최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 문제해결학습에서 학습자의 선수지식 수준에 따라 소거된 WOE 정보 유형이 인지부하와 문제해결력에 미치는 효과를 분석했습니다. 연구 결과, 선수지식이 높은 경우 문제해결원리를 소거한 WOE가, 선수지식이 낮은 경우에도 문제해결원리를 소거한 WOE가 문제해결력 향상에 더 효과적인 것으로 나타났습니다.
University physics with modern physics
The Affordances of WebQuests : perception of students at the Ethiopian Civil Service University
Moderating usability tests : principles and practice for interacting
Acquisition and performance of sports skills
Cognitive load theory
Psychology of reasoning : structure and content
나는 왜 잘하고 싶은데 잘하지 못할까? : 나를 단단하게 하는 부담의 심리학
Beyond knowledge : the legacy of competence : meaningful computer-based learning environments
Problem-based learning in the information age
E-Learning and the science of instruction : proven guidelines for consumers and designers of multimedia learning
(배움중심 학습 사회의) 영어 학습자 검사도구
Writing training materials that work : how to train anyone to do anything : a practical guide for trainers based on current cognitive psychology and ID theory and research
(친절한) 공학수학 =
Choice-based conjoint analysis : models and designs
(중학교) 국어 학습부진의 이해와 지도
어떻게 공부할 것인가 : 최신 인지심리학이 밝혀낸 성공적인 학습의 과학
(초등학교) 국어 학습부진의 이해와 지도
Dance psychology for artistic and performance excellence
Perception, cognition, and decision training : the quiet eye in action
Journal of Computing in Higher Education: Research & Integration of Instructional Technology
Jung, Jaewon; Shin, Yoonhee; Chung, HaeJin; Fanguy, MikMetacognition and Learning
Shin Y.,Jung J.,Lee H.J.Journal of Educational Computing Research
Shin Y.,Jung J.,Zumbach J.,Yi E.Education and Information Technologies
Yoonhee Shin; Jaewon Jung; Seohyun Choi; Bokmoon Jung교육정보미디어연구
정재원, 김동식, 나청수교육정보미디어연구
정재원; 김동식; 나청수Interactive Learning Environments
Huang, X.학습장애연구
손진주, 김소희교육정보미디어연구
이현정교육공학연구
이효진; 김동식British Journal of Educational Psychology
Chen O.,Retnowati E.,Kalyuga S.Contemporary Educational Psychology
Mihalca, L.; Mengelkamp, C.; Schnotz, W.; Paas, F.Computers and Education
Whitelock-Wainwright A.,Laan N.,Wen D.,Gašević D.Interactive Learning Environments
Hwang G.H.,Chen B.,Chen S.P.ACM Transactions on Computing Education
Chun-Ying Chen한국학교수학회논문집
이일웅; 김구연교육공학연구
