Efficient Data Representation of Deep Neural Networks

송주용 포항공과대학교 일반대학원 2018 국내박사

본 논문에서 저자는 최근 심층 학습으로 불리는, 심층 신경망을 이용한 기계 학습에서의 효과적인 데이터의 (내재적) 표현을 연구하였다. 심층 학습은 기계 학습의 하위 분야로, 놀라운 학습 능력을 보이며 많은 분야에 적용이 되고 있지만, 그 원리를 설명하는 데에는 어려움이 있다. 기계 학습은 지도 학습과 비지도 학습, 강화 학습으로 구분할 수 있고, 목적에 따라서는 구분 모델과 생성 모델로 구분할 수 있다. 지도 학습을 위한 심층 학습에서는 신경망이 입력층과 은닉층, 출력층으로 구분된다. 입력층에 데이터를 넣어주면 은닉층에 그에 해당하는 (신경망의 가중치와 비선형 변환을 거친) 데이터 표현이 나타나고 그 데이터 표현이 다시 출력층의 데이터 표현으로 나타난다. 지도 학습은 출력층의 데이터 표현과 실제 원하는 정답이 일치하는 것이 목적이지만, 은닉층의 데이터 표현이 가지는 통계적인 특성이 그 수행능력에 영향을 미친다. 첫 번째 연구는 지도학습에서의 심층망의 기억용량을 알아보기 위해 하나의 은닉층을 가진 이항분류(Binary classification) 문제를 완전히 기억하도록 하는 최소 은닉층의 크기를 연구했다. 저자와 동료들은 신경망의 작동 원리에 기반해 데이터 복잡성 K를 정의했다. 정형화된 패턴, 무작위 패턴 모두 데이터 복잡성 K에 대해, 이 값이 증가할 수록 필요한 네트워크의 사이즈도 증가한다는 사실을 발견하였다. 그리고 무작위 패턴이 어떻게 심층 신경망의 가중치에 저장되는지 보였다. 두 번째 연구에서는, 비지도 학습에서 심층신경망이 데이터의 특징을 어떤 식으로 추출하는지 살펴보았다. 비지도 학습은 사람이 알려주는 답이 아니라 신경망이 알아서 알고리즘에 따라서 데이터를 분류, 즉 클러스터링하는 방법이다. 따라서 심층 학습에서의 데이터 분류에서는 은닉층의 데이터 표현자체가 한 클러스터의 이름이 된다. 저자는 심층 학습의 데이터 분류가 얼마나 유익한(informative) 것인지 알기 위해 해상도(Resolution)와 적절성(Relevance)이라는 정보 엔트로피를 심층신경망에서 계산해보았다. 해상도 H[s]는 데이터의 클러스터링에서 얼마나 많은 클러스터로 잘게, 또 고르게 구분을 했는가에 대한 정보이다. 반면, 적절성 H[k]는 데이터의 클러스터링에서 얼마나 다양한 크기의 클러스터가 존재하는가에 대한 정보이다. 데이터의 특징의 유익함은 데이터 표현의 빈도수 분포를 보면 알 수 있는데, 데이터 표현이 모두 똑같은 빈도수를 가지고 있다면 데이터의 특징 중에서 유익하지 않은 특징을 뽑은 것이다. 예를 들면 하나의 특징(예를 들면 데이터에서 눈의 색깔)이 있는데, 이 특징이 데이터를 절반으로 나눈다면 이 특징은 우리가 이 데이터를 다시 생성하기 위한 새로운 정보를 주지 않은 것이다. 왜냐하면 두 개의 상태에 아무 특징이 없는 경우에도 두 상태가 주어졌을 경우 데이터를 절반으로 나눌 것이기 때문이다. 따라서 가장 유익한 특징을 가진 데이터 표현은 빈도수의 분포가 다양해야하고, 이 곳에서 적절성이 높아진다. 해상도는 모델의 복잡성이 클수록, 적절성은 모델이 데이터를 복잡하게 바라볼 수록 높아진다. 모델이 데이터를 복잡하게 바라본다는 것은 데이터에 유익한 특징이 많이 있다고 본다는 것이다. 저자가 발견한 심층 신경망의 특징은 데이터에 유익한 특징이 있을 경우에 최대한 많이 그것을 추출한다는 것이다. 주어진 해상도에서 적절성을 최대화 시키는 클러스터의 크기의 분포를 살펴보면 멱법칙(Power law)을 따르는 것을 확인할 수 있는데, 심층 신경망을 이용한 데이터 분류에서 클러스터의 크기 또한 멱법칙을 따랐다. 이 때 멱법칙의 지수는 은닉층의 크기나 깊이에 따라 바뀌고, 해상도와 적절성의 중요도를 결정하는 역할을 한다. 멱법칙의 지수가 1보다 큰 경우에는 해상도가 더욱 중요해서 과적합이 일어난다. 이 경우는 모델의 복잡성이 너무 큰 경우에 해당한다. 반면에 지수가 1보다 작은 경우에는 데이터의 중요한 정보들을 충분히 표현하지 못한다. 이 경우는 모델의 복잡성이 너무 작은 경우에 해당한다. 모델의 복잡성이 적당해야 거시적 특징을 훼손하지 않기 때문에, 심층 신경망이 데이터를 다시 만들어내도록 하고, 거시적 특징(예: 손글씨 데이터의 정답)이 가장 잘 저장된 모델을 찾아보았고, 지수가 1이 되는 경우에는 해상도와 적절성의 균형이 잘 맞는 데이터 분류를 하게 되고, 밀도 추론이 잘 되면서도 구분도 잘되는 지점이며, 이 부분을 통계 물리학에서의 고비점이라고 할 수 있다. 이런 결과를 바탕으로 적절한 은닉층의 깊이와 개수를 조절해 네트워크가 고비점에 도달하도록 만들어서 효과적인 네트워크 구조를 찾는 방법을 제시할 수 있다. 심층 신경망을 이용한 기계학습은 효율적으로 학습하는 방법들에 대한 연구는 많은데 비해, 원리가 많이 알려져 있지 않다. 가장 큰 이유는 굉장히 많은 매개변수가 존재하는 복잡한 네트워크 위에서 학습을 하기 때문이다. 따라서, 다체계를 연구하는 통계 물리학적 연구가 적절한 분야이다. 결과적으로 이 박사학위논문의 연구들은 통계물리학과, 정보이론의 도움을 받아 기계학습을 하는데에 필요한 효과적인 데이터 표현을 찾는 방법을 제시하였다. Deep learning has been successfully applied to various tasks, but its underlying mechanism remains unclear. Given data, deep neural networks encode their internal representations on hidden layers. The minimal and optimal complexity of the internal representations remains unsolved generally in machine learning. In this thesis, I study the minimal complexity for supervised learning, and the optimal complexity for unsupervised learning. First, I consider three-layered neural networks for memorizing binary patterns. I develop a new complexity measure of binary patterns, and estimate the minimal network size for memorizing them as a function of their complexity. Second, neural networks associate similar inputs in the visible layer to the same state in the hidden layer. The uncertainty of distinct hidden states can be interpreted as resolution of the internal representation. When distinct hidden states have the same frequency, one cannot differentiate the input samples corresponding to the hidden states, because the hidden states are arbitrary representations and their frequency becomes the only way to probe features in input samples. For examples, when a hidden layer has a sufficient resolution and every input sample has distinct hidden states, they have frequencies of one or two. As another extreme, when a hidden layer has a very poor resolution and most input samples are mapped into the same hidden state, the frequency becomes just total sample number without uncertainty. Both extreme examples have inefficient data representations which can be quantified by the uncertainty of the frequency degeneracy. Here the uncertainties (or entropies) of the hidden states and their frequencies quantify the resolution and efficiency of the internal representation, respectively. I show, in extensive numerical experiments, that deep neural networks extract a hierarchy of efficient representations from data where the frequency degeneracy of data exhibits power law distributions. I also find that the layer that is most efficient to reliably generate patterns of training data is the one for which resolution and efficiency are traded at the same price, which implies that frequency distribution follows Zipf's law.

