안녕하세요. 오랜만에 인사드립니다. ^^
파이쌤입니다.
인공지능 수업 관련하여
인공지능 내용 자체에 대한 원리 이해에 대한 공부 뿐만 아니라 많은 지도 방법과 평가 방법이
연구되고 있는데요.
저는 그중에서 연구 학교와 영재 학급 운영, 학교에서 프로젝트 수업에서 활용할 수 있는 연구 지도 과정을 공유하려고 합니다.
제가 근무하는 학교에서는 학생들이 1년간
1주일에 3시간씩을 확보하여 정규 수업 시간에 학생 연구를 진행하고 있습니다.
일반 학교에서는 이렇게 시간을 확보하기 쉽지 않지만
특성화된 프로그램으로 간략화 한다면 변형해서 적용할 수 있을 것입니다.
우리는 수업 전문가 이니까요 ~^^
1. 주제 탐색
먼저 주제 선정을 해야합니다.
이 주제를 잘 선정해야 1년간 연구를 잘 끌고 갈 수 있는데요. 쉽지 않은 일입니다.
우선 선행 연구를 검색해 보라고 합니다.
이때, 살펴봐야 할 건
관심 있는 분야의 제목에서 보이는 키워드를 모으는 것입니다.
최신 논문부터 점차 이전에 발표 되었던 논문의 제목을 보면서 어떤 연구들이 관심 대상인지 확인하는 것이 좋습니다.
구글에서 검색하면 전세계의 논문을 찾아주는 장점이 있습니다.
단점은 영어 논문을 봐야 하는 것이지요 ^^;;
그래서 국내 논문 중심으로 살펴볼 수 있는 디비피아도 많이 활용합니다.
학생들이 참고하기에 국내 학술대회와 대학교의 석, 박사 학위 논문들을
보는 것도 좋은 공부가 됩니다.
구글의 학술 검색
디비피아
딥러닝, CNN, 자율주행.. 등의 키워드로 검색하면 많은 논문을 찾을 수 있습니다.
3~4 개의 매력 있는 논문을 정하도록 합니다.
매력있는 의 기준은
논문의 배경 이론을 읽어 봤을 때 당장은 이해되지 않지만 관련해서 공부하면 재미있게 공부할 수 있을 것 같은 논문입니다.
그 이론의 전문가가 되어야 하거든요. 스스로 공부해서…..
다음은 24년 2학년 학생들이 선정한 연구 주제 입니다.
아직 연구가 마무리 되지 않아 7월 중간 발표한 피피티의 일부를 공유합니다.
전적으로 학생들이 모두 작성한 내용입니다.
참고로 공유하는 것에 대한 학생들의 동의도 모두 받았습니다.
선생님들의 참고용으로만 봐주세요~
2. 선행 연구 분석
위의 1의 과정을 통해 몇 개의 매력 있는 논문을 통해 연구 과정을 설계해야 합니다.
팀원 간 역할 분담과 공부해야 할 것, 필요한 장비 파악 등이 되어야 합니다.
실은 연구를 진행하면서 변경될 수 있는 것들이지만
그래도 틀은 나온 후 이후 변경해 가야 체계적으로 연구를 진행할 수 있습니다.
3. 공부..공부..공부…
이후로는 계속 공부를 해나가야 하는 단계입니다.
인내가 필요한 단계이기도 하고
여기서 얼마나 충실히 공부했는지에 따라 연구 결과물이 충실해 질 수 있습니다.
공부해야 할 것은
인공지능의 원리
구체적인 모델의 학습 원리
한계점
선행연구가 활용한 개선방법과 그 원리
구현하기 위한 코딩 방법
대략적으로 적어본 내용입니다.
이런 내용을 학생들이 스스로 공부하는 건 쉽지 않습니다.
전공 책을 정해서 스터디처럼 토론하면서 공부하는 것도 한 방법입니다.
줌으로 토요일, 일요일에 학생들과 소통하기도 했습니다.
이때, A-Z까지 인공지능의 모든것, 자율주행의 모든것을 공부하려고 하기보다
연구와 밀접한 내용을 중심으로 공부해 나가는 요령도 필요합니다.
4. 연구 설계 및 구현
어느 정도 공부가 되었으면
어떤 과정으로 ‘실험’을 할 것인지 정해야 합니다.
저는 인공지능 연구도 ‘실험’ 이라고 생각합니다.
실제로도 실험1, 실험2로 명칭하기도 하고요.
그러면 ‘가설’이 있어야 합니다.
‘기존의 인공지능 모델에서 어떤 점을 변형하거나 다른 통계적 혹은 수학적 기법을 적용하면
어떤 문제를 해결할 수 있을 것이다. ‘
가 나와야 합니다.
그리고 선행 연구를 다시 찾아봐야 합니다. 사람들 생각은 많이 비슷해서
이미 연구되어 있는 경우가 많습니다.
그럼 다시 가설을 구체화 시켜야 합니다.
선행 연구를 보면 한계점도 나와 있습니다. 그걸 읽어보면 연구할 내용이 보이기도 합니다.
이런 과정을 거친 후
우리가 세운 가설이 맞는지를 확인하기 위해 ‘무엇’을 확인해야 하는지를 정해야 합니다.
정량적으로 어떤 ‘평가함수’를 이용할 것인지.
어떤 데이터를 수집하여 분석하면 ‘가설’이 합당한지를 판단할 수 있을지를 잘 생각해야 합니다.
데이터 수집 - 데이터 전처리 - 모델 구현 - 가설 검증 - 결과분석
이 단계로 진행하게 됩니다.
이 단계는 코딩,, 코딩,,, 코딩,,,의 단계입니다.
5. 결과 분석
이제는 수집된 결과를 이용해서 결과를 분석해야 합니다.
이때 중요한 태도는
솔직함, 그리고 비약하지 않는 것입니다.
과장하지 않고 정말 수치를 바탕으로 판단해야 합니다.
기대 만큼 눈에 띄는 수치의 변화가 나타나지 않을 수 있습니다.
그리고 반대되는 결과가 나올 수도 있습니다.
실망을 하기도 하고, 남은 기간이 별로 없는 시기이다 보니 마음이 급해지기도 합니다.
남은 시간에 여유가 있으면 다른 실험을 진행할 수 도 있고
시간적 여유가 없으면
그대로 수치를 분석에 나가야 합니다.
이러한 결과를 얻은 이유를 분석하는 것도 쉬운 일이 아닙니다.
6. 인공지능의 학술대회를 꿈꾸며..
과학 교과는 다양한 프로젝트 프로그램을 운영하고 그 결과물을 시상하는 대회도 운영하고 있습니다. 시도 대회를 거쳐서 전국대회의 우수작을 시상하지요.
지도 교사에게도 시상하여 선생님들의 노고를 치하하고 있습니다.
인공지능 분야에서도 이런 대회가 운영되면 좋겠다라는 바램입니다.
활용 중심의 라이브러리를 불러와 데이터를 입력하고 출력해 보는 정도의
결과물을 넘어서는
원리를 탐구하고 결과를 추적할 수 있도록 인공지능 분야도 발전해 나갔으면 좋겠습니다.
물론, 그 선두에는 정보 선생님들이 계시고요.
공부할게 너무나 많은 정보 교사입니다. 우리의 숙명이지요.
그래도 뒤로 밀려나 다른 전공을 공부하라는 것보다는 행복한 고민입니다. ^^