Earticle

맞춤형 교육을 위해 학습자에 맞는 학습 경로를 탐색하는 것은 필수적이다. 유전 알고리즘은 해공간이 매우 커서 결정적 방법으로 해를 구하기 어려울 때 타당한 시간 내에 최적해를 찾게 해준다. 본 연구는 유전 알고리즘을 이용하여 200 개 코드를 가진 악보 27개를 대상으로 학습자 부담을 최소화하고 단계별 학습량을 균등하게 분산함으로써 학습 효과를 최대 화 할 수 있도록 학습 경로를 최적화하였다. 학습 컨텐츠가 27개만 되어도 학습 경로의 순열 크기는 10 28을 넘지만, 본 연구 에서 구현한 도구로 평균 20분 이내에 최적해를 구할 수 있었다. 실험 결과는 유전 알고리즘이 다양한 목적의 맞춤형 교육을 위한 복잡한 학습 경로 설계에 효과적임을 보여주었다. 제안한 방법은 다른 교육 도메인에도 활용할 수 있을 것으로 기대된다.

For customized education, it is essential to search the learning path for the learner. The genetic algorithm makes it possible to find optimal solutions within a practical time when they are difficult to be obtained with deterministic approaches because of the problem’s very large search space. In this research, based on genetic algorithm, the learning paths to learn 200 chords in 27 music sheets were optimized to maximize the learning effect by balancing and minimizing learner’s burden and learning size for each step in the learning paths. Although the permutation size of the possible learning path for 27 learning contents is more than 10 28, the optimal solution could be obtained within 20 minutes in average by an implemented tool in this research. Experimental results showed that genetic algorithm can be effectively used to design complex learning path for customized education with various purposes. The proposed method is expected to be applied in other educational domains as well.

With the growing interest in both public and private 5G services based on millimeter wave (mmWave) communication for indoor usage scenarios such as smart factories, site design specialists are seeking sophisticated methods and tools for simulating indoor radio coverage based on highly accurate path loss prediction models. Although machine learning approaches can be used in path loss modeling thanks to the highly accurate prediction capability, their performance can be limited by the size of available measurement data set used for training. In this paper, we propose new approaches to train path loss models in the few-shot learning scenarios of smart factories. The proposed approaches are based on meta-learning with slight modifications to perform fine-tuning over an entire train data set rather than a meta-test data set. It is shown that the indoor path loss models based on convolutional neural networks (CNNs) trained by meta-learning based on three different meta-train task assignment schemes outperform both a conventional CNN model and an empirical model.

In this paper, a routing method based on reinforcement learning (RL) under software-defined networks (SDN), namely the Q-learning widest-path routing algorithm (Q-WPRA), is proposed. This algorithm processes the reward function according to the link bandwidth in the execution environment to find the optimal (i.e., widest) transmission path with the maximum bandwidth between the source and the destination through RL. The experimental results reveal that the Q-WPRA is outperformance than Dijkstra’s algorithm and Dijkstra’s widest-path algorithm to find the widest transmission path in SDN environment under different bandwidths, loss rates, and background traffic.

In this paper, we propose a soft actor?critic (SAC) algorithm with hindsight experience replay (HER), called SACHER, which is a class of deep reinforcement learning (DRL) algorithm. SAC is an off-policy model-free DRL algorithm that outperforms earlier DRL algorithms in terms of exploration and robustness. However, in SAC, maximizing the entropy-augmented objective degrades the optimality of learning outcomes. We propose SACHER to improve the learning performance of SAC. We apply SACHER to the path planning and collision avoidance control of unmanned aerial vehicles (UAVs). We demonstrate the effectiveness of SACHER in terms of the success rate, learning speed, and collision avoidance performance of UAV operation.

