발전기금
교과목명을 클릭하시면 과정 설명을 볼 수 있습니다.
| 학수번호 | 교과목명 | 학점 |
자기 학습 시간 |
영역 | 학위 |
이수 학년 |
비고 | 언어 |
개설 여부 |
|---|---|---|---|---|---|---|---|---|---|
| CHS5005 | AI스타트업과기업가정신 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 도전학기(대학원) | - | No |
| 최근 인공지능의 적용범위가 전산업분야에 걸쳐 크게 확대되면서 AI를 핵심가치로 하는 이른바 AI 스타트업이 크게 늘어나고 있다. 이는 비단 국내뿐만 아니라 해외에서도 대세로 자리잡고 있다. 그러나 AI 스타트업이 과연 어떠한 기업가정신으로 무장하고 어떠한 비즈니스 모델로 시장에 진출하는 것이 가장 효과적인지에 대해서는 이론적 실증적 가이드라인이 없는 실정이다. 막연한 기대감과 겉모습만 AI로 치장한 AI스타트업으로는 치열한 시장경쟁에서 살아남기 어렵다. 본 과목은 이러한 현재의 AI스타트업의 문제점을 보완하기 위하여 다음과 같이 세가지 목표를 제시한다. 첫째, AI스타트업이 갖추어야 할 비즈니스모델의 유형을 세분화한다. 둘째, AI스타트업이 가져야 할 기업가정신의 유형을 소개하고 그 대표적 성공사례를 다양한 국내외 사례로 분석한다. 셋째, 랜드봇, 스테이블디퓨전, 노코드 ML/DL등의 실제 소프트웨어를 토대로 팀단위로 가상의 AI스타트업을 만들어보고 해당 스타트업의 비즈니스 모델, 기업가정신을 설정하고 그 효과성을 진단해 본다. | |||||||||
| CHS7002 | 머신러닝과딥러닝 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
| 본 수업에서는 기초적인 머신러닝 및 딥러닝 알고리즘의 이론 및 실습을 다룬다. 구체적으로, 선형 분류, 선형 회귀, 의사결정나무, 서포트 벡터 머신, 다층신경망, 컨볼루션 네트워크 등 실제 사례에 널리 사용되고 있는 알고리즘들을 이론 강의를 통하여 습득하고, python을 이용하여 이론에서 배운 알고리즘을 실습을 통하여 자기주도적으로 학습한다. 본 수업의 원활한 수강을 위하여, 학생들은 기본적인 미적분학, 선형대수학, 확률 및 통계, python language의 활용 등에 대한 지식이 필요하다. | |||||||||
| CHS7003 | 인공지능응용 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
| 스탠포드 대학교의 공개 강좌인 cs231n은 이미지 인식과 딥러닝에 대한 가장 유명한 공개 강좌 중 하나이다. 본 수업은 스탠포드 대학교의 공개 강좌 cs231n을 이용하여 Flipped class 방식으로 수업을 진행한다. 본 수업을 수강하기 위해서는 학부 수준의 기본적인 수학 지식(선형대수, 미적분학, 확률/통계)와 기본적인 파이썬 기반의 코딩 능력이 요구된다. 수업에서 진행하는 구체적은 진행방식과 활동은 다음과 같다. 1) On-line 강의(English)를 청취 (학습자 주도) 2) On-line 강의(English) 청취한 내용에 대해 개별 노트 정리 (학습자 주도) 3) On-line 강의(English) 청취한 내용에 대해 QnA 토론 (학습자 주도) 4) QnA 기반의 교수자 주도의 Off-line 강의(Korean) 강의 (교수자 주도) 5) 팀별 보충 발표 (학습자 주도) 매 토픽에 대하여 위에 언급한 1) ~ 5)의 진행방식을 활용하여 학습한다. 