- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
본 논문에서는 다중 모델 기계학습 기법을 이용하여 자동 문서 분류의 성능과 신뢰도를 향상시킬 수 있는 연구와 실험 결과를 기술하였다. 기존의 다중 모델 기계 학습법들이 훈련 데이터 또는 학습 알고리즘의 편향에 의한 오류를 극복하고자 한 것인데 비해 본 논문에서 제안한 메타 학습을 이용한 하이브리드 다중 모델 방식은 이 두 가지의 오류 원인을 동시에 해소하고자 하였다. 다양한 문서 집합에 대한 실험 결과. 본 논문에서 제안한 하이브리드 다중 모델 학습법이 전반적으로 기존의 일반 다중모델 학습법들에 비해 높은 성능을 보였으며, 다중 모델의 결합 방식으로서 메타 학습이 투표 방식에 비해 효율적인 것으로 나타났다.
Abstract
Inductive learning and classification techniques have been employed in various research and applications that organize textual data to solve the problem of information access. In this study, we develop hybrid model combination methods which incorporate the concepts and techniques for multiple modeling algorithms to improve the accuracy of text classification, and conduct experiments to evaluate the performances of proposed schemes. Boosted stacking, one of the extended stacking schemes proposed in this study yields higher accuracy relative to the conventional model combination methods and single classifiers.
초록
MOOC 서비스의 플랫폼을 이어받아 국내에서 2015년부터 서비스를 개시한 한국형 온라인 공개강좌(Korea-Massive Open Online Course, K-MOOC)는 지난해까지 서비스의 양적인 성장에 주력하여 강좌 수와 수강자 수의 확보에 집중하였던 반면, 2020년부터는 새로운 강좌 커리큘럼과 묶음강좌의 개발, 서비스 제공기관의 확대를 통한 폭넓은 주제 분야의 강좌 제공 등 서비스의 질적인 성장을 도모하기 위해 다양한 시도를 진행하고 있다. 설문의 분석 결과를 바탕으로 K-MOOC 서비스의 방향성을 교수자와 강좌 관리자, 서비스 플랫폼 개발자의 측면에서 다음과 같이 제안하였다. 첫째, 강좌를 제공하는 교수자는 다양한 주제분야의 강좌를 제공하기 위해 강좌개발 전략을 구상하여야 한다. 둘째, 강좌를 제공하는 교수자와 K-MOOC 학습을 지원하는 관리자는 전공학습지원 수강동기를 가진 학습자들이 강좌 내 콘텐츠에 적극적으로 참여할 수 있도록 지원해야 한다. 셋째, K-MOOC 플랫폼 개발자는 좀 더 학습자의 학습 편의성을 높일 수 있는 방향으로 현재의 시스템을 개선해야 한다.
Abstract
According to the participants, the current K-MOOC (Korean Massive Open Online Course) has a few problems, such as too few courses, low content quality, and useless learner management system compared to MOOCs abroad. These problems caused diminished learner motivation. Consequently, the K-MOOC service has recorded a low course completion rate despite high expenses spent to develop the contents and thus requires remedies to fix the issues. This study drew research subjects from a pool of college and graduate students representing the primary users of the K-MOOC. This study limited the research scope to the four categories: motivation, learning experience, recognition, and performance of the Biggs’ 3P Learning System Model. Based on the literature review, ten variables were selected and explored how the subjects perceived four categories using the survey questionnaire. This study also examined the relationship between ten variables and generated suggestions for the instructors, course managers, and platform developers to make the K-MOOC better.
초록
본 연구는 대학도서관 사서의 계속교육 효과성을 교육에서 습득한 지식과 기술을 적용하려는 의도인 학습전이에 두고, 이에 영향을 미치는 요인을 도출하여 이들의 관계를 규명하는 것을 목적으로 한다. 이를 위해 계속교육 참여 경험이 있는 대학도서관 사서를 대상으로 설문조사를 통한 통계적 분석을 실시하였다. 분석 결과, 사서 계속교육이 도서관 실무에 효과적으로 적용되기 위해 계속교육의 프로그램 특성뿐만 아니라 학습자 특성, 조직 환경적 특성이 중요한 요인으로 나타났다. 이는 계속교육의 사전 및 사후 활동을 개별 대학도서관이 조직차원에서 관리하여야 함을 시사한다. 따라서 학습전이 영향요인을 기반으로 한 대학도서관 조직 차원의 사서 계속교육 운영 방안을 제안하였다.
