If the collection is public, the memo for this book will also be public.
Your Browsing History
There is no data.
There is no data.
loading...
This study explored the current status of graduate majors in the department of education in Korea through network analysis. The results showed that education administration major had the highest degree and closeness centrality, while lifelong education major had high betweenness centrality. In cohesive analysis, majors were distinguished by university installation status rather than similarity, and higher education major was located in structural holes.
국어교육을 위한 연계성의 이론과 실제
교육방법 및 교육공학
교육과정과 삶의 쟁점 : 인간관계론
Neoproterozoic geobiology and paleobiology
Doctoral education for the knowledge society : convergence or divergence in national approaches?
「고교-대학 연계」를 통한 대입전형 연구.
진로·진학과 연계한 고교 선택 중심 교육과정 편성·운영 방안 연구
Success with your education research project
사범대 다니면서 임용 걱정 없이 : 사범대생들이 알고 싶었지만 들을 수 없었던 모든 것
학과(전공)분석 및 학과(전공)분류체계 연구
취업통계분석자료집.
(R과 함께하는) 통계학의 이해와 활용 =
Perspectives on close relationships
Secondary teachers at work
새로운 학력관에 따른 고교체제 연구 : 학교 운영을 중심으로
Selecting the right analyses for your data : quantitative, qualitative, and mixed methods
전국대학·대학원교육정보 총람.
고교-대학 연계를 위한 대입전형연구. 대학 신입생 선발 실태 및 개선방안 연구
Higher Education: Handbook of Theory and Research : Volume 27
Handbook of distance education
이수용, 오석영, 박수연, 장경진 · 2019
미래교육학연구
유예림, 신안나 · 2025
고등교육
김병찬 · 2015
교육행정학연구
김영기 · 2024
한국지식정보기술학회 논문지
송인한, 김혜진 · 2019
한국융합학회논문지
송현순 · 2016
실과교육연구
이주희, 신상명 · 2017
교육행정학연구
Jarratt, Lindsay; Lynn, Freda B.; Shi, Yongren; Broton, Katharine M. · 2024
Research in Higher Education
최승배 · 2013
한국데이터정보과학회지
박세훈 · 2017
교육종합연구
김종우; 김효심 · 2016
학습자중심교과교육연구
김윤지, 김찬희 · 2025
교육문제연구
이민호 · 2017
한국행정학보
김종우; 김효심 · 2017
학습자중심교과교육연구
김병찬, 박소영 · 2006
교육행정학연구
김은정, 이윤정, 김지선 · 2018
Human Ecology Research
이상철 · 2012
수산해양교육연구
이인회, 홍지환, 오승천 · 2024
제주대학교 교육과학연구
김재웅, 박상완, 이예경 · 2018
교육행정학연구
현영섭 · 2017
교육학연구
전선 / 대학원
이 강좌는 교육연구에 필요한 통계적 분석에 대한 개념과 이론을 제공하기 위한 것이다. 이를 위해 교육관련 각종 자료의 유형을 살펴보고 이들을 분석하는데 필요한 여러 통계적 기법들을 살펴보게 될 것이다. 아울러 수강생들은 통계적 기법을 활용하여 교육관련 자료들을 실제로 분석하게 될 것이다.전선 / 대학원