Radio propagation modeling and path loss prediction have been the subject of many machine learning-based estimation attempts. Our current work uses deep learning for the task in question, trying to exploit the potential of applying convolutional neural networks in order to perform predictions based on images. A comparison between data-driven and image-driven estimations has been carried out in order to assess the proposed method. The results show that an appropriately chosen image can, per se, be treated as an alternative to a vector of tabular data and produce reliable predictions. The effect of the image’s size has also been examined.

이 연구는 2021년 경기지역 179개교 5,189명의 교사 응답을 대상으로 코로나19 이후의 상황 속에서 교사학습공동체가 교사의 원격수업역량과 민주적 학교 문화를 매개로 하여 교사효과성 에 미치는 영향력을 교사 효능감과 교직 만족도로 한정하여 분석하였다. 이를 위해서 경기학교 교육실태조사 종단자료를 분석 대상으로 삼아서 구조방정식(SEM) 기법을 적용한 결과, 다음의 3가지 연구 결과가 도출되었다. 첫째, 교사 효능감 모형과 교직 만족도 모형 모두 교사학습공 동체 활동을 활발히 할수록 교사의 원격수업 역량이 높아지고 민주적 학교문화를 촉진하는 것 으로 나타났다. 둘째, 교사학습공동체 활동을 활발히 할수록 교사 효능감과 교직 만족도에 긍 정적인 효과가 나타났다. 마지막으로 교사 효능감 모형과 교직 만족도 모형에서 교사의 원격수 업역량과 민주적 학교문화의 매개효과는 다른 양상을 보였다. 연구 결과를 토대로 이어지는 제 언은 다음과 같다. 첫째, 단위 학교의 교육력 제고를 위해서 교사 간 협력을 기반으로 한 민주 적인 학교문화를 구축하기 위한 노력이 요구된다. 둘째, 원격수업역량과 같은 교사 전문성 향 상은 교사학습공동체 중심으로 이루어질 필요가 크다. 마지막으로 교사의 원격수업 역량을 보 다 체계적으로 분석하고 개선하기 위한 방안을 마련하는 노력이 필요하다.

This study aimed to analyze the Teacher effectiveness of the Professional learning communities(PLCs) on teacher efficacy and teacher satisfaction with 5,189 teacher responses from 179 schools in Gyeonggi Province in 2021 after COVID-19. This study have investigated methods for the structural equation models(SEM). First, as PLCs developed, it was found that competence of teachers’ distance learning and the democratic school culture had a positive effect in both the teacher efficacy model and the teacher satisfaction model. Second, as PLCs developed, the more positive the teacher efficacy and teacher satisfaction were. Finally, the mediating effect of competence of teachers’ distance learning and democratic school culture showed different patterns in both models. The suggestions that lead to the research results are as follows. First, in order to improve the educational power of unit schools, efforts are needed to establish a democratic school culture based on cooperation between teachers. Second, teachers’ professional development such as distance learning competency should be improved with PLCs. Finally, efforts are needed to come up with measures to more systematically analyze and improve Teachers’ Distance Learning Competency.

본 연구는 게임제작 활동을 통한 학습에서 학업적 자기효능감, 학습동기, 컴퓨터 학습태도의 관계를 알아보는데 있다. 이를 통해 디지털게임을 통한 학습에서 학습자들의 참여와 학습목표 달성을 위한 변인들의 구조적 관계를 확인하였다. 연구결과 과제난이도, 자기조절효능감, 자신감의 하위요인으로 이루어진 학업적 자기효능감이 학습동기와 컴퓨터 학습태도에 유의한 영향을 미치는 구조방정식모형을 검증하였다. 학습자의 신념, 과제 수용태도, 학습과정을 조절하는 요인이 활동중심 학습이 중심이 되는 디지털 게임을 통한 학습에서 중요한 요인이었다.

The purpose of this study is to find the relationship of academic self-efficacy, motivation, computer learning attitudes on the learning through game making activity. Through this study, it was confirmed structural relationship of the variables for learner’s participant and academic goal achievement in learning with digital games. The structural equating model in this study, also indicates that academic self-efficacy, which was consisting of assignment level, self-efficacy, confidence affects meaningfully on motivation and computer learning attitudes. It is important factor that Learner’s attitudes for the task and regulate of learning process in learning with digital games, which was focused on learning by doing.

