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 aims to address the high dropout rate in distance universities by building an AI algorithm-based prediction system and deriving factors influencing dropout through learning data factor analysis. Effective AI algorithm application strategies are proposed through the development and performance comparison of supervised learning models utilizing these factors.
Early warning systems and targeted interventions for student success in online courses
Intelligent tutoring systems : 17th International Conference, ITS 2021, Virtual Event, June 7-11, 2021, Proceedings
Artificial intelligence in higher education : a practical approach
Transforming digital learning and assessment : a guide to available and emerging practices and building institutional consensus
문재인 이후의 교육 : 교육평론가 이범의 솔직하고 대담한 한국교육 쾌도난마
"Why we drop out" : understanding and disrupting student pathways to leaving school
Introduction to distributed algorithms
Motivating and retaining online students : research-based strategies that work
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
Collaborative dialogue technologies in distance learning
원격대학의 질관리 및 원격교육에 대한 학점인정방안 연구
Artificial intelligence applications in distance education
Artificial Intelligence for Communications and Networks : Second EAI International Conference, AICON 2020, Virtual Event, December 19-20, 2020, Proceedings
Learning Analytics: Fundaments, Applications, and Trends : A View of the Current State of the Art to Enhance e-Learning
Joint models for longitudinal and time-to-event data : with applications in R
Joint models for longitudinal and time-to-event data : with applications in R
초·중학교 원격수업에서의 학습 격차 완화를 위한 지원 방안 탐색
Remote learning in times of pandemic : issues, implications and best practice
Distance education course on strategic financial management in high education = 대학의 전략적 재정경영에 관한 원격교육과정 내용.
원격교육론 =
이정훈 · 2024
교육종합연구
김동형 · 2025
지능정보융합과 미래교육
이정훈 · 2024
한국산학기술학회논문지
백은주, 이승형 · 2025
학습자중심교과교육연구
Seo EY; Yang J; Lee JE; So G · 2024
Heliyon
정석봉; 김두연 · 2023
한국시뮬레이션학회 논문지
Charitaki G.,Andreou G.,Alevriadou A.,Soulis S.G. · 2023
