Earticle

본 연구는 초등학생의 논리적 사고력 신장을 위한 교육 방법으로 수행시간 중심의 파이썬 정렬 알고리즘 교 육 프로그램을 개발하여 적용한 후 그 효과를 검증하였다. 교육 프로그램은 현직 초등학교 교사 100명을 대상으 로 실시한 사전 요구 분석 결과를 바탕으로 하여 개발하였다. 개발한 교육 프로그램의 효과를 검증하기 위해 ○ ○대학교에서 실시한 초등학생 교육기부 프로그램의 지원자 표집에 의한 지원자 표본 25명을 대상으로 6일간 1 일 7차시씩 42차시를 진행하였다. 한국교육개발원에서 개발한 ‘논리적 사고 검사(GALT)’를 활용하여 사전·사후 검사 결과를 통해 교육적 효과를 분석하였으며, 분석 결과 수행시간 중심의 파이썬 정렬 알고리즘교육이 초등학 생의 논리적 사고력 향상에 효과적인 것으로 나타났다.

The purpose of this study is to develop a Python sorting algorithm training program based on execution time as an educational method for enhancing the logical thinking power of elementary students and then to verify the effect. The education program was developed based on the results of the pre-demand analysis conducted on 100 elementary school teachers. In order to verify the effectiveness of the developed educational program, I teached 25 students of the volunteer sample of the elementary school education donation program conducted at ○○ University conducted 42 hours, 7 days. The results of the pre-test and post-test were analyzed using the 'Group Assessment of Logical Thinking(GALT)' developed by the Korea Educational Development Institute. The results showed that the Python sorting algorithm training centered on execution time was effective in improving the logical thinking ability of elementary school students.

본 연구는 초등학생의 컴퓨팅 사고력 신장을 위한 교육 방법으로 수행시간 중심의 초등 EPL 교육 프로그램 을 개발하여 적용한 후 그 효과를 검증하였다. 교육 프로그램은 초등학교 학생 48명을 대상으로 실시한 사전 요 구 분석 결과를 바탕으로 하여 개발하였다. 개발한 교육 프로그램의 효과를 검증하기 위해 ○○대학교에서 실시 한 초등학생 교육 기부 프로그램의 지원자 표집에 의한 지원자 표본 25명을 대상으로 6일간 1일 7차시씩 42차시 를 진행하였다. 한국정보과학교육연합회에서 주최한 ‘비버챌린지(Korea Bebras Challenge 2018)’를 활용하여 사 전·사후 검사 결과를 통해 교육적 효과를 분석하였으며, 분석 결과 수행시간 중심의 초등 EPL 교육이 초등학생 의 컴퓨팅 사고력 향상에 긍정적인 영향을 미친 것으로 나타났다.

This study has developed and applied an elementary EPL education program centered on execution time as an educational method for improving Computational thinking of elementary school students, and then its effect has been verified. The education program was developed based on the results of preliminary demand analysis conducted on 48 elementary school students. In order to verify the effectiveness of the education program, 25 students were asked to participate in the class of elementary school students on a seven hours for six days. Using the "Korea Bebras Challenge 2018", educational effects were analyzed through the results of pre- and post-mortem examinations, and the analysis showed that elementary EPL education centered on performance time was effective in improving computational thinking of elementary school students.

본 연구는 초등학생의 논리성 향상을 위해 파이썬을 활용한 탐색 알고리즘 기반 수행시간 비교 및 분석 교육 프로그램을 개발하고 적용하여 그 효과를 분석했다. 본 교육 프로그램은 ○○도내 초등학교 6학년 133명을 대상 으로 실시한 사전 요구분석 결과를 활용하였고, ADDIE 모형의 절차에 따라 개발하였다. 개발한 교육 프로그램 의 효과를 검증하기 위해서 ○○대학교에서 실시한 교육기부 프로그램의 지원자 25명을 대상으로 6일간 42차시 수업을 진행하였고, GALT검사를 통해 교육의 사전⋅사후 효과를 비교⋅분석하였다. 분석해 본 결과, 본 연구에 서 개발한 SW교육 프로그램이 초등학생의 논리성에 긍정적인 영향을 줄 수 있다는 것을 알 수 있었다.

