이 연구는 학습자 중심 수업을 대상으로 강의계획 적절성과 학습역량 간의 관계에서 학습자 맞춤형 교육의 매개효과를 분석하는 데 목적이 있 다. 이를 위해 A대학 2022학년도 1학기 강의평가 결과를 활용하여 인과 관계와 매개효과를 분석하였다. 본 연구에서 학습자 중심 수업은 문제해 결학습, 플립드러닝, 팀기반학습, 토의토론학습, 블랜디드러닝으로 정의 하였으며, 학생수준 고려, 학습흥미 유발, 학생인격 존중을 학습자 맞춤 형 교육으로 정의하였다. 연구결과는 다음과 같다. 첫째, 강의계획 적절 성, 학습자 맞춤형 교육, 학습역량 간에는 통계적으로 유의미한 인과관계 가 분석되었다. 둘째, 강의계획 적절성과 학습역량 관계에서 학습자 맞춤 형 교육의 매개효과를 확인한 결과 완전매개효과를 지니는 것으로 분석 되었다. 즉, 학습자 중심 수업 실시만으로는 학습역량이 증진되는 것은 아니며, 학습자 맞춤형 교육을 고려한 매개를 통해서 학습역량이 증진될 수 있다는 점을 확인하였다. 이를 바탕으로 본 연구에서는 강의계획서 적절성과 학습역량 간의 관계에서 학습자 흥미와 수준 차이, 인격을 고 려한 학습자 맞춤형 교육의 매개효과의 시사점을 제시하였다.

본 연구에서는 대학 교수학습센터에서 제공하는 학습지원 프로그램의 성과를 종합적으로 평가하기 위한 BSC(Balanced Score Card) 기반의 성과평가 모형을 개발하고 적용하는 데 있다. 문헌 연구를 통해 성과평 가의 이론적 배경을 조사하고, BSC 모형을 교육 분야에 맞게 수정하여 학습지원 프로그램에 적용 가능한 평가 체계를 설계하였다. 재무, 수요 자, 운영, 프로그램의 네 가지 관점에서 성과평가 지표를 설정하고, 이를 기반으로 대학의 다양한 학습지원 프로그램의 성과를 분석하였다. 분석 결과, 특정 프로그램들이 높은 성과를 보임을 확인하였으며, 동시에 개선 이 필요한 영역을 확인하였다. 개발된 BSC 기반 성과평가 모형은 대학 학습지원 프로그램의 다각도에서의 성과를 평가하는 데 유용하였으며, 프로그램의 강점과 개선점을 명확하게 확인할 수 있었다. 이 연구를 통 하여 대학 교수학습센터가 학습지원 프로그램의 질을 개선하고, 대학 교 육의 질적 향상에 기여하길 기대한다.

본 연구는 영어 수업 외 교실을 벗어나서 영어를 학습해야 하는 학습 자들의 부담감을 해소시키기 위해 영어 수업 시간에 활용할 수 있는 교 재 맞춤형 학습 앱의 활용을 제안하고자 하였고 교재 맞춤형 학습 앱의 사용에 대한 학습자의 태도와 인식을 함께 분석하고자 하였다. 이를 위 해 교재의 각 챕터별 주제에 맞게 제작된 학습 앱이 다각적인 측면에서 사용되었다. 앱을 활용하여 어휘 학습, 듣기, 말하기, 읽기, 챗봇과의 대 화나 토론과 같은 학습 활동이 이행되었다. 연구 평가를 위해 자가 평가 일지와 설문 조사를 분석하였다. 연구 결과 교재 맞춤형 학습 앱에 대한 학습자들의 만족도는 높은 것으로 나타났다(80.5%). 교재 맞춤형 앱 활 용에 대한 만족도가 높은 이유는 개인의 다양한 학습 욕구가 충족되었다 는 점, 앱 콘텐츠가 다양한 점, 이로 인해 학습에 대한 재미와 관심이 유 발된 점, 또한 교재와의 연계성이 높은 점으로 나타났다. EFL 교실에서 효율적으로 사용될 수 있도록 교재에 맞게 제작된 학습 앱은 학문 분야 별로 활발하게 개발될 필요가 있다. 교수자들은 교수요목에 맞게 학습자 의 흥미와 자기 주도적 참여를 유발시키기 위해 학습 앱과 같은 테크놀 로지를 적극적으로 활용해야 할 것이다.