Education and Information Technologies
Song, Zihan; Sung, Sang-Ha; Park, Do-Myung; Park, Byung-Kwon · 2023
APPLIED SCIENCES-BASEL
조정원, 김남식, 최유리 · 2025
교육행정학연구
안수현, 이상준 · 2020
인문사회과학연구
전주성 · 2010
Andragogy Today: Interdisciplinary Journal of Adult & Continuing Education (IJACE)
권진백 · 2024
한국데이터정보과학회지
최선, 김광재 · 2008
e-비즈니스연구
문명현, 김길재 · 2023
교육재정경제연구
Sandoval-Palis I.,Naranjo D.,Vidal J.,Gilar-Corbi R. · 2020
Sustainability (Switzerland)
Jung Hun Lee · 2024
The Education Research Institute
Houssam El Aouifi; Mohamed El Hajji; Youssef Es-Saady · 2024
Education and Information Technologies
Oqaidi K.,Aouhassi S.,Mansouri K. · 2022
International Journal of Emerging Technologies in Learning
Ortigosa A.,Carro R.M.,Bravo-Agapito J.,Lizcano D.,Alcolea J.J.,Blanco Ó. · 2019
IEEE Transactions on Learning Technologies
Cannistrà M.,Masci C.,Ieva F.,Agasisti T.,Paganoni A.M. · 2022
Studies in Higher Education
전선 / 학사
본 과목은 지식정보사회의 새로운 교육 및 학습 형태로 자리 잡아가고 있는 이러닝에 대한 이해를 원격교육의 연장선에서 다룬다. 이러닝의 도입 배경 및 국내외 현황에 대한 검토와 함께 효과적인 이러닝의 개발과 운영을 위한 다양한 이론적 모형을 비판적으로 소개한다. 또한 원격교육의 발전 측면에서 이러닝의 실제 및 이론적 동향을 분석하게 된다. 본 과목을 통하여 이러닝의 간단한 사례를 개발하는 절차와 기법을 익히게 된다.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 / 대학원
평균 제곱 추정(mean square estimation), 최대 가능성 추정(max likelihood estimation), 그리고, Wiener 필터링과 같은 고전적인 추정 이론에 대해 소개한다. 이산 시간 또는 연속 시간 Kalman 필터, shaping filter, 최적 평활, Kalman 필터 디자인과 성능 분석, 제곱근 필터링, 확장 Kalman 필터를 포함한 비선형 필터링에 대해서도 알아본다.전필 / 대학원
본 과목은 왜 특정 기업들이 다른 기업들보다 우월한 성과를 내는지를 생각해보고, 한 기업이 경쟁력을 갖추거나 잃게 되는 과정을 살펴본다. 학생들은 기업이 전략적 결정을 바르게 하고 있는지, 기업이 직면하고 있는 전략적 이슈들과 그 반대급부를 제대로 이해하고 있는지, 필요한 발전방향을 제대로 인식하고 있는지에 관한 개념적이고 분석적인 방법들을 배우게 된다. 따라서 본 과목은 일반관리자를 지원하는 학생들뿐만 아니라 경영 컨설팅, 투자은행, 벤처 캐피탈 등 전략적 의사결정이 필요한 직업에도 필수적이다. 본 과목은 수업시간 내내 다차원적인 문제의 형성과 해결을 강조하는 경영 관점을 유지하면서, 다양한 사례와 프로젝트를 통해 학생들이 다양한 경영 상황에서 전략적 의사결정을 해 볼 수 있는 기회를 제공한다.전선 / 대학원
본 강좌는 전통적인 원격교육의 학문적 탐구에 대한 검토를 바탕으로, 최근 정보화 사회의 교수 학습 체제의 개념적 틀을 제공하고 있는 이러닝(e-Learning) 관련 최신 연구 결과를 분석적으로 검토하는 기회를 제공한다. 원격교육의 개념, 역사, 국내 및 국제적인 동향에 대한 기본적인 이해와 함께 교육공학적 접근을 활용하는 연구 결과의 특징과 시사점을 분석하게 된다. 매체의 교육적 활용 관련 연구의 연장선에서 이러닝의 교육공학적 탐색을 화면 설계, 상호작용 설계, 인터페이스 설계와 같은 미시적 연구에서부터 학습 공동체 설계, 이러닝의 질적 평가 및 학습 관리 체제의 새로운 설계 원리와 같은 거시적 연구 주제에 대한 폭넓은 탐색을 통하여 향후 연구 주제를 설정하는데 방향을 제시하게 된다.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 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야(active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.전선 / 대학원
