• 제목/요약/키워드: hierarchical learning

검색결과 351건 처리시간 0.021초

보육교사의 전문성 인식, 학습민첩성, 긍정심리자본이 직무만족도에 미치는 영향 (The Effects of Child Care Teachers' Professionalism, Learning Agility and Positive Psychological Capital on Their Job Satisfaction)

  • 최진숙;하정윤;김대명;강지연
    • 한국콘텐츠학회논문지
    • /
    • 제20권3호
    • /
    • pp.116-130
    • /
    • 2020
  • 본 연구의 목적은 보육교사의 전문성 인식, 학습민첩성, 긍정심리자본 등이 직무만족도에 미치는 영향을 확인하여 보육교사의 긍정적인 직무 수행에 필요한 정책적 시사점을 제안하는 것이다. 이를 위해 전남 지역의 보육교사 283명을 대상으로 온라인 설문조사를 실시하였고, 분석결과는 다음과 같다. 첫째, 5년 이상의 경력을 가진 보육교사들이 전문성 인식과 긍정심리자본에 있어서 높은 수준을 보여주었다. 둘째, 보육교사의 직무만족도는 전문성 인식, 긍정심리자본, 학습민첩성의 순으로 높은 상관을 보였다. 셋째, 보육교사의 전문성 인식과 긍정심리자본이 직무만족도에 긍정적인 영향을 미치는 것으로 나타났다. 본 연구결과를 통해 보육교사의 전문성 인식, 학습민첩성, 긍정심리자본은 직무만족도를 설명하는 유의미한 변인임을 확인하였다. 따라서 어린이집에서의 직무만족도를 높이기 위해서는 전문 연수과정과 컨설팅 등을 지원하여 스스로 전문직업인이라는 인식을 갖도록 하고 나아가 교사들에게 보다 많은 자율성을 부여하며 수직적인 어린이집의 운영 시스템을 개선할 필요가 있다.

학습방법개선과 후처리 분석을 이용한 자동문서분류의 성능향상 방법 (Reinforcement Method for Automated Text Classification using Post-processing and Training with Definition Criteria)

  • 최윤정;박승수
    • 정보처리학회논문지B
    • /
    • 제12B권7호
    • /
    • pp.811-822
    • /
    • 2005
  • 자동문서분류는 문서의 내용에 기반하여 미리 정의된 항목에 자동으로 할당하는 작업으로서 효율적인 정보관리 및 검색등에 필수적인 작업이다. 기존의 문서분류성능 향상을 위한 연구들은 대부분 분류모델 자체를 개선시키는 데 주력해왔으며 통계적인 방법으로 그 범위가 제한되어왔다. 본 연구에서는 자동문서분류의 성능향상을 위해 데이터마이닝 기법과 결함허용방법을 이용하는 개선된 학습알고리즘과 후처 리 방법에 의한 RTPost 시스템을 제안한다. RTPost 시스템은 학습문서 선택작업 이전에 분류항목 설정의 문제를 다루며, 분류함수의 성능보다는 지정방식의 문제점을 감안하여 학습과 분류 후처리 프로세스를 개선하려는 것이다. 이를 통해 분류결과에 중요한 영향을 미쳐왔던 학습문서의 수와 선택방법, 분류모델의 성능등에 의존하지 않는 안정적인 분류가 가능하였고, 이를 분류오류율이 높은 경계선 인접영역에 위치한 문서들에 적용한 결과 높은 정확율을 얻을 수 있었다. 뿐만 아니라, RTPost 프로세스를 진행하는 동안 능동학습방법의 장점을 수용하여 학습효과는 높이며 비용을 감소시킬 수 있는 자가학습방법(self learning)방법의 효과를 기대할 수 있다.

Hierarchical Attention Network를 이용한 복합 장애 발생 예측 시스템 개발 (Development of a complex failure prediction system using Hierarchical Attention Network)

  • 박영찬;안상준;김민태;김우주
    • 지능정보연구
    • /
    • 제26권4호
    • /
    • pp.127-148
    • /
    • 2020
  • 데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.

