교과 연계 진로 탐색을 위한 인공지능 기반 고교 선택교과 및 대학 학과 추천 시스템
Artificial Intelligence-Based High School Course and University Major Recommendation System for Course-Related Career Exploration
0
조회
0
다운로드
7
인용
0
참고문헌
키워드
초록
4차 산업 혁명 시대의 도래에 따라 직업 환경의 변화가 가속화되고 있으며, 이와 함께 교육의 패러다임이 자유학기제와 고교학점제에 바탕을 둔 진로교육을 중심으로 변화하고 있다. 하지만, 학생들의 자율적인 진로 탐색을 지향하는 자유학기제 및 고교학점제의 정책적 목표와 달리, 진로교육콘텐츠의 개발과 이용에 있어 교사 및 학생들의 한계가 존재하고, 이를 뒷받침할 에듀테크 기술 연구 역시 상대적으로 부족한 실정이다. 따라서본 연구는, 교육 현장에서의 진로교육 실태를 바탕으로, 에듀테크 기술이 교과연계 진로교육과 관련해 갖춰야 할 요구조건을 세 가지로 정의하였다. 다음으로 데이터 기반 인공지능 기술을 통해, 진로탐색용 탐구주제와 고교 과목, 그리고 대학에서 수학 가능한 전공을 아우를 수 있는 데이터시스템 및 인공지능 추천 모델을 제안하였다. 마지막으로 실험을 통해, 셋 인코딩-디코딩 기반 인공지능 추천 모델이 진로교육 콘텐츠 추천에서만족할 만한 성능을 보이는 것을 확인하였고, 교육 현장에서의 실제 적용 결과 또한 만족스럽다는 것을 확인하였다.
Abstract
Recent advances in the 4th Industrial Revolution have accelerated the change of the working environment, such that the paradigm of education has been shifted in accordance with career education including the free semester system and the high school credit system. While the purpose of those systems is students’ self-motivated career exploration, educational limitations for teachers and students existdue to the rapid change of the information on education. Also, education technology research to tackle these limitations is relativelyinsufficient. To this end, this study first defines three requirements that education technologies for the career education system shouldconsider. Then, through data-driven artificial intelligence technology, this study proposes a data system and an artificial intelligencerecommendation model that incorporates the topics for career exploration, courses, and majors in one scheme. Finally, this studydemonstrates that the set-based artificial intelligence model shows satisfactory performances on recommending career education contentssuch as courses and majors, and further confirms that the actual application of this system in the educational field is acceptable.
참고문헌 (29)
- J. Y. Choi, "This is the 4th industrial revolution", Maeil Business News, ~ (2017)
- A Plan for the Implementation of the Free Semester System in Middle School, "Ministry of Education", ~ (2016)
- "The Concept of Free School Year System"[URL]
- "Introduction of High School Credit System"[URL]
- 김나라, "근거이론을 활용한 고등학교 교사의 교과연계 진로교육 수업 경험 분석", 進路敎育硏究, 31(2), pp.27~50 (2018), 한국진로교육학회[DOI]
- The Effect of Free Semester Creative Career Education Program on Media Convergence Design, "E. Hyeon", NRF KRM, ~ (2015)
- Corona19 and Education : Focusing on the Life and Perception of School Members, "J. Lee", Gyeonggi Institute of Education, 162~168 (2020)
- M. Zaheer, "Deep Sets", Proceedings of Advances in Neural Information Processing Systems, pp.3391~3401 (2017)
- 김진영, "자유학기제(2015-2017) 수업 전과 후의학생 만족도에 따른 성적변화에 관한 연구", 학습자중심교과교육연구, 18(18), pp.293~316 (2018), 학습자중심교과교육학회[DOI]
- 이상은, "고교학점제 선택과목 확대 가능성 탐색: 교사 전공별 담당교과 현황 및 인식 분석을 중심으로", 한국교원교육연구, 36(2), pp.49~73 (2019), 한국교원교육학회[DOI]
- 박균열, "고교학점제의 안정적 정착을 위한 학교 구성원의 역할 분석", 교육문제연구, 32(4), pp.87~113 (2019), 교육문제연구소
- 김유라, "자유학기제 과학과 평가에 대한 교사의 인식과 실제", 한국과학교육학회지, 39(1), pp.143~160 (2019), 한국과학교육학회[DOI]
- 서주영, "비전공자 소프트웨어 교육에서 전공맞춤형 학습 콘텐츠의 효과에 관한 사례 연구", 디지털융복합연구, 18(5), pp.55~63 (2020), 한국디지털정책학회[DOI]
- 서희정, "‘교육과 인공지능’을 주제로 국내 학술지에 게재된 연구물 분석(1985-2018) : 언어 네트워크 분석 적용", 예술인문사회 융합 멀티미디어 논문지, 9(11), pp.209~217 (2019), 사단법인 인문사회과학기술융합학회[DOI]
- 신원섭, "초등과학교육에서 인공지능의 적용방안 연구", 초등과학교육, 39(1), pp.117~132 (2020), 한국초등과학교육학회
- B. Shi, "DeepPano : Deep Panoramic Representation for 3-D Shape Recognition", IEEE Signal Processing Letters, 22(12), pp.2339~2343 (2015)
- C. R. Qi, "PointNet : Deep Learning on Point Sets for 3D Classification and Segmentation", IEEE Conference on Computer Vision and Pattern Recognition, pp.77~85 (2017)
- P. Achlioptas, "Learning Representations and Generative Models for 3D Point Clouds", Proceedings of the 35th International Conference on Machine Learning, pp.40~49 (2018)
- L. Yi, "GSPN : Generative Shape Proposal Network for 3D Instance Segmentation in Point Cloud", IEEE Conference on Computer Vision and Pattern Recognition, pp.3947~3956 (2019)
- Y. Lee, "Gradient-Based Meta-Learning with Learned Layerwise Metric and Subspace", Proceedings of the 35th International Conference on Machine Learning, pp.2933~2942 (2018)
- J. Snell, "Prototypical Networks for Few-shot Learning", Advances in Neural Information Processing Systems, pp.4077~4087 (2017)
- A. Vaswani, "Attention is All you Need", Advances in Neural Information Processing Systems, pp.5998~6008 (2017)
- J. Lee, "Set Transformer : A Framework for Attention-based Permutation-Invariant Neural Networks", Proceedings of the 35th International Conference on Machine Learning, pp.3744~3753 (2019)
- "2015 Curriculum"[URL]
- "Standard Classification System"[URL]
- O. Russakovsky, "ImageNet Large Scale Visual Recognition Challenge", International Journal of Computer Vision, 115(3), pp.211~252 (2015)
- J. Devlin, "BERT: Pretraining of Deep Bidirectional Transformers for Language Understanding", Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, pp.4171~4186 (2019)
- D. P. Kingma, "Adam : A Method for Stochastic Optimization", 3rd International Conference on Learning Representations (2015)