KR101053828B1 - 기억유지마감시각 예측 및 관리가 적용된 반복학습방법 - Google Patents

기억유지마감시각 예측 및 관리가 적용된 반복학습방법 Download PDF

Info

Publication number
KR101053828B1
KR101053828B1 KR1020090079539A KR20090079539A KR101053828B1 KR 101053828 B1 KR101053828 B1 KR 101053828B1 KR 1020090079539 A KR1020090079539 A KR 1020090079539A KR 20090079539 A KR20090079539 A KR 20090079539A KR 101053828 B1 KR101053828 B1 KR 101053828B1
Authority
KR
South Korea
Prior art keywords
learning
memory
time
item
user
Prior art date
Application number
KR1020090079539A
Other languages
English (en)
Other versions
KR20110022125A (ko
Inventor
김정민
Original Assignee
김정민
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 김정민 filed Critical 김정민
Priority to KR1020090079539A priority Critical patent/KR101053828B1/ko
Publication of KR20110022125A publication Critical patent/KR20110022125A/ko
Application granted granted Critical
Publication of KR101053828B1 publication Critical patent/KR101053828B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • 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
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G09B7/04—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

개시된 본 발명에 따른 기억유지마감시각 예측 및 관리가 적용된 반복학습방법은 사용자가 단말기를 이용하여 시스템에 접속하도록 서비스하는 단계(S201), 사용자에 의해 제공된 사용자 정보를 인터페이스를 통해 서버로 전송하는 단계(S202), 상기 서버에서 사용자 정보가 정확한지 판단하는 사용자 인증 단계(S203), 사용자 인증이 된 경우 상기 서버에서 인터페이스를 통하여 보낸 학습진도를 사용자의 단말기에서 수신하고(S204), 상기 단말기에서 학습진도를 표시하는 단계(S205), 사용자가 상기 단말기에 제공된 학습진도를 보고 학습과목을 선택할 수 있도록 서비스하고(S206), 대상 학습과목을 모두 학습할 수 있도록 기억유지시간을 적용해 피드백 학습을 진행하는 피드백 학습 진행 단계(S207)로 이루어진 것을 특징으로 한다.
기억, 마감시각, 예측, 단말기, 서버, 네트워크, 접속, 정보