교육정책 분석을 위한 이론적 및 실천적인 기초를 제공하는 연구방법론 강좌임. 이 강좌를 수강하기 위해서는 먼저 양적 연구 및 질적 연구 방법론 강좌를 최소한 2개 이상 수강하여야 함. 강의는 주로 이론 강의와 더불어 각종 정책사례실습을 하게 됨. 또한, 학생들은 수업시간을 통하여 자신이 직접 정책사례를 선택하여 자신의 학술논문을 완성하거나, 또는 학위논문을 쓰기 위한 연구계획서를 완성하여야 한다.전선 / 대학원
이 수업의 목적은 교육연구에서 전통적으로 사용되어 온 양적 연구방법의 기본 개념 및 분석 방법을 습득하게 하는 데 있다. 이 수업에서 다루는 통계방법에는 t검증과 분산분석, 상관분석, 회귀분석 등이 포함된다. 학생들은 이 수업을 통해서 주어진 연구문제에 답하는 데 적절한 통계방법을 찾아서 실제 데이터에 적용하여 분석할 수 있으며, 분석 결과를 효과적으로 제시하고 해석할 수 있게 될 것이다.전선 / 대학원
본 교과목은 네트워크 분석(network analysis) 방법론을 이론적으로 학습하고, 이를 바탕으로 디지털 경영환경과 시너지 경영의 사례를 탐구합니다. 수강생들은 네트워크 분석 방법론이 사회 현상 및 기업 문제 해결에 어떻게 응용되는지를 배우며, 디지털 경영 환경(딥러닝, 블록체인, 플랫폼 비즈니스 등)에서 네트워크 분석 개념이 어떻게 활용되는지 학습합니다. 시너지 경영은 두 개 이상의 단위를 통합적으로 관리함으로써 개별적으로 관리했을 때보다 더 높은 성과를 창출하는 경영을 의미합니다. 양자적 관계 혹은 네트워크 관계에서 발생하는 시너지 효과를 중심으로 인수합병(M&A), 전략적 제휴 등 경영 활동과 현상을 사례를 통해 분석합니다. 또한, 본 수업은 실질적인 네트워크 분석 역량을 함양하는 데 도움을 주기 위하여, 오늘날 경영환경에서 수집 가능한 데이터와 소프트웨어 도구를 활용하여 네트워크 분석 방법론을 실제로 적용하고 응용할 수 있는 능력을 학습합니다.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 강좌에서는 학교에서의 학생들의 학습 및 정서 발달과 관련하여 지금까지 이루어진 교육심리 이론 및 연구들을 개관하고, 학습 및 정서 발달을 조력하기 위해 교육전문가들이 갖추고 있어야 한 기초 지식을 체계적으로 갖출 수 있도록 한다. 이를 위해 학습, 창의성 교육, 문제해결력 교육, 도덕성 교육, 사회성 발달 등에 관한 주요 교육심리학 이론 및 연구들을 개관하고, 학교에서 학생들을 도울 수 있는 다양한 교육접근들에 대해 살펴보고자 한다.전선 / 대학원
교육연구에 관심을 가지고 있는 대학원생을 위한 교육학과 대학원 공통교과 양적 연구방법론 과목으로서, <교육연구와 위계선형모형 1>이나 <교육연구와 구조방정식모형 1> 교과목 이전에 수강하기를 권고한다. 이 교과목에서는 중다회귀분석의 기본 개념 및 원리, 기본 가정에 대한 확인, 회귀분석모형에 대한 모형진단 등에 대하여 소개한다. 또한 연속변수에서 범주변수 등으로 종속변수의 확장에 따른 다양한 회귀분석 모형과 더불어, 기본 가정 위배에 따른 회귀분석의 확장 등 교육연구에서의 회귀분석 적용에 대하여 다룬다.전선 / 대학원
교육 및 심리검사의 기본원리와 적용에 중점을 두어 개념적인 문제와 방법론적인 이해를 포괄하여 다룬다. 수강생들은 검사를 현장에 직접 적용하여 실제 자료를 분석하고 해석해보며 전체과정을 평가해보는 기회를 갖는다.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
학사과정에서 습득한 교육행정의 이론과 실제를 보다 심층적으로 분석 논의하는 것을 목적으로 한다. 관료제, 의사결정, 지도성, 조직풍토 등 교육행정학의 고전적 이론에서부터 최신의 이론까지 각 이론의 장 단점을 분석 평가하고, 현실적용 가능성을 검토한다.교직 / 대학원
본 교과목은 예비교사들이 갖추어야 할 교육심리학 지식과 이를 바탕으로 한 교수-학습과정에 대한 이해를 형성하도록 하는 데 그 목적이 있다. 본 교과목에서는 인지발달, 정서발달, 학습이론, 지능, 특수아동, 학습동기, 평가에 대한 내용들이 교육현장에서의 적용을 중심으로 다루어진다.전선 / 학사
본 과목은 교육현상에 대한 심리적 접근에 대한 기본적 이해를 형성하도록 하는 데 그 목적이 있다. 발달, 학습, 동기 측면에서 관련된 선행 연구에 대한 이해를 바탕으로 교육현상을 이해하는 교육심리학적 관점을 형성할 수 있도록 강의와 토론을 중심으로 수업이 이루어진다.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
