학습 곡선
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
학습 곡선은 경험과 숙련도 간의 관계를 나타내는 그래프로, 심리학, 경제학, 경영학, 기계 학습 등 다양한 분야에서 활용된다. 심리학에서는 기억력 테스트 결과를 통해 학습 곡선 개념이 처음 제시되었으며, 이후 경제학 및 경영학에서는 생산 비용 감소를 설명하는 데 사용되었다. 기계 학습에서는 알고리즘 비교, 모델 매개변수 선택 등에 활용된다. 학습 곡선은 또한 자원과 기술의 한계, 혁신적인 변화 등 광범위한 의미로 해석되며, 문화적으로는 기술 습득 속도 또는 초기 학습의 어려움을 나타내는 표현으로 사용된다.
더 읽어볼만한 페이지
- 곡선 - 선적분
선적분은 스칼라장이나 벡터장의 곡선에 대한 적분으로, 함수의 종류와 곡선의 표현 방식에 따라 다양하게 정의되며, 물리학과 공학 등에서 활용된다. - 곡선 - 아스트로이드
아스트로이드는 별 모양의 곡선으로, `x2/3 + y2/3 = a2/3` (a는 상수)로 표현되는 6차 실수 대수곡선이며, 매개변수 방정식, 페달 방정식 등 다양한 수학적 표현으로 나타낼 수 있고, 면적은 (3/8)πa², 둘레는 6a이며, 원 내부에서 작은 원이 구르며 생기는 자취로도 설명된다. - 학습 - 연결주의
연결주의는 정신 현상을 단순한 단위들의 네트워크로 설명하는 인공지능 및 인지과학의 접근 방식이며, 뇌의 뉴런을 모방한 인공 신경망을 기반으로 학습을 통해 지식을 습득하고 다양한 분야에 응용된다. - 학습 - 능력
능력은 일 수행에 필요한 지식, 기술, 태도를 포괄하는 개념으로, 기술적 기능뿐 아니라 의사소통, 문제 해결 등의 다양한 역량을 포함하며, 개인의 성장과 사회 발전에 필수적인 요소이다. - 인지과학 - 연결주의
연결주의는 정신 현상을 단순한 단위들의 네트워크로 설명하는 인공지능 및 인지과학의 접근 방식이며, 뇌의 뉴런을 모방한 인공 신경망을 기반으로 학습을 통해 지식을 습득하고 다양한 분야에 응용된다. - 인지과학 - 마음
마음은 의식, 사고, 지각, 감정, 동기, 행동, 기억, 학습 등을 포괄하는 심리적 현상과 능력의 총체이며, 다양한 분야에서 연구되고 인간 삶의 중추적인 역할을 한다.
| 학습 곡선 | |
|---|---|
| 개요 | |
| 정의 | 경험에 따른 숙련도 향상을 나타내는 그래프 |
| 다른 이름 | 학습 곡선, 경험 곡선, 비용 곡선 |
| 관련 분야 | 심리학, 경제학, 산업공학 |
| 역사 | |
| 최초 연구 | 헤르만 에빙하우스의 기억 연구 (1885년) |
| 공식화 | 라이트의 항공기 생산 비용 분석 (1936년) |
| 학습 곡선의 형태 | |
| 일반적인 형태 | 처음에는 숙련도가 빠르게 향상되지만, 시간이 지남에 따라 향상 속도가 둔화됨 (수확 체감의 법칙) |
| 가파른 학습 곡선 | 초기에는 숙련도 향상이 더디지만, 특정 시점 이후 빠르게 향상되는 경우 |
| 학습 곡선의 활용 | |
| 개인적 활용 | 학습 진행 상황 추적 및 개선 |
| 기업적 활용 | 생산성 향상, 비용 절감, 인력 관리 |
| 기타 활용 | 수술, 운동, 게임 등 다양한 분야에서 숙련도 향상 분석 |
| 관련 개념 | |
| 기억 | 학습과 관련된 기억의 역할 |
| 숙련 | 경험을 통해 얻는 능력 |
| 지식 습득 | 새로운 정보나 기술을 배우는 과정 |
| 주의사항 | |
| 학습 곡선의 오해 | "가파른 학습 곡선"이 쉬운 학습을 의미하는 것으로 오해될 수 있음 (실제로는 어려운 학습을 의미) |
| 참고 문헌 | |
| 헤르만 에빙하우스 | 기억에 관한 실험 심리학 연구 |
| 라이트 | 항공기 생산 비용에 영향을 미치는 요인 분석 |
2. 심리학에서의 학습 곡선
헤르만 에빙하우스의 연구를 시작으로 학습 곡선에 대한 심리학적 연구가 진행되었다. 이후 여러 학자들에 의해 다양한 유형의 학습 곡선과 그 특징들이 연구되었다. 학습 곡선은 경험에 따른 학습의 변화를 나타내는 그래프로, 심리학 연구에서 중요한 도구로 활용된다.
