최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
loading...
본 연구는 4차 산업혁명 시대의 빅데이터 환경에서 중요성이 강조되는 데이터 리터러시를 교양 교육과 연계하여 교육 내용을 탐색한다. 선행 연구 고찰 및 데이터 리터러시 관련 개념 분석을 통해 교양 교육으로서의 데이터 리터러시의 필요성을 주장하며, 실제 수업 설계를 위한 웨비나 운영 사례 및 설문 데이터 분석 결과를 제시한다.
기초통계학과 데이터 사이언스 : R 활용
Personal influence : the part played by people in the flow of mass communications
퍼스널 인플루언스 : 매스 커뮤니케이션 흐름에서 인간의 역할
데이터 리터러시 = AI 시대를 지배하는 힘
Data literacy for educators : making it count in teacher preparation and practice
(인공지능, 디지털 플랫폼 시대) 미디어 리터러시 이해 =
미래교육의 방향과 실제.
Data literacy in academic libraries : teaching critical thinking with numbers
Data information literacy : librarians, data, and the education of a new generation of researchers
멀티미디어 시대의 리터러시 교육 : 모든 학습자를 위한 교수 모형과 틀
파이썬으로 텍스트 분석하기 : 전략커뮤니케이션을 위한 파이썬 텍스트 마이닝 =
2030 데이터 리터러시 레볼루션 : 당신은 챗GPT 시대의 생존 역량을 갖췄는가
데이터 사이언티스트 되기 : 인공지능과 챗GPT 활용
Big data in education : pedagogy and research
리터러시교육론 : 독서·작문 교육의 통합과 변혁
Applying language technology in humanities research : design, application, and the underlying logic
Metaliteracy in a connected world : developing learners as producers
디지털 시대 인문학의 미래
통계학 리스타트
AI 미디어 리터러시 교육
교양교육연구
정윤숙; 유지원인문사회 21
조주희시민교육연구
배화순The Korean Association of General Education
Yoonsook Chung; Ji Won You교양교육연구
김혜영Journal of Business & Finance Librarianship
Bahareh Ghodoosi; Tracey West; Qinyi Li; Geraldine Torrisi-Steele; Sharmistha Dey핵심역량교육연구
김대중정보교육학회논문지
이예은; 황수민; 송은정; 이정민교육공학연구
송유경; 송석리; 김예지; 임철일Assessment in Education: Principles, Policy & Practice
Ying Cui; Fu Chen; Alina Lutsyk; Jacqueline P. Leighton; Maria Cutumisu정보교육학회논문지
김슬기, 김태영교사교육연구
이진석International Journal of Knowledge Content Development & Technology
강효숙; 김선태현장과학교육
김진욱, 안유민Journal of Research in Innovative Teaching & Learning
Jessa Henderson; Michael CorryLes Cahiers du numérique
Verdi, Ugo; Le Deuff, OlivierAssessment in Education: Principles, Policy & Practice
Cui, Ying; Chen, Fu; Lutsyk, Alina; Leighton, Jacqueline P.; Cutumisu, MariaJournal of Librarianship and Information Science
Chunlai Yan; Huan Wang; Xuegang Luo문화와융합
이미영, 윤혜경, 김용하컴퓨터교육학회 논문지
문현우; 손정명; 이시훈; 이영준교양 / 학사
본 과목은 데이터를 처음 접하는 학생들에게 데이터 문해력의 기초를 제공한다. 인문학, 사회과학, 예체능 등을 포함한 다양한 전공의 학생들이 데이터의 종류와 특성에 따라 적절한 요약 및 시각화 방법을 학습하고 이를 해석하는 능력을 키우도록 돕는다. 궁극적으로는 데이터를 기반으로 주제를 찾아내고 합리적인 의사결정을 내릴 수 있는 역량을 기르는 것을 목표로 한다. 본 과목을 이수한 학생들은 인공지능 시대에 필수적인 데이터 분석 역량을 갖출 수 있을 것으로 기대한다.전선 / 대학원
