최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 앱인벤터를 활용한 PBL 기반 데이터 사이언스 교육 수업이 초등학생의 컴퓨팅 사고력과 창의성에 미치는 영향을 조사하였다. 연구 결과, 해당 수업은 초등학생의 컴퓨팅 사고력과 창의성(독창성, 정교성, 성급한 종결에 대한 저항)을 통계적으로 유의미하게 향상시키는 효과가 있는 것으로 나타났다.
(창의적 수학수업을 위한)문제중심학습(PBL)
교사를 위한 블렌디드 러닝 기반 PBL 수업의 이해와 실제
Addressing Global Challenges and Quality Education : 15th European Conference on Technology Enhanced Learning, EC-TEL 2020, Heidelberg, Germany, September 14–18, 2020, Proceedings
Setting the standard for project based learning : a proven approach to rigorous classroom instruction
(실험 kit로 쉽게 배우는) 아두이노로 코딩배우기 : 아두이노 기초부터 앱인벤터 활용하기 =
생성 AI와 융합 교육
데이터 분석과 인공지능 활용
생성 AI와 융합 교육
Inquiry and innovation in the classroom : using 20% time, genius hour, and PBL to drive student success
PBL의 이론과 실제 =
(PBL기반) 창의설계입문
Towards learning and instruction in Web 3.0 : advances in cognitive and educational psychology
앱인벤터 한 권으로 끝내기 : 첫걸음부터 나만의 앱 제작까지 : GPT언어모델을 활용한 챗봇만들기
(SPSS, R, Pyhton을 활용한) Kaggle 데이터 전략 실무 연습
Design, make, play : growing the next generation of STEM innovators
Utilizing the paleobiology database to provide educational opportunities for undergraduates
뇌과학에 기반한 학생 창의·인성 함양 및 학습력 증진 방안 연구
Artificial Intelligence in Education : 17th International Conference, AIED 2015, Madrid, Spain, June 22-26, 2015. Proceedings
프로젝트 수업 제대로 하기 : 학습 효과를 높이는 세 가지 설계 혁신
Introduction to computation and programming using Python
정보교육학회논문지
김용민; 김종훈정보교육학회논문지
김용민, 김종훈영재교육연구
신명렬, 서혜애정보교육학회논문지
김거현; 유인환조형교육
강인애, 육지연정보교육학회논문지
문우종; 김봄솔; 김정아; 김봉철; 서영호; 오정철; 김용민; 김종훈Journal of Physics: Conference Series
M Syafri; Risnawati; Z Amir; M S Lubis정보교육학회논문지
문우종; 이준호; 김봉철; 서영호; 김정아; 오정철; 김용민; 김종훈예술인문사회 융합 멀티미디어 논문지
한영신中国教育技术装备 / China Educational Technology & Equipment
张亮; 张文辉; 邓丽敏; ZHANG Liang; ZHANG Wenhui; DENG Limin정보교육학회논문지
서형석; 이용배컴퓨터교육학회 논문지
최숙영; 김세민컴퓨터교육학회 논문지
김재경, 손의성정보교육학회논문지
김봄솔; 고은정; 문우종; 김종훈한국산학기술학회논문지
이근수브랜드디자인학연구
고은영특수아동교육연구
송희헌; 홍서연정보교육학회논문지
