Earticle

최근 대학에서는 4차 산업혁명 시대에 활약할 수 있게 소프트웨어 기초교육을 강화하고 있다. 비전공 학생들의 경우 프로그래밍에 대한 기본지식이나 전공과목과의 연계성이 낮기 때문에 이들의 이해를 돕기 위한 다양한 교수법이 필요 하다. 따라서 본 논문에서는 비전공자를 대상으로 하는 소프트웨어 기초교육의 개선 방안을 제언하고자 한다. 이를 위해, 시연중심모델을 기반으로 단계적 블라인드 처리된 프로그래밍 실습과정을 적용한 학습모델을 설계하여 실제 수업에 적용하 고, 학습자들의 문제해결 능력을 분석한 결과, 주차가 진행될수록 학습자 스스로 문제를 해결하는 비율이 상승되는 것을 확인하였다. 제안하는 방법을 통해, 비전공자에게 프로그래밍 과목에 친숙해질 수 있는 기회를 제공하고 지속적인 학습동기 를 부여할 수 있다. 후속 연구에서는 보다 다양한 측면에서 학습자들의 학습성과를 분석하고 학습내용의 난이도에 따른 효 율적인 교수법에 대한 연구가 필요할 것으로 사료된다.

Recently, universities have been strengthening software basic education to be active in the era of the fourth industrial revolution. Non-majored students need a variety of teaching methods because they have low knowledge of programming or a lack of connectivity with major courses. Therefore, in this paper, a learning model applying the step-by-step blind programming practice based on the Demonstration Modeling Making model was designed and applied to the actual lecture. As a result of analyzing the problem solving ability of the learner, it was confirmed that the learner's self - solving ratio increased as parking progressed. In the following study, it is necessary to analyze the learner's learning results in various aspects and to study effective teaching methods according to the difficulty of the learning contents.

현대사회는 21세기 초반 지식정보사회를 지나 지능정보사회로 바뀌어 가고 있다. 본 연구에서는 지능정보사회 에서 요구되는 학습자의 핵심역량을 신장시키기 위하여 인공지능의 한 분야인 머신러닝을 기반으로 소프트웨어 교육 교수-학습 모형을 개발하였다. 본 모형은 인공지능 자체에 대한 학습의 부담감을 줄이고, 머신러닝을 활용 하여 문제를 해결하는 과정에서 핵심역량을 신장시키는 것에 중점을 두었다. 개발된 모형의 구체적인 단계는 문 제인식 및 분석, 데이터 수집, 데이터 가공 및 선별, ML모델 훈련 및 평가, ML프로그래밍, 적용 및 해결, 공유 및 환류의 7단계로 구성되어 있다. 본 연구에서 개발한 모형을 학생과 학부모를 대상으로 적용한 결과 긍정적인 반응을 얻을 수 있었으며, 이를 통해 머신러닝 기반의 소프트웨어 교육 프로그램의 개발 및 운영에 작은 밑거름 을 제시할 수 있을 것으로 기대한다.

The society we are living in has being changed to the age of the intelligent information society after passing through the knowledge-based information society in the early 21st century. In this study, we have developed the instructional model for software education based on the machine learning which is a field of artificial intelligence( AI) to enhance the core competencies of learners required in the intelligent information society. This model is focusing on enhancing the core competencies through the process of problem-solving as well as reducing the burden of learning about AI itself. The specific stages of the developed model are consisted of seven levels which are ‘Problem Recognition and Analysis’, ‘Data Collection’, ‘Data Processing and Feature Extraction’, ‘ML Model Training and Evaluation’, ‘ML Programming’, ‘Application and Problem Solving’, and ‘Share and Feedback’. As a result of applying the developed model in this study, we were able to observe the positive response about learning from the students and parents. We hope that this research could suggest the future direction of not only the instructional design but also operation of software education program based on machine learning.

