Earticle

최근 가짜뉴스가 무분별하게 확산되면서 가짜뉴스로 인한 경제적, 사회적 비용이 커지고 있다. 하루에 발생하는 가짜뉴스는 방대하 며, 실제 뉴스기사를 악의적으로 재생산 또는 언론사를 사칭하는 방식으로 유포되고 있다. 이를 구분하기 위한 연구가 많으나, 공인 된 뉴스 기사인지에 대한 신뢰성 입증과 관련된 연구 논문은 매우 적은 상황이다. 본 논문에서는 가짜뉴스 문제를 해결하기 위해 뉴스 플랫폼에 블록체인을 적용, 공인된 뉴스 제공자가 기사 내용에 대한 Fingerprint를 블록체인에 기록하여 공인된 기사 내용에 대 한 신뢰성을 검증하는 방안에 대해 제안한다.

With the recent indiscriminate spread of fake news, the economic and social costs of fake news are increasing. Fake news that occurs in a day is vast, and is spreading in a way that maliciously reproduces actual news articles or impersonates media companies. There are many studies to distinguish this, but there are very few research papers related to proving the reliability of whether it is an authorized news article. In this paper, we propose a method to verify the reliability of the authorized article content by applying a blockchain to the news platform to solve the fake news problem and recording the Fingerprint of the article content on the blockchain.

본 연구는 2022 개정 교육과정 개발시 기초 자료로 활용할 목적을 갖고 개발된 인공지능교육 보조 교재 5종을 대상으로 주제어 빈도분석, 동시출현 빈도분석, 네트워크 중심성 분석, 수직적 연계성 분석을 넷마이너 프로그램을 활용하여 분석하였다. 학교급 별 주제어 빈도분석 통해 공통으로 출현빈도가 높은 인공지능, 데이터, 인간, 활용 주제어를 제외하고는 학교급별로 중요하게 다루는 주제어에 차이가 있는 것을 확인할 수 있었다. 또한 네트워크 중심성 분석을 통해 연결정도 중심성, 매개 중심성, 근접 중심성이 높게 나타난 핵심 주제어를 중심으로 내용을 집중적으로 다루고 있음을 확인할 수 있었다. 초-중-고 학교급별 주제어 의 연계성을 보면 ‘인공지능의 이해’, ‘인공지능의 원리와 활용’, ‘ 인공지능의 사회적 영향’ 영역 모두 주제어의 양적 확대를 확 인할 수 있었으며 특히 ‘인공지능의 원리와 활용’ 영역에서는 ‘탐색’ 주제어의 질적 심화를 확인할 수 있었다. 인공지능시대를 살 아갈 학생들에게 필요한 역량을 키워주기 위한 교재를 내용분석하는 것은 앞으로 인공지능교육 교재개발에 관한 후속 연구를 위한 기초자료로 예상한다.

In this study, we analyzed the subject word frequency analysis, co-occurrence frequency analysis, network centrality analysis, and vertical linkage analysis were conducted using the Netminer program for 5 types of artificial intelligence education supplementary materials developed with the purpose of using them as basic data in the development of the 2022 revised curriculum. Through the frequency analysis of keywords for each school level, it was confirmed that there were differences in the keywords that were important for each school level, except for AI, data, human, and used keywords, which have high frequency of appearance in common. In addition, through the network centrality analysis, it was confirmed that the content was intensively dealt with by focusing on key keywords that showed high degree of connection centrality, mediation centrality, and proximity centrality. Looking at the linkage of the keywords for each elementary, middle, and high school level, it was possible to confirm the quantitative expansion of the keywords in 'Understanding Artificial Intelligence', 'Principles and Use of Artificial Intelligence', and 'Social Impact of Artificial Intelligence'. In the 'principle and application' area, it was possible to confirm the qualitative deepening of the 'search' keyword. It is expected that the content analysis of textbooks to nurture the necessary competencies for students who will live in the age of artificial intelligence will serve as basic data for subsequent research on the development of artificial intelligence education textbooks.

