STEM+I 생각교실 운영 사업 교육 프로그램 2022 최적화 데이터 분석 아주대학교 과학영재교육원 2022년 STEM+I 생각교실 운영 사업 교육 프로그램 프로그램 개요 아주대학교 프로그램명 주요 과목 요소 주 개발자명 주요 수업 개요 차시별 주요내용 (키워드 위주) (신규/수정보 완) 최적화와 데이터 분석 수학2 관련 과목 STEM+I 주요 적용 학년 고2 개발차시 4 구분 기관명 M 수정보완 주요 단원 미분 관련 단원 도함수의 활용 적용 지역 보조 개발자 - 캐릭터의 움직이는 속도를 변화시키거나, 왕복이동시키는 움직임을 구 현해보고, 자신만의 창의적인 움직임을 구현하는 코딩을 작성해 본다. 1차시 – 최적화 2차시 – 최적화의 원리와 데이터 수집 3차시 – 선현회귀 데이터 분석 4차시 - 데이터 분석 보고서 작성 (최적화와 데이터 분석) 교수·학습 지도안 최적화와 데이터 분석 주제 수업일시 2022년 10월 20일 4교시 수업대상 2학년 수업교사 대단원명 소단원명 Ⅱ. 미분 2. 도함수의 활용 03. 함수의 극대와 극소 수업방법 강의 및 발표 수업차시 (해당/전체) 수업 주제(단원) 명 최적화의 이해와 원리 수업형태 강의 및 발표수업 STEM요 소 연계 과목 기술,과학 S ○ T 최화식 1 4 E M ○ 성취기준 [12수학Ⅱ02-08] 함수의 증가와 감소, 극대와 극소를 판정하고 설명할 수 있다. 학습목표 최적화의 의미와 극대극소의 의미를 이해한다. 수업단계 교수⋅학습 활동 수업자료 및 유의점 ▸ 전시학습확인 함수의 최솟값과 최댓값의 의미를 확인한다. 도입 (5분) ▸ 동기유발 핵심적인 개념 및 정보 일상생활에서 최솟값을 구하는 경우를 생각해 본다. 제공 ▸ 학습목표안내 또는 수업흐름 안내 함수의 최댓값, 최솟값과 최적화의 관계 탐구 ▸ 강의주제1: 최적화 사례 - 아마존과 같은 기억에서 최적화 사례 탐구 - 최솟값을 갖는 방식을 이용하여 DATA 조작 여부 분석 학생들이 최적화와 관련된 다양항 상황을 전개 (40분) 생각해보고 자신의 의견을 발표하고 토론하는 시간을 가짐. ▸ 강의주제2: 함수의 증가, 감소, 극대와 극소의 이해 - 함수에서 도함수와 증가, 감소의 관계 이해 - 극값의 상태와 증가, 감소 관계 이해 정리 및 평가 (5분) ▸ 정리 : 오늘 배운 학습 내용에 대한 간략한 정리 ▸ 차시 예고 : 앞으로 수업전개 설명 - 4 - (최적화와 데이터 분석) 교수·학습 지도안 최적화와 데이터 분석 주제 수업일시 대단원명 소단원명 주제(단원) 명 2022년 10월 25일 2교시 Ⅱ. 미분 2. 도함수의 활용 03. 함수의 극대와 극소 최적화 이해와 자료수집 연계 과목 정보, 공학 수업대상 2학년 수업교사 수업방법 강의 및 실습 수업형태 실습 STEM요 소 S T 수업차시 최화식 2 4 (해당/전체) ○ E M ○ 성취기준 [12수학Ⅱ02-08] 함수의 증가와 감소, 극대와 극소를 판정하고 설명할 수 있다. 학습목표 최적화의 원리를 이해하고 분석하고자 하는 데이터 수집할 수 있다. 수업단계 교수⋅학습 활동 수업자료 및 유의점 ▸ 전시학습확인 함수의 극값의 구하는 방법을 확인한다. 도입 (5분) ▸ 동기유발 핵심적인 개념 및 정보 DATA에 가장 가까운 직선을 어떻게 찾을지 생각해 본다. 