KR20010083847A - 대입전형 합격가능확률 계산 시스템 - Google Patents

대입전형 합격가능확률 계산 시스템 Download PDF

Info

Publication number
KR20010083847A
KR20010083847A KR1020010039691A KR20010039691A KR20010083847A KR 20010083847 A KR20010083847 A KR 20010083847A KR 1020010039691 A KR1020010039691 A KR 1020010039691A KR 20010039691 A KR20010039691 A KR 20010039691A KR 20010083847 A KR20010083847 A KR 20010083847A
Authority
KR
South Korea
Prior art keywords
probability
university
user
score
passing
Prior art date
Application number
KR1020010039691A
Other languages
English (en)
Inventor
한승진
김민수
Original Assignee
김병기
(주)넥스팝
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김병기, (주)넥스팝 filed Critical 김병기
Priority to KR1020010039691A priority Critical patent/KR20010083847A/ko
Publication of KR20010083847A publication Critical patent/KR20010083847A/ko

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 대학입학전형에 영향을 미치는 다양한 요소들 가운데 정량화가 가능한 전형요소에 대한 통계처리를 통해 사용자가 문의한 대학의 학부 혹은 학과에 합격가능한 확률을 계산하는 전산화된 시스템이다.
본 시스템은 기구축된 다년 간의 수학능력시험점수 데이터베이스, 학과선호도 데이터베이스, 고교내신성적 데이터베이스, 각 대학별 학부 혹은 학과 데이터베이스, 각 대학별 학부 혹은 학과 합격자 수학능력점수 평균 및 최저점수 데이터베이스, 대학 및 학부 혹은 학과 지원 내력과 그 결과 데이터베이스 등등을 기반으로 사용자의 수학능력시험 점수, 내신성적, 지망하는 학교의 학과 혹은 학부 등의 사용자 정보를 가지고 특정 대학의 학과 혹은 학부에 합격가능한 확률을 산출하는 것을 기본 기능으로 한다.
본 시스템은 위의 합격가능 확률 산출 기능뿐만 아니라, 역으로 특정 대학의 학과 혹은 학부에 합격할 확률을 입력하면 그 정도의 합격확률에 적합한 수학능력시험 점수와 내신 성적 등을 제시할 수도 있다. 다양한 결과를 단일한 대학의 학과 혹은 학부에 대해서만 제시할 수 있는 한편, 복수의 대학 학과 혹은 학부들에 대해서도 제시할 수도 있다.
본 시스템은 또한 모의수학능력시험과 적성검사 등을 수행하여 그 결과 데이터베이스를 활용하여 수학능력시험에서의 예상점수를 산출하고, 사용자의 적성에 맞는 단일 학과 혹은 복수의 학과를 추천할 수 있는 별도의 처리기들을 통해 그 기능이 확장될 수 있다.
본 시스템은 인터넷 사이트에 연계되어 온라인 서비스를 제공하는 데도 사용될 수 있는 한편, 인터넷과 상관없는 독립된 어플리케이션으로도 사용될 수 있다.