Description

기억유지마감시각 예측 및 관리가 적용된 반복학습방법{Repeat Learning Method by Applying Estimation and Management of Memory Maintainment Deadline}
본 발명은 반복학습방법에 관한 것으로서, 더욱 상세하게는 기억이론을 바탕으로 학습자료를 반복학습하는 방법으로 유무선 네트워크 또는 단말기를 통해 반복학습을 효율적으로 진행할 수 있는 기억유지마감시각 예측 및 관리가 적용된 반복학습방법에 관한 것이다.
영어나 역사과목과 같이 기억해야 할 학습량이 많은 분야 또는 많은 양의 문제를 풀어보아야 하는 분야에서는 용어, 개념, 풀이절차에 대한 반복숙달이 필수적이지만, 기존의 교재는 원고내용만을 집중적으로 연구개발을 해왔을 뿐 교재내용을 학생의 것으로 습득시키는 데에 있어서는 부족한 측면이 있었다.
아무리 훌륭한 교재라 하더라도 교재의 내용을 학생의 것으로 만들어 주지 못한다면 무의미한 것이라 할 수 있다. 기존의 교재들은 단순반복적인 학습방법으로 구성되어 있어 학생의 집중력을 쉽게 떨어뜨린다. 또한 기존의 교재들은 준비된 내용을 미리 정의된 학습진도에 따라 순차적으로 이끌어나가기 때문에 흥미를 잃기 쉬울 뿐만 아니라, 진행된 학습진도에 대해서도 학생이 학습내용을 얼마나 완벽하게 습득하였는지를 판단하는 것이 어렵기 때문에 학습에 대한 신뢰도가 낮으며, 어떤 것을 중점적으로 보강하여 학습해야 할지를 판별하는 것이 번거롭고 시간이 오래 걸린다는 단점이 있다.
현재 학생들이 사용하는 학습방법 중에 오답노트와 같이 틀린 문제를 기록해 놓고 반복하여 푸는 방법이 있지만, 이 방법 역시 틀린 문제들 간의 학습이 필요한 우선순위를 판별하는 것이 힘들뿐만 아니라, 맞은 문제라 하더라도 시간이 지남에 따라 잊어버리게 되면 다시 틀릴 수 있다는 단점이 있다.
본 발명은 상기와 같은 점을 감안하여 안출된 것으로서, 기존의 교재나 학습기 없이도 반복학습을 효율적으로 할 수 있도록 하고 학습결과에 대한 신뢰도를 보장할 수 있는 기억유지마감시각 예측 및 관리가 적용된 반복학습방법을 제공하는 것을 목적으로 한다.
상기와 같은 목적을 달성하기 위해 제공되는 본 발명에 따른 기억유지마감시각 예측 및 관리가 적용된 반복학습방법은 사용자가 사용하는 단말기, 중앙서버, 및 상기 단말기와 중앙서버를 연결하는 인터페이스를 이용한 반복학습방법에 있어서,사용자가 상기 단말기를 이용하여 시스템에 접속하도록 서비스하는 단계(S201); 사용자에 의해 제공된 사용자 정보를 인터페이스를 통해 서버로 전송하는 단계(S202);상기 서버에서 사용자 정보가 정확한지 판단하는 사용자 인증 단계(S203); 사용자 인증이 된 경우 상기 서버에서 인터페이스를 통하여 보낸 학습진도를 사용자의 단말기에서 수신하고(S204), 상기 단말기에서 학습진도를 표시하는 단계(S205); 사용자가 상기 단말기에 제공된 학습진도를 보고 학습과목을 선택할 수 있도록 서비스하고(S206), 대상 학습과목을 모두 학습할 수 있도록 기억유지시간을 적용해 피드백 학습을 진행하는 피드백 학습 진행 단계(S207);로 이루어진 것을 특징으로 한다.
여기서, 상기 피드백 학습 진행 단계(S207)는, 사용자가 문항을 선정하도록 서비스 하는 단계(S301); 상기 선정된 문항을 단말기 외부로 표시하는 단계(S302);사용자가 상기 문항에 대한 정답을 입력하도록 서비스하고(S303), 정답을 확인하여 맞추었는지 표시하는 단계(S304); 사용자의 정답 입력을 통해 기억유지시간을 예측하고, 예측된 기억유지시간을 적용해 각 문항의 기억유지마감시각을 설정하는 단계(S305); 및, 상기 변동된 기억유지마감시각을 데이터 베이스에 저장하는 단계(S306);로 이루어지고 상기 단계가 기억유지마감시각의 도래에 의하여 반복적으로 수행된다.
또한, 상기 문항을 선정하는 단계(S301)는, 학습과목에 대해 최초학습인지를 판별하는 단계(S401); 상기 S401 단계에서 최초학습인 경우 전체 문항 중 선택적으로 1개 문항을 선정하는 단계(S402); 상기 S401 단계에서 최초학습이 아니고 학습된 문항이 있는 경우 기억유지마감시각이 경과하거나 임박한 문항을 검색하는 단계(S403); 상기 검색된 문항들 중 기억유지마감시각이 가장 앞선 문항을 선정하는 단계(S404); 상기 S403 단계에서 검색된 문항이 없는 경우, 새롭게 학습할 문항을 검색하고(S405), 새로운 문항이 있는 경우 특정문항을 선택하는 단계(S406); 상기 S405 단계에서 새롭게 학습할 문항이 없는 경우, 모든 문항의 기억유지마감시각을 조사하여 가장 앞선 기억유지마감시각의 문항을 사용자에게 차후 학습문항으로 제시하는 단계(S407);로 이루어진다.