제공 ▸ 학습목표안내 또는 수업흐름 안내 데이터를 분석하는 방법 탐구 ▸ 강의주제1: 데이터를 가지고 추세선 찾아보기 - 간단한 데이터에서 극값을 이용하여 추세선의 기울기 구해보기 - 추세선의 의미 해석해보기 추세선을 찾는 과정과 전개 (40분) 미분의 관계를 충분히 이해시킨다. ▸ 강의주제2: 분석하고자 하는 데이터 자료 찾기 - 분석하고자 하는 데이터 찾기 - 간단한 데이터에서 극값을 이용하여 추세선의 기울기 구해보기 정리 및 평가 (5분) ▸ 정리 : 오늘 배운 학습 내용에 대한 간략한 정리 ▸ 차시 예고 : 앞으로 수업전개 설명 - 22 - (최적화와 데이터 분석) 교수·학습 지도안 최적화와 데이터 분석 주제 수업일시 대단원명 소단원명 2022년 10월 26일 3교시 수업대상 Ⅱ. 미분 2. 도함수의 활용 03. 함수의 극대와 극소 주제(단원) 명 프로그램을 통한 추세선 찾기 수업교사 수업차시 수업방법 실습 수업형태 프로그램 실습 STEM요 소 연계 과목 정보, 공학 2학년 S 최화식 3 4 (해당/전체) T ○ E M ○ 성취기준 [12수학Ⅱ02-08] 함수의 증가와 감소, 극대와 극소를 판정하고 설명할 수 있다. 지오지브라를 이용하여 선형회귀 데이터 분석을 할 수 있다. 학습목표 수업단계 교수⋅학습 활동 수업자료 및 유의점 ▸ 전시학습확인 극대극소를 이용하여 추세선의 기울기를 구해본다. 도입 (5분) ▸ 동기유발 핵심적인 개념 및 정보 프로그램의 유용성에 대해 생각해 본다. 제공 ▸ 학습목표안내 또는 수업흐름 안내 컴퓨터 프로그램을 이용한 데이터 분석 ▸ 강의주제1: 프로그램 활용방법의 이해 - 지오지브라 기본 사용법 이해 - 지오지브라를 이용하여 추세선 구하는 방법 이해 지오지브라 프로그램 전개 (40분) 사용법에 대해 충분히 설명한다. ▸ 강의주제2: 프로그램으로 데이터 분석하기 - 자신이 찾은 데이터를 입력하여 추세선을 그려보고, 추세선의 기울기를 구해보 기 - 지오지브라 프로그램으로 미래 결과를 예측해보고 데이터 분석해보기 정리 및 평가 (5분) ▸ 정리 : 오늘 배운 학습 내용에 대한 간략한 정리 ▸ 차시 예고 : 앞으로 수업전개 설명 - 37 - (최적화와 데이터 분석) 교수·학습 지도안 최적화와 데이터 분석 주제 수업일시 대단원명 소단원명 주제(단원) 명 2022년 10월 27일 4교시 수업대상 Ⅱ. 미분 2. 도함수의 활용 03. 함수의 극대와 극소 데이터 분석 보고서 작성하기 2학년 수업방법 발표수업 수업형태 발표수업 STEM요 소 연계 과목 정보, 공학 S 수업교사 최화식 수업차시 4 4 (해당/전체) T ○ E M ○ 성취기준 [12수학Ⅱ02-08] 함수의 증가와 감소, 극대와 극소를 판정하고 설명할 수 있다. 학습목표 데이터를 분석하고 해석하여 결과 보고서 작성 및 발표할 수 있다. 수업단계 교수⋅학습 활동 수업자료 및 유의점 ▸ 전시학습확인 지오지브라를 이용하여 추세선 구하는 방법을 상기한다. 도입 (5분) ▸ 동기유발 핵심적인 개념 및 정보 프로그램의 유용성에 대해 생각해 본다. 제공 ▸ 학습목표안내 또는 수업흐름 안내 자신이 분석한 자료를 정리하여 보고서로 작성하고 발표한다. ▸ 강의주제1: 데이터 분석 보고서 작성하기 - 지오지브라를 이용하여 분석한 내용을 바탕으로 미래 결과를 예측하는 데이터 분석 보고서 작성 보고서를 발표하고 상호 전개 (40분) 평가하는 과정에서 긍정적인 요소를 찾을 수 있도록 한다. ▸ 강의주제2: 분석 보고서 발표 및 평가하기 - 자신이 작성한 보고서를 발표하고 상호 평가하기 정리 및 평가 (5분) ▸ 정리 : 오늘 배운 학습 내용에 대한 간략한 정리 ▸ 차시 예고 : 앞으로 수업전개 설명 - 52 - 

