• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권3_4호
• /
• pp.316-325
• /
• 2003

기존의 협력적 필터링 기술을 이용한 사용자 선호도 예측 방법에서는 피어슨 상관 계수에 의해 사용자의 유사도를 구하고, 아이템에 대한 사용자의 선호도를 기반으로 이웃 선정 방법을 사용하므로 아이템에 대한 내용을 반영하지 못할 뿐만 아니라 희박성 문제를 해결하지 못하였다. 본 논문에서는 기존의 사용자 선호도 예측 방법의 문제점을 보완하기 위하여 베이지안 추정치가 부여된 유사도 가중치와 연관 사용자 군집을 이용한 선호도 예측 시스템을 제안한다. 제안한 방법에서는 협력적 필터링 시스템에서의 희박성 문제를 해결하기 위하여 Association Rule Hypergraph Partitioning 알고리즘을 사용하여 사용자를 장르별로 군집하며 새로운 사용자는 Naive Bayes 분류자에 의해 이들 장르 중 하나로 분류된다. 또한, 분류된 장르 내에 속한 사용자들과 새로운 사용자의 유사도를 구하기 위해 Naive Bayes 학습을 통해 사용자가 평가한 아이템에 추정치를 달리 부여한다. 추정치가 부여된 선호도를 기존의 피어슨 상관 관계에 적용할 경우 결측치(Missing Value)로 인한 예측의 오류를 적게 하여 예측의 정확도를 높일 수 있다. 제안된 방법의 성능을 평가하기 위해서 기존의 협력적 필터링 기술과 비교 평가하였다. 그 결과 기존의 협력적 필터링 기술의 문제점을 해결하여 예측의 정확도를 높이는데 효과적임을 확인하였다.

• 방송공학회논문지
• /
• 제25권5호
• /
• pp.750-757
• /
• 2020

공연에 사용하는 로봇이 인간과의 상호작용하기 위한 기본 성능 중 하나는 인간의 행동을 빠르고 정확하게 파악하는 것이다. 따라서 로봇이 인간의 자세를 추정할 때 자세 인식의 정확도를 높임과 동시에 가능한 빠른 속도로 인식할 수 있어야 한다. 그러나 현재 인공지능 기술의 대표적인 방식인 딥 러닝을 사용하여 인간의 자세를 추정할 경우, 인식의 정확도와 속도라는 두 가지 성능을 동시에 만족하지 못하고 있다. 따라서 사용 목적에 따라 추론정확도가 높은 하향식 자세추정과 처리속도가 빠른 상향식 자세추정 중 하나를 선택해서 사용하는 것이 일반적이다. 본 논문에서는 앞서 언급한 두 가지 방식이 가진 장점을 모두 포함하면서 단점을 보완한 두 가지 방식을 제안한다. 첫 번째는 다중 그래픽 처리 장치를 활용해 상향식 자세추정과 물체검출을 병렬로 사용하는 방식이고, 두 번째는 상향식 자세추정과 단항분류를 융합하는 방식이다. 실험을 통해 두 가지 방식 모두 속도가 개선됨을 증명했다. 공연로봇에 이 두 가지 방식 중 하나를 사용한다면, 관객과 신뢰도 높으며 보다 빠른 상호작용을 수행할 수 있을 것으로 기대된다.

• 실천공학교육논문지
• /
• 제12권1호
• /
• pp.213-230
• /
• 2020

지금까지 학교 교육은 교육 예산 및 시설, 프로그램 등이 다양하게 투입되었지만 그 성과 평가는 명확하게 이루어지지 못했다. 본 연구는 전국 고등학교에서 학생들을 위한 교육 지원의 효율성을 분석하는 모델을 제시하였다. 학생 교육지원이 비슷한 학교의 운영 효율성을 분석하기 위하여 1차적으로 EM 군집분석을 수행한 후, 군집별로 상대적 효율성을 Network DEA를 이용하여 분석하였다. 본 연구에서 Network DEA는 학교 인프라 측면의 6개 투입요소, 1차적 산출 요소인 학업지속자, 학교 프로그램 측면의 10개 2차 투입 요소, 2차적 산출 요소인 진학자와 취업자, 연결 변수인 1인당도서관이용률을 고려하여 분석하였다. 효율성 분석 결과를 기반으로 벤치마킹할 대상을 선정하기 위해 유클리드 거리 계산방법을 적용하여 Tier분석을 수행하였다. 본 연구에서는 전국의 일반계고등학교와 직업계고등학교에서의 학생 교육지원 데이터를 수집하여 교육 지원의 효율성을 분석하는 모델을 적용하였다. 단계적 벤치마킹방안은 벤치마킹 대상 선택의 문제점을 보완하기 위해 비효율적인 학교의 요소를 고려하여 단계적으로 효율성 개선 대상을 선정하도록 제안하였다. 학생 교육지원 효율성이 낮은 학교가 학생 교육지원의 효율적 운영을 위한 단계적 벤치마킹을 하는데 기초적 자료로 활용될 것으로 기대된다.