김용민; 김종훈학습자중심교과교육연구
김동용, 채다영, 박수홍정보교육학회논문지
김용민전필 / 학사
본 강좌는 커뮤니케이션 과학의 기초가 되는 데이터 분석 방법을 소개하고 이를 통해 학생들의 데이터 리터러시를 함양하는 것을 목표로 한다. 학생들은 과학적 설명과 예측의 기본 원리를 이해하고, 데이터 분석 방법을 PPDAC 문제 해결 과정(Problem-Plan-Data-Analysis-Conclusion)의 틀 내에서 학습하게 될 것이다. 이 수업을 통해 학생들은 설득, 확산, 여론, 대인관계, 공공 캠페인 등 다양한 커뮤니케이션 현상을 데이터를 바탕으로 설명하고 예측할 수 있게 될 것이다.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
데이터와 인공지능에 대한 이해를 바탕으로 디자인 과정의 효율과 창의성에 대한 실험을 진행한다. 인공지능을 기반으로 하는 생성적 디자인을 비롯하여, 디자인과정에서 인공지능을 활용하는 방법을 탐구한다.전필 / 대학원
인공지능 기술을 이용한 융합교육을 실현하기 위해 필요한 기초 프로그래밍을 배운다. 학생들에게 인공지능 기술에 대한 소양을 지도할 수 있도록 중고등 학생들이 다루게 되는 블록 코딩과 아두이노 등에 활용할 수 있는 C/C++ 프로그래밍의 기초 및 알고리즘을 배운다. 또한 딥러닝 기술에 주로 활용되는 파이썬과 데이터 분석에 주로 활용되는 R 에 대해 배운다. 프로그래밍 언어의 기본 구문과 알고리즘의 원리를 배움으로써 코딩을 활용한 융합교육을 설계하고 지도할 수 있는 역량을 기르도록 한다.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.전필 / 학사
본 강의는 데이터과학의 방법을 사회 자료 통계 분석에 이용하는 능력을 갖출 수 있도록 한다. 기술 및 추론 통계의 기본 방법론을 사회학 연구 설계와 경험 분석의 관점에서 다루고, 프로그래밍 언어 습득을 통해 자료 시각화와 통계 분석을 수행할 수 있는 능력을 함양시킨다.전선 / 학사
본 교과목은 빅데이터 혁신공유대학(COSS) ‘AI 기반 데이터 창업’ 마이크로디그리(MD) 연계융합교과목으로, 데이터 기반 창업의 핵심인 비즈니스 모델 설계를 다룹니다. 실제 스타트업과 함께 정의한 문제를 출발점으로 하여, 린 스타트업(Lean Startup) 방법론을 적용해 가설을 수립하고 시장검증 과정을 통해 체계적으로 검토합니다. 수강생은 데이터 기반 비즈니스 모델(BM) 캔버스를 작성하며, 고객 인터뷰와 시장조사를 통해 실질적 피드백을 확보합니다. 또한 경쟁사 분석을 수행한 뒤, 차별화된 가치 제안(Value Proposition)을 도출하는 과정도 설계합니다. AI 도구 활용 실습 중심의 BM 캔버스 워크숍을 통해 아이디어를 시각화하고, 고객 니즈에 맞춘 전략적 의사결정 역량을 함양하게 됩니다. 최종적으로 수강생들은 검증된 비즈니스 모델 캔버스와 초기 시장진입(GTM) 전략 초안을 완성하여, 이후 단계의 비즈니스 실행 계획 수립에 활용할 수 있는 구체적 근거를 마련하게 됩니다.교직 / 학사
디지털 대전환 시대 예비교사는 데이터와 AI 기술을 수업에 적절히 활용할 수 있는 인공지능융합역량이 요구된다. 본 강의는 코딩 및 데이터 사이언스의 기초 개념을 이해하고 간단한 수준의 코딩을 활용하여 데이터ㆍ AI 기반의 융합수업을 설계하는 실습 중심의 수업이다. 본 강의는 <교과-소프트웨어 융합역량 교육론 I>과목의 선수 강좌로 코딩에 대한 기초 지식이 없거나, 인공지능융합교육에 처음 입문하는 학생들을 위한 강좌이다.교양 / 학사
컴퓨터 과학을 처음 접하는 학생들에게 프로그래밍의 기초와 컴퓨팅 사고력, 그리고 데이터 처리를 소개하는 수업이다. 블록 코딩, 파이썬, HTML, 웹 크롤링, 데이터 시각화 등 현재 디지털 사회를 이해하는 데 요구되는 다양한 주제를 강의와 실습을 병행하여 공부한다. 문제 중심의 실습 과제들은 학생들에게 컴퓨팅의 자신의 전공분야에 어떻게 응용되는지 생각해 볼 수 있게 디자인되어 있다. 프로그래밍에 대한 사전지식이 없는 학생들을 위한 수업이다.전선 / 학사
