최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
Networked collaborative learning : social interaction and active learning
Online collaborative learning : theory and practice
Collaborating online : learning together in community
Classroom interaction and collaborative learning : from theory to practice
Digital technologies for school collaboration
협동학습.
The cooperative classroom : empowering learning
Advances in Web-Based Learning – ICWL 2013 Workshops : USL 2013, IWSLL 2013, KMEL 2013, IWCWL 2013, WIL 2013, and IWEEC 2013, Kenting, Taiwan, October 6-9, 2013, Revised Selected Papers
협동학습
(에듀넷과 함께하는) 온라인 협동학습
Learning together online : research on asynchronous learning networks
Strategic help seeking : implications for learning and teaching
eLearning engagement in a transformative social learning environment
Computers and the collaborative experience of learning
International handbook of computer-supported collaborative learning
협동학습을 위한 참여적 학습자
Cooperative learning : theory, research, and practice
임규연; 김희준; 박하나 · 2014
컴퓨터교육학회 논문지
강명희, 김민정, 김혜정, 엄소연, 정혜윤 · 2010
교육학연구
이광재; 이영주 · 2017
교육정보미디어연구
김명랑, 박인우 · 2009
교육과학연구
왕경수 · 2003
교육정보미디어연구
이광재, 이영주 · 2017
교육정보미디어연구
임규연, 김주연, 김혜준, 김영주 · 2016
교육공학연구
임규연, 박하나, 김희준 · 2014
교육공학연구
임규연; 박하나; 김희준 · 2014
교육공학연구
강명희, 엄소연, 이정민 · 2010
교육공학연구
강명희, 윤성혜, 임현진, 유영란 · 2012
평생학습사회
Sung, Kiwan · 2005
영어교육
이지은; 김민지 · 2017
교육공학연구
전선 / 대학원
이 강좌는 인공지능에 대한 이해를 바탕으로 교육적 활용방안을 탐색하고 다양한 연령의 학습자를 대상으로 인공지능에 대한 교육을 효과적으로 실시하는 방안을 다룬다. 인공지능 기반 교육에 대한 최신 이론과 교육적 이슈를 체계적으로 검토하고 교육 분야에서 인간과 인공지능이 협업할 수 있는 방안을 논의한다.전선 / 대학원
이 강좌에서는 외국어로서의 한국어교육의 교육과정과 관련된 여러 요인들과 각 요인들의 상호작용, 그리고 한국어교육과정 개발과 운영 등에 대하여 심도 있는 탐구를 진행하게 된다. 특히 한국어 교육내용의 선정과 위계화, 내용 체계의 조직 의 원리 등을 언어 요인, 문화 요인과 결부시켜 집중적으로 논구하게 된다.전필 / 대학원
인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, AI융합전공 수강생들은 인공지능(AI)을 교과 수업 상황에 융합하여, 수업을 설계하고 실행할 수 있는 역량이 요구된다. 이 강의는 AI융합전공 수강생들이 인공지능(AI) 자체에 대한 수업과, 인공지능(AI) 학습도구를 활용한 인공지능(AI)-교과 융합수업을 설계하고, 실행할 수 있는 역량을 갖추는 것을 목적으로 한다. 이를 위해 AI융합전공 수강생들은 먼저, 인공지능(AI) 자체에 대한 수업 설계 역량을 기른다. 그리고 실제적이고 집중적인 교육을 통해, 이 교과목은 수강생들의 인공지능 교과 융합 수업을 설계하고 실행하는 역량 증진시킬 것이다.논문 / 대학원
