최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 동영상 기반 학습 환경에서 학습자 행동 데이터를 분석하고 머신러닝 기법을 활용하여 학업성취를 예측하는 실험을 진행하였다. 분석 결과, 동영상 탐색 및 코멘트 작성과 같은 학습 상호작용과 학습자 주도적 학습 행동이 학업성취를 예측하는 중요한 요인으로 나타났다. 이러한 결과를 바탕으로 효과적인 동영상 학습 환경 설계에 대한 시사점을 제공한다.
Smart learning environments
Video in the age of digital learning
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
Learning environments : contributions from Dutch and German research
이러닝과 학습양식 =
Einsatz von Interactive Video im computerunterstützten universitären Unterricht : CULLIS Teilprojekt II
Addressing Global Challenges and Quality Education : 15th European Conference on Technology Enhanced Learning, EC-TEL 2020, Heidelberg, Germany, September 14–18, 2020, Proceedings
Interpersonal regulation of learning and motivation : methodological advances
Emerging issues in smart learning
Advances in web-based education : personalized learning environments
Cognitive computing in technology-enhanced learning
ARCS를 적용한 e-learning 교육시스템 =
Learning analytics
How people learn. learners, contexts, and cultures
Handbook of educational data mining
Learning styles, classroom instruction, and student achievement
Distributed artificial intelligence meets machine learning : learning in multi-agent environments : ECAI '96 Workshop LDAIS, Budapest, Hungary, August 13, 1996, ICMAS '96 Workshop LIOME, Kyoto, Japan, December 10, 1996 : selected papers
Self-regulated learning and academic achievement : theoretical perspectives
Early warning systems and targeted interventions for student success in online courses
Learning online : the student experience
Internet and Higher Education
Yoon M.,Lee J.,Jo I.H.International Journal of Artificial Intelligence in Education
Navarrete, E.; Ewerth, R.; Hoppe, A.; Nehring, A.; Schanze, S.Education and Information Technologies
Balti R.,Hedhili A.,Chaari W.L.,Abed M.교육과학연구
이혜윤, 조일현, 김정현, 박연정학습자중심교과교육연구
조일현, 김정현The Journal of Transdisciplinary Studies
Kim Minsun, Jeonghyun Kim, 조일현교육방법연구
이현우, 이종문, 차윤미교육정보미디어연구
임정민, 손서빈, 김남주교육공학연구
성한올, 조일현디지털콘텐츠학회논문지
전병호교육과정평가연구
김용범Complexity
Hooshyar D.,Yang Y.Heliyon
Jira Chonraksuk; Surapon BoonlueJournal of Ambient Intelligence and Humanized Computing
Na L.현장수업연구
서진선, 이재경Education Sciences
Nazempour R.,Darabi H.Sensors
Zhu X.,Ye Y.,Zhao L.,Shen C.Heliyon
Martínez-Martínez A.,Montoliu R.,Remolar I.Active Learning in Higher Education
Zheng, Y.; Yang, Y.; Wang, J.; Pi, Z.; Li, X.; Zhao, X.SAGE Open
Hao, Yinhua; Zeng, Xiangmin; Yasin, Megat Al Imran; Boon Sim, Ng전선 / 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
이 교과목은 다양한 학습 데이터를 분석하여 학습자의 흥미와 필요를 고려한 맞춤형 학습을 설계하는 방법을 소개한다. 인공지능을 활용하여 학습활동을 자동으로 분석하고 학습결과를 예측하며, 그 결과를 바탕으로 교수자와 인공지능이 적응적으로 학습을 지원하는 방안을 탐색한다. 학습 상황과 학습자의 특성에 따라 최적의 학습경험을 어떻게 설계하고 지원할 수 있는지 논의한다. 그리고 디지털 테크놀로지를 활용하여 공교육에서 학습 데이터를 수집, 분석, 활용하는 과정에서 발생하는 사회적 문제를 비판적으로 검토하고 창의적인 해결방안을 모색한다.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
