• Child Health Nursing Research
• /
• 제19권1호
• /
• pp.1-11
• /
• 2013

목적 본 연구의 목적은 간호대학생을 대상으로 신생아 중환자실에 입원한 호흡곤란증후군 환아 사례의 시뮬레이션 학습 시나리오를 개발하여 지식 적용-기술 수행, 문제 해결 능력, 학습만족도를 파악하는 데 있다. 방법 단일군 사후설계를 적용하였으며, 고위험 아동간호학을 수강하고 있는 간호학과 4학년 55명을 대상으로 총 17개조를 구성하여 매주 3개조(4-5명/조)로 시뮬레이션 운영 후 디브리핑을 60분간 실시하였으며, 자신의 실습 수행에 대한 문제해결능력과 학습만족도를 평가하였다. 결과 시나리오는 간호진단을 포함하여 6단계로 구성하였으며, 20분의 운영 시간 내에 호흡곤란 증후군 환아에 대한 지식 적용 및 기술 수행 능력, OSCE 수행 능력을 평가할 수 있도록 개발하였다. 지식 적용-기술 수행 평가에서 간호진단을 제외한 5개의 범주 중 평가 단계가 지식 적용과 기술 수행 모두 가장 높게 나타났다. 지식 적용에서 가장 높은 평균 점수를 보인 항목은 사정 단계에서 산소포화도 관찰, 평가 단계에서 산소분압과 산소포화도 확인이었고, 기술 수행에서는 중재 단계의 호흡곤란 완화 간호가 높았다. 사정 단계의 검사 확인은 지식 적용 및 기술 수행 영역에서 모두 낮게 나타났다. OSCE 수행 평가에서는 흡인 수행 능력에서는 사용한 물품 정리 및 수행 후 손씻기, 산소 공급에서는 급습기 멸균증류수 확인이 가장 부족한 것으로 나타났으며, 잘 수행된 항목보다 수행되지 못한 항목이 흡인과 산소 공급 모두 많은 것으로 나타나 기본간호술기의 중요성을 확인할 수 있었다. 문제 해결 능력과 학습 만족도는 양의 상관관계가 있는 것으로 나타나 문제 해결 능력이 높을수록 학습만족도가 높은 것으로 나타났다. 결론 시뮬레이션 교육 시행 후 문제 해결 능력에 따라 학습 만족도가 높으므로 문제 해결 능력을 높일 수 있도록 아동간호영역에서 다양한 시뮬레이션 교육 프로그램이 개발될 필요가 있으며, 기본간호술기 수행 능력을 증진할 수 있는 교육 프로그램이 더욱 활발히 운영되어야 한다고 생각된다.

• 한국멀티미디어학회논문지
• /
• 제11권3호
• /
• pp.301-314
• /
• 2008

기존의 이벤트 인식은 한정된 규칙 기반으로 이루어졌고, 시나리오 해석은 확률 자료의 크기로 많은 학습 시간이 필요했다. 본 논문에서는 객체로부터 특징 벡터를 추출하고 각 객체의 행동 양식을 분석하여 현재 객체의 이벤트를 인식하는 방법과 확률 모델을 기반으로 본 논문에서 정의한 긴급 상황 시나리오를 해석할 수 있는 방법을 제안한다. 독립 객체의 이벤트 규칙은 주-이벤트, 움직임-이벤트, 상호-이벤트, 그리고 'FALL DOWN' 이벤트로 구성되며, 객체의 특징 벡터와 베이지안 네트워크에 의해 학습된 분할 움직임 방향 벡터(SMOV)를 통해 정의된다. 긴급 상황 시나리오는 현재 이벤트의 상태와 사후 확률에 의해 분석된다. 본 논문에서는 기존 방법에 비해 다양한 이벤트를 정의하였고 이벤트 간의 독립성을 높여 확장성이 용이하도록 하였다. 그리고 객체 추적만을 통해 얻을 수 없는 의미론적 정보를 규칙과 확률을 기반으로 획득할 수 있었다.

• 한국전산구조공학회논문집
• /
• 제33권6호
• /
• pp.359-366
• /
• 2020

본 논문에서는 전산구조 해석 데이터를 기반으로 인공 신경망을 활용하여 헬리데크 구조물에 대한 손상 추정 기법을 제안하였다. 헬리데크를 구성하는 트러스와 서포트 부재들에 대해서 절점을 공유하는 부재들을 70개의 모델로 그룹화 하였으며, 최대 3가지 부재 그룹에 무작위로 손상을 부여하여 총 37,400개의 손상 시나리오를 생성하였다. 이들 각각에 대해서 구조 해석 프로그램을 통해 모드 해석을 수행하였으며, 전체 손상 시나리오를 사용 목적에 따라 학습, 유효성 검사, 그리고 검증 시나리오로 분리하였다. 헬리데크의 손상 및 비손상 상태의 동적 응답 특성에 대한 패턴 인식을 위해 PyTorch 프로그램을 활용하여 3개의 은닉층을 가지는 인공 신경망을 구성하였으며, 이에 대해서 다양한 손상 시나리오를 반복 학습함으로써 손실 함수를 최소로 하는 인공 신경망을 도출하였다. 최종적으로 총 400개의 검증 시나리오에 대해서 인공 신경망이 추정한 손상률과 실제 부여된 손상률을 비교하였으며, 그 결과 본 연구를 통해 얻어진 인공 신경망이 손상 부재의 위치와 손상 정도를 매우 높은 정확도로 예측하는 것을 확인하였다.