Collaboration Network Analysis in Robotics Academic Research

최연서 포항공과대학교 일반대학원 2013 국내석사

This study aims to analyze the collaboration networks in Robotics Academic Research based on Bibliometrics. For this, using co-authorship data at the SCI papers in Robotics from 2000 to 2011, is presented the characteristics of knowledge production, structure and development of collaboration networks in South Korea. It is found that research activities are continuously increasing in Robotics Academic Research and dividing into many specialties such as humanoid, bio robotics, field robot, etc. Secondly, the productivity distribution of research organization is more uneven than that of individual researcher with a larger share held by few organizations and researchers. Thirdly, only a few researchers(organizations) have a role of the hub in the collaboration networks, meaning that the structure network is closer to than the core than the peripheral. Lastly, collaboration networks have an unstable structure from 2006-2008 because of new researchers who came from other academic areas. To make stable collaboration networks for the future, it is required collaboration programs between new researchers and existing researchers. In conclusion, collaborations between researchers are very important issue to make better R&D results specially in Robotics, so planners of science policy or researchers should establish a strategy to encourage collaborations.

Comparison of research field correlation between academic advisor, student and co-worker

정장균 포항공과대학교 일반대학원 2023 국내석사

연상 키워드 분석 기반 초등학교 정보영재 판별 방법 개발

최은정 서울교육대학교 2018 국내석사

The purpose of this study is to develop an effective identification tool for the gifted in information science, in terms of time and cost as well as an objective and valid method to complement the weakness of lack of credibility and lack of validity in the selection process of gifted children. For this purpose, we conducted a word association test by presenting ‘information’ as a stimulus word to 15 gifted students and 48 general students. And we analyzed and compared the result of the test from various perspectives(the number, assemblage, semantic network of the response words). Then we did data mining of the result by using WEKA and discerned between gifted students and general students. The results of this study are as follows. First, the gifted students associated more keywords about the stimulus word than general students. Second, the set of keywords associated with information by the gifted students is different from the set of keywords by the general students. Gifted students associated keywords related to the computer science, wheres general students associated keywords related to life information Third, the language network of the gifted has a complicated network structure with a larger node and a shorter distance than the general students. WEKA classified the gifted and general students with high accuracy by doing data mining based on these differences(number, assemblage, density). As a result of comparing and analyzing the keywords of the gifted and general students, it was confirmed that there are significant differences between the two groups in terms of the associated keywords, and it is possible to discriminate the gifted based on these differences. 본 연구의 목적은 현재 영재 선발 과정에서 이루어지고 있는 관찰·추천제의 신뢰성 부족, 타당성 결여라는 약점을 보완할 수 있는 객관적이고 타당한 방법인 동시에 시간적, 비용적인 면에서 효율적인 정보영재 판별 방안을 개발하기 위한 것이다. 이를 위해 정보영재 15명과 일반학생 48명을 대상으로 단어 연상 검사를 실시하였다. ‘정보’를 자극어로 제시하였을 때 두 집단이 연상한 키워드의 수, 집합 및 언어네트워크의 구조적 특징을 데이터로 데이터마이닝을 진행하였고 연상된 키워드로부터 도출된 통계 자료가 영재 판별의 기준으로 적합한지 확인해보았다. 본 연구 결과 얻은 결론은 다음과 같다. 첫째, 정보영재는 일반학생보다 자극어에 대해 더 많은 키워드를 연상했으며 이렇게 연상된 각 키워드에 대한 반응어의 수도 일반학생보다 많았다. 둘째, 정보영재와 일반학생이 자극어에 대해 연상한 키워드의 집합은 다르다. 정보라는 자극어에 대해 일반학생들은 일상생활 속에서 얻는 자료나 소식으로서의 정보를 먼저 떠올리는데 비하여 정보영재는 컴퓨터 공학과 관련 있는 보다 전문적인 키워드를 연상하였다. 셋째, 정보영재의 언어네트워크는 일반학생에 비해 노드가 크고 노드간 거리가 가까운 복잡한 네트워크 구조를 형성하고 있다. 이러한 차이(수, 집합, 밀도)를 기준으로 WEKA를 활용하여 데이터마이닝 한 결과 높은 정확도로 정보영재와 일반학생을 분류하였다. 정보영재와 일반학생이 정보에 대해 연상한 키워드를 비교·분석한 결과 두 집단이 연상한 키워드에 유의미한 차이가 있고 이 차이를 기반으로 정보영재를 판별하는 것이 가능함을 확인할 수 있었다.

An Analysis on the Consumption Structure of Contemporary Popular Culture with Network Science

이정우 포항공과대학교 융합대학원 2022 국내석사

Globalization and the development of information technology have enabled people in different societies to share their culture and consume cultural products through digital devices. This social change has made contemporary popular culture to transcend the borders between countries and penetrate the daily lives of consumers. Our thesis focused on investigating which social factors affect the consumption structure of contemporary popular culture. We constructed a consumption network of mobile games between countries to reflect the characteristics of contemporary popular culture. Using Hofstede's cultural dimensions theory and Facebook's social connectedness index, we revealed cultural distance and social ties between countries play important roles in shaping the consumption structure.

