http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 김길재 (검색결과 15 건)
- 무료
- 기관 내 무료
- 유료
-
-
머신러닝을 활용한 유치원 정보공시 만족도 영향 요인 분석
김길재,김병주 한국교육재정경제학회 2023 敎育財政 經濟硏究 Vol.32 No.3
본 연구는 머신러닝 알고리즘을 활용하여 정보공시제도의 실현이라고 할 수 있는 유치원알리미의 이용 실태를 파악하고, 전반적 만족도를 예측하고자 하였다. 한국교육학술정보원에서 매년 실시하는 유치원알리미 만족도 설문 조사 결과를 바탕으로 머신러닝 알고리즘을 학습하여 성능을 비교하였다. 여러 알고리즘 중 랜덤포레스트가 가장 성능이 높은 것으로 드러났으며 이를 활용하여 전반적 만족도 예측에 영향을 미치는 요인이 무엇인지 파악하였다. 최종 모델의 성능은 Accuracy 0.85, F1 Score 0.84의 성능을 보였다. 학습한 모델의 변수 중요도, SHAP plot, 부분 의존성 도표 등 설명 가능한 인공지능을 활용하여 유치원 정보공시 만족도 예측에 영향을 미치는 변인을 파악하였으며 정보 만족도, 이용 편의성, 자료 충분도, 자료 신뢰도, 알게 된 경로 등이 크게 영향을 미치는 것으로 드러났다. 이용 실태 변인이 사용자의 배경 변인보다 만족도 예측에 크게 기여하는 것을 확인하였으며 결과를 바탕으로 유치원 정보공시 및 유치원알리미의 개선 방향을 도출하였다.
-
ChatGPT를 활용한 텍스트 데이터 증강 가능성 탐색
김길재,박강윤 청람어문교육학회 2023 청람어문교육 Vol.- No.93
This paper presents an approach to augmenting Korean essay data using ChatGPT and explores its potential applications. Due to the nature of Korean essay data, there are difficulties in collecting a large amount of high-quality text data. To overcome this problem, ChatGPT was utilized to augment the data, which was then used for training artificial intelligence. The study results revealed that by using ChatGPT, it is possible to generate text similar to the original data while maintaining the meaning of sentences and reducing both time and economic costs. Additionally, performance evaluations of machine learning models using augmented data showed improvements in specific domains. These research findings confirm the significant effectiveness of employing ChatGPT for augmenting Korean essay data. However, to generate higher-quality texts across different score levels and ensure the validity of labels for generated texts, active participation from domain experts and the activation of the related research ecosystem are necessary. 본고는 ChatGPT를 활용한 한국어 서·논술형 데이터 증강 방안 및 활용 가능성을 제시하였다. 한국어 논술 데이터의 특성상 대량의 고품질 텍스트 데이터를 확보하기는 어려움이 있다. 이를 극복하기 위한 방안으로 ChatGPT를 활용하여 데이터를 증강 후, 인공지능 학습용 데이터로 사용하였다. 연구 결과 ChatGPT를 활용하여 원본 데이터의 문장 및 글의 의미를 유지한 상태에서 시간적, 경제적 비용을 줄이고 원본 데이터와 유사한 글을 생성할 수 있는 것으로 밝혀졌다. 또한, 증강 데이터를 활용한 머신러닝 모델 성능 평가 결과, 특정 영역에서 모델의 성능이 향상되는 것을 확인하였다. 이러한 연구 결과를 통하여 한국어 논술 데이터 증강 시, ChatGPT 활용이 유의미한 효과가 있음을 확인하였다. 하지만, 점수대별 더 높은 수준의 글 생성, 생성된 글의 라벨 타당성 확보를 위해서는 도메인 전문가의 적극적인 참여 및 관련 연구 생태계 활성화가 필요하다.
