본문 바로가기
KERD
논문KCI 등재

인공신경망 코딩을 활용한 수학·과학·정보 융합 교육자료 개발

Development of Mathematics, Science, and Information Convergence Educational Materials Based on Coding of Artificial Neural Network

채승철|장진섭|홍의정
한국현장과학교육학회 (The Korean Society for School Science)|2023.05|현장과학교육 (School Science Journal)|제17권 제2호|pp. 174-191|DOI 10.15737/ssj.17.2.202305.174

0

조회

0

다운로드

6

인용

0

참고문헌

키워드

인공신경망Artificial Neural Network컴퓨팅 사고력Computational Thinking융합과학교육인공지능 수학미세먼지 예측Converging Science EducationMathematics for Artificial IntelligenceParticulate Matter Prediction

초록

이 연구에서는 2022 개정 교육과정의 고등학교 융합과학 탐구 과목에서 활용할 수 있는 수학, 과학, 정보 교과 내용을 융합한 인공신경망 교육자료를 탐색하였다. 개발된 교육자료는 인공지능의 수학적 모델을 학습할 수 있도록, Python의 NumPy 라이브러리만을 사용하여 인공신경망의 수학적 표현과 Python 구문이 직접 대응되도록 구성하였다. 구현된 코드는 학습자가 일상생활의 문제를 해결할 수 있도록 미세먼지의 농도를 예측할 수 있는 활동을 통해 그 활용 방안을 제시하였다. 또한, 인공신경망 코드는 교육 현장에서 다양한 문제에 적용할 수 있도록 범용성을 고려하여 작성하였다. 교수학습과정에 쉽게 적용할 수 있도록 인공신경망과 코드에 대해서 상세히 설명했으며, 온라인으로 배포할 수 있도록 구글 Colaboratory 링크를 부록에 수록하였다.

Abstract

This study explores the development of educational materials for the inquiry subject of convergence science in the high school, focusing on the integration of mathematics, science, and information curriculum with artificial neural network concepts with respect to the 2022 revised curriculum. The developed materials consist of the mathematical expression of artificial neural networks with simple Python syntax, using only the Python NumPy library to help learners understand the mathematical model of artificial intelligence. The code presents how learners can predict the concentration of particulate matters and solve various daily life problems. The artificial neural network code was designed considering its versatility for the various educational problems. Detailed explanations of artificial neural networks and codes were provided for easy application in the teaching and learning process. A Google Colaboratory link was included in the appendix for online distribution.

참고문헌 (35)

