정책
- Education 3.0 프로그램 도입으로 학생중심 교수학습법 운영 -
- 온라인에선 자율 및 맞춤 학습, 강의실에선 상호 토론학습 -
우리 대학이 올 봄학기 부터 신입생 일부를 대상으로 에듀케이션 3.0 프로그램을 도입해 강의실 수업환경을 학생중심, 그룹중심, 토론중심으로 바꾼다.
에듀케이션 3.0은 전통적인 교수-학생의 단방향 강의전달 학습법을 혁신해 교수 및 학습의 질과 효율성을 높이기 위한 교수학습법 개선 프로그램이다.
학생들은 최신 정보통신기술을 활용해(IT-based) 시공간의 제약을 받지 않고 학습할 수 있으며 수준별 맞춤학습 제공으로 자기주도적(Independent)학습이 가능하다. 또한 선진대학과 강의 및 컨텐츠를 공유해 협력학습(Internationalized)을 할 수 있으며 교수-학생 간 또는 동료학생 간의 토론학습으로 상호 통합적 학습(Integrated)이 가능하다.
KAIST는 올 봄학기 신입생을 대상으로 미적분학, 일반화학, 신입생 설계과목 등 3개 시범과목을 운영하며 교과목 공모를 통해 단계적으로 확대할 방침이다.
올 해 신입생을 대상으로 지원자를 모집한 결과 미적분학에 201명, 일반화학에 163명이 지원해 신입생들이 새로운 학습방법에 큰 관심을 보였으며 과목당 48명을 선발했다
수업은 온라인 수업과 강의실 수업을 병행하여 진행한다.
학생들은 우선 온라인 학습 플랫폼인 KLMS(KAIST Learning Management System)에 접속해 교수가 사전에 준비한 강의비디오, 강의 슬라이드, 멀티미디어, 온라인 랩, 외부 동영상 등 디지털 자료를 반복해 학습하고 개인별 진도에 맞춘 학습을 한다. 궁금한 사항은 온라인에서 질문하고 과제도 온라인으로 제출한다.
강의실 수업은 최소 주 1회 실시하며 학생들은 온라인에서 학습한 내용을 학생과 교수, 학생과 학생들이 중심이 돼 질문하고 토론하며 그룹을 만들어 스스로 문제를 해결한다. 이 때 교수와 조교 2~4명은 교과목에 적합한 교수학습법으로 학생들과 상호작용한다.
이번 Education 3.0 프로그램을 위해 KAIST는 창의학습관에 강의시스템, 영상추적 시스템, A/V시스템, 원탁 책상, 글래스보드 등 최첨단 시설을 갖춘 전용강의실 1실을 구축했으며 학생들의 온라인 강의를 위한 학습플랫폼인 KLMS(KAIST Learning Mamagement System)도 개발 완료했다.
이와 같이 KAIST가 교육혁신을 향후 핵심 과제로 꼽은 데는 현재의 대량교육을 위한 ‘단방향 강의’ 방식으로는 미래사회와 기업이 요구하는 인재를 육성할 수 없다는 판단 때문이다.
이태억 KAIST Education 3.0 추진단장은 “대량교육을 위한 기존의 강의방식으로는 미래사회와 기업이 원하는 인재를 배출할 수 없다”며 “이공계 교육과 학습 방법이 문제해결능력과 창의성을 갖춘 인재를 배출 할 수 있도록 교수학습 패러다임이 변화돼야 한다”라고 말했다.
이 단장은 이어 “KAIST Education 3.0 프로그램은 최신 정보통신 기술을 활용해 교육 수요자인 학생중심의 학습법이며 대학 강의실 모습을 토론중심으로 바꾸는 미래지향적 학습법이다”라고 강조했다.
한편, 전 세계 일류대학들도 혁신적 교육개혁을 지속하고 있는 가운데 최근 매사추세츠공대(MIT)는 온라인에서 강의를 무상으로 공개하고 소정의 수업을 이수하고 시험에 통과하면 수료증까지 주는 MITX 프로그램 운영계획을 발표했다.
이를 통해 전 세계 모든 사람들은 세계 최고 수준의 고등교육 기회를 아무런 차별 없이 받을 수 있게 돼 MIT가 고등교육 혁명의 선두에 있다는 평가를 받고 있다.