• 컴퓨터교육학회논문지
• /
• 제21권3호
• /
• pp.11-20
• /
• 2018

2015 개정 교육과정이 컴퓨팅 사고력을 학생들의 필수 역량으로 정한 것은 컴퓨터교육에서 중대한 변화이다. 컴퓨팅 사고력을 크게 추상화와 자동화, 창의융합으로 분류한 중등 정보교과는 문제해결과 프로그래밍 영역을 교육과정 안에 포함하였다. 또한 컴퓨팅 사고력의 하위요소들 중에서 자료 표현은 학습자들의 문제해결을 위한 자료와 정보의 구조화 능력을 중요시 하고 있다. 대학에서 정보 과목 중등 예비교사들도 다이어그램 작성을 통해 정보 구조화 과정을 배우고 있다. 학생 간에는 다이어그램 구조화 능력에 차이를 보이고 있는데 학생들의 구조화 능력 계발에 도움이 되는 학습방법에 대한 연구는 드물다. 본 연구에서는 대학생들을 대상으로 어떤 학생들이 주어진 문제를 시각적 다이어그램으로 잘 구조화하는지 추상적 사고 성향과 성별 관점에서 차이 분석을 수행하였다. 그 결과 남학생에 비해 여학생이 구체적 사고 성향을 가지고 있으며 다이어그램의 특성에 따라 다른 사고가 요구되고 성별 차이가 있었다. 또한 추상적 사고 성향의 차이에 따라 다이어그램을 구조화하는데 차이를 보였다. 남녀 학생들의 사고 성향의 차이를 파악하여 이들을 보완할 수 있는 교육방법을 찾는다면 컴퓨팅 사고력 향상이라는 교육목적을 달성하는데 유용하다.

• 대한공업교육학회지
• /
• 제40권2호
• /
• pp.92-110
• /
• 2015

이 연구의 목적은 특성화고등학교 학생의 특성을 이해하는데 필요한 정보를 제공하고, 교사의 사회적지지를 통해 학생들의 수업몰입도를 높이며, 담임교사의 생활지도 및 전략적 학급경영 방법에 대한 정보를 제공하는데 있다. 이 연구의 목적을 달성하기 위해 학생의 수업몰입 측정도구(21문항)와 교사의 사회적지지 측정도구(25문항)로 구성된 설문지를 통해 전국 5개 권역 11개교의 공업계열 특성화고등학교 학생 990명을 대상으로 설문 조사를 실시하였다. 이 연구의 결과는 다음과 같다. 첫째, 특성화고등학교 학생의 수업몰입 수준은 높은 수준으로 나타났다. 그러나 행동몰입, 인지몰입에 비해 감정몰입 수준이 낮게 나타난 결과는 질적인 측면의 개선이 요구된다. 성별에 따른 수업몰입 수준에는 차이가 없었으나 학년에 따라서는 유의미한 차이가 있었다. 인지몰입 요인과 감정몰입 요인에서 1학년 학생이 2, 3학년 학생 보다 몰입 수준이 높은 것으로 나타났다. 특히 평가적 지지와 도구적 지지가 높은 수준으로 나타났다. 성별에 따른 수업몰입 수준에는 차이가 없었으나 학년에 따라서는 유의미한 차이가 있었다. 둘째, 특성화고등학교 교사의 사회적지지는 보통 수준이며, 평가적지지, 도구적지지, 정보적지지, 정서적지지 순으로 학생들에게 제공되고 있었다. 셋째, 특성화고등학교 교사의 사회적지지가 학생의 수업몰입에 주는 정적인 영향과 높은 상관관계, 그 설명력 모두 높은 결과를 얻었다. 더욱이 수업몰입의 질적인 측면에 있어 교사의 정서적지지가 높은 상관도와 설명력을 보였다. 따라서 교사의 사회적지지는 학생의 수업몰입 수준 향상에 도움을 주고 학교생활에 대한 적응력과 만족감을 갖게 하여, 정서발달과 자아형성에 긍정적인 효과를 기대할 수 있을 것이다.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.287-296
• /
• 2003

