• 영어어문교육
• /
• 제17권4호
• /
• pp.375-393
• /
• 2011

Many aspects of e-러닝 and m-러닝 have been conducted in language learning settings while few studies have examined learners'psychological attitudes in both Internet-based languages learning environment. Althoughe-Learning and m-Learningin the content of language learningshares many common aspects, the study that particularly examinesEnglish learners' psychological attitudes from both learning environments has not been conducted. Thus, the purpose of this study is to investigate group difference between e-러닝 and m-러닝 in terms of characteristics of both learning environments, including Contextual Offer, Interactivity, Enjoyment, Usefulness, Easiness, Variety, Connectivity, Satisfaction, and Learning Performance. Results showed that even if there was little difference within and among groups in English learners' feelings, learners have different attitude on Enjoyment, Easiness, and Connectivity.

• 정보교육학회논문지
• /
• 제17권2호
• /
• pp.115-123
• /
• 2013

본 연구는 모바일러닝의 효과성을 높이기 위해 고려해야 할 지침을 얻고자, 모바일러닝 환경에서 학습성과를 예측하는 요인으로 모바일러닝 효능감, 편재성, 유용성, 용이성을 선정하고 이들의 예측력을 규명하였다. 이를 위해 2012학년도 9월에서 10월초까지 경남 지역에 소재한 A여자 고등학교 2학년 학생 144명을 대상으로 약 5주동안 모바일기기를 활용하여 모바일러닝을 진행하였다. 수업 종료 후 학습자의 설문을 수거하여 상관분석 및 회귀분석으로 데이터를 분석하였다. 연구결과, 모바일러닝 효능감, 유용성은 만족도에 유의미한 영향을 미치고, 유용성, 편재성은 인지된 성취도에 유의미한 영향을 미치는 것으로 확인되었다. 즉, 모바일러닝 활용 측면의 편재성, 용이성 등의 기기자체의 특성 보다는 모바일러닝에 대해 본인이 느끼는 긍정적 태도나, 유용하다고 느끼는 정도가 모바일러닝의 만족도를 예측하는 요인으로 규명된 것이다. 반면 편재성이 인지된 성취도를 유의미하게 예측하는 것으로 나타났는데, 이는 모바일 특성상 시간과 장소에 관계없이 필요한 정보를 이용할 수 있고 자신에게 적합한 서비스나 정보를 제공받을 수 있으므로, 학습자가 모바일학습 환경에서 더욱 효율적인 학습이 가능했기 때문이라고 생각된다. 유용성이 만족도와 인지된 성취도 모두를 유의하게 예측한 것은, 학습자에게 유용한 모바일러닝을 제공하고 또한 모바일러닝에 대해 긍정적인 태도를 함양할 수 있도록 하는 전략이 필요하다는 것을 함의한다.

• 디지털콘텐츠
• /
• 7호통권146호
• /
• pp.59-61
• /
• 2005

정보통신 분야는 물론, 문화, 교육 등 생활 속 모든 분야에서 유비쿼터스라는 수식어가 따라다니고 있는 것을 많이 볼 수 있다. 관련 전문가들은 2010년경에는 유비쿼터스가 우리 생활에서 대중화가 될 것이며 이에 따른 부가가치 규모도 80조원에 이를 것으로 전망하고 있다. 교육 분야도 아날로그 환경 하에서 주변 환경 변화에 더디게 반응해 왔던 과거와 달리 최근 조금은 걱정스러울 정도로 IT의 신기술에 발 빠르게 적응하면서 e러닝, T러닝, M러닝, U러닝 등의 새로운 신조어들이 생겨나고 있다. 이에 진정 살아 있는 e러닝의 최종 모습이라고 불려지고 있는 유비쿼터스 학습(U러닝)에 대해 살펴보고, U러닝이 성공하기 위해서는 어떠한 요소들이 필요한가에 대해 살펴봤다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2021년도 학술발표회
• /
• pp.317-317
• /
• 2021

