• 문화기술의 융합
• /
• 제10권4호
• /
• pp.595-600
• /
• 2024

학습 성과를 예측하거나 학습 경로를 최적화하는 연구 분야에서 기계학습과 같은 인공지능 기술의 사용이 점차 증가하면서 교육 분야의 인공지능 활용은 점차 많은 진전을 보이고 있다. 이러한 연구는 점차 심층학습과 강화학습과 같은 좀 더 고도화된 인공지능 방법으로 진화하고 있다. 본 연구는 학습자의 과거 학습 성과-이력 데이터를 기반으로 미래의 학습 성과를 예측하는 방법을 개선하는 것이다. 따라서 예측 성능을 높이기 위해 Markov Chain 방법을 응용한 조건부 확률을 제안한다. 이 방법은 기계학습에 의한 분류 예측에 추가하여 학습자가 학습 이력 데이터를 분류 예측에 추가함으로써 분류기의 예측 성능을 향상 시키기 위해 사용된다. 제안 방법의 효과를 확인하기 위해서 실증 데이터인 '교구 기반의 유아 교육 학습 성과 데이터'를 활용하여 기존의 분류 알고리즘과 제안 방법에 의한 분류 성능 지표를 비교하는 실험을 수행하였다. 실험 결과, 분류 알고리즘만 단독 사용한 사례보다 제안 방법에 의한 사례에서 더 높은 성능 지표를 산출한다는 것을 확인할 수 있었다.

• 디지털콘텐츠학회 논문지
• /
• 제19권6호
• /
• pp.1115-1121
• /
• 2018

본 논문에서는 사이버대학교 학습관리시스템에 누적된 데이터를 기반으로 학습 성과를 예측하기 위하여 딥러닝에 기반한 데이터 분석 방법을 연구하였다. 학습자의 학업 성취도를 예측하면, 학습자의 학습을 촉진하여 교육의 질을 높일 수 있는 도구로 활용될 수 있다. 학습 성과의 예측의 정확도를 향상시키기 위하여 오토인코더에 기반하여 한학기 출결 상황을 예측하고, 학기 진행 중인 평가 요소들과 결합하여 딥러닝으로 학습하여 최종 예측의 정확도를 높였다. 제안하는 예측 방법을 검증하기 위하여 학습 진행 과정의 출결데이터의 예측과 평가요소 데이터를 활용하여 최종학습 성취도를 예측하였다. 실험을 통하여 학기 진행중에 학습자의 성취도를 예측할 수 있는 것을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2024년도 춘계학술발표대회
• /
• pp.509-512
• /
• 2024

자연어 처리 기술은 인간 언어의 이해와 처리에서 큰 진전을 이루었으나, 학습 데이터에 내재한 성별 편향이 모델의 예측 정확도와 신뢰성을 저하하는 주요한 문제로 남아 있다. 특히 성별 예측에서 이러한 편향은 더욱 두드러진다. 제로샷 분류 기법은 기존에 학습되지 않은 새로운 클래스를 효과적으로 예측할 수 있는 기술로, 학습 데이터의 제한적인 의존성을 극복하고 다양한 언어 및 데이터 제한 상황에서도 효율적으로 작동한다. 본 논문은 성별 클래스 확장과 데이터 구조 개선을 통해 성별 편향을 최소화한 새로운 데이터셋을 구축하고, 이를 제로샷 분류 기법을 통해 학습시켜 성별 편향성이 완화된 새로운 성별 예측 모델을 제안한다. 이 연구는 다양한 언어로 구성된 자연어 데이터를 추가 학습하여 성별 예측에 최적화된 모델을 개발하고, 제한된 데이터 환경에서도 모델의 유연성과 범용성을 입증한다.

