• 한국과학교육학회지
• /
• 제37권6호
• /
• pp.937-949
• /
• 2017

최근 지능정보화사회가 가져올 급격한 변화에 대비하는 새로운 교육의 필요성에 대한 인식이 고조되고 있다. 세계 각국에서는 이러한 변화에 대비하여 첨단 정보통신 기기의 도입과 활용이 중심이 되는 스마트 학교 등을 시도하고 있고, 국내에서도 혁신 학교 등을 통해 새로운 시대를 준비하는 교실 환경과 교육과정의 변화를 위한 노력들이 이루어지고 있다. 본 연구에서는 이러한 변화의 맥락 속에서 이루어지고 있는 학교의 기반 시설과 교육과정을 비롯한 제도의 변화에 대하여 과학교사가 어떻게 인식하고 있는지를 알아보았다. 또 그러한 교육 환경의 변화에 대한 인식 속에서 과학교사들의 수업 실천에서는 어떠한 도전과 변화가 나타나는지를 알아보았다. 이를 위하여 일반학교와는 차별화된 변화를 시도하고 있는 중학교의 과학교사 2인에 대한 심층 면담을 통해 얻어진 연구의 결과는 다음과 같다. 첫째, 교사들은 그들이 소속된 학교가 학교의 규모와 기반시설, 동료 교사들의 교사 문화, 학생의 역량 면에서 과학 수업을 변화시킬 수 있는 요소들을 갖추고 있다고 인식하고 있었다. 둘째, 다양한 수업 방식을 시도하는 교사의 열정과 ICT 기반 시설에 적응한 학생들이 갖춘 역량이 시너지를 일으켜 선순환의 고리를 형성하면서, 교사들이 새로운 수업을 시도할 수 있는 진입장벽이 낮아지고 지속적인 도전을 지원하는 학교 문화가 생성되었다. 셋째, 과학 수업은 활동 중심으로 변화하였고, 교사들은 이러한 변화가 학생들의 자기 주도적 학습을 촉진한다고 인식하고 있었다. 넷째, 교사들은 스스로 교과 교육과정 운영에 있어서 주체적인 역할을 수행하고 있다고 인식하였고, 이 인식은 더 다양한 시도를 촉진하였다. 이러한 학교의 학습 환경과 제도의 변화, 자생적 교사 학습 공동체와 같은 도전과 혁신을 공유하는 문화의 형성을 통해 교사들은 교육과정을 재구성하고 수업을 변화시키는 실천을 지속적으로 시도하고 있었다. 이처럼 학교의 변화는 교사, 학생, 기반 시설의 상호작용 맥락 속에서 이해될 필요가 있다. 이러한 변화의 요소들 사이에서 형성된 상승적 상호작용 속에서 변화의 핵심 주체인 교사의 도전과 실천이 지속될 수 있을 것이다.

• 지능정보연구
• /
• 제29권3호
• /
• pp.1-17
• /
• 2023

정보통신기술의 발전과 디지털 기기의 대중화로 인해, 온라인 시장의 규모가 커지고 있다. 그 결과 고객들은 상품을 선택하는데 많은 시간과 비용이 소요되는 정보 과부하(Information Overload) 문제에 직면하고 있다. 따라서 고객이 선호할만한 상품을 추천해 주는 추천 시스템은 필수적인 도구가 되었으며 협업 필터링(Collaborative Filtering) 기법은 가장 널리 쓰이는 추천 방법이다. 전통적인 추천 시스템은 평점과 같은 정량적인 데이터만을 사용하기 때문에 추천의 정확도는 높지 않다. 이와 같은 문제를 해결하기 위해 요즘에는 사용자 리뷰와 같은 정성적 데이터를 반영하는 연구가 활발히 진행되고 있다. 협업 필터링의 일반적인 절차는 사용자-상품 행렬 생성, 이웃 집단 탐색, 추천 목록 생성 3단계로 구성되며 코사인 같은 사용자 유사도를 사용하여 목표 고객의 이웃을 탐색하며, 추천 상품 목록을 생성한다. 본 연구에서는 이웃 집단 탐색 및 추천 목록 생성 단계에서 사용하는 사용자 간의 유사도를 기존의 사용자 평점을 이용한 유사도에 고객의 리뷰 데이터를 사용하는 확장된 사용자 유사도를 제시한다. 리뷰를 정량화 하기 위해 본 연구에서는 텍스트 마이닝을 활용한다. 즉, 리뷰 데이터에 TF-IDF, Word2Vec, 그리고 Doc2Vec 기법을 사용하여 두 사용자 간의 리뷰 유사도를 구한 후 사용자 평점을 사용한 유사도와 리뷰 유사도를 결합한 확장된 유사도를 생성하는 것이다. 이를 검증하기 위해 전자상거래 사이트인 Amazon의 'Health and Personal Care'의 사용자 평점과 리뷰 데이터를 사용하였다. 실험 결과, 사용자 간 유사도를 산출할 때 기존의 평점에 기반한 유사도만을 사용하는 것보다, 사용자 리뷰의 유사도를 추가로 반영한 확장된 유사도를 사용하면 추천의 정확도가 높아진다는 것을 확인했다. 또한, 여러 텍스트 마이닝 기법 중에서 TF-IDF 기법을 사용한 확장된 유사도를 이웃 집단 탐색 및 추천 목록 생성단계에서 사용할 때의 성능이 가장 좋게 나타났다.