그리고 각 단계의 기억유지마감시각은, 사용자가 제공된 문항에 대한 답을 제공하도록 서비스하고, 정답인지 확인하는 단계(S501); 상기 S501단계에서 정답인 경우, 과거에 정답을 맞춘 사정이 있는지 판별하도록 서비스하는 단계(S502); 상기 S502단계에서 과거에 정답을 맞춘 사정이 있는 경우, 학습향상계수를 산출하고(S503), 기억유지시간을 상향 조정하여(S504), 새 기억유지마감시각을 설정하는 단계(S506); 상기 S502단계에서 과거에 정답을 맞춘 사정이 없는 경우, 기억유지시간의 초기값을 설정하여(S505), 새 기억유지마감시각을 설정하는 단계(S506); 상기 S501단계에서 정답이 아닌 경우, 과거에 정답을 맞춘 사정이 있는지 판별하도록 서비스하는 단계(S507); 상기 S507단계에서 과거에 정답을 맞춘 사정이 있는 경우, 학습향상계수를 산출하고(S508), 기억유지시간을 하향 조정하여(S509), 새 기억유지마감시각을 설정하는 단계(S506); 상기 S507단계에서 과거에 정답을 맞춘 사정이 없는 경우, 반복학습이 이루어질 수 있도록 소정의 극소값의 기억유지마감시각을 설정하는 단계(S510);로 이루어진 것이 좋다.
상기 S503,S504,S506 단계에서, 학습향상계수 Cι 은 하기 수학식 1으로 산출되고, 상기 기억유지시간은 intervalnew (해당문항의 새 기억유지시간) = intervalold (해당문항의 옛 기억유지시간)× Cι 으로 산출하며, 새 기억유지마감시각은 deadline(기억유지마감시각) = now(현재시각) + intervalnew 로 산출하는 것이 좋다.
수학식 1
Figure 112009052518374-pat00001
상기 S506,S508,S509 단계에서, 학습향상계수 Cι 은 하기 수학식 1로 산출되고, 상기 기억유지시간은 intervalnew (해당문항의 새 기억유지시간) = intervalold (해당문항의 옛 기억유지시간)× 1 / Cι 으로 산출하며, 새 기억유지마감시각은 deadline(기억유지마감시각) = now(현재시각) + intervalnew 로 산출하고, 하기 수학식 1에서 반응시간 t은 1인 것이 바람직하다.
수학식 1
Figure 112009052518374-pat00002
상기 ntervalold (해당문항의 옛 기억유지시간)은 now(현재시각)에서 해당문항의 종전 출제시각을 뺀 값인 것으로 정할 수 있다.
또한 상기 S505단계에서 기억유지시간의 초기값은 0 내지 120인 것이 바람직하다.
본 발명에 따른 기억유지마감시각 예측 및 관리가 적용된 반복학습방법에 의하면, 기존의 교재에서 잘 학습된 문항과 상대적으로 덜 학습된 문항을 구별해내어 다시 학습하여야 하는 번거로움이 없이 수치화된 기억유지시간 관리에 의하여 학습효율을 높일 수 있다. 또한 시간에 따른 기억감소를 보정해주므로 현재 학습성취도를 보다 정확히 예측할 수 있도록 하고 반복 교육인 외국어의 언어습득을 게임하는 기분으로 학습할 수 있도록 한다.
본 발명의 상기와 같은 목적, 특징 및 다른 장점들은 첨부도면을 참조하여 본 발명의 바람직한 실시 예를 상세히 설명함으로써 더욱 명백해질 것이다.
본 발명에서 사용되는 용어는 학습자의 학습자료 및 학습진도에 대한 정보로서, 구체적으로는 학습자료는 구조화된 문항들의 집합, 각 문항은 형식, 문제, 보기, 정답, 힌트를 제공하는 정보를 의미한다. 여기서 형식은 주관식, 객관식 등 문제의 형식상 분류 또는 어휘학습과 같은 특정 문제유형을 의미한다. 학습은 제시된 질문에 대해 사용자가 답을 하는 과정과 정답을 확인하는 과정을 의미하고, 기억유지마감시각은 학습자가 기학습한 문항에 대하여 기억을 유지할 수 있는 예측 시각을 말한다. 기억을 유지한다고 함은 해당 문항에 대한 정답을 제시할 수 있다는 의미이다.
에빙하우스는 1885년 연구에서 망각곡선을 제시하며 실험을 통해 시간이 지남에 따라 인간의 기억률이 지수적인 감소추세를 보인다는 것을 밝혔다. 이러한 현상을 근거로 어떤 정보를 기억했을 때 그 기억이 유지되는 시간을 추정할 수 있다. 정보를 반복하여 학습하면 그 기억이 오래 가게 되며, 망각곡선 상에서도 기억이 떨어지는 기울기가 완만해지는 것으로 나타난다. 이 현상은 오답노트 등 다른 반복학습에서도 응용되고 있는 바이다. 하지만, 보다 효율적인 학습이 되기 위해서는 반복의 시점과 횟수를 적절히 제시하는 것이 중요하다. 또한 이를 위해서는 학습 이후 기억이 유지되는 시간을 정확히 예측하여 특정 문항이 적절한 시기에 제시되도록 하는 스케줄링 기법이 필요하다. 본 발명에 따르면 체계적인 알고리즘에 따라 기억유지시간을 예측하며 이를 토대로 기억이 마감되는 시점 순으로 배열하는 방법에 따른 반복 학습 방법을 제시한다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예에 따른 기억유지마감시각 예측 및 관리가 적용된 반복학습방법을 상세히 설명하기로 한다.
도 1은 본 발명에 따른 반복학습방법을 진행하기 위한 전체적인 시스템 구성도, 도 2는 본 발명에 따른 반복학습방법을 진행하기 위한 흐름도, 도 3은 피드백 반복학습방법의 진행 흐름도, 도 4는 출제 문항 선정 과정을 나타낸 흐름도, 도 5는 학습결과를 반영하여 새로운 기억유지마감시각을 결정하는 과정을 나타낸 흐름도를 나타낸 것이다.