이 과목은 석사 및 박사 학위 과정에 있는 학생들이 인공지능의 각 분야의 연구 경험을 쌓을 기회를 제공하는 것이다. 학생들은 이 과목을 통하여 인공 지능의 이론과 응용에 대해 공부하고, 각자의 연구 방향과 주제를 설정하며, 최종적으로는 연구 성과를 달성하는 것을 목표로 한다.전선 / 대학원
본 교과목은 정보기술과 정보사업, 그리고 인터넷 개발에 있어서의 사회 연결망의 영향을 다룬다. 특히, 서비스 연결망과 공급자 연결망의 구조를 분석하는데 초점을 맞춘다. 또한 인터넷 기반 시스템이 어떻게 사회연결망을 유지시키는지에 대해 검토한다.교직 / 학사
디지털 대전환 시대 예비교사는 데이터와 AI 기술을 수업에 적절히 활용할 수 있는 인공지능융합역량이 요구된다. 본 강의는 코딩 및 데이터 사이언스의 기초 개념을 이해하고 간단한 수준의 코딩을 활용하여 데이터ㆍ AI 기반의 융합수업을 설계하는 실습 중심의 수업이다. 본 강의는 <교과-소프트웨어 융합역량 교육론 I>과목의 선수 강좌로 코딩에 대한 기초 지식이 없거나, 인공지능융합교육에 처음 입문하는 학생들을 위한 강좌이다.전선 / 대학원
협동과정 인지과학 소속 학생들이 속한 다양한 분야들간의 융합연구가 진행될 수 있도록 하기 위해 소속 학생들이 연구하는 분야에 대한 박사과정생들의 연구 소개 및 토론을 통해 서로간의 연구에 대해 이해하고 인지과학이 가지는 다학제적 성격이 부각되는 연구 주제 및 방법론의 공유를 목표로 한다.전선 / 대학원
딥러닝은 주어진 입력 데이터를 심층인공신경망으로 가공하여 원하는 테스크에 대해 좋은 성능을 달성하는 것을 목표로 한다. 이 과정에서 입력 데이터는 입력이 표현된 방식과는 확연히 다른 방식으로 표현되게 되고, 이러한 표현 방식의 변화를 통하여 원하는 정보를 잘 활용할 수 있게 된다. 본 강의에서는 딥러닝의 중요 연구주제 중 지도학습, 비지도학습, contrastive learning, domain generalization, meta learning, 등과 같은 학습기법들에 대해 논의하고 이를 통하여 표현학습에 대해 이해하는 것을 목표로 한다.전선 / 대학원
응용행동분석 및 단일사례연구 방법론은 동질성의 다수 집단 구성이 어려운 특수교육 현장이나 언어치료 등의 임상 현장에서 특히 많이 적용되고 있는 방법으로 이들 현장과 관련된 사람들이 갖추어야 할 지식이다. 이러한 점에서 본 강좌는 단일사례연구 방법론에 대한 이론적 배경과 방법론적 특성, 박사과정생들의 직접적인 연구 수행을 위한 관찰 및 연구 설계방법론을 설명하는 데 목적이 있다.전선 / 대학원
본 강좌에서는 네트워크 위상, 전달 경로, 패킷 흐름의 조절, 라우터 디자인, 교착상태의 탐지 및 회피, 혼잡 제어 등 상호연결 네트워크의 구조와 설계에 관한 주제를 다룬다. 이와 함께 on-chip 네트워크, 병렬 컴퓨터, 공유 메모리의 상호연결, 데이터 센터 네트워크와 인터넷 라우터의 스위칭 조직 등 상호연결 네트워크의 이론이 활용될 수 있는 예를 살펴본다.전선 / 대학원
본 수업은 실제 운용되고 있는 SNS상에서 사용할 수 있는 도구들의 제작과 이를 통해 얻은 자료를 분석하는 기법을 익히는 것을 목표로 한다. SNS의 사용이 크게 증가함에 따라, 사용자들이 방대한 양의 자료를 웹상에서 제작, 공유하고 있다. 이러한 자료를 분석하면 기존의 방법으로는 알기 힘들었던 사용자의 취향이나 성향을 비교적 쉽게 파악할 수 있다는 연구 결과가 나오고 있다. 하지만 자료의 양이 방대할 뿐만아니라 자료의 형태도 다양해 여러가지 제한점이 있는 것도 사실이다. 본 강의는 SNS 상의 자료를 사용하여 어떻게 사용자에게 유용한 정보를 제공할 수 있는 지에 대해서 알아보고자 한다. 학생들은 Python을 이용하여 여러가지 SNS의 자료를 수집하고 분석하는 것을 배울 것이다. 단순한 수집뿐만아니라 수학적인 분석 기법에 대해서도 자세하게 다룰 예정이다.전선 / 대학원
기계학습은 환경으로부터 데이터 관찰과 경험을 통해 성능을 계속적으로 향상시킬 수 있는 문제해결 시스템을 연구하는 인공지능의 한 분야이다. 본 과목에서는 기계학습에 관한 이론 및 실제적인 연구 주제들에 관해 학습한다. 감독 학습과 무감독 학습 및 강화학습에 관한 기본 원리와 이론적인 배경을 공부하며 이들에 대한 구체적인 알고리즘을 학습한다. 기호규칙 학습, 결정트리, 메모리기반 학습, 신경망, 유전자알고리즘, 베이지안 망, 은닉 마코프 모델, 커널방법 및 기타 최근 기계학습 알고리즘을 다룬다.전선 / 대학원
