• 방송공학회논문지
• /
• 제23권1호
• /
• pp.115-125
• /
• 2018

본 논문에서는 머신러닝을 기반으로 한 조기분할 결정 방법을 통하여 High Efficiency Video Coding (HEVC) Screen Content Coding (SCC) 부호화 기기의 속도를 향상시키는 방법을 제안한다. 현재 HEVC에서는 최적의 부호화 효율을 내기 위해 쿼드트리 블록 분할 과정을 수행한다. 이 과정은 부호화기의 높은 계산 복잡도를 요구하기 때문에 블록 구조를 조기에 결정하여 부호화 속도를 향상시키는 방법으로 고속화 연구가 이루어져 왔다. 하지만 스크린 콘텐츠 부호화는 기존의 자연영상에 맞춰진 부호화 과정과 다른 블록 분할 특성을 보이기 때문에 기존의 조기분할 결정 연구를 적용하기 어렵다. 제안하는 방법은 먼저 스크린 콘텐츠 블록을 분류해 낸 다음 다시 블록분할을 결정하는 방법으로 문제를 해결하였고 SCC 공통 실험 조건에서 3.11%의 BD-BR 증가와 평균 42%의 부호화 시간 감소를 보였다.

• 한국컴퓨터정보학회논문지
• /
• 제26권12호
• /
• pp.323-330
• /
• 2021

본 논문에서는 독서에 대한 학생들의 태도와 성향이 코딩교육에 어떤 영향을 미치는지 파악하기 위한 연구를 진행하였다. 관련 데이터를 3가지 영역(독서, 코딩, 여가)으로 나누어 수집하고 분석하였다. 독서 영역에서는 선호도서, 선호 독서 방법 데이터 등을 수집하였고 코딩영역에서는 선행학습여부, 주요 컴퓨터 활용 작업, 코딩 학습에 주당 사용한 시간 등을 수집하였고, 여가 영역에서는 여가 활동과 주당 소비 시간을 수집하였다. 코딩교육에 어려움을 느끼는 비전공 학생들의 문제점을 확인하기 위해 선호 독서 방법을 기준으로 데이터를 분류 및 분석하였다. 발췌독하는 학생 그룹이 코딩교육에서 가장 좋은 성취도(평균60.1)를 나타내었고, 다독하는 학생 그룹이 가장 낮은 성취도(평균48.4)를 나타내었다. 다독하는 학생 그룹은 타 독서 방법을 선호하는 학생 그룹에 비해 코딩 학습에 더 많은 시간을 사용하였지만 가장 낮은 성취를 나타내고 있음을 확인할 수 있었다.

• 전자공학회논문지B
• /
• 제33B권1호
• /
• pp.178-186
• /
• 1996

오류를 최소화하는 방법에 기초한, 신경망에 대한 간단한 적응 집단 (population) 코딩 모델을 개발하였다. 이 모델은 원숭이의 자발적 팔운동에 있어서, 운동피질에서 발견되는 신경세포들의 집단 코딩의 성질과 잘 부합한다. 학습이 이루어진 후에, 특정의 방향성 모델 신경들을 제거함으로써, 이들 신경들의 코딩에 대한 기여를 조사하였다. 또, 나머지 신경들만을 가지고 학습을 시킴으로써, 그들 세포들의 선호 방향이, 코딩 오차를 줄이기 위해, 어떻게 변하는가를 관측하였다. 이와 같은 집단 코딩의 적응성은 아직 예측되거나 실험적으로 관측된 바가 없으므로, 집단코딩에 기초한 정보처리를 수행한다고 여겨지는 실제의 뇌피질에서도 유사한 적응성질이 존재하는지 조사해 보는 것도 흥미로울 것이다.

