최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Kim, Il-Sup; Hwang, Cher-Won; Yang, Woong-Suk; Kim, Cheorl-Ho
2021 / INTERNATIONAL JOURNAL OF MOLECULAR SCIENCES
임재빈, 정기성
2023 / LHI Journal
Ashish Pokhrel, 서동남, 이승택, 김익진
2013 / 한국세라믹학회지
김문준
2018 / The International Journal of Advanced Culture Technology
데이터가 존재하지 않습니다.
loading...
본 연구는 국내 VR, AR, MR 기반 학습 연구 33편을 메타분석하여 학습 성과에 대한 효과 크기를 분석하였다. 분석 결과, VR, AR, MR 기반 학습은 전반적으로 학습 성과 향상에 기여하며, 특히 AR 기반 학습의 효과가 가장 큰 것으로 나타났다. 연구 결과는 VR, AR, MR 기반 학습의 수업 설계 및 운영에 대한 근거 기반 실천 전략으로 활용될 수 있다.
New perspectives on virtual and augmented reality : finding new ways to teach in a transformed learning environment
가상현실과 교육 =
Designing, deploying, and evaluating virtual and augmented reality in education
메타버스의 시대, 배움의 미래 : 첨단기술이 불러온 교육혁명
Virtual reality in curriculum and pedagogy : evidence from secondary classrooms
Applied attention theory
Visible learning : a synthesis of over 800 meta-analyses relating to achievement
미래사회와 교과교육 : 학습자중심교과교육학회 학술저서 =
Educating for a New Future: Making Sense of Technology-Enhanced Learning Adoption : 17th European Conference on Technology Enhanced Learning, EC-TEL 2022, Toulouse, France, September 12–16, 2022, Proceedings
Towards learning and instruction in Web 3.0 : advances in cognitive and educational psychology
어린이 VR교육 이론
Virtual, Augmented and Mixed Reality. Applications and Case Studies : 11th International Conference, VAMR 2019, Held as Part of the 21st HCI International Conference, HCII 2019, Orlando, FL, USA, July 26–31, 2019, Proceedings, Part II
Smart learning environments
Emotional affordances in virtual reality-based learning environments : theoretical and practical considerations
도서관 미래에 답하다 : 해외 사례를 통해서 보는 도서관 가상·증강현실
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
Virtual realities : International Dagstuhl Seminar, Dagstuhl Castle, Germany, June 9-14, 2013, Revised selected papers
Virtual reality in education : breakthroughs in research and practice
Advanced computational intelligence paradigms in healthcare 6 : virtual reality in psychotherapy, rehabilitation, and assessment
