Generation of Retinal Progenitor Cells from Human Induced Pluripotent Stem Cell-Derived Spherical Neural Mass

윤철민,오재령,이보람,이자명,Togloom Ariunaa,허걸 한국조직공학과 재생의학회 2017 조직공학과 재생의학 Vol.14 No.1

Spherical neural mass (SNM) is a mass of neural precursors that have been used to generate neuronal cells with advantages of long-term passaging capability with high yield, easy storage, and thawing. In this study, we differentiated neural retinal progenitor cells (RPCs) from human induced pluripotent stem cells (hiPSC)-derived SNMs. RPCs were differentiated from SNMs with a noggin/fibroblast growth factor-basic/Dickkopf-1/Insulin-like growth factor-1/fibroblast growth factor-9 protocol for three weeks. Human RPCs expressed eye field markers (Paired box 6) and early neural retinal markers (Ceh-10 homeodomain containing homolog), but did not photoreceptor marker (Opsin 1 short-wave-sensitive). Reverse transcription polymerase chain reaction revealed that early neural retinal markers (Mammalian achaete-scute complex homolog 1, mouse atonal homolog 5, neurogenic differentiation 1) and retinal fate markers (brain-specific homeobox/POU domain transcription factor 3B and recoverin) were upregulated, while the marker of retinal pigment epithelium (microphthalmia-associated transcription factor) only showed slight upregulation. Human RPCs were transplanted into mouse (adult 8 weeks old C57BL/6) retina. Cells transplanted into the mouse retina matured and expressed markers of mature retinal cells (Opsin 1 short-wave-sensitive) and human nuclei on immunohistochemistry three months after transplantation. Development of RPCs using SNMs may offer a fast and useful method for neural retinal cell differentiation.

인문계열 대학생들의 리포트 쓰기 어려움에 대한 연구 - 대학 교양 강의 리포트 쓰기 활동을 중심으로

윤철민,김해인 한국 리터러시 학회 2017 리터러시 연구 Vol.- No.20

This study aims to explore and examine specific writing difficulties of humanities major college students experiencing in their academic writing. Recent research has studied students’ writing ability given the importance of writing. However, only limited number of research studied college-level writers, and most of them focused on science/engineering major students. This research revealed different factors affecting humanities major college students’ difficulties in writing and attempted to explore different impact of each writing difficulty factor through open online survey for humanities major college students. As a result, in the <Planning> area, students felt difficulty about ‘select topics’, ‘outlining’, ‘collect data and select topic keywords’. In the <Writing> area, students felt difficulty about ‘fill-in’, ‘create original content’, ‘start writing’, ‘use technical terms and advanced vocabulary’. And the students felt difficulty in ‘considering the reader’ in the <Environment and the consideration of the reader> area. 본 연구는 인문계열 대학생들이 교양 강의 리포트 쓰기 활동에서 느끼는 어려움의 요인이 무엇이며, 구체적으로 어떤 것들을 어려워하는지 밝히는 데 그 목적이 있다. 그 동안 글쓰기의 중요성이 대두되면서 정부 교육기관 및 많은 작문 연구자들이 학생들의 글쓰기 능력에 관심을 갖게 되었다. 하지만, 대학생들의 글쓰기 어려움에 대한 인식을 보다 자세하게 살피는 연구는 많지 않다. 연구의 대상도 주로 이공계열 대학생들에게 집중되어 있어 인문계열 학생들의 글쓰기는 조명 받지 못하고 있다. 이러한 문제의식을 바탕으로 본 연구에서는 인문계열 대학생들이 리포트 쓰기 활동에서 겪는 어려움의 요인을 온라인 개방형 설문을 통해 확인하고, 대학생들이 리포트 쓰기 활동을 할 때 각각의 요인에 속한 항목들을 얼마나 어려워하는지 알아보았다. 그 결과 대학생들은 <계획하기 영역>에서 ‘주제 선정하기’, ‘개요 짜기’, ‘자료 수집 및 주제 키워드 선정’, <작성하기 영역>에서는 ‘분량 채우기’, ‘독창적인 내용 생성’, ‘글 시작하기’, ‘전문 용어·고급 어휘 사용’, <작성 환경·독자 고려 영역>에서 ‘독자(교수) 고려’(6점 척도 기준 평균 3.5점 초과)에서 어려움을 느끼고 있음을 확인하였다.

