• 보건의료생명과학 논문지
• /
• 제11권1호
• /
• pp.25-31
• /
• 2023

본 연구는 간호대학생 3학년을 대상으로 온라인학습 교육을 받은 경험에 관한 본질적인 구조와 의미를 파악하기 위해 시도된 질적연구이다. 이를 위해 2020학년 7월 1일부터 7월 31일까지 M대학의 학생 8명을 대상으로 인터뷰를 실시하였으며, 연구결과는 Colaizzi의 현상학적 분석방법을 적용하여 도출하였다. 구체적인 연구 결과는 다음과 같다. 온라인 학습경험은 3개의 범주(온라인학습의 부정적 경험, 온라인학습을 통한 성장, 온라인학습에 대한 기대)와 6개의 주제로 도출되었다. 결론적으로 간호대생의 온라인학습을 효과적으로 간호교육 현장에 적용하기 위해서 본 연구에서 도출된 결과를 반영하기를 제언한다.

• 대한수학교육학회지:학교수학
• /
• 제5권3호
• /
• pp.361-384
• /
• 2003

본 연구는 연립일차방정식에 관한 문장제에서 IDEAL 문제 해결 모형을 바탕으로 "구조-표현"을 강조한 교수-학습을 실시하였을 때 학생들의 문제해결 과정을 탐구하였다. 연구 결과, 구조-표현을 강조한 학급의 학생들이 이를 강조하지 않은 학급의 학생들보다 문제해결 능력이 향상되었으며, 동치문제, 동형문제, 유사문제를 더 정확하게 구별하였다. 또한, 구조-표현을 강조한 학급의 학생들이 그렇지 않은 학급의 학생들보다 문맥에 대한 이해 및 불완전한 정보 추출에서의 오류, 미지수간의 내적 관계에 대한 수학적 기호표현으로의 불완전한 전이 오류, 적절하지 않은 방정식 생성 오류의 발생 빈도가 적었다. 그리고, IDEAL 문제 해결 모형의 문제의 확인 단계(I)와 문제의 정의 단계(D)에서 학생들이 문제 해결 계획을 수립하기 위해 문제를 읽고 이해하여 문제를 해결하는 과정을 중점적으로 분석한 결과, 직접 변환 모델과 구조 도식 모델이 나타났다.

• 한국문헌정보학회지
• /
• 제58권1호
• /
• pp.181-198
• /
• 2024

교수·학습 패러다임의 전환에 따라 비정형 학습에 대한 요구가 높아지고 있다. 본 연구에서는 학습자 주도로 일상적으로 이루어지는 전문가학습공동체를 사서를 위한 교육훈련 프로그램에 적용해보고자 관련 문헌과 사례를 분석하였다. 국내외의 사서와 타 분야의 전문가학습공동체 7개의 운영 사례를 선정하여 학습공동체 구성, 운영 형식과 방법, 학습 내용, 지원 체계 등을 분석하였다. 문헌 검토와 사례 분석을 종합하여 (가칭)사서학습공동체의 개념을 정의하고, 사서학습공동체 구성 및 운영을 위한 시사점으로 구성의 자발성과 다층위성, 학습공동체 운영 형식의 다양성, 학습 내용의 현장성을 도출하였다. 사서학습공동체의 원활한 운영과 활성화를 위한 지원 체계로는 운영기관의 프로그램 운영의 지속성, 소속기관의 지지와 협조, 교육 및 연수 프로그램, 플랫폼 구축 및 운영, 활성화를 위한 성과 확산과 환류의 필요성을 제시하였다.

• 한국터널지하공간학회 논문집
• /
• 제22권5호
• /
• pp.515-528
• /
• 2020

통상적으로 콘크리트 지하 구조물은 수십 년 이상 사용할 수 있도록 설계되지만 최근 들어 구조물 중 상당수가 당초의 기대 수명에 근접하고 있는 실정이다. 그 결과 구조물 고유의 기능이 상실되고 다양한 문제가 야기될 수 있어 신속한점검과 보수가 요구되고 있다. 이를 위해 지금까지는 지하 구조물 유지관리를 위하여 인력 기반의 점검과 보수가 진행되었으나 최근에는 인공지능과 영상 기술의 융합을 통한 객관적인 점검 기술 개발이 활발하게 이루어지고 있다. 특히 딥러닝을 활용한 영상 인식 기술을 적용하여 지도학습 기반의 콘크리트 균열 탐지 알고리즘 개발에 관한 연구가 다양하게 진행되고 있다. 이러한 연구들은 대부분 지도학습 형태 영상 인식 기술로 많은 양의 데이터를 바탕으로 개발이 되는데, 그 중에도 많은 수의 라벨 영상(Label image)이 요구된다. 이를 확보하기 위해서는 현실적으로 많은 시간과 노동력이 필요한 실정이다. 본 논문에서는 이와 같은 문제를 개선하고자 적대적 학습 기법을 적용하여 균열 영역 탐지 정확도를 평균적으로 0.25% 향상시키는 방법을 기술하고자 한다. 이 적대적 학습은 분할(Segmentation) 신경망과 판별자(Discriminator) 신경망으로 구성되어 있고, 가상의 라벨 영상을 경쟁적인 구조로 생성하여 인식 성능을 높이는 알고리즘이다. 본 논문에서는 이 같은 방법을 활용하여 효율적인 심층 신경망 학습 방법을 제시하였고, 향후에 정확한 균열 탐지에 활용될 것으로 기대한다.