평가는 각 활동과 과제, 중간 시험, 기말 프로젝트에 기반하여 절대평가한다. 수업에 다루는 내용은 다음과 같다. - Introduction Image Classification Loss Function & Optimization (Assignment # 1) - Introduction to Neural Networks - Convolutional Neural Networks (Assignment # 2) - Training Neural Networks - Deep Learning Hardware and Software - CNN Architectures-Recurrent Neural Networks (Assignment # 3) - Detection and Segmentation - Generative Models - Visualizing and Understanding - Deep Reinforcement Learning - Final Project. 본 수업은 이미지 인식과 관련한 딥러닝 방법에 대하여 기초부터 응용까지 다루므로 관심이 있는 학생들에게 좋은 기회가 될 것이라 생각한다. | |||||||||
| CHS7004 | Python활용인문사회과학논문쓰기 | 3 | 6 | 전공 | 학사/석사/박사 | 도전학기(대학원) | - | No | |
| 논문을 쓰기 위한 과목으로 인문사회과학 영역의 연구를 위하여 빅데이터를 활용한 논문을 쓰기 위한 과정이다. 기본적으로 논문 쓰기 방법에 대한 학습을 하며, 논문을 위한 연구 방법론으로 프로그래밍 처리를 학습한다. 프로그래밍 언어 가운데 인문사회과학 관련 자료를 처리하기 가장 적합하며, 자료 시각화 기능이 뛰어난 파이선을 활용하여 논문 쓰는 법에 대하여 구체적으로 학습한다. 논문 작성을 위한 기본 적인 연구 방법론 및 논문 내용 구성에 대한 이론 강의가 우선 진행된다. 논문 작성을 위하여 주제 선정 및 토론이 진행된다. 주제가 선정되면 관련 연구 정리 방법에 대한 강의가 진행된다. 다음 과정으로 연구 방법론에 따라 필요한 내용 작성에 대한 학습이 진행된다. 제언 및 참고 문헌 정리 방법에 대하여 학습하여 이론적 접근법을 완성한다. 파이선 활용을 통한 자료 분석을 위하여 기본적인 파이선 문법에 대한 학습이 이루어지며, 입력 자료 처리를 위한 실습을 진행한다. 각 연구 분야에서 필요한 파이선 패키지 설치 방법 및 활용 방법에 대하여 학습한 후, 실제 데이터 처리에 대한 실습이 진행된다. 공동 연구 진행을 대비하여 쥬피터 노트북 (jupyter notebook) 사용법을 기본 환경으로 설정하여 분석할 수 있도록 학습한다. 자료 가시화를 위한 matplolib 활용법을 학습하며, 빅데이터 처리를 위한 pandas 활용을 학습한다. 이 과목의 목적은 각 전공 분야에 필요한 연구를 파이선 언어로 프로그래밍 구현을 실행하여 의미 있는 연구 결과를 도출하는 것이다. 이를 위하여 과정 기간 내에 논문 1편 완성을 목표로 한다. | |||||||||
| COV7001 | 논문작성법및연구윤리1 | 1 | 2 | 전공 | 석사/박사 | 일반대학원 성균융합원 | 한 | Yes | |
| 1) 논문작성의 전반을 소개하고, 논문작성의 필수적인 교양을 습득한다. 2) 연구 결과를 영어로 표현하는 효과적인 방법을 공부함으로써 향후 국내외학술지에 효율적으로 논문을 개제할 수 있도록 한다. 3) 연구 윤리를 습득한다. | |||||||||