교육대학교 1학년 학생들의 대화적 글쓰기 ― 과제상황·동료·교수자·필자자신 4명의 독자

윤철민,진용성 한국 리터러시 학회 2018 리터러시 연구 Vol.9 No.1

The purpose of this study was to examine the aspect of dialogical writing in the process of writing task that first year college student at the college of education. Researchers looked at text, peer feedback, survey results, and interviews. So, The students set up four virtual readers, ‘task situation’, ‘colleagues’, ‘instructor’, ‘myself’, and confirmed that they are writing through dialogue with readers. First, in dialogical writing considering ‘task situation’, students considered the intrinsic purpose of the task situation. Second, in dialogical writing considering ‘colleagues’, students found their problems through their peers’ problems. Third, in dialogical writing considering ‘instructor’, students recognized the gap between the belief in teacher’s usual lecture and the writing situation. Finally, in dialogical writing considering ‘myself’, students were able to identify themselves as ‘others’ and to reflect their writing behavior with the eyes of others. 본 연구는 교육대학교 1학년 학생들의 작문과제(교직 논술 글쓰기) 수행과정 속에서 나타나는 대화적 글쓰기의 모습을 살펴보고자 했다. 이를 위해연구자들은 학생들이 작성한 글과 동료 피드백 내용, 설문조사 결과, 인터뷰내용 등을 살펴보았다. 연구자들은 학생들이 ‘상황 맥락’, ‘동료’, ‘교수자’, ‘필자 자신’의 총 4명의 가상 독자를 설정하고 독자와의 대화를 통한 글쓰기를수행하고 있음을 확인하였다. 이를 통해 확인한 학생들의 대화적 글쓰기 양상은 다음과 같다. 첫째, ‘상황 맥락’을 고려한 대화적 글쓰기에서 학생들은 쓰기 과제에 필요한 ‘경험의 부족’을 느끼며, 과제상황의 본질적인 취지를 고려하는 모습을 보였다. 둘째, ‘동료’를 고려한 대화적 글쓰기에서 학생들은 자유롭게 자신의의견을 이야기하고, 동료의 문제를 통해 자신의 문제를 발견하는 등의 양상도나타났다. 셋째, ‘교수자’를 고려한 대화적 글쓰기에서 학생들은 교수자의 평소 강의에서 보여준 신념과 교직 논술의 글쓰기 상황간의 간극을 인식하는모습이 나타났다. 마지막으로, ‘필자 자신’을 고려한 대화적 글쓰기에서 학생들은 자기 자신을 ‘타자’로 설정하고, 타자의 눈으로 자신의 쓰기 행위를 성찰하는 모습을 확인할 수 있었다. 위와 같은 논의를 통해 확인한 본 연구의 의의는 학생들의 글쓰기에 대한 관점을 더욱 다채롭고 중층적인 맥락에서 바라볼 수 있게 하였다는 점, 대학작문 교육의 맥락에서 학생 필자들이 다양한 독자와 상호작용하며 자신의 정체성을 인식하고, 함께 문제를 해결해가는 글쓰기를 수행할 수 있다는 가능성을 발견했다는 점이다.

