Earticle

Green과 Hummel(2006)은 기능적으로 상호작용하도록 사물의 방향을 적절하게 제시할 때, 그리고 Papeo와 Stein, Soto- Faraco(2017)는 두 자극을 마주보도록 배치할 때 인지적 과제 수행이 향상되는 것을 보고하였다. 본 연구는 자극이 향하는 방향을 완전하게 조합하여, 두 동물 자극이 보는 방향에 따라 인지 과제 수행이 달라지는지를 알아보았다. 인지적 과제로는 Moyer(1973)와 Paivio(1975)의 연구에서 사용된 동물의 실제 크기인 의미적 크기를 판단하는 과제를 사용하였다. 실험결과 두 동물이 바라보는 방향의 조합에 따라 과제 수행의 차이가 관찰되었다. 같은 쪽을 보는 두 조건(두 동물이 모두 왼쪽을 보는 조건, 모두 오른쪽을 보는 조건)과 비교하여 두 동물이 마주볼 때 반응시간이 유의하게 느렸다. 이러한 결과는 마주보는 두 자극에서 과제 수행의 향상을 보고한 이전의 연구결과들과는 상반되는 것이다. 두 동물이 마주봄으로써 자극 간 상호작용 관계가 크기 판단 과제의 수행을 방해할 가능성을 제기하고, 후속 연구의 방향에 대해 논의하였다.

The facilitative effect of stimuli arrangement was reported when two objects were arranged to make interact functionally (Green & Hummel, 2006; Papeo, Stein, & Soto-Faraco, 2017). It was investigated whether a similar effect could be observed when an implied circumstantial relationship was made by manipulating the facing direction of animals. We modified the size comparison task which was used to judge the semantic size of animal by Moyer (1973) and Paivio (1975). Specifically, four types of confrontation were applied to presenting two images: (1) facing left, (2) facing right, (3) face-to-face, or (4) back-to-back. In results, an inhibitory effect of face-to-face arrangement was observed. The reaction time performances were ordered by the confrontation types, face-to-face, back-to-back, and facing left or right, from the slowest to the fastest. It was conjectured that different circumstantial relationship provoked by the confrontation types of stimuli could put an extra load on cognitive processing, which could interfere the main cognitive judgments.

본 연구의 목적은 업무편향적 기술변화가 도시 간 고용 및 임금 격차에 미치는 영향을 분석하는 것이다. 본 연구는 업무편향적 기술변화가 비단순반복 인지적 업무에 대한 노동 수요를 증가시킨다는 점과 비단순반복 인지적 업무를 수행하기 위해서는 인지적 숙련과 상호적 숙련이 요구된다는 점에 주목하였다. 도시와 인지적 숙련과 상호적 숙련 사이에는 상호보완성이 존재하기 때문에, 도시 규모가 클수록 비단순반복 인지적 업무의 고용이 더 빠르게 성장할 뿐만 아니라 비단순반복 인지적 업무에 대한 보상이 더 클 것이라고 기대할 수 있다. 이를 확인하기 위하여 2000년부터 2015년을 대상으로 도시 규모별 직종 분포 변화를 살펴보았다. 또한 위계적 선형모형을 활용하여 도시 규모가 큰 곳에서 비단순반복 인지적 업무에 대한 보상이 더 높은지를 분석하였다. 분석결과에 따르면, 업무편향적 기술변화는 비단순반복 인지적 업무가 집중되어 있는 고임금 직종에 있어서는 도시 간 고용 격차를 확대시키지 않는 것으로 나타났다. 하지만 비단순반복 인지적 업무에 대한 보상이 도시 규모에 따라 다르기 때문에, 업무편향적 기술변화가 도시 간 임금 격차에는 영향을 미치는 것으로 나타났다. 개인 간 불평등에 초점을 맞춰 업무편향적 기술변화의 영향을 검토한 기존의 연구 흐름에서 벗어나, 도시 간 불평등 확대로 논의를 확장시켰다는 점에서 본 연구의 의의가 있다.