2. 1. 초기 연구
1885년에 출판된 헤르만 에빙하우스의 기억력 테스트는 일련의 무의미 음절을 암기하고 여러 차례의 시행에 걸쳐 성공률을 기록하는 방식으로 진행되었다. 이 번역에서는 '학습 곡선'이라는 용어를 사용하지 않지만, 그는 시행 횟수에 따른 학습 다이어그램을 제시했다. 그는 또한 점수가 감소하거나 심지어 진동할 수도 있다고 언급했다.[3][33][6]

'학습 곡선'이라는 용어가 처음 사용된 것은 1903년이다. "브라이언과 하터(6)는 전신 언어 습득에 대한 연구에서 시작 부분에서 급격한 상승을 보인 다음 학습 속도가 느려지는 학습 곡선을 발견했으며, 따라서 수직축에 대해 볼록했다."[4][33]
심리학자 아서 빌스는 1934년에 학습 곡선에 대한 더 자세한 설명을 제시했다. 그는 또한 음의 가속, 양의 가속, 고원 및 오지브 곡선과 같은 다양한 유형의 학습 곡선의 속성에 대해서도 논의했다.[7]
2. 2. 학습 곡선의 유형
학습 곡선은 내포된 학습의 대리 측정값(숙련도 또는 한계로의 진행)을 경험과 함께 표시한 그래프이다.- 가로축은 경험을 직접 시간(시계 시간 또는 활동에 소요된 시간)으로 나타내거나 시간에 관련될 수 있다(실험 횟수 또는 총 생산량).
- 세로축은 '학습', '숙련도', '효율성', '생산성'의 다른 대리 측정값을 나타낸다. 증가(예: 시험 점수)하거나 감소(시험 완료 시간)할 수 있다.
일련의 실험에서 한 사람의 성과는 변동이 심할 수 있으며, 숙련도는 증가, 감소 또는 고원 상태로 수렴할 수 있다. 많은 개별 실험의 결과를 평균하면 부드러운 곡선이 나오며, 이는 종종 수학 함수로 설명할 수 있다.
몇 가지 주요 함수가 사용되었다:[22][23][24]
- S자형 곡선(시그모이드 함수)는 모든 학습 곡선의 이상적인 일반적인 형태이며, 처음에는 작게 축적되다가 더 큰 단계를 거쳐 학습 활동이 한계에 도달하면 점차 작아진다. 이는 무언가를 발견하고 학습한 다음 학습의 한계에 도달하는 일반적인 진행을 이상적으로 나타낸다. 다른 학습 곡선의 형태(4, 5 및 6)는 S자형 곡선의 전체 범위를 제외한 세그먼트를 보여준다. 이 경우 숙련도의 개선은 천천히 시작하여 빠르게 증가한 다음 평탄해진다.
- --
- 지수 성장; 숙련도는 지수 성장과 같이 무한정 증가할 수 있다.
- --
- 한계에 대한 지수적 상승 또는 하락; 숙련도는 저항을 통해 커패시터가 충전되거나 방전되는 방식(지수 감소)과 유사하게 한계에 지수적으로 접근할 수 있다. 기술의 향상 또는 정보의 유지는 초기 시도 동안 최대 속도로 빠르게 증가한 다음 점차 평준화될 수 있으며, 이는 대상의 기술이 나중에 반복할 때마다 크게 향상되지 않고 시간이 지남에 따라 얻는 새로운 지식이 줄어든다는 것을 의미한다.
- --
- 멱법칙; 지수 감소 함수와 외관이 유사하며, 비용과 같이 성능 지표가 감소하는 데 거의 항상 사용된다. 또한 숙련도의 로그를 경험의 로그에 대해 그래프로 그리면 결과가 직선이 된다는 특징이 있으며, 종종 그렇게 제시된다.
- --
단위 비용과 총 생산량의 멱법칙 그래프의 특정 사례를 경험 곡선이라고 명명했으며, 수학 함수는 때때로 헨더슨의 법칙이라고 한다. 이러한 형태의 학습 곡선은 산업에서 비용 예측에 광범위하게 사용된다.[25]
3. 경제학 및 경영학에서의 학습 곡선
보스턴 컨설팅 그룹(BCG)의 브루스 헨더슨은 1968년에 테오도르 폴 라이트가 개척한 단위 비용 모델을 일반화했으며, 특히 '헨더슨의 법칙'이라고 불리는 멱함수를 사용했다.[10] 그는 이 특정 버전을 '''경험 곡선'''이라고 명명했다.[11][12] 1970년대 BCG의 연구에 따르면 다양한 산업에서 10%에서 25%에 이르는 경험 곡선 효과가 관찰되었다.[13]
생산성 및 효율성의 경제적 학습은 일반적으로 동일한 종류의 경험 곡선을 따르며, 학습을 통해 향상된 방법을 통해 지역적 노력과 자원 사용을 줄이는 효과는 종종 확장을 촉진하거나 경제 성장을 통해 다음 더 큰 규모의 시스템에 반대 잠재적 효과를 미치기도 한다.
경영 경제학에 학습 곡선을 적용하면 전략적 수준에서 많은 이점을 얻을 수 있다. 예를 들어, 신제품 출시 시기를 예측하고, 경쟁력 있는 가격을 결정하며, 제품 혁신을 장려하고, 조직 설계 구조를 선택하여 투자 수준을 결정할 수 있다.[16]
Balachander와 Srinivasan은 학습 곡선의 원리에 따라 내구성이 강한 제품과 가격 책정 전략을 연구하여 단위 생산 비용 감소에 따른 최적의 출시 가격을 찾았다.[17] 희소한 자원의 제약 하에서 생산 관리 문제와 관련하여, Liao[18]는 학습 곡선이 노동 시간 및 기계 시간에 미치는 영향을 포함하지 않으면 잘못된 관리 결정을 내릴 수 있다고 지적했다.
