• The Transactions of the Korea Information Processing Society
• /
• v.13 no.9
• /
• pp.460-467
• /
• 2024

Targeted career development is critical for student success but is often lacking for underrepresented students at many public higher-education institutions due to insufficient career counseling resources. We propose an innovative career development tool leveraging Large Language Models (LLMs) to enhance student career prospects through three steps: (1) identifying relevant jobs by analyzing resumes, (2) pinpointing skill gaps using external resources such as classroom assignments, in addition to resumes, and (3) suggesting customized learning paths. Our tool accurately matches jobs in real-world settings, identifies true skill gaps while reducing false positives, and provides learning paths that receive high satisfaction scores from faculty. Future research will enhance the solution's capabilities by incorporating diverse external resources and leveraging advancements in LLM technology to better support early-stage career seekers.

• Journal of The Korean Association For Science Education
• /
• v.34 no.8
• /
• pp.731-744
• /
• 2014

Extracting students' own culture and resources as main sources in science class, we begin a research to explore teaching and learning settings that are more responsive to adolescents. This study has been designed to explore the funds of knowledge that students bring into middle school science class. It also focused on the features of teaching and learning settings that stimulated the autonomous inflow of students' funds of knowledge as resources of science learning. Data from participant observations and in-depth interviews with 7th grade students were qualitatively analyzed based on grounded theory. We found that students' funds of knowledge were formed from their family life, neighbor communities, peer group, and pop culture. The funds of knowledge based on peer culture emerged as the most salient factor of students' enhanced participation and utterance. Common features of classes that stimulated the inflow of funds of knowledge were analyzed to be: (1) hybrid spaces for learning designed in advance: (2) sharing and enlargement of the funds of knowledge that has been brought into the class: and (3) common orientation of the community of practice for knowledge co-construction and shared outcomes. From these findings, this paper discussed the educational implications for promoting students' potential resources to actual sources of science class. It also discussed students' development of participation specifically among the generally marginalized students. Science classes based on the funds of knowledge of students offer an increased possibility of knowledge co-construction through the hybridized interactions of student's everyday lives and science knowledge and lead to more meaningful learning experiences.

• Annual Conference on Human and Language Technology
• /
• 2020.10a
• /
• pp.383-388
• /
• 2020

본 연구에서는 AI 어시스턴트의 음악청취 도메인 내 요청문을 인식 및 처리하기 위해 한국어와 중국어를 중심으로 도메인 사전 및 패턴문법 언어자원을 구축하고 그 결과를 비교분석 하였다. 이를 통해 향후 다국어 언어자원 구축의 접근 방법을 모색할 수 있으며, 궁극적으로 패턴 기반 문법으로 기술한 언어자원을 요청문 인식에 직접 활용하고 또한 주석코퍼스 생성을 통해 기계학습 성능 향상에 도움을 줄 수 있을 것으로 기대된다. 본 연구에서는 우선 패턴문법의 구체적인 양상을 살펴보기에 앞서, 해당 도메인의 요청문 유형의 카테고리를 결정하는 과정을 거쳤다. 이를 기반으로 한국어와 중국어 요청문의 실현 양상과 패턴유형을 LGG 프레임으로 구조화한 후, 한국어와 중국어 패턴문법 간의 통사적, 형태적, 어휘적 차이점을 비교분석 하여 음악청취 도메인 요청문의 언어별 생성 구조 차이점을 관찰할 수 있었다. 구축한 패턴문법은 개체명을 변수(X)로 설정하는 경우, 한국어에서는 약 2,600,600개, 중국어에서는 약 11,195,600개의 표현을 인식할 수 있었다. 결과적으로 본 연구에서 제안한 언어자원의 언어별 차이에 대한 통찰을 통해 다국어 차원의 요청문 인식 자원과 기계학습 데이터로서의 효용을 확인하였다.