-
-
-
-
-
-
WLAN 메쉬 네트워크에서 트래픽 변화를 고려한 적응형 HMAC 알고리즘
김길재 ( Kil-jae Kim ),최범곤 ( Bum-gon Choi ),정민영 ( Min Young Chung ) 한국정보처리학회 2008 한국정보처리학회 학술대회논문집 Vol.15 No.2
유선 네트워크와는 달리 WLAN 메쉬 네트워크는 비용면이나, 이동성면에서 장점을 많이 가지고 있다. 이에 대한 표준화가 진행 중에 있지만 많은 문제점과 기술적으로 해결해야 할 부분들이 남아있다. 특히 무선 전송기술인 DCF는 WLAN 메쉬 네트워크에 직접적으로 적용시키기에는 많은 문제점을 가지고 있다. DCF를 사용할 경우에는 무선자원을 공유하는 노드의 수가 증가하고 보내려는 패킷이 증가할수록 프레임간 충돌횟수가 급격히 증가해 무선자원의 사용 효율이 현저히 떨어지기 때문이다. 반면 PCF는 노드에게 일정시간 채널을 점유할 권리를 부여함으로써 프레임간 충돌을 없애 무선자원의 사용 효율을 향상시킬 수 있다. 하지만 트래픽이 적은 경우에는 불필요한 조사 프레임 전송, 조사목록 갱신 등으로 무선 자원을 낭비하는 단점이 있다. 따라서 이 두 기술의 장점을 이용하여 WLAN 메쉬 네트워크에 적용시킨다면 데이터 전송의 효율을 증대시킬 수 있다. WLAN 메쉬 네트워크의 기본 통신범위 내에는 많은 노드들이 있으며 이를 계층적으로 나눌 경우 계층에 따라 트래픽의 양에 많은 차이를 보인다. 따라서 본 논문에서는 WLAN 메쉬 네트워크에서 DCF와 PCF를 트래픽에 따라 유연하게 사용함으로써 전송 효율을 증대시키는 적응형 HMAC 알고리즘을 제안한다. 시뮬레이션 결과 WLAN 메쉬 네트워크가 DCF에 전적으로 의존하는 경우에 비하여 적응형 HMAC 알고리즘이 적용된 WLAN 메쉬 네트워크는 트래픽이 증가할수록 수율, 지연 등에서 더 좋은 성능을 나타내었다.
-
김길재 ( Kim Giljae ),박강윤 ( Park Kangyoon ),문명현 ( Moon Myunghyun ) 한국청소년학회 2023 청소년학연구 Vol.30 No.5
본 연구의 목적은 랜덤포레스트 모델을 활용하여 청소년의 비행을 예측하는 요인을 밝히고자 하였다. 모형 개발을 위한 자료는 한국아동·청소년패널자료(KCYPS)로 2018년 기준 청소년 2,384명의 데이터를 활용하였으며, 선행연구 검토를 통해 총 55개의 예측 변인을 선정하였다. 데이터의 특성을 유지하며 훈련의 양을 늘리는 방식인 교차 검증을 5회 진행 후, 그리드 서치 결과에 의한 최적의 파라미터로 최종 분류 모델을 구축했다. 모델 성능 지표의 평균은 정확도 75.6%, 정밀도 72.5%, 재현율 75.6%, 정밀도와 재현율의 조화평균은 72.6%로 나타났다. 예측에 기여하는 상위 5개의 변인은 청소년 활동 빈도, 스마트폰 활용 여가시간, 운동시간, 수면 만족도, 주의집중력으로 확인되었다. 이러한 결과를 바탕으로 시사점과 후속 연구를 위한 제언을 제시하였다. The purpose of this study was to identify factors predicting adolescent delinquency using a random forest model. Data from 2,384 adolescents in 2018 were collected from the Korean Children and Youth Panel Survey (KCYPS), and a total of 55 predictive variables were selected through a review of previous studies. To maintain the characteristics of the data and increase the amount of training, cross-validation was performed five times, and the final classification model was built using the optimal parameters obtained from the grid search results. The average performance metrics of the model were as follows: accuracy 75.6%, precision 72.5%, recall 75.6%, and the harmonic mean of precision and recall was 72.6%. The top five contributing variables to the prediction were adolescent activity frequency, leisure time smartphone usage, exercise time, sleep satisfaction, and attention. Based on these results, implications and suggestions for further research were provided.
KCI연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
