KR20080008066A - Diagnosis system of learning style and method thereof - Google Patents
Diagnosis system of learning style and method thereof Download PDFInfo
- Publication number
- KR20080008066A KR20080008066A KR1020060067497A KR20060067497A KR20080008066A KR 20080008066 A KR20080008066 A KR 20080008066A KR 1020060067497 A KR1020060067497 A KR 1020060067497A KR 20060067497 A KR20060067497 A KR 20060067497A KR 20080008066 A KR20080008066 A KR 20080008066A
- Authority
- KR
- South Korea
- Prior art keywords
- learning
- learning style
- style
- learner
- data
- Prior art date
Links
- 230000013016 learning Effects 0.000 title claims abstract description 460
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000003745 diagnosis Methods 0.000 title claims description 66
- 238000007781 pre-processing Methods 0.000 claims abstract description 28
- 239000000284 extract Substances 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 23
- 238000003066 decision tree Methods 0.000 claims description 20
- 230000000007 visual effect Effects 0.000 claims description 12
- 230000031836 visual learning Effects 0.000 claims description 11
- 238000002405 diagnostic procedure Methods 0.000 claims description 8
- 230000001953 sensory effect Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 210000000697 sensory organ Anatomy 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
도 1은 본 발명에 따른 학습 스타일 진단 시스템을 도시한 블록도,1 is a block diagram illustrating a learning style diagnosis system according to the present invention;
도 2는 본 발명의 일실시예에 따른 학습 스타일 진단 방법을 설명하는 흐름도,2 is a flowchart illustrating a learning style diagnosis method according to an embodiment of the present invention;
도 3은 본 발명의 일실시예에 따른 학습 스타일 진단 동작을 설명하는 구성도,3 is a block diagram illustrating a learning style diagnosis operation according to an embodiment of the present invention;
도 4는 본 발명의 일실시예에 따른 학습 스타일 관점에 따른 서양 건축양식 학습용 교육 콘텐츠 인터페이스의 일부분을 도시한 도면,4 is a view showing a portion of the educational content interface for learning Western architecture according to the learning style perspective in accordance with one embodiment of the present invention;
도 5는 본 발명의 일실시예에 따른 학습 스타일별 규칙을 추출하는 과정을 설명하는 도면,5 is a view for explaining a process of extracting a learning style rule according to an embodiment of the present invention;
도 6은 본 발명의 일실시예에 따른 학습 스타일별 속성을 나타내는 도면.6 is a view showing a learning style-specific attribute according to an embodiment of the present invention.
* 도면의 주요 부분에 대한 부호의 설명 *Explanation of symbols on the main parts of the drawings
10: 클라이언트 20: 학습 스타일 진단 시스템10: Client 20: Learning Style Diagnostic System
30: 데이터베이스 200: 서버30: database 200: server
201: 조사수단 202: 학습수단201: means of investigation 202: means of learning
203: 전처리수단 204: 규칙추출수단203: pretreatment means 204: rule extraction means
205: 진단수단 206: 제어수단205: diagnostic means 206: control means
본 발명은 지능형 학습 시스템(Intelligent Tutoring System, 이하 'ITS'라 한다)에 관한 것으로, 특히 이러닝(e-Learning)과 같은 학습시에 개인의 선호도와 요구사항에 따라 다른 학습 환경을 제공해주기 위해 학습자의 학습 스타일(Style)을 인지하여 학습자에 맞는 학습전략을 세우고 적절한 학습 서비스를 제공하기 위한 학습 스타일 진단 시스템 및 그 진단 방법에 관한 것이다.The present invention relates to an intelligent learning system (hereinafter referred to as 'ITS'), and in particular, to provide learners to provide different learning environments according to individual preferences and requirements in learning such as e-learning. The present invention relates to a learning style diagnosis system and a diagnosis method for establishing a learning strategy suitable for a learner by recognizing a learning style and providing an appropriate learning service.
이러닝 및 교육용 소프트웨어의 이용에 있어서 학습자의 학습 스타일 진단은 매우 유용하다. 본 발명에서는 학습 스타일을 설문을 기반으로 하여 다수의 사용자에 대한 교육용 소프트웨어 인터페이스 사용 행태를 수집하고, 의사결정트리(Decision Tree)를 이용하여 학습 스타일을 모델링(Modeling)한 후, 이를 기반으로 새로운 학습자의 인터페이스 사용 행태를 분석하고 학습 스타일을 진단한다. 상기 학습 스타일의 모델은 다수의 표본 학습자로부터 구성되며 새로운 학습자에 대한 학습 스타일 진단시에 사용한다.In the use of e-learning and educational software, the learning style diagnosis of the learner is very useful. According to the present invention, a learning style is used based on a questionnaire, and a learning software interface use behavior for a plurality of users is collected, and a learning style is modeled using a decision tree. Analyze your interface's usage and diagnose your learning style. The learning style model is constructed from a plurality of sample learners and used to diagnose learning styles for new learners.
오늘날 디지털 매체의 발달과 함께 교육부분에 있어서도 이러닝과 같은 전자매체를 통한 교육이 상용화되고 있다. 이러한 이러닝은 학습자의 측면에서는 시간과 공간의 제약을 받지 않는다는 장점을 지니며, 교수자의 측면에서는 전자기술을 이용한 다양한 학습매체를 제작하여 교수에 이용하고 제작한 자료를 재활용할 수 있는 등의 장점을 갖는다. 현재에도 이러닝은 그 기능 및 효과 등 다양한 면에서 더욱 발전하고 있는 추세이다.Today, with the development of digital media, education through electronic media such as e-learning is becoming commercially available. This e-learning has the advantage that it is not limited by the time and space from the learner's side, and from the instructor's side, it is possible to make various learning media using electronic technology and to reuse the produced materials for teaching. Have Even now, e-learning is developing in many ways, including its functions and effects.
이와 같이 사이버(Cyber)교육 기술의 일례가 대한민국 특허 등록공보 제0404432호(2003.10.23 등록, 일대일 개인학습지도가 가능한 사이버교육 시스템 및 그 방법)에 개시되어 있다.As described above, an example of cyber education technology is disclosed in Korean Patent Registration Publication No. 0444432 (registered on October 23, 2003, cyber education system capable of one-to-one personal learning instruction and method).
상기 대한민국 특허 등록공보 제0404432호에 개시된 기술은 사이버교육 서버와 다수의 사용자 단말기가 네트워크망을 통해 상호 연계되어 사용자로 하여금 사이버학습 과정에 참여할 수 있도록 하는 사이버교육 시스템에 있어서 상기 사용자 단말기는 상기 사이버교육 서버에서 제공되는 정보를 출력하고 사이버학습 과정에 참여하는데 필요한 정보를 입력하기 위한 입/출력 수단, 상기 사용자 단말기를 네트워크망을 통해 상기 사이버교육 서버와 연계시키기 위해 데이터를 변환하여 전송하거나 수신하는 통신 인터페이스, 상기 사이버교육 서버에서 제공되는 학습사이트를 사용자가 웹(Web)상에서 검색하여 이용할 수 있도록 하는 웹브라우저(Web Browser)를 포함하며, 상기 사이버교육 서버는 상기 사이버교육 서버를 네트워크망을 통해 다수의 사용자 단말기와 연계시키기 위해 학습데이터를 변환하여 전송하거나 수신하는 통신 인터페이스, 회원관리 모듈과 코스(Course)관리 모듈과 학습진도관리 모듈과 게시판관리 모듈을 포함하는 서버처리장치, 회원정보와 코스정보와 학습내용 및 학습지도정보와 게시판정보를 포함하는 사이버학습 정보를 데이터베이스 화하여 상기 서버처리장치가 요구하는 정보를 독출하여 제공하는 데이터베이스 서버, 웹상에서 사용자에게 표시될 상기 학습사이트를 구축하여 제공하는 웹 프로그램(Program)으로 구성되며, 사용자를 역할별로 사용모드(관리자, 교사, 학생, 학부모 모드)를 달리하여 관리하여 관리자가 학습코스를 등록하고 교사가 코스를 재구성하여 강의할 학습내용을 편집 등재하며, 학생은 코스를 검색하여 학습할 코스를 선택하여 수강신청하여 코스내용을 학습하고, 교사는 학생이 학습한 내용을 평가하여 관리하고 수강 학생들의 학습상황에 대한 통계를 산출하며, 학생은 상기 진도관리된 내용을 확인하여 필요에 따라 학습내용을 질문할 수 있는 일대일 개인학습지도가 가능한 사이버교육 시스템 및 그 방법에 대해 기재되어 있다.The technology disclosed in the Republic of Korea Patent Registration No.0404432 is a cyber education system in which a cyber education server and a plurality of user terminals are interconnected through a network so that a user can participate in a cyber learning process. An input / output means for outputting information provided from an education server and inputting information necessary to participate in a cyber learning process, and converting and transmitting or receiving data to connect the user terminal with the cyber education server through a network; Communication interface, Web browser (Web Browser) that allows the user to search and use the learning site provided from the cyber education server on the Web (Web), the cyber education server is the cyber education server through a network network Multiple users Communication interface that converts and transmits or receives learning data in order to connect with the device, server processing device including member management module, course management module, progress management module, and bulletin board management module, member information, course information and learning contents And a database server that reads and provides information required by the server processing apparatus by databaseting cyber learning information including learning instruction information and bulletin board information, and a web program for constructing and providing the learning site to be displayed to a user on the web. Program), and manages users by different roles (administrator, teacher, student, parent mode) for each role, so that administrators register the learning course, teachers reorganize the course, edit and register the learning contents to lecture, and To search for a course, select a course to study, and register for the course. In addition, the teacher evaluates and manages the student's learning, calculates statistics on the students' learning situation, and the student checks the progress management content and asks the students to learn the information as needed. Possible cyber education systems and methods are described.