임금이 생산된 제품 수에 비례하는 경우, 근로자는 생산성이 일시적으로 감소할 수 있으므로 다른 직책으로 변경을 거부할 수 있다. 학습 곡선은 학습하는 동안 동일한 제품에 대해 근로자에게 더 많은 급여를 지급하기 위해 일시적인 하락을 조정하는 데 사용되었다.[14]
3. 1. 라이트의 연구 (항공 산업)
테오도르 폴 라이트는 1936년에 항공 산업에서 학습이 생산 비용에 미치는 영향을 설명하고 학습 곡선에 대한 수학적 모델을 제안했다.[5]1952년, 미국 공군은 1940년부터 1945년 중반까지의 항공기 골격 산업의 학습 곡선에 대한 데이터를 발표했다.[8] 그들은 누적 생산량에 따른 다양한 제품의 직접적인 작업 시간 비용을 표로 정리하고 도표화했으며, 이는 1950년대 학습 곡선에 대한 많은 연구의 기초가 되었다.[9]
3. 2. 학습 곡선 모델
1936년, 테오도르 폴 라이트는 항공 산업에서 학습이 생산 비용에 미치는 영향을 설명하고 학습 곡선에 대한 수학적 모델을 제안했다.[5] 1968년 보스턴 컨설팅 그룹(BCG)의 브루스 헨더슨은 라이트가 개척한 단위 비용 모델을 일반화했으며, 특히 ''헨더슨의 법칙''이라고 불리는 멱함수를 사용했다.[10] 그는 이 특정 버전을 '''경험 곡선'''이라고 명명했다.[11][12]학습 곡선에 대한 주요 통계 모델은 다음과 같다:[14][15]
- 라이트 모델("로그-선형"):
- 플래토 모델:
- 스탠퍼드-B 모델:
- 데용 모델:
- S-곡선 모델:
위 모델들에서 사용된 변수들의 의미는 아래 표와 같다:
| 변수 | 설명 |
|---|---|
| 번째 유닛의 비용 | |
| 제작된 총 유닛 수 | |
| 최초 제작 유닛의 비용 | |
| 학습 강도를 측정하는 지수 | |
| 달성 가능한 최소 비용 (플래토 모델) | |
| 작업자의 사전 경험 (스탠퍼드-B 모델) | |
| 기계가 수행하는 생산의 비율 (데용 모델) |
은 일반적으로 로 표현되며, 여기서 는 "학습률"이다. 이는 총 유닛 수가 두 배로 증가할 때마다 유닛 비용이 만큼 감소한다는 의미이다. 라이트는 항공기 제조에서 임을 발견했는데, 이는 총 유닛 수가 두 배로 증가할 때마다 유닛 비용이 20% 감소한다는 의미이다.
학습 곡선을 나타내는데 사용되는 주요 함수는 다음과 같다:[22][23][24]
- S자형 곡선 또는 시그모이드 함수
- 지수 성장
- 한계에 대한 지수적 상승 또는 하락
- 멱법칙
단위 비용과 총 생산량의 멱법칙 그래프의 특정 사례는 경험 곡선이라고 명명되었으며, 해당 수학 함수는 헨더슨의 법칙이라고도 불린다. 이러한 형태의 학습 곡선은 산업에서 비용 예측에 광범위하게 사용된다.[25]
3. 3. 학습 곡선의 활용

1936년, 테오도르 폴 라이트는 항공 산업에서 학습이 생산 비용에 미치는 영향을 설명하고 학습 곡선에 대한 수학적 모델을 제안했다.[5]
1968년 보스턴 컨설팅 그룹(BCG)의 브루스 헨더슨은 라이트가 개척한 단위 비용 모델을 일반화했으며, 특히 때때로 ''헨더슨의 법칙''이라고 불리는 멱함수를 사용했다.[10] 그는 이 특정 버전을 '''경험 곡선'''이라고 명명했다.[11][12] 1970년대 BCG의 연구에 따르면 다양한 산업에서 10%에서 25%에 이르는 경험 곡선 효과가 관찰되었다.[13]
생산성 및 효율성의 경제적 학습은 일반적으로 동일한 종류의 경험 곡선을 따르며 흥미로운 부차적 효과를 갖는다. 효율성 및 생산성 향상은 개인뿐만 아니라 전체 조직, 산업 또는 경제 학습 과정으로 간주될 수 있다. 일반적인 패턴은 실질적으로 달성 가능한 방법론 개선 수준에 도달하면서 속도가 빨라졌다가 느려지는 것이다.
경영 경제학에 학습 곡선을 적용하는 것을 포괄적으로 이해하면 전략적 수준에서 많은 이점을 얻을 수 있다. 신제품 출시 시기를 적절하게 예측하고, 경쟁력 있는 가격 결정을 내릴 수 있으며, 제품 혁신을 장려하고, 조직 설계 구조를 선택하여 투자 수준을 결정할 수 있다.[16]
Balachander와 Srinivasan은 학습 곡선의 원리에 따라 내구성이 강한 제품과 가격 책정 전략을 연구했다. 제품 생산 및 판매 경험이 증가하면 단위 생산 비용이 감소한다는 개념을 바탕으로 이 제품에 대한 잠재적 최적의 출시 가격을 찾았다.[17] Demeester와 Qi는[19] 학습 곡선을 사용하여 구형 제품의 제거와 신제품 출시 간의 전환을 연구했다. 그들의 결과는 최적의 전환 시간은 제품 및 공정의 특성, 시장 요인 및 이 생산에 대한 학습 곡선의 특징에 의해 결정된다는 것을 나타낸다. Konstantaras, Skouri 및 Jaber는[20] 수요 예측 및 경제적 주문량에 학습 곡선을 적용했다. 그들은 구매자가 학습 곡선을 따른다는 것을 발견했으며, 이 결과는 재고 관리 의사 결정에 유용하다.