용언어학과 관련되어 있는 사회언어학, 화용론, 담화/기능적 문법, 사전학, 제2언어평가, 제2언어습득과 같은 제 분야에서 논의되고 있는 이론적이고 실험적인 최근 연구들을 검토하는 것에 초점을 둔다. 특히 이러한 이론과 연구들이 어떻게 영어학습자들의 교육에 활용될 수 있는 것인지를 다룬다.전선 / 학사
사물인터넷(IoT)을 비롯한 스마트 환경과 소셜네트워크 서비스의 보편화로 인해 다양하고 방대한 데이터가 발생하고 있다. 이와 함께 막대한 양의 데이터를 신속하게 처리할 수 있는 컴퓨팅 환경의 발달과 창의적인 시각으로 데이터를 분석하고 연결하는 인공지능의 개발로 빅데이터는 여러 분야의 혁신적인 패러다임으로 등장하고 있다. 빅데이터는 데이터 그 자체의 효용성보다는 다양한 방법의 가공을 통한 데이터 간의 연결 및 창의적인 분석을 통해 혁신적인 가치를 창출하고 있으며, 빅데이터의 분석과 활용은 산업과 국가 경쟁력의 척도가 되고 있다. 빅데이터의 분석을 통해 새로운 가치를 창출하기 위해서는 다학제적 융합연구가 필요하다. 이 강의에서는 빅데이터 기업, 연구소 및 학계 전문가들을 초빙하여 최신 빅데이터 기술 경향에 대하여 알아본다. 또한 실제 업무에서 사용되는 툴을 활용하여 다양한 분석 기법을 공부하게 된다. 빅데이터 분야에 관심있는 학생들에게 진로 및 전공 선택에 대한 전망을 제시하게 될 것이다.교직 / 학사
4차 산업혁명으로 대변되는 미래사회에 대비할 인재 양성을 위해, 사범대학 예비교사들은 소프트웨어와 인공지능을 기반으로 교과를 융합하여 수업할 수 있는 역량이 요구된다. 이 강의는 사범대학 예비교사들이 소프트웨어 및 인공지능을 활용하여 수업을 설계하고 실시할 수 있는 역량을 갖추는 것을 목적으로 한다. 데이터 리터러시 및 인공지능 실습을 통하여 예비교사들의 소프트웨어와 인공지능을 다루는 실력과 컴퓨팅 사고력을 향상시키고, 이를 본인의 교과에 접목하여 수업을 설계하고 실시할 수 있는 기초 역량과 전망을 제시한다.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.전선 / 대학원
‘데이터’는 현 시대의 새로운 자원으로 평가받고 있다. 기업, 정부 등 시장 참여자들은 소비자를 이해하고 소비자문제를 도출하여 그 해결방안을 마련하기 위해 다양한 데이터를 분석하고 그 결과를 의사결정의 근거로 활용한다. 본 과목에서는 소비자의 시장환경에서 활용되는 다양한 데이터기반 의사결정을 이해하고, 이론, 사례 및 방법론 등을 학습한다. 이를 통해 시장참여자의 소비자지향적인 의사결정을 위한 데이터 활용방안을 모색하고 필요한 역량을 습득할 수 있다.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 / 대학원
이 과목은 리터러시의 이론적 기반과 교육적 실천을 심층적으로 탐구하는 강의로, 현대 리터러시 개념의 복합성과 다층성을 이해하고 이를 교육 현장에 적용할 수 있는 비판적 사고력을 기르는 데 중점을 둔다. 강의에서는 인지적, 사회문화적, 생태학적, 비판적 관점 등 다양한 이론적 틀을 바탕으로 읽기·쓰기·말하기·듣기·디지털 및 다중양식 리터러시를 통합적으로 분석하며, 리터러시와 권력, 이데올로기, 정체성의 관계를 고찰한다. 수강생들은 국내외 연구 동향을 비교 분석하고, 이를 바탕으로 자신만의 연구 주제를 설정하여 한 학기 동안 독립적인 연구를 수행한다. 학기 말에는 연구 결과를 발표하고 동료들과 비판적 토론을 진행함으로써 학문적 통찰과 실천적 역량을 함께 심화시키는 경험을 하게 된다.교양 / 학사
이 과목의 목적은 데이터 문해력에 대한 기본지식을 함양하고 이를 통하여 데이터 기반 의사결정능력과 올바른 정보를 취사선택하는 방법을 익히는 데 있다. 이 과목을 통하여 다양한 통계의 오용사례를 살펴보고 데이터를 전달하는 미디어를 올바르게 이해하고 데이터를 기반으로 효율적으로 본인의 주장을 제시하는 방법에 대해 배운다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.전선 / 대학원
데이터 분석은 기술 예측 및 기술 전략과 같은 기술 경영 분야와 IT, 제조, 에너지, 헬스케어 등 다양한 산업 분야에서의 프로세스를 개선하거나 의사 결정을 지원하기 위한 필수적인 도구로서 자리매김하고 있다. 이 강의에서는 높은 수준의 데이터 분석을 위하여 필요한 데이터마이닝, 텍스트마이닝, 머신러닝, 딥러닝 분야의 여러 기법들에 대해 심도 있게 배우고, 이를 통해 산업과 경영의 문제를 해결한 사례들을 살펴본다. 강의를 통해 배운 내용을 바탕으로 학생들은 관심 분야에서의 문제 해결 및 나은 의사 결정을 위한 데이터 분석을 수행하며 데이터 분석을 기반으로 한 문제 해결 능력과 비즈니스 통찰력을 기른다.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 / 학사
