최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 개별화 맞춤형 수학 학습을 지원하는 AI 기반 플랫폼 활용 시 교수·학습에 대한 시사점을 제안하며, 5개의 플랫폼(똑똑!수학탐험대, 노리AI스쿨수학, 칸 아카데미, MATHia, CENTURY)을 분석하여 PLP, PLN, PLE 요소가 어떻게 반영되어 있는지 분석하였다. 분석 결과, 각 플랫폼은 PLP와 PLN을 바탕으로 학습자의 자율적인 학습 의사결정을 지원하는 PLE 형성을 목표로 설계되었으며, AI 기반 플랫폼을 활용한 개별화 맞춤형 수학 학습에 대한 이해도와 실천 가능성을 높였다.
Artificial Intelligence Education in the Context of Work
The learning framework in number : pedagogical tools for assessment and instruction
Artificial intelligence in STEM education : the paradigmatic shifts in research, education, and technology
Brave new words : how AI will revolutionize education (and why that's a good thing)
Towards learning and instruction in Web 3.0 : advances in cognitive and educational psychology
AI 교사와 교실의 재구성
Pathways : reading, writing and critical thinking.
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
Using differentiated classroom assessment to enhance student learning
인공지능을 위한 수학 = 꼭 필요한 것만 골라 배우는 인공지능 맞춤 수학
Emerging issues in smart learning
Designing personalized learning for every student
Learning Analytics: Fundaments, Applications, and Trends : A View of the Current State of the Art to Enhance e-Learning
디지털 전환 시대의 AI 디지털 교육
맞춤형 학업성취도 자율평가 지원 시스템(i성취)을 위한 컴퓨터 기반 출제 및 시행 체제 구축
AI와 미래 교육
AI literacy in K-16 classrooms
인공지능과 평생교육
Foundations of behavioral neuroscience
교육정보미디어연구
김보경; 임유진; 주정흔; 임세범Educational Technology International
김수진CONTEMPORARY EDUCATIONAL TECHNOLOGY
Vorobyeva, Klarisa I.; Belous, Svetlana; Savchenko, Natalia, V; Smirnova, Lyudmila M.; Nikitina, Svetlana A.; Zhdanov, Sergei P.한국학교수학회논문집
이기마, 이유정, 김희정디지털콘텐츠학회논문지
채주혜; 김민영; 류강; 유영만; 신윤희수학교육
박만구, 임현정, 김지영, 이규하, 김미경정보교육학회논문지
이영주, 이석, 김승현, 주성종경인교육대학교 교육연구원 교육논총
황지유; 이철현International Journal of Information and Learning Technology
Kashive N.,Powale L.,Kashive K.学周刊 / Learning week
高志武수학교육 논문집
