최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
최필진, 심선희, 김하균
2011 / 경영과 정보연구
Kim, Zisun; Min, Sun Young; Yoon, Chan Seok; Jung, Kyu-Won; Ko, Beom Seok; Kang, Eunyoung; Nam, Seok Jin; Lee, Seolcwon; Hur, Min Hee; Korean Breast Cancer Society; Noh, Dong Young
2015 / Journal of Breast Cancer
Hwang Ji
2021 / 치위생과학회지
데이터가 존재하지 않습니다.
loading...
본 연구는 기계학습을 활용하여 대학생의 학습결과를 예측하고, 학습활동 데이터가 학습결과에 미치는 영향을 분석하였다. A대학의 1062명 학생을 대상으로 수집된 데이터를 기반으로 위계적 회귀 분석 및 선형 회귀 분석을 실시한 결과, 오차율은 약 8.4%로 나타났다.
Recurrent education, earnings and well-being : a fifty-year longitudinal study of a cohort of Swedish men
Learning analytics
A machine learning, artificial intelligence approach to institutional effectiveness in higher education
Addressing Global Challenges and Quality Education : 15th European Conference on Technology Enhanced Learning, EC-TEL 2020, Heidelberg, Germany, September 14–18, 2020, Proceedings
The IEA study of reading literacy : achievement and instruction in thirty-two school systems
Learning Analytics: Fundaments, Applications, and Trends : A View of the Current State of the Art to Enhance e-Learning
Smart learning environments
Predictive behavior : an experimental study
Learning analytics in higher education : current innovations, future potential, and practical applications
The essentials of machine learning in finance and accounting
한국 대학생의 학습과정 분석 연구.
국가수준 학업성취도 평가 결과를 활용한 교과별 학업성취 유형 분석 및 맞춤형 피드백 제공 방안 연구
인공지능. 현대적 접근방식 /
인공지능. 현대적 접근방식 /
The Affordances of WebQuests : perception of students at the Ethiopian Civil Service University
Artificial intelligence in higher education : a practical approach
Emerging issues in smart learning
교과별 핵심 개념에 대한 학생의 이해 특성 분석과 교수학습 전략 탐색
R을 활용한 기계 학습 : 데이터 분석을 위한 머신 러닝 이론과 적용
인공지능 : 현대적 접근방식
아시아교육연구
김민정, 유진은디지털콘텐츠학회논문지
정영란SAGE Open
Wei Y.,Shi Y.,MacLeod J.,Yang H.H.학습자중심교과교육연구
조헌국IEEE Intelligent Systems
Song X.,Li J.,Sun S.,Yin H.,Dawson P.,Doss R.R.M.한국융합과학회지
이진영; 이희화교육방법연구
이현우, 이종문, 차윤미교육공학연구
전은화; 한재훈교육공학연구
신종호, 최재원교육재정경제연구
김영식, 김훈호Journal of Educational Computing Research
Durak H.Y.Human Factors in Healthcare
Choudhury, Avishek; Asan, Onur기독교교육 논총
송윤희APPLIED SCIENCES-BASEL
Namoun, Abdallah; Alshanqiti, AbdullahJournal of Research in Innovative Teaching & Learning
Rahila Umer; Suriadi Suriadi; Teo Susnjak; Anuradha MathraniJournal of Research in Innovative Teaching & Learning
Rahila Umer; Teo Susnjak; Anuradha Mathrani; Suriadi SuriadiJournal of Adolescence
O'Donnell S.C.,Oyserman D.인공지능연구 논문지
김용우, 우상미Asia Pacific Education Review
Jin X.Journal of Information Technology Education: Research
Wells J.,Spence A.,McKenzie S.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
통계적 기계학습 방법은 데이터과학 및 인공지능 분야에서 핵심 방법론으로 사용되고 있다. 본 강의에서는 통계적 기계학습 방법론을 소개하고 기본 이론을 배운다. 주로 지도학습방법론을 위주로 다루며, 의사결정론, 고차원 선형모형, 비모수 함수추정, 의사결정나무와 앙상블, Support vector machine 그리고 딥러닝에 대한 이론 및 알고리즘을 가르친다. 그리고 지도학습 알고리즘을 관통하는 통계학적 원리인 M-추정량에 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 / 학사