학습 곡선은 반도체 산업에서 무어의 법칙을 모델링하는 데 사용되었다.[21]
임금이 생산된 제품 수에 비례하는 경우, 근로자는 생산성이 일시적으로 감소할 수 있으므로 다른 직책으로 변경하거나 팀에 새로운 구성원이 합류하는 것을 거부할 수 있다. 학습 곡선은 학습하는 동안 동일한 제품에 대해 근로자에게 더 많은 급여를 지급하기 위해 일시적인 하락을 조정하는 데 사용되었다.[14]
4. 기계 학습에서의 학습 곡선
성능과 경험 간의 관계를 나타내는 그래프는 기계 학습에서 널리 사용된다. 성능은 학습 시스템의 오류율 또는 정확도를, 경험은 학습에 사용된 훈련 예시의 수 또는 시스템 모델 매개변수 최적화에 사용된 반복 횟수를 의미할 수 있다.[26] 기계 학습 곡선은 다양한 알고리즘 비교,[27] 설계 시 모델 매개변수 선택,[28] 수렴 개선을 위한 최적화 조정, 훈련에 사용되는 데이터 양 결정 등 다양한 목적으로 유용하다.[29]
4. 1. 기계 학습 학습 곡선의 활용
기계 학습에서 성능과 경험 간의 관계를 나타내는 그래프는 널리 사용된다. 성능은 학습 시스템의 오류율 또는 정확도이며, 경험은 학습에 사용된 훈련 예시의 수 또는 시스템 모델 매개변수 최적화에 사용된 반복 횟수일 수 있다.[26] 기계 학습 곡선은 다양한 알고리즘 비교,[27] 설계 시 모델 매개변수 선택,[28] 수렴 개선을 위한 최적화 조정, 훈련에 사용되는 데이터 양 결정 등 다양한 목적으로 유용하다.[29]5. 학습 곡선의 한계 및 확장
생산성 및 효율성 향상은 개인뿐만 아니라 조직, 산업, 경제 전체의 학습 과정으로 볼 수 있다. 일반적인 패턴은 학습 초기에는 개선 속도가 빠르지만, 점차 방법론이 개선되면서 속도가 느려진다. 학습을 통해 효율성이 높아지면 자원 사용이 줄어들지만, 이는 제번스 역설(1880년대)이나 Khazzoom-Brookes Postulate(1980년대)에서 논의된 것처럼, 확장이나 경제 성장을 통해 더 큰 시스템에 반대 효과를 낳기도 한다.[16]
경영 경제학에서 학습 곡선을 이해하면 전략적 이점을 얻을 수 있다. 신제품 출시 시기, 가격 결정, 제품 혁신, 조직 설계, 투자 수준 등을 결정하는 데 도움이 된다.[16] Balachander와 Srinivasan은 학습 곡선 원리에 따라 제품 생산 및 판매 경험이 증가하면 단위 생산 비용이 감소한다는 점을 이용하여 최적의 출시 가격을 연구했다.[17] Liao는 희소한 자원 제약 하에서 학습 곡선이 노동 및 기계 시간에 미치는 영향을 고려해야 올바른 생산 관리 결정을 내릴 수 있다고 지적했다.[18] Demeester와 Qi는 학습 곡선을 사용하여 구형 제품 제거와 신제품 출시 간 전환 시점을 연구했는데, 제품 및 공정 특성, 시장 요인, 학습 곡선 특징에 따라 최적의 전환 시간이 결정된다는 결과를 얻었다.[19] Konstantaras, Skouri, Jaber는 학습 곡선을 수요 예측 및 경제적 주문량에 적용하여 구매자의 학습 곡선 추세를 발견하고, 이를 재고 관리에 활용할 수 있음을 보였다.[20]
학습 곡선은 반도체 산업에서 무어의 법칙을 모델링하는 데 사용되었다.[21] 또한, 생산량에 비례하여 임금을 받는 근로자가 생산성 감소를 우려하여 직책 변경이나 새 구성원 합류를 거부할 수 있는데, 학습 곡선을 활용하여 학습 기간 동안의 일시적인 생산성 감소를 보상하는 데 사용될 수 있다.[14]
처음에는 교육 심리학과 행동 심리학에서 사용되었던 이 용어는 "경험 곡선", "개선 곡선", "비용 개선 곡선", "진척 곡선" 등 다양한 용어로 확장되었다. 경제학에서는 "경제 개발" 속도를 나타내며, 다양한 진행 속도를 가진 전체 시스템 학습 과정을 의미한다. 학습은 보통 '''S자형 곡선'''을 띄며, 단속 평형 이론이나 복잡한 시스템의 '''혁신적인 변화'''와 관련되어 혁신, 조직 행동, 관리, 그룹 학습 등에 적용된다.[30]
5. 1. 일반적인 학습 한계
일반적으로 자원과 기술의 자연적 한계라는 더 광범위한 주제는 '학습 곡선'(경험 곡선)과 관련이 있다. 이러한 한계는 복잡성 증가로 나타나는데, 이는 무언가를 더 효율적으로 수행하는 방법을 배우는 속도를 늦춘다.[31] 예를 들어, 어떤 공정이나 제품, 측정을 완벽하게 하는 것은 잘 알려진 한계이다. 이러한 실제 경험은 폐기물 감소 한계에 대한 열역학 제2법칙의 예측과 일치한다. 무언가를 완벽하게 하여 폐기물을 제거하는 한계에 접근하는 것은 기하급수적으로 증가하는 노력을 통해 진전되며, 학습 경험을 변화시키는 모든 요인(보이는 것과 보이지 않는 것)에 대한 환경적 척도를 제공한다. 노력이 증가함에도 불구하고 무언가를 완벽하게 하는 것은 점점 더 어려워진다. 긍정적인 결과는 계속되지만, 그 정도는 점점 줄어든다. 제품 수명 주기 관리 및 소프트웨어 개발 주기와 관련하여, 학습의 복잡성으로 인한 이러한 종류의 진척 둔화는 기술과 수익성 있는 시장의 한계에서도 나타난다. 남아있는 시장 세그먼트나 잠재적 효율성은 점점 더 불편한 형태로 발견된다.효율성 및 개발 곡선은 일반적으로 두 단계 과정을 따른다. 처음에는 더 쉬운 것을 찾는 더 큰 단계, 그 다음에는 더 어려운 것을 찾는 더 작은 단계이다. 이는 학습을 더 쉽게 만드는 획기적인 사건 이후 학습이 급증하고, 학습을 점점 더 어렵게 만드는 제약 조건을 만나 결국 중단 지점을 향하는 것을 반영한다.
