http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
기계 학습을 활용한 논증 수준 자동 채점 및 논증 패턴 분석
이만형 ( Manhyoung Lee ),유선아 ( Suna Ryu ) 한국과학교육학회 2021 한국과학교육학회지 Vol.41 No.3
이 연구는 과학적 논증 담화에 대한 자동 채점의 성능 개선 방향을 탐색하였으며, 자동 채점 모델을 활용하여 논증 담화의 양상과 패턴을 분석하였다. 이를 위해 과학적 논증 수업에서 발생한 학생 발화를 대상으로 논증 수준을 평가하는 자동 채점을 수행하였다. 이 자동채점의 데이터셋은 4가지 단위의 논증 피처와 논증 수준 평가틀로 구성되었다. 특히, 자동 채점에 논증 패턴을 반영하기 위하여 논증 클러스터와 n-gram을 활용하였다. 자동 채점 모델은 3가지의 지도 학습 기법으로 구성되었으며, 그 결과 총 33개의 자동 채점 모델이 구성되었다. 자동 채점의 결과, 최대 85.37%, 평균 77.59%의 채점 정확도를 얻었다. 이 과정에서 논증 담화의 패턴이 자동 채점의 성능을 개선하는 주요한 피처임을 확인하였다. 또한, 의사결정 나무와 랜덤 포레스트의 모델을 통하여 과학적 논증 수준에 따른 논증의 양상과 패턴을 분석하였다. 이를 통하여 주장, 자료와 함께 정당화가 체계적으로 구성된 과학적 논증과 자료에 대한 활발한 상호작용이 이루어진 과학적 논증이 논증 수준의 발달을 이끈다는 점 등을 확인하였다. 이와 같은 자동 채점 모델의 해석은 논증 패턴을 분석하는 새로운 연구 방법을 제언하는 것이다. We explored the performance improvement method of automated scoring for scientific argumentation. We analyzed the pattern of argumentation using automated scoring models. For this purpose, we assessed the level of argumentation for student’s scientific discourses in classrooms. The dataset consists of four units of argumentation features and argumentation levels for episodes. We utilized argumentation clusters and n-gram to enhance automated scoring accuracy. We used the three supervised learning algorithms resulting in 33 automatic scoring models. As a result of automated scoring, we got a good scoring accuracy of 77.59% on average and up to 85.37%. In this process, we found that argumentation cluster patterns could enhance automated scoring performance accuracy. Then, we analyzed argumentation patterns using the model of decision tree and random forest. Our results were consistent with the previous research in which justification in coordination with claim and evidence determines scientific argumentation quality. Our research method suggests a novel approach for analyzing the quality of scientific argumentation in classrooms.
온톨로지를 이용한 에이전트 기반의 적응형 e-러닝 시스템의 설계
무효려(XiaoLi Wu),이시화(SiHwa Lee),이만형(ManHyoung Lee),황대훈(DaeHoon Hwang) 한국멀티미디어학회 2006 한국멀티미디어학회 학술발표논문집 Vol.2006 No.1
기존의 e-러닝 시스템은 학습자 개인의 학습정보에 따라서 맞춤형 학습이 어려워 효율적인 개인 학습이 이루어지지 못했다. 또한 신지식과 기술 효과적(efficiency) 적시적(just-in time)으로 이용하기 위해서는 새로운 학습환경이 요구 되어지며 진정한 e-러닝이 되기 위해서는 컴퓨터가 학습자원의 의미를 파악해 학습자에게 맞는 학습정면들을 전달해 주어야 한다. 이를 위해 본 논문에서는, 시맨틱 웹 상에 온톨로지를 이용한 에이전트 기반의 적응형 학습시스템을 제안한다. 본 논문에서 제안하는 적응형 학습 시스템을 이용하여 효율적인 개인학습이 가능할 것으로 기대되어 진다.