[논문]SW융합영재 담당교원 역량 강화를 위한 텐서플로우 기반 인공지능 교육 콘텐츠 개발

장은실; 김재현

doi:10.7472/jksii.2019.20.6.167

SW융합영재 담당교원 역량 강화를 위한 텐서플로우 기반 인공지능 교육 콘텐츠 개발
Development of Artificial Intelligence Education Contents based on TensorFlow for Reinforcement of SW Convergence Gifted Teacher Competency 원문보기

Journal of Internet Computing and Services = 인터넷정보학회논문지, v.20 no.6, 2019년, pp.167 - 177

장은실 (Sungkyun Software Education Institute, Sungkyunkwan University) , 김재현 (Dept. of Computer Education, Sungkyunkwan University)

초록
AI-Helper

미래사회에서의 국가 경쟁력 강화는 뛰어난 SW융합영재 발굴과 양성이다. 이러한 SW융합영재를 양성하기 위해서는 담당교원의 역량 강화가 선결되어야 할 것이다. 이를 위하여 본 논문에서는 SW융합영재 담당교원의 역량 강화를 위한 4차 산업혁명 시대의 핵심기술 중에 하나인 인공지능 교육 콘텐츠를 개발하였다. 인공지능 교육 콘텐츠의 방향을 설정 후, 인공지능 중에서도 중등 SW융합영재 교육에 적합한 교육 콘텐츠를 구성하여 상세 설계 및 개발하였다. 인공지능 교육 콘텐츠의 구성은 머신러닝과 텐서플로우의 이해, 수치 예측을 위한 선형 회귀 머신러닝 구현, 다중 선형 회귀 기반의 가격 예측 머신러닝 구현으로 이루어져 있다. 개발한 인공지능 교육 콘텐츠는 전문가에게 질적인 측면의 검증을 실시하였다. 향후 본 논문에서 제안한 인공지능 교육 콘텐츠는 SW융합영재 담당교원의 역량 강화에 도움을 줄 것으로 기대한다.

Abstract ▼ AI-Helper

The enhancement of national competitiveness in future society is the discovery and training of excellent SW convergence gifted. In order to cultivate these SW convergence gifted, reinforcing competence of teachers in charge should be made first. Therefore, in this paper, artificial intelligence education contents, one of the core technologies of the 4th Industrial Revolution era, were developed to reinforcing competence of SW convergence gifted teachers. After setting the direction of artificial intelligence education content, we constructed educational content suitable for secondary SW convergence gifted education, and designed and developed it in detail. The composition of artificial intelligence education content consists of machine learning and tensor flow understanding, linear regression machine learning implementation for numerical prediction, and multiple linear regression-based price prediction machine learning implementations. The developed educational contents were verified by experts with qualitative aspects. In the future, we expect that the educational content of artificial intelligence proposed in this paper will be useful for strengthening the ability of SW convergence gifted teachers.

주제어

표/그림 (9)

그림 (그림 1) 연구 절차 (Figure 1) Research procedure
표 (표 1) 교육 콘텐츠의 구성 내용 (Table 1) Composition of Education Contents
표 (표 2) 교육 콘텐츠의 융합 교과 내용 (Table 2) Convergence Contents of Educational Contents
표 (표 3) 다루어지는 기술들 (Table 3) Technologies for Using
그림 (그림 2) 실행 결과 (Figure 2) Execution Result
그림 (그림 3) 가격 데이터 시각화 (Figure 3) Price Data Visualization
표 (표 4) 내용적 측면의 검증 의견 (Table 4) Verification Opinion of Content Aspect
표 (표 5) 방법적 측면의 검증 의견 (Table 5) Verification Opinion of Methodological Aspect
표 (표 6) 교육 환경적 측면의 검증 의견 (Table 6) Verification Opinion of Educational Environmental Aspect

