• 한국HCI학회:학술대회논문집
• /
• 2006.02b
• /
• pp.487-492
• /
• 2006

컴퓨터 네트워크의 발전에 의해 학습 공간의 시공간적인 확대와 교육 현장에서 교수-학습 과정에 대한 새로운 교수방법을 요구되었고, 유무선 방송, 인터넷 등을 이용하여 다양한 형태의 원격교육이 구체화되어 왔다. 하지만, 현재 운영되는 대부분의 원격교육시스템은 실질적인 학습 상황에서 단방향적인 개별 학습 형태를 보이고 있고, 사용자간의 쌍방향 상호작용을 위해서는 교수자나 학습자에게 일정 수준이상의 기술적 소양과 경제적 부담을 요구한다. 또한 교수자에게는 교수-학습 상황에서 발생하는 학습자 행동에 대한 실시간적인 모니터링과 학습자의 학습과정에 대한 평가의 어려움을, 학습자에게는 자기 반성의 기회를 제대로 제공하지 못하는 문제점을 안고 있다. 이에 본 연구에서는 원격교육에서의 협동학습 지원, 사용자의 기술적, 경제적 부담의 제거, 학습 전(全) 과정에 대한 원활한 모니터링과 피드백 기회의 제공을 목적으로 원격협동학습 시스템을 설계하고, 이를 개발하였다. 본 연구에 의해 개발된 원격협동학습 시스템은 원격협동학습을 지원하는 네트워크 화이트보드, 학습 과정 및 결과를 자연어로 저장하는 저장 모듈, 그리고 저장된 학습 스크립트 파일을 해석하여 재생하는 스크립트 인터프리터로 구성되었다. 네트워크 화이트보드는 소프트웨어적으로 구현되어 부가적인 장치가 불필요하고, 통신 서버를 분산하여 서버 구축에 대한 부담을 제거하였고, 학습 내용 화면을 대화창으로 사용하여 사용자의 사용 편리성을 제고하였다. 또한 원격학습의 장(場)에 교수자가 참여하여 실시간적 모니터링이 가능하고, 학습의 전(全) 과정 및 결과를 저장한 자연어 스크립트 파일에 의해서도 학습자 행동에 대한 모니터링이 가능하다. 저장된 자연어 스크립트 파일은 구현된 인터프리터를 이용한 재생뿐 아니라, 파일 자체만으로도 학습과정을 판독할 수 있고, 스크립트 파일에 대한 해석은 교수자에게는 학습자의 학습 과정에 대한 평가 및 피드백의 근거를, 학습자에게는 자신의 학습 행동에 대한 반성의 기회를 제공한다. 본 시스템은 기존의 원격교육시스템에 비해 장비 및 인터페이스 측면에서 간소화되었고, 원격교육에 면대면 학습 개념을 근사적으로 접목시킨 교수 모델로서의 충분한 가치를 제공하나, 실제적인 학습 적용과 효과에 있어서의 타당성은 차후 검증이 있어야 하고, 또한, 이에 따른 시스템에 대한 지속적인 보완도 필요하다.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.20 no.1
• /
• pp.219-223
• /
• 2020

To guarantee AI model's prominent recognition rate and recognition precision, obtaining the large number of data is essential. In this paper, we propose transfer learning-based object detection algorithm for maintaining outstanding performance even when the volume of training data is small. Also, we proposed a tranfer learning network combining Resnet-50 and YOLO(You Only Look Once) network. The transfer learning network uses the Leeds Sports Pose dataset to train the network that detects the person who occupies the largest part of each images. Simulation results yield to detection rate as 84% and detection precision as 97%.