  1. 과학·수학·정보 융합교육 종합계획, "교육부", ~ (2020)
  2. 교육부, "초·중등학교 교육과정 총론", 교육부 고시 제2022-33호 별책 1, ~ (2022)
  3. 교육부, "고등학교 교육과정", 교육부 고시 제 2022-33호 별책 4, ~ (2022)
  4. 권오남, "<인공지능 수학> 교과서의 ‘관련 학습 요소’ 반영 내용 분석", 수학교육 논문집, 35(4), pp.445~473 (2021), 한국수학교육학회[DOI]
  5. 김가형, "지역사회연계 미세먼지 교육프로그램이 중학생들의 이슈에 대한 이해와 시민으로서의 인성과 가치관 함양에 미치는 효과", 한국과학교육학회지, 37(6), pp.911~920 (2017), 한국과학교육학회[DOI]
  6. 김성원, "과학·수학·정보 융합 교육 프로그램이 중학생의 컴퓨팅 사고력에 미치는 효과", 컴퓨터교육학회 논문지, 24(3), pp.1~10 (2021), 한국컴퓨터교육학회[DOI]
  7. 김용수, "기상정보를 활용한 LSTM 기반 태양광 발전량 예측 기법", 한국통신학회논문지, 44(12), pp.2231~2238 (2019), 한국통신학회[DOI]
  8. 박세현, "하천 범람 예측을 위한 인공지능 수위 예측 시스템 설계", 한국정보통신학회논문지, 24(2), pp.198~203 (2020), 한국정보통신학회[DOI]
  9. 박정인, "특성화고등학교 맞춤형 인공지능 수학 융합 프로그램 개발 및 효과 분석", 컴퓨터교육학회 논문지, 25(3), pp.39~47 (2022), 한국컴퓨터교육학회[DOI]
  10. 백민경, "지속가능한 주거환경교육을 위한 청소년의 미세먼지에 대한 인식 조사: 전북지역을 중심으로", Human Ecology Research, 57(4), pp.535~544 (2019), 대한가정학회[DOI]
  11. 신은혜, "과학 교사의 과학·AI융합교육 실천 동기와 인식", 현장과학교육, 16(3), pp.396~410 (2022), 한국현장과학교육학회[DOI]
  12. 이은경, "컴퓨터·정보 소양 함양을 위한 융합 교육에 관한 중등학교 교사의 인식 및 요구 분석", 컴퓨터교육학회 논문지, 22(6), pp.35~42 (2019), 한국컴퓨터교육학회[DOI]
  13. 채승철, "인공지능 융합교육을 위한 데이터 기반 교육자료 개발: 감쇠진동을 중심으로", 현장과학교육, 15(2), pp.121~134 (2021), 한국현장과학교육학회[DOI]
  14. 이지원, "빅데이터를 이용한 인공신경망 기반 시간별 전력수요 예측", 전기학회논문지, 69(6), pp.792~799 (2020), 대한전기학회
  15. 장안수, "미세먼지가 건강에 미치는 영향", 대한의사협회지, 57(9), pp.763~768 (2014), 대한의사협회[DOI]
  16. 조수현, "풍향풍속과 미세먼지의 상관관계 분석과 LSTM을 이용한 미세먼지 예측", 한국정보과학회 학술발표논문집, pp.1649~1651 (2020)
  17. 최일훈, "인공지능 기반 도구를 활용한 미세먼지 환경교육 프로그램이 초등학생의 환경감수성과 자기효능감에 미치는 영향", 초등과학교육, 41(3), pp.468~479 (2022), 한국초등과학교육학회
  18. 미세먼지 관리 종합대책, "환경부", 1~6 (2017)
  19. 환경부, "미세먼지! 무엇이든 물어보세요", 9~ (2019)
  20. Carney M, "Teachable machine: approachable web-based tool for exploring machine learning classification", Extended abstracts of the 2020 CHI conference on human factors in computing systems, pp.1~8 (2020)
  21. Clark D, "Top 13 python deep learning libraries" (2018), KDnuggets
  22. Cybenko G, "Approximation by superpositions of a sigmoidal function", Mathematics of Control, Signals, and Systems, 2, pp.303~314 (1989)
  23. Goodfellow I, "Deep learning", pp.164~223 (2016), MIT Press
  24. Harris CR, "Array programming with NumPy", Nature, 585(7825), pp.357~362 (2020)
  25. Hornik K, "Multilayer feedforward networks areuniversal approximators", Neural Networks, 2, pp.359~366 (1989)
  26. Krogh A, "What are artificial neural networks", Nature biotechnology, 26(2), pp.195~197 (2008)
  27. LeCun Y, "Deep learning", Nature, 521, pp.436~438 (2015)
  28. Lillicarp TP, "Backpropagation and the brain", Nature Reviews Neuroscience, 21(6), pp.335~346 (2020)
  29. McKinney W, "pandas : a foundational Python library for data analysis and statistics", Python for high performance and scientific computing, 14(9), pp.1~9 (2011)
  30. Pavelka A, "Algorithms for initialization of neural network weights", Proceedings of the 12th annual conference MATLAB, pp.453~459 (2004)
  31. Peters T, "The zen of python", funcion, 1(1), pp.1~7 (2004)
  32. "Python Leads the 11 Top data science. Machine Learning Platforms: Trends and Analysis" (2019)[URL]
  33. An introduction to design thinking process guide, "Plattner H", The Institute of Design at Stanford, ~ (2010)
  34. Learning internal representations by error propagation, "Rumelhart D", California Univ San Diego La Jolla Inst for Cognitive Science, ~ (1985)
  35. Neil Savage, "Breaking into the black box of artificial intelligence", Nature (2022), Springer Science and Business Media LLC[DOI]

관련 논문AI추천

인공지능 융합교육을 위한 데이터 기반 교육자료 개발: 감쇠진동을 중심으로이준행, 조정효, 채승철한국현장과학교육학회 · 현장과학교육2021 · 제15권 제2호ChatGPT와 파이썬을 활용한 <인공지능 수학>의 최적화 교수·학습 자료 개발 연구고호경, 이승훈한국수학교육학회 · 수학교육 논문집2024 · 제38권 제3호그래픽 워크플로우를 활용한 텍스트 코딩이 필요 없는 AI 융합교육 교육자료 개발:데이터 분석 플랫폼 KNIME을 통하여장진섭, 채승철, 홍의정한국현장과학교육학회 · 현장과학교육2023 · 제17권 제1호파이썬(Python) 기반의 중학교 수학융합 교수‧학습 자료 개발김보란, 이혜연영남수학회 · East Asian Mathematical Journal2024 · 제40권 제4호ChatGPT를 활용한 <인공지능 수학> 교수·학습 자료 개발 연구고호경, 김호석영남수학회 · East Asian Mathematical Journal2024 · 제40권 제4호대학수학 경사하강법(gradient descent method) 교수·학습자료 개발남윤, 이상구, 이재화한국수학교육학회 · 수학교육 논문집2023 · 제37권 제3호

이 간행물의 다른 논문 (5건)

pH 역설: 수소 이온 농도를 이용하여 정의한 pH의 내재적 한계와 이에 대한 예비과학교사의 이해홍훈기, 장원형, 백두현pp. 88-104초등 예비교사들의 ‘산소’와 ‘이산화 탄소’ 연계 개념 체계에 대한 의미 네트워크 분석김도욱pp. 105-1192022 개정 과학과 교육과정 학습 내용의 적정성 분석 -초등학교 ‘지구와 우주’ 영역을 중심으로-권유지, 오현석, 한제준pp. 120-137고등학교 통합과학 교과서에 포함된 시스템사고 수준 분석 -‘시스템과 상호작용’ 단원을 중심으로-손연아, 배경석, 문예진, 이태호, 최재혁pp. 138-1592015 개정 교육과정 검정 초등 3학년 과학 교과서 앞표지에 대한 초등학생과 초등교사의 선호도 비교·분석정세윤, 박일우pp. 160-173
원문 보기