AI 본문요약
AI-Helper

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

문제 정의

이에, 본 논문에서는 SW융합영재 담당교원들의 역량 강화를 위한 텐서플로우 기반 인공지능 교육 콘텐츠 개발을 제안한다. 개발한 교육 콘텐츠를 통하여 SW융합영 재 담당 교원들의 역량을 강화하여 보다 안정적이고 수준 높은 SW융합영재 교육의 방향을 제시하고자 한다.
본 논문의 내용으로 연수를 받아 일정 수준 이상의 내용을 이해한 담 당교원들 대상으로 텐서플로우 기반으로 개발한 교육 콘텐츠를 케라스 라이브러리 기반으로도 개발하여 텐서플로우 기반의 예측과, 케라스 기반의 예측을 비교 분석하는 교육 콘텐츠 개발을 계획하고 있다. 그 다음 단계 과정으로 딥러닝을 위한 신경망에 대한 교육 콘텐츠를 이미지 분류 및 자연어 처리 기반으로 개발하여 인공지능을 교육해야하는 담당교원의 역량을 강화하는데 도움이 되고자 한다.
향후 연구에서는 전문가들이 제안한 의견들을 반영하여 본 논문에서 제안한 교육 콘텐츠를 클라우드 기반 환경으로 업데이트 후 SW융합영재 담당교원에게 직접 적용하여 효과성과 적합성을 검증할 것이다. 본 논문의 내용으로 연수를 받아 일정 수준 이상의 내용을 이해한 담 당교원들 대상으로 텐서플로우 기반으로 개발한 교육 콘텐츠를 케라스 라이브러리 기반으로도 개발하여 텐서플로우 기반의 예측과, 케라스 기반의 예측을 비교 분석하는 교육 콘텐츠 개발을 계획하고 있다. 그 다음 단계 과정으로 딥러닝을 위한 신경망에 대한 교육 콘텐츠를 이미지 분류 및 자연어 처리 기반으로 개발하여 인공지능을 교육해야하는 담당교원의 역량을 강화하는데 도움이 되고자 한다.
본 연구는 SW융합영재 담당교원의 역량 강화를 위하여 4차 산업혁명 시대에서 빠지지 않고 등장하는 인공지능 기술을 이용한 교육 콘텐츠를 다음의 순서대로 진행하여 개발한다.
위 단계를 거쳐 인공지능 교육 콘텐츠를 설계 및 개발함으로써 SW융합영재 담당교원의 역량 강화에 도움을 주고자 한다. 이를 정리한 연구의 절차는 다음 그림 1과 같다.
이에, 본 논문에서는 SW융합영재 담당교원들의 역량 강화를 위한 텐서플로우 기반 인공지능 교육 콘텐츠 개발을 제안한다. 개발한 교육 콘텐츠를 통하여 SW융합영 재 담당 교원들의 역량을 강화하여 보다 안정적이고 수준 높은 SW융합영재 교육의 방향을 제시하고자 한다.

