국제비버챌린지(www.bebras.org)의 공식 집계에 따르면, 2022년에 비버챌린지 대회에 참여한 학생은 330만 명이며, 우리나라에서는 6만 명 이상이 참여하였습니다. 하나의 ‘대회’에 참여한 인원이라고 보기에는 매우 큰 수인데요. 그것은 비버챌린지가 단순한 ‘대회’ 이상을 추구하고 있기 때문입니다.
3. How to Bebras?
비버챌린지를 정보 수업에 활용하는 방법은 간단합니다. 학생들이 비버챌린지 문제를 풀 기회를 제공하는 것입니다. 그러나 수업 시수가 충분하지 않고, 학생들 간의 격차가 큰 정보 교과의 입장에서 이러한 기회를 마련하는 것도 어렵게 느껴질 수 있습니다. 여기에서 제시하는 방법은 모두 제가 직접 하고 있는 방법들이므로, 선생님들께 도움이 되실 것으로 생각됩니다.
제가 근무하는 학교에서는 교내 비버챌린지대회를 별도로 운영하고 있습니다. 조금 힘들지만, 문항은 직접 출제합니다. 희망자만 참여하는 대회인데도, 참가자가 꽤 많습니다.
당연히 모든 학생이 좋아한다는 뜻은 아닙니다!
그러나 우리가 해야 할 일은 학생들이 좋아하는 것을 가르치는 것이 아니라 ‘우리가 가르치는 것을 학생들이 좋아하게 만드는 것’이라고 생각합니다.
군집화(Clustering)는 정답이 없는 데이터로 학습을 하는 비지도 학습(Unsupervised Learning)의 한 형태로, 유사한 특성을 가진 데이터를 같은 그룹으로 묶는 작업을 의미합니다. 각 군집의 특성을 해석해 봄으로써 군집화를 통해 데이터를 더욱 깊게 이해하거나 의사 결정을 지원할 수 있습니다. 군집화는 기업에서 개별 소비자나 기존 고객의 데이터를 바탕으로 고객 마케팅 전략을 수립할 때 사용할 수 있습니다.
군집화의 주요 알고리즘
1.
K-Means Clustering: 가장 널리 사용되는 군집화 알고리즘 중 하나로 K개의 클러스터를 형성하며, 각 데이터 포인트는 가장 가까운 중심점(Centroid)에 할당됩니다. 오늘 사용하는 알고리즘
2.
Hierarchical Clustering: 트리 형태의 계층적 구조를 만들어 나가는 군집화 방법
3.
DBSCAN (Density-Based Spatial Clustering of Applications with Noise): 밀도 기반의 군집화 방법으로, 특정 공간 내 데이터 밀도가 높은 부분을 클러스터로 묶음