• 대한토목학회논문집
• /
• 제30권3B호
• /
• pp.257-267
• /
• 2010

홍수사상은 크게 첨두홍수량, 홍수용적, 지속기간 등과 같은 서로 상관된 세 가지의 요소에 의해 특성화되어진다. 그러나 그동안 수공학적 계획이나 설계 등을 위한 홍수빈도 해석에서는 주로 첨두홍수량 한가지 요소에 초점을 맞추어 홍수빈도 해석을 수행해 왔다. 이러한 단변량 홍수빈도 해석은 서로 상관된 홍수사상 요소 사이의 복잡한 확률적 거동을 분석하는 데 있어 한계를 가지고 있다. 본 연구에서는 Gumbel 혼합모형, 이변량 감마분포, 이변량 핵밀도 함수 등 세 가지의 이변량 빈도해석 방법을 적용하여 이변량 빈도해석을 수행하고 그 결과를 단변량 빈도해석 방법의 결과와 비교 분석하였다. 소양강댐의 35개년 일 유입량 자료와 대청댐의 28개년 일 유입량 자료에 대해 각각의 홍수사상을 분리하고, 홍수사상 자료의 통계량과 매개변수, 최적 광역폭 등을 산정한 후 자료의 적합도 검정과 결합분포의 적합도 검정 등의 과정을 거쳐 첨두홍수량과 홍수용적의 조합을 고려하여 결합분포와 결합 재현기간 등을 추정하였다. 이처럼 세 가지 방법의 이변량 빈도해석을 통해 추정된 결과를 단변량 홍수빈도 해석의 결과와 비교 분석함으로써 각 방법의 상관성을 파악할 수 있었고, 이변량 홍수빈도 해석의 특성에 의해 도출된 결과를 토대로 이변량 홍수빈도 해석의 적용성에 대하여 검토하였다.

• 한국학교수학회논문집
• /
• 제22권4호
• /
• pp.501-520
• /
• 2019

본 연구의 목적은 한국, 미국, 싱가포르, 일본의 중학교 수학과 교육과정의 통계영역의 성취기준과 학습 요소를 중심으로 비교·분석하여 우리나라의 중학교 통계영역의 교육과정의 개선 방향에 대한 시사점을 얻기 위함이다. 교육과정 비교·분석 결과, 전반적인 성취기준과 학습 요소에 대한 특징과 차이점을 발견하였다. 첫째, 한국, 미국, 싱가포르, 일본 네 나라 모두 실생활 맥락에서의 통계교육을 강조하였다. 둘째, 네 나라 모두 공학적 도구의 활용을 강조하였다. 셋째, 우리나라만 통계영역을 다루지 않는 학년이 있다. 넷째, 미국, 싱가포르, 일본의 통계영역은 자료 분포의 경향을 파악하는데 중점을 두었다. 다섯째, 미국, 싱가포르, 일본에서는 다루지만 우리나라에서는 다루지 않는 학습 요소를 몇 가지 찾을 수 있었다. 이를 바탕으로 우리나라의 차기 교육과정 개발과 새로운 교과서 개발을 위한 시사점을 도출하였다. 첫째, 통계적 개념의 이해 위주에서 이를 활용한 통계적 활동 중심의 교육과정이 되어야 한다. 둘째, 중학교 통계영역 교육과정의 학습 요소 개선 측면에서, 사분위범위와 상자 그림을 학습 요소로 추가하는 것을 고려할 필요가 있다. 사분위범위와 상자 그림은 자료 분석 영역에서 복수의 집단 간의 비교를 위한 간단하고 실용적인 기법으로, 중학생 수준의 학생들이 간단히 배워서 쉽게 그릴 수 있고, 실생활 관련 통계적 자료에 적용하면서 통계적 소양을 확충할 수 있다. 본 연구를 통해 사분위범위와 상자 그림이 우리나라 중학교 통계영역 교육과정에도 새롭게 추가 선정될 필요가 있음을 제안한다.

