Earticle

This study will concentrate on developing an automated process for creating a 3D environment utilizing satellite imagery, a segmentation algorithm, and geospatial data. Traditional methods for crafting a 3D environment primarily rely on manually sculpting terrain and generating 3D objects, which requires substantial time, effort, and resources from the developer. We aim to introduce a system that combines satellite images, digital terrain models, and building segmentation through Python programming to create 3D environments in Unreal Engine. The implementation includes a Python Tkinter GUI for data collection and preprocessing, Mask-RCNN for building segmentation, and the use of Open Street Map (OSM) data to utilize data availability and visualization of data. The system will be evaluated by generating 3D scene environments using satellite image input and incorporating geospatial datasets to analyze and measure the visual similarities between actual and generated 3D environments.

본 연구는 대학 신입생을 대상으로 한 파이썬 입문 강의에서 블록 기반, 텍스트 기반, 혼합형 교수법의 효과성을 조사하였다. 60명의 학생이 세 그룹으로 무작위 배정되어 각기 다른 교수법을 13주간 적용받았다. 학습 성과, 문제 해결 능력, 학생 태도는 시험, 코딩 연습, 설문 조사 및 인터뷰를 통해 평가되었다. 결과적으로 모든 그룹에서 유의미한 향상이 나타났으며, 혼합형 교수법을 적용한 그룹이 가장 높은 사후 평가 점수(81.2점)와 최종 프로젝트에서 최고 성과(평균 89.3점)를 기록하였다. 혼합형 교수법은 블록 기반 프로그래밍의 접근성과 텍스트 기반 코딩의 심층성을 효과적으로 결합하여, 시각적 표현에서 텍스트 표현으로의 점진적인 전환을 통해 학습을 단계적으로 지원하였다. 이 접근법은 다양한 학습자의 요구를 충족시키면서도 고급 프로그래밍 기술 습득을 준비하도록 설계되었다. 혼합형 그룹의 학생들은 자신감, 즐거움, 몰입감에서 가장 큰 향상을 보고하였다. 연구 결과는 혼합형 교수법이 개념적 이해, 코딩 숙련도 및 학습 만족도를 증진하는 데 가장 효과적임을 강조하고 있다.

This study investigates the effectiveness of block-based, text-based, and hybrid instructional approaches in introductory Python courses for community college freshmen. Sixty students were randomly assigned to three groups, each following a distinct instructional method over a 13-week semester. Learning outcomes, problem-solving skills, and student attitudes were evaluated using exams, coding exercises, surveys, and interviews. The results revealed significant improvements across all groups, with the hybrid approach achieving the highest post-test scores (81.2 points) and the best project performance(average of 89.3 points in the final project). The hybrid method effectively combined the accessibility of block-based programming with the depth of text-based coding, employing a gradual transition from visual to textual representations. This approach scaffolded learning, addressing the needs of diverse learners while equipping them with advanced programming skills. Students in the hybrid group reported the greatest improvements in confidence, enjoyment, and engagement. The findings underscore the hybrid approach as the most effective for promoting conceptual understanding, coding proficiency, and overall satisfaction among diverse learners.

Principal component analysis (PCA) has been heavily used for both academic and practical purposes. This tutorial would help individuals who want to better utilize PCA as well as R scholars interested in Q analysis. Many statistical commercial packages can handle PCA, but one may reach a deeper understanding by running PCA code for oneself.Cranking out results using PCA features on one of the commercial statistical packages is easy, just importing data and clicking a few buttons. For a deep understanding of PCA, however, an individual needs to see what happens when running code. Many scholars may have a basic knowledge of a popular programming language like Python. But PCA code in Python is not neatly compiled in one place. A user must gather Python code that is scattered around the Internet, tweak it for compatibility, and fill any remaining gaps. Also, commercial statistical packages, which have been geared toward R analysis, cannot be used for rotation for theoretical or exploratory analysis in Q studies beyond varimax. This tutorial offered all Python code needed for PCA while comparing its results with Statistical Package for the Social Science (SPSS) output. This tutorial also covered the theoretical or exploratory rotation of factor axes, which is a must for Q analysis.Keywords : PCA, Principal Component Analysis, linear algebra, graphs, Python code, varimax rotation, and R and Q analysis

최근 국내외에서 소프트웨어 교육의 중요성이 강조되고 있다. 2015년 개정 교육과정에서도 초 중등생들의 컴퓨팅사고력 계발에 관심이 집중되면서 초 중등학생들을 대상으로 코딩교육이 진행되고 있다. 컴퓨팅사고력 증진을 위해 그 핵심요소인 추상화와 자동화 능력을 신장시킬 여러 방법들이 연구되고 있다. 본 연구에서는 추상화 능력에 대해 교육심리 측면에서 학생들의 프로그래밍 능력 특성을 파악한 후, 컴퓨팅 사고력 계발에 도움을 주고자 한다. 이를 위해 일반계 고등학생들을 대상으로 파이썬 프로그래밍 교육을 보다 용이하게 진행하기 위하여 러플(RUR-PLE) 프로그래밍을 한 학기동안 학습한 후, 학생들의 추상적 사고수준이 프로그램을 이해하는데 어떻게 영향을 미치며 성별 간에 어떤 차이를 가지는지를 분석한다.