- '''자연적 한계''' 이 분야의 주요 연구 중 하나는 물리적 또는 재정적 투자의 수익률 감소에 관한 것으로, 자원 개발 또는 기타 노력에 대한 전체 시스템 한계를 지적한다. 이 중 가장 많이 연구된 것은 에너지 투자 수익률(EROEI)일 수 있으며, 지구 백과사전 기사, OilDrum 기사와 시리즈, 허버트 곡선에서 자세히 논의되었다. 에너지를 생산하는 데 필요한 에너지는 투입된 노력에 비해 남아있는 에너지 자원을 유용하게 만드는 방법을 배우는 데 얼마나 어려움을 겪고 있는지를 측정하는 지표이다. 에너지 투자 수익률은 자연 자원 한계와 투자의 증가로 인해 한동안 지속적으로 감소해 왔다. 에너지는 자연과 우리 자신의 일을 성사시키는 주요 자원이다. 수익률 감소 지점은 투자가 증가함에 따라 자원이 더 비싸지는 시점이다. 자연적 한계에 가까워지면 쉽게 사용할 수 있는 자원이 고갈되고, 더 복잡한 자원을 사용해야 한다. 지속적으로 감소하는 EROI는 무언가를 성사시키는 우리의 능력에 대한 전체 시스템 한계에 접근하고 있음을 나타내는 환경적 신호이다.
- '''유용한 자연적 한계''' EROEI는 R/I, 즉 ''학습 진행률''의 비율로 투입된 노력의 수익률을 측정한다. 역으로 I/R은 ''학습 어려움''을 측정한다. R이 0에 가까워지면 R/I도 0에 가까워지지만, I/R은 무한대에 가까워진다. 학습 진행률을 제한하는 복잡성이 나타나면 ''유용한 수익률'' uR의 한계에 접근하고, R-uR은 0에 접근한다. ''유용한 학습의 어려움'' I/(R-uR)은 점점 더 어려운 작업이 노력을 비생산적으로 만들기 때문에 무한대에 접근한다. 그 지점은 특정 시점에 수직 점근선으로 접근하며, 지속 불가능한 노력에 의해서만 지연될 수 있다. 이는 충분한 투자가 이루어졌고 ''작업이 완료''된 지점을 정의하며, 일반적으로 ''작업이 완료''될 때와 동일하게 계획된다. 계획되지 않은 작업의 경우, 예상되거나 놀라움으로 발견될 수 있다. 유용성 척도 uR은 예상되지 않는 한 발생할 때만 측정할 수 있는 환경적 반응의 복잡성의 영향을 받는다.
5. 2. 광범위한 해석
생산성 및 효율성에 대한 경제적 학습은 일반적으로 동일한 종류의 경험 곡선을 따르며 흥미로운 부차적 효과를 갖는다. 효율성 및 생산성 향상은 개인뿐만 아니라 전체 조직, 산업 또는 경제 학습 과정으로 간주될 수 있다. 일반적인 패턴은 실질적으로 달성 가능한 방법론 개선 수준에 도달하면서 속도가 빨라졌다가 느려지는 것이다. 학습을 통해 향상된 방법을 통해 지역적 노력과 자원 사용을 줄이는 효과는 종종 확장을 촉진하거나 경제 성장을 통해 다음 더 큰 규모의 시스템에 반대 잠재적 효과를 미치는데, 이는 1880년대 제번스 역설에서 논의되고 1980년대 Khazzoom-Brookes Postulate에서 업데이트되었다.[16]경영 경제학에 학습 곡선을 적용하는 것을 포괄적으로 이해하면 전략적 수준에서 많은 이점을 얻을 수 있다. 신제품 출시 시기를 적절하게 예측하고 경쟁력 있는 가격 결정을 내릴 수 있으며, 제품 혁신을 장려하고 조직 설계 구조를 선택하여 투자 수준을 결정할 수 있다.[16] Balachander와 Srinivasan은 학습 곡선의 원리에 따라 내구성이 강한 제품과 가격 책정 전략을 연구했다. 제품 생산 및 판매 경험이 증가하면 단위 생산 비용이 감소한다는 개념을 바탕으로 이 제품에 대한 잠재적 최적의 출시 가격을 찾았다.[17] 희소한 자원의 제약 하에서 생산 관리 문제와 관련하여, Liao[18]는 학습 곡선이 노동 시간 및 기계 시간에 미치는 영향을 포함하지 않으면 잘못된 관리 결정을 내릴 수 있다고 지적했다. Demeester와 Qi[19]는 학습 곡선을 사용하여 구형 제품의 제거와 신제품 출시 간의 전환을 연구했다. 그들의 결과는 최적의 전환 시간은 제품 및 공정의 특성, 시장 요인 및 이 생산에 대한 학습 곡선의 특징에 의해 결정된다는 것을 나타낸다. Konstantaras, Skouri 및 Jaber[20]는 수요 예측 및 경제적 주문량에 학습 곡선을 적용했다. 그들은 구매자가 학습 곡선을 따른다는 것을 발견했으며, 이 결과는 재고 관리 의사 결정에 유용하다.