제안 방법

가격 예측에 영향을 주는 독립변수에 해당하는 평균온도, 최고온도, 최저온도, 일강수량을 xData에 저장하고, 영향을 받는 종속변수에 해당하는 가격은 yData에 저장 한 뒤, 가중치 W 값을 초기화한다.
개발된 SW융합영재 담당교원 역량 강화를 위한 인공 지능 교육 콘텐츠 1차안에 대하여 초점집단면담(Focus Group Interview)을 통하여 질적인 측면의 검증을 실시했다.
넷째, 개발한 교육 콘텐츠는 인공지능 교육 전문가 및 현장 교육 전문가에게 질적인 측면의 검증을 실시한다.
넷째, 특정 영역에서의 문제해결이 아닌 다양한 교과와의 융합된 영역에서 인공지능을 응용하여 창의적으로 문제해결을 할 수 있도록 한다.
do)에서 수집한다. 다중 선형 회귀 머신러닝에 학습시킬 수 있는 약 2년간의 일별 평균 온도, 최고온도, 최저기온, 일강수량, 일평균 무 가격을 정제하여 액셀로 저장한다.
다중 선형 회귀 머신러닝으로 날씨에 영향을 받는 노지채소의 가격을 예측하는 모델을 제시한다. 기상 정보는 기상자료개방포털(https://data.
두 번째 주제에서는 최소 제곱법을 이용하여 찾은 1차 방정식이 실제 값과 얼마나 차이가 있는지 평균 제곱근 오차를 이용하여 오차를 평가한다. 미분 기울기를 이용하는 경사 하강 라이브러리를 이용하여 오차가 가장 작은 방향으로 이동하는 과정을 텐서플로우를 이용하여 실습하고, 수치 예측을 위한 선형 회귀 머신러닝 모델을 구현하는 내용으로 구성하였다.
본 논문에서 제안하는 교육 콘텐츠는 총 3가지 주제로 구성하였다.
선형 회귀 머신러닝 모델에서 데이터와 데이터를 통하여 가격을 예측해 보았다. 이때 데이터는 예측에 영향을 주는 독립변수이고, 데이터 y는 예측에 영향을 받는 종속변수가 된다.
세 번째 주제에서는 콘솔 환경이 아닌 브라우저에서 실습할 수 있도록 아나콘다와 주피터 노트북을 설치하여 보다 편리한 개발환경을 구축하고, 예측에 영향을 주는 요인이 2개 이상인 경우 이를 반영하여 예측할 수 있는 다중 선형 회귀에 대한 기본적인 이해 및 다중 선형 회귀 기반의 가격 예측 머신러닝을 구현한다.
셋째, 구성한 교육 콘텐츠를 3회차의 분량으로 상세 설계 및 개발한다.
세 번째 주제에서는 콘솔 환경이 아닌 브라우저에서 실습할 수 있도록 아나콘다와 주피터 노트북을 설치하여 보다 편리한 개발환경을 구축하고, 예측에 영향을 주는 요인이 2개 이상인 경우 이를 반영하여 예측할 수 있는 다중 선형 회귀에 대한 기본적인 이해 및 다중 선형 회귀 기반의 가격 예측 머신러닝을 구현한다. 시각화 라이브러리를 이용하여 가격 데이터를 시각화하는 내용으로 구성 하였다.
앞서 살펴본 경사 하강법을 텐서플로우 라이브러리를 이용하여 오차를 줄여가며 실행하는 과정을 확인한다.
앞서 최소 제곱법을 이용하여 가장 합리적인 1차 방정식을 찾았으나, 입력 데이터가 많을 때는 연산이 복잡해지기 때문에 임의의 직선을 그려놓고, 이 직선이 잘 그려졌는지 평가하여 조금씩 수정해 가는 방법을 사용한다. 가장 많이 사용하는 방법으로 평균 제곱근 오차가 있다.
앞에서 살펴본 모든 내용을 정리하여 알바생 근무시간 대비 수입을 예측하는 선형 회귀 머신러닝 모델을 구현하였다. 데이터 는 근무시간, 데이터 는 근무시간에 따른 수입이다.
인공지능 인재 육성이 국가 경쟁력이 되는 시대이기 때문에 SW융합영재들에게도 필수가 되는 인공지능을 교육할 수 있도록 SW융합영재 담당교원의 역량 강화를 위 한 인공지능 교육 콘텐츠를 개발하였다. 인공지능 분야 중에서도 주어진 정보를 학습하여 수치를 예측하는 선형 회귀 머신러닝 학습 모델을 제시 및 구현하였다
인공지능은 수십년에 걸쳐 발전 및 변화해 온 분야이기 때문에 교육해야 할 내용도 상당히 다양하지만 수치 예측을 위해 당연히 학습해야 되는 선형 회귀 기반의 머신러닝에 대한 교육 콘텐츠를 개발하였다. 선형 회귀는 통계학에서 예측을 위한 목적으로 다뤄지는 회귀 분석 기법이기 때문에 수학적으로 다뤄야할 이론적인 내용도 적지 않고, 수치 예측을 위한 머신러닝 환경 구축부터 다뤄야할 실습적인 내용도 많은 편이다.
첫 번째 주제에서는 머신러닝과 텐서플로우를 이해하기 위한 기본적인 개념과 텐서플로우를 실습할 수 있는 파이선 설치 및 라이브러리 설치 등의 개발환경을 구축하고, 머신러닝의 선형 회귀에 대한 기본적인 이해 및 실습을 진행한다. 주어진 데이터를 이용하여 1차 방정식의 선형적인 관계를 모델링하는 선형 회귀를 최소 제곱법을 이용하여 텐서플로우로 구현하는 내용으로 구성하였다.
주피터 노트북을 실행하여 텐서플로우 등의 필요 라이브러리를 불러온 뒤, 엑셀로 저장한 데이터를 불러와 행렬 형태로 저장한다
본 검증에 참여한 인공지능 교육 전문가와 현장 교육 전문가 8명 대부분은 인공지능 교육 콘텐츠, 교육 콘텐츠의 구성, 교육 콘텐츠의 기술적 측면, 교육 콘텐츠의 실습 내용 구성, 타 교과와의 융합의 5가지 주제의 검증 항목에 대하여 4차 산업혁명 시대에 인공지능 교육은 필요하다고 했으며, 선형 회귀 기반의 인공지능 교육 콘텐츠가 타 교과와의 융합 내용으로 적합하다고 했다. 질의응답을 하면서 도출된 내용은 내용적 측면, 방법적 측면, 교육 환경적 측면으로 구분하여 분석하였다
첫 번째 주제에서는 머신러닝과 텐서플로우를 이해하기 위한 기본적인 개념과 텐서플로우를 실습할 수 있는 파이선 설치 및 라이브러리 설치 등의 개발환경을 구축하고, 머신러닝의 선형 회귀에 대한 기본적인 이해 및 실습을 진행한다. 주어진 데이터를 이용하여 1차 방정식의 선형적인 관계를 모델링하는 선형 회귀를 최소 제곱법을 이용하여 텐서플로우로 구현하는 내용으로 구성하였다.
학습을 완료 후 사용자가 입력한 평균온도, 최고온도, 최저온도, 일강수량의 값을 입력받아 무 가격을 예측하여 출력한다.

