• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제37권3호
• /
• pp.497-516
• /
• 2023

본 연구의 목적은 예비교사들의 ChatGPT에 대한 인식과 ChatGPT를 활용하여 구안한 수업설계의 특징을 분석함으로써 ChatGPT를 활용한 교사의 수업설계역량 신장에 대한 가능성을 탐색하는 것이다. 이를 위해 예비교사의 인식을 조사하기 위한 설문조사를 실시하였으며, ChatGPT를 활용하여 작성된 수업설계지를 수학수업의 설계 요소, 대화 및 정보 처리 유형의 관점에서 분석하였다. 그 결과 예비교사들은 ChatGPT 활용에 다소 소극적인 태도를 보이는 것으로 보이며, 교사의 중재 가능성과 ChatGPT의 특성이 ChatGPT 활용에 관한 인식에 영향을 주는 것으로 나타났다. 더불어 예비교사들은 주로 동기유발 활동과 배운 내용을 적용하는 놀이 활동에 ChatGPT를 활용했으며, 개인마다 ChatGPT를 활용하는 수준, 즉 ChatGPT와의 대화 양상과 정보 처리 양상에 차이를 보였다. 이와 같은 연구 결과를 토대로 ChatGPT를 활용한 교사의 전문성 신장 및 교사 교육에 대한 가능성을 탐색하였다.

• Parasites, Hosts and Diseases
• /
• 제49권4호
• /
• pp.385-398
• /
• 2011

A large-scale survey was conducted to investigate the infection status of fresh water fishes with Clonorchis sinensis metacercariae (CsMc) in 3 wide regions, which were tentatively divided by latitudinal levels of the Korean peninsula. A total of 4,071 freshwater fishes were collected from 3 regions, i.e., northern (Gangwon-do: 1,543 fish), middle (Chungcheongbuk-do and Gyeongsangbuk-do: 1,167 fish), and southern areas (Jeollanam-do, Ulsan-si, and Gyeongsangnamdo: 1,361 fish). Each fish was examined by the artificial digestion method from 2003 to 2010. In northern areas, only 11 (0.7%) fish of 2 species, Pungtungia herzi and Squalidus japonicus coreanus from Hantan-gang, Cheolwon-gun, Gangwon-do were infected with av. 2.6 CsMc. In middle areas, 149 (12.8%) fish were infected with av. 164 CsMc. In southern areas, 538 (39.5%) fish were infected with av. 159 CsMc. In the analysis of endemicity in 3 regions with an index fish, P. herzi, 9 (6.2%) of 146 P. herzi from northern areas were infected with av. 2.8 CsMc. In middle areas, 34 (31.8%) of 107 P. herzi were infected with av. 215 CsMc, and in southern areas, 158 (92.9%) of 170 P. herzi were infected with av. 409 CsMc. From these results, it has been confirmed that the infection status of fish with CsMc is obviously different among the 3 latitudinal regions of the Korean peninsula with higher prevalence and burden in southern regions.

• 문화기술의 융합
• /
• 제5권2호
• /
• pp.111-116
• /
• 2019

본고는 인간과 기계의 존재론적 위상의 변화를 일으킨 '생각하는 기계' 등장의 역사적 형성 배경을 검토한다. 특히 영국인 수학자 찰스 바비지의 계산기관을 '생각하는 기계'의 시원으로 설정하고, '생각'이 인간의 능력이 아니라 기계의 기능으로 전환되는 과정에 초점을 둔다. 이를 위해 제2장에서는 인간의 육체와 정신의 실체를 분리하고 기계 지성의 가능성을 거부하는 데카르트의 이원론을 검토한다. 제3장에서는 데카르트의 인간과 기계의 본원적인 대립을 기각함으로써 생각과 연관되는 인간의 '기능'을 강조하는 찰스 바비지의 철학적 주장을 검토한다. 이런 과정을 통해 본고는 바비지의 '생각하는 기계'의 개념화가 필연적으로 인간 정체성에 연루된 개념들의 재조직화와 재구성을 수반할 수밖에 없음을 확인하고, 동시대 인공지능 테크놀로지의 변화에 대한 새로운 관점을 사유하게 하는 재료를 제안한다.