최근 국내외에서 소프트웨어 교육의 중요성이 강조되고 있다. 2015년 개정 교육과정에서도 초 중등생들의 컴퓨팅사고력 계발에 관심이 집중되면서 초 중등학생들을 대상으로 코딩교육이 진행되고 있다. 컴퓨팅사고력 증진을 위해 그 핵심요소인 추상화와 자동화 능력을 신장시킬 여러 방법들이 연구되고 있다. 본 연구에서는 추상화 능력에 대해 교육심리 측면에서 학생들의 프로그래밍 능력 특성을 파악한 후, 컴퓨팅 사고력 계발에 도움을 주고자 한다. 이를 위해 일반계 고등학생들을 대상으로 파이썬 프로그래밍 교육을 보다 용이하게 진행하기 위하여 러플(RUR-PLE) 프로그래밍을 한 학기동안 학습한 후, 학생들의 추상적 사고수준이 프로그램을 이해하는데 어떻게 영향을 미치며 성별 간에 어떤 차이를 가지는지를 분석한다.

최근 인공지능의 급격한 발전과 함께 많은 국내 대학에서는 빠르게 변화하는 사회에 적응할 수 있는 인재를 양성하기 위해, 비전공자들에게 교양으로 파이썬 프로그래밍 교육을 진행하고 있다. 비전공 학습자는 파이썬 교육을 수강하면서 생소한 학습 내용으로 어려움을 겪지만, 프로그래밍 실습 중 발생하는 오류로 인해 어려움이 가중된다. 이는 해당 오류(오류 유형)와 관련된 학습 내용을 잘못 이해(오개념)하고 있기 때문이다. 본 연구에서는 학습자가 접하는 오류 유형의 원인인 오개념을 추론(진단)하고, 더불어 오개념을 수정할 수 있는 관련 학습 내용과 선행 학습 내용도 함께 추론(처방)할 수 있는 파이썬 온톨로지를 구축하였다. 또한 구축된 온톨로지에 대해 형식적 논리 검증과 추론 결과를 분석하여 논리적 모순이 부재한 것과 논리적 건전성을 입증하였다.

With the recent rapid development of artificial intelligence, many domestic universities are providing Python programming courses to non-majors as a liberal arts course to cultivate talents capable of adapting to a rapidly changing society. Non-major learners often struggle with the unfamiliar content of Python courses, but errors encountered during programming practice further exacerbate this difficulty. This difficulty stems from a misunderstanding (misconception) of the learning content related to the specific error (error type). In this study, we developed a Python ontology that can infer (diagnose) the misconceptions that cause the types of errors encountered by learners and, infer (prescribe) related learning content to correct the misconceptions and pre-learning content. Furthermore, we analyzed the constructed ontology through formal logic verification and inference results to demonstrate the absence of logical contradictions and its logical soundness.

파이썬 프로그래밍 언어를 강의하는 과목은, 일반 대학에서 모든 재학생이 필수로 이수하는 교양 과목으로 대부분 운영되고 있다. 이를 통해, 컴퓨팅 사고에 의한 기초 프로그래밍 과정을 학습한 비전공자 학생들이 다양한 전공 분야에서 SW를 적용할 수 있는 융합 역량을 강화하고 있다. 기존 연구결과에서는 컴퓨팅 사고 개념 이해와 코드 작성 역량에 대한 다양한 평가 방법들이 제시되었다. 그러나, 평가 문제 사례는 제시되지 않아, 실제 과목 운영 시 적용하는 데 어려움이 있다. 이에 본 논문에서는 비전공자들을 위한 교양과목으로 적용할 수 있는 파이썬 기초 프로그래밍 커리큘럼을 ADDIE 모형에 따라 제안하였다. 그리고 제안된 상세 커리큘럼에 따른 파이썬 요소별 평가 문제 사례를 1차와 2차로 나누어 제안하였다. 마지막으로 본 평가 문제 사례를 적용한 강좌에서 산출된 비전공자 학생들의 평가 점수 결과를 바탕으로 제안한 평가 문제의 유효성을 분석하였다. 제안된 평가 문제 사례는 실시간 온라인 비대면 평가 방식으로 적용하여, 효과적으로 비전공자 학생들의 프로그래밍 역량을 평가할 수 있음을 확인하였다.

