• 영어어문교육
• /
• 제17권1호
• /
• pp.17-35
• /
• 2011

The purpose of this study was to explore the effect of an explicit word instruction for EFL beginning readers and their perception on the learning experience. Data were attained from 16 fourth graders who took English class as a development activity. Data include the results of pre- and post-test of high frequency sight word recognition, oral reading ability, students' survey responses, and teacher observation. The descriptive statistics were obtained for the result of the pre- and post-test. The findings from the student survey and teacher observation were also provided and interpreted to better understand the result of project and students' perception on the learning experience. The followings are the results of this study. The word recognition ability of the students was dramatically improved after the project. The students were satisfied with the overall learning experience perceiving it as helpful and fun learning. They expressed that the explicit word instruction helped their word recognition and reading ability. The results also supported that the confidence of students on their reading ability were heightened. Several suggestions are made for teachers and researchers on the word instruction for young EFL learners who are beginning readers.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제15권2호
• /
• pp.107-134
• /
• 2012

수학적 모델링은 일반적으로 수학적인 방법으로 해석되고 이해되어야 하는 실제적인 문제 상황을 해결하기 위해 상황에 대한 적절한 수학적 모델을 구성하여 문제를 해결하는 일련의 과정이라고 할 수 있다. 문장제는 실제적인 측면과 형식적인 측면, 모두를 포함하고 있으므로 수학적 모델링 활동에 이상적인 도구가 될 수 있다. 이에 본 연구는 실세계의 맥락을 고려해야 하는 진정성있는 문장제를 바탕으로 한 수학적 모델링 학습이 문장제 해결 행동, 문장제 해결에서 실생활 경험을 활용하는 능력, 문장제에 대한 신념 등에 미치는 영향을 조사하였다. 연구 결과 문장제에 대한 수학적 모델링 학습은 직접번역 접근(DTA) 대신에 의미기반 접근(MBA)으로 문장제 해결 행동을 이끄는데 효과적이었으며, 문장제를 해결하는데 있어서 실생활 맥락을 고려하는 태도에 긍정적인 영향을 미쳤다. 또한 수학적 모델링 학습은 문장제에 대한 긍정적인 신념을 형성하는데 중요한 역할을 했음을 알 수 있었다. 이와 같은 연구 결과를 바탕으로 초등학교에서 문장제를 어떻게 다루어야 하는지에 대한 시사점을 살펴보았다.

• 한국인터넷방송통신학회논문지
• /
• 제22권5호
• /
• pp.171-176
• /
• 2022

최근 딥러닝 기술의 발전과 함께 추천 시스템의 영역도 다양해졌다. 본 논문은 학습률 향상을 위한 알고리즘을 연구하였으며 Word2Vec 모델의 성능 특징과 비교를 통해 단어에 따른 유의어 결과를 연구하였다. 문제 추천 알고리즘은 Word2Vec 모델의 특징인 텍스트 간 의미 반영 및 유사성 테스트를 통해 표현된 값으로 구현됐다. Word2Vec 의 학습 결과를 통해 텍스트 유사도 값을 이용해 문제 추천을 진행하였으며 유사도가 높은 문제를 추천할 수 있다. 실험 과정에서 정량적인 데이터양으로는 정확성이 낮아지는 결과를 보았으며 데이터 셋의 데이터양이 방대할수록 정확성을 높일 수 있음을 확인하였다.

• 한국게임학회 논문지
• /
• 제10권4호
• /
• pp.35-48
• /
• 2010

본 연구는 모바일의 장점이 영어어휘 학습에 새로운 환경을 제공해 줄 수 있을 것으로 보고 초등영어학습자들을 위한 모바일 게임용 영어어휘 학습 목록과 함께 그 적용 방법을 제시하고자 한다. 이를 위해서, 첫째, 영어교육 과정의 초등 필수 어휘목록, 초등 영어교과서 어휘, 그리고 초등 영어단어집으로부터 초등학교 5, 6학년 학습자들의 어휘학습에 적합한 기본 어휘목록을 선정하였다. 둘째, 기존에 상용화 중인 모바일 게임을 분석하여 영어어휘 학습용 게임으로 적합한 것을 선정하였다. 마지막으로, 선정된 게임에 구축된 어휘목록을 적용해 개발하였다.

• 인지과학
• /
• 제17권4호
• /
• pp.271-286
• /
• 2006

본 논문은 한국어 어휘에 대한 풍부한 정보를 담고 있는 한국어사전과 사용자 어휘지능망(User-Word Intelligent Network: U-WIN)등의 언어자원을 이용한 자동 문제 생성 기술을 소개하고, 이 기술을 이용한 한국어 어휘학습시스템을 제시한다. 대부분의 학습시스템에서 사용하는 문제 은행식 출제 방식의 문제점을 해소하기 위하여, 자동 문제 생성을 위한 한국어 어휘 문제의 유형을 8가지로 분류하고, 각 문제 유형별 자동 문제 생성 패턴을 구축하였다. 이러한 자동 문제 생성 패턴에 따라 언어자원이 가지고 있는 한국어 어휘의 형태적 정보와 의미적 정보를 이용하여 어휘 문제를 자동으로 출제하는 한국어 어휘학습 시스템을 구현하였다.