또, 학습 자료 제공 기술의 일례가 대한민국 특허 등록공보 제0582279호(2006.05.15 등록, 컴퓨터를 이용한 학습 자료 제공 방법)에 개시되어 있다.In addition, an example of a learning material providing technology is disclosed in Korean Patent Registration Publication No. 0582279 (registered May 15, 2006, method for providing learning material using a computer).
상기 대한민국 특허 등록공보 제0582279호에 개시된 기술은 서버가 학습 자료와 상기 학습 자료에 관련된 문제를 맵핑(Mapping)시켜 데이터베이스에 저장하는 자료구축단계, 상기 서버가 상기 학습 자료 제공시에 문제풀이의 전 과정마다 학습자가 어떤 방식으로 문제를 풀 것인지에 대해 학습자로부터 문제 유형을 선택받는 문제유형 입력단계, 인터넷을 통한 학습자의 학습 요구에 따라 상기 서버가 상기 학습 자료를 상기 인터넷을 통해 학습자의 단말로 제공하는 학습자료 제공단계, 상기 서버가 상기 제공된 학습 자료에 대해 학습자가 선택한 해당 유형의 문제를 상기 인터넷을 통해 상기 학습자의 단말로 제공하는 문제출제단계, 상기 서버가 상기 문제에 대한 학습자의 풀이 과정상의 정오를 판독하여 그 결과를 상기 인터넷을 통해 상기 학습자의 단말로 알려 주되, 학습자의 요구에 따라 상기 문제에 대한 유형 분석과 핵심어 확인 및 여러 단계의 풀이 방법 및 분석 자료를 제시하고 올바른 선택시까지 피드백(Feedback) 형태로 반복해서 되돌아가 틀린 부분을 알려 주는 단계로 이루어지며, 학습자의 문제풀이에 대한 사고력을 보다 한 차원 높게 발전시켜 학습자들의 학습에 대한 흥미를 유발시킴은 물론 학습자들에게 커다란 자신감을 심어줄 수 있어 학습자의 문제풀이 학습 능력을 향상시키는 컴퓨터를 이용한 학습 자료 제공 방법에 대해 기재되어 있다.The technology disclosed in the Republic of Korea Patent Registration Publication No. 0582279 is a data construction step of the server maps the learning material and the problems related to the learning material and stores in a database, the server to transfer the problem solving when providing the learning material The problem type input step of selecting a problem type from the learner about how the learner solves the problem for each process, and the server providing the learning material to the learner's terminal through the Internet according to the learner's learning demand through the Internet. A learning material providing step, a problem question step that the server provides a problem of the type selected by the learner for the provided learning material to the learner's terminal via the Internet, the server is noon in the process of solving the learner for the problem Read the results of the learner's Speaking, but according to the learner's needs, the type analysis and key word identification, the various steps to solve the problem and the analysis data are presented, and the feedback is repeatedly reported in the form of feedback until the correct choice is made. By developing the students 'thinking about problem solving to a higher level, they can induce learners' interest in learning as well as instill great confidence in learners. Describes how to provide learning materials.
그러나 상기 대한민국 특허 공보들에 개시된 기술에 있어서는 학습자의 학습 스타일보다는 학습 콘텐츠(Contents)에 중심을 두어 학습자에게 맞는 학습 전략을 적절히 세우는 과정이 부족한 문제가 있었다. However, in the technology disclosed in the Korean patent publications, there is a problem in that a process of properly establishing a learning strategy suitable for a learner is focused on learning contents rather than a learner's learning style.
또, 학습자의 학습 스타일이 아닌 학습자의 학습 성취도와 같은 이해도에 따라 단순히 학습 진도나 내용이 제공되었기 때문에 학습 효율의 증대시키는데 한계가 있는 문제가 있었다.In addition, since the learning progress or content was simply provided according to the understanding such as the learner's learning achievement, not the learner's learning style, there was a problem in that the learning efficiency was limited.
본 발명의 목적은 상술한 바와 같은 문제점을 해결하기 위한 것으로서, 학습자의 학습과정에서 발생하는 데이터를 기반으로 학습자의 학습 스타일을 파악하는 학습 스타일 진단 시스템 및 그 진단 방법을 제공하는 것이다.An object of the present invention is to solve the problems described above, to provide a learning style diagnosis system and a diagnostic method for grasping the learning style of the learner based on the data generated in the learner's learning process.
본 발명의 다른 목적은 학습자의 학습 스타일에 맞는 학습 환경을 제공하여 학습자의 학습 효율을 증대시킬 수 있도록 지원하는 학습 스타일 진단 시스템 및 그 진단 방법을 제공하는 것이다.Another object of the present invention is to provide a learning style diagnosis system and a diagnostic method thereof, which provide a learning environment suitable for a learner's learning style to increase learner's learning efficiency.
본 발명의 다른 목적은 다양한 성향을 가진 학습자를 모델링함으로써 학습자들이 가지고 있는 학습 스타일에 대한 통계적 분석이 가능한 학습 스타일 진단 시스템 및 그 진단 방법을 제공하는 것이다.Another object of the present invention is to provide a learning style diagnosis system capable of statistical analysis of a learning style possessed by learners by modeling learners having various tendencies, and a diagnostic method thereof.
상기 목적을 달성하기 위해 본 발명에 따른 학습 스타일 진단 시스템은 데이터베이스를 구비하는 시스템에 있어서, 학습자의 학습 스타일을 조사하는 설문을 상기 시스템에 접속하는 다수의 학습자에게 제공하여 상기 다수의 학습자의 학습 스타일별 선호도 데이터를 수신하는 조사수단, 상기 데이터베이스에 저장된 학습 콘텐츠를 상기 다수의 학습자에게 제공하여 상기 다수의 학습자의 학습자 데이터를 수신하는 학습수단, 상기 조사수단 및 상기 학습수단으로 수신되는 데이터를 전처리하여 상기 다수의 학습자의 학습패턴을 추출하는 전처리수단, 상기 학습패턴에 따라 학습 스타일별 규칙을 추출하여 상기 데이터베이스에 저장하는 규칙추출수단, 상기 학습수단을 통해 수신되는 상기 학습자 데이터를 상기 학습 스타일별 규칙에 매칭시켜 상기 시스템에 접속하는 다수의 학습자의 학습 스타일을 진단하는 진단수단을 포함하는 것을 특징으로 한다.In order to achieve the above object, the learning style diagnosis system according to the present invention is a system having a database, which provides a questionnaire for examining a learner's learning style to a plurality of learners accessing the system, thereby learning styles of the learners. Research means for receiving preference data for each star, learning content stored in the database to the plurality of learners, learning means for receiving learner data of the plurality of learners, preprocessing data received by the research means and the learning means Preprocessing means for extracting learning patterns of the plurality of learners; rule extracting means for extracting rules for each learning style according to the learning patterns and storing them in the database; and rules for the learning styles of the learner data received through the learning means. To match above And diagnostic means for diagnosing a learning style of a plurality of learners accessing the system.
또, 본 발명에 따른 학습 스타일 진단 시스템에 있어서, 상기 학습자는 상기 시스템에 네트워크를 통해 연결되어 접속되는 클라이언트인 것을 특징으로 한다.In addition, in the learning style diagnosis system according to the present invention, the learner is a client connected and connected to the system via a network.
또, 본 발명에 따른 학습 스타일 진단 시스템에 있어서, 상기 학습 스타일은 통합적 학습 스타일(Global) 또는 순차적 학습 스타일(Sequential) 중의 어느 하 나, 시각적 학습 스타일(Visual) 또는 언어적 학습 스타일(Auditory) 중의 어느 하나, 감각적 학습 스타일(Sensing) 또는 직관적 학습 스타일(Intuitive) 중의 어느 하나, 활동적 학습 스타일(Active) 또는 숙고적 학습 스타일(Reflective) 중의 어느 하나를 포함하는 것을 특징으로 한다.In addition, in the learning style diagnosis system according to the present invention, the learning style is any one of an integrated learning style (Global) or a sequential learning style (Visual) or a language learning style (Auditory). Any one of the sensory learning style (Sensing) or the intuitive learning style (Intuitive), characterized in that it comprises any one of the active learning style (Active) or the reflective learning style (Reflective).
