Journal of Korea Society of Digital Industry and Information Management
/
v.14
no.3
/
pp.103-113
/
2018
The purpose of this study supports the establishment of national e-learning policy by analyzing e-learning status and current status of higher education. Enhance the competitiveness of higher education through sharing information between universities. And to improve e-learning quality management. We surveyed the current status of e-learning in 341 universities and questionnaires about e-learning content, e-learning application form, e-learning platform status was surveyed through each school's learning management system. As a result, the infrastructure of e-learning, the rate of platforms secured, and the contents are increasing gradually each year; however, still, not all students can receive the services equally. Dedicated servers and learning management systems were secured by more than 70% of general universities. In the current development status of e-learning content, multimedia, animation, and text forms are gradually decreasing, but video contents are increasing every year. Most of the online contents were used in the e-learning contents by application type, and blended learning, flipped learning, and mooc is not yet actively used since they are still in the beginning stage. Learning analysis techniques should be supported in order to easily use online learning contents such as flipped learning and mooc. We suggest that the effectiveness of e-learning should be measured and the current state of learning analysis for customized learning should be done. This study aims to contribute to the improvement of competitiveness of higher education by sharing information about e-learning among universities as a basis for improvement of e-learning policy. Future tasks are to improve the customized learning environment by adding whether the system environment for learning analysis is provided at the time of the survey.
In order to minimize the picking time when the products are released from the warehouse, they should be located close to the exit when the products are released. Currently, the warehouse determines the loading location based on the order of the requirement of products, that is, the frequency of arrival and departure. Items with lower requirement ranks are loaded away from the exit, and items with higher requirement ranks are loaded closer from the exit. This is a case in which the delivery time is faster than the products located near the exit, even if the products are loaded far from the exit due to the low requirement ranking. In this case, there is a problem in that the transit time increases when the product is released. In order to solve the problem, we use the idle time of the stocker in the warehouse to rearrange the products according to the order of delivery time. Temporal difference learning method using Q_learning control, which is one of reinforcement learning types, was used when relocating items. The results of rearranging the products using the reinforcement learning method were compared and analyzed with the results of the existing method.
The paper focuses on a new 'learning ecology' that is evolving and the challenges that educators must confront. It looks at e-learning as not just another add-on, but a technology that is transforming our educational institutions. How teaching and learning is conceptualized and experienced to generate a determined community of inquiry that integrates social, cognitive, and teaching presence in a manner that will take full advantage of the distinctive assets of e-learning is discussed. Likewise, the possibility of mobile learning is put forward.
The recommendation system is actively researched for the purpose of suggesting information that users may be interested in in many fields such as contents, online commerce, social network, advertisement system, and the like. However, there are many recommendation systems that propose based on past preference data, and it is difficult to provide users with little or no data in the past. Therefore, interest in higher-order data analysis is increasing and Matrix Factorization is attracting attention. In this paper, we study and propose a comparison and replay of the Factorization Machines Leaning(FM) model which is attracting attention in the recommendation system and High-Order Factorization Machines Learning(HOFM) which is a high - dimensional data analysis.
Realization of autonomous agents that organize their own internal structure in order to behave adequately with respect to their goals and the world is the ultimate goal of AI and Robotics. Reinforcement learning gas recently been receiving increased attention as a method for robot learning with little or no a priori knowledge and higher capability of reactive and adaptive behaviors. In this paper, we present a method of reinforcement learning by which a multi robots learn to move to goal. The results of computer simulations are given.
purpose: In addition to evaluating the quality of sleep of college students, the effect on non-face-to-face online learning satisfaction is identified and used as basic data for improving the quality of remote lectures. Methods: From June 1 to June 24, 2022, a self-entry survey was conducted on students enrolled in the dental hygiene department of D University in Daegu. To evaluate the non-face-to-face online learning satisfaction and sleep quality of the study subjects using the lBM SPSS Statistics 21 program, ANOVA analysis was conducted on the difference between individual stress levels and non-face-to-face online learning satisfaction. The correlation between sleep quality, stress, and non-face-to-face online learning satisfaction was analyzed using Pearson's correlation coefficient. Results: The lower the quality of sleep, the higher the stress, resulting in statistically significant results (p<0.001). The higher the quality of sleep, the higher the learning satisfaction, resulting in statistically significant results (p<0.001). There was a statistically significant positive correlation between learning satisfaction and stress (r=0.591, p<0.01). Conciussions: Through the above results, in order to improve the satisfaction of non-face-to-face online learning, it is necessary to manage the individual's learning environment and health to relieve stress. Instructors also need to communicate with learners and apply teaching methods considering learners' academic abilities.
