[논문]재량활동시간에 창의성학습 활동을 위한 비프로그램형 라인트레이서 학습모형 - 교재 개발과 수행평가 중심 -

문외식

재량활동시간에 창의성학습 활동을 위한 비프로그램형 라인트레이서 학습모형 - 교재 개발과 수행평가 중심 -
A Non-program Line Tracer Learning Model for Creative Learning Activities during Discretionary Activity Hours 원문보기

정보교육학회논문지 = Journal of the Korean Association of Information Education, v.15 no.1, 2011년, pp.101 - 109

초록
AI-Helper

대부분의 로봇 학습도구가 성적 및 사교육능력이 우수한 집단 학생들의 창의성교구로 사용되고 있으며 아직, 재량활동시간 등의 정규교과 수업에 접목하여 사용되고 있지 않다. 본 연구는 비교적 저렴한 라인트레이서를 교구로 사용하여 학업성취도가 평균 이하인 초등학생 5학년들이 정규교과목과 연계하여 로봇학습을 할 수 있도록 12차시 분량의 교육과정과 교재를 개발하였다. 최적성을 확인하기 위해 학업성취 수준이 학년 평균 이하의 학생들을 대상으로 학습시킨 후 평가하였다. 각 차시별 학습결과를 산출물 중심으로 성취수준을 평가한 결과로 학업성취도가 낮은 학생들이 대부분의 교육과정 내용을 충분히 이해하는 수준으로 평가되었으며 본 연구에서의 실행경험을 통해 학업성적이 비교적 낮은 초등학생들이 정규교과 과정과 연계한 로봇교육 성공 가능성을 확인하였다.

Abstract ▼ AI-Helper

Generally, learning tools like robots are being mainly used as teaching aids to enhance creativity of a group of students who are superior in their studies and have an excellent potential in private education. This study uses a relatively cheap line tracer as a teaching aid and connects it with regular subjects so that elementary school higher graders showing academic achievement lower than average can get robot learning. This research developed a line tracer learning curriculum and teaching materials for total 12 sessions and taught students showing academic achievement below average and evaluated them after. According to the result of evaluating their achievement levels based on their results of learning in each session, most of the students with low academic achievement was evaluated to understand most of the contents in the curriculum fully. Through its empirical implementation, this paper has found the possibilities of robot education connected with the regular curriculum for elementary students exhibiting relatively lower academic achievement.

주제어

AI 본문요약
AI-Helper

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

문제 정의

이 논문에서는 바이어스된 충격성 잡음에 대한 강건 성을 가진 블라인드 등화를 목표로, 송신 심볼점을 평행 이동시킬 수 있는 정보 포텐셜을 제안하고, 이 제안된 정보 포텐셜과 증강된 필터 구조에 기반하여 새로운 블라인드 알고리듬을 도출하였다.
이 문제에 대한 대책으로 이 절에서는, 바이어스 변수를 도입하여 모든 송신 심볼점을 평행 이동시킬 수있는 비용함수를 제안하고자 한다.
이에 이 논문에서는 바이어스된 충격성 잡음에 대한 강건성을 목표로, 수정된 정보 포텐셜을 제안하고, 이 정보 포텐셜에 기반하여 새로운 블라인드 알고리듬을 제안하고자 한다.

가설 설정

확장된 시스템에 적용한 비용함수C(τ,W)의 최소화를 위해, wL⋅c라고 가정하고 기울기를 구하면 다음과 같다.

제안 방법

이 논문에서는 심볼 시간 i 에서 입력벡터X = [xi, xi-1 ,..., xi-L+1]T 와 가중치 벡터W = [w0, w1,...,wL-1]T에 대해 선형 시스템의 출력을 yi = WTXi로 하여 비용 함수 (9)에 사용하도록 한다.

대상 데이터

즉, 동일한 발생확률을 가지는 M = 4 개의 심볼점 을 서로 독립 적으로 발생시켜 (A1=−3,A2=−1,A3=1,A4=3)송신 데이터로 사용하였고 채널 모델은 다음과 같다 [7～8].

