• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2011년도 동계학술대회
• /
• pp.15-22
• /
• 2011

대부분의 로봇 프로그래밍 교육과정이 논리적인 문제해결 절차보다 프로그래밍 언어의 이해, 단순한 문법적 지식의 습득 위주로 구성되어 있어 초보자가 학습하기에 부담이 된다. 스토리텔링은 학생들의 긍정적인 학습동기 지속을 위해 상징적 조작활동, 여러 가지 추상 개념들 다루기, 아이디어 사이에서 의미 생성을 위한 기회들을 제공한다. 본 연구에서는 학습자의 긍정적 학습동기를 부여할 수 있는 스토리텔링을 로봇 교육에 접목시켜 지속적인 학습의 몰입과 구심점을 제공할 수 있는 로봇 교육과정을 설계하고 이를 지원할 수 있는 시스템을 연구하였다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제9권
• /
• pp.227-239
• /
• 1999

영재교육의 이론적 근거를 제시한 연구물이 국내에는 그다지 많지 않다. 뿐만 아니라 지금 한국과학재단에서 지원하고 있는 전국의 9개 대학 과학영재교육센터 역시 실천적인 차원의 활동을 벗어나지 못하고 있다. 외국의 대학부설 연구소들이 30년 이상 이와 같은 연구와 서비스를 지속적으로 실천해오고 있는 사례들을 우리는 쉽게 찾을 수 있다는 점을 거울 삼아 모처럼 마련된 국가적 차원의 지원을 토대로 그 바람직한 실천과 연구를 위한 방안을 다음과 같이 제시해본다. 첫째, 질적 연구의 집적에 힘써야 한다. 영재교육이라는 특수한 상황을 전제로 할 때는 더구나 그렇듯이 일반화를 전제로 한 양적 연구보다는, 사례연구와 같은 질적 연구물들의 집적에 노력을 아끼지 말아야할 것이다. 둘째, 교수-학습 활동은 활동이론과 구성주의 이론의 적절한 조화가 요망된다. 구성주의 이론에 입각한 교수-학습 활동의 모습을 단적으로 말하자면, 학습자 자신이 주어진 문제 상황에서의 탐구를 통하여, ‘구체적인 것에서 추상적인 것으로’ 나아가 스스로 지식을 구성하는 것이다. 그러나, 활동이론에 입각한 교수-학습 활동의 요지는 활동은 정말로 전형적인 활동에 국한하고 나머지는 교사의 설명에 의해 학습자들이 ‘추상적인 것에서 구체적인 것으로의 소급’이 가능하도록 하는 것이다. 완전히 정반대의 주장을 하는 것 같으면서도 일면 그 타당성들을 갖고 있는 것으로 볼 수 있다. 셋째, 학제적 ${\cdot}$ 통합적 연구가 절실하다. 연구의 측면에서 수학반 아동과 과학반 아동들의 활동상의 차이점이나 유사점 등에 대한 질적 연구를 시도해보는 것은 매우 의미있는 일이 될 것이다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.1(B)
• /
• pp.184-187
• /
• 2010

본 논문에서는 터치 제스처의 인식을 위해 시도된 여러 방법 중 테이블탑 디스플레이상에서 HMM을 이용한 제스처의 학습과 사용에 대해 제안한다. 터치 제스처는 제스처의 획(stroke)에 따라 single stroke와 multi stroke로 분류할 수 있다. 그러므로 제스처의 입력은 영상프레임에서 터치 궤적에 따라 변하는 방향 벡터를 이용하여 방향코드로 분석될 수 있다. 그리고 분석된 방향코드를 기계학습을 통하여 학습시킨 후, 인식실험에 사용한다. 제스처 인식 학습에는 총 10개의 제스처에 대하여 100개 방향코드 데이터를 이용하였다. 형태를 갖추고 있는 제스처는 미리 정의되어 있는 제스처와 비교를 통하여 인식할 수 있다. (4 방향 드래그, 원, 삼각형, ㄱ ㄴ 모양 >, < ) 미리 정의되어 있는 제스처가 아닌 경우에는 기계학습을 통하여 사용자가 의미를 부여한 후 제스처를 정의하여 원하는 제스처를 선택적으로 사용할 수 있다. 본 논문에서는 테이블탑 디스플레이 환경에서 사용자의 터치제스처를 인식하는 시스템을 구현하였다. 앞으로 테이블탑 디스플레이 환경에서 터치 제스처 인식에 적합한 알고리즘을 찾고 멀티터치 제스처를 인식하는 연구도 이루어져야 할 것이다.