운량은 천체 관측을 지속하는 데에 중요한 요소 중 하나이다. 과거에는 관측자가 날씨를 직접 판단할 수밖에 없 었으나, 원격 및 자동 관측 시스템의 개발로 관측자의 역할이 상대적으로 줄어들었다. 또한 구름의 다양한 형태와 빠른 이동 때문에 자동으로 운량을 판단하는 것은 쉽지 않다. 이 연구에서는 기계학습 기반의 파이썬 모듈인 “cloudynight” 을 밀양아리랑우주천문대의 전천 영상에 적용하여 운량을 모니터링하는 프로그램을 개발하였다. 전천 영상을 하위 영역 으로 나누어 각 39,996개 영역의 16개의 특징을 학습하여 기계학습 모델을 생성하였다. 검증 표본에서 얻은 F1 점수는 0.97로, 기계학습 모델이 우수한 성능을 가짐을 보여준다. 운량(“Cloudiness”)은 전체 하위 영역 개수 중 구름으로 식별 된 하위 영역 개수의 비율로 계산하며, 운량이 지난 30분 동안 0.6을 초과할 때 관측을 중단하도록 자동 관측 프로그 램 규칙을 정하였다. 이 규칙을 따를 때, 기계학습 모델이 운량을 오판하여 관측에 영향을 미치는 경우는 거의 발생하 지 않았다. 본 기계학습 모델을 통하여, 밀양아리랑우주천문대 0.7 m 망원경의 성공적인 자동 관측을 기대한다.

작물의 스트레스 조기 진단은 농업에 있어 빠른 대응을 가능하게 해 피해를 경감시킬 수 있어 중요한 기술이다. 기존의 스트레스 진단이 가진 파괴적인 형식의 시료 채집과 양분 분석에 많은 노동력을 필요로 한다는 단점 극복을 위해 새로운 기술 개발이 필요하다. 미래에는 대단위 영상을 이용한 생육 진단 기술에 대한 수요가 높아질 것으로 예상되어 이를 이용한 연구를 진행하였다. 본 연구는 2023년 경상남도 밀양시에 위치한 국립식량과학원 실험 포장에서 수행되었으며, 무인항공기(UAV)를 이용하여 양분 결핍 처리(관행시비, 질소 결핍, 인 결핍, 칼륨 결핍, 무비)에 따른 벼의 생육을 조사했다. UAV를 이용해 생육 기간 중 총 6회에 걸쳐 포장을 촬영하였고, 영상을 기반으로 11개의 식생 지수를 산출하여 기계학습을 통해 양분 결핍을 진단하는 모델을 구축하여 평가했다. 연구 결과에 따르면, 엽록소 함량과 관련된 지수인 NDRE (Normalized Difference Red Edge)가 가장 높은 중요도를 나타내어 벼의 양분 상태를 효과적으로 진단하는 데 유용하다는 것을 확인하였다. 6개의 각 단계별로 모델을 평가하였을 때 모든 단계에서 accuracy가 0.7 이상으로 나타났다. 조기 진단을 위해 첫 촬영 날짜인 7월 5일의 자료로 모델을 만들어 다른 회차에 적용하여 모델의 성능을 평가한 결과, 5개의 모든 단계에서 0.9 이상의 accuracy를 얻었다. 종합적으로, UAV 영상 기반의 식생 지수를 활용한 양분 결핍 진단은 벼의 생육을 조기에 예측하는 데 효과적이며, 이는 정밀 농업 분야에서 시간과 노동을 절감하고 양분 관리를 개선하는 데 도움이 될 것으로 기대된다.

