• 디지털융복합연구
• /
• 제19권9호
• /
• pp.201-207
• /
• 2021

인공지능이 점차 직무에 확대됨에 따라 비전공자에게 요구되는 AI 리터러시 역량을 갖춘 인재 육성이 필요하다. 이에 본 연구에서는 AI 교육의 필요성 및 현황을 기반으로 향후 전공과 관련하여 AI 학습이 지속 가능하도록 비전공자에 맞는 AI 리터러시 역량 향상 교육을 실시하였다. D 대학의 비전공자를 대상으로 프로젝트 기반 데이터 분석과 시각화를 통한 문제 해결방안 도출을 15주에 걸쳐 적용하고, 학습자들의 교육 전후에 대한 AI 능력 향상 및 효과성을 분석하여 검증하였다. 그 결과, 학습자들의 데이터 분석 및 활용 능력, AI 리터러시 능력, AI 자기효능감 부분에서 통계적으로 유의미한 수준의 긍정적 변화를 확인할 수 있었다. 특히, 학습자들에게 공공데이터를 직접 활용하여 분석하고 시각화하는 능력뿐만 아니라 이를 AI 활용과 연결하여 문제를 해결할 수 있는 자기효능감까지 향상시켰다. 이는 비전공자의 AI 교육에 매우 유용하고 효과성이 있음을 확인할 수 있다. 향후 본 연구를 바탕으로 AI 활용을 확장하여 데이터와 AI 기술을 일상 속에서 자유롭게 활용 가능하도록 다양한 계열의 비전공자에 맞는 확장된 AI 교육 과정 연구를 진행할 예정이다.

• 산업경영시스템학회지
• /
• 제46권2호
• /
• pp.22-31
• /
• 2023

Governments around the world are enacting laws mandating explainable traceability when using AI(Artificial Intelligence) to solve real-world problems. HAI(Human-Centric Artificial Intelligence) is an approach that induces human decision-making through Human-AI collaboration. This research presents a case study that implements the Human-AI collaboration to achieve explainable traceability in governmental data analysis. The Human-AI collaboration explored in this study performs AI inferences for generating labels, followed by AI interpretation to make results more explainable and traceable. The study utilized an example dataset from the Ministry of Oceans and Fisheries to reproduce the Human-AI collaboration process used in actual policy-making, in which the Ministry of Science and ICT utilized R&D PIE(R&D Platform for Investment and Evaluation) to build a government investment portfolio.

• Korean Chemical Engineering Research
• /
• 제61권4호
• /
• pp.523-541
• /
• 2023

3D 프린터의 활용이 높아짐에 따라 발생하는 화학물질에 대한 노출 빈도가 증가하고 있다. 그러나 3D 프린팅 발생 화학물질의 독성 및 유해성에 대한 연구는 미비하며, 분자 구조 데이터의 결측치로 인해 in silico 기법을 사용한 독성예측 연구는 저조한 실정이다. 본 연구에서는 화학물질의 분자구조 정보를 나타내는 주요 분자표현자의 결측치를 보간하여 3D 프린팅의 독성 및 유해성을 예측한 Data-centric QSAR 모델을 개발하였다. 먼저 MissForest 알고리즘을 사용해 3D 프린팅으로 발생되는 유해물질의 분자표현자 결측치를 보완하였으며, 서로 다른 4가지 기계학습 모델(결정트리, 랜덤포레스트, XGBoost, SVM)을 기반으로 Data-centric QSAR 모델을 개발하여 생물 농축 계수(Log BCF)와 옥탄올-공기분배계수(Log Koa), 분배계수(Log P)를 예측하였다. 또한, 설명 가능한 인공지능(XAI) 방법론 중 TreeSHAP (SHapley Additive exPlanations) 기법을 활용하여 Data-centric QSAR 모델의 신뢰성을 입증하였다. MissForest 알고리즘 기반 결측지 보간 기법은, 기존 분자구조 데이터에 비하여 약 2.5배 많은 분자구조 데이터를 확보할 수 있었다. 이를 바탕으로 개발된 Data-centric QSAR 모델의 성능은 Log BCF, Log Koa와 Log P를 각각 73%, 76%, 92% 의 예측 성능으로 예측할 수 있었다. 마지막으로 Tree-SHAP 분석결과 개발된 Data-centric QSAR 모델은 각 독성치와 물리적으로 상관성이 높은 분자표현자를 통하여 선택함을 설명할 수 있었고 독성 정보에 대한 높은 예측 성능을 확보할 수 있었다. 본 연구에서 개발한 방법론은 다른 프린팅 소재나 화학공정, 그리고 반도체/디스플레이 공정에서 발생 가능한 오염물질의 독성 및 인체 위해성 평가에 활용될 수 있을 것으로 사료된다.