또, 본 발명에 따른 학습 스타일 진단 시스템에 있어서, 상기 학습 스타일별 선호도 데이터는 학습자의 학습 스타일 경향을 나타내는 정수값인 것을 특징으로 한다.In the learning style diagnosis system according to the present invention, the preference data for each learning style may be an integer value indicating a learning style trend of the learner.
또, 본 발명에 따른 학습 스타일 진단 시스템에 있어서, 상기 학습자 데이터는 정보의 이해, 습득, 인지, 활용을 위해 상기 클라이언트에서 상기 학습 콘텐츠가 사용된 기록을 나타내는 데이터인 것을 특징으로 한다.In addition, in the learning style diagnosis system according to the present invention, the learner data is characterized in that the data representing the record that the learning content is used in the client for understanding, acquisition, recognition, utilization.
또, 본 발명에 따른 학습 스타일 진단 시스템에 있어서, 상기 학습자 데이터는 시간, 학습 경로 정보, 클릭 정보, 상세정보 활용시간, 컨텐츠 선택 정보, 선택한 문제의 종류, 질의 방식, 주어진 퀴즈를 풀기 위한 시도횟수, 정답률을 포함하는 사용자 행위 정보 중의 어느 하나를 포함하는 것을 특징으로 한다.In addition, in the learning style diagnosis system according to the present invention, the learner data includes time, learning path information, click information, detailed information utilization time, content selection information, type of selected problem, query method, and number of attempts to solve a given quiz. , Any one of the user behavior information including the correct answer rate.
또, 본 발명에 따른 학습 스타일 진단 시스템에 있어서, 상기 전처리수단은 상기 학습수단으로 수신되는 데이터를 상기 데이터베이스에 정의된 학습 스타일별 속성에 매칭시켜 학습자의 학습패턴을 추출하는 것을 특징으로 한다.In the learning style diagnosis system according to the present invention, the preprocessing means extracts the learning pattern of the learner by matching the data received by the learning means with attributes of the learning style defined in the database.
또, 상기 목적을 달성하기 위해 본 발명에 따른 학습 스타일 진단 방법은 데이터베이스를 구비하는 시스템으로 다수의 학습자의 학습 스타일을 진단하는 방법에 있어서, (a) 상기 시스템에 접속하는 다수의 학습자로부터 수신받은 요청이 훈 련 요청인지 학습 스타일 진단 요청인지의 여부를 판단하는 단계, (b) 상기 (a) 단계에서 훈련 요청으로 판단되는 경우 학습 스타일 진단에 사용되는 규칙을 축적하여 상기 데이터베이스에 저장하는 단계, (c) 상기 (a) 단계에서 학습 스타일 진단 요청으로 판단되는 경우 상기 학습자의 학습 스타일을 진단하는 단계를 포함하는 것을 특징으로 한다. In addition, in order to achieve the above object, the learning style diagnosis method according to the present invention is a system having a database, the method for diagnosing learning styles of a plurality of learners, the method comprising: Determining whether the request is a training request or a learning style diagnosis request, (b) accumulating and storing the rule used in the learning style diagnosis in the database when the training request is determined in the step (a); (c) diagnosing the learning style of the learner when it is determined that the learning style diagnosis request is made in step (a).
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 학습자는 상기 시스템에 네트워크를 통해 연결되어 접속되는 클라이언트인 것을 특징으로 한다.In the learning style diagnosis method according to the present invention, the learner is a client connected to and connected to the system through a network.
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 (b) 단계는 (b1) 상기 훈련 요청에 따라 학습자의 학습 스타일을 조사하는 설문을 상기 클라이언트로 전송하고 설문 결과를 수신하는 단계, (b2) 상기 시스템이 상기 데이터베이스에 저장된 학습 콘텐츠를 상기 클라이언트로 전송하고 학습자 데이터를 수신하는 단계, (b3) 상기 시스템이 상기 (b1) 단계와 상기 (b2) 단계에서 수신되는 데이터를 전처리하여 학습자의 학습패턴을 추출하는 단계, (b4) 상기 학습패턴에 따라 학습 스타일별 규칙을 추출하여 상기 데이터베이스에 저장하는 단계를 포함하는 것을 특징으로 한다.In the learning style diagnosis method according to the present invention, the step (b) includes (b1) transmitting a questionnaire for examining a learner's learning style according to the training request to the client and receiving a questionnaire result, (b2 The system transmitting the learning content stored in the database to the client and receiving the learner data; (b3) the system preprocesses the data received in the steps (b1) and (b2) to learn the learner. Extracting a pattern, (b4) characterized in that it comprises the step of extracting a rule for each learning style according to the learning pattern and storing in the database.
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 (b3) 단계는 (b30) 상기 (b1) 단계에서 수신되는 설문 결과를 이용하여 학습 스타일별 선호도를 파악하는 단계, (b31) 상기 (b30) 단계에서 파악된 상기 학습 스타일별 선호도에 따라 상기 (b2) 단계에서 수신되는 학습자 데이터를 상기 데이터베이스에 정의된 학습 스타일별 속성에 매칭시켜 학습자의 학습패턴을 추출하는 단계, (b32) 추출된 상기 학습패턴을 상기 데이터베이스에 저장하는 단계를 포함하는 것을 특징으로 한다.In addition, in the learning style diagnosis method according to the present invention, the step (b3) (b30) using the questionnaire results received in the step (b1) to determine the learning style preferences, (b31) (b30) Extracting a learner's learning pattern by matching the learner data received in the step (b2) with attributes of the learning style defined in the database according to the learning style preferences identified in step (b); And storing a learning pattern in the database.
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 (b30) 단계에서 상기 학습 스타일별 선호도가 미리 지정된 임계치이하일 경우 상기 학습 스타일별 선호도는 상기 훈련 요청 또는 상기 진단 요청을 처리하는데 이용되지 않는 것을 특징으로 한다.In the learning style diagnosis method according to the present invention, if the learning style preference is less than a predetermined threshold in step (b30), the learning style preference is not used to process the training request or the diagnosis request. It features.
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 (b4) 단계에서 상기 시스템은 의사결정트리(Decision Tree)를 이용하여 상기 학습 스타일별 규칙을 추출하는 것을 특징으로 한다.In addition, in the learning style diagnosis method according to the present invention, in step (b4), the system is characterized by extracting the rules for each learning style using a decision tree.
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 (c) 단계는 (c1) 상기 시스템이 상기 데이터베이스에 저장된 학습 콘텐츠를 상기 클라이언트로 전송하고 학습자 데이터를 수신하는 단계, (c2) 상기 시스템이 상기 (c1) 단계에서 수신되는 데이터를 전처리하여 학습자의 학습패턴을 추출하는 단계, (c3) 상기 (c2) 단계에서 추출된 학습패턴을 상기 데이터베이스에 저장된 상기 학습 스타일별 규칙에 매칭시켜 상기 클라이언트를 이용하는 학습자의 학습 스타일을 진단하는 단계를 포함하는 것을 특징으로 한다.In the learning style diagnosis method according to the present invention, the step (c) may include (c1) the system transmitting learning content stored in the database to the client and receiving learner data; Extracting a learner's learning pattern by preprocessing the data received in the step (c1); and (c3) matching the learning pattern extracted in the step (c2) with the rules for each learning style stored in the database to obtain the client. And diagnosing a learning style of the learner to use.
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 학습 스타일은 통합적 학습 스타일(Global) 또는 순차적 학습 스타일(Sequential) 중의 어느 하나, 시각적 학습 스타일(Visual) 또는 언어적 학습 스타일(Auditory) 중의 어느 하나, 감각적 학습 스타일(Sensing) 또는 직관적 학습 스타일(Intuitive) 중의 어느 하나, 활동적 학습 스타일(Active) 또는 숙고적 학습 스타일(Reflective) 중의 어느 하나를 포함하는 것을 특징으로 한다.In the learning style diagnosis method according to the present invention, the learning style is any one of an integrated learning style (Global) or a sequential learning style (Sequential), any of a visual learning style (Visual) or a language learning style (Auditory) In one embodiment, one of the sensory learning style (Sensing) or the intuitive learning style (Intuitive), it is characterized by including any one of the active learning style (Active) or the reflective learning style (Reflective).
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 학습자 데이터는 정보의 이해, 습득, 인지, 활용을 위해 상기 클라이언트에서 상기 학습 콘텐츠가 사용된 기록을 나타내는 데이터인 것을 특징으로 한다.In addition, in the learning style diagnosis method according to the present invention, the learner data is characterized in that the data representing the record that the learning content is used in the client for understanding, acquisition, recognition, utilization.
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 학습자 데이터는 시간, 학습 경로 정보, 클릭 정보, 상세정보 활용시간, 컨텐츠 선택 정보, 선택한 문제의 종류, 질의 방식, 주어진 퀴즈를 풀기 위한 시도횟수, 정답률을 포함하는 사용자 행위 정보 중의 어느 하나를 포함하는 것을 특징으로 한다.In addition, in the learning style diagnosis method according to the present invention, the learner data is time, learning path information, click information, detailed information utilization time, content selection information, the type of the selected problem, the query method, the number of attempts to solve a given quiz , Any one of the user behavior information including the correct answer rate.