실제적인 문제를 해결하는 인공지능(AI) 기반 교육을 현장에서 적용하기 위해선, 각 교과의 전문성이 있는 AI융합전공 수강생들이 인공지능(AI) 지식과 구현능력을 바탕으로 협업하여 수업을 설계하는 역량이 요구된다. 이 강의의 목적은 첫째, 각 교과의 전문성을 가진 교사들이 인공지능 지식과 구현능력을 바탕으로 협업하여 실제적인 문제를 해결하는 교과별 인공지능 연계 프로젝트를 하는 것이다. 둘째는 교과교육 교사들이 서로 협업하여 문제 해결 중심의 교과별 인공지능 연계 수업을 설계하는 것이다. 이 교과목을 통해 AI융합전공 수강생들은 인공지능을 실제적인 문제해결에 쓰는 경험과 융합 수업 설계능력, 그리고 협업 역량이 증진될 것이다.전선 / 학사
통상적으로 교통운영은 교통류에 대한 충분한 이해를 바탕으로 적절한 운영 방안을 도입하여 도로교통시설의 효율을 높이는 것을 의미한다. 이를 위해 교통류에 대한 미시적‧거시적 관점, 교통량‧속도‧밀도 등 교통류 특성 간의 관계, 교통정체의 발생 및 해소 과정 등을 이해하는 것이 중요하다. 한편, 교통수단의 다변화로 인해 기존 교통운영의 대상이었던 도로교통이 교통시스템의 한 요소로써의 역할을 맡게 되었으며, 자연스럽게 교통운영의 범위도 확대되었다. 또한, 정보통신기술의 발달이 수집 가능한 정보의 질적‧양적 성장을 촉진하였지만, 불완전한 정보가 수집되거나 교통시스템 내‧외적 요인으로 인해 불확실한 예측이 이뤄지는 경우도 발생하였다. 최근 들어 이를 해결하기 위해 인공지능(Artificial Intelligence, AI)을 활용한 사례들이 등장하고 있다. 따라서 이 과목에서는 교통류분석, 교통신호제어 등의 배경이 되는 교통 관련 이론에 대해 학습함과 더불어 교통운영 분야 내 다양한 AI 적용 사례들을 소개하면서 기계학습(Machine Learning), 딥러닝(Deep Learning), 생성형 AI(Generative AI) 등 연관된 AI 기법을 살펴본다. 아울러 자율주행차량 제어, 대중교통 및 모빌리티 시스템 운영 등 교통운영의 확대된 범주 내에 포함되는 교통시스템에 대해서도 다룸으로써 폭넓은 지적 기반을 제공할 수 있을 것으로 기대된다.전선 / 대학원
본 과목은 빠른 속도로 발전하고 있는 인공지능 분야에서 최근 중요 기술 및 논문들 중 선별하여 강의를 제공한다. 주요 논문과 최신기술에 관한 학습 및 논의, 팀별로 국제적 발표가 가능한 수준의 연구 프로젝트의 진행, 등을 목표로 한다. 주제는 알고리즘 분야 (active learning, classification, clustering, multitask and transfer learning, stochastic methods, unsupervised learning, self-supervised learning) 및 딥러닝 분야 (adversarial networks, deep autoencoderes, generative models, optimization for deep networks, recurrent networks, supervised deep networks)를 중심으로 다루며, 각 학기마다 중점 내용이 조정된다.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.전선 / 학사
본 강의는 AI를 이용해 다양한 형태의 데이터 분석을 학습하는 것을 목적으로 한다. 기초적인 계량 통계분석 방법들에 대한 이론적 이해와 실제 분석을 통해 그 결과를 보고하는 방법을 배운다. 강의의 주요 학습 내용은 수집된 자료를 요약하는 기술통계와 추론통계에 필요한 확률 및 가설검정 이론을 학습하고, 이후 카이제곱 검정, t 검정, 변량분석 및 단순 회귀분석에 대해 학습한다.교양 / 학사
