http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
고등학교 화학 수업에서 입자수준의 애니메이션과 활동지를 이용한 컴퓨터 보조수업의 효과
김창민,노태희,차정호 한국과학교육학회 1999 한국과학교육학회지 Vol.19 No.1
본 연구에서는 입자수준의 애니메이션과 활동지를 이용한 CAI를 개발·적용하여 학습자의 학업 성취도, 개념 이해도, 학습동기에 미치는 효과를 분석하였다. 본 연구는 서울 시내 여자 고등학교 2학년 2개 학급을 대상으로 '용해' 단원에 대하여 3차시 동안 실시되었다. 수업 처치 전에 사전 학습동기 검사를 실시하고 중간고사 화학 성적을 조사하였다. 중간고사 화학 성적은 구획 변인으로 사용하였으며, 사전 학습동기 검사 점수는 공변인으로 사용하였다. 수업 처치 후, 학업 성취도 검사, 개념 검사, 사후 학습동기 검사를 실시하였다. 이원 공변량 분석 결과, CAI 집단 학생의 학업 성취도 및 개념 이해도 검사 점수가 통제 집단에 비하여 유의미하게 높았다. 또한, 학습동기에서는 관련성 범주를 제외한 모든 하위 범주에서 CAI 집단 학생들의 점수가 높았다. The effects of computer-assisted instruction (CAI) using molecular-level animation and worksheet upon students' achievement, conceptual understanding, and learning motivation were investigated. Treatment and control groups (2 classes) were selected from a girls' high school in Seoul, and taught about dissolution for 3 class hours. Before the instructions, the Patterns of Adaptive Learning Survey (PALS) was administered, and the grade for a previous science course was obtained. The PALS score was used as a covariate, and the other as a blocking variable. After the instructions, the achievement test, the conceptions test, and the Instructional Materials Motivation Scale (IMMS) were administered. Two-way ANCOVA results revealed that the scores of the CAI group in the achievement and the conceptions tests were significantly higher than those of the control group. The CAI group also performed better in all subtests of the IMMS except the subtest of relevance.
균형적인 신체활동을 위한 맞춤형 AI 운동 추천 서비스
김창민,이우범 한국융합신호처리학회 2022 융합신호처리학회 논문지 (JISPS) Vol.23 No.4
본 논문은 직종별 근무 환경에 따른 상대적 운동량을 고려한 맞춤형 AI 운동 추천 서비스 방법을 제안한다. 가속도 및 자이로 센서를 활용하여 수집된 데이터를 18가지 일상생활의 신체활동으로 분류한 WISDM 데이터베이스를 기반으로 전신, 하체, 상체의 3가지 활동으로 분류한 후 인식된 활동 지표를 통해 적절한 운동을 추천한다. 본 논문에서 신체활동 분류를 위해서 사용하는 1차원 합성곱 신경망(1D CNN; 1 Dimensional Convolutional Neural Network) 모델은 커널 크기가 다른 다수의 1D 컨볼루션(Convolution) 계층을 병렬적으로 연결한 컨볼루션 블록을 사용한다. 컨볼루션 블록은 하나의 입력 데이터에 다층 1D 컨볼루션을 적용함으로써 심층 신경망 모델로 추출할 수 있는 입력 패턴의 세부 지역 특징을 보다 얇은 계층으로도 효과적으로 추출할 수 있다. 제안한 신경망 모델의 성능 평가를 위해서 기존 순환 신경망(RNN; Recurrent Neural Network) 모델과 비교 실험한 결과 98.4%의 현저한 정확도를 보였다.
김창민,박민우 한국교육방법학회 2012 교육방법연구 Vol.24 No.3
이 연구의 목적은 학교 학습환경 평가목록표를 개발하는 것이다. 이를 위해 이 연구에서는 학습환경 요소들이 학습성과에 미치는 영향력을 조사한 연구의 종합적 분석과 전국 고등학교를 대상으로 한 설문 조사 및 방문을 통해 우수 학습환경 요소를 추출하였다. 이를 바탕으로 이차원 학교 학습환경 평가틀과 평가지표, 그리고 학교 학습환경 평가목록표 초안을 개발하였다. 학교 방문 및 면담과 전문가 검토를 통해 타당도 검증을 위한 사전 검토 및 수정을 실시하였고, 내용타당도비율을 산출하여 최종 평가틀, 평가지표, 평가목록표를 확정하였다. 연구 결과로 얻어진 학교 학습환경 평가틀은 평가단계와 평가수준이라는 두 축으로 이루어진 이차원 모형으로 구성되었다. 평가단계는 투입 단계 요소(물리적 환경, IT 환경)와 과정 단계 요소로 구분되었고, 평가수준은 학교와 학급 등 두 가지로 구분되었다. 이 연구에서 개발한 학교 학습환경 평가지표에 따르면, 우수 학습환경은 11가지 학습환경 요소를 갖추고 있는 것으로 나타났다. This study was intended to develop a school learning environment assessment checklist. The research results on the influence and impact of school learning environment factors were investigated and visits to the best schools and previous survey research were implemented. Those data were used to construct an assessment frame, indicators, and a checklist. An investigation through the interview and the school visits and the review of education experts were performed for the validation of the outputs. The checklist was finally confirmed through the measure of content validity ratio(CVR). The assessment frame of school learning environment is a two-way conceptual framework. One axis of the framework is the assessment stage, which are an input and process stage. The input stage includes a physical environment and a IT(Information Technology) environment of school learning environment. The other axis of that is the assessment level with the class and school level. This study indicated that the best learning environments of school have 11 significant features.