• 한국학교수학회논문집
• /
• 제17권4호
• /
• pp.465-492
• /
• 2014

본 연구에서는 수학과 수업에 적용할 수 있는 지도 방법으로서 수준별 협동학습 학습지를 활용한 수준별 수업과 소집단 협동학습에서 그 효과를 알아보는데 목적이 있다. 이를 위해서 구체적인 연구문제를 살펴보면 다음과 같다. 첫째, 수준별 협동학습 학습지를 활용한 학급 내 수준별 협동학습으로 학생들의 수학의 학업성취도를 향상시킬 수 있는가? 둘째, 수준별 협동학습 학습지를 활용한 학급 내 수준별 협동학습으로 수학 교과에 대한 흥미와 자신감을 갖도록 하여 협동학습 태도를 향상시킬 수 있는가? 셋째, 수준별 협동학습 학습지를 활용한 학급 내 수준별 협동학습에 대한 학생들의 반응은 어떠한가? 이다. 연구결과로는 첫째, 실험집단은 비교집단에 비하여 학업성취도에 향상을 보여 주었다. 둘째, 실험집단은 비교집단에 비하여 협동학습 태도의 변화에 도움이 되었다. 셋째, 수준별 협동학습 학습지를 활용한 학급 내 수준별 협동학습으로 실험집단은 비교집단에 비하여 의미 있는 반응을 나타내었다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2018년도 추계학술대회
• /
• pp.84-86
• /
• 2018

요즘 자율주행과 같은 최신 기술의 발전과 더불어 촬영된 영상 장면에 대한 깊이있는 이해가 필요하게 되었다. 특히, 기계학습 기술이 발전하면서 카메라로 찍은 영상에 대한 의미론적 분할 기술에 대한 연구도 활발히 진행되고 있다. FuseNet은 인코더-디코더 구조를 이용하여 장면 내에 있는 객체에 대한 의미론적 분할 기술을 적용할 수 있는 신경망 모델이다. FuseNet은 오직 RGB 입력을 받는 기존의 FCN보다 깊이정보까지 활용하여 RGB 정보를 기반으로 추출한 특징지도와의 요소합 연산을 통해 멀티 모달 구조를 구현했다. 의미론적 분할 연구에서는 객체의 전역 컨텍스트가 고려되는 것이 중요한데, 이를 위해 여러 계층을 깊게 쌓으면 연산량이 많아지는 단점이 있다. 이를 극복하기 위해서 기존의 합성곱 방식을 벗어나 새롭게 제안된 팽창 합성곱 연산(Dilated Convolution)을 이용하면 객체의 수용 영역이 효과적으로 넓어지고 연산량이 적어질 수 있다. 본 논문에서는 컨볼루션 연산의 새로운 방법론적 접근 중 하나인 팽창된 합성곱 연산을 이용해 의미론적 분할 연구에서 새로운 멀티 모달 네트워크의 성능 향상 방법을 적용하여 계층을 더 깊게 쌓지 않더라도 파라미터의 증가 없이 해상도를 유지하면서 네트워크의 전체 성능을 향상할 수 있는 최적화된 방법을 제안한다.

• 컴퓨터교육학회논문지
• /
• 제6권2호
• /
• pp.107-120
• /
• 2003

웹기반 교육에서 학습과정을 평가한다는 것은 개별 학습자들의 학습 활동을 평가하는 것을 의미하기 때문에 학습자의 특정 수업내용에 대한 학습 시간, 학습 패턴, 학습 참여도(의견 교환, 질문), 학습 환경 등의 정보가 요구된다. 본 연구의 목적은 웹 기반 교육에서 쟁점이 되고 있는 학습과정 평가문제를 해결하기 위해 최적의 웹 로그 마이닝을 이용하여 학습자 개인별 학습현황에 관한 정보를 얻어 이를 수행 평가에 반영하고자 함이다. 연구 내용 및 결과로는 먼저, 학습현황 분석을 위한 항목을 선정하고 웹 로그 마이닝을 위한 로그 데이터 전처리 과정을 실행하였다. 다음으로는, 위의 웹 로그 데이터를 기초로 학습자별 데이터베이스를 구축하고 질의어를 사용하여 학습현황을 분석하였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2017년도 제29회 한글 및 한국어 정보처리 학술대회
• /
• pp.60-63
• /
• 2017