이상호; 주수연; 김채령; 양해인The SNU Journal of Education Research
박성익, 이규민, 김미경International Journal of Mathematical Education in Science and Technology
Hyland D.,van Kampen P.,Nolan B.학교수학
이선지, 김성경, 이봉주, 김지연전선 / 학사
이 강의에서는 실질적 문제해결을 위한 다양한 자료 분석 방법론의 이해와 적용을 경험한다. 해결하고자 하는 문제의 구체화를 포함하여, 데이터의 수집 및 정리, 탐색적 데이터분석, 시각화, 통계적 추론 및 예측 그리고 의사결정의 핵심 원리를 배운다. 정형 데이터뿐만 아니라 비정형 데이터(텍스트 데이터, 공간 데이터, 네트워크 데이터) 분석 방법도 다루며, 이러한 데이터에 적합한 시각화 및 분석 기법을 학습한다. 학생들은 다양한 데이터의 구조를 이해하고 적절한 자료 분석 방법을 선택하며, 실습을 통해 배운 내용을 실제 문제에 적용하여 해결하는 전 과정을 경험한다. 이를 통해 문제해결 능력과 실무에서 활용 가능한 분석 역량을 효과적으로 향상시킨다.전필 / 학사
이 과목에서는 컴퓨터에 의한 문제 해결을 위해 필요한 개념이나 대상물의 표현을 위한 자료 구조와 문제해결을 위한 체계적 사고 방법을 학습한다. 배열, 연결 리스트, 큐, 스택, 우선순위 큐 등의 기본적인 자료구조를 배우고, 검색 트리, 해시 테이블, 균형 잡힌 검색 트리 등 자료의 색인을 위한 자료구조와 그들의 효율성을 배운다. 정렬, 그래프 알고리즘 등 문제 해결에 유용한 도구와 생각하는 방법에 관한 내용도 제공한다. 프로그래밍 과제가 부여되며 이를 위한 최소한의 가이드가 제공된다.전선 / 학사
컴퓨터를 활용하여 문제를 해결할 시 그 활용이 필수적인 기본적인 자료 구조에 대해 가르친다. 배열, linked list, stack, queue, priority queue, search tree, hash table, balanced search tree 등의 자료구조의 구성, 활용 방법 및 효율성을 강의한다. Python 기반의 숙제를 통해 수강생이 직접 각 자료구조를 구현/활용할 수 있는 능력을 배양한다.전필 / 학사
이 과목은 의예과 학생들이 비판적 사고를 통해 문제해결능력과 의사로서 임상적 추론능력 배양을 목적으로 한다. 이를 위해 인문-사회-의료의 다양한 주제에 대해 학생 6-8명 내외의 소그룹을 구성하여 Team based project형식으로 탐구를 진행하여 팀별 토론 및 발표를 진행한다.전선 / 학사
본 과목의 목적은 공과대 학부 과정 학생들을 대상으로 신제품, 신서비스의 개발과 어려운 공학적 문제의 해결을 위한 창의적 사고 기법들을 소개하고, 이를 응용하는 능력을 배양시키는 데 있다. Brainstorming, mind mapping, lateral thinking, TRIZ, attribute listing and morphological analysis, transformation theory, physical stress reduction principles, portability design principles 등의 기법을 다루게 된다. 수강생들은 다수의 설계 및 기획 문제를 과제로서 해결하고 그룹 프로젝트를 수행함으로써, 습득한 지식을 실제 문제 해결에 응용하는 능력을 배양하게 된다.전선 / 대학원
본 강좌에서는 시스템 구성원들간에 상호 작용을 하면서 영향을 주는 상황인 경쟁시스템에서의 의사결정 문제를 체계적으로 모형화하고 분석하는데 필요한 기본 개념과 분석 방법론을 학습하는 것을 목적으로 한다. 이를 위하여 경쟁적 상황에 관한 수리적이고 과학적인 분석 기법인 게임이론을 소개하며, 특히 산업공학 분야에서 존재하는 경쟁적 시스템에 대하여 게임이론적 분석을 응용할 수 있는 능력을 배양하기 위하여 응용중심의 학습에 강좌의 주안점을 둔다. 구체적으로 전략형 게임 모형과 전개적 게임 모형, 순수전략과 혼합전략, 내쉬균형, 불완전 정보 하에서의 베이지안 게임, 그리고 진화게임 등의 최근 논제도 응용 중심으로 학습한다.전선 / 대학원
본 강의는 스포츠 환경에서 인적자원을 관리할 때 고려해야할 사항으로 프로세스의 선택, 고용법, 노사관계, 보상, 경기능력 함양, 기업의 교육훈련, 효율적 업무 환경 개선 등의 측면을 살펴보고, 관리자 측면에서 활용될 수 있는 이론과 지식에 대하여 알아본다. 이 수업을 통해 일반적으로 적용될 수 있는 인적관리의 실제와 법의 최근 경향에 대하여 살펴본다. 본 수업은 강의와 그룹 토론, 실제 사례 분석으로 구성될 것이다.전선 / 학사