Choi, Yoon Hee;An, Yong Ah;Choi, Byoung Wook;Yun, Rin
Journal of Engineering Education Research
/
v.25
no.2
/
pp.22-31
/
2022
This study was conducted to investigate the effect of learning style and lecture attitude on academic achievement in non-face-to-face lectures. Among students attending H University in the first semester of 2020. 1,880 students voluntarily participated in the survey. The questionnaire consists of 33 questions, and actual GPA was used to determine academic achievement. In this study, ANOVA and regression were utilized to find out the factors affecting academic achievement. The results are as follows. First, in the correlation between learning style types, the higher the avoidant learning style, the lower the independent, cooperative, and competitive types. Second, the higher the independent learning type, the higher the positive lecture attitude and GPA, and the higher the type of cooperative learning, the higher the negative lecture attitude. Third, the positive attitudes of 4th graders were higher than that of 1st graders. Fourth, there was no difference in learning style between colleges. Fifth, independent/competitive learning styles and non-face-to-face lecture attitudes had a significant effect on academic achievement in non-face-to-face lectures. In conclusion, in order to narrow the academic gap, instructors must identify the type of learning style. And it is necessary to consider students' preferences for non-face-to-face lectures.
The Journal of Korean Institute of Communications and Information Sciences
/
v.21
no.1
/
pp.251-268
/
1996
In this paper, a higher-order feedforward neural network called ridge polynomial network (RPN) which shows good approximation capability for nonlnear continuous functions defined on compact subsets in multi-dimensional Euclidean spaces, is presented. This network provides more efficient and regular structure as compared to ordinary higher-order feedforward networks based on Gabor-Kolmogrov polynomial expansions, while maintating their fast learning property. the ridge polynomial network is a generalization of the pi-sigma network (PSN) and uses a specialform of ridge polynomials. It is shown that any multivariate polynomial can be exactly represented in this form, and thus realized by a RPN. The approximation capability of the RPNs for arbitrary continuous functions is shown by this representation theorem and the classical weierstrass polynomial approximation theorem. The RPN provides a natural mechanism for incremental function approximation based on learning algorithm of the PSN. Simulation results on several applications such as multivariate function approximation and pattern classification assert nonlinear approximation capability of the RPN.
Journal of the Korea Society of Computer and Information
/
v.22
no.4
/
pp.107-113
/
2017
The results showed that the male teachers' have higher expectations of the free learning semester compared to the female teachers'. Furthermore, the teachers who had experienced the free learning semester felt less job burdens than the teachers who did not. In addition, the subject teachers showed higher expectations of the free learning semester than the general teachers or the homeroom teachers. Therefore, in order to establish a stable system of free learning semester, it should be preceded by development of differentiated program of special education, free learning semester, strengthening of advance training, establishment of the system for participating in the whole school and the simplification of administration.
In order to assess the knowledge and learning needs. 72 patients with the first onset myocardial infarction were interviewed by the structured questionnaires during the period of September, 1999 to July, 2000. The results were as follows 1. As a whole. $57.9\%$ of patient had correct knowledge in relation to myocardial infarction. As for the knowledge score in terms of general characteristics, the patients who were in higher education and living with spouse were significantly higher point than those who were in lower education and living alone. 2. The mean scores of learning need of the subjects was 4.13 measured by Likert 5 point scale, No significant differences were shown in the score of learning need in terms of the general characteristics. As for the learning need according to domain, the subjects had higher leaning needs in the domain of diet, risk factors and activity and exercise. 3. There was no significant correlation between the learning need and the knowledge of myocardial infarction. The results of finding show that education program should be consider the general characteristics. the level of knowledge and learning needs of the myocardial infarction patients.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.