Earticle

방송고 학습자의 배경 변인별 학습 현황과 학습 태도에 따라 형성평가 결과가 차이가 있는지를 탐색하고자 2018년 1학기동안 방송고 사이버교육시스템을 통해 영어, 수학, 통합사회, 통합과학을 학습한 1학년 2,965명의 로 그데이터를 분석하였다. 학습자의 성별, 연령, 소속 학교의 지역에 따라 학습 현황을 살펴보았으며 차시당 학습 횟수, 진도율, 학습 기간, 학습 시작 월, 차시별 형성평가 성적 등을 분석하였다. 또한 학습 성실도를 파악하기 위해 차시별 학습 빈도를 포함하여 왜도와 첨도를 구하여 성실한 학습 태도가 학업 성취에 미치는 영향을 검증 하였다. 그 결과, 차시당 평균 학습 횟수, 학습 기간, 진도율, 성적 등 거의 모든 분야에서 여성이 남성보다 높게 나타났고 연령별로는 대체로 나이가 많은 수록 높게 나타났다. 지역별로는 서울 지역이 다른 지역보다 높게 나 타났다. 방송고 학습자들의 평균 학습 기간은 2~3개월인 것으로 나타났고 학습 기간이 길수록 형성평가 성적도 높은 것으로 나타났다. 마지막으로 특정 시기에 집중하여 학습하는 학습자보다 학습 횟수가 짧더라도 꾸준히 학 습하는 학습자들의 형성평가 점수가 높은 것으로 나타났다.

In order to explore the learning attitude of the learners and the effects of conscious learning attitudes on academic achievement in On-line education system of open high school, we analyze the log data of 2,965 first graders who studied English, Math, Integrated Society and Integrated Science during the first semester of 2018. This study examines the learning status according to the learner's background variables, and analyzes the number of lessons per hour, learning progress rate, learning period, learning start month, and formative evaluation results for each class. In addition, to verify the effects of conscious learning attitude on academic achievement, skewness and kurtosis are calculated by using learning frequency values for each class. As a result, in almost all fields, the average number of lessons per class, study duration, progress rate, and grades, women are higher than men. In addition, the older ones are, the higher they are and the Seoul area is higher than the other area. The average learning period is 2～3 months, and the longer the learning period, the higher the formative evaluation score. Lastly, even though the number of learning is lower than that of learners who concentrate on a certain period of time, the formation scores of learners who learn consciously are higher.

심전도 데이터의 자동 분석은 다양한 심장 질환을 진단하는데 매우 중요하고 임상의사의 진단 업무 효율성을 높이는 데 도움이 된다. 최근에 적은 수의 채널로 휴대가 가능한 웨어러블 심전도 기기가 개발되고, 이를 인공지능을 이용 하여 진단하는 기법들이 발표되고 있는 추세이지만, 리드 수 및 전처리 필터 타입이 클래스별로 심전도 분류에 미치 는 영향에 대한 연구는 부족하다. 본 논문에서는 PhysioNet 2021 Challenge에서 제공하는 12-리드 심전도 데이 터로 1D ResNet합성곱신경망모델을 이용하여 다중라벨로 분류하는 성능을 평가하였다.12-리드, 6-리드, 4-리드, 3-리드, 2-리드에 대해 리드별, 그리고 전처리를 사용하지 않는 방식, Pan-Tompkins(P-T)전처리 방식, 이산 웨 이브릿 변환 방식의 예측 성능을 비교하였다. 분산 분석을 적용한 결과, 클래스별 F1-score는 리드 수 및 전처리 방식에 대해 유의미한 차이를 보이지 않았다(p＞0.05). 클래스별로 다른 문턱값(threshold)을 적용하는 경우 일 정한 문턱값을 적용할 때보다 macro F1-score 값이 2-리드, P-T 전처리 기법의 경우 0.4448에서 0.4644로 증 가하였다. 본 다중라벨 심전도 데이터를 활용한 비교 분석 연구는 재현성을 도모하기 위해 소스 코드로 제공한다 (https://github.com/shjee20/1D-ecg).

Automatic analysis of electrocardiogram(ECG) data is crucial for the diagnosis of a variety of cardiovascular diseases, and it can help improve the efficiency of medical doctors’ tasks. Recently, portable and wearable ECG devices with a few of channels have been developed, and artificial intelligence-based techniques for disease diagnosis have been proposed in the literature. However, there is lack of studies investigating the effects of choosing lead counts and preprocessing methods on class-wise prediction performance. In this study, we utilized 12-lead ECG data provided by the PhysioNet 2021 Challenge and evaluated the performance of multi-label classifiers based on 1D ResNet convolutional neural network(CNN) models. We compared the prediction performance with a variety of lead choices(i.e., 12-lead, 6-lead, 4-lead, 3-lead, 2-lead) and preprocessing methods including no preprocessing, Pan-Tompkins filtering, and discrete wavelet transform.The analysis of variance(ANOVA) indicated that differences in class-wise F1-scores for the choice of lead counts and preprocessing methods were not statistically significant(p＞0.05). Compared to a fixed threshold setting, a class-dependent threshold setting improved macro F1-score from 0.448 to 0.4644 for the choice of the 2-lead and Pan-Tompkins preprocessing method. In order to promote reproducibility for comparative studies using multi-label ECG data, we provide source code at https://github.com/shjee20/1D-ecg