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 결과473건

검색 결과 제목

  1. 186‘모든 의사는 전문가다’ 같은 지식을 기계가 어떻게 모순 없이 묶을까?
  2. 187재미있는 문제를 만들기 전에 어떤 답을 능력의 증거로 볼지 정해야 할까?
  3. 188좋은 토론을 숫자로 평가하려면 무엇을 관찰해야 할까?
  4. 189정확하게 그린 학생이 새로운 문제도 꼭 잘 풀까?
  5. 190인공지능(AI)는 빠진 전제가 있는 논증도 같은 유형으로 분류할 수 있을까?
위쪽 TBox의 의사에서 전문가로 가는 포함 화살표와 아래쪽 ABox의 민지 사실이 결합되는 두 층 도식

‘모든 의사는 전문가다’ 같은 지식을 기계가 어떻게 모순 없이 묶을까?

위쪽 TBox의 의사에서 전문가로 가는 포함 화살표와 아래쪽 ABox의 민지 사실이 결합되는 두 층 도식
논리의 기초와 역사논리학 배우기 · 개념·이론 · 일반

‘모든 의사는 전문가다’ 같은 지식을 기계가 어떻게 모순 없이 묶을까?

기술논리의 개념·역할·개체 구분과 TBox·ABox 구조를 통해 분류, 포함, 만족 가능성 검사가 어떻게 지식 표현의 논리적 뼈대가 되는지 설명합니다.

Basic Description Logics

게시 2026-09-13 · 약 10분논리학 학습 글 읽기 →
능력 주장, 관찰할 증거, 과제 조건을 순서대로 연결한 LTCT 설계 예시. 부등호는 왼쪽에서 오른쪽의 배치 순서.

재미있는 문제를 만들기 전에 어떤 답을 능력의 증거로 볼지 정해야 할까?

능력 주장, 관찰할 증거, 과제 조건을 순서대로 연결한 LTCT 설계 예시. 부등호는 왼쪽에서 오른쪽의 배치 순서.
논리교육과 평가해외 학술 연구 · 연구 해설 · 일반

재미있는 문제를 만들기 전에 어떤 답을 능력의 증거로 볼지 정해야 할까?

증거 중심 평가 설계는 능력에 관한 주장, 관찰할 반응, 그 반응을 이끌 과제를 연결합니다. 조작형 시험을 설계할 때 필요한 순서를 알아봅니다.

Evidence-Centered Assessment Design: Layers, Structures, and Terminology

게시 2026-09-13 · 약 8분해외 논리학 연구 해설 읽기 →
숙의 규범이 관찰 가능한 발화 범주와 채점자 일치 검토를 거쳐 점수로 이어지는 흐름도

좋은 토론을 숫자로 평가하려면 무엇을 관찰해야 할까?

숙의 규범이 관찰 가능한 발화 범주와 채점자 일치 검토를 거쳐 점수로 이어지는 흐름도
논증과 대화해외 학술 연구 · 연구 해설 · 일반

좋은 토론을 숫자로 평가하려면 무엇을 관찰해야 할까?

담론 질 지수는 참여·정당화·공공선·존중 같은 규범을 관찰 가능한 발화 범주로 바꿉니다. 신뢰도와 타당도의 차이를 살펴봅니다.

Measuring Political Deliberation: A Discourse Quality Index

게시 2026-09-13 · 약 9분해외 논리학 연구 해설 읽기 →
센서·경보·관리자 확인 예시에서 회상은 요소 기억, 관계 표현은 정방향 연결, 전이는 역방향 확정 가능 여부를 각각 평가하는 표.

정확하게 그린 학생이 새로운 문제도 꼭 잘 풀까?

센서·경보·관리자 확인 예시에서 회상은 요소 기억, 관계 표현은 정방향 연결, 전이는 역방향 확정 가능 여부를 각각 평가하는 표.
논리교육과 평가해외 학술 연구 · 연구 해설 · 일반

정확하게 그린 학생이 새로운 문제도 꼭 잘 풀까?

직접 그리기 실험은 그림의 정확성, 내용 회상, 새로운 상황으로의 적용을 서로 다른 결과로 측정해야 함을 보여 줍니다.

Learning with self-generated drawings and the impact of learners’ emotional states

게시 2026-09-13 · 약 8분해외 논리학 연구 해설 읽기 →
표면 전제와 결론 사이 빈칸에 생략 전제를 복원한 뒤 유형 분류와 품질 평가로 갈라지는 도식

인공지능(AI)는 빠진 전제가 있는 논증도 같은 유형으로 분류할 수 있을까?

표면 전제와 결론 사이 빈칸에 생략 전제를 복원한 뒤 유형 분류와 품질 평가로 갈라지는 도식
인공지능과 논리해외 학술 연구 · 연구 해설 · 일반

인공지능(AI)는 빠진 전제가 있는 논증도 같은 유형으로 분류할 수 있을까?

ACL 2025 연구는 일곱 언어모델의 논증 유형 분류를 비교하며, 생략된 전제가 있는 엔티밈과 작은 모델에서 어려움이 커짐을 보였습니다.

Can Large Language Models Understand Argument Schemes?

게시 2026-09-13 · 약 9분해외 논리학 연구 해설 읽기 →

186–190 / 473편