• 정보교육학회논문지
• /
• 제24권5호
• /
• pp.483-494
• /
• 2020

4차 산업혁명이 도래함으로써 AI 교육에 대한 관심이 증가하고 있다. 미래를 이끌어갈 AI 역량을 갖춘 인재를 양성하기 위해서는 학교 현장에서 AI 교육이 내실 있게 이루어져야 한다. 국내·외에서 AI 교육을 시행하고 있지만, 더 나은 AI 교육을 시행하기 위해서는 AI 교육 플랫폼의 역할이 중요하다고 판단하였기에, 본 연구에서는 AI 교육 플랫폼에 대한 전문가 인식을 조사하였다. 교수·학습관리, 교육용 콘텐츠, 접근성, AI 교육 플랫폼의 성능, 초등학생의 수준 적합도 등의 5가지 기준을 바탕으로 인식조사를 시행하였다. 총 103명의 교육 관련 전문가들을 대상으로 실시하였으며, 조사 결과 Machine Learning for Kids, Teachable Machine, AI Oceans(code.org), 엔트리, 지니 블록, 앱인밴터, Elice, mBlock 등의 8가지 플랫폼 중 엔트리가 초등 AI 교육에 가장 적합한 플랫폼으로 선정되었다. 이는 엔트리가 양질의 교육용 콘텐츠를 제공하고, 접근성이 편리하며, 교수·학습 관리가 가능하고, 초등학생들의 수준에 적합한 AI 교육 플랫폼이기 때문인 것으로 분석된다. 다양한 AI 교육 플랫폼을 학교 현장에 적용하기 위해서 교사를 대상으로 AI 관련 연수를 실시하여 AI 교육 전문가로 양성해야 하며, 지속적으로 AI 교육 플랫폼을 접할 기회를 제공해야 할 것이다. 본 연구는 조사대상 인원이 제한적이었고, 대부분의 인식조사 참여자가 경기도에서 근무하는 전문가라서 모집단 인식조사라고 하기 에는 제한점이 존재한다. 향후 이와 같은 제한점을 보완하기 위한 전국단위의 전문가를 대상한 연구가 진행되어야 할 것으로 판단된다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제59권4호
• /
• pp.373-387
• /
• 2020

본 연구의 목적은 학습 빅데이터 분석을 통해 추천 알고리즘을 스스로 고도화하는 머신러닝 추천모듈이 적용된 개인 맞춤형 학습 플랫폼이 학생들의 학습시간, 자기주도적 학습능력, 수학에 대한 태도, 수학학업성취도에 미치는 영향과 이들 사이의 구조적 관계를 검증하는 것이다. 연구 결과 개인 맞춤형 학습은 학생들의 학습시간, 자기주도적 학습능력, 수학에 대한 태도, 수학학업성취도에 대해 긍정적인 영향을 미치고 있었다. 또한, 맞춤형 학습과 수학에 대한 태도와 수학학업성취도의 관계에서 학습시간과 자기주도적 학습능력의 매개효과가 유의하였다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제32권1호
• /
• pp.23-36
• /
• 2018

인공지능(Artificial Intelligence)의 잠재력에 대한 기대로 여러 분야에서 이를 활용하고자 노력하고 있으며 교육 분야에서의 적용에 대한 관심 역시 높다. 교육에 있어서 인공지능 기술에 활용되는 기계학습(machine learning)과 딥러닝(deep learning)으로 스스로 학습하는 방법에 대한 관심을 가지게 되었으며 이러한 방식이 교육에 어떻게 활용될 수 있을 지와 인공지능을 어떻게 수학교육에 적용할 수 있을지에 대한 관심이 대두되고 있다. 이에 정보통신기술의 발달에 따른 수학교육의 변화를 고찰해 봄으로써 수학교육의 변화가 인공지능과 어떠한 연과성이 있는지를 살펴보는데 의의가 있다고 할 수 있다.

• 한국정보기술학회 영문논문지
• /
• 제10권2호
• /
• pp.33-48
• /
• 2020

By Digital Transformation, new technologies like ML (Machine Learning), Big Data, Cloud, VR/AR are being used to video streaming technology. We choose ML to provide optimal QoE (Quality of Experience) in various network conditions. In other words, ML helps DASH in providing non-stopping video streaming. In DASH, the source video is segmented into short duration chunks of 2-10 seconds, each of which is encoded at several different bitrate levels and resolutions. We built and compared the performances of five prototypes after applying five different machine learning algorithms to DASH. The prototype consists of a dash.js, a video processing server, web servers, data sets, and five machine learning models.

• 실천공학교육논문지
• /
• 제15권1호
• /
• pp.193-198
• /
• 2023

본 논문은 파이썬 프로그래밍 교육에서 단원별 연습문제의 타당성을 분석하였다. 단원별로 제시되는 연습문제는 온라인 학습 시스템을 통해 제시되고 학생 각자가 답안 코드를 업로드하여 자동으로 채점된다. 한학기 동안 진행되는 파이썬 교육을 통해, 학생들의 중간시험점수, 기말시험 점수 그리고 각 단원별 연습문제 점수 등 데이터가 수집된다. 수집된 데이터들을 통해, 자동채점 연습문제들의 타당도를 분석하여 단원별 연습문제들을 개선할 수 있다. 본 논문에서는 자동 채점 연습문제들의 타당도를 분석하기 위해, Orange 머신러닝 도구를 사용하였다. 파이썬 과목에서 수집된 데이터를 전체, 상위권 그리고 하위권 그룹별로 4가지 분석을 실시하고 종합적으로 비교한다. 파이썬 단원별 연습문제 점수들로부터 학생의 최종 성적을 예측하는 머신러닝 모델의 예측 정확도로부터 단원별 자동채점 연습문제의 출제 타당도를 분석하였다.

