발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| ECA4707 | 터널과지하공간 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 건설환경시스템공학과 | - | No |
| 본 과목에서는 지하공간시스템 설계 능력을 배양하는데 필요한 다양한 내용을 다룬다. 즉, 지하공간 건설에 필요한 암반의 공학적 분류 및 특성에 대한 이해, 암반분류, 토사 지반의 굴착에 따른 전단특성 및 압축 특성 등을 다루며 터널 설계 기본 개념, 아칭이론, 수치해석을 이용한 터널설계, 인공지능 기반의 터널 설계 등의 이론을 다룬다. | |||||||||
| ECA4708 | 응용통계수문학 | 3 | 6 | 전공 | 학사/석사 | 1-8 | 건설환경시스템공학과 | - | No |
| 이 강좌는 통계적인 기법을 중점적으로 다룰 예정이며 영어 강의로 진행됨. 모든 학생들은 통계적인 방법론을 활용하여 개별 프로젝트를 수행해야 함. 이 강좌는 수강생들이 수자원 데이터의 특성과 특징에 대한 이해를 향상시키는 것을 목적으로 함. 교과목 목표는 다음과 같음. 1. 수자원 데이터의 특성에 대한 이해력 향상 2. 통계적 데이터 분석 능력 강화 3. 통계적 사고 능력 개발 이 수업에서는 중간고사와 기말고사 또는 발표를 통해 학생들의 성적을 평가함. 또한 과제도 주어질 것임. | |||||||||
| ECA4709 | 석사논문연구2 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 건설환경시스템공학과 | - | No |
| 본 교과는 2단계 석사논문연구 인디펜던트 스터디 중 두 번째 단계에 해당한다. 수강자는 교수자의 연구프로세스 사례를 논의하는 일련의 세션을 통해서 자신의 연구 아이디어를 발전시키는 방법을 익히게 된다. 이 과정은 사회적 요인, 역사적 사실과 선행연구, 디자인 탐구, 매스터플래닝, 이론적 방법론, 과학적 현장조사 방법론 등을 포함한다. 학습자는 자신의 논문에 필요한 개념적 프레임워크를 도출하고, 문헌조사와 구체적인 연구수행계획을 행한다. | |||||||||
| EME3004 | 열전달 | 3 | 6 | 전공 | 학사 | 2-4 | 기계공학부 | 영,한 | Yes |
| 이 강좌는 공학 열전달에 대한 기초적인 내용을 담고 있다. 수강에 앞서 물리, 열역학, 유체역학, 상미분 방정식에 대한 기초적인 이해가 요구된다. 강좌의 중점은 열전달이 발생되는 과정에 대한 물리적 이해와, 실제 문제에 대한 공학적 해를 얻기 위한 적절한 가정 조건의 설정, 그리고 문제의 단순화 방법에 두고 있다. 강좌내용은 다음과 같다; 열전달 원리, 정상상태 열전도, 열전도 방정식, 1차원 열전도, Fin을 통한 열전달, 2 또는 3-차원 열전도, 도표해, 수치해, 과도 열전도, 집중용량법, 수치해, 충류 대류 열전달, 3가지 보존법칙 방정식, 적분해법을 통한 열전 도 및 점성 마찰계수, 난류 대류 열전달 대류 열전달 상관식 등을 다룬다. | |||||||||
| EME3028 | 응용고체역학 | 3 | 6 | 전공 | 학사 | 2-4 | 기계공학부 | 한 | Yes |
| 응용고체역학에서는 조합하중이나 부정정문제의 응력/변형율과 여러 응력/변형율의 변환 방법에 대하여 다룬다. 보와 축의 변형을 계산하기 위한 여러 방법들에 대하여 보와 축을 공부하며, 부정정보의 반력을 구하는 방법도 포함한다. | |||||||||
| EME3029 | 탄성학 | 3 | 6 | 전공 | 학사 | 3-4 | 기계공학부 | - | No |