STEM+I 생각교실 운영 사업 교육 프로그램 2022 K-MEANS CLUSTERING 분류 분석 경북대학교 과학영재교육원 2022년 STEM+I 생각교실 운영 사업 교육 프로그램 프로그램 개요 (신규/수정보 완) 과학영재교육원 프로그램명 정보 주요 단원 관련 과목 수학 관련 단원 M, T 적용 지역 요소 신규 K-MEANS CLUSTERING 분류 분석 주요 과목 STEM+I 주요 적용 학년 개발차 구분 경북대학교 기관명 시 중1 6 정보 1. 정보 문화, 3. 문제해결과 프로그래밍 초6 자료와 가능성 중3 통계 자료 분석 보조 주 개발자명 개발자 이 프로그램은 인공지능 학습방법인 머신러닝 비지도학습 중 K-means clustering 방법에 대해 학습한다. 인공지능, 기계학습의 기본개념을 익히고 지도학습과 비지도 학습을 구분할 수 있고 실생활 에서의 적용 사례를 찾을 수 있다. K-means clustering에 활용되는 주요 수업 개요 수학적 기초 지식인 데이터의 평균 구하기를 익힌다. 언플러드 학습과 시뮬레이션 체험으로 K-means clustering의 기본원리를 익힌다. K-means clustering을 적용하여 자신의 스마트폰 활용 시간을 바탕으 로 사용 정도를 구분하는 엔트리 프로그램을 구현한다. 스스로 주제를 선정하고, K-means clustering을 이용하여 분류해 볼 수 있는 계획서 를 작성하고 자신이 계획한 데이터 분류의 유용성과 활용성에 대하여 발표하는 시간을 갖는다. 1차시 : 인공지능의 기본 개념 이해하기 2차시 : 지도학습을 티처블 머신을 이용하여 체험하고 지도학습 사례 찾아보기 3차시 : 비지도학습 K-means clustering 군집 알고리즘을 언플러그 차시별 드 학습을 통해 이해하고 및 시뮬레이션 해보기, k-평균 군집 주요내용 (키워드 위주) 알고리즘을 적용할 데이터 수집 4차시 : K-means clustering 알고리즘을 적용한 엔트리 프로그램 구 현하기 5차시 : K-means clustering 알고리즘을 적용해보고 싶은 데이터 선 정 및 프로그램 계획서 작성하기 6차시 : 계획서 발표 및 자기평가 및 동료평가하기 [ STEM+I 생각교실 교육 프로그램 ] 차 시 인공지능 기계학습에 대한 이해 1-2 ■ 학습 목표 1. 인공지능, 기계학습, 지도-비지도 학습의 관계를 설명할 수 있다. 2. 비지도 학습의 K-means Clustering의 원리를 이해한다. ■ 주요 학습 개념 인공지능, 기계학습, 지도학습, 비지도학습, K-means Clustering ■ 활동 과정 요약 동기 유발 인공지능 관련 영상을 시청하고 인공지능이 정보사회에 미치는 영향을 생각해본다. ò ò 기본개념 이해 인공지능의 기본개념을 이해하기 위해 인공지능, 기계학습, 지도학습, 비지도학습의 개념을 찾아 정리한다. ò ò 기본개념 도식화 하기 인공지능 관련 기본개념을 정리하고 도식화하여 포함관계를 통해 이해를 돕는다. ò ò 체험으로 지도학습 이해하기 지도학습의 이해를 돕기 위해 티처블 머신에서 마스크 인식 여부를 확인해보는 체험활동을 한다. ò ò 사례 찾기 지도학습이 적용된 실생활 사례를 찾아보고 어떻게 학습이 이뤄졌는지 탐색해본다. ò ò 비지도학습 이해하기 비지도학습의 이해를 돕는 언플러그드 활동을 한다. 