Description

대입전형 합격가능확률 계산 시스템 {Estimation System for College Admission Probability}
본 발명은 통계학자들을 중심으로 사회의 각종 분야에서 수행되던 미래를 예측하고 사후확률을 계산하는 작업을 대학입시 합격가능 확률 산출이라는 특정한 분야에 적용하는 기술이다.
이 분야에는 베이즈의 규칙(Bayes's rule)을 기초로 한 다양한 판별함수들이 이용된다. 주로 자료의 정규분포 가정 하에 이용될 수 있는 선형판별함수, 이차형판별함수, 정칙화판별함수, 자료 분포의 가정이 없이도 이용될 수 있는 로지스틱 판별함수, 그리고 신경망을 이용하는 방법 등이 사용될 수 있다.
본 발명에서는 대학입시의 전형요소들 가운데 정량화가 가능한 여러 가지 요소들에 대하여 위의 통계기법들을 적용하고, 수학능력시험 점수 또는 모의수학능력시험을 실시하여 얻어진 예상점수와 내신성적 등으로부터 특정 대학의 학과 혹은 학부에 합격가능한 확률을 산출하여 사용자에게 웹기반 온라인 혹은 오프라인으로 제시하고자 한다.
본 발명에서는 과거입시자료로부터의 대학입시 합격가능확률의 계산에 위의 다양한 판별방법을 적용할 것이고 또한 대학입시자료의 정확한 분포를 추정하여 가능한 한 정확한 합격확률의 예측을 하고자 한다. 따라서 본 발명을 위해서는 먼저 과거 다년 간에 걸친 수학능력시험 결과 데이터베이스를 비롯한 다양한 관계성 데이터베이스들이 구축되어야 한다. 구축되어야 할 데이터베이스들은 다음과 같다.
수학능력시험 성적 데이터베이스. 본 데이터베이스는 과거 실시된 수학능력시험의 결과를 점수별 혹은 점수대별 수험생 분포, 석차별 점수 분포, 상위 50%의 성적 분포, 전체 수험생의 점수분포도 등등의 정보를 담고 있다.
내신성적 데이터베이스. 본 데이터베이스는 본 시스템의 각각의 사용자의 고교내신성적에 대한 정보를 담고 있는데, 사용자의 내신성적은 본인이 입력하거나 별도의 내신성적산출기에 의해 얻어질 수 있으며, 이렇게 얻어진 내신성적 점수에 대하여 점수별 혹은 점수대별 분포 등에 대한 정보를 DB화 한다.
학과선호도 데이터베이스. 학과선호도는 과거의 각 대학 학과 혹은 학부별 경쟁률 정보, 학과별 언론노출 회수 정보, 사용자들의 학과선호도 등에 관한 정보를 DB화하여 담고 있다.
대학정보 데이터베이스. 각 대학별로 개설된 학과 혹은 학부에 대한 정보를 수록한다.
합격자 점수 데이터베이스. 각 대학의 학과 혹은 학부별 과거 지원자들 가운데 합격한 학생들의 수학능력시험 점수, 내신성적 등의 점수별 분포와 평균 점수, 최저점수 등의 정보를 수록한다.
수험생 지원내역 데이터베이스. 각 수험생들이 자신의 수학능력시험 점수와 내신성적으로 지원한 대학의 학과와 학부들 목록과 그 목록 가운데 어느 대학 무슨 학과 혹은 학부에 합격 혹은 불합격 여부를 수록한다. 이 정보는 이미 대학진학에 성공한 수험생들을 대상으로 한 설문조사와 본 시스템 사용자들의 점수 정보와 그들의 지원성향을 분석함으로써 얻을 수 있다.
이상과 같은 여러 가지 전형요소에 관한 자료를 DB화함으로써 본 발명은 가능한 한 대학전형 요소에 관한 과거 자료를 최대한 확보하여 정확한 대학입시 합격확률을 계산하여 사용자에게 웹기반 온라인으로 혹은 독립 어플리케이션을 이용하여 오프라인으로 제공하는데 목적이 있다.
본 발명에서는 대학입시 합격확률 시스템의 계산에 크게 두 가지 방법을 적용한다. 첫 번째는 과거대학입시자료로부터 베이즈 규칙에 기초한 다양한 판별함수(특히, 로지스틱 판별함수가 유용)들을 이용하여 대학입시 합격 가능확률을 계산하는 방법이고, 두 번째는 대학입시전문가가 각 대학의 합격가능점수를 예측(평균과 분산추정)하고 이를 바탕으로 특정분포(정규분포 등등)의 가정 하에서 대학입시 합격 가능확률을 계산하는 방법이다. 위의 방법들이 로버스트성을 가질 수 있도록, 즉 수학능력시험의 난이도에 따른 영향을 최소화하기 위해 점수 대신 전국 석차를 이용할 수도 있다.
따라서 본 발명은 위의 통계처리 과정을 전산화하여야 하며, 독립된 어플리케이션뿐만 아니라 웹기반 서비스가 가능하도록 충분히 유연한 프로그래밍 언어와 기법이 요구된다.
또한 본 시스템은 현행 4개 군으로 시행되는 대학입시에서 군별로 클라이언트가 원하는 지역과 원하는 학과에 대해 적절한 선택을 도와주는 컨설팅기능도 가능할 뿐만 아니라 자체 적성검사결과로부터 클라이언트에게 학과까지 추천할 수 있는 기능도 가능하다. 추천기능은 다양한 군집분석, 판별분석 등의 통계적 분석기법과 전문가의 판단 등을 기초로 한다.
[도1]은 본 발명에 따른 대입전형 합격가능확률 계산 시스템이 독립된 어플리케이션으로 사용되는 경우의 시스템 구성도이며, [도2]는 웹기반 온라인 서비스에 적용되는 경우의 시스템 구성도이다. [도3]은 본 시스템에 다른 기능들을 첨가하는 경우의 시스템 구성도이다. 각 도면의 주요 부분에 대한 기호의 설명은 다음과 같다.