-
인물 전산학부 공태식 박사과정, Google Ph.D Fellowship 2020선정
구글은 지난 10월 8일 2020년도 Google Ph.D Fellowship 수혜자 목록을 발표했다. Google Ph.D Fellowship 프로그램은 컴퓨터과학 및 관련 분야의 뛰어나고 촉망받는 대학원생들을 지원하기 위한 프로그램으로, 이번 년도에는 전 세계 대학에서 12개 분야에 총 53명이 선정됐다. 우리 대학 공태식 학생은 기계학습(Machine Learning) 부문에 이름을 올리는 영예를 안았다. 공태식 연구원은 KAIST 네트워킹 및 모바일 시스템 연구실 (지도교수: 전기및전자공학부 이성주 교수) 박사과정이다. 주 연구 분야는 기계학습을 활용한 모바일 센싱으로, “환경 독립적 모바일 센싱 (Condition-independent mobile sensing)” 연구에 대한 연구 업적과 가능성을 인정받아 이번 Google Ph.D. Fellowship 2020에 선정됐다. 한편, 공태식 연구원은 센서 및 유비쿼터스 컴퓨팅 분야 최고 학회인
2020-10-12 -
연구 딥러닝 기반 실시간 기침 인식 카메라 개발
우리 대학 기계공학과 박용화 교수 연구팀이 ㈜에스엠 인스트루먼트와 공동으로 실시간으로 기침 소리를 인식하고 기침하는 사람의 위치를 이미지로 표시해주는 '기침 인식 카메라'를 개발했다고 3일 밝혔다. 작년 말부터 시작된 세계적 유행성 전염병인 코로나19가 최근 미국·중국·유럽 등 세계 각국에서 재확산되는 추세로 접어들면서 비접촉방식으로 전염병을 감지하는 기술에 대한 수요가 증가하고 있다. 코로나19의 대표적인 증상이 발열과 기침인데, 현재 발열은 열화상 카메라를 이용해 직접 접촉을 하지 않고도 체온을 쉽게 판별할 수 있다. 문제는 비접촉방식으로는 기침하는 사람의 증상을 쉽사리 파악하기 어렵다는 점이다. 박 교수 연구팀은 이런 문제를 해결하기 위해 기침 소리를 실시간으로 인식하는 딥러닝 기반의 기침 인식 모델을 개발했다. 또한 열화상 카메라와 같은 원리로 기침 소리와 기침하는 사람의 시각화를 위해 기침 인식 모델을 음향 카메라에 적용, 기침 소리와 기침하
2020-08-03 -
연구 AI대학원 김기응 교수 연구팀, 인공지능 전력망 운영관리 국제대회 1위 달성
우리 대학 AI대학원 김기응 교수 연구팀(홍성훈, 윤든솔 석사과정, 이병준 박사과정)이 인공지능 기반 전력망 운영관리 기술을 겨루는 국제경진대회인 'L2RPN 챌린지(Learning to Run a Power Network Challenge 2020 WCCI)'에서 최종 1위를 차지했다. 이 대회는 기계학습 연구를 촉진하기 위한 각종 경진대회를 주관하는 비영리단체 ChaLearn, 유럽 최대 전력망을 운영관리하는 프랑스 전력공사의 자회사 RTE(Réseau de Transport d'Électricité)社 및 세계 최대 규모의 전력 회사 SGCC(State Grid of China)의 자회사인 GEIRI North America(Global Energy Interconnection Research Institute)에서 공동주최해, 세계 각국의 약 50팀이 약 40일간 (2020.05.20.~06.30) 온라인으로 참여해 성황리에 마감됐다.
2020-07-28 -
연구 기존 인공지능 기술을 뛰어넘는 양자 인공지능 알고리즘 개발
우리 대학 전기및전자공학부 및 AI 양자컴퓨팅 IT 인력양성연구센터장 이준구 교수 연구팀이 독일 및 남아공 연구팀과의 협력 연구를 통해 비선형 양자 기계학습 인공지능 알고리즘을 개발했다고 7일 밝혔다. 양자 인공지능은 양자컴퓨터의 발전과 함께 현재의 인공지능을 앞설 것으로 크게 기대되고 있으나 연산 방법이 전혀 달라 새로운 양자 알고리즘의 개발이 절실하다. 특히 양자컴퓨터는 본질적으로 일차방정식을 잘 푸는 선형적 성질을 가지고 있어 복잡한 데이터를 다루는 비선형적 기계학습에 어려움이 존재했다. 하지만 이번 연구를 통해 비선형 커널이 고안되어 복잡한 데이터에 대한 양자 기계학습이 가능하게 됐다. 특히 이준구 교수팀이 개발한 양자 지도학습 알고리즘은 학습에 있어 매우 적은 계산량으로 연산이 가능하다. 따라서 대규모 계산량이 필요한 현재의 인공지능 기술을 추월할 가능성을 제시한 것으로 평가를 받고 있다. 이준구 교수팀은 학습데이터와 테스트데이터를 양자 정보로 생성한 후 양자 정보의
2020-07-07 -
연구 학습되지 않은 환경에서 스스로 학습하는 모바일 센싱 기술 개발
우리 대학 전산학부 이성주 교수 연구팀이 학습되지 않은 환경에 적은 양의 데이터로 스스로 적응하는 모바일 센싱 학습 기술 <메타센스(MetaSense)>를 개발했다. 모바일 센싱이란 스마트폰과 같은 모바일 기기의 다양한 센서를 이용하여 서비스(예: 수면의 질 평가, 걸음 수 추적 등)를 제공하는 기술이다. 최근 학계에서는 기계학습 기술의 발전과 더불어 우울증 진단, 운동 자세 관리 등 진보된 모바일 센싱의 가능성을 보여줌으로써 모바일 센싱의 범위를 더욱 확장하고 있다. 하지만 이러한 센싱 기술은 아직 널리 쓰이지 못하고 있다. 사용자 개인마다 가지고 있는 모바일 센싱의 환경이 다르기 때문이다. 사람마다 가지고 있는 고유한 생활패턴과 행동방식, 서로 다른 모바일 기기와 그 사양은 센서의 값에 큰 영향을 미친다. 다른 센서 값은 사람마다 고유한 센싱 환경을 만들고, 이는 센싱 모델이 미리 학습되지 않은 새로운 환경에서 작동할 때 사용이 어려울 만큼 성능 저하를 일으
2020-06-09