본 연구에서는 초등학생들을 대상으로 컴퓨터와 스마트기기를 활용하여 자기주도적 학습을 할 수 있도록 교과교 육과정과 SW교육 내용요소를 융복합하여 플립 러닝 기반의 융합SW 교수-학습 모형을 개발하고 이를 초등 교육현 장에 적용하여 EPL 흥미도와 교과 성취 수준에 미치는 영향을 분석 평가하는데 목적이 있다. 본 교수-학습 모형은 교과 내용 융·복합, 문제 상황 제시, 창의적 아이디어 설계, 산출물 공유의 4단계로 구성되었다. 본 연구의 플립 러닝 기반 융합SW 교수-학습 모형을 수업에 적용하여 평가 분석한 결과 학습자들의 EPL 흥미도 및 교과 성취 수준 향상 에 긍정적인 영향을 미치는 것으로 나타났다. 본 연구 결과에 대한 시사점 및 기대효과를 제시하였다.

The purpose of this study was to develop a convergence software teaching and learning model based on flipped learning through multidisciplinary integration of the subject matter curriculum and content elements of software education so as to facilitate students' self-directed learning utilizing computers and smart devices and to apply the model to the elementary classroom and examine the effects on students' EPL interest and achievement levels. The teaching and learning model consists of four stages: content convergence, problem presentation, creative idea design, and product sharing. The results of the analyses indicated that students' EPL interest was enhanced and achievement levels were increased. The implications of the results of the study and expected effects were discussed.

제 4차 산업혁명에서 모든 기기들과 사람들이 상호 연동되어 새로운 부가가치를 창조하는 시대이다. 무엇보다 도 중요한 것이 소프트웨어이기 때문에 초등학교에서 소프트웨어 교육이 필요하다. 그러나 지금까지 초등학교에 서 소프트웨어를 교육하기 위한 교수 학습 방법이 부족하다. 본 연구에서는 이런 문제를 해결하기 위하여 소프 트웨어 교육을 위한 IDOL 모델을 제안하다. 본 모형은 구현하기(implement), 다변화 시키기(diversify) 관찰하기 (observe)를 통해서 학습하는(learning)것이다. 구현하기 단계에서는 초등학생들은 빨리 만들어 보는 것에 초점을 두었고, 다변화시키기 단계에서는 만든 것을 다양하게 변경하여 보는 것이고, 관찰하기 단계에서 변경된 것이 어 떻게 다른지 관찰하고 평가하는 단계이다. 본 모형은 전문가 집단을 통한 덜파이 검증한 결과 타당하다고 판별 되었다.

In the 4th Industrial Revolution, it is a time when all the devices and people interact to create new added value. Software education is necessary in elementary school because what is more important is software. However, until now there is a lack of teaching and learning methods for software education in elementary school. In this paper, IDOL model is proposed as a method to solve this problem. statements for elementary students. The idol model is learning through observe, to implement, to diversify. In the implementation, the elementary students are to make it quickly, In the diversification, it is variously changing the things that have been made, and observation how the changed things are different. A model is verified by a group of experts consisting of elementary school teachers.

국내 소프트웨어교육의 중요성이 강조되고 있으며 의무화 교육 시행이 점진적으로 확산되고 있다. 이에 따라 본 연구에서는 국내 소프트웨어교육의 전반적인 현황 및 현재 적용되고 있는 컴퓨팅사고의 국내 교사 학습법 5가지의 사례를 분석하고 이에 따른 문제점을 분석하였다. 국내 소프트웨어교육 관련 웹 사이트를 중심으로 빅데이터 기반의 비정형 데이터를 수집하여 교사와 학습자가 생각하는 소프트웨어교육에서 필요 한 요소를 체계적으로 도출하고 결과를 기반으로 현재 국내에서 활용되고 있는 5가지의 학습모델의 개선 점을 도출하였다.

The importance of domestic software education is emphasized and the implementation of mandatory education is gradually spreading. Therefore, in this study, the overall current state of software education in South Korea and five examples of teaching-learning methods that are currently applied were analyzed and problems in the teaching-learning methods were presented. Unstructured data were collected mainly from domestic software education related web sites to extract elements necessary in software education thought by teachers and learners, and based on the result, improvement points of five learning models that are currently used in South Korea were derived.

