[논문]NCS 능력단위 요소와 기존 교육과정 간 갭 분석을 위한 평가모델

김대경; 김창복

doi:10.12673/jant.2015.19.4.338

NCS 능력단위 요소와 기존 교육과정 간 갭 분석을 위한 평가모델
Evaluation Model for Gab Analysis Between NCS Competence Unit Element and Traditional Curriculum 원문보기

한국항행학회논문지 = Journal of advanced navigation technology, v.19 no.4 = no.73, 2015년, pp.338 - 344

김대경 (에듀엔컴(주) NCS 공학연구소) , 김창복 (가천대학교 에너지 IT학과)

초록
AI-Helper

국가 직무능력 표준 (NCS; national competency standards)은 직무를 수행하기 위해 요구되는 능력에 대한 체계화 및 표준화이다. NCS는 특정 직무능력인 능력단위 요소로 구체화하고 표준화하여 학습모듈을 개발한다. 기존 교육과정은 NCS 능력단위 요소를 교육 훈련에 활용하기 위해서 갭 분석 (gab analysis)이 필수적이다. 기존에 갭 분석은 전문가가 주관적으로 평가하였다. 전문가에 의한 갭 분석은 심리적 요소에 의해 주관적 결정, 정확성 결여, 시간 및 공간적 비효율성 문제가 제기되었다. 본 논문은 주관적 평가의 문제 해결을 위해 자동화 평가모델을 제시하였다. 본 논문은 기존 교육과정과 능력단위 요소 간 갭 분석을 위해, 색인어 추출, 단어빈도수-역 빈도수 기반 특징 값 추출, 코사인 유사도 알고리즘을 이용하였다. 또한, 기존 교육과정과 NCS 능력단위요소 사이 유사도 매핑 테이블을 제시하였다. 본 논문의 평가모델은 구조적 특징이나 속도 면에서 개선된 알고리즘을 통해 보완해야 한다.

Abstract ▼ AI-Helper

The national competency standards (NCS) is a systematize and standardize for skills required to perform their job. The NCS has developed a learning module with materialization and standardize by competence unit element, which is the unit of specific job competency. The existing curriculum is material to gab analysis for use in education training with competence unit element. The existing gab analysis has evaluated subjectively by experts. The gab analysis by experts bring up a subject subjective decision, accuracy lack, temporal and spatial inefficiency by psychological factor. This paper is proposed automated evaluation model for problem resolve of subjective evaluation. This paper use index term extraction, term frequency-inverse document frequency for feature value extraction, cosine similarity algorithm for gab analysis between existing curriculum and competence unit element. This paper was presented similarity mapping table between existing curriculum and competence unit element. The evaluation model in this paper should be complemented by an improved algorithm from the structural characteristics and speed.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 기존 교육과정과 능력단위 요소 간 갭 분석의 자동화를 위한 평가모델을 제시하였다. 평가모델은 기존 교육과정과 능력단위 요소 문서에 대해 형태소 분석과 명사 추출을 통해 색인어를 추출하였으며, 단어빈도수 (term frequency) - 역 빈도수 (inverse document frequency) 알고리즘을 이용하여 각 색인어에 가중치를 부여하였다.
본 논문은 기존 교육과정과 능력단위 요소 간 갭 분석의 자동화 평가모델을 제시하였다. 본 논문은 능력단위 및 기존 교육과정 간에 색인어를 추출, TF-IDF를 이용한 가중치 부여, 코사인 유사도를 이용한 유사도를 측정 그리고 매핑 테이블을 통해 유사도 평가 결과를 도출하였다.
본 논문은 기존 교육과정과 능력단위 요소 간 갭 분석의 자동화 평가모델을 제시한다. 평가모델은 각 문서에 대해 형태소 분석과 명사추출을 통해 색인어를 추출하였으며, 단어빈도수-역 빈도수 알고리즘을 이용하여 각 색인어에 가중치를 부여하였다.