HCI International 2020 – Late Breaking Papers: Virtual and Augmented Reality : 22nd HCI International Conference, HCII 2020, Copenhagen, Denmark, July 19–24, 2020, Proceedings
Korean Association for Educational Information and Media
Myunghyun Yoo; Jaehyun Kim; Yohan Koo; Jihoon Song디지털콘텐츠학회논문지
박혜영; 주정훈Human Factors
Kaplan A.D.,Cruit J.,Endsley M.,Beers S.M.,Sawyer B.D.,Hancock P.A.JOURNAL OF COMPUTER ASSISTED LEARNING
Luo, Heng; Li, Gege; Feng, Qinna; Yang, Yuqin; Zuo, MingzhangJournal of Science Education and Technology
Cromley, Jennifer G.; Chen, Runzhi; Lawrence, LuEttaMaeEducational Research Review
Villena-Taranilla R.,Tirado-Olivares S.,Cózar-Gutiérrez R.,González-Calero J.A.EDUCATIONAL RESEARCH REVIEW
Coban, Murat; Bolat, Yusuf Islam; Goksu, IdrisTechTrends
Kumar, A.; Gorai, J.现代教育技术 / Modern Educational Technology
周榕; 李世瑾; ZHOU Rong; LI Shi-jinVirtual Reality
Ka, J.; Kim, W.; Kim, H.; Kim, J.Physical Review Physics Education Research
Porter C.D.,Smith J.R.H.,Stagar E.M.,Simmons A.,Nieberding M.,Orban C.M.,Brown J.,Ayers A.JMIR Serious Games
Chang C.W.,Yeh S.C.,Li M.Computers and Education
Chang H.Y.,Binali T.,Liang J.C.,Chiou G.L.,Cheng K.H.,Lee S.W.Y.,Tsai C.C.Computer Applications in Engineering Education
Yu Z.,Xu W.FRONTIERS IN AGING NEUROSCIENCE
Gao, Yong; Ma, Lu; Lin, Changsheng; Zhu, Shizhe; Yao, Lingling; Fan, Hong; Gong, Jianqiu; Yan, Xiaobo; Wang, TongInternational Journal of Emerging Technologies in Learning
Deng H.,Du Y.,Cai Q.,Yang Y.Interactive Learning Environments
Yu Z.JMIR SERIOUS GAMES
Goudman, Lisa; Jansen, Julie; Billot, Maxime; Vets, Nieke; De Smedt, Ann; Roulaud, Manuel; Rigoard, Philippe; Moens, MaartenAdvances in Neurodevelopmental Disorders: Multidisciplinary Research and Practice Across the Lifespan
Adabla, Samuel; Nabors, Laura; Hamblin, KatieBRITISH JOURNAL OF EDUCATIONAL TECHNOLOGY
Wu, Bian; Yu, Xiaoxue; Gu, Xiaoqing전선 / 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 / 학사