또, 본 발명에 따른 학습 스타일 진단 방법에 있어서, 상기 학습 스타일별 선호도는 학습자의 학습 스타일 경향을 나타내는 정수값인 것을 특징으로 한다.In addition, in the learning style diagnosis method according to the present invention, the learning style preference is characterized in that the integer value indicating the learning style trend of the learner.
이하, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여, 본 발명의 가장 바람직한 실시 예를 첨부한 도면을 참조하여 상세하게 설명한다. 또한, 본 발명을 설명하는데 있어서 동일 부분은 동일 부호를 붙이고, 그 반복 설명은 생략한다.DETAILED DESCRIPTION Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art may easily implement the present invention. In addition, in describing this invention, the same code | symbol is attached | subjected and the repeated description is abbreviate | omitted.
본 발명에서는 학습자로부터 수집된 데이터를 분석하여 Felder & Silverman 이 제시한 학습 스타일에 근거한 학습자의 학습 스타일을 추출하고, 학습자 성향을 알아보기 위하여 예측의 대표적인 방법인 의사결정트리를 사용한다. 의사결정트리 를 적용하여 얻은 분석 결과를 통해 각각의 학습자에게 맞는 학습 스타일을 진단하며, 의사결정트리에서 얻은 학습 스타일 진단 모델은 향후에 학습자의 학습 스타일을 파악하는데 사용할 수 있으며, ITS에서 학습자 성향 분석 모듈로도 고려해 볼 수 있다.In the present invention, the data collected from the learner is analyzed to extract the learner's learning style based on the learning style suggested by Felder & Silvererman, and the decision tree is used as a representative method of prediction in order to determine the learner's disposition. The analysis result obtained by applying decision tree is used to diagnose the learning style suitable for each learner. The learning style diagnosis model obtained from decision tree can be used to identify learner's learning style in the future. You can also consider it as a module.
본 발명에 대한 구체적인 설명에 앞서 본 발명에서 사용된 Felder & Silverman이 제시한 ILS(Index of Learning Style, 학습 스타일 검사)에 대해 설명한다. ILS는 Felder & Silverman이 제시한 학습자의 학습 스타일 경향지수로서, 온라인 설문지를 통해 4가지 학습 스타일로 측정한다. 학습자들은 정보를 받아들이고 처리하는 방식에서 다른 선호도와 스타일을 가지고 있다. Felder & Silverman은 정보를 이해하는 차원에서 통합적 학습 스타일(Global)과 순차적 학습 스타일(Sequential), 정보 습득하는 차원에서 시각적 학습 스타일(Visual)과 언어적 학습 스타일(Auditory), 정보를 인지하는 차원에서 감각적 학습 스타일(Sensing)과 직관적 학습 스타일(Intuitive), 그리고 정보를 활용하는 차원에서 활동적 학습 스타일(Active)과 숙고적 학습 스타일(Reflective)로 4가지 영역에서 학습 스타일을 분류한다.Prior to the detailed description of the present invention will be described with respect to the Index of Learning Style (ILS) presented by Felder & Silvesterman used in the present invention. ILS is a learner's learning style tendency index presented by Felder & Silverman. It is measured by four learning styles through an online questionnaire. Learners have different preferences and styles in the way they receive and process information. Felder & Silverman understands visual, linguistic learning styles and information in terms of integrated learning style (Global), sequential learning style, and information acquisition. In terms of sensory learning style (Insense), intuitive learning style (Intuitive), and information utilization, learning styles are classified into four categories: active learning style and reflective learning style.
표 1은 ILS에 따른 학습 스타일에 관한 구체적인 설명이다.Table 1 is a detailed description of the learning style according to the ILS.
ILS는 표 1에서와 같은 학습 스타일을 정수값으로 표현하는데, 이때 이 학습 스타일 경향지수를 본 발명에서는 학습 선호도(Level of Preference, 이하 'LoP'라 한다)라고 한다. 학습 선호도는 1, 3, 5, 7, 9, 11의 6개 정수값으로서, 학습자의 학습 스타일 경향을 분류한다. 예를 들어, 통합적 학습 스타일(Global)의 학습 성향을 갖는 학습자가 2명이고 각각 선호도 값이 9와 1이라고 한다면, 선호도 값이 9인 학습자는 선호도 값이 1인 학습자에 비해 통합적 학습 스타일(Global)의 성향을 강하게 가지고 있는 학습자라고 볼 수 있다. 이렇게 선호도 값이 비교적 높은값을 가지고 있는 학습자는 해당 학습 성향이 강한 학습자로 분류할 수 있으며, 반대로 선호도 값이 낮은 학습자는 학습 성향을 분류하기에 불분명하다고 볼 수 있다. 이는 반대의 학습 성향도 어느 정도 갖고 있다고 볼 수 있기 때문이다.The ILS expresses a learning style as shown in Table 1 as an integer value. In this case, the learning style tendency index is referred to as a learning preference (hereinafter referred to as 'LoP') in the present invention. Learning preferences are six integer values of 1, 3, 5, 7, 9, and 11, which classify the learner's learning style trend. For example, if you have two learners who have a learning disposition of Global Learning and have affinity values of 9 and 1, learners with affinity values of 9 are more global than learners with affinity values of one. You can be seen as a learner with a strong propensity to). In this way, learners with relatively high preference values can be classified as learners with strong learning propensity, whereas learners with low preference values are unclear to classify learning propensities. This is because it can be seen that there is some opposite learning disposition.
도 1은 본 발명에 따른 학습 스타일 진단 시스템을 도시한 블록도이다.1 is a block diagram illustrating a learning style diagnosis system according to the present invention.
도 1에서 도시한 바와 같이, 클라이언트(10)와 네트워크를 통해 연결된 본 발명에 따른 학습 스타일 진단 시스템(20)은 통상의 컴퓨팅 기능을 갖춘 서버(200)와 데이터베이스(30)로 구성된다. 서버(200)는 학습자의 학습 스타일 진단에 필요한 규칙을 축적하여 데이터베이스(30)에 저장하고, 축적된 규칙들을 이용하여 진단을 받고자 하는 학습자의 학습 스타일을 진단하는 기능을 수행한다. 이러한 서버(200)는 학습자의 학습 스타일을 조사하는 설문을 클라이언트(10)를 통해 시스템(20)에 접속하는 학습자에게 제공하여 학습자의 학습 스타일별 선호도 데이터를 수신하는 조사수단(201), 데이터베이스(30)에 저장된 학습 콘텐츠를 학습자에게 제공하여 학습자의 학습자 데이터를 수신하는 학습수단(202), 조사수단(201) 및 학습수단(202)으로 수신되는 데이터를 전처리(Preprocessing)하여 학습자의 학습패턴(Learning Pattern)을 추출하는 전처리수단(203), 학습패턴에 따라 학습 스타일별 규칙을 추출하여 데이터베이스(30)에 저장하는 규칙추출수단(204), 조사수단(201) 및 학습수단(202)을 통해 수신되는 데이터를 데이터베이스(30)에 저장된 학습 스타일별 규칙에 매칭(Matching)시켜 클라이언트(10)를 이용하는 다수의 학습자의 학습 스타일을 진단하는 진단수단(205), 그리고 조사수단(201), 학습수단(202), 전처리수단(203), 규칙추출수단(204), 진단수단(205)을 비롯하여 학습 스타일 진단 시스템(200)의 내부를 제어하는 제어수단(206)을 구비한다.As shown in FIG. 1, the learning
도 1에 도시된 조사수단(201)은 클라이언트(10)에게 ILS 온라인 설문을 제공하여 통합적 학습 스타일(Global) 또는 순차적 학습 스타일(Sequential), 시각적 학습 스타일(Visual) 또는 언어적 학습 스타일(Auditory), 감각적 학습 스타일(Sensing) 또는 직관적 학습 스타일(Intuitive), 활동적 학습 스타일(Active) 또는 숙고적 학습 스타일(Reflective)로 분류되는 학습 스타일별 선호도 데이터를 수신한다. 학습 스타일별 선호도 데이터는 학습자의 학습 스타일 경향을 나타내는 정수값으로서, 이에 대한 설명은 이미 언급하였으므로 여기서는 생략한다.The research means 201 shown in FIG. 1 provides an ILS online questionnaire to the
학습 스타일의 진단을 위해서는 학습자 스타일별 선호도 데이터 외에 학습자가 학습해나가는 경향에 대한 학습자 데이터도 필요하다. 이는 학습수단(202)을 통해 수집되는데, 학습수단(202)이 클라이언트(10)에게 제공한 학습 콘텐츠에 대해서 클라이언트(10)가 어떠한 방식으로 이용하는지에 대한 기록 데이터이다. 예를 들어, 학습자가 서양의 건축양식 학습용 교육 콘텐츠를 학습하는 경우 학습수단(202)이 클라이언트(10)에게 제공하는 인터페이스(Interface)에는 건축양식을 학습하기 위한 학습내용, 퀴즈, 의견 공유, 테스트 등이 포함되어 있다. 이때, 시간, 학습 경로 정보, 클릭 정보, 상세정보 활용시간, 컨텐츠 선택 정보, 선택한 문제의 종류, 질의 방식, 주어진 퀴즈를 풀기 위한 시도횟수, 정답률 등에 대한 기록인 사용자 행위 정보가 바로 학습자 데이터이다. 데이터 형식은 XML(EXtensible Markup Language)이 주로 이용되며, 다른 형식의 데이터로도 가능함은 물론이다.In addition to the preference data for each learner style, the learner data for the learner's tendency to learn is required for the diagnosis of the learning style. This is collected through the learning means 202, which is record data about how the
또, 전처리수단(203)은 조사수단(201)을 통해 수신된 임계치 이상의 학습 스타일별 선호도 값을 통해 학습자가 각각의 학습 스타일에 대해 갖고 있는 경향을 파악한다. 이러한 선호도가 파악되면 학습수단(202)으로 수신되는 데이터를 데이터베이스(30)에 정의된 학습 스타일별 속성(Attribute)에 매칭시켜 학습자의 학습패턴을 추출한다. 추출된 학습패턴은 규칙추출수단(204)에 의해 학습 스타일별 규칙으로 다시 추출된다. 이렇게 학습자의 성향을 분석하기 위해 규칙추출수단(204)은 학습 스타일별 규칙을 의사결정트리를 이용하여 추출한다. 의사결정트리는 데이터마이닝 중 예측과 분류를 위해 가장 많이 사용되는 방법으로 데이터마이닝 분야에서 통상으로 사용되는 공지 기술이므로 구체적 설시는 생략한다. 이와 같이, 조사수단(201)을 통해 수집된 학습자의 XML 데이터는 학습자의 성향을 분석하기 위해 의사 결정 트리에 사용되는데, 이를 적용하기 전에 적절한 가공처리를 해야 한다. 이는 학습자에게서 수집한 학습 데이터는 학습 스타일별로 무작위로 섞여있기 때문이다. Further, the preprocessing means 203 grasps the tendency that the learner has for each learning style through the preference value for each learning style above the threshold received through the research means 201. When the preference is determined, the learning pattern of the learner is extracted by matching the data received by the learning means 202 with an attribute for each learning style defined in the
다음에 본 발명에 따른 학습 스타일 진단 방법에 대해 도 2 내지 도 3에 따라 설명한다.Next, a learning style diagnosis method according to the present invention will be described with reference to FIGS.
