메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
윤은정 (경북대학교) 박윤배 (경북대학교)
저널정보
한국물리학회 새물리 새물리 제69권 제10호
발행연도
2019.10
수록면
1,038 - 1,052 (15page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
과학 교육의 맥락에서 인공지능의 기술이 도입되어 학생과 기계가 소통하고, 이를 기반으로 교육적 전략을 수립하기 위해서는 과학교육에서 주로 다루는 과학 언어의 특징과 의미 관계, 개념적 연결 등이 어떤 형태로, 얼마나 타당하게 기계적 표현으로 구현되는지에 대한 탐색과 연구가 필요하다. 최근 텍스트를 대상으로 하는 머신 러닝과 관련하여 워드임베딩이 많은 관심을 받고 있는데, 본 연구는 과학교육분야에서 머신러닝을 통해 텍스트를 다룸에 있어 적합한 모델의 도입과 활용을 위해 워드임베딩 모델의 성능을 This is an Open Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License 평가하고 결과물이 제공하는 과학교육학적 의미를 탐색, 후속 연구 방향을 제시하고자 수행되었다. 연구 방법으로는 워드임베딩 기법 가운데 Word2vec을 사용하였으며 python 3.6을 통해 Gensim 라이브러리를 이용하였다. 입력 말뭉치로는 과학교과서 말뭉치(K-STeC) 가운데 중학교 과학 ‘힘과 운동’ 24개 대단원을 사용하였다. 워드임베딩 결과물에 대한 성능 평가는 출력된 단어 목록을 하나하나 검토하여 과학적 의미를 살펴 정성적으로 평가하였다. Word2vec의 반복 회수, 최소 빈도수, 맥락 범위의 세 가지 변인들에 대한 결과의 차이, 입력 말뭉치의 형식형태소 유무, 입력 말뭉치의 크기에 따른 결과 값을 살펴보았는데, 그 결과 과학적 개념이 잘 드러난 학습 결과를 출력하기 위한 변인 설정 값을 찾을 수 있었고, 형식형태소의 포함 여부에 따라 각기 다른 의미를 가지는 단어 목록이 출력된다는 사실, 입력 말뭉치가 클수록 성능이 우수해지나 과학교과서 텍스트의 경우 24개 대단원 약 15만 어절 규모의 말뭉치 정도면 어느 정도 활용 가능한 성능이 나옴을 확인하였다.

목차

I. 서론
II. 연구 방법
III. 연구 결과 및 논의
IV. 결론 및 제언
REFERENCES

참고문헌 (0)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-25-02-092341662