과학연구와 산업응용에서의 과정개선, 비용절감 및 복잡한 시스템에 대한 이해를 위한 효과적인 데이터 수집과 분석의 방법을 배운다. 하나의 요인에 대한 완전확률화법, 라틴방격법, 요인배치법, 블록계획, 일부실시법, 반응표면분석 등의 이론을 소개하고 각 계획법에 따라 수집된 자료의 분석 방법을 배운다. 선수과목으로서는 <회귀분석 및 실습>이 요구된다.전선 / 학사
이 수업은 학생들이 스포츠 조직행동에 대한 기본 개념과 관련 이론을 학습하고, 이를 스포츠 실무에 활용하는 능력을 키우고자 한다. 이 수업을 통해 학생들은 조직행동과 인적자원관리 주제 중, 특히 스포츠 분야에서 관련도와 중요도가 높은 이론과 지식을 이해하고 집중학습하여 전공 분야 전문성을 갖출 수 있을 것이다. 이 수업은 전통적으로 스포츠 분야에서 강조해 온 리더십, 팀웍, 대인관계 등 주제와 함께 전략적 조직관리, 조직 웰빙, 조직 정의, 정치적 기술, 조직 개혁, 긍정적 조직행동, 그리고 경력관리 및 탤런트 매니지먼트 등을 다룰 것이다. 이 수업을 성공적으로 이수한 학생들은: ○ 스포츠 조직과 조직 내 구성원의 특성과 구성원의 행동에 영향을 미치는 개인, 집단, 그리고 조직 수준의 다양한 요인들을 이해할 수 있다. ○ 스포츠에서 전략적 조직관리의 중요성을 이해하고, 관련 개념과 이론을 바탕으로 스포츠 조직 내 문제를 정의하고 해결할 수 있다. ○ 스포츠 조직 내 개인, 집단 웰빙 수준을 확인하고, 스포츠 조직 웰빙의 중요 영향요인을 파악할 수 있다. ○ 다양한 긍정 조직행동의 특성과 영향을 이해할 수 있다. ○ 효과적인 정치적 기술들을 습득하고 적용할 수 있다. ○ 조직 내 정의의 다면성과 중요성을 이해하고 이에 대한 기본 철학과 관점을 정립한다. ○ 개혁관리의 중요성을 이해하고 효과적인 조직 개혁을 위한 전략과 기법들을 습득하고 사용할 수 있다.전선 / 대학원
소비자의 의사결정과 정보처리과정 그리고 이에 영향을 미치는 제반요인들을 심리학, 사회학 등의 제이론을 토대로 한 행동과학적 접근을 통해 이해하며, 합리적인 의사결정을 내리기 위해 필요한 소비자정보의 원천, 획득, 평가에 대한 지식과 기능을 익힌다.교직 / 대학원
본 강좌에서는 교육평가의 일반 원리와 학교학습의 맥락 속에서 교육평가가 가지는 의미와 역할, 교육평가의 실제를 다룬다. 이를 통하여 학생들은 교육평가에 대한 통찰력을 함양하고 현행 교육평가체제를 이해할 수 있을 뿐만 아니라, 과정중심 평가기법의 실제를 접하고 교육현장에 적용할 수 있는 평가능력과 평가기법, 평가문항 개발의 실제 및 환류방법을 터득할 수 있을 것이다.전선 / 대학원
다양한 분야, 다양한 형식의 정보를 구조화 할 수 있는 능력을 함양하게 하는 과목이다. 리서치에 의해 조사 수집된 정보를 그루핑 하고 나열되어 있는 정보를 시각적으로 재구성하는 방법을 연구한다. 또한 재구조화된 정보를 여러 매체로 표현할 수 있는 능력을 기른다. 상징과 아이콘, 인포메이션 다이어그램 등으로부터 인포메이션 그라픽스까지 다양한 시각툴을 사용하여 효과적인 정보전달이 될 수 있게 한다. 개인별 주제를 정해 정보를 재해석하는 연구가 이루어지게 된다.교양 / 학사
이 과목의 목적은 데이터 문해력에 대한 기본지식을 함양하고 이를 통하여 데이터 기반 의사결정능력과 올바른 정보를 취사선택하는 방법을 익히는 데 있다. 이 과목을 통하여 다양한 통계의 오용사례를 살펴보고 데이터를 전달하는 미디어를 올바르게 이해하고 데이터를 기반으로 효율적으로 본인의 주장을 제시하는 방법에 대해 배운다.전필 / 학사
뇌-마음-행동 연계전공의 필수 과목으로서, 세분화된 학문 체계에서 다룰 수 없는 통합적인 인간 이해에 대한 소개를 제공하는 곳이 목표. 신경과학에서 이루지는 뇌의 이해, 인지과학에서 이루어지는 마음의 이해, 심리학에서 이루어지는 행동의 이해와 이들의 관계를 포함하여 인간의 이해에 대한 다양한 주제의 소개. 참여 교수 및 외부 초빙 연사들에 의한 주별 강의로 이루어짐.전선 / 대학원
본 과목은 스포츠 산업의 실무에서 적용 가능한 스포츠마케팅 이론의 개념, 스포츠 스폰서에 대한 이해를 높이고 비판적 사고를 함양하며 커뮤니케이션 능력을 얻는데 그 목적이 있다. 본 교과목을 통하여 다음과 같은 능력을 함양할 수 있을 것이다. - 주요 스포츠마케팅 이론과 개념에 대한 논의 (특히 스포츠 상품이 가지고 있는 특성, 스포츠 소비자 행동, 스포츠에서의 브랜드 매니지먼트, 스포츠 관계 마케팅, 스포츠 스폰서십, 스포츠 상품 판매 및 촉진과 관련된 이론) - 스포츠 산업의 여러 분야와 다양한 상황에 대한 스포츠마케팅 이론의 실제 적용 - 전략적 마케팅 활용을 위한 스포츠 조직 분석 - 시장진입을 위한 마케팅 전략의 개발전선 / 학사
