최소 단어 이상 선택하여야 합니다.
최대 10 단어까지만 선택 가능합니다.
다음과 같은 기능을 한번의 로그인으로 사용 할 수 있습니다.
NTIS 바로가기학교수학 = School Mathematics, v.17 no.2, 2015년, pp.241 - 255
The purpose of this study is to analyze teachers' understanding on generating random number in Monte Carlo simulation and to provide educational implications in school practice. The results showed that the 70% of the teachers selected wrong ideas from three types for random-number as strategies for ...
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
핵심어 | 질문 | 논문에서 추출한 답변 |
---|---|---|
컴퓨터 시뮬레이션은 어떤 도구인가? | 이와 같은 어려움은 컴퓨터 시뮬레이션을 이용하면 해결할 수 있다(Shaughnessy, 1997; 신보미, 이경화, 2006; 신보미, 이경화, 2008). 컴퓨터 시뮬레이션은 학생이 많은 횟수의 시행을 반복하고 시행 결과를 관찰할 수 있도록 도울 수있으며, 통계적 확률로의 유연한 접근성을 확보해 줄 수 있는 도구이다. | |
확률과 통계 과목의 목표인 수학적 및 통계적으로 사고하고 의사소통하는 능력을 길러주는 것을 무엇을 통해 확인할 수 있는가? | 2009개정 교육과정에서 확률과 통계 과목의 목표 중에 하나는 수학적 및 통계적으로 사고하고 의사소통하는 능력을 길러주는 것이다. 이는 확률과 통계 교과서의 확률단원에 기술되어있는 학습목표로서 ‘통계적 확률과 수학적 확률의 의미를 이해한다’를 통해 쉽게 확인할 수 있다. | |
몬테카를로 시뮬레이션은 무엇인가? | 컴퓨터 시뮬레이션 중 난수를 이용한 확률적 모의 방법을 몬테카를로 시뮬레이션이라 한다. 확률 교육에서 사용되는 컴퓨터 시뮬레이션은 주로 주사위를 던지는 시뮬레이션, 윷을 던지는 시뮬레이션, 동전을 던지는 시뮬레이션 등 난수를 통해 모의실험을 하는 몬테카를로 시뮬레이션이 대부분이다. |
교육과학기술부(2012). 수학과 교육과정. (교육과학기술부 고시 제 2011-361 [별책 8]). 서울: 우신기획.
교육부(2015). 제2차 수학교육 종합 계획.
김상길(1999). 컴퓨터 시뮬레이션 프로그램(Interactive probability)을 이용한 확률 및 기댓값 지도에 관한 연구. 한국교원대학교 대학원 석사학위논문.
김원경(2011). 교사를 위한 확률과 통계학. 서울: 교우사.
김원경 외(2014). 고등학교 확률과 통계. 서울: (주)비상교육.
신동선, 류희찬(2002). 수학교육과 컴퓨터. 서울: 경문사.
신항균 외(2014). 고등학교 확률과 통계. 서울: (주)지학사.
양성민(1998). 시뮬레이션 기초. 서울: 경성대학교 출판부.
양은순(2008). 중등수학 확률영역에서의 컴퓨터 시뮬레이션 연구. 부산대학교 교육대학원 석사학위논문.
우정호 외(2014). 고등학교 확률과 통계. 서울: 두산동아(주).
이강섭 외(2014). 고등학교 확률과 통계. 서울: (주)미래엔.
이윤석(2012). 몬테카를로 시뮬레이션을 활용한 도로에서 차량 당 $CO_2$ 배출량 연구. 경기대학교 대학원 석사학위논문.
이준열 외(2014). 고등학교 확률과 통계. 서울: (주)천재교육.
정상권 외(2014). 고등학교 확률과 통계. 서울: (주)금성출판사.
Anderson, H. L. (1986). Metropolis, Monte Carlo, and the Maniac. Los Alamos Science, 14, 96-108.
Chance, B., delMas, R., & Garfield, J. (2004). Reasoning about sampling distributions. In Ben-Zvi, D. & Garfield, J. (Eds.), The challenge of developing statistics literacy, 295-323. the Netherlands, BV: Kluwer academic publishers.
Hellekalek, P. (1998). Good random number generators are (not so) easy to find. Mathematics and computers in simulation, 46, 485-505.
Hogg, R. V. & Craig, A. T. (2002). 수리통계학 개론(이재창, 이용구 역), 서울: 경문사. (영어 원작은 1995년 출판)
Metropolis, N. (1987). The beginning of the Monte Carlo method. Los Alamos Science (1987 Special Issue dedicated to Stanislaw Ulam), 125-130.
NCTM(2000). Curriculum and evaluation standard for school mathematics. Reston, VA: Author.
Park, S. K. & Miller, K. W. (1988). Random number generators : good ones are hard to find. Communications of the ACM, 31(10), 1192-1201.
Shaughnessy, J. M. (1993). Probability and statistics. Mathematics teacher, 86(3), 244-248.
Shaughnessy, J. M. (1997). Missed opportunities in research on the teaching and learning of data and chance. In Biddulph, F., & Carr, K. (Eds.), Proceedings of the Twentieth Annual Conference of the Mathematics Education Research Group of Australasia, 1, 6-22.
Rotorua, NZ: University of Waikato. Tarantola, A. (2005). Inverse problem theory and methods for model parameter estimation. Philadelphia, PA: SIAM.
Travers, K. J. & Gray, K. G. (1981). The Monte Carlo method: A fresh approach to teaching probabilistic concepts. Mathematics teacher, 74(5), 327-334.
*원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.