강화학습은 자율 에이전트가 환경과의 상호작용을 통한 학습을 기반으로 하는 머신러닝의 한 연구분야이다. 이 수업에서는 우선 전통적인 강화학습 내용 (MDP, Value function, Policy gradient, UCB, exploration vs exploitation)을 다룬다. 그리고 최신 연구분야인 deep reinforcement learning을 다루기 위해 multi-layer perceptron, convolutional neural network, recurrent neural network 등의 deep learning에 관한 전반적인 내용들을 학습하고 나아가 raw input의 value function approximator를 이용한 강화학습에 대해 학습한다.일선 / 학사
학생들은 교육 문제 또는 교육 수요와 관련하여 스스로의 주제를 선택한 다음, 팀 중심의 협업의 과정을 통해 창의적인 교육 문제 해결 방안을 고안하거나 교육이 필요한 영역을 탐색한다. 팀별 협업의 결과를 발표하고 경청하는 과정을 통해 학생들은 교육과 관련한 다양한 문제의식을 공유하고 이해의 폭을 넓히며 새로운 교육의 수요를 발굴한다. 이를 위해 본 강좌는 사범대 신입생들을 전공 구분 없이 30명씩으로 분반하여 강좌를 운영하며, 각 분반의 학생들은 3~5명 정도의 팀을 구성하여 팀 활동을 한 학기 동안 수행한다. 학생들은 스스로 선택한 문제를 협업을 통해 해결하는 과정을 통해서 문제해결역량, 의사소통역량, 협업역량과 같은 다양한 역량을 증진할 수 있을 것이다.전선 / 대학원
고조선에서 조선에 이르는 한국 고대·중세·근세사에서 역사학적으로 중요한 관심의 대상이 되고 있는 특정 주제를 선정하여 학습한다. 한국 전근대 정치체제와 경제문제, 사회구성과 운영방식에 이르기까지 다양한 주제들을 학습하는 과목이다.전선 / 학사
교통을 중심으로 공간적 상호작용의 다양한 양상을 다룬다. 공간적 상호작용은 사람ㆍ물자ㆍ정보ㆍ자본 등 다양한 요소의 지역간 유동과 연계를 의미하며, 공간적 상호작용을 위한 하부구조(교통ㆍ통신망)와 그 하부구조 상에서 발생하는 상호작용 양상 모두에 관심을 둔다. 주요 내용은 크게 네트워크 분석과 유통 분석으로 나누어 지며, 공간적 상호작용의 개념, 이론, 기법을 종합적으로 학습한다.전선 / 대학원
사용자와 인터액션이 있는 시스템을 평가하기 위해서는 정확하며 효율적인 사용자실험 설계 및 수행이 요구 된다. 본 강의를 통해 학생들은 사용자실험을 설계 및 수행하기 위한 기초통계를 배울 뿐만 아니라 각자의 연구주제에 적합한 실습도 수행하게 된다. 본 강의는 사용자연구기획, 사용자실험의 설계, 사용자실험의 수행방법, 결과의 분석 및 보고방법에 대하여 다룰 것이다.전필 / 대학원
본 강좌는 인공지능사회에 도래함에 따라 교육전문가들을 대상으로 인공지능사회의 거버넌스와 디지털 리터러시에 대한 비판적 안목을 제공하기 위한 입문과목이다. 본 강좌에서는 인공지능(AI) 분야의 연구와 기술이 빠르게 발전함에 따라 사회를 구성하는 인간의 삶의 다양한 영역에 인공지능이 차지하는 비중이 높아지고 있는 상황에 비추어 교육 분야에서의 기술의 영향, 디지털 거버넌스, 윤리 및 책임에 대한 주제들을 체계적으로 다룬다. 또한 이러한 철학적, 윤리적 논의를 배경으로 디지털 미디어 콘텐츠에 대한 이해와 활용능력을 교육영역에 어떻게 비판적으로 적용할 수 있는지를 심층적으로 다룬다.논문 / 대학원
전선 / 대학원
본 강의에서는 지능시스템을 위한 컴퓨터비전 알고리즘들에 대해서 공부한다. 컴퓨터비전은 지능시스템을 구현하기 위한 필수적인 분야로 컴퓨터가 인간의 시각정보처리 기능을 모사할 수 있도록 하는 것을 최종 목표로 하는 학문 분야이다. 이를 위해 컴퓨터비전에서는 카메라 등으로부터 얻은 정지영상이나 동영상 정보를 분석하여 컴퓨터가 자동으로 영상을 이해할 수 있도록 하는 다양한 알고리즘들을 다룬다. 본 강의에서는 컴퓨터비전에서 대표적으로 사용되는 알고리즘들에 대해서 살펴보며 수강생들로 하여금 학기중 프로젝트를 통해서 컴퓨터비전 기술을 사용하는 지능형 시스템을 구현해 보도록 한다.