초록 열기/닫기 버튼
Unlike behaviors that are generally known, information regarding unspecific behaviors is insufficient. For an education or guidance regarding the unspecific behaviors, collection and management of data regarding the unspecific behaviors of special-needs students are needed. In this paper, a consultation management model based on behavior classification of special-needs students using machine learning is proposed. It collects data by photographing the behavior of special students in real time, analyzes the behavior pattern, composes a data set, and trains it in the suggestion system. It is possible to improve the accuracy by comparing the behavior of special students photographed later into the suggestion system and analyzing the results by comparing it with the existing data again. The test has been performed by arbitrarily applying unspecific behaviors that are not stored in the database, and the forecast model has accurately classified and grouped the input data. Also, it has been verified that it is possible to accurately distinguish and classify the behaviors through the feature data of the behaviors even if there are some errors in the input process.
일반적으로 알려져 있는 행동에 비해 일반적으로 알려져 있지 않은 불특정 행동들에 대한 자료들은 부족한 실정이다. 특수학생들의 불특정 행동들에 대한 교육이나 지도를 위한 데이터 수집 및 관리가 필요하다. 본 논문에서는 기계 학습을 이용한 웹 기반의 특수학생 상담관리 모델을 제안한다. 실시간으로 특수학생들의 행동을 촬영하여 데이터를 수집하고, 행동패턴을 분석하여 데이터 셋을 구성하고 제안 시스템에 학습시킨다. 추후에 촬영되는 특수학생들의 행동을 제안시스템에 입력 및 분석을 통하여 기존 데이터와 비교하여 나온 결과를 다시 학습하여 정확도를 향상 시킬 수 있다. 데이터베이스에 저장되어 있지 않은 불특정 행동들을 임의로 행하여 테스트를 진행하였으며 예측 모델은 입력 데이터를 통해 정확하게 분류 및 그룹화 하였다. 또한 진입 과정에서 약간의 오차가 있더라도 행동의 특징 데이터를 통해 행동을 정확하게 구분 및 분류하는 것이 가능하다는 것을 확인 할 수 있었다.
키워드열기/닫기 버튼
특수학생, 불특정 행동, 기계 학습, 영상처리, 텐서플로우