This study aims to analyze the effect of task-biased technological change oninter-city employment and wage gap. We consider that task-biased technological changeincreases labor demand for non-routine cognitive tasks, and that these tasks requireworkers with cognitive skills and people skills, and that these skills and cities arecomplements. Motivated by those current findings, we established two researchhypotheses: First, if the city size is large the employment for non-routine cognitive taskswill grow fast, and second, if the city size is large returns to non-routine cognitive taskswill be high. We examined the changes in occupational distribution by city size from2000 to 2015 and used hierarchical linear models to analyze returns to non-routinecognitive tasks by city size. Our findings show that task-biased technological change hasnot extended the inter-city employment gap in high-wage occupations where non-routinecognitive tasks were concentrated. However, since returns to non-routine cognitive tasksvary according to city size, technological change has contributed to the inter-city wagegap. The main contribution of our study is to expand our understandings of the effectof task-biased technological change on inter-city inequalities which have not beenexamined extensively.

내적 양 직선 모형은 다양한 양 차원들이 공통 자원을 공유할 것이라고 가정한다. 하지만 숫자나 수량과 같은 불연속적인 양 차원과 크기나 길이와 같은 연속적인 양 차원이 혼재하는 경우, 어떤 양 정보가 상대적으로 더 큰 영향력을 가지는지에 대해서는 논란이 되고 있다. 숫자가 다른 양 차원에 비해 현저하게 처리된다고 보는 입장이 있는가 하면, 맥락에 따라 우세하게 처리되는 양 차원이 달라질 수 있다고 보는 입장이 있다. 본 연구에서는 숫자와 선분을 함께 제시하지만 선분의 길이에 대해서만 판단하기 때문에, 숫자가 과제와 무관하게 제시되는 숫자수반 선분양분과제를 사용하여, 숫자값에 대한 자동적 처리를 살펴보았다. 또한, 숫자값 크기의 영향력이나 숫자의 물리적 크기의 영향력을 다른 조건에서 개별적으로 살펴보는 숫자스트룹과제와는 달리, 두 차원을 동일 과제 내에서 함께 조작하여, 숫자값 크기와 물리적 크기 사이의 상대적인 영향력을 직접적으로 비교해 보았다. 숫자의 물리적 크기를 조작한 숫자수반 선분양분과제에서는 뚜렷한 경향성이 관찰되지 않았으나, 숫자값 크기를 조작한 숫자수반 선분양분과제에서는 큰 숫자 편향이 관찰되었다. 숫자의 물리적 크기와 숫자값 크기를 모두 조작한 스트룹 숫자수반 선분양분과제에서는 큰 숫자 편향이 강하게 나타나, 숫자값 크기의 영향력이 숫자의 물리적 크기의 영향력보다 더 강한 것으로 나타났다. 또한 숫자의 물리적 크기와 숫자값 크기 사이에 크기불일치성효과가 관찰되었다. 이 결과는 연속적인 양 차원과 불연속적인 양 차원이 공통 자원을 공유한다는 기존의 연구 결과를 재검증함은 물론, 숫자는 과제와 무관할 때에도 자동으로 처리되며, 다른 양 차원에 비해 현저한 양 정보라는 입장을 지지한다.

Mental magnitude line assumes that various magnitude dimensions share common resources. However, relative influence between discrete dimensions such as digit or numerosity versus continuous dimensions such as size or length is a matter of debate when they are presented together. Some argue that numbers are cognitively more salient than other magnitude dimensions, but others claim that dominant magnitude dimension can change depending on context. This study examined automatic processing of numerical values using line bisection task with numerical flankers where participants respond to the center of presented line while disregarding numbers which appear at the two ends of the line. In addition, contrary to numerical Stroop task which separately tests individual influence of numerical value or physical size of numbers under different conditions, we directly compared relative influence of numerical value vs. physical size by manipulating the two variable dimensions within a same task. Although there was no effect of physical size of numerical flankers in the line bisection, a reliable bias toward numerically larger number was observed when numerical values of the flankers were manipulated. In Stroop line bisection where both physical size and numerical value of flankers were manipulated, a strong bias toward numerically larger number was obtained indicating greater influence of numerical value than physical size. In addition, size incongruity effect between physical size and numerical value was also observed. These results not only replicate the previous finding that discrete and continuous magnitude dimensions share common resources but also imply that numerical value is cognitively salient so that the processing for numerical values is automatic even when they are task-irrelevant.