• Proceedings of the KAIS Fall Conference
• /
• 2010.11b
• /
• pp.846-849
• /
• 2010

본 연구는 2010년 2월부터 2010년 7월까지 B. 뇌 훈련 센터에 자기주도학습 능력 향상을 위하여 방문한 내담자 60명(실험군 30명, 대조군 30명)의 뇌파를 검사하여 뉴로피드백 훈련 전과 훈련 후의 뇌기능과 자기주도학습 능력 변화를 보고자 하였다. 자기주도학습 능력에 영향을 미치는 특정한 뇌 기능의 훈련 전과 후의 결과를 시계열 선형분석으로 비교하였다. 연구의 결과로는 자기조절지수, 훈련모드, 자기주도학습 능력에서 집단 간에 유의미한 차이가 나타났다. 이는 뉴로피드백의 기술을 적용한 뇌 훈련은 자기조절지수와 자기주도학습 능력에 긍정적인 영향을 미친다고 볼 수 있겠다.

• Proceedings of The KACE
• /
• 2018.01a
• /
• pp.29-31
• /
• 2018

프로그래밍 언어 교육에서 일반적으로 학습자들은 블록 기반 프로그래밍 언어에서 텍스트 기반 프로그래밍 언어 순서로 학습한다. 블록 기반 프로그래밍 언어나 텍스트 기반 프로그래밍 언어는 여타의 프로그래밍 언어들과 마찬가지로 프로그래밍의 기본 논리는 동일하나, 형태, 언어적 특성 및 사용 등에 대하여 다소 차이가 있다. 따라서 본 연구에서는 학습자들의 블록 기반 프로그래밍 언어에서 텍스트 기반 프로그래밍 언어로의 유연한 학습 전이를 돕기 위한 프로그램의 설계 방안을 선행 조직자의 제시, 학습 콘텐츠의 체계화, 단순하고 직관적인 화면 구성으로 제시하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.212-215
• /
• 2021

본 논문에서는 딥러닝의 CNN(Convolution Neural Network) 학습을 통하여 악성코드를 실행시키지 않고서 악성코드 변종을 패밀리 그룹으로 분류하는 방법을 연구한다. 먼저 데이터 전처리를 통해 3가지의 서로 다른 방법으로 악성코드 이미지와 메타데이터를 생성하고 이를 CNN으로 학습시킨다. 첫째, 악성코드의 byte 파일을 8비트 gray-scale 이미지로 시각화하는 방법이다. 둘째, 악성코드 asm 파일의 opcode sequence 정보를 추출하고 이를 이미지로 변환하는 방법이다. 셋째, 악성코드 이미지와 메타데이터를 결합하여 분류에 적용하는 방법이다. 이미지 특징 추출을 위해서는 본고에서 제안한 CNN을 통한 학습 방식과 더불어 3개의 Pre-trained된 CNN 모델을 (InceptionV3, Densnet, Resnet-50) 사용하여 전이학습을 진행한다. 전이학습 시에는 마지막 분류 레이어층에서 본 논문에서 선택한 데이터셋에 대해서만 학습하도록 파인튜닝하였다. 결과적으로 가공된 악성코드 데이터를 적용하여 9개의 악성코드 패밀리로 분류하고 예측 정확도를 측정해 비교 분석한다.

• Journal of the Korea Academia-Industrial cooperation Society
• /
• v.17 no.8
• /
• pp.662-672
• /
• 2016

The purpose of this study was to develop an integrated-simulation practice program using standardized patients and to identify the effects of such program. The present study used a pretest-posttest design with a single group applied to 30 fourth-year nursing students in a university and developed a case scenario for alcoholism patients with diabetes mellitus in a community. As results showed, communication skills were significantly improved (t = 4.24, p < .001), but the learning of self-efficacy and motivation of transfer were insignificantly improved compared with the pretest. Moreover, motivation of transfer showed a positive correlation with the learning of self-efficacy (r = .758, p < .01). The purpose of utilizing an appropriate case development based on practical experience and hands-grade students was to improve the motivation of transfer and increase self-efficacy through problem solving. Therefore, we identified that an integrated-simulation practice program using standard patients was useful in the improvement of client centered nursing competence, such as communication skills. In addition, further studies would help develop various scenarios for the integrated-simulation practice program to improve not only communication skills but also increase self-efficacy and motivation of transfer.