• 산경연구논집
• /
• 제12권8호
• /
• pp.21-32
• /
• 2021

Purpose: With the advent of the era of the 4th industrial revolution, called a new technological revolution, the necessity of fostering future talents equipped with AI utilization capabilities is emerging. However, there is a lack of research on AI education design and competency-based education curriculum as education for business major. The purpose of this study is to design AI education to cultivate competency-oriented AI literacy for business major in universities. Research design, data and methodology: For the design of AI basic education in business major, three expert Delphi surveys were conducted, and a demand analysis and specialization strategy were established, and the reliability of the derived design contents was verified by reflecting the results. Results: As a result, the main competencies for cultivating AI literacy were data literacy, AI understanding and utilization, and the main detailed areas derived from this were data structure understanding and processing, visualization, web scraping, web crawling, public data utilization, and concept of machine learning and application. Conclusions: The educational design content derived through this study is expected to help establish the direction of competency-centered AI education in the future and increase the necessity and value of AI education by utilizing it based on the major field.

• 식품보건융합연구
• /
• 제10권1호
• /
• pp.1-6
• /
• 2024

Purpose: The research aims to address the intricacies of AI and Big Data application within the food industry. This study explores the strategic implementation of AI and Big Data in the food industry. The study seeks to understand how these technologies can be employed to bolster consumer engagement and contribute to market expansion, while considering ethical implications. Research Method: This research employs a comprehensive approach, analyzing current trends, case studies, and existing academic literature. It focuses on the application of AI and Big Data in areas such as supply chain management, consumer behavior analysis, and personalized marketing strategies. Results: The study finds that AI and Big Data significantly enhance market analytics, consumer personalization, and market trend prediction. It highlights the potential of these technologies in creating more efficient supply chains, improving consumer satisfaction through personalization, and providing valuable market insights. Conclusion and Implications: The paper offers actionable insights and recommendations for the effective implementation of AI and Big Data strategies in the food industry. It emphasizes the need for ethical considerations, particularly in data privacy and the transparency of AI algorithms. The study also explores future trends, suggesting that AI and Big Data will continue to revolutionize the industry, emphasizing sustainability, efficiency, and consumer-centric practices.

• 디지털융복합연구
• /
• 제19권5호
• /
• pp.285-293
• /
• 2021

4차 산업혁명 시대가 도래함에 따라 다양한 산업 분야에서 AI 활용역량이 강조되고 있다. 그러나 현재 보편적 교육으로서의 AI 교육 설계 연구 및 역량 중심교육 커리큘럼 연구가 부족하다. 본 연구에서는 대학에서의 비전공자를 위한 역량 중심 AI 리터러시 함양을 위한 보편적 AI 교육을 설계하는 데 목적을 둔다. 인문계열 AI 기초교육 설계를 위해 3차에 걸쳐 전문가 대상으로 설문을 진행하였고, 그 결과를 반영하여 도출된 설계 내용의 신뢰도를 검증하였다. 그 결과, AI 리터러시 함양을 위한 주요역량은 데이터 리터러시, AI 이해 및 활용능력이었으며, 이를 토대로 도출된 주요 세부 영역으로는 데이터 구조 이해 및 가공, 시각화, 워드클라우드, 공공데이터 활용, 머신러닝 개념 이해 및 활용이었다. 본 연구를 통해 도출된 교육 설계 내용은 향후 역량 중심의 AI 보편적 교육의 필요성과 가치를 높일 수 있을 것으로 기대한다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.233-254
• /
• 2024

