최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
한덕현, 정항철, 김보람, 김대원
2020 / 한국수처리학회지
데이터가 존재하지 않습니다.
loading...
본 연구는 빅데이터 활용 탐구 수업이 과학고등학교 학생들의 빅데이터 활용 역량과 학습 만족도 향상에 효과적인지 분석하였다. 연구 결과, 수업 전후 학생들의 빅데이터 활용 역량에 통계적으로 유의미한 차이가 있었으며, 문제 인식 및 프로그래밍 역량에서 높은 점수를 보였다. 또한, 학생들은 빅데이터 활용의 중요성을 인식하고 새로운 경험을 통해 흥미와 자신감을 얻으며 높은 학습 만족도를 나타냈다.
Molecular biology : structure and dynamics of genomes and proteomes
Molecular biology : structure and dynamics of genomes and proteomes
The Affordances of WebQuests : perception of students at the Ethiopian Civil Service University
Principles of neurobiology
빅데이터 활용서 : R을 이용한 중ㆍ고급 데이터 분석의 바이블
How to make decisions with different kinds of student assessment data /
미래를 여는 가치 중심의 프로젝트(PBL) 수업 : 쉽게 읽히는 프로젝트 수업 중독자들의 이야기
Understanding science lessons : five years of science teaching
Extroversionintroversion in foreign language learning : interactions with learner strategy use
Big data in education : pedagogy and research
Statistical literacy at school : growth and goals
Closing the achievement gap from an international perspective : transforming STEM for effective education
전문가 교사들의 슬기로운 AI 공부생활 : 인공지능(AI) 시대, 전문가 교사들은 무엇을 공부하고 가르치는가?
대학 혁신을 위한 빅데이터와 학습분석 : 이론과 실제
Applied calculus
(아는 만큼 재미있는) 인터넷 활용 (Microsoft Edge) : 정보화교육 활용서
(HRD 담당자를 위한) ROI의 기초
Using technology wisely : the keys to success in schools
빅데이터 활용서 : R을 이용한 중·고급 데이터 분석의 바이블
The cooperative learning guide & planning pak for middle grades : thematic projects & activities
한국산학기술학회논문지
이영석; 조정원교육정보미디어연구
김기덕, 홍서희정보교육학회논문지
김슬기, 김태영한국인터넷방송통신학회 논문지
정예희, 김형범, 박기락, 유상미사회과교육
황홍섭Active Learning in Higher Education
Ranieri M.,Raffaghelli J.E.,Bruni I.Journal of Dance Education
Drew L.,Kulinna P.한국초등수학교육학회지
박만구; 김은혜; 황성환; 이동희정보교육학회논문지
김예지; 김갑수Brain, Digital, & Learning
박진선, 권용주인문사회 21