• 정보교육학회논문지
• /
• 제23권4호
• /
• pp.355-362
• /
• 2019

초등학생을 위한 소프트웨어교육에서 파이썬과 같은 텍스트 기반 프로그래밍언어를 사용해 코딩을 교육하려는 연구가 활발히 이루어지고 있다. 일반적으로 블록 기반의 프로그래밍언어에 비하여 이러한 고급언어는 피지컬 컴퓨팅용 키트 또는 다양한 프로그래밍언어와 결합해 수행하는 학습 활동을 지원하고 있다. 본 연구는 텍스트 기반 언어의 어려움을 극복하기 위해 ARCS 모형을 적용한 컴퓨팅사고력 기반의 코딩 프로젝트를 수행하였다. 실험 결과에서 학생들은 전반적으로 동기유발 측면에서 프로그래밍에 대한 자신감 및 흥미를 나타나고 있으며, 특히 컴퓨팅사고력의 변화에서 반복, 함수, 객체에 대한 이해가 높게 나타났는데, 이러한 경향은 텍스트 기반 언어 사용과 파이썬 모듈의 효과로 여겨진다.

• 한국인터넷방송통신학회논문지
• /
• 제23권1호
• /
• pp.29-35
• /
• 2023

본 논문에서는 챗봇 시스템을 활용하여 코딩 교육용 챗봇 학습 모델인 SW-EDU 봇을 제안한다. 대표적인 챗봇 빌더인 Dialogflow와 Kakao i Open Builer 기반으로 동일한 시나리오 기반 모델을 제작한 다음, 목적에 더 적합한 빌더를 선정하여 SW-EDU 봇을 설계하고 구현한다. 구현된 챗봇 시스템은 학습 유형 선택, 개념 학습, 난이도 별 문제풀이 등을 제공하여 사용자의 자기 주도성을 고취하면서 효과적인 학습 방법 습득을 목표로 한다. 챗봇 빌더의 사용성을 비교하기 위하여 5개 지표를 선정하고, 이에 근거하여 비교 우위의 빌더를 선택한 다음 이를 기반으로 SW-EDU 봇을 구현한다. 사용성 평가를 통하여 SW-EDU 봇의 학습 지원 도구로서의 타당성을 분석하고 새로운 SW 교육 학습 매체로의 활용 가능성을 확인한다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2017년도 추계학술발표대회
• /
• pp.608-610
• /
• 2017

최근 프로그래밍 교육에 대한 요구가 그 어느때보다 높아지고 있다. 특히 프로그래밍교육이 초등학교때부터 의무화되는 2018년을 맞이하여, 수많은 프로그래밍 교육을 위한 연구가 진행되고 있다. 본 논문에서 제안하는 트라이코딩은 게임을 사용하여 학생 스스로가 프로그래밍 및 알고리즘을 학습할 수 있다. 트라이코딩은 기존의 블록기반 및 그림 기반의 프로그래밍 교육을 거친 학생 또는 처음 접하는 학생도 쉽게 게임을 통하여 프로그래밍에 대한 지식을 습득할 수 있게 설계를 하였다. 프로그래밍 언어는 기본적으로 영어를 기반으로 하고 있기 때문에 기초 영어에 대한 이해도가 없이는 이 게임을 진행하기는 힘들어, 추후 게임내에서 사용되는 기초영어 정도는 이 게임에서 학습할 수 있게 하는 시스템이 필요하다.

• 공학교육연구
• /
• 제22권6호
• /
• pp.21-27
• /
• 2019

In the last few years, interest in computer science education has increased significantly. The curriculum is being revised to introduce computer science. Although interest has focused on coding as the main subject, in fact the computer science includes much more than coding. It engages people in being creative with technology as well as understanding the fundamental principles of computer science. Therefore, it is important to consider the curriculum to provide a foundation by teaching and learning computer science. The curriculum is required the development of courses to teach computer science for non-majors in general education. To think like a computer scientist on the knowledge of computer science is computational thinking. In order to maximize the effectiveness of teaching and learning for computational thinking, various teaching methods and supplementary learning materials, and activities should be developed and provided.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 추계학술대회
• /
• pp.576-577
• /
• 2021

본 논문에서는 앱 인벤터를 활용한 학습 및 퀴즈 앱을 설명하고 관련 설문을 진행하였다. 개발된 앱을 활용하여 예비 유아교사에게 교육철학에 대한 학습을 진행 하였고 그 앱에 대한 설명과 앱 인벤터를 활용하여 유아 교육에 활용할 수 있도록 교육하였다. 본 연구를 통해서 앱 인벤터로 개발된 앱으로 유아 교사 학습 능력 향상 및 유아 교육에서 코딩을 활용할 수 있도록 하고자 한다.