다차원 대용량 데이터에 대한 POI탐색은 데이터 분석, 데이터 마이닝 분야에서 중요한 주제이다. 좋은 POI 탐색 방법은 데이터 차 원의 수와 데이터 크기에 무관하게 안정적인 성능을 제공해야 한다. 본 논문에서는 실시간 데이터를 대상으로 분할기반의 POI 탐색 방법을 제안한다. 기존 POI 탐색 방법은 데이터 차원이 증가함에 따라 수행시간 및 메모리 공간 사용량이 급격히 증가한다. 본 논 문에서는 데이터 공간에서 1차원 POI를 기반으로 다차원 데이터의 POI를 찾기 위한 POI 리스트를 제안한다. 식별된 다차원 POI의 정확도는 덜 정확할 수 있지만 차원 수에 대해 기존 방법들보다 효율적으로 수행할 수 있다. 1차원 탐색 방식은 다차원 탐색 방식 보다 메모리 사용량과 수행성능이 뛰어나기 때문이다. 실험을 통해 제안하는 방법이 메모리 자원을 보다 효과적으로 활용하는 것을 확인할 수 있다.

POI search for multidimensional large data is an important topic in data analysis and data mining fields. A good POI search method should provide stable performance regardless of the number of data dimensions and data size. In this paper, we propose a segmentation-based POI search method for real-time data. The existing POI search method rapidly increases execution time and memory space usage as the data dimension increases. We propose a POI list to find the POI of multidimensional data based on the one-dimensional POI in the data space. The accuracy of the identified multidimensional POI may be less accurate, but it can perform more efficiently than existing methods for the number of dimensions. This is because the one-dimensional search method has better memory usage and performance than the multi-dimensional search method. Through experiments, it can be confirmed that the proposed method utilizes memory resources more effectively.

본격적인 4차 산업혁명 시대가 도래하면서 인공지능 기반의 기술 개발과 활용은 그 어느 때보다 중요해지고 있다. 데이터 마이닝은 4차 산업혁명과 인공지능 시대의 초석이라고 할 수 있는 전통적인 정보 처리 분야이며, 이러한 데이터 마이닝을 기반으로 다양한 정보 분석을 수행하고 인공지능 기술에 접목하기 위해서는 빅데이터 환경에서 효율적으로 실행 가능한 체계 또는 방법론이 필요하 다. 빅데이터 환경에서는 데이터의 발생 속도가 매우 빠르고 용량이 크기 때문에 일반적인 단일 서버 방식으로는 데이터 마이닝이 불가능하다. 이러한 문제를 해결하기 위해, 본 논문에서는 빅데이터 처리를 할 수 있는 분산 병렬 처리 기반의 데이터 마이닝 기법 을 제안한다. 제안하는 방법은 트랜잭션을 여러 개의 샤드로 분할하고, 빈발 항목집합 탐사 과정을 내부 및 외부 패턴으로 구분하여 분산 병렬 처리한 뒤, 이전에 생성된 집합과 새로 갱신된 결과를 병합하여 최종 결과를 도출하는 3단계로 구성된다. 이 과정에서 상대적으로 정확도는 약간 감소하지만 다중 스캔 없이 빠르게 근사적으로 클러스터 내의 빈발 항목집합을 탐사한다. 제안하는 방법 을 통해 하둡 맵리듀스 환경에서 점진적으로 마이닝 결과를 탐사하고 단일 서버에서는 제공하지 못하는 안정적인 유연성과 확장성 을 확보할 수 있다.