Complexity and Scaling in Cities

홍인호 포항공과대학교 일반대학원 2019 국내박사

As economic, cultural, and social hubs in human history, cities are attracting people, creating wealth and promoting innovations in the era of rapid urbanization. Therefore, cities have been of great interest to maintain functions, accelerate success, and prepare for forthcoming changes in the future. Gathering of individuals increasingly brings success while making cities more and more complex. Then, how can we understand the complex characteristics and dynamics in cities? Recent studies on complex systems have revealed new ways to understand cities from complex interactions of individuals with empirical supports from increasing big data. Among these approaches, the scaling law originated from physics has explained urban quantities as a simple scaling function of population. Using this scaling law, this thesis studies two representative properties of cities, human mobility and economy, as a result of interregional and intraregional interactions of individuals. Human mobility is one of the fundamental interregional interactions representing individual and collective movements. The gravity model relating traffic, population and distance as a scaling law was developed to describe the collective movements. Due to the simplicity, it has been widely applied to general interregional interactions such as knowledge flows, economic trades, and communications. Although the gravity model has been studied in many intercity datasets, there are only a few studies that applied the gravity model on intracity mobility. To understand intracity mobility, this thesis applies three types of gravity models on the Korean urban bus networks. While these gravity models showed good performances, they reveal the gravity model's limitation that the scaling function of distance (i.e., decreasing traffic with distance) was not analytically derived but assumed by empirical observations. Relating the gravity model and the radiation model on competition, this thesis derives the scaling function of distance (i.e., deterrence) of the gravity model, and validates it with numerical simulations. As a result, the distance dependence, i.e., scaling exponent, is derived as a function of the exponent of population distribution and the fractal dimension of space, implying that the decreasing interaction strength with distance is strongly related to population landscapes. This finding enables us to better understand the mechanism of interactions, and to better estimate interactions in datasets. As mobility models describe interregional interactions between populations, urban scaling relates populations and urban indicators as a result of intraregional interactions. This urban scaling has been applied to numerous socioeconomic indicators such as wages, employments, crimes and CO2 emissions, explaining an urban quantity as a simple power function of population size across cities, where the exponent is considered as a notion of interdependence of residents. As the scaling law describes population dependence, it has been believed that a longitudinal population change is related to changes in urban quantities, however, we still lack empirical evidences. Using a longitudinal dataset of US urban employment, this thesis reveals that urban scaling relates population changes and economic changes in the form of a universal pathway of individual