Abstract
This study aims to identify factors to the effectiveness of librarians’ continuing education, which is regarded as learning transfer, and to examine the relationship between the effectiveness and the factors identified. Learning transfer is defined as an intention to apply the lessons learned in the education to the learner’s practice. For this purpose, a questionnaire survey was conducted to investigate continuing education experiences of university librarians. Findings indicate that characteristics of individual librarians, educational program, and organizational environment have to be taken into consideration to manage librarians’ continuing education effectively. Therefore, it is suggested that the university library as an organization should control pre- and post-activities of continuing librarians’ education at the library in order to maximize the learning transfer as the effectiveness of the education. Suggestions are developed with factors to the learning transfer to improve the effectiveness.
초록
본 연구는 이용자교육의 활성화를 위하여 공공도서관 어린이 이용자교육 교수학습지도안을 개발하는데 목적이 있다. 교수학습지도안 개발을 위해 문헌조사를 통하여 초등학교 3, 4학년을 이용자교육 대상으로 선정하고 이용자교육 내용으로 오리엔테이션 교육을 도출하였다. 교수학습지도안에 적용할 학습모형으로 학습자의 자발적이고 주체적인 교육 참여와 교수자의 역할을 구체적으로 설계할 수 있는 Jonassen의 구성주의 학습환경 모형을 선정하였다. 교수학습지도안 개발을 위해 먼저 구성주의 학습환경 모형을 분석하고 이용자교육에 적용하여 이용자교육 학습환경과 교수활동을 설계하였다. 이를 바탕으로 교수학습지도안을 작성하여 유용성과 적합성 평가를 진행하였으며 평가에서 제안된 사항을 반영하여 공공도서관 어린이 이용자교육 교수학습지도안을 개발하였다.
Abstract
This study aims to develop the lesson plan of public library user education for children for the activation of user education. For the development of lesson plan, elementary school 3rd and 4th graders were selected as user education subjects through the literature survey, and orientation were derived as contents of user education. This study developed a lesson plan that applies Jonassen’s constructivist learning environments to specifically design the librarian’s role as teacher in user education with voluntary and subjective education participation of the children. Lesson plan was evaluated in terms of usefulness and appropriateness.
초록
최근 학술문헌의 양이 급증하고, 융복합적인 연구가 활발히 이뤄지면서 연구자들은 선행 연구에 대한 동향 분석에 어려움을 겪고 있다. 이를 해결하기 위해 우선적으로 학술논문 단위의 분류 정보가 필요하지만 국내에는 이러한 정보가 제공되는 학술 데이터베이스가 존재하지 않는다. 이에 본 연구에서는 국내 학술문헌에 대해 다중 분류가 가능한 자동 분류 시스템을 제안한다. 먼저 한국어로 기술된 기술과학 분야의 학술문헌을 수집하고 K-Means 클러스터링 기법을 활용하여 DDC 600번 대의 중분류에 맞게 매핑하여 다중 분류가 가능한 학습집합을 구축하였다. 학습집합 구축 결과, 메타데이터가 존재하지 않는 값을 제외한 총 63,915건의 한국어 기술과학 분야의 자동 분류 학습집합이 구축되었다. 이를 활용하여 심층학습 기반의 학술문헌 자동 분류 엔진을 구현하고 학습하였다. 객관적인 검증을 위해 수작업 구축한 실험집합을 통한 실험 결과, 다중 분류에 대해 78.32%의 정확도와 72.45%의 F1 성능을 얻었다.
Abstract
Recently, as the amount of academic literature has increased rapidly and complex researches have been actively conducted, researchers have difficulty in analyzing trends in previous research. In order to solve this problem, it is necessary to classify information in units of academic papers. However, in Korea, there is no academic database in which such information is provided. In this paper, we propose an automatic classification system that can classify domestic academic literature into multiple classes. To this end, first, academic documents in the technical science field described in Korean were collected and mapped according to class 600 of the DDC by using K-Means clustering technique to construct a learning set capable of multiple classification. As a result of the construction of the training set, 63,915 documents in the Korean technical science field were established except for the values in which metadata does not exist. Using this training set, we implemented and learned the automatic classification engine of academic documents based on deep learning. Experimental results obtained by hand-built experimental set-up showed 78.32% accuracy and 72.45% F1 performance for multiple classification.