도 2는 본 발명의 일실시예에 따른 학습 스타일 진단 방법을 설명하는 흐름도이다.2 is a flowchart illustrating a learning style diagnosis method according to an embodiment of the present invention.
도 2에서 도시한 바와 같이, 진단 시스템(20)이 클라이언트(10)를 통해 접속한 학습자로부터 서비스 요청을 수신하면(ST2010), 제어수단(206)은 상기 요청이 훈련 요청인지 학습 스타일 진단 요청인지의 여부를 판단한다(ST2020). ST2020 단계에서 훈련 요청으로 판단되면 진단 시스템(20)은 학습 스타일 진단에 사용되는 규칙을 축적하여 데이터베이스(30)에 저장하고, 진단 요청으로 판단되면 학습자의 학습 스타일을 진단한다. 즉, 학습자의 학습 스타일을 진단하기 위해서는 학습 스타일별 규칙이 사전에 축적되어 있어야 하며, 진단시에는 축적된 규칙들을 이용한다.As shown in FIG. 2, when the
먼저, 훈련 과정은 다음과 같다.First, the training process is as follows.
ST2020 단계에서 클라이언트(10)로부터 수신된 요청이 훈련 요청으로 판단되어 훈련 과정을 수행한다. 조사수단(201)은 훈련 요청에 따라 학습자의 학습 스타일을 조사하는 설문을 클라이언트(10)로 전송하고(ST2030), 클라이언트(10)로부터 설문 결과를 수신한다(ST2031). 다음으로, 학습수단(202)이 데이터베이스(30)에 저장된 학습 콘텐츠를 클라이언트(10)로 전송하고(ST2040a) 클라이언트(10)로부터 학습자 데이터를 수신한다(ST2041a). 클라이언트(10)에게 학습 콘텐츠를 제공하고, 학습자가 학습 콘텐츠를 이용하여 진행된 데이터를 수집하는 기술은 본 분야에서 통상으로 사용되는 공지 기술이므로 구체적 설시는 생략한다. 전처리수단(203)은 ST2031 단계 및 ST2041a 단계에서 수신되는 데이터를 전처리하여 학습자의 학습패턴을 추출한다(ST2050). ST2050 단계는 크게 2단계로 수행되는데, 우선 ST2031 단계에서 수신된 설문 결과를 통해 학습 스타일별 선호도를 파악한다. 이때, 파악된 학습 스타일별 선호도가 미리 지정된 임계치 이하일 경우에는 분석자료로 이용하지 않는다. 다음으로, 파악된 학습 스타일별 선호도에 따라 ST2041a 단계에서 수신된 학습자 데이터를 데이터베이스(30)에 정의된 학습 스타일별 속성에 매칭시켜 학습자의 학습패턴을 추출한다. 즉, 선호도에 대한 전처리 과정과 학습자 데이터에 대한 전처리 과정으로 진행된다. ST2050 단계에서 추출된 학습패턴을 데이터베이스(30)에 저장된다. ST2050 단계가 완료된 후에는 규칙수단(204)이 의사결정트리를 이용하여 추출된 학습패턴에 따라 학습 스타일별 규칙을 추출하여(ST2060) 데이터베이스(30)에 저장한다(ST20ST61). 이러한 훈련과정은 다수의 학습자에 대해 이루어지며, ST2030 단계 내지 ST20ST61 단계의 반복을 통해 학습 스타일별 규칙을 축적한다. 추출된 규칙은 새로운 학습자의 학습 과정에서 발생한 성향에 대하여 진단할 수 있는 도구로 사용하며, 다른 학습 스타일(통합적 학습 스타일 대 순차적 학습 스타일, 감각적 학습 스타일 대 직관적 학습 스타일, 시각적 학습 스타일 대 언어적 학습 스타일, 활동적 학습 스타일 대 숙고적 학습 스타일)에 대해서도 전처리 과정과 의사결정트리를 통해 규칙을 추출한다.In step ST2020, the request received from the
다음으로, 학습 스타일 진단 과정에 대해 설명한다.Next, the learning style diagnosis process will be described.
ST2020 단계에서 클라이언트(10)로부터 수신된 요청이 진단 요청으로 판단되어 진단 과정을 수행한다. 학습수단(202)이 데이터베이스(30)에 저장된 학습 콘텐츠를 클라이언트(10)로 전송하고(ST2040b) 클라이언트(10)로부터 학습자 데이터를 수신한다(ST2041b). 전처리수단(203)은 ST2041b 단계에서 수신된 데이터를 전처리하여 학습자의 학습패턴을 추출한다(ST2050b). 진단수단(205)은 ST2050b 단계에서 추출된 학습패턴을 데이터베이스(30)에 저장된 학습 스타일별 규칙에 매칭시켜 클라이언트(10)를 이용하는 학습자의 학습 스타일을 진단한다(ST2070).In step ST2020, the request received from the
도 3은 본 발명의 일실시예에 따른 학습 스타일 진단 동작을 설명하는 구성도이다.3 is a block diagram illustrating a learning style diagnosis operation according to an embodiment of the present invention.