The purpose of this study is to develop a Python search algorithm educational program based on execution time to improve the logical thinking of elementary school students. This educational program was developed based on the process of ADDIE model, utilizing the results of pre-demand analysis conducted for 133students in elementary school in ○○. In order to verify the effectiveness of the developed education program, 25 students who participated in the education donation program at ○○ University conducted 42 hours of classes during 6 days. The GALT test was used to analyze the educational effects of the pre- and post-test. The results of the analysis show that the SW education program developed in this study can positively affect the logic of elementary school students.

본 연구에서는 알고리즘의 수행시간 분석에 초점을 맞춘 언플러그드 방식의 교육이 초등학교 3학년 학생들의 컴퓨팅 사고력 향상에 미치는 효과를 분석해보았다. 현직 초등교사 70명과 초등학교 3학년 학생 120명을 대상으 로 실시한 요구분석 결과를 바탕으로, ADDIE 모형의 절차에 따라 언플러그드 교육프로그램을 개발하였다. 개발 한 교육프로그램으로 초등학교 3학년 학생 24명에게 총 6일 동안 36시간의 수업을 진행하였고, 같은 시간 동안 보드게임 교육을 받은 24명의 학생들과 사전·사후 비교 검사를 통해 효과를 분석하였다. 분석 결과, 알고리즘의 수행시간 분석에 초점을 맞춘 언플러그드 방식의 교육은 초등학교 3학년 학생들의 컴퓨팅 사고력에 긍정적인 효 과를 미치는 것으로 확인되었다.

This study analyzed the effect of an unplugged educational program which focuses on the algorithm execution time analysis on enhancing the computational thinking of the third grade students. An unplugged educational program was developed by following the procedures of the ADDIE model based on the result of the demand analysis conducted with 70 incumbent elementary school teachers and 120 third grade students. The developed program was applied to 24 third grade students for 36 classes in six days and a comparison was made through pre-post comparison tests with 24 students who were taught with a board game program for the same period of time. As a result, the unplugged education program which focuses on the algorithm execution time analysis is deemed to have positive effect on the computational thinking of the third grade students.

태스크내부에서 공급 전압을 조절하는 태스크내 전압 스케쥴링(IntraVS)은 저전력 프로그램을 구현하는 데 효과적인 방법이다. 본 논문에서는 경성 실시간 응용프로그램에서 평균 실행 시간에 대한 정보를 이용하여 전력 소모를 효과적으로 줄이는 새로운 태스크내 전압 스케쥴링 알고리즘을 제시한다. 최악 실행 시간을 사용하여 전압 조절의 결정을 내렸던 기존의 태스크내 전압 스케줄링과는 달리, 제안된 알고리즘은 평균 실행 시간에 바탕을 두고 실행 속도를 조절함으로써 주어진 시간 제약 조건을 만족시키면서도 기존 방법보다 에너지 효율성을 높일 수 있다. MPEG-4 디코더를 이용한 실험 결과, 제안된 알고리즘은 기존의 태스크내 전압 스케줄링에 비해서 전력 소모를 최대 34% 감소시켰다.

Intra-task voltage scheduling (IntraVS), which adjusts the supply voltage within an individual task boundary, is an effective technique for developing low-power applications. In this paper, we propose a novel intra-task voltage scheduling algorithm for hard real-time applications based on average-case execution time. Unlike the conventional IntraVS algorithm where voltage scaling decisions are based on the worst-case execution cycles, tile proposed algorithm improves the energy efficiency by controlling the execution speed based on average-case execution cycles while meeting the real-time constraints. The experimental results using an MPEG-4 decoder program show that the proposed algorithm reduces the energy consumption by up to 34% over conventional IntraVS algorithm.

