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 결과54건

검색 결과 제목

  1. 41관계가 빽빽해지면 선 그림보다 행렬이 더 읽기 쉬울까?
  2. 42인공지능(AI)가 쓸 만한 정리를 찾으면 증명도 끝난 걸까?
  3. 43한쪽만 유의하면 두 효과가 서로 다른 걸까?
  4. 44시각형 학습자에게 그림 수업이 언제나 더 좋을까?
  5. 45시각화가 틀리면 어느 단계부터 다시 봐야 할까?
그래프 밀도, 과제 종류, 표상 선택를 연결해 조건과 범위를 확인하는 교육용 도식.

관계가 빽빽해지면 선 그림보다 행렬이 더 읽기 쉬울까?

그래프 밀도, 과제 종류, 표상 선택를 연결해 조건과 범위를 확인하는 교육용 도식.
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 일반

관계가 빽빽해지면 선 그림보다 행렬이 더 읽기 쉬울까?

네트워크 시각화 통제 실험은 노드-링크와 인접 행렬의 장점이 그래프 크기·밀도·과제에 따라 달라짐을 보여 줍니다.

A Comparison of the Readability of Graphs Using Node-Link and Matrix-Based Representations

게시 2026-09-12 · 약 9분해외 논리학 연구 해설 읽기 →
최종 목표 '라벨이 있고 날짜가 있다'가 '라벨이 있다: 전제로 해결'과 '날짜가 있다: 근거 필요'라는 두 하위 목표로 분기한다.

인공지능(AI)가 쓸 만한 정리를 찾으면 증명도 끝난 걸까?

최종 목표 '라벨이 있고 날짜가 있다'가 '라벨이 있다: 전제로 해결'과 '날짜가 있다: 근거 필요'라는 두 하위 목표로 분기한다.
인공지능과 논리해외 학술 연구 · 연구 해설 · 심화

인공지능(AI)가 쓸 만한 정리를 찾으면 증명도 끝난 걸까?

린도조 연구에서 전제 검색, 다음 단계 제안, 형식 검증의 역할을 나눕니다. 증명의 빈칸이 어떻게 드러나는지 살펴봅니다.

LeanDojo: Theorem Proving with Retrieval-Augmented Language Models

게시 2026-09-12 · 약 7분해외 논리학 연구 해설 읽기 →
가 반 효과 4 표준오차 1.9와 나 반 효과 2 표준오차 1.9를 각각 영과 비교하고, 차이 2의 표준오차 약 2.69를 직접 비교한 표.

한쪽만 유의하면 두 효과가 서로 다른 걸까?

가 반 효과 4 표준오차 1.9와 나 반 효과 2 표준오차 1.9를 각각 영과 비교하고, 차이 2의 표준오차 약 2.69를 직접 비교한 표.
증거·확률·인과관계해외 학술 연구 · 연구 해설 · 일반

한쪽만 유의하면 두 효과가 서로 다른 걸까?

p<.05와 p>.05의 경계 비교는 두 효과의 차이 검정이 아닙니다. 추정치의 차이와 그 불확실성을 직접 계산해야 합니다.

The Difference Between ‘Significant’ and ‘Not Significant’ is not Itself Statistically Significant

게시 2026-09-12 · 약 10분해외 논리학 연구 해설 읽기 →
그림 선호 집단과 문장 선호 집단 모두 그림 수업 8점, 문장 수업 6점인 가상 2×2 비교표. 선호에 따른 유리한 방식의 역전은 없다.

시각형 학습자에게 그림 수업이 언제나 더 좋을까?

그림 선호 집단과 문장 선호 집단 모두 그림 수업 8점, 문장 수업 6점인 가상 2×2 비교표. 선호에 따른 유리한 방식의 역전은 없다.
논리교육과 평가해외 학술 연구 · 연구 해설 · 일반

시각형 학습자에게 그림 수업이 언제나 더 좋을까?

학습양식 검토 논문은 선호에 맞춘 수업이 더 효과적인지를 어떤 설계로 확인해야 하는지 묻습니다. 선호와 학습 성과를 구별합니다.

Learning Styles: Concepts and Evidence

게시 2026-09-12 · 약 8분해외 논리학 연구 해설 읽기 →
영역 문제, 추상화, 표현·알고리즘의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.

시각화가 틀리면 어느 단계부터 다시 봐야 할까?

영역 문제, 추상화, 표현·알고리즘의 관계와 검토 지점을 설명하는 LTCT 교육용 도식.
다이어그램과 시각추론해외 학술 연구 · 연구 해설 · 일반

시각화가 틀리면 어느 단계부터 다시 봐야 할까?

Munzner의 중첩 모형은 시각화의 네 설계 층을 나누고, 위층의 오해가 아래층의 정교한 구현까지 연쇄적으로 무효화할 수 있음을 보입니다.

A Nested Model for Visualization Design and Validation

게시 2026-09-12 · 약 10분해외 논리학 연구 해설 읽기 →

41–45 / 54편