학습 곡선은 반도체 산업에서 무어의 법칙을 모델링하는 데 사용되었다.[21] 임금이 생산된 제품 수에 비례하는 경우, 근로자는 생산성이 일시적으로 감소할 수 있으므로 다른 직책으로 변경하거나 팀에 새로운 구성원이 합류하는 것을 거부할 수 있다. 학습 곡선은 학습하는 동안 동일한 제품에 대해 근로자에게 더 많은 급여를 지급하기 위해 일시적인 하락을 조정하는 데 사용되었다.[14]
초기에 교육 심리학과 행동 심리학에서 도입된 이 용어는 시간이 지남에 따라 더 넓은 의미로 해석되었으며, "경험 곡선", "개선 곡선", "비용 개선 곡선", "진척 곡선", "진척 함수", "스타트업 곡선", "효율 곡선"과 같은 표현이 종종 같은 의미로 사용된다. 경제학에서 이 주제는 "경제 개발"의 속도이며, 개발은 다양한 진행 속도를 가진 전체 시스템 학습 과정을 의미한다. 일반적으로 모든 학습은 시간이 지남에 따라 '''점진적인 변화'''를 나타내지만, 관찰 시간 척도에 따라 다른 모습을 보이는 '''"S" 곡선'''을 묘사한다. 이제 이 용어는 단속 평형의 진화 이론 및 일반적으로 복잡한 시스템에서 발생하는 기타 종류의 '''혁신적인 변화'''와도 관련이 있으며, 이는 혁신, 조직 행동, 관리 및 그룹 학습 등과 관련이 있다.[30] 이러한 급격하게 새로운 형태가 나타나는 과정은 시스템 자체 내에서 복잡한 학습을 통해 이루어지는 것으로 보이며, 관찰 가능한 경우 가속 및 감속하는 변화율의 곡선을 나타낸다.
6. 문화 속의 학습 곡선
학습 곡선 개념은 비디오 게임에서 "난이도 곡선"으로 해석되기도 한다. 난이도 곡선은 플레이어가 게임을 진행하면서 게임이 얼마나 어려워지는지를 나타내며, 플레이어가 게임에 더 능숙해지고 게임의 메커니즘을 더 잘 이해하게 되면서, 캐릭터를 향상하기 위해 노가다를 할 수도 있다.[35][36] 적절한 난이도 곡선을 설정하는 것은 게임 내 게임 밸런스를 맞추는 데 중요한 부분이다. 난이도 곡선은 다양한 형태를 가질 수 있으며, 게임은 기본 난이도 곡선의 형태를 변경하여 게임을 더 어렵거나 쉽게 만드는 다양한 난이도 레벨을 제공할 수 있다.
최적의 경우, 비디오 게임의 난이도는 플레이어의 능력에 비례하여 증가해야 한다. 게임은 너무 어렵거나, 너무 쉬워서는 안 되며, 너무 운에 의존해서도 안 된다.[37] 플레이어는 게임에서 이길 수 있다고 생각하는 한 계속 플레이할 것이다. 따라서 이것은 ''승산의 환상''이라고 불린다. 승산의 환상을 만들기 위해 게임은 적대적인 환경과 세계관 구축 형태의 스토리 주도 서스펜스에 의해 생성될 수 있는 내부 가치(목표를 향해 나아가고 그에 대한 보상을 받는 느낌)를 포함할 수 있는데, 이는 게임 진행에 필수적이지 않다.[38] 게임 디자이너는 자원을 제한하는 방식으로 게임플레이를 변경할 수도 있다. 플레이어가 비디오 게임 세계가 실제라고 믿지 않으면, 즉 세계가 생생하게 느껴지지 않으면 게임을 만들 필요가 없다는 관점도 있다.[39][40]
6. 1. 상반된 의미
"가파른 학습 곡선"이라는 표현은 상반된 의미로 사용된다. 옥스퍼드 영어 사전(Oxford Dictionary of English), 미국 헤리티지 영어 사전(American Heritage Dictionary of the English Language), 메리엄-웹스터 대학 사전(Merriam-Webster's Collegiate Dictionary)을 포함한 대부분의 자료에서는 학습 곡선을 기술 습득 속도로 정의하므로, 가파른 증가는 기술의 빠른 증가를 의미한다.[2][32] 그러나 이 용어는 일반적으로 어려운 초기 학습 과정을 의미하는 일반적인 영어로 자주 사용된다.[33][32]일반적인 영어 사용법은 학습 곡선을 올라야 할 언덕으로 비유한 해석과 일치한다. 가파른 언덕은 처음에는 어렵지만, 완만한 경사는 덜 힘들지만 때로는 지루하다. 따라서 곡선(언덕)의 모양이 필요한 일의 총량을 나타내지 않을 수 있다. 대신 야망, 성격 및 학습 스타일에 관련된 선호도의 문제로 이해할 수 있다.
