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 결과21건

검색 결과 제목

  1. 11탐구수업은 학생이 스스로 할수록 더 효과적일까?
  2. 128,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?
  3. 13논리 기호의 뜻을 진리표 없이 설명할 수 있을까?
  4. 14큰 정리를 작은 목표로 나누면 인공지능(AI) 증명은 더 강해질까?
  5. 15정답을 잘 고르는 인공지능(AI)는 반례도 잘 만들까?
탐구수업을 절차 인식론 개념 사회의 네 요소로 나누고, 전체 평균 효과 0.50과 교사 주도 연구가 학생 주도보다 약 0.40 큰 연구 수준 차이를 표시한다.

탐구수업은 학생이 스스로 할수록 더 효과적일까?

탐구수업을 절차 인식론 개념 사회의 네 요소로 나누고, 전체 평균 효과 0.50과 교사 주도 연구가 학생 주도보다 약 0.40 큰 연구 수준 차이를 표시한다.
논리교육과 평가해외 학술 연구 · 연구 해설 · 심화

탐구수업은 학생이 스스로 할수록 더 효과적일까?

37개 실험·준실험을 종합한 연구는 ‘탐구’의 구성요소와 교사 주도 정도를 구분해야 평균 효과를 해석할 수 있음을 보여 줍니다.

Experimental and Quasi-Experimental Studies of Inquiry-Based Science Teaching: A Meta-Analysis

게시 2026-09-13 · 약 8분해외 논리학 연구 해설 읽기 →
한 문제에서 첫 후보 하나와 8192개 후보 묶음이 각각 검증기로 들어가 pass at 1과 pass at 8192로 나뉘는 도식

8,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?

한 문제에서 첫 후보 하나와 8192개 후보 묶음이 각각 검증기로 들어가 pass at 1과 pass at 8192로 나뉘는 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

8,192번 중 한 번 성공한 80.7%를 ‘한 번의 실력’으로 읽어도 될까?

Kimina-Prover Preview v1의 강화학습과 miniF2F pass@8192 결과를 살펴보며 대규모 후보 탐색 성과와 단일 시도 능력, 형식 검증 비용을 구분한다.

Kimina-Prover Preview: Towards Large Formal Reasoning Models with Reinforcement Learning

게시 2026-09-13 · 약 10분해외 논리학 연구 해설 읽기 →
큰 정리를 작은 목표로 나누면 AI 증명은 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식

큰 정리를 작은 목표로 나누면 인공지능(AI) 증명은 더 강해질까?

큰 정리를 작은 목표로 나누면 AI 증명은 더 강해질까?의 질문, 방법, 결과와 적용 범위를 세 단계 카드로 정리한 교육용 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

큰 정리를 작은 목표로 나누면 인공지능(AI) 증명은 더 강해질까?

DeepSeek-Prover-V2는 비형식 풀이를 하위 목표로 재귀 분해해 형식 추론의 학습 자료와 보상 구조를 만든다.

DeepSeek-Prover-V2: Advancing Formal Mathematical Reasoning via Reinforcement Learning for Subgoal Decomposition

게시 2026-09-13 · 약 11분해외 논리학 연구 해설 읽기 →
하나의 추론 문제를 논리 표현, 반례 구성, 타당성 판정의 세 과제로 나누고 마지막에 서로 모순 없는지 대조하는 교육용 평가 그림.

정답을 잘 고르는 인공지능(AI)는 반례도 잘 만들까?

하나의 추론 문제를 논리 표현, 반례 구성, 타당성 판정의 세 과제로 나누고 마지막에 서로 모순 없는지 대조하는 교육용 평가 그림.
인공지능과 논리해외 학술 연구 · 연구 해설 · 심화

정답을 잘 고르는 인공지능(AI)는 반례도 잘 만들까?

2026년 9월 개정된 로직스킬스 연구는 문장의 논리적 표현, 반례 구성, 타당성 판단을 나누어 평가합니다.

LogicSkills: A Structured Benchmark for Formal Reasoning in Large Language Models

게시 2026-09-12 · 약 7분해외 논리학 연구 해설 읽기 →

11–15 / 21편