효율적인 물관리를 위한 댐 유입량 대한 연구는 필수적이다. 본 연구에서는 다양한 머신러닝 알고리즘을 통해 40년동안의 기상 및 댐 유입량 데이터를 이용하여 소양강댐 유입량을 예측하였으며, 그 중 고유량과 저유량예측에 적합한 알고리즘을 각각 선정하여 머신러닝 알고리즘을 결합한 CombML을 개발하였다. 의사 결정 트리 (DT), 멀티 레이어 퍼셉트론 (MLP), 랜덤 포레스트(RF), 그래디언트 부스팅 (GB), RNN-LSTM 및 CNN-LSTM 알고리즘이 사용되었으며, 그 중 가장 정확도가 높은 모형과 고유량이 아닌 경우에서 특별히 예측 정확도가 높은 모형을 결합하여 결합 머신러닝 알고리즘 (CombML)을 개발 및 평가하였다. 사용된 알고리즘 중 MLP가 NSE 0.812, RMSE 77.218 m3/s, MAE 29.034 m3/s, R 0.924, R2 0.817로 댐 유입량 예측에서 최상의 결과를 보여주었으며, 댐 유입량이 100 m3/s 이하인 경우 앙상블 모델 (RF, GB) 이 댐 유입 예측에서 MLP보다 더 나은 성능을 보였다. 따라서, 유입량이 100 m3/s 이상 시의 평균 일일 강수량인 16 mm를 기준으로 강수가 16mm 이하인 경우 앙상블 방법 (RF 및 GB)을 사용하고 강수가 16 mm 이상인 경우 MLP를 사용하여 댐 유입을 예측하기 위해 두 가지 복합 머신러닝(CombML) 모델 (RF_MLP 및 GB_MLP)을 개발하였다. 그 결과 RF_MLP에서 NSE 0.857, RMSE 68.417 m3/s, MAE 18.063 m3/s, R 0.927, R2 0.859, GB_MLP의 경우 NSE 0.829, RMSE 73.918 m3/s, MAE 18.093 m3/s, R 0.912, R2 0.831로 CombML이 댐 유입을 가장 정확하게 예측하는 것으로 평가되었다. 본 연구를 통해 하천 유황을 고려한 여러 머신러닝 알고리즘의 결합을 통한 유입량 예측 결과, 알고리즘 결합 시 예측 모형의 정확도가 개선되는 것이 확인되었으며, 이는 추후 효율적인 물관리에 이용될 수 있을 것으로 판단된다.

• 한국융합학회논문지
• /
• 제1권1호
• /
• pp.1-15
• /
• 2010

교육이란 사회적 변화를 예측하고 우리 사회가 필요로 하는 인재를 길러내야 할 책무성을 띠고 있으며, 이러한 사회적 변화에 따라 교육은 능동적으로 변해야 한다. 이러한 국내 교육변화에 대한 관심은 지난 1995년 교육과학기술부 교육개혁위원회의 '5 31 교육개혁안'을 통해 구체화된 바 있다. 따라서 본 논문은 교육정보화 정책의 3단계 방향과 교육정보화의 핵심 기술인 이러닝과 유러닝 기술을 검토할 것이다. 또한 이러닝은 콘텐츠 전달 매체에 따라 엠러닝(m-learning), 티러닝(t-learning), 유러닝(u-learning), 알러닝(r-learning), game-based learning 등으로 나눌 수 있다. 본 논문은 이 중 새로운 콘텐츠 전달 방법인 알러닝의 개념을 소개하고 유러닝과의 차이점을 비교하여 검토한다.

• 컴퓨터교육학회논문지
• /
• 제15권6호
• /
• pp.53-64
• /
• 2012

본 연구는 최근 모바일 러닝에 대한 요구가 높아지는 상황에서 고등학생들의 모바일 기기와 모바일 러닝에 대하여 현 실태와 인식을 독립변인(성별, 학년별, 계열별)에 따라 비교 분석한 것이다. 연구방법은 설문지를 통한 조사연구였고, 통계는 백분율과 t/F분석을 이용하여 분석하였다. 먼저 모바일 기기와 모바일 학습의 실태에 있어서 독립변인에 따라 차이를 보이는 결과가 있었다. 또한 2010년은 모바일 러닝에 있어서 중요한 기준 연도가 될 수 있으며, 고등학생들은 자투리 시간에 모바일 러닝을 하지는 않는 것으로 나타났다. 모바일 학습방법에 있어서는 아직 앱을 이용하여 다운로드 하는 방식은 아직 보편화되지는 않은 것으로 나타났다. 다음으로 모바일 러닝에 대한 인식도에 있어서는 사용능력 측면에서, 학습 수행력 증진 측면에서, 모바일 기기의 지속적 관심 측면에서 통계적으로 유의미한 차이를 보였다.