이론/모형

이 논문에서 사용한 바이어스된 충격성 잡음 n 의 모델은 논문 [7]의 충격성 잡음 모델에 바이어스 변수를도입하여 설계하였다.
한편, 이차 함수적으로 정의되는 Reny 엔트로피에 기반을 둔 정보 이론적 학습법 (ITL)은 Parzen 의 가우 시안 커널 확률밀도 추정법 (kernel estimation method) 을 도입하여, 데이터 샘플로부터 직접 구할 수 있는 엔트로피를 사용한다 [6] .

성능/효과

(z) 와 H1(Z)모두에서 좁은 종 모양의 확률분포를 보인 제안된 알고리듬의 오차 샘플들은 0을 중심으로 매우 밀집되어 있음을 알 수 있다.
y) 영역에서 멀리 위치하게 되고 임펄스성 잡음의 빠르게 변하는 정도에 관계없이 가우시안 커널에 의해 제거됨을 알 수 있다.
그러나 바이어스된 충격성 잡음이 채널에 더해질 때, 이 정보 포텐셜은 바이어스된 신호를 처리할 변수가 포함하고 있지 않아 불안정해지며 심각한 성능저하를 겪게 됨을 이 연구에서 밝혀졌다.
그러나 제안된 알고리듬은 채널의 열악 정도에 관계없이 바이어스된 충격성 잡음의 유입에 전혀 동요를 보이지 않으며 초기 수렴의 정상상태 MSE 값을 그대로 유지하고 있다.
바이어스된 충격성 잡음의 유입에 기존의 알고리듬이 15 dB 정도 성능 저하를 나타내는 반면 제안된 알고 리듬은 채널의 열악 정도에 관계없이 동요를 보이지 않으며 초기 수렴의 정상상태 MSE 값 -25 dB 이하를 그대로 유지하였다.
송신 심볼점과 출력 샘플 사이의 정보 포텐셜IP( A, y) 를 증가시키면 송신 심볼점과 출력 샘플 사이의 거리가 좁아져 출력 샘플들을 송신 심볼점 주위에 집결 시키는 힘을 얻게 됨을 알 수 있다.
이것은 첫째, 평균 값이 -0.3 이 의미하는 것은, MED2 알고리듬이 바이어스 값 1을 완전히 제거하지 못하여 -0.3 정도의 오차 평균을 보이고 있으며 둘째, 널리 퍼져 나타난 오차 분포가 말해 주는 것은, 충격성 잡음에 강인성을 보이며 채널의 심볼간 간섭 제거를 위해 조정되었던 최적의 가중치들이 0.6 정도의 바이어스 제거 성능을 얻기 위해 다시 바뀌면서 심볼간 간섭 제거 능력을 대부분 상실하고 있는 것으로 판단된다.

후속연구

따라서 제안된 정보 포텐셜에 기초한 비용함수와 블라인드 알고리듬이 매우 열악하고 다양한 잡음 환경에서 채널의 블라인드 등화를 필요로 하는 통신 시스템 에서 보다 신뢰성 있는 통신을 가능케 할 것으로 판단 된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	CMA란?	대표적 블라인드 알고리듬인 CMA (constant modulus algorithm)은 기준 상수와 출력전력의 차이가 만드는 오차를 자승평균오차 (MSE) 성능 지표에 사용 하고 MSE의 최소화 과정을 통해 만들어진 알고리듬이다 [3～4] . MSE 기준 대신 엔트로피를 성능 기준으로 사용할 수 있다.
	정보 이론적 학습법은 어디에 기반을 두고 있는가?	한편, 이차 함수적으로 정의되는 Reny 엔트로피에 기반을 둔 정보 이론적 학습법 (ITL)은 Parzen 의 가우 시안 커널 확률밀도 추정법 (kernel estimation method) 을 도입하여, 데이터 샘플로부터 직접 구할 수 있는 엔트로피를 사용한다 [6] . 이렇게 구축된 엔트로피를 최대 또는 최소화 하여 출력 샘플들을 한 점에 집결시키거나확산시킴으로써 적응 시스템을 학습하는 방식이다.
	샤논의 엔트로피를 계산해내는 알고리듬인 CMA은 어떤 문제점이 있는가?	MSE 기준 대신 엔트로피를 성능 기준으로 사용할 수 있다. 그러나 샤논의 엔트로피를 계산해내는 알고리듬은 비현실적으로 복잡하다는 문제를 가진다 [5] .

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증