생태계 모방 알고리즘 기반 특징 선택 방법의 성능 개선 방안

윤철민,양지훈 한국정보처리학회 2008 정보처리학회논문지. 소프트웨어 및 데이터 공학 Vol.15 No.4

특징 선택은 기계 학습에서 분류의 성능을 높이기 위해 사용되는 방법이다. 여러 방법들이 개발되고 사용되어 오고 있으나, 전체 데이터에서 최적화된 특징 부분집합을 구성하는 문제는 여전히 어려운 문제로 남아있다. 생태계 모방 알고리즘은 생물체들의 행동 원리 등을 기반으로 하여 만들어진 진화적 알고리즘으로, 최적화된 해를 찾는 문제에서 매우 유용하게 사용되는 방법이다. 특징 선택 문제에서도 생태계 모방 알고리즘을 이용한 해결방법들이 제시되어 오고 있으며, 이에 본 논문에서는 생태계 모방 알고리즘을 이용한 특징 선택 방법을 개선하는 방안을 제시한다. 이를 위해 잘 알려진 생태계 모방 알고리즘인 유전자 알고리즘(GA)과 파티클 집단 최적화 알고리즘(PSO)을 이용하여 데이터에서 가장 분류 성능이 우수한 특징 부분집합을 만들어 내도록 하고, 최종적으로 개별 특징의 사전 중요도를 설정하여 생태계 모방 알고리즘을 개선하는 방법을 제안하였다. 이를 위해 개별 특징의 우수도를 구할 수 있는 mRMR이라는 방법을 이용하였다. 이렇게 설정한 사전 중요도를 이용하여 GA와 PSO의 진화 연산을 수정하였다. 데이터를 이용한 실험을 통하여 제안한 방법들의 성능을 검증하였다. GA와 PSO를 이용한 특징 선택 방법은 그 분류 정확도에 있어서 뛰어난 성능을 보여주었다. 그리고 최종적으로 제시한 사전 중요도를 이용해 개선된 방법은 그 진화 속도와 분류 정확도 면에서 기존의 GA와 PSO 방법보다 더 나아진 성능을 보여주는 것을 확인하였다. Feature Selection is one of methods to improve the classification accuracy of data in the field of machine learning. Many feature selection algorithms have been proposed and discussed for years. However, the problem of finding the optimal feature subset from full data still remains to be a difficult problem. Bio-inspired algorithms are well-known evolutionary algorithms based on the principles of behavior of organisms, and very useful methods to find the optimal solution in optimization problems. Bio-inspired algorithms are also used in the field of feature selection problems. So in this paper we proposed new improved bio-inspired algorithms for feature selection. We used well-known bio-inspired algorithms, Genetic Algorithm (GA) and Particle Swarm Optimization (PSO), to find the optimal subset of features that shows the best performance in classification accuracy. In addition, we modified the bio-inspired algorithms considering the prior importance (prior relevance) of each feature. We chose the mRMR method, which can measure the goodness of single feature, to set the prior importance of each feature. We modified the evolution operators of GA and PSO by using the prior importance of each feature. We verified the performance of the proposed methods by experiment with datasets. Feature selection methods using GA and PSO produced better performances in terms of the classification accuracy. The modified method with the prior importance demonstrated improved performances in terms of the evolution speed and the classification accuracy.

PR전문가들이 알아야 할 2023 ESG 핵심현안

윤철민,김수진 한국PR학회 2023 한국PR학회 학술대회 Vol.2023 No.4

Indium-Mediated Allylation of Hydroxyphthalides with Acetic Acid as an Additive

윤철민,Young Sang Park,Mi Hye Nam,이승환,Min Young Cho,Ji Hee Lee 대한화학회 2005 Bulletin of the Korean Chemical Society Vol.26 No.3

조선소 현장 관리자의 청력손실, 청력보호, 청력보존 프로그램에 대한 이해에 관한 조사 연구

윤철민,방정화 한국청각언어재활학회 2019 Audiology and Speech Research Vol.15 No.2

Purpose: Occupational noise-induced hearing loss (ONIHL) is the most common occupational disability. To decrease the number of ONIHL, more accurate information on worker noise exposure is necessary to protect workers from job-related noise in the workplace. Thus, the present study aimed to analyze the current knowledge on hearing loss, the attitudes toward hearing protection, and more specifically, shipyard managers knowledge of hearing conservation programs. Methods: A 23-item questionnaire was designed to target shipyard field managers. The survey included questions about their knowledge of the causes and symptoms of hearing loss and the attitudes toward hearing protection and hearing conservation programs. A total of 115 shipyard field managers responded to the questionnaire. Results: The current results demonstrated that most of the respondents did not have enough knowledge of the causes and symptoms of hearing loss. However, they were more aware of the need to have good ear protection. Only 6% of the respondents knew about the hearing preservation program. Conclusion: If reducing ONIHL effectively, a hearing conservation program should be available and effectively educate every shipyard employees about the hazards of noise and related hearing loss and how to protect their ears actively from shipyard noise.

