• 대한화학회지
• /
• 제66권1호
• /
• pp.42-49
• /
• 2022

많은 초등교사들의 과학적 지식 부족은 과학 교수활동에서 여러 가지 문제점으로 나타난다. 따라서 초등교사의 과학적 지식 향상이 필요하지만 교사 양성 과정이나 재교육 과정에서 주로 수행되는 강의 기반 활동을 통해서는 초등교사의 과학적 지식 부족을 해결하는데 한계가 있다. 이에 본 연구에서는 초등교사의 과학적 지식 향상을 위한 과학 교사교육 개선 방안을 탐색하고자 한다. 초등학교 과학과 교육과정 내 물질 영역에 대한 내용 지식을 향상시키기 위해 실행연구를 수행한 연구자 3명에 대해 심층면담을 실시했다. 면담결과를 토대로 3명의 연구자들이 실행연구 과정에서 수행한 과학적 실천에서 공통적으로 겪은 어려움과 성장한 부분을 분석했다. 심층면담에서 3명의 교사들은 자신이 특정 개념을 어떻게 이해하고 있는지, 무엇을 이해하지 못하고 있는지, 무엇을 더 공부해야 하는지를 파악하는데 어려움을 겪었다. 그리고 탐구 실천 계획을 수립하는 과정에서 명시적으로 배웠던 절차적 지식을 실제 맥락 속에서 어떻게 적용시켜야 하는지 모르는 상황도 겪었다. 또한 선언적으로 이해하고 있던 지식은 실제 현상에서 관찰되는 내용과 차이가 있어 어려움을 겪기도 했다. 하지만 교사들은 이러한 어려움 속에서 주제 분석, 탐구 계획, 탐구 수행, 결과 논의의 과정을 스스로 실천한 결과 내용 지식뿐만 아니라 의도하지 않았던 절차적 지식에 대한 이해까지 향상되었다고 진술했다. 또한 기존에 이해하고 있던 내용 지식을 통합적으로 이해하는 것도 도움이 되었다고 했다. 그리고 교사들은 과학 실천이 개별적으로 수행되기보다 주변 동료들과 공동체를 구성하여 논의하고 점검하는 기회를 가진다면 더 효과적인 학습이 될 수 있을 것이라는 제안을 했다. 이러한 점에 비추어 초등교사의 과학적 지식 향상을 위한 교사교육의 방향은 교사들이 학습 공동체 속에서 현상이 발생되는 맥락에 대해 직접 탐구하고 그 결과를 바탕으로 과학 개념을 이해하는 형태로 개선될 필요가 있다. 이는 교사의 실천과 이해를 통합시켜 과학 교수 활동 개선에도 기여할 것으로 판단된다.