10 - 사용자 정보 입력기. 독립 어플리케이션의 경우 사용자 컴퓨터의 모니터에 GUI로 제시되는 입력창이 되며, 웹기반 온라인 서비스의 경우 서버에 접속하는 클라이언트 브라우저의 입력창이 된다.
20 - 본 시스템의 핵심인 대학입시합격가능확률 계산처리기로서 확률계산엔진과 엔진이 참고하는 각종 데이터베이스로 구성되어 있다.
30 - 위 20번 대학입시합격가능확률 계산처리기의 핵심부분으로서 확률계산엔진이다. 확률계산엔진은 모듈화되어 있으며, 점수별 요구확률 계산기, 확률별 요구점수 계산기, 지역소재대학별 합격확률 계산기, 복수지원 합격합률 계산기 등으로 구성되어 있으며, 서비스 내용 추가에 따라 다른 계산기들이 부가될 수 있다.
40 - 위 20번 대학입시합격가능확률 계산처리기의 부분 요소로서 여러 가지데이터베이스를 가지고 있다. 여기에는 정량화가 가능한 대학입학전형 요소들이 추가되는 경우 별도의 데이터베이스들이 추가될 수 있다.
41 - 본 시스템에 모의수학능력시험 모듈을 추가하는 경우 부가적으로 구축될 모의수학능력시험 문제 데이터베이스이다.
42 - 본 시스템에 적성검사 모듈을 추가하는 경우 부가적으로 구축될 적성검사 문제 데이터베이스이다.
50 - 위 20번 대학입시합격가능확률 계산처리기에서 산출된 대입합격 가능확률 혹은 점수 등을 제시하는 결과제시기이다.
60 - 본 시스템에 모의수학능력시험 모듈을 추가하여 모의수학능력시험을 통해 수학능력시험에서 획득할 것으로 예상되는 점수를 산출하는 수학능력시험 예상점수 산출기이다.
70 - 본 시스템에 적성검사 모듈을 추가하여 사용자의 적성에 맞는 학과를 추천하는 경우 적성검사를 수행하여 추천학과를 산출하는 적성검사처리기이다.
도2. 시스템 구성도 - 웹 기반 온라인 서비스
도3. 시스템 구성도 - 기능 첨가시
도4. 대입합격가능확률 계산 처리기 구성도
도5. 대입합격가능확률 계산 처리기 진행도
도6. 수학능력시험 예상점수 산출 처리기 진행도 (온라인 서비스 경우)
도7. 사용자 적성학과 추천 처리기 진행도
본 발명은 기본적으로 사용자 정보 입력기, 대학입시합격확률 계산처리기, 그리고 결과 제시기로 구성된다.
사용자 정보 입력기는 [도1]과 같이 독립 어플리케이션의 경우 사용자의 컴퓨터 모니터에 제시된 GUI 환경의 입력창이 되며, [도2]와 같이 웹기반 온라인 서비스의 경우 클라이언트 브라우저의 입력창이 된다. 이 입력기를 통해 사용자는 자신의 수학능력시험 점수와 내신성적을 입력하거나, 예상점수 산출을 위한 모의수학능력시험 실시 여부를 결정하고, 자신의 적성에 맞는 학과를 추천받기 위하여 적성검사 실시 여부를 결정한다.
합격가능확률 계산처리기는 [도1], [도2]에서와 같이 확률계산 엔진과 데이터베이스로 이루어지며, 기능을 추가하는 경우 [도3]과 같이 별도의 모듈을 추가할 수 있다. 확률계산 엔진은 기본적으로 사용자가 입력한 성적으로 그가 문의한 대학의 학과 혹은 학부에 합격할 수 있는 확률을 산출하는 점수별 요구확률 계산기, 역으로 특정 확률에 도달하기 위해 요구되는 점수를 산출하는 확률별 요구점수 계산기, 사용자가 입력한 점수로 특정지역에 소재한 대학의 특정 학과 혹은 학부에 합격할 수 있는 확률을 산출하는 지역소재 대학 합격확률 계산기, 여러 개의 대학에 복수지원하는 경우 각 지원대학의 학과 혹은 학부에 합격할 수 있는 확률을 산출하는 복수지원 합격확률 계산기 등으로 이루어져 있다.
데이터베이스는 대학입학전형에 영향을 미치는 여러 가지 전형 요소들 가운데 정량화가 가능한 요소들에 관한 정보를 수록하고 있어서, 이 데이터베이스들을기반으로 확률계산엔진이 요청된 확률 혹은 점수를 산출할 수 있다.
이상에서와 같이 본 발명은 대학진학을 원하는 사용자가 자신의 수학능력시험 점수 혹은 예상점수, 내신성적 등을 가지고 특정 대학의 학과 혹은 학부에 합격할 수 있는 확률이나 점수를 알아볼 수 있도록 한다. 따라서 본 발명은 대학진학을 원하는 사용자 자신과 가족은 물론 일선 학교와 입시학원의 진학지도교사들이 더욱 합리적이고 과학적인 자료를 토대로 최대한 합리적인 대학진학 관련 판단을 내릴 수 있도록 돕는다. 또 입시철이 되기 전에는 특정 대학의 학과 혹은 학부에 진학하기 위하여 요구되는 수학능력시험 예상점수를 미리 확인하고, 그 점수에 도달할 수 있도록 구체적으로 노력해야 할 부분을 알려줄 수 있으므로, 사용자가 체계적으로 목표를 달성할 수 있도록 도울 수 있다. 또한 고도의 통계지식을 요하는 분야에 본 발명을 적용하거나 수정 적용함으로써, 업무효율을 높이고 예측의 정확성을 높일 수 있다.

