본문 바로가기
HOME> 논문 > 논문 검색상세

논문 상세정보

연산지능을 이용한 부진아 영역진단 지원 시스템
Underachievers Realm Decision Support System using Computational Intelligence

임창균   (여수대학교 컴퓨터공학과UU0000929  ); 김강철   (여수대학교 컴퓨터공학과UU0000929  ); 류재흥   (여수대학교 컴퓨터공학과UU0000929  ); 정중하   (여수 종고중학교UU0009182  );
  • 초록

    본 연구에서는 중학교 국어 교과과정에 있어서 부진아 학생을 위한 부진 영역을 진단을 지원할 수 있는 시스템을 제안하였다. 제안된 시스템을 학교 수업 현장에 적용함으로써 학습부진 학생들의 수준에 맞는 보충 ${\cdot}$ 심화학습이 이루어져 학습결손과 학습부진을 최소화하여 교수 ${\cdot}$ 학습의 목표를 알성하고 학업성취도를 향상시킬 수 있도록 하였다. 이 시스템에서의 입력은 36가지 변수가 제안된 코딩 기법을 이용하여 시스템을 위하여 학습데이터와 테스트데이터가 인코딩된다. 이 인코딩된 변수의 값들은 시스템의 입력 층의 값이 된다. 은닉 총의 뉴런 수는 학습 데이터를 이용하여 학습한 후 가장 좋은 성능을 보여주는 결과를 이용하여 결정하였다. 출력 층의 뉴런 수는 각 영역에 하나의 뉴런을 할당하여 4개의 뉴런을 사용하였다. 본 시스템을 개발하기 위해 다층 퍼셉트론 구조와 오류 역전파 알고리즘을 사용하였다. 영역진단 지원 시스템을 위해 학습 데이터로써 2,008개를 사용하였고, 테스트를 위하여 380개의 데이터를 사용하여 실험한 후 성능을 평가하였다.


    In this paper, we proposed the system that supports underachievers realm decision of Korean language curriculum in the middle school. Learning disability and stagnation should be minimized by using and applying the proposed system. The input layer of the system contains 36 variables, which can be specific items in the Koran language curriculum. The variables are encoded with the specific coding schemes. The number of nodes in the hidden layer was determined through a series of learning stage with best result. We assigned 4 neurons, which correspond to one realm of the curriculum to output layer respectively. We used the multilayer perceptron and the error backpropagation algorithm to develope the system. A total of 2,008 data for training and 380 for testing were used for evaluating the performance.


  • 주제어

    Neural Networks .   Decision Support .   Underachievers .   Korean Language .   Computational Intelligence.  

  • 참고문헌 (14)

    1. 박준회 외, 중학교 학습지진학생지도를 위한 실험적 연구. 서울. 이화 여자대학교 인간발달연구소. 1973 
    2. 경상북도교육연구원. 국민학교 학습부진아 지도자료. 장학자료, 1985 
    3. N. Baba, A New Approach for Finding the Global Minimum of Error Function for Neural Networks, Neural Networks, 2, pp. 367-373, 1989 
    4. P. E. Gill, W. Murray and M. H. Wright, Practical Optimization. London: Academic Press, 1981 
    5. J. S. Jang, c. T. Sun and E. Mizutani, Neurofuzzy and Soft Computing, USA, Prentice Hall, 1997 
    6. 신세호, 학습부진학생의 일반적 특성, 서울, 한국교육개발원.1979 
    7. S. Shigetoshi, F. Toshio, and S. Takanori, A Neural Network Architecture for Incremental Learning, Neorocomputing, 9, pp.111-130, 1995 
    8. T. Kavzoflu, An Investigation of the design and use of feedforward artificial neural networks in the classification of remotely sensed images, School of Geography, University of Nottingham, 2001 
    9. 강원도 교육연구원, 학습부진아에 대한 연구. 서울. 한국요육개발원. 1972 
    10. 이봉익, 학습부진의 원인,진단및 처방적 접근방법. 청주교육대학교 초등교육연구 , 1994 
    11. M. Minsky and S. Papert, Perceptrons, MIT Press, Cambridge, MA, 1969 
    12. 교육인적자원부. 중학교 수준별 보육과정-준비에서 평가까지. 2002 
    13. R. O. Duda, P. E. Hart, and D. G. Strok, Pattern Classification, New York, Wiley, 2001 
    14. F. Rosenblatt, Principles of neurodynamics: perceptron and the theory of brain mechanisms. Spartan, New York, 1962 

 저자의 다른 논문

  • 류재흥 (1)

    1. 2005 "Sol-Gel 법을 이용한 PLT(28) 박막의 제작과 특성" 한국해양정보통신학회논문지 = The journal of the Korea Institute of Maritime Information & Communication Sciences 9 (7): 1491~1496    

 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역

원문보기

무료다운로드
유료다운로드

유료 다운로드의 경우 해당 사이트의 정책에 따라 신규 회원가입, 로그인, 유료 구매 등이 필요할 수 있습니다. 해당 사이트에서 발생하는 귀하의 모든 정보활동은 NDSL의 서비스 정책과 무관합니다.

원문복사신청을 하시면, 일부 해외 인쇄학술지의 경우 외국학술지지원센터(FRIC)에서
무료 원문복사 서비스를 제공합니다.

NDSL에서는 해당 원문을 복사서비스하고 있습니다. 위의 원문복사신청 또는 장바구니 담기를 통하여 원문복사서비스 이용이 가능합니다.

이 논문과 함께 출판된 논문 + 더보기