• Journal of Information Science Theory and Practice
• /
• 제12권1호
• /
• pp.77-86
• /
• 2024

As the significance of knowledge convergence continues to grow, universities are making efforts to develop methods that promote multidisciplinary learning. To address this educational challenge, our paper applies network theory and text mining techniques to analyze university curricula and introduces a graphical syllabus rendering method. Visualizing the course curriculum provides a macro and structured perspective for individuals seeking alternative educational pathways within the existing system. By visualizing the relationships among courses, students can explore different combinations of courses with comprehensive search support. To illustrate our approach, we conduct a detailed demonstration using the syllabus database of Yonsei University. Through the application of our methods, we create visual course networks that reveal the underlying structure of the university curriculum. Our results yield insights into the interconnectedness of courses across various academic majors at Yonsei University. We present both macro visualizations, covering 18 academic majors, and visualizations for a few selected majors. Our analysis using Yonsei University's database not only showcases the value of our methodology but also serves as a practical example of how our approach can facilitate multidisciplinary learning.

• Computers and Concrete
• /
• 제32권3호
• /
• pp.263-286
• /
• 2023

Experimenting with concrete to determine its compressive and tensile strengths is a laborious and time-consuming operation that requires a lot of attention to detail. Researchers from all around the world have spent the better part of the last several decades attempting to use machine learning algorithms to make accurate predictions about the technical qualities of various kinds of concrete. The research that is currently available on estimating the strength of concrete draws attention to the applicability and precision of the various machine learning techniques. This article provides a summary of the research that has previously been conducted on estimating the strength of concrete by making use of a variety of different machine learning methods. In this work, a classification of the existing body of research literature is presented, with the classification being based on the machine learning technique used by the researchers. The present review work will open the horizon for the researchers working on the machine learning based prediction of the compressive strength of concrete by providing the recommendations and benefits and drawbacks associated with each model as determining the compressive strength of concrete practically is a laborious and time-consuming task.

• Computers and Concrete
• /
• 제33권2호
• /
• pp.137-145
• /
• 2024

The technique of experimentally determining concrete's compressive strength for a given mix design is time-consuming and difficult. The goal of the current work is to propose a best working predictive model based on different machine learning algorithms such as Gradient Boosting Machine (GBM), Stacked Ensemble (SE), Distributed Random Forest (DRF), Extremely Randomized Trees (XRT), Generalized Linear Model (GLM), and Deep Learning (DL) that can forecast the compressive strength of ternary geopolymer concrete mix without carrying out any experimental procedure. A geopolymer mix uses supplementary cementitious materials obtained as industrial by-products instead of cement. The input variables used for assessing the best machine learning algorithm not only include individual ingredient quantities, but molarity of the alkali activator and age of testing as well. Myriad statistical parameters used to measure the effectiveness of the models in forecasting the compressive strength of ternary geopolymer concrete mix, it has been found that GBM performs better than all other algorithms. A sensitivity analysis carried out towards the end of the study suggests that GBM model predicts results close to the experimental conditions with an accuracy between 95.6 % to 98.2 % for testing and training datasets.

• 한국컴퓨터정보학회논문지
• /
• 제18권8호
• /
• pp.167-174
• /
• 2013

본 연구는 21세기에 필요한 핵심적인 학습 능력을 연구하고 미래 사회 국가 발전에 필요한 핵심 인력을 양성하는데 있다. '21세기 학습 능력 프로젝트'는 학습자의 학습 능력과 개인 회적으로 가치 있는 주제를 중심으로 기존 지식과 학문을 다학문적, 통합적으로 접근 하는 것이다. 국내에서도 학습 능력 배양을 위한 다양한 교과 간 통합 교육과정의 시도가 있었으나 각 교과의 내용과 특성의 차이를 충분히 이해하여 효과적으로 교수할 수 있는 교사가 부족하고 현장에서 쉽게 적용하는데 어려움이 있다. 이에 본 연구는 21세기에 필요한 학습 능력 신장을 위해 학문의 지식을 통합하는 다학문적 맞춤형 교육과정을 개발하고 이를 효율적으로 지원하기위해 교육과정 실태를 분석 연구하고 그 결과로 초 중등학교에 적용할 수 있는 다학문 맞춤형 학문 통합 모형을 제안한다.

• 공학교육연구
• /
• 제9권4호
• /
• pp.10-18
• /
• 2006

오늘날 공학도에게는 타 전공자들과 한 팀을 이루어 공동의 프로젝트를 효과적으로 진행해 나갈 수 있는 능력이 절실히 요구되고 있다. 대학에서는 이러한 요구를 충족시키기 위한 방안으로 복합학제 설계교육의 중요성이 커지고 있다. 본 논문에서는 동국대학교에서 수행하였던 복합학제 설계교육의 사례를 통해 그 효과를 정량적으로 측정하고 분석하여 보았다. 단일전공자로 구성된 팀들과 복합전공자로 구성된 팀들간의 학업성취도를 비교분석한 결과 복합팀의 학업성취도가 높은 것으로 나타났다. 또한 설문조사를 통해 학생들은 팀의 의사소통이 프로젝트를 진행하는데 중요한 요소라고 생각하였으며 이러한 결과는 복합학제 설계교육이 더욱 확대될 필요가 있으며 이를 통해 학생들이 사회에 나가기 전 수업을 통해 꾸준히 연습되어야 함을 보여준다.