이 강좌는 학습자와 학습 맥락에 대한 데이터를 체계적으로 수집, 분석, 활용하여 각 학습자에게 최적화된 학습 경험을 제공하는 방법을 다룬다. 온라인과 면대면 학습환경에서 효과적으로 데이터를 수집하고 분석하는 방법을 조사하고, 학습분석에 기반하여 개별화된 학습을 설계하고 대시보드와 같은 디지털 도구를 개발하는 방법을 탐구한다. 그리고 학습분석 과정에서 발생할 수 있는 윤리적 이슈를 예방하기 위한 실천방안에 대해서 논의한다.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
본 교과에서는 교육심리학 분야에서 지금까지 연구된 학습동기에 관한 연구들을 비판적 관점을 가지고 평가하고 학습동기에 관한 새로운 연구 주제들을 탐색해 보는 것을 주목적으로 한다. 학습동기는 학생의 인지적 능력과 함께 학습활동과 결과에 영향을 미치는 중요 개인변인으로서, 1980년대 이후 이에 관한 많은 연구들이 진행되고 있다. 학습동기가 사회문화적 맥락의 영향을 많이 받는다는 측면에서 본 교과에서는 기존 서구중심의 학습동기 연구를 넘어서 우리 교육맥락에서 학생들이 가지고 있는 학습동기를 새로운 관점에서 재조명해보고자 한다.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 / 학사
다양한 교육 사례를 분석하여 디지털 전환 시대 빅데이터의 교육적 활용 가능성과 도전적 과제를 탐색한다. 학습자중심교육에 대한 이론과 모형을 학습하고 빅데이터와 인공지능을 활용하여 맞춤형 학습환경을 설계할 수 있는 역량을 기른다. 교육 문제를 창의적으로 해결하기 위해 빅데이터와 디지털 테크놀로지를 활용하는 방안을 탐구한다.전선 / 학사
본 교과목은 학습자의 학습과 동기를 이해하기 위한 주요 이론적 기초를 탐구한다. 행동주의, 인지주의, 구성주의 등 다양한 학습이론과 자기결정성이론, 목표지향성이론, 귀인이론 등의 동기이론을 학습한다. 이러한 이론적 이해를 바탕으로 학습자의 능동적 참여를 촉진하고 학습동기를 증진시킬 수 있는 효과적인 학습활동과 학습환경을 설계하는 방법을 탐색한다. 이론과 실제의 연결을 통해 교육 현장에서 적용 가능한 실천적 지식을 함양하는 것을 목표로 한다.전선 / 학사
이 과목은 학업성취도를 포함하여 학습자의 핵심 역량을 측정하는 여러 가지 검사도구의 사례를 통하여 역량평가도구의 개발 및 양호도 확인 과정에 대한 다양한 방법론을 소개하고자 한다. 또한 역량평가도구를 실제로 개발하고, 관련 데이터를 수집하며, 이를 통해 평가도구를 평가해봄으로써 학습자 역량 평가와 관련된 이론적, 실제적 이론을 경험하도록 한다.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 / 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
이 강좌는 교수 및 학습을 개선하기 위한 학습과학의 다양한 연구주제와 이론을 탐구한다. 학습에 대한 인지적, 정의적, 사회문화적 접근을 비판적으로 검토하고 첨단 테크놀로지를 활용하여 교수 및 학습을 향상시키기는 방안에 대해 논의한다. 설계기반 연구방법을 적용한 학습과학 연구를 체계적으로 검토하고 해당 연구방법을 적용하여 연구 계획서를 작성한다.전선 / 대학원
본 교과목은 컴퓨터 매개 커뮤니케이션 현상과 관련된 다양한 이론과 실증 연구를 조망하는 것을 목표로 한다. 특히 사람들이 테크놀로지의 발달로 등장한 상대적으로 새로운 형태의 인간 커뮤니케이션 방식을 어떻게 이용하며, 다양한 매체의 속성에 따라 커뮤니케이션의 제반 과정 및 결과는 어떻게 달라지는가를 집중적으로 살펴보고자 한다. 구체적으로 컴퓨터 매개 커뮤니케이션 환경에서 아래와 같은 현상이 어떠한 방식으로 발현되는지를 검토할 것이다: 언어의 성차(性差), 가상의 자아 정체성, 대인 커뮤니케이션에서 자기 표현과 불확실성의 감소, 사회적 스테레오타입, 집단 의사 결정과 집단 순응 효과, 인터넷 상의 사회적 네트워크 형성, 컴퓨터 네트워크에 의해 지지되는 협업 등이다. 기말 과제로 학생들은 독자적인 연구문제를 개발하고 이를 실증적으로 검증할 수 있는 연구를 디자인하게 될 것이다.전선 / 대학원
본 강좌는 인터넷 기술을 기반으로 이루어지는 이러닝(e-Learning) 프로그램, 과정, 혹은 학습 환경을 설계하기 위한 다양한 원리, 아이디어, 모형, 이론을 검토한다. 컴퓨터 및 인터넷을 활용하는 교육 프로그램 개발에 대한 기초적인 이해와 경험을 선수학습으로 요구한다. 본 강좌에서는 중급 이상의 기술을 적용하여 실제 프로젝트의 개발을 경험하게 된다. 또한 이러닝 설계에 관한 최근의 연구 결과에 대한 비판적 분석과 이해를 지향한다.전선 / 대학원
이 강좌는 학교폭력, 소외, 행동문제, 학습문제 등 학교에서 나타나는 다양한 심리문제들에 대해 조사하고, 이를 기반으로 현장 개선을 위한 보고서를 작성 발표하는 것을 목표로 한다. 이를 위해 학교 내 다양한 심리적 문제에 대한 연구결과물들을 개관하고, 이를 기반으로 우리나라 학교에서 나타나는 학생 및 교사들의 심리문제를 조사하며, 최종적으로 이를 기반으로 한 보고서를 작성하고 발표하는 활동을 진행한다.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 / 학사
인공지능은 사람의 생각과 행동을 모사하고, 이성적인 행위를 통하여, 주어진 목적을 달성하는 시스템을 연구하는 학문 분야이다. 본 수업에서는 인공지능 시스템을 구성하기 위한 다양한 방법론을 논한다. 이는 효율적인 탐색, 지식의 표현, 불확실성에 대한 이해, 상관관계와 인과관계에 대한 이해, 시각, 음성, 자연어 등의 처리, 학습 등을 포함한다. 이를 통해 학생은 인공지능의 핵심 원리와 기술에 대해 수학적, 논리적, 정성적, 정량적, 확률 통계적, 학습적 관점 등으로 종합적인 이해를 한다.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.전선 / 학사
Computer Simulated Image의 도움을 받아 공간 속에서 이동하는 인간의 행동을 예측하고, 이를 통하여 공간의 규모나 배치를 결정하는 디자인을 배운다. 따라서 이 강의는 형태를 생성하는 규칙을 배우며, 또한 이용자의 행동 특성을 설계에 반영하기 위해 생성한 형태를 인간의 생활 속에서 평가하고, 나아가 디지털 프로세스를 통해 표현 기술을 개발한다.