cities. These scaling properties also characterize the whole economic structures as an aggregation of industries, showing that cities transition into large-city-innovative economies above a critical population, 1.2 millions. Therefore, these findings imply that cities evolve into innovative economies following a universal pathway. This thesis provides several implications on complex behaviors in cities using a scaling framework. First, the scaling relation of distance dependence and population exponent reveals that a spatial distribution of populations is the key to understanding the deterrence of interaction strength by distance. Second, the scaling properties in urban economies make urban economic changes predictable from population changes. Both findings imply that collective behaviors in cities can be understood by the scaling law and the size of population. Therefore, this thesis gives an insight to integrate interactive properties of cities using a single spatiotemporal framework of scaling. 인류 역사에서 위대한 성공의 중심지인 도시는 급격한 도시화와 함께 점점 더 그 중요성이 커지고 있다. 이렇게 도시로 모이고 있는 사람들은 도시를 점점 더 발전시키는 동시에, 도시를 더 복잡한 공간으로 만들고 있다. 그렇다면, 이러한 도시의 복잡한 성질과 변화를 어떻게 이해할 수 있을까? 최근 증가하는 빅데이터에 힘입어 도시를 개인들이 복잡하게 상호작용하는 시스템으로 이해하는 복잡계적 연구는 도시의 성질을 새롭게 설명해내고 있다. 그 복잡계적 방법론 중에 물리에서 사용되던 스케일링 법칙은 도시의 지표를 인구나 거리 같은 값과 비례하는 함수로 설명하는 대표적 방법론이다. 본 논문은 이 스케일링 법칙의 일부인 중력 모형과 도시 스케일링을 통해 지역 간 상호작용과 지역 내 상호작용을 설명하고, 각각을 이동성과 경제 데이터에 적용해 도시를 개인의 상호작용의 결과로서 해석한다. 이동성은 지역 간 상호작용의 대표적인 현상으로, 이는 개인의 이동과 집합적 이동을 포괄한다. 이 중, 집단적 이동을 설명하기 위해 이동량과 지역의 인구, 거리를 비례 관계로 표현하는 중력 모형이 개발되었고, 이는 지식의 흐름, 무역, 통신 등의 일반적인 대상에 대해 널리 사용되고 있다. 중력 모형은 도시 간 이동에 대해서는 많이 사용되었으나, 도시 내부의 이동에 대해서는 상대적으로 덜 연구되었는데, 따라서 본 논문에서는 우선 중력 모형이 도시 안에서 잘 작동하는지를 확인하였다. 그 결과로, 중력 모형이 한국 5개 도시의 버스 네트워크에서의 이동량을 잘 설명하고, 이동량의 거리 의존성이 도시 간 연결과 비슷하게 나타남을 보였으나, 동시에 이러한 거리 의존성이 실험적 가정에 근거한다는 중력 모형의 한계를 드러내었다. 이에 따라, 본 논문에서는 중력 모형에서 이동량의 거리에 따른 감소에 대한 심층 연구를 진행하였다. 중력모형의 대표적인 특성인 이동량의 거리에 따른 감소는 원래 이론적인 배경에서 유도된 것이 아닌 경험적인 가정에 근거한다는 단점을 지니고 있었다. 따라서 본 논문에서는 중력 모형의 거리 반비례 법칙을 경쟁에 관련된 방사 모형과 연관지어 직접적으로 유도하고, 이를 수치 시뮬레이션으로 검증하였다. 그 결과로서, 거리 의존성을 나타내는 스케일링 지수가 인구 분포의 지수와 공간의 프랙탈 차원의 함수로 나타남을 알 수 있었다. 이는 거리에 따라 감소하는 상호작용의 세기가 인구의 공간 분포와 강하게 연관되어 있음을 의미한다. 이러한 발견은 지역 사이의 상호작용의 원리에 대해 더 잘 이해하게 하고, 따라서 실제 지역 간 상호작용을 추정하는 데 도움을 줄 것으로 기대된다. 이동성 모형이 지역 간 상호작용을 인구 집단 단위에서 설명하듯이, 도시 스케일링은 도시 지표와 인구 사이의 멱함수 관계로부터 도시 내의 상호작용을 설명한다. 이러한 도시 스케일링은 임금, 고용, 범죄, 이산화탄소 배출 등의 다양한 사회경제적 지표에 적용되어 왔고, 그 멱함수 지수는 행위자들의 상호의존성의 척도로 여겨져 왔다. 도시 스케일링은 어떤 지표가 인구와 연관되어 있다는 것을 나타내기 때문에 인구의 시간적 변화가 지표의 변화와 연관되어 있을 것으로 여겨져 왔으나, 이에 대한 실험적 증거는 발견되지 않았다. 본 논문에서는 1998년 - 2013년의 미국 고용 데이터를 활용하여, 인구 변화가 도시의 가장 중요한 속성 중 하나인 경제의 변화와 연관되어 있는지를 확인하였다. 그 결과로서, 인구 변화는 고용 변화와 약 70\% 정도로 연관되어 있고, 그 연관 정도는 각 산업의 생산품의 지역 간 매매 가능성에 의존하는 것이 밝혀졌다. 이러한 변화의 인구 의존성은 도시가 인구라는 하나의 변수로 설명되는 공통적인 경로를 따라서 변화한다는 것을 시사한다. 인구 의존성은 각 산업별로 다르기 때문에 도시 크기에 따라 서로 다른 경제 구조를 갖게 하는데, 인구가 약 120만 이상일 때 대도시형 혁신 경제로 분류된다는 점을 이론적, 실험적 증거를 통해 밝혔다. 따라서, 이 결과들은 인구가 성장할 때 도시가 공통 경로를 따라 더 혁신적인 경제 구조를 갖게 됨을 시사한다. 이러한 특성은 도시의 변화를 예측 가능하게 한다는 점에서, 정책 결정자, 사업가, 그 외 경제 주체들의 의사결정을 도울 수 있을 것으로 기대된다. 본 논문의 주요 결과는 도시 내의 복잡한 행태의 근원을 이해할 수 있게 하는 강력한 틀을 제공한다. 먼저, 거리 의존성과 인구 지수 사이의 스케일링 관계는 인구의 공간 분포가 거리에 따른 상호작용 세기의 감소를 이해하는 중요한 요소임을 나타낸다. 다음으로, 도시 스케일링이 인구 변화와 지표의 변화를 연결한다는 점은 향후 도시의 변화를 예측할 수 있는 기준을 제공한다. 이러한 발견은 도시 내의 집합적 행태가 스케일링 법칙과 인구를 이용해 설명될 수 있음을 공통적으로 시사한다. 따라서 본 논문은 스케일링이 도시의 여러 복잡성을 포괄하는 통합적 이론으로서 사용될 수 있다는 가능성을 제시한다.