• 문화기술의 융합
• /
• 제10권1호
• /
• pp.353-361
• /
• 2024

시뮬레이션 교육은 현장감있는 모의 상황에서 학습자가 반복적으로 학습하도록 하는 방법으로 직접간호 수행이 부족한 임상실습의 한계를 해결하여 간호대학생에게 필요한 의사소통능력, 학습자기효능감, 임상추론역량을 습득하고 개발하는 데 유용하다. 본 연구는 고충실도 시뮬레이터를 활용한 시뮬레이션 교육이 간호대학생의 의사소통능력, 학습자기효능감, 임상추론역량에 미치는 효과와 시뮬레이션 교육 효과성을 확인하기 위해 실시되었다. 연하곤란 대상자 간호 시나리오를 활용한 시뮬레이션 교육에 참여한 일개대학 간호학과 4학년 학생 84명의 자료를 SPSS/WIN 22.0 프로그램을 이용하여 분석하였다. 연구 결과 시뮬레이션 교육 후 의사소통능력, 학습자기효능감, 임상추론역량은 유의하게 증가하였으며, 시뮬레이션 교육 효과성은 2.64점(3점 만점)이었다. 따라서 간호대학생의 의사소통능력, 학습자기효능감, 임상추론역량 증진을 위해서 다양한 임상현장을 반영하여 실재감있는 시나리오의 개발 및 적용이 필요하다.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1283-1292
• /
• 2022

현재 보건의료 분야에서 여러 인공지능 프로젝트가 서로 경쟁하고 있어서 시스템 간 인터페이스의 통일된 사양이 부족한 상황이다. 이에 본 연구에서는 보건의료 부문 관련 응용 알고리즘, 모델 및 서비스 지원을 제공할 수 있는 하나의 보건의료 인공지능 서비스 플랫폼을 제안한다. 제안된 플랫폼은 다수의 이기종 데이터 처리, 지능형 서비스, 모델 관리, 일반 응용 시나리오 및 다양한 수준의 비즈니스를 위한 기타 서비스를 제공할 수 있다. 플랫폼 적용과 관련해서 최근 대두되고 있는 행위 인터넷 개념을 바탕으로 보건의료 분야의 사물 인터넷 서비스 관련 환자 행위 분석을 통해 보건의료 소비 행위에 대해 신뢰할 수 있고, 이해 가능한 추적 및 분석 시나리오를 나타낸다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2023년도 학술발표회
• /
• pp.99-99
• /
• 2023

기후변화는 물 관리의 가장 큰 리스크 요인이므로 물 관리 계획을 수립하는 과정에서 기후변화의 영향을 고려하는 것이 필수적이다. 기후변화에 대한 수자원 예측 관련 연구가 이루어지고 있으나, 대부분의 연구에는 수문학적 모델링이나 시뮬레이션이 동반되는데, 이 과정에는 시간과 비용이 많이 들어가며, 지역이나 연구목적에 따른 정밀한 매개변수의 보정은 전문지식이 필요하기 때문에 현업에서 연구결과를 의사결정에 활용하기에는 한계가 있다고 볼 수 있다. 이에 따라 수문학적 모델링의 입력 및 출력 결과를 딥러닝의 학습자료로 하여 수문모델을 사용하지 않아도 효율적으로 결과를 도출할 수 있는 딥러닝 기반 Surrogate 모형에 대한 연구가 이루어지고 있으나 수자원 분야에 접목된 사례는 부재한 실정이다. 따라서 이 연구를 통해 국내 유역을 대상으로 Surrogate 모형을 구축한 뒤, 그 성능을 평가하고자 한다. 이를 위한 Surrogate 모형 구축 과정은 다음과 같다. 충주댐 유역을 대상으로 과거 20년간의 강우 및 기온 자료를 수집한 뒤, 이 자료를 바탕으로 기후변화의 영향을 고려한 3,162개의 시나리오를 생성한다. 그 후 장기유출모형 IHACRES에 생성된 시나리오를 입력자료로 하여 유입량 결과를 도출하고, 이 결과를 Python코드 기반의 딥러닝 학습자료로 하여 최적 예측 결과를 도출해내는 Surrogate 모형을 생성한 뒤 기존 장기유출모형과의 성능을 비교하고자 한다. 이와 같은 Surrogate 모형은 추가적인 데이터와 매개변수의 보정 과정이 없어도 장기유출모형과 같은 결과를 짧은 시간내에 상당히 정확하게 모사할 수 있어 시간과 비용을 줄일 수 있으며, 비전문가도 쉽게 사용할 수 있다는 장점을 가진다.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2010년도 동계학술대회
• /
• pp.23-29
• /
• 2010