• 실천공학교육논문지
• /
• 제16권1_spc호
• /
• pp.41-49
• /
• 2024

세계적으로 인공지능의 발전으로 삶이 크게 변하고 있다. 교육 분야에서는 AI를 적극 활용하고 다양한 지식을 융합하는 창의적 융합형 인재 양성이 강조되고 있다. 이에 발맞추어 초, 중, 고, 대학, 대학원 교육에서도 인공지능 교육에 대한 패러다임이 변화되고 있다. 인공지능 선도학교와 특성화 고교는 학생들의 인공지능 소양을 키우는 데 힘쓰고, 대학에서는 소프트웨어 과목에 인공지능을 통합하거나 새로운 인공지능 학과를 설립하여 인재를 양성하고 있다. 인공지능 융합 교육 대학원에서는 다양한 교과목의 선생님들을 교육시켜 인공지능 기술을 교과에 적용하려는 국가차원의 노력이 이루어지고 있다. 이러한 상황에서 특성화 고교도 학생들의 특성과 진로에 맞춰 인공지능에 대한 기술 인재 양성을 위해 학과를 개편하고 있다. 현재 교육 과정은 주로 인공지능의 기본 개념과 기술에 중점을 두고 있으나, 실제 문제 해결 능력을 키우기에는 부족한 측면이 있다. 따라서 이 연구에서는 인공지능 선도 학교, 인공지능 융합 고등학교, 인공지능 고교, 대학의 인공지능 학과, 그리고 인공지능 융합 교육 대학원의 필수 교육과정을 비교 분석하여 특성화고등학교에서 인공지능 교육을 실시할 때 필요한 교육과정을 제시하려고 한다. 이를 통해 조금 더 발전된 특성화고 인공지능과의 교육과정이 이루어지기를 기대한다.

• 실천공학교육논문지
• /
• 제13권2호
• /
• pp.221-232
• /
• 2021

본 연구는 코로나 19로 인하여 발생한 비대면 수업 환경에서 학습자들의 요구 분석을 토대로 플립 러닝과 메이커 교육 기반 인공지능 융합 교양 교과목의 설계 방향을 탐색하는데 그 목적이 있다. 이를 위해 메이커 교육 기반 인공지능융합 교양 교과목을 수강한 학생들과 수강하지 않은 학생들을 대상으로 플립 러닝에 대한 학생들의 인식과 함께 학습자의 교육 요구도를 조사하였다. 이를 바탕으로 Borich 교육 요구도와 The Locus for Focus Model 모델을 활용하여 교과목 내용 요소에 대한 우선 순위를 분석함으로써 교과목 설계를 위한 기초 자료로 활용하였다. 연구 결과는 다음과 같다. 첫째, 메이커 교육 기반의 인공지능 교양 교과목 내용 요소는 총 9개 영역으로 구성되었으며 플립 러닝을 활용하는 수업으로 설계되었다. 둘째, 교육 요구가 가장 높은 영역은 '인공지능 이론', '인공지능 프로그래밍 실습', '피지컬 컴퓨팅 이론', '피지컬 컴퓨팅 실습'이, 차 순위는 '융합프로젝트', '3D 프린팅 이론', '3D 프린팅 실습'으로 결정되었다. 셋째, 플립 러닝을 활용하여 메이커 교육 기반 인공지능융합 교양 교과목을 운영하는 것은 수강 경험의 유무와 상관없이 대부분 긍정적인 응답이었으며 수강 경험이 있는 학생들의 경우에는 만족도가 매우 높았다. 이를 바탕으로 플립러닝과 메이커교육을 활용한 인공지능 기반의 융합 교양 교과목이 설계되었다. 이는 학생들의 요구를 반영하여 교양 교육에서 인공지능 융합 교육의 기초를 마련하고 대학생의 인공지능 소양 함양의 기회를 제공한다는데 의의가 있다.