본 강좌는 가상현실·증강현실에 대한 주요 이론을 습득하고, 다양한 활용 사례들을 배우며, 실제 실습을 통해 VR/AR 환경을 구축할 수 있도록 한다. VR/AR에 대한 기본적인 지식 습득을 위해 딥러닝을 포함한 캐릭터 애니메이션 개론, 메타버스, 휴먼 팩터, 컴퓨터 그래픽스 이론, 가상현실 관련 소프트웨어 프로그램 실습, 3D 기반 모션캡쳐 등을 다룬다. 강의는 거꾸로 교육(Flipped learning) 방식으로 이루어지며, 3D 제작 플랫폼에 내장된 캐릭터 애니메이션 기본 모듈을 활용한 실습뿐 아니라 실제 VR/AR 기기를 활용한 프로젝트 위주로 진행된다. VR/AR 프로젝트를 바탕으로 과제를 부여하며 수강생은 분야별 모듈을 선택하여 참여하도록 한다. 프로젝트를 주도하고 이에 따른 문제를 해결해가는 과정에서 자기 주도적이고 동료 학습이 가능하도록 한다.전선 / 대학원
본 과목 「AI 기반 심리과학 연구방법론」은 심리과학 분야 대학원생이 연구 수행 과정 전반에 걸쳐 본 연구과제를 통해 설계 및 검증된 AI 협업 워크플로우(사전 학습된 LLM, 심리과학 특화 RAG 등 활용)를 경험하고 숙달함으로써 연구 방법론적 역량을 혁신하도록 학습하는 과목이다. 수강생은 연구 문제의 개념화, 가설 탐색 및 정교화, 심리과학 문헌 분석, 연구 설계 구체화, 데이터 분석 계획 수립, 분석 결과 해석 및 시각화, 그리고 연구 결과 보고서 작성 및 소통에 이르기까지 심리과학 연구 방법론의 각 단계에서 본 연구과제를 통해 개발/활용되는 AI 지원 워크플로우를 실질적인 협업 도구로 활용하는 방법을 학습한다. 동시에 AI 산출물의 심리과학적 타당성, 방법론적 정확성, 윤리성 및 연구 재현성을 비판적으로 평가하고 교정하는 AI 협업 기반 심리과학 연구 방법론 역량을 함양하는 데 중점을 둔다. 이러한 구조를 통해 수강생은 AI를 단순 도구가 아닌 심리과학 연구의 협업 파트너로 활용하면서도, 데이터 과학 시대의 새로운 연구 방법론적 과제와 연구 윤리적 책임을 명확히 인지한 상태에서 창의적이고 재현 가능한 심리과학 연구 수행을 실천하게 된다.전선 / 대학원
이 강좌는 보건의료계열 교육에서 학습자의 학습 성과, 즉 교육효과를 측정하기 위한 방법으로서 학습분석학 (learning analytics)이라는 최신 분야의 이론과 실제를 다룬다. 치의학교육을 비롯한 다양한 교육 맥락에서 다각적인 데이터를 체계적으로 수집하고 분석하여 교육 효과를 측정하는 방법을 탐구한다. 나아가 이 데이터에 기반하여 최적화된 학습 환경과 경험을 설계하는 법, 근거기반 교육을 위해 교육연구를 설계하는 방법도 함께 논의한다.전선 / 대학원
기계학습은 다양한 분야에서 점차 큰 관심을 받고 있으나, 막상 실제 데이터에 적용하여 성공적인 결과를 도출하는 데에는 많은 어려움이 따른다. 본 과목은 기계학습 기법들을 실제 문제에 적용할 때에 중요한 데이터 전처리, 피쳐 추출, 차원 축소, 클래스 불균형, 모델 앙상블 등의 주제들을 다루고, 데이터로부터 모형과 종속성을 학습하는 원리와 기법들을 소개하는 바, 특히 확률, 통계 및 최적화 이론에 기반하여 신경망 (Neural Networks), 서포트 벡터 머신 (Support Vector Machines), 은닉 마르코프 모형 (Hidden Markov Models) 및 강화 학습 (Reinforcement Learning) 기법들을 공부한다. 또한, 이들 기법을 활용하여, 다양한 시계열 데이터들을 대상으로 예측 및 분류 모델을 구현하는 프로젝트들과 데이터 기반 학습의 사례 연구들이 포함된다.전선 / 대학원
본 교과목은 미술교육의 현장과 연구영역에서 새로운 테크놀로지와 디지털 혁신이 융합될 수 있는지를 탐구한다. 또한 본 교과목은 미술교육현장을 위한 다양한 테크놀로지의 사용을 소개하고 학생들이 그것들을 비평적으로 분석하도록 한다. 학습자는 VR/AR/MR, 그리고 기계학습/알고리즘/AI와 같은 디지털 도구들의 미술교육적 함의를 탐구할 것이다. 또한 문헌연구의 형식의 연구논문을 작성하도록 한다.교양 / 학사
본 강의는 사회학의 핵심적인 개념들, 방법, 이론 등을 소개하고, 학생들로 하여금 사회학적 상상력을 갖출 수 있도록 함을 주요 목적으로 한다. 이 강의는 사회계급, 성, 사회적 불평등, 사회운동, 범죄 및 사회비행 등이 주요 주제로 다루어질 것이다.전선 / 대학원