온라인 교육 활동이 활발해지면서 교육 분야의 데이터가 폭발적으로 증가하고 있다. 온라인 교육이 쏟아내는 빅 데이터의 추출과 분석은 오프라인 데이터의 분석과 함께 과학교육의 현황을 파악하고 미래를 위한 과학교육의 방향을 결정하는데 중요한 정보를 제공할 수 있다. 이 과목에서는 학생들이 빅 데이터 분석의 원리와 방법을 이해하고, 학습 결과를 온라인과 오프라인 과학교육과 사회현상의 분석에 응용하는 능력을 기르는 것을 목표로 하며, 데이터 마이닝을 위한 확률 개념을 바탕으로 수집된 데이터에서 최대의 정보를 추출하는 방법을 학습한다. 특히, 대표적 분류 모형인 퍼셉트론, 합성곱 신경망, 순환 신경망, 생성 모형으로 오토 인코더, 적대적 생성 신경망, 볼츠만 머신, 딥 빌리프 네트워크 등을 깊이 다룰 예정이다. 학생들은 이 주제들에서 학습한 내용을 교육 데이터 마이닝의 실습, 무크와 같은 대규모 학습의 분석에 응용하는 연습을 한다. 이 과목은 교육 통계와 좋은 보완이 될 수 있다. 그러나 강의를 이해하는데 필요한 통계 수학과 컴퓨터 프로그램 지식을 선행 지식으로 요구하지는 않는다.전선 / 대학원
오늘날의 많은 경영의사결정은 해당 의사결정이 경영활동의 어떤 기능과 관계되는가와 상관없이 통계학과 경영과학에서 제시된 계량적 모형을 이용한 분석을 바탕으로 이루어지고 있다. 본 과목은 통계학과 경영과학의 최적화 과정에 대한 학생들의 기초적인 이해를 높이기 위해서 제시되었는데, 특히 가장 일반적으로 사용되는 MS/OR과 통계적 방법론에 대한 이해와 컴퓨터 프로그램을 이용해서 이러한 방법론들이 어떻게 실행되는가에 대해서 초점을 두고 있다. 본 과목을 통해서 학생들은 여러 가지 통계적 보고서를 평가하고, 이를 경영활동에 활용하는 능력을 가지게 될 것이며, 오늘날의 경영활동에서 기본적인 수단이 되는 통계적 방법론에 대한 기술을 배양하고, 경영환경에 대한 간단한 모형화를 통해 MS/OR과 통계적 방법론들이 얼마나 다양하게 활용되는가를 이해하게 될 것이다.전선 / 대학원
초중등학교 교육과정 구조의 이론적 기반과 실제적 변화 과정을 검토하고, 학교교육과정개발과 관련된 주요 쟁점 사항을 구체적 사례 중심으로 분석, 평가해 봄으로써 학교교육과정의 혁신을 위한 과제와 방향을 탐색한다.전선 / 대학원
연구설계에 관한 내용은 교육학과의 교육상담 전공, 교육심리 전공, 그리고 협동과정 특수교육 전공 간에 거의 전부 공유하는 내용이다. 따라서 이 과목에 대해서는 전공 구분 없이 함께 수강토록 개설하는 것이 과목 운영 상 경제적 효율성은 물론 다른 여러 가지 효과를 기대할 수가 있을 것이다. 기존 “상담연구세미나” 과목에서는 연구의 설계와 방법에 대해서 다루어왔기 때문에 이 과목의 명칭을 “교육심리상담특수교육 연구설계”로 변경함으로써 관련 박사과정 학생들이 전공 구분없이 연구설계 과목을 수강할수 있도록 하고자 한다. 이 과목은 실험연구설계, 조사연구설계는 물론 메타분석설계와 종단연구설계 등을 포함한다.공통 / 대학원
인문학 연구를 위해 관련 데이터를 처리하는 능력을 기른다. 데이터 구축, 탐색적 데이터 분석, 추론적 데이터 분석 등의 방법론을 두루 다루며, 이러한 방법론을 실제 인문 데이터에 적용하는 데 초점을 맞춘다.전필 / 대학원
오늘날의 많은 경영의사결정은 해당 의사결정이 경영활동의 어떤 기능과 관계되는가와 상관없이 통계학과 경영과학에서 제시된 계량적 모형을 이용한 분석을 바탕으로 이루어지고 있다. 본 과목은 통계학과 경영과학의 최적화 과정에 대한 학생들의 기초적인 이해를 높이기 위해서 제시되었는데, 특히 가장 일반적으로 사용되는 MS/OR과 통계적 방법론에 대한 이해와 컴퓨터 프로그램을 이용해서 이러한 방법론들이 어떻게 실행되는가에 대해서 초점을 두고 있다. 본 과목을 통해서 학생들은 여러 가지 통계적 보고서를 평가하고, 이를 경영활동에 활용하는 능력을 가지게 될 것이며, 오늘날의 경영활동에서 기본적인 수단이 되는 통계적 방법론에 대한 기술을 배양하고, 경영환경에 대한 간단한 모형화를 통해 MS/OR과 통계적 방법론들이 얼마나 다양하게 활용되는가를 이해하게 될 것이다.전선 / 대학원
기술개발의 성공여부는 최종적으로 시장에서의 성과에 달려있다. 최근 정보통신기술의 빠른 발달과 함께 기술혁신이 가속화됨에 따라 많은 신기술 혹은 융합기술이 출현하고 있어 기술적 가능성은 확대된 반면 시장에서의 불확실성(혹은 위험)이 증가되고 있다. 따라서 기술개발단계 이전에 시장에서의 성공가능성을 평가하고 수요를 예측하는 것은 기술경영의 측면에서 매우 중요하다고 할 수 있다. 본 교과는 신기술 혹은 신제품이 시장에 출시되기 이전에, 더 나아가 기술개발단계 이전에 시장에서의 성공가능성을 평가할 수 있는 신기술에 대한 소비자 선호분석 방법론을 교육한다.