| 탄성학에서는 변위계산에서의 에너지법, 직각 좌표계 및 극좌표계에 의한 응력과 변형률 사이의 관계, 복합하중을 받는 보의 응력 및 변형해석, Airy의 응력함수를 이용한 이론적인 응력해석 방법 및 strain gage에 의한 응력측정을 다룬다. | |||||||||
| EME3031 | 최적설계 | 3 | 6 | 전공 | 학사 | 2-4 | 기계공학부 | 한 | Yes |
| 최적설계의 목표는 공학설계과정을 체계화하고 구체화 하는 것이다. 공학설계의 기본개념을 이해하고 이를 최적화문제로 하는 것을 다루며, 구성된 최적화 문제의 기본적인 해법을 다룬다. 그리고 PC 프로그램을 이용하여 다양한 최적화 문제를 실습한다. | |||||||||
| ERC2006 | 창의적공학설계 | 3 | 6 | 전공 | 학사 | 2-3 | 공과대학 | - | No |
| 전 공학 분야의 엔지니어의 Life-Long Learning의 기본이 되는 창의적인 문제해결 능력, 스케치 및 시각적 추론능력, 팀을 이루어 문제해결 하는 능력 및 팀원들과의 조화 능력, 소비자 트렌드를 이해하고, 사용자 입장을 고려하는 능력, 소비자의 필요를 반영하는 기능을 실현시킬 개념을 설계하는 능력, 설계한 내용을 발표하고, 이를 토론을 통하여 개선할 수 있는 능력 등의 설계기본소양을 다양한 팀-기반 설계과제를 통하여 교육. | |||||||||
| ERC2007 | 공학수치해석 | 3 | 6 | 전공 | 학사 | 2-3 | 공과대학 | 한,영,한 | Yes |
| 최근 들어 공학 전반에 걸쳐 수치 근사기법의 응용능력에 대한 요구가 급격히 확산되고 있다. 본 과목은 기초과목으로서 수리문제를 수치적으로 해결하기 위한 기법으로 오차의 분석, 비선형 방정식의 근사해법, 연립 일차방정식의 해법, 보간다항식, 수치미분, 수치적분 그리고 곡선의 근사 등을 다룬다. | |||||||||
| ERC2008 | 기술경영개론 | 3 | 6 | 전공 | 학사 | 2-3 | 공과대학 | 한,한 | Yes |
| 동 과목은 기술경영에 관한 다양한 이론과 실제적 응용을 다룬다. 주요내용은 기술혁신과정의 분석, R&D전략, 창조성관리, 특허관리, R&D프로젝트 계획수립, 시장분석, 기술가치평가, 기술계약, 기술관리임. | |||||||||
| ERC2009 | 다학제융합종합설계 | 3 | 6 | 전공 | 학사 | 2-4 | 공과대학 | - | No |
| 본 교과목은 공과대학, 정보통신대학의 학생들이 다학제융합종합설계를 수행하여 다양한 학문 분야를 아우르는 종합적 설계능력(capstone design)을 증진시키는 것을 목표로 한다. 수강 학생들은 다학제 이론 적용과 문제해결이 필요한 산업체 현장 수준의 문제들을 대상으로 - 소속 학부/학과에서 배운 전공이론과 지식을 적용하면서, - 공과대학, 정보통신공학부의 여러 학문 분야를 아우르는 다학제간 지식과 이론을 융합하고, - 현장의 실제 상황과 다양한 고려사항들을 반영하며, - 여러 가지 open-ended solution의 모색, 검증, 시험, 개선, 실현을 통한 문제 해결과정을 수행하고, - 실제로 응용 가능한 설계 결과물을 직접 준비하고 제작함으로써 엔지니어로서의 자질과 소양을 연 마하며, 실용적인 다학제 융합 종합 설계능력을 계발한다. 본 교과목의 설계과제는 여러 학부/학과의 학생으로 구성된 팀 단위로 수행하며, 학기말에 작품을 전시, 발표한다. 학제간 융합 설계를 지원하기 위하여 다수의 학부/학과 교수과 지도하며, 산업체 현장에서 직접 문제를 의뢰받은 경우는 산업체 소속 엔지니어가 공동 지도한다. | |||||||||
