• Proceedings of the Korean Society of Computer Information Conference
• /
• 2012.01a
• /
• pp.159-162
• /
• 2012

이 연구에서는 사회과 학습부진학생의 부진 원인을 규명하고 사이버 가정학습 2.0을 통해서 일어나는 인식변화과정의 분석을 통해 사이버 가정학습 2.0 시스템에 맞는 상황모형을 도출하였다. 수집된 자료는 근거이론을 통해 분석하였으며, 사회과 학습부진학생이 느끼는 부진 원인에는 인지적 영역과 정의적 영역이 함께 규명됐고, 사이버 가정학습 2.0을 통해 사회과 학습부진학생들은 부정적 인식을 긍정적으로 변화시켜감을 알 수 있었다. 특히 과정분석을 통해 상황모형을 도출한 결과 사회과 학습부진학생을 위한 사이버 가정학습 2.0 문제해결학습 모형이 도출하였는 바, 크게 도입, 문제규명, 탐색, 수행, 정리 및 평가의 다섯 단계로 나뉘어지는 것이었다. 향후에는 보다 장기간의 연구를 통해 학습부진학생의 가족과 또래관계의 분석이 포함된 연구나 사이버 가정학습 2.0과 교실수업을 보다 유기적으로 연계한 연구가 요청된다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2022.05a
• /
• pp.353-353
• /
• 2022

본 연구에서는 CMIP5(The fifth phase of the Couple Model Intercomparison Project) 미래기후시나리오와 LSTM(Long Short-Term Memory) 모형 기반의 딥러닝 기법을 이용하여 하천유량 예측을 위한 최적 학습 기간을 제시하였다. 연구지역으로는 진안군(성산리) 지점을 선정하였다. 보정(2000~2002/2014~2015) 및 검증(2003~2005/2016~2017) 기간을 설정하여 연구지역의 실측 유량 자료와 LSTM 기반 모의유량을 비교한 결과, 전체적으로 모의값이 실측값을 잘 반영하는 것으로 나타났다. 또한, LSTM 모형의 장기간 예측 성능을 평가하기 위하여 LSTM 모형 기반 유량을 보정(2000~2015) 및 검증(2016~2019) 기간의 SWAT 기반 유량에 비교하였다. 비록 모의결과에일부 오차가 발생하였으나, LSTM 모형이 장기간의 하천유량을 잘 산정하는 것으로 나타났다. 검증 결과를 기반으로 2011년~2100년의 CMIP5 미래기후시나리오 기상자료를 이용하여 SWAT 기반 유량을 모의하였으며, 모의한 하천유량을 LSTM 모형의 학습자료로 사용하였다. 다양한 학습 시나리오을 적용하여 LSTM 및 SWAT 모형 기반의 하천유량을 모의하였으며, 최적 학습 기간을 제시하기 위하여 학습 시나리오별 LSTM/SWAT 기반 하천유량의 상관성 및 불확실성을 비교하였다. 비교 결과 학습 기간이 최소 30년 이상일때, 실측유량과 비교하여 LSTM 모형 기반 하천유량의 불확실성이 낮은 것으로 나타났다. 따라서 CMIP5 미래기후시나리오와 딥러닝 기반 LSTM 모형을 연계하여 미래 장기간의 일별 유량을 모의할 경우, 신뢰성 있는 LSTM 모형 기반 하천유량을 모의하기 위해서는 최소 30년 이상의 학습 기간이 필요할 것으로 판단된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.04a
• /
• pp.1002-1005
• /
• 2009

