In this study, we compared the prediction performances according to the bias and dispersion of temperature using ensemble machine learning. Ensemble machine learning is meta-algorithm that combines several base learners into one prediction model in order to improve prediction. Multiple linear regression, ridge regression, LASSO (Least Absolute Shrinkage and Selection Operator; Tibshirani, 1996) and nonnegative ride and LASSO were used as base learners. Super learner (van der Lann et al ., 1997) was used to produce one optimal predictive model. The simulation and real data for temperature were used to compare the prediction skill of machine learning. The results showed that the prediction performances were different according to the characteristics of bias and dispersion and the prediction error was more improved in temperature with bias compared to dispersion. Also, ensemble machine learning method showed similar prediction performances in comparison to the base learners and showed better prediction skills than the ensemble mean.

The damage detection method of blade systems largely depends on the personal ability of an inspector using a camera. Thus, this paper proposes a deep learning-based detection method that can rapidly and reliably identify and evaluate the damages on the blades.

Recently, there have been many studies to classify the image-based damage of bridge using the deep learning and to evaluate the condition. These attempts are one of the ways to overcome limitations of visual inspection through inspectors, and it is also aimed to reduce the cost of necessary maintenance budget by enabling accurate and rapid damage assessment of rapidly growing old facilities and difficult parts of visual inspection. However, it is possible to classify and quantitatively express simple damage (one damage classification such as cracks) with image information (big data) of bridges, but classification and quantification of complex damage can be done by using one deep learning is a limit. Therefore, this study presents considerations and a method to be used for damage detection on the image basis using deep learning.

The conventional method for estimating compressive strength of concrete has been suggested by considering only 1 to 3 influential factors. In this study, seven influential mixture factors (Water-Cement Ratio, Water, Cement, Fly ash, Blast furnace slag, Curing temperature, and humidity) of papers opened for 10 years were collected at three conferences in order to know tendency of data. The purpose of this paper is to estimate compressive strength more accurately by applying it to algorithm of the Deep learning.

The main goal of e-learning systems is just-in-time knowledge acquisition. Rule-based elearning systems, however, suffer from the mesa effect and the cold start problem, which both result in low user acceptance. E-learning systems suffer a further drawback in rendering the implementation of a natural interface in humanoids difficult. To address these concerns, even exceptional questions of the learner must be answerable. This paper aims to propose a method that can understand the learner’s verbal cues and then intelligently explore additional domains of knowledge based on crowd data sources such as Wikipedia and social media, ultimately allowing for better answers in real-time. A prototype system was implemented using the NAO platform.

벼리】시 텍스트가 여러 한국어 교재에서 일부 채택되어 학습 제재 로 이용되고 있지만, 시 텍스트를 교수·학습하는 구체적인 방법들에 대 한 연구는 아직 부족한 실정이다. 시 텍스트가 가지는 중요한 특성 중 하나인 시적 표현은 일상적 담화에서도 자주 쓰이는 표현으로 의사소통 능력 함양을 목표로 하는 한국어교육에서 당연히 요구되는 중요한 학습 대상이라 할 수 있다. 외국인 학습자를 대상으로 하는 한국어교육이 국어교육과는 다른 독 자성과 특성을 가진다는 점을 고려하여 새로운 교수·학습 모형이 필요 할 것임을 전제로 하여, 시적 표현의 학습을 토대로 한 시 텍스트에 대 한 학습으로 심화·확대하는 교수·학습 모형을 제시하고자 한다. 제시된 수업모형은 시 텍스트를 학습자에게 바로 제시하여 거부감을 느끼게 하 는 것이 아니라 일상적 담화 텍스트를 먼저 제시함으로 학습자가 쉽게 시 텍스트에 접근하도록 구성하였다.

이 연구는 G러닝 프로그램이 초등학생들의 수학에 대한 내재적/외재적 학습동기에 어떤 영향을 미치는지 알아보고자 했다. 이를 위해 초등학교에서 한 학기동안 실험집단과 비교집단을 나누어 G러닝 학습방법으로 수학수업을 진행한 후 사전 사후검사를 실시하였다. 그 결과, 실험집단은 학습동기의 하위유형 중 학습 자체에 대한 자신의 흥미를 의미하는 내재적 동기의 향상도가 비교집단에 비해 유의하게 높게 나타났다. 반면 비교집단은 타인의 영향에 의한 외재적 동기의 향상도가 실험집단에 비해 유의하게 높게 나타났다. 이는 G러닝 프로그램이 초등학생들의 수학에 대한 흥미를 높이고, 자발적 학습동기를 증진시킨다는 점을 시사한다.

