• 한국콘텐츠학회논문지
• /
• 제13권12호
• /
• pp.1058-1068
• /
• 2013

본 연구는 R-러닝 대학 동아리 운영 프로그램 참여가 예비유아교사의 R-러닝 전문성에 어떠한 영향을 미치는가를 지식, 기능, 태도의 측면에서 알아본 것이다. 연구 결과, 지식 부분에서는 '로봇기반교육 시 교사의 역할에 대하여 알고 있다', '로봇기반교육이 유아의 발달에 미치는 영향에 대하여 알고 있다', '로봇기반교육의 필요성에 대하여 알고 있다'가 높게 나타났고, 기능 부분은 '로봇과 컴퓨터를 연결하여 수업에 활용할 수 있다'가, 태도 부분에서는 '로봇을 활용하여 수업하는 것에 대해 긍정적으로 생각한다'가 높게 나타났다. 또한 예비유아교사의 R-러닝 전문성에서 동아리 참여 전보다 후가 높은 점수를 나타냈으며, 예비유아교사의 R-러닝 전문성 중 지식보다 기능과 태도 부분에서 더 많이 향상되었다. 즉, R-러닝 대학 동아리 운영 프로그램 참여는 예비유아교사들의 R-러닝에 대한 지식, 기능, 태도 측면에 긍정적인 영향을 미치는 것으로 나타나 R-러닝 전문성을 위한 동아리 운영 프로그램은 효과적이라 하겠다.

• 한국융합학회논문지
• /
• 제1권1호
• /
• pp.1-15
• /
• 2010

교육이란 사회적 변화를 예측하고 우리 사회가 필요로 하는 인재를 길러내야 할 책무성을 띠고 있으며, 이러한 사회적 변화에 따라 교육은 능동적으로 변해야 한다. 이러한 국내 교육변화에 대한 관심은 지난 1995년 교육과학기술부 교육개혁위원회의 '5 31 교육개혁안'을 통해 구체화된 바 있다. 따라서 본 논문은 교육정보화 정책의 3단계 방향과 교육정보화의 핵심 기술인 이러닝과 유러닝 기술을 검토할 것이다. 또한 이러닝은 콘텐츠 전달 매체에 따라 엠러닝(m-learning), 티러닝(t-learning), 유러닝(u-learning), 알러닝(r-learning), game-based learning 등으로 나눌 수 있다. 본 논문은 이 중 새로운 콘텐츠 전달 방법인 알러닝의 개념을 소개하고 유러닝과의 차이점을 비교하여 검토한다.

• 한국전자통신학회논문지
• /
• 제18권1호
• /
• pp.85-90
• /
• 2023

보건의료분야 데이터 분석 방법론이 기존의 통계 중심의 연구방법에서 머신러닝을 이용한 예측 연구로 전환되고 있다. 본 연구에서는 다양한 머신러닝 도구들을 살펴보고, 보건의료분야에서 많이 사용하고 있는 통계 도구인 R을 빅데이터 머신러닝에 적용하기 위해 R과 스파크를 연계한 프로그래밍 모델들을 비교한다. 그리고, R을 스파크 환경에서 수행하는 SparkR을 이용한 선형회귀모델 학습의 성능을 스파크의 기본 언어인 스칼라를 이용한 모델과 비교한다. 실험 결과 SparkR을 이용할 때의 학습 수행 시간이 스칼라와 비교하여 10~20% 정도 증가하였다. 결과로 제시된 성능 저하를 감안한다면 기존의 통계분석 도구인 R을 그대로 활용 가능하다는 측면에서 SparkR의 분산 처리의 유용성을 확인하였다.

• 디지털콘텐츠학회 논문지
• /
• 제19권6호
• /
• pp.1177-1183
• /
• 2018

최근 기계학습의 발달로 인공지능을 구현하는 머신러닝과 딥러닝 같은 기술이 많은 관심을 받고 있다. 본 논문에서는 딥러닝 기반의 R-CNN을 이용한 바이너리 악성코드를 이미지화 하고 이미지에서 특징을 추출해 패밀리를 분류한다. 본 논문에서는 딥러닝에서 두 단계를 이용해 악성코드를 CNN을 이용해 이미지화하고, 악성코드의 패밀리가 갖는 특징을 R-CNN을 이용해 분류함으로 악성코드를 이미지화하여 특징을 분류하고 패밀리를 분류한 후 악성코드의 진화를 자동 분류한다. 제안 기법은 검출율이 93.4%로 우수한 탐지 성능을 보였고 정확도는 98.6%로 매우 높은 성능을 보였다. 또한 악성코드를 이미지화 하는 CNN 처리속도가 23.3ms, 하나의 샘플을 분류하기 위해서 R-CNN처리 속도는 4ms로 비교적 빠르게 악성코드를 판별하고 분류가 가능함을 실험을 통해 증명하였다.

