• 한국초등과학교육학회지:초등과학교육
• /
• 제25권spc5호
• /
• pp.495-506
• /
• 2007

This study investigated the differences in learning activity preferences according to different thinking styles between gifted and average students. A cluster analysis procedure was performed to classify students on the basis of thinking styles. Two clusters of different thinking styles were deduced: the gifted group with a high level thinking style (cluster 1), and the average group with a low level thinking style (cluster 2). The gifted group (cluster 1) preferred projects, simulations, discussions and game activities to other types of loaming activities. Gifted students and average students also were clustered into each three unique subgroups with respect to levels and patterns in thinking styles, and these subgroups also showed different learning preferences. The clusters of gifted students included the self-regulated learning type (cluster a), cooperative-learning type (cluster b), and the passive-learning type (cluster c). The clusters of average students included the independent learning type (cluster i), no-preference learning type(cluster ii), and the no-motivation & teacher-directed learning type (cluster iii). Theses clusters indicated significant differences not only in thinking styles but also in terms of preferences regarding learning activities. Theses findings are discussed in terms of their educational implications.

• 문화기술의 융합
• /
• 제10권5호
• /
• pp.163-171
• /
• 2024

본 연구는 30~40대 여성의 패션 아이웨어 구매결정 요인을 분석하기 위해 신경망 분석 기법을 적용하여 전통적인 모수적 분석 기법과 비교하였다. 패션 분야에서 신경망 등 머신러닝 기법은 맞춤형 패션 추천시스템에 많이 적용되는데, 국내 연구사례는 아직 미흡하다. 본 연구는 2017년에 전통적 계량기법으로 수행된 연구를 신기술로 다시 분석하여, 양자를 비교함으로써 신경망 기법의 유용성을 확인하고자 한다. 본 연구는 L-BFGS-B 신경망을 하이퍼볼릭 탄젠트로 활성화 시킬 때, 소비자들이 선호하는 디자인형태에 대한 분류정확도가 86.2%로 가장 좋았다. 소비자의 직업과 새로운 스타일에 대한 추구가 가장 중요한 구매결정요인이었다. 한국의 선글라스 소비자들은 "안전한 변화"를 가장 선호하는 것으로 해석된다. 이런 분석 결과는 선글라스 프레임 및 렌즈에 있어서도 동일하게 나타난다. 전통적인 계량분석의 결과물은 소비자가 어떤 집단에 속하는지 여부에 따라 선호하는 선글라스의 종류가 다르다고 본다. 이에 비해 신경망분석의 결과물은 각 개인별로 선호하는 선글라스를 개인별로 예측해준다. 이것이 기여하는 바는 개인별 맞춤형 선글라스 추천 시스템을 개발할 수 있게 해준다.