AI는 현재 기술과 사회를 모두 이끌어가는 핵심 키워드이며, 지난 10년 이상 기술적 잠재력을 어필하는 시기에서, 일상에 실질적으로 유용한 서비스를 제공하고 시장성을 확보하는 방향으로 전진해야하는 시대적 요구에 직면에 있음. 본 교과목은 학생들의 다학제적 협업 및 교수자와의 상호 토론을 통해 현대인의 일상에 AI가 유용하게 사용될 수 있는 시나리오를 탐색하고, 데이터 수집, 윤리적 이슈, 사회적 규제 등을 종합적으로 고려하여 상기 시나리오를 구체화해보는 경험을 제공함. 본 교과목은 디지털 대전환 시대에 경쟁력 있는 인재 양성을 위해 AI와 일상의 간격을 효과적으로 해소하는 실용적 사고력을 배양하는 것을 목표로 함.전선 / 대학원
본 교과목은 데이터사이언스 대학원의 ABC(AI model/algorithm, Big data, Computing) 교육 과정 중 인공지능/머신러닝(A) 분야의 기초 강좌이다. 본 교과목은 데이터사이언스 전공자를 위한 머신러닝(machine learning)과 딥러닝(deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론(확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다.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
본 교과목은 데이터사이언스 대학원의 ABC (AI model/algorithm, Big data, Computing) 교육 과정 중 인공지능/머신러닝(A) 분야의 기초 강좌이다. 본 교과목은 데이터사이언스 전공자를 위한 머신러닝 (machine learning)과 딥러닝 (deep learning)의 기초를 다룬다. 구체적으로, 머신러닝의 기초가 되는 이론 (확률, MLE, gradient descent, overfitting, regularization 등)과 지도학습의 기초적인 모델을 중심으로 다룬다. 딥러닝 부분에서는 뉴럴넷의 기본, backpropagation을 다룬 후, 주로 convolutional neural network의 구조와 활용을 중점적으로 다룬다.전선 / 대학원
맞춤형 과학학습을 지원하기 위한 AI 챗봇의 구성과 활용에 대해 다룬다. 기계학습의 관점과 과학학습이론의 관점에서 과학학습 담화를 분석·비교한다.전필 / 대학원
본 과목은 초·중등 교사들을 대상으로 인공지능 시대의 삶의 변화와 이에 따라 요구되는 시민적 자질로서의 핵심역량이 무엇인지, 그리고 그러한 역량을 어떻게 학습자들이 함양할 수 있는지 탐구하는 것을 목적으로 한다. 4차 산업혁명이 가져오는 국가·사회적 요구에 부응하고 새로운 시대 유능한 사회 구성원으로서의 소양을 육성하는 것은 중요한 교육적 책무이다. 이를 위해 인공지능의 교육적 활용, 과학과 인문학의 융합, 빅데이터 기반 인공지능의 활용, 이와 관련된 사회·윤리적 이슈 및 인공지능 시대의 교육적 과제 등을 다룬다.전선 / 대학원
이 강의는 인공지능의 작동 원리를 정확히 이해하고, 이를 통해 인공지능에 대한 막연한 두려움이나 맹신을 피하며 바람직한 미래 시민으로 성장하는 것을 첫 번째 목표로 합니다. 또한, 인공지능의 발전이 사회와 문화와 교육에 미치는 영향에 대한 인문학적인 통찰을 키움으로써 미래를 예측하고 대비하는 데 도움을 주며, 기계학습을 자신의 전문 분야에 응용하여 문제를 해결하고 혁신적인 해결책을 제안할 수 있는 능력을 키우는 것을 목표로 합니다. 특히, 지식의 공유와 문제해결형 프로젝트를 통해 함께 협업하는 능력을 강화하여 다양한 배경과 전문성을 가진 동료들과 협력하여 현실적이고 창의적인 해결책을 찾을 수 있도록 합니다.전선 / 대학원
확률 그래프 모델은 확률 변수들 간의 조건 의존성을 그래프 형태로 나타낼 수 있는 통계 방법론으로, 대용량 변수들의 복잡한 상호관계도 조밀하게 표현할 수 있다. 근래 컴퓨터 비전, 자연어 처리, 로봇공학, 컴퓨터 시스템, 계산 생물학 등 인공지능과 연관된 다양한 실제 문제들에 성공적으로 활용되고 있다. 본 과목에서는 확률 그래프 모델에 필요한 이론, 원리, 알고리즘 등을 폭넓게 배우며, 특히 주요 주제로는, 베이지안 그래프와 마코프 랜덤 필드의 표현, 합-곱 알고리즘과 신뢰 전파 알고리즘 등을 통한 그래프 모델의 학습과 추론, 변분 분석과 표본화를 통한 근사 방법, 최대 마진 방법과 깊은 신경망 등의 최신 기계 학습 기법 등과 그들의 실제 적용 방법과 예시 등을 다룬다. 본 과목은 대학원생과 일부 고년차 학부생을 대상으로 한다.