|
Bandura의 사회적 학습이론
◦ 관찰 학습(사회적 학습 이론)의 의미
◦ 관찰학습의 몇가지 모형
①직접모방 모형
②동일시 모형
③무시행학습 모형
⑤고전적 대리 조건형성 모형
▫ 관찰학습에 영향을 주는 네가지 단계 분석
|
|
|
이론과 교육과정
2. 정서적 학습과 교육과정
3. 메타인지와 자기조절학습
VIII. 한국 교육과정의 동향과 특징
1. 국내 교육과정 개발의 역사
2. 현행 교육과정의 특징
3. 미래 교육과정의 방향
IX. 결론
1. 교육과정 개념의 종합적
|
|
|
온라인 학습 참여자의 자기통제력 예측요인, 한국디지털정책학회, 2020 Ⅰ. 서론
Ⅱ. 본론
1. 온라인 학습의 특징
2. 학습의 원리에 입각한 온라인 학습의 효용성
3. 온라인 학습의 장단점
4. 나의 견해
Ⅲ.?결론
Ⅳ. 참고문헌
|
|
|
학습의
결과
*습관의 형성
*인지구조의 변화
*자기 자신의 행동 결정
Ⅴ 교수이론의 특징에 관한 고찰
행동주의 학습이론은 S-R 연합이론을 근본적으로 하는 쏜다이크의 시행착오설, 파블로브)의 조건반사설, 그리고 스키너의 조작적 조건화
|
|
|
학습의
결과
*습관의 형성
*인지구조의 변화
*자기 자신의 행동 결정
Ⅴ 교수이론의 특징에 관한 고찰
행동주의 학습이론은 S-R 연합이론을 근본적으로 하는 쏜다이크의 시행착오설, 파블로브)의 조건반사설, 그리고 스키너의 조작적 조건화
|
|
 |
학습의 개념
Ⅱ. 피아제의 인지이론에 관한 일반적 고찰
2. 1 피아제(Piaget)의 교육사상의 배경
2. 2 인지발달의 과정
2. 3 인지발달 단계
2. 4 피아제의 인지발달 이론이 아동교육에 주는 의미
Ⅲ. 스키너의 행동주의 이론에 관한 일반
|
|
|
행동주의모델의 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
2n
|
|
|
특징 ………………………………………109
나. 맥락 중심 문학수업의 실제…………………………………………110
Ⅵ. 결론……………………………………………………………………………133
참 고 문 헌……………………………………
|
|
|
고찰
1. 자원봉사활동의 개념
2. 자원봉사활동의 의의
3. 청소년 자원봉사활동의 목적
4. 자원봉사활동의 가치
5. 청소년자원봉사활동의 개념과 특징
6. 청소년자원봉사활동의 필요성
Ⅲ. 선진 외국의 청소년 자원봉사활동 사례분석
|
|
|
학습 지도 구상 …………………… 19
2) 마인드맵의 작성 …………………………………………………… 21
3) 지도의 실제 ………………………………………………………… 21
Ⅳ. 결과 분석
1. 마인드맵 및 관찰 기록지 분석 …………………
|
|
 |
분석 학술이론에 대한 지식검증 기출문제 113
기초 이론과 개념: 113
회귀 분석 및 모델링: 114
가설 검정과 추론: 115
데이터 분석 및 시각화: 115
빅데이터와 기계 학습: 116
실험 계획법 117
비모수 통계 117
빅데이터와 머신러닝 118
데이터
|
|
 |
이론과 개념: 78
나. 회귀 분석 및 모델링: 78
다. 가설 검정과 추론: 79
라. 데이터 분석 및 시각화: 80
마. 빅데이터와 기계 학습: 80
바. 실험 계획법 81
사. 비모수 통계 81
아. 빅데이터와 머신러닝 82
자. 데이터 분석 도구와 소프트웨어 82
?
|
|
 |
장단점 작성요령 305
라. 성공실패 사례 작성요령 306
마. 전공연구 역량의 작성요령 307
바. 순발력 작성요령 308
사. 인화/조화/협력 인성의 작성요령 309
아. 내용에 담겨야 할 필수 항목 310
자. 자소서 작성 단계별 주제 작성요령 311
? 자기
|
|
 |
분석 261
? 연구계획서 263
가. 요약서(예시) 263
나. 연구추진 기본방향 264
다. 연구추진전략 265
라. 추진일정 265
? 면접과 지원자 선발에 합격불합격을 가르는 패턴인식 266
가. 정직이 최선의 무기 266
나. 면접전형은 어떻게 진행되는가?
|
|
 |
이론과 개념: 82
자. 회귀 분석 및 모델링: 83
차. 가설 검정과 추론: 83
카. 데이터 분석 및 시각화: 84
타. 빅데이터와 기계 학습: 84
파. 실험 계획법 85
하. 비모수 통계 85
거. 빅데이터와 머신러닝 86
너. 데이터 분석 도구와 소프트웨어 86
?
|
|
메뉴펼치기
