• 한국벤처창업학회:학술대회논문집
• /
• 2021.04a
• /
• pp.79-83
• /
• 2021

2020년 2월 중순 이루 코로나 바이러스 2019(Covid-19)로 인하여 정부의 기술창업기업 지원 방식도 전반적으로 기존의 대면 방식에서 비대면 방식으로 전환하여 현재까지 대부분 진행되어 오고 있다. 창업기업에 대한 멘토링은 특히 멘티인 창업자와 멘토가 기존에 알고 있는 관계가 아닌 대부분 처음 만나는 관계의 확률이 높음에 따라 사전에 상호간에 라포(Rapport)가 형성되지 않은 상태에서 멘토링이 이루어진다. 이로 인해 Rapport가 형성이 안된 상태에서는 서로 호감을 느끼거나, 나아가 공감대 형성, 그리고 터놓고 이야기 하여, 서로 간의 대화가 충분히 감정적으로나 이성적으로 이해하기가 어려운 경우가 대부분이다. 이러한 경우에는 충분한 멘토링이 어려울 것으로 예상할 수 있다. 따라서 본 연구는 창업 멘토링의 특수성을 감안해 볼 때 정부 기술창업지원 방식 중 기업의 성과를 높이기 위한 멘토링 과정에서 대면 또는 비대면 방식의 방법 차이가 멘토링 만족도에 영향을 주는 것을 그 목적으로 한다. 본 연구는 창업 기업의 성과를 높이기 위한 중소벤처기업부의 도약패키지 사업 중 2019년과 2020년의 제품 아카데미 사업에 참여한 283명을 대면 방식이었던 2019년 211명과 비대면 방식이었던 2020년 72명의 창업 기업 멘티들의 학습 과정에서 발생하는 배운 내용을 실천하고자 하는 학습 전이 효과 경로에 차이가 발생하는 지에 대하여 분석하였다. 자기 기입 설문 방식으로 인해 발생할 수 있는 동일방법편의를 해결하고자 구조화된 설문지 구성할 때부터 응답자의 일관성 동기를 줄이려고 하였고, 통계분석 단계에서도 다수이 방법으로 측정하는 일반 CFA 모형을 활용하였다. 실증 분석결과 비대면 방식의 창업 멘토링 방식을 학습 전이 효과 경로 결과에 있어서 조절효과가 있음을 유의한 통계적 결과고 확인하고, 사후 검증을 통해 볼 때 등분산 가정이 되지 않은 상황에서 차이가 있음을 통계적으로 유의하게 나타났다.

• Journal of Convergence for Information Technology
• /
• v.10 no.9
• /
• pp.79-87
• /
• 2020

The purpose of this study was to investigate the effect of flipped learning in ASP(after school program) on self-directed learning ability and learning motivation. This study used a one group pre test-post test design. Data derived from 35 person nursing students enrolled in after-school program between 17 December 2018 and 18 January 2019 at D university. The learner's self-directed learning ability increased, statistically differed differences(t=-4.04, p<.001) but, motivation increased there were no statistically significant differences(t=-1.08, p=.288). The average of ASP satisfaction scores for the program was 3.49 ± 0.93. Therefore, it is suggested that educators and schools organize their flipped learning methods in the curriculum to improve learners' self-directed learning ability.

• Proceedings of the Korean Society for Cognitive Science Conference
• /
• 2005.05a
• /
• pp.154-157
• /
• 2005

본 연구는 한국어를 학습한 경험이 없는 일본인의 한국어 치경폐쇄음 세 음소 범주(/ㄷ/, /ㄸ/, /ㅌ/)에 대한 지각 학습이 양순폐쇄음 세 음소(/ㅂ/. /ㅃ/, /ㅍ/) 지각에 미치는 효과를 검토하였다. 김윤현과 김정오 (2005)는 일본인들이 지각 학습과제에서 한국어 치경폐쇄음 세 범주를 구분할 때 기식성. 긴장성과 같은 변별 자질에 선택주의 하게 됨을 시사하는 결과를 얻었다. 치경음에 대한 지각 학습으로 적절한 단서에 선택주의 하게 되었다면, 같은 지각 차원에 따라 세 범주로 구분되는 양순음의 경우에도 치경폐쇄음 학습 후 음성자극들을 옳게 범주화를 할 것이다. 실험 결과, 치경폐쇄음 자극(/다/, /따/, /타/)만으로 이루어진 동일-상이판단 학습 과제에서 치경폐쇄음 파악의 정확율은 29.1%(표준오차=3.02) 증가하였고, 조음 위치의 변화에 따른 음향적 차이에도 불구하고 양순폐쇄음의 정반응율도 15.8%(표준오차=3.27)의 향상을 보였다. 이 전이효과는 치경음 지각 학습 때문에 일본인들이 폐쇄음의 세 음소 범주를 구분하는 적절한 지각 차원에 선택주의하게 되었음을 시사한다.