정보 통신 기술의 발달은 전산화, 정보화, 지식 정보화 과정을 거쳐 현재 차세대 패더다임인 유비쿼터스화 단계에 이르렀다. 시간과 장소에 구애받지 않고 언제 어디서나 창의적이고 효율적인 학습자 중심의 교육환경을 제공할 수 있는 u-러닝 기술은 7차 교육과정 수행과 함께 필수적인 요소로 부각되고 있다. 최근 교육과정이 u-러닝 환경으로의 변화에 따라 교수 학습 체계 역시 변화가 예상된다. 그리고 ICT를 활용한 교수 학습 모형과 교과별 콘텐츠에 대한 개발이 활발한 이유도 현재 u-러닝이 적극 추진되면서 교육환경에 대한 새로운 요구와 필요성이 증대되고 있기 때문이다. 따라서 교육환경인 u-러닝 시대에 맞추어 교과목에 대한 교수-학습 모형 연구가 이루어 져야 할 것이다. 본 연구에서는 선행 연구된 학습모형을 비교, 분석하여 유비쿼터스와 u-러닝에 대한 특성과 기능, 유비쿼터스 컴퓨팅 기술에 대해 고찰한다. 그리고 기존 컴퓨터 교과 분석을 통하여 컴퓨터교과의 중요성과 교육방법 영역, 컴퓨터교과 교수-학습 모형에 대한 연구를 통해 u-러닝 환경에서의 컴퓨터 교육을 위한 프로젝트 기반 교수-학습 모형을 설계하고 구현한다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2023.05a
• /
• pp.70-70
• /
• 2023

강우 발생 중 용담댐 상류로부터 용담댐으로 유입되는 유입량을 정확하게 예측하는 것은 하류 지역의 홍수 피해를 최소화하기 위한 댐의 적절한 운영에 필수적이다. 물리 기반 강우-유출 시뮬레이션 모형은 물리적 과정의 이해를 바탕으로 홍수 예측 분야에 광범위하게 사용되고 있다. 그러나 복잡한 물리 과정을 완벽히 이해하는 것은 거의 불가능하므로 다양한 가정 조건들을 이용해 복잡한 과정을 단순화하여 계산해야 하는 한계가 존재한다. 최근에는 방대한 데이터의 축적과 컴퓨터 능력의 향상으로 인해 데이터 기반 모형이 다양한 실무 문제를 해결하는 데 강력한 도구로 활용되고 있을 뿐 아니라 시뮬레이션 및 예측 등에도 다양하게 이용되고 있다. 그러나 예측 시간이 늘어날수록 입력자료로 이용되는 과거 자료와 출력자료로 이용되는 미래자료와의 상관관계가 줄어들어 모형의 성능이 저하된다. 따라서 본 연구에서는 용담댐의 시간당 유입량을 예측하기 위해 물리 기반 강우-유출 모형과 오차 보정 모형을 결합한 하이브리드 접근 방식을 제안한다. 물리 기반 강우-유출 모형으로는 HEC-HMS 모형을 사용하였으며, 오차 보정 모형에는 기계학습 모형인 인공신경망(Artificial Neural Network, ANN) 모형을 사용하였다. HEC-HMS 모형, ANN 및 하이브리드 모형(HEC-HMS + ANN)의 성능을 비교하기 위해 20 개의 홍수 사상을 모형 구축 및 검증에 사용하였다. 그 결과 하이브리드 모형은 예측 시간이 늘어날수록 HEC-HMS 및 ANN 모형보다 우수한 성능을 나타냈다. 물리모형에 기계학습을 이용한 오차 보정 절차를 통합한 경우 홍수 유출 예측의 정확성이 향상되었다. 다양한 모형의 비교 결과 본 연구에서 적용한 하이브리드 모형이 물리기반 강우-유출 모형 및 순수 기계학습 모형보다 우수한 성능을 보여줌으로써, 하이브리드 모형은 물리모형과 순수 기계학습 모형의 단점들을 보완하는데 이용할 수 있음을 나타낸다. 이 연구의 주요 목적은 강우-유출 시물레이션 모형의 오차 보정 기술에 대한 더 깊은 이해를 제공하는데 있다.