The integration of machine learning for species identification is becoming increasingly important in entomological research. However, automatic species identification faces significant challenges such as low resolution, sample discoration, and small dataset sizes, which impede the reliability of traditional machine learning methods. Building upon the previous research on quantification of the color patterns of Stenaptinus occipitalis jessoensis using R-based analysis, this study demonstrates how to overcome these challenges in training machine learning for species identification. This approach allowed us to successfully classify geographic variations of S. occipitalis. Our results demonstrate the model's ability to identify these variations, despite the small size of the image datasets. This advancement shed some light on the potential of machine learning to identify morphological variation in highly polymorphic species.

Bee traffic at the hive entrance can be used as an important indicator of foraging activity. We investigated patterns of honeybees and bumblebees near their hives as a basis for calculating bee traffic using the image deep learning. The flight pattern near the hive differed significantly according to bee at entering and leaving the hive. Honeybees mainly showed flight that changed flight direction more than once (69.5%), whereas bumblebees mainly performed straight flight (48.7%) or had a single turn (36.5%) in flight. When bees entered the hive, honeybees primarily showed one-turn or two-turn flight patterns(88.5%), and bumblebees showed a one-turn flight pattern (48.0%). In contrast, when leaving the hive, honeybees primarily showed a straight flight pattern (63.0%), and bumblebees primarily showed a straight or one-turn pattern (90.5%). There was a significant difference in flight speed according to the flight pattern. The speed of straight flight (0.89±0.47 m/s) was 1.5 to 2.1 times faster than flight where direction changed. Therefore, our results can help determine the capturing and recognizing the flying image of bees when calculating bee traffic by image deep learning.

Honey bee plays an important role in pollinating plants. Recently, however, declines in honey bee populations have been reported in many countries, and pesticides have been pointed out as one of the factors contributing to honey bee loss. To determine the effects of pesticides on honey bee behavior, we investigated the homing ability of honey bee exposed to four pesticides (acetamiprid, imidacloprid, fenitrothion, and carbaryl). In addition, the changes in expression levels of genes associated with ‘learning and memory’ (cGMP-dependent protein kinase foraging, Kruppel homolog 1, Adenlyate cyclase 3, Early growth response protein 1, Hormone receptor 38) were examined after pesticide treatment in forager bee. The four pesticides tested in this study generally reduced the homing ability of foragers. In the examination of gene expression, learning and memory-related genes were induced by the exposure to acetamiprid, imidacloprid, and carbaryl, whereas fenitrothion decreased the expression of these genes in honey bee. Although further studies are needed, this suggests that pesticides may have negative effects on honey bee behavior and behavior-related gene expression.

In agricultural ecosystems, the relationship between insect pests and hosts is important, as insect pests can invade hosts, increasing insect pest density that threatens the hosts’ health. Insect pests and hosts are negatively correlated and affect the environment around them. i.e., host health, environment, and insect pest density are causally related, and the environment affects insect pest density. Deep learning is method of machine learning based on neural network theory. This approach enables handling uncertain environmental factors that simultaneously impact the density of F. occidentalis. Environmental factors affecting the density fluctuation of F. occidentalis selected atmosphere factors, soil factors, and host factors. This study aims to F. occidentalis monitoring using deep learning models inputting environmental factors.

실제세계에서 데이터 수집의 비용과 한계를 고려할 때, 시뮬레이션 생성 환경은 데이터 생성 과 다양한 시도에 있어 효율적인 대안이다. 이 연구에서는 Unity ML Agent를 로그라이크 장 르에 적합한 강화학습 모델로 구현하였다. 간단한 게임에Agent를 이식하고, 이 Agent가 적을 인식하고 대응하는 과정을 코드로 작성하였다. 초기 모델은 조준사격의 한계를 보였으나 RayPerceptionSensor-Component2D를 통해 Agent의 센서 정보를 직접 제공함으로써, Agent가 적을 감지하고 조준 사격을 하는 능력을 관찰할 수 있었다. 결과적으로, 개선된 모델 은 평균3.81배 향상된 성능을 보여주었으며, 이는 Unity ML Agent가 로그라이크 장르에서 강화학습을 통한 데이터 수집이 가능함을 입증한다.