추천 시스템에 있어서 협력적 필터링 기술은 많은 연구가 되고 있다. 그러나 협력적 필터링 기술을 이용한 추천 시스템은 초기 평가 문제와 희박성 문제가 발생한다. 이를 해결하기 위해서 본 논문에서는 선호도 재 계산을 위한 연관 사용자 군집과 베이지안 추정치를 이용한 사용자 선호도 예측 방법을 제안한다. 제안한 방법에서는 협력적 필터링 시스템에서 아이템의 속성을 고려하지 않는 단점을 보완하기 위해서 선호도에 가장 크게 영향을 미치는 대표 장르를 추출하여 유사한 이웃을 찾아 낼 때 예측에 이용하는 Representative Attribute-Neighborhood 방법을 사용한다. 협력적 필터링의 알고리즘에 군집 아이템 백터 내의 특정 아이템의 선호도를 재계산 하기 위한 연관 사용자 군집 분석을 적용하여 성능 향상을 하였다. 또 초기 평가 문제와 희박성 문제를 해결하기 위하여 Association Rule Hypergraph Partitioning 알고리즘을 사용하여 사용자를 장르별로 군집한다. 새로운 사용자는 Naive Bayes 분류자에 의해 이들 장르 중 하나로 분류된다. 또한, 분류된 장르 내에 속한 사용자들과 새로운 사용자의 유사도를 구하기 위해 Naive Bayes 학습을 통해 사용자가 평가한 아이템에 추정치를 달리 부여한다. 추정치가 부여된 선호도를 피어슨 상관 관계에 적용할 경우 결측치(Missing Value)로 인한 예측의 오류를 적게하여 예측의 정확도를 높일 수 있다. 제안된 방법은 기존의 방법보다 높은 성능을 나타냄을 보인다.

• 한국콘텐츠학회논문지
• /
• 제17권9호
• /
• pp.192-202
• /
• 2017

본 연구는 NCS를 기반으로 한 음식 조리분야 교육과정의 주관적 인식을 파악하고자 호텔조리학과 졸업생을 대상으로 Q방법론을 적용하였다. 연구의 목적은 NCS를 기반으로 한 음식 조리분야 교육과정에 관한 주관적 구조를 유형화 하며, NCS를 기반으로 한 음식 조리분야 교육과정에 관한 유형들 간의 특성을 기술하고 분석하여 향후 시사점을 제시하고자 한다. 유형분석 결과, 총 4가지로 도출되었다. 제 1유형(N=7) : 기초실무 수업 추구형 (Seeking Basic Practical Classes type), 제 2유형(N=5) : 국내 취업 선호형(Prefer domestic employment type), 제 3유형(N=5) : 유명 셰프초청 수업 추구형(Pursuit of famous chef inviting class type), 제 4유형(N=3) : 현장실무 맞춤수업 추구형 (Seeking tailor-made lessons typ) 으로, 각각의 유형마다 다양한 특징이 있는 것으로 분석되었다. 향후 NCS기반 음식 조리분야 교육과정에 관한 연구에서는 많은 문헌과 실증연구를 바탕으로 보다 세밀한 Q방법론적인 질문과 분석기법으로 수정 보완하여, 응답자들의 다양한 의견을 보다 구체적이며 객관적으로 분석하고자 한다.

• 재활복지
• /
• 제21권2호
• /
• pp.233-246
• /
• 2017

본 연구는 디지털 세계와 물리적 세계가 접목하는 증강현실을 언어치료에 적용하기 위한 기초 연구이다. 특히, 아동들에게 동사를 지도할 때 증강현실로 구현한 동사 목록이 해당 움직임을 정확하게 나타내고 있는지와 같은 동작 타당도, 그리고 해당 동사 목록이 어휘 지도 목표로 적절한 것인지에 대한 어휘 타당도를 살펴본 연구이다. 선행 연구들을 참고하여 45개의 동사를 어휘 지도 목록으로 선정하고 이 동사들에 대하여 1급 언어재활사 자격증을 소지한 언어치료학과 교수 3명으로 하여금 어휘 타당도를 평가하도록 하였다. 그 결과, 39개 동사에서 높은 어휘 타당도를 얻었다. 높은 어휘 타당도를 얻은 39개 동사에 대한 동작 타당도를 살펴보기 위하여 언어치료 전공 석사과정 대학원생들에게 각 동사를 증강현실로 구현하여 보여주고 생각나는 동사를 기록하게 하였다. 증강현실로 구현된 동작 애니메이션을 보고 난 후 50% 이상의 대학원생이 해당 동사로 기록한 동사는 32개였다. 이차적으로는 이 32개 동사만 증강현실로 구현하여 87명의 언어치료 전공 대학생들에게 보여주고 Likert 5점 척도로 각 동사와 구현된 동작의 일치도를 평가하게 하였다. 최종적으로 30개 동사가 증강현실로 구현하여 지도하기에 타당한 동사 목록으로 선정되었다. 이 연구 결과를 바탕으로 향후 공인 타당도 및 적용 타당화 연구를 지속하여 증강현실을 활용한 어휘 평가 및 지도가 언어치료 임상 현장에서 활용되기를 기대한다.