Claims (6)

  1. 다양한 통계기법을 전산화하여 대학입시 합격가능확률을 산출하는 데 적용하는 기술.
  2. 본 발명에서 명시된 확률계산엔진의 네 가지 하위 확률 혹은 점수 계산기.
  3. 위 청구항1, 2와 관련하여 본 발명을 독립된 어플리케이션으로 개발하여 상품화하거나 웹기반 온라인 유료 혹은 무료 서비스하는 것.
  4. 학과선호도 데이터베이스와 수험생 대학지원내역 및 결과 데이터베이스 구축에 관하여 본 발명에서 기술한 방법을 응용하는 것.
  5. 모의수학능력시험 실시를 통한 수학능력시험 예상점수를 산출하는 기술과 적성검사를 실시하여 사용자의 적성에 맞는 학과 혹은 학부를 추천하는 기술.
  6. 위 청구항과 관련하여 각 해당 기술을 모듈화 하여 대학입시 합격가능확률 계산에 사용하는 것.
KR1020010039691A 2001-07-04 2001-07-04 대입전형 합격가능확률 계산 시스템 KR20010083847A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020010039691A KR20010083847A (ko) 2001-07-04 2001-07-04 대입전형 합격가능확률 계산 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020010039691A KR20010083847A (ko) 2001-07-04 2001-07-04 대입전형 합격가능확률 계산 시스템

Publications (1)

Publication Number Publication Date
KR20010083847A true KR20010083847A (ko) 2001-09-03

Family

ID=19711728

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020010039691A KR20010083847A (ko) 2001-07-04 2001-07-04 대입전형 합격가능확률 계산 시스템

Country Status (1)

