 준거를 제시하는 자기 평가와 각각의 그래프 이미지를 배열로 변환하여 정답을 판정하고 오답일 경우 피드백을 제공하는 자동 평가이다. 그래프를 작성하는데 사용되는 데이터는 직접 입력하거나 외부 데이터를 불러올 수 있으며 평가할 수 있는 그래프 작성 방법은 matplotlib의 MATLAB 스타일이며 수학과 교육과정에서 제시된 그래프를 평가할 수 있다. 전문가 검토를 통해 평가 모듈의 내용 요소와 학습 가능성, 학습자의 요구에서 타당도를 갖춘 것으로 확인하였다. 본 연구에서 개발한 그래프 평가 모듈은 프로그래밍 자동 평가시스템 평가 영역을 확장하였고 학생들이 데이터 시각화를 익히는데 도움이 될 것으로 기대된다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2021년도 학술논문집
• /
• pp.167-173
• /
• 2021

본 연구는 초등학생 대상의 인공지능 교육에서 다루는 알고리즘의 종류, 활용하는 도구와 데이터의 범주를 논의하는 것을 목적으로 초등예비교사 11명을 대상으로 15주 동안 데이터, 인공지능 알고리즘, 인공지능 교육 플랫폼을 교육 및 실습한 후 설문하여 초등학생 수준을 고려한 데이터와 알고리즘의 범주, 교육 도구를 제시하고 적합성을 분석하였다. 설문을 통해 교사가 수업목적에 따라 사전에 데이터를 선정 및 가공하여 교육에 사용하는 것이 가장 적합하며, 분류와 예측 알고리즘이 초등 인공지능 교육에서 다루기에 적절하다는 결론을 도출하였다. 또한, 엔트리가 인공지능 교육 도구로서 가장 적합하며 인공지능의 학습이라는 개념을 교육하기 위해 수학적 지식을 설명하는 자료가 필요함을 확인하였다. 본 연구는 초등학생의 인공지능 교육에서 다루는 알고리즘과 데이터의 범주를 구체적으로 제시하고 이와 관련된 수학교육에 대한 필요성과 적절한 교육 도구를 분석하였다는 점에서 의의가 있다.

• Steel and Composite Structures
• /
• 제48권2호
• /
• pp.179-190
• /
• 2023

Many recent attempts have sought accurate prediction of pile pullout resistance (P_ul) using classical machine learning models. This study offers an improved methodology for this objective. Adaptive neuro-fuzzy inference system (ANFIS), as a popular predictor, is trained by a capable metaheuristic strategy, namely equilibrium optimizer (EO) to predict the P_ul. The used data is collected from laboratory investigations in previous literature. First, two optimal configurations of EO-ANFIS are selected after sensitivity analysis. They are next evaluated and compared with classical ANFIS and two neural-based models using well-accepted accuracy indicators. The results of all five models were in good agreement with laboratory P_uls (all correlations > 0.99). However, it was shown that both EO-ANFISs not only outperform neural benchmarks but also enjoy a higher accuracy compared to the classical version. Therefore, utilizing the EO is recommended for optimizing this predictive tool. Furthermore, a comparison between the selected EO-ANFISs, where one employs a larger population, revealed that the model with the population size of 75 is more efficient than 300. In this relation, root mean square error and the optimization time for the EO-ANFIS (75) were 19.6272 and 1715.8 seconds, respectively, while these values were 23.4038 and 9298.7 seconds for EO-ANFIS (300).