도 1 내지 도 5를 살펴보면, 본 발명에 따른 기억유지마감시각예측 및 관리가 적용된 반복학습방법은 전체적으로 사용자가 사용하는 단말기(100), 중앙서버(300) 및 단말기(100)와 중앙서버(300)를 연결하는 인터페이스로써 네트워크(200)를 사용하고, 사용자가 단말기(100)를 이용하여 시스템에 접속하도록 서비스하는 단계(S201), 사용자에 의해 제공된 사용자 정보를 네트워크(200)를 통해 중앙서버(300)로 전송하는 단계(S202), 중앙서버(300)에서 사용자 정보가 정확한지 판단하는 사용자 인증 단계(S203)를 거친다. 이후 사용자 인증이 된 경우 중앙서버(300)에서 네트워크(200)를 통하여 보낸 학습진도를 사용자의 단말기(100)에서 수신하고(S204), 단말기(100)에서 과목별 학습진도를 표시하는 단계(S205)를 거치고 사용자가 상기 단말기(100)에 제공된 학습진도를 보고 학습과목을 선택할 수 있도록 서비스하고(S206), 대상 학습과목을 모두 학습할 수 있도록 기억유지시간을 적용해 피드백 학습을 진행하는 피드백 학습 진행 단계(S207)가 실행됨으로써 성취된다(도 2 참조).
여기서 피드백 학습 진행 단계(S207)는, 사용자가 문항을 선정하도록 서비스 하는 단계(S301), 선정된 문항을 단말기 외부로 표시하는 단계(S302), 사용자가 상기 문항에 대한 정답을 입력하도록 서비스하고(S303), 정답을 확인하여 맞추었는지 표시하는 단계(S304)를 거친다. 정답확인은 컴퓨터에 의해 자동으로 채점되는 방식과 사용자가 수동으로 채점하는 방식이 있다. 이후, 사용자의 정답 입력을 통해 기억유지시간을 예측하고, 예측된 기억유지시간을 적용해 각 문항의 기억유지마감시각을 설정하는 단계(S305), 변동된 기억유지마감시각을 데이터 베이스에 저장하는 단계(S306)를 거치고 상기 단계가 기억유지마감시각의 도래에 의하여 반복적으로 수행됨으로써 성취된다(도 3 참조).
상기 문항을 선정하는 단계(S301)는, 학습과목에 대해 최초학습인지를 판별하는 단계(S401), S401 단계에서 최초학습인 경우 전체 문항 중 임의의 1개 문항을 선정하는 단계(S402)를 거친다. 단 여기서 문항 선정시에는 선택적으로 선정되는 것이 보통이지만 과목의 특정에 따라 필요하다면 미리 준비된 순서에 따라 선정할 수도 있다. 이후, S401 단계에서 최초학습이 아니고 학습된 문항이 있는 경우, 기억유지마감시각이 경과하거나 임박한 문항을 검색하는 단계(S403), 검색된 문항들 중 기억유지마감시각이 가장 앞선 문항을 선정하는 단계(S404), S403 단계에서 검색된 문항이 없는 경우, 새롭게 학습할 문항을 검색하고(S405), 새로운 문항이 있는 경우 특정문항을 선택하는 단계(S406), S405 단계에서 새롭게 학습할 문항이 없는 경우, 모든 문항의 기억유지마감시각을 조사하여 가장 앞선 기억유지마감시각의 문항을 사용자에게 차후 학습문항으로 제시하는 단계(S407)를 거치게 됨으로써 성취된다(도 4 참조). 여기서 각 문항의 기억유지시간을 초기값인 0 내지 120으로 하면 최초학습인지 판별하지 않아도 된다.
각 단계에서의 기억유지마감시각은, 사용자가 제공된 문항에 대한 답을 제공하도록 서비스하고, 정답인지 확인하는 단계(S501), 상기 S501단계에서 정답인 경우, 과거에 정답을 맞춘 사정이 있는지 판별하도록 서비스하는 단계(S502), 상기 S502단계에서 과거에 정답을 맞춘 사정이 있는 경우, 학습향상계수를 산출하고(S503), 기억유지시간을 상향 조정하여(S504), 새 기억유지마감시각을 설정하는 단계(S506), 상기 S502단계에서 과거에 정답을 맞춘 사정이 없는 경우, 기억유지시간의 초기값을 설정하여(S505), 새 기억유지마감시각을 설정하는 단계(S506), 상기 S501단계에서 정답이 아닌 경우, 과거에 정답을 맞춘 사정이 있는지 판별하도록 서비스하는 단계(S507), 상기 S507단계에서 과거에 정답을 맞춘 사정이 있는 경우, 학습향상계수를 산출하고(S508), 기억유지시간을 하향 조정하여(S509), 새 기억유지마감시각을 설정하는 단계(S506), 상기 S507단계에서 과거에 정답을 맞춘 사정이 없는 경우, 반복학습이 이루어질 수 있도록 소정의 극소값의 기억유지마감시각을 설정하는 단계(S510)로 이루어진다(도 5 참조).
상기 S503,S504,S506 단계에 있어서, 학습향상계수 Cι 은 하기 수학식 1으로 산출되고, 상기 기억유지시간은 intervalnew (해당문항의 새 기억유지시간) = intervalold (해당문항의 옛 기억유지시간)× Cι 으로 산출하며, 새 기억유지마감시각은 deadline(기억유지마감시각) = now(현재시각) + intervalnew 로 산출하고, 수학 식 1은 다음과 같다.
Figure 112009052518374-pat00003
즉, 채점결과가 정답이고 과거에 정답을 맞춘 적이 있는 경우, 옛 기억유지시간(intervalold )에 학습향상계수 Cι을 비례 적용하여 늘어난 기억유지시간(intervalnew )을 현재시각에 더한 값을 새로운 기억유지마감시각(deadline)으로 설정한다.