• 한국측량학회지
• /
• 제36권6호
• /
• pp.469-481
• /
• 2018

딥러닝은 인간의 학습 및 인지능력을 닮은 인공지능을 실현하기 위해 여러 분야에서 활용하고 있으며, 높은 사양의 컴퓨팅 파워가 요구되고 연산 시간이 많이 소요되는 복잡한 구조의 인공신경망에 의한 딥러닝은 컴퓨터 사양이 향상됨에 따라 성능이 개선된 다양한 딥러닝 모델이 개발되고 있다. 본 논문의 주요 목적은 영상의 딥러닝을 위한 합성곱 신경망 중에서 최근에 FAIR (Facebook AI Research)에서 개발한 Mask R-CNN을 이용하여 항공영상에서 건물을 탐지하고 성능을 평가하는 것이다. Mask R-CNN은 영역기반의 합성곱 신경망으로서 픽셀 정확도까지 객체를 의미적으로 분할하기 위한 딥러닝 모델로서 성능이 가장 우수한 것으로 평가받고 있다. 딥러닝 모델의 성능은 신경망 구조뿐 아니라 학습 능력에 의해 결정된다. 이를 위해 본 논문에서는 모델의 학습에 이용한 영상에 다양한 변화를 주어 학습 능력을 분석하였으며, 딥러닝의 궁극적 목표인 범용화의 가능성을 평가하였다. 향후 연구방안으로는 영상에만 의존하지 않고 다양한 공간정보 데이터를 복합적으로 딥러닝 모델의 학습에 이용하여 딥러닝의 신뢰성과 범용화가 향상될 것으로 판단된다.

• 한국해안·해양공학회논문집
• /
• 제33권6호
• /
• pp.367-373
• /
• 2021

본 연구에서는 항내 파고를 신속하고 비교적 정확하게 예측할 수 있는 딥러닝 모델을 구축하였다.다양한 머신러닝 기법들을 외해파랑의 항내로 전파 변형 특성을 감안하여 모델에 적용하였으며 스웰로 인해 하역중단 문제가 심각했던 포항신항을 모델적용 대상지로 선정하였다. 모델의 입력 자료는 외해의 파고, 주기, 파향 그리고 출력 및 예측 자료로는 항내 파고자료로 하여 모델을 학습시켰다. 이때 자료의 전처리 과정으로 항내·외 파랑 시계열자료의 상관성을 감안하여 파향 자료를 분리하는 방법을 적용하고 딥러닝 기법을 이용하여 모델을 학습하였다. 결과적으로 모델을 통해 예측한 값이 항내관측치의 파고 시계열자료를 잘 재현하였으며 모델의 안정성을 크게 향상시켰다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.317-317
• /
• 2021

효율적인 물관리를 위한 댐 유입량 대한 연구는 필수적이다. 본 연구에서는 다양한 머신러닝 알고리즘을 통해 40년동안의 기상 및 댐 유입량 데이터를 이용하여 소양강댐 유입량을 예측하였으며, 그 중 고유량과 저유량예측에 적합한 알고리즘을 각각 선정하여 머신러닝 알고리즘을 결합한 CombML을 개발하였다. 의사 결정 트리 (DT), 멀티 레이어 퍼셉트론 (MLP), 랜덤 포레스트(RF), 그래디언트 부스팅 (GB), RNN-LSTM 및 CNN-LSTM 알고리즘이 사용되었으며, 그 중 가장 정확도가 높은 모형과 고유량이 아닌 경우에서 특별히 예측 정확도가 높은 모형을 결합하여 결합 머신러닝 알고리즘 (CombML)을 개발 및 평가하였다. 사용된 알고리즘 중 MLP가 NSE 0.812, RMSE 77.218 m3/s, MAE 29.034 m3/s, R 0.924, R2 0.817로 댐 유입량 예측에서 최상의 결과를 보여주었으며, 댐 유입량이 100 m3/s 이하인 경우 앙상블 모델 (RF, GB) 이 댐 유입 예측에서 MLP보다 더 나은 성능을 보였다. 따라서, 유입량이 100 m3/s 이상 시의 평균 일일 강수량인 16 mm를 기준으로 강수가 16mm 이하인 경우 앙상블 방법 (RF 및 GB)을 사용하고 강수가 16 mm 이상인 경우 MLP를 사용하여 댐 유입을 예측하기 위해 두 가지 복합 머신러닝(CombML) 모델 (RF_MLP 및 GB_MLP)을 개발하였다. 그 결과 RF_MLP에서 NSE 0.857, RMSE 68.417 m3/s, MAE 18.063 m3/s, R 0.927, R2 0.859, GB_MLP의 경우 NSE 0.829, RMSE 73.918 m3/s, MAE 18.093 m3/s, R 0.912, R2 0.831로 CombML이 댐 유입을 가장 정확하게 예측하는 것으로 평가되었다. 본 연구를 통해 하천 유황을 고려한 여러 머신러닝 알고리즘의 결합을 통한 유입량 예측 결과, 알고리즘 결합 시 예측 모형의 정확도가 개선되는 것이 확인되었으며, 이는 추후 효율적인 물관리에 이용될 수 있을 것으로 판단된다.