• Annual Conference on Human and Language Technology
• /
• 2022.10a
• /
• pp.289-294
• /
• 2022

의존구문분석은 문장을 의존관계(의존소-지배소)로 분석하는 구문분석 방법론이다. 현재 사전학습모델을 사용한 전이 학습의 딥러닝이 좋은 성능을 보이며 많이 연구되지만, 데이터셋에 의존적이며 그로 인한 자료부족 문제와 과적합의 문제가 발생한다는 단점이 있다. 본 논문에서는 언어학적 지식에 기반한 강화된 지배소-의존소 제약규칙 에지 알고리즘을 심층학습과 결합한 모델을 제안한다. TTAS 표준 가이드라인 기반 모두의 말뭉치로 평가한 결과, 최대 UAS 96.28, LAS 93.19의 성능을 보였으며, 선행연구 대비 UAS 2.21%, LAS 1.84%의 향상된 결과를 보였다. 또한 적은 데이터셋으로 학습했음에도 8배 많은 데이터셋 학습모델 대비 UAS 0.95%의 향상과 11배 빠른 학습 시간을 보였다. 이를 통해 심층학습과 언어지식의 결합이 딥러닝의 문제점을 해결할 수 있음을 확인하였다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2003.11b
• /
• pp.880-883
• /
• 2003

본 연구에서는 효율적인 e-teaming 학습을 학습자에게 적합한 학습 환경의 학습 순서로 제공하기 위한 튜터(코치) 기능의 에이전트 시스템을 제안하고자 한다. 본 연구에서 제안하는 튜터 기능의 에이전트는 다양한 학습자 환경과 학습 수준에 따른 학습자의 학습파일과 선수 학습 자료를 데이터베이스로 저장하여 학습자에게 적합한 학습 순서의 제공을 목적으로 한다. 학습자와 에이전트의 지속적인 상호작용으로 효율적인 e-teaming 학습이 유지될 수 있도록 한다. 본 연구에서는 학습자의 선수(기초) 학습이나 학습 진행 상황, 결과 등의 정보를 저장하고 이를 이용하여 학습자에게 최적의 학습 순서를 제공할 수 있도록 튜터(코치) 기능의 에이전트와 협력 학습이 이루어질 수 있도록 한다. 그 방법의 하나로 학습자의 학습 진행 상황을 저장하고 학습자들의 학습 순서와 시스템에서 제안하는 학습 순서를 비교하여 학습자에게 보다 적합한 학습 순서(courseware)를 제안할 수 있도록 한다. 본 연구의 결과로 학습 순서를 제안하는 튜터 에이전트 시스템은 학습 시스템이 제안하는 학습 순서와 학습자가 학습하고자 하는 학습 순서를 학습자의 학습 진행에 따라 학습 순서를 재구성하고 평가 전에 학습자의 학습 순서 경로를 다시 한번 반복 학습하게 함으로써 학습자가 최대의 학습 효과를 얻을 수 있도록 하는 효과를 나타낼 수 있다.

• Journal of dental hygiene science
• /
• v.10 no.3
• /
• pp.155-160
• /
• 2010

The purpose of this study was to develop an inclusive dental hygiene practice model in an effort to stir up the self-directed learning of learners to boost their problem-solving skills and ability of providing inclusive personal oral health care in a systematic and efficient manner. The subjects in this study were 41 dental hygiene students who were in their second year in C college located in South Jeolla Province as of 2009. An inclusive dental hygiene practice was implemented during a 15-week period of time from August 31 to December 7, 2009, and a self-administered survey was conducted before and after that by using the same questionnaires. Whether there were any differences between before and after the application of the inclusive dental hygiene practice model was checked, and there was improvement in all the learning motivation, self-directed learning capabilities and satisfaction level. Concerning the relationship of academic standing to changes in learning motivation, self-directed learning capabilities and satisfaction level, the inclusive dental hygiene practice model brought more favorable changes to the students in the lower tiers. The inclusive dental hygiene model should be applied to not only practical courses but theoretical ones so that learners could make progress both in theory and practice, and evaluation tools geared toward assessing their academic achievement and practical abilities should be developed.

