npsm 새물리 New Physics : Sae Mulli

pISSN 0374-4914 eISSN 2289-0041
Qrcode

Article

Research Paper

New Phys.: Sae Mulli 2020; 70: 974-984

Published online November 30, 2020 https://doi.org/10.3938/NPSM.70.974

Copyright © New Physics: Sae Mulli.

Discussion for how to Apply Artificial Intelligence to Physics Education

Hunkook JHO*

Graduate School of Education, Dankook University, Yongin 16890, Korea

Correspondence to:hjho80@dankook.ac.kr

Received: September 1, 2020; Revised: October 4, 2020; Accepted: October 4, 2020

Abstract

This study aims at discussing how technologies related to artificial intelligence can be applied to physics education in the near future. Thus, this study concentrates on prevailing technologies such as classification/regression, adaptive learning, natural language processing, and computer vision to resolve contemporary issues in physics education. The precautionary diagnose using predictive analytics enables us to cope with forthcoming student problems and to determine the influential factors among the various features. Adaptive learning based on genetic algorithms allow us to meet various demands on physics learning so that we can teach a variety of students with different learning outcomes. Natural language processing can be useful to overcome the limitations of multiple-choice items and to analyze the diverse responses to teaching and learning in physics. Computer vision and simulation are beneficial to detect student loss of motivation and to make the invisible visible, which are good ways to learn abstract concepts in physics.

Keywords: Artificial intelligence, Deep learning, Machine learning, Adaptive learning, Predictive learning analytics

본 연구는 최근 주목받고 있는 인공지능에 관한 기술과 방법을 현재 또는 가까운 미래에 물리교육에서 어떻게 활용할 수 있는지 제안하고자 하였다. 이에 본 연구에서는 판별 예측과 적응 학습, 자연어 처리, 컴퓨터 비전을 토대로 물리교수학습에서 겪는 어려움을 해소할 수 있는 방안을 제시하였다. 판별 예측을 활용한 물리학습 성과에 대한 사전 진단은 잠재적으로 물리 학습에 어려움을 겪는 학생들을 미리 파악해서 대처할 수 있으며, 물리학습에 영향을 미치는 다양한 요인 중 무엇이 더 큰 효과를 미치는지 파악할 수 있다. 유전 알고리즘을 기초로 여러 방법을 혼합한 적응 학습은 우수한 학생 뿐만 아니라 물리학의 기초가 부족한 학생에게 대응할 수 있도록 함으로써 학습 격차 문제를 해소하는 데에 도움을 줄 수 있다. 자연어 처리를 활용한 학습자의 응답에 대한 분석은 선다형 문제가 가지는 학습자의 이해와 사고의 제한적 평가 문제를 해결하고, 과정 중심 평가가 보다 현장 속에서 자리잡을 수 있게 하는 데에 도움을 줄 수 있다. 컴퓨터 비전과 시뮬레이션을 활용한 교육은 온라인에서의 주의결핍이나 집중력 저하 문제를 해결하고, 중고등학교에서의 실험 부족과 추상적 물리 개념 이해를 돕는 새로운 대안으로 제시될 수 있다.

Keywords: 인공지능, 딥러닝, 머신러닝, 적응 학습, 학습 성과 예측

Stats or Metrics

Share this article on :

Related articles in NPSM