목적: 본 연구는 학습과정에서 보일 수 있는 심리적인 특성과 성격적인 요인을 진단할 수 있는 U&I 학습성격유형검 사를 이용하여 학습성격에 따른 시기능훈련 전·후 향상도를 알아보고자 하였다. 방법 : 안과질환 및 전신질환이 없는 성인 남녀 34명을 대상으로 학습성격유형을 분류하고 양안시검사 결과에 따라 적합한 시기능훈련 도구를 적합한 선정하여 시기능훈련을 실시하였다. 결과 : 학습성격유형과 시기능훈련을 상관 분석한 결과 행동형은 음성상대조절력과 양의 상관관계를 보였으며 규범형은 원거리 양성융합버전스 회복점과 양의 상관관계를 보였다. 탐구형은 양성상대조절력과 음의 상관관계를 보였고 이상형은 음성상대조절력과는 양의 상관관계, 근거리 양성융합버전스 흐린점은 음의 상관관계를 보였다. 학 습성격유형에 따른 시기능훈련 효과를 분석한 결과 융합용이성에서 규범형이 이상형보다 시기능훈련 전·후 융합 용이성의 효과가 유의하게 증가하였다. 결론 : 학습성격유형에 따른 시기능훈련 효과에 차이가 있음을 확인할 수 있었으며 그에 맞는 훈련법을 고안한 다면 더 체계적인 시기능훈련 방법을 적용할 수 있을 것으로 사료된다.

Deep learning-based computer vision anomaly detection algorithms are widely utilized in various fields. Especially in the manufacturing industry, the difficulty in collecting abnormal data compared to normal data, and the challenge of defining all potential abnormalities in advance, have led to an increasing demand for unsupervised learning methods that rely on normal data. In this study, we conducted a comparative analysis of deep learning-based unsupervised learning algorithms that define and detect abnormalities that can occur when transparent contact lenses are immersed in liquid solution. We validated and applied the unsupervised learning algorithms used in this study to the existing anomaly detection benchmark dataset, MvTecAD. The existing anomaly detection benchmark dataset primarily consists of solid objects, whereas in our study, we compared unsupervised learning-based algorithms in experiments judging the shape and presence of lenses submerged in liquid. Among the algorithms analyzed, EfficientAD showed an AUROC and F1-score of 0.97 in image-level tests. However, the F1-score decreased to 0.18 in pixel-level tests, making it challenging to determine the locations where abnormalities occurred. Despite this, EfficientAD demonstrated excellent performance in image-level tests classifying normal and abnormal instances, suggesting that with the collection and training of large-scale data in real industrial settings, it is expected to exhibit even better performance.

본 연구는 챗GPT를 대학 교양영어 수업의 학습 도구로 활용하는 효과 적인 수업구성을 하는 것을 목표로 하고 있다. 구체적인 논의는 다음의 네 가지이다. 첫째, 교육계에서 챗GPT 사용에 관해 찬반 논쟁이 있음에 도 불구하고 생성형 AI가 교육계에 큰 변화를 가져올 것이라는 점에는 거의 이견이 없다. 둘째, 챗GPT를 사용함에 있어서 발생 가능한 문제점 을 팩트 체크의 부재, 지적 재산권의 문제, 문해력 저하로 정리하였다. 학습에서 챗GPT를 도구로 사용하기에 앞서서 이러한 문제점들을 학습자 들에게 반드시 인식시키는 교과과정을 만들어야 할 것이다. 셋째, 교육현 장에서 챗GPT를 사용하기 위해서 학습자에게 선제적으로 인식시켜야 할 점은 생성형 AI가 학습의 도구로서의 역할을 하며, 학습자가 인공지능에 의존하는 것이 아니라 인공지능과 협업을 한다는 것이다. 넷째, 학습능력 이 매우 상이한 학생집단을 대상으로 챗GPT를 학습도구로 사용하기 위 해서는 그룹별 협업을 통한 활동이 중요하다. 그룹원들의 다양한 질문을 인공지능에 주입하여 다채로운 결괏값을 얻어 지식을 창조적으로 (재)생 산할 수 있기 때문이다. 본 연구의 의의는 연구에서 제시하는 수업구성 을 실제 수업에 적용하여 또 다른 연구물을 도출할 수 있다는 점이다.