박선향, 윤혜림Journal of Computational Methods in Sciences and Engineering
Xiaojing Huang; Arshad Abd Samad; Bofan He; Anqi DouEducation and Information Technologies
Scholkmann, A.Journal of Physics: Conference Series
Supandi; Ariyanto, L.; Kusumaningsih, W.; Aini, A.N.학습자중심교과교육연구
서예정, 김현경한국지리환경교육학회지
이호욱; 김민성교양교육연구
권순구; 윤승준Education and Information Technologies
Ayık, Z.; Gül, M.D.인문사회과학연구
고윤정대한지구과학교육학회지
허윤정; 장용식; 김형범전선 / 학사
다양한 교육 사례를 분석하여 디지털 전환 시대 빅데이터의 교육적 활용 가능성과 도전적 과제를 탐색한다. 학습자중심교육에 대한 이론과 모형을 학습하고 빅데이터와 인공지능을 활용하여 맞춤형 학습환경을 설계할 수 있는 역량을 기른다. 교육 문제를 창의적으로 해결하기 위해 빅데이터와 디지털 테크놀로지를 활용하는 방안을 탐구한다.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.전선 / 대학원
탐구에 활용되는 데이터를 수집하는 도구로써 사물인터넷 기반 센서를 활용하는 방법, 그리고 센서로부터 축적된 빅데이터 자료를 활용하는 정보처리 역량을 함양한다. 이와 같은 도구와 역량을 기반으로 하여 탐구 수업에서 활용하는 사례를 실습하면서 탐구 지도 과정을 경험한다.전선 / 학사
본 과목은 소비자 행동과 생활양식과 관련된 빅데이터를 이해하고, 분석하고, 해석할 수 있는 능력을 배양하기 위한 과목이다. 소비자 관련 빅데이터의 특징과 함의에 대한 이해를 바탕으로 빅데이터를 처리하고 분석할 수 있는 방법론을 학습하고, 이를 해석하는 역량을 배양한다. 이를 통하여 급변하는 시장환경에서 빅데이터를 적용하여 소비자 행동을 이해하고 예측할 수 있는 역량을 신장시킨다.전선 / 학사
건강하고 지속가능한 사회에 대한 관심이 고조되면서 사회의 기본적 구성 단위가 되는 개인과 가계의 삶의 질과 안녕에 대한 사회적 관심이 커지고 있음. 이에 상품과 서비스의 개발에 있어서 상품중심이 아닌 소비자중심의 관점이 필요하고, 생활맥락에서 생성되는 다양한 데이터에 대한 이해와 활용에 대한 숙련도를 함양할 필요가 있음. 본 교과목은 빅데이터 분석을 실질적 라이프 솔루션 도출에 활용할 수 있는 융합적 역량을 강화하는 것을 목적으로 함. 소비, 의, 식, 아동, 가족 영역의 주요 현안을 파악하고, 각 영역에서 주로 활용되는 빅데이터의 종류와 내용을 학습하고, 빅데이터가 라이프 솔루션 도출에 실질적으로 활용되는 사례 학습을 통해 생활산업 영역 빅데이터 역량을 강화하고자 함.전선 / 대학원
본 교과목은 다양한 농산업 분야의 빅데이터의 활용을 위해 빅데이터의 의미, 이해, 활용에 대해 학습하는 것을 목적으로 한다. 기존의 대용량 데이터와 빅데이터는 무엇이 다른 것인가? 단순한 통계분석과 빅데이터 분석의 차이는 무엇일까? 과연 데이터만 많이 있다면 답을 구할 수 있는가? 이러한 다양한 질문에 대한 답을 찾을 수 있는 과목으로 실제 빅데이터 분석 기법을 익힐 수 있도록 교과내용을 구성하였다.전선 / 대학원
다양한 농림기상 분야의 빅데이터의 활용을 위해 빅데이터의 의미, 이해, 활용에 대해 배울 수 있는 과목이다. 기존의 대용량 데이터와 빅데이터는 무엇이 다른 것인가? 단순한 통계분석과 빅데이터 분석의 차이는 무엇일까? 과연 데이터만 많이 있다면 답을 구할 수 있는가? 이러한 다양한 질문에 대한 답을 찾을 수 있는 과목으로 실제 빅데이터 분석 기법을 익힐 수 있도록 교과내용을 구성하였다.전선 / 학사