"쉽다"와 "어렵다"의 의미를 가진 "학습 곡선"이라는 용어는 "얕은"과 "가파른"보다는 "짧은"과 "긴"과 같은 형용사로 설명할 수 있다.[2] 두 제품의 기능이 비슷하다면 "가파른" 곡선을 가진 제품이 더 나을 수 있는데, 더 짧은 시간에 학습할 수 있기 때문이다. 반면에 두 제품의 기능이 다르다면, "짧은" 곡선(학습 시간이 짧음)과 제한된 기능을 가진 제품은 "긴" 곡선(학습 시간이 김)과 더 큰 기능을 가진 제품만큼 좋지 않을 수 있다.
예를 들어, 윈도우 프로그램 메모장은 배우기가 매우 쉽지만 그 이후에는 제공되는 기능이 거의 없다. 극단적인 예로, UNIX 터미널 편집기인 vi 또는 Vim은 배우기 어렵지만 사용법을 익힌 후에는 다양한 기능을 제공한다. 벤 지머는 20세기 초를 배경으로 한 텔레비전 드라마 ''다운튼 애비''에서 "on a steep learning curve(가파른 학습 곡선)"이라는 용어의 사용에 대해 논하며, 주로 이 용어의 사용이 시대착오인지 여부에 집중한다. "다운튼 애비의 유력한 상속자이자 현재 부동산 공동 소유주인 매튜 크롤리는 '다운튼에 온 이후로 가파른 학습 곡선을 겪고 있습니다'라고 말합니다. 그는 다운튼의 방식을 배우는 데 어려움을 겪었다는 의미로 말한 것이지만, 사람들은 1970년대가 되어서야 그런 식으로 말하기 시작했습니다."[33][34]
지머는 또한 '어려운'이라는 의미로 'steep(가파른)'을 대중적으로 사용하는 것은 기술적인 의미의 반전이라고 언급한다. 그는 "steep learning curve"가 처음 사용된 시기를 1973년, '힘든'이라는 해석이 사용된 시기를 1978년으로 특정한다.
6. 2. 용어 사용의 주의
"가파른 학습 곡선"이라는 표현은 상반된 의미로 사용된다. 옥스퍼드 영어 사전(Oxford Dictionary of English), 미국 헤리티지 영어 사전(American Heritage Dictionary of the English Language), 메리엄-웹스터 대학 사전(Merriam-Webster's Collegiate Dictionary)을 포함한 대부분의 자료에서는 학습 곡선을 기술 습득 속도로 정의하므로, 가파른 증가는 기술의 빠른 증가를 의미한다.[2][32] 그러나 이 용어는 일반적으로 어려운 초기 학습 과정을 의미하는 일반적인 영어로 자주 사용된다.[33][32]일반적인 영어 사용법은 학습 곡선을 올라야 할 언덕으로 비유한 해석과 일치한다. (가파른 언덕은 처음에는 어렵지만, 완만한 경사는 덜 힘들지만 때로는 지루하다. 따라서 곡선(언덕)의 모양이 필요한 일의 총량을 나타내지 않을 수 있다. 대신 야망, 성격 및 학습 스타일에 관련된 선호도의 문제로 이해할 수 있다.)
"쉽다"와 "어렵다"의 의미를 가진 "학습 곡선"이라는 용어는 "얕은"과 "가파른"보다는 "짧은"과 "긴"과 같은 형용사로 설명할 수 있다.[2] 두 제품의 기능이 비슷하다면 "가파른" 곡선을 가진 제품이 더 나을 수 있는데, 더 짧은 시간에 학습할 수 있기 때문이다. 반면에 두 제품의 기능이 다르다면, "짧은" 곡선(학습 시간이 짧음)과 제한된 기능을 가진 제품은 "긴" 곡선(학습 시간이 김)과 더 큰 기능을 가진 제품만큼 좋지 않을 수 있다.
예를 들어, 윈도우 프로그램 메모장은 배우기가 매우 쉽지만 그 이후에는 제공되는 기능이 거의 없다. 극단적인 예로, UNIX 터미널 편집기인 vi 또는 Vim은 배우기 어렵지만 사용법을 익힌 후에는 다양한 기능을 제공한다.
벤 지머는 20세기 초를 배경으로 한 텔레비전 드라마 ''다운튼 애비''에서 "on a steep learning curve(가파른 학습 곡선)"이라는 용어의 사용에 대해 논하며, 주로 이 용어의 사용이 시대착오인지 여부에 집중한다. "다운튼 애비의 유력한 상속자이자 현재 부동산 공동 소유주인 매튜 크롤리는 '다운튼에 온 이후로 가파른 학습 곡선을 겪고 있습니다'라고 말합니다. 그는 다운튼의 방식을 배우는 데 어려움을 겪었다는 의미로 말한 것이지만, 사람들은 1970년대가 되어서야 그런 식으로 말하기 시작했습니다."[33][34]
지머는 또한 '어려운'이라는 의미로 'steep(가파른)'을 대중적으로 사용하는 것은 기술적인 의미의 반전이라고 언급한다. 그는 "steep learning curve"가 처음 사용된 시기를 1973년, '힘든'이라는 해석이 사용된 시기를 1978년으로 특정한다.