데이터 리터러시의 개념과 데이터마이닝에 사용되는 다양한 종류의 방법론을 배운다. 본 강의는 3부로 나누어진다. 제1부에서는 데이터 리터러시에 대해서 배우고, 제2부에서는 데이터마이닝을 위한 다양한 방법론을 소개한다. 특히, 상관관계부터 인과관계까지 데이터 기반 관계를 이해하는 방법을 배우고, 선형회귀모형부터 신경망모형까지의 예측모형 구축방법과 모형을 해석하는 방법, 그리고 군집분석/연관성분석 등 데이터탐색 방법을 다룬다. 제3부는 실제 예제를 분석하는 것으로 수강 학생들의 팀 프로젝트 발표로 이루어진다. 본 강의는 이론 2시간 실습 2시간으로 이루어진다. 본 과목의 필수 선수과목은 <회귀분석 및 실습>이다.전선 / 학사
이 수업은 현대 사회에서 데이터화가 미치는 영향과 그에 따른 소통적 실천들의 변화에 대한 주요 쟁점들을 심도있게 고찰한다. 논의 주제로는 데이터 편향 및 윤리, 디지털 감시 기술, 미래 발전 담론, 스마트시티와 커뮤니티, 데이터 인프라와 도시 환경 문제 등이 포함되며, 이 주제들을 심층적으로 탐구하기 위해 미디어 연구, 문화 연구 및 과학기술학의 핵심 개념과 방법론들을 폭넓게 살펴본다. 이론적 학습과 참여형 실습 과제를 통해 학생들은 데이터에 관한 맥락적 이해를 높이고, 인문사회학적 접근법의 중요성을 성찰할 기회를 갖는다. 또한 실제 사례 분석과 토론을 통해 데이터 사회에 관한 총체적, 비판적 사고 능력을 배양한다.교양 / 학사
이 강좌는 지속가능성(Sustainability)과 관련된 실제 이슈들을 데이터 기반으로 분석하여 의사결정을 할 수 있도록 심층적으로 사례 연구하는 것에 초점을 맞춘다. 학생들은 디자인 씽킹 프로젝트를 통해 실습하며, 이 방법론을 활용하여 지속가능성에 대한 혁신적이고 실용적인 해결책을 개발한다. 이 과정에서 학생들은 사회적 문제들에 대해 이해하고, 이들을 해결하기 위한 창의적인 방법을 통해, 문제들을 다루는 데 필요한 다양한 관점을 통합하는 리더십 역량을 개발한다. 학생들이 사회 문제들의 복잡성과 글로벌 컨텍스트(Global Context)에서의 중요성을 실제 데이터와 사례를 통해 체계적으로 이해하도록 하는 것이 강좌의 목표이다. 학생들에게 현실 세계에서 해결이 필요한 과업들을 실질적으로 이해할 수 있는 기회를 제공하며, 이를 위한 팀워크와 협업의 중요성을 인식하고 다양한 배경을 가진 사람들과 함께 일하는 방법을 배울 수 있도록 도움을 준다. 강의, 대화식 토론, 팀 프로젝트, 사례 연구 등 다면적인 학습을 통해, 학생들은 기본적인 개념과 원칙을 이해하고 아이디어를 표현하며, 공동 목표를 달성하기 위한 실제적인 문제 해결 과정을 경험하여 이론적 지식과 실용적 기술을 종합적으로 함양하게 된다.전필 / 대학원
본 강좌는 인공지능사회에 도래함에 따라 교육전문가들을 대상으로 인공지능사회의 거버넌스와 디지털 리터러시에 대한 비판적 안목을 제공하기 위한 입문과목이다. 본 강좌에서는 인공지능(AI) 분야의 연구와 기술이 빠르게 발전함에 따라 사회를 구성하는 인간의 삶의 다양한 영역에 인공지능이 차지하는 비중이 높아지고 있는 상황에 비추어 교육 분야에서의 기술의 영향, 디지털 거버넌스, 윤리 및 책임에 대한 주제들을 체계적으로 다룬다. 또한 이러한 철학적, 윤리적 논의를 배경으로 디지털 미디어 콘텐츠에 대한 이해와 활용능력을 교육영역에 어떻게 비판적으로 적용할 수 있는지를 심층적으로 다룬다.전선 / 대학원
본 과목은 데이터 과학의 방법론을 배우고 교육 관련 데이터, 다양한 인문 사회 분야의 데이터를 활용하여 인문학과 사회학 분야의 주제를 융합적으로 해결하는 역량을 기르는 교수 지식과 교육 역량을 갖추는 것을 목적으로 한다. 데이터 과학, 기계학습의 다양한 방법을 배우고 데이터 기반 교육을 실제 교실 환경에서 구현하는 방안을 연구하고 모색한다. 인공지능이 데이터를 사용하여 인문 사회 분야에 어떻게 기여할 수 있는지 동향과 가능성을 파악하고, 그 기반이 되는 분석 방법을 배운다. 인문 사회 분야의 다양한 주제와 관련된 데이터를 수집하고, 인문 사회 분야의 문제 해결을 위해 관련 데이터를 전통적 통계 분석과 최근의 기계학습, 다양한 인문 사회 맞춤형 분석 방법 등으로 분석하는 융합교육을 수행하는 구체적 아이디어를 개발한다. 또한 인문 사회 분야의 연구와 문제 해결을 위해 과학과 수학, 정보 분야의 문제 해결 방식을 융합하는 다양한 방안을 교육적으로 활용하는 방법을 연구한다.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
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
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.