통계분석 결과를 정확히 이해·해석하기 위한 확률과 기술통계, 가설검정, F 분포와 분산분석, 회귀·상관, 범주형·빈도 분석을 다룬 뒤, 머신러닝의 핵심 개념을 가볍게 소개한다. 간단한 분류·회귀·군집 알고리즘 및 기초적 모델 해석 가능성과 윤리·편향 이슈를 실습 중심으로 학습한다.전선 / 대학원
마케팅 활동의 효과를 높이는 방향의 하나로서 데이터에 기반한 과학적인 마케팅 실행에 대한 필요성이 지속적으로 높아지고 있는데, 데이터 사이언스 및 인공 지능 분야의 핵심 요소 중의 하나인 머신 러닝 기법들이 이러한 과학적이며 효과적인 마케팅 프로그램을 실행하는데 있어 매우 유용한 도구로서 활용될 수 있을 것이다. 본 과목에서는 마케팅 의사 결정의 품질을 높이기 위해 머신러닝의 다양한 분석 기법을 효과적으로 활용하는 방법에 대해 학습하는데, 마케팅 의사 결정의 종류가 다양하고 또한 이들 종류별로 필요한 데이터와 적절한 분석 기법이 상이하므로 마케팅 의사 결정 종류별로 어떠한 데이터를 어떠한 기법을 통하여 분석할 것인지에 대한 체계를 중심으로 학습한다.전선 / 대학원
체육측정평가연구는 체육과 스포츠 현장에서 양적 분석과 관련된 검사도구나 측정치의 평가와 관련된 제반 이론이다. 신뢰도, 타당도, 타당도일반화, 고전검사이론, 문항반응이론 등에 대한 내용을 강의한다.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. 모듈화된 본 강의는 중급 강의로 R의 기본을 익힌 학생들을 대상으로 본격적인 자료분석에 필요한 기술들을 학습할 수 있는 기회를 제공한다.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.공통 / 대학원
기계 학습은 새로운 통계방법론 및 알고리즘 개발의 기반역할을 하고 있다. 이 과목에서는 고급기계학습을 위한 방법론을 이론적 기초와 함께 강의할 예정이다. 또한 방법론의 실용적 측면과 직관을 통하여 이론적 내용을 제공하여 학생들이 상황에 맞는 적절한 분석방법과 각자의 연구주제에 적합한 분석 툴에 개발하는데 도움을 주고자 한다. 구체적으로 머신러닝 연구에 중요한 비모수추론, 집중 부등식, 최적화 및 변분 방법등과 같은 주제를 다를 예정이다전선 / 대학원
기계학습의 기초, AI 시스템의 평가, 윤리적 /법적 측면과 함의를 교육분야의 적용 사례를 통해 살펴보고, 전통적 과학교수학습이론과 평가이론과의 접목을 논의하면서 인공지능 및 언택트 시대의 과학교수학습과 평가에 대한 조망 및 새로운 연구분야에 대한 이해를 높인다.전선 / 학사
“공간정보분석1: 통계모형”의 심화과정으로 해석모형과 달리 예측모형에 초점을 둔다. 공간 패턴의 학습과 예측에 접목할 수 있는 머신러닝과 인공지능의 주요 이론과 알고리즘을 소개하며 R/Python 코딩과 사례연구를 통해 실천적 공간데이터 사이언스의 기초를 제공한다. 이 강의는 머신러닝의 학습이론, 감독학습, 무감독학습, 신경망, 앙상블 학습을 주 내용으로 하며 공간 헤도닉 모형, 공간 클러스터와 아웃라이어 패턴, 가우시언 프로세스와 공간 크리깅 내삽, 공간의사결정 등 지리학적 활용을 연습한다.전선 / 학사
인공지능의 발전 및 데이터의 축적으로 최근 재료공학분야에서 기계학습이 활발히 적용되고 있고 새로운 재료설계방법으로 떠오르고 있다. 본 강좌에서는 학생들에게 기계학습 및 통계추론에 대한 기초 이론 및 파이썬을 이용한 라이브러리 활용 방법을 강의한다. 이를 바탕으로 학생이 실제 재료 데이터에 기계학습을 적용하고 해석하는 방법을 익히도록 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
학부과정을 총정리하는 의미에서 지금까지 학습한 철학, 정책, 실천 등을 우리나라의 실제 분야에 적용해 보기 위한 기반을 구축하려는 목적을 지니는 과목이다. 소득구조, 근로조건, 주택, 의료 등의 문제들을 검토하고, 학생들의 공통적인 관심사도 연구과제로 삼게 된다.전필 / 대학원
본 교과목은 학문적 체계를 이해하기 위하여 이론이란 무엇인가? 그 기능과 구성은 어떻게 이루어졌는가? 간호과학은 어떻게 발전되어 왔으며 그 특성을 규정하는 간호이론 발달의 현주소는 무엇인가? 등의 질문을 바탕으로 폭넓은 문헌고찰과 토의를 통해 탐색함으로써 간호학의 학문적 성격을 이해하고 간호 지식체의 근거를 확인하는 과정이다.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 / 학사
이 과목은 시공간 좌표체계에서 측정된 사회와 자연현상의 데이터 사이언스 분석기법을 다룬다. 지리학의 제 분야에서 다루는 정보를 정량적 분석이라는 맥락에서 “공간정보분석 1, 2”의 선행과목을 이수한 학생을 대상으로 한다. 시공간 자료구조, 시계열 모형, 공간모형의 이론을 고찰하고 머신러닝 알고리즘과 지리정보시스템을 플랫폼으로 실제 사례분석을 연습한다.전선 / 대학원
본 교과목은 교육행정연구방법의 지평을 넓히고, 연구주제에 부합하는 연구방법을 적용하여 스스로 연구할 수 있는 능력을 계발하는데 그 목적이 있다. 이를 위하여 본 강좌에서는 연구계획서의 개발, 관련문헌고찰, 양적,질적 연구, 철학적, 역사적 연구 등 교육연구에 관한 기본적 사항들을 검토하고, 교육행정연구 분야에 적용될 수 있는 새로운 연구방법들을 탐색하여 논의한다.전선 / 학사
본 강좌에서는 코퍼스 언어학의 내용을 기반으로 모국어로 혹은 제2 언어나 외국어로 한국어를 학습하는 학습자의 언어 자료를 사용하여 (한)국어 교육에 활용하는 방안에 대해 고찰하고자 한다. 이를 위해 학생들은 코퍼스의 개념과 유형을 한국어 코퍼스와 연관 지어 살펴보고, 콘코던스 프로그램을 통한 한국어 코퍼스 검색 및 분석에 관련된 실제적 지식을 함양한다. 나아가 한국어 코퍼스를 어휘 교육, 문법 교육, 담화 교육, 교과서 분석 등에 활용하는 구체적 방안에 대해서도 탐구한다. 본 강좌를 통해 학생들은 한국어 코퍼스를 (한)국어 교육 현장의 필요에 따라 효과적으로 활용할 수 있는 교수 역랑을 기를 수 있다.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.