• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.366-366
• /
• 2022

유역의 하천유량과 같은 수문 시계열을 모의 또는 예측하기 위한 수문 모델링에서 최근 기계 학습 방법을 활용한 연구가 활발하게 적용되고 있는 추세이다. 이러한 데이터 기반 모델링 접근법은 입출력 자료에서 관찰된 패턴을 학습하며, 특히, 장단기기억(Long Short-Term Memory, LSTM) 네트워크는 많은 연구에서 수문 시계열 예측에 대한 적용성이 검증되었으나, 장기간의 고품질 관측자료를 활용할 때 더 나은 예측성능을 보인다. 그러나 우리나라의 경우 장기간 관측된 고품질의 하천유량 자료를 확보하기 어려운 실정이다. 따라서 본 연구에서는 LSTM 네트워크의 학습 시 가용한 모든 유역의 자료를 통합하여 학습시켰을 때 하천유량 예측성능을 개선할 수 있는지 판단해보고자 하였다. 이를 위해, 우리나라 13개 댐 유역을 대상으로 대상 유역의 자료만을 학습한 모델의 예측성능과 모든 유역의 자료를 학습한 모델의 예측성능을 비교해 보았다. 학습은 2001년부터 2010년까지 기상자료(강우, 최저·최고·평균기온, 상대습도, 이슬점, 풍속, 잠재증발산)를 이용하였으며, 2011년부터 2020년에 대해 테스트 되었다. 다지점 통합학습을 통해 테스트 기간에 대해 예측된 각 유역의 일 하천유량의 KGE 중앙값이 0.74로 단일지점 학습을 통해 예측된 KGE(0.72)보다 다소 개선된 결과를 보여주었다. 다지점 통합학습이 하천유량 예측에 큰 개선을 달성하지는 못하였으며, 추가적인 가용 자료 확보와 LSTM 구성의 개선을 통해 추가적인 연구가 필요할 것으로 판단된다.

• Journal of The Korean Association For Science Education
• /
• v.36 no.1
• /
• pp.125-134
• /
• 2016

The purpose of this study is to explore the relationship between motivational belief about learning science, self-directed learning ability and conceptual understanding of matter change with a quantitative method, assuming that motivational belief and self-directed learning ability might affect conceptual understanding. To do this, the authors investigated middle school students' motivational belief about learning science, self-directed learning ability, and conceptual understanding of matter change using measurement tools based on previous studies, and then analysed the casual relationship between three variables using PLS structural equation model. As a result, three latent variables in this study could be evaluated as appropriated in reliability and validity. And also, self-directed learning ability could affect both the motivational belief and conceptual understanding, while motivational belief could affect only self-directed learning ability but not conceptual understanding. Through this study the authors confirmed that in the context of science learning self-directed learning ability can directly affect conceptual understanding but motivational belief can affect indirectly. This study is significant in that the causal relationship between different variables in science learning could be confirmed in a quantitate manner, and also in that it can suggest PLS structural equation method as a new research methodology in science education research area.

• 한국정보교육학회:학술대회논문집
• /
• 2007.01a
• /
• pp.173-180
• /
• 2007

최근 모바일 기기의 활성화에 따라 M-learning (Mobile learning)이 활성화되고 있다. M-learning을 기반으로 한 코스웨어나 모듈 설계 시 학습자의 적극적 참여와 의미 있는 상호작용의 기회 제공과 실제적 환경에서의 교육활동을 지원하는 것에 초점을 맞추어야 한다. 근접발달영역이론 (Zone of Proximal Development : ZPD)이란 독자적으로 문제를 해결함으로써 결정되는 실제적 발달수준과 성인의 안내나 보다 능력 있는 또래들과 협동하여 문제를 해결함으로써 결정되는 잠재적 발달수준간의 거리이다. 한편, 스캐폴딩은 학습자의 근접발달영역을 변화시키며, 학습자가 스스로 학습할 수 있도록 도와주는 구체적인 방식이라 할 수 있다. 또한 스캐폴딩 (Scaffolding)은 학습자가 구조를 조직하고 새로운 지식을 구성하도록 교수자 또는 촉진자가 도와주면서 교수자와 학습자간에 상호작용하는 과정이다. 본 연구에서는 근접발달영역이론을 이용하여 모바일로 교사가 학습자에게 스캐폴딩을 제공하는 수업모형을 제안한다. 본 모형의 특징은 다음과 같다. 첫째, 문제해결을 위한 스캐폴딩만이 아니라 문제 해결 후 격려 스캐폴딩을 제공하여 학습력 강화가 이뤄지도록 하였다. 둘째, 교사와 학습자 사이에 다양한 스캐폴딩을 제공하여 상호작용을 강화하였다. 셋째, 자신에게 맞는 개별학습, 반복 학습이 가능하고 자기 주도적 학습이 강화되도록 하였다.