• 한국컴퓨터정보학회논문지
• /
• 제23권11호
• /
• pp.31-41
• /
• 2018

Text classification has been studied for a long time in the Natural Language Processing field. In this paper, we propose an article- and paragraph-level genre classification system using Word2Vec-based LSTM, GRU, and CNN models for large-scale English corpora. Both article- and paragraph-level classification performed best in accuracy with LSTM, which was followed by GRU and CNN in accuracy performance. Thus, it is to be confirmed that in evaluating the classification performance of LSTM, GRU, and CNN, the word sequential information for articles is better than the word feature extraction for paragraphs when the pre-trained Word2Vec-based word embeddings are used in both deep learning-based article- and paragraph-level classification tasks.

• 스마트미디어저널
• /
• 제7권4호
• /
• pp.24-29
• /
• 2018

딥러닝에서 자연어 처리를 위한 텍스트 분석 기법은 워드 임베딩을 통해 단어를 벡터 형태로 표현한다. 본 논문에서는 워드 임베딩 기법과 딥러닝 기법을 이용하여 SMS 문자 메시지를 문서 벡터로 구성하고 이를 스팸 문자 메시지와 정상적인 문자 메시지로 분류하는 방법을 제안하였다. 유사한 문맥을 가진 단어들은 벡터 공간에서 인접한 벡터 공간에 표현되도록 하기 위해 전처리 과정으로 자동 띄어쓰기를 적용하고 스팸 문자 메시지로 차단되는 것을 피하기 위한 목적으로 음절의 자모를 특수기호로 왜곡하여 맞춤법이 파괴된 상태로 단어 벡터와 문장 벡터를 생성하였다. 또한 문장 벡터 생성 시 CBOW와 skip gram이라는 두 가지 워드 임베딩 알고리즘을 적용하여 문장 벡터를 표현하였으며, 딥러닝을 이용한 스팸 문자 메시지 필터링의 성능 평가를 위해 SVM Light와 정확도를 비교 측정하였다.

• 디지털산업정보학회논문지
• /
• 제16권4호
• /
• pp.19-28
• /
• 2020

Vehicle license plate recognition system is not generalized in Malaysia due to the loose character layout rule and the varying number of characters as well as the mixed capital English characters and italic English words. Because the italic English word is hard to segmentation, a separate method is required to recognize in Malaysian license plate. In this paper, we propose a mixed character level and word level English license plate recognition algorithm using deep learning neural networks. The difference of Gaussian method is used to segment character and word by generating a black and white image with emphasized character strokes and separated touching characters. The proposed deep learning neural networks are implemented on the LPR system at the gate of a building in Kuala-Lumpur for the collection of database and the evaluation of algorithm performance. The evaluation results show that the proposed Malaysian English LPR can be used in commercial market with 98.01% accuracy.

• 한국게임학회 논문지
• /
• 제12권6호
• /
• pp.95-106
• /
• 2012

교육 현장에서 감정은 기억, 학습 성취, 동기부여에 있어 핵심적으로 중요한 요인으로 알려져 있다. 본 연구에서는 초등학교 아동들을 대상으로 감정적 개입(emotional engagement)을 촉진하기 위해 기능성 게임을 학습 현장에서 활용할 수 있는지를 확인해보고자 하였다. 이를 위해 영어 학습용 기능성 게임 '워드 콜렉트리안'을 이용하여 탐색 연구를 진행하였다. 워드 콜렉트리안은 인터액션을 통한 단어의 동적 시각화와 맥락 영상의 제시를 통한 상황 인지, 완성된 단어의 배치를 통한 단어에 대한 애착 고취 등을 활용하여 아동들이 감정적으로 영단어 학습에 효과적으로 개입할 수 있도록 설계하였다. 1차 프로토타입을 활용한 기초 실험 결과 워드 콜렉트리안이 학습 효과와 감정 개입의 효과를 모두 불러일으킬 수 있는 가능성이 있음을 확인할 수 있었다.

• 한국정보통신학회논문지
• /
• 제22권10호
• /
• pp.1300-1306
• /
• 2018

본 연구는 자연어 처리 문제 중 하나인 문장 유사도 판별 문제를 딥러닝으로 해결하는 데에 있어 Char2Vec기반으로 문장을 전 처리하고 학습시켜 그 성능을 확인하고 대표적인 Word Embedding 모델 Word2Vec를 대체할 수 있는 가능성이 있는지 파악하고자 한다. 임의의 두 문장을 비교할 때 쓰는 딥러닝 구조로 Siamese Ma-STM 네트워크를 사용하였다. Word2Vec와 Char2Vec를 각각 기반으로 한 문장 유사도 판별 모델을 학습시키고 그 결과를 분석하였다. 실험 결과 Char2Vec를 기반으로 학습시킨 모델이 validation accuracy 75.1%을 보였고 Word2Vec를 기반으로 학습시킨 모델은 validation accuracy 71.6%를 보였다. 따라서 고 사양을 요구하는 Word2Vec대신 임베딩 레이어를 활용한 Char2Vec 기반의 전처리 모델을 활용함으로 분석 환경을 최적화 할 수 있다.