창의프로젝트과제 1은 그린바이오 혁신융합대학 교과인증과정 중급에 설치되어 각 과정에서 습득한 지식을 토대로 진행되는 지산학 문제해결형 프로젝트 기반 학습(PBL)이다. 학생들은 모듬을 구성하여 주제를 선정하고 산업 및 연구에 적용할 수 있는 독창적인 아이디어를 제시한다. 발표, 토론 및 교수진의 피드백을 중심으로 진행된다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 진입을 위한 기초 강좌로서, 컴퓨터 비전공자가 컴퓨팅 분야 기초 지식 및 프로그래밍 능력을 짧은 시간에 학습하여 배양하는 것을 목표로 한다. 본 교과목의 전반부는 Python 언어 프로그래밍과 초급 자료 구조로 이루어져 있다. (1) 데이터 타입, assignment, 메모리 모델, namespace, 함수, control flow, repetition, recursion, 파일 입출력, 객체 지향 프로그래밍 등 Python 언어 기초 문법과 프로그래밍의 원리를 습득한 후, (2) 기본적인 정렬 알고리즘과 배열, linked list, 큐/스택, hash, 트리, 그래프와 같은 다양한 자료 구조의 특성과 차이점을 이해하고, (3) 예제들을 통해 배운 자료 구조들과 프로그래밍 원리를 Python 언어를 사용하여 직접 구현 할 수 있도록 한다. 본 교과목의 후반부는 컴퓨터 시스템 기초와 C 언어 프로그래밍으로 이루어져 있다. (1) 비트(Bit)와 데이터 타입, 반도체와 논리회로, 폰 노이만 모델 및 머신 코드, 컴퓨터 구조의 핵심 아이디어 등 컴퓨터 시스템의 기초 원리를 이해하고, (2) 배열, 포인터, 메모리 구조, structure, dynamic memory allocation 등 C 언어 기초 문법 및 프로그래밍의 원리와 하드웨어-소프트웨어 상호작용을 습득하며, (3) 예제들을 통해 배열/linked list/큐/스택을 C 언어를 사용하여 직접 구현 할 수 있도록 한다.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 컴퓨팅(C) 분야 첫번째 강좌이다. 본 교과목의 전반부는 C++ 언어 프로그래밍과 C++ 기반 객체 지향 프로그래밍으로 이루어져 있다. (1) C++ 언어의 기초 문법, 클래스의 개념과 사용법, template과 중요한 라이브러리를 학습하고, (2) abstraction, inheritance, polymorphism 등 객체 지향 프로그래밍의 원리를 습득한 뒤, (3) 예제들을 통해 클래스 기반 객체 지향 프로그래밍을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 본 교과목의 후반부는 중급 자료 구조 및 알고리즘과 딥러닝 플랫폼으로 이루어져 있다. (1) 데이터사이언스를 위한 컴퓨팅의 기초 강좌에서 다루지 않은 자료구조 및 정렬 알고리즘 (Quick sort, Radix sort, heap sort), 트리 알고리즘, 그래프 알고리즘 (Dijkstra, Kruskal 등) 등을 습득하고, (2) 배운 자료 구조와 알고리즘들을 C++ 언어를 사용하여 직접 구현 할 수 있도록 한다. 또, (3) Pytorch, TensorFLow 등 널리 사용되는 딥러닝 플랫폼을 학습하고, 동일 학기 수강이 권장되는 머신러닝 및 딥러닝 1(ABC 과정 중 A 분야 첫번째 강좌)에서 배운 딥러닝의 기본 원리들을 직접 구현하고, 이에 더하여 상기 플랫폼을 통해 구현 할 수 있도록 한다.전선 / 학사
프로그래밍 언어를 사용하여 이미지와 인터랙션을 다루는 방법을 배운다. 습득한 기법을 바탕으로 학생 스스로 창의적인 결과물을 제작한다.전선 / 학사
