• 한국과학교육학회지
• /
• 제38권2호
• /
• pp.219-234
• /
• 2018

본 연구에서는 국내 교육학 연구에서 거의 사용되지 않던 머신 러닝 기술을 과학 교육 연구에 접목하여, 학생들의 과학 논변 활동에서 나타나는 논변의 구성 요소를 분석하는 과정을 자동화할 수 있는 가능성을 탐색해보았다. 학습 데이터로는 Toulmin이 제안하였던 틀에 따라 학생들의 과학 논변 구성 요소를 코딩한 국내 선행 문헌 18건을 수합하고 정리하여 990개의 문장을 추출하였으며, 테스트 데이터로는 실제 교실 환경에서 발화된 과학 논변 전사 데이터를 사용하여 483개의 문장을 추출하고 연구자들이 사전 코딩을 수행하였다. Python의 'KoNLPy' 패키지와 '꼬꼬마(Kkma)' 모듈을 사용한 한국어 자연어 처리(Natural Language Processing, NLP)를 통해 개별 논변을 구성하는 단어와 형태소를 분석하였으며, 연구자 2인과 국어교육 석사학위 소지자 1인의 검토 과정을 거쳤다. 총 1,473개의 문장에 대한 논변-형태소:품사 행렬을 만든 후에 다섯 가지 방법으로 머신 러닝을 수행하고 생성된 예측 모델과 연구자의 사전 코딩을 비교한 결과, 개별 문장의 형태소만을 고려하였을 때에는 k-최근접 이웃 알고리즘(KNN)이 약 54%의 일치도(${\kappa}=0.22$)를 보임으로써 가장 우수하였다. 직전 문장이 어떻게 코딩되어 있는지에 관한 정보가 주어졌을 때, k-최근접 이웃 알고리즘(KNN)이 약 55%의 일치도(${\kappa}=0.24$)를 보였으며 다른 머신 러닝 기법에서도 전반적으로 일치도가 상승하였다. 더 나아가, 본 연구의 결과는 과학 논변 활동의 분석에서 개별문장을 고려하는 단순한 방법이 어느 정도 유용함과 동시에, 담화의 맥락을 고려하는 것 또한 필요함을 데이터에 기반하여 보여주었다. 또한 머신 러닝을 통해 교실에서 한국어로 이루어진 과학 논변 활동을 분석하여 연구자와 교사들에게 유용하게 사용될 수 있는 가능성을 보여준다.

• 정보교육학회논문지
• /
• 제26권1호
• /
• pp.65-73
• /
• 2022

본 연구에서는 엔트리 텍스트 모델 학습을 활용해서 초등학교 인공지능 교육 내용을 개발하고 이를 실제 수업에 적용한다. 초·중등 인공지능 내용 체계표를 바탕으로 실과 소프트웨어 교육과 인공지능 교육의 성취 기준을 재구성한다. 기계학습이 가능한 텍스트, 이미지, 소리 중에서 다양한 플랫폼에서 지원하고 초등학생의 데이터 준비 시간을 줄일 수 있으면서 손쉽게 이해가 가능한 '텍스트 모델 학습을 활용한 감정 인식 프로그램 제작'을 교육 내용으로 선정한다. 엔트리 인공지능을 교육 플랫폼으로 선정해서 텍스트 모델 학습을 활용한 감정인식 프로그램을 만드는 인공지능 교육 내용을 개발하고 실제 초등학교 수업에 적용한다. 수업 적용 결과 엔트리 인공지능 수업에 긍정적인 반응과 흥미를 보였다. 본 연구 내용을 기반으로 초등학생을 대상으로 한 수업의 효과성에 대한 양적 연구가 후속 연구로 필요함을 제언한다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제15권2호
• /
• pp.261-267
• /
• 2023

A common approach to the problem of predicting student test scores is based on the student's previous educational history. In this study, high school transcripts of about two thousand candidates, who took the High-school Student Assessment (HSA) were collected. The data were estimated through building a regression model - Random Forest and optimizing the model's parameters based on Genetic Algorithm (GA) to predict the HSA scores. The RMSE (Root Mean Square Error) measure of the predictive models was used to evaluate the model's performance.

