http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
경기도 다문화 밀집지역 초등 6학년생의 다문화 수용성과 그들의 또래 네트워크와의 관계
최현희(Choi, Hyunhee),김종민(Kim, Chong Min) 연세대학교 교육연구소 2018 미래교육학연구 Vol.31 No.1
본 연구의 목적은 경기도 다문화 밀집지역 초등 6학년생의 다문화 수용성과 그들의 또래네트워크와의 관계를 탐색하는 것이다. 연구대상은 경기도 다문화 밀집지역 총 3개 초등학교 6학년 12학급의 학생 264명이었고, 연구방법은 설문조사로 다문화 수용성과 또래네트워크를 측정하고 다층 p2 모형을 통해 그 관계를 분석하였다. 연구결과 첫째, 다문화학생 40%대 학급에서는 다문화 수용성의 요인인 개방성과 인식이 높아질수록, 40%대와 30%대 학급에서는 다문화 수용성의 요인인 공감이 낮아질수록 더 많은 또래를 친한 친구로 지목할 가능성이 높아지는 것으로 나타났다. 둘째, 다문화학생 40%대 학급에서는 다문화 수용성의 요인인 공감이 높아질수록, 20%대 학급에서는 다문화 수용성의 요인인 관계성이 높아질수록, 인식은 낮아질수록 더 많은 또래들로부터 친한 친구로 지목 받을 가능성이 높아지는 것으로 나타났다. 셋째, 또래 네트워크는 성별 유유상종 효과, 10%대 학급에서는 다문화학생 유유상종 효과를 보여주었다. The purpose of this study is to examine relationships between the elementary sixth graders’ multicultural acceptance and peer networks by the ratio of multicultural students in the classroom. For this, we used multilevel p2 models with data from the sixth graders (N=264) among 12 classrooms in three elementary schools in highly-concentrated multicultural neighborhoods in Gyeonggi province. The results showed that first, in classes composed 40% multicultural students, the higher the openness and awareness, the more peer nomination as close friends. However, in the 40% and 30% classrooms, the lower the empathy, the more peer nomination as close friends. Second, in the 40% classrooms, the higher the empathy, the more self nomination by others as close friends. In addition, in the 20% classrooms, the higher the multicultural relationship, the more self nomination by others as close friends. Third, we found that the peer networks of multicultural students showed cultural homophily in the 10% classrooms, while all showed gender homophily.
학습경로 생성을 위한 잠재된 학습 콘셉트의 선후관계 분석
최현희(Hyunhee Choi),이윤지(Yunji Lee) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.1
비대면 학습을 활용하는 빈도가 높아지면서, 효율적인 학습을 위해 적응형 학습에 관한 관심이 높아지고 있다. 학생들이 주어진 학습을 쉽게 하려면, 학생들의 학습 성과를 고려한 학습경로의 설정이 필요하다. 그러나, 현존하는 대부분의 학습경로는 학습 로그에 기반해서 만들어지기보다는 경험 많은 교사들이 사용해온 커리큘럼에 의존하여 만들어진다. 그러나, 현재의 학생들이 이러한 커리큘럼 체계를 통하여 효율적으로 학습할 수 있는가에 대한 답은 확실하지 않다. 본 연구는 기존에 발표된 데이터를 이용하여 학습경로를 생성했던 연구에 더해 구조방정식 모형을 이용하고 hidden Markov model(HMM)과 귀납 논증을 활용하여 한 단계 높은 수준의 잠재 요인간의 학습경로를 생성하는 데에 중심을 두고 있다. 2020년 D사의 수학 학습데이터를 이용하여, 세분된 학습 개념들의 학습경로가 아닌 세분된 개념들이 그룹화되어 생성된 상위 개념들의 학습경로를 생성하였고, 그룹화에 사용된 세분된 개념들의 신뢰성 및 타당성을 확인하였다. 세분된 개념들은 상위 개념에 대하여 신뢰성 있는 관측값을 보여주었으며 개념이 전달하려는 내용을 세분된 개념들이 타당성 있게 전달하는 것으로 확인되었다. As people use non-face-to-face learning frequently, interest in adaptive learning for efficient learning is increasing. In order for students to easily learn, it is necessary to set up a learning path that considers students' learning outcomes. However, as everyone recognizes, learning pathways are not created based on learning logs, but rather rely on the curriculum that experienced teachers have used. However, the answer to the question “Can today's students learn efficiently with the existing curriculum system?” is perhaps not certain. In addition to studies whose subjects were creating a learning path, this study uses a structural equation model, Hidden Markov Model (HMM) and inductive reasoning to create a hierarchical learning path between latent factors at a higher level. Using the mathematics learning data of company D in Korea, a learning path of concepts rather than a learning path of subdivided concepts was created. It was confirmed that the subdivided concepts showed reliable observation values for the upper concepts and that the subdivided concepts conveyed the contents whose concepts were conveyed with validity.
은닉 마르코프 모델을 이용한 적응형 학습경로 생성에 관한 연구
최현희(Hyunhee Choi),이윤지(Yunji Lee),이하윤(Hayun Lee) 한국자료분석학회 2023 Journal of the Korean Data Analysis Society Vol.25 No.2
전 세계적인 COVID19의 영향으로, 비대면 학습에 대한 활용도가 높아지고 있다. 비대면 학습을 위해서는 효율성을 토대로 한 학습경로의 생성이 중요하다. 본 연구는 학생들이 수업에서 마주칠 수 있는 경험의 경로, 즉, 지식 개념(knowledge concept, KC) 을 순서대로 배열한 연결망으로 알려진 학습경로를 만드는 방법으로 hidden Markov model(HMM)을 소개하고, HMM을 이용하여 경로 예측의 정확도 향상을 목적으로 한다. 첫 단계로, 정확한 학습경로의 생성을 위하여 HMM 수행 전 least absolute shrinkage and selection operator(LASSO), random forest(RF)를 이용한 변수 선택(variable selection)을 수행한 후 변수 선택의 효과를 파악한다. 그리고 HMM을 이용해서 KC들의 그룹으로 만든 상위 개념들의 선후관계를 파악한 경우와 다른 후보 경로들과의 비교를 통하여 HMM을 활용하여 완성된 경로가 더욱 의미 있게 생성되었음을 입증한다. 실험을 위하여 AI-hub(https://aihub.or.kr/)에서 공유한 수학 학습데이터를 이용한 결과 LASSO, RF 등의 변수선택 방법을 이용하여 관계 쌍을 추려냈을 때 HMM의 성능이 월등히 좋아졌고, 상위 개념으로 이루어진 학습경로를 평가할 때 HMM을 활용한 경우가 다른 모형에 비해 모형적합도 면에서 훌륭하였다. Due to the global impact of COVID-19, the use of non-face-to-face learning is increasing. For non-face-to-face learning, it is important to create a learning path based on efficiency. This study introduces the hidden Markov model (HMM) as a method of creating a learning path known as a network in which knowledge concepts are arranged in order, that is, the path of experience that students may encounter in class. and it aims to improve the accuracy of path prediction by using a variable selection technique that includes least absolute shrinkage and selection operator (LASSO), and random forest (RF) before performing HMM. In addition, this study aims to show that the learning path based on higher-order concepts made of precedence relationships from HMM is more accurate than other candidate paths. As a result of using data shared by AI-hub (https://aihub.or.kr/), the performance of HMM when selecting relational pairs using LASSO, and RF was improved significantly, and the case of using HMM when evaluating the learning path consisting of higher concepts was excellent in terms of model goodness of fit compared to other models.