• 제목/요약/키워드: Consuming System

검색결과 1,074건 처리시간 0.024초

중학교 가정교과에 대한 학부모의 인식 및 요구도 (Requirement and Perception of Parents on the Subject of Home Economics in Middle School)

  • 신효식;박미숙
    • 한국가정과교육학회지
    • /
    • 제18권3호
    • /
    • pp.1-22
    • /
    • 2006
  • 본 연구는 중학교 가정교과를 이수한 고등학생 학부모들을 대상으로 가정교과에 대한 인식 및 요구도를 조사하여 가정교과의 바람직한 운영 방안 모색의 기초자료를 제공하는 데에 목적이 있다. 본 연구에서 얻어진 결과를 요약하면 다음과 같다. 1. 가정교과의 교육목표는 건전한 생활 이념과 올바른 인간 형성에 관한 것으로 남녀 학생이 같이 배운다. 23.9%와 여자, 남자가 배워야할 교양과 지식을 배운다. 27.8%가 높게 나타났고, 가정 생활 향상을 위한 과학적 지식과 원리를 배운다라는 목표에 대해서 15.7%로 가장 낮게 나타났다. 2. 가정교과의 성격에 대한 인식도는 실생활과 관련성 인식도 3.84, 내용의 현실성 3.44로 나타났고, 편제에 대해서는 가정영역 시수의 적절성 2.31, 교육내용의 적합성 수준 3.38이었으며, 지도내용에 대해서는 활동을 통한 실천성 3.42, 생활에 대한 적용성 3.65, 흥미와 관심도 3.25, 적성 및 능력 개발 3.19 등이었다. 특히 시수의 적절성 인식이 가장 낮게 나타나 시수의 증가를 바라는 것으로 해석된다. 3. 가정교과의 내용에서 강화하여야 할 단원은 [가족] 4.38이 가장 높게 나타났고 [생활자원 환경관리 소비생활] 4.17, [식생활] 4.06, [주거생활] 3.79, [의생활] 3.64 순이었다. 실습의 문제점으로는 시간 부족 3.90, 시설 설비부족 3.89, 비용의 부담 3.48, 학생들의 흥미도와 실습능력의 부족 3.15로 나타났고, 교사의 지도 능력 부족도 2.83 으로 중간보다 높았다. 그리고, 가정교과 내용이 개정되어야 할 영역은 [가족] 4.18, [생활자원 환경관리 소비생활] 4.02, [식생활] 3.90, [주거생활] 3.78, [의생활] 3.66 순이었다. 4. 1학년 가정교과 내용의 요구도 평균은 3.70-4.11 범위이며 전체 평균 4.01로 매우 높게 나타났다. 학부모 전체의 중단원 요구도는 [우리들의 성장발달]이 4.11로 가장 높았고, [건강한 가족] 4.10, [성과 이성교제] 4.09, [청소년의 영양]과 [청소년의 식사] 4.04 순으로 매우 필요하다고 나타났으며 [조리의 기초와 실제]는 3.70으로 가장 낮았다. 이 중 여학생의 학부모는 [성과 이성교제]가 4.05로 가장 높게 나타났고, 남학생 학부모는 [건강한 가족] 4.24로 가장 높은 특성을 보였다. 5. 2학년 가정교과 내용의 요구도 평균은 3.12-4.09 범위이며 전체 평균 3.56으로 높게 나타났다. 학부모 전체의 중단원 요구도는 [청소년과 소비 생활]이 4.09로 가장 높았으며 [청소년의 일과 시간] 3.84, [자원과 환경] 3.68 순이었으며 [옷 만들기와 재활용]은 3.12로 가장 낮았다. 이 중 여학생 학부모는 [청소년과 소비 생활]이 3.96으로 가장 높게 나타났고, 남학생 학부모는 [청소년과 소비 생활]이 4.22로 가장 높은 특성을 나타냈다. 6. 3학년 가정교과 내용의 요구도 평균은 3.65-4.16의 범위이며 평균 3.76으로 약간 높게 나타났다. 학부모 전체의 중단원 요구도는 [진로의 선택과 직업 윤리] 4.16으로 가장 높게 나타났으며 [실내 환경과 설비] 3.89, [생활 공간의 활용] 3.72, [상차림과 식사 예절] 3.71 순으로 나타났으며, [식사 준비와 평가]는 3.53으로 가장 낮았다. 이 중 여학생 학부모는 [진로의 선택과 직업윤리]가 4.06으로 가장 높았고, 남학생 학부모는 [진로의 선택과 직업 윤리] 4.26으로 가장 높은 특성을 나타냈다. 본 연구 결과로 가정교과의 시수를 증가시켜야 하고 실험 시설의 확충이 필요하다는 것을 알 수 있었다. 또한 교사의 연수를 확대 실시하여 교육의 질을 높이고, 교과의 전문성을 가진 기술 및 가정교사가 Team Teaching을 하는 수업 방법의 도입 및 정착이 요구되며 교과내용에서는 [가족]과, [소비 생활], [진로교육]의 내용이 강조되는 방향으로 개정되어야 할 것이다.

