본문 바로가기

AI교육62

AI 교과융합수업에서 학습자 주도 평가 방법 설계 1. 학습자 주도 평가 방법의 필요성 사회, 문화, 과학, 교육, 철학과 같은 인간에 의해 만들어진 학문들은 언제나 서로 영향을 주고 받으며 성장해왔다. 굳이 간학문적 접근을 취하지 않더라도, 일상 생활에서 내가 어떻게 살아가고 무엇에 영향을 받는지를 생각해보면 하나의 요소, 하나의 학문으로만 국한할 수는 없다는 사실을 깨닫게 될 것이다. 교육의 경우 사회적 요구, 과학의 발달, 문화의 변화 등에 밀접한 영향을 받으며 발전해왔다. 피터스는 ‘교육을 사회적 성년으로의 입문’으로 표현할 정도로 교육은 언제나 교육 외적인 요구들에 부응해왔다. 4차 산업혁명의 물결과 인공지능의 바람을 타고 과학적 진보가 특이점을 향해 다가가는 만큼, 과학의 도움으로 교육도 변화의 문 앞에 서 있다. 사회에서는 표준화된, 일괄적.. 2023. 8. 15.
AI 기능을 활용한 디지털교과서 개발 방안 디지털교과서란 종이로 만든 기존의 서책형 교과서가 아닌 컴퓨터상에서 디지털화된 형태의 교과서를 말한다. 이런 디지털교과서는 서책형 교과서로는 제공할 수 없는 반응형, 영상형, 증강형 컨텐츠를 제공하고, 교과서의 모든 요소들을 데이터화하여 학습자에게 맞춤형으로 제공하거나 학습자의 데이터를 수집하고 처리할 수 있다는 장점이 있다. 그렇다면 이런 디지털교과서에 어떤 방식으로 AI 기능을 활용할 수 있을까? AI를 교육에 활용하는 것을 AI 튜터링이라고 한다. 이 AI 튜터링을 크게 2가지 방향으로 나눠보고 싶다. 학습 내적 측면과 학습 외적 측면이다. 학습 내적 측면이 AI를 활용해 학습자와 학습-평가-피드백이 이뤄지는 학습 그 자체로서의 과정에서의 AI 활용이라면, 학습 외적 측면은 학습이 진행되는 과정에서.. 2023. 8. 14.
하이테크 하이터치 교육 4차 산업혁명으로 인해 교육의 패러다임 변화 -IT 기술의 급속한 발전이 전통적인, 표준화된 인재 양성의 교육을 개별화 교육으로 바꾸고 있음 -학생 개인의 특성을 존중, 개별화 맞춤형 교육으로 전환 하이터치 하이테크 교육(HTHT 교육) -하이테크 : AI 보조교사 / 하이터치 : 교사 -하이테크의 AI 보조교사를 활용하여 개개인의 수준에 맞춰 학습을 지원하고 하이터치의 학습을 통하여 고차원적 학습(적용,분석,평가,창조)을 지원하고 사회 정서적 역량을 키워줌 AI 디지털 교과서가 곧 개발될 예정 기존의 디지털 교과서에 AI 튜터링 기능이 탑재 학습 진단 및 분석, 최적의 학습 경로 및 콘텐츠 추천, 최적화 피드백 제공, 학습이력에 관한 데이터 처리, 학습 데이터 분석 제공 등 2023. 8. 13.
문항반응이론 IRT : Item Response Theory = 문항반응이론 -시험, 설문지를 설계, 분석, 채점하고 인간의 능력, 태도 등을 측정하는 모델 및 이론 -item 은 항목, skill 은 능력, 태도 -문제를 맞출 수 있는 가능성을 능력 매개 변수와 문항 난이도의 관계를 통해서 예측하는 모델 -문제를 맞추는 것은 맞추거나, 틀리거나의 이분형 결과 값이기 때문에 로지스틱 회귀를 활용할 수 있으며 -따라서 결과값은 베르누이 분산이 될 것으로 예상 -문항 난이도와 능력 매개변수를 데이터에 맞게 조정되어야 함(매개변수 최적화) 이를 위해 BPE(베이시안 추론 활용한 기법) 기법을 활용할 수 있음 - 교육계에서 많은 관심을 가지고 있는 학습자의 학습정도 예측과 관련된 이론이다. 학습자의 학습정도를 문제를 맞출 .. 2023. 8. 12.
학습자가 중심이 되는 과정중심 평가의 양상 *자기 참조 피드백(Self Reference Feedback) -자기 학습 결과를 되돌아보고 개선 내용을 스스로 찾아보며 피드백 하는 과정 *학습자 중심으로 서로 동료평가를 하는 과정에서 핵심적인 요소 및 효과적인 문제해결 방법 인지, 학습 의지 고취 등의 효과 발생 *동료 평가는 생각보다 공정한 평가 결과를 담보할 수 있음. 참여자인 학습자들의 평가 결과를 바탕으로 각 개인에 대한 객관성 평가도 하기 때문. 즉, 평가과정에서 평가자의 공정성과 객관성을 평가하는 절차가 마련되어 있음. 동료평가의 단점으로 꼽히는 공정성과 객관성에 대한 약점을 이렇게 극복할 수 있음. *전체 평가의 용이성 및 몰입도 -학습자는 동료 평가에 적극적으로 참여하며, 평가 방법이 쉽다고 느낌. *동료 평가의 효과 -질문하고 발표.. 2023. 8. 11.