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도 구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용모형은 와이블 분포를 확장한 이중 결합 파우어 분포모형을 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지 만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리 자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인 보다 큰 경우가 대체적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 수치적인 예에서는 고장 간격 시간 자료 를 적용하고 모수추정 방법은 최우추정법을 이용하고 추세분석을 통하여 자료의 효율성을 입증한 후 평균제곱오차와 R2(결정계수)를 이용하여 효율적인 모형을 선택 비교하였다.

In this study, software products developed in the course of testing, software managers in the process of testing s oftware test and test tools for effective learning effects perspective has been studied using the NHPP software. The doubly bounded power law distribution model makeup Weibull distribution applied to distribution was based on finite failure NHPP. Software error detection techniques known in advance, but influencing factors for considering the erro rs found automatically and learning factors ,by prior experience, to find precisely the error factor setting up the testi ng manager are presented comparing the problem. As a result, the learning factor is greater than automatic error th at is generally efficient model could be confirmed. This paper, a numerical example of applying using time between f ailures and parameter estimation using maximum likelihood estimation method, after the efficiency of the data throug h trend analysis model selection were efficient using the mean square error and R2.

소프트웨어의 디버깅 오류의 발생 시간에 의존하는 많은 소프트웨어 신뢰성 모델이 연구되었다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하 게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 본 연구에서는 학습효과 비동질적인 유한고장모형 분석을 위한 모수 추정은 우도함수를 이용하였다. 소프트웨어 시장 에 인도하기 위한 결정에 대하여 조건부 고장률은 중요한 변수가 되고 이러한 고장 모델은 실제 상황에서 많이 사용 되고 있다. 통계적 공정 관리 (SPC)는 소프트웨어 오류의 예측을 모니터링 함으로써 소프트웨어의 신뢰성 향상에 크 게 기여할 수 있다. 이러한 컨트롤 차트는 널리 소프트웨어 산업의 소프트웨어 프로세스 제어를 위해 사용된다. 본 연구에서는 로그 위험 학습 효과 속성의 비동질적인 포아송 과정의 평균값 기능을 사용한 컨트롤 메커니즘을 제안 하였다.

There are many software reliability models that are based on the times of occurrences of errors in the debugging of software. Software error detection techniques known in advance, but influencing factors for considering the errors found automatically and learning factors, by prior experience, to find precisely the error factor setting up the testing manager are presented comparing the problem. It is shown that it is possible to do asymptotic likelihood inference for software reliability models based on infinite failure model and non-homogeneous Poisson Processes (NHPP). Statistical process control (SPC) can monitor the forecasting of software failure and thereby contribute significantly to the improvement of software reliability. Control charts are widely used for software process control in the software industry. In this paper, we proposed a control mechanism based on NHPP using mean value function of logarithmic hazard learning effects property.

산업전반의 디지털 전환으로 소프트웨어 역량은 미래인재의 핵심역량이 되었다. 하지만 소프트웨어 역량 강화를 위한 기업의 교육과 관련된 연구는 찾아보기 어렵다. 이에 본 연구는 온라인 소프트웨어교육에서 직장인의 학습성과에 영향을 미치는 요인 간의 관계를 검증하고자 하였다. 이를 위하여 온라인 소프트웨어교육 경험이 있는 직장인 223명의 설문을 SPSS PROCESS macro를 사용하여 분석하였다. 분석결과, 지각된 유용성과 자기조절학습능력은 디지털 리터 러시와 만족도를 다중매개하여 학습성과에 유의한 영향을 미치는 것으로 나타났다. 이는 학습자 요인뿐만 아니라 교육 의 특성도 고려해야 함을 시사한다. 본 연구결과는 효과적인 온라인 교육프로그램을 설계하는 데 도움이 될 것으로 기대된다.