• 한국터널지하공간학회 논문집
• /
• 제23권1호
• /
• pp.13-24
• /
• 2021

암반 및 연약지반을 포함한 다양한 지반 조건에서 TBM (Tunnel Boring Machine) 터널링이 활용되고 있다. 굴착 성능을 높이기 위해서 지반 조건에 따라 최적으로 장비를 운영해야 하며, 이를 통해 공기단축을 통한 비용 절감 효과를 기대할 수 있다. 하지만 시추 조사를 통해 획득한 지반 정보는 시추공 사이 불확실성이 존재하므로, 실시간 최적 운전에 부족함이 있다. 본 연구에서는 지반의 불확실성 문제를 해결하고자 5초마다 기록된 TBM 데이터를 활용하여 굴착 지반 예측시스템을 구축하고자 한다. 싱가포르 현장에서 획득한 화강암의 풍화도를 고려하여 암반, 토사, 복합지반 세 가지로 지질로 재분류하였고, 실시간으로 도출되는 기계 데이터로 이를 예측하고자 한다. 현장에서 획득한 TBM 데이터에 대해 이상치 제거, 정규화, 특성 추출 등의 전처리 방법을 적용하였고, 지질을 분류하기 위해 6개의 은닉층을 가진 심층 신경망(Deep Neural Network, DNN)을 활용하였다. 10겹 교차검증을 통해 분류 시스템을 평가한 결과, 평균 75.4%의 정확도를 확인하였다(총 데이터 388,639개). 본 연구를 통해 지질 불확실성을 감소시키고, 지반 조건에 따른 실시간 최적 운전에 도움이 될 것으로 판단된다.

• 지능정보연구
• /
• 제27권1호
• /
• pp.83-102
• /
• 2021

2020년 8월 정부는 한국판 뉴딜을 뒷받침하기 위한 공공기관의 역할 강화방안으로서 각 공공기관별 역량을 바탕으로 5대 분야에 걸쳐 총 20가지 과제를 선정하였다. 빅데이터(Big Data), 인공지능 등을 활용하여 대국민 서비스를 제고하고 공공기관이 보유한 양질의 데이터를 개방하는 등의 다양한 정책을 통해 한국판 뉴딜(New Deal)의 성과를 조기에 창출하고 이를 극대화하기 위한 다양한 노력을 기울이고 있다. 그중에서 한국무역보험공사(KSURE)는 정책금융 공공기관으로 국내 수출기업들을 지원하기 위해 여러 제도를 운영하고 있는데 아직까지는 본 기관이 가지고 있는 빅데이터를 적극적으로 활용하지 못하고 있는 실정이다. 본 연구는 한국무역보험공사의 수출신용보증 사고 발생을 사전에 예측하고자 공사가 보유한 내부 데이터에 기계학습 모형을 적용하였고 해당 모형 간에 예측성과를 비교하였다. 예측 모형으로는 로지스틱(Logit) 회귀모형, 랜덤 포레스트(Random Forest), XGBoost, LightGBM, 심층신경망을 사용하였고, 평가 기준으로는 전체 표본의 예측 정확도 이외에도 표본별 사고 확률을 구간으로 나누어 높은 확률로 예측된 표본과 낮은 확률로 예측된 경우의 정확도를 서로 비교하였다. 각 모형별 전체 표본의 예측 정확도는 70% 내외로 나타났고 개별 표본을 사고 확률 구간별로 세부 분석한 결과 양 극단의 확률구간(0~20%, 80~100%)에서 90~100%의 예측 정확도를 보여 모형의 현실적 활용 가능성을 보여주었다. 제2종 오류의 중요성 및 전체적 예측 정확도를 종합적으로 고려할 경우, XGBoost와 심층신경망이 가장 우수한 모형으로 평가되었다. 랜덤포레스트와 LightGBM은 그 다음으로 우수하며, 로지스틱 회귀모형은 가장 낮은 성과를 보였다. 본 연구는 한국무역보험공사의 빅데이터를 기계학습모형으로 분석해 업무의 효율성을 높이는 사례로서 향후 기계학습 등을 활용하여 실무 현장에서 빅데이터 분석 및 활용이 활발해지기를 기대한다.