초록
본 연구에서는 교육 도구로써 위키의 가능성을 탐색하기 위해서, 위키 환경인 구글 사이트에서 협력학습 기반 그룹 프로젝트를 수행하는 학습자들의 행태와 인식을 조사하였다. 이를 위해 파일 업로드, 웹 페이지 사용, 댓글, 네비게이션 바와 관련된 개별 학습자 및 그룹별 형태 분석과 구글 사이트 사용에 대한 설문조사를 실시하였다. 연구 결과를 토대로 구글 사이트를 활용한 학습자들의 협력학습 기반 그룹 프로젝트 활동의 특징을 논의하였다. 또한 협력학습의 교육적 효과성과 학습활동 진행 과정 평가의 용이성을 증대시키기 위하여 위키 환경 시스템이 어떻게 개선되어야 하는지를 제시하였다.
Abstract
The study aims at investigating students' behaviors and perceptions regarding the collaborative learning based group project using the wiki environment. The study utilized Google Sites as a case, and analyzed file unloads, the use of web pages, navigation bars, and comments as well as surveys. The study discusses main characteristics of students' activities in the collaborative learning group project, which are drawn from the analysis of students' behaviors and perceptions. The study also provides implications for improvement of wiki environment to support collaborative learning in education.
초록
기록이나 문헌의 자동분류에 관한 연구는 오래 전부터 시작되었다. 최근에는 인공지능 기술이 발전하면서 기계학습이나 딥러닝을 접목한 연구로 발전되고 있다. 이 연구에서는 우선 문헌의 자동분류와 인공지능의 학습방식이 발전해 온 과정을 살펴보았다. 또 기계학습 중 특히 지도학습 방식의 특징과 다양한 사례를 통해 기록관리 분야에 인공지능 기술을 적용해야 할 필요성에 대해 알아보았다. 그리고 실제로 지도학습 방식으로 서울시의 결재문서를 ETRI의 엑소브레인을 통해 정부기능분류체계로 자동분류해 보았다. 이를 통해 기록을 다양한 방식의 분류체계로 자동분류하기 위한 각 과정의 고려사항을 도출하였다.
Abstract
Research on automatic classification of records and documents has been conducted for a long time. Recently, artificial intelligence technology has been developed to combine machine learning and deep learning. In this study, we first looked at the process of automatic classification of documents and learning method of artificial intelligence. We also discussed the necessity of applying artificial intelligence technology to records management using various cases of machine learning, especially supervised methods. And we conducted a test to automatically classify the public records of the Seoul metropolitan government into BRM using ETRI’s Exobrain, based on supervised machine learning method. Through this, we have drawn up issues to be considered in each step in records management agencies to automatically classify the records into various classification schemes.
초록
본 연구에서는 웹 환경에서의 학습 방법이 학생들의 정보검색 및 정보종합 능력에 어떠한 영향을 미치는가를 규명하고자 하였다. 본 연구의 결과는 다음과 같다. 첫째, 과제 중심형 학습 집단이 기법 중심형 학습 집단보다 정보검색 능력 중 정보성취도 검사점수가 높게 나타났으며, 통계적으로 유의미한 차이를 보였다 (t=3.59, p〈.05). 둘째, 네이버 국내 웹 1차 검색 (재현율 t=1.81, 정확율 t=.61)에서 과제 중심형 학습 집단과 기법 중심형 학습 집단간에 재현율과 정확율 모두 유의미한 차이가 없었다 (p〉.05). 그러나 2차 검색 (재현율 t=2.93, 정확율 t=2.45)과 3차 검색 (재현율 t=3.48, 정확율 t=2.50)에서는 과제중심형 학습 집단이 기법 중심형 학습 집단보다 재현율과 정확율이 높게 나타났으며, 통계적으로 유의미한 차이를 보였다 (p〈.05). 셋째, 과제 중심형 학습 집단과 기법 중심형 학습 집단은 정보종합 능력의 검사 점수 차이가 통계적으로 유의미하지 않았다 (t=1.95, p〉.05). 위 실험 결과를 종합해 보면, 인터넷에서 정보를 검색하는 경우에 과제에 대한 분석과 그에 알맞는 정보검색 기법을 적용하는 것이 중요하다. 기법에 의존하기보다는 과제를 분석하고 그에 알맞는 검색을 수행해야 한다. 또 정보 이용 교육이 정보검색 수준에서 머무르는 것이 아니라, 정보검색과 정보종합에 관한 교육이 정보 문제 해결의 맥락에서 이루어져야 할 것이다.