대상 데이터

다중 선형 회귀 머신러닝으로 날씨에 영향을 받는 노지채소의 가격을 예측하는 모델을 제시한다. 기상 정보는 기상자료개방포털(https://data.kma.go.kr/)에서 수집하고, 채소 가격 정보는 KAMIS 농수산 유통정보(https://www.ka mis.or.kr/customer/main/main.do)에서 수집한다. 다중 선형 회귀 머신러닝에 학습시킬 수 있는 약 2년간의 일별 평균 온도, 최고온도, 최저기온, 일강수량, 일평균 무 가격을 정제하여 액셀로 저장한다.
개발된 SW융합영재 담당교원 대상의 인공지능 교육 콘텐츠 세부내용은 다음과 같다. 제시된 내용은 총 3회차 분량이다.
파이선 공식 홈페이지(https://www.python.org/downloads /windows/)에서 파이선을 다운로드 받아 설치하고, 명령프 롬프트에서 텐서플로우 라이브러리 설치(c:\pip install tens orflow) 및 케라스 라이브러리 설치(c:\pip install keras)한다.

데이터처리

두 번째 주제에서는 최소 제곱법을 이용하여 찾은 1차 방정식이 실제 값과 얼마나 차이가 있는지 평균 제곱근 오차를 이용하여 오차를 평가한다. 미분 기울기를 이용하는 경사 하강 라이브러리를 이용하여 오차가 가장 작은 방향으로 이동하는 과정을 텐서플로우를 이용하여 실습하고, 수치 예측을 위한 선형 회귀 머신러닝 모델을 구현하는 내용으로 구성하였다.
오차는 실제값 y 와 예측값 의 차이이다. 오차 값이 음수가 나오면 오차들을 모두 더할 때 크기를 측정할 수 없기 때문에 각 오차를 제곱하여 모두 더한 후 데이터의 개수 n 으로 나누어 평균 제곱 오차를 구한다. 오차에 제곱을 하게 되면 대용량 데이터일 경우 계산 속도가 느려지기 때문에 다시 제곱근을 구하게 되는데, 이 평균 제곱근 오차의 계산 결과가 가장 작은 선을 찾는 것이다.