| ERC2010 | 공학기초수학1 | 3 | 6 | 전공 | 학사 | 공과대학 | 한,영,한 | Yes | |
| 자연계의 현상들을 모형화하여 이것을 수학적인 방법으로 풀어 그 수학적 결과들을 물리적으로 해석하는 기법을 취급하는 과목이다. 미분 방정식에서 1계,2계 그리고 고계방정식과 함께 Laplace변환을 다룬다. 복소 해석에서는 코시 리만 방정식, 복소 적분, 그리고 등각 사상이 소개된다. | |||||||||
| ERC2011 | 공학기초수학2 | 3 | 6 | 전공 | 학사 | 공과대학 | 한,영,한 | Yes | |
| 공학기초수학1의 연속 과목으로 선형대수의 핵심 개념 중 공학 분야에 유용한 개념들을 다룬다. 이후 편미분 방정식의 응용과 그 해법이 소개되며 이 과정에서 푸리에 급수의 이론적, 실제적 중요성에 대해 알아본다. | |||||||||
| ERC2012 | 인공지능과디지털수학 | 3 | 6 | 전공 | 학사 | 공과대학 | 한 | Yes | |
| 본 수업에서 학생들은 다양한 분야의 수학을 통하여 인공지능(AI)의 주된 분야를 학습하게 될 것이다. 인공지능을 학습할 때 데이터, 모델, 모수추정 등의 요소들을 기본적으로 가지고 있다. 학생들은 선형회귀, 데이터의 차원축소, 데이터에 적합한 밀도함수의 추정, 데이터의 분류 등 인공지능의 중요한 이론들을 학습한다. 학생들은 데이터를 묘사할 할 모델을 이용하여 AI의 중요한 한 분야인 데이터로부터의 선형회귀와 분류를 통계학과 선형대수학을 기반으로 배운다. 또한 선형대수학을 기반으로 AI에서 데이터의 차원축소와 통계학을 기반으로 데이터를 적용할 수 있는 모델을 찾는 방법을 배운다. 선형대수학과 통계학을 바탕으로 인공지능의 다양한 분야인 회귀직선, 최소제곱문제, 그레디어트 하강법, 주성분분석 등을 학습한다. 이 수업을 통하여 학생들은 인공지능학습의 기반을 얻게 될 것이다. 학생들의 지식습득과 능력향상을 위하여 개별적 또는 그룹으로 문제풀이, 사례별 연구, 대화식 토론, 중간 및 기말시험 등을 수행할 것이다. 또한 이들로부터 학생들 간의 평가를 한다. | |||||||||
| ERC3001 | 글로벌캡스톤디자인 | 3 | 6 | 전공 | 학사 | 3-4 | 공과대학 | 한 | Yes |
| 공과대학 및 정보통신대학의 여러 학문 분야를 아우르는 다학제간 지식과 이론의 융합을 기반으로 사용자의 다양한 니즈 발견 및 이를 기반으로 한 문제 정의, 실제적인 제한 조건의 고려, 여러 가지 open-ended solution의 모색, 검증, 시험, 개선, 실현을 통한 문제 해결과정의 수행, 디자인 결과물의 제작 등 일련의 디자인 프로세스를 국제적 융합 팀을 구성하여 수행함으로써 차세대 엔지니어로서 필요한 글로벌 경쟁력, 혁신 능력 및 다학제 융합 기반 종합 설계 능력을 계발한다. | |||||||||
| ERC3002 | 공학연구프로젝트Ⅰ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC3003 | 공학연구프로젝트Ⅱ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC3004 | 공학연구프로젝트Ⅲ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC3005 | 공학연구프로젝트Ⅳ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC3010 | 지식재산창업전략 | 3 | 6 | 전공 | 학사 | 2-4 | 공과대학 | - | No |
