441 편의 논문
본 연구는 컴퓨터 기반 평가에서 도출된 문항 조정 프로세스 지표가 엄격한 학교 수준의 표본 외 검증 설계 하에서도 기존의 설문 데이터보다 한국 학생들의 수학 성취도를 예측하는 데 유의미하게 기여함을 입증한다.
본 연구는 체계적 문헌고찰의 검색 전략에 대한 방법론적 품질을 평가하고 개선하여 편향을 줄이고 재현성을 높이기 위해, 7개 기준에 걸친 39개 지표로 구성된 실용적인 체계를 개발하였다.
이 논문은 기능적 출력 시뮬레이터를 위한 고도로 확장 가능하고 모듈화된 에뮬레이터를 소개하며, 이는 전역 가우시안 프로세스 길이 척도 추정치를 활용하여 빠른 국소 회귀를 가능하게 함으로써 복잡한 다물리 모델의 효율적인 능동 학습과 신속한 보정을 용이하게 하고, 완전 베이지안 접근 방식에 비해 계산 비용을 크게 절감한다.
홍수 피해를 입은 케랄라 지역의 4,719가구를 대상으로 한 2018년 조사 데이터를 활용한 이 연구는 대피 통보가 대피 가능성을 유의미하게 높이며, 특히 대상 맞춤형 대면 경고가 고위험 및 취약 계층에게 매우 효과적이라는 점을 입증한다.
본 연구는 위키데이터 내 Getty ULAN과 미국 의회도서관 권위 레코드 간의 일치가 독립적인 상호 검증을 보장하지 않음을 입증하며, 상당 부분의 링크가 전파되었거나 추적 불가능하여 독립성 비율이 통계적으로 불확정적인 상태로 남아 있음을 보여주고, 이는 링크드 데이터 워크플로에서 출처 의존성을 명시적으로 모델링해야 할 결정적인 필요성을 강조한다.
이 논문은 딥 코스(deep Cox) 비례 위험 신경망에 케이스-코호트 리스크-셋 샘플링(case-cohort risk-set sampling)을 최초로 통합하고 이를 평가하며, 중첩 케이스-컨트롤 샘플링이 전체 리스크-셋 성능을 일관되게 근사하는 반면, 미니 배치 학습을 통해 케이스-코호트 샘플링이 상당한 계산 비용 절감과 함께 대등한 정확도를 달성할 수 있음을 입증한다.
본 연구는 데이터가 극도로 부족한 상황에서의 소지역 고용 추정에 있어 동적 베이지안 계층 모델이 정확도와 불확실성 정량화 측면에서 머신러닝 추정치보다 우수한 성능을 보이는 반면, 표본 크기와 보조 데이터의 품질이 개선됨에 따라 머신러닝 방식이 경쟁력을 갖추게 된다는 점을 입증하며, 이는 데이터가 빈약한 환경에서의 방법론 선택에 대한 실질적인 지침을 제공한다.
바이오수학(biomathematics) 과목에 플립드 러닝(Flipped Classroom) 모델을 적용한 이 설계 기반 연구(Design-Based Research)는 학생들이 매우 높은 학업 성취도를 달しまった 반면, 이들의 자기 평가 팀워크 속성은 일반적으로 하락하였는데, 이는 복잡한 소프트웨어 도구를 익히는 과정에서 발생하는 인지 부하의 증가로 인한 '반응 변화(response shift)' 때문인 것으로 보인다.
이 논문은 GUM(측정 불확도 표현 지침)을 준수하는 불확도 예산과 분해능 곡선을 구축함으로써, 제어되지 않은 온도 및 통계적 오류와 같은 일반적인 실험 설계 결함이 전도도 연구에서 위양성률을 급격히 높인다는 점을 입증하며, 궁극적으로 저자의 기존에 보고된 데이터가 물리화학적 성질의 변화를 주장하는 데 필요한 엄격한 검출 한계를 충족하지 못함을 증명한다.
본 연구는 의료 분야에서의 인공지능에 대한 대중의 수용도가 임상적 결과에 따라 순차적인 위계 구조를 따르며, 독일어 및 이탈리아어 사용 인구 집단 전반에 걸쳐 불변하고, 고유하게 결정된 문항 세트가 부재함에도 불구하고 5개 문항의 단축형으로 효과적으로 포착될 수 있음을 입증한다.