최근 디지털 네이티브 학습자를 위한 교수방법으로 게임활용학습에 대한 관심이 증가하고 있다. 이에 본 연구 에서는 초등학교 역사수업에 맞추어 개발된 동작인식 게임을 활용하여 수업을 실시한 후 신체운동지능, 언어지 능, 몰입, 학습성과(학업성취도, 지속의향) 간 경로분석을 실시하였다. 그 결과 신체운동지능은 몰입에 직접적인 영향을 학습성과에는 간접적인 영향을 미쳤고, 언어지능은 몰입에 직접적인 영향, 그리고 학습성과에의 간접적인 영향을 미치지 않는 것으로 분석되었다. 이 결과를 통해, 동작인식 게임활용학습은 신체운동 역량이 높은 학습자 들의 학습동기 및 성과 향상을 지원할 수 있음을 기대하게 한다

Recently, there is a growing interest in learning to use games as a teaching method for digital native learners. In this study, we conducted a path analysis between bodily-kinesthetic intelligence, linguistic intelligence, flow, learning outcomes(academic achievement, persistence intention) in motion-capture game-based learning(the used game developed for elementary school history class). As a result, bodily-kinesthetic intelligence directly influenced flow and indirectly influenced learning outcomes. Linguistic intelligence did not have direct influence on flow and indirect effects on learning outcomes. Through this result, we expected that the motion-capture game-based learning improve learning motivation and performance of learners for higher bodily-kinesthetic intelligence.

자율주차의 요소 중 하나인 경로계획(Path-planning)을 제안한다. 실제 주차장을 참고하여 수 직주차와 수평주차로 주차장의 차로 너비, 주차 공간의 너비, 길이 등 주차장 구조와 주차 환경 을 다양하게 설정한다. 출발점와 도착지점 등 각도와 환경을 다양하게 설정하여 경로데이터를 수집하고 수집한 데이터를 Deep Learning model에 넣어 학습시켜 자동주차경로계획 모델을 제 안한다. 분석결과, 기 알고리즘(Hybrid A-star, Reeds-Shepp Curve)과 딥러닝 모델 모두 장애물에 충돌하지 않고 비슷한 경로를 생성하지만, 거리와 소모시간이 각각 0.59%, 0.61% 감소하여 효 율적인 경로가 생성되었다. 또한, Switching point도 1.3개에서 1.2개로 감소하여 직진과 후진을 최대한으로 줄여 운전자의 피로를 줄일 수 있을거라 생각된다. 마지막으로 경로생성시간은 42.76% 감소하여 효율적이고 신속한 경로생성이 가능하여 향후 자율주행 중 자율주차의 경로 계획생성에 활용될 수 있으며, 차량작도에 따라 이동하는 주차로봇의 경로생성에도 활용될 수 있을 것으로 보인다.

Several studies have focused on developing the safest and most efficient path from the current location to the available parking area for vehicles entering a parking lot. In the present study, the parking lot structure and parking environment such as the lane width, width, and length of the parking space, were vaired by referring to the actual parking lot with vertical and horizontal parking. An automatic parking path planning model was proposed by collecting path data by various setting angles and environments such as a starting point and an arrival point, by putting the collected data into a deep learning model. The existing algorithm(Hybrid A-star, Reeds-Shepp Curve) and the deep learning model generate similar paths without colliding with obstacles. The distance and the consumption time were reduced by 0.59% and 0.61%, respectively, resulting in more efficient paths. The switching point could be decreased from 1.3 to 1.2 to reduce driver fatigue by maximizing straight and backward movement. Finally, the path generation time is reduced by 42.76%, enabling efficient and rapid path generation, which can be used to create a path plan for autonomous parking during autonomous driving in the future, and it is expected to be used to create a path for parking robots that move according to vehicle construction.

