이 연구는 광물과 암석을 주제로 진행된 야외지질학습에 참여한 초등학생들의 학습 효과를 생소한 경험 공간 (Novelty space) 개념을 중심으로 탐색하는 것을 목적으로 한다. 방과 후 자율 동아리 활동 형식으로 서울의 한 공립 초등학교에서 진행된 본 프로그램에 6학년 학생 총 10명이 참여하였다. 학생들은 교실 학습 환경에서 광물과 암석 표 본을, 야외 학습 환경에서 노두에 노출되었거나 정원석 등으로 쓰이고 있는 광물과 암석을 각각 관찰하였다. 저자들은 각 차시별 연구 참여자들이 작성한 활동지(글, 그림), 연구자 참여 노트, 연구 참여자의 활동이 담긴 영상 및 음성 자료 와 사후 인터뷰 자료를 수집하였다. 인지적 영역에서 학생들의 학습 효과를 분석하기 위해 Remmen and Frøyland (2020)의 암석 분류를 위한 관찰 분석틀과 Oh (2020)의 암석 기술어 분석틀을 활용하였다. 또한 심리 및 지리적 영역 의 학습 효과를 탐색하기 위해 학생들의 그림과 담화 및 면담 자료를 귀납적으로 분석하였다. 연구 결과 학생들은 교 실 학습 환경에서 ‘일상적’, ‘과도기적’ 관찰 양상을 보였으며 야외 학습 환경에서(학교 운동장, 지역사회)는 ‘과도기적’ 및 ‘과학적’ 관찰 단계까지 발전하는 모습을 나타냈다. 덧붙여 과학적 관찰 단계로 갈수록 더 많은 종류의 암석 기술어 가 사용되는 것 또한 확인되었다. 심리, 지리적 측면에서 학생들은 익숙한 야외 학습 환경으로의 답사 장소 선정, 야외 지질학습에 대한 긍정적인 인식, 심미적 감상 등을 표현하였다. 끝으로 이 연구는 학생들의 학습 효과 분석을 위한 도 구로써 생소한 경험 공간 개념이 유용한 도구가 될 수 있음을 강조하며 아울러 가상야외지질학습과 같은 새로운 학습 환경을 고려하는 학술적인 접근이 필요함을 제안하는 바이다.

There has been increasing interest in UHPC (Ultra-High Performance Concrete) materials in recent years. Owing to the superior mechanical properties and durability, the UHPC has been widely used for the design of various types of structures. In this paper, machine learning based compressive strength prediction methods of the UHPC are proposed. Various regression-based machine learning models were built to train dataset. For train and validation, 110 data samples collected from the literatures were used. Because the proportion between the compressive strength and its composition is a highly nonlinear, more advanced regression models are demanded to obtain better results. The complex relationship between mixture proportion and concrete compressive strength can be predicted by using the selected regression method.

이 연구에서는 대학생들이 지역사회에 참여하여 해당 지역에 실질적으로 도움이 되는 서비스를 제공하는 프로젝트를 실시하고 프로젝트 수행 과정에서 참여 학생들의 지리학 개념 이해 및 지리공간기술 이용 능력이 향상되는지 살펴보았다. 학생들은 관악산의 등산로를 개발하였는데 이 과정에서 지오투어리즘 논의, 관악산 관련 지형학 이론, 지역사회 참여 지리학 등의 개념을 적용하고 GIS, GPS, Google Earth와 같은 지리공간기술을 이용하였다. 프로젝트 수행 결과, 등산로를 따라 주요 지형경관에 대한 사진·동영상·설명, 환경 놀이, 경로 난이도 정보 등이 포함된 결과물이 산출되었다. 학생들은 프로젝트와 관련된 지리적 개념 이해에 대한 자신감을 높이고 지리공간기술을 효과적으로 활용하는 모습을 보였다. 지역사회의 관계자들 역시 본 연구의 결과에 긍정적인 반응을 보였다.

이 연구의 목적은 GIS(Geographic Information Systems) 학습에서 성별과 전공 차이가 공간적 습관의 자기 평가에 어떤 영향을 미치는지를 살펴보는 것이다. 많은 연구자들이 GIS가 학생들의 공간적 사고 향상을 위한 효과적인 도구가 될 수 있다고 주장했지만 GIS 학습과 공간적 습관의 상관관계에 대한 논의는 부족했다. 이 연구는 GIS 학습이 공간적 습관 향상에 도움이 된다는 기존 연구를 확장하여 성별과 전공의 영향에 대해 고찰하였다. 이 연구의 주요 결과는 다음과 같다. 첫째, 공간적 습관을 측정하는 SHOMI(Spatial Habits of Mind Inventory)의 총점에서 성별 차이가 발견되지 않았다(사전, 사후 테스트 각각 점수). 그러나 남녀 모두 GIS 학습 후 공간적 관점의 적용 정도가 높아졌다(사전, 사후 테스트 점수 차이). 공간적 습관의 향상 정도를 하위 영역으로 구분해서 살펴보았을 때에는 영역별로 남녀의 향상에 차이가 있었다. 둘째, 전공의 차이는 성별 차이보다 그 영향력의 정도가 컸다. GIS 학습 집단에서 성별 차이가 없었던 이유는 GIS 수업에 참여한 여학생들의 전공이 대부분 지리학 혹은 지리학과 관련된 것이어서 일반적인 여학생 집단을 대표하지 못했기 때문인 것으로 보인다.

