|
고전적조건화이론의 법칙
1. 조건반응의 형성
2. 자극의 일반화
3. 분화 또는 변별
4. 소멸(소거)
5. 자발적 회복
6. 제지(금지)
7. 재조건형성
8. 고차적 조건형성
Ⅲ. 파블로프 고전적조건화이론의 실험전개
Ⅳ. 손다이크 도구적조건화
|
|
|
법칙
4. 계속성의 법칙
Ⅲ. 고전적조건화이론(파블로프학습이론)의 실험
1. 배고픈 개에게 종소리(중립자극) 들려줌
2. 배고픈 개에게 먹이를 제
3. 종소리를 들려준 후 곧바로 먹이를 제공(반복)
Ⅳ. 도구적조건화이론(손다이크학습이론
|
|
|
이론
1. 학습의 개념과 정의
2. 학습이론
Ⅲ. 행동주의 학습이론
1. 파블로프(I. P. Pavlov)
2. 손다이크(E. L. Thorndike)
3. 스키너(B. F. Skinner)
Ⅳ. 파블로프(Pavlov)의 고전적 조건화(classical conditioning)
Ⅴ. 스키너(Skinner)의 조작적 조건화(operant co
|
|
|
이론)의 개념
3.고전적 조건화이론의 기본요소
4.고전적 조건화이론의 학습원리
5.고전적 조건화이론의 실험내용
6.고전적 조건화이론의 사례
7.도구적 조건화의 개요
8.도구적 조건화의 개념
9. 손다이크 도구적조건화이론의 법칙
10. 도
|
|
|
Ⅰ. 개요
Ⅱ. 행동주의학습이론의 정의
Ⅲ. 행동주의학습이론의 기본이해
Ⅳ. 고전적조건화이론(파블로프학습이론)의 내용
1. 조건반사설의 개념
2. 실험
Ⅴ. 도구적조건화이론(손다이크학습이론, 시행착오학습이론)의 내용
|
|
 |
실험설계
3. 측정도구
1) 자아존중감 척도
4. 연구절차
5. 집단미술치료 프로그램의 구성
1) 20회기 집단 미술치료 프로그램의 구안
3) 회기별 미술치료 프로그램의 적용
6. 자료처리 방법
Ⅳ. 결과 및 해석
1. 집단미술치료
|
|
|
실험동물을 잠시 동안 옛날의 거처로 옮겼다가 다시 실험장면에 데리고 왔을 때 추가훈련이 없어도 얼마동안 다시 학습된 행동을 하는 것.
＊ 강화의 상대성(프리멕의 원리)
개인마다 좋아하는 것, 관심이 있는 것들 즉 선호하는 것들이 각기
|
|
|
등장배경
1. 등장배경
2. 사회복지에 있어서의 행동모델의 영향
Ⅱ. 행동모델의 이론적 기반
1. 기본개념
Ⅲ. 사회복지실천에의 적용
1. 행동모델의 목표
2. 행동모델의 개입과정과 사회복지사의 역할
1st. 사례개요
2nd. 사례개요
|
|
|
실험학교는 미국의 진보주의 교육운동에 촉진적 역할을 했고, 세계 여러 나라에 그 영향을 끼쳤다. 듀이가 제시하고 실험하여 검증된 이론을 요약해 보면 다음과 같다.
첫째, <학교와 사회화의 원리> 학교는 사회의 제도중의 하나로서 하
|
|
|
이론과 증명 ․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․․6
Ⅳ.
|
|
 |
실험을 하게 되면 언제나 먼저 과학실에 달려가 실험을 준비했던 것이 기억납니다. 그리고 6학년 때는 아예 '실험위원'으로 뽑혀서 실험 시간마다 모든 실험도구를 직접 준비했습니다. 알코올 램프며 시약병과 같은 실험도구들을 만지는 게
|
|
 |
이론과 개념: 82
나. 회귀 분석 및 모델링: 83
다. 가설 검정과 추론: 83
라. 데이터 분석 및 시각화: 84
마. 빅데이터와 기계 학습: 85
바. 실험 계획법 85
사. 비모수 통계 86
아. 빅데이터와 머신러닝 86
자. 데이터 분석 도구와 소프트웨어 86
?
|
|
 |
이론에 대한 지식검증 기출문제 56
1. 의사 결정에 필요한 데이터 분석: 58
2. 현상 이해와 예측: 58
3. 실험 설계와 해석: 58
4. 오류와 불확실성 다루기: 58
5. 다양한 분야와의 융합: 58
6. 정보의 해석과 의사 소통: 59
7. 진실을 파악하는 도구:
|
|
 |
이론에 대한 지식검증 기출문제 83
1. 의사 결정에 필요한 데이터 분석: 85
2. 현상 이해와 예측: 85
3. 실험 설계와 해석: 85
4. 오류와 불확실성 다루기: 86
5. 다양한 분야와의 융합: 86
6. 정보의 해석과 의사 소통: 86
7. 진실을 파악하는 도구:
|
|
 |
이론에 대한 지식검증 기출문제 24
기초 이론과 개념: 24
회귀 분석 및 모델링: 25
가설 검정과 추론: 26
데이터 분석 및 시각화: 26
빅데이터와 기계 학습: 27
실험 계획법 28
비모수 통계 28
빅데이터와 머신러닝 29
데이터 분석 도구와 소프
|
|
메뉴펼치기