Most of the courses that teach the Python programming language are liberal arts courses that all students in general universities must complete. Through this, non-major students who have learned the basic programming process based on computational thinking are strengthening their convergence capabilities to apply SW in various major fields. In the previous research results, various evaluation methods for understanding the concept of computational thinking and writing code were suggested. However, there are no examples of evaluation problems, so it is difficult to apply them in actual course operation. Accordingly, in this paper, a Python basic programming curriculum that can be applied as a liberal arts subject for non-majors is proposed according to the ADDIE model. In addition, the case of evaluation problems for each Python element according to the proposed detailed curriculum was divided into 1st and 2nd phases and suggested. Finally, the validity of the proposed evaluation problem was analyzed based on the evaluation scores of non-major students calculated in the course to which this evaluation problem case was applied. It was confirmed that the proposed evaluation problem case was applied as a real-time online non-face-to-face evaluation method to effectively evaluate the programming competency of non-major students.

프로그래밍 학습은 학습자들이 어렵게 느끼기도 하며, 프로그래밍 학습에 흥미를 잃거나 포기하는 사례도 많다. 이러한 상황에서 학습자들이 딛고 일어서서 탄력을 받아 학습에 자신감을 얻게 하는 능력이 회복탄력성이다. 또한 프로그래밍 언어 및 도구에 따라서 학습자들이 느끼는 인지적인 부담과 학습 동기가 다를 수 있다. 이에 본 연구에서는 교양 프로그래밍 강좌의 스크래치 강좌와 파이썬 강좌의 수강생들을 대상으로 회복탄력성의 차이를 비교 분석하였다. 연구의 결과로 파이썬 강좌와 스크래치 강좌의 회복탄력성 차이는 유의미한 수치로 차이가 있었으나 두드러지지는 않았다. 본 연구를 통하여 프로그래밍 언어 및 도구와 학습자 성향에 따른 학습 전략을 세울 수 있었다.

Programming learning is difficult for learners, and there are many cases where students lose interest in programming or give up. In this situation, the resilience is the ability of learners to stand up and get resilient and gain confidence in learning. Also, depending on the programming language and tools, the learner may feel the cognitive burden and the learning motivation may be different. In this study, we compared and analyzed the differences of resilience among the students of the scratch course and the Python course of the liberal programming lecture. As a result of the study, the differences in resilience of Python lectures and scratch lectures were significant but not significant. Through this study, learning strategies based on programming languages and tools and learners' tendencies were established.

목적 본 연구에서는 블록 프로그래밍 학습 경험이 있는 초보 학습자가 텍스트 프로그래밍 언어를 학습할 때 인지부하를 낮추기 위한교수학습 전략을 개발하였다. 방법 이를 위하여 선행 연구를 바탕으로 텍스트 프로그래밍 언어로 파이썬을 선정하였고 블록 프로그래밍 언어를 선행조직자로 한파이썬 교수⋅학습 전략을 개발하여 전문가 검토를 받았다. 또한 개발한 교수학습 전략을 초등학생 19명(실험집단 8명, 통제집단11명)에게 적용하여 적용 전 컴퓨팅 사고력, 적용 후 인지부하를 측정하였다. 결과 컴퓨터 교육과 교수 및 현장 전문가로부터 타당도 검토를 받고 교수학습 전략을 최종 완성하였다. 교수⋅학습 전략을 적용한결과 사전 검사에서 동질집단임을 확인하였고 교수⋅학습 전략을 적용했을 때 통제집단에 비해 인지부하가 더 낮게 측정되었다. 결론 선행 연구 및 전문가 검토를 통하여 블록 프로그래밍 언어를 선행조직자로 한 교수⋅학습 전략과 학습 자료를 개발하였다. 파이썬을 학습할 때 개발한 전략과 학습자료를 활용한 집단이 직접 교수 전략을 활용한 집단보다 인지 부하가 더 낮게 측정되는 것을확인하였다. 이는 학습자가 파이썬을 학습할 때 낮아진 인지 부하로 인해 인지 용량에 여유가 생기고 학습을 촉진시켜 학업 성취도를높일 것으로 기대된다.

Objectives The Purpose in this study, a teaching?learning strategy was developed to lower the cognitive load when novice learners with block programming experience learn a text programming. Methods According to previous studies, Python was selected as a text programming language, and Python teaching?learning strategies with block programming language as a preceding organizer were developed and reviewed by experts. In addition, the developed teaching?learning strategy was applied to 19 elementary school students (8 experimental groups and 11 control groups) to measure computing thinking in a preliminary inspection and cognitive load in a post inspection. Results The teaching?learning strategy was finally completed after receiving a validity review from computer education professors and field experts. As a result of applying teaching?learning strategies, it was confirmed that they were homogeneous groups in the preliminary examination, and when teaching?learning strategies were applied, the cognitive load was measured lower than that of the control group. Conclusions Through prior research and expert review, teaching?learning strategy and learning materials with block programming language as a advanced organizer were developed. When learning Python with the developed strategy and learning materials, it was confirmed that the cognitive load was measured lower than with the direct teaching strategy. This is expected to increase academic achievement by allowing learners to have room for cognitive capacity and promoting learning due to the lower cognitive load when learning Python.