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 : 한정윤 ( Han Jeongyun ) (검색결과 4 건)
- 무료
- 기관 내 무료
- 유료
-
온라인학습환경에서 학업성취도에 영향을 미치는 자기조절관련 학습행동 조사: 학습분석학을 활용하여
한정윤(Jeongyun Han),이성혜(Sunghye Lee),박민서(Minseo Park),김석원(Seokwon Kim) 한국HCI학회 2020 한국HCI학회 학술대회 Vol.2020 No.2
본 연구에서는 온라인학습환경에서 자기조절학습 행동을 나타내는 변인을 추출한 후 학업성취도를 예측하는데 있어 이러한 변인의 영향력을 살펴보고자 하였다. 본 연구를 위해 K 대학의 온라인 학습관리시스템(LMS)에 저장된 학생 809 명의 데이터가 활용되었다. 수집된 LMS 데이터로부터 12 개의 자기조절 관련 학습 행동 변인을 4 개의 카테고리로 구분하여 추출하였으며, 이러한 자기조절학습 관련 행동 특성 변인이 온라인 학업성취도 예측에 미치는 영향력을 파악하기 위해 랜덤 포레스트(random forest) 알고리즘을 사용하여 분석하였다. 분석결과, 12 주 온라인 학습 과정 중 제공되었던 모든 e-book 의 학습여부를 나타내는 ‘4 분기 e-book 학습 완료 비율’이 가장 높은 중요도 순위를 차지하였다. 또한 e-book 의 학습 횟수보다 학습 참여 일 수가 더 중요한 것으로 나타났다. 전반적으로 노력 조절과 관련된 변인이 상위 중요도를 차지하였으며, 메타 인지와 관련된 변인 중에는 반복 학습과 복습 횟수가 중요하게 나타났다.
-
적응적 협력학습 지원을 위한 면대면 협력 그룹의 학습 과정 분석 : 학습분석을 활용하여
한정윤(Han Jeongyun),김관훈(Kim Kwan Hoon) 학습자중심교과교육학회 2020 학습자중심교과교육연구 Vol.20 No.7
The purpose of this study is to suggest adaptive support strategies for effective collaborative argumentation by investigating group process according to group achievement. Groups consisting of 3-4 members participated in this study over two weeks after three weeks of pre-practice to become familiar with the collaboration software. Among them, about 30% of the upper and lower achievement groups were identified, and their learning process was compared by analyzing their learning activity data. In addition, interviews were conducted with 10 participants to complement the interpretation of the quantitative analysis. As a result, the high-performing groups presented more balanced opinions, produced a more amount of writing, and considered more essential elements of argumentation than the low-performing groups. On the other hand, the low-performing groups showed more usage of the collaboration software during face-to-face group interaction. Based on these results, educational implications are discussed to support face-to-face collaborative argumentation in an adaptive way. 본 연구의 목적은 면대면 협력적 논변 학습에서 그룹의 성취 수준에 따른 학습 과정을 분석함으로써 협력적 논변 학습이 효과적으로 이루어지기 위한 적응적 지원 방안을 제안하는 것이다. 이를 위해 협업 소프트웨어를 활용하여 그룹의 학습 활동 데이터를 수집하였으며, 학습분석을 통해 각 그룹의 학습 과정이 면밀하게 파악되었다. 본 연구를 위해 3-4명의 예비교사로 구성된 협력 그룹이 협업 소프트웨어 사용에 익숙해지기 위한 3주간의 사전 연습 기간을 가진 후, 2주에 걸쳐 본 연구에 참여하였다. 2주간의 활동이 모두 종료된 후, 이들 중 그룹 성취도에 따른 상·하위 각각 약 30%의 그룹을 도출하여 학습 과정을 비교분석하였다. 또한, 양적인 분석 결과의 해석을 돕고자 총 10명의 학습자를 대상으로 면담을 실시하였다. 그 결과, 고성취 그룹이 저성취 그룹에 비해 더 균형 잡힌 찬반 의견을 제시하고 의견 통합 과정에서 더 많은 양의 글감을 생산하며, 논변글의 필수요소를 보다 빈번하게 고려한다는 것이 확인되었다. 반면, 협업 소프트웨어 사용량에 있어서는 저성취 그룹이 고성취 그룹에 비해 더 많은 사용량을 보여주었다. 이러한 결과를 바탕으로 면대면 협력적 논변 활동을 적응적으로 지원하기 위한 방안을 제안한다.