• 컴퓨터교육학회논문지
• /
• 제23권2호
• /
• pp.53-64
• /
• 2020

동영상 강의 중심의 온라인 학습 형태가 보편화 되고 지속적으로 증가됨에 따라 다양한 교육방법을 적용한 동영상 기반 학습 환경도 학습 효과성을 높이기 위해 변화, 발전하고 있다. 온라인 학습 환경에서의 교육 효과성 측정을 위해 학습자 로그 데이터가 대두되었으며, 학습자 맞춤형 학습 처방을 위해 로그 데이터의 다양한 분석 방법이 중요하다. 이를 위해 본 연구에서는 동영상 기반 학습 환경에서의 학습자 행동 데이터 분석, 머신러닝 기법에 따른 학업성취 예측을 실험을 통해 분석하였다. 분석 결과 각 모델에서 공통적으로 동영상 탐색과 코멘트 작성과 같은 상호작용 행동, 학습자 주도적 학습 행동이 학업성취를 예측하였다. 연구 결과를 토대로 동영상 학습 환경 설계에 있어 시사점을 제공하였다.

• 산업과 과학
• /
• 제3권1호
• /
• pp.1-16
• /
• 2024

본 연구는 고등학교 학생들의 데이터 리터러시를 함양할 수 있는 머신러닝 기반 AI 융합 수업 모형과 수업 설계 원리를 개발하고, 그에 따른 상세 지침을 개발하는 것을 목적으로 하였다. 이를 위해 선행 문헌 연구를 통해 머신러닝을 기반으로 한 수업 모형과 설계 원리 및 상세 지침을 개발하고, 서울 소재 상업계열 특성화고등학교 학생 15명에게 적용하여 실행하였다. 연구 결과 학생들의 데이터 리터러시가 통계적으로 유의미(p< .001)하게 향상되었으므로 본 연구의 수업 모형이 학습자의 데이터 리터러시 향상에 긍정적인 영향을 주었음을 확인할 수 있었고, 앞으로 관련 연구로 이어지길 기대한다.

• 4차산업연구
• /
• 제3권1호
• /
• pp.13-20
• /
• 2023

Purpose - By designing a PEF(Personalized Education Feedback) system for real-time prediction of learning achievement and motivation through real-time EEG analysis of learners, this system provides some modules of a personalized adaptive learning system. By applying these modules to e-learning and offline learning, they motivate learners and improve the quality of learning progress and effective learning outcomes can be achieved for immersive self-directed learning Research design, data, and methodology - EEG data were collected simultaneously as the English test was given to the experimenters, and the correlation between the correct answer result and the EEG data was learned with a machine learning algorithm and the predictive model was evaluated.. Result - In model performance evaluation, both artificial neural networks(ANNs) and support vector machines(SVMs) showed high accuracy of more than 91%. Conclusion - This research provides some modules of personalized adaptive learning systems that can more efficiently complete by designing a PEF system for real-time learning achievement prediction and learning motivation through an adaptive learning system based on real-time EEG analysis of learners. The implication of this initial research is to verify hypothetical situations for the development of an adaptive learning system through EEG analysis-based learning achievement prediction.

• International Journal of Computer Science & Network Security
• /
• 제24권1호
• /
• pp.209-214
• /
• 2024

This is an extended research paper focusing on the applications of Machine Learing and Artificial Intelligence in virtual learning environment. The world is moving at a fast pace having the application of Machine Learning (ML) and Artificial Intelligence (AI) in all the major disciplines and the educational sector is also not untouched by its impact especially in an online learning environment. This paper attempts to elaborate on the benefits of ML and AI in E-Learning (EL) in general and explain how King Khalid University (KKU) EL Deanship is making the best of ML and AI in its practices. Also, researchers have focused on the future of ML and AI in any academic program. This research is descriptive in nature; results are based on qualitative analysis done through tools and techniques of EL applied in KKU as an example but the same modus operandi can be implemented by any institution in its EL platform. KKU is using Learning Management Services (LMS) for providing online learning practices and Blackboard (BB) for sharing online learning resources, therefore these tools are considered by the researchers for explaining the results of ML and AI.

• 한국빅데이터학회지
• /
• 제5권2호
• /
• pp.155-170
• /
• 2020

본 연구의 목적은 서울시 중학생의 진로성숙도 예측 요인을 찾기 위해 머신러닝 기법(Decision Tree, Random Forest, XGBoost)을 서울교육종단연구 4~6차년도 데이터에 적용하였다. 적용에 따라 도출된 세 가지 머신러닝 모형의 변수 중요도와 각 지표별 성능을 확인하였다. 또한 XGBoostExplainer 패키지를 활용하여 모형을 해석하였으며, 데이터 전처리와 분석 모두 R과 R Studio를 활용하였다. 그 결과 각 모형별로 변수 중요도 순위는 다소 차이가 있으나 '성취목표', '창의성', '자아개념', '부모자녀와의 관계', '회복탄력성'이 높은 순위를 보였다. 또한 XGBoostExplainer를 활용하여 패널별 진로성숙도에 정적·부적 영향을 주는 요인을 탐색하였고, '성취목표'가 진로성숙도 예측 최우선 요인임을 찾을 수 있었다. 본 연구결과를 바탕으로 머신러닝 및 변수선택 방법의 비교연구와 서울교육종단연구 코호트별 비교연구가 수행되어야 함을 제언하였다.