• 한국응용과학기술학회지
• /
• 제36권1호
• /
• pp.279-298
• /
• 2019

기존 학술적으로 논의되던 프로테안 경력과 무경계 경력에 대한 실증 연구들이 활발하게 진행되고 그 개념도 명확해 지고 있다. 선행연구에서는 프로테안 경력과 무경계 경력의 주관적 경력성공에 대한 연구 등은 많았지만 두 독립 변인이 근로자의 긍정적 경력태도, 미래 학습 준비도에 미치는 영향 등에 대한 연구는 미흡하였다. 따라서 이 연구에서는 근로자의 프로테안 경력 지향성과 무경계 경력, 근로자의 긍정적 경력태도, 미래 학습 준비도에서 경력개발지원정책의 조절 효과를 탐색하였다. 경력관련 변인간 관계를 보면 프로테안 경력은 경력개발정책과 긍정적 경력태도에 정적인 상관을 나타내고, 무경계 경력은 긍정적 경력태도와 미래 학습 준비도에 정적인 상관을 나타냈다. 경력개발지원정책의 조절 효과에서는 프로테안 경력과 무경계 경력의 미래 학습 준비도와의 관계에서 경력개발지원정책은 조절효과를 나타냈다. 이 연구에서 나타난 경력개발지원정책의 조절효과는 자기주도적 경력개발을 위한 의도와 학습의 관계에서 유의미한 결과로 볼 수 있다. 또한, 경력개발지원 정책을 주관하는 조직내 HRD/HRM 부서의 역할에 따라 근로자의 미래를 위한 학습의지에 영향을 미칠 수 있음을 시사한다.

• 한국지능시스템학회:학술대회논문집
• /
• 한국퍼지및지능시스템학회 2005년도 추계학술대회 학술발표 논문집 제15권 제2호
• /
• pp.234-237
• /
• 2005

강화학습을 위한 많은 방법 중 정책 반복을 이용한 actor-critic 학습 방법이 많은 적용 사례를 통해서 그 가능성을 인정받고 있다. Actor-critic 학습 방법은 제어입력 선택 전략을 위한 actor 학습과 가치 함수 근사를 위한 critic 학습이 필요하다. 본 논문은 critic의 학습을 위해 빠른 수렴성을 보장하는 RLS(recursive least square)를 사용하고, actor의 학습을 위해 정책의 기울기(policy gradient)를 이용하는 새로운 알고리즘을 제안하였다. 그리고 이를 실험적으로 확인하여 제안한 논문의 성능을 확인해 보았다.

• 교육녹색환경연구
• /
• 제20권3호
• /
• pp.11-24
• /
• 2021

본 연구의 목적은 K-에듀 통합플랫폼을 성공적으로 구축하기 위해 국내·외 민간기업의 에듀테크 트랜드와 콘텐츠 현황을 조사하고, 미래 교수-학습 방법 및 학습 양식과의 연관성을 분석하여 향후 일선학교에서 각 교과목별 교수-학습방법과 가장 적합성이 뛰어난 콘텐츠를 쉽게 연결할 수 있도록 기초자료를 제공하는데 있다. 이를 위하여 문헌자료 조사 및 2021년 교육박람회 참가 기업 관계자와의 현장 인터뷰를 통해 해외 22개(28종), 국내 46개(88종) 등 총68개 기업에서 생산한 에듀테크 콘텐츠 총116종에 대하여 미래 교수-학습 방법 및 학습양식과의 상호 연결(matching) 여부에 대하여 조사하고 그 결과를 제시하였다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제11권3호
• /
• pp.141-148
• /
• 2022

