최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
최지영, 이정순
2022 / 한중인문학연구
데이터가 존재하지 않습니다.
loading...
본 연구는 잠재프로파일분석과 머신러닝 기법을 활용하여 청소년의 정서·행동문제 잠재집단을 분류하고 예측하였다. 연구 결과, ‘정서·행동 안정 집단’, ‘주의집중·공격성 우세 집단’, ‘정서·행동 준위험 집단’, ‘정서·행동 위험 집단’의 4개 집단이 도출되었으며, 머신러닝 모델은 높은 예측률을 보였다. 특히 부정적 교우관계와 학업 무기력이 정서·행동문제 위험 집단을 예측하는 데 중요한 변수로 나타났다.
상담학 연구방법론 : 연구논문 작성의 리얼 스토리 =
Suicide in children and adolescents : new interventions and risk factors
사회진출 대졸 초년생의 탄력성 변화 양상
Multivariate applications in substance use research : new methods for new questions
Handbook of statistical modeling for the social and behavioral sciences
Recurrent education, earnings and well-being : a fifty-year longitudinal study of a cohort of Swedish men
학교상담과 학교사회사업 치료계획서
韓國靑少年文化 : 比較文化的 分析
The psychology of adolescence
성격을 알면 성적 오른다
양극화 시대 가족해체와 청소년의 적응에 관한 한국과 미국의 비교 연구
Educational data mining : applications and trends
한국청소년연구
양윤식, 김수민, 이태헌Journal of affective disorders
Wen X; Tang T; Wang X; Tong Y; Zhu D; Wang F; Ding H; Su P; Wang G학습자중심교과교육연구
이유정, 최문선한국청소년연구
김형관; 유진은복지상담교육연구
허무녕, 이희복정서·행동장애연구
권미나한국사회복지학
홍기혜학습자중심교과교육연구
고은경Psychological Medicine
Hawes M.T.,Schwartz H.A.,Son Y.,Klein D.N.Education Sciences
Ali F.,Ang R.P.한국교육문제연구
장희선Psychological Medicine
Mariah T. Hawes; H. Andrew Schwartz; Youngseo Son; Daniel N. Klein한국범죄학
홍정윤, 이수정Journal of Affective Disorders
Yu M.,Zhou H.,Wang M.,Tang X.한국청소년연구
백예은; 정혜원인문사회과학연구
김성희, 남석인한국청소년연구
홍원준학습자중심교과교육연구
박지현; 김춘경아동학회지
이재윤, 박지수중등교육연구
김나영; 전현정전선 / 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 / 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 / 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 / 대학원
가족 및 친밀성의 맥락에서 청년과 청년기(emerging and young adulthood)에 대해 살펴본다. 학제적 접근을 취하는 이 수업에서는 (1) 성인진입기 및 성인이행기 관련 이론, (2) 청년의 세대관계(예: 지원, 독립, 분가/동거, 관계역동), (3) 청년의 친밀성(예: 사랑, 연애, 결혼, 비혼, 비혼동거) 등의 주제를 다룬다. 지역, 계층, 젠더를 관통하는 다양한 관점과 주제를 논의함으로써, 청년시기 가족 및 친밀성의 다층적 속성을 이해할 수 있을 것이다.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 / 대학원
