• 사물인터넷융복합논문지
• /
• 제9권3호
• /
• pp.35-43
• /
• 2023

본 연구는 AI 기반 맞춤형 학습 시스템을 시범적으로 운영하여 대학 수업에서의 AI 기반 맞춤형 학습 시스템의 적용 가능성과 효용성을 알아보고자 하였다. 이를 위하여 C지역 소재 B대학교 1학년 재학생 중 기초수학 교과목 수업에 참여한 42명 학습자를 대상으로 AI 기반 맞춤형 학습 시스템을 적용 및 운영하였고, 학생 및 교수를 대상으로 설문 문항 조사와 인터뷰를 진행하였다. 연구 결과, AI 기반 맞춤형 학습 시스템의 활용은 학생의 학업성취도를 향상시켰다. 심층인터뷰 결과 교수자와 학습자 모두 기초 개념 학습에 있어 학습 성과 향상에 기여하는 것으로 파악되었다. 이는 AI 기반의 맞춤형 학습 시스템이 자기 주도 학습의 역량을 향상하고 개념학습을 통해 지식 강화에 효과적인 방안이 될 것임을 시사한다. 본 연구는 인공지능 기반 적응형 학습 시스템의 기초 과학 교과목 도입과 적용에 관련한 기초자료로 활용될 수 있을 것이다. 향후 AI 기반 맞춤형 학습에서 학생들에게 제공한 학습과정과 분석한 데이터를 대면수업에 연계한 효과 검증과 분석한 데이터의 활용 방안에 대한 전략 연구를 제언한다.

• 정보교육학회논문지
• /
• 제26권4호
• /
• pp.249-263
• /
• 2022

인공지능 기반 맞춤 및 적응형 학습을 대학원 이상의 수업에 적용에 따른 실증 연구는 매우 부족한 상황이다. 본 연구는, 인공지능 기반 맞춤 및 적응형 학습을 대학원 수업에 적용한 경우, 만족도 및 충성도를 연구 했으며, 테크놀로지관련 인식, 컨텐츠 및 시스템 특성에 대한 인식, 및 인공지능 기반 맞춤형 학습과 강의를 병행한 교육에 대한 전반적인 인식이 만족도, 효과성, 유용성, 동기부여, 및 다른 수업에 적용에 따른 의사에 어떻게 영향을 주는 지 조사하였다. 인공지능 기반 맞춤 및 적응형 시스템인 알렉스를 적용한 강의 직후 온라인 설문조사를 통한 데이터를 사용하였으며, 요인분석, 회귀분석, 분산분석 등을 활용하여 가설검증을 하였다. 본 연구의 결과로, 어떤 요인들이 유의하게 영향을 주는 지와 효과의 크기를 비교 검증하였고, 더불어 만족도가 충성도에 영향을 미치는 이론이 교육효과에도 적용됨을 입증하였다. 또한, 인공지능 기반 맞춤 및 적응형 시스템의 고등교육 특히 대학원 수업에도 효과가 있고, 고객관계관리에 도움이 된다는 시사점을 제시한다.

• 공학교육연구
• /
• 제27권4호
• /
• pp.3-11
• /
• 2024

This study classified domestic and international systems by type, presenting their key features and examples, with the aim of outlining future directions for system development and research. AI-based learning assistance systems can be categorized into instructional-learning evaluation types and academic recommendation types, depending on their purpose. Instructional-learning evaluation types measure learners' levels through initial diagnostic assessments, provide customized learning, and offer adaptive feedback visualized based on learners' misconceptions identified through learning data. Academic recommendation types provide personalized academic pathways and a variety of information and functions to assist with overall school life, based on the big data held by schools. Based on these characteristics, future system development should clearly define the development purpose from the planning stage, considering data ethics and stability, and should not only approach from a technological perspective but also sufficiently reflect educational contexts.

• 디지털융복합연구
• /
• 제19권10호
• /
• pp.39-48
• /
• 2021

인공지능을 활용한 적응형 학습은 최근 국내 대학들이 직면하고 있는 학생들의 기초학력 저하와 학습격차 증가 등의 문제해결을 위한 방편이 될 수 있다. 인공지능 기반 적응형 학습이 성공적으로 대학 수업에 도입되고 실천되기 위해서는 교수자의 적극적인 관심과 참여가 요구된다. 이에 본 연구에서는 대학 교수들을 대상으로 적응형 학습에 대한 인식을 분석하여 대학 수업에서의 적응형 학습 구현을 위한 방안을 제안하고자 하였다. 이를 위하여 수도권 소재 A대학 교수들을 대상으로 온라인 설문을 통해 자료를 수집하였으며, 162명의 교수들이 응답에 참여하였다. 설문 분석 결과 교수들은 학생 맞춤형 피드백 제공의 어려움, 학생들의 사전학습 부족 및 기초학력 저하를 수업 운영에서의 문제로 높게 인식하고 있었다. 또 적응형 학습에 대한 교수들의 지식 수준은 낮았지만, 적응형 학습 적용 의향은 높은 것으로 나타났다. 적응형 학습 적용을 위한 지원방안으로는 활용이 쉽고 유용한 적응형 학습 시스템 제공에 대한 요구가 가장 높았다. 이러한 결과를 바탕으로 대학에서의 적응형 학습 적용의 가능성을 논의하고, 적응형 학습의 성공적 도입과 적용을 위한 구체적인 방안을 제언하였다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.240-243
• /
• 2021