본 연구에서는 고등학생들의 지질구조에 대한 공간 능력을 향상시키기 위한 프로그램을 개발하고, 개발된 프로그램의 현장 적용효과를 분석하였다. 이 프로그램은 지질 공간 방향 인식 및 공간 시각화 인식 요소로 구성되어 있다. 개발된 학습 프로그램의 효과를 분석하기 위해 경기도에 소재하는 4개 고등학교 학생 60명을 연구대상으로 선정하였다. 또한 연구대상 학생들 중 4명을 대상으로 지질 공간개념 수준의 변화를 알아보기 위해 면담을 실시하였다. 본 연구에서 개발된 프로그램의 투입 결과, 학생들의 지질 공간개념 수준에 유의미한 변화를 보였다(p 〈 0.05). 또한 4명의 학생들의 면담결과 공간 시각화 과정을 거치는 학생들의 지질 공간 능력이 향상되었다.

라돈은 자연방사성원소로 호흡을 통해 인체에 피폭된다. 본 연구에서는 2017년 6월 1일부터 2017년 8월 28일까지 3개월 동안 A대학의 8개 건축물에 대해 실내 라돈농도를 측정하여 비교하였고, 연간 유효선량을 도출하였다. 본 연구에서 A대학의 건축물 Hall G 와 Hall F의 라돈농도는 각각 81 Bq/㎥, 14 Bq/㎥ 로 나타났으며, 전체 조사 건축물의 평균 실내 라돈농도는 41.63 Bq/㎥로 나타났다. 대학 내 학습공간과 생활공간에 대한 연간 유효선량 환산치의 평균은 0.40 mSv/y이며 최대 연간 유효선량은 0.78 mSv/y, 최소 연간 유효선량은 0.13 mSv/y로 나타났다. 학교는 학생들이 오랜 시간 머무르는 공간이므로 건축물에 대한 적절한 환기와 관리를 통해 실내라돈 농도를 낮추는 것이 라돈에 대한 자연방사선 피폭을 낮추는 방법이다.

본 연구는 『멋대로 맘대로 윌로』 에 그려진 교사와 학생이 각각 교실이라는 공간에 대해 어떻게 인식하 고 있는지 살펴보고 그에 따른 교수·학습이 어떻게 일어나는지 살펴보고자 하는 것이다. 먼저, 변화되기 전의 호손 선생님은 교실을 통제 및 관리 감독하기 위한 교실로 인식하고 있다. 어두운 조 명과 일자형 책상배치 그리고 바른 자세는 호손 선생님이 교실을 어떻게 인식하고 있는지 보여준다. 그리 고 이것은 획일적이고 지시적인 교수와 반드시 교사의 교수를 따라야만 하는 수동적 학습으로 나타난다. 그러나 변화 후의 호손 선생님은 교실 벽을 아이들과 함께 꾸미는 활동을 통해 교실은 선생님과 학생이 함께 만드는 교실로 인식이 바뀌었다. 그래서 교수·학습도 학생중심 교수·능동적 학습으로 바뀌게 된다. 한편, 윌로에게 교실은 교실의 창문을 통해 늘 새로운 세계를 탐색할 수 있는 체험의 공간으로 인식된다. 그래서 자신이 체험한 것을 바탕으로 상상력과 창의력을 발휘하는 능동적 학습을 한다. 그리고 때로는 호 손 선생님께 새로운 세계를 안내함으로서 윌로가 호손선생님을 변화시키기도 한다. 이처럼 교실이란 공간은 단순히 물리적인 공간이 아니라 교사와 학생이 어떻게 인식하느냐에 따라 교수·학 습에 있어 큰 영향을 끼칠 수 있음을 보여준다. 따라서 우리는 교실 공간에 대해 좀 더 의미있게 인식하여 살아있는 교수,학습의 공간이 되도록 노력할 필요가 있다.

A novel disaggregation model that combines a machine learning model and kriging of residuals is presented to map precipitation at a fine scale from coarse scale precipitation data. Random forest (RF) and fine scale auxiliary variables are used to estimate trend components at a fine scale. Residual components are then estimated by area-to-point residual kriging. A case study of spatial disaggregation of TRMM monthly precipitation data acquired over the Korean peninsula is carried out to illustrate the potential of the presented disaggregation method. From the evaluation results, the presented method outperformed the RF-based disaggregation method that only considers trend components and ignores residual components, in terms of accuracy statistics and the ability of coherent predictions. This case study indicates that accounting for residual components by applying a proper spatial prediction method such as area-to-point kriging is very important in spatial disaggregation of coarse scale spatial data, even though advanced regression models such as RF could have high goodness of fit for the quantification of relationships between a target attribute and auxiliary variables.