또한, 상기 S506,S508,S509 단계에 있어서, 학습향상계수 Cι 은 상기 수학식 1으로 산출되고, 상기 기억유지시간은 intervalnew (해당문항의 새 기억유지시간) = intervalold (해당문항의 옛 기억유지시간)× 1 / Cι 으로 산출하며, 새 기억유지마감시각은 deadline(기억유지마감시각) = now(현재시각) + intervalnew 로 산출하고, 하기 수학식 1에서 반응시간 t은 1이다.
즉, 채점결과가 오답이고 과거에 정답을 맞춘 적이 있는 경우, 옛 기억유지시간(intervalold )에 학습향상계수 Cι을 반비례 적용하여 줄어든 기억유지시 간(intervalnew )을 현재시각에 더한 값을 새로운 기억유지마감시각(deadline)으로 설정한다.
여기서, 상기 S505단계에서 기억유지시간의 초기값은 0 내지 120인 것이 바람직하다. 학자에 따르지만, 40초 내지 120초를 단기기억의 한계로 보는데 두뇌의 장기기억 영역에 저장되는 것을 학습성과로 보는 본 발명에서는 이보다 넓은 0초 내지 120초가 적절하다.
또한, 상기와 같이 각 문항에 따라 기억유지시간에 대하여 시간변수를 활용하지 않고, 상기 intervalold (해당문항의 옛 기억유지시간)은 now(현재시각)에서 해당문항의 종전 출제시각을 뺀 값으로 설정할 수 있다. 즉, 기억유지시간을 현재시각에서 종전 출제시각을 뺀 값에 향상계수를 곱한 값으로 정하고, 기억유지마감시각은 현재시각에 기억유지시간을 더한 값으로 정할 수 있다.
학습향상계수 Cι은 학습능력(learner's ability)을 나타내는 학습능력지수 a, 유창성(fluency; 기억속에서 답안을 얼마나 능숙하게 인출해내는가)와 정비례(positive) 관계에 있고, 문항난이도(item difficulty) d 와는 반비례(negative) 관계에 있다. 이중 유창성은 반응시간(response speed)으로 산출할 수 있다. 여기서는 학습능력지수, 반응시간, 문항난이도로써 학습향상계수를 계산하게 된다.
유창성은 반응속도(response speed; 기억 속에서 답안을 인출하는 속도)와 정비례 관계에 있고, 반응속도와 반응시간(response time; 문항 제시 시각과 답안 제출 시각 사이의 시간)은 반비례관계에 있다. 반응시간의 단위는 초(second)이다.
문항난이도(item difficulty)는 문항에서의 정답을 도출하기 어려운 정도를 나타낸다. 문항난이도는 양적 난이도(qualitative difficulty)와 질적 난이도(quantitative difficulty)가 합성되어 나타난다. 양적 어려움은 말 그대로 분량이 많아서 답안을 정확히 인출하기 어려운 것을 의미한다. 질적 어려움은 난해한 개념 및 용어로 구성되어 이해가 어려운 경우 답안 도출이 어려운 경우를 말한다. 문항 난이도는 15점 척도를 사용하도록 하고, 학습이 불가능할 정도로 어려운 문항을 만드는 것이 가능하므로 척도를 벗어나는 문항, 즉 난이도가 15점을 초과하는 문항도 만들 수 있다. 하지만 지나치게 어려운 문항은 시스템의 목표인 학습 진행에는 도움이 되지 않으므로 제외한다.
학습능력지수(learning ability quotient)는 본 시스템에서 통계적인 처리를 통해 구해지는 학습자의 능력 지수이다. 초기학습능력은 기억력 및 인지능력 검사를 통해 측정할 수 있다. 문항의 성격에 따라 구분하면, 저차원적 문항(low-order item)은 기억력과 높은 상관을 보이며, 고차원적 문항(high-order item)은 이해력과 높은 상관을 보일 것이다. 보다 정확한 값은 시스템 운용시 통계적으로 얻을 수 있다. 다른 변수를 통제했을 때(즉, 반응시간과 난이도 등 다른 조건이 동일할 때)의 측정결과를 반영하여 조정하여 얻는다. 학습로그(learning log)로부터 문항난이도와 반응시간이 통제된 상황(즉, 같은 조건)에서 학습능력지수를 추적할 수 있다. 예상기억유지마감시각이 지난 이후에 맞추었다면 상향, 예상기억유지마감시각이 되기 이전에 틀렸다면 하향 조정하여 구하게 되며, 시스템을 지속적으로 운용하면서 사례수가 많아지면 보다 안정된 값을 구할 수 있을 것이다.
아래에서는 수학식 1을 이용하여 학습향상계수를 도출한 표 1과 학습능력지수와 학습능력백분율의 상관관계를 나타낸 표 2를 나타낸다.
Figure 112009052518374-pat00004
<표 1> 학습향상계수 산출 예시표
Figure 112009052518374-pat00005
<표 2> 학습능력지수와 학습능력백분율
표 1에서 살펴보면, 학습능력지수 a 와 반응시간이 동일할 경우, 난이도 d의 값이 증가함에 따라 학습향상계수 Cι 은 작아짐을 알 수 있다. 또한, 학습능력지수 a 와 난이도 d 값이 동일할 경우, 반응시간이 증가함에 반응속도가 작아지므로 학습향상계수 Cι는 작아짐을 알 수 있다.