제7차 지리과 교육과정의 체제개발 방안 (Development of a Hierarchical System, for the 7th Curriculum Reformation Focusing on Geography Subject in the Primary and Secondary Schools)

  • 류재명
    • 대한지리학회지
    • /
    • 제32권1호
    • /
    • pp.113-124
    • /
    • 1997
  • 본 연구는 현행의 통합사회과 운영에 따라 발생하는 문제점을 검토하고, 이러한 문제점을 극복할 수 있는 사회과 교육과정의 계열적 조직체계를 제안하고, 이와 연계하여 제 7차 지리과교육과정의 기본 체제를 개발하는 방안을 제시한 것이다. 먼저 사회과 통합운영은 초등학교에서부터 고등학교 과정으로 나아가면서 학생들의 통합적 사고가 점차적으로 전문적 지식을 바탕으로 하여 이루어질 수 있도록 하기 위하여, 통합의 수준과 방법을 점진적으로 변화시켜야 할 필요가 있다는 것이다. 그리고 지리과의 교육과정도 학생의 사고수준을 고려하여, 초등학교에서부터 고등학교까지의 각 단계별로 지역구분의 스케일과 주제의 종류 및 내용서술의 엄밀성이 각기 다르게 조절될 수 있도록 계열적 조직을 한다는 것이다. 이러한 지리교육과정의 체제 개발방안은 세계에 대한 지리적 개관, 환경과 인간생활과의 관계 이해, 공간조직의 특성에 대한 해석 등을 통하여 지리학적 사고방식의 아이 덴디티를 분명히 해 나갈 수 있는 방법이 될 수 있을 것이다.

  • PDF

가계동향조사 지출부문 시계열 연계 방안에 관한 연구 (A study on time series linkage in the Household Income and Expenditure Survey)

  • 김시현;성병찬;최영근;여인권
    • 응용통계연구
    • /
    • 제35권4호
    • /
    • pp.553-568
    • /
    • 2022
  • 가계동향조사는 가구에 대한 가계수지 실태를 파악하여 국민 소득·소비 수준과 그 변화의 측정 및 분석 등을 목적으로 하는 통계청의 대표적인 조사이다. 최근 여러 기관들에서 2017년과 2018년의 가계동향 지출부문에서 발생한 시계열 단절에 대한 문제를 인식하고, 이 기간에 대한 시계열 연계를 위한 관련 연구를 진행하고 있다. 본 연구에서는 2016년까지의 가계동향 조사 시계열 특성을 파악하고, 이를 반영하여 2017년과 2018년의 지출액에 대한 시계열을 연계하는 예측값을 도출한다. 본 연구에서는 각 지출 항목들의 시계열적 특성을 골고루 반영하는 동시에 특정 예측 모형의 영향을 줄이기 위하여 총 8개의 회귀모형, 시계열모형, 머신러닝 기법을 합성하여 사용하였다. 특히 본 연구의 주목할 만한 특징은, Top-down 또는 Bottom-up 방식이 아닌, 정보의 손실없이 가계동향조사의 계층 구조를 반영할 수 있는 optimal combination 기법을 사용하여 예측력을 향상시켰다는 점이다. 2017년부터 2019년 자료에 대한 가계동향 지출 부문의 연계 분석 결과, 본 연구가 제안하는 연계 방식이 시계열 단절성 회복 및 예측력 향상에 기여하며, 또한 optimal combination 기법에 의한 계층 조정 후의 예측값이 조사자료에 보다 근접한 결과를 보여줌을 확인하였다.

계층적 군집분석을 이용한 반도체 웨이퍼의 불량 및 불량 패턴 탐지 (Wafer bin map failure pattern recognition using hierarchical clustering)

  • 정주원;정윤서
    • 응용통계연구
    • /
    • 제35권3호
    • /
    • pp.407-419
    • /
    • 2022
  • 반도체는 제조 공정이 복잡하고 길어 결함이 발생될 때 빠른 탐지와 조치가 이뤄져야 결함으로 인한 손실을 최소화할 수 있다. 테스트 공정을 거쳐 구성된 웨이퍼 빈 맵(WBM)의 체계적인 패턴을 탐지하고 분류함으로써 문제의 원인을 유추할 수 있다. 이 작업은 수작업으로 이뤄지기 때문에 대량의 웨이퍼를 단 시간에 처리하는 데 한계가 있다. 본 논문은 웨이퍼 빈 맵의 정상 여부를 구분하기 위해 계층적 군집 분석을 활용한 새로운 결함 패턴 탐지 방법을 제시한다. 제시하는 방법은 여러 장점이 있다. 군집의 수를 알 필요가 없으며 군집분석의 조율 모수가 적고 직관적이다. 동일한 크기의 웨이퍼와 다이(die)에서는 동일한 조율 모수를 가지므로 대량의 웨이퍼도 빠르게 결함을 탐지할 수 있다. 소량의 결함 데이터만 있어도 그리고 데이터의 결함비율을 가정하지 않더라도 기계학습 모형을 훈련할 수 있다. 제조 특성상 결함 데이터는 구하기 어렵고 결함의 비율이 수시로 바뀔 수 있기 때문에 필요하다. 또한 신규 패턴 발생시에도 안정적으로 탐지한다. 대만 반도체 기업에서 공개한 실제 웨이퍼 빈 맵 데이터(WM-811K)로 실험하였다. 계층적 군집 분석을 이용한 결함 패턴탐지는 불량의 재현율이 96.31%로 기존의 공간 필터(spatial filter)보다 우수함을 보여준다. 결함 분류는 혼합 유형에 장점이 있는 계층적 군집 분석을 그대로 사용한다. 직선형과 곡선형의 긁힘(scratch) 결함의 특징에 각각 주성분 분석의 고유값과 2차 다항식의 결정계수를 이용하고 랜덤 포레스트 분류기를 이용한다.