유전 알고리즘을 이용한 버그 리포트 할당 최적화

이재권 충북대학교 2015 국내석사

In this paper, we propose a method to identify the optimized clusters of the bug reports in order to resolve their issues efficiently, by assigning them equivalently to software developers based on their comprehension costs. We also have implemented and provided the UniBAS(Unified Bug Analysis System) to support the proposed approach. The UniBAS provides the fundamental models and tools required to extract, store and analyze the heterogenous software repositories in effective way. The experiments of open source projects such as Firefox have been conducted using the system and the results have been discussed in detail, including parameter optimizations. The overall process for bug reports assignment is composed of three levels of clustering. In the first-level clustering, the similar or related bug reports are grouped together based on not only their cosine similarity metrics but also their dependencies. The purpose of the first-level clustering is to avoid the inefficient cases such that the duplicate, dependent or similar bugs are assigned to different developers. And then, these groups are assigned to developers in order to generate the second level clusters based on genetic algorithm. The costs of handling each second level clusters are equivalently distributed based on the fitness function of bug report comprehension. Finally, the third level clusters used for team building are proposed based on the weights of similarities among the groups which have been composed of the second level clusters with a loose threshold. These clusters could be referenced and used for effective communication among the teams which should resolve the assigned issues. Additionally, surveys were conducted by the experienced developers from the software companies to evaluate the proposed method. The results showed that 70% of the survey participants are positive to usefulness and effectiveness of our approach. 본 논문은 이해 비용에 근거하여 버그 리포트를 균등하게 할당함으로써 버그 담당자가 효율적으로 문제를 해결하기 위한 최적의 버그 리포트 클러스터들을 찾는 방법과 이를 지원하기 위해 구현한 UniBAS(Unified Bug Analysis System)를 제안한다. UniBAS는 다양한 버그 저장소로부터 효과적으로 데이터를 추출하고 분석하는데 필요한 도구와 통합 데이터 모델을 제공한다. 본 연구에서는 이 시스템을 통해 Firefox와 같은 오픈 소스 프로젝트에 대하여 실험을 수행하였고, 파라미터를 최적화하는 방법에 대하여 토의 하였다. 버그 리포트의 균등 할당은 버그 리포트의 관계 및 비용을 고려하여 세 단계로 클러스터링 한다. 1차 클러스터링은 버그 리포트 간의 코사인 유사도를 계산하여 유사도가 높은 문서를 판별하고 중복 및 종속 관계들도 함께 고려하여 관련 있는 문서들을 그룹화 한다. 이는 관련 있는 버그 리포트들이 다른 개발자에게 할당되어 비효율적인 경우가 발생하는 것을 방지한다. 2차 클러스터링은 1차 클러스터들을 각 개발자에게 균등하게 할당하기 위해 유전 알고리즘을 통해 생성한다. 유전 알고리즘은 각 클러스터의 문서 이해 비용을 가장 균등하도록 하는 적합도 함수를 이용하여 최적의 해를 찾는다. 3차 클러스터링은 버그 리포트 간에 느슨한 유사도 임계값을 적용하여 2차 클러스터들의 관계를 구성한다. 3차 클러스터들은 개발자간의 커뮤니케이션이 필요한 강도를 파악할 수 있고 이를 통해 효율적인 팀을 구성하는데 활용할 수 있다. 마지막으로 제안한 방법의 유용성 및 효과성을 검증을 위하여 설문을 통해 실무자들로부터 피드백을 받았고, 그 결과 70%의 개발자가 긍정적으로 평가하였다.

