http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
다문화 대상 국가 외국인 교사와의 접촉이 한국학생의 다문화 수용성에 미치는 영향 분석
한유경(Youkyung Han),정제영(Jaeyoung Chung),박상완(Sangwan Park),김이경(Ee-gyeong Kim) 중앙대학교 한국인적자원개발전략연구소 2020 역량개발학습연구 Vol.15 No.4
본 연구는 다문화 대상 국가들과의 교사교류 프로그램이 한국 학생들의 다문화 수용성에 미치는영향을 분석하는 데 목적이 있다. 연구의 목적을 달성하기 위해 두 가지 연구 문제를 설정하였다. 첫째, 한국 학생들의 다문화 수용성 수준은 학생의 개인 배경과 외국인 교사의 배치 여부에 따라차이가 있는가? 둘째, 외국인 교사와의 접촉이 한국 학생들의 다문화 수용성을 증가시키는가? 연구방법의 일환으로 다문화 대상 국가 외국인 교사가 배치된 37개 초·중등학교와 미배치된 37개학교에 재학중인 학생 총 2,000명을 대상으로 설문조사를 실시하고, 해당 응답결과를 토대로t-test, F-test, 위계적 선형회귀분석을 실시하였다. 연구 결과, 여학생의 다문화 수용도가 남학생보다 높았고, 초등학생의 다문화 수용도가 중등학생에 비해 높은 것을 확인할 수 있었다. 또한, 다문화 대상 국가 교사들과의 접촉은 학생들의 다문화 수용성을 증가시키는 것으로 밝혀졌다. 이러한 연구 결과를 토대로, 다문화 대상 국가와의 교사교류 프로그램의 중요성을 확인하는 한편, 한국의 주류 문화 학생들의 다문화 수용성을 높이기 위한 시사점을 도출하여 제시하였다. The purpose of this research is to analyze the influence of the Asia-Pacific Teacher Exchange Program on multicultural acceptance of Korean students. Two research questions are set forth to achieve the goals of this research. First, does the level of cultural acceptance by Korean students differ depending on their individual backgrounds and the placement of foreign teachers? Second, does contact with foreign teachers increase multicultural acceptance of Korean students? Based on the placement of foreign teachers fro m the Asia-Pacific region, a survey was conducted on a total of 2,000 elementary and secondary school students enrolled in 37 schools with foreign teachers and 37 schools without foreign teachers. The responses were analyzed using t-test, F-test, and hierarchical linear regression analysis. The findings suggested that female students had a higher multicultural acceptance level than males, while the elementary-school students showed the highest multicultural acceptance. In addition, it was found that students contact with teachers from multicultural countries increased the level of students multicultural acceptance. This study is significant in reaffirming the importance of the teacher exchange program between Korean teachers and foreign teachers from the Asia Pacific region. Also, based on the findings, the implications necessary to increase the multicultural acceptance of Korean mainstream culture students were presented.
핵 활동 탐지 및 감시를 위한 딥러닝 기반 의미론적 분할을 활용한 변화 탐지
송아람,이창희,이진민,한유경,Song, Ahram,Lee, Changhui,Lee, Jinmin,Han, Youkyung 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6
Satellite imaging is an effective supplementary data source for detecting and verifying nuclear activity. It is also highly beneficial in regions with limited access and information, such as nuclear installations. Time series analysis, in particular, can identify the process of preparing for the conduction of a nuclear experiment, such as relocating equipment or changing facilities. Differences in the semantic segmentation findings of time series photos were employed in this work to detect changes in meaningful items connected to nuclear activity. Building, road, and small object datasets made of KOMPSAT 3/3A photos given by AIHub were used to train deep learning models such as U-Net, PSPNet, and Attention U-Net. To pick relevant models for targets, many model parameters were adjusted. The final change detection was carried out by including object information into the first change detection, which was obtained as the difference in semantic segmentation findings. The experiment findings demonstrated that the suggested approach could effectively identify altered pixels. Although the suggested approach is dependent on the accuracy of semantic segmentation findings, it is envisaged that as the dataset for the region of interest grows in the future, so will the relevant scope of the proposed method.