• 한국컴퓨터정보학회논문지
• /
• 제17권11호
• /
• pp.197-206
• /
• 2012

본 연구는 21세기에 필요한 핵심적인 학습 능력을 연구하고 미래사회 국가 발전에 필요한 핵심 인력을 양성하는데 있다. '21세기 학습 능력 프로젝트'는 학습자의 학습 능력과 개인 사회적으로 가치 있는 주제를 중심으로 기존 지식과 학문을 다학문적, 통합적으로 접근하는 것이다. 국내에서도 학습 능력 배양을 위한 다양한 교과 간 통합 교육과정의 시도가 있었으나 각 교과의 내용과 특성의 차이를 충분히 이해하여 효과적으로 교수할 수 있는 교사가 부족하고 현장에서 쉽게 적용하는데 어려움이 있다. 이에 본 연구는 21세기에 필요한 학습 능력 신장을 위해 학문의 지식을 통합하는 다학문적 맞춤형 교육과정을 개발하고 이를 효율적으로 지원하기 위해 교육과정 실태를 분석 연구하고 그 결과로 초 중등학교에 적용할 수 있는 다학문 맞춤형 학문 통합 모형을 제안한다.

• 한국콘텐츠학회논문지
• /
• 제15권11호
• /
• pp.635-657
• /
• 2015

지식기반 IT 사회, 그리고 다문화사회로 특징되는 현시대는 다른 어느 시대보다도 문제해결력, 창의적 사고력, 소통능력을 강조하고 있다. 이에 따라 대학교육에서는 융복합 전공 및 교육을 개설하여 이러한 사회적 요구에 적합한 역량을 지닌 인재 함양에 노력하고 있다. 그러나 융복합 수업을 위한 구체적인 수업모형에 대한 논의가 부족한 상황이기도 하다. 이에 본 연구에서는 현재 학습자 중심 학습모형이자 21세기 학생들의 역량강화를 위한 교수법의 하나로서 널리 활용되고 있는 PBL(Problem Based Learning:문제기반학습)을 융복합적 수업모형의 하나로 선택하여, 대학교양 미술수업의 한 강좌를 PBL 수업의 특징에 따라, 실생활 연결된 과제를 주고 학생들이 중심이 되어, 개별적, 혹은 그룹별 학습활동으로 개발, 적용하였다. 이후 수업을 실시한 뒤에는 학생들의 성찰저널, 심층면담과 SNS 대화내용을 분석하여 학습 결과를 살펴보았으며, 그 결과로서, 학생들은 학습에 대한 자신감, 재미 및 학습자간 소통력, 다양성에 대한 이해, 서로에 대한 배려 등 가치와 중요성에 대한 이해 등을 경험했음을 알 수 있었다. 이러한 연구결과는 대학교육에서의 융복합적 수업을 위한 수업모형으로서 PBL의 가능성을 보여주는 것이라 하겠다.

• 디지털융복합연구
• /
• 제12권2호
• /
• pp.531-537
• /
• 2014

본 논문은 공주대학교 공과대학 학생들에게 다학제간 캡스톤 디자인을 운영하기 위한 모델을 제시한다. 여름방학 계절학기 기간 중에 공주대학교 공과대학에서 다학제간 캡스톤 디자인을 운영하였다. 다학제간 캡스톤 디자인에 참여한 학생들은 이전에 캡스톤 디자인 교과목을 수강하지 않은 서로 연관이 없는 5개 전공 학생들이다. 다양한 전공의 학생들에게 캡스톤 디자인작품을 완성하기 위해 센서 및 액츄에이터 등을 이용하는 아두이노 우노 마이크로 컨트롤러 제어보드를 사용하는 캡스톤 디자인 모델을 도입하였다. 만족도 평가를 통해 더 창의적이면서 현장감 있는 의미 있는 교육이 진행되었음을 알게 되었다. 이를 통해 다학제간 캡스톤 디자인 부분에서 앞으로의 가능성 있는 방향을 제시하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2013년도 제47차 동계학술대회논문집 21권1호
• /
• pp.145-148
• /
• 2013

최근 디지털 기술의 고도화로 인하여 테크놀로지가 급속도록 발전하면서 다양한 정보통신 기술과 지식의 융합을 교육 환경에 적용하는 스마트러닝에 대한 관심이 집중되기 시작하였다. 이러한 스마트러닝 환경의 장점들을 통해 학생들이 더욱 효과적으로 교육받을 수 있게 되었다. 학생들은 모바일 기기의 접근성에 대한 인식이 확대되고 모바일 기기와 교육용 프로그램을 활용한 학습이 활성화 되고 있다. 이에 본 연구에서는 스마트기기를 이용한 학습과 평가가 이루어질 수 있는 방안에 대해 알아보고자 한다.

• Computers and Concrete
• /
• 제32권4호
• /
• pp.373-381
• /
• 2023

Fly ash, granulated blast furnace slag, marble waste powder, etc. are just some of the by-products of other sectors that the construction industry is looking to include into the many types of concrete they produce. This research seeks to use surrogate machine learning methods to forecast the compressive strength of self-compacting concrete. The surrogate models were developed using Gradient Boosting Machine (GBM), Support Vector Machine (SVM), Random Forest (RF), and Gaussian Process Regression (GPR) techniques. Compressive strength is used as the output variable, with nano silica content, cement content, coarse aggregate content, fine aggregate content, superplasticizer, curing duration, and water-binder ratio as input variables. Of the four models, GBM had the highest accuracy in determining the compressive strength of SCC. The concrete's compressive strength is worst predicted by GPR. Compressive strength of SCC with nano silica is found to be most affected by curing time and least by fine aggregate.