AI 융합 문제 해결 프로젝트가 초등학생의 융합적 문제해결력에 미치는 영향

이주영 서울교육대학교 교육전문대학원 2023 국내석사

4차 산업혁명이 본격적으로 시작된 이후, 인공지능교육의 중요성이 크게 부각되었다. 이에 따라 미국, 중국, 한국 등 세계 각국에서는 인공지능교육을 적극적으로 실행하고 있다. 실생활과 관련된 문제 해결중심 교과 융합 프로젝트 활동을 통해 인공지능 지식 및 기술을 배울 수 있도록 하고 있는데, 이는 OECD에서 미래 핵심역량 함양을 위해 제시한 학습 방향과 같다. OECD에서는 실생활과 연계하여, 행위 주체성과 협동을 발휘하고 개발할 수 있게 학습 프로젝트를 설계하고 경험할 수 있는 학습의 장을 마련하도록 권장하고 있다. OECD가 미래 핵심역량으로 규정한 ‘변혁적 역량’은 2030년대의 새로운 사회에서 창의적인 아이디어를 통해 새로운 가치를 창조할 수 있는 능력, 개인과 사회의 갈등에 대처하는 능력 등을 모두 포함하고 있다(OECD, 2018). 융합적 문제해결력은 이러한 ‘변혁적 역량’과 결을 함께 한다. 융합적 문제해결력은 문제를 인식하고 해결책을 설계하여 실행하기 위한 지적 사고과정과 더불어 문제 해결의 장애물을 극복하기 위한 개인적 성향과 사회적 성향을 의미한다. 또한 문제 해결 과정에서 지식융합의 가치와 중요성의 인지 정도, 문제 해결 결과가 사회에 미치는 영향력에 대한 인식 능력 등을 포함하고 있다. 즉, 미래 인재 양성을 위해 인공지능교육은 실생활 융합 프로젝트 학습의 형태로 제시되는 것이 타당하며 이를 통해 문제해결력, 창의력, 비판적 사고력 등 의 융합적 사고 역량과 개인, 사회적 역량 및 융합 역량을 갖출 수 있도록 해야 한다. 이에 본 연구에서는 초등학생을 위한 AI 융합 문제 해결 프로젝트를 개발하고 적용하여, 융합적 문제해결력 함양에 미치는 영향을 검증하고자 한다. 대응표본 t-검정 결과와 면담 내용을 분석하여 얻은 결론은 다음과 같다. 첫째, AI 융합 문제 해결 프로젝트를 통해 초등학생의 융합적 문제해결력을 향상시킬 수 있다. 본 교육 프로그램의 적용 전과 비교하여 적용 후에 학습자들의 융합적 문제해결력 전체와 그 하위 영역인 융합적 성향, 융합적 사고, 융합적 소양이 향상되었음을 확인할 수 있었다. 둘째, AI 융합 문제 해결 프로젝트를 통해 초등학생의 인공지능 태도를 긍정적으로 변화시킬 수 있다. 셋째, AI 융합 프로젝트의 참여도를 높이기 위해서 학생들이 관심을 갖고 해결할 수 있는 적절한 실생활 프로젝트 주제선정이 중요하다. 넷째, AI 융합 문제 해결 프로젝트를 효과적으로 적용하기 위해서는 AI 및 소프트웨어 기본 교육이 선행되어야 한다. 본 연구 결론을 통해 제언하고자 하는 바는 다음과 같다. 첫째, 학습자의 SW 및 인공지능 경험, 수준에 따라 적합한 AI 교육 프로그램이 개발되도록 지역별, 학년별 대상을 달리 설정하여 후속 연구를 진행할 필요가 있다. 둘째, 다양한 형태의 AI 융합 문제 해결 프로젝트의 개발 및 보급이 필요하다. 셋째, AI 교육 교사 역량을 키울 수 있는 연수가 활발히 진행되어야 한다. 넷째, 공교육에서 AI를 더 체험하고 배울 수 있는 교육적 여건 조성이 필요하다. Since the 4th Industrial Revolution began in earnest, the importance of artificial intelligence education has been greatly highlighted. Accordingly, artificial intelligence education is actively implemented in countries around the world such as the United States, China, and Korea. It is mainly encouraged to learn artificial intelligence knowledge and technology through problem-solving-oriented subject convergence project activities related to real life, which is the same as the learning direction suggested by the OECD to cultivate future core competencies. In connection with real life, the OECD encourages the establishment of a learning place where learning projects can be designed and experienced so that behavioral subjectivity and cooperation can be exercised and developed. The 'transformation capacity' defined by the OECD as a core competency for the future includes both the ability to create new values through creative ideas in a new society in the 2030s and the ability to cope with conflicts between individuals and society (OECD, 2018). Convergent problem-solving skills share these 'transformation capabilities' and resolutions. Convergent problem-solving skills refer to personal and social tendencies to overcome obstacles to problem-solving, along with the intellectual thinking process to recognize problems, design and implement solutions. It also includes the degree of recognition of the value and importance of knowledge convergence in the problem-solving process, and the ability to recognize the impact of problem-solving results on society. In other words, it is reasonable that artificial intelligence education is presented in the form of real-life convergence project learning, and through this, it should have convergent thinking capabilities such as problem-solving, creativity, and critical thinking capabilities, individual, social capabilities, and convergence capabilities. Therefore, this study aims to verify the effect on cultivating convergent problem-solving skills by developing and applying AI convergence problem-solving projects for elementary school students. The results of the response sample t-test and the results of the interview are as follows. First, it is possible to improve the convergence problem-solving ability of elementary school students through AI convergence problem-solving projects. Compared to before and after application of this educational program, it was confirmed that the overall convergence problem-solving ability of learners and their sub-areas, convergence attributes, convergence thinking, and convergence literacy, improved. Second, it is possible to positively change the artificial intelligence attitude of elementary school students through AI convergence problem-solving projects. Third, in order to increase the participation of AI convergence projects, it is important to select appropriate real-life project topics that students can solve with interest. Fourth, in order to effectively apply the AI convergence problem-solving project, basic education of AI and software must be preceded. Through the conclusion of this study, the suggestions are as follows. First, it is necessary to conduct follow-up research by setting different targets for each region and grade so that appropriate AI education programs are developed according to the learner's SW and artificial intelligence experience and level. Second, it is necessary to develop and distribute various types of AI convergence problem-solving projects. Third, training that can develop AI education teacher competency should be actively conducted. Fourth, it is necessary to create educational conditions for further experiencing and learning AI in public education.