With the advent of the era of the 4th Industrial Revolution, the development and utilization of the artificial intelligence(AI) technologies becomes more important than ever. Data mining is a traditional information processing field which is the basis of the 4th Industrial Revolution and AI era. It is necessary to develop a system or methodology that can be efficiently executed in a big data environment in order to perform various information analysis and incorporate into artificial intelligence technology. In a big data environment, since data is generated very fast and its volume is large, it is impossible to process the method with a general single server approach. To solve this problem, this paper proposes a distributed parallel processing approach for data mining process. The proposed method consists of three steps: dividing the transaction into several shards, distributed frequent itemsets mining process with the internal and external patterns in parallel, and merging the previously generated set with newly updated results. Through this process, the accuracy is slightly decreased, however the set of frequent itemsets can be quickly and approximately explored without multiple scans. The proposed method can gradually find the resulting sets using the Hadoop MapReduce technique and provide flexibility and scalability.

지금까지 AI 교육은 실과의 SW교육에 맞춰 적용되고 있기 때문에 확대하여 운영하기 어려운 실정이다. 이에 본 연구에서 여러 교 과의 융합적 관점에서 인공지능을 활용한 예술융합교육 프로그램을 개발하였다. 그리고 교육 프로그램을 수업에 적용하여 초등학 생의 창의성 향상에 미치는 효과를 분석하였다. 연구 내용을 검증하기 위해 통합창의성검사를 사전에 실시하여 초등학교 5학년 2 개 학급을 선정하고 실험반에 4주간 12차시 인공지능 활용 예술융합교육 프로그램을 적용하였고 대조반에는 기존의 미술, 음악 수 업을 진행하였다. 적용 후, 실험반과 대조반에 통합창의성 사후검사를 실시하고 t-검정을 통해 그 효과를 살펴보았다. 인공지능 활 용 예술융합교육 프로그램을 적용하고 통합창의성검사 평균이 교육 프로그램을 적용하지 않은 대조반보다 유의미하게 향상되었다. 연구를 통해 인공지능 활용 예술융합교육 프로그램을 개발하고 적용한 결과 초등학생의 창의성 향상에 유의미한 효과가 있음을 확 인하였다.

Until now, AI education has been applied in line with practical software education, so it is difficult to expand and operate it. Therefore, in this study, an art convergence education program using artificial intelligence was developed from a convergence point of view of various subjects. And the effect of applying the educational program to the class on improving the creativity of elementary school students was analyzed. To verify the contents of the research, an integrated creativity test was conducted in advance to select 2 classes in the 5th grade of elementary school, and an art convergence education program using artificial intelligence was applied to the experimental group for 12 sessions for 4 weeks. Existing art and music classes were conducted in the control group did After application, an integrated creativity post-test was performed on the experimental group and the control group, and the effect was examined through the t-test. Artificial intelligence-based art convergence education program was applied, and the average of the integrated creativity test improved significantly compared to the control group that did not apply the education program. As a result of developing and applying an art convergence education program using artificial intelligence through research, it was confirmed that there was a significant effect in improving the creativity of elementary school students.

본 연구에서는 기존 전통적인 방식의 블록 프로그래밍 환경이 갖는 한계점인 기초 로직 중심의 교육, 블록 코딩과 텍스트 코딩의 동시 학습성 한계, 데이터 사이언스 및 인공지능 개발 어려움 등의 한계점을 보완하기 위한 새로운 형태의 파이썬 WASM 기반 블 록 코딩 교육 플랫폼 설계를 제안한다. 제안하는 플랫폼은 웹 기반으로서 학습자가 개발환경을 구축할 필요가 없으며, 작성하는 블 록 로직을 실시간 파이썬 텍스트 코딩으로 변환할 수 있다. 또한, WASM을 활용하여 학습자는 블록 로직을 통해 기초부터 심화, 데 이터 사이언스 및 인공지능 개발까지 다양한 파이썬 로직을 개발할 수 있다. 최종적으로는 제안하는 플랫폼의 구현 결과와 이를 바 탕으로 한 다양한 기능들을 확인한다. 또한, 제안하는 플랫폼을 활용하여 파이썬 기초 로직부터 데이터 시각화, 이미지 처리, 머신 러닝 등의 로직을 블록 코딩으로 구현한다. 이로써 제안하는 플랫폼이 교육적인 목적을 넘어 온전한 파이썬 비쥬얼 블록 코딩 플랫 폼으로서 사용되기에 적합한 구조를 지니고 있는지 검증한다. 본 연구를 통해 학습자는 실제 파이썬과 동일한 환경에서 블록 코딩 과 텍스트 코딩으로 프로그래밍을 학습하며 컴퓨팅적 사고 증진과 실제 파이썬에 대한 이해도를 높일 수 있을 것으로 기대된다. 마 지막으로, 블록 및 텍스트 코딩의 동시 학습을 통하여 추후 학습자의 파이썬 텍스트 환경에 대한 진입 장벽을 낮출 수 있을 것으로 기대된다.