• 한국컴퓨터정보학회논문지
• /
• 제17권6호
• /
• pp.13-27
• /
• 2012

정수계획법 기반 지역 탐색은 단순 언덕오르기 탐색을 기반으로 하는 지역 탐색의 일종으로서 기존의 지역 탐색과는 달리 이웃해 생성 시 정수계획법을 활용한다. 기존 연구 [1]에 의하면 정수계획법 기반 지역 탐색은 경영과학 및 인공지능 분야에서 많은 관심을 받아 온 다차원 배낭 문제를 해결하는 데 매우 효과적인 것으로 알려져 있다. 그러나 해당 연구에서는 OR-Library에 있는 다차원 배낭 문제들 중 규모가 가장 큰 문제들만을 대상으로 하여 정수계획법 기반 지역 탐색의 우수성을 검증하였다는 단점이 있다. 본 논문에서는 그 외의 문제들을 대상으로 정수계획법 기반 지역 탐색을 적용함으로써 보다 객관적으로 정수계획법 기반 지역 탐색의 우수성을 검증한다. 아울러 본 논문에서는 기존의 정수계획법 기반 지역 탐색이 단순 언덕오르기 탐색과 정수계획법을 결합한 것과는 달리 언덕오르기 탐색, 타부 탐색, 시뮬레이티드 어닐링과 같은 다른 지역 탐색 기법과 정수계획법을 결합하는 방안을 제시한다. 실험 결과, 정수계획법 기반 지역 탐색은 중소 규모의 다차원 배낭 문제들에 있어서도 기존의 가장 좋은 휴리스틱 탐색 기법에 비해 유사하거나 더 우수한 성능을 발휘함을 확인하였다.

• 철학연구
• /
• 제147권
• /
• pp.239-260
• /
• 2018

기술의 시대에 새롭게 등장한 비인간존재인 인공지능로봇(A.I)은 인간에게 위협적인 존재인가 아니면 인간과의 상호협력 또는 앙상블을 이루는 존재인가? 인간이 과학기술의 힘을 빌어 자연을 지배하고자 하는 욕망은 인간이 자신을 소멸시킬 수 있다는 두려움으로 나타나고 있다. 본 연구는 이러한 물음과 두려움의 근저에 있는 데카르트적 인식론의 문제를 확인하고 시몽동과 라투르의 존재론 및 기술철학을 활용하여 메를로-퐁티의 몸살존재론을 토대로 이 물음들에 답하려는 시도이다. 데카르트 철학이 도출한 코기토는 인간-이성을 주체로 하여 '주관과 객관이라는 이분법적 인식론의 구조'의 토대가 되었다. 인간이 중심인 세계에서 인간 아닌 모든 존재들은 인간을 위한 도구이거나 통제의 대상이었다. 근대인의 문제는 인간을 비롯한 자연을 통제하는 방식에 자연과학적 방법에서 도움을 얻을 뿐 아니라, 과학적 방법만이 세계를 이해하는 유일한 방법이라고 생각한다는데 있다. 이를 비판하면서 메를로-퐁티는 몸이 인간과 비인간존재들을 매개한다는 것을 보여주며, 살존재론으로 그것이 가능한 존재론적 토대를 마련한다. 메를로-퐁티의 현상학적 방법론과 존재론은 기술철학자이자 현상학의 영향 아래에 있는 시몽동에 의해 새롭게 전개된다. 시몽동에 의해 인간과 비인간존재의 관계는 인간과 기술적 대상의 앙상블 또는 인간과 기술적 대상과의 상호협력적 공진화로 나타난다. 특히 라투르는 시몽동에서 한발 더 나아가 근대의 핵심 개념인 주체를 부정하고 세계에 거주하는 모든 몸들을 행위자네크워크이론으로 규정한다. 메를로-퐁티의 현상학적 관점은 기술시대의 철학적 논의에 새로운 가능적 근거가 될 수 있다. 우리는 근대적 두려움이 현상학적 태도로 전환함으로써 그 문제 자체가 해소될 수 있음을 확인할 것이다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권9호
• /
• pp.317-322
• /
• 2022