나고르노-카라바흐 전쟁 등 현대전에서 정찰용 드론의 군사적 효용성은 이미 입증되었다. 하지만, 정찰 드론의 실시간 경로계획 또는 자율주행 기술은 높은 복잡도로 인하여 여전히 해결하기 어려운 문제이다. 환경과 효과적인 실시간 상호작용을 위해서는 정찰 드론이 수집하는 센서의 유형에 대한 고려도 필요하다. 본 연구에서는 환경과 상호작용을 통해 에이전트가 스스로 학습하여 연속적인 의사결정을 하는 방법론인 심층 강화학습 기법을 활용하여 경로계획 문제를 해결하고자 하였다. 정찰드론의 수집정보로 정찰목표의 위치, 드론의 현재위치와 드론 의 센서로 구분하였으며 드론의 센서는 카메라와 라이다 2가지 유형으로 구분하여 실험을 진행하였다. 본 연구에 서는 우수한 성능의 정책기반 심층 강화학습 기법인 PPO(Proximal Policy Optimization) 알고리즘을 활용하였으 며 실험 환경은 3D지능형 게임 환경을 구축할 수 있는 플랫폼인 Unity를 이용하여 구축하였다. 200만회의 에피스 드 동안 학습한 결과 두 유형의 정찰드론 모두 100% 임무성공률 등 높은 성능을 보였으며 이를 통해 심층 강화 학습을 통한 적대적 위협에서 정찰 드론의 경로계획 임무수행 가능성을 확인했다.

The military utility of reconnaissance drone has been proven in modern warfare such as the Nagorno-Karabakh War. However, path planning of reconnaissance drones is still a difficult to solve due to high complexity. Real-time interaction requires consideration of the types of sensor data that drone collect. In this study, we tried to solve using the deep reinforcement learning, which is a methodology in which the agent learns by itself through interaction with the environment. The collected information of the drone was divided into the location of the target, the current location and the sensor data of the drone. In this study, the PPO algorithm, a policy-based deep reinforcement learning with excellent performance, was used, and the experimental environment was built using Unity, a platform that can build a 3D game environment. As a result of learning for 2 million episodes, both types of reconnaissance drones showed high performance such as 100% mission success rate, and through this, the possibility of path planning missions of reconnaissance drones in hostile threats was confirmed through deep reinforcement learning.

본 연구는 고난도 주차 환경에서 효과적인 경로계획을 지원하기 위해 강화학습을 활용한 효율적 중간 목표 도출을 통한 최적의 경로계획 알고리즘을 제안한다. 주차 공간이 넓고 장애 물이 적은 경우, 단순한 경로계획 알고리즘으로도 최적의 경로를 생성할 수 있다. 하지만 차량 의 논홀로노믹 시스템으로 인해 복잡하고 좁은 환경에서는 장애물 등으로 인해 최적 경로를 보장하기 어렵다. 이를 해결하기 위해, 불필요한 탐색을 최소화하고 최적 경로로의 탐색을 유 도하는 중간 목표를 제안한다. 중간 목표는 하이브리드 A* 알고리즘의 휴리스틱 비용 계산의 기준점으로 활용되며, 강화학습을 통해 주차 환경에서 연산 효율성과 경로 품질을 극대화할 수 있는 지점으로 도출된다. 이러한 접근은 기존 휴리스틱 비용 산정의 비효율성을 극복하고, 최적 경로의 주요 지점을 효과적으로 탐색할 수 있도록 한다.

This paper proposes an optimal path planning algorithm designed to support effective path planning in challenging parking environments using reinforcement learning to derive efficient sub-goals. Although simple path planning algorithms can generate optimal paths in spacious parking environments with few obstacles, it becomes challenging to ensure optimal paths in complex and narrow environments because of the nonholonomic system of vehicles. The paper addresses this issue by suggesting sub-goals that can serve as key points for optimal paths. Sub-goals minimize unnecessary searches; and guide the path towards the optimal solution. Sub-goal were derived through reinforcement learning and used as heuristic cost criteria in the Hybrid A* algorithm to maximize computational efficiency and path quality. This approach overcomes the inefficiencies of conventional heuristic cost and facilitates effective explorations of the key points in the optimal path.

