• 한국과학교육학회지
• /
• 제41권5호
• /
• pp.391-400
• /
• 2021

본 연구에서는 COVID-19으로 인해 촉발된 원격 실험 수업에 대한 과학교육 전문가들의 인식을 조사하였다. 2021년 상반기에 물리교육, 화학교육, 생물교육, 지구과학교육 전문가 총 10인에 대한 반구조화된 질적 인터뷰를 수행하였다. 연구 결과, 과학교육 전문가들은 우선 원격 실험 수업을 예비교사교육의 일환으로서 이해하였으며 이를 통하여 기존에 관습적으로 진행되어 왔던 실험 교육의 목적을 재인식하게 되었다고 응답하였다. COVID-19으로 인한 원격 수업 실험의 현실에 관하여는 우선 핸즈온 경험의 부족으로 인한 학습 결손, 교수자 및 학습자의 상호작용 감소 우려, 교수자의 업무량 증가가 언급되었다. 그럼에도 불구하고 과학교육 전문가들은 원격 실험 수업의 적응적 실행 경험을 통해 이를 개선하기 위한 구체적인 방안들을 제시하기도 하였으며, 포스트 코로나 시대의 과학교육의 방향성을 제안하였다. 이에 연구자들은 원격 실험 수업을 핸즈온 수업의 미비한 방식이라기보다는 마인즈온 수업의 보완된 방식으로 이해할 때 이를 더 나은 형태로 설계 및 실행할 수 있는 가능성이 열릴 수 있다고 제안하고, 이와 관련한 추후 연구 주제를 제시하였다. 본 연구는 원격 실험 수업을 과학교육학의 관점에서 보다 심도 있게 이해할 수 있는 단서를 제공한다는 의의를 지닌다.

• 에너지공학
• /
• 제28권2호
• /
• pp.1-17
• /
• 2019

본 논문은 한국을 대상으로 1976년부터 2014년까지 경제성장, 전력소비, $CO_2$ 배출과 외국인직접투자(FDI) 유입 간 인과관계를 단위근 검정, 공적분 검정, 벡터오차수정모형(VECM)을 적용하여 분석한다. 분석의 결과는 다음과 같다. 첫째, 경제성장과 전력소비 간에는 장기적으로 양방향의 인과관계가 나타나, 상호관계를 고려하지 않은 전력소비절약정책은 경제성장에 부정적인 영향을 미칠 수 있는 것으로 분석되었다. 둘째, $CO_2$ 배출은 경제성장에 대한 단방향의 장 단기적인 인과관계와 전력소비에 대한 단방향의 장기적인 인과관계를 나타내, $CO_2$ 배출 감축정책이 경제성장과 전력소비에 부정적인 영향을 미칠 수 있는 것으로 분석되었다. 셋째, FDI 유입은 경제성장에 대해 단방향의 장기적인 인과관계를, 전력소비에 대해 단방향의 장 단기적인 인과관계를 나타내, FDI 유입이 상대적으로 저렴한 전력소비비용에 기반을 둔 것으로 분석되었다. 반면, FDI 유입은 $CO_2$ 배출에 대해서는 인과관계가 없는 것으로 나타났는데, 이는 서비스 산업 중심으로 이루어지는 FDI의 특성에 따른 것으로 분석되었다. 이러한 네 변수 간 인과관계들을 고려할 때, 능동적인 전력수요관리를 위한 기술개발의 확대와 화석연료에서 신재생에너지로의 신중한 전환을 위한 정책 등이 모색되어야 한다. 또한 FDI 유치의 증대에 대응하여 에너지절약시설 투자 및 설치를 통해 전력소비 감축을 유도할 필요가 있다.

• 예술인문사회 융합 멀티미디어 논문지
• /
• 제7권3호
• /
• pp.383-391
• /
• 2017

영상 분할은 영상처리 분야에서 오랜 기간 많은 연구자들에 의해 연구되었으며 현재도 다양한 방법이 연구되어지고 있다. 영상 분할은 영상에 포함된 객체들을 분리하는 문제로, 특히 사람의 얼굴은 영상에 포함된 객체들 중 가장 중요한 객체로 다루어진다. 본 논문에서는 영상에 포함된 얼굴 경계선을 추출하는 방법을 제안한다. 이를 위해 먼저 비올라존스 방법을 사용해 영상에서 대략적인 얼굴 위치를 검출한다. 그러나 비올라존스 알고리즘에 의해 검출된 결과는 얼굴의 대략적인 위치이지 정확한 얼굴 영역이 아니다. 본 논문에서는 비올라존스 알고리즘의 결과로부터 좀 더 정확한 얼굴 영역을 추출하기 위해 적응적 스킨칼라 모델을 사용하고 스킨칼라 모델의 결과로 주어지는 스킨영역에 대해 수평, 수직 히스토그램을 분석하여 얼굴 영역을 추출한다. 마지막으로 추출된 얼굴 영역에 대해 스네이크 알고리즘을 적용해 최종 얼굴 경계선을 결정한다. 본 논문에서는 Williams등[7]에 의해 제안된 스네이크 알고리즘을 기반으로 얼굴 경계선 추출을 위해 변형된 스네이크 에너지 함수를 제안한다.