| - 4차 산업혁명시대를 맞이하여 인간의 고도의 창작물인 지식재산은 점점 더 중요해지고 있고, 지식재산의 이해를 통하여 지식재산을 창출하고 이를 활용하여 사업에 적용하는 것은 핵심역량의 한 분야가 되고 있다. 지식재산의 깊은 이해를 통하여 지식재산 창출과 관리 및 창업에 적용하는 것에 대한 학습을 필요로 한다. - 이 교과목은 지식재산에 대한 이해, 지식재산 창출 및 관리 방법, 관리된 지식재산을 기반으로 한 사업의 적용(창업)에 대한 이론 전반과 실전적 노하우를 학습한다. - 구체적인 학습내용은 지식재산의 개념 및 종류(산업재산권, 저작권, 신지식재산권), 지식재산 창출, 지식재산의 관리, 지식재산의 가치평가, 지식재산의 거래, 그리고 지식재산 기반 창업의 이론을 포함하고 - 지식재산창업 성공 및 실패기업 사례를 실증분석하여 지식재산창업 성공요인을 높이고, 지식재산창업기업의 대표 등에게서 지식재산창업의 실전적인 노하우를 직접 습득한다. | |||||||||
| ERC3011 | 산학융합캡스톤디자인 | 3 | 6 | 전공 | 학사 | 3-4 | 공과대학 | - | No |
| 본 교과목은 공과대학, 정보통신대학, 소프트웨어대학, 자연과학대학의 3~4학년 학생들이 연구팀을 형성하여 산업체 및 사회 니즈 분석(산업체 방문/전문가 인터뷰)을 통해 해결해야 할 산업체 연계 문제 해결 과제를 정의하고(Empathize-Define), 종합적 창의 설계 아이디어를 바탕으로 문제해결안을 도출하며(Thinking), 이를 실제 시험(Making)하고 결과를 공유(Sharing)하는 것을 목표로 한다. 수강 학생들은 문제해결이 필요한 산업체 현장 수준의 문제를 중심으로 - 다학제 연구팀을 형성하여 - 전공지식과 인문학적 지식을 바탕으로, - 현장의 실제 상황과 다양한 고려사항들을 반영하며, - 여러 가지 open-ended solution의 모색, 검증, 시험, 개선, 실현을 통한 문제 해결과정을 수행하고, - 실제로 응용 가능한 설계 결과물을 직접 준비하고 제작함으로써 엔지니어로서의 자질과 소양을 연마하며, 실용적인 산학 융합 종합 설계능력을 계발한다. 본 교과목의 설계과제는 여러 학부/학과의 학생으로 구성된 팀 단위로 소통.융합.협업을 통해 수행하며, 최종 결과물을 전시, 발표한다. 산학융합캡스톤디자인을 지원하기 위하여 다수의 학부/학과 교수 및 산업체 전무/엔지니어가 공동 지도한다. | |||||||||
| ERC3012 | 특허아이디어검색과활용 | 3 | 6 | 전공 | 학사 | 3-4 | 공과대학 | - | No |
| 1. 배경 지식재산과 같은 무형적 가치가 중시되는 4차 산업혁명을 맞이하여, 타인의 아이디어에 대한 법적 권리 관계 검토 능력은 매우 중요한 Skill입니다. 2. 강의목표 본 교과목은 과학기술 분야 선행기술조사 이론 학습과 실습을 통해, 미래 공학도의 기술 탐색 능력을 배양하기 위함을 목적으로 합니다. 또한, 본 교과목 수강을 통하여, 지식재산권에 대한 기본소양과 전문 능력을 기를 수 있습니다. 3. 수업 내용 가. 지식재산권(특허, 상표, 디자인 등)의 이해 - 지식재산권 개요 - 특허 등록요건 및 출원절차 - 지식재산권의 권리행사 - IP 청구범위의 해석 나. 선행기술조사 - 선행기술조사 대상(특허, 논문 등 기술 문헌) - 각국의 특허검색사이트 활용방법 및 검색전략 - 선행기술조사 활용(등록 가능성 검토, 무효사유 검토, 특허맵 등) - 선행기술조사 DB 사용법 (WIPS, KIPIRIS 등) - 선행기술조사를 위한 키워드 검색식 작성법 - 선행기술조사 실습 다. 