최근에 빅 데이터와 AI 기술을 교육의 평가와 개별 학습에 적용하는 연구 성과가 있었다. 정보 기술의 혁신으로 소셜 미디어, MOOC, 지능형 개인지도 시스템, LMS, 센서 및 모바일 장치 등으로부터 학생들의 개인 기록, 생리학적 데이터, 학습 로그 및 활동, 학습 성과 및 결과를 포함하는 동적이고 복잡한 데이터를 수집 가능하였다. 또한 COVID-19 환경에서 e-러닝이 활성화 되어 많은 양의 학습 데이터가 생성되었다. 이 데이터로부터 학습 분석과 AI 기술을 적용하여 의미있는 패턴의 추출과 지식의 발견이 될 것으로 예상된다. 학습자 측면에서 학생의 학습 및 정서적 행동 패턴과 프로필을 식별하고, 평가 및 평가 방법을 개선하고, 개별 학생의 학습 성과 또는 중퇴를 예측하고, 개인화 된 지원을 위한 적응 시스템에 대한 연구는 필요하다. 본 연구에서는 교육용 데이터를 대상으로 이상탐지와 추천시스템에서 사용하는 기계학습 기술에 대한 조사와 분류를 하여 교육 분야의 연구에 기여하고자 한다.

• 한국컴퓨터정보학회논문지
• /
• 제29권4호
• /
• pp.47-54
• /
• 2024

첨단기술을 활용한 문화예술 교육은 기술에 대한 문해력 향상과 자기표현, 그리고 융합적 역량 개발의 측면에서 그 중요성이 증대되고 있다. 이에 혁신적인 멀티모달 AI의 생성과정과 결과평가는 확대된 시청각 경험을 제공하고 창의적 영감을 향상할 수 있다. 특히, AI와 함께 음악을 만드는 과정은 멜로디와 악상을 떠올리는 것부터 가사 개선, 편집과 변주, 악기 연주 등 모든 영역에 걸쳐 혁신적 경험을 제공한다. 이에 본 연구에서는 음악 생성 AI 플랫폼을 활용하여 과제를 수행하고 동료 학습자와 토론하는 과정을 실증적으로 분석하고자 하였다. 그 결과 자발적 참여를 통해 12개의 서비스와 10개의 평가기준 유형을 수집하여 사용패턴과 목적으로 구분할 수 있었다. 이를 토대로 학습자 관점의 AI 기반 교양교육을 위한 학술적, 기술적, 정책적 시사점을 제시하였다.

• Advances in Computational Design
• /
• 제5권3호
• /
• pp.233-260
• /
• 2020

The main purpose to introduce model based controller in proposed control technique is to provide better and fast learning of the floating dynamics by means of fuzzy logic controller and also cancelling effect of nonlinear terms of the system. An iterative adaptive dynamic programming algorithm is proposed to deal with the optimal trajectory-tracking control problems for autonomous underwater vehicle (AUV). The optimal tracking control problem is converted into an optimal regulation problem by system transformation. Then the optimal regulation problem is solved by the policy iteration adaptive dynamic programming algorithm. Finally, simulation example is given to show the performance of the iterative adaptive dynamic programming algorithm.

• 방송공학회논문지
• /
• 제27권3호
• /
• pp.332-340
• /
• 2022

최근 딥러닝을 적용하는 비디오 압축에 대한 연구가 활발히 진행되고 있다. 특히, 화면내 예측 부호화의 성능 한계를 극복할 수 있는 방안으로 딥러닝 기반의 화면내 예측 부호화 기술이 연구되고 있다. 본 논문은 신경망 기반 문맥적응적 화면내 예측 모델의 학습기법과 그 부호화 성능분석을 제시한다. 즉, 본 논문에서는 주변 참조샘플의 문맥정보를 입력하여 현재블록을 예측하는 기존의 합성곱 신경망(CNN: Convolutional Neural network) 기반의 화면내 예측 모델을 학습한다. 학습된 화면내 예측 모델을 HEVC(High Efficiency Video Coding)의 참조 소프트웨어인 HM16.19에 추가적인 화면내 예측모드로 구현하고 그 부호화 성능을 분석하였다. 실험결과 학습한 예측 모델은 HEVC 대비 AI(All Intra) 모드에서 0.28% BD-rate 부호화 성능 향상을 보였다. 또한 비디오 부호화 블록분할 구조를 고려하여 학습한 경우의 성능도 확인하였다.