This paper delves into the symbiotic integration of coding and mathematics education, aimed at cultivating computational thinking and enriching mathematical problem-solving proficiencies. We have identified a corpus of scholarly articles (n=38) disseminated within the preceding two decades, subsequently culling a portion thereof, ultimately engendering a contemplative analysis of the extant remnants. In a swiftly evolving society driven by the Fourth Industrial Revolution and the ascendancy of Artificial Intelligence (AI), understanding the synergy between these domains has become paramount. Mathematics education stands at the crossroads of this transformation, witnessing a profound influence of AI. This paper explores the evolving landscape of mathematical cognition propelled by AI, accentuating how AI empowers advanced analytical and problem-solving capabilities, particularly in the realm of big data-driven scenarios. Given this shifting paradigm, it becomes imperative to investigate and assess AI's impact on mathematics education, a pivotal endeavor in forging an education system aligned with the future. The symbiosis of AI and human cognition doesn't merely amplify AI-centric thinking but also fosters personalized cognitive processes by facilitating interaction with AI and encouraging critical contemplation of AI's algorithmic underpinnings. This necessitates a broader conception of educational tools, encompassing AI as a catalyst for mathematical cognition, transcending conventional linguistic and symbolic instruments.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2021년도 추계학술대회
• /
• pp.172-175
• /
• 2021

4차 산업혁명이 시작된 이래로 다양한 산업 분야에서 AI가 활용되고 있고, 그 중에서도 컴퓨터 비전 분야에서 딥러닝 기술이 각광받고 있다. 하지만 딥러닝 기술은 높은 전문 지식이 요구되어 관련 지식이 없는 일반인들은 활용하기 어렵다. 본 논문에서는 AI 관련 배경지식이 없는 사용자들도 UI를 통해 쉽게 이미지 분류 모델을 학습시킬 수 있는 노 코드 플랫폼에 관하여 기술하고, django 프레임워크를 이용해 웹 개발과 딥러닝 모델 학습을 통합 개발을 위한 아키텍처와 방향성을 제시하고자 한다. 사용자가 웹서버에 업로드한 이미지들을 웹 인터페이스를 통해 라벨링 하여 학습 데이터를 생성한 후, 이 데이터를 사용하여 모델을 학습시킨다. CNN 모델에 데이터를 학습시키는 과정과 생성된 모델 기반으로 이미지 예측하는 모듈을 통해 전문지식이 없는 사용자가 딥러닝 기술에 대해 쉽게 이해하고 이용하는 것을 기대할 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권6호
• /
• pp.1657-1673
• /
• 2023

With the advancement of information technology, criminals employ multiple cyberspaces to promote cybercrime. To combat cybercrime and cyber dangers, banks and financial institutions use artificial intelligence (AI). AI technologies assist the banking sector to develop and grow in many ways. Transparency and explanation of AI's ability are required to preserve trust. Deep learning protects client behavior and interest data. Deep learning techniques may anticipate cyber-attack behavior, allowing for secure banking transactions. This proposed approach is based on a user-centric design that safeguards people's private data over banking. Here, initially, the attack data can be generated over banking transactions. Routing is done for the configuration of the nodes. Then, the obtained data can be preprocessed for removing the errors. Followed by hierarchical network feature extraction can be used to identify the abnormal features related to the attack. Finally, the user data can be protected and the malicious attack in the transmission route can be identified by using the Wrapper stepwise ResNet classifier. The proposed work outperforms other techniques in terms of attack detection and accuracy, and the findings are depicted in the graphical format by employing the Python tool.

• Journal of Information Technology Applications and Management
• /
• 제31권3호
• /
• pp.149-163
• /
• 2024

As conversational AI systems such as ChatGPT have become more advanced, researchers are exploring ways to use them in education. However, we need effective ways to evaluate these systems before allowing them to help teach students. This study proposes a detailed framework for testing conversational AI across three important criteria as follow. First, specialized benchmarks that measure skills include giving clear explanations, adapting to context during long dialogues, and maintaining a consistent teaching personality. Second, adaptive standards check whether the systems meet the ethical requirements of privacy, fairness, and transparency. These standards are regularly updated to match societal expectations. Lastly, evaluations were conducted from three perspectives: technical accuracy on test datasets, performance during simulations with groups of virtual students, and feedback from real students and teachers using the system. This framework provides a robust methodology for identifying strengths and weaknesses of conversational AI before its deployment in schools. It emphasizes assessments tailored to the critical qualities of dialogic intelligence, user-centric metrics capturing real-world impact, and ethical alignment through participatory design. Responsible innovation by AI assistants requires evidence that they can enhance accessible, engaging, and personalized education without disrupting teaching effectiveness or student agency.