With the digital transformation of the entire industry, software competency has become the core competency for the future talent. However, it is difficult to find researches related to the corporate education for improving employee’s software capability. Therefore, this study tried to verify the relationship between factors affecting the learning performance of employees in online software education. For this purpose, a survey of 223 employees with online software education experience was analyzed using the SPSS PROCESS macro. As a result of analysis, perceived usefulness and self-regulated learning have been found to have a significant multiple mediating effect on learning performance by digital literacy and satisfaction. This suggests that not only learner factors but also the characteristics of education should be considered. The results of this study are expected to be helpful in designing effective online education programs.

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 거친 후 사용자에게 인도하는 시기를 결정하는 방출문제에 대 하여 연구 하였다. 소프트웨어의 결함을 제거하거나 수정 작업과정에서 학습요인을 고려한 유한고장수를 가진 비동질 적인 포아송 과정에 기초하였다. 수명강도는 다양한 형상모수와 척도모수에 이용 할 수 있기 때문에 신뢰성 분야에서 많이 사용되는 로그 선형 모형을 이용한 방출시기에 관한 문제를 제시하였다. 소프트웨어 요구 신뢰도를 만족시키고 소 프트웨어 개발 및 유지 총비용을 최소화 시키는 최적 소프트웨어 방출 정책에 대하여 논의 되었다. 본 논문의 수치적인 예에서는 고장 시간 자료를 적용하였으며 모수추정 방법은 최우추정법을 이용하고 최적 방출시기를 추정하였다.

In this paper, make a study decision problem called an optimal release policies after testing a software system in development phase and transfer it to the user. When correcting or modifying the software, finite failure non-homogeneous Poisson process model, considering learning factor, presented and propose release policies of the life distribution, log linear type model which used to an area of reliability because of various shape and scale parameter. In this paper, discuss optimal software release policies which minimize a total average software cost of development and maintenance under the constraint of satisfying a software reliability requirement. In a numerical example, the parameters estimation using maximum likelihood estimation of failure time data, make out estimating software optimal release time.

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용분포는 와이블 분포를 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 대체적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 수치적인 예에서는 고장 간격 시간 자료를 적용하고 모수추정 방법은 최우추정법을 이용하고 추세분석을 통하여 자료의 효율성을 입증한 후 평균자승오차와 (결정계수)를 이용하여 효율적인 모형을 선택 비교하였다

In this study, software products developed in the course of testing, software managers in the process of testing software test and test tools for effective learning effects perspective has been studied using the NHPP software. The Weibull distribution applied to distribution was based on finite failure NHPP. Software error detection techniques known in advance, but influencing factors for considering the errors found automatically and learning factors ,by prior experience, to find precisely the error factor setting up the testing manager are presented comparing the problem.. As a result, the learning factor is greater than automatic error that is generally efficient model could be confirmed. This paper, a numerical example of applying using time between failures and parameter estimation using maximum likelihood estimation method, after the efficiency of the data through trend analysis model selection were efficient using the mean square error and

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도 구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용모형은 로그 형 위험함수 모형 을 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에 러를 고려한 자동에러탐색요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요 인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 대체 적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 소프트웨어 고장 자료 분석에서는 고장 간격 시간 자료를 적 용하고 모수추정 방법은 최우추정 법을 이용하고 추세분석을 통하여 자료의 효율성을 입증한 후 평균제곱오차와 R2(결정계수)를 이용하여 효율적인 모형을 선택 비교하였다

In this study, software products developed in the course of testing, software managers in the process of testing software and tools for effective learning effects perspective has been studied using the NHPP software. The log type hazard function applied to distribution was based on finite failure NHPP. Software error detection techniques known in advance, but influencing factors for considering the errors found automatically and learning factors, by prior experience, to find precisely the error factor setting up the testing manager are presented comparing the problem. As a result, the learning factor is greater than autonomous errors-detected factor that is generally efficient model could be confirmed. This paper, a failure data analysis of applying using time between failures and parameter estimation using maximum likelihood estimation method, after the efficiency of the data through trend analysis model selection were efficient using the mean square error and R2(coefficient of determination).