• 과학교육연구지
• /
• 제42권2호
• /
• pp.95-105
• /
• 2018

이 연구의 목적은 생체 모방 기반 융합 학습 모델을 이용하여 골격근의 구조 및 수축 메커니즘에 대한 디지털 교과서를 개발하는 것이다. 골격근의 구조 및 수축 메커니즘 단원은 고등학교 생명과학I에 포함된 내용이다. 융합 학습 모델은 3D 모델링 및 프린팅을 포함하는 3단계의 생체 모방 기반 융합 학습(Exploration-Design-Implementation)으로 설계되었다. 개발된 디지털 교재는 8차시로 구성되어 있는데, 골격근 탐색, 스케치 앱과 3D 모델링을 이용한 골격근 모방 창의적 설계 2개 차시, 3D 프린팅을 이용하여 설계안의 융합적 구현, 근수축의 탐색, 스케치 앱과 3D 모델링을 이용한 근수축 모방 창의적 설계 2개 차시, 3D 프린팅을 이용하여 설계안의 융합적 구현 등으로 구성되었다. 각 차시는 대화 형 및 모바일 학습을 위해 갤러리 위젯, 미디어 위젯, 프레젠테이션 위젯, 스케치 위젯, 클라우드, 설문 위젯 및 평가 위젯의 컨텐츠를 포함하고 있다. 개발 된 디지털 교과서를 고등학생 20 명에게 투입한 결과 학생들의 생명과학 학습에 효과가 긍정적인 것으로 나타났다. 또한 이 연구에서 개발된 생체 모방 기반 융합 학습 디지털 교재는 학생들의 창의적 설계 및 구현 능력의 향상에서 효과적인 학습자료로 평가되었다. 이러한 결과를 볼 때 디지털 교재는 학생들의 흥미와 생명과학에 대한 자기주도적 학습에 유용한 자료임을 보여주었다.

• 전기전자학회논문지
• /
• 제27권3호
• /
• pp.340-344
• /
• 2023

본 논문에서는 날씨 변화에 따른 실외 LED 전광판의 시인성 확보를 위한 딥러닝 구조 개발에 관한 연구를 제안한다. 제안하는 기법은 영상장치를 이용한 딥러닝을 사용하여 날씨 변화에 따른 LED 휘도를 자동 조절함으로써 실외 LED 전광판의 시인성을 확보한다. 날씨 변화에 따른 LED 휘도를 자동 조절하기 위하여, 먼저 평면화된 배경 부분 이미지 데이터에 대한 전처리 과정을 거친 후, 합성곱 네트워크를 이용하여 학습시켜 날씨에 대한 분류를 진행할 수 있는 딥러닝 모델을 만들어낸다. 적용된 딥러닝 네트워크는 Residual learning 함수를 사용하여 입력값과 출력값의 차이를 줄임으로써 초기의 입력값의 특징을 가지고 가면서 학습하도록 유도한다. 다음에 날씨를 인식하여 날씨 변화에 따라 실외 LED 전광판의 휘도를 조절하는 제어기를 사용하여 주변 환경이 밝아지면 휘도가 높아지도록 변경하여 선명하게 보이도록 한다. 또한, 주변 환경이 어두워지면 빛의 산란에 의해 시인성이 떨어지기 때문에 전광판의 휘도가 내려가도록 하여 선명하게 보이도록 한다. 본 논문에서 제안하는 방법을 적용하여 LED 전광판의 날씨 변화에 따른 휘도 측정의 공인 측정 실험 결과는, 날씨 변화에 따라 실외 LED 전광판의 시인성이 확보됨을 확인하였다.