• 한국지구과학회지
• /
• 제44권2호
• /
• pp.105-118
• /
• 2023

본 연구에서는 2016년부터 2020년까지 내륙 관측소 중 안개 최다발 지역인 안동을 대상으로 XGBoost-DART 머신러닝 알고리즘을 이용하여 1 시간 후 안개 유무를 예측하였다. 기상자료, 농업관측자료, 추가 파생자료와 각 자료를 오버 샘플링한 확장자료, 총 6개의 데이터 세트를 사용하였다. 목측으로 획득한 기상현상번호와 시정계 관측으로 측정된 시정거리 자료를 각각 안개 유[1]무[0]로 이진 범주화하였다. 총 12개의 머신러닝 모델링 실험을 설계하였고, 안개가 사회와 지역사회에 미치는 유해성을 고려하여 모델의 성능은 재현율과 AUC-ROC를 중심으로 평가하였다. 전체적으로, 오버샘플링한 기상자료와 기상현상번호 기반의 예측 목표를 조합한 실험이 최고 성능을 보였다. 이 연구 결과는 머신러닝 알고리즘을 활용한 안개 예측에 있어서, 목측으로 획득한 기상현상번호의 중요성을 암시한다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2007년도 추계학술대회
• /
• pp.439-443
• /
• 2007

Nowadays, activity recognition becomes a hot topic in context-aware computing. In activity recognition, machine learning techniques have been widely applied to learn the activity models from labeled activity samples. Most of the existing work uses only one learning method for activity learning and is focused on how to effectively utilize the labeled samples by refining the learning method. However, not much attention has been paid to the use of multiple classifiers for boosting the learning performance. In this paper, we use two methods to generate multiple classifiers. In the first method, the basic learning algorithms for each classifier are the same, while the training data is different (ASTD). In the second method, the basic learning algorithms for each classifier are different, while the training data is the same (ADTS). Experimental results indicate that ADTS can effectively improve activity recognition performance, while ASTD cannot achieve any improvement of the performance. We believe that the classifiers in ADTS are more diverse than those in ASTD.

• Nuclear Engineering and Technology
• /
• 제55권5호
• /
• pp.1708-1717
• /
• 2023

The grade analysis of lead-zinc ore is the basis for the optimal development and utilization of deposits. In this study, a method combining Prompt Gamma Neutron Activation Analysis (PGNAA) technology and machine learning is proposed for lead-zinc mine borehole logging, which can identify lead-zinc ores of different grades and gangue in the formation, providing real-time grade information qualitatively and semi-quantitatively. Firstly, Monte Carlo simulation is used to obtain a gamma-ray spectrum data set for training and testing machine learning classification algorithms. These spectra are broadened, normalized and separated into inelastic scattering and capture spectra, and then used to fit different classifier models. When the comprehensive grade boundary of high- and low-grade ores is set to 5%, the evaluation metrics calculated by the 5-fold cross-validation show that the SVM (Support Vector Machine), KNN (K-Nearest Neighbor), GNB (Gaussian Naive Bayes) and RF (Random Forest) models can effectively distinguish lead-zinc ore from gangue. At the same time, the GNB model has achieved the optimal accuracy of 91.45% when identifying high- and low-grade ores, and the F₁ score for both types of ores is greater than 0.9.

• Steel and Composite Structures
• /
• 제49권1호
• /
• pp.65-79
• /
• 2023

This paper presents a development of empirical evaluations, which can be used to evaluate the damage of fiber-reinforced concrete composites (FRC) wall subjected to close-in blast loads. For this development, a combined application of numerical simulation and machine learning approaches are employed. First, finite element modeling of FRC wall under blast loading is developed and verified using experimental data. Numerical analyses are then carried out to investigate the dynamic behavior of the FRC wall under blast loading. In addition, a data set of 384 samples on the damage of FRC wall due to blast loads is then produced in order to develop machine learning models. Second, three robust machine learning models of Random Forest (RF), Support Vector Machine (SVM), and Extreme Gradient Boosting (XGBoost) are employed to propose empirical evaluations for predicting the damage of FRC wall. The proposed empirical evaluations are very useful for practical evaluation and design of FRC wall subjected to blast loads.