본 연구는 인성역량이 학업지속성에 영향을 미치는지 그리고 이들 관계가 회복탄력성에 따라 다르게 조절되는지 살펴보았다. 이와 더불어 학업지속성에 대한 인성역량들의 상대적 기여도를 검증하였다. 그 결과, 자기이해, 공감능력, 공정성, 협동심, 그리고 인권의식이 높을수록 학업지속성이 높았다. 특히, 협동 심은 학업지속성을 가장 잘 예측하는 변인이었다(약 6.2% 설명). 이들 결과는 협동심에 중점을 둔 인성교육이 학업지속성 향상에 중요한 역할을 할 수 있다 는 것을 시사한다. 조절효과와 관련하여, 회복탄력성이 높을 때는 자기이해가 높을수록 학업지속성이 증가한 반면, 회복탄력성이 낮을 때는 학업지속성은 자 기이해 수준에 따라 다르지 않았다. 이 결과는 높은 수준의 회복탄력성은 학 업지속성에 대한 자기이해의 효과를 극대화 할 수 있다는 것을 보여준 다. 본 연구 결과는 학습지속성 향상을 위한 인성교육 프로그램 개발에 도움이 될 것이다.

Existing reinforced concrete buildings with seismically deficient column details affect the overall behavior depending on the failure type of column. This study aims to develop and validate a machine learning-based prediction model for the column failure modes (shear, flexure-shear, and flexure failure modes). For this purpose, artificial neural network (ANN), K-nearest neighbor (KNN), decision tree (DT), and random forest (RF) models were used, considering previously collected experimental data. Using four machine learning methodologies, we developed a classification learning model that can predict the column failure modes in terms of the input variables using concrete compressive strength, steel yield strength, axial load ratio, height-to-dept aspect ratio, longitudinal reinforcement ratio, and transverse reinforcement ratio. The performance of each machine learning model was compared and verified by calculating accuracy, precision, recall, F1-Score, and ROC. Based on the performance measurements of the classification model, the RF model represents the highest average value of the classification model performance measurements among the considered learning methods, and it can conservatively predict the shear failure mode. Thus, the RF model can rapidly predict the column failure modes with simple column details.

이 연구는 창의적 교실 환경이 자기 조절학습과 학습 효능감을 매개로 학업성취도에 미치는 영향을 확인하기 위한 목적에서 수행되었다. 이를 위해 한국아동패널의 14차 조사의 원시 자료를 활용하였고, 주요 변인에 관하여 누락 응답이 없는 593개 자료를 연구 대상으로 선정하여 SPSS 26.0 및 AMOS 26.0 프로그램을 활용하여 구조 방정식 모형으로 검증하 였다. 분석 결과, 중학생의 창의적 교실 환경 인식, 자기 조절학습, 학습 효능감, 학업성취도 간에는 모두 정적으로 유의미한 상관관계가 있었다. 또 창의적 교실 환경 인식과 학업성취도의 관계를 자기 조절학습과 학습 효능감이 유의하게 매개하는 것으로 나타났다. 즉, 중학생이 수업 시 교 실 환경을 더 창의적이라 인식할수록 자기 조절학습이 촉진되며 이는 학 습 효능감을 증진함으로써 결과적으로 학업성취도가 높아지도록 만들 수 있음이 확인되었다. 이를 토대로 한국의 공교육이 중학생의 학업성취도 증진을 위해 조성해야 할 교실 환경의 중요성 및 나아가야 할 방향에 대 해 제언하였다.