• 인터넷정보학회논문지
• /
• 제20권4호
• /
• pp.81-90
• /
• 2019

정부는 2015년부터 소프트웨어 중심대학 지원 사업을 통하여 미래 인재에 요구되는 소프트웨어 역량 강화에 힘쓰고 있다. 소프트웨어 중심대학으로 선정된 대학에서는 각기 다른 전공지식과 소프트웨어 소양을 겸비한 융합형 인재 양성을 위하여 대학 내 인문, 사회, 공학, 자연과학, 예체능 등 모든 계열에 소프트웨어 기초교육을 실시하고 있다. 본 논문에서는 20개 소프트웨어 중심대학에서 실시하고 있는 비전공자 대상의 소프트웨어 기초교육의 내용을 분석하였다. 분석 결과, 비전공자 학생들에게 실시하고 있는 소프트웨어 기초교육의 대부분은 미래사회에 필요한 컴퓨팅 사고력 중심의 문제해결력 향상과 컴퓨터과학에 기반을 둔 융합 능력 향상 목적으로 실시하고 있었다. 전공별 특성을 반영한 교육 내용과 프로그래밍의 난이도 조정을 위해 블록 기반 교육용 프로그래밍 언어와 텍스트 기반 고급 프로그래밍 언어를 활용하고 있다. 문제해결을 위한 교수 학습 방법으로는 문제 중심 학습(Problem based Learning), 프로젝트 중심 학습(Project Based Learning)과 토의 토론법을 많이 사용하고 있는 것으로 분석되었다. 향 후 이 논문이 비전공자 소프트웨어 기초교육의 체계적 방향 설정에 도움이 되었으면 한다.

• 생태와환경
• /
• 제55권4호
• /
• pp.274-284
• /
• 2022

본 연구에서는 수생태계 생물다양성을 평가할 때보다 정확한 동물플랑크톤 종 다양성을 산정하고 수체 간 상대 비교 시 오차를 줄이기 위한 방안으로서, 관찰 노력, 즉 시료의 농축 정도 및 부차시료 추출량의 적정안을 제시하기 위해 수심, 영양상태 및 동물플랑크톤 군집 출현 양상이 서로 다른 세 개 호소를 대상으로 표준 크기 기반 희박화 분석(sample-size-based rarefaction analysis)을 수행하였다. 현장에서 동일한 채집 도구를 이용, 조사 정점의 수심을 고려하여 채집된 동물플랑크톤 시료로부터 부차시료 추출량을 달리함에 따라 추정되는 생물다양성 (richness, Shannon's H')은 호소에 따라 변화 양상이 다르게 나타났으나, 세 호소 모두 최대 시료 분석량에서 다양성 지수 값이 가장 높게 추정되었다. Sample coverage에 대한 희박화 분석 결과, 채집 시료 내 동물플랑크톤 출현 종수 및 개 체 밀도가 모두 많은 주암호의 경우 농축 시료 100 mL 기준 1 mL의 부차시료만 검경해도 해당 표본이 전체 시료의 99.8%를 대표하는 것으로 나타났으나, 매우 적은 출현 종수 및 개체 밀도를 보인 소양호에서는 동량의 농축 시료로부터 10 mL의 부차시료를 추출했을 때도 97%로 비교적 낮은 대표성을 보였다. 이와 같이 동물플랑크톤 전체 채집 시료에 대한 부차시료의 대표성은 현장으로부터 채집된 시료 내 개체 밀도에 따라 다르게 나타나며, 채집 개체 밀도에 따라 시료의 농축 정도 및 부차시료 추출량을 조절한다면 최소의 관찰 노력으로 지점 간 출현 종수 및 다양성 지수 비교 시 발생하는 오차를 최소화할 수 있을 것으로 사료된다. 또한, 본 연구 결과는 호소 동물플랑크톤 군집 분석 및 수체 간 상대 비교를 위한 동물플랑크톤 시료 검경 방법에 있어 시료 여과량, 농축 및 부차시료 추출 방법을 표준화하는데 기준이 될 수 있는 정보를 제공한다.

