$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

연산지능을 이용한 부진아 영역진단 지원 시스템
Underachievers Realm Decision Support System using Computational Intelligence 원문보기

퍼지 및 지능시스템학회 논문지 = Journal of fuzzy logic and intelligent systems, v.16 no.1, 2006년, pp.30 - 36  

임창균 (여수대학교 컴퓨터공학과) ,  김강철 (여수대학교 컴퓨터공학과) ,  류재흥 (여수대학교 컴퓨터공학과) ,  정중하 (여수 종고중학교)

초록
AI-Helper 아이콘AI-Helper

본 연구에서는 중학교 국어 교과과정에 있어서 부진아 학생을 위한 부진 영역을 진단을 지원할 수 있는 시스템을 제안하였다. 제안된 시스템을 학교 수업 현장에 적용함으로써 학습부진 학생들의 수준에 맞는 보충${\cdot}$심화학습이 이루어져 학습결손과 학습부진을 최소화하여 교수${\cdot}$학습의 목표를 알성하고 학업성취도를 향상시킬 수 있도록 하였다. 이 시스템에서의 입력은 36가지 변수가 제안된 코딩 기법을 이용하여 시스템을 위하여 학습데이터와 테스트데이터가 인코딩된다. 이 인코딩된 변수의 값들은 시스템의 입력 층의 값이 된다. 은닉 총의 뉴런 수는 학습 데이터를 이용하여 학습한 후 가장 좋은 성능을 보여주는 결과를 이용하여 결정하였다. 출력 층의 뉴런 수는 각 영역에 하나의 뉴런을 할당하여 4개의 뉴런을 사용하였다. 본 시스템을 개발하기 위해 다층 퍼셉트론 구조와 오류 역전파 알고리즘을 사용하였다. 영역진단 지원 시스템을 위해 학습 데이터로써 2,008개를 사용하였고, 테스트를 위하여 380개의 데이터를 사용하여 실험한 후 성능을 평가하였다.

Abstract AI-Helper 아이콘AI-Helper

In this paper, we proposed the system that supports underachievers realm decision of Korean language curriculum in the middle school. Learning disability and stagnation should be minimized by using and applying the proposed system. The input layer of the system contains 36 variables, which can be sp...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 이는 구조 자체가 정확하고 간단한 알고리즘을 사용하고 있기 때문이다. 논문에서는 부진아 영역 부진을 결정하는 문제와 같은 복잡한 문제를 해결할 수 있도록 시스템을 구축하고자 한다. 여기에서 사용하는 모델은 세 개 층으로 구성된 다층 퍼셉트론을 사용한다.
  • 본 논문에서는 선생님들이 직관적으로 학생 수준을 평가하는 단점을 보완하여 보다 정확한 영역부진을 진단할 수 있도록 도와주는 시스템을 설계하고 구현하였다. 학습자는 자신의 부진 영역에 해당된 학습내용을 학습하고 부족한 영역을 보충하여 학습의 성취도 높인다.
  • 부진아 정도에 맞는 학생 지도를 위해 필요한 모든 정보를 수집하여 학생들에 대한 정확한 측정을 할 수 있도록 한다. 본 연구에서는 부진 학생의 정보를 수학적인 변수로 변형 한 후 모의실험을 통해 학생의 부진한 영역을 진단하여 보여줄 수 있도록 한다. 이들 변수들은 추론 방법을 통해 처리될 수 있다.
  • 본 연구에서는 중학교 국어 교과과정에 있어서 인공 신경망을 이용한 부진아의 부진 영역을 진단할 수 있도록 지원할수 있는 시스템 개발하였다. 이 시스템에서는 국어교과 영역의 세부항목을 입력으로 하기위해 36가지 변수가 제안된 코딩 기법을 이용하여 시스템을 위하여 인코딩 되었다.
  • 본논문에서는 적은 연산 비용으로 좋은 결과를 가져올.수 있는켤레 구배법을 사용하였다.
  • 읽기, 쓰기 영역에서 학습 .부진의 정도를 보다 구체적이고 체계적으로 산출함으로써 학습자에게 적절한 지도 프로그램이 제공될 수 있도록 하여 학습 결손과 학습 부진이 최소화될 수 있고, 학습자의 욕구를 충족시켜 힉업의 향상을 가져와 수준별 교육과정의 순조로운 현장 착근을 지원하는데 기여하고자 한다.
  • 각 영역에 대한 항목이 9개씩으로 구성되어 있기 때문에 36개가 필요하고 추가로 바이어스가 입력으로 사용되어 총 37개의 입력 층의 뉴런이 필요하다. 영역진단을 통해서 학생의 전체 부진 정도 를알 수 있을 뿐 아니라 어떠한 영역에서 많은 부진을 보이는가를 알 수 있도록 실험을 행하였다.
  • 행한다. 우선 부진학생이 어떤 영역에서 부진한가를 진단하기 위해서 영역부진을 위한 실험과, 그 학생의 전체적인 부진 영역을 알아보기 위한 실험을 행하기로 한다.
  • 못한다. 이를 학습이라는 단계를 거쳐 연결강도 값을 변화시켜 원하는 영역을 출력하도록 하는 것이다. 여기에서 부진아 학생의 입력 값이 입력 패턴이고 부진영역이 목적패턴이 된다.
본문요약 정보가 도움이 되었나요?

참고문헌 (14)

  1. 이봉익, 학습부진의 원인,진단및 처방적 접근방법. 청주교육대학교 초등교육연구 , 1994 

  2. 강원도 교육연구원, 학습부진아에 대한 연구. 서울. 한국요육개발원. 1972 

  3. 박준회 외, 중학교 학습지진학생지도를 위한 실험적 연구. 서울. 이화 여자대학교 인간발달연구소. 1973 

  4. 교육인적자원부. 중학교 수준별 보육과정-준비에서 평가까지. 2002 

  5. 경상북도교육연구원. 국민학교 학습부진아 지도자료. 장학자료, 1985 

  6. 신세호, 학습부진학생의 일반적 특성, 서울, 한국교육개발원.1979 

  7. F. Rosenblatt, Principles of neurodynamics: perceptron and the theory of brain mechanisms. Spartan, New York, 1962 

  8. M. Minsky and S. Papert, Perceptrons, MIT Press, Cambridge, MA, 1969 

  9. R. O. Duda, P. E. Hart, and D. G. Strok, Pattern Classification, New York, Wiley, 2001 

  10. S. Shigetoshi, F. Toshio, and S. Takanori, A Neural Network Architecture for Incremental Learning, Neorocomputing, 9, pp.111-130, 1995 

  11. J. S. Jang, c. T. Sun and E. Mizutani, Neurofuzzy and Soft Computing, USA, Prentice Hall, 1997 

  12. N. Baba, A New Approach for Finding the Global Minimum of Error Function for Neural Networks, Neural Networks, 2, pp. 367-373, 1989 

  13. P. E. Gill, W. Murray and M. H. Wright, Practical Optimization. London: Academic Press, 1981 

  14. T. Kavzoflu, An Investigation of the design and use of feedforward artificial neural networks in the classification of remotely sensed images, School of Geography, University of Nottingham, 2001 

관련 콘텐츠

오픈액세스(OA) 유형

BRONZE

출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로