이때 적용되는 학습능력지수 a의 값을 설정하는데 있어서 상기 표 2와 같이 학습능력백분율에 따라 학습능력지수를 적용한다.
도 6은 사용자가 학습과목 선택까지 마친 경우 최초 문항이 출제된 화면을 나타낸 도면, 도 7은 사용자가 입력을 통해 문제에 대한 답안을 입력한 예를 나타낸 도면, 도 8은 사용자가 입력을 통해 정답을 입력한 후의 진행단계를 나타낸 도면, 도 9는 다음 문항으로 진행한 경우 새로운 문항이 출제된 화면을 나타낸 도면,도 10은 도 7에서의 사용자 입력과정에서 오답이 입력된 경우를 나타낸 도면, 도 11은 도 10에서의 오답에 대한 반복학습이 이루어진 후 해당 문항이 반복되어 출제된 예를 나타낸 도면, 도 12는 성취도를 예측하여 표시하는 예로써, 사용자로부터 미래 특정시점의 일시를 입력받은 예를 나타낸 도면, 및 도 13은 도 12에서 입력받 은 특정 시각을 기준으로 성취도를 산출하여 표시한 예를 나타낸 도면을 나타낸다.
구체적으로 살펴보면, 도 6은 사용자가 학습과목 선택까지 마친 경우의 최초 문항이 출제된 화면으로서, 좌측의 상태창은 사용자의 정보가 표시되는 창이고 우측의 시계바는 한 문항에 대한 반응시간을 시각적으로 나타낸다. 하단부의 입력창은 사용자가 답안을 입력하는 창이다. 문항의 표시는 문제부분과 정답부분으로 나누어 표시되며 최초에 정답 부분은 보여주지 않고 사용자의 입력을 기다리게 된다.
도 7은 사용자가 입력을 통해 문제에 대한 답안을 입력한 예이다. 사용자가 입력을 마치면 자동 혹은 수동으로 정답확인이 이루어진다.
도 8은 사용자가 입력을 통해 정답을 입력한 후의 진행단계이다. 정답으로 확인되면 정답임이 표시되고 문항에 대한 정보와 응답시간 등을 통해 학습결과의 반영이 이루어진다. 이후 사용자는 다음 문항으로 진행할 수 있다.
도 9는 다음 문항으로 진행한 경우 새로운 문항이 출제된 모습이다.문제 창에 다른 문항이 출제되었다는 점과 사용자 정보창이 갱신되었다는 점을 제외하면 도 6과 동일하다.
도 10은 도 7에서의 사용자 입력과정에서 오답이 입력된 경우이다. 사용자의 답안이 틀린 경우 일정시간 문제와 정답을 함께 표시해 학습이 이루어지도록 한다. 문항에 따라서 힌트가 제공되기도 한다.
도 11은 도 10에서의 오답에 대한 반복학습이 이루어진 후 해당 문항이 반복되어 출제된 예이다. 사용자 정보창이 갱신되었다는 점을 제외하면 도 6의 최초 출제 화면과 동일하다.
도 12와 도 13은 미래 특정시점의 성취도를 예측하여 표시하는 예이다. 성취도는 특정시각을 전체 문항들의 기억유지마감시각과 비교하여 기억유지마감시각이 그 특정시각보다 이전이면 틀릴 것으로, 이후이면 맞을 것으로 예측하여 비율을 계산한 수치이다. 구체적으로 도 12는 사용자로부터 미래 특정시점의 일시를 입력받은 예이고, 도 13은 입력받은 특정시각을 기준으로 성취도를 산출하여 표시한 예이다.
본 발명에 따른 기억유지마감시각 예측 및 관리가 적용된 반복학습방법에 따르면, 기존의 교재에서 잘 학습된 문항과 상대적으로 덜 학습된 문항을 구별해내어 다시 학습하여야 하는 번거로움이 없이 수치화된 기억유지시간 관리에 의하여 학습효율을 높일 수 있다. 또한 시간에 따른 기억감소를 보정해주므로 현재 학습성취도를 보다 정확히 예측할 수 있도록 하고 반복 교육인 외국어의 언어습득을 게임하는 기분으로 학습할 수 있도록 한다.
이상에서 본 발명의 바람직한 실시 예에 대하여 설명하였으나, 본 발명은 상술한 특정의 실시 예에 한정되지 아니한다. 즉, 본 발명이 속하는 기술분야에서 통상의 지식을 가지는 자라면 첨부된 특허청구범위의 사상 및 범주를 일탈함이 없이 본 발명에 대한 다수의 변경 및 수정이 가능하며, 그러한 모든 적절한 변경 및 수정의 균등물들도 본 발명의 범위에 속하는 것으로 간주되어야 할 것이다.
도 1은 본 발명에 따른 반복학습방법을 진행하기 위한 전체적인 시스템 구성도,
도 2는 본 발명에 따른 반복학습방법을 진행하기 위한 흐름도,
도 3은 피드백 반복학습방법의 진행 흐름도,
도 4는 출제 문항 선정 과정을 나타낸 흐름도,
도 5는 학습결과를 반영하여 새로운 기억유지마감시각을 결정하는 과정을 나타낸 흐름도,
도 6은 사용자가 학습과목 선택까지 마친 경우 최초 문항이 출제된 화면을 나타낸 도면,
도 7은 사용자가 입력을 통해 문제에 대한 답안을 입력한 예를 나타낸 도면,
도 8은 사용자가 입력을 통해 정답을 입력한 후의 진행단계를 나타낸 도면,
도 9는 다음 문항으로 진행한 경우 새로운 문항이 출제된 화면을 나타낸 도면,
도 10은 도 7에서의 사용자 입력과정에서 오답이 입력된 경우를 나타낸 도면,
도 11은 도 10에서의 오답에 대한 반복학습이 이루어진 후 해당 문항이 반복되어 출제된 예를 나타낸 도면,
도 12는 성취도를 예측하여 표시하는 예로써, 사용자로부터 미래 특정시점의 일시를 입력받은 예를 나타낸 도면, 및
도 13은 도 12에서 입력받은 특정 시각을 기준으로 성취도를 산출하여 표시한 예를 나타낸 도면이다.
<도면의 주요부분에 대한 부호의 설명>
100 : 단말기 200 : 네트워크
300 : 중앙서버

