인공지능 기법을 이용한 고전수업의 학습효과에 대한 연구

• 영문명: Artificial Intelligence and Learning Effects of Reading Classics
• 발행기관: 한국교양교육학회
• 저자명: 유경애
• 간행물 정보: 『교양교육연구』제17권 제3호, 25~38쪽, 전체 14쪽
• 주제분류: 복합학 > 학제간연구
• 파일형태: PDF
• 발행일자: 2023.06.30

국문 초록

본 연구는 우리나라 대학의 고전수업에 대한 만족도에 대한 추정을 하기 위해서 인공지능을 기반으로 하는 머신러닝과 딥러닝 분석기법을 도입하여 학습변인에 따른 고전수업에 대한 만족도에 대한 분석을하였다. 먼저 전통적 선형모형에 의한 회귀분석 결과, 가치관 형성, 영화감상의 고전읽기 도움, 토론의 유익성 등의 학습변인들은 모두 고전수업의 만족도에 긍정적인 영향을 미치는 것으로 나타났지만, 인공지능을 기반으로 하는 머신러닝인 의사결정나무에 의한 분석 결과, 삶의 가치관 형성, 영화감상의도움, 대학생들의 국적, 고전읽기의 중요성과 고전의 필요성 등이 크다고 인식할수록 고전수업의 만족도가 크게 나타났다. 서포트 벡터 머신모형에 의한 분석결과, 결정계수가 조금 더 높게 나왔고, RMSE 도 낮아 모형이 좀 더 우수하게 나타났다. 딥러닝 모형의 심층 신경망 모형에 의해서 고전수업의 만족도에 대한 회귀예측을 하였을 때는 서포트 벡터 머신 모형보다 더 좋은 것으로 나타났다.

영문 초록

This study analyzes the machine learning and deep learning models that were used to forecast the satisfaction effect of classics reading classes. The following were the main findings of the comparison of their predictive abilities. First, the traditional regression model is somewhat low in coefficient of determinant. Second, the decision tree models predicts the satisfaction effect of classics reading classes better than the traditional regression model. Third, when we predict the learning effects of classics reading lessons, the support vector machine models show the high predictive power with the high coefficients of determination and low RMSE. Fourth, when we predict the learning effects of classics reading lessons, the deep neural network models also show the higher predictive power with appropriate epochs and batch sizes. Thus, since the machine learning and deep learning models can predict the satisfaction of classics reading classes more accurately, we need to adopt the machine learning and deep learning models to predict the satisfaction of classics reading classes using the learning variables.

목차

1. 서언

2. 이론적 배경과 선행 연구

3. 머신러닝과 딥러닝 연구모형

4. 학습만족도에 대한 실증분석

5. 결언

참고문헌

키워드

고전수업 학습효과 의사결정나무 서포트 벡터 머신 딥러닝 모형 Classics Reading Learning Effect Decision Tree Support Vector Machine Deep Learning