• 한국콘텐츠학회논문지
• /
• 제22권5호
• /
• pp.656-666
• /
• 2022

본 연구의 목적은 플립러닝 교수법 적용 후 간호대학생의 그릿, 학습실재감, 학습만족도에 미치는 효과를 검증하기 위함이다. 간호학생을 대상으로 ADDIE 모델을 기반 플립러닝 교수법을 활용한 프로그램을 개발하고 효과를 평가하였다. 연구 결과, 프로그램을 적용한 후 그릿(t=-3.07, p=.003), 학습실재감(t=-4.87, p<.001), 및 학습만족도(t=-5.18, p<.001) 모두 유의하게 증가하였다. 상관관계를 분석한 결과, 그릿은 학습실재감(r=.469, p<.001) 및 학습만족도(r=.258, p<.005)와 학습실재감은 학습만족도(r=.548, p<.001)와 유의한 양의 상관관계가 나타났다. 플립러닝 교수법은 학습자의 그릿과 학습실재감, 학습만족도를 향상시키며, 앞으로 간호교육 분야에서 플립러닝 교수법의 토대를 마련하기 위한 다각적인 노력이 필요하다.

• 한국산학기술학회논문지
• /
• 제17권12호
• /
• pp.81-90
• /
• 2016

본 연구의 목적은 대학생을 대상으로 플립러닝을 적용한 교육방법의 효과를 알아보고자 하는 것이다. 플립러닝을 적용하기 전과 후의 자기주도학습 준비도, 핵심역량을 파악하고, 플립러닝을 적용한 후 교수-학생 상호작용, 학습만족도, 학습동기를 파악하여, 플립러닝 적용 후 각 변수의 상관관계를 살펴보고, 학습동기에 미치는 영향을 알아보고자 하였다. 단일군 전후 비교 연구로 대상자는 경기도 S시 일개 간호대학에서 플립러닝을 활용하여 건강사정 및 실습을 수강하는 2학년 학생을 대상으로 하였다. 최종 분석은 68명을 대상으로 하였고, 사전 사후의 차이는 paired t-test로, 각 변수간 상관관계는 Pearson's correlation coefficient로 분석하였으며, 종속변수인 학습동기에 미치는 영향은 단계적 다중회귀방법을 사용하였다. 그 결과 자기주도학습 준비도는 사전 사후 통계적으로 유의하게 증가하였고, 핵심역량은 그 차이가 유의하지 않았다. 플립러닝교육 후 학습동기는 자기주도학습 준비도(r=0.33, p=.006), 대학생 핵심역량(r=0.51, p<.001), 교수-학생 상호작용(r=0.72, p<.001), 학습만족도(r=0.79, p<.001)와 유의한 정적 상관관계를 보였고, 모든 다른 변수들 간에도 정적으로 유의한 상관관계를 보였다. 학습동기에 영향을 미치는 요인은 학습만족도와 교수-학생 상호작용이었으며, 이 2개 변수로 구축된 회귀모형의 학습동기에 대한 설명력은 71.3% (F=80.66, p<.001)였다. 따라서 플립러닝 교육을 적용하였을 때 학습동기를 증진시키기 위해서는 학습만족도를 증진시키고, 교수-학생 상호작용을 활발히 하는 전략의 마련이 필요하겠다.

• 한국엔터테인먼트산업학회논문지
• /
• 제13권8호
• /
• pp.541-549
• /
• 2019

본 연구의 목적은 플립러닝 기반 시뮬레이션 실습 교육이 간호대학생의 학습몰입, 학습자신감, 의사소통능력과 임상수행능력에 미치는 효과를 파악하고자 시도되었다. 본 연구는 단일군 사전-사후 실험연구이다. 자료수집은 4학년 간호대학생 65명이었다. 플립러닝 기반 시뮬레이션 실습교육은 2019년 3월 5일부터 4월 17일까지였다. 자료 분석은 SPSS WIN 21.0 프로그램을 이용하여 분석하였다. 연구결과는 다음과 같다. 플립러닝 기반 시뮬레이션 실습교육 후 학습몰입(t=-7.548, p<.001), 학습자신감(t=-9.163, p<.001), 의사소통능력(t=-6.506, p<.001)과 임상수행능력(t=-6.733, p<.001)은 유의하게 증가하였다. 플립러닝 기반 시뮬레이션 실습 후 임상수행능력과 학습몰입(r=.627, p<.001), 학습자신감(r=.513, p<.001) 의사소통 능력(r=.328, p<.008)은 양의 상관관계가 있는 것으로 나타났다. 학습몰입과 습자신감(r=.528, p<.001), 의사소통능력과 학습몰입(r= 332, p<.007)도 양이 상관관계가 보였다. 따라서 간호대학생을 위한 플립러닝 기반 시뮬레이션 실습교육은 효과적인 간호교육 방법이다.