청소년의 사회, 심리, 행동 발달적 특성을 이해하고 이들이 가족 및 사회 환경과 맺는 유기적 관계를 분석한다. 청소년복지에 관한 다양한 이론, 정책, 개입 방안을 익힌 후, 현존하는 청소년복지 정책과 서비스의 문제점을 파악하고 미래 방향에 대해 조망해 본다. 세부적으로, 다양한 사회 환경 속에서 청소년 부적응의 원인과 대책을 모색한다. 청소년기에 발생하는 비행문제, 성문제, 학업문제 등을 이론적, 경험적 접근을 통해 파악하고 사회적 차원에서의 보호를 위한 정책 및 서비스를 탐구한다. 또한, 국내외 다문화 아동청소년의 경험을 이론적 실제적 접근에 기초하여 이해한다. 다문화 아동청소년들과 관련된 다양한 사회적 문제의 원인을 파악하고 효과적인 대책을 모색한다. 마지막으로 학교폭력 현상을 중심으로 아동청소년의 학교 부적응에 대해 고찰한다. 학교부적응의 원인과 이에 대한 개입 전략을 모색할 것이다.전선 / 학사
<청소년기와 성인초기 심리학>은 청소년 및 성인 초기의 발달적 시기에 일어나는 신체적, 뇌신경생물학적, 인지적, 사회적, 정서적 변화에 대해 탐구하고, 이러한 성장과 변화에 영향을 주는 개인 및 발달 환경적 영향요인을 다면적으로 탐구하는 발달심리학 세미나 수업입니다. 본 과목에서는 현대 청소년 발달 심리의 주류적 이론을 학습하고, 이론적 모델을 토대로 뇌생물학적, 심리학적, 사회학적 관점에서 청소년기의 현대적 의미에 대해 고찰하는 것을 목표로 합니다. 또한, 청소년기 및 성인 초기에 일어나는 특징적인 발달 이슈인 또래집단의 영향, 위험추구 행동, 스트레스와 정신건강의 위기, 학업 및 성취와 관련된 도전, 생애 목적의식과 자아정체성 추구 등의 다양한 문제에 대해서도 실증적 연구를 바탕으로 분석합니다. 본 수업을 통해, 청소년기 및 성인 초기 발달에 관한 주요한 이론적 가설과 연구결과를 접하고, 이에 대해 깊이 있는 토론과 발표를 통해 현대사회에서 부모의 양육행동, 청소년 및 청년 관련 공공정책, 교육적 심리개입 프로그램 등의 영역에서 독창적이고, 문제해결 지향적인 인사이트를 체득하는 것을 궁극적으로 지향합니다.전선 / 대학원
이 과목은 보건의료 영역에서 컴퓨터를 활용한 텍스트 분석을 다룬다. 보건의료 영역에는 여러 종류의 언어 자료가 존재한다. 사람들이 온라인 공간에서 여러 질병에 대해 던지는 질문들, 보건의료 전문가들의 연구들, 질병과 건강에 대한 신문기사들이 그 예다. 이들로부터 정보를 체계적이고 과학적으로 추출할 수 있다면, 보건의료에서 다양한 방식으로 활용할 수 있다. 최근 많이 사용되고 있는 컴퓨터를 활용한 텍스트 분석은 이런 작업에 새로운 가능성을 제시한다. 본 과목에서는 여러 가지 컴퓨터를 활용한 텍스트 분석 방법을 학습하고, 보건의료 영역 자료에 적용하는 것을 실습한다.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 / 학사
생존시간(survival time)에 관한 추정과 검정을 하거나 생존시간에 관한 회귀모형을 사용하여 생존 시간에 영향을 미치는 위험인자를 찾아내는 통계기법을 공부한다. 개체가 생존할 확률을 나타내는 생존함수(survival function)를 추정하기 위한 생명표(life table)법과 카플란-마이어(Kaplan-Meyer) 추정법을 소개하고 여러 처리(treatment) 그룹을 비교하기 위한 검정법을 다룬다. 또한 회귀모형에 관한 대표적인 모형인 Cox의 비례위험모형 (proportional hazard model)과 가속화된 회귀모형(accelerated regression model)에 관하여 공부한다.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
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 / 대학원
이 과목은 2군 교과목으로 다양한 형태의 아동가족 데이터 분석을 위한 고급통계기법 및 연구방법론을 소개한다. 분석방법별로 개설되는 본 교과목은 분석법 원리에 대한 강의와 통계 프로그램을 활용한 데이터실습을 포함하며, 학생들이 학습한 분석기법을 각자의 연구에 적용할 수 있도록 하는 데 목적을 둔다.전선 / 학사