-
한정윤 ( Jeongyun Han ),구예리 ( Ye-lee Koo ),김수진 ( Su-jin Kim ) 한국교육정보미디어학회 2023 교육정보미디어연구 Vol.29 No.4
디지털 전환 시대의 교육 혁신을 위해 인공지능(AI) 기반 맞춤형 교육의 중요성이 강조되는 가운데, 본 연구에서는 맞춤형 피드백 생성을 위한 챗GPT의 활용 가능성을 탐색한다. 이에 본 연구는 챗GPT를 활용한 맞춤형 피드백의 생성 및 적용 방법론을 탐색하고, 이러한 피드백에 대한 사용자의 인식 및 태도와 교육적 효과를 조사하는 것을 목적으로 하였다. 이를 위해 먼저 순환적이고 반복적인 과정을 통해 맞춤형 피드백 생성을 위한 프롬프트(prompt)를 개발하고 교사의 검토를 거쳐 맞춤형 피드백을 학생에게 제공하는 방안을 제안한다. 이를 통해 제작된 두 종류의 맞춤형 피드백(서면 피드백, SMS 피드백)은 113명의 학생들에게 4주 동안 총 6회 제공되었다. 그 결과 챗GPT로 생성된 맞춤형 피드백에 대한 학생의 높은 사용성 평가 결과가 확인되었으며, LMS 데이터를 통해 파악한 학생들의 온라인 학습 참여도 또한 유의미한 수준으로 향상되었음을 파악할 수 있었다. 아울러 심층 집단 면담을 통해 맞춤형 피드백에 대한 학생과 교사의 인식 및 태도를 조사하였다. 그 결과 학생들은 맞춤형 피드백을 제공받고 학습이 긍정적으로 변화했다고 응답했으며, 피드백의 내용에 대한 높은 사회적 실재감과 함께 지속사용의도를 보였다. 아울러 교사들은 이러한 자동화된 피드백이 편리하고 업무 경감에 도움이 된다고 응답했으며, 피드백 제공 이후 학생들의 높아진 학습 참여도를 체감함과 동시에 이러한 피드백이 매개체가 되어 학생들과 새로운 라포가 형성되었다고 응답하였다. 한편 이들은 발전된 기술에 대한 놀라움과 함께 교사의 역할 변화에 대한 우려 섞인 기대를 나타냈다. 이러한 연구 결과를 바탕으로 챗GPT를 활용한 맞춤형 교육 실현에 있어서 본 연구의 의의와 시사점을 논의하였다. The purpose of this study is to examine the feasibility of generating personalized feedback with ChatGPT and to investigate user perceptions and the effectiveness of the feedback. To this end, this study suggests a cyclical and iterative process to optimize prompts for generating personalized feedback and also proposes including the teacher's confirmation before the provision of feedback. Two types of personalized feedback(handout and SMS) were provided to 113 students six times over four weeks. The results showed that students highly rated the usability of the personalized feedback generated by ChatGPT, with a significant increase in online learning participation. Additionally, in-depth group interviews were conducted to investigate the perceptions and attitudes of students and teachers toward the ChatGPT-generated feedback. The findings indicated that students experienced positive changes in their learning following the receipt of personalized feedback, and they reported a high level of social presence and intention to continue using the feedback. Teachers perceived that the automated feedback was convenient and helpful to ease their workload. They also recognized increased student engagement following the feedback, and enhanced rapport with students due to this mediated feedback. On the other hand, teachers showed both expectations and concerns about changing their roles. Based on these findings, we discussed the significance and implications of this study for personalized education using generative AI such as ChatGPT.
-
인공지능에 의해 창출된 부의 재분배에 관한 고찰 - 인공지능윤리교육에 주는 시사 -
한찬희 ( Han Chan-hee ),박성진 ( Park Sung-jin ),이재호 ( Lee Jae-ho ),한정윤 ( Han Jeongyun ) 한국초등도덕교육학회 2021 초등도덕교육 Vol.- No.73
본 연구는, 인공지능 기술과 빅데이터의 밀접한 관련을 염두에 두고, 인공지능에 의해 창출된 부의 공정한 분배방식을 고찰하는 데 목적이 있다. ‘공적’과 ‘우선성’의 원칙을 중심으로 검토한 본 연구 결과에 따르면, 인공지능이 생산한 이윤은 공적을 인정하는 ‘합리성’과 최소 수혜자를 고려하는 ‘도덕성’을 둘 다 충족시키는 방향으로 분배되어야 한다. 이에, 빅데이터 시대의 인공지능윤리교육은 개인의 프라이버시 보호와 같은 사적 영역에 국한되지 않고 분배정의의 관점에서 그 과제와 방향을 적극적으로 모색할 필요가 있다. The advent of artificial intelligence based on big data has highlighted various ethical issues related to distributive justice. The purpose of this study is to reveal how fair distribution of wealth generated by artificial intelligence is achieved, with the close relationship between artificial intelligence technology and big data. According to this study, which reviewed the two principles of distribution, namely ‘merit’ and ‘priority’, the wealth produced by artificial intelligence should be distributed in a way that satisfies two factors: recognition of merit and consideration of the least advantaged. Therefore, AI ethics education in the era of big data should pay due attention to promoting the common good beyond dealing with topics such as protecting individual privacy.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