생명과학 분야에서는 최근 인공지능(AI) 모델을 활용해 새로운 지식을 창출하는 연구가 활발히 진행되고 있다. AI를 활용하여 생명과학 연구를 수행하는 연구자는 생명과학에 대한 지식뿐만 아니라 컴퓨팅 및 AI에 대한 기본적인 소양을 갖출 필요가 있다. 따라서, 본 과목에서는 생명과학 전공 지식을 학습한 학부생들을 대상으로 컴퓨터 과학, 빅 데이터, AI에 대한 심화 지식을 습득하고 AI를 활용하는 능력을 함양할 수 있도록 한다. 본 과목에서는 프로젝트 기반 학습(Project-Based Learning, PBL) 방법을 사용하여, AI를 활용해 생명과학 분야의 문제들을 직접 분석해 보고, 이 과정에서 습득한 지식을 향후 생명과학 연구에 직접 활용할 수 있도록 한다. 본 교과목의 전반부에서는 차세대 시퀀싱(Next-Generation Sequencing, NGS)을 포함한 멀티오믹스 빅데이터의 이론적 배경을 학습하고 이 데이터를 직접 분석하여 생물정보학 연구 과정을 체험할 수 있도록 한다. 후반부에서는 생명과학의 문제를 해결할 수 있는 AI 모델을 개발하기 위한 수리과학 및 컴퓨터과학 지식을 습득한다. 또한, 딥 러닝을 활용하여 직접 모델을 훈련시키고 평가함으로서 AI를 활용한 과학적 문제 해결 과정을 경험한다. 본 과목에서는 이와 같이 학생 주도적으로 프로젝트를 수행하며, 프로젝트 수행 결과를 바탕으로 성적을 부여한다. 본 교과목은“자연과학자를 위한 프로그래밍 및 인공지능 개론”(자연대 AI∙컴퓨팅 공통기초 과목) 수강자에 한해 수강이 허용된다.일선 / 학사
이 수업은 데이터 사이언스에 관심이 있지만 이전에 경험한 적이 없는 학생들을 대상으로 합니다. 수업은 크게 실제 적용 및 응용을 중심으로 운영됩니다. 데이터 사이언스라는 도구를 활용하여 무엇을 할 수 있는지 보여주어 학생들이 이를 통해 깊이 그리고 멀리 학문을 탐구할 수 있도록 동기를 부여하고 격려하고자 합니다. 선수학습 요건이 없는 데이터 사이언스 입문 난이도 수업이기 때문에, 사용하는 통계학과 프로그래밍의 지식은 간단히 언급될 뿐입니다. 따라서 작은 소주제들에 대한 포괄적인 기초를 제공하기 보다는 데이터 사이언스를 통해 무엇을 할 수 있는지에 대한 감각을 제공하는 것을 목표로 합니다.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.공통 / 대학원
컴퓨팅, 기계학습 알고리즘 및 확률/통계의 추론적 사고를 결합한 데이터사이언스는 데이터로부터 통찰력과 새로운 지식을 도출하고 이를 바탕으로 실제적인 문제를 해결하는 새로운 패러다임을 제공하고 있다. 본 과목은 여러 전공의 대학원에 들어온 학생들이 데이터를 이용해서 문제를 해결하는데 필요한 기본적인 이론 지식과 분석 능력 배양 등 융복합역량 함양을 목적으로 한다. 이에 더불어 학생들에게 데이터 중심적인 사고와 이를 통한 의사 결정 및 문제 해결도 가르친다.전선 / 학사
프로그래밍은 빅데이터를 다루기 위해 필요한 기초적 소양이므로 전공을 불문하고 데이터를 다루는 모든 분야에서 필수적이고 국내외 교육의 수요가 매우 높다. 본 교과목은 널리 쓰이고 있는 Python 언어를 바탕으로 프로그래밍의 핵심 원리를 다룬다.전선 / 학사
창의프로젝트과제 2은 그린바이오 혁신융합대학 교과인증과정 중급에 설치되어 각 과정에서 습득한 지식을 토대로 진행되는 지산학 문제해결형 프로젝트 기반 학습(PBL)이다. 학생들은 모듬을 구성하여 주제를 선정하고 산업 및 연구에 적용할 수 있는 독창적인 아이디어를 제시한다. 발표, 토론 및 교수진의 피드백을 중심으로 진행된다.전선 / 학사
본 과목에서는 원예작물 생리 및 생육환경 연구에 필요한 주요 측정 이론과 기술에 대하여 학습한다. 광합성, 수분포텐셜, 근권활력, 기타 스트레스 등에 대한 식물 생리반응 측정, 광도, 스펙트럼, 온도, 이산화탄소 등의 식물생육환경 측정, 작물의 미네랄 및 주요 대사산물 측정 등에 관련된 이론과 기술에 대하여 탐구한다.