Country Link
KR (1) KR20010083847A (ko)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030094578A (ko) * 2002-06-04 2003-12-18 고영진 가상대입지원서비스 시스템 및 방법
KR20040035230A (ko) * 2002-10-18 2004-04-29 우형철 인터넷망을 이용한 대학입시 모의 지원 방법 및 시스템
KR20040037294A (ko) * 2002-10-28 2004-05-07 윤성미 휴대폰의 모바일 서비스를 이용한 지원 가능한 대학 및 학과 검색.
KR100807698B1 (ko) * 2006-06-02 2008-02-28 (주)엘림에듀 통합진단평가를 통한 대입지원정보 제공방법
KR101318562B1 (ko) * 2012-06-15 2013-10-16 김근진 진학 정보 제공 시스템, 제공 방법 및 그 방법을 위한 기록매체
CN112396210A (zh) * 2019-08-16 2021-02-23 搜狗(杭州)智能科技有限公司 高考录取概率预测方法及装置
KR20220132145A (ko) 2021-03-23 2022-09-30 (주)삼양문화 고교학점제를 위한 전공적합검사 방법

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030094578A (ko) * 2002-06-04 2003-12-18 고영진 가상대입지원서비스 시스템 및 방법
KR20040035230A (ko) * 2002-10-18 2004-04-29 우형철 인터넷망을 이용한 대학입시 모의 지원 방법 및 시스템
KR20040037294A (ko) * 2002-10-28 2004-05-07 윤성미 휴대폰의 모바일 서비스를 이용한 지원 가능한 대학 및 학과 검색.
KR100807698B1 (ko) * 2006-06-02 2008-02-28 (주)엘림에듀 통합진단평가를 통한 대입지원정보 제공방법
KR101318562B1 (ko) * 2012-06-15 2013-10-16 김근진 진학 정보 제공 시스템, 제공 방법 및 그 방법을 위한 기록매체
WO2013187721A1 (ko) * 2012-06-15 2013-12-19 Kim Keun Jin 진학 정보 제공 시스템, 제공 방법 및 그 방법을 위한 기록매체
CN112396210A (zh) * 2019-08-16 2021-02-23 搜狗(杭州)智能科技有限公司 高考录取概率预测方法及装置
KR20220132145A (ko) 2021-03-23 2022-09-30 (주)삼양문화 고교학점제를 위한 전공적합검사 방법

Similar Documents

Publication Publication Date Title
Wallace Criteria for what?
Nili et al. A critical analysis of inter-coder reliability methods in information systems research
Martirosyan An examination of factors contributing to student satisfaction in Armenian higher education
Morris Social work research methods: Four alternative paradigms
McNamara et al. Natural Language Processing and Learning Analytics.
Copeland Affective dispositions of teachers in training toward examples of supervisory behavior
Witkin An Analysis of Needs Assessment Techniques for Educational Planning at State, Intermediate, and District Levels.
CN114254208A (zh) 薄弱知识点的识别方法、学习路径的规划方法与装置
KR20190098376A (ko) 대학입시 합격 예측 방법
Wasburn-Moses Satisfaction among current doctoral students in special education
Gaheen et al. Automated students arabic essay scoring using trained neural network by e-jaya optimization to support personalized system of instruction
Lauer A Policymaker's Primer on Education Research: How to Understand, Evaluate and Use It.
Sakulwichitsintu ParichartBOT: a chatbot for automatic answering for postgraduate students of an open university
KR20010083847A (ko) 대입전형 합격가능확률 계산 시스템
Tang et al. Self-regulated learner profiles in MOOCs: A cluster analysis based on the item response theory
Guarino et al. Comparing and assessing the consequences of two different approaches to measuring school effectiveness
Llauró et al. Identification and comparison of the main variables affecting early university dropout rates according to knowledge area and institution
Van Hook et al. Immigration, ethnicity, and the loss of white students from California public schools, 1990–2000
Chen et al. Cross-cultural validity of the TIMSS-1999 mathematics test: Verification of a cognitive model
CN111915226B (zh) 一种教学评价报告生成方法
Fielding et al. Comparative methods in social science
Dogra A Framework for an automatic evaluation of image description based on an image accessibility guideline
Amare et al. Designing the Future of Medical Education: The EPA Framework as a Catalyst to Inform Family Planning and Reproductive Health Fellowship Training Program in Ethiopia Medical Education: An Exploratory Sequential Mixed Method Study
Weber et al. Design and Evaluation of an AI-based Learning System to Foster Students' Structural and Persuasive Writing in Law Courses
Azuma Effectiveness of Comments on Self-reflection Sheet in Predicting Student Performance.

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination