• 제목/요약/키워드: Learning-Flow

검색결과 754건 처리시간 0.022초

서울어젠다 기반 문화다양성 미술관교육 프로그램 분석 및 방향 - 국립현대미술관 사례를 중심으로 - (A Study on the Art Education Program Based on Cultural Diversity: Focused on the Case of National Museum of Modern and Contemporary Art, Korea)

  • 황지영;홍해지
    • 예술경영연구
    • /
    • 제53호
    • /
    • pp.127-151
    • /
    • 2020
  • 본 연구는 2010년 발표된 <서울어젠다: 예술교육 발전목표>를 기반으로 한 문화예술교육의 사회적 가치 확산의 흐름을 파악하고 앞으로의 방향성을 제시하였다. 문화예술교육 맥락에서 문화다양성은 중요한 의제로서, 국립현대미술관 문화다양성 프로그램 사례를 분석함으로써 문화예술교육의 사회적 역할에 대한 논의를 이어가고자 한다. 선행연구 조사를 통해 문화다양성 교육의 핵심가치 관점에서 국립현대미술관 문화다양성 미술관교육프로그램의 내용 분석 후 시사점을 도출하였다. 연구 결과를 요약하면 다음과 같다. 2017년부터 국립현대미술관 서울관에서 운영된 문화 다양성 교육프로그램 <어떤 시선>은 주제 중심 접근을 통한 문화다양성의 이해와 증진, 협동학습을 통한 공동체 의식 함양을 목표로 하고 있다. 김영천(2012)의 연구결과에 따른 문화다양성 교육 핵심가치를 토대로 2017-2019년까지 총 80회 운영된 교육프로그램 <어떤 시선>의 내용을 분석한 결과 포용, 대화, 시민성, 공존, 인권, 차이, 평등, 협력, 연대 9가지 문화다양성 교육 핵심가치를 중심으로 운영되었음이 분석되었다. 문화적 포용력을 증진시키는 공간으로서 미술관은 문화다양성에 대한 가치가 실현되는 곳이므로 문화다양성과 문화예술교육을 아우르는 공간으로서 중요한 의미를 지닌다. 포용, 대화, 시민성, 공존, 인권, 차이, 평등, 협력, 연대의 방향성을 미술관교육에 담고 있었으며 우리 사회 내 다양한 집단, 공동체의 관점으로 문화다양성과 문화예술교육의 논의가 확장됨을 파악할 수 있었다.

도메인 특수성이 도메인 특화 사전학습 언어모델의 성능에 미치는 영향 (The Effect of Domain Specificity on the Performance of Domain-Specific Pre-Trained Language Models)

  • 한민아;김윤하;김남규
    • 지능정보연구
    • /
    • 제28권4호
    • /
    • pp.251-273
    • /
    • 2022
  • 최근 텍스트 분석을 딥러닝에 적용한 연구가 꾸준히 이어지고 있으며, 특히 대용량의 데이터 셋을 학습한 사전학습 언어모델을 통해 단어의 의미를 파악하여 요약, 감정 분류 등의 태스크를 수행하려는 연구가 활발히 이루어지고 있다. 하지만 기존 사전학습 언어모델이 특정 도메인을 잘 이해하지 못한다는 한계를 나타냄에 따라, 최근 특정 도메인에 특화된 언어모델을 만들고자 하는 방향으로 연구의 흐름이 옮겨가고 있는 추세이다. 도메인 특화 추가 사전학습 언어모델은 특정 도메인의 지식을 모델이 더 잘 이해할 수 있게 하여, 해당 분야의 다양한 태스크에서 성능 향상을 가져왔다. 하지만 도메인 특화 추가 사전학습은 해당 도메인의 말뭉치 데이터를 확보하기 위해 많은 비용이 소요될 뿐 아니라, 고성능 컴퓨팅 자원과 개발 인력 등의 측면에서도 많은 비용과 시간이 투입되어야 한다는 부담이 있다. 아울러 일부 도메인에서 추가 사전학습 후의 성능 개선이 미미하다는 사례가 보고됨에 따라, 성능 개선 여부가 확실하지 않은 상태에서 도메인 특화 추가 사전학습 모델의 개발에 막대한 비용을 투입해야 하는지 여부에 대해 판단이 어려운 상황이다. 이러한 상황에도 불구하고 최근 각 도메인의 성능 개선 자체에 초점을 둔 추가 사전학습 연구는 다양한 분야에서 수행되고 있지만, 추가 사전학습을 통한 성능 개선에 영향을 미치는 도메인의 특성을 규명하기 위한 연구는 거의 이루어지지 않고 있다. 본 논문에서는 이러한 한계를 극복하기 위해, 실제로 추가 사전학습을 수행하기 전에 추가 사전학습을 통한 해당 도메인의 성능 개선 정도를 선제적으로 확인할 수 있는 방안을 제시한다. 구체적으로 3개의 도메인을 분석 대상 도메인으로 선정한 후, 각 도메인에서의 추가 사전학습을 통한 분류 정확도 상승 폭을 측정한다. 또한 각 도메인에서 사용된 주요 단어들의 정규화된 빈도를 기반으로 해당 도메인의 특수성을 측정하는 지표를 새롭게 개발하여 제시한다. 사전학습 언어모델과 3개 도메인의 도메인 특화 사전학습 언어모델을 사용한 분류 태스크 실험을 통해, 도메인 특수성 지표가 높을수록 추가 사전학습을 통한 성능 개선 폭이 높음을 확인하였다.