최근 들어 강화 학습은 심층 신경망 기술과 결합되어 바둑, 체스와 같은 보드 게임, Atari, StartCraft와 같은 컴퓨터 게임, 로봇 물체 조작 작업 등과 같은 다양한 분야에서 매우 놀라운 성공을 거두었다. 하지만 이러한 심층 강화 학습은 행동, 상태, 정책 등을 모두 벡터 형태로 표현한다. 따라서 기존의 심층 강화 학습은 학습된 정책의 해석 가능성과 일반성에 제한이 있고, 도메인 지식을 학습에 효과적으로 활용하기도 어렵다는 한계성이 있다. 이러한 한계점들을 해결하기 위해 제안된 새로운 관계형 강화 학습 프레임워크인 dNL-RRL은 센서 입력 데이터와 행동 실행 제어는 기존의 심층 강화 학습과 마찬가지로 벡터 표현을 이용하지만, 행동, 상태, 그리고 학습된 정책은 모두 논리 서술자와 규칙들로 나타내는 관계형 표현을 이용한다. 본 논문에서는 dNL-RRL 관계형 강화 학습 프레임워크를 이용하여 제조 환경 내에서 운송용 모바일 로봇을 위한 행동 정책 학습을 수행하는 효과적인 방법을 제시한다. 특히 본 연구에서는 관계형 강화 학습의 효율성을 높이기 위해, 인간 전문가의 사전 도메인 지식을 활용하는 방안들을 제안한다. 여러 가지 실험들을 통해, 본 논문에서 제안하는 도메인 지식을 활용한 관계형 강화 학습 프레임워크의 성능 개선 효과를 입증한다.

• 한국엔터테인먼트산업학회논문지
• /
• 제14권3호
• /
• pp.117-132
• /
• 2020

본 연구의 목적은 한국과 독일의 평생교육정책을 역사적 변천과정을 중심으로 검토하여 이를 토대로 한국의 평생교육정책에 바람직한 발전방안을 모색하는데 있다. 이를 위해 한국과 독일의 평생교육에 대한 연구논문과 독일 연방 교육연구부(BMBF), 독일 성인교육연구소(DIE), 독일 성인교육협회(DVV), 유럽 성인교육협회(EAEA), 유네스코 평생학습연구소(UIL)와 국가평생교육진흥원에서 발간한 실무자료 등을 활용하여 한국과 독일의 평생교육정책을 비교·분석하였다. 연구결과, 독일의 평생교육정책은 지역의 특성에 맞는 프로그램을 운영하는 가운데, 사회적·직업적 전문성 향상을 촉진하고 있으며, 한국의 평생교육정책은 정치적 민감성 때문에 시민교육이 지자체 단위의 평생교육 차원에서 미비한 수준임을 확인할 수 있었다. 또한, 독일의 경우 평생교육 참여가 용이한 환경에 대한 구축을 통하여 평생교육 참여율에 대한 확대를 추진하고 있으며, 이에 반해 한국의 평생교육 참여율은 경제협력개발기구(OECD)선진국에 비해 낮은 상태인 것으로 확인되었다. 마지막으로, 독일의 평생교육정책은 교육에 있어서 독립이라는 이념적 원칙에 따라 사회의 요구에 자연스러운 변화를 추구하고 있으며, 그에 반해 한국의 평생교육정책은 중앙정부에 의해 통제되는 경향이 강한 것을 확인할 수 있었다. 본 연구결과 독일의 평생교육정책은 한국의 평생교육정책에 다음과 같은 시사점을 제공한다. 첫째, 학습자의 교육 수요가 다양해짐에 따라 공급자 중심에서 학습자 중심 교육체계에 대한 확대이다. 둘째, 직업분야의 평생교육에 대한 활성화이다. 셋째, 양질의 평생학습 지원을 위한 평생교육 예산 확대이다. 넷째, 지속가능한 평생학습사회 실현을 위한 종합적이고 장기적인 시스템 구축이 이루어져야 한다.

• 한국디지털정책학회:학술대회논문집
• /
• 한국디지털정책학회 2004년도 춘계학술대회
• /
• pp.517-524
• /
• 2004

교육은 끊임없는 대화로 이루어지므로 웹을 통한 온라인 학습 시스템에서도 사회적 상호작용이 활발히 일어날 수 있는 환경을 만드는것이 필수적이다. 이에 본 연구에서는 인터넷을 활용한 효과적인 문제 해결학습을 위해 플랫폼 독립적인 상호작용도구를 이용하는 웹 기반의 문제 해결학습시스템을 개발하였다. 문제 해결 모델은 학교 현장에서 학습효과를 증진시키기 위한 문제 해결 학습 모형으로 전문가 모둠 활동과 향상점수를 활용하여 학습에 긍정적인 영향을 주는 것으로 평가되고 있다. 본 연구에서는 문제해결을 위한 핵심적인 기법이라고 할 수 있는 문제분석과 결정분석 두 가지 기법을 중심으로 학습 프로그램 내용을 조직하고 지원하는 여러 가지 기능을 개발하였다.