멀티미디어 응용은 시간 제약 조건을 가지며, 이를 만족시키는 실시간 스케줄러는 멀티미디어를 지원하는 운영체제의 필수적인 요소이다. 본 논문에서 제안하는 실시간 스케줄링 기법은 시간 제약 조건의 명세를 이용하여 멀티미디어 응용들의 수행시간과 지연 시간 변동폭의 상한을 보장한다. 응용은 그 주기와 수행시간을 명세하며, 스케줄러는 수행률에 기반하여 응용들을 스케쥴한다. 또한 본 논문에서는 제안된 스케줄링 기법을 RT-MACH[6] 운영체제 상에서 구현하여 실제로 수행시간과 지연시간 변동폭의 상한이 보장됨을 보인다.

실시간 시스템은 시스템이 적시성을 보장하는지 파악하기 위해 실시간 감시기법을 이용한다. 일반적으로 실시간 감시는 실시간 시스템의 현재 동작상태를 파악하는데 중점을 두는 기법이다. 그러나 실시간 시스템의 안정적인 수행을 지원하기 위해서는, 현재 상태를 파악하는 것뿐 아니라, 실시간 시스템 및 시스템상에서 동작하는 실시간 프로세스들의 수행도 예측할 수 있어야 한다. 그러나 기존 예측모델을 실시간 감시기법에 적용하기에는 몇 가지 한계가 있다. 첫째, 예측기능은 실시간 프로세스가 종료한 시점에서 정적인 분석을 통해 수행된다. 둘째, 예측을 위해 사전 기초 통계분석이 필요하다. 셋째, 예측을 위한 이전확률 및 클러스터 정보가 현재 시점을 정확하게 반영하지 못한다. 본 논문에서는 이러한 문제점들을 해결하고 실시간 감시기법에 적용할 수 있는 학습 기반의 수행 예측모델을 제안한다. 이 모델은 학습기법을 통해 불필요한 전처리 과정을 없애고, 현시점의 데이터를 이용해, 보다 정확한 실시간 프로세스의 수행 예측이 가능하도록 한다. 또한 이 모델은 실시간 프로세스 수행 시간의 증가율 분석을 통해 다단계 예측을 지원하며, 무엇보다 실시간 프로세스가 실행되는 동안 예측이 가능한 동적 예측을 지원하도록 설계하였다. 실험 결과를 통해 훈련집합의 크기가 10 이상이면 80% 이상의 판단 정확도를 보이며, 다단계 예측의 경우, 훈련집합의 크기 이상의 수행횟수를 넘으면 다단계 예측의 예측 차는 최소화되는 것으로 나타났다. 본 논문에서 제안한 예측모델은 가장 단순한 학습 알고리즘을 적용했다는 점과, CPU, 메모리, 입출력 데이터를 다루는 다차원 자원공간 모델을 고려하지 못한 한계가 있어 향후에 관련 연구가 요구된다. 본 논문에서 제안하는 학습기반 수행 예측모델은 실시간 감시 및 제어를 필요로 하는 분야 및 응용 분야에 적용할 수 있다.

Monitoring is used to see if a real-time system provides a service on time. Generally, monitoring for real-time focuses on investigating the current status of a real-time system. To support a stable performance of a real-time system, it should have not only a function to see the current status of real-time process but also a function to predict executions of real-time processes, however. The legacy prediction model has some limitation to apply it to a real-time monitoring. First, it performs a static prediction after a real-time process finished. Second, it needs a statistical pre-analysis before a prediction. Third, transition probability and data about clustering is not based on the current data. We propose the execution prediction model based on learning algorithm to solve these problems and apply it to real-time monitoring. This model gets rid of unnecessary pre-processing and supports a precise prediction based on current data. In addition, this supports multi-level prediction by a trend analysis of past execution data. Most of all, We designed the model to support dynamic prediction which is performed within a real-time process’ execution. The results from some experiments show that the judgment accuracy is greater than 80% if the size of a training set is set to over 10, and, in the case of the multi-level prediction, that the prediction difference of the multi-level prediction is minimized if the number of execution is bigger than the size of a training set. The execution prediction model proposed in this model has some limitationthat the model used the most simplest learning algorithm and that it didn't consider the multi-regional space model managing CPU, memory and I/O data. The execution prediction model based on a learning algorithm proposed in this paper is used in some areas related to real-time monitoring and control.