각종 정보를 효율적으로 관리하기 위한 데이터베이스 시스템에 대한 데이터 모델링 기법, 화일 시스템의 구성 및 인덱싱 기법, 해싱 기법,데이터베이스의 논리적 구조와 물리적 구조, 각 모델에 따른 각종 질의어(query language) 처리 및 최적화, 동시성 제어(concurrency control), 복구기법(recovery technique) 등의 데이터베이스 설계 기법에 대해서 배운다. 선수과목으로는 자료구조, 운영체제가 요구된다.교양 / 학사
과거의 경험과 다양한 정보로부터 새로운 지식을 학습하는 능력은 개인의 성장과 사회의 발전을 위해 반드시 필요하다. 본 교과목의 목적은 심리학, 뇌과학, 교육학, 언어사회학 등의 지식에 기반하여 학습에 대한 간학문적 이해와 창의적 사고를 촉진하고 인공지능 시대에 필요한 학습 혁신을 논의하는 데 있다. 학생들은 기존에 당연하게 생각했던 학습 활동을 비판적으로 성찰하고 과학적 이론과 다양한 관점에서 학습의 문제를 창의적으로 해결한다. 또한 학습의 이해, 인지활동, 학습정서, 학습자, 학습혁신과 관련된 실제적인 문제를 두뇌, 개인, 공동체 측면에서 다각도로 논의한다. 이런 활동을 통해 학문 간 경계를 넘어서 학습을 융합적으로 이해할 수 있을 뿐만 아니라 자기주도적으로 학습을 계획하고 소외된 학습자를 위한 지식인의 사회적 책무를 이해하고 협력적으로 실천할 수 있는 역량을 개발할 것이다.전선 / 대학원
상품유통에 대한 최근의 이론과 연구결과를 살펴보고 의류상품에서 특별하게 나타나는 유통상의 특성을 집중적으로 학습한다. 특히 리테일링의 다양한 형태, 전망, 형태별 전략 등을 이해하고, 우리나라 패션산업에서 유통부분의 발전을 위한 구체적인 방안을 모색한다.전선 / 학사
원자력 시스템을 이루는 다양한 부품들은 정해진 기준을 거쳐 성능이 검증된 재료로 구성되며, 이들의 신뢰성은 원자력 안전, 환경 친화성, 경제성 측면에서 매우 중요하다. 본 강의에서는 경수로 및 핵융합로를 포함한 첨단 원자로, 연료 사이클 시설 등의 원자력 시스템에 사용되는 구성 요소 및 재료의 선정과 유지에 대한 기본적인 지식을 학습한다. 첫째로, 금속, 세라믹 및 복합 재료 등의 다양한 재료의 특성 및 열화에 대한 기본 사항을 학습한다. 다음으로, 현세대의 경수로에 사용되는 부품 및 재료들을 자세히 분석한다. 그 후 경수로 이외의 첨단 시스템을 검토하며, 시스템 간의 유사성 및 차이점에 대해 논의한다. 마지막으로, 수강생들은 각각 특정 구성 요소를 선정하여 그 구성 요소에 사용되는 재료가 선정된 배경 및 개발 역사에 대하여 조사하고 발표한다. 본 과정을 통해 수강생은 (i) 각 구성 요소에 사용되는 재료의 선정이 어떻게 이루어졌으며, 재료의 성능이 어떻게 검증되는지 학습하며, (ii) 현세대 및 첨단 원자력 시스템에 사용되는 구성 요소 및 재료에 관련된 주요 연구개발 주제에 대하여 인식하게 된다.전선 / 대학원
인공 신경망을 기반으로 하는 심층 학습 (Deep Learning) 시스템들은 음성/이미지 인식, 번역, 자율 주행 등 다양한 인공지능 영역에서 광범위하게 확산되고 있으며, 관련 기술 또한 빠르게 발전하고 있는 바, 산업 전반에 걸친 시스템의 지능화를 위해, 심층 학습 모형에 대한 이해와 활용 능력이 점차 중요해지고 있다. 본 과목에서는 심층 학습의 주요 이론과 기법을 학습하는 것을 목적으로, 구체적으로 표현형 학습 (Representation Learning), 심층 피드포워드 신경망 (Deep Feedforward Networks), 합성곱 신경망 (Convolutional Neural Networks), 순환 신경망 (Recurrent Neural Networks), 심층 오토인코더 (Deep Autoencoders), 심층 생성 모형 (Deep Generative Models), 심층 강화학습 (Deep Reinforcement Learning) 기법들을 다루고, 이들을 이해하기 위한 기계학습 및 수리적 기초 이론들을 배운다. 또한, 본 과목은 심층 학습 모델을 활용하여 멀티미디어 데이터들을 대상으로 분류, 예측, 패턴 인식, 생성 모델을 구현하는 프로젝트들 및 심층 학습 응용 사례 연구들을 포함한다.