| ERP4001 | 창의심화탐구 | 3 | 6 | 전공 | 학사/석사 | 교무팀 교육연구 | - | No | |
| 이 과목은 교육을 중심으로 하는 연구를 병행하는 교과목으로서, 연구수행능력을 일정 수준 갖춘 학사과정생들을 중심으로 창의적인 아이디어를 도출하고, 학사과정생이 자율적으로 연구할 수 있는 기회를 확대하고자 설계되었다. 학생들은 과학기술 분야를 중심으로 한 인문사회, 문화예술 분야의 융합과 통섭을 기반으로 과학적 탐구력과 창의적 문제해결역량 신장에 적합한 창의 주제 탐구 수행한다. 또한 본 과목은 학제간 융합주제에 대한 교육-탐구설계-수행-논문지도-결과발표에 이르는 전 과정을 포함하고 있다. | |||||||||
| FSE5003 | 사회적경제와소셜앙트레프레너십 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 미래인문학소셜앙트레프레너십융합전공 | 한 | Yes |
| 소셜 앙트레프레너의 핵심 활동영역은 사회적경제이다. 사회적경제는 이윤 추구를 목적으로 하지 않는 경제 조직과 그 활동을 포괄적으로 지칭하는 것으로서 구체적으로 협동조합, 사회적기업, 마을기업 등과 같은 경제조직과 시민단체, 비영리기관, 사회복지재단 등의 활발한 수익 활동 등에서 그 실체를 확인할 수 있다. 본 과목의 목표는 사회적경제의 제반 주제를 다룸으로서, 소셜 앙트레프레너의 핵심 활동영역인 사회적경제에 대해 수강생들이 종합적으로 이해할 수 있도록 하는 것이다. | |||||||||
| GSP5241 | 사회과학연구를위한공간회귀분석 | 3 | 6 | 전공 | 석사/박사 | 행정학과 | - | No | |
| 사회현상에서 공간적 상호의존성은 만연하다. 공간적으로 인접한 개인, 집단, 지역은 전이효과(spillover effect)를 통해 서로 영향을 주고받아 유사한 특성 및 행태를 보인다. 지리적으로 인접한 지방정부들 또한 정책이전과 경쟁을 통해 유사한 정책을 채택하곤 한다. 본 수업에서는 이러한 공간적 상호의존성을 사회과학연구에 적용하기 위한 방향을 탐구한다. 이를 위해 공간적 상호의존성의 개념, 발생원인에 대해 논의하고, 전역적/국지적 공간적 상호의존성 분석 및 시각화, spatial lag, spatial error, geographically weighted regression, spatial Durbin과 같은 공간회귀분석모형을 논의하고 실제 사회과학연구에 적용한다. | |||||||||
| MCJ5122 | Network Analysis for Communication Research | 3 | 6 | 전공 | 석사/박사 | 1-4 | 미디어커뮤니케이션학과 | 한 | Yes |
| 이 과목은 커뮤니케이션 관점에서 네트워크 분석 방법에 대한 이론과 개념을 학습한다. 또한 이 과목은 네크워크 분석방법이 다양한 커뮤니케이션 현상과 문제를 이해하는데 있어 어떻게 활용될 수 있는지를 실제 데이터와 네트워크 분석 소프트웨어를 이용하여 실습한다. | |||||||||
| MCJ5128 | 메타분석 | 3 | 6 | 전공 | 석사/박사 | 2-4 | 미디어커뮤니케이션학과 | - | No |
| 메타분석은 연구 결과들에 대한 정량적 분석을 의미한다. 즉, 기존 연구들로부터 독립변수와 종속변수 간의 관계를 나타내는 지표인 효과크기를 추출하여 분석하고 통합하는 방법이다. 본 과목은 메타분석을 수행하는 절차와 분석결과를 해석하는 방법을 다룬다. 이 과목에서 학생들은 메타분석 소프트웨어를 활용하여 관심 있는 연구 주제에 대해 메타분석을 수행해보고, 분석결과를 바탕으로 연구논문을 작성해보는 기회를 갖는다. | |||||||||