• 정보교육학회논문지
• /
• 제25권5호
• /
• pp.673-681
• /
• 2021

본 연구는 교육대학원에서의 인공지능 교육 과목의 운영사례이다. 교육 과정은 머신러닝의 이해와 실습, 데이터 분석, 엔트리를 이용한 인공지능의 실제, 인공지능과 피지컬 컴퓨팅 등으로 구성되었다. 교육효과에 대한 설문 조사 결과, 수강생들은 초등학교 현장으로의 적용 용이성과 수업 우선순위로 엔트리 인공지능 블록의 활용, 피지컬 컴퓨팅 도구로써 대장장이 보드의 활용을 선호하였다. 데이터 분석 영역은 수학교과의 데이터와 그래프 교육과의 연계 등에서 그 효과성이 있으며. 피지컬 컴퓨팅 도구로 허스키 렌즈는 고유의 이미지 처리 기능을 활용하면 자율주행차 메이커 교육에 유용한 것으로 나타났다. 바람직한 인공지능교육으로는 수준별 교육과정, 데이터 수집 및 분석 교육의 강화 등이 요구되었다.

• International Journal of Computer Science & Network Security
• /
• 제22권9호
• /
• pp.334-342
• /
• 2022

Nowadays, as we can notice on social media, most users choose to use more than one language in their online postings. Thus, social media analytics needs reviewing as code-switching analytics instead of traditional analytics. This paper aims to present evidence comparable to the accuracy of code-switching analytics techniques in analysing the mood state of social media users. We conducted a systematic literature review (SLR) to study the social media analytics that examined the effectiveness of code-switching analytics techniques. One primary question and three sub-questions have been raised for this purpose. The study investigates the computational models used to detect and measures emotional well-being. The study primarily focuses on online postings text, including the extended text analysis, analysing and predicting using past experiences, and classifying the mood upon analysis. We used thirty-two (32) papers for our evidence synthesis and identified four main task classifications that can be used potentially in code-switching analytics. The tasks include determining analytics algorithms, classification techniques, mood classes, and analytics flow. Results showed that CNN-BiLSTM was the machine learning algorithm that affected code-switching analytics accuracy the most with 83.21%. In addition, the analytics accuracy when using the code-mixing emotion corpus could enhance by about 20% compared to when performing with one language. Our meta-analyses showed that code-mixing emotion corpus was effective in improving the mood analytics accuracy level. This SLR result has pointed to two apparent gaps in the research field: i) lack of studies that focus on Malay-English code-mixing analytics and ii) lack of studies investigating various mood classes via the code-mixing approach.

• International Journal of Advanced Culture Technology
• /
• 제11권1호
• /
• pp.312-319
• /
• 2023

This study aims to enhance the engineering education for non-majors by incorporating the concept of Global Citizenship Education and addressing the need for education that responds to climate and ecological changes. The study uses robot programming as a tool to foster the development of global citizens. Non-majors often struggle with producing more than just motionless forms or solid productions, due to a lack of understanding of mechanisms and coding. The study proposes the use of the Convergence D-SteamRobot (DSR) to address this issue by blending humanities and engineering. This is achieved by presenting problems through books to increase empathy, integrating simple machine mechanisms, and creating prototypes to solve self-defined problems. Through this process, learners determine the SDGs topic they want to solve and learn about the simple mechanical mechanism involved in producing the prototype. The educational model provides a constructivist learning environment that emphasizes empathy and exploration, encourages peer-learning, and improves divergent thinking and problem-solving skills.