• 한국컴퓨터정보학회논문지
• /
• 제28권12호
• /
• pp.289-296
• /
• 2023

본 연구는 대학생들의 온라인 학습 경험에서 성공요인들을 수업 전, 수업 중, 수업 후 단계를 기반으로 파악하는 것을 목표로 한다. 대학생을 대상으로 설문조사를 실시하였으며, 총 95부의 설문지를 최종 분석에 활용하였다. 주요 분석 결과를 살펴보면, 수업 전 단계에서는 과업의 가치, 학업적 자기효능감, 그리고 통제에 대한 믿음이 중요한 요인으로 확인되었으며, 수업 중에는 상호작용이 중요한 요인으로 나타났다. 특히, 학업적 자기효능감과 상호작용은 수업 후 단계에서 학생들의 만족도에 유의미하게 영향을 미치는 주요 요인으로 밝혀졌다. 이러한 요인들을 이해하는 것은 효과적인 대학 온라인 수업의 설계 및 운영에 정보를 제공하여 학생 경험과 만족도를 개선하는데 도움이 될 것이다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.563-571
• /
• 2023

본 연구의 목적은 간호대학생의 소명의식과 자아존중감이 간호전문직관에 미치는 영향을 파악하기 위한 것이다. 본 연구의 연구 설계는 편의표집을 이용한 서술적 조사연구이다. 자료 수집은 충청북도에 소재한 3개 대학교의 1학년~4학년 간호대학생을 대상으로 구조화된 설문지와 구글 온라인 설문 방법을 병행하여 수집하였다. 수집된 자료는 SPSS window 25.0 프로그램을 이용하여 빈도와 백분율 및 평균과 표준편차, t-test와 one-way ANOVA, 사후 검정은 Scheffé test, Pearson correlation coefficient, Multiple regression으로 분석하였다. 연구결과 소명의식은 21.7%(𝛽=-.181, p<.001), 전공만족도 2.8%로, 소명의식과 전공만족도가 간호전문직관을 총 24.5% 설명하는 것으로 나타났다(𝛽=.420, p<.001). 따라서 간호대학생의 소명의식을 인식하고 확인하면서 전공만족도 향상을 위한 교육과정 및 교수학습 전략을 수립하는 기초자료로 활용할 것을 제언한다.

• 한국동물위생학회지
• /
• 제46권4호
• /
• pp.293-302
• /
• 2023

This study provides a comprehensive analysis of the epidemiological trends and challenges in managing tuberculosis (TB) in livestock in Korea from 2013 to 2022. Tuberculosis, caused by the Mycobacterium tuberculosis complex, is a significant zoonotic disease affecting cattle, deer, and other domesticated animals. Despite the initiation of a test-and-slaughter eradication policy in 1964, TB has continued to persist in Korean livestock, particularly in cattle and deer. This study used data from the Korea Animal Health Integrated System and provincial animal health laboratories to analyze TB incidence in various livestock including different cattle breeds and deer species. The results from 2013 to 2022 showed a peak in TB cases in 2019 with a subsequent decline by 2022. The study highlighted a significant incidence of TB in Korean native cattle and the need for amore inclusive approach towards TB testing and control in different cattle breeds. Additionally, the study underscored the importance of addressing TB in other animals such as goats, wildlife, and companion animals for a holistic approach to TB eradication in Korea. The findings suggest that while the test-and-slaughter strategy has been historically effective, there is a need for adaptation to the current challenges, and learning from successful eradiation stories on other countries like Australia. A collaborative effort involving an expanded surveillance system, active private sector participation, and robust government support essential for the efficient eradication of TB in livestock in Korea.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3242-3265
• /
• 2023

Ensuring reliability of a machinery system involve the prediction of remaining useful life (RUL). In most RUL prediction approaches, noise is always considered for removal. Nevertheless, noise could be properly utilized to enhance the prediction capabilities. In this paper, we proposed a novel RUL prediction approach based on noise injection and a Kalman filter ensemble of modified bagging predictors. Firstly, we proposed a new method to insert Gaussian noises into both observation and feature spaces of an original training dataset, named GN-DAFC. Secondly, we developed a modified bagging method based on Kalman filter averaging, named KBAG. Then, we developed a new ensemble method which is a Kalman filter ensemble of KBAGs, named DKBAG. Finally, we proposed a novel RUL prediction approach GN-DAFC-DKBAG in which the optimal noise-injected training dataset was determined by a GN-DAFC-based searching strategy and then inputted to a DKBAG model. Our approach is validated on the NASA C-MAPSS dataset of aero-engines. Experimental results show that our approach achieves significantly better performance than a traditional Kalman filter ensemble of single learning models (KESLM) and the original DKBAG approaches. We also found that the optimal noise-injected data could improve the prediction performance of both KESLM and DKBAG. We further compare our approach with two advanced ensemble approaches, and the results indicate that the former also has better performance than the latters. Thus, our approach of combining optimal noise injection and DKBAG provides an effective solution for RUL estimation of machinery systems.