박혜연, 손복은, 고호경Multimedia Tools and Applications: An International Journal
Cattelan, Renan G.; Araújo, Rafael D.; Ferreira, Hiran N. M.; Brant-Ribeiro, Taffarel; Dorça, Fabiano A.The Mathematical Education
Mangoo Park; Hyunjung Lim; Jiyoung Kim; Kyuha Lee; Mikyung KimThe SNU Journal of Education Research
이승관, 김정렬평생학습사회
조다은, 남창우초등수학교육
이화영教师 / Teacher
兰晓惊IEEE 21ST INTERNATIONAL CONFERENCE ON ADVANCED LEARNING TECHNOLOGIES (ICALT 2021)
Chen, Xieling; Zou, Di; Cheng, Gary; Xie, Haoran교육정보미디어연구
오석환, 김현진广西教育学院学报 / Journal of Guangxi College of Education
龙世荣; 赵学孔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 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.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
본 과목은 한국어, 영어, 프랑스어, 독일어 등의 언어 교육을 담당하는 교사들을 대상으로 하여 AI를 활용하여 언어를 가르치는 방법을 연구하는 것을 목적으로 한다. 기본적으로 최근 AI 기술이 적용된 스마트스피커, TV, 모바일 기기, AR/VR, 등 다양한 기기를 교실 환경에서 이용하여 읽기, 듣기, 말하기, 쓰기 등의 언어 학습을 효과적으로 수행하는 방법을 탐구하는 내용을 포함한다. 이를 위하여 개별 언어 능력에 적절한 기술과 디바이스를 매칭시키는 방안을 제시하고 기존의 교육 컨텐츠를 이에 맞게 설계하는 방법을 제안한다. 또한, 각 학습 과정에서 학습자 개인에 따라 맞춤형으로 학습할 수 있는 방안을 포함한다.전선 / 대학원
본 과목 「AI 기반 심리과학 연구방법론」은 심리과학 분야 대학원생이 연구 수행 과정 전반에 걸쳐 본 연구과제를 통해 설계 및 검증된 AI 협업 워크플로우(사전 학습된 LLM, 심리과학 특화 RAG 등 활용)를 경험하고 숙달함으로써 연구 방법론적 역량을 혁신하도록 학습하는 과목이다. 수강생은 연구 문제의 개념화, 가설 탐색 및 정교화, 심리과학 문헌 분석, 연구 설계 구체화, 데이터 분석 계획 수립, 분석 결과 해석 및 시각화, 그리고 연구 결과 보고서 작성 및 소통에 이르기까지 심리과학 연구 방법론의 각 단계에서 본 연구과제를 통해 개발/활용되는 AI 지원 워크플로우를 실질적인 협업 도구로 활용하는 방법을 학습한다. 동시에 AI 산출물의 심리과학적 타당성, 방법론적 정확성, 윤리성 및 연구 재현성을 비판적으로 평가하고 교정하는 AI 협업 기반 심리과학 연구 방법론 역량을 함양하는 데 중점을 둔다. 이러한 구조를 통해 수강생은 AI를 단순 도구가 아닌 심리과학 연구의 협업 파트너로 활용하면서도, 데이터 과학 시대의 새로운 연구 방법론적 과제와 연구 윤리적 책임을 명확히 인지한 상태에서 창의적이고 재현 가능한 심리과학 연구 수행을 실천하게 된다.전선 / 대학원
이 강좌는 교수 및 학습을 개선하기 위한 학습과학의 다양한 연구주제와 이론을 탐구한다. 학습에 대한 인지적, 정의적, 사회문화적 접근을 비판적으로 검토하고 첨단 테크놀로지를 활용하여 교수 및 학습을 향상시키기는 방안에 대해 논의한다. 설계기반 연구방법을 적용한 학습과학 연구를 체계적으로 검토하고 해당 연구방법을 적용하여 연구 계획서를 작성한다.전선 / 학사