제안 방법

평가모델은 기존 교육과정과 능력단위 요소 문서에 대해 형태소 분석과 명사 추출을 통해 색인어를 추출하였으며, 단어빈도수 (term frequency) - 역 빈도수 (inverse document frequency) 알고리즘을 이용하여 각 색인어에 가중치를 부여하였다. 또한, 가중치가 부여된 색인어에 대해서 문서 유사도를 효율적으로 측정할 수 있는 코사인 유사도 (cosine similarity) 알고리즘을 이용하여, 능력단위 및 기존 교육과정 간에 유사도를 측정하였으며, 각 유사도에 대해 매핑 테이블을 통해 유사도 평가 결과를 도출하였다. 본 논문은 2장에 관련연구로서 NCS 기반 교육과정 개발 방법과 문서 비교 기법에 대해서 서술하였으며, 3장에서는 갭 분석을 위한 평가모델을 제시하였다.
평가모델은 각 문서에 대해 형태소 분석과 명사추출을 통해 색인어를 추출하였으며, 단어빈도수-역 빈도수 알고리즘을 이용하여 각 색인어에 가중치를 부여하였다. 또한, 가중치가 부여된 색인어에 대해서 문서 유사도를 효율적으로 측정할 수 있는 코사인 유사도를 이용하여, 능력단위 및 기존 교육과정 간에 유사도를 측정하였으며, 각 유사도에 대해 매핑 테이블을 통해 유사도 평가 결과를 도출하였다. 그림 3에 갭 분석 평가모델에 대해서 나타냈다.
본 논문은 기존 교육과정과 능력단위 요소 간 갭 분석의 자동화 평가모델을 제시하였다. 본 논문은 능력단위 및 기존 교육과정 간에 색인어를 추출, TF-IDF를 이용한 가중치 부여, 코사인 유사도를 이용한 유사도를 측정 그리고 매핑 테이블을 통해 유사도 평가 결과를 도출하였다.
이러한 유사도는 자동화를 통해 서비스 화면에 표현된다. 이상에서 소개한 유사도 평가모델을 통해, 제 1영역 부터 제 N영역까지 NCS 능력단위와의 유사도 분석을 통해 NCS 교과목으로 선정 여부를 결정한다.
최종적으로 단어 빈도와 역문서 빈도를 곱하여 단어의 중요도를 나타내는 가중치를 계산하였다. 다음은 코사인 유사도에 대한 주요 프로그래밍 코드이다.
parseFiles 함수는 기존 교육과정과 능력단위 요소 간 갭 분석을 위해, 폴더에 저장된 모든 능력단위와 기존 교육과정 문서들을 모두 호출하여 파싱한다. 파싱된 단어들은 벡터 공간 모델(vector space model)로 표현하기 위해서, 문자열 벡터 리스트에 저장하였다. 이때, 모든 문서들의 단어들은 중복되는 단어들은 제거하여, 하나의 단어를 하나의 벡터 형식으로 나열하였다.
본 논문은 기존 교육과정과 능력단위 요소 간 갭 분석의 자동화 평가모델을 제시한다. 평가모델은 각 문서에 대해 형태소 분석과 명사추출을 통해 색인어를 추출하였으며, 단어빈도수-역 빈도수 알고리즘을 이용하여 각 색인어에 가중치를 부여하였다. 또한, 가중치가 부여된 색인어에 대해서 문서 유사도를 효율적으로 측정할 수 있는 코사인 유사도를 이용하여, 능력단위 및 기존 교육과정 간에 유사도를 측정하였으며, 각 유사도에 대해 매핑 테이블을 통해 유사도 평가 결과를 도출하였다.

대상 데이터

txt로 사용하였다. 기존 교육과정을 나타내기 위해 모 외국어대학교 2015년 1학기 교양영어 강의계획서를 curriculum1.txt로 사용하였다. 또한, 존 레논의 imagine 일부를 curriculum2.
본 연구는 알고리즘을 자바 개발 오픈소스 프로그램인 이클립스에서 자바 언어로 개발하였으며, 테스트는 실제 NCS 학습모듈과 모 외국어대학교 2015년 1학기 교양영어 강의계획서 내용을 참고하였다. 그림 7에 NCS 학습모듈 검색화면에 대해서 나타냈다[5].