언플러그드의 도움 영상을 시청하고 활동을 진행한다. - 5 - 차 시 프로그램을 이용한 K-means Clustering 3-4 ■ 학습 목표 1. K-means Clustering 할 수 있는 데이터 수집하고 확인할 수 있다. 2. 프로그램을 이용하여 K-means Clustering 하여 데이터를 분류할 수 있다. ■ 주요 학습 개념 K-means Clustering, 데이터, 비지도학습. ■ 활동 과정 요약 문제 배경 k-means Clustering을 적용할 수 있는 문제 배경을 안내한다. ò ò k-means Clustering 원리 이해 k-means Clustering 원리를 이해하고 알고리즘을 정리한다. ò ò 데이터 수집 k-means Clustering을 적용할 데이터를 수집한다. ò ò 엔트리 프로그램 구현하기 엔트리에서 k-means Clustering이 적용된 비지도 학습(군집:숫자)을 이용하여 수집한 데이터를 적용한 프로그램을 구현한다. ■ 활동지 1. 문제 배경 중1, 고1에 실시하는 인터넷·스마트폰 진단조사에서는 점수에 의해 일반, 주의, 위험으로 분류됩니 다. 사용 습관이 매우 좋지 않으면 주의와 위험으로 분류되고 대부분은 일반으로 분류됩니다. 일반 으로 분류된 학생들은 본인의 스마트폰 사용 습관이 나쁘지 않다고 생각합니다. 학생들의 스마트 폰 사용 시간을 상, 중, 하로 분류하여 학교 내에서 자신의 사용 습관을 파악하면 스마트폰 사용 습관을 확인하는 데 도움이 될 것입니다. 자신의 스마트폰 사용 시간을 입력하면 ‘당신은 우리 학 교에서 스마트폰 사용 시간이 (많음 or 보통 or 적음)입니다 .’라고 안내하는 프로그램을 만들 수 있습니다. - 13 - 차 시 K-means clustering 설계, 제작, 테스트 및 발표하기 5-6 ■ 학습 목표 1. 실생활 속 다양한 데이터를 수집, 분류하고 K-means clustering을 적용한 프로그램을 스스로 제작 발표 할 수 있다. 2. 프로그램을 만들기 위해 분류한 데이터의 유용성과 활용성을 분석하고, 이에 대해 발표할 수 있다. ■ 주요 학습 개념 K-means Clustering, 데이터의 수집과 분류 ■ 활동 과정 요약 [설계하기] K-means clustering 기본원리를 적용할 수 있는 주제를 선정하여 테이터 전체 설계 및 토의 를 수집, 분류한다. 엔트리 프로그램을 활용하여 진단 검사지를 제작한 후 적용해 본다. [제작 및 테스트 단계] 주제선정 모둠별로 진단검사를 시행할 수 있는 주제를 선정한다. ò ò 데이터 수집 및 분류 선정한 주제와 관련된 데이터를 수집하고 K-means Clustering 할 수 있도록 스프레드시트를 이용하여 데이터 파일 생성한다. ò ò 엔트리 프로그램 적용 엔트리 프로그램을 통해 인공지능 모델 학습하고 결과를 확인한다. ò ò 오류 점검 및 수정 오류 발견 때 데이터 분류 및 엔트리 프로그램 적용 과정을 확인 및 수정한다. [발표하기] 발표 및 질의 프로그램을 만들기 위해 분류한 데이터의 유용성과 활용성을 분석하고, 이에 대해 발표 후 질의응답 시간을 갖는다. - 22 -