도 3a에서 도시한 바와 같이, 학습 스타일 진단 시스템(20)은 클라이언트(10)인 표본 학습자에 대해 훈련 과정을 수행하고, 또다른 클라이언트(10)인 새학습자에 대해 진단 과정을 수행한다. 먼저, 훈련 과정을 살펴보면 다음과 같다. 표본 학습자(10)에게 학습 스타일 설문(300)을 제공하고, 설문 결과를 통해 얻어진 학습자의 학습 스타일별 선호도를 전처리한다(ST400). 학습 스타일 설문(300) 외에도 학습 콘텐츠(500)를 제공하여 표본 학습자(10)에 의해 이용된 학습 콘텐츠(500)의 이용기록인 XML 데이터를 수집한다. 수집된 학습자 데이터 역시 전처리한다(ST600). 이제, 전처리된 학습 선호도 및 학습자 데이터를 의사결정트리에 적용하여 학습 스타일별 규칙을 추출한다(ST700). 이상의 과정이 훈련 과정이며, 이는 다양한 표본 학습자(10)에 대해 반복수행하면서 데이터베이스(30)에 축적한다. 다음으로, 진단 과정을 살펴보면 다음과 같다. 새 학습자(10)에게 학습 콘텐츠(500)를 제공하여 새 학습자(10)에 의해 이용된 학습 콘텐츠(500)의 이용기록인 XML 데이터를 수집한다. 수집된 학습자 데이터는 전처리된(ST600) 후, 학습 스타일 진단 시스템(20)의 진단수단(205)에 의해 학습 스타일 진단에 이용된다(ST800).As shown in FIG. 3A, the learning
학습 선호도의 전처리(ST400) 동작은 도 3b에서 도시한 바와 같다. 우선, 조사수단(201)에 의해 수신되어 데이터베이스(30)에 저장된 학습 스타일 데이터를 로딩(Loading)한다(ST410). 학습 스타일 데이터는 학습 스타일별 선호도 데이터이며, 이는 미리 지정된 임계치와 비교한다(ST420). 선호도 값이 임계치보다 작을 경우에는 모호한 데이터이므로 분석에 이용하지 않으며, 다른 학습 스타일에 대한 선호도 값을 선택하여(ST440) 다시 임계치와 비교한다. 모든 학습 스타일에 대해 선호도 값을 비교한(ST430) 후, 임계치 이상의 선호도들에 대해서만 전처리 데이터를 데이터베이스(30)에 저장한다(ST450).The preprocessing of the learning preference (ST400) operation is illustrated in FIG. 3B. First, the learning style data received by the
또, 학습자 데이터의 전처리(ST600) 동작을 도 3c에 따라 더욱 구체적으로 설명한다. 학습수단(202)에 의해 수신되어 데이터베이스(30)에 저장된 XML 형태의 학습자 데이터를 로딩한다(STST610). 로딩된 데이터는 파싱(Parsing)된(STST620) 후, 각각의 학습 스타일별로 전처리한다(STST631, STST632, STST633, STST634). 전처리된 데이터는 데이터베이스(30)에 저장한다(STST640).In addition, the preprocessing of the learner data ST600 will be described in more detail with reference to FIG. 3C. The learner data in the form of XML received by the learning means 202 and stored in the
또, 의사결정트리를 이용하여 학습 스타일별 규칙을 추출하는(ST700) 동작을 도 3d에 따라 더욱 상세하게 설명한다. 전처리수단(203)에 의해 처리되어 데이터베이스(30)에 저장된 전처리 데이터를 로딩한다(ST710). 로딩된 데이터는 그 속성 및 스타일에 대해 파싱된(ST720) 후, 의사결정트리에 의해 학습 스타일별 규칙 추출 훈련에 이용된다(ST730, ST740). 규칙추출수단(204)은 학습 스타일별 규칙을 추출하고(ST750), 이를 데이터베이스(30)에 저장한다(ST760).In addition, an operation of extracting a rule for each learning style using the decision tree (ST700) will be described in more detail with reference to FIG. 3D. The preprocessing data processed by the preprocessing means 203 and stored in the
본 발명에 따른 학습 스타일 진단을 위한 훈련 방법에 대해 70명의 학습자에 대한 데이터를 수집하였고, 학습자에게 서양 건축양식 학습을 위한 교육 콘텐츠를 제공한다고 가정하여 설명하면 다음과 같다. A training method for diagnosing a learning style according to the present invention was collected on 70 learners, and it is assumed that the learner provides educational contents for learning Western architecture.
우선, 진단 시스템(20)은 학습자(10)로부터 서비스 요청을 수신하고(ST2010), 판단결과(ST2020) 상기 요청은 훈련 요청이다. 훈련 요청에 따라 조사수단(201)은 학습자(10)에게 ILS 온라인 설문을 제공하고(ST2030), 설문 결과를 수신한다(ST2031). 조사수단(201)은 수신된 설문 결과를 분석하여 학습 스타일별 선호도 값을 알아낸다. 이후, 학습수단(202)은 학습자(10)에게 학습자 성향 수집을 위한 서양 건축양식 학습용 교육 콘텐츠를 제공하고(ST2040a), 이를 수신한 학습자(10)는 상기 교육 콘텐츠를 학습한다. 학습자(10)에게 제공된 콘텐츠의 인터페이스에는 건축양식 학습, 퀴즈, 생각 나눔, 테스트 등의 수행 기능이 포함된다. 학습자(10)는 이러한 인터페이스를 이용하여 학습을 진행하고, 콘텐츠를 이용하는 학습자의 데이터인 시간, 이동 및 학습을 위한 버튼 클릭(Button Click) 등은 XML 데이터로 기록된다. 기록된 데이터는 학습수단(202)을 통해 수신되고(ST2041a), 추후의 성향 분석을 위해 의사 결정 트리에 적용하기 전에 적절히 전처리를 수행한다(ST2050). 이는, 학습자(10)로부터 수집된 학습 데이터가 학습 스타일별로 무작위로 섞여있기 때문이다. 전처리수단(203)의 가공처리는 다음과 같이 진행된다.First, the
첫 번째, 조사수단(201)에서 ILS 온라인 설문지를 통해 학습 스타일별로 파악한 선호도 값이 3 이하라면, 해당 데이터는 분석에서 제외한다. 이 데이터는 학습 성향을 분류하기에 앞서 언급한 바와 같이 상반된 학습 성향도 가질 수 있는 모호한 데이터이기 때문이다. First, if the preference value determined by the learning style through the ILS online questionnaire by the research means 201 is 3 or less, the corresponding data is excluded from the analysis. This is because the data is ambiguous, which may have opposite learning tendencies as mentioned above before classifying learning tendencies.
두 번째, 의사결정트리의 입력값으로서 학습수단(202)이 학습자(10)로부터 얻은 학습 데이터에 포함된 마우스 클릭정보, 시간, 스크롤 바 사용시간, 주어진 퀴즈에 대한 시도횟수와 정답률 등을 이용한 속성을 정의한다. 정의한 속성에 따라 학습과정에서 발생한 학습자의 패턴을 추출한다. Second, as input values of the decision tree, the learning means 202 uses attributes such as mouse click information, time, scroll bar usage time, and the number of attempts and correct answers for a given quiz, which are included in the learning data obtained from the
학습자(10)의 훈련 과정에서 수집된 XML 데이터는 위에서 정의한 바와 같이 전처리과정을 거친 후에, 의사결정트리를 이용하여 학습 스타일별 규칙을 추출하여(ST2060) 데이터베이스(30)에 저장한다(ST20ST61).After the XML data collected in the training process of the
도 4는 본 발명의 일실시예에 따른 학습 스타일 관점에 따른 서양 건축양식 학습용 교육 콘텐츠 인터페이스의 일부분을 도시한 도면이다.4 is a diagram illustrating a portion of an educational content interface for learning Western architecture according to a learning style perspective according to an embodiment of the present invention.
본 발명에 따른 학습 스타일 진단 방법에서는 학습 스타일에 따른 학습 콘텐츠의 인터페이스를 도 4에서 도시한 바와 같이 구성하여 학습자의 학습 스타일을 판단하는데 사용한다.In the learning style diagnosis method according to the present invention, the interface of the learning content according to the learning style is configured as shown in FIG. 4 and used to determine the learning style of the learner.
- 통합적 학습 스타일(Global)과 순차적 학습 스타일(Sequential): 정보를 이해할 때 학습자의 선호도에 의해 교육 콘텐츠를 선택하는지, 교육 전문가가 의도하는 학습 순서에 따라 학습하는지를 알아보기 위하여 개요보기 버튼, 목차를 통한 이동버튼, 항목이동 화살표 버튼 등으로 인터페이스를 구성한다. Global and sequential learning styles: Use the Outline View button and Table of Contents to see if you choose to choose educational content based on learner's preferences when understanding the information, or if you're learning according to the intended learning sequence. The interface is composed of moving buttons and moving item arrow buttons.
- 시각적 학습 스타일(Visual)과 언어적 학습 스타일(Auditory): 정보를 습득할 때 그림 위주의 설명을 선호하는지, 텍스트(Text) 위주의 설명을 더 선호하는지를 알아보기 위하여 그림 위주의 학습설명버튼과 텍스트 위주의 학습설명버튼 등으로 인터페이스를 구성한다.Visual and linguistic learning styles: To learn whether you prefer picture-based or text-based explanations, The interface is composed of text-based learning explanation buttons.
- 감각적 학습 스타일(Sensing)과 직관적 학습 스타일(Intuitive): 정보를 인지할 때 주의깊게 문제를 풀어나가는 경향이 있는지, 직관적으로 문제를 풀어나가는 경향이 있는지를 알아보기 위하여, 퀴즈 풀기와 부가 학습 등으로 인터페이스를 구성한다.Sensing and Intuitive: To find out whether you tend to solve a problem carefully when recognizing information, or to solve a problem intuitively. Configure the interface with
- 활동적 학습 스타일(Active)과 숙고적 학습 스타일(Reflective): 정보를 활용할 때 적극적이고 활동적으로 참여하는지, 내성적으로 숙고하고 그 정보를 처리하는지를 알아보기 위하여 선생님께 질문하기 버튼, 의견달기 버튼, 의견보기 버튼 등으로 인터페이스를 구성한다.Active and Reflective Learning Styles: Ask the teacher questions, comment buttons, comments to see if you are actively and actively involved in using information, whether you are introspectively pondering and processing that information. Configure the interface with a view button, etc.