• Proceedings of the Korea Water Resources Association Conference
• /
• 2020.06a
• /
• pp.112-112
• /
• 2020

하천에서 유해화학물질 유입 사고 발생 시 수환경 피해를 최소화하기 위해 신속한 초기 대응이 필요하다. 따라서, 본 연구에서는 수환경 화학사고 대응 시스템 구축을 위해 하천 실시간 모니터링 지점에서 관측된 유해화학물질의 농도 자료를 이용하여 발생원의 유입 지점과 유입량을 역추적하는 프레임워크를 개발하였다. 본 연구에서 제시하는 프레임워크는 첫 번째로 하천 저장대 모형(Transient Storage Zone Model; TSM)과 HEC-RAS 모형을 이용하여 다양한 유량의 수리 조건에서 화학사고 시나리오를 생성하는 단계, 두번째로 생성된 시나리오의 유입 지점과 유입량에 대한 시간-농도 곡선 (BreakThrough Curve; BTC)을 21개의 곡선특징 (BTC feature)으로 추출하는 단계, 최종적으로 재귀적 특징 선택법(Recursive Feature Elimination; RFE)을 이용하여 의사결정나무 모형, 랜덤포레스트 모형, Xgboost 모형, 선형 서포트 벡터 머신, 커널 서포트 벡터 머신 그리고 Ridge 모형에 대한 모형별 주요 특징을 학습하고 성능을 비교하여 각각 유입 위치와 유입 질량 예측에 대한 최적 모형 및 특징 조합을 제시하는 단계로 구축하였다. 또한, 현장 적용성 제고를 위해 시간-농도 곡선을 2가지 경우 (Whole BTC와 Fractured BTC)로 가정하여 기계학습 모형을 학습시켜 모의결과를 비교하였다. 제시된 프레임워크의 검증을 위해서 낙동강 지류인 감천에 적용하여 모형을 구축하고 시나리오 자료 기반 검증과 Rhodamine WT를 이용한 추적자 실험자료를 이용한 검증을 수행하였다. 기계학습 모형들의 비교 검증 결과, 각 모형은 가중항 기반과 불순도 감소량 기반 특징 중요도 산출 방식에 따라 주요 특징이 상이하게 산출되었으며, 전체 시간-농도 곡선 (WBTC)과 부분 시간-농도 곡선 (FBTC)별 최적 모형도 다르게 산출되었다. 유입 위치 정확도 및 유입 질량 예측에 대한 R²는 대부분의 모형이 90% 이상의 우수한 결과를 나타냈다.

• Proceedings of the Korea Multimedia Society Conference
• /
• 2002.11b
• /
• pp.725-728
• /
• 2002

현재, 웹기반 원격교육 시스템에서는 많은 학습자의 컨텐츠 및 서비스가 요구되고 있다. 기본 학습자료의 제공에 대한 많은 모형이 대두되고 있으나 기본 학습을 뒷받침해 줄 수 있는 보충학습 자료의 모형은 제시되지 않고 있다. 따라서, 본 논문에서는 학습자의 학습 휴리스틱에 의하여 기계학습된 보충학습 내용과 위치를 웹과 이메일로 자동 푸쉬해 줄 수 있는 시스템을 제안한다. 휴리스틱에 의하여 보충학습 데이터의 트리를 구성한 후 시멘틱 네트를 이용한 속성을 정의하고 기계학습된 학습자의 반복 학습 경로를 분석하여 보충학습을 원활히 진행할 수 있도록 시스템을 설계하는 것이 본 논문의 목적이다.

• Journal of The Korean Association For Science Education
• /
• v.28 no.6
• /
• pp.527-545
• /
• 2008

This paper suggested a 4E&E Learning Cycle Model using learning motivation for students in science education. The model has been developed on the basis of motivational and instructional design. The 4E&E Learning Cycle Model has four phases such as engage, explore, explain and expand, and two subsidiary phases such as evaluate, and feedback provided with at each phase. The model has gone a process of instruction with learning effects evaluation and providing feedback in science classroom, which facilitate to increase the effectiveness of learning activities. Especially, the 4E&E Learning Cycle Model using motivational learning strategies makes the learners be attractive to and immersed in instruction. This model has potentials in educating students in science education.

