• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2016년도 추계학술발표대회
• /
• pp.323-326
• /
• 2016

웹 서비스를 기반으로 이루어진 MOOC(Massive Open Online Course)는 대규모 학습자에게 공개된 온라인 교육이다. MOOC는 교수와 학습자 사이 커뮤니티를 통해 상호 참여적으로 수업을 진행한다. 그러나 무료로 강의를 들을 수 있고 성적을 내지 않기 때문에 학습자들에게 큰 동기 부여가 되지 않아 등록하는 학습자는 많지만 수료하는 학습자는 현저히 적게 나타났다. 본 논문은 이러한 문제 해결 방안 마련을 위해 KDD Cup 2015에서 제공한 MOOC 데이터를 통해 중도 포기와 관련된 변수들을 선정하였으며, Decision Tree, KNN, Logistic Regression, Naive Bayesian, SVM, Neural Network인 6가지 머신 러닝 알고리즘을 통해 데이터 예측의 정확률을 확인하였다. 그 결과 Naive Bayesian이 89.3%로 가장 높은 정확률을 보였다. 본 연구를 통해 중도포기를 정확히 예측하며, 향후 학습자들에게 특정 동기부여의 효과로 학습을 수료하는 결과를 기대할 수 있다.

• 디지털콘텐츠학회 논문지
• /
• 제9권1호
• /
• pp.41-51
• /
• 2008

웹2.0시대 온라인에서의 소비자 욕구를 통한 이동매체의 발달은 1인 모바일 미디어매체 확장을 가져오고 있는 상황으로 본 연구는 웹2.0 시대의 확장된 컨텐츠 가운데서도, 모바일 매체를 통한 이 러닝 컨텐츠 활용에 따른 소비자의 성향을 조사하였다. 모바일 프로슈머의 소비양상과 모바일 교육컨텐츠 활용의 특징요소를 국내 이러닝(e-leaning) 전문 포털업체 커뮤니티를 중심으로 모바일 1인 미디어에 대한 사용자 요구사항을 분석하였다. 모바일 이 러닝 기술적 발전의 방향은 이동통신사업자의 망 개방과 디지털 컨버젼스에 따른 플랫폼의 공유를 필요로 하고 있다. 이 러닝 컨텐츠제작은 1인 미디어에 맞춤식 제작서비스가 되어야 한다. 이-러닝 컨텐츠 활성화에 필요한 소비자 요구 조사를 함축한, 이 러닝 컨텐츠 소비자의 사용편의성을 증대하는 데에 기여함을 본 연구의 목적으로 한다.

• 한국게임학회 논문지
• /
• 제7권1호
• /
• pp.59-68
• /
• 2007

최근 e-러닝에서의 몰입 학습을 위해 게임의 재미(fun) 요소를 활용하고자 하는 시도들이 나타나고 있다. 본 연구에서는 게임을 e-러닝에 접목시키는 본격적으로 시도에 앞서, 학습 전략으로서 게임의 효과성에 대한 이론과 관련 선행 연구를 분석하였다. 수용자가 게임에 몰입하는 이유로서 커뮤니티 속성, 빠른 피드백, 그리고 스토리텔링 요소가 제시되었다. 게임이 학습에 미치는 효과는 개별학습의 경우는 인지유연성 이론, 구조주의학습이론, 성찰적 실천 이론에 의해서, 협력학습의 경우는 사회문화적 구성주의와 상황주의 이론에 의해서 설명될 수 있었다. 각 이론적 관점별로 관련 선행연구 사례 분석을 통해 이러한 이론적 관점들의 타당성이 확인되었다. 이러한 분석 결과, 게임이 갖고 있는 몰입 학습의 장치들이 정규 교육 또는 e-러닝과 접목되기 위해서는 수업 설계 전략이나 동기 전략에 대한 연구 이전에, 보다 근본적인 차원에서 학습을 보는 패러다임의 변화와 입시 중심, 분과 교과 중심의 전통적인 교육 체제의 전환이 필요한 것으로 분석되었다.

• 한국빅데이터학회지
• /
• 제4권1호
• /
• pp.99-118
• /
• 2019

본 연구는 소셜 미디어 참여 관련 연구 베타분석을 위해 네트워크 분석과 클러스터링 기법을 활용하였다. 주경로 분석 결과 37개의 주요 연구가 추출되었고 커뮤니티 관련 네트워크와 뉴 미디어 관련 네트워크 두 가지로 구분되었다. 연결망 분석과 클러스터링 결과 네가지 클러스터가 형성되었다. 본 연구는 학술 데이터를 활용해 연구 동향을 거시적으로 파악하며 그 방법론으로 네트워크 분석과 기계학습을 활용하였다는 학술적 의의를 가진다.

• 정보관리학회지
• /
• 제39권1호
• /
• pp.91-117
• /
• 2022

국내를 비롯하여 전 세계적으로 우울증 환자 수가 매년 증가하는 추세이다. 그러나 대다수의 정신질환 환자들은 자신이 질병을 앓고 있다는 사실을 인식하지 못해서 적절한 치료가 이루어지지 않고 있다. 우울 증상이 방치되면 자살과 불안, 기타 심리적인 문제로 발전될 수 있기에 우울증의 조기 발견과 치료는 정신건강 증진에 있어 매우 중요하다. 이러한 문제점을 개선하기 위해 본 연구에서는 한국어 소셜 미디어 텍스트를 활용한 딥러닝 기반의 우울 경향 모델을 제시하였다. 네이버 지식인, 네이버 블로그, 하이닥, 트위터에서 데이터수집을 한 뒤 DSM-5 주요 우울 장애 진단 기준을 활용하여 우울 증상 개수에 따라 클래스를 구분하여 주석을 달았다. 이후 구축한 말뭉치의 클래스 별 특성을 살펴보고자 TF-IDF 분석과 동시 출현 단어 분석을 실시하였다. 또한, 다양한 텍스트 특징을 활용하여 우울 경향 분류 모델을 생성하기 위해 단어 임베딩과 사전 기반 감성 분석, LDA 토픽 모델링을 수행하였다. 이를 통해 문헌 별로 임베딩된 텍스트와 감성 점수, 토픽 번호를 산출하여 텍스트 특징으로 사용하였다. 그 결과 임베딩된 텍스트에 문서의 감성 점수와 토픽을 모두 결합하여 KorBERT 알고리즘을 기반으로 우울 경향을 분류하였을 때 가장 높은 정확률인 83.28%를 달성하는 것을 확인하였다. 본 연구는 다양한 텍스트 특징을 활용하여 보다 성능이 개선된 한국어 우울 경향 분류 모델을 구축함에 따라, 한국 온라인 커뮤니티 이용자 중 잠재적인 우울증 환자를 조기에 발견해 빠른 치료 및 예방이 가능하도록 하여 한국 사회의 정신건강 증진에 도움을 줄 수 있는 기반을 마련했다는 점에서 의의를 지닌다.