• International Journal of Contents
• /
• 제13권1호
• /
• pp.38-44
• /
• 2017

Increased use of software and complexity of software functions, as well as shortened software quality evaluation periods, have increased the importance and necessity for automation of software testing. Automating software testing by using machine learning not only minimizes errors in manual testing, but also allows a speedier evaluation. Research on machine learning in automated software testing has so far focused on solving special problems with algorithms, leading to difficulties for the software developers and testers, in applying machine learning to software testing automation. This paper, proposes a new machine learning framework for software testing automation through related studies. To maximize the performance of software testing, we analyzed and categorized the machine learning algorithms applicable to each software test phase, including the diverse data that can be used in the algorithms. We believe that our framework allows software developers or testers to choose a machine learning algorithm suitable for their purpose.

• 한국산학기술학회논문지
• /
• 제8권2호
• /
• pp.309-323
• /
• 2007

최근 급격히 확산된 광역 인프라를 기반으로 탄생된 e-Learning 은 학교에서의 교육혁신 및 사회에서의 인적자원개발을 위한 새로운 수단으로 각광받고 있을 뿐만 아니라 디지털 콘텐츠 산업의 주요 핵심으로 등장하게 되었다. 본 논문에서는 e-Learning 소프트웨어의 기반 기술의 특성을 분석하고 e-Learning 소프트웨어의 품질시험 및 평가를 위한 품질특성을 분석하여 e-Learning 소프트웨어 품질 평가모델을 개발하였다. 이를 위해 관련 국제 표준을 도입하여 e-Learning 소프트웨어에 대한 품질평가 체계를 확립하고 품질평가를 위한 평가모델을 개발하였다. 이를 통해, 품질평가를 효과적으로 수행하여 경쟁력 있는 e-Learning소프트웨어 제품의 개발을 촉진할 수 있을 것이라고 사료된다.

• 컴퓨터교육학회논문지
• /
• 제22권1호
• /
• pp.31-46
• /
• 2019

본 연구에서는 소프트웨어 교육의 효과성을 증진하기 위하여 소프트웨어 교육 학습자들의 자기주도학습 유형을 분석하고 각 유형에 따른 특징을 살펴봄으로써 보다 전략적인 소프트웨어 교육을 위한 교육적 시사점을 제공하고자 하였다. 이를 위해 K대학교에서 온라인 소프트웨어 교육과정에 참여하고 있는 중학생 429명을 대상으로 설문을 실시하고, 자기주도학습 유형을 분석하기 위해 잠재계층 분석을 실시하였다. 그 결과, 소프트웨어 교육 학습자들의 자기주도학습 유형은 '최고수준 자기주도학습형(계층 1)', '자기 학습스타일 인식형(계층 2)', '자기 학습스타일 선호형(계층 3)', 그리고 '자기주도학습 부재형(계층 4)'으로 나타났다. 또한 소프트웨어 교육 학습자들의 자기주도학습 유형에 따른 소프트웨어 학업성취도 수준은 '최고수준 자기주도학습형(계층 1)'이 가장 높고, '자기 학습스타일 선호형(계층 3)' 가장 낮은 것으로 확인되었다. 이러한 결과를 바탕으로 소프트웨어 교육을 위한 시사점을 제시하였다.

• 정보교육학회논문지
• /
• 제20권5호
• /
• pp.433-442
• /
• 2016

본 연구의 목적은 플립러닝이 소프트웨어교육에 있어서의 대학생들의 학습동기에 미치는 영향을 분석하는 것이다. 이를 위해 K교육대학교 1학년 2개 반을 실험집단과 비교집단으로 구성하여 10주간 스크래치를 이용한 소프트웨어 교육을 실시하였다. 실험집단은 SW교육 관련 온라인 강좌 사이트를 동시에 병행하여 플립러닝을 적용하였다. 실험 결과, 실험집단의 사후 학습동기는 사전 학습동기에 비해 유의미하게 놓아졌으며, 사후 학습동기 검사 결과도 실험집단이 비교집단에 비해 학습동기가 유의미하게 높게 나타났다. 이에 향후 소프트웨어교육에서 플립러닝이 대학교에서 뿐 아니라 초중등 교육 현장에서도 효과적인 학습 전략으로 저변 확대되기를 기대한다.

• International journal of advanced smart convergence
• /
• 제13권2호
• /
• pp.258-266
• /
• 2024

E-learning systems have proliferated in recent years, particularly in the wake of the global COVID-19 pandemic. For kids, there isn't a specific online learning platform available, though. To do this, new conceptual models of training and learning software that are adapted to the abilities and preferences of end users must be created. Young pupils: those in kindergarten, preschool, and elementary school are unique subjects with little research history. From the standpoint of software technology, young students who have never had access to a computer system are regarded as specific users with high expectations for the functionality and interface of the software, social network connectivity, and instantaneous Internet communication. In this study, we suggested creating an electronic learning management system that is web-based and appropriate for primary school pupils. User-centered design is the fundamental technique that was applied in the development of the system that we are proposing. Test findings have demonstrated that students who are using the digital environment for the first time are studying more effectively thanks to the online learning management system.

