Search

2025_웹진_9월호

Search
Chat gpt

네이버 데이터랩 소개

네이버 데이터랩(https://datalab.naver.com/)
네이버 데이터랩은 네이버에서 제공하는 빅데이터 분석 서비스로, 2007년 1월부터 지금까지의 네이버 검색량을 모아놓은 빅 데이터를 제공하여 사용자가 쉽게 데이터를 비교하고 분석할 수 있으며, 통계청과 공공데이터 등 13만 건의 데이터도 쉽게 찾아볼 수 있는 플랫폼입니다.
검색어트렌드, 쇼핑인사이트, 지역통계, 댓글통계 네 가지 기능을 제공합니다.
중학교 쪼꼬미들도 반해버린 빅데이터 분석 수업
안녕하세요, 귤쌤 입니다. 오늘은 데이터 과학 시리즈를 가지고 왔습니다. 데이터 과학이란 데이터를 통해 현상을 이해하고 의미와 가치를 찾는 학문을 말해요. 데이터 과학을 기반으로 의사 결정에 도움이 되는 분야이기도 하지요. 넘쳐나는 데이터를 활용해 복잡한 문제를 해결하고 명확한 근거를 통해 의사 결정을 해나가야 하는 지금, 이 시대에 필수적인 학문인 것 같아요. 데이터 과학은 곧 21세기의 나침반 이라고 이름 붙여 봅니다!
출처: ChatGPT
2022 교육과정에서 새롭게(?) 등장하는 데이터 과학이라는 교과를 혹시 편제하셨나요? 제가 근무하는 학교는 2015 교육과정의 ‘데이터과학과 머신러닝’이라는 교과를 편성하여 운영하고 있고, 2022 교육과정에서도 2학년 선택 과목으로 ‘데이터과학’ 교과를 편제한 상태입니다.
수업을 준비하다 보면 자주 사용하는 데이터가 있기 마련인데요, 아이리스, 타이타닉, 보스톤 주택 가격 예측 데이터가 정제되어 있어 사용하기 편하죠. 다만, 매번 같은 데이터로 접근하니 아이들뿐 아니라 저 또한 흥미가 떨어집니다. 그래서 공공 데이터를 활용한 수업을 고민하는데요, 생각보다 데이터를 찾고 정제하여 수업에 맞게 준비할 시간이 많지 않죠 오늘 제가 준비한 자료가 도움이 되었으면 좋겠습니다!

목표 : SDGs

지난 호에서 시리얼쌤이 소개했던 SDGs를 다시 한번 소환해 보겠습니다! UN에서 발표한 지속가능발전목표(Sustainable Development Goals)는 2030년까지 모든 나라들이 더 나은 세상을 위해 함께 달성해야 할 총 17개의 목표와 169개의 세부 목표를 말합니다.
[시리즈] 데이터로 읽고, 듣고, 말하기: 공공 데이터로 알아보는 우리 나라 재생에너지 현황 분석
안녕하세요! 두부쌤 입니다~
이번 시간에는 파이썬을 통한 피지컬 컴퓨팅 수업에 대해 간단하게 소개해 드리려고 합니다.
마이크로컨트롤러 보드는 라즈베리파이 피코 W를 활용했습니다.
(라즈베리파이 외에도 괜찮은 교구가 많이 있으니 학교 사정에 맞게 구입하시면 될 것 같습니다 ^^)

■ 피지컬 컴퓨팅 시뮬레이션

파이썬으로 하는 피지컬 컴퓨팅 실습(라즈베리파이 피코 W)
[출처 : chatGPT]
안녕하세요~ 푸딩샘입니다. 방학 잘 보내고 새 학기 적응 잘하셨나요?
저는 중학교와 고등학교 모두에서 근무한 경험이 있으며, 현재는 고등학교에 재직하고 있습니다. 학교급 간의 차이가 이렇게 클 줄은 예상하지 못했습니다. 수업 운영 방식부터 학생들의 학습 태도, 생활지도 접근법까지 다른 점이 많아 두 학교급에서 느낀 특징과 차이를 공유해 보려고 합니다.

[중학교와 고등학교, 같은 정보 수업 다른 풍경]

[출처 : chatGPT]
중학교에서는 실기 중심의 수업을 진행하기 위해 교육과정을 재구성하여 계획을 세우고 진행할 수 있었습니다. 2시간 연속 운영이 가능한 블록 수업을 적용하여 프로젝트나 실습 과제를 한 차시 안에 준비-설명-실행-정리까지 마무리했습니다. 중학교는 시간표 제약이 없고 절대 평가인 성취평가제를 기반으로 교과 편성과 운영의 유연성이 높아 이러한 수업이 가능했다고 생각합니다.
중학교에서는 담임 여부와 관계없이 교과 교사가 생활지도와 밀접하게 연계되는 경우가 많았습니다. 컴퓨터 특별실 수업을 시작하려면, 수업 전에 직접 키보드와 마우스를 자리마다 세팅하고 장비 상태와 케이블 연결을 점검했습니다. 이 과정을 미리 하지 않으면 수업 중 세팅만으로 10분 이상 소요되어 학습 시간이 줄어들었고 수업 시작 전부터 체력과 집중이 소모되었습니다. 또한 프로그램 실행이나 로그인 과정에서 어려움을 겪는 학생이 많았고 모르는 내용이 생기면 교사의 직접 도움을 요청한 후 기다리는 경우가 많았습니다. 그래서 수업은 기기 사용법, 로그인하는 방법 등 관련 내용을 지도한 후 학습 안내 순으로 진행되었고, 교사는 수업 진행자이자 기술 지원자, 생활 습관 지도자의 역할까지 수행했습니다.
반면, 고등학교는 9등급제(2022 개정 이후 5등급제) 성적 산출과 시간표에 고정시켜야 하는 선택과목 체제로 인한 시간표 제약이 커서 블록 수업 운영이 쉽지 않았습니다. 그러나 학생들이 무선 마우스, 충전기 등 필요한 장비를 스스로 비치함에서 꺼내 세팅하고, 사용 후 정리하는 습관이 정착되어 있었습니다. 모르는 내용이 있으면 교사보다 먼저 옆자리 친구나 팀원에게 묻는 동료학습 문화가 자연스럽게 이루어졌습니다. 이에 따라 교사는 세부적인 장비 지원보다 학생들이 스스로 해결한 결과를 심화·확장하는 지도에 집중할 수 있었습니다.