• KIISE Transactions on Computing Practices
• /
• v.21 no.11
• /
• pp.706-712
• /
• 2015

These days, much information is provided as a list of summaries through mobile services. In this regard, users consume information in which they are interested by observing the list and not by expressing their interest explicitly or implicitly through rating content or clicking links. Therefore, to appropriately model a user's interest, it is necessary to detect latent interest content. In this study, we propose a method for reasoning latent interest of a user by analyzing mobile content consumption logs of the user. Specifically, since erroneous reasoning will drastically degrade service quality, a unanimity ensemble method is adopted to maximize precision. In this method, an item is determined as the subject of latent interest only when multiple classifiers considering various aspects of the log unanimously agree. Accurate reasoning of latent interest will contribute to enhancing the quality of personalized services such as interest-based recommendation systems.

• 한국정보교육학회:학술대회논문집
• /
• 2007.08a
• /
• pp.192-194
• /
• 2007

프로그래밍 교육은 학생들이 컴퓨터를 주체적이고 능동적으로 활용할 수 있도록 해주며, 창의적 사고력, 수학적 능력 함양등 교육적으로 많은 잠재 가치를 가지고 있다. 그러나 프로그래밍 언어를 학습하기가 쉽지 않고 많은 시간을 필요로 하여 학교 교육에서 소외받고 있는 현실이다. 따라서 본 논문은 개정된 초 중등학교 정보통신기술교육 운영지침의 3, 4단계에서 프로그래밍에 관련된 학습 목표를 추출하여 초등학생에게 적용할 수 있는 학습 내용을 단계적으로 구성하였고, 교육용 로봇인 LEGO MINDSTORMS NXT를 사용하여 학습할 수 있도록 프로그램을 설계하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2002.11c
• /
• pp.2149-2152
• /
• 2002

활성화되고 있는 전자상거래에 있어서 단순히 정해진 정보를 고객에게 제공하는 범위를 벗어나 고객의 특성에 따라 고객에 맞는 정보를 제공함으로서 매출 신장을 통하여 이윤확대를 꾀할 수 있다. 그러므로 본 연구에서는 베이지안 학습법을 이용하여 회원고객의 특성에 따른 분류화를 통하여 잠재적 구매 고객에 대한 구매 스타일을 예측하여 타겟광고가 가능한 기법에 대해 연구하였다.

• Education of Primary School Mathematics
• /
• v.24 no.1
• /
• pp.1-20
• /
• 2021

Factors influencing mathematics academic achievement are constantly changing and have direct and indirect effects on mathematics achievement, so longitudinal studies that can predict and analyze their growth are needed. This study uses longitudinal data on students from 2011 (5th grade of elementary school) to 2015 (2nd grade of middle school) of the Seoul Education Longitudinal Study, and divides them into groups with similar longitudinal changes in mathematics academic achievement. The direct and indirect effects of learning attitudes and achievement goals were examined. As a result of the study, it was found that learning effort and learning attitude had a direct effect on mathematics achievement in 1 group (2277 students, 67.7%), and learning attitude had a direct effect on mathematics achievement in 3 groups (958 students, 28.5%). And it was found that learning effort h ad an indirect effect. In addition, it was found that both learning attitudes, learning efforts, and achievement goals had no effect on the academic achievement of mathematics in the second group (127 students, 3.8%).