자연어처리에 딥 러닝을 적용하기 위해 사용되는 Word embedding은 단어를 벡터 공간상에 표현하는 것으로 차원축소 효과와 더불어 유사한 의미의 단어는 유사한 벡터 값을 갖는다는 장점이 있다. 이러한 word embedding은 대용량 코퍼스를 학습해야 좋은 성능을 얻을 수 있기 때문에 기존에 많이 사용되던 word2vec 모델은 대용량 코퍼스 학습을 위해 모델을 단순화 하여 주로 단어의 등장 비율에 중점적으로 맞추어 학습하게 되어 단어의 위치 정보를 이용하지 않는다는 단점이 있다. 본 논문에서는 기존의 word embedding 학습 모델을 단어의 위치정보를 이용하여 학습 할 수 있도록 수정하였다. 실험 결과 단어의 위치정보를 이용하여 word embedding을 학습 하였을 경우 word-analogy의 syntactic 성능이 크게 향상되며 어순이 바뀔 수 있는 한국어에서 특히 큰 효과를 보였다.

• 한국어정보학회:학술대회논문집
• /
• 한국어정보학회 2017년도 제29회 한글및한국어정보처리학술대회
• /
• pp.60-63
• /
• 2017

자연어처리에 딥 러닝을 적용하기 위해 사용되는 Word embedding은 단어를 벡터 공간상에 표현하는 것으로 차원축소 효과와 더불어 유사한 의미의 단어는 유사한 벡터 값을 갖는다는 장점이 있다. 이러한 word embedding은 대용량 코퍼스를 학습해야 좋은 성능을 얻을 수 있기 때문에 기존에 많이 사용되던 word2vec 모델은 대용량 코퍼스 학습을 위해 모델을 단순화 하여 주로 단어의 등장 비율에 중점적으로 맞추어 학습하게 되어 단어의 위치 정보를 이용하지 않는다는 단점이 있다. 본 논문에서는 기존의 word embedding 학습 모델을 단어의 위치정보를 이용하여 학습 할 수 있도록 수정하였다. 실험 결과 단어의 위치정보를 이용하여 word embedding을 학습 하였을 경우 word-analogy의 syntactic 성능이 크게 향상되며 어순이 바뀔 수 있는 한국어에서 특히 큰 효과를 보였다.

• 한국정보과학회 언어공학연구회:학술대회논문집(한글 및 한국어 정보처리)
• /
• 한국정보과학회언어공학연구회 2018년도 제30회 한글 및 한국어 정보처리 학술대회
• /
• pp.530-531
• /
• 2018

문서 자동 요약은 주요 단어 또는 문장을 추출하거나 문장을 생성하는 방식으로 요약한다. 최근 연구에서는 대량의 문서를 딥러닝하여 요약문 자체를 생성하는 방식으로 발전하고 있다. 추출 요약이나 생성 요약 모두 핵심 단어를 인식하는 것이 매우 중요하다. 학습할 때 각 단어가 문장에서 출현한 패턴으로부터 의미를 인식하고 단어를 선별하여 요약한다. 결국 기계학습에서는 학습 문서에 출현한 어휘만으로 요약을 한다. 따라서 학습 문서에 출현하지 않았던 어휘가 포함된 새로운 문서의 요약에서 기존 모델이 잘 작동하기 어려운 문제가 있다. 본 논문에서는 학습단계에서 출현하지 않은 단어까지도 중요성을 인식하고 요약문을 생성할 수 있는 신경망 모델을 제안하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2006년도 한국컴퓨터종합학술대회 논문집 Vol.33 No.1 (C)
• /
• pp.37-39
• /
• 2006

본 논문에서는 방학 중 효과적인 학습 방법을 분석하기 위해 의사결정트리를 사용한 접근법을 제안한다. 이를 위해, 우선 학업성취도에 영향을 미치는 방학 중의 학습방법에 대한 다양한 요소를 도출한다. 다음으로, 의사결정트리를 사용하기 위한 데이터 변환 및 분석 방법을 제안한다. 마지막으로, 설문조사를 통해 수집한 현실의 구체적 데이터에서 의사결정트리를 생성한다. 중학교 학생들에 대한 설문조사를 분석한 결과, 세 가지 의미 있는 결과를 도출하였다. 첫째, 인터넷 학습사이트 이용은 성적 하락에 영향을 미치는 것으로 나타났다. 둘째, 성적 변화에 큰 영향을 미칠 것으로 예상했던 과외는 실제로 큰 영향을 미치지 못하는 것으로 나타났다. 셋째, 다양한 학습방법의 병행은 오히려 성적 하락의 요인이 되는 것으로 파악되었다. 본 논문에서 제시한 분석 방법 및 결과는 학생들의 방학 중 생활 지도나 학습 계획 수립에 많은 도움이 될 수 있다고 사료된다.