‘어린이 베스트셀러에 담긴 문식 활동 분석’에 대한 토론문

윤철민 한국어교육학회(구 한국국어교육연구학회) 2019 한국어교육학회 학술발표논문집 Vol.2019 No.1

생태계 모방 알고리즘 기반 특징 선택 방법의 성능 개선 방안

윤철민,양지훈,Yun, Chul-Min,Yang, Ji-Hoon 한국정보처리학회 2008 정보처리학회논문지B Vol.15 No.4

특징 선택은 기계 학습에서 분류의 성능을 높이기 위해 사용되는 방법이다. 여러 방법들이 개발되고 사용되어 오고 있으나, 전체 데이터에서 최적화된 특징 부분집합을 구성하는 문제는 여전히 어려운 문제로 남아있다. 생태계 모방 알고리즘은 생물체들의 행동 원리 등을 기반으로하여 만들어진 진화적 알고리즘으로, 최적화된 해를 찾는 문제에서 매우 유용하게 사용되는 방법이다. 특징 선택 문제에서도 생태계 모방 알고리즘을 이용한 해결방법들이 제시되어 오고 있으며, 이에 본 논문에서는 생태계 모방 알고리즘을 이용한 특징 선택 방법을 개선하는 방안을 제시한다. 이를 위해 잘 알려진 생태계 모방 알고리즘인 유전자 알고리즘(GA)과 파티클 집단 최적화 알고리즘(PSO)을 이용하여 데이터에서 가장분류 성능이 우수한 특징 부분집합을 만들어 내도록 하고, 최종적으로 개별 특징의 사전 중요도를 설정하여 생태계 모방 알고리즘을 개선하는 방법을 제안하였다. 이를 위해 개별 특징의 우수도를 구할 수 있는 mRMR이라는 방법을 이용하였다. 이렇게 설정한 사전 중요도를 이용하여 GA와 PSO의 진화 연산을 수정하였다. 데이터를 이용한 실험을 통하여 제안한 방법들의 성능을 검증하였다. GA와 PSO를 이용한 특징 선택 방법은 그 분류 정확도에 있어서 뛰어난 성능을 보여주었다. 그리고 최종적으로 제시한 사전 중요도를 이용해 개선된 방법은 그 진화 속도와 분류 정확도 면에서 기존의 GA와 PSO 방법보다 더 나아진 성능을 보여주는 것을 확인하였다. Feature Selection is one of methods to improve the classification accuracy of data in the field of machine learning. Many feature selection algorithms have been proposed and discussed for years. However, the problem of finding the optimal feature subset from full data still remains to be a difficult problem. Bio-inspired algorithms are well-known evolutionary algorithms based on the principles of behavior of organisms, and very useful methods to find the optimal solution in optimization problems. Bio-inspired algorithms are also used in the field of feature selection problems. So in this paper we proposed new improved bio-inspired algorithms for feature selection. We used well-known bio-inspired algorithms, Genetic Algorithm (GA) and Particle Swarm Optimization (PSO), to find the optimal subset of features that shows the best performance in classification accuracy. In addition, we modified the bio-inspired algorithms considering the prior importance (prior relevance) of each feature. We chose the mRMR method, which can measure the goodness of single feature, to set the prior importance of each feature. We modified the evolution operators of GA and PSO by using the prior importance of each feature. We verified the performance of the proposed methods by experiment with datasets. Feature selection methods using GA and PSO produced better performances in terms of the classification accuracy. The modified method with the prior importance demonstrated improved performances in terms of the evolution speed and the classification accuracy.

자유발표 : 대학 글쓰기 교재 분석 연구 -고려대학교 글쓰기 교재의 변화를 중심으로 -

윤철민 고려대학교 한국어문교육연구소 2015 고려대학교 한국어문교육연구소 학술발표논문집 Vol.2015 No.-