• 한국미생물학회:학술대회논문집
• /
• 한국미생물학회 2008년도 International Meeting of the Microbiological Society of Korea
• /
• pp.150-155
• /
• 2008

• 정보처리학회논문지A
• /
• 제10A권4호
• /
• pp.321-330
• /
• 2003

본 연구에서는 학습자들의 학습 과정을 모니터링하여 분석된 학습 특성에 따라 다르게 학습내용을 동적으로 구성하여 제공하는 에이젼트 기반의 적응적 교수 시스템을 구현하고 있다. 또한 학습자들의 능력을 평가하고 각 수준에 맞는 학습내용을 제공하기 위해 퍼지 개념을 이용하고 있다. 이를 위해, 코스웨어 설계시 학습목표의 중요도, 학습내용의 난이도, 학습목표와 학습내용과의 관련도에 따라 퍼지 수준 집합을 구성하고 이를 기반으로 학습자의 수준에 맞는 내용을 제공한다. 본 논문에서는 에이젼트를 이용하여 학습자들의 학습 상태를 지속적으로 모니터링하고, 평가 단계에서 학습자가 오답을 냈을 경우 적절한 힌트를 추론하여 제공하며, 분석된 학습 특성과 평가 결과에 따라 학습 내용을 동적으로 구성하여 줌으로서 적응적 교수 시스템을 효과적으로 구현하고 있다. 또한 퍼지 집합에 의한 수준별 학습 내용의 제공과 평가 결과는 학습과정에 나타나는 여러 가지 다양하고 불확실한 요소들을 고려하여 처리함으로써 보다 융통성 있는 교수 학습 방법을 제공할 수 있도록 한다.

• 전기전자학회논문지
• /
• 제25권3호
• /
• pp.493-500
• /
• 2021

본 논문에서는 다각형 용기의 품질 향상을 위한 딥러닝 구조 개발을 제안한다. 딥러닝 구조는 convolution 층, bottleneck 층, fully connect 층, softmax 층 등으로 구성된다. Convolution 층은 입력 이미지 또는 이전 층의 특징 이미지를 여러 특징 필터와 convolution 3x3 연산하여 특징 이미지를 얻어 내는 층이다. Bottleneck 층은 convolution 층을 통해 추출된 특징 이미지상의 특징들 중에서 최적의 특징들만 선별하여 convolution 1x1 ReLU로 채널을 감소시키고convolution 3x3 ReLU를 실시한다. Bottleneck 층을 거친 후에 수행되는 global average pooling 연산과정은 convolution 층을 통해 추출된 특징 이미지의 특징들 중에서 최적의 특징들만 선별하여 특징 이미지의 크기를 감소시킨다. Fully connect 층은 6개의 fully connect layer를 거쳐 출력 데이터가 산출된다. Softmax 층은 입력층 노드의 값과 연산을 진행하려는 목표 노드 사이의 가중치와 곱을 하여 합하고 활성화 함수를 통해 0~1 사이의 값으로 변환한다. 학습이 완료된 후에 인식 과정에서는 학습 과정과 마찬가지로 카메라를 이용한 이미지 획득, 측정 위치 검출, 딥러닝을 활용한 비원형 유리병 분류 등을 수행하여 비원형 유리병을 분류한다. 제안된 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능을 평가하기 위하여 공인시험기관에서 실험한 결과, 양품/불량 판별 정확도 99%로 세계최고 수준과 동일한 수준으로 산출되었다. 검사 소요 시간은 평균 1.7초로 비원형 머신비전 시스템을 사용하는 생산 공정의 가동 시간 기준 내로 산출되었다. 따라서 본 본문에서 제안한 다각형 용기의 품질 향상을 위한 딥러닝 구조의 성능의 그 효용성이 입증되었다.

• Journal of the Korean Statistical Society
• /
• 제30권2호
• /
• pp.179-192
• /
• 2001

When a statistical model has a hierarchical structure such as multilayer perceptrons in neural networks or Gaussian mixture density representation, the model includes distribution with unidentifiable parameters when the structure becomes redundant. Since the exact structure is unknown, we need to carry out statistical estimation or learning of parameters in such a model. From the geometrical point of view, distributions specified by unidentifiable parameters become a singular point in the parameter space. The problem has been remarked in many statistical models, and strange behaviors of the likelihood ratio statistics, when the null hypothesis is at a singular point, have been analyzed so far. The present paper studies asymptotic behaviors of the maximum likelihood estimator and the Bayesian predictive estimator, by using a simple cone model, and show that they are completely different from regular statistical models where the Cramer-Rao paradigm holds. At singularities, the Fisher information metric degenerates, implying that the cramer-Rao paradigm does no more hold, and that he classical model selection theory such as AIC and MDL cannot be applied. This paper is a first step to establish a new theory for analyzing the accuracy of estimation or learning at around singularities.