인공지능은 수학교육의 내용과 방법에 영향을 미치고 있다. 이 과목은 인공지능의 수학적 원리와 인공지능과 융합된 수학 교육에 대해 배우고, 인공지능을 활용한 수학교육의 가능성을 탐색한다. 텍스트 분석, 이미지 분류 문제에 사용되는 수학적 모델의 원리, 데이터로부터 회귀분석과 기계학습을 이용해 예측 모델을 구성하는 방법, 인공신경망과 경사하강법에 대해 배우고 데이터를 사용한 인공지능 구현 프로젝트를 수행한다. 수학교육과 관련된 문제에 인공지능 관련 기술이 어떻게 적용될 수 있는지도 탐색해 본다.전선 / 학사
이 교과목은 기술과 인간이 서로 영향을 주고받으며 함께 진화해온 관계, 즉 공진화(co-evolution)의 관점에서 AI 시대의 인간다움을 탐구합니다. 학생들은 인공지능·빅데이터 등 첨단 기술의 발전이 인간의 사고, 감정, 공동체에 어떤 변화를 가져왔는지를 다각도로 살펴봅니다. 특히 '따뜻한 인공지능'이라는 개념을 중심으로, 기술이 단순한 도구를 넘어 공감, 윤리, 창의성을 담을 수 있는 가능성을 모색합니다. 심리, 인지, 사회 구조 등 인간 이해의 다양한 접근을 통해 기술 환경 속에서도 중심을 잃지 않는 자기 성찰과 책임 있는 판단력을 기릅니다. 이론 학습과 함께 토론, 글쓰기, 감각 기반 표현 활동 등을 융합하여, 기술과 인간이 어떻게 함께 살아갈 수 있을지를 실천적으로 고민합니다. 궁극적으로는 기술과 함께 공존하는 시대에 필요한 새로운 인간다움의 조건을 재구성하는 것을 목표로 합니다.전선 / 대학원
본 교과목은 불어교육에 있어서 기존의 교육보조재들의 문제점들을 살펴봄으로써 멀티미디어를 활용한 교수방법의 가능성을 살펴보는 것을 목적으로 한다. 이를 위하여 컴퓨터 등 다양한 멀티미디어 교육보조재의 활용가능성을 심도있게 다루게 된다.전필 / 대학원
컴퓨터 기반 측정 평가 및 진단 이론의 흐름과 최신 기술에 대해 배우고 관련 소프트웨어 사용방법을 배운다. 문항반응이론, 인지진단평가, 컴퓨터 적응 평가, 다단계 평가 등 기존 교육평가 분야에서 컴퓨터 기반 평가에 사용되는 기술 및 Knowledge tracing, 자동 문항 추천, 자동 문항 생성 및 자동 문항 채점 등 머신러닝 기반 교육평가의 최신 동향 및 알고리즘의 특성과 원리를 배운다.전선 / 학사
이 과목에서는 주어진 데이터 내에서 최적화를 통해 인간의 학습을 모방하는 머신 러닝과 인간 학습과의 차이점을 소개하고 최근 컴퓨팅 성능의 고도화에 따라 머신러닝을 기반으로 한 인공지능의 활용 분야를 소개한다. 수강생들은 기존 알고리즘 기반 분류 기법 및 머신러닝을 위한 수학적 기초를 이해하고 최신 인공신경망 구조를 기초로 한 머신러닝 패키지를 활용해 본다.전선 / 학사
본 강좌는 학부 2학년 전공선택 교과목으로 인공지능의 개념과 기술을 이해하고 싶은 학생을 대상으로 한다. 수업내용은 머신러닝(Machine Learning), 딥러닝(Deep Learning), 데이터마이닝(Data Mining), 컴퓨터비전(Computer Vision), 자연어처리(Natural Language Processing; NLP) 등 총 5개 모듈로 구성되어 있으며, 모듈별 담당 교수님이 팀티칭으로 수업을 진행한다. 선수과목으로 기초수학(확률/통계/선형대수), 컴퓨터의 개념 및 실습 교과목의 선행학습을 권장한다.전선 / 대학원
이 수업은 인공지능(AI)과 도시계획 및 설계 과정 시리즈 중 두 번째 과정이다. 이 수업은 심화 AI 알고리즘, 알고리즘의 응용프로그램, AI 응용프로그램의 문제와 같은 3가지 주요 부분을 포함한다. 이 과정에서는 다목적 최적화, 딥러닝, 강화학습을 포함한 정교하고 강력한 AI 알고리즘을 소개한다. 이 알고리즘은 단순화된 계획 및 설계 사례에서 예시로 제시된다. 또한, 해석 가능성, 책임성, 투명성 및 공정성과 같은 계획 및 설계에서 AI 적용의 근본적인 문제를 논의하고 설명가능한 AI 및 해석가능한 머신러닝(ML)의 개념을 소개한다. 마지막으로 도메인 지식과 AI 기술의 통합 및 도시분야의 미래 방향에 대한 토론으로 마무리된다.전선 / 학사