본인 아이디어·기술의 차별성 도출(이론적용, 활용) - 보유 기술·아이디어 특정하기 - 기술·산업·정책 동향조사분석, 선행기술조사 분석 실습 - 분석툴(구글, 기술동향사이트, 신업동향사이트, 정부정보사이트) 이용법 숙지 - 선행기술과의 아이디어·기술 차별성 도출 - 아이디어·기술 적용 제품군/사업화모델/연구방향 도출 4. 기대효과 가. 지식재산권 제도 전반을 이해하고, 본인 관심기술분야의 선행기술조사 실습을 통해 미래 공학도의 기술탐색 능력 및 효과적인 연구방향을 수립할 수 있다. 나. 각국의 특허검색사이트 활용방법 및 검색전략을 익힘으로써 지식재산권 활용을 위한 기본소양을 기를 수 있다. 다. 실습을 통해 직접 본인의 아이디어·기술에 이론을 적용해 봄으로써, 지식재산권 정보 검색을 활용한 본인 기술의 제품군도출/사업화모델/연구방향을 결정하는 밑거름을 다질 수 있다. | |||||||||
| ERC3013 | 기술사업화캡스톤디자인 | 3 | 6 | 전공 | 학사 | 공과대학 | - | No | |
| 기술 및 공학 관련 아이디어를 지식재산권으로 보호하고 이를 실제 사업화(기술이전 등)까지 연계시킬 수 있는 전략을 설계하는 이론 및 실습으로 구성된다. | |||||||||
| ERC3014 | 공학과인공지능 | 3 | 6 | 전공 | 학사 | 공과대학 | 한 | Yes | |
| 본 교과목에서는 공학도를 위하여 인공지능의 다양한 측면에 대해 학습한다. 인공지능은 활용분야 및 전공분야에 따라 정의와 적용기법 등이 상이하다, 이에 본 과목에서는 공학과관련된인공지능의 다양한 정의와 기본 개념 및 방법론에 대해 학습한다. 일반적으로 인공지능은 지식기반시스템(knowledge-based system 또는 symbolic approach)과 계산지능시스템(computational intelligent system)으로 나누어진다. 전자는 전문가로부터 지식을 수집해 시스템을 개발하며 후자는 과거 데이터를 이용해 지능을 모델로 계산한다. 본 교과목에서는 규칙기반시스템(RBS), 검색알고리즘, RBS의 불확실성, 퍼지시스템 등과 같은 지식기반 시스템과 인공신경망, 심층신경망 및 유전자 알고리즘과 같은 계산지능시스템의 방법론을 학습한다. 이 과정은 실용적일 뿐만 아니라 이론적인 과정이기도 하다. 실용적인 지식을 얻기 위해 학생들은 지식기반 및 계산기반 AI를 위한 프로토타입 시스템을 제작할 수 있다. 과제수행을 위해 학생들은 개별적으로 또는 그룹으로 작업해야 한다. 또한 학생들의 지식과 능력은 사례연구, 프로젝트, 대화식토론, 중간 및 기말 시험을 통해 평가한다. | |||||||||
| ERC3015 | 기업가정신과창업전략 | 1 | 2 | 전공 | 학사 | 3-4 | 공과대학 | - | No |
| 이 수업에서는 각 기업의 전문가들이 창업에 대한 아이템 및 방향성을 제시하며, 4차산업에 맞는 아이템 구현 및 스마트기술의 구성 요소에 대하여 함께 분석하고 그와 관련된 창업 아이템을 탐구하는 형식으로 진행이됩니다. 융합IT 사례 연구를 통해 학생들은 최근의 기술과 트랜드 이해를 도우며,지식 재산과 창업 역량을 기르는데 목표로 하고 있습니다. 수업태도, 기말과제 및 개인 레포트 제출을 통하여 강의 이해도를 평가하게 됩니다. | |||||||||
| ERC3016 | 공학연구프로젝트Ⅴ | 2 | 4 | 전공 | 학사 | 2-4 | 공과대학 | 한 | Yes |