• 정보교육학회논문지
• /
• 제17권3호
• /
• pp.305-316
• /
• 2013

페이스북의 교육적 잠재력에도 불구하고, 아직 실증적인 연구나 이를 통한 실천적인 설계전략은 매우 부족하다. 따라서 본 연구에서는 페이스북을 활용한 협력학습에서 학습자들이 인식한 학습실재감이 학습성과를 예측하는지 검증하여, 페이스북 기반 협력학습 환경에서 학습성과를 높이기 위한 실재감 전략을 제시하고자 하였다. 이를 위해 서울소재 A 대학교의 전공과목을 수강하는 39명의 대학생을 대상으로 4주 동안 페이스북 상에서 프로젝트 과제를 수행하기 위한 협력학습을 진행하였다. 학습활동을 마친 후 학생들은 학습실재감에 대한 설문에 응답하였고, 지필평가와 과제평가를 합산하여 학습성과를 산출하여 단계선택 다중회귀분석을 통해 데이터를 분석하였다. 또한 포커스 그룹인터뷰를 통하여 학습자들이 페이스북기반 협력학습에서 느낀 학습실재감과, 실재감이 학습성과에 어떠한 도움이 되었는지 심층적으로 분석하고자 하였다. 연구결과, 인지실재감은 학습성과를 유의미하게 예측하는 것으로 나타났지만, 사회실재감과 감성실재감의 학습성과에 대한 예측은 통계적으로 유의하지 않았다. 이러한 결과를 토대로, 본 연구는 페이스북에서 학습자가 인식하는 학습실재감과 교육적 잠재력에 대하여 논의하였다.

• 컴퓨터교육학회논문지
• /
• 제17권1호
• /
• pp.65-73
• /
• 2014

본 연구는 시간관리, 유용성, 흥미가 모바일 과학학습 성과를 예측하는지 검증하고자 하였다. 이를 위해 A여자 고등학교 2학년 학생 144명을 대상으로 약 5주 동안 모바일 기기를 활용하여 과학수업을 진행하였다. 수업 후, 시간관리, 유용성, 흥미, 만족도, 성취도, 학습지속의향에 관한 설문 결과를 수집하여, 상관분석 및 다중회귀분석으로 데이터를 분석하였다. 연구결과, 시간관리, 유용성, 흥미가 학습성과 중 만족도, 학습지속의향을 예측하였고, 시간관리, 유용성은 인지된 성취도를 유의미하게 예측하였다. 이는 모바일 과학수업에서 학습성과를 높이기 위해서는 시간관리전략에 대한 교육프로그램 제공과, 모바일학습에 대한 긍정적인 태도를 함양할 수 있도록 하는 교육이 마련되어야 함을 시사한다.

• 영재교육연구
• /
• 제27권1호
• /
• pp.1-16
• /
• 2017

본 연구는 질 높은 영재교육을 제공하기 위해 영재의 성격 5요인의 요소인 개방성, 성실성, 외향성, 수용성 및 신경증이 영재교육의 성과인 자기조절학습과 학업성취도를 예측하는 지를 밝히고자 하였다. 본 연구는 경기도 A영재교육원 학생 95명을 대상으로 진행하였다. 영재의 개방성, 성실성, 외향성, 수용성, 신경증, 자기조절학습 및 학업성취도간의 관계를 살펴본 결과는 다음과 같다. 첫째, 영재의 수용성, 개방성, 성실성 순으로 자기조절학습을 유의하게 예측하였다. 둘째, 영재의 신경증, 자기조절학습 및 외향성 순으로 학업성취도를 유의하게 예측하였다. 셋째, 학업성취도에 유의한 예측력을 보이지 않은 영재의 개방성, 성실성, 수용성은 자기조절학습을 매개로 학업성취도에 대한 예측력이 유의한 것으로 밝혀졌다. 따라서 영재교육에서는 영재의 성격 5요인을 관리할 수 있는 프로그램을 통하여 영재교육의 성과인 자기조절학습과 학업성취도를 높여 나가야 할 것이다.

• 한국정보통신학회논문지
• /
• 제14권1호
• /
• pp.63-69
• /
• 2010

최근 기계학습 분야에서 분류자의 정확도 개선을 위하여 제안된 다양한 방법들 중 가장 큰 주목을 받고 있는 학습방법 중 하나는 앙상블 학습이다. 그러나 앙상블 학습은 의사결정트리와 같이 불안정한 학습 알고리즘의 성과 개선 효과는 탁월한 반면, 인공신경망과 같이 안정적인 학습알고리즘의 성과 개선 효과는 응용 분야와 구현 방법에 따라 서로 상반된 결론들을 보여주고 있다. 본 연구에서는 국내 기업의 부실화 예측문제를 활용하여 인공신경 망 분류자 및 대표적 앙상블 학습기법인 부스팅 분류자를 적용한 결과 앙상블 학습은 기업부실 예측문제에 있어 전통적 인공신경망의 성과를 개선할 수 있음을 검증하였다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2022년도 학술발표회
• /
• pp.366-366
• /
• 2022