본 논문은 객체지향형 교육용 프로그래밍 언어인 '두리틀(Dolittle)'을 활용하여 프로그래밍 학습을 STAD 학습 모형으로 구현하고자 하는 연구이다. 두리틀의 네트워크 기능은 다른 교육용 프로그래밍 언어와 구분되는 특징으로 선행 연구 자료를 통하여 네트워크 기능을 활용하여 의사소통이 가능함을 확인하였다. 또한 STAD 학습 모형이 갖는 특징을 알아보고, 구성원들 간의 상호작용을 핵심으로 학습이 이루어짐을 확인하였다. 이를 토대로 프로그래밍 학습을 STAD 학습 모형에 적용하는 수업 시나리오를 제시하고 있다. 이러한 학습은 상호 협동적인 프로그래밍 학습과 프로그래밍 언어 자체를 통한 의사소통에 그 의미가 있다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 춘계학술발표대회
• /
• pp.303-306
• /
• 2006

유비쿼터스 컴퓨팅의 핵심은 네트워크 환경에 대한 고 가용성이라 할 수 있다. 이러한 사실은 사용자 컨텍스트(Context)가 반영된 서비스를 제공하기 위한 필수조건이 이미 갖추어져 있다는 것을 시사한다. 지금까지 상황인지(Context-Aware) 서비스를 위한 여러 응용들이 제시되어 왔지만, 동적으로 변화하는, 즉 예측하기 어려운 환경을 충분히 반영할 만큼의 유연성을 제공하지 못했다. 왜냐하면, 응용 태스크 시나리오가 시작단계부터 이미 정해져 있었기 때문이다. 여기에, 본 고는 평생동안 개인화된 태스크를 동적으로 생성, 제공할 수 있는 멀티 에이전트 시스템 구조를 제안하고자 한다. 평생 개인화 태스크(Life Long Personalized Task)는 끊임없이 변화하는 사용자의 행동패턴을 반영할 수 있도록, 동적으로 생성, 제공되는 태스크를 의미한다. 이는 태스크 시나리오가 컴파일 타임에 이미 결정되지 않고, 실행 시간 중에 자동으로 생성된다는 것을 의미한다. 이러한 유연성은 평생학습 엔진(Life Long Learning Engine)을 활용함으로써 가능하다. 이 엔진은 사용자의 행동패턴을 학습하며, 결과적으로 사용자 행동패턴 규칙들을 생성한다.

• 한국재난정보학회:학술대회논문집
• /
• 한국재난정보학회 2016년 정기학술대회
• /
• pp.388-390
• /
• 2016

본 연구에서는 금강유역의 가뭄과 한반도 주변 지역의 기후 인자들과의 상관관계를 파악하고 이를 바탕으로 기후변화 시나리오를 이용하여 미래의 가뭄을 예측하였다. 1974 - 2015년 동안 11 - 5월에 발생한 강우 자료와 NOAA에서 제공하는 NCEP-NCAR 자료를 이용하여 한반도 주변 기후인자와 금강유역의 강우가 과거 발생한 가뭄과 어떠한 상관관계를 갖는지를 분석하였다. 금강유역의 강우 패턴을 4개의 스테이지로 구분한 후 이를 상태층으로 참고하였으며, 관측 자료는 학습단계에 활용하였다. 이러한 기후인자와 강우 관계의 학습 결과를 바탕으로 기후변화 시나리오를 적용하고 미래의 기후요소를 예측하였으며 이를 통해 미래 금강유역의 가뭄을 예측하였다. 본 연구의 결과는 금강권역 수자원 공급 계획 및 설계의 기초자료로 제공될 수 있으며, 가뭄 대비 대책 사업의 우선순위 결정에 대한 근거 자료로 활용될 수 있을 것으로 기대된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2012년도 학술발표회
• /
• pp.276-276
• /
• 2012

일반적으로 기후변화영향에 관한 연구수행을 위해 전지구기후모형(GCM; Global Climate Model)이 사용되고 있다. 하지만 GCM은 공간해상도(Spatial resolution)가 거칠기 때문에 수문학 분야에서 주로 사용되는 유역규모의 지역적인 스케일특성과 물리적 특징을 표현하는데 한계가 있다. 또한 GCM 기후변수들 중 강수량의 경우 한반도 지역의 6월과 10월 사이에 연강수량의 67% 이상이 집중되는 계절성을 반영하지 못하고 있으며, 높은 불확실성을 보이고 있다. 본 연구에서는 GCM 기반의 다지점 인공신경망기법을 적용한 상세화(Downscaling)를 실시하였다. GCM의 24개 2D변수에 대한 주성분분석을 실시하여 신경망의 학습인자로 사용하였으며, 학습, 검증 및 예측기간은 각각 1981~1995년, 1996~2000년, 2011~2100년으로 A1B 시나리오를 대상으로 상세화를 실시하였다. 또한, 여름철 태풍사상을 모의하기 위한 Stochastic Typhoon Simulation기법과 Baseline과 Projection 사이의 강수량 보정을 위한 Dynamic Quantile Mapping 기법을 적용하여, 강수량의 불확실성을 최소화 하고자 하였다.