| PSD5113 | 미래사회위험과정치이론 | 3 | 6 | 전공 | 석사/박사 | 정치외교학과 | 한 | Yes | |
| 본 강좌는 현대인간사회를 둘러싸고 자연환경, 인적환경, 지식기술 영역에서 일어나는 혁신 등 새로운 발전양상을 추적하고 그에 따른 사회구조의 변화를 정치이론과의 연관성속에서 탐구한다. 과학기술지식의 진보가 추동하는 사회구조 및 의식의 변화가 국가와 정치행위에 새로운 도전을 부여하고 있다는 것에 대해서는 긴 논의가 필요하지 않다. 이외에도 인구구조의 변화나 기후 환경의 변화, 그로 인한 자연재해나 거주환경의 변화등은 기존 사회구조 및 정치제도에 대한 근본적인 도전을 제기하기도 한다. 그리고 한 사회, 나아가 인류의 생존 전체가 그러한 도전을 얼마나 제대로 이해하고 능동적으로 대응하는가에 달려있다는 것은 분명하다. 본 강좌는 이러한 미래사회에 등장하는 위험요소들을 추적하고 그 사회적 효과를 평가하는 한편 그에 대한 정치적 대응책을 모색한다. | |||||||||
| PSD5120 | 데이터사이언스와정치학연구 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 정치외교학과 | - | No |
| 이른바 Big Data 혁명과 컴퓨터 연산 능력의 급속한 발전은 정치 문제를 이해하는 방식에 큰 변화를 가져오고 있다. 본 강좌는 데이터 사이언스의 분석 기법을 정치학적 측면에서 고찰한다. 특히, Text Analysis, machine learning 등 첨단 데이터 분석 기법에 대해 소개하며, 정치학의 다양한 연구 주제에 어떻게 적용시킬지 토론한다. 또한 학생들은 본 강좌에서 R 또는 Python 같은 프로그래밍 언어를 이용한 실질적인 기본데이터 분석기법도 학습한다. | |||||||||
| PSY4007 | 다변량분석과통계학습 | 3 | 6 | 전공 | 학사/석사 | 심리학과 | - | No | |
| 본 과목은 심리학을 비롯한 행동과학 연구에 널리 사용되는 다변량자료 분석 방법의 원리와 적용을 다룬다. 다중회귀모형과 로지스틱 회귀모형, 주성분분석, 요인분석, 군집분석 등의 다변량 절차들이 과학 이론의 탐색과 검증에 어떻게 적용되는지 확인하고 지도학습, 비지도학습 등의 통계학습과 어떻게 관련되는지 학습한다. 심리학과 대학원생 또는 [심리통계및컴퓨터분석]을 선수강한 학부 3-4학년생을 대상으로 한다. | |||||||||
| PSY5136 | 구조방정식이론 | 3 | 6 | 전공 | 석사/박사 | 1-4 | 심리학과 | - | No |
| 이 수업은 다변량 통계방법의 가장 폭넓고 깊은 과목이다. 회귀분석과 요인분석에 충분한 이해를 가지고 있는 학생들에게 다음 과목으로 권장된다. 이 수업에서는 구조방정식모형의 기초이론을 다루고, 구조적 관계가설에 기초하여 주어진 자료를 분석하는 연습을 하게 된다. 궁극적으로는 이 방법론을 주된 방법론으로 사용하여 출판된 논문들에 대한 비평을 할 수 있게 되는 것을 목적으로 한다. | |||||||||
| PSY5188 | 구조방정식모형 | 3 | 6 | 전공 | 석사/박사 | 심리학과 | 한 | Yes | |
| 본 과목은 심리학을 비롯한 행동과학 연구에 널리 사용되는 잠재변수모형, 경로모형, 구조방정식모형의 원리와 적용을 다룬다. 구조방정식모형의 핵심적 개념 및 분석 원리와 실제 연구 사례를 이해하고 컴퓨터 프로그램을 사용하여 실제 자료를 분석하는 절차를 다룬다. | |||||||||