• Environmental and Resource Economics Review
• /
• v.6 no.2
• /
• pp.193-208
• /
• 1997

본 연구는 발전 기술이 다양한 우리나라 원자력 발전소들 사이의 운전 경험에 대한 정보가 원자력 발전소의 운전 성과에 미치는 효과를 실증적으로 분석하는 것을 목적으로 하였다. 기존의 원자력 발전의 학습 효과 분석은 주로 단일 발전소를 대상으로 수행되었다. 그러나 어떤 발전소의 운전 경험이 운전 성과에 미치는 효과는 그 발전소에만 국한되는 것이 아니고 다른 발전소에도 영향을 줄 수 있으므로 발전소들 사이의 운전 경험에 대한 정보의 공유에 대한 분석이 요구된다. 그런데 모든 발전소의 운전 경험이 동일한 가치를 가지고 있다고 볼 수는 없다. 동일 부지와 동질적 발전 기술을 가진 발전소들 사이에는 운전 경험의 운전학습효과가 클 것이지만 다른 부지와 이질적 발전 기술의 발전소들 사이에는 운전 경험에 관한 정보의 공유 비용이 높을 것으로 기대된다. 본 연구의 실증 분석 결과, 동질적 기술을 가지고 있는 발전소들 사이의 운전 정보의 공유가 대체적으로 더 활발한 것으로 분석되었으며 동일 부지에 있는 발전소들의 운전 경험이 운전 성과 향상에 미치는 효과가 큼을 알 수 있다. 이러한 실증 분석 결과는 예상과 일치하는 것으로 기존의 다양한 원자력 발전 기술의 도입이 발전소의 운전 성과 측면에서는 비효율적이었음을 지적하는 것이다.

• Annual Conference on Human and Language Technology
• /
• 2014.10a
• /
• pp.44-47
• /
• 2014

한국어 의미역 결정(Semantic Role Labeling)은 주로 기계 학습에 의해 이루어지며 많은 말뭉치 자원을 필요로 한다. 그러나 한국어 의미역 결정 시스템에서 사용되는 Korean PropBank는 의미역 부착 말뭉치와 동사 격틀이 영어 PropBank의 1/8 수준에 불과하다. 따라서 본 논문에서는 한국어 의미역 결정 시스템을 위해 의미역 부착 말뭉치와 동사 격틀을 확장하여 Korean PropBank를 확장 시키고자 한다. 의미역 부착 말뭉치를 만드는 일은 많은 자원과 시간이 소비되는 작업이다. 본 논문에서는 도메인 적응 기술을 적용해보고 기존의 학습 데이터를 활용하여, 적은 양의 새로운 학습 말뭉치만을 가지고 성능 하락을 최소화 할 수 있는지 실험을 통해 알아보고자 한다.

• Annual Conference of KIPS
• /
• 2023.11a
• /
• pp.695-697
• /
• 2023

최근 몇 년 간 딥러닝 기반 모델의 규모와 복잡성이 증가하면서 강력하고, 높은 정확도가 확보되지만 많은 양의 계산 자원과 메모리가 필요하기 때문에 모바일 장치나 임베디드 시스템과 같은 리소스가 제한된 환경에서의 배포에 제약사항이 생긴다. 복잡한 딥러닝 모델의 배포 및 운영 시 요구되는 고성능 컴퓨터 자원의 문제점을 해결하고자 사전 학습된 대규모 모델로부터 가벼운 모델을 학습시키는 지식증류 기법이 제안되었다. 하지만 현대 딥러닝 기반 모델은 높은 정확도 대비 훈련 데이터에 과적합 되는 과잉 확신(overconfidence) 문제에 대한 대책이 필요하다. 본 논문은 효율적인 경량화를 위한 미리 학습된 모델의 과잉 확신을 방지하고자 초점 손실(focal loss)을 이용한 모델 보정 기법을 언급하며, 다양한 손실 함수 변형에 따라서 지식증류의 성능이 어떻게 변화하는지에 대해 탐구하고자 한다.