In this research, we propose an architecture of new-type block coding educational platform based on python WASM to redeem the traditional block programming environment's limitation, which are basic logic-centered education, the limitation of simultaneous learning between block coding and text based coding, and difficulty for developing a data science and an artificial intelligence. Learners don't need to set up an development environment as proposed platform is web-based, and this platform can convert block logic written by a learner into python text logic in real time. Futhermore, a learner can develop various python logic from basic to advanced logic, data science and artificial intelligence using block logic operated in WASM. In the last section, we verify the implemented proposed platform and its various functions. In addition, we implement logics such as python basic logic, data visualization, image processing and machine learning using block coding to verify the proposed platform's structure to be used not only as an educational platform but also as a python visual block coding platform. This study is expected to let a learner's computational thinking improve and the understanding of python language both by learning through block and text coding of which in the same environment as real python. Finally, we expect that it can reduce the entry barrier of python text coding environment for a learner by using simultaneous learning between block and text coding.

최근 과학기술통신부에서 발표한 '디지털 뉴딜'의 10대 대표 과제 중 하나인 '데이터 댐' 사업에 높은 비용이 투자되고 있다. 이에 따른 AI 학습용 데이터 구축 관련 국내 정책 및 사업을 분석해 보면 데이터 레이블링 자동화 부분에 부족함이 존재한다. 데이터 레 이블링을 수작업으로만 진행하기에는 노동력이 많이 필요하고 시간도 오래 걸린다. 그뿐만 아니라, 사람마다 다른 레이블링 방식은 데이터의 일관성을 떨어뜨려 모델 학습에 부정적인 영향을 준다. 따라서 본 연구는 데이터 구축 시간 단축과 노동력 절감, 일관성 있는 레이블링으로 빠르게 양질의 데이터 추출이 가능하다. 또한, 전이학습을 통해 AI 모델의 정확도를 향상하여 수작업 빈도를 줄 여 단시간에 대량의 데이터를 추출하는 것에 도움이 되며, 새로운 객체의 인식 또한 가능하여 다양한 객체 탐지에 도움을 줄 수 있 다. 이미지 레이블링은 KEM 형식으로 생성되기 때문에 생성된 데이터는 교육 분야에도 유의미한 데이터로 사용될 수 있다.

High costs are being invested in the "Data Dam" project, one of the top 10 representative tasks of the "Digital New Deal" recently announced by the Ministry of Science and ICT. Accordingly, as a result of analyzing domestic policies and projects related to data construction for AI learning, there is a lack in data labeling automation. Data labeling requires a lot of labor and takes a long time to proceed manually. In addition, different labeling methods from person to person have a negative impact on model learning due to poor data consistency. Therefore, in this study, it is possible to quickly extract high-quality data by shortening data construction time, reducing labor, and consistent labeling. In addition, it helps to extract data in a short time by reducing the frequency of manual work by improving the accuracy of the AI model through transfer learning, and it can help detect various objects by enabling recognition of new objects. Since image labeling is generated in the KEM format, the generated data may also be used as meaningful data in the field of education.