• The Journal of Society for e-Business Studies
• /
• v.14 no.4
• /
• pp.47-57
• /
• 2009

Collaborative tagging systems allow users to attach tags to diverse sharable contents in social networks. These tags provide usefulness in reusing the contents for all community members as well as their creators. Three-dimensional data composed of users, items, and tags are used in the collaborative tag-based recommendation. They are generally more voluminous and sparse than two-dimensional data composed of users and items. Therefore, there are many difficulties in applying existing collaborative filtering methods directly to them. Latent factor models, which are also successful in the area of collaborative filtering recently, discover latent features(factors) for explaining observed values and solve problems based on the features. However, establishing the models require much time and efforts. In order to apply the latent factor models to three-dimensional collaborative filtering data, we have to overcome the difficulty of establishing them. This paper proposes various methods for determining preferences of users to items via establishing an intuitive model by assuming tags used for items as latent factors to users and items respectively. They are compared using real data for concluding desirable directions.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2013.11a
• /
• pp.1294-1297
• /
• 2013

본 논문은 기계학습을 통하여 특허문서를 국제 특허 분류(IPC) 기준에 따라 자동으로 분류하는 시스템에 관한 연구로 잠재 의미 색인 기법을 이용하여 분류의 성능을 높일 수 있는 방법을 제안하기 위한 연구이다. 종래 특허문서에 관한 IPC 자동 분류에 관한 연구가 단어 매칭 방식의 색인 기법에 의존해서 이루어진바가 있으나, 현대 기술용어의 발생 속도와 다양성 등을 고려할 때 특허문서들 간의 관련성을 분석하는데 있어서는 단어 자체의 빈도 보다는 용어의 개념에 의한 접근이 보다 효과적일 것이라 판단하여 잠재 의미 색인(LSI) 기법에 의한 분류에 관한 연구를 하게 된 것이다. 실험은 단어 매칭 방식의 색인 기법의 대표적인 자질선택 방법인 정보획득량(IG)과 카이제곱 통계량(CHI)을 이용했을 때의 성능과 잠재 의미 색인 방법을 이용했을 때의 성능을 SVM, kNN 및 Naive Bayes 분류기를 사용하여 분석하고, 그중 가장 성능이 우수하게 나오는 SVM을 사용하여 잠재 의미 색인에서 명사가 해당 용어의 개념적 의미 구조를 구축하는데 기여하는 정도가 어느 정도인지 평가함과 아울러, LSI 기법 이용시 최적의 성능을 나타내는 특이값의 범위를 실험을 통해 비교 분석 하였다. 분석결과 LSI 기법이 단어 매칭 기법(IG, CHI)에 비해 우수한 성능을 보였으며, SVM, Naive Bayes 분류기는 단어 매칭 기법에서는 비슷한 수준을 보였으나, LSI 기법에서는 SVM의 성능이 월등이 우수한 것으로 나왔다. 또한, SVM은 LSI 기법에서 약 3%의 성능 향상을 보였지만 Naive Bayes는 오히려 20%의 성능 저하를 보였다. LSI 기법에서 명사가 잠재적 의미 구조에 미치는 영향은 모든 단어들을 내용어로 한 경우 보다 약 10% 더 향상된 결과를 보여주었고, 특이값의 범위에 따른 성능 분석에 있어서는 30% 수준에 Rank 되는 범위에서 가장 높은 성능의 결과가 나왔다.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.9
• /
• pp.367-374
• /
• 2021

Stock price prediction is a subject of research in various fields such as economy, statistics, computer engineering, etc. In recent years, researches on predicting the movement of stock prices by learning artificial intelligence models from various indicators such as basic indicators and technical indicators have become active. This study proposes a deep learning model that predicts the ups and downs of KOSPI from overseas indices such as S&P500, past KOSPI indices, and trading trends by KOSPI investors. The proposed model extracts a latent variable using a stacked auto-encoder to predict stock price fluctuations, and predicts the fluctuation of the closing price compared to the market price of the day by learning an LSTM suitable for learning time series data from the extracted latent variable to decide to buy or sell based on the value. As a result of comparing the returns and prediction accuracy of the proposed model and the comparative models, the proposed model showed better performance than the comparative models.