도 5는 본 발명의 일실시예에 따른 학습 스타일별 규칙을 추출하는 과정을 설명하는 도면이고, 도 6은 본 발명의 일실시예에 따른 학습 스타일별 속성을 나타내는 도면이다. 특히, 도 5a는 본 발명의 일실시예에 따른 학습 과정에서 수집된 데이터를 분석하여 얻은 의사 결정 트리 모형을 도시한 도면이고, 도 5b는 본 발명의 일실시예에 따른 의사 결정 트리를 통하여 얻은 규칙을 나타내는 도면이다.FIG. 5 is a diagram illustrating a process of extracting a rule for each learning style according to an embodiment of the present invention, and FIG. 6 is a diagram illustrating an attribute for each learning style according to an embodiment of the present invention. In particular, FIG. 5A illustrates a decision tree model obtained by analyzing data collected in a learning process according to an embodiment of the present invention, and FIG. 5B is obtained through a decision tree according to an embodiment of the present invention. It is a figure which shows a rule.
도 5에서 도시한 바와 같이, 시각적 학습 스타일(Visual) 대 언어적 학습 스타일(Auditory)에 대해 프로그래밍 언어를 사용하여 얻어낸 IF 구조의 규칙인 학습 스타일별 규칙을 추출한다. 즉, 규칙추출수단(204)은 전처리수단(203)을 통해 추출된 학습자의 학습패턴을 의사결정트리에 적용하여 학습 스타일별 규칙을 추출한다. 도 5에 도시된 OptionalTxtTime 값을 지정된 값인 332.5와 비교하여(ST61) OptionalTxtTime 값이 332.5보다 작다고 판단되는 경우 학습패턴을 시각적 학습 스타일(Visual)로 판단한다(ST62). 이때, OptionalTxtTime 값은 학습자가 텍스트 중심의 컨텐츠를 이동하기 위한 선택적(Optional) 버튼을 이용한 후 그 컨텐츠에서 공부한 시간을 이용하는 시간을 나타내는 속성으로서, 기준값을 332.5으로 지정하여 기준값보다 작을 경우 부가설명으로서 텍스트 중심의 컨텐츠를 덜 선호하는 경향이 있다고 판단되어 시각적 학습 스타일(Visual) 경향을 가진 것으로 판단하고(ST62), 반대로 기준값보다 클 경우 이미지(Image) 중심의 컨텐츠보다 텍스트 중심의 컨텐츠를 더 선호하는 경향이 있다고 판단되어 다른 판단을 위한 예측과정을 계속 진행한다. 이후 규칙 추출을 위해 OptionalImgTime 값을 지정된 값인 127.0과 비교하여(ST63) OptionalImgTime 값이 127.0보다 작다고 판단되는 경우, 다시 RelevantImgButton 값을 지정된 값인 18.5와 비교한다(ST64). 비교결과 RelevantImgButton 값이 18.5보다 작다고 판단되면 학습패턴을 언어적 학습 스타일(Auditory)로 판단한다(ST65). 단계 (ST64)에서 RelevantImgButton 값이 18.5보다 크다고 판단되는 경우에는 다시 TravelTableTxtButton 값을 지정된 값인 2.5와 비교하고(ST66), 비교결과 TravelTableTxtButton 값이 2.5보다 작다고 판단되는 경우 학습패턴을 시각적 학습 스타일(Visual)로 판단한다(ST67). 반대로, 단계 (ST66)에서의 비교결과가 TravelTableTxtButton 값이 2.5보다 크다고 판단되는 경우에는 학습패턴을 언어적 학습 스타일(Auditory)로 판단한다(ST68). 또한, 단계 (ST63)에서 OptionalImgTime 값이 127.0보다 크다고 판단되는 경우 학습패턴을 시각적 학습 스타일(Visual)로 판단한다(ST69). 각각의 단계에서 사용된 OptionalTxtTime, OptionalImgTime, RelevantImgButton, TravelTableTxtButton은 학습 스타일별 규칙을 추출하기 위해 사용되는 학습패턴의 속성들로서, 도 6에서 도시한 바와 같다.As shown in FIG. 5, a rule for each learning style, which is a rule of an IF structure obtained using a programming language, is extracted for a visual learning style (Visual) versus a linguistic learning style (Auditory). That is, the rule extracting means 204 extracts a rule for each learning style by applying the learner's learning pattern extracted through the preprocessing means 203 to the decision tree. When it is determined that the OptionalTxtTime value is smaller than 332.5 by comparing the OptionalTxtTime value shown in FIG. 5 to 332.5, which is a designated value (ST61), the learning pattern is determined as a visual learning style (ST62). At this time, the OptionalTxtTime value is an attribute indicating the time that the learner uses the time studied in the content after using the optional button for moving the text-oriented content. When the reference value is smaller than the reference value as 332.5, it is an additional description. It is judged to have a less tendency to prefer text-oriented content, so it is judged to have a visual learning style (ST62). On the contrary, if it is larger than the reference value, it is more preferable to prefer text-oriented content than image-oriented content. If it is judged to be inclined, continue the prediction process for other judgments. Subsequently, if it is determined that the OptionalImgTime value is smaller than 127.0 (ST63) by comparing the OptionalImgTime value to the specified value 127.0 for rule extraction, the RelevantImgButton value is again compared to the specified value 18.5 (ST64). If it is determined that the RelevantImgButton value is less than 18.5, the learning pattern is determined as a linguistic learning style (ST65). If it is determined at step ST64 that the RelevantImgButton value is greater than 18.5, the TravelTableTxtButton value is again compared with the specified value of 2.5 (ST66). It judges (ST67). On the contrary, when it is determined that the comparison result in step ST66 is greater than 2.5, the learning pattern is determined as a linguistic learning style (ST68). In addition, when it is determined in step ST63 that the OptionalImgTime value is larger than 127.0, the learning pattern is determined as a visual learning style Visual (ST69). OptionalTxtTime, OptionalImgTime, RelevantImgButton, and TravelTableTxtButton used in each step are attributes of a learning pattern used to extract a rule for each learning style, as shown in FIG. 6.
전처리수단(203)은 학습수단(202)으로 수신되는 데이터를 도 5에서 도시한 바와 같이 데이터베이스(30)에 정의된 학습 스타일별 속성에 매칭시켜 학습자의 학습패턴을 추출한다. 속성(Attribute)은 학습자의 학습 스타일을 알아내기 위한 것으로서, 교육 전문가에 의해 학습 스타일 영역별로 정의된다. 학습자가 서양 건축양식 학습용 교육 콘텐츠를 사용하고 수집된 데이터는 정의된 속성에 따라 추상화시킨다. 예를 들어, 감각적 학습 스타일(Sensing) 대 직관적 학습 스타일(Intuitive)의 "SN_1_MenuDetail"의 속성은 메뉴에서 자세히 보기 버튼을 클릭한 수를 말하는데, 이는 정보를 인지하는 과정에서 얼마만큼 주의 깊게 자세히 학습하는가를 판가름하는 척도를 나타내는 속성이다. 이와 같이 각각의 스타일은 통합적 학습 스타일 대 순차적 학습 스타일은 12개, 시각적 학습 스타일 대 언어적 학습 스타일은 22개, 감각적 학습 스타일 대 직관적 학습 스타일은 12개, 활동적 학습 스타일 대 숙고적 학습 스타일은 12개 속성으로 정의하여 수집된 사용자의 데이터를 전처리 기준으로 사용한다. 이러한 학습 스타일별 속성은 도 6의 예시에 한정되는 것은 아니며, 서비스 제공자에 의해 다양하게 변경가능한 것은 물론이다.The preprocessing means 203 extracts the learner's learning pattern by matching the data received by the learning means 202 with attributes of the learning style defined in the
이상, 본 발명자에 의해서 이루어진 발명은 상기 실시 예에 따라 구체적으로 설명하였지만, 본 발명은 상기 실시 예에 한정되는 것은 아니고, 그 요지를 이탈하지 않는 범위에서 여러 가지로 변경 가능한 것은 물론이다.As mentioned above, although the invention made by this inventor was demonstrated concretely according to the said Example, this invention is not limited to the said Example and can be variously changed in the range which does not deviate from the summary.
즉, 상기 실시예에 있어서는 학습자의 학습 스타일을 진단하는 예에 대해 설명하였지만, 이에 한정되는 것은 아니며 학습자의 성향에 맞추어 서비스를 제공하는 모든 분야에서 실현할 수 있음은 물론이다. 예를 들어, 본 발명에 따른 학습 진단 시스템 및 방법을 이용하여 학습자의 학습 스타일을 진단한 후, 진단된 학습 스타일에 따라 콘텐츠를 제공하는 서비스가 가능하다. 이때, 서비스의 제공과 함께 학습자의 학습 스타일 진단이 이루어져 학습자의 학습 스타일에 대한 정보를 계속 갱신함으로써 변화하는 학습 스타일에 대해서도 지속적인 지능형 맞춤 서비스가 가능해진다.That is, in the above embodiment, an example of diagnosing a learning style of a learner has been described, but the present invention is not limited thereto, and it can be realized in all fields that provide a service according to the learner's disposition. For example, after diagnosing a learner's learning style using the learning diagnosis system and method according to the present invention, a service for providing content according to the diagnosed learning style is possible. At this time, the learning style of the learner is diagnosed along with the provision of the service, thereby continuously updating the information on the learning style of the learner, thereby enabling continuous intelligent personalized service for the changing learning style.