• Proceedings of the Korea Contents Association Conference
• /
• 2019.05a
• /
• pp.425-426
• /
• 2019

전통적인 마이닝 기법은 다양한 디지털 매체와 센서 등에서 생산되는 빅데이터를 처리하기 어려울 뿐 아니라 신규 데이터 누적시 전체 데이터를 재분석 해야하는 비효율성과 대용량의 문서를 학습함에 있어 메모리부족 문제, 학습 소요시간 문제 등이 있다. 이러한 문제를 해결하기 위하여 본 논문에서는 자질축소 기법에 의존하지 않고 대량의 문서를 자유롭게 학습하고 부분적인 자질 추가 변경 시에 변경요소만을 추가 반영할 수 있는 범용적이고 일반적인 분류기의 구조설계 방법을 설계 및 구현하였다. 점진적 학습 모듈은 일반적인 학습 방법이 데이터의 추가 및 변동시마다 모든 데이터를 재학습하는 데 반해, 기존의 학습 결과에 증분된 데이터만 재처리 없이 추가적으로 학습한다. 재학습을 위해 사용자는 작업 수행 중 자원 관리를 통해 기존에 처리된 데이터를 자유롭게 가져와서 새로운 데이터와 병합이 가능하다. 이러한 점직적 학습 효율성은 빅데이터 기반 데이터 처리에 주요한 특성인 데이터 생산 속도를 극복하기 위한 좋은 대안이 될 수 있음을 확인하였다.

• Annual Conference on Human and Language Technology
• /
• 2019.10a
• /
• pp.111-114
• /
• 2019

BERT는 자연어처리 여러 응용 분야(task)에서 우수한 성능을 보여줬으나, BERT 사전학습 모델을 학습하기 위해서는 많은 학습 시간과 학습 자원이 요구된다. 본 논문에서는 빠른 학습을 위한 한국어 BERT 학습 방법을 제안한다. 본 논문에서는 다음과 같은 세 가지 학습 방법을 적용했다. 교착어인 한국어 특성을 반영하기 위해 형태소 분석 기반의 사전을 사용하였으며, 단어 간 상대적 위치 표현을 추가하여, 상대적 위치 정보를 학습했다. 또한 BERT 베이스 모델의 12-레이어 중 3-레이어만을 사용하여, 모델을 경량화시켰다.

• Journal of Digital Convergence
• /
• v.18 no.4
• /
• pp.67-74
• /
• 2020

The purpose of this study has developed a teaching and learning informatization indicator that provides the basis for utilizing or disseminating the beneficial teaching and learning informatization environment promoted by each university. The research method analyzes various informatization indicators developed by KERIS from 2002 to 2015 and recent environment such as Edutech, future education report, teaching and learning field report, and reflects them in indicator development. The development of the third indicator was completed by dividing it into Input, Process, Output stages by reflecting expert opinions in the first and second indicators. As a result, the core words of the university's teaching-learning informatization infrastructure building, sharing of educational resources, open development and sharing, joint purchase of resources, information safety system and literacy education, current status grasping, and resource utilization were derived. In the future, I will fill out the questionnaire to supplement the question through a pilot test and to grasp the current status of teaching and learning informatization in the entire university.

• KNOM Review
• /
• v.21 no.2
• /
• pp.1-9
• /
• 2018

Network virtualization refers to a technology creating independent virtual network environment on a physical network. Network virtualization technology can share the physical network resources to reduce the cost of establishing the network for each user and enables the network administrator to dynamically change the network configuration according to the purpose. Although the network management can be handled dynamically, the management is manual, and it does not maximize the profit of network virtualization. In this paper, we propose Machine-Learning technology to allow the network to learn by itself and manage its management dynamically. The proposed approach is to dynamically allocate appropriate resources by predicting resource demand of VNF in service function chaining, which is a core and essential problem in virtual network management. Our goal is to predict the resource demand of the VNF and dynamically allocate the appropriate resources to reduce the cost of network operation while preventing service interruption.