• 대한환경공학회지
• /
• 제28권1호
• /
• pp.74-80
• /
• 2006

편익전환기법은 다른 지역에서 이미 수행하였던 비시장성 재화의 가치 평가 사례를 분석하여 주어진 지역(정책집행 대상지역)에서의 유사한 재화의 경제적 가치 추정치를 구하는 방법이다. 본 연구의 목적은 우리나라 댐상류지역의 수계에서 하수도시설 확충사업에 대한 편익전환 가치를 추정하는 것이다. 본 연구에서 종합자료분석을 위해 5개 모형을 가정하였다. 5개 모형 중에서 모형 2의 경우 남강 합천 대청댐을 연구지역으로 하여 조건부가치측정법을 사용하여 추정한 지불의사액과 소양댐을 정책집행 대상지역으로 예측한 지불의사액 추정치를 비교한 절대오차는 $6{\sim}7%$로 좋은 결과가 나타났다. 그러나, 모형 1의 경우 안동 임하댐의 조건부가치측정법을 사용하여 추정한 지불의사액과 비교하였을 때 예측된 지불의사액 추정치의 절대오차는 $42{\sim}47%$로 나타났다. 안동 임하댐의 주민들은 인근 지역에 2개의 댐이 만들어졌고, 이들 댐상류지역이 상수원 보호구역으로 지정되어 경제적 활동에서 피해를 받고 있다고 생각하기 때문이다.

• 대한토목학회논문집
• /
• 제28권4B호
• /
• pp.383-392
• /
• 2008

수공구조물을 설계하거나 수자원계획을 수립할 때 제한된 수문자료로 인해 수문모형의 매개변수를 추정하는데 어려움이 따르며 추정된 결과에 신뢰성을 부여하기 위해서 필수적으로 불확실성 분석이 필요하다 하겠다. 이러한 관점에서 본 연구에서는 국내외에서 주로 이용되고 있는 NWS-PC 강우-유출 모형을 대상으로 보다 진보된 매개변수 추정과 불확실성 분석이 가능한 Bayesian Markov Chain Monte Carlo 기법과 결합하여 국내 소양강댐 유역 일유입량 모의에 적용하였다. 실측 일유입량 자료를 대상으로 모형의 검정과정을 수행하였으며 NWS-PC 모형의 총 13개의 매개변수에 대한 사후분포를 추정하여 유출수문곡선의 불확실성 구간을 추정하였다. 검정 및 검증 모두에서 Bayesian Markov Chain Monte Carlo 기법이 모형의 적합성 측면에서 기존 방법론과 비교해보면 다소 우수하거나 비슷한 결과를 나타내었다. 실제로 유역에 발생하는 유출은 다양한 요인에 따라 변화될 수 있으며 이러한 점에서 Bayesian 방법은 강우-유출 관계에서 발생하는 이러한 불확실성을 매개변수의 불확실성으로 인지함으로서 우리가 예상치 못한 유출 사상에 대한 형태를 고려할 수 있는 장점이 있다. 따라서 댐 설계와 같은 대규모 수공 구조물 설계 시에 이러한 불확실성이 접목된 강우-유출 분석이 이루어진다면 보다 합리적인 방법으로 홍수 위험도 분석이 가능하며 더욱이 댐 규모 결정에 있어서 신뢰성 있는 의사 결정 수단을 제공할 수 있을 것으로 사료된다.