• International Journal of Computer Science & Network Security
• /
• 제23권12호
• /
• pp.101-106
• /
• 2023

Chronic illnesses are among the most common serious problems affecting human health. Early diagnosis of chronic diseases can assist to avoid or mitigate their consequences, potentially decreasing mortality rates. Using machine learning algorithms to identify risk factors is an exciting strategy. The issue with existing feature selection approaches is that each method provides a distinct set of properties that affect model correctness, and present methods cannot perform well on huge multidimensional datasets. We would like to introduce a novel model that contains a feature selection approach that selects optimal characteristics from big multidimensional data sets to provide reliable predictions of chronic illnesses without sacrificing data uniqueness.[1] To ensure the success of our proposed model, we employed balanced classes by employing hybrid balanced class sampling methods on the original dataset, as well as methods for data pre-processing and data transformation, to provide credible data for the training model. We ran and assessed our model on datasets with binary and multivalued classifications. We have used multiple datasets (Parkinson, arrythmia, breast cancer, kidney, diabetes). Suitable features are selected by using the Hybrid feature model consists of Lassocv, decision tree, random forest, gradient boosting,Adaboost, stochastic gradient descent and done voting of attributes which are common output from these methods.Accuracy of original dataset before applying framework is recorded and evaluated against reduced data set of attributes accuracy. The results are shown separately to provide comparisons. Based on the result analysis, we can conclude that our proposed model produced the highest accuracy on multi valued class datasets than on binary class attributes.[1]

• Journal of Information Technology Applications and Management
• /
• 제31권1호
• /
• pp.177-188
• /
• 2024

In this research, a cohort of two children, aged 7-8 years, was selected to participate in a specialized three-week training program aimed at enhancing their working memory. The program consisted of three sessions, each lasting approximately 30 minutes. The primary goal was to investigate the impact and developmental trajectory of working memory in school-aged children. Working memory plays a significant role in young children's learning and daily activities. To address the needs of this demographic, products should offer both educational and enjoyable activities that engage working memory. Digital educational tools, known for their flexibility, are suitable for both older individuals and young children. By updating software or modifying content, these tools can be effectively repurposed for young learners without extensive hardware changes, making them both cost-effective and practical. For example, memory training games initially designed for older adults can be adapted for young children by altering images, music, or storylines. Furthermore, incorporating elements familiar to children, like animals, toys, or fairy tales, can increase their engagement in these activities. Historically, working memory capabilities have been assessed predominantly through traditional intelligence tests. However, recent research questions the adequacy of these behavioral measures in accurately detecting changes in working memory. To bridge this gap, the current study utilized electroencephalography (EEG) as a more sophisticated and precise tool for monitoring potential changes in working memory after the training. The research findings were revealing. Participants showed marked improvement in their performance on n-back tasks, a standard measure for evaluating working memory. This improvement post-training strongly supports the effectiveness of the training program. The results indicate that such targeted and structured training programs can significantly enhance the working memory abilities of children in this age group, providing promising implications for educational strategies and cognitive development interventions.

• 한국가정과교육학회지
• /
• 제35권4호
• /
• pp.61-79
• /
• 2023

이 연구는 2022 개정 가정과 교육과정 개발 참여라는 경험을 스스로 질문하고 검토하고 숙고하면서 재평가하는 성찰적 관찰의 방법으로 접근하여 가정과 교육과정에 대한 실제적 지식의 구축을 연구자 개인의 배움으로 이끌어내며, 동시에 가정과 교육과정에 대한 실제적 지식과 이론을 구축해 나가기 위한 목적으로 전개되었다. 그 결과 다음과 같은 결론을 도출했다. 첫째, "모든 학습자들은 예측 불가능한 미래사회에서도 여전히 자신과 주변, 그리고 세상이 더 나은 삶을 살도록 하기 위해 자신이 할 수 있는 최선의 행동을 선택하면서 살 것이다." 둘째, 전체 교육과정 구조에서 가정과교육의 가치는 "가정과교육은 미래세대가 더 나은 삶, 즉 더 좋은 삶을 영위하게 하는데 필요한 힘(역량)을 함양하도록 하는 생활교과"이다. 셋째, "예측 불가능한 미래사회에서도 모든 인간과 세상을 지속 가능하도록 하기 위해서는 미래 교육에서 의도적인 학습의 영역으로 청소년들에게 'Good Life Literacy'를 길러주기 위한 교육이 핵심이 되어야 하며, 가정과교육은 이를 위한 핵심적 교과이다"로 도출했다. 추후 연구에서는 이와 같은 실무행위에 대한 성찰적 실천을 통해 구축한 가정과 교육과정에 대한 실제적 이론이 더 많은 경험적 연구로 검증되기를 기대한다.