• 한국콘텐츠학회논문지
• /
• 제5권4호
• /
• pp.169-179
• /
• 2005

통계청에서 실시하는 사업체 기초 조사와 인구주택총조사 과정에 업체와 개인에 대한 정보를 기술한 자연어를 표준 산업/직업 코드를 할당하는 수동 코딩 작업이 필요하다. 수동 코딩 작업은 막대한 인건비와 비용을 초래하고 수동 코딩 전문가의 능력과 기분에 따른 작업 결과의 비일관성이 매우 큰 문제로 지적되고 있다. 본 논문은 수작업으로 구축한 규칙베이스를 사용하는 규칙 기반 방법과 수작업으로 분류한 데이터를 이용하는 자동 학습 방법을 통합한 한국어 산업/직업 표준 코드 자동 생성 시스템을 제안한다. 제안하는 시스템은 인구주택총조사 40만 레코드, 사업체기초조사 40만 레코드를 이용하여 학습되었고, 실험데이터를 이용하여 평가되었다. 10-best 성능 평가 결과 제안된 시스템은 인구주택총조사 직업분류 데이터에 대해서 76.63%, 인구주택총조사 산업분류 데이터에 대해서 82.249%의 성능을 보였으며, 사업체기초 조사 산업분류 데이터에 대해서는 99.68%의 정확도를 보였다.

• 지능정보연구
• /
• 제23권2호
• /
• pp.1-17
• /
• 2017

딥러닝 프레임워크의 대표적인 기능으로는 '자동미분'과 'GPU의 활용' 등을 들 수 있다. 본 논문은 파이썬의 라이브러리 형태로 사용 가능한 프레임워크 중에서 구글의 텐서플로와 마이크로소프트의 CNTK, 그리고 텐서플로의 원조라고 할 수 있는 티아노를 비교하였다. 본문에서는 자동미분의 개념과 GPU의 활용형태를 간단히 설명하고, 그 다음에 logistic regression을 실행하는 예를 통하여 각 프레임워크의 문법을 알아본 뒤에, 마지막으로 대표적인 딥러닝 응용인 CNN의 예제를 실행시켜보고 코딩의 편의성과 실행속도 등을 확인해 보았다. 그 결과, 편의성의 관점에서 보면 티아노가 가장 코딩 하기가 어렵고, CNTK와 텐서플로는 많은 부분이 비슷하게 추상화 되어 있어서 코딩이 비슷하지만 가중치와 편향을 직접 정의하느냐의 여부에서 차이를 보였다. 그리고 각 프레임워크의 실행속도에 대한 평가는 '큰 차이는 없다'는 것이다. 텐서플로는 티아노에 비하여 속도가 느리다는 평가가 있어왔는데, 본 연구의 실험에 의하면, 비록 CNN 모형에 국한되었지만, 텐서플로가 아주 조금이지만 빠른 것으로 나타났다. CNTK의 경우에도, 비록 실험환경이 달랐지만, 실험환경의 차이에 의한 속도의 차이의 편차범위 이내에 있는 것으로 판단이 되었다. 본 연구에서는 세 종류의 딥러닝 프레임워크만을 살펴보았는데, 위키피디아에 따르면 딥러닝 프레임워크의 종류는 12가지가 있으며, 각 프레임워크의 특징을 15가지 속성으로 구분하여 차이를 특정하고 있다. 그 많은 속성 중에서 사용자의 입장에서 볼 때 중요한 속성은 어떤 언어(파이썬, C++, Java, 등)로 사용가능한지, 어떤 딥러닝 모형에 대한 라이브러리가 잘 구현되어 있는지 등일 것이다. 그리고 사용자가 대규모의 딥러닝 모형을 구축한다면, 다중 GPU 혹은 다중 서버를 지원하는지의 여부도 중요할 것이다. 또한 딥러닝 모형을 처음 학습하는 경우에는 사용설명서가 많은지 예제 프로그램이 많은지 여부도 중요한 기준이 될 것이다.