정보기술의 급격한 발달은 의료 환경에서도 많은 변화를 가져오고 있다. 특히 빅데이터와 인공지능(AI)을 활용한 의료영상 정보 시스템의 빠른 변화를 견인하고 있다. 전자의무기록(EMR)과 의료영상저장전송시스템(PACS)으로 구성된 처방전달시스템(OCS)은 의료 환경을 아날로그에서 디지털로 빠르게 바꾸어 놓았다. PACS는 여러 솔루션과 결합하여 호환, 보안, 효율성, 자동화 등 새로운 발전 방향을 보여주고 있다. 그 중, 영상의 질적 개선을 할 수 있는 빅데이터를 활용한 인공지능(AI)과의 결합이 활발히 진행되고 있다. 특히 딥러닝 기술을 활용하여 의료 영상 판독을 보조할 수 있는 시스템인 AI PACS가 대학과 산업체의 협력으로 개발되어 병원에서 활용되고 있다. 이처럼 의료 환경에서 의료영상 정보 시스템의 빠른 변화에 맞추어 의료시장의 구조적인 변화와 이에 대처할 수 있는 의료정책의 변화도 필요하다. 한편, 의료영상정보는 디지털 의료영상 전송 장치에서 생성되는 DICOM 방식을 기본으로 하고, 생성하는 방법의 차이에 따라 Volume 영상, 단면 영상인 2차원적 영상으로 구분된다. 또한, 최근 많은 의료기관에서는 스마트 병원 서비스를 내세우며 차세대 통합 의료정보시스템의 도입을 서두르고 있다. 차세대 통합 의료정보시스템은 EMR을 바탕으로 전자동의서, AI와 빅데이터를 활용한 정밀의료, 외부기관 등을 통합한 솔루션으로 구축하며, 이를 바탕으로 환자 정보 DB 구축과 데이터의 표준화를 통한 의료 빅데이터 기반의 의학 연구를 목적으로 한다. 우리나라의 의료영상 정보 시스템은 앞선 IT 기술력과 정부의 정책에 힘입어 세계적인 수준에 있으며, 특히 PACS 관련 프로그램은 의료 영상정보 기술에서 세계로 수출을 하고 있는 한 분야이다. 본 연구에서는 빅데이터를 활용한 의료영상 정보 시스템의 분석과 함께 의료영상 정보 시스템이 국내에 도입되게 된 역사적 배경을 바탕으로 현재의 흐름을 파악하고 나아가 미래의 발전 방향을 예측하였다. 향후, 20여 년 동안 축적된 DICOM 빅데이터를 기반으로 AI, 딥러닝 알고리즘을 활용하여 영상 판독률을 높일 수 있는 연구를 진행하고자 한다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제11권5호
• /
• pp.133-138
• /
• 2022

최근 고성능컴퓨팅, 인공지능 분야에서 GPU 장치 사용이 일반화되고 있지만, GPU 프로그래밍은 여전히 어렵게 여겨진다. 특히 호스트(host) 메모리와 GPU 메모리를 별도로 관리하기 때문에 성능과 편의성 방면에서 연구가 활발히 진행되고 있다. 이에 따라 여려가지 CPU-GPU 메모리 전송 방법들이 연구되고 있다. 한편 CPU와 GPU 및 통합메모리(Unified memory) 등 하나의 실리콘 패키지로 묶는 SoC(System on a Chip) 제품들이 최근에 많이 출시되고 있다. 본 연구는 이러한 통합메모리 장치에서 CPU, GPU 장치간 데이터를 사용하고 전송시 성능관련 비교를 하고자 한다. 기존 CPU내 호스트 메모리와 GPU 메모리가 분리된 환경과는 다른 특징을 보여준다. 여기서는 통합메모리 장치인 NVIDIA SoC칩들과 NVIDIA SMX 기반 V100 GPU 카드에서 CPU-GPU 간 데이터 전송 프로그래밍 기법별로 성능비교를 한다. 성능비교를 위해 워크로드는 HPC 분야의 수치계산에서 자주 사용하는 2차원 행렬 전치 커널이다. 실험을 통해 CPU-GPU 메모리 전송 프로그래밍 방법별 GPU 커널 성능차이, 페이지 잠긴 메모리와 페이지 가능 메모리를 사용했을 경우 전송 성능차이, 전체(Overall) 성능비교, 마지막으로 워크로드 크기별 성능비교를 하였다. 이를 통해 통합메모리칩인 NVIDIA Xavier에서 I/O 캐시일관성 지원을 통해 SoC 칩내 통합메모리에 대한 이점을 극대화 할 수 있음을 확인할 수 있었다.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 한국방사선학회논문지
• /
• 제14권6호
• /
• pp.773-780
• /
• 2020

