|
다중지능이론과 수업설계 (2002년 여름방학 교사연수교재). 한국다중지능교육학회 서울분회: 서울다중지능교육연구회 (2002.8.20-21; 서울, 한양대학교 사범대학)에서 발표. pp. 131-174.
.조영임 (2003). 다중지능이론을 적용한 영어 수업이 영어 수준
|
|
|
다중지능이론 기반 교수학습활동이 학습자의 학업성취와 태도에 미치는 효과를 분석해 봄으로써 다중 지능이론 기반 교수학습활동이 우리 교육에 주는 시사점과 실제 적용 가능성을 탐구하는 것이었다. 연구의 결과는 부분적이고 잠정적이
|
|
|
교육적 혼란과 가치갈등을 해소하고, 붕괴된 교실과 교사에 대한 신뢰감을 구축할 수 있을 것이다. 김경미(2005). 콜버그(Kohlberg)의 도덕성 발달 이론의 교육적 적용. 중앙대학교 교육대학원 석사학위논문.
Ⅲ. 결론
가드너의 다중지능이론이란,
|
|
|
이론. 시그마프레스.
공더청(2021). 다중지능이론을 기반한 중국 후베이성 지역 역사박물관 어린이 전시프로그램 연구. 건국대학교 대학원 석사학위논문.
김경미(2005). 콜버그(Kohlberg)의 도덕성 발달 이론의 교육적 적용. 중앙대학교 교육대학
|
|
|
다중지능이론을 적용한 유치원계획> 건국대학교 건축전문대학원,[2017] [국내석사]
송숙경 <다중지능 이론의 교육적 시사점과 한계 : 전통적 지능 이론과의 비교를 중심으로> 창원대학교 대학원, 2004
허지연 <가드너의 다중지능 이론
|
|
 |
다중지능이론이 주는 시사점은 매우 크다. 다중지능이론의 교육적 시사점을 바탕으로 학습자 능력의 다양성을 존중한 능력별 교육이 이루어진다면, 각기 다른 형태로 다양한 방면에 능력을 지니고 있는 학습자의 잠재력을 최대한으로 신장
|
|
|
이론
1) 제1단계 : 도덕적 사실주의 (2∼7세)
2) 제2단계 : 도덕적 동등성(7∼11세)
3) 제3단계 : 도덕적 자율성(11∼15세)
(5) 피아제 이론의 교육적 시사점 및 평가
2. 비고츠키의 인지발달이론
(1) 비고츠키의 생
|
|
|
다중사례 내용분석연구,
한국 가족치료학회지(Journal of Korean family therapy) , 한국가족치료학회
강문희, 박경, 강혜련, 김혜련(2006). 가족상담 및 심리치료. 신정
최충옥, 양서원,[2009] 다문화교육의 이론과 실제
이정선, 동문사,[2010] 초등학교 다
|
|
|
귀하의 직업은 무엇입니까?
학생 회사원 ③기타( )
46. 귀하의 거주지는? ( ) 특별 · 광역시 · 도 / ( ) 구 · 시 · 군 제1장 서론
제2장 이론적 배경
제3장 조사 설계
제4장 실증분석 및 해석제5장 결론 및 연구의 한계점
참고문헌
설문지
|
|
|
이론의 교육적 적용」, 중앙대학교 석사논문, 2005.
김미정, 「콜버그(L. Kohlberg)의 토의식 수업이 도덕적 판단력과 학업성적에 미치는 영향」, 한국교원대학교 석사논문, 2000.
문삼열, 「Lawrence Kohlberg의 도덕 발달론과 도덕 교육론에 관한 연구
|
|
 |
이론적 틀, 예상되는 연구 과정 등을 설명합니다. 또한, 연구의 예상 결과와 그것이 해당 분야에 어떤 기여를 할 수 있는지에 대해 논합니다.
4. 학업 준비 상태 및 자격: 관련 분야나 주제에 대한 이해도, 이전 학업이나 경험, 연구 스킬 등 자
|
|
 |
이론”과 “딥러닝 구조의 이해”를 가장 중점적으로 배우고 싶습니다. 이 두 과목은 인공지능의 기초부터 심화까지 체계적으로 이해하는 데 핵심적이며, 제가 장기적으로 진행하고 싶은 연구에 필요한 기반이기 때문입니다. 특히 기계학습
|
|
 |
적용을 동시에 도모할 것입니다. 교육과 AI의 융합에 관한 최신 연구 성과를 공유하고, 국제 학술지에 연구 결과를 발표하며, 학문적 네트워크를 강화하겠습니다. 이를 통해 교육 혁신의 글로벌 동향을 파악하고, 국내 교육 현장에 효과적으로
|
|
 |
지능 기술을 통해 실제 사회 문제를 해결하는 데 기여하는 연구자가 되고자 합니다. 단순히 이론적 연구에 그치지 않고, 기술을 현실 세계에 성공적으로 적용할 수 있는 연구를 지향하겠습니다. 특히, 인공지능 윤리와 공정성(Fairness, Accountabil
|
|
|
적용했습니다. 옵티마이저 변경과 학습률 스케줄링으로 학습 안정성을 높였고, 교차 검증과 조기 종료로 과적합을 방지했습니다. 또한, 앙상블 기법을 통해 여러 모델의 강점을 결합해 성능을 개선했습니다.
Q10. 앞으로 AI 딥러닝 분야에서 이
|
|
메뉴펼치기
