http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
유러닝 박스와 유비쿼터스 기반의 시험 시스템을 이용한 글로벌 교육 혁신 사례 연구
황민태(Mintae Hwang),랄슨 바즈라차려(Larsson Bajracharya) 인문사회과학기술융합학회 2018 예술인문사회융합멀티미디어논문지 Vol.8 No.3
본 논문에서는 네팔(Nepal)의 6개 시범 초등학교를 대상으로 유러닝 박스(U-Learning Box)와 유비 쿼터스 기반의 시험(UBT, Ubiquitous-based Test) 시스템을 이용한 교육 혁신 사례 연구 성과를 소개 하고 있다. 전력 공급 사정이 열악한 네팔 국가의 현실을 고려할 때 작고 이동성이 용이한 교사용 태 블릿 PC와 자체 배터리를 가진 소형 스마트 빔으로 구성된 유러닝 박스가 시범 초등학교를 대상으로 지속적인 기초 영어 교육과 보건 위생 교육을 지원하는 최적의 솔루션으로 평가되었다. 그리고 태블 릿 PC를 이용한 UBT 기술을 이용해 시범 초등학교 학생들의 기초 영어 학습 능력을 평가하고 분석 함으로써 이를 토대로 한 교육 환경 개선 및 현지 수준에 적합한 교육 콘텐츠의 개발이 필요함을 인 식하게 되었다. 이러한 유러닝 박스와 UBT 기술을 이용한 글로벌 교육 혁신 사례는 네팔 뿐만 아니 라 기초 교육 환경이 열악한 개발도상국들을 대상으로 하는 글로벌 교육 기회 평등 프로젝트의 성공 모델로 자리 잡을 것으로 기대한다. In this paper, we present the results of educational innovation case study using U-Learning Box and Ubiquitous-based Test(UBT) system for 6 sample primary schools in Nepal. As Nepal is considered to be a developing country with electricity problem to the school, the U-Learning Box, consisting of a small and easy-to-use tablet PC for teacher and a small smart beam with its own battery was evaluated as the optimum solution to support continuous basic English and hygiene education for these schools. And UBT technology using tablet PC was used to evaluate and analyze basic English learning ability of the students, which helped us realized that it is necessary to improve the educational environment and develop suitable educational contents. We hope that the global educational innovation using U-Learning Box and UBT technology will become a successful model for global equality of educational opportunity project for developing countries including Nepal.
Availability Information Service of Pavilions in the Forest
Rita Rijayanti,Mintae Hwang 한국정보통신학회 2021 2016 INTERNATIONAL CONFERENCE Vol.12 No.1
In this study, we design services to provide real-time occupation status of the pavilion in the forest to increase citizens" convenience while using the pavilion. We are using the hardware module with motion detection sensors to detect movement inside the pavilion. Then the collected data will be sent to a cloud database along with location information, date and time, temperature, and humidity data. Using this service, citizens can get information about pavilion conditions and available prediction staus from their mobile application, and the government with the information that appears in a web application can make better public service facilities policies.
Optimal dwelling time prediction for package tour using K-nearest neighbor classification algorithm
Aria Bisma Wahyutama,Mintae Hwang Electronics and Telecommunications Research Instit 2024 ETRI Journal Vol.46 No.3
We introduce a machine learning-based web application to help travel agents plan a package tour schedule. K-nearest neighbor (KNN) classification predicts the optimal tourists' dwelling time based on a variety of information to automatically generate a convenient tour schedule. A database collected in collaboration with an established travel agency is fed into the KNN algorithm implemented in the Python language, and the predicted dwelling times are sent to the web application via a RESTful application programming interface provided by the Flask framework. The web application displays a page in which the agents can configure the initial data and predict the optimal dwelling time and automatically update the tour schedule. After conducting a performance evaluation by simulating a scenario on a computer running the Windows operating system, the average response time was 1.762 s, and the prediction consistency was 100% over 100 iterations.
Extraction of Worker Behavior at Manufacturing Site using Mask R-CNN and Dense-Net
Rita Rijayanti(리타 리자얀티),Mintae Hwang(황민태),Kyohong Jin(진교홍) 한국정보통신학회 2022 한국정보통신학회 종합학술대회 논문집 Vol.26 No.1
본 논문은 작업자와 객체들이 서로 혼재되어 있는 제조 현장에서 Mask R-CNN을 이용해 객체들을 탐지한 후 이를 Dense-Net을 통해 객체 형상을 자동으로 추출하는 기술을 담고 있다. 이는 맞춤형 공장 데이터 세트를 기반으로 하며, 대상이 되는 개체는 작업자, 기계, 도구, 컨트롤 박스 및 제품들이다. Mask R-CNN은 이미 잘 알려진 객체 인식 방식으로서 다중 객체 인식을 지원하며, Dense-Net은 중첩된 객체들로부터 개별 객체를 추출하는 데 탁월한 효과를 보여준다. 이러한 두 가지 기술을 이용한 기초 구현 결과 제조 현장 모습에서 객체들을 정상적으로 추출해 이미지를 설명할 수 있으며, 향후 객체에 대한 레이블링과 객체 간의 상호 관계를 추가해 작업자의 이상 행동을 감지하는 용도로 활용할 계획이다. This paper reports a technique that automatically extracts object shapes through Dense-Net, and subsequently, detects the objects using Mask R-CNN in a manufacturing site, in which workers and objects are mixed. It is based on the customized factory dataset by targeting workers, machines, tools, control boxes, and products as the objects. Mask R-CNN supports multi-object recognition as a well-known object recognition method, while Dense-Net effectively extracts a feature from multiple and overlapping objects. After immediate implementation using the two technologies, the object is naturally extracted from a still image of the manufacturing site to describe image. Afterwards, the result is planned to be used to detect workers’ abnormal behavior by adding a label on the objects.