학습환경 설계에 영향을 미치는 제반 학습자의 특성에 관한 연구 결과를 검토한다. 최근의 학습자 특성 분석 결과에 주목하면서 이런 부분이 어떻게 일반 교실 수업을 비롯한 이러닝 환경에서 반영될 수 있는가를 이론적, 실제적인 수준에서 다룬다.전선 / 학사
최근 인지과학, 교육학, 신경과학, 스포츠과학 등 다양한 분야에서 신체와 학습의 긴밀한 연관성이 강조되면서, 이를 토대로 한 교육적 실천의 필요성이 더욱 커지고 있다. 몸 기반 학습은 학습이 단순한 인지적 과정에 그치지 않고, 신체적 경험과 환경적 맥락 속에서 이루어진다는 관점을 반영한다. 특히, 몸과 뇌과학 연구는 신체 활동이 신경가소성을 유도하여 뇌의 발달에 중요한 영향을 미치고 이는 인지, 정서에 긍정적 역할을 할 수 있다는 사실을 밝혀왔다. 운동과 움직임은 해마와 전전두엽을 비롯한 핵심 뇌 영역의 구조적·기능적 변화를 촉진하며, 이는 주의 집중, 기억력, 문제 해결력, 창의적 사고와 같은 고차원적 인지 능력 향상과 밀접하게 연결된다. 이러한 신체-뇌-학습의 상호작용에 대한 이해는 미래 교육의 새로운 패러다임을 제시할 뿐 아니라, 학습자의 전인적 성장과 실제적 역량 개발을 위한 중요한 토대가 된다. 따라서 본 교과목은 학습자들이 감각과 활동 등의 신체 경험과 뇌 기능의 상호작용을 이해하고, 이를 기반으로 지식과 기술을 효과적으로 습득하며, 나아가 교육 현장과 일상적 삶 속에서 이를 창의적으로 응용할 수 있도록 돕는 것을 목적으로 한다.전선 / 대학원
본 과목은 한국어, 영어, 프랑스어, 독일어 등의 언어 교육을 담당하는 교사들을 대상으로 하여 AI를 활용하여 언어를 가르치는 방법을 연구하는 것을 목적으로 한다. 기본적으로 최근 AI 기술이 적용된 스마트스피커, TV, 모바일 기기, AR/VR, 등 다양한 기기를 교실 환경에서 이용하여 읽기, 듣기, 말하기, 쓰기 등의 언어 학습을 효과적으로 수행하는 방법을 탐구하는 내용을 포함한다. 이를 위하여 개별 언어 능력에 적절한 기술과 디바이스를 매칭시키는 방안을 제시하고 기존의 교육 컨텐츠를 이에 맞게 설계하는 방법을 제안한다. 또한, 각 학습 과정에서 학습자 개인에 따라 맞춤형으로 학습할 수 있는 방안을 포함한다.전선 / 학사
본 과목은 인간의 학습과 발달 과정을 기초적인 교육심리학적 관점을 통해 접근한다. 행동주의적 접근뿐만 아니라 인지주의적 접근 등 최근 교육심리학에 논의되고 있는 학습에 대한 주요 이론들과 인간의 성장과정을 발달의 관점에서 접근하고 있는 주요이론들도 함께 검토하도록 한다.전선 / 대학원
경험적 교육연구를 위해 연구자는 다양한 형태의 자료를 다루게 된다. 자료분석의 효율성을 위해서 다양한 통계분석 소프트웨어를 다루는 기술이 필요하다. 이 강의는 교육학과 인접학문 분야 대학원생을 위해 R을 활용한 프로그래밍 기술에 대해 다룬다. 모듈화 된 본 강의는 기초 강의로 R을 접해보지 못한 학생들을 대상으로 R의 기본 문법과 구조를 학습할 수 있는 기회를 제공한다.전선 / 대학원
경험적 교육연구를 위해 연구자는 다양한 형태의 자료를 다루게 된다. 자료분석의 효율성을 위해서 다양한 통계분석 소프트웨어를 다루는 기술이 필요하다. 이 강의는 교육학과 인접학문 분야 대학원생을 위해 R을 활용한 프로그래밍 기술에 대해 다룬다. 모듈화 된 본 강의는 기초 강의로 R을 접해보지 못한 학생들을 대상으로 R의 기본 문법과 구조를 학습할 수 있는 기회를 제공한다.전선 / 대학원
이 강좌는 석·박사 학위 논문 작성 등 교육연구에 필요한 통계적 분석에 대한 개념과 이론에 대한 폭넓은 이해를 돕고, 실제 교육연구에서 통계적 기법들을 적절히 활용할 수 있도록 하기 위한 것이다. 이를 위해 교육관련 각종 연구 자료의 특성(예: 다층 자료, 유목 자료, 연속 자료 등)에 적절한 통계적 기법들에 대한 소개와 함께 관련 컴퓨터 프로그램을 활용하여 실제로 분석할 수 있도록 하기 위한 것이다. 아울러 수강생들은 관심 있는 교육관련 자료를 분석하고 그 결과를 수업시간에 보고하는 기회를 가지게 될 것이다.전선 / 대학원