유역의 하천유량과 같은 수문 시계열을 모의 또는 예측하기 위한 수문 모델링에서 최근 기계 학습 방법을 활용한 연구가 활발하게 적용되고 있는 추세이다. 이러한 데이터 기반 모델링 접근법은 입출력 자료에서 관찰된 패턴을 학습하며, 특히, 장단기기억(Long Short-Term Memory, LSTM) 네트워크는 많은 연구에서 수문 시계열 예측에 대한 적용성이 검증되었으나, 장기간의 고품질 관측자료를 활용할 때 더 나은 예측성능을 보인다. 그러나 우리나라의 경우 장기간 관측된 고품질의 하천유량 자료를 확보하기 어려운 실정이다. 따라서 본 연구에서는 LSTM 네트워크의 학습 시 가용한 모든 유역의 자료를 통합하여 학습시켰을 때 하천유량 예측성능을 개선할 수 있는지 판단해보고자 하였다. 이를 위해, 우리나라 13개 댐 유역을 대상으로 대상 유역의 자료만을 학습한 모델의 예측성능과 모든 유역의 자료를 학습한 모델의 예측성능을 비교해 보았다. 학습은 2001년부터 2010년까지 기상자료(강우, 최저·최고·평균기온, 상대습도, 이슬점, 풍속, 잠재증발산)를 이용하였으며, 2011년부터 2020년에 대해 테스트 되었다. 다지점 통합학습을 통해 테스트 기간에 대해 예측된 각 유역의 일 하천유량의 KGE 중앙값이 0.74로 단일지점 학습을 통해 예측된 KGE(0.72)보다 다소 개선된 결과를 보여주었다. 다지점 통합학습이 하천유량 예측에 큰 개선을 달성하지는 못하였으며, 추가적인 가용 자료 확보와 LSTM 구성의 개선을 통해 추가적인 연구가 필요할 것으로 판단된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2018년도 추계학술발표대회
• /
• pp.711-714
• /
• 2018

본 연구의 목적은 교육관리시스템(LMS)에서의 학습활동로그를 바탕으로 학습성과 영향도를 분석하고 이를 예측하기 위한 모델을 개발하는데 있다. 연구방법은 먼저 상관분석을 사용하여 유의미한 변수를 선정하였으며, 딥러닝을 사용하여 예측 모델을 생성하였다. 모델 생성 결과 테스트 데이터 셋에 대해 약 84%의 정확도로 학습성과를 예측할 수 있었다. 본 연구는 온라인 교육환경에서 빅데이터와 인공지능을 적용할 수 있는 새로운 관점을 제공할 것으로 기대한다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.340-340
• /
• 2019

지구온난화로 유발되는 기후변동성이 증가함에 따라서 정확한 수문인자의 예측은 전 세계적으로 주요 관심사항이 되고 있다. 최근에는 고성능 컴퓨터 자원의 증가로 수문기상학 연구에서 동일한 학습량에 비하여 정확도의 향상이 뚜렷한 기계학습 구조를 활용하여 위성영상 기반의 대기예측, 태풍위치 추적 및 강수량 예측 등의 연구가 활발하게 진행되고 있다. 본 연구에는 기계학습 중 시계열 분석에 널리 활용되고 있는 순환신경망(Recurrent Neural Network, RNN) 기법의 대표적인 LSTM(Long Short-Term Memory) 네트워크를 이용하여 수문인자를 예측하였다. LSTM 네트워크는 가중치 및 메모리 요소에 대한 추가정보를 셀 상태에 저장하고 시계열의 길이 조정하여 모형의 탄력적 활용이 가능하다. LSTM 네트워크를 이용한 다양한 수문인자 예측결과 RMSE의 개선을 확인하였다. 따라서 본 연구를 통하여 개발된 기계학습을 통한 수문인자 예측기술은 권역별 수계별 홍수 및 가뭄대응 계획을 능동적으로 수립하는데 활용될 것으로 판단된다. 향후 연구에서는 LSTM의 입력영역을 Bayesian 추론기법을 활용하여 구성함으로 학습과정의 불확실성을 정량적으로 제어하고자 한다.