Claims (8)

  1. 삭제
  2. 삭제
  3. 사용자가 단말기를 이용하여 시스템에 접속하도록 서비스하는 단계(S201); 사용자에 의해 제공된 사용자 정보를 인터페이스를 통해 서버로 전송하는 단계(S202); 상기 서버에서 사용자 정보가 정확한지 판단하는 사용자 인증 단계(S203); 사용자 인증이 된 경우 상기 서버에서 상기 인터페이스를 통하여 보낸 학습진도를 사용자의 단말기에서 수신하고(S204), 상기 단말기에서 학습진도를 표시하는 단계(S205); 사용자가 상기 단말기에 제공된 학습진도를 보고 학습과목을 선택할 수 있도록 서비스하고(S206), 대상 학습과목을 모두 학습할 수 있도록 기억유지시간을 적용해 피드백 학습을 진행하는 피드백 학습 진행 단계(S207);로 이루어지고,
    상기 피드백 학습 진행 단계(S207)는, 사용자가 문항을 선정하도록 서비스 하는 단계(S301); 상기 선정된 문항을 단말기 외부로 표시하는 단계(S302); 사용자가 상기 문항에 대한 정답을 입력하도록 서비스하고(S303), 정답을 확인하여 맞추었는지 표시하는 단계(S304); 사용자의 정답 입력을 통해 기억유지시간을 예측하고, 예측된 기억유지시간을 적용해 각 문항의 기억유지마감시각을 설정하는 단계(S305); 및, 상기 변동된 기억유지마감시각을 데이터 베이스에 저장하는 단계(S306);로 이루어지고 상기 각 단계가 기억유지마감시각의 도래에 의하여 반복적으로 수행되며,
    상기 문항을 선정하는 단계(S301)는, 학습과목에 대해 최초학습인지를 판별하는 단계(S401); 상기 S401 단계에서 최초학습인 경우 전체 문항 중 선택적으로 1개 문항을 선정하는 단계(S402); 상기 S401 단계에서 최초학습이 아니고 학습된 문항이 있는 경우 기억유지마감시각이 경과하거나 임박한 문항을 검색하는 단계(S403); 상기 검색된 문항들 중 기억유지마감시각이 가장 앞선 문항을 선정하는 단계(S404); 상기 S403 단계에서 검색된 문항이 없는 경우, 새롭게 학습할 문항을 검색하고(S405), 새로운 문항이 있는 경우 특정문항을 선택하는 단계(S406); 상기 S405 단계에서 새롭게 학습할 문항이 없는 경우, 모든 문항의 기억유지마감시각을 조사하여 가장 앞선 기억유지마감시각의 문항을 사용자에게 차후 학습문항으로 제시하는 단계(S407);로 이루어진 것을 특징으로 하는 기억유지마감시각 예측 및 관리가 적용된 반복학습방법.
  4. 제 3 항에 있어서, 각 단계의 기억유지마감시각은,
    사용자가 제공된 문항에 대한 답을 제공하도록 서비스하고, 정답인지 확인하는 단계(S501);
    상기 S501단계에서 정답인 경우, 과거에 정답을 맞춘 사정이 있는지 판별하도록 서비스하는 단계(S502);
    상기 S502단계에서 과거에 정답을 맞춘 사정이 있는 경우, 학습향상계수를 산출하고(S503), 기억유지시간을 상향 조정하여(S504), 새 기억유지마감시각을 설정하는 단계(S506);
    상기 S502단계에서 과거에 정답을 맞춘 사정이 없는 경우, 기억유지시간의 초기값을 설정하여(S505), 새 기억유지마감시각을 설정하는 단계(S506);
    상기 S501단계에서 정답이 아닌 경우, 과거에 정답을 맞춘 사정이 있는지 판별하도록 서비스하는 단계(S507);
    상기 S507단계에서 과거에 정답을 맞춘 사정이 있는 경우, 학습향상계수를 산출하고(S508), 기억유지시간을 하향 조정하여(S509), 새 기억유지마감시각을 설정하는 단계(S506);
    상기 S507단계에서 과거에 정답을 맞춘 사정이 없는 경우, 반복학습이 이루어질 수 있도록 소정의 극소값의 기억유지마감시각을 설정하는 단계(S510);로 이루어진 것을 특징으로 하는 기억유지마감시각 예측 및 관리가 적용된 반복학습방법.
  5. 제 4 항에 있어서, 상기 S503,S504,S506 단계에서,
    학습향상계수 Cι 은 하기 수학식 1으로 산출되고, 상기 기억유지시간은 intervalnew (해당문항의 새 기억유지시간) = intervalold (해당문항의 옛 기억유지시간)× Cι 으로 산출하며, 새 기억유지마감시각은 deadline(기억유지마감시각) = now(현재시각) + intervalnew 로 산출하는 것을 특징으로 하는 기억유지마감시각 예측 및 관리가 적용된 반복학습방법.
    수학식 1
    Figure 112009052518374-pat00006
  6. 제 4 항에 있어서, 상기 S506,S508,S509 단계에서,
    학습향상계수 Cι 은 하기 수학식 1으로 산출되고, 상기 기억유지시간은 intervalnew (해당문항의 새 기억유지시간) = intervalold (해당문항의 옛 기억유지시간)× 1 / Cι 으로 산출하며, 새 기억유지마감시각은 deadline(기억유지마감시각) = now(현재시각) + intervalnew 로 산출하고, 하기 수학식 1에서 반응시간 t은 1인 것을 특징으로 하는 기억유지마감시각 예측 및 관리가 적용된 반복학습방법.
    수학식 1
    Figure 112009052518374-pat00007
  7. 제 5 항 또는 제 6 항에 있어서,
    상기 intervalold (해당문항의 옛 기억유지시간)은 now(현재시각)에서 해당문항의 종전 출제시각을 뺀 값인 것을 특징으로 하는 기억유지마감시각 예측 및 관리가 적용된 반복학습방법.
  8. 제 4 항에 있어서,
    상기 S505단계에서 기억유지시간의 초기값은 0 내지 120인 것을 특징으로 하는 기억유지마감시각 예측 및 관리가 적용된 반복학습방법.
KR1020090079539A 2009-08-27 2009-08-27 기억유지마감시각 예측 및 관리가 적용된 반복학습방법 KR101053828B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020090079539A KR101053828B1 (ko) 2009-08-27 2009-08-27 기억유지마감시각 예측 및 관리가 적용된 반복학습방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020090079539A KR101053828B1 (ko) 2009-08-27 2009-08-27 기억유지마감시각 예측 및 관리가 적용된 반복학습방법