상술한 바와 같이, 본 발명에 따른 학습 스타일 진단 시스템 및 그 진단 방법에 의하면, 학습자의 학습과정에서 발생하는 학습시스템 위에서의 행위 데이터를 기반으로 학습자의 학습 스타일을 파악할 수 있다는 효과가 얻어진다.As described above, according to the learning style diagnosis system and the diagnosis method according to the present invention, the learning style of the learner can be grasped based on the behavior data on the learning system generated in the learner's learning process.
또, 본 발명에 따른 학습 스타일 진단 시스템 및 그 진단 방법에 의하면, 학습자의 학습 스타일에 맞는 학습 환경을 제공하여 학습자의 학습 효율을 높일 수 있다는 효과도 얻어진다.In addition, according to the learning style diagnosis system and the diagnosis method according to the present invention, it is also possible to provide a learning environment suitable for the learner's learning style to increase the learner's learning efficiency.
또, 본 발명에 따른 학습 스타일 진단 시스템 및 그 진단 방법에 의하면, 학습자들의 다양한 학습 스타일에 대한 통계적 분석이 유용하다 효과도 얻어진다.In addition, according to the learning style diagnosis system and the diagnosis method according to the present invention, the statistical analysis of various learning styles of learners is useful, and the effect is also obtained.
Claims (18)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020060067497A KR100877583B1 (en) | 2006-07-19 | 2006-07-19 | Diagnosis System of Learning Style and Method Thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020060067497A KR100877583B1 (en) | 2006-07-19 | 2006-07-19 | Diagnosis System of Learning Style and Method Thereof |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20080008066A true KR20080008066A (en) | 2008-01-23 |
| KR100877583B1 KR100877583B1 (en) | 2009-01-07 |
Family
ID=39221075
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020060067497A KR100877583B1 (en) | 2006-07-19 | 2006-07-19 | Diagnosis System of Learning Style and Method Thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR100877583B1 (en) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101228816B1 (en) * | 2011-05-20 | 2013-01-31 | 한국과학기술원 | Method for evaluating learning contents using learning style, system for evaluating learning contents using learning style |
| CN103077178A (en) * | 2011-10-26 | 2013-05-01 | 财团法人资讯工业策进会 | Learning diagnosis and dynamic learning resource recommendation method and system |
| KR101382132B1 (en) * | 2011-11-11 | 2014-04-07 | 와이즈멘토 유한회사 | Evaluation System of Learning Pattern |
| KR20160061659A (en) * | 2014-11-24 | 2016-06-01 | 김영한 | A method and a system for providing user-customized learning course based on machine learning |
| CN109213863A (en) * | 2018-08-21 | 2019-01-15 | 北京航空航天大学 | A kind of adaptive recommended method and system based on learning style |
| KR20190125057A (en) * | 2018-04-27 | 2019-11-06 | (주)웅진씽크빅 | Method for providing an information of a learner's learning habit |
| KR20200010102A (en) * | 2018-07-18 | 2020-01-30 | 주식회사 마이소사이어티 | Method of providing personalized education contents and server performing the same |
| KR20200103146A (en) | 2019-02-11 | 2020-09-02 | (주)자이네스 | Artificial Intelligence Learning Diagnostic System Using Knowledge Map Based On Ontology |
| WO2020222350A1 (en) * | 2019-04-30 | 2020-11-05 | 이화여자대학교 산학협력단 | Apparatus and method for diagnosing learning type by using visual behavior of learner in online learning environment |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100501910B1 (en) * | 2002-09-03 | 2005-07-18 | 한국과학기술원 | The remote education method of Educational environment Management System(EMS) for personalized learning |
| JP2006064880A (en) * | 2004-08-25 | 2006-03-09 | M Planning:Kk | System, recording medium, and program for creating educational information for each individuality |
-
2006
- 2006-07-19 KR KR1020060067497A patent/KR100877583B1/en not_active IP Right Cessation
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101228816B1 (en) * | 2011-05-20 | 2013-01-31 | 한국과학기술원 | Method for evaluating learning contents using learning style, system for evaluating learning contents using learning style |
| CN103077178A (en) * | 2011-10-26 | 2013-05-01 | 财团法人资讯工业策进会 | Learning diagnosis and dynamic learning resource recommendation method and system |
| KR101382132B1 (en) * | 2011-11-11 | 2014-04-07 | 와이즈멘토 유한회사 | Evaluation System of Learning Pattern |
| KR20160061659A (en) * | 2014-11-24 | 2016-06-01 | 김영한 | A method and a system for providing user-customized learning course based on machine learning |
| KR20190125057A (en) * | 2018-04-27 | 2019-11-06 | (주)웅진씽크빅 | Method for providing an information of a learner's learning habit |
| KR20200010102A (en) * | 2018-07-18 | 2020-01-30 | 주식회사 마이소사이어티 | Method of providing personalized education contents and server performing the same |
| CN109213863A (en) * | 2018-08-21 | 2019-01-15 | 北京航空航天大学 | A kind of adaptive recommended method and system based on learning style |
| CN109213863B (en) * | 2018-08-21 | 2022-05-24 | 北京航空航天大学 | Learning style-based adaptive recommendation method and system |
| KR20200103146A (en) | 2019-02-11 | 2020-09-02 | (주)자이네스 | Artificial Intelligence Learning Diagnostic System Using Knowledge Map Based On Ontology |
| WO2020222350A1 (en) * | 2019-04-30 | 2020-11-05 | 이화여자대학교 산학협력단 | Apparatus and method for diagnosing learning type by using visual behavior of learner in online learning environment |
| KR20200126810A (en) * | 2019-04-30 | 2020-11-09 | 이화여자대학교 산학협력단 | Apparatus and method for learning type diagnosis using learner's visual behavior in online learning environment |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100877583B1 (en) | 2009-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100877583B1 (en) | Diagnosis System of Learning Style and Method Thereof | |
| Truong | Integrating learning styles and adaptive e-learning system: Current developments, problems and opportunities | |
| Long | Inside the “black box”: Methodological issues in classroom research on language learning | |
| Kotsiantis et al. | Using learning analytics to identify successful learners in a blended learning course | |
| US20020182573A1 (en) | Education methods and systems based on behavioral profiles | |
| Halverson et al. | Game-based assessment: An integrated model for capturing evidence of learning in play | |
| US20050026129A1 (en) | Interactive computerized performance support system and method | |
| Henze | Adaptive hyperbooks: Adaptation for project-based learning resources | |
| US20140045162A1 (en) | Device of Structuring Learning Contents, Learning-Content Selection Support System and Support Method Using the Device | |
| WO2010139042A1 (en) | Learning environment with user defined content | |
| CN112596731B (en) | Programming teaching system and method integrating intelligent education | |
| WO2010111305A2 (en) | Method for competency assessment of healthcare students and practitioners | |
| KR20110079252A (en) | Study management system for online lecture, and method for the same | |
| CN110189238A (en) | Method, apparatus, medium and the electronic equipment of assisted learning | |
| Schanzer et al. | Integrated data science for secondary schools: Design and assessment of a curriculum | |
| CN111046852A (en) | Personal learning path generation method, device and readable storage medium | |
| CN115081965B (en) | Big data analysis system of condition of learning and condition of learning server | |
| Jormanainen | Supporting teachers in unpredictable robotics learning environments | |
| Brown et al. | A methodology for preprocessing structured big data in the behavioral sciences | |
| Zedadra et al. | Learning faults detection by AIS techniques in CSCL environments | |
| Venkatesan | Role of Data Mining Techniques in Educational and E-learning System | |
| Mori et al. | Data-oriented learning system of statistics based on analysis scenario/story (DoLStat) | |
| Ogunkunle et al. | A data mining based optimization of selecting learning material in an intelligent tutoring system for advancing STEM education | |
| Milinković et al. | Using decision tree classifier for analyzing students’ activities | |
| Berlanga et al. | Using Language Technologies to Diagnose Learner's Conceptual Development |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E90F | Notification of reason for final refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20121101 Year of fee payment: 5 |
|
| FPAY | Annual fee payment |
Payment date: 20131007 Year of fee payment: 6 |
|
| FPAY | Annual fee payment |
Payment date: 20150116 Year of fee payment: 7 |
|
| FPAY | Annual fee payment |
Payment date: 20151127 Year of fee payment: 8 |
|
| FPAY | Annual fee payment |
Payment date: 20170222 Year of fee payment: 9 |
|
| LAPS | Lapse due to unpaid annual fee |