[중학교와 고등학교, 담임 교사의 다른 하루 : 상담의 초점이 바뀌는 순간]

중학교 VS 고등학교 근무하면서 느낀 차이점
안녕하세요! 시리얼쌤 입니다.
정보과 선생님들은 아마도 다양한 언어, 다양한 환경에서 수업을 진행하고 계실 텐데요, 오늘은 텍스트 기반 프로그래밍 실습 수업을 기준으로 여러 실습 환경을 비교해 보려 합니다. 협업 프로젝트나 방과후 등 단발성으로 수업을 운영할 때는 파이썬 IDLE, 코드업과 같은 온라인 채점 사이트, replit, Cursor AI 등을 활용하기도 하지만, 이번 글에서는 교실 수업에서 활용하기 좋은 전반적인 파이썬 실습 환경을 살펴보겠습니다.

1. 구글 코랩

저는 온라인 공동교육과정 ‘정보과학’ 강의를 진행할 때 보통 ‘코랩 실습 + 교실온닷 강의’ 형태로 병행합니다.
아무래도 다른 학교 학생들이 비대면으로 듣는 수업이라, 새로운 플랫폼 접근방법을 충분히 안내하는 게 쉽지 않습니다. 그래서 코로나 때 한 번 쯤은 접해봤을 학생들에게 익숙한 ‘클래스룸’에 수업 자료를 올리고, 참고 자료나 완성 파일을 노션에 아카이브하여 제공합니다.
저의 개인적인 경험으로는 특히나 타 플랫폼의 경우 AIDT 도입 이후 기능이 고도화되면서 메뉴가 상당히 복잡해졌는데… 구글 워크 스페이는 서로 연계성도 좋고 직관적이어서 좋습니다! (돌고돌아 클래식)
프로그래밍 실습 플랫폼 비교 및 분석
안녕하세요! 초코쌤입니다 ‘실생활에서 찾는 정보 개념 시리즈’입니다.
8월 호(실생활에서 찾아보는 데이터 압축)에 이어서
이번 9월 호에서는 요즘 우리가 매일 경험하는 ‘추천’ 시스템의 비밀에 대해서 파헤쳐보려고 합니다.
스마트폰에서 아래 앱만 키면 이런 말을 하는 것 같지 않으세요?
•
유튜브: “넌 이 영상을 좋아하지?”
•
쿠팡: “이런 상품 어때?”
•
인스타그램: “이 릴스 재밌겠지?”
신기합니다 ㅎㅎ “이걸 어떻게 알았지” 싶을 정도로 딱 맞는 걸 추천해주는데요. 이건 우연이 아니라
⇒ 알고리즘이 여러분의 취향을 ‘학습’했기 때문입니다.

추천 알고리즘은 왜 필요할까요?

오늘날 정보는 넘쳐납니다. 예를 들어,
“내가 뭘 좋아하는지 어떻게 알았지?”
안녕하세요. 파이쌤 입니다.
오늘은 인공지능 수학과 관련있는 활성화 함수에 대해서 이야기 해 보려고 합니다.
신경망의 기본을 이루는 활성화 함수, 그중에서도 가장 먼저 배우게 되는 것이 시그모이드 함수인데요. 한때 신경망의 '짝꿍'이였던 시그모이드 함수에 대해 알아보면서 지금은 왜 은닉층에서 잘 쓰이지 않는지, 그 이유인 기울기 소실(Gradient Vanishing) 문제와 함께 그 대안으로 사용되는 함수까지 흥미롭게 이야기 해 보겠습니다.

신경망

신경망(Neural Network)은 사람의 뇌에서 영감을 얻은 계산 구조입니다.
우리 뇌 속에는 수많은 뉴런(Neuron)이 연결되어 정보를 주고받으며 학습과 사고를 합니다. 인공신경망도 비슷하게, 입력(Input) → 은닉층(Hidden Layer) → 출력(Output) 으로 이어지는 여러 층(layer)과 노드(node)들이 연결되어 데이터를 처리합니다.
•
입력층(Input Layer) : 우리가 집어넣는 데이터가 들어오는 곳입니다.
•
은닉층(Hidden Layer) : 입력을 가중치와 편향을 통해 가공하고, 활성화 함수를 거쳐 더 복잡한 특징을 뽑아내는 곳입니다. 신경망의 “머리” 역할을 하는 부분입니다.
•
출력층(Output Layer) : 최종적으로 문제의 답을 내놓는 곳입니다.
이때 중요한 역할을 하는 것이 바로 활성화 함수(Activation Function)입니다.
활성화 함수 시그모이드, 왜 주연이 아닐까?