Abstract
The purpose of this study is to investigate the effects of learning methods on students'''' information retrieval and information synthesis capability in web. This is an experimental study comparing the two different learning methods as task-based learning and technic-based learning. The findings of this study were as follows: 1. The task-based learning was more effective than the technic-based learning in information achievements as information retrieval capability (t= 3.59, p〈.05). 2. In the 1st retrieval (recall ratio t=1.81 precision ratio t=.61) of Naver Korean Web Retrieval, there was no significant difference (p〉.05). In the 2nd retrieval (recall ratio t=2.93 precision ratio t=2.45) and 3rd retrieval (recall ratio t=3.48 precision ratio t= 2.50), the task-based group was more effective than the technic-based group (p〈.05). 3. There was no significant difference in students'''' information synthesis capability between the task-based learning and technic-based learning (t= 1.95, p〉.05). The findings of this study suggest that the task-based learning approach is more effective to improve students'''' information literacy, and that professionals should consider better instructional principles for the improvement of instructional quality.
초록
본 연구는 실재 시스템 환경에서 문헌 분류를 위해 범주화 기법을 적용할 경우, 범주화 성능이 어느 정도이며, 적정한 문헌범주화 성능의 달성을 위하여 분류기 학습에 필요한 범주당 가장 이상적인 학습문헌집합의 규모는 무엇인가를 파악하기 위하여 kNN 분류기를 사용하여 실험하였다. 실험문헌집단으로15만 여건의 실제 서비스되는 데이터베이스에서 2,556건 이상의 문헌을 가진 8개 범주를 선정하였다. 이들을 대상으로 범주당 학습문헌수 20개(Tr20)에서 2,000개(Tr2000)까지 단계별로 증가시키며 8개 학습문헌집합 규모를 갖도록 하위문헌집단을 구성한 후, 학습문헌집합 규모에 따른 하위문헌집단 간 범주화 성능을 비교하였다. 8개 하위문헌집단의 거시평균 성능은 F1 값 30%로 선행연구에서 발견된 kNN 분류기의 일반적인 성능에 미치지 못하는 낮은 성능을 보였다. 실험을 수행한 8개 대상문헌집단 중 학습문헌수가 100개인 Tr100 문헌집단이 F1 값 31%로 비용대 효과면에서 분류기 학습에 필요한 최적정의 실험문헌집합수로 판단되었다. 또한, 실험문헌집단에 부여된 주제범주 정확도를 수작업 재분류를 통하여 확인한 후, 이들의 범주별 범주화 성능과 관련성을 기반으로 위 결론의 신빙성을 높였다.
Abstract
This paper examines a level of categorization performance in a reallife collection of abstract articles in the fields of science and technology, and tests the optimal size of documents per category in a training set using a kNN classifier. The corpus is built by choosing categories that hold more than 2,556 documents first, and then 2,556 documents per category are randomly selected. It is further divided into eight subsets of different size of training documents: each set is randomly selected to build training documents ranging from 20 documents (Tr20) to 2,000 documents (Tr2000) per category. The categorization performances of the 8 subsets are compared. The average performance of the eight subsets is 30% in F1 measure which is relatively poor compared to the findings of previous studies. The experimental results suggest that among the eight subsets the Tr100 appears to be the most optimal size for training a kNN classifier. In addition, the correctness of subject categories assigned to the training sets is probed by manually reclassifying the training sets in order to support the above conclusion by establishing a relation between and the correctness and categorization performance.
초록
사용자는 원하는 자료를 검색하기 위해서 각 위치에 대한 정보를 저장하고 있는 검색엔진을 이용하는 경우가 대부분이다. 하지만 자료의 양이 방대해짐에 따라 사용자에게 실제로 필요한 정보가 아닐 경우가 많이 발생한다. 본 논문에서는 이러한 문제를 해결할 수 있는 개인형 웹 인터페이스 에이전트 시스템인 웹 가이드를 제안하였다. 웹 가이드는 사용자의 행동과 에이전트의 방문을 키워드를 중심으로 각각의 사례로 저장하는 사례기반 학습 방법을 이용, 특정 개인 사용자가 웹 상에서 검색하고자 하는 자료를 입력받은 후부터 사용자의 방문 행동을 학습하여 보다 빠른 시간 내에 원하고자 하는 자료를 검색할 수 있도록 도와주는 에이전트 시스템이다.
Abstract
Users usually search for the required information via search engines which contain locations of the information. However, as the amount of data gets large, the result of the search is often not the information that users actually want. In this paper a web guide is proposed in order to resolve this problem. The web guide uses case-based learning method which stores and utilizes cases based on the keywords of user’s action and agent’s visit. The proposed agent system learns the user’s visiting actions following the input the data to be searched, and then helps rapid searches of data wanted.