최근 자동차는 관련 기술과 통신 환경의 발달로 차량과 도로 주변 인프라 구조와의 통신, 차량 간 통신이 가능해 지고 있다. 자율주행차가 개발되면서 많은 센서와 고성능 연산장치가 탑재되고 있으며 이러한 자동차의 가용자원을 활용 하여 클라우드 서비스를 제공하는 연구도 진행되고 있다. 본 논문에서는 연결형 자동차로 클라우드 서버를 구성하여 각 차량에 적합한 작업을 분배하는 과정에서 차량의 가용자원뿐만 아니라 기지국과의 통신 환경을 고려하여 동적으로 작업 의 크기를 결정하는 기법을 제안하였다. 제안 기법의 모델을 기반으로 시뮬레이션한 결과 가용자원만을 고려하는 것보다 는 통신 환경을 함께 고려해서 작업을 할당해야 마감 시간 내에 할당된 작업을 완료할 수 있다는 것을 확인하였다.

With developing vehicle and communication technologies, cars can communicate with road-side infrastructures and among other cars. As autonomous driving cars have been developed, the cars are equipped with many sensors and powerful processing units. There are many studies related to provide cloud services to users by using available resources of connected cars. In this paper, we proposed a dynamic task size decision scheme that considers communication environment between a vehicle and a base station as well as available resources while allocating a proper task to each vehicle. Simulation results based on the proposed model show that a vehicle can

Mobile edge computing (MEC) plays a crucial role in improving the performance of resource-constrained mobile devices by offloading computation-intensive tasks to nearby edge servers. However, existing methods often neglect the critical consideration of future task requirements when making offloading decisions. In this paper, we propose an innovative approach that addresses this limitation. Our method leverages recurrent neural networks (RNNs) to predict task sizes for future time slots. Incorporating this predictive capability enables more informed offloading decisions that account for upcoming computational demands. We employ genetic algorithms (GAs) to fine-tune fitness functions for current and future time slots to optimize offloading decisions. Our objective is twofold: minimizing total processing time and reducing energy consumption. By considering future task requirements, our approach achieves more efficient resource utilization. We validate our method using a real-world dataset from Google-cluster. Experimental results demonstrate that our proposed approach outperforms baseline methods, highlighting its effectiveness in MEC systems.

클러스터와 같은 분산 시스템에서 초기 작업 배치 시, 할당할 프로세스의 자원 요구량을 정확히 예측하여 작업을 분배할 수 있다면 보다 나은 시스템 성능을 얻을 수 있게 된다. 이 때 임의의 작업을 적절한 호스트에 배치하기 위해서 자원 기반 초기 작업 배치 (resource-based initial job placement) 기법은 그 작업의 자원 사용량을 미리 예측할 필요가 있다. 하지만 잘못된 자원 예측은 동적 부하 분산 시스템의 성능을 크게 떨어뜨리는 원인이 된다. 따라서 본 논문에서는 잘못된 예측에 의한 문제를 해결하기 위해 새로운 부하 기준을 제안한다. 새로운 부하 기준을 사용한 자원 기반 초기 작업 배치 기법은 프로세스의 유형에 관한 사전 지식 없이도 동작하는 장점을 가진다. 실험을 통해 본 논문은 동적 부하 분산 시스템에서 제안하는 방식이 기존의 방식에 비해 향상된 성능을 가짐을 보인다.

In distributed systems like cluster systems, in order to get more performance improvement, the initial task placement system precisely estimates and correctly assigns the resource requirement by the process. The resource-based initial job placement scheme needs the prediction of resource usage of a task in order to fit it to the most suitable hosts. However, the wrong prediction of resource usage causes serious performance degradation in dynamic load balancing systems. Therefore, in this paper, to resolve the problem due to the wrong prediction, we propose a new load metric. By the new load metric, the resource-based initial job placement scheme can work without priori knowledge about the type of process. Simulation results show that the dynamic load balancing system using the proposed approach achieves shorter execution times than the conventional approaches.