• 한국빅데이터학회지
• /
• 제8권2호
• /
• pp.201-222
• /
• 2023

온라인 플랫폼을 통한 전자상거래 활성화에 따라 수많은 중소 판매상들은 수익성 향상을 위해 다양한 노력을 기울이고 있다. 이를 위해서는 프로모션이나 이벤트의 범위와 할인 수준, 품목 등에 대한 전략적 의사결정이 매우 중요하다. 본 연구는 중소 전자상거래 판매상들이 효과적인 프로모션 전략을 수립하기 위한 의사결정을 지원하기 위한 도구를 개발하고자 한다. 프로모션의 시행 여부를 판단하기 위해서는 프로모션에 의한 매출 증대 수준을 예측할 수 있어야 한다. 본 연구에서는 다양한 기계학습기법 중 MLP(Multi Layer Perceptron), Gradient Boosting Regression, Random Forest, Linear Regression 모델을 통해 프로모션 시행 후의 매출변화를 예측하기 위한 모델을 개발하였다. 프로모션 데이터가 가진 복잡성과 품목의 특성이 뚜렷한 영향력을 가지는 것으로 확인되었으며, 여러 기법 중 Random Forest 모델과 MLP 모델이 가장 성능이 좋은 것으로 나타났다. 본 연구에서 개발된 방법을 통해 중소 전자상거래 판매상이 시장 변화에 능동적으로 대응하고, 데이터 기반 의사결정을 지원할 수 있을 것이다.

• Safety and Health at Work
• /
• 제15권2호
• /
• pp.151-157
• /
• 2024

Background: Replacement drivers represent a significant portion of platform labor in the Republic of Korea, often facing night shifts and the demands of emotional labor. Research on replacement drivers is limited due to their widespread nature. This study examined the levels of presenteeism and absenteeism among replacement drivers in comparison to those of paid male workers in the Republic of Korea. Methods: This study collected data for replacement drivers and used data from the 6th Korean Working Conditions Survey for paid male workers over the age of 20 years. Propensity score matching was performed to balance the differences between paid workers and replacement drivers. Multivariable logistic regression was used to estimate the adjusted odds ratio (OR) and 95% confidence intervals for presenteeism and absenteeism by replacement drivers. Stratified analysis was conducted for age groups, educational levels, income levels, and working hours. The analysis was adjusted for variables including age, education, income, working hours, working days per week, and working duration. Results: Among the 1,417 participants, the prevalence of presenteeism and absenteeism among replacement drivers was 53.6% (n = 210) and 51.3% (n = 201), respectively. The association of presenteeism and absenteeism (adjusted OR [95% CI] = 8.42 [6.36-11.16] and 20.80 [95% CI = 14.60-29.62], respectively) with replacement drivers being significant, with a prominent association among the young age group, high educational, and medium income levels. Conclusion: The results demonstrated that replacement drivers were more significantly associated with presenteeism and absenteeism than paid workers. Further studies are necessary to establish a strategy to decrease the risk factors among replacement drivers.

• 한국도서관정보학회지
• /
• 제55권3호
• /
• pp.167-192
• /
• 2024

게이미피케이션은 학습자의 몰입과 참여를 촉진하여 대학도서관 서비스의 질적 향상을 도모하는 효과적인 전략으로 평가된다. 본 연구는 대학도서관에 게이미피케이션을 효과적으로 적용하기 위한 설계 프레임워크를 개발하는 데 중점을 두었다. 이를 위해 문헌 연구, 국내외 사례 조사, 대학도서관 사서와의 심층 면담을 통해 정보 리터러시 모형을 기반으로 한 프레임워크를 개발하였다. 이 프레임워크는 정보활동 단계에 해당하는 과제 정의, 정보 탐색, 수집, 활용, 통합 과정에서 고려해야 할 설계 요소와 게임 메커니즘을 제시하였으며, 인지적, 정서적, 사회적 측면에서 게이미피케이션의 효과를 측정할 수 있는 성과 지표를 설계하였다. 본 연구는 대학도서관에서 게이미피케이션을 체계적으로 도입하고 성과를 평가하는데 기초 자료로 활용될 수 있으며, 이를 통해 도서관 이용자의 참여와 학습 동기를 높이는 데 기여할 것으로 기대된다.