• 지능정보연구
• /
• 제29권1호
• /
• pp.249-263
• /
• 2023

대표적인 추천 시스템 방법론인 협업 필터링(Collaborative Filtering)에는 이웃기반 방법(Neighbor Methods)과 잠재 요인 모델(Latent Factor model)이라는 두 가지 접근법이 있다. 이중 행렬 분해(Matrix Factorization)를 이용하는 잠재 요인 모델은 사용자-아이템 상호작용 행렬을 두 개의 보다 낮은 차원의 직사각형 행렬로 분해하고 이들의 행렬 곱으로 아이템의 평점(Rating)을 예측한다. 평점 패턴으로부터 추출된 요인 벡터들을 통해 사용자와 아이템 속성을 포착할 수 있기 때문에 확장성, 정확도, 유연성 측면에서 이웃기반 방법보다 우수하다고 알려져 있다. 하지만 평점이 지정되지 않은 아이템에 대해서는 선호도가 다른 개개인의 다양성을 반영하지 못하는 근본적인 한계가 있고 이는 반복적이고 부정확한 추천을 초래하게 된다. 이러한 잠재요인 모델의 한계를 개선하고자 각각의 아이템 별로 사용자의 선호도를 적응적으로 학습하는 적응 심층 잠재요인 모형(Adaptive Deep Latent Factor Model; ADLFM)이 등장하였다. ADLFM은 아이템의 특징을 설명하는 텍스트인 아이템 설명(Item Description)을 입력으로 받아 사용자와 아이템의 잠재 벡터를 구하고 어텐션 스코어(Attention Score)를 활용하여 개인의 다양성을 반영할 수 있는 방법을 제시한다. 하지만 아이템 설명을 포함하는 데이터 셋을 요구하기 때문에 이 방법을 적용할 수 있는 대상이 많지 않은 즉 일반화에 있어 한계가 있다. 본 연구에서는 아이템 설명 대신 추천시스템에서 보편적으로 사용하는 아이템 ID를 입력으로 하고 Self-Attention, Multi-head attention, Multi-Conv1d 등 보다 개선된 딥러닝 모델 구조를 적용함으로써 ADLFM의 한계를 개선할 수 있는 일반화된 적응 심층 잠재요인 추천모형 G-ADLFRM을 제안한다. 다양한 도메인의 데이터셋을 가지고 입력과 모델 구조 변경에 대한 실험을 진행한 결과, 입력만 변경했을 경우 동반되는 정보손실로 인해 ADLFM 대비 MAE(Mean Absolute Error)가 소폭 높아지며 추천성능이 하락했지만, 처리할 정보량이 적어지면서 epoch 당 평균 학습속도는 대폭 향상되었다. 입력 뿐만 아니라 모델 구조까지 바꿨을 경우에는 가장 성능이 우수한 Multi-Conv1d 구조가 ADLFM과 유사한 성능을 나타내며 입력변경으로 인한 정보손실을 충분히 상쇄시킬 수 있음을 보여주었다. 결론적으로 본 논문에서 제시한 모형은 기존 ADLFM의 성능은 최대한 유지하면서 빠른 학습과 추론이 가능하고(경량화) 다양한 도메인에 적용할 수 있는(일반화) 새로운 모형임을 알 수 있다.

• 한국방사선학회논문지
• /
• 제17권1호
• /
• pp.1-9
• /
• 2023

전산화단층촬영조영술(computer tomography angiography, CTA)의 최적 화질을 위한 서로 다른 요오드 농도와 스캔 매개변수를 적용하여 필터 보정 역투영 (filtered back projection, FBP), 혼합형 반복재구성 (hybrid-iterative reconstruction, hybrid-IR) 및 딥러닝 재구성 (deep learning reconstruction, DLR)의 화질적 특성을 정량적으로 평가하였다. 320행 검출기 CT 스캐너에서 지름 19 cm의 원통형 물 팬텀 가장자리에 있는 다양한 요오드 농도 (1.2, 2.9, 4.9, 6.9, 10.4, 14.3, 18.4 및 25.9 mg/mL)의 팬텀을 스캔하였다. 각각의 재구성 기술을 사용하여 획득한 데이터는 노이즈 (noise), 변동 계수 (coefficient of variation, COV) 및 평균 제곱근 오차 (root mean square error, RMSE)을 통해 영상을 분석하였다. 요오드의 농도가 증가할수록 CT number 값은 증가하였지만 노이즈 변화는 특별한 특성을 보이지 않았다. 다양한 관전류 및 관전압에서 FBP, adaptive iterative dose reduction (AIDR) 3D 및 advanced intelligent clear-IQ engine (AiCE)에 대해 요오드 농도를 증가할수록 COV는 감소하였고 요오드 농도가 낮을 때는 재구성 기술 간의 COV 차이가 다소 발생하였지만, 요오드 농도가 높아짐에 따라 그 차이는 미약한 결과를 보였다. 또한, AiCE에서는 요오드 농도가 높아질수록 RMSE는 감소하지만 특정한 농도 (4.9 mg/mL) 이후에는 RMSE가 오히려 증가 되는 특성을 보여주었다. 따라서 최적의 CTA 영상 획득을 위해 재구성 기술에 따른 요오드 농도의 변화 및 다양한 관전류 및 관전압의 스캔 매개변수의 특성을 고려하여 환자 스캔을 해야 할 것이다.