인지적 도제 모델 기반의 Rapid-cycling Brassica rapa 식물 프로그램의 개발 및 적용 효과 (Development of Rapid-cycling Brassica rapa Plant Program based on Cognitive Apprenticeship Model and its Application Effects)

  • 김재권;김성하
    • 과학교육연구지
    • /
    • 제47권2호
    • /
    • pp.192-210
    • /
    • 2023
  • 이 연구는 인지적 도제 모델의 교수 단계와 교수방법을 적용하여 Rapid-cycling Brassica rapa (RcBr)를 활용한 식물 분자생물학 실험 프로그램을 개발하여 그의 적용 효과를 알아보고자 하였다. 개발된 프로그램은 예비교사의 분자생물학 실험에 관한 전문성 제고를 위하여 'purple RcBr과 non-purple RcBr 개체의 DFR 유전자 확인'과 'DNA 프로파일링 방법을 이용한 RcBr 개체의 유전적 다형성 부위 확인'의 두 가지 실험 주제를 선정하여 총 8차시로 구성하였다. 개발된 프로그램은 충북 H 대학교 생물교육 전공 2학년 18명을 대상으로 적용하여 분자생물학 지식과 기술 활용에 관한 인지기능과 영역 일반적 메타인지 기능의 향상 효과를 알아보았으며, 개발된 프로그램에서 제공된 수업흐름도 작성 과제의 분석을 통하여 프로그램의 효과를 검증하고자 하였다. 개발된 인지적 도제 모델 기반의 RcBr 식물 프로그램은 예비교사의 분자생물학 지식 및 기술 활용에 관한 인지기능 향상에 효과적이었다. 예비교사의 선행 실험 경험에 따라 고차적 인지기능 향상에 차이를 보였는데, 선행 실험 경험이 없는 예비교사의 고차적 인지기능 향상에 특히 효과적이었다. 개발된 프로그램은 또한 영역 일반적 메타인지 기능 중 메타인지적 지식의 과제와 메타인지적 조절의 계획, 점검, 평가 부분의 하위요소에 있어 유의미한 향상 효과를 보여주었다. 이는 프로그램의 차시별 자기평가 활동이 예비교사의 메타인지적 조절 기능 향상에 도움을 주었기 때문으로 생각한다. 이 연구에서 개발된 인지적 도제 모델의 식물 프로그램은 예비교사의 분자생물학 실험에 관련된 핵심역량을 키우는데 이바지한 것으로 나타났으므로 후속 연구에서 이 교수·학습 자료를 재구성하여 과학교사 연수나 고등학생들에게 적용하여도 메타인지 기능의 향상 효과를 기대할 수 있을 것이다.

하천 관리를 위한 원격탐사 자료 기반 식생 분류 기법 (Vegetation classification based on remote sensing data for river management)

  • Lee, Chanjoo;Rogers, Christine;Geerling, Gertjan;Pennin, Ellis
    • 한국수자원학회:학술대회논문집
    • /
    • 한국수자원학회 2021년도 학술발표회
    • /
    • pp.6-7
    • /
    • 2021
  • 하천에서의 식생 활착은 지형, 생태, 수리학 등의 학문 분야 뿐만 아니라 하천 관리 실무에서도 중요한 이슈 중에 하나로서 하천 식생 문제는 홍수 관리와 생태계 보전이라는 상반되는 가치의 조화에 직결된다. 국내에서는 2000년대 이후 댐 하류 조절하천, 부영화된 소규모 지류하천, 4대강 사업 대상지 고수부지 등 다양한 조건에서 하천 식생 활착과 육역화 문제가 지속적으로 제기되어 왔다. 이러한 배경에서 본 연구에서는 하천 내의 식생 분포를 원격탐사 자료를 기반으로 분류하는 기법을 제안하고 이를 내성천에 적용한 결과를 제시하였다. 내성천은 2014년부터 최근까지 지속적으로 식생 활착이 발생하여 하천 경관이 변화한 대표적인 사례 하천이다. 원격탐사 자료는 유럽항공우주국(ESA)에서 운영 중이며, Google Earth Engine에서 제공하는 Sentinel 1, 2 위성 영상을 사용하였다. 지상 참값(ground truth)으로는 수역, 사주, 초본, 목본 등을 포함한 8가지 유형으로 구분되어 있는 2016년 내성천 지표 피복 자료를 사용하였다. 분류를 위한 방법은 머신러닝 알고리듬의 하나인 랜덤 포레스트 분류 기법을 사용하였으며, 미리 선정된 10개 폴리곤 영역으로부터 1,000개의 표본을 추출하여 1/2씩 나누어 훈련 및 검증 자료로 사용하였다. 검증 자료 기반의 정확도는 82~85 %로 나타났다. 훈련을 통해 수립한 모형을 2016~2020년 자료에도 적용하여 연도에 따른 식생역의 변화 과정을 제시하였다. 본 논문의 기술적 한계와 개선 방안을 고찰하였다. 이 기법은 정량적인 식생 분포를 제공함으로써 하천에서의 홍수위 계산, 식생-수리모델링 등의 기술 분야 뿐만 아니라 간벌이나 하천 식생 회춘 유도(rejuvenation)과 같은 식생의 실무적 관리 측면에서도 활용도가 클 것으로 판단된다.

  • PDF