6. 3. 비디오 게임에서의 난이도 곡선
비디오 게임 게임플레이에서 학습 곡선은 "난이도 곡선"으로 해석되기도 한다. 난이도 곡선은 플레이어가 게임을 진행하면서 게임이 얼마나 어려워지는지를 나타낸다. 플레이어는 게임에 더 능숙해지고, 게임의 메커니즘을 더 잘 이해하게 되며, 캐릭터를 향상시키기 위해 노가다를 할 수도 있다.[35][36] 적절한 난이도 곡선을 설정하는 것은 게임 내 게임 밸런스를 맞추는 데 중요하다. 난이도 곡선은 다양한 형태를 가질 수 있으며, 게임은 기본 난이도 곡선의 형태를 바꿔 게임을 더 어렵거나 쉽게 만드는 다양한 난이도 레벨을 제공할 수 있다.최적의 경우, 비디오 게임의 난이도는 플레이어의 능력에 비례하여 증가해야 한다. 게임은 너무 어렵거나, 너무 쉬워서는 안 되며, 너무 운에 의존해서도 안 된다.[37] 플레이어는 게임에서 이길 수 있다고 생각하는 한 계속 플레이할 것이다. 따라서 이것은 ''승산의 환상''이라고 불린다. 승산의 환상을 만들기 위해 게임은 적대적인 환경과 세계관 구축 형태의 스토리 주도 서스펜스에 의해 생성될 수 있는 내부 가치(목표를 향해 나아가고 그에 대한 보상을 받는 느낌)를 포함할 수 있다. 후자는 게임 진행에 필수적이지 않다.[38] 게임 디자이너는 예를 들어 자원을 제한하는 방식으로 게임플레이를 변경할 수도 있다. 한 가지 관점은 플레이어가 비디오 게임 세계가 실제라고 믿도록 속지 않으면, 즉 세계가 생생하게 느껴지지 않으면 게임을 만들 필요가 없다는 것이다.[39][40]
참조
[1]
웹사이트
Learning Curve
http://www.businessd[...]
2018-12-08
[2]
논문
Laparoscopic Colon Resection Early in the Learning Curve
[3]
서적
Memory: A Contribution to Experimental Psychology
https://books.google[...]
Teachers College, Columbia University
[4]
서적
The American Journal of Psychology
https://books.google[...]
University of Illinois Press
[5]
논문
Factors Affecting the Cost of Airplanes
http://www.uvm.edu/p[...]
[6]
웹사이트
Classics in the History of Psychology – Introduction to Ebbinghaus (1885/1913) by R. H. Wozniak
http://psychclassics[...]
[7]
문서
General experimental psychology
Longmans, Green and Co.
[8]
문서
Source Book of World War II Basic Data-Airframe Industry. Volume 1. Direct Man-Hours-Progress Curves.
https://purl.stanfor[...]
Air Materiel Command Wright-Patterson AFB OH
[9]
문서
Cost-quantity relationships in the airframe industry
[10]
웹사이트
What is Henderson's Law?
http://www.davidruss[...]
2020-06-02
[11]
간행물
The Experience Curve
https://www.bcgpersp[...]
Boston Consulting Group
[12]
간행물
Contemporary strategy analysis
https://archive.org/[...]
Blackwell publishing
[13]
간행물
Competitive cost dynamics: the experience curve
1982-10
[14]
논문
The Learning Curve: Historical Review and Comprehensive Survey
https://onlinelibrar[...]
1979-04
[15]
논문
Learning curve models and applications: Literature review and research directions
https://www.scienced[...]
2011-09-01
[16]
간행물
Limits of the learning curve
1974
[17]
간행물
Modifying customer expectations of price decreases for a durable product
1998
[18]
간행물
Effects of learning on resource allocation decisions
1979
[19]
간행물
Managing learning resources for consecutive product generations
https://ink.library.[...]
2005
[20]
간행물
Inventory models for imperfect quality items with shortages and learning in inspection
2012
[21]
논문
Fifty Years of Moore's Law
https://ieeexplore.i[...]
2011-05
[22]
문서
Mechanisms of skill acquisition and the law of practice
http://repository.cm[...]
University of Southern California
[23]
문서
The learning curve
http://ritter.ist.ps[...]
Pergamon
[24]
논문
The exponential learning equation as a function of successful trials results in sigmoid performance
http://www.bgu.ac.il[...]
[25]
웹사이트
Learning Curve Basics
http://classweb.gmu.[...]
2013-03-17
[26]
서적
Encyclopedia of Machine Learning
https://books.google[...]
Springer
2011
[27]
웹사이트
A New Recurrent Neural Network Learning Algorithm for Time Series Prediction
http://www.jininnova[...]
1997
[28]
웹사이트
Machine learning for astronomy with scikit learning
https://sites.google[...]
Learning Curve My Personal Tutor
2021
[29]
논문
The Learning-Curve Sampling Method Applied to Model-Based Clustering
https://jmlr.csail.m[...]
2002
[30]
논문
Revolutionary Change Theories: A Multilevel Exploration of the Punctuated Equilibrium Paradigm
[31]
논문
Towards the Limits of Precision and Accuracy in Measurement
[32]
웹사이트
Steep learning curves
http://www.grammarph[...]
2009-07-16
[33]
뉴스
A "Steep Learning Curve" for "Downton Abbey"
http://www.visualthe[...]
2013-02-08
[34]
뉴스
"Downton Abbey" anachronisms: beyond nitpickery
http://languagelog.l[...]
2012-02-13
[35]
웹사이트
Difficulty Curves
https://www.gamasutr[...]
2010-05-24
[36]
간행물
Scaling the Level of Difficulty in Single Player Video Games
https://link.springe[...]
Springer
2009
[37]
서적
Gaming Matters: Art, Science, Magic, and the Computer Game Medium
University of Alabama Press
2011-05-11
[38]
서적
World-Builders on World-Building: An Exploration of Subcreation
https://books.google[...]
Taylor & Francis
2020-05-12
[39]
서적
Gaming and Cognition: Theories and Practice from the Learning Sciences: Theories and Practice from the Learning Sciences
IGI Global
2010-05-31
[40]
서적
A Mind Forever Voyaging: A History of Storytelling in Video Games
Dylan Holmes
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com