본 연구는 간호대학생의 자아존중감, 비판적사고성향, 문제해결능력과 학습동기 간의 인과관계와 경로를 파악하기 위한 융합연구이다. 대상은 일 대학 간호학과 학생 207명이었다. 자료는 구조화된 설문지를 이용하여 수집 하였고, PASW 18.0, AMOS 18.0 프로그램을 이용하여 분석하였다. 연구 결과 학습동기에 대한 경로모형의 적합도 지수는 적합하였다(χ2/df=2.128, GFI=.995, AGFI=.949, RMSEA=.074, CFI=.993, NFI=.988). 학습동기에 자아존중 감(β=.205), 문제해결능력(β=.420)은 직접효과, 비판적사고는 간접효과(β=.182)를 나타내었다. 또한 자아존중감은 비판적사고(β=.398), 비판적사고는 문제해결능력(β=.433)에 직접효과가 있었다. 즉, 간호대학생의 자아존중감이 높 으면 비판적사고와 문제해결능력도 높아지고, 학습동기도 높아지므로, 학습동기 향상을 위해서는 자아존중감 강화 교육프로그램이 선행되어야 함을 확인하였다.

This study is convergence study of path model for the relationship among self esteem(SE), critical thinking disposition(CTD), problem solving skills(PSS) and motivation toward learning(MTL). The survey was performed on 207 nursing students in one college. Data was collected using a structured questionnaires and analysed with PASW 18.0 and AMOS 18.0. Model fit indices were in good agreement with recommended level(χ2/df=2.128, GFI=.995, AGFI=.949, RMSEA=.074, CFI=.993, NFI=.988). Based on the path model, SE(β=.205), PSS(β=.420) showed a direct effect on MTL while CTD(β=.182) showed a indirect effect on MTL. The SE showed a direct effect on CTD(β=.398) and CTD(β=.433) showed a direct effect on PSS. The findings indicate the necessity of developing educational programs to enhance nursing student’s SE for increasing of MTL.

불법 사행산업의 무분별한 금전 환급 구조와 광범위한 배팅 종목 및 방식은 참여자를 감정 적으로 자극함으로써 병적인 불법 사행행위를 유발할 수 있고, 이를 방지하는 과정에서 사회 적 비용이 소모되는 것은 물론이거니와 불법 사행산업에서는 조세 및 공공기금 포탈이 만연 하여 불법적인 경제활동이 확대되는 계기가 될 수 있다. 불법 사행행위로 인한 사회적 폐해가 심각해지고 있어 범죄학에서는 사회학습론적 접근을 통하여 실질적인 예방방안을 제시하는 연구가 수행되었다. 사회학습이론(Social Learning Theory)에서는 행동주의(Behaviorism) 에 입각하여 학습을 일련의 과정으로 해석하고 있는 반면, 선행연구에서는 타인과의 접촉 자 체를 학습의 원인으로 간주하여, 학습이론을 다소 부분적으로 검증해 왔다. 이 연구에서는 선 행연구의 한계를 극복하고자 학습의 과정이 포함된 매개모형을 불법 사행행위의 설명에 적용 하였다. 다중회귀분석의 결과 독립변수인 대인 및 미디어 접촉은 종속변수인 불법 사행행위 빈도에 정(+)적인 영향을 미쳤으나, 매개변수인 사행행위 우호성은 불법 사행행위 빈도에 통 계적으로 유의미한 영향을 미치지 않았다. 아울러 독립변수 중에서는 대인 접촉만 사행행위 우호성에 부(-)적 영향을 미치는 것으로 확인되었다. 결론에서는 이러한 결과에 대한 논의와 누리캅스의 활성화 등 정책적 방안을 제안하였다.