| SIC5020 | 패널데이터분석 | 3 | 6 | 전공 | 석사/박사 | 소셜이노베이션융합전공 | - | No | |
| 횡단면 자료와 구별되는 패널자료의 특징에 대해 소개하고 관련 분석방법에 대하여 학습한다. 또한 패널자료를 활용하여 준실험설계 모형(이중차분모형, 경향점수매칭법, 회귀단절모형)을 구성하는 방법에 대하여 알아보고 실제 연구에 적용한 사례들을 살펴본다. 매주 통계 프로그램 실습을 통해 패널자료 분석을 위한 코딩 능력을 함양한다. | |||||||||
| SIC5021 | 소셜빅데이터분석 | 3 | 9 | 전공 | 석사/박사 | 소셜이노베이션융합전공 | 한 | Yes | |
| 본 수업의 목표는 파이썬 프로그래밍을 활용하여 비정형화된 텍스트 기반 온라인 자료들을 수집·저장·분석하는 것이다. 온라인 뉴스 사이트, 블로그, SNS 등 다양한 채널을 통해 광범위한 소셜 데이터를 스크래핑·크롤링하는 방법을 배우고, 이렇게 수집된 데이터를 비지도(unsupervised) 기계학습을 통해 분석하고 예측하는 역량을 키운다. 대규모 코퍼스(corpus)에 대한 초급·중급 수준의 자연어처리를 수행하고, 이를 시각화하는 기술을 배운다. 확률모델인 토픽모델의 적용에 주안점을 두며 기본모형인 LDA에 대한 이해와 적용, 나아가 심화모형인 DTM과 ETM을 학습하고 적용한다. 궁극적으로 비정형화된 소셜 빅데이터를 처리하고, 시각화, 분석하는 능력을 키우고, 결과물들을 리서치 노트 형태로 정리하는 것을 최종적인 목표로 삼는다. | |||||||||
| SIC5022 | 빅데이터예측모델링 | 3 | 6 | 전공 | 석사/박사 | 소셜이노베이션융합전공 | - | No | |
| 빅데이터예측모형과 통계적 학습의 이론적인 배경을 이해하고, 프로그래밍 tool을 활용하여 모형을 설계하고 추정하는 방법에 대해 학습한다. 회귀분석의 개념, 모형선택과 정규화, 자료 전처리 등에 대해 배우며, 추후 머신러닝 알고리듬의 이해를 돕기 위한 배경지식 함양에 집중한다. | |||||||||
| SIC5028 | 파이썬을활용한머신러닝 | 3 | 6 | 전공 | 석사/박사 | 소셜이노베이션융합전공 | 한 | Yes | |
| 본 수업의 목표는 파이썬 프로그래밍을 이용하여 머신러닝 알고리즘들을 구현해 보는 것에 있다. 초반부에서 파이썬 프로그래밍에 대한 기초를 배우고, 후반부에서 파이썬을 이용하여 지도학습 및 비지도학습의 다양한 머신러닝 알고리즘을 직접 구현하여 머신러닝에 대한 이해를 돕는다. | |||||||||
| SIC5033 | 빅데이터활용사회문화격차연구방법론 | 3 | 6 | 전공 | 석사/박사 | 소셜이노베이션융합전공 | - | No | |
| 빅데이터와기계학습모형을사회문화격차연구에적용한연구사례를소개하고관련방법론을심화학습함.문화불평등,건강불평등,교육불평등,및사회이동성저하와관련된여러연구주제를다루며,빅데이터와스몰데이터연계방법론,기계학습모형의사회과학연구응용방법,윤리적이슈등분석방법에관한이슈를함께다루어실제연구에서빅데이터방법론이어떻게적용되었는지를논의함. | |||||||||
| SIC5034 | 위계선형모형 | 3 | 6 | 전공 | 석사/박사 | 2-8 | 소셜이노베이션융합전공 | 영 | Yes |