• Knowledge Management Research
• /
• v.22 no.3
• /
• pp.91-106
• /
• 2021

With the recent rapid development of deep learning technology, the demand for analyzing huge text documents in the national R&D field from various perspectives is rapidly increasing. In particular, interest in the application of a BERT(Bidirectional Encoder Representations from Transformers) language model that has pre-trained a large corpus is growing. However, the terminology used frequently in highly specialized fields such as national R&D are often not sufficiently learned in basic BERT. This is pointed out as a limitation of understanding documents in specialized fields through BERT. Therefore, this study proposes a method to build an R&D KoBERT language model that transfers national R&D field knowledge to basic BERT using further pre-training. In addition, in order to evaluate the performance of the proposed model, we performed classification analysis on about 116,000 R&D reports in the health care and information and communication fields. Experimental results showed that our proposed model showed higher performance in terms of accuracy compared to the pure KoBERT model.

• Journal of Industrial Convergence
• /
• v.20 no.5
• /
• pp.29-38
• /
• 2022

Because of the need of actual performance of education, this study aims to understand how the factors of educational content and organizational characteristics affect organizational commitment and work performance, which are organizational effects, through learning transfer. As a result, task value, job relevance, and organizational compensation had a significant effect on learning transfer, learning transfer had a significant effect on organizational commitment and work performance, and organizational commitment had a significant effect on work performance. In order to increase the learning transfer of education, when specifying the connection with the actual job and strengthening the compensation system of the members, the learning transfer can be increased and eventually connected to performance. Since limited variables are considered, a more representative sample or professional group should be extracted through future research. In future studies, it will be possible to closely grasp the relationship between learning transfer and organizational effectiveness by setting representative samples and specifying variables.

• Journal of the Society of Disaster Information
• /
• v.19 no.1
• /
• pp.44-59
• /
• 2023

Purpose: In the event of mass casualties, triage must be done promptly and accurately so that as many patients as possible can be recovered and returned to the battlefield. However, medical personnel have received many tasks with less manpower, and the battlefield for classifying patients is too complex and uncertain. Therefore, we studied an artificial intelligence model that can assist and replace medical personnel on the battlefield. Method: The triage model is presented using reinforcement learning, a field of artificial intelligence. The learning of the model is conducted to find a policy that allows as many patients as possible to be treated, taking into account the condition of randomly set patients and the medical capability of the military hospital. Result: Whether the reinforcement learning model progressed well was confirmed through statistical graphs such as cumulative reward values. In addition, it was confirmed through the number of survivors whether the triage of the learned model was accurate. As a result of comparing the performance with the rule-based model, the reinforcement learning model was able to rescue 10% more patients than the rule-based model. Conclusion: Through this study, it was found that the triage model using reinforcement learning can be used as an alternative to assisting and replacing triage decision-making of medical personnel in the case of mass casualties.

• Korean Journal of Remote Sensing
• /
• v.39 no.5_4
• /
• pp.1111-1123
• /
• 2023

In recent times, semantic image segmentation methods using deep learning models have been widely used for monitoring changes in surface attributes using remote sensing imagery. To enhance the performance of various UNet-based deep learning models, including the prominent UNet model, it is imperative to have a sufficiently large training dataset. However, enlarging the training dataset not only escalates the hardware requirements for processing but also significantly increases the time required for training. To address these issues, transfer learning is used as an effective approach, enabling performance improvement of models even in the absence of massive training datasets. In this paper we present three transfer learning models, UNet-ResNet50, UNet-VGG19, and CBAM-DRUNet-VGG19, which are combined with the representative pretrained models of VGG19 model and ResNet50 model. We applied these models to building extraction tasks and analyzed the accuracy improvements resulting from the application of transfer learning. Considering the substantial impact of learning rate on the performance of deep learning models, we also analyzed performance variations of each model based on different learning rate settings. We employed three datasets, namely Kompsat-3A dataset, WHU dataset, and INRIA dataset for evaluating the performance of building extraction results. The average accuracy improvements for the three dataset types, in comparison to the UNet model, were 5.1% for the UNet-ResNet50 model, while both UNet-VGG19 and CBAM-DRUNet-VGG19 models achieved a 7.2% improvement.