The reckless monetary refunding structure and extensive betting items and methods of the illegal gambling industry are evaluated to induce pathological illegal gambling by emotionally stimulating participants. In addition to social costs of preventing and correcting pathological illegal gambling, tax and public fund evasion is prevalent in the illegal gambling industry, which can serve as an opportunity to expand illegal economic activities. As social harm caused by illegal acts of gambling was rampant, academic efforts were made to eradicate the phenomenon by identifying the cause of illegal gambling acts. In particular, criminology has presented practical precautions through a learning approach. However, in Social Learning Theory, which is a representative learning theory, learning is interpreted as a series of processes based on Behaviorism, whereas in prior researches, contact with others itself was considered the cause of learning. They are partially valid for the reduced theory. In this study, in order to overcome the limitations of prior researches, a mediated model containing the learning process was applied to illegal gambling acts. Results of multiple regression analysis showed that the independent variables, interpersonal and media contact, had a significantly positive effects on the frequency of illegal gambling acts, but the parameter, affinity of gambling did not have a statistically significant effects on the frequency of illegal gambling acts. In addition, among the independent variables, only interpersonal contact was found to affect the affinity of gambling. Thus, only the direct effect of the independent variable on the dependent variable was estimated. Based on the analytical results, practical methods were proposed to prevent illegal gambling acts.

본 연구는 유비쿼터스 생활영어 체험학습장의 학습만족과 관련 있는 변인들 가운데 학습환경, 자신감, 학습흥미, 학습만족간의 연구모형으로 구성하여 이 연구모형의 경로를 분석하여 다음과 같은 결과를 얻었다. 첫째, 연구의 변인들 간에 상관관계를 살펴본 결과 유비쿼터스 생활영어 체험학습장을 이용하는 학습자의 학습환경, 자신감, 학습흥미, 학습만족 간에 상관관계가 있었다. 학습환경과 학습흥미, 학습환경과 학습만족, 자신감과 학습흥미, 자신감과 학습만족, 학습흥미와 학습만족 간에 정적상관관계를 가졌다. 둘째, 설정된 요인들 간의 경로를 분석해본 결과, 이론모형이 모형 적합도 지수에 만족하여 경로모델이 도출되었다. 연구모형의 경로는 학습환경→자신감의 경로와 학습환경→학습흥미의 경로가 유의하였다. 그리고 학습환경→학습만족의 경로, 자신감→학습만족의 경로와 학습흥미→학습만족의 경로가 유의했다. 마지막으로, 유비쿼터스 생활영어 체험학습장의 학습환경은 학습자의 학습만족에 직접영향을 미치는 경로로 나타났다.

This study utilized SPSS and AMOS program to research a process of learning satisfaction of learners, who used Ubiquitous Living English Experience Learning Center. The following results were found ; First, there was a positive correlation between learning setting and learning interest, between learning setting and learning satisfaction, between confidence and learning interest, between confidence and learning satisfaction, and between learning interest and learning satisfaction. Second, the process of the research model was meaningful in various ways: learning setting → confidence, learning setting → learning interest, learning setting → learning satisfaction, confidence → learning satisfaction, learning interest → learning satisfaction. Finally, learning setting had a direct influence upon learning interest and learning satisfaction.

Neighbor path selection is to pre-select alternate routes in case geographically correlated failures occur simultaneously on the communication network. Conventional heuristic-based algorithms no longer improve solutions because they cannot sufficiently utilize historical failure information. We present a novel solution model for neighbor path selection by using machine learning technique. Our proposed machine learning neighbor path selection (ML-NPS) model is composed of five modules- random graph generation, data set creation, machine learning modeling, neighbor path prediction, and path information acquisition. It is implemented by Python with Keras on Tensorflow and executed on the tiny computer, Raspberry PI 4B. Performance evaluations via numerical simulation show that the neighbor path communication success probability of our model is better than that of the conventional heuristic by 26% on the average.