본 강좌는 딥러닝 등 기계학습 기반 인공지능 및 관련 분야에 관심있는 수강생을 대상으로 하는 학부 교과목으로 인공지능 분야의 핵심이 되는 기계학습의 개념 및 응용을 소개하고, 주요 기계학습 알고리즘 및 모델들에 대해 학습한다. 과제 및 프로젝트를 통해 최신 기계학습 기법의 심층적 이해와 실제 구현 기회를 부여한다. 주요 내용으로는 학습이론, 선형모델 (선형회귀, 선형분류, Logistic 회귀), Support Vector Machine, 인공신경망, 순차모델, 기초 딥러닝 모델 (MLP, CNN, RNN), 앙상블 학습 등을 포함한다. 선수과목: 데이터구조 혹은 알고리즘, 선형대수, 확률변수, 프로그래밍 방법론전필 / 대학원
심리학 및 사회과학의 대학원생을 위한 통계: 기술통계와 추론통계에 대한 개념과 자료분석 기법을 다룬다. 구체적으로 무선변인, 확률이론, 추정, 가설검정, 분산분석, 그리고 상관분석과 회귀분석을 다룬다.전선 / 대학원
본 교과목에서는 AI가 매스 커뮤니케이션을 포함한 인간 커뮤니케이션 전 영역에 걸쳐 메시지 작성, 확산, 큐레이션(curation) 등 보다 다양하고 적극적인 역할(agency)을 수행하게 됨에 따라 대두되는 질문들을 (a) 인간-AI 커뮤니케이션(human-AI communication)과 (b) AI 매개 커뮤니케이션(AI-mediated communication)의 하위 분야로 나누어 심층적으로 고찰한다. 먼저 인간-컴퓨터 상호작용(human-computer interaction), 컴퓨터 매개 커뮤니케이션(computer-mediated communication) 분야의 대표적 이론 및 관련 실증연구들을 학습하고, AI 발전에 따른 최신 연구동향을 검토한다. 실제 AI 활용 사례(예; AI 스피커, AI 뉴스 추천 시스템. 챗봇)를 대상으로 기술적 속성, 이용자들의 속성, 커뮤니케이션 맥락 등에 따라 기존 이론 및 모델을 어떻게 수정, 보완, 확장해야 하는지 논의한다. 이를 통해 커뮤니케이션학에서 AI의 문제를 어떻게 정의하고 연구할 것인가에 대한 이해를 증진시킬 것이다.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.전선 / 학사
본 교과목에서는 현재 여러 분야에서 적용되고 있는 지능시스템 및 관련연구의 핵심이 되는 확률적 모델링 및 추론, 통계학적 기계학습, 컴퓨터비젼, 로보틱스의 기초를 소개한다. Bayesian networks, hidden Markov models (HMM), Kalman filters, Markov decision processes 등의 확률적 모델링 및 추론방식이 소개되고 선형 regression 및classification 그리고 nonparametric 학습 방법의 기초를 습득한다. 그리고 확률적 모델, 추론방식, 학습방식들이 어떻게 컴퓨터비전 그리고 로보틱스 등의 응용분야에 적용되는지 알아본다.전선 / 대학원
가족자원관리, 가계경제, 소비자경제의 제 현상을 올바르게 기술, 설명, 예측할 수 있는 과학적인 연구방법론을 학습하는 과목으로 방법론상의 기본지식 및 이론적 체계를 학습하는 과목으로 방법론상의 기본지식 및 이론적 체계를 학습하며 컴퓨터를 통한 자료처리능력 등을 포괄적으로 양성한다.전필 / 학사
본 과목에서는 정형 데이터와 비정형 데이터를 효과적으로 관리하고 분석하는 데에 필요한 제반 이론 및 기법을 배운다. 구체적으로, 본 과목의 전반부에서는 데이터베이스 (DB)를 기반으로 한 정보 시스템의 설계 및 구현, 그리고 DB 마이닝과 DB 기반 추천 시스템과 관련된 모형과 기법을 다루고, 후반부에서는 텍스트 데이터를 대상으로 정보 검색, 문서 분류 및 군집화를 위한 주요 이론과 방법론들을 소개한다. 아울러, 본 과목은 소개된 모형 및 기법들을 구현하여 다양한 형태의 데이터에 실적용해보는 프로젝트들을 포함하는 바, 이를 통해 실제 문제에 대한 해결 능력을 기르고, 관련된 기술적 이슈들을 경험해보는 것을 목표로 한다.