성능/효과

10만 번의 학습을 반복하는 동안 2만 번 이후로는 학습이 완료되어 거의 평행선에 가까운 형태가 나타난다는 것을 확인할 수 있다. 학습한 가격 데이터를 시각화한 실행 결과는 다음 그림 3과 같다.
셋째, 일반 교원 대상의 교육 콘텐츠 이론이나 인공지능 기능 실습 교육과는 다르게 SW융합영재들이 자기 주도적으로 문제를 구조화하고 직접 실습한 인공지능 프로 그램을 응용할 수 있도록 한다.
이론적인 부분과 실습적인 부분을 3회차에 걸쳐 체계적으로 구성하여 교안을 개발함으로써 최대한 쉽게 접근할 수 있도록 하였다.
제안한 인공지능 교육 콘텐츠 내용에 대하여 전문가들은 대체적으로 긍정적인 반응을 보였고, 담당교원이 바로 수업에 활용할 수 있도록 다양한 예제나 실습 중심의 내용 구성을 제안한 의견 등이 있었다. 정리하면 표 5 와 같다.
제안한 인공지능 교육 콘텐츠에 대하여 보다 안정적인 개발환경 구축 필요, 파이선 이해도에 따른 교육 내용 구성, 인공지능에 대한 필요성과 활용도 구성에 대한 의견 등이 있었다. 정리하면 표 6과 같다.
첫째, 중등 SW융합영재 담당교원이라는 특성을 반영하여 회귀 이론과 텐서플로우를 이용한 인공지능 실습을 통하여 SW융합영재들의 잠재력과 가능성을 발전시킬 수 있도록 한다.

후속연구

둘째, 회귀 이론과 연계된 가격 예측 인공지능을 직접 실습함으로써 인공지능에 대한 실생활과의 연계성을 탐구하고 스포츠 경기 결과 예측, 수요 예측 등의 다양한 범위에 활용할 수 있도록 한다.
본 논문에서 제안한 교안으로 학습한 담당교원은 주변에서 인공지능을 활용하여 분석할 수 있는 다양한 주제를 주체적으로 찾고, 해결하기 위한 다양한 아이디어를 고민할 수 있도록 학생들에게 지도하는 계기가 될 것으로 기대한다.
향후 연구에서는 전문가들이 제안한 의견들을 반영하여 본 논문에서 제안한 교육 콘텐츠를 클라우드 기반 환경으로 업데이트 후 SW융합영재 담당교원에게 직접 적용하여 효과성과 적합성을 검증할 것이다. 본 논문의 내용으로 연수를 받아 일정 수준 이상의 내용을 이해한 담 당교원들 대상으로 텐서플로우 기반으로 개발한 교육 콘텐츠를 케라스 라이브러리 기반으로도 개발하여 텐서플로우 기반의 예측과, 케라스 기반의 예측을 비교 분석하는 교육 콘텐츠 개발을 계획하고 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	인공지능이란?	인공지능(Artificial Intelligence)이란 인간의 인지능력, 이해능력, 학습능력, 추론능력 등을 실현하는 기술이다 [14]. 인공지능의 역사는 1950년대부터 1970년대 초까지는 성공적인 프로그램과 새로운 발전 방향이 나타난 황금기였고, 이후 엄청난 관심과 투자에도 불구하고 1990년대 중반까지는 전문가 시스템과 신경망 이론 등이 잠시 두각을 나타낸 것 외에는 이렇다 할 성과가 없었던 암흑기였다.
	소프트웨어 분야의 교육에서 문제점은?	소프트웨어 분야에 탁월한 관심과 재능을 가진 초·중학생들의 융합형 인재로의 양성을 위하여 인공지능 학문을 반영하기 위한 연구가 진행 중에 있다[4]. 그러나 이러한 인재를 양성하기 위한 교원에 대한 인력이 턱없이 부 족한 상태이다. 그나마 SW융합영재 교육이 가능한 교원들도 역량이 부족하다는 문제점이 지속적으로 지적되고 있다[5]
	텐서플로우 특징은?	① 데이터 플로우 그래프를 통한 풍부한 표현력 ② 아이디어 테스트에서 서비스 단계까지 이용 가능 ③ 계산 구조와 목표 함수만 정의하면 자동으로 미분 등의 복작한 계산 처리 ④ Python, C++, Go, Java, R을 지원하며, SWIG를 통한 다양한 언어 지원 가능 ⑤ 코드 수정 없이 CPU/GPU 모드로 동작 ⑥ 분산된 서버 환경에서 데이터와 학습의 병렬 처리 지원

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