| 이 과목은 위계선형모형을 직접 사용하여 연구에 사용하며, 분석하며, 해석할 수 있는 기술을 길러내며, 더 나아가 위계선형모형을 사용하고 있는 최근의 사회과학 연구를 비판적으로 평가하고 접근할 수 있는 능력을 기르는 데에 목적이 있다. 흔히 사회과학 연구에서는 개인과 그가 생활하고, 일하고, 배우는 사회적 컨텍스트 사이의 관계를 연구하는 경우가 많이 있다. 이런 연구는 결국 다층모형을 연구하는 것이 될 수밖에 없는데, 그것은 다름아닌 집단 안에 소속된 개인을 연구하는 것을 말한다. 다층모형을 연구할 때 사용되는 데이터의 성격은 위계적이다. 예를 들어서 교육학에서의 연구를 보면, 보통 학생들을 연구하지만, 그 학생들은 학교라는 상위 집단 안에 소속된 개인들이다. 그래서 학생은 그냥 개인으로 존재하는 것이 아니라 어떤 집단의 구성원으로 존재한다. 이런 위계적인 성격의 데이터를 분석할 때에는 특별한 통계적 기술과 능력이 요구된다. 왜냐하면 이런 위계적 데이터를 일반적 통계 분석법으로 접근하면 표준오차와 유의도검정에서 심각한 오류를 낳기 때문이다. 바로 위계선형모형은 그와 같은 오류를 잘 해결해주며 집단 속에 있는 개인을 정확하게 연구하게 해준다. 본 과목은 위계선형모형의 배후에 있는 복잡다단한 수학적 계산보다는 그 모형을 실제의 연구에서 잘 이용하고 해석하는 데에 초점을 맞춰서 진행할 것이다. | |||||||||
| SIC5035 | 회귀분석이론과응용 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 소셜이노베이션융합전공 | 한 | Yes |
| 다변량 자료분석을 위해 필요한 통계학 이론들에 대해 설명한다. 주로 다중선형회귀에서의 최소제곱법, 추정과 가설검정, 잔차분석 및 모형의 적합성 판단 등을 다룬다 | |||||||||
| SIC5038 | 종단적범주형자료분석과응용 | 3 | 6 | 전공 | 석사/박사 | 1-8 | 소셜이노베이션융합전공 | 한 | Yes |
| 다양한 범주형 종속 변수들이 포함된 회귀모형 (순서, 다항 로직 및 프로빗 모형 및 빈도변수 모형)에 필요한 통계학에 대한 이론들에 대해 설명한다. 또한, 이러한 모형을 포함한 매개효과 및 조절효과 모형에 대해서 논의한다. 마지막으로, 이러한 범주형 자료를 활용하여 사건이 발생한 시점을 포함한 절단 자료에 대한 분석방법도 논의한다. | |||||||||
| SOC5061 | 기초중급통계학 | 3 | 9 | 전공 | 석사/박사 | 사회학과 | 한 | Yes | |
| 대학원 사회과학 제 전공의 이수에 반드시 필요한 통계학 가운데 고급통계(Advanced Statistics)만을 제외한 기초 및 중급 통계(Elementary/Intermediate Statistics)에 포함되는 제반 통계분석 기법들 ― 기술통계 & 추리통계(z-검증, t-검증, χ2-검증, F-검증, 단순회귀분석, 중다회귀분석, Logit분석 등) ― 을 강의와 실습을 병행하는 방식으로 진행한다. | |||||||||
| SOC5062 | 요인분석공변량구조분석 | 3 | 9 | 전공 | 석사/박사 | 사회학과 | - | No | |
| 대학원 사회과학 제 전공의 이수에 반드시 필요한 통계학 가운데 고급통계(Advanced Statistics)(기초∙중급통계 제외)의 제반 기법들 가운데 가장 중요하고 범용 기법으로 부상한 요인분석(EFA & CFA) 및 공변량구조분석(Covariance Structure Analysis)을 강의와 실습을 병행하는 방식으로 진행한다. | |||||||||
| SWF2001 | 사회복지학개론 | 3 | 6 | 전공 | 학사 | 2-3 | 사회복지학과 | 한 | Yes |