| 공학연구프로젝트 교과목은 우수학부생들에게 공과대학 각 부문의 최근 연구분야에 대하여 소개한다. | |||||||||
| ERC7001 | 메타버스플랫폼이해와활용 | 3 | 6 | 전공 | 학사/석사/박사 | 공과대학 일반대학원 | 한 | Yes | |
| 본 과목은 메타버스를 구성하는 기술요소의 이해와 주요 플랫폼 및 관련 기기에 대한 체험 실습을 바탕으로 메타버스 기반의 비즈니스 혹은 서비스 기획 능력을 갖추도록 하는 교육을 주목적으로 한다. 각 기술구성요소의 특징과 용도에 대한 이해와, 주요 서비스들의 사례 연구, 체험을 통한 사용자 관점의 장단점 파악 기회가 주어지며, 나아가 메타버스 서비스 활용과 개선에 대한 창의적 아이디어를 도출하는 능력을 배양하게 된다. | |||||||||
| ERC7002 | NFT이해와활용 | 3 | 6 | 전공 | 학사/석사/박사 | 공과대학 일반대학원 | - | No | |
| 본 과목은 NFT의 개념과 기반 기술, 관련 디지털 경제 생태계, NFT프로젝트 들의 사례에 대한 이해와 NFT제작 및 판매 실습을 바탕으로 NFT를 활용한 비즈니스 혹은 서비스 기획 능력을 갖추도록 하는 교육을 주목적으로 한다. NFT의 기반 기술인 블록체인과 암호화폐, 그리고 기존 주요 적용 대상인 디지털아트, 디지털애셋 등에 대한 기초적인 이해과정이 포함되어 있으며, 주요 프로젝트 사례와 법률적 고려사항, 시장 분석 요령, 기술 트렌드에 대한 학습을 통해 향후 폭넓은 활용에 대한 창의적 아이디어를 도출하는 능력을 배양하게 된다. | |||||||||
| ESM3027 | 전략적의사결정 | 3 | 6 | 전공 | 학사 | 3-4 | 시스템경영공학과 | - | No |
| 의사결정에 관련된 여러 확률적인 문제들을 모델링하고 해결하는 방법을 다룬다. 동시에 OR/MS Ⅱ에서 다루었던 모형들을 좀더 자세히 다루고 실제 응용문제들을 광범위하게 접해본다. 확률모형을 위한 기초적인 기법들, 예를 들면 조건부확률, 조건부평균, 총합확률 등을 심도있게 다룬다, 포아송과정에 관련된 모형들 및 응용문제들을 다양하게 접할기회를 갖게 된다. 또한 출생-사멸과정에 관련된 여러 모형들을 다루고 그 결과들의 의미를 해석해본다. 연속시간 마코프체인을 응용하여 기계수리문제, 대기행렬문제, 신뢰도문제 등을 다룬다. 의사결정문제와 관련한 최적화문제들을 다루기 위하여 재생-보상 정리를 이해하고 기초적인 확률적 최적화문제들을 다루어본다. | |||||||||
| ESM3083 | 인공지능개론및실습 | 3 | 6 | 전공 | 학사 | 3-4 | 시스템경영공학과 | - | No |
| 본 수업에서 학생들은 인공지능의 다양한 측면에 대해 학습한다. AI는 분야 따라 사람마다 다른 의미를 지녔기 때문에, 학생들은 공학과 관련된 다양한 정의와 방법을 학습한다. 일반적으로 인공 지능은 지식 기반 시스템과 계산 지능 시스템(computational intelligent system)으로 나누어진다. 수업에서는 규칙 기반 시스템(RBS), 검색 알고리즘, RBS의 불확실성, 퍼지 시스템, 인공 신경 네트워크 및 유전자 알고리즘과 같은 다양한 기법을 학습한다. 이 과정은 실용적일뿐만 아니라 이론적인 과정이기도 하다. 실용적인 지식을 얻기 위해 학생들은 지식 기반 및 계산 기반 AI를 위한 프로토타입 시스템을 제작할 수 있다. 과제 수행을 위해 학생들은 개별적으로 또는 그룹으로 작업해야 한다. 또한 학생들의 지식과 능력은 사례 연구, 프로젝트, 대화식 토론, 중간 및 기말시험을 통해 평가한다. | |||||||||