한국어 교육 현장에서 점차 의사소통 능력의 중요성이 강조됨에 따라 ‘유창성(fluency)’을 길러 줄 수 있는 교수학습 방법이 다양하게 연구되어지고 있다. 그렇지만 현 언어교육현장에서는 한국어 학습자에게 의사소통 능력을 키우기 위해서는 교사와 학생간의 교수행위와 학습 행위의 역할 분담을 하여 수업을 진행하고 있기 때문에 한국어 학습자들의 의사소통능력을 키워주는 데는 어느 정도 한계점을 지니고 있다. 이런 교실 수업의 한계점을 보완해 줄 수 있는 하나의 학습 방법이 바로 ‘Tandem 언어 학습법(Tandem Language Learning)’이다. 본고에서는 Tandem 언어 학습법을 바탕으로 실제 한국어 교육 환경에 맞게 적용해 본 후 이 수업을 통해서 의사소통 능력 및 문화 이해 능력 향상, 수업에 관한 전반적인 결과를 분석하고자 한다. 더불어 Tandem 언어 학습법을 한국어 교육에서의 적용 가능성을 검증하여 앞으로 이 연구를 바탕으로 한국어 교육에 맞는 Tandem 언어 학습법의 다양한 유형 및 Tandem 언어 학습법을 기본으로한 교육 자료 개발에 관한 연구가 이루어지는 데 도움이 되길 바란다.

본 연구의 목적은 전래동화를 활용한 창의적 교수 학습 방법이 유아의 창의성에 미치는 영향을 알아보는데 목적이 있다. 이를 위해 관련문헌을 기초로 유아에게 적절한 전래동화를 선정하고 이를 바탕으로 5단계의 창의적인 교수 학습 방법을 고안하여 경기도에 소재한 초등학교병설유치원 2개 학급 만 4,5 세 유아 33명을 선정하여 8주간 주 5회씩 총 40회 실시하였다. 연구 결과 첫째, 전래동화를 활용한 창의적 교수 학습 방법을 실시한 실험집단과 전래동화를 들려주기만 한 통제집단 간 유아의 창의성 및 창의성 하위요인인 유창성, 융통성, 독창성에 있어 통계적으로 유의한 차이가 있는 것으로 나타났다. 따라서 창의성과 언어의 결정적 시기에 있는 유아들에게 창의성 향상을 위한 프로그램 개발과 전래동화에 대한 다각적 연구들에 대한 후속 연구가 필요하다.

본 연구는 보강적 피드백의 제시시기와 제시방법에 따른 리듬체조 후프 동작의 학습효과를 알아보는데 연구의 목적을 두고 있다. 본 연구의 피험자들은 20대 남, 여 각 30명씩 총 60명을 대상으로 하였고, 실험과제는 리듬체조 기술 중에서 후프과제를 선정하였고, 후프 기술 가운데 연구의도에 적합하게 구성하여 타당도를 검증한 5가지의 연속동작 과제이다. 연구의 목적 삼 리듬체조의 경험이 없는 20대 남, 여를 대상으로 하며 6개의 실험집단 즉 동시적 시각 피드백, 동시적 언어 피드백, 동시적 혼합 피드백, 종말적 시각 피드백, 종말적 언어 피드백, 종말적 혼합 피드백 조건에 남, 여 같은 수의 비율로 우선배정 하였다. 동시적 시각 피드백 조건은 시행 중에 숙련모델의 동작 수행 장면을 정면에 설치된 TV모니터를 통하여 보면서 동작을 수행하는 조건이었으며, 동시적 언어 피드백 조건은 후프동작에 관한 언어적 정보를 연속적으로 들으면서 동작을 수행하는 조건이었다. 동시적 혼합 피드백 조건은 시행 중에 숙련모델의 동작 수행 장면과 언어적 정보를 동시에 제공받으며 동작을 수행하는 조건이었다. 종말적 시각 피드백 조건과 종말적 언어 피드백 조건, 그리고 종말적 혼합 피드백 조건은 각 시행 끝난 후에 동시적 피드백과 동일한 방법으로 보강적 피드백을 제공받는 조건이었다. 본 연구는 보강적 피드백의 제시시기와 제시방법에 따라 운동수행과 학습에 차이가 있는 가를 알아 보기 위하여, 각 시행 분단을 반복 측정하는 2(피드백 제시시기)×3(피드백 제시방법)×5(분단) 요인설계를 하였다. 즉각 파지단계와 지연 파지단계도 역시 삼원변량분석을 실시하였다. 통계처리는 윈도우용 SPSS (ver. 10.0)프로그램을 사용하였으며, 유의수준 P< .05에서 주효과와 상호작용효과를 분석하였으며, 통계적으로 유의한 차를 보인 부분은 사후검증 (Tukey`s HSD)을 실시하였다. 그에 따른 결과는 다음과 같다. 첫째, 동시적 피드백과 종말적 피드백은 동작수행점수에서 통계적으로 유의한 차이가 없었다. 둘째, 시각 피드백과 언어 피드백은 동작수행점수에서 통계적으로 유의한 차이를 보였고, 시각 피드백이 언어 피드백보다 동작수행점수가 좋았다. 셋째, 시각 피드백과 혼합 피드백은 동작수행점수에서 통계적의로 유의한 차이가 없었다. 넷째, 혼합 피드백과 언어 피드백은 동작수행점수에서 통계적의로 유의한 차이를 보였고, 혼합 피드백이 언어 피드백보다 동작수행점수가 좋았다. 다섯째, 분단간에서 통계적으로 유의한 차이를 보였고, 시행이 증가함에 따라 각 분단 모두에서 수행점수의 향상이 있었다.