본 연구에서는 소프트웨어 제품을 개발하여 테스팅을 하는 과정에서 소프트웨어 관리자들이 소프트웨어 및 검사 도구에 효율적인 학습기법을 이용한 NHPP 소프트웨어 모형에 대하여 연구 하였다. 적용모형은 지연된 소프트웨어 S-형태 모형을 적용한 유한고장 NHPP에 기초하였다. 소프트웨어 오류 탐색 기법은 사전에 알지 못하지만 자동적으로 발견되는 에러를 고려한 영향요인과 사전 경험에 의하여 세밀하게 에러를 발견하기 위하여 테스팅 관리자가 설정해놓은 요인인 학습효과의 특성에 대한 문제를 비교 제시 하였다. 그 결과 학습요인이 자동 에러 탐색요인보다 큰 경우가 대체적으로 효율적인 모형임을 확인 할 수 있었다. 본 논문의 수치적인 예에서는 고장 간격 시간 자료를 적용하고 모수추정 방법은 최우추정법을 이용하고 추세분석을 통하여 자료의 효율성을 입증한 후 평균제곱오차와 (결정계수)를 이 용하여 효율적인 모형을 선택 비교하였다.

In this study, software products developed in the course of testing, software managers in the process of testing software and tools for effective learning effects perspective has been studied using the NHPP software. The delayed software S-shaped reliability model applied to distribution was based on finite failure NHPP. Software error detection techniques known in advance, but influencing factors for considering the errors found automatically and learning factors, by prior experience, to find precisely the error factor setting up the testing manager are presented comparing the problem. As a result, the learning factor is greater than automatic error that is generally efficient model could be confirmed. This paper, numerical example of applying using time between failures and parameter estimation using maximum likelihood estimation method, after the efficiency of the data through trend analysis model selection were efficient using the mean square error and  (coefficient of determination).

In the past years, the scale of software is growing quickly as more and more organizations begin to deploy their business on Internet. As a result, requirement analysis becomes a challenging issue and conventional approaches might significantly increase the costs of software development. Therefore, automatic requirement analysis techniques have attract more and more attentions, which allows for modeling and analyzing requirements formally, rapidly and automatically, avoiding mistakes made by misunderstanding between engineers and users, and saving lots of time and manpower. In this paper, we propose an approach to acquiring requirements automatically, which adopts automated planning techniques and machine learning methods to convert software requirement into an incomplete planning domain. By this approach, we design an algorithm called Intelligent Planning based Requirement Analysis (IPRA), to learn action models with uncertain effects. A concrete experiment is conducted to investigate the proposed algorithm, and the results indicate that it can obtain a complete planning domain and convert it into software requirement specification.

수십년간 매우 많은 소프트웨어 결함 예측 모델에 관한 연구들이 수행되었으며, 그들 중 기계학습 기법을 사용한 모델들이 가장 좋은 성능을 보였다. 딥러닝 기법은 기계학습 분야에서 가장 각광받는 기술이 되었지만 결함 예측 모델의 분류기로 사용된 연구는 거의 없었다. 몇몇 연구들은 모델의 입력 소스나 구문 데이터로부터 시맨틱 정보를 얻어내는데 딥러닝을 사용하였다. 본 논문은 3개 이상의 은닉층을 갖는 MLP를 이용하여 모델 구조와 하이퍼 파라미터를 변경하여 여러 모델들을 제작하였다. 모델 평가 실험 결과 MLP 기반 딥러닝 모델들은 기존 결함 예측 모델들과 Accuracy는 비슷 한 성능을 보였으나 AUC는 유의미하게 더 우수한 성능을 보였다. 또한 또다른 딥러닝 모델인 CNN 모델보다도 더 나은 성능을 보였다.

Many studies have been conducted on software fault prediction models for decades, and the models using machine learning techniques showed the best performance. Deep learning techniques have become the most popular in the field of machine learning, but few studies have used them as classifiers for fault prediction models. Some studies have used deep learning to obtain semantic information from the model input source code or syntactic data. In this paper, we produced several models by changing the model structure and hyperparameters using MLP with three or more hidden layers. As a result of the model evaluation experiment, the MLP-based deep learning models showed similar performance to the existing models in terms of Accuracy, but significantly better in AUC. It also outperformed another deep learning model, the CNN model.