| 이 과목의 목적은 학생들에게 사회복지를 이해하는데 필요한 기초적 준거틀을 제공해주는 것이다. 이 수업에서는 사회사업의 전문가가 지녀야할 실천방법들을 검토하고, 사회복지의 철학과 역사, 그리고 개별사회복지서비스들을 살펴볼 것이다. | |||||||||
| SWF4006 | 사회복지법제와실천 | 3 | 6 | 전공 | 학사/석사 | 한 | Yes | ||
| 사회복지 관한 법 전반을 살펴봄으로써 학생들이 사회복지요원으로 종사할 때 필요한 실무능력을 배양하고자 한다. 이수업에서는 구체적으로 사회복지법의 의의, 사회복지법의 역사, 사회복지법의 성격, 사회복지사업법, 의료보험법, 연금법, 산업재해보상보험법, 진폐법, 고용보험법, 공적부조법, 아동복지법, 모자복지법, 노인복지법, 장애인복지법 등의 내용을 비판적으로 다룬다. | |||||||||
| SWF4007 | 사회적경제의이론과실제 | 3 | 3 | 전공 | 학사/석사 | 한 | Yes | ||
| 사회적경제는 이윤 추구를 목적으로 하지 않는 경제 조직과 그 활동을 포괄적으로 지칭한다. 이 과목의 목표는 사회적경제에 대해 수강생들이 종합적으로 이해할 수 있도록 하는 것이다. 이를 위해 본 과목은 다음과 같은 주제들을 다룬다. 1부에서는 사회적경제의 개념을 구체화하기 위해 사회적경제의 의미와 필요성, 그리고 태동과 발전과정을 조망한다. 한편 2부는 사회적경제 관련 이론들을 다룬다. 집합적 생활조직화 방식들에 대한 접근들, 복지혼합과 복지다원주의에 대한 여러 논의들, 집합적 행동의 딜레마와 그 해결기제에 대한 통찰들, 시민참여와 사회적 자본, 공공성 개념의 확장과 관련한 접근들을 통해 수강생들은 사회적경제에 대한 분석적, 이론적 조망의 기회를 갖게 될 것이다. 본 과목의 3부는 협동조합, 사회적기업, 마을기업, 비영리조직 등 다양한 사회적경제 단위들을 통해 사회적경제의 실재를 비교론적 관점에서 다룬다. | |||||||||
| SWF4009 | 실천과정책의인터페이스 | 3 | 6 | 전공 | 학사/석사 | - | No | ||
| 사회복지사는 클라이언트의 변화와 성장을 도모하기 위해 함께 하지만, 이들이 클라이언트와 함께할수 있는 시간, 전문적 개입의 제공,자원등은 정책과 법, 제도, 전달체계, 기관의 규정에 의해 지지되고 또 제한된다. 본 교과목은 사회복지 현장의 구체적 현안과 실재 개입사례들을 바탕으로 사회복지사의 전문적 실천개입에서 발생하는 다이나믹 이슈들을 분석할 수 있는 역량개발을 목표로한다. 나아가 사회복지사의 역량을 강화하고 발휘할 수 있기 위해 개선되어야할 구체적 지점을 규명하고 이를 개선하기 위한 철학적, 이론적 ,제도적 차원의 대안적 기반을 모색하고자한다. 이를 통해 전문직으로서의 사회복지직의 역할과 정체성을 미래세대의 눈으로 비판적으로 검토하고 재정립하고자 한다. | |||||||||
| SWF4010 | 외상과회복 | 3 | 6 | 전공 | 학사/석사 | 1-4 | 한 | Yes | |
| 사회복지현장에서 조우하는 사람들은 다양한 외상 경험을 갖고 있는 경우가 많다. 본 교과목의 목표는 외상에 대한 이해와 개입 방법을 습득하는 데에 있다. 구체적으로, 먼저 외상과 회복 개념에 대한 철학적, 이론적 논의를 다루고, 사회복지적 관점에서 기존 논의에 관한 재해석을 시도할 것이다. 다음 외상의 영향에 관한 이해를 위해 이를 설명하는 제이론 및 평가 방법을 배울 것이다. 마지막으로, 학생들은 외상개입의 원칙과 함께 대표적인 접근방법들을 다양한 교수법을 통해 습득하게 될 것이다. | |||||||||