• 한국산학기술학회논문지
• /
• 제12권9호
• /
• pp.3856-3868
• /
• 2011

최근까지 부동산 부분에 대한 전반적인 연구경향은 부동산시장 및 시장분석에 관한 논문이 중심을 이루었고, 부동산중개인의 직무능력 향상을 위한 교육프로그램개발에 대한 연구는 상대적으로 부족한 실정이었다. 따라서 본 연구는 충남지역(천안)을 중심으로 부동산 비즈니스 현장에서 경영활동 중인 부동산중개인을 대상으로 직무능력 향상을 위한 교육프로그램에 대한 니즈를 파악하기 위하여 실증분석을 하였다. 분석결과는 다음과 같다. 첫째, 부동산중개인의 직무능력 향상을 위한 교육내용에 대한 설문에서는 응답자의 대다수가 부동산 권리관계분석 및 법적지식, 부동산경영 회계, 부동산마케팅, 부동산 정책의 이해 등이 절실하게 필요한 것으로 나타났다. 이와 같은 변화의 움직임은 진화하는 고객들의 욕구를 충족시켜 줄 수 있는 최적의 대안이 교육훈련과정으로부터 발생됨을 인식하기 때문이라 하겠다. 둘째, 부동산마케팅 전략에 대하여 조사한 결과, 응답자의 대부분이 고객 욕구를 충족시키기 위해 새로운 형태의 마케팅전략이 필요함을 인식하고 있는 것으로 나타났다. 이와 같은 현상은 정보기술(Information Technology)등 패러다임 변화에 따라 인터넷 광고 등과 같은 새로운 형태의 마케팅 전략이 경영현장에서 요구되기 때문인 것으로 판단된다. 셋째, 산학연계를 통한 부동산관련 교육프로그램 필요성에 대하여 조사한 결과, 응답자 가운데 92%가 대학의 평생교육원에서 진행하고 있는 부동산 교육프로그램의 운영이 필요하다고 응답하였다. 또한 지역에 소재한 대학의 자원(resources)을 이용한 부동산중개인의 재학습 과정이 필요한 것으로 나타났다. 이외에도 효과적이고 효율적인 교육프로그램을 위해서는 대학 평생교육원의 인적 자원(human resources)을 활용한 부동산중개인의 직무능력 향상을 위한 '부동산 계약학과' 형태의 교육훈련시스템 운영을 요구하고 있는 것으로 나타났다. 넷째, 부동산중개인의 직무능력 향상을 위해 정규과정에서 수강하고 싶은 교육내용의 순위를 조사한 결과, 부동산경영(44.2%)과 부동산마케팅(42.3%)부분이 빈도가 높게 나타났다. 이와 같은 응답결과는 부동산경영과 부동산마케팅 마인드를 통해 고객들의 니즈를 파악하려는 의지를 보여주는 것이라 하겠다. 경영지식의 습득을 위해서는 정규과정 형태의 교육프로그램 운영보다는 비정규과정 형태의 교육훈련 프로그램을 더욱 더 선호하는 것으로 나타났다. 그러나 본 연구는 부동산중개인의 특성을 고려, 천안지역에서 부동산중개업을 운영하고 있는 대상만을 중심으로 표본을 추출하였다. 따라서 모집단을 보다 광범위하여 다양한 지역을 중심으로 조사할 필요가 있다. 천안지역 이외에도 부동산 비즈니스 활동이 활발하게 진행되고 있는 지역(평촌, 일산, 분당)과 부동산학을 전공하는 학부생과 대학원생들을 대상으로 부동산중개인의 직무능력 향상을 위한 니즈를 실증적으로 분석할 필요가 있다. 이를 통하여 부동산중개인들이 고객만족과 직무능력 향상을 위하여 필요로 하는 요인들을 측정함으로서 맞춤형 교육프로그램개발을 위한 정보를 얻을 수 있을 것이다. 이와 같은 연구결과를 통하여 측정된 직무능력 향상을 위한 교육프로그램개발 변수들은 대학의 부동산학 커리큘럼에 접목됨과 동시에 부동산학의 발전을 위한 실사구시적 정보(information)로 유용하게 사용될 수 있을 것이다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.27-65
• /
• 2020

많은 정보통신기술 기업들은 자체적으로 개발한 인공지능 기술을 오픈소스로 공개하였다. 예를 들어, 구글의 TensorFlow, 페이스북의 PyTorch, 마이크로소프트의 CNTK 등 여러 기업들은 자신들의 인공지능 기술들을 공개하고 있다. 이처럼 대중에게 딥러닝 오픈소스 소프트웨어를 공개함으로써 개발자 커뮤니티와의 관계와 인공지능 생태계를 강화하고, 사용자들의 실험, 적용, 개선을 얻을 수 있다. 이에 따라 머신러닝 분야는 급속히 성장하고 있고, 개발자들 또한 여러가지 학습 알고리즘을 재생산하여 각 영역에 활용하고 있다. 하지만 오픈소스 소프트웨어에 대한 다양한 분석들이 이루어진 데 반해, 실제 산업현장에서 딥러닝 오픈소스 소프트웨어를 개발하거나 활용하는데 유용한 연구 결과는 미흡한 실정이다. 따라서 본 연구에서는 딥러닝 프레임워크 사례연구를 통해 해당 프레임워크의 도입 전략을 도출하고자 한다. 기술-조직-환경 프레임워크를 기반으로 기존의 오픈 소스 소프트웨어 도입과 관련된 연구들을 리뷰하고, 이를 바탕으로 두 기업의 성공 사례와 한 기업의 실패 사례를 포함한 총 3 가지 기업의 도입 사례 분석을 통해 딥러닝 프레임워크 도입을 위한 중요한 5가지 성공 요인을 도출하였다: 팀 내 개발자의 지식과 전문성, 하드웨어(GPU) 환경, 데이터 전사 협력 체계, 딥러닝 프레임워크 플랫폼, 딥러닝 프레임워크 도구 서비스. 그리고 도출한 성공 요인을 실현하기 위한 딥러닝 프레임워크의 단계적 도입 전략을 제안하였다: 프로젝트 문제 정의, 딥러닝 방법론이 적합한 기법인지 확인, 딥러닝 프레임워크가 적합한 도구인지 확인, 기업의 딥러닝 프레임워크 사용, 기업의 딥러닝 프레임워크 확산. 본 연구를 통해 각 산업과 사업의 니즈에 따라, 딥러닝 프레임워크를 개발하거나 활용하고자 하는 기업에게 전략적인 시사점을 제공할 수 있을 것이라 기대된다.

• 지능정보연구
• /
• 제24권1호
• /
• pp.205-225
• /
• 2018

Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.