인공지능교육 : 지식 추적(KT)에 대한 배경 지식 DKT의 한계와 개선방법-데이터 의존적 : 데이터 클래스가 불균형할 경우 train 단계에서 편향된 결과를 출력함. -손실함수를 수정해 샘플이 거의 없는 데이터에 더 높은 cost를 할당함 -DKT에 전문가가 구축한 BN(bayesian network) 활용 -DKT hidden state 와 전문가 context vector를 더해 attentional hidden state 를 생성함 -평가지표로 F1 스코어(precision 과 recall의 조화평균)를 활용함 다양한 교육 관련 open data set 1) CEDS : 최대규모의 data set / 포괄적이고 광범위한 feature를 포함하고 있음. 2) synthetic : 항목응답이론을 기반으로 재현한 데이터 셋 / 전체 개념수가 2개, 5개.. 2023. 2. 4.
인공신경망의 이해 : Deep Knowledge Tracing(DKT) 1. 교육AI의 시작 : 지식추적(KT)의 개념 지식은 서로 분절되어 있지 않고 서로 연결된 유사성을 지닌다. 이에 따라 한 개념에 대한 이해도를 바탕으로 다른 개념의 이해도를 추론해볼 수 있다. Knowledge Tracing 은 이렇게 한 문제를 통해 다른 문제를 맞출 수 있는 확률을 추론하는 방법이다. 앞에 심층학습을 의미하는 Deep Knowledge Tracing 은 딥러닝 알고리즘을 이용해 학습자의 퍼포먼스를 바탕으로 학습자 전체 지식 수준을 평가하는 모델을 지칭한다DKT를 활용한 적용 분야문제 정답 여부를 통한 학습자의 지식 수준 평가지식 수준 평가를 통한 최적합 문제 추천지식 이해 수준을 높일 수 있는 최고 효율 학습 과정 추천 등의 학습 모델을 구성. 2. DKT의 핵심 딥러닝 알고리즘 .. 2023. 1. 28.
인공신경망의 이해 : RNN ( 순환 신경망) 1. 인공신경망의 약점 : 기억력 부족! 인공신경망은 분류에 큰 장점이 있다. 하지만 기억을 할 수 있는 노드가 없기 때문에 시계열적 데이터, 즉 순서가 문제가 되는 데이터를 처리할 수 없다. 이런 약점을 보완한 것이 바로 RNN이다. 2. RNN : Recurrent Neural Network = 순환 신경망, 재귀 신경망 1) 원 핫 인코딩(One Hot Encoding) 이미지 데이터와는 다른 시계열 데이터(순서가 있는)를 처리하기 위해서는 독립적인 데이터를 컴퓨터가 이해할 수 있는 0과 1로 변환하는 작업이 필요하다. 이를 원 핫 인코딩이라고 한다. 예를 들어보자 H E L O (1,0,0,0) (0,1,0,0) (0,0,1,0) (0,0,0,1) H,E,L,O 라는 4가지 단어를 원 핫 인코딩 .. 2023. 1. 27.
인공신경망의 이해 : 인공신경망의 작동 원리 1. 인공신경망의 작동 원리 : 기본 단위인 뉴런 인공신경망은 인간의 뇌의 작동 방식인 신경망 구조를 본따 알고리즘화 한 것이다. 뇌는 여러 신경세포(뉴런)의 네트워크로 구성된다. 이런 신경세포 구조를 인공으로 구현하기 위해서는 먼저, 단일 뉴런의 구조를 본따야 한다. AI에서는 이런 단일 뉴런을 '노드'라고 한다. 1) 입력은 가중치로 인공뉴런(노드)에 외부로부터 입력이 들어오면 '가중치'와 곱해져서 처리된다. 여러 노드가 연결된 인공 신경망에서는 한 노드의 출력이 곧 다른 노드의 입력이 되기 때문에, '가중치'란 노드(뉴런) 간의 연결 강도를 나타내며 신경망에서 더 중요한 정보(입력)를 표현하는 방법이다. 한 노드에 입력되는 입력값은 가중치 곱들의 합이라는 의미로 가중합(선형합)이라고 한다. 2) 출.. 2023. 1. 26.

티스토리툴바