• International Journal of Internet, Broadcasting and Communication
• /
• 제12권1호
• /
• pp.104-110
• /
• 2020

In the 4th Industrial Revolution, the competitiveness of the software industry is important, and as a solution to fundamentally secure the competitiveness of the software industry, education classes should be provided to educate high quality software personnel in educational institutions. Despite this social situation, software-related classes in universities are largely composed of competitive or individual learning structures. Cooperative learning is a learning model that can complement the problems of competitive and individual learning. Cooperative learning is more effective in improving academic achievement than individual or competitive learning. In addition, most learners have the advantage of having a more desirable self-image by having a successful experience. In this paper, we apply a pair check model, which is a type of cooperative learning, in operating system classes. In addition, the class procedure and instruction plan are designed to apply the pair check model. We analyze the test results to analyze the performance of the cooperative learning model.

• 정보과학회 논문지
• /
• 제43권12호
• /
• pp.1325-1333
• /
• 2016

소프트웨어 분류 기법은 저작권 침해 탐지, 악성코드의 분류, 소프트웨어 보관소의 소프트웨어 자동분류 등에 활용할 수 있으며, 불법 소프트웨어의 전송을 차단하기 위한 소프트웨어 필터링 시스템에도 활용할 수 있다. 소프트웨어 필터링 시스템에서 유사도 측정을 통해 불법 소프트웨어를 식별할 경우, 소프트웨어 분류를 활용하여 탐색 범위를 축소하면 평균 비교 횟수를 줄일 수 있다. 본 논문은 API 호출 정보와 기계학습을 통한 윈도우즈 실행파일 분류를 연구한다. 다양한 API 호출 정보 정제 방식과 기계학습 알고리즘을 적용하여 실행파일 분류 성능을 평가한다. 실험 결과, PolyKernel을 사용한 SVM (Support Vector Machine)이 가장 높은 성공률을 보였다. API 호출 정보는 바이너리 실행파일에서 추출할 수 있는 정보이며, 기계학습을 적용하여 변조 프로그램을 식별하고 실행파일의 빠른 분류가 가능하다. 그러므로 API 호출 정보와 기계학습에 기반한 소프트웨어 분류는 소프트웨어 필터링 시스템에 활용하기에 적당하다.

• 디지털산업정보학회논문지
• /
• 제8권2호
• /
• pp.1-10
• /
• 2012

In this study, software products developed in the course of testing, software managers in the process of testing software test and test tools for effective learning effects perspective has been studied using the NHPP software. The finite failure nonhomogeneous Poisson process models presented and the life distribution applied exponential and log shaped type hazard function. Software error detection techniques known in advance, but influencing factors for considering the errors found automatically and learning factors, by prior experience, to find precisely the error factor setting up the testing manager are presented comparing the problem. As a result, the learning factor is greater than autonomous errors-detected factor that is generally efficient model could be confirmed. This paper, a failure data analysis of applying using time between failures and parameter estimation using maximum likelihood estimation method, after the efficiency of the data through trend analysis model selection were efficient using the mean square error and coefficient of determination.

• 디지털산업정보학회논문지
• /
• 제7권2호
• /
• pp.1-8
• /
• 2011

In this study, software products developed in the course of testing, software managers in the process of testing software test and test tools for effective learning effects perspective has been studied using the NHPP software. The finite failure non-homogeneous Poisson process models presented and the life distribution applied extreme distribution which used to find the minimum (or the maximum) of a number of samples of various distributions. Software error detection techniques known in advance, but influencing factors for considering the errors found automatically and learning factors, by prior experience, to find precisely the error factor setting up the testing manager are presented comparing the problem. As a result, the learning factor is greater than automatic error that is generally efficient model could be confirmed. This paper, a numerical example of applying using time between failures and parameter estimation using maximum likelihood estimation method, after the efficiency of the data through trend analysis model selection were efficient using the mean square error.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권3호
• /
• pp.861-880
• /
• 2023

Semantic segmentation of road scene is the key technology of autonomous driving, and the improvement of convolutional neural network architecture promotes the improvement of model segmentation performance. The existing convolutional neural network has the simplification of learning knowledge and the complexity of the model. To address this issue, we proposed a road scene semantic segmentation algorithm based on multi-task collaborative learning. Firstly, a depthwise separable convolution atrous spatial pyramid pooling is proposed to reduce model complexity. Secondly, a collaborative learning framework is proposed involved with saliency detection, and the joint loss function is defined using homoscedastic uncertainty to meet the new learning model. Experiments are conducted on the road and nature scenes datasets. The proposed method achieves 70.94% and 64.90% mIoU on Cityscapes and PASCAL VOC 2012 datasets, respectively. Qualitatively, Compared to methods with excellent performance, the method proposed in this paper has significant advantages in the segmentation of fine targets and boundaries.