유전 알고리즘 기반 학습자 중심형 메타버스 교육 프레임워크 :Learner-centered Educational Metaverse Framework based on Genetic Algorithm

김재헌

추천

검색

자료유형: 학위논문

저자정보: 김재헌 (한국기술교육대학교, 한국기술교육대학교 일반대학원)

지도교수: 김원태

발행연도: 2023

저작권: 한국기술교육대학교 논문은 저작권에 의해 보호받습니다.

이용수10

이 논문의 연구 히스토리 (2)

2023

유전 알고리즘 기반 학습자 중심형 메타버스 교육 프레임워크

김재헌 컴퓨터공학과 2023.01 학위논문

2022

학습자 중심의 자율 사물 개발을 위한 메타버스 기반 교육 프레임워크

김재헌 , 윤성진 , 김원종 외 1명 한국통신학회 학술대회논문집 2022.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

자율주행 택시, 협업형 로봇과 같은 5차 산업 응용 서비스에서 자율 사물 중심의 변화가 예측됨에 따라, 인공지능, 사물인터넷을 포함하는 자율 사물 핵심 기술에 대한 교육 수요가 증가하고 있다. 최근 공학 교육은 고비용의 하드웨어 없이 다수의 학습자를 교육할 수 있는 웹 기반 원격 교육 플랫폼이 활용되고 있으며, 독립된 공간에서 대면 교육의 효과를 얻기 위한 메타버스 플랫폼으로의 전환이 시도되고 있다. 교육용 메타버스 플랫폼은 인공지능 교사와 같은 지능형 교육 시스템을 활용하여 교육 서비 스의 디지털 전환을 도전하고 있으나, 자율 사물 시스템의 핵심인 인식 기술은 인공지능 모델을 활용하기 때문에 학습자가 설계한 인공지능 모델을 해석하기 위한 전문가 수준의 교수자가 필요하다. 프로그래밍 교육에 서의의 지능형 교육 시스템은 학습자의 프로그램을 분석하여 규격화된 피드백을 제공하는 형태이기 때문에 비선형적인 내부 연산 과정으로 이루어진 딥러닝 모델을 해석하는 것이 제약된다. 본 논문에서는 자율 사물 개발을 위한 메타버스 플랫폼 기반 교육의 한계를 극복하기 위하여 학습 관리 기능과 맞춤형 피드백 기능을 포함하는 새로운 메타버스 교육 프레임워크를 제안한다. 인공지능 모델 성능 평가 모듈은 학습자가 설계한 인공 지능 모델의 취약점을 분석하기 위하여 비선형 모델을 해석할 수 있는 개선된 XAI (explainable AI) 알고리즘을 포함하고, 분석 결과를 기반으로개선된 인공지능 모델 구조를 제안하기 위한 유전 알고리즘을 활용한다.
또한, 본 논문은 메타버스의 특성과 원격 교수-학습 모델을 고려한 메타 버스 플랫폼 참조 모델을 설계하여 제안하는 교육 프레임워크의 기능을검증한다. 마지막으로, 메타버스 플랫폼 기반 자율 사물 교육 프레임워크의 교육적 효과를 검증하기 위해 사용자 평가 실험을 수행한다. 개선된 XAI 알고리즘은 기존의 XAI 알고리즘에 대비하여 평균 34% 이상의 성능 향상을 보여주며, 교육용 메타버스 플랫폼의 사용자 평가는 자율 사물 개발 교육 플랫폼으로써의 긍정적인 평가 결과를 확인하였다.

As changes centered on autonomous things are predicted in the 5th industry application services such as autonomous taxis and collaborative robots, the demand for education on core technologies of autonomous things, including artificial intelligence and the Internet of Things, is increasing. Recently, a web-based distance education platform that can educate a large number of learners without expensive hardware is being used in engineering education. In addition, the distance education platform is trying to switch to a metaverse platform to obtain the effect of face-to-face education in an independent space. The educational metabus platform is challenging the digital transformation of educational services by utilizing intelligent education systems such as artificial intelligence teachers. However, since the recognition technology, which is the core of autonomous object systems, uses an artificial intelligence model, an expert-level instructor is required to interpret the artificial intelligence model designed by learners. Since the intelligent education system in programming education is in the form of analyzing the learner''s program and providing standardized feedback, interpreting the deep learning model consisting of nonlinear internal computational processes is limited. In this paper, we propose a new metaverse education framework that includes a learning management function and a customized feedback function to overcome the limitations of metaverse platform-based education for autonomous things development. The artificial intelligence model performance evaluation module includes an improved XAI (explainable AI) algorithm that can interpret nonlinear models to analyze the weaknesses of artificial intelligence models designed by learners. In addition, the customized feedback generation module searches for the optimal hyperparameters for the learner''s deep learning model based on a genetic algorithm and provides feedback.
This paper verifies the function of the proposed metaverse education framework by designing a metaverse platform reference model considering the characteristics of the metaverse and the distance teaching-learning model. Additionally, we conduct user evaluation experiments to verify the educational effectiveness of the metaverse training framework. The improved XAI algorithm shows an average performance improvement of more than 34% compared to the existing XAI algorithm, and the user evaluation of the educational metaverse platform confirms the positive evaluation results as an autonomous things development education platform.

#메타버스 #지능형 교육 시스템 #자율 사물 #유전 알고리즘 #설명 가능한 인공지능

제1장 서론 1
제2장 배경 지식 및 관련 연구 4
제1절. 원격 교육 4
1. 원격 교육의 개념 4
2. 플립러닝 5
제2절. 메타버스 7
1. 메타버스 정의 7
2. 메타버스 특성 7
3. 메타버스 유형 8
4. 메타버스 7계층 10
제3절. 설명 가능한 인공지능 13
1. CAM (Class Activation Mapping) 14
2. Grad-CAM (Gradient Activation Mapping) 15
3. LRP (Layer-wise Relevance Propagation) 16
제4절. 유전 알고리즘 기반 하이퍼 파라미터 최적화 기법 17
제3장 유전 알고리즘 기반 학습자 중심형 메타버스 교육 프레임워크 19
제1절. 교육용 메타버스 플랫폼 참조 모델 19
제2절. 인공지능 모델 성능 평가 모듈 20
1. 개요 20
2. LRP-MD 프로세스 21
제3절. 학습자 맞춤형 피드백 생성 모듈 23
1. 개요 23
2. 학습자 맞춤형 피드백 생성 프로세스 23
제4장 프레임워크 기능 검증 및 사용자 평가 실험 26
제1절. LRP-MD 기능 검증 26
1. 실험 환경 구성 26
2. 실험 결과 및 분석 27
제2절. 유전 알고리즘 기반 하이퍼 파라미터 튜닝 31
1. 실험 환경 구성 31
2. 실험 결과 및 분석 33
제3절. 메타버스 플랫폼 사용자 평가 35
1. 실험 환경 구성 35
2. 사용자 평가 및 분석 37
제5장 결론 41
참고문헌 43
ABSTRACT 48

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)