• Korean Journal of Remote Sensing
• /
• v.38 no.5_2
• /
• pp.695-706
• /
• 2022

Medium and high-resolution optical satellites have proven their effectiveness in detecting wildfire areas. However, smoke plumes generated by wildfire scatter visible light incidents on the surface, thereby interrupting accurate monitoring of the area where wildfire occurs. Therefore, a technology to extract smoke in advance is required. Deep learning technology is expected to improve the accuracy of smoke extraction, but the lack of training datasets limits the application. However, for clouds, which have a similar property of scattering visible light, a large amount of training datasets has been accumulated. The purpose of this study is to develop a smoke extraction technique using deep learning, and the limits due to the lack of datasets were overcome by using a cloud dataset on transfer learning. To check the effectiveness of transfer learning, a small-scale smoke extraction training set was made, and the smoke extraction performance was compared before and after applying transfer learning using a public cloud dataset. As a result, not only the performance in the visible light wavelength band was enhanced but also in the near infrared (NIR) and short-wave infrared (SWIR). Through the results of this study, it is expected that the lack of datasets, which is a critical limit for using deep learning on smoke extraction, can be solved, and therefore, through the advancement of smoke extraction technology, it will be possible to present an advantage in monitoring wildfires.

• KIPS Transactions on Software and Data Engineering
• /
• v.10 no.9
• /
• pp.339-348
• /
• 2021

In recent software defect prediction research, defect prediction between cross projects and cross-version projects are actively studied. Cross-version defect prediction studies assume WP(Within-Project) so far. However, in the CV(Cross-Version) environment, the previous work does not consider the distribution difference between project versions is important. In this study, we propose an automated Bayesian optimization framework that considers distribution differences between different versions. Through this, it automatically selects whether to perform transfer learning according to the difference in distribution. This framework is a technique that optimizes the distribution difference between versions, transfer learning, and hyper-parameters of the classifier. We confirmed that the method of automatically selecting whether to perform transfer learning based on the distribution difference is effective through experiments. Moreover, we can see that using our optimization framework is effective in improving performance and, as a result, can reduce software inspection effort. This is expected to support practical quality assurance activities for new version projects in a cross-version project environment.

• The Journal of the Korea institute of electronic communication sciences
• /
• v.17 no.3
• /
• pp.483-490
• /
• 2022

Malaria is a disease caused by a parasite and it is prevalent in all over the world. The usual method used to recognize malaria cells is a thick and thin blood smears examination methods, but this method requires a lot of manual calculation, so the efficiency and accuracy are very low as well as the lack of pathologists in impoverished country has led to high malaria mortality rates. In this paper, a malaria cell image recognition model using transfer learning is proposed, which consists in the feature extractor, the residual structure and the fully connected layers. When the pre-training parameters of the VGG-19 model are imported to the proposed model, the parameters of some convolutional layers model are frozen and the fine-tuning method is used to fit the data for the model. Also we implement another malaria cell recognition model without residual structure to compare with the proposed model. The simulation results shows that the model using the residual structure gets better performance than the other model without residual structure and the proposed model has the best accuracy of 97.33% compared to other recent papers.

• Journal of Digital Convergence
• /
• v.17 no.2
• /
• pp.9-18
• /
• 2019

This study investigates the factors affecting the educational satisfaction and the transfer of learning of cyber crime prevention education students in order to confirm the effectiveness of the current education. Based on the CIPP model, we confirmed whether the level of social demand and the level of knowledge in the context evaluation, recency of subjects in the input evaluation and interaction in the process evaluation affect the educational satisfaction and the transfer of learning of the students by conducting the survey for the students. As a result of analysis, it was proved that the level of knowledge, recency of subjects and interaction had a significant relationship with the educational satisfaction and recency of subjects, interaction and educational satisfaction significantly affect transfer of learning. Based on the findings, this study provides a few constructive suggestions to improve the effectiveness of the cyber crime prevention education program.