노벨 엔지니어링을 활용한 AI 융합교육 프로그램이 초등학생의 융합인재소양에 미치는 효과

최정민 서울교육대학교 교육전문대학원 2023 국내석사

2022 개정 교육과정에서 모든 교과에서의 디지털 융합교육을 강조함에 따라 인공지능 교육 분야에서도 융합교육에 대한 필요성이 강조되고 있다. 노벨 엔지니어링(Novel Engineering, 이하 NE)은 독서와 공학을 융합한 교수학습모형으로 이야기 속 문제 상황을 공학적으로 해결하는 과정으로 이루어진다. 본 연구는 초등학교 4학년을 대상으로 NE 교수법을 활용한 AI 융합교육 프로그램을 개발 및 적용한 후, 프로그램이 초등학생의 융합인재소양에 미치는 영향을 검증하였다. 실험 방법으로 동질성을 확보한 서울 소재 초등학교 4학년 2개 반 42명을 실험집단과 통제집단으로 나누어 프로그램 적용 사전-사후 융합인재소양 검사를 실시하였다. 최유현 외(2013)가 개발한 융합인재소양 검사 도구는 리커트 5점 척도를 활용하여 융합, 창의성, 배려, 의사소통 4가지 하위 영역을 측정한다. 프로그램 개발은 임다미 외(2022)가 제안한 인공지능 교육 수업설계모형 절차에 따라 학습자 및 국내외 인공지능 교육과정 분석, 데이터 선정 등을 거쳐 8회기로 이루어졌다. 본 프로그램은 그림책 「백설공주와 일흔일곱 난쟁이」(다비드 칼리, 2017) 속 문제 상황을 해결하는 과정에서 인공지능 기술을 활용하고, 원리를 익히며, 인공지능의 사회적 영향을 학습한다. 프로그램 적용 결과 실험집단 학생들의 융합인재소양에 긍정적인 변화가 있었다. 특히 융합인재소양의 하위 요소 중 융합과 창의성에 유의미한 영향이 있었으며, 전 영역에서 평균의 향상을 보였으나 소통 영역에서는 상위 영역의 학생과 학생 영역의 학생들 간 수준차가 더 커졌다. 학생 면담 결과 디지털 리터러시의 수준차로 인한 소통의 어려움을 원인으로 파악할 수 있었다. 연구 결과를 통해 얻은 시사점은 다음과 같다. 첫째, NE를 활용한 인공지능 융합교육 프로그램이 실험집단 학생의 융합인재소양에 긍정적인 효과를 보였으므로 다양한 학년군을 대상으로 한 프로그램이 확대될 필요가 있다. 다양한 프로그램 개발을 지원하기 위해서는 소재별 인공지능 교육을 위한 NE 도서 목록에 관한 연구, NE 수업모형에 적용 가능한 AI 문제해결도구에 관한 후속 연구가 필요하다. 둘째, 프로그램 적용 과정에서 학생들의 디지털 기초소양의 수준차로 인한 소통의 어려움이 발생하였으므로 AI 교육 프로그램 설계 시 수준차를 고려해야 한다는 점이다. 수준차를 극복하기 위한 모둠 구성 방안, 수준별 과제 제시 방안, 학년군별로 이수해야 할 디지털 기초 소양 교육 프로그램 개발 등 다각적인 접근을 통해 디지털 기초소양 수준차를 극복하기 위한 방법을 모색해야 한다. 본 연구는 초등학교 학생 42명을 대상으로 한 연구로 일반화에 한계가 있다. 이번 연구를 통해 노벨 엔지니어링을 활용한 다양한 AI 융합 교육 프로그램의 가능성을 확인하고 다양한 프로그램이 개발되어 학교 현장에 정착되기를 기대한다. This study developed an AI Education Program based on Novel Engineering and applied it to 21 fourth graders in elementary school. The study focused on how the program effects elementary students’ convergence literacy. The book used for the program was 「Snow White and the Seventy-seven Dwarfs」(Davide Cali, 2017). As a result of the study, the developed program had a positive effect on the convergence literacy of elementary school students. Through this research, it is expected that various AI education programs using Novel Engineering will be developed and settled in school sites.