  • PDF

Bi-LSTM 기반의 한국어 감성사전 구축 방안 (KNU Korean Sentiment Lexicon: Bi-LSTM-based Method for Building a Korean Sentiment Lexicon)

  • 박상민;나철원;최민성;이다희;온병원
    • 지능정보연구
    • /
    • 제24권4호
    • /
    • pp.219-240
    • /
    • 2018
  • 감성사전은 감성 어휘에 대한 사전으로 감성 분석(Sentiment Analysis)을 위한 기초 자료로 활용된다. 이와 같은 감성사전을 구성하는 감성 어휘는 특정 도메인에 따라 감성의 종류나 정도가 달라질 수 있다. 예를 들면, '슬프다'라는 감성 어휘는 일반적으로 부정의 의미를 나타내지만 영화 도메인에 적용되었을 경우 부정의 의미를 나타내지 않는다. 그렇기 때문에 정확한 감성 분석을 수행하기 위해서는 특정 도메인에 알맞은 감성사전을 구축하는 것이 중요하다. 최근 특정 도메인에 알맞은 감성사전을 구축하기 위해 범용 감성 사전인 오픈한글, SentiWordNet 등을 활용한 연구가 진행되어 왔으나 오픈한글은 현재 서비스가 종료되어 활용이 불가능하며, SentiWordNet은 번역 간에 한국 감성 어휘들의 특징이 잘 반영되지 않는다는 문제점으로 인해 특정 도메인의 감성사전 구축을 위한 기초 자료로써 제약이 존재한다. 이 논문에서는 기존의 범용 감성사전의 문제점을 해결하기 위해 한국어 기반의 새로운 범용 감성사전을 구축하고 이를 KNU 한국어 감성사전이라 명명한다. KNU 한국어 감성사전은 표준국어대사전의 뜻풀이의 감성을 Bi-LSTM을 활용하여 89.45%의 정확도로 분류하였으며 긍정으로 분류된 뜻풀이에서는 긍정에 대한 감성 어휘를, 부정으로 분류된 뜻풀이에서는 부정에 대한 감성 어휘를 1-gram, 2-gram, 어구 그리고 문형 등 다양한 형태로 추출한다. 또한 다양한 외부 소스(SentiWordNet, SenticNet, 감정동사, 감성사전0603)를 활용하여 감성 어휘를 확장하였으며 온라인 텍스트 데이터에서 사용되는 신조어, 이모티콘에 대한 감성 어휘도 포함하고 있다. 이 논문에서 구축한 KNU 한국어 감성사전은 특정 도메인에 영향을 받지 않는 14,843개의 감성 어휘로 구성되어 있으며 특정 도메인에 대한 감성사전을 효율적이고 빠르게 구축하기 위한 기초 자료로 활용될 수 있다. 또한 딥러닝의 성능을 높이기 위한 입력 자질로써 활용될 수 있으며, 기본적인 감성 분석의 수행이나 기계 학습을 위한 대량의 학습 데이터 세트를 빠르게 구축에 활용될 수 있다.

호텔 산업의 서비스 품질 향상을 위한 토픽 마이닝 기반 분석 방법 (An Analytical Approach Using Topic Mining for Improving the Service Quality of Hotels)

  • 문현실;성다윗;김재경
    • 지능정보연구
    • /
    • 제25권1호
    • /
    • pp.21-41
    • /
    • 2019
  • 정보 기술의 발전으로 온라인에서 활용 가능한 데이터의 양이 급속히 증대되고 있다. 이러한 빅데이터 시대에 많은 연구들이 통찰력을 발견하고 데이터의 효과를 입증하기 위해 노력하고 있다. 특히 관광 산업의 경우 정보에 민감한 사업으로 소셜 미디어의 영향력이 높고 소셜 미디어의 상품 후기에 소비자들이 영향을 많이 받아 많은 기업과 연구자들이 소셜 미디어를 분석하여 새로운 서비스 및 통찰력을 얻고자 시도하였다. 하지만 소셜 미디어의 후기는 텍스트로 이루어진 대표적인 비정형 데이터로 적절한 처리를 하지 않으면 분석에 활용할 수 없다. 또한 후기 데이터의 양이 방대함에 따라 사람이 직접 분석하기도 어려운 실정이다. 따라서, 본 연구에서는 이러한 소셜미디어 상의 온라인 후기로부터 직접 호텔의 서비스 품질 향상을 위한 통찰력을 추출할 수 있는 분석 방법을 제시하고자 한다. 이를 위해 본 연구에서는 먼저 후기 데이터에 포함되어 있는 주제어를 추출하는 토픽 마이닝 기법을 적용하였다. 토픽 마이닝은 대용량의 문서 집합으로부터 문서를 대표하는 단어 집합을 추출하는 기법을 의미하며 본 연구에서는 다양한 연구에서 활용되고 있는 LDA모형을 사용하여 토픽 마이닝을 수행하였다. 하지만, 토픽 마이닝 자체만으로는 주제어와 평점 사이의 관계를 도출할 수 없어 서비스 품질 향상을 위한 통찰력을 발견하기 어렵다. 그에 따라 본 연구에서는 토픽 마이닝의 결과값을 기반으로 의사결정나무 모형을 사용하여 주제어와 평점 사이의 관계를 도출하였다. 이러한 방법론의 유용성을 평가하기 위해 홍콩에 있는 4개 호텔의 온라인 후기를 수집하고 제안한 방법론의 분석 결과를 해석하는 실험을 진행하였다. 실험 결과 긍정 후기를 통해 각 호텔이 유지해야할 서비스 영역을 발견할 수 있었으며 부정 후기를 통해 개선해야할 서비스 영역을 도출할 수 있었다. 따라서, 본 연구에서 제안한 방법론을 사용하여 방대한 양의 후기 데이터로부터 서비스 개선 및 유지 영역을 발견할 수 있으리라 기대된다.

전이학습 기반 다중 컨볼류션 신경망 레이어의 활성화 특징과 주성분 분석을 이용한 이미지 분류 방법 (Transfer Learning using Multiple ConvNet Layers Activation Features with Principal Component Analysis for Image Classification)

  • 바트후 ?바자브;주마벡 알리하노브;팡양;고승현;조근식
    • 지능정보연구
    • /
    • 제24권1호
    • /
    • pp.205-225
    • /
    • 2018
  • Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.