• Journal of Christian Education in Korea
• /
• v.61
• /
• pp.203-232
• /
• 2020

The purpose of this study was to analyze various factors that influence the academic life of students through a theoretical review. As a result of the analysis, sub-factors were derived to diagnose the factors. From the study's findings, principles and models for developing learning status diagnosis tools were designed. The study first, based upon the competencies of university students, university life, students' low academic achievement, and academic probation studies, confirmed what factors affect student learning and from them derived a set of sub-factors. The setting dimension was divided into psychology, learning, and career factors, while also including a factor of faith for Christian university students. Next, in the draft model, sub-factors were constructed for each factor: faith maturity and faith training in the faith factor, positive thinking, emotion regulation, and self-esteem in the psychology factor, self-directed learning ability, learning motivation, and learning strategies in the learning factor, and career reflection, career exploration, career management, and career barriers in the career factor. By using the Delphi method, the final model of learning status diagnosis was confirmed. As a result, we completed the model comprised of nine sub-factors in four parts. A follow-up study should be conducted that examines learning status diagnosis tools development research.

• 한국정보교육학회:학술대회논문집
• /
• 2007.08a
• /
• pp.240-245
• /
• 2007

하루가 다르게 우리 사회의 모습은 정보화, 디지털화 되어 가고 있다. 이러한 시대적 흐름에 맞추어 정보통신기술교육에 대한 관심과 중요성이 커지고 있으며, 단순히 기능을 가르치는 교육에서 문제해결력을 기르는 방향으로 변하고 있다. 이러한 정보통신기술교육의 변화를 반영하기 위해서는 보다 다양하고 체계적인 교수 학습 모형에 대한 연구가 필요하다. 이에 본 연구에서는 구성주의 교육방법론의 하나로 학습자에게 행함에 의한 학습(learning-by-doing)이 이루어지는 모의 상황을 통해 학습 목표를 달성할 수 있도록 하는 목표기반 시나리오학습(Goal-Based Scenario : GBS) 이론을 초등학교 정보통신기술교육에서 활용할 수 있는 교수 학습 모형을 제안하고자 한다. 즉, 교육현장에서 초등학교 학생들에게 적용할 GBS 교수 학습 모형에 대한 연구로 체계적인 정보통신기술교육의 정착에 도움이 되고자 하는데 의의를 둔다.

• Proceedings of the Korea Database Society Conference
• /
• 1999.06a
• /
• pp.291-300
• /
• 1999

본 논문은 인공신경망과 귀납적 학습방법 등의 인공지능 방법과 선물가격결정에 대한 기존 재무이론을 사용하여 일상어취로 표현되는 파생상품 가격예측 모형을 개발하는데 있다. 모형의 개발은 1단계로 인공신경망이나 기존의 선물가격결정이론(평균보 유비용모형이나 일반균형모형)을 이용하여 선물 가격을 예측한 후, 서로 비교 분석하여 인공신경망 모형의 우수성을 확인하였다. 귀납적 학습방법중 CART 알고리듬을 사용하여 If-Then 규칙을 생성하였다. 특히 실용적 측면에서 선물가격의 일상어휘화를 통한 모형개발을 여러 가지 방법으로 시도하였다. 이러한 선물가격 예측모형의 유용성은 일단 If-Then 규칙으로 표현되어 전문가의 판단에 확실한 이론적인 근거를 제시할 수 있는 장점이 있으며, 특히 의사결정지원시스템으로 활용화 될 경우 매우 유용한 근거자료로 활용될 수 있다. 이러한 선물가격 예측모형의 정확성은 분석표본과 검증표본으로 나누어 검증표본에서 세가지 기본모형(평균보유 비용모형, 일반균형모형, 인공신경망 모형)과 각 모형의 귀납적 학습방법 모형의 다른 3가지 어휘표현방법 3가지를 모형별로 비교 분석하였다. 분석결과 인공신경망모형은 상당한 예측력을 갖고 있는 것으로 판명되었으며, 특히 CART를 기반으로 한 일상어취 기반의 선물가격예측 모형은 예측력이 높은 것으로 나타났다.