학습지향성 및 혁신성과 조직몰입 간의 관계에 관한 연구: 혁신성의 매개효과와 경력연관성의 조절효과를 중심으로 (A Study on the Relationships Among Learning Orientation, Innovativeness and Organizational Commitment of Entrepreneurs: Focusing on the Mediating Effect of Innovativeness and the Moderating Effect of Career Relevance)

  • 이주헌
    • 벤처창업연구
    • /
    • 제17권6호
    • /
    • pp.159-174
    • /
    • 2022
  • 창업자는 가시적 경영성과를 내기 위해 오랫동안 인적, 물적 자원과 자본을 지속적으로 투입해야 한다. 따라서, 창업에서 성공하기 위해서는 난관과 어려움 속에서도 창업을 포기하지 않고 지속적으로 열성을 가지고 창업에 몰두하는 조직몰입이 필수적이라고 할 수 있다. 선행연구에 따르면 창업자의 조직몰입은 조직화, 창업기업설립, 신제품 개발 등에 유의한 영향을 미친다고 한다. 본 연구는 창업자의 학습지향성 및 혁신성과 조직몰입 간의 관계에 대해 살펴보는 것을 목적으로 한다. 특히, 본 연구에서는 학습지향성과 조직몰입 간의 관계에서 혁신성의 매개효과에 대해 검증하고 이들 변수들 간의 관계에서 경력연관성의 조절효과를 살펴보는 것을 목적으로 하였다. 실증분석을 통해 밝혀진 결과는 다음과 같다. 첫째, 창업자의 학습지향성, 혁신성, 경력연관성은 조직몰입에 긍정적 영향이 유의한 것으로 나타났다. 둘째, 창업자의 학습지향성과 조직몰입 간의 관계에서 혁신성은 부분매개효과가 있는 것으로 나타났다. 셋째, 위계적 회귀분석을 통해 검증한 결과 학습지향성과 혁신성 간의 관계에서 학습지향성과 경력연관성의 상호작용항이 긍정적으로 유의미한 것으로 나타나 경력연관성의 조절효과가 있는 것을 알 수 있었다. 이것은 경력연관성이 평균보다 높은 조건에서 학습지향성의 혁신성에 대한 영향이 더욱 증대하게 된다는 것을 의미한다. 넷째, 학습지향성과 조직몰입 간의 관계에서 학습지향성과 경력연관성의 상호작용항이 마찬가지로 긍정적으로 유의미한 것으로 나타나 경력연관성의 조절효과가 있는 것으로 나타났다. 하지만, 매개된 조절효과 분석을 통해 살펴본 결과는 학습지향성과 조직몰입 간의 관계에서 경력연관성의 조절효과는 학습지향성과 혁신성 간의 관계에서 경력연관성의 조절효과가 혁신성을 매개로 하여 나타난 간접적 효과라는 것이다.