빅데이터는 실세계에서 일어나는 복잡한 문제를 해결하기 위한 통찰력을 제공한다. 이 과목은 빅데이터를 소개하며, 데이터 가공, 분석 및 시각화를 위한 프로그래밍 언어 (Python), 데이터 분석을 위한 통계 및 머신러닝 방법 등을 가르친다. 실습 및 프로젝트를 통해서 학생들이 실제 데이터를 분석할 수 있는 능력을 배양한다. 데이터 중심의 컴퓨팅, 정량적 사고와 추론, 탐색적 데이터 분석에 대한 강조를 통해 이 과목에서는 데이터 과학의 핵심 원리와 기술을 다룰 것이다.전선 / 대학원
Urban Computing은 도시 공간상의 객체(objects), 활동(activities), 특성(characteristics) 등을 컴퓨터 테크놀로지를 이용하여 분석하는 수업이다. 도시에 대한 이해와 도시를 분석하는 능력을 키우는 것이 본 강의의 목적이다. 도시에 대한 이해를 머릿속에 한정시키지 않고 이를 실질적으로 컴퓨터를 포함한 미디어 매체와 결합하여 표현함으로써, 아이디어를 보다 구체화시키는 것이 본 강의의 또 다른 핵심이다. 수업은 크게 장소와 공간에 대한 이해와 컴퓨터 테크놀로지에 대한 이해, 컴퓨터 테크놀로지를 도시에 적용하여 결과물을 만들어내는 세 부분으로 나뉜다. 컴퓨터 테크놀리지 부분은 Advanced GIS와 Database, Programming으로 나뉘며, Advanced GIS에서는 공간분석기법과 통계를, Database 수업에서는 Database 설계와 SQL 사용법을 강의한다. Programming 수업에서는 HTML, JavaScript, XML, Google Maps 프로그래밍에 대한 강의를 진행한다.전선 / 학사
본 강좌는 빅데이터를 UX디자인 프로세스와 결과물에 활용할 수 있는 기초를 학습하고 응용할 수 있는 디자인 역량 계발을 목표로 한다. 이를 위해, 빅데이터의 기본 특성을 학습하고 UX디자인 프로세스 단계에서 필요한 데이터와 이를 활용하는 방법과 도구를 학습하고, 데이터를 활용하여 UX디자인 프로세스에서 판단의 근거로 활용할 수 있도록 한다. 또한, 빅데이터를 활용한 UX/서비스 디자인 프로젝트를 기획하고, 데이터를 성찰적 도구로 활용하여 자신의 행동에 유의미한 변화를 줄 수 있는 행동 기반 디자인 프로젝트를 기획할 것이다.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
이 교과목에서는 농림기상 분야에 적용될 수 있는 빅데이터 분석과 관련한 최근 연구 동향이 다루어진다. 학생들은 농림생태계에서 생산된 빅데이터를 다루기 위한 다양한 종류의 기계학습 및 고성능 컴퓨팅에 대해 학계와 산업계 전문가의 특강을 통해 학습한다. 또한, 이 교과목을 통해 농림기상 분야 빅데이터 분석과 관련한 연구 주제에 대한 발표와 토론을 통해 학생들의 발표 및 소통능력을 함양한다.전선 / 학사
이 과목은 학업성취도를 포함하여 학습자의 핵심 역량을 측정하는 여러 가지 검사도구의 사례를 통하여 역량평가도구의 개발 및 양호도 확인 과정에 대한 다양한 방법론을 소개하고자 한다. 또한 역량평가도구를 실제로 개발하고, 관련 데이터를 수집하며, 이를 통해 평가도구를 평가해봄으로써 학습자 역량 평가와 관련된 이론적, 실제적 이론을 경험하도록 한다.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.전선 / 학사
