한곳에서 찾는 논리 자료

통합검색

연구와 학습, 시험과 도서를 한곳에서 찾습니다.

검색 결과마다 자료의 코너와 성격을 표시합니다. 제목을 먼저 살펴보고 그림 카드와 기존 본문으로 이어 가세요.

세 연구자가 논문과 도표를 함께 검토하고 작은 갈색 안경 올빼미가 곁에서 책을 읽는 모습

관심 주제로 찾아보기

조건 초기화

검색 결과19건

검색 결과 제목

  1. 1백분율을 사람 수로 바꾸면 기저율의 분모가 보일까?
  2. 2효과가 없어야 할 대조군에서 효과가 보이면 무엇을 의심해야 할까?
  3. 3풀이 예시를 보여 주면 작은 인공지능(AI)도 추론을 잘하게 될까?
  4. 4수업 중 활동을 넣기만 하면 능동학습이 될까?
  5. 5숨은 변수가 얼마나 강해야 관찰된 효과를 지울 수 있을까?
천 명을 해당자와 비해당자로 먼저 나누고 각 갈래의 양성을 세어 양성자 가운데 실제 해당자를 비교하는 빈도 나무

백분율을 사람 수로 바꾸면 기저율의 분모가 보일까?

천 명을 해당자와 비해당자로 먼저 나누고 각 갈래의 양성을 세어 양성자 가운데 실제 해당자를 비교하는 빈도 나무
인간의 사고와 추론해외 학술 연구 · 연구 해설 · 일반

백분율을 사람 수로 바꾸면 기저율의 분모가 보일까?

기저율·민감도·거짓양성률을 같은 기준 인원의 자연 빈도로 바꾸어, 양성자 가운데 실제 해당자를 결정하는 분모를 직접 확인합니다.

How to Improve Bayesian Reasoning Without Instruction: Frequency Formats

게시 2026-10-07 · 약 10분해외 논리학 연구 해설 읽기 →
숨은 원인이 주 노출·주 결과·음성 대조 결과에 연결되고, 노출에서 음성 대조로 가는 직접 화살표는 없어야 함을 표시한 DAG.

효과가 없어야 할 대조군에서 효과가 보이면 무엇을 의심해야 할까?

숨은 원인이 주 노출·주 결과·음성 대조 결과에 연결되고, 노출에서 음성 대조로 가는 직접 화살표는 없어야 함을 표시한 DAG.
증거·확률·인과관계해외 학술 연구 · 연구 해설 · 심화

효과가 없어야 할 대조군에서 효과가 보이면 무엇을 의심해야 할까?

Lipsitch 등의 음성 대조 개념을 통해 관찰연구의 숨은 교란과 편향을 진단하는 법을 탐구합니다.

Negative Controls: A Tool for Detecting Confounding and Bias in Observational Studies

게시 2026-09-26 · 약 12분해외 논리학 연구 해설 읽기 →
작은·중간·큰 모형에서 표준 답과 풀이 예시의 가상 성능 차이가 다르게 나타나는 계단형 그래프.

풀이 예시를 보여 주면 작은 인공지능(AI)도 추론을 잘하게 될까?

작은·중간·큰 모형에서 표준 답과 풀이 예시의 가상 성능 차이가 다르게 나타나는 계단형 그래프.
인공지능과 논리해외 학술 연구 · 연구 해설 · 심화

풀이 예시를 보여 주면 작은 인공지능(AI)도 추론을 잘하게 될까?

Wei 등의 연쇄 사고 촉진 연구를 모델 규모별로 읽고, 풀이 형식과 실제 추론 능력을 구분합니다.

Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

게시 2026-09-26 · 약 12분해외 논리학 연구 해설 읽기 →
50분 수업을 설명, 개별 추론, 짝 토론, 전체 비교, 정리로 나누고 실제 사고 참여 시간을 표시한 막대.

수업 중 활동을 넣기만 하면 능동학습이 될까?

50분 수업을 설명, 개별 추론, 짝 토론, 전체 비교, 정리로 나누고 실제 사고 참여 시간을 표시한 막대.
논리교육과 평가해외 학술 연구 · 연구 해설 · 심화

수업 중 활동을 넣기만 하면 능동학습이 될까?

Freeman 등의 225개 연구 메타분석을 읽고, 강의와 능동학습의 비교 결과·연구 설계·일반화 한계를 구분하며 수업 활동의 실제 사고 시간을 설계합니다.

Active Learning Increases Student Performance in Science, Engineering, and Mathematics

게시 2026-09-24 · 약 10분해외 논리학 연구 해설 읽기 →
관찰된 위험비 1.0, 1.5, 2.0, 3.0에 따라 E-value가 1.0, 2.37, 3.41, 5.45로 증가하는 선 그래프.

숨은 변수가 얼마나 강해야 관찰된 효과를 지울 수 있을까?

관찰된 위험비 1.0, 1.5, 2.0, 3.0에 따라 E-value가 1.0, 2.37, 3.41, 5.45로 증가하는 선 그래프.
증거·확률·인과관계해외 학술 연구 · 연구 해설 · 일반

숨은 변수가 얼마나 강해야 관찰된 효과를 지울 수 있을까?

E-value는 관찰연구의 결과를 설명해 없애려면 측정하지 못한 교란이 노출·결과와 얼마나 강하게 연관돼야 하는지 위험비 척도로 묻습니다.

Sensitivity Analysis in Observational Research: Introducing the E-Value

게시 2026-09-21 · 약 9분해외 논리학 연구 해설 읽기 →

1–5 / 19편