본 연구는 대규모 언어 모델(LLM)의 파인 튜닝(fine-tuning)을 활용한 수학 서술형 자동 채점의 가능성을 탐색하는 것을 목적으로 한다. 이를 위해 학습 데이터의 양을 변화시키며 파인 튜닝 성능을 분석하고, 그에 따른 시사점을 도출하였다. 먼저 서로 다른 세 영역의 수학 서술형 과제를 개발하고, 학생 답안을 수집한 뒤, 전문가 채점을 실시하였다. 이후 공개된 LLM의 기본 모델에 문항과 채점 기준을 제시하여 자동 채점을 수행한 결과와, 파인 튜닝을 적용한 후 채점한 결과를 비교하였다. 연구 결과, 학습 데이터가 증가할수록 채점 성능이 향상되었으며, 특히 점수 범주별 30개 이상의 학습 데이터를 확보한 경우 유의미한 성능 향상이 나타났다. 또한 과제의 특성에 따라 성능 향상의 정도에 차이가 있음을 확인하였다. 이러한 결과를 바탕으로 파인 튜닝의 수학교육적 활용 방안을 논의하였다.

This study aims to explore the feasibility of automated scoring of mathematical constructed-response items using the fine-tuning of a large language model (LLM). To this end, the performance of fine-tuning was analyzed by varying the amount of training data, and implications were drawn accordingly. First, constructed-response tasks in three distinct areas of mathematics were developed, student responses were collected, and expert scoring was conducted. The results of automated scoring performed by a publicly available base LLM-provided with items and scoring rubrics-were then compared with those obtained after fine-tuning. The results indicated that scoring performance improved as the amount of training data increased, with a substantial improvement observed when at least 30 training samples per score category were secured. Furthermore, the degree of performance improvement varied depending on the characteristics of the task. Based on these findings, implications for the educational application of fine-tuning in mathematics education were discussed.

화상회의 시스템 사용자 증가 및 기술 발전으로 인해, 화상회의 사용맥락과 화상회의 인터페이스 레이아웃이 다양해졌다. 사회불안은 화상회의 소통상황에도 영향을 주는데, 대면소통과 구별되는 요소인 비디오 피드백과 밀접한 관련성이 있는 것으로 나타났다. 비디오 피드백은 상대방에게 보이는 본인의 모습을 화상회의 시스템 인터페이스에 표시해주는 기능이다. 비디오 피드백은 업무 성과를 저해하고 피로감을 유발하는 것으로 알려졌으나, 화상회의 시스템에서 기본 기능으로 설정되어 있고 사용자들에게 보편적으로 선호된다. 본 연구는 과업지향정도, 비디오 피드백 화면크기, 사회불안이 비디오 피드백 선호도에 미치는 영향을 보기 위해 실시되었다. 연구는 온라인 설문으로 진행되었고, 설문 참가자는 화상회의 중 과업지향정도, 사회불안수준, 선호하는 비디오 피드백 화면크기, 비디오 피드백 기능 선호도를 평가하는 문항에 응답하였다. 연구 결과, 비디오 피드백 화면크기는 과업지향정도와 비디오 피드백 선호도를 매개하는 것으로 나타났다. 구체적으로 과업지향정도가 높을수록 작은 비디오 피드백 화면크기를 선호하였고, 이는 비디오 피드백 선호도 감소로 이어졌다. 한편, 사회불안수준에 따른 비디오 피드백 화면크기의 매개효과 차이는 유의미하지 않았다. 이러한 결과는 사용자와 화상회의 시스템의 상호작용에 대한 이해에 도움을 주어 화상회의 시스템 디자인에 활용될 수 있는 정보를 제공한다.

With the increase of video conferencing users and the development of technology, the situations where video conferencing is used and the layout of video conferencing interfaces are diversifying. Social anxiety affects video conferencing communication and is closely related to the self-view function, which is characteristic of video conferencing. The self-view function is part of the video conferencing interface that provides a small preview of one's own camera feed. Self-view is known to degrade work performance and cause fatigue; however, it is set as the default function on video conferencing software in a way that users generally prefer. This study used an online survey to study the effect of task orientation, preferred self-view size, and social anxiety on video feedback preference. Participants responded to questions assessing work orientation, social anxiety level, preferred self-view size, and self-view preference. The results showed that preferred self-view size mediates task orientation and video feedback preference. There was no significant difference in the mediating effect of the preferred self-view size according to the degree of social anxiety. These results offer insights into the interactions between users and video conferencing software and provide information that can be useful for designing video conferencing interfaces.