본 교과목은 임상 연구를 기반으로 공학, 인공지능(AI) 등 다학제적 분야를 융합하여 연구를 설계·수행·출판하는 전 과정을 배우는 것을 목표로 한다. 학생들은 연구자의 태도와 윤리적 기준을 이해하고, 연구 아이디어 도출부터 임상시험 설계, 데이터 관리, 논문 작성에 이르기까지 체계적인 방법론을 익히며, 나아가 연구윤리를 준수하면서 인공지능 툴을 효과적으로 활용하는 방법을 학습하여 실제 연구에 응용할 수 있는 역량을 기른다.전필 / 학사
이 교과목은 학습과학을 시작하는 학생들을 위해 학습과학의 다양한 연구주제와 이론을 소개한다. 교육학, 교과교육학, 심리학, 뇌과학, 컴퓨터과학 등의 다양한 분야에서 이루어지고 있는 학습에 대한 연구를 서로 비교하고 비판적으로 검토한다. 이를 통해 학습을 다양한 관점에서 통합적으로 이해하고 교육 문제를 창의적으로 해결할 수 있는 기반을 마련한다. 그리고 학습과학 분야의 진로탐색을 지원하기 위해 다양하고 실제적인 학습경험을 제공한다.전선 / 학사
학습시스템은 환경과의 상호작용을 통한 경험으로부터 지식을 습득하여 스스로 성능을 향상시키는 시스템이다. 기계학습은 학습시스템의 핵심인 경험으로부터 획득한 데이터로부터 모델을 자동으로 생성하고 이를 기반으로 미래 를 예측하는 계산구조와 알고리즘을 연구하는 컴퓨터공학의 한 분야이다. 기계학습은 인터넷 정보검색, 텍스트마이닝, 컴퓨터비젼, 로보틱스, 게임 뿐만 아니라 생명과학과 비즈니스 데이터마이닝 등에 성공적으로 활용되었다. 최근 들어 모바일폰, 스마트 TV등에서 사용자 모델링과 개인화 추천 서비스에 사용되고 있으며 컴퓨터구조, 컴파일러, 운영체제, 통신망 시스템의 모델링 및 성능 예측 등 컴퓨터공학의 다양한 분야에서 널리 활용되고 있다. 본 교과목은 감독학습, 무감독 학습, 강화학습 등 기계학습의 기본 개념과 원리, 여러가지 학습 방법에 대한 모델 구조와 학습 알고리즘 및 그 수학적인 기반를 제공하는 것을 목적으로 한다. 패턴분류, 확률관계모델링, 순차적 의사결정과정에 대한 구체적인 학습 구조와 알고리즘을 살펴보며 실제 응용문제 해결을 위한 미니 프로젝트를 통하여 그 활용 방법을 습득한다.전선 / 대학원
딥러닝 모델은 추상화 복잡도를 증가하면서 정보를 표현하는 여러 계층으로 이루어진 신경망으로, 최근 영상/음성/자연어 처리 등의 문제에서 다른 기계 방법론들을 크게 상회하는 뛰어난 성능을 보이고 있다. 본 과정에서는 딥러닝의 기반이 되는 기계학습 및 최적화 기법들을 배우고, 기본적인 신경망에 대해서 학습한다. 그리고 영상 처리와 자연어 처리의 핵심 모델인 Convolutional neural networks와 Recurrent neural networks의 훈련법과 추론법들을 익힌다. 또한 비감독 생성 모델인 Autoencoders와 Restrict Boltzman machines에 대해 자세히 살펴 보고 마지막으로 딥러닝 기반 강화 학습에 대해서도 학습하고 실습을 진행한다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.전선 / 학사
이 수업은 미래사회의 변화 방향과 이에 따른 교육의 기능의 변화, 그리고 인공지능과 빅데이터가 미칠 교육 현장의 변화를 조사하고 토론하는 것을 목적으로 한다. 구체적으로 새로운 과학기술이 가져올 다양한 영역(과학, 공학, 산업 등)에서의 사회의 변화 특징을 확인하고, 이에 맞게 미래교육은 어떻게 변화를 준비해야 할지를 조사, 논의하고자 한다. 또한 미래 과학기술을 대표하는 인공지능과 빅데이터가 어떻게 교육현장을 변화시킬지에 대해 교수-학습, 학생진로지도, 교육의사결정 등의 측면에서 깊이 있게 살펴보고자 한다.전선 / 대학원
최근 MRI 등 영상진단장치의 획기적인 발전으로 뇌의 기능을 평가할 수 있게 되었다. 이 강좌에서는 MRI 등의 영상장치를 이용하여 뇌 기능을 연구하고자 한다. 구체적인 학습 목표는 functional imaging, perfusion imaging, diffusion imaging, diffusion-tensor imaging, spectroscopy의 원리를 이해하고 임상에서 응용하는 것이다. 아울러 현재 영상기법의 한계점을 이해함으로서 앞으로의 연구 방향을 파악한다.