템플릿 기반의 상호대화형 전공강의시간표 작성지원시스템

장용식; 정예원

추천

검색

질문

자료유형: 학술저널

저자정보: 장용식 (한신대학교) 정예원 (한신대학교)

저널정보: 한국지능정보시스템학회 지능정보연구 지능정보연구 제16권 제3호

발행연도: 2010.9

수록면: 121 - 145 (25page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

매 학기마다 반복되는 대학의 강의시간표 작성 방법은 대학 상황에 따라 다르며, 교육환경의 변화에 따라 그 복잡도와 문제의 크기가 증가되는 NP-hard 문제로 알려져 있다. 그 동안, 효과적인 강의자원 배분을 위한 강의시간표 자동생성의 필요성으로 대학 강의시간표 작성에 관한 여러 방법의 연구가 진행되어 왔다. 일반적으로 교양과목 강의시간표는 대학행정부서에서, 전공과목은 학과에서 작성하는데 각 학과 단위의 전공강의시간표작성지원시스템은 학생들의 편의를 도모하고 수업의 효과와 전공강의자원의 효과적인 배분를 위해 중요한 역할을 한다. 이를 위하여 본 연구는 한신대학교의 새로운 강의시간표 작성체계에 따라, 사례 기반의 템플릿을 생성하고, 이로부터 규칙 기반의 상호대화형으로 효과적인 강의자원 배분이 가능한 전공강의시간표를 작성하는 두 단계 지원시스템을 제안하였으며, 사례 데이터를 이용한 프로토타입으로 그 효과를 검정하였다. 과거 사례와의 유사도는 학과 평균 41.72%로 템플릿의 유용성을 볼 수 있으며, 민감도 분석 결과에서 동일 시간 개설과목 허용 임계치를 90% 이상 설정한다면 강의시간표가 더 고른 분포를 갖게 됨을 검정하였다.

University timetabling depending on the educational environments of universities is an NP-hard problem that the amount of computation required to find solutions increases exponentially with the problem size. For many years, there have been lots of studies on university timetabling from the necessity of automatic timetable generation for students’ convenience and effective lesson, and for the effective allocation of subjects, lecturers, and classrooms. Timetables are classified into a course timetable and an examination timetable. This study focuses on the former.
In general, a course timetable for liberal arts is scheduled by the office of academic affairs and a course timetable for major subjects is scheduled by each department of a university. We found several problems from the analysis of current course timetabling in departments. First, it is time-consuming and inefficient for each department to do the routine and repetitive timetabling work manually. Second, many classes are concentrated into several time slots in a timetable. This tendency decreases the effectiveness of students’ classes. Third, several major subjects might overlap some required subjects in liberal arts at the same time slots in the timetable. In this case, it is required that students should choose only one from the overlapped subjects. Fourth, many subjects are lectured by same lecturers every year and most of lecturers prefer the same time slots for the subjects compared with last year. This means that it will be helpful if departments reuse the previous timetables.
To solve such problems and support the effective course timetabling in each department, this study proposes a university timetabling support system based on two phases. In the first phase, each department generates a timetable template from the most similar timetable case, which is based on case-based reasoning. In the second phase, the department schedules a timetable with the help of interactive user interface under the timetabling criteria, which is based on rule-based approach.
This study provides the illustrations of Hanshin University. We classified timetabling criteria into intrinsic and extrinsic criteria. In intrinsic criteria, there are three criteria related to lecturer, class, and classroom which are all hard constraints. In extrinsic criteria, there are four criteria related to ‘the numbers of lesson hours’ by the lecturer, ‘prohibition of lecture allocation to specific day-hours’ for committee members, ‘the number of subjects in the same day-hour,’ and ‘the use of common classrooms.’ In ‘the numbers of lesson hours’ by the lecturer, there are three kinds of criteria : ‘minimum number of lesson hours per week,’ ‘maximum number of lesson hours per week,’ ‘maximum number of lesson hours per day.’ Extrinsic criteria are also all hard constraints except for ‘minimum number of lesson hours per week’ considered as a soft constraint.
In addition, we proposed two indices for measuring similarities between subjects of current semester and subjects of the previous timetables, and for evaluating distribution degrees of a scheduled timetable. Similarity is measured by comparison of two attributes-subject name and its lecturer-between current semester and a previous semester. The index of distribution degree, based on information entropy, indicates a distribution of subjects in the timetable.
To show this study’s viability, we implemented a prototype system and performed experiments with the real data of Hanshin University. Average similarity from the most similar cases of all departments was estimated as 41.72%. It means that a timetable template generated from the most similar case will be helpful. Through sensitivity analysis, the result shows that distribution degree will increase if we set ‘the number of subjects in the same day-hour’ to more than 90%.

#Timetable #Case #Rule #Entropy

참고문헌 (30)

참고문헌 신청

2. [학술지(정기간행물)] - 박유석 / 1999 / 병렬 모집단 진화프로그램을 이용한 강의시간표 / 공업경영학회지 22 (52) : 275 ~ 284

4. [학술지(정기간행물)] - 윤상진 / 1997 / SCOT(Software for College Timetable) 소프트웨어의 개발 및 운용에 관한 연구 / 경영교육논총 14 : 313 ~ 354

6. [단행본] - Bardadym, V. A. / 1995 / Computer-aided school and university Timetable：The new wave / Springer

7. [학술지(정기간행물)] - Bardadym, V. A. / 1996 / Springer Lecture Notes in Computer Science Series / Berlin 1153 : 22 ~ 45

8. [학술지(정기간행물)] - Burke, E. K. / 1994 / A University Timetabling System based on Graph Colouring and Constraint Manipulation / Journal of Research on Computing in Education 27 (1) : 1 ~ 18

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Yong Sik Chang

소속기관 한신대학교

주요연구분야 사회과학 > 경영학 공학 > 산업공학

논문수 26 이용수 2,274

정예원

소속기관 한국외국어대학교

주요연구분야 공학 > 컴퓨터학 공학 > 산업공학

논문수 13 이용수 969

이 논문과 함께 이용한 논문

강의 시간표 최적화를 위한 제약 프로그래밍 모델

김춘식 , 황준하 한국컴퓨터정보학회 학술발표논문집 2017 .01

유전알고리즘을 이용한 강의시간표 작성 시스템 설계

강명주 한국컴퓨터정보학회 학술발표논문집 2011 .01

분산 제약조건 만족 특성을 이용한 다중 에이전트 기반 강의 시간표 자동화 시스템 설계

황경순 , 전중남 , 이건명 한국정보과학회 학술발표논문집 2002 .04

강의시간표 작성기법에 관한 연구 ( A Study on School Timetabling )

신영수 한국경영과학회지 1983 .10

자동 스케줄링을 위한 기능성 시간표

홍성주 , 김지현 , 김현우 한국정보과학회 학술발표논문집 2015 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2012-003-003595077

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (30)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)