• 한국수자원학회논문집
• /
• 제57권1호
• /
• pp.35-44
• /
• 2024

댐유입량 예측에 대하여 데이터 기반 머신러닝 및 딥러닝(Machine Learning & Deep Learning, ML&DL) 분석도구들이 공개되어 다양한 분야에서 ML&DL의 적용연구가 활발히 진행되고 있으며, 모델의 자체 성능향상 뿐만 아니라 모델의 특성을 고려한 데이터의 전처리도 댐유입량을 정확하게 예측하게 하는 중요한 모델성능 향상의 요소라고 할 수 있다. 특히 기존 강우자료는 적설량을 열선 설비를 통하여 녹여 강우량으로 환산되어 있으므로, 융적설에 따른 강우와 유입량의 상관관계를 왜곡하게 된다. 따라서 본연구에서는 소양강댐과 같이 융적설의 영향을 받는 댐유역에 대한 댐일유입량 예측시 겨울에 강설량이 적설이 되어 적게 유출되는 현상과, 봄에 융설로 인하여 무강우나 적은 비에도 많은 유출이 일어나는 물리적 현상을 ML&DL모델로 적용하기 위하여 필요한 강우 데이터의 전처리에 대한 연구를 수행 하였다. 강우계열, 유입량계열을 조합하여 3가지 머신러닝(SVM, RF, LGBM)과 2가지 딥러닝(LSTM, TCN) 모델을 구축하고, 최적 하이퍼파라메터 튜닝을 통하여 적합 모델을 적용하고 한 결과, NSE 0.842~0.894로 높은 수준의 예측성능을 나타내었다. 또한 융적설을 반영한 강우보정 데이터를 만들기 위하여 융적설 모의 알고리즘을 개발하고, 이를 통하여 산정된 보정강우를 머신러닝 및 딥러닝 모델에 적용한 결과 NSE 0.841~0.896 으로 융적설 적용전과 비슷한 높은 수준의 예측 성능을 나타내었으나, 융적설 기간에는 조정된 강우로 학습되어 예측되었을 때 실측유입량에 근접하는 모의결과를 나타내었다. 결론적으로, 융적설이 영향을 미치는 유역에서의 데이터 모델 적용시에는 입력자료 구축시 적설 및 융설이 물리적으로 타당한 강우-유출 반응에 적합하도록 전처리과정이 중요함을 밝혔다.

• 한국과학교육학회지
• /
• 제32권1호
• /
• pp.30-45
• /
• 2012

전세계의 교육공동체들은 STEM (Science, Technology, Engineering, and Mathematics) 과목들을 통합하려는 노력에 주목해오고 있다. 우리나라에서도 또한 과학기술 인재 양성을 위해 초 중등학교에서 과학기술학, 예술, 수학교육(STEAM)을 융합형으로 가르치는 교육을 강조하고 있다. 이 연구의 목적은 과학, 기술, 수학교사를 대상으로 하여 중등학교에서 이루어지고 있는 통합교육의 현황과 통합 STEM 교육(Integrative STEM Education)에 대한 교사들의 인식과 요구를 분석하는 것이다. 전국 중등교사 중 과학, 수학, 기술 교과를 담당하는 251명을 대상으로 설문조사를 하였으며, 연구 결과는 다음과 같다. 첫째, 교사들은 통합 교육의 필요성에 대하여 긍정적인 생각을 가지고 있는 반면 실제 교육현장에서는 통합 교육 준비에 대한 불충분한 시간과 통합 교육에 대한 전문성, 교수경험 그리고 교수-학습 자료의 부족으로 통합 교육을 실시해 본 횟수는 적었다. 둘째, 그들은 통합 교육을 활성화하기 위하여 다양한 프로그램 개발, 통합 교육 준비를 위한 학교의 행 재정적 지원, 그리고 교사들을 위한 연수 실시 등을 요구하였다. 셋째, 통합 STEM 교육에 대한 인식은 전반적으로 불충분하지만 교사들은 학생들의 창의력, 사고력과 실생활에서의 적용 및 응용력을 기르기 위해 통합 STEM 교육이 필요하다고 인식하였다. 넷째, 교사들은 통합 STEM 교육 프로그램 개발, 교수-학습 자료의 보급을 시급한 과제로 생각하고 있다. 다섯째, 교사들은 통합 STEM 교육 프로그램에 적합한 통합 방식은 문제해결중심의 통합 방식으로 나타났다. 아울러, 통합 STEM 교육이 통합적 문제 해결과 담당 교과의 소양 함양에 효과적이라고 생각하며, 과학기술 인재 양성에 영향을 많이 줄 것이라고 생각하고 있었다. STEM 관련 중등교사들의 통합 STEM 교육에 대한 인식을 높이고, 통합 STEM 교육을 활성화하기 위해서 학교 현장을 중심으로 교사의 요구가 반영된 프로그램, 다양한 교수 학습 자료의 보급, 그리고 관련 연수들이 필요하다.