이 수업은 미래사회의 변화 방향과 이에 따른 교육의 기능의 변화, 그리고 인공지능과 빅데이터가 미칠 교육 현장의 변화를 조사하고 토론하는 것을 목적으로 한다. 구체적으로 새로운 과학기술이 가져올 다양한 영역(과학, 공학, 산업 등)에서의 사회의 변화 특징을 확인하고, 이에 맞게 미래교육은 어떻게 변화를 준비해야 할지를 조사, 논의하고자 한다. 또한 미래 과학기술을 대표하는 인공지능과 빅데이터가 어떻게 교육현장을 변화시킬지에 대해 교수-학습, 학생진로지도, 교육의사결정 등의 측면에서 깊이 있게 살펴보고자 한다.전선 / 학사
빅데이터 인문학의 소양은 크게 두 방향에서 갖출 수 있다. 하나는 인문학 전공자가 IT·빅데이터·AI 지식을 습득하는 것이고 다른 하나는 빅데이터·AI를 전공하는 공학도가 인문학적 훈련을 받는 것이다. 관건은 상반된 학문 분야의 기술을 융합하여 새로운 문제를 해결할 수 있는 능력을 기르는 것이다. 빅데이터·AI 기술과 인문적 문제의식이 만나서 유의미한 결과를 냈던 사례들을 구체적으로 살펴봄으로써 기술 지식과 인문적 사고를 융합시키는 훈련을 간접적으로 해 볼 수 있을 것이다. 본 교과목은 디지털 자료와 다양한 데이터 분석 기법을 활용하여 사회·문화적으로 의미 있는 질문을 던질 수 있는 의제설정 능력을 제고하는 데 목표를 두고 있다. 이러한 목표를 달성하기 위해 본 교과과정에는 다음과 같은 내용이 포함된다. 1) 디지털 시대에 인문적 사고의 효용 2) 인문적 사고를 기르는 기본적 활동과 그 효과 3) 디지털 인문 데이터의 정의와 설명 4) 디지털 인문 데이터의 다양한 사례 5) 디지털 인문 데이터를 이용한 산업적 문제해결 사례와 사회 문제해결 사례전선 / 학사
현대의 과학, 공학, 그리고 경영의 응용시스템은 데이터에 점점 더 많이 의존하게 되었지만 전통적인 데이터 분석 기술들은 복잡한 빅 데이터 시대에 맞도록 설계되어 있지 않는 실정이다. 데이터를 수집, 저장, 가공하여 그 안에서 지식을 추출하는 빅 데이터 분석은 새로운 과제들을 탐구하는 흥미 있고 빠르게 발전하는 하나의 학문으로 등장하였다. 본 강의에서는 프로그래밍 경험이 많지 않는 학생들을 대상으로 데이터의 수집 및 분석뿐만 아니라 데이터 프로그래밍 언어의 사용에도 초점을 맞춰 이를 바탕으로 빅 데이터 분석의 토대를 마련하는 것을 목표로 한다.전선 / 대학원
본 교과목은 국제개발 프로그램으로 인한 성과 평가에 대한 이해를 기반으로 비실험적 방법에 따라 구성된 자료를 이용하여 성과평가를 진행하는 다양한 기법을 이해하는데 초점을 둔다. 한 시점에서 조사한 자료(cross-sectional), 프로그램 시행 이전과 이후 비교(before-after), 수혜집단과 비수혜집단 간 시행 이전과 이후 비교(difference-in differences)를 이해하고 이를 위한 다양한 조건들을 이해하는 것을 중점적으로 다루게 된다. 동시에 계량경제학적 다양한 방식인 매칭, 비연속 회귀분석, 도구변수, 통제함수 접근, 분위별 수혜 효과 등을 학습하게 된다. 이 과목을 수강한 학생들은 다음의 2가지를 수행할 수 있게 된다. 1. 비실험적 방법으로 성과평가를 수행하는 역량을 키우게 된다. 2. 인과관계를 고려하기 위한 다양한 계량경제 기법을 학습하게 된다.전선 / 학사
본 교과목은 빅데이터 관련 이론과 기술을 실제 문제 해결에 적용할 수 있도록 돕는 실무 중심의 수업이다. 초반에는 빅데이터 산업의 최신 동향과 관련 프로젝트 사례를 분석하며, 팀 프로젝트 수행에 필요한 기본 지식을 쌓는다. 이후 팀 프로젝트를 통해 데이터 수집, 처리, 분석, 시각화 등 빅데이터 처리 과정 전반을 체험하며, 창의적 문제 해결 능력과 협업 능력을 배양한다. 수업은 주로 실제 산업 또는 연구 과제를 기반으로 진행되며, 학생들은 실질적인 빅데이터 솔루션을 설계하고 구현하여 결과물을 발표한다.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.