이론/모형

본 논문에서는 기존 교육과정과 능력단위 요소 간 갭 분석의 자동화를 위한 평가모델을 제시하였다. 평가모델은 기존 교육과정과 능력단위 요소 문서에 대해 형태소 분석과 명사 추출을 통해 색인어를 추출하였으며, 단어빈도수 (term frequency) - 역 빈도수 (inverse document frequency) 알고리즘을 이용하여 각 색인어에 가중치를 부여하였다. 또한, 가중치가 부여된 색인어에 대해서 문서 유사도를 효율적으로 측정할 수 있는 코사인 유사도 (cosine similarity) 알고리즘을 이용하여, 능력단위 및 기존 교육과정 간에 유사도를 측정하였으며, 각 유사도에 대해 매핑 테이블을 통해 유사도 평가 결과를 도출하였다.

후속연구

본 논문의 평가모델은 본 시스템의 구조적 특징이나 속도 면에서 개선된 알고리즘을 연구해야 한다. 추후 연구로서 빅 데이터를 처리 플랫폼인 하둡(hadoop), 기계학습을 위한 머하웃(mahout) 및 텍스트 기계학습 라이브러리(tm)를 보유한 R 등을 이용하여 다양한 문서 비교 알고리즘을 추가하고자 한다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기존 교육과정에서 갭 분석 (gab analysis)이 필수적인 이유는?	NCS는 특정 직무능력인 능력단위 요소로 구체화하고 표준화하여 학습모듈을 개발한다. 기존 교육과정은 NCS 능력단위 요소를 교육 훈련에 활용하기 위해서 갭 분석 (gab analysis)이 필수적이다. 기존에 갭 분석은 전문가가 주관적으로 평가하였다.
	국가 직무능력 표준이란?	국가 직무능력 표준 (NCS; national competency standards)은 직무를 수행하기 위해 요구되는 능력에 대한 체계화 및 표준화이다. NCS는 특정 직무능력인 능력단위 요소로 구체화하고 표준화하여 학습모듈을 개발한다.
	기존에 갭 분석은 전문가가 주관적으로 평가하였다. 이로써 제기된 문제점은?	기존에 갭 분석은 전문가가 주관적으로 평가하였다. 전문가에 의한 갭 분석은 심리적 요소에 의해 주관적 결정, 정확성 결여, 시간 및 공간적 비효율성 문제가 제기되었다. 본 논문은 주관적 평가의 문제 해결을 위해 자동화 평가모델을 제시하였다.

참고문헌 (10)

K. B. Lim, I. J. Ju, and J. Y. Jo, "Pending issue and policy plan of national competency standards," Korea Research Institute for Vocational Education and Training, The Human Resources Development Review, Vol. 13, No. 3, pp. 17-39, Sep. 2010.
D. Y. Park, "Pushing ahead context and project of capability education using national competency standards," Korea Research Institute for Vocational Education and Training, The Human Resources Development Review, Vol. 16, No. 3, pp. 52- 71, Sep. 2013.
D. Y. Kim, J. S. Kim, "Korean national competency standards development trend analysis," Journal of Korean Technology Education Association, Vol. 13, No 3, pp. 22-46, Dec. 2013.
D. K. Kim, S. C. Na, and C. B. Kim, "NCS Learning Module Providing System Using CORS Based on Filter," Journal of Advanced Navigation Technology, Vol. 19, No. 2, pp. 161-167, Apr. 2015.

원문보기 상세보기
National Research Foundation of Korea, National competency standards based on NCS curriculum guideline, pp. 7-8, Jan. 2015.
National Competency Standards, http://www.ncs.go
W. S. Kang, J. S. Lim, J. Y. Kim, S. U. Park, T. H. Lee, and S. B. Hong, "Development of document plagiarism detection algorithm using syntactic analysis method," Result Report of The Korea Foundation for the Advancement of Science and Creativity, 2012.
L. D. Bakerz and A. K. McCallumzy, "Distributional clustering of words for text classification," in Proceedings of the 21st Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, Melbourne: Australia, pp. 96-103, 1998.
W. M. Song, Y. J. Kim, E. J. Kim, and M. W. Kim, "Development of an efficient key words extraction method using term frequency and word co-occurrence information," in Proceedings of Korea Intelligent Information System Society Fall Conference, Seoul: Korea, Vol. 18, No. 2, pp. 193-196, 2008.
H. S. Kim, S. C. Park, S. H. Kim, "Measurement of Document Similarity using Term/Term-pair Features and Neural Network," Journal of Korean Institute of Information Scientists and Engineers, Vol. 31 No. 12, pp. 1660-1671, 2004.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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