본 수업은 인간-AI 상호작용에 관한 이론적 기초와 최신 연구를 실제 적용 사례와 함께 균형 있게 다룬다. 학생들은 AI의 윤리, 편향과 공정성, 투명성 등 AI가 사회에 미치는 영향을 깊이 있게 학습하며, 인간 중심 AI 디자인의 중요성을 이해한다. 또한, 투명하고 신뢰할 수 있으며 공정한 AI 시스템을 설계하는 방법을 배운다. 실습 프로젝트를 통해 이를 통해 인간-AI 협업 및 의사결정 지원 시스템을 개발하고, AI 시스템의 사회적 영향에 대해 비판적으로 분석하며, 인간 중심의 가치를 고려한 AI 솔루션 설계 능력을 키울 수 있도록 한다.전선 / 대학원
컴퓨터 및 VLSI 분야의 전문가를 초빙하여 최근 동향과 전문기술에 대한 정보를 습득하고 토론할 수 있는 기회를 제공한다.전선 / 대학원
현대 교육철학의 여러 이론들에서 발견되는 비판적 논점들에 대한 분석이 주된 관심사이다. 특히 이 비판적 논점들을 다룰 수 있기 위해서 요구되는 현대 교육철학 문헌들(Dewey, Peters, Oakeshott 등)에 대한 독서가 있어야 하며, 각각의 논점들을 나름대로 구조화하여 교육을 보는 체계적인 철학적 관점을 구성하는 데 도움이 되도록 해야 한다. 현대 교육철학의 입문서들에 대한 사전 지식을 필요로 하는 강의이다.전선 / 학사
컴퓨터를 활용하여 문제를 해결할 시 그 활용이 필수적인 기본적인 자료 구조에 대해 가르친다. 배열, linked list, stack, queue, priority queue, search tree, hash table, balanced search tree 등의 자료구조의 구성, 활용 방법 및 효율성을 강의한다. Python 기반의 숙제를 통해 수강생이 직접 각 자료구조를 구현/활용할 수 있는 능력을 배양한다.전선 / 대학원
인간은 사회적 연관 한 복판에 있는 그 자체가 사회의 산물이다. 따라서 학문적 대상으로서 사회를 연구하기가 곤란한 것은 연구자가 연구대상과 일정한 거리를 두고 떨어져 있는 것이 아니라 대상과 바로 연관되어 있기 때문이다. 모든 사회 이론이 곧 사회적 실천의 한 부분이 되는 까닭도 여기에 있다. 이 과목은 제반 사회이론의 타당성을 엄밀한 방법론에 입각해 철학적으로 검토하는 작업을 세미나 형식으로 진행한다.전선 / 대학원
Platon, Kant, Pestalozzi, Froebel 등의 인간주의 수학교육 사상 및 그와 관련된 수학교육에 대한 특별한 주제에 대하여 탐구한다.전선 / 학사
머신러닝과 인공지능 분야가 보여주고 있는 놀라운 발전의 근간에는 자연 현상을 수학 문제로 기술한 뒤 수많은 현대 수학의 도구를 이용해서 풀어낸 수학의 틀이 존재한다. 따라서 이같은 수학의 핵심 원리를 모른 채 이미 라이브러리화된 것을 단순하게 사용하여 학습하는 것으로는 한계에 봉착할 수 있다. 본 강의의 목적은 수강생이 머신러닝을 이해하는데 있어 필요한 수학을 프로그래밍과 연계하여 학습하는데 있다. 이를 위해 본 강의는, 수학의 단위 주제 강의 후 즉시 프로그래밍 실습을 통해 익히는 마이크로러닝 방식으로 운영한다. 머신러닝 알고리즘을 직접 다루지 않으나, 대수학, 미적분학, 선형대수, 기하학과 같이 머신러닝 학습 및 강좌에 필수적으로 요구되는 내용을 다루며, 수업에서 사용하는 프로그래밍 언어는 파이썬이다. 본 강의는 이공계 고교 수학 이상의 지식을 갖추고 있으나 프로그래밍 지식을 갖추고 있지 않은 학생을 주 대상으로 한다.