이 연구의 목적은 기술이 매개하는 비대면 교육 환경에서 학습자의 즉시성이 수업 중 긍정적 정서경험에 미치는 영향성을 확인하는 데 있다. 구체적으로, 수업 중에 경험하는 사회적 실재감이 즉시성과 긍정적 정서 경험 간의 관계 를 매개할 것으로 보았고, 즉시성과 사회적 실재감 간의 관계는 개개인의 기술준비도에 의해 조절될 것으로 예측하 였다. 이를 위하여 비대면 수업에 참여한 경험이 있는 대학생 500여 명을 대상으로 설문조사를 시행하였다. 분석 결과, 즉시성과 긍정적 정서 경험 간의 관계는 사회적 실재감에 의해 완전매개 되었다. 즉, 즉시성이 높은 학생들은 비대면 수업 중에 더 높은 사회적 실재감을 경험했고, 그 결과 부정적인 정서에 비해 긍정적인 정서를 더 많이 경험 하는 경향성을 보인 것이다. 또한 즉시성과 사회적 실재감 간의 관계는 기술준비도에 의해 조절되었다. 본 연구는 교수자의 즉시성이 학습자에게 미치는 긍정적 영향에 관한 기존 연구와 달리, 학습자 자신의 즉시성도 학습 과정에 긍정적 영향이 있음을 증명했다는 점에서 의의를 지닌다. 그 뿐 아니라 팬데믹 이후 변화된 학습자의 참여도와 만족 도 등을 예측하기 위하여 학습자의 커뮤니케이션 능력의 변화를 확인하는 것도 중요한 요인이 될 수 있음을 보인 결과라 하겠다.

정보통신 기술의 발전과 스마트 기기의 확산으로 스마트러닝이 보편화되었으며 이에 따라 스마트러닝 관련 연구가 활발하게 이루어지고 있으며 연구 성과가 축적되고 있다. 이에 기존의 스마트러닝 연구 중에 서 상관계수 결과를 포함한 논문을 대상으로 메타분석을 실시하여 스마트러닝의 효과크기를 분석하였다. 이 과정에서 선행연구 결과를 검토하여 스마트러닝 특성요인으로 동기유발, 시스템, 콘텐츠, 서비스로 유 목화하고, 결과변수로는 만족도, 성과, 태도를 정의하였다. 메타분석 결과 스마트러닝 전체 관점뿐 아니라 각 특성요인인 동기유발, 시스템, 콘텐츠, 서비스 모든 측면에서 스마트러닝의 효과크기는 유의하게 중간 정도 수준으로 나타났다. 유일하게 유의하지 않은 것으로 나타난 성과에 대한 콘텐츠의 효과크기를 제외 하고는 만족도, 성과, 태도 모든 측면에서 스마트러닝 각 특성요인의 효과크기가 유의하게 중간 정도 수준으로 나타났다. 연구 대상에 따른 효과크기 측면에서는 직장인이 가장 높은 효과를 유의하게 보였다. 표본수에 따른 효과크기 측면에서는 300명에서 999명까지가 유의하게 가장 높게 나타났다. 본 논문이 시도한 스마트러닝 메타분석은 시의성으로나 확장된 연구 대상 논문 수 측면에서 의의를 찾을 수 있으며 수많은 스마트러닝 특성요인과 결과변수를 유목화하고 분류한 뒤 이에 대한 효과크기를 측정하였다는 데에 의의가 있다. 각 연구자들의 시각과 필요에 따라 다양한 표현을 동원한 스마트러닝 특성요인과 결과변수를 본 연구의 연구자들이 종합적인 관점에서 분류한 것은 향후 스마트러닝 연구를 위한 하나의 새로운 밑거름이 될 수 있다.