연구목적: 시청각 매체를 활용할 때, 단순히 콘텐츠 자체의 완성도 뿐만 아니라 화면 크기 등 여러 환경적 요소도 학습 성과에 영향을 미칠 수 있다. 본 연구는 비디오 프롬팅 중재 시에 화면 크기가 중등도의 인지적 제한이 있는 발달장애 성인의 조립 과제 수행에 미치는 효과를 비교하기 위해서 수행하였다. 연구방법: 본 연구의 독립변인은 비디오 프롬팅 중재였으며, 스마트폰, 태블릿 컴퓨터, 스마트 모니터를 포함하는 세 가지 유형의 화면 크기 조건을 무작위로 번갈아 가며 동영상 재생에 활용하였다. 본 연구의 종속변인은 난이도가 유사한 네 가지 조립 과제의 수행이었다. 본 연구는 단일대상설계 중 하나인 교대중재설계를 적용하여 화면 크기 조건별 조립 과제 수행률의 변화 양상을 지속해서 측정하였다. 연구결과: 세 화면 조건 모두에서 효과성을 확인할 수 있었다. 그럼에도 세 참여자 모두 작은 화면인 스마트폰 조건에서 가장 낮은 수행률을 보였다. 특히 참여자 3은 그 정도가 두드러졌다. 중간 화면 크기인 태블릿 컴퓨터와 가장 큰 화면 크기인 스마트 모니터 조건은 비슷한 수준의 높은 수행률을 보였으나, 참여자 3의 경우에는 스마트 모니터 조건의 수행률이 더 높았다. 논의 및 결론: 인지적 장애의 심각도, 적응행동 기술과 주의집중 수준 등의 차이를 반영하여 화면 크기 조건을 결정한다면, 비디오 프롬팅을 포함한 비디오 기반 교수의 효과성을 높이는데 도움이 될 수 있다.

Purpose: When utilizing audiovisual media, not only the quality of the content itself but also various environmental factors, such as screen size, can influence learning outcomes. This study was conducted to compare the effects of different screen sizes on the performance of various assembly tasks by adults with developmental disabilities and moderate intellectual impairment during video prompting interventions. Method: The independent variable in this study was the video prompting intervention, using three different screen sizes?smartphone, tablet computer, and smart monitor. These conditions were alternated randomly during video playback. The dependent variable was the performance of four assembly tasks with similar difficulty. This study employed an alternating treatment design, a type of single-subject design, to verify changes in task performance rates under different screen size conditions. Results: Effectiveness was observed under all three screen conditions. Nevertheless, all three participants showed the lowest performance rates under the small screen condition(smartphone), with Participant 3 displaying the most pronounced difference. Both the medium-sized tablet computer and the larger smart monitor conditions resulted in similarly high performance rates; however, Participant 3 demonstrated a slightly higher performance rate under the smart monitor condition. Conclusion: Taking into account differences in intellectual disability severity, adaptive behavior skill and attention span when determining screen size conditions could help enhance the effectiveness of video prompting and other video-based instruction.

This study examined how vocabulary size and depth differentially contribute to four language tasks (literal reading, inferential reading, narrative writing, and argumentative writing) among 322 Korean high school EFL learners. Multiple regression analyses and Z-test were used to compare the two predictors within each model. Results revealed the following patterns: 1) overall, only vocabulary size significantly influenced reading tasks, whereas both size and depth made a significant impact on writing tasks; 2) regarding the analyses by task type, only vocabulary size predicted literal reading; 3) both types of vocabulary made a significant impact on inferential reading, narrative writing, and argumentative writing; 4) vocabulary depth significantly outperformed size in inferential reading; 5) size significantly outperformed depth in narrative writing; and 6) both types of vocabulary contributed equivalently to argumentative writing. These findings indicate that the two vocabulary types contribute differentially according to task demands.