• 지능정보연구
• /
• 제17권1호
• /
• pp.53-69
• /
• 2011

로봇 자체 또는 로봇에 탑재된 콘텐츠와의 상호작용을 위해 일반적으로 영상 또는 음성 인식 기술이 사용된다. 그러나 영상 음성인식 기술은 아직까지 기술 및 환경 측면에서 해결해야 할 어려움이 존재하며, 실적용을 위해서는 사용자의 협조가 필요한 경우가 많다. 이로 인해 로봇과의 상호작용은 터치스크린 인터페이스를 중심으로 개발되고 있다. 향후 로봇 서비스의 확대 및 다양화를 위해서는 이들 영상 음성 중심의 기존 기술 외에 상호보완적으로 활용이 가능한 인터페이스 기술의 개발이 필요하다. 본 논문에서는 로봇 인터페이스 활용을 위한 가속도 센서 기반의 제스처 인식 기술의 개발에 대해 소개한다. 본 논문에서는 비교적 어려운 문제인 26개의 영문 알파벳 인식을 기준으로 성능을 평가하고 개발된 기술이 로봇에 적용된 사례를 제시하였다. 향후 가속도 센서가 포함된 다양한 장치들이 개발되고 이들이 로봇의 인터페이스로 사용될 때 현재 터치스크린 중심으로 된 로봇의 인터페이스 및 콘텐츠가 다양한 형태로 확장이 가능할 것으로 기대한다.

• 지능정보연구
• /
• 제27권4호
• /
• pp.1-22
• /
• 2021

텍스트를 바탕으로 한 차원 기반 감성 분석(Aspect-Based Sentiment Analysis)은 다양한 산업에서 유용성을 주목을 받고 있다. 기존의 차원 기반 감성 분석에서는 타깃(Target) 혹은 차원(Aspect)만을 고려하여 감성을 분석하는 연구가 대다수였다. 그러나 동일한 타깃 혹은 차원이더라도 감성이 나뉘는 경우, 또는 타깃이 없지만 감성은 존재하는 경우 분석 결과가 정확하지 않다는 한계가 존재한다. 이러한 문제를 해결하기 위한 방법으로 차원과 타깃을 모두 고려한 감성 분석(Target-Aspect-Sentiment Detection, 이하 TASD) 모델이 제안되었다. 그럼에도 불구하고, TASD 기존 모델의 경우 구(Phrase) 간의 관계인 지역적인 문맥을 잘 포착하지 못하고 초기 학습 속도가 느리다는 문제가 있었다. 본 연구는 TASD 분야 내 기존 모델의 한계를 보완하여 분석 성능을 높이고자 하였다. 이러한 연구 목적을 달성하기 위해 기존 모델에 합성곱(Convolution Neural Network) 계층을 더하여 차원-감성 분류 시 보조 손실(Auxiliary loss)을 추가로 사용하였다. 즉, 학습 시에는 합성곱 계층을 통해 지역적인 문맥을 좀 더 잘 포착하도록 하였으며, 학습 후에는 기존 방식대로 차원-감성 분석을 하도록 모델을 설계하였다. 본 모델의 성능을 평가하기 위해 공개 데이터 집합인 SemEval-2015, SemEval-2016을 사용하였으며, 기존 모델 대비 F1 점수가 최대 55% 증가했다. 특히 기존 모델보다 배치(Batch), 에폭(Epoch)이 적을 때 효과적으로 학습한다는 것을 확인할 수 있었다. 본 연구에서 제시된 모델로 더욱 더 세밀한 차원 기반 감성 분석이 가능하다는 점에서, 기업에서 상품 개발 및 마케팅 전략 수립 등에 다양하게 활용할 수 있으며 소비자의 효율적인 구매 의사결정을 도와줄 수 있을 것으로 보인다.

• 인터넷정보학회논문지
• /
• 제15권3호
• /
• pp.79-90
• /
• 2014

아이디와 패스워드를 통한 인증은 고전적인 방법이나 여전히 가장 널리 사용되고 있다. 오늘날 사용자들의 패스워드의 인증 수행 과정은 그 단순함과 편리함, 반복적인 수행으로 인해 적응무의식화 되었다. 즉, 의식화된 상태가 아닌 무의식적으로 인증을 수행하고 있다. 인증과정은 그 절차가 단순하고 반복 학습되어 인간의 깊은 사고 없이도 무의식적으로 수행할 수 있도록 학습될 수 있다. 또한 사용자들이 보유한 아이디와 패스워드 개수가 적기 때문에 기억에 의존할 수 있는 것도 적응무의식화의 원인 중 하나이다. 소수의 아이디와 패스워드 개수를 보유한 것과 달리 대개 사용자들은 수많은 웹, 모바일, 인터넷사이트 서비스에 가입되어 있다. 계정의 수는 많은 반면 소수의 아이디, 패스워드 쌍을 보유했을 때, 그리고 그것이 기억에 의존하여 관리될 때, 마지막으로 인증 과정이 무의식적으로 수행될 때 그것은 인간의 취약점이 된다. 과거에는 정보유출을 위한 해킹 공격이 하드웨어나 소프트웨어 등의 취약점을 이용한 것이었다면 최근에는 이와 더불어 인적 요소의 취약점을 이용하는 사회공학적 공격이 많아지고 있다. 특히 피싱 및 파밍 등과 같은 정보유출형 공격이 급증하고 있다. 피싱 및 파밍 공격은 인적 요소의 취약성을 이용한 것이며, 무의적으로 수행하는 인간의 인증 행위에 취약하다. 과거의 피싱 및 파밍에 대한 연구는 기술적인 분석이나 대책이 주를 이루었지만, 본 논문은 피싱 및 파밍 공격시 반응하는 인간의 행위에 관심이 있다. 사용자가 패스워드를 무의식적으로 입력 할 때, 그리고 인증 행위를 반복 수행할 때, 얼마나 많은 패스워드를 노출할 수 있는지 실험을 통해 확인했다.