비전공 학부생을 대상으로 SW 교육을 시행하는 대학들이 점차 늘어가고 있다. 그러나 비전공 학생들은 프로그래밍 언어를 습득하는 과정에서 다양한 어려움들을 겪고 있으며, 그 효용성 측면에서 반대의 의견도 있는 것도 사실이다. 본 연구에서는 이러한 문제를 개선하기 위하여 디자인기반 소프트웨어 교육 모델(DBSEM: Design based software education model) 및 교육과정을 개발하고 지난 8년 동안 학부 비전공 학생들에게 적용하였다. 제안 기법에서는 '블록기반의 프로그래밍 도구'와 같은 특화된 교육 도구를 제공하되 컴퓨팅 사고 형성을 위한 '핵심모듈' 및 개념학습 모듈을 개발하고 이를 기반으로 하는 프로토타입 설계 모듈 그리고 코팅전략을 적용하였다. 그 결과 비전공의 학부 학생들도 누구나 쉽게 블록 기반의 스크립팅 도구를 학습하고 이를 통하여 컴퓨팅 사고의 핵심개념을 습득하는 성과를 얻을 수 있었다.

here are many cases that take a software education as a required course for non-major students in university curriculums. However, non-major students are experiencing various difficulties in the process of learning programming languages, and there is also the opposite opinion in terms of their effectiveness. In this study, we developed a design based software education model (DBSEM) and curriculum to solve these problems and applied it to undergraduate non-undergraduate students for the last 8 years. In the proposed method, we provide a specialized educational tool such as 'block-based programming tool', but developed 'core module' and 'concept learning module' for computational thinking and applied 'prototype design module' and coding strategy based on it. As a result, non-major undergraduates could easily learn block-based scripting tools and acquire core concepts of computational thinking.

7차 교육과정은 응용소프트웨어를 얼마나 잘 다루는지와 같은 컴퓨터를 도구적 활용을 중점으로 구성되었다. 컴퓨터 과학의 기본원리를 적용하여 문제해결능력을 신장시키고 이를 구현하기 이한 체계적인 교육의 필요성이 제기되어 2007년 개정 교육과정에서 문제해결방법과 절차라는 대영역이 포함되었다. 정보과목 문제해결방법과 절차 영역에서 다양한 문제를 이해 분석하여 알고리즘을 설계하고 구현하는데 있어 원활한 교수학습을 위한 다양한 방법과 도구들에 대한 연구가 요구되고 있다. 본 연구는 창의적 문제해결 향상에 효과적인 프로그래밍 언어들은 상용소프트웨어들의 비용부담과 언어적 문법, 에러발생에 대한 해결에 비중이 높아 학습자가 겪는 인지적 부담을 감소 할 수 있는 EPl(Educational Programming Language)인 Scratch 프로그래밍으로 창의적 문제해결력 향상을 위한 교수학습 모형을 개발하였다.

병렬 기계 작업장에서 자원을 효율적으로 활용하기 위해서는 처리할 작업을 적절한 기계에 할당해야 한다. 특정 작업을 처리할 기계를 선택할 때 휴리스틱을 사용할 수도 있으나, 특정 작업장에 맞춤화된 휴리스틱을 개발하는 것은 쉽지 않다. 반면, 본 논문에서는 이종 병렬 기계 작업장을 위한 작업 할당 모형을 개발하는데 강화학습을 응용하고자 한다. 작업 할당 모형을 학습하는데 필요한 에피소드들은 상용 시뮬레이션 소프트웨어인 FlexSim을 이용하여 생성하였다. 아울러, stable-baseline3 라이브러리를 이용하여 강화학습 알고리즘을 생성된 에피소드들에 적용하였다. 실험 결과를 통해 시뮬레이션과 강화학습이 작업장 운영관리에 유용함을 알 수 있었다.