인공지능 플랫폼 기반 초등 교과 융합 교육 프로그램의 개발 및 적용

박수진 서울교육대학교 교육전문대학원 2023 국내석사

세계 산업의 중심인 인공지능은 제 4차 산업혁명의 시대에서 개인, 기업, 국가의 경쟁력을 주도하며 이끌고 있다. 이러한 시대 흐름에 따라 미래사회를 이끌어 나갈 핵심 인재가 필요한 상황이다. 미래 인재 양성에 가장 중요한 역할을 맡은 교육계에서는 인공지능 기술에 대해 비중을 두고 학습자들이 창의·융합적 인재로서 성장할 수 있는 체계적인 교육을 해야 할 필요가 있다. 이를 위해서 학습자들에게 인공지능을 자주 접할 수 있는 실질적인 시수 확보가 우선이다. 하지만 2022 개정 교육과정에 제시된 시수로는 소프트웨어 및 인공지능 교육의 목표를 달성하기에는 역부족이다. 따라서 본 연구는 여러 교과 시간에 인공지능 융합 교육을 할 수 있는 프로그램을 개발 및 적용하여 융합인재로서의 소양을 함양하기 위한 목적을 설정하고 초등교육 학습자에게 적용하고자 한다. 이를 위해 설정한 연구 목적은 다음과 같다. 첫째, 인공지능 플랫폼 활용 교과 융합 교육 프로그램을 초등교육 현장에 적용하였을 때 초등학생의 융합인재소양 함양에 긍정적인 영향을 끼치는가? 둘째, 타 교과 교육과정 내의 교육내용을 분석하고 이와 관련하여 인공지능 교과 융합 STEAM 요소를 추출하여 개발한 인공지능 플랫폼을 활용 교육 프로그램이 학습자에게 어떤 영향을 주는가? 두 가지의 연구 문제를 설정한 후, 현직 교사 10인의 전문가 내용타당도 검증을 통해 인공지능 교과 융합 교육 프로그램을 개발하고 이를 초등학교 6학년 대상으로 적용하고자 한다. 교육 프로그램을 학습한 학생들을 대상으로 설문을 시행하여 인공지능 플랫폼 활용 교육이 융합인재소양 함양 및 긍정적 태도 형성에 유의미했는지를 분석한다. 연구 결과, 본 연구에서 개발한 교육 프로그램은 융합인재소양 함양과 긍정적 태도 형성에 유의미한 결과를 도출하였다. 학습자가 인공지능의 개념과 원리를 이해하고 이를 바탕으로 주체적으로 인공지능 플랫폼 또는 인공지능 기술을 활용할 수 있도록 인공지능 교과 융합의 다양한 교육 프로그램이 개발 및 적용될 필요가 있다. 더 나아가 인공지능 시대에 미래 인재를 양성할 수 있도록 교사의 전문성 함양을 위해서도 체계적인 연수 및 지원이 이루어질 수 있기를 기대한다. Artificial intelligence, the center of the global industry, is leading the era of the 4th industrial revolution that leads the competitiveness of individuals, companies and countries. In accordance with this trend of the times, there is a need for key talents who will lead the future society. In the educational world, which plays the most important role in nurturing future talent, it is necessary to place emphasis on artificial intelligence technology and provide systematic education so that learners can grow as creative and convergent talents. To this end, the priority is to secure a practical number of hours for learners to frequently encounter artificial intelligence. However, the number of hours presented in the 2022 revised curriculum is insufficient to achieve the goal of software and artificial intelligence education. Therefore, this study aims to develop and apply a program that can provide artificial intelligence convergence education in various curriculum hours to develop knowledge as a convergence talent and apply it to elementary education learners. The research objectives set for this purpose are as follows. First, when applying the subject convergence STEAM education program using an artificial intelligence platform to the elementary education field, does it have a positive effect on the cultivation of convergence talents? Second, how does the educational program using the artificial intelligence platform developed by analyzing the educational content within the curriculum of other subjects and extracting the STEAM elements of artificial intelligence subject convergence in this regard affect learners? After setting two research problems, we will develop an artificial intelligence subject convergence education program through the content validity verification of 10 in-service teachers and apply it to the 6th grade of elementary school. A survey was conducted on students who had learned the educational program to analyze whether STEAM education using an artificial intelligence platform was meaningful in fostering convergence talent and forming a positive attitude. As a result of the study, the educational program developed in this study produced significant results in cultivating convergence talents and forming positive attitudes. It is necessary to develop and apply various educational programs for convergence of artificial intelligence subjects so that learners can understand the concepts and principles of artificial intelligence and independently utilize artificial intelligence platforms or artificial intelligence technologies based on this. Furthermore, it is expected that systematic training and support will be provided for the professional development of teachers so that they can nurture future talents in the age of artificial intelligence.