• 한국디지털정책학회:학술대회논문집
• /
• 한국디지털정책학회 2004년도 춘계학술대회
• /
• pp.719-731
• /
• 2004

2003 년에 정부에서 여러 가지 활동과 2004 년 1월에는 산업자원부에서 'e- Learning 산업발전법' 을 공표함으로써 e- Learning 산업의 앞날이 밝아오고 있다. 하지만 아직은 전통적인 교육보다 e-Learning이 일반적으로 성과나 만족도가 떨어진다는 연구가 지배적이다 [1, 17] 이러한 상황에서 e-Learning을 확산한다는 것은 매우 어렵다. 이것은 e-Learning을 경험하는 학습자들의 만족을 통하여 e-Learning의 확산을 촉진할 수 있는데, 이를 위하여 e-Learning 환경에서 학습자들이 어떠한 요인들로써 만족을 느낄 수 있는지 알아보아야 한다. 학습자의 특성에 따라 만족도에 미치는 요인들을 찾아내어 학습자의 특성에 맞게 관리를 해줌으로써 온라인 환경에서 학습자들을 효과적으로 관리할 수 있어야 한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.15-18
• /
• 2006

강화 학습은 시행착오를 통해 동적 환경과 상호작용하면서 학습을 수행하는 학습 방법으로 본 논문에서 테스트 환경으로 사용하는 Keepaway와 같은 동적인 환경에서 주로 사용하는 학습 방법이다. 본 논문에서는 학습을 통한 에이전트가 다른 정책을 사용하는 에이전트보다 성능이 더 높다는 것을 보이고자 한다. 학습 초기에는 다양한 전략을 평가하기 위해 최적이 아닌 행동을 선택하지만 시간이 지남에 따라 최적의 행동 선택에 수렴해 가는 것을 보이기 위한 실험을 수행한다. 이 실험을 통해 고정된 행동 양식을 가지는 정책보다 강화 학습을 이용한 에이전트들의 성능이 더 효과적인 것을 알 수 있었다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2020년도 제62차 하계학술대회논문집 28권2호
• /
• pp.347-349
• /
• 2020

본 논문에서는 컴퓨팅 이미지 객체인식 시스템인 YOLO 성능 향상을 위한 효율적인 이미지 마킹 정책을 제안한다. 이 정책은 이미지 데이터를 통한 객체인식 학습 YOLO의 객체인식을 높이고 다른 객체와의 구분을 최대화하여 학습 모델의 성능을 높인다. YOLO의 성능을 최대화하기 위하여 YOLO의 학습을 몇 번 시킬 것인지 무엇을 객체로 인식시킬지 동적으로 할당한다. 이때 학습 싸이클에 따라 객체의 인식이 달라지며 어느 싸이클에서 가장 효율적인지, 왜 다른 객체를 같이 학습시켜야 하는지 중명한다. 본 논문에서는 YOLO의 싸이클과 다른 객체 학습에 있어서 최적의 객체인식 싸이클과 학습 성능 향상 면에서 우수함을 보인다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.759-762
• /
• 2018

최근 들어 점차 지능형 서비스 로봇들이 인간의 실생활 속으로 들어옴에 따라, 로봇 스스로 다양한 물체들을 효과적으로 조작할 수 있는 지식을 습득하는 기계 학습 기술들이 매우 주목을 받고 있다. 전통적으로 로봇 행위 학습 분야에는 강화 학습 혹은 심층 강화 학습 기술들이 주로 많이 적용되어 왔으나, 이들은 대부분 물체 조작 작업과 같이 다차원 연속 상태 공간과 행동 공간에서 최적의 행동 정책을 학습하는데 여러가지 한계점을 가지고 있다. 따라서 본 논문에서는 전문가의 데모 데이터를 활용해 보다 효율적으로 물체 조작 행위들을 학습할 수 있는 모방 학습과 강화 학습의 통합 프레임워크를 제안한다. 이 통합 프레임워크는 학습의 효율성을 향상시키기 위해, 기존의 GAIL 학습 체계를 토대로 PPO 기반 강화 학습 단계의 도입, 보상 함수의 확장, 상태 유사도 기반 데모 선택 전략의 채용 등을 새롭게 시도한 것이다. 다양한 성능 비교 실험들을 통해, 본 논문에서 제안한 통합 학습 프레임워크인 PGAIL의 우수성을 확인할 수 있었다.