• 문화기술의 융합
• /
• 제9권2호
• /
• pp.475-481
• /
• 2023

머신러닝과 같은 소프트웨어가 일상생활에 매우 큰 영향력을 발휘하고 있는 상황에서, 소프트웨어의 개발비용을 평가하는 비용 모델의 중요성이 지속적으로 증가하고 있다. 비용 모델로서 LOC(Line of Code)와 M/M(Man-Month) 모델은 소프트웨어의 양적인 요소들을 측정하는 비용모델이다. 이와는 달리, FP(Function Point)는 소프트웨어의 기능적 특징들을 평가하는 비용모델로서 소프트웨어의 질적인 요소를 평가한다는 점에서 효과적이다. 그러나 FP는 머신러닝 소프트웨어의 주요한 요소들을 평가하지 않기 때문에 머신러닝 소프트웨어를 평가하는데 한계를 가진다. 본 논문은 확장형 FP(Extended Function Point, ExFP)를 제안한다. 확장형 FP는 머신러닝의 주요 특징인 하이퍼 파라미터와 그것의 최적화에 대한 복잡도를 반영하여 소프트웨어의 기능적 요소를 평가하도록 확장하였기 때문에 머신러닝과 같은 최신 소프트웨어에의 비용 평가에 적합하다. 머신러닝 소프트웨어의 특징을 반영한 평가를 통해 제안된 확장형 FP의 효용성을 보였다.

• 한국지능정보시스템학회:학술대회논문집
• /
• 한국지능정보시스템학회 2005년도 공동추계학술대회
• /
• pp.211-217
• /
• 2005

본 연구는 정보화 시대를 맞게 m-이러닝을 실시하고, 결과를 실시간으로 전송하는 모바일 학습 결과 전송 시스템을 설계 및 구현하였다. 제안된 시스템을 통하여 학부모와 교사의 유동적인 커뮤니케이션을 할 수 있다. 또한 전송결과가 단순하게 학습 결과만 제시하는 것이 아니라 인터넷 학습 문제에 따른 이원 목적 분류표로 연계하여 틀린 문제에 대한 보충 학습 부분을 보호에게 전송한다. 다라서 본 시스템을 통하여 유비쿼터스 환경에서 학부모가 아동에 대한 학습 상태를 정확히 인지할 수 있는 통합적인 m-러닝 솔루션을 제안하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2011년도 춘계학술발표대회
• /
• pp.1108-1111
• /
• 2011

최근 E-러닝 발전과 함께 U-러닝에 대한 관심이 집중되고 있으며 이와 관련된 다양한 관련 표준들이 채택되고 있다. 기존의 E-러닝 관련 기술들이 웹에 기반한 학습을 지향하였다면 U-러닝에서는 다양한 환경에서 학습자가 학습의 맥락을 이어가며 학습을 하는 것으로서 언제, 어디서나, 누구나 학습을 진행하여 생활의 학습화를 지원할 기술을 필요로 한다. 즉, U-러닝에서는 다양한 사용 환경에서 학습이 이루어지므로 사용 환경에 적합한 학습이 이루어져야 하고, 이를 위해 사용 환경 맞춤형 콘텐츠 적응화 기술이 필요하다. 크게 사용 환경 맞춤형 콘텐츠 적응화 기술은 다양한 단말기 정보를 포함한 사용 환경 정보를 표현할 수 있는 기술과 사용자의 사용 환경 정보를 분석하는 기술, 사용 환경에 적합한 콘텐츠를 구성하는 기술로 구성된다. 이에 본 연구에서는 지식서비스 USN 산업원천 기술개발 과제의 세부과제인 'U-러닝 환경 표준 및 표준 명세 개발 및 검증' 과제에서 콘텐츠 적응화를 위해 연구 개발된 사용 환경 정보를 표현하는 U-러닝 프로파일에 대하여 소개한다.

• 한국측량학회지
• /
• 제37권6호
• /
• pp.517-523
• /
• 2019

PM₁₀ 농도는 시간 및 공간 의존성을 동시에 가지는 시공간 데이터이지만 현실적으로 연속적인 시공간 데이터를 획득하는 것은 쉬운 일이 아니다. 본 연구에서는 위성영상과 대기질 및 기상 관측 센서 데이터를 복합적인 딥러닝 모델에 적용하여 시공간 해상도를 향상시키는 모델을 설계하였다. 설계된 딥러닝 모델은 기상, 토지 이용 등 PM₁₀ 농도에 영향을 줄 수 있는 인자를 이용하여 학습하였으며, 대기질 및 기상 관측 데이터만을 이용하여 15분 단위의 30m×30m의 공간해상도를 PM₁₀ 영상을 생성하였다.