텍스트 내용 기반의 철학 온톨로지 구축 및 교육에의 응용 (Building a Philosophy Ontology based on Content of Texts and its Application to Learning)

  • 정현숙;최병일
    • 정보교육학회논문지
    • /
    • 제9권2호
    • /
    • pp.257-270
    • /
    • 2005
  • 철학을 비롯한 인문학의 연구에 있어서 연구자들에게 텍스트는 지식을 습득하는 중요한 매체이다. 그러나 현재의 서지정보 중심의 문헌 검색으로는 연구자들이 여러 텍스트들로부터 필요한 지식만을 선택적으로 습득하는데 많은 시간과 노력을 들인다. 본 논문에서는 텍스트 내용에 의거한 지식 검색이 가능하도록 철학 고전 텍스트를 대상으로 철학 온톨로지를 구축하였다. 철학 온톨로지는 전문가에 의해 동서양의 철학 고전 텍스트로부터 분석된 주요 철학 개념과 의미 기반 계층관계 및 연관관계 정의하고 있으며 개념 해설서를 비롯한 온오프라인의 철학 지식 자원들을 연결하고 있다. 본 논문에서는 철학 온톨로지 구축 과정을 3개의 단계와 14개의 세부과정으로 나열함으로써 다른 분야의 학문 온톨로지 구축을 위한 하나의 가이드라인을 제시하고 있으며 철학 온톨로지의 응용사례로서 대학의 철학 수업에서의 교수자와 학습자 사이의 철학 온톨로지에 기반한 지식 습득 및 교류가 가능함을 보였다.

  • PDF

구성주의 관점에서 각과 삼각형의 분류에 관한 초등 교과서 및 교사용지도서 분석 (Analysis of Elementary Textbooks and Guidebook for Teacher regarding the Classification of Angles and Triangles in the Constructivist Perspective)

  • 노은환;강정기
    • 한국수학교육학회지시리즈E:수학교육논문집
    • /
    • 제29권3호
    • /
    • pp.313-330
    • /
    • 2015
  • 분류 활동은 개념 형성과 직결되는 중요한 활동이다. 따라서 분류는 학습자 중심적인 교수를 통해 의미 충실한 학습이 이루어질 필요가 있다. 하지만 분류와 관련한 교수 학습이 '학습자 중심'이라는 구성주의 철학을 잘 반영하고 있을지 의구심이 제기된다. 이에 본 연구에서는 각과 삼각형의 분류와 관련한 초등 교과서 및 교사용지도서의 내용을 구성주의의 관점에서 비판적으로 분석해 보았다. 그 결과 각의 분류에서는 공동체의 합의에 의한 합리적 기준 설정의 기회가 제공되지 않는 문제점이 있었다. 삼각형의 분류는 다양성의 측면에서 다소 급진적인 형태를 띠고 있다는 문제점이 있었다. 또한 삼각형의 분류는 학생 반응 예측에서 이미 그 지식을 습득한 사람에게나 가능한 반응을 제안하는 경우를 접할 수 있었다. 그리고 계층적 분할적 분류에 대한 선택과 논의의 기회가 제공되지 않는 단점을 지니고 있었다. 이러한 특징을 바탕으로 '학습자 중심' 원칙의 충실한 반영, 학생 반응에 대한 신중한 예측, 결과보다 과정에 주목하는 교수를 지향할 것을 제안하였다.

부품 이미지 인식을 위한 HTM 네트워크 훈련 시스템 개발 (Development of an HTM Network Training System for Recognition of Molding Parts)

  • 이대한;배선갑;서대호;강현석;배종민
    • 한국멀티미디어학회논문지
    • /
    • 제13권11호
    • /
    • pp.1643-1656
    • /
    • 2010
  • 여러 품종을 소량으로 생산하는 소형 공장에서 불량품으로 인한 손실을 줄이기 위하여 부품의 양불량을 판단하는 시스템의 개발이 필요하다. 그러한 시스템은 계층형 시간적 메모리(HTM : Hierarchical Temporal Memory) 기술을 이용하여 개발할 수 있다. HTM은 인간 두뇌의 신피질(neocortex)의 동작 원리를 기계학습에 접목시킨 모델이다. HTM 기반의 기계학습 시스템을 사용하기 위해서는 훈련된 HTM 네트워크를 개발해야 하는데, 이를 위해서는 HTM 이론에 대한 지식이 필요하다. 본 연구는 이 HTM 기술을 부품의 이미지 인식에 적용하여 부품에 대한 양 불량을 판별하는 시스템에서, HTM 네트워크 개발을 지원하는 훈련시스템의 설계와 구현을 제시한다. 이 시스템은 HTM 이론에 대한 지식이 없어도 작업현장의 기술자가 HTM 네트워크를 정확히 훈련시킬 수 있으며, 부품에 대한 모든 종류의 HTM 기반의 판정시스템에 그대로 적용될 수 있다.