KOMPSAT-3·3A 위성영상 글로벌 융합활용을 위한 다중센서 위성영상과의 정밀영상정합
김태헌,윤예린,이창희,한유경,Kim, Taeheon,Yun, Yerin,Lee, Changhui,Han, Youkyung 대한원격탐사학회 2022 大韓遠隔探査學會誌 Vol.38 No.6
Arriving in the new space age, securing technology for fusion application of KOMPSAT-3·3A and global satellite images is becoming more important. In general, multi-sensor satellite images have relative geometric errors due to various external factors at the time of acquisition, degrading the quality of the satellite image outputs. Therefore, we propose a fine-image registration methodology to minimize the relative geometric error between KOMPSAT-3·3A and global satellite images. After selecting the overlapping area between the KOMPSAT-3·3A and foreign satellite images, the spatial resolution between the two images is unified. Subsequently, tie-points are extracted using a hybrid matching method in which feature- and area-based matching methods are combined. Then, fine-image registration is performed through iterative registration based on pyramid images. To evaluate the performance and accuracy of the proposed method, we used KOMPSAT-3·3A, Sentinel-2A, and PlanetScope satellite images acquired over Daejeon city, South Korea. As a result, the average RMSE of the accuracy of the proposed method was derived as 1.2 and 3.59 pixels in Sentinel-2A and PlanetScope images, respectively. Consequently, it is considered that fine-image registration between multi-sensor satellite images can be effectively performed using the proposed method.
딥러닝 기반 구름 및 구름 그림자 탐지를 통한 고해상도 위성영상 UDM 구축 가능성 분석
김나영,윤예린,최재완,한유경,Nayoung Kim,Yerin Yun,Jaewan Choi,Youkyung Han 대한원격탐사학회 2024 대한원격탐사학회지 Vol.40 No.4
위성영상은 구름, 구름 그림자, 지형 그림자 등을 포함한 다양한 요소를 포함하고 있으며, 이러한 요소들을 정확히 식별하고 제거하는 것은 원격 탐사 분야에서 위성영상의 신뢰성을 유지하기 위해 필수적이다. 이를 위해 Landsat-8, Sentinel-2, Compact Advanced Satellite 500-1 (CAS500-1)과 같은 위성들은 분석준비자료(Analysis Ready Data)의 일환으로 영상과 함께 사용가능한 데이터 마스크(Usable Data Mask, UDM)를 제공하고 있으며, UDM 데이터의 정확한 구축을 위해 구름 및 구름 그림자 탐지가 필수적이다. 기존의 구름 및 구름 그림자 탐지 기법은 임계값 기반 기법과 인공지능 기반 기법으로 나뉘며, 최근에는 많은 양의 데이터를 처리하는 데 유리한 딥러닝 네트워크를 활용한 인공지능 기법이 많이 사용되고 있다. 본 연구에서는 오픈소스 데이터 셋을 통해 훈련된 딥러닝 네트워크 기반 구름 및 구름 그림자 탐지를 통해 고해상도 위성영상의 UDM 구축 가능성을 분석하고자 하였다. 딥러닝 네트워크의 성능을 검증하기 위해 Landsat-8, Sentinel-2, CAS500-1 위성영상과 함께 제공된 기구축된 UDM 데이터와 딥러닝 네트워크가 생성한 탐지 결과 간의 유사성을 분석하였다. 그 결과, 딥러닝 네트워크가 생성한 탐지 결과는 높은 정확도를 나타냈다. 또한 UDM을 제공하지 않는 고해상도 위성영상인 KOMPSAT-3/3A 영상에 적용하였다. 실험 결과, 딥러닝 네트워크를 통하여 고해상도 위성영상 내에 존재하는 구름 및 구름 그림자를 효과적으로 탐지한 것을 확인하였다. 이를 통해 고해상도 위성영상에서도 딥러닝 네트워크를 사용하여 UDM 데이터를 구축할 수 있는 가능성을 확인하였다. Satellite imagery contains various elements such as clouds, cloud shadows, and terrain shadows. Accurately identifying and eliminating these factors that complicate satellite image analysis is essential for maintaining the reliability of remote sensing imagery. For this reason, satellites such as Landsat-8, Sentinel-2, and Compact Advanced Satellite 500-1 (CAS500-1) provide Usable Data Masks(UDMs)with images as part of their Analysis Ready Data (ARD) product. Precise detection of clouds and their shadows is crucial for the accurate construction of these UDMs. Existing cloud and their shadow detection methods are categorized into threshold-based methods and Artificial Intelligence (AI)-based methods. Recently, AI-based methods, particularly deep learning networks, have been preferred due to their advantage in handling large datasets. This study aims to analyze the applicability of constructing UDMs for high-resolution satellite images through deep learning-based cloud and their shadow detection using open-source datasets. To validate the performance of the deep learning network, we compared the detection results generated by the network with pre-existing UDMs from Landsat-8, Sentinel-2, and CAS500-1 satellite images. The results demonstrated that high accuracy in the detection outcomes produced by the deep learning network. Additionally, we applied the network to detect cloud and their shadow in KOMPSAT-3/3A images, which do not provide UDMs. The experiment confirmed that the deep learning network effectively detected cloud and their shadow in high-resolution satellite images. Through this, we could demonstrate the applicability that UDM data for high-resolution satellite imagery can be constructed using the deep learning network.