Publications (2)

Publication Number Publication Date
KR20110022125A KR20110022125A (ko) 2011-03-07
KR101053828B1 true KR101053828B1 (ko) 2011-08-03

Family

ID=43930584

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020090079539A KR101053828B1 (ko) 2009-08-27 2009-08-27 기억유지마감시각 예측 및 관리가 적용된 반복학습방법

Country Status (1)

Country Link
KR (1) KR101053828B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815267B (zh) * 2020-06-19 2024-01-19 北京国音红杉树教育科技有限公司 一种外语学习及复习的方法及装置
CN114997461B (zh) * 2022-04-11 2024-05-28 安徽大学 一种联合学习与遗忘的时间敏感的答题正确性预测方法
CN118313734A (zh) * 2024-06-07 2024-07-09 北京军密安检测评估有限公司 一种基于安全保密培训的线上培训管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003241644A (ja) 2002-02-15 2003-08-29 Teiichi Kasahara 外国語会話学習法及び外国語会話学習装置
JP2003316245A (ja) 2002-04-22 2003-11-07 Global Success Kk 記憶支援方法、語学学習支援方法及びコンピュータプログラム
JP2008203817A (ja) 2007-01-26 2008-09-04 Kenji Murakami 記憶継続指標を含む学習用システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003241644A (ja) 2002-02-15 2003-08-29 Teiichi Kasahara 外国語会話学習法及び外国語会話学習装置
JP2003316245A (ja) 2002-04-22 2003-11-07 Global Success Kk 記憶支援方法、語学学習支援方法及びコンピュータプログラム
JP2008203817A (ja) 2007-01-26 2008-09-04 Kenji Murakami 記憶継続指標を含む学習用システム

Also Published As

Publication number Publication date
KR20110022125A (ko) 2011-03-07

Similar Documents

Publication Publication Date Title
KR101642577B1 (ko) 효과적인 학습 독려와 가이드 및 학습 전략 수립 서비스 제공을 위한 스마트 개인화 학습 가이드 방법 및 시스템
Wauters et al. Adaptive item‐based learning environments based on the item response theory: Possibilities and challenges
CN110389969A (zh) 提供定制的学习内容的系统和方法
US8851900B2 (en) Electronic learning system
US20150243179A1 (en) Dynamic knowledge level adaptation of e-learing datagraph structures
CN109388744A (zh) 一种自适应学习推荐方法及装置
US20090061408A1 (en) Device and method for evaluating learning
KR20200072046A (ko) 학생의 학습능력별 개인 맞춤형 교육 커리큘럼 제공 방법 및 프로그램
JP4883720B2 (ja) 教材提示装置、教材提示方法、教材提示プログラムおよびそのプログラムを記録した記録媒体
CN111090809A (zh) 题目推荐方法、装置、计算机设备和存储介质
US10720072B2 (en) Adaptive learning system using automatically-rated problems and pupils
JP7052224B2 (ja) 学習支援装置、学習支援システム及びプログラム
KR102107992B1 (ko) 학습자의 예측 점수 분석 정보 제공방법
US20210304630A1 (en) Interpretable machine learning algorithms for identifying at-risk students in online degree programs
Eglington et al. How to optimize student learning using student models that adapt rapidly to individual differences
Mihalca et al. Completion problems can reduce the illusions of understanding in a computer-based learning environment on genetics
KR101053828B1 (ko) 기억유지마감시각 예측 및 관리가 적용된 반복학습방법
KR20230136265A (ko) 엘로 점수 기반 개인화 맞춤 학습 시스템
JP2017003673A (ja) 学習支援置
Orlov et al. Identifying students at risk using a new math skills assessment
US11887506B2 (en) Using a glicko-based algorithm to measure in-course learning
Dragoset et al. Measuring School Performance for Early Elementary Grades in Maryland