4차 산업의 발전으로 의학·보건·바이오 등 여러 과학기술 분야에서는 질병을 예방하고 질병에 대한 피해를 줄이기 위한 연구가 이루어지고 있으며, 최근에는 ICT 기술의 발전과 더불어 인공지능 기술이 급부상하고 그 효용성이 입증되면서 영상의학 검사의 영상 분석에 인공지능 기술이 도입되어 연구되고 있다. 본 논문에서는 흉부 X선 영상을 이용하여 폐렴의 분류와 검출에 대한 딥러닝 모델을 직접 적용해보고 실제로 Inception 계열의 딥러닝 모델이 폐렴 검출에 있어 유용한 모델인지 평가하고자 한다. 실험재료는 캐글(Kaggle)에서 무료로 제공 및 공유하는 흉부 X선 영상 데이터 세트를 사용하였으며 전체 3,470개의 흉부 X선 영상 데이터 중 학습 데이터 세트 1,870개, 검증 데이터 세트 1,100개, 테스트 데이터 세트 500개로 분류하였다. 실험결과 Inception V3 딥러닝 모델의 Metric 평가에 대한 결과값은 정확도는 94.80%, 정밀도는 97.24%, 재현율은 94.00%, F1 스코어는 95.59의 결과값을 나타내었다. 그리고 흉부 X선 영상의 페렴 검출 및 분류에 대하여 Inception V3 딥러닝 모델링에 대한 최종 에포크의 정확도는 학습 모델링의 경우 94.91%, 검증 모델링은 89.68%의 정확도를 나타내었다. 손실함수 값의 평가는 학습 모델링은 1.127%, 검증 모델링은 4.603%의 손실함수 값을 나타내었다. 이러한 결과로 Inception V3 딥러닝 모델은 흉부영상 데이터의 특징 추출 및 분류에 있어 매우 우수한 딥러닝 모델이며 학습상태 또한 매우 우수하다고 평가하였다. 테스트 모델링에 대한 매트릭스 정확도 평가 결과 정상 흉부 X선 영상 데이터의 경우 96%, 폐렴 흉부 X선 영상데이터의 경우 97%의 정확도가 입증되었다. Inception 계열의 딥러닝 모델의 경우 흉부 질환의 분류에 있어 유용한 딥러닝 모델이 될 것이라고 판단되며 인력의 보조적인 역할 또한 수행할 수 있을 것이라고 기대되어 부족한 의료인력 문제에도 해결점이 될 것이라고 사료된다. 향후 딥러닝을 이용한 폐렴의 진단에 대한 유사 연구 시 본 연구는 유사 연구의 기초자료로 제시될 것이라고 기대된다.

• 기독교교육논총
• /
• 제66권
• /
• pp.413-437
• /
• 2021

인간은 영적 존재로 하나님과 관계하기 위해 창조되었다. 그러나 인간의 영이 하나님과 대면을 통해 변형되기를 거부하면서 인간의 영은 위기를 경험하게 되었다. 영의 위기는 궁극적 근원이신 하나님으로부터 연결되지 못한 영적 문제로부터 기인한 것이지만 인간은 이러한 부재를 인간의 성취와 기술과 같은 노력으로 해결하고자 한다. 그래서 과학기술시대에 발생하는 인공지능, 로봇, 복제 등의 문제는 인간론과 관련되며, 정신이라 불리는 마음, 혹은 이성적 발전도 세계의 발전 못지않게 파괴와 혼동에 대한 근거를 찾지 못하고 있다. 그리고 인간의 마음에 집중한 교육은 온전한 교육이라 할 수 없다. 마음은 인간의 사고와 의지, 신념과 같이 인간 삶을 선택하고 이끌어가는데 주된 역할을 감당하고 있으며 이것은 기독교교육이 아닌 다른 학문의 영역에서도 활발하게 연구되고 있다. 하지만 인간의 영은 마음과 다르게, 인간의 한 영역을 담당하나 부분적이고 단편적이라 할 수 없고 인간 삶 중심에 영향을 미치는 변형의 중심이 된다. 기독교교육은 다른 학문에서 관심을 기울이는 인간의 다른 구성요소들에 집중할 것이 아니라 좀 더 분명하고 단순하게 영에 관심을 기울이고, 하나님과 만남이 인간 영의 변형으로 이어질 수 있도록 의도적으로 관심을 기울여야 한다. 즉, 기독교교육은 오늘도 역사하시는 하나님의 실재 속에 인간의 영이 하나님과 연결되는 통로이며 영을 통해서 보다 완전한 인간 이해에 도달할 수 있게 한다. 이를 위해 기독교교육은 하나님과 인간의 대면이 일어날 가능성을 높이는 보다 근본적인 노력을 기울여야 한다. 또한 만남이라는 말에는 초대자와 초청자의 상호성이 일어나기 때문에 만남이라는 말 대신 하나님의 주도성을 인정하고 인간을 변화시켜 나가는 주체자로서 하나님을 강조하고자 변형이라 표현하고, 일상에서 하나님과 소통하고 경험할 수 있는 현장으로 예배를 강조하고자 한다. 그리고 인간 영의 변형이 일어나기 위한 준비와 과정을 살펴봄으로 기독교교육이 인간 영의 변형을 목적으로 할 때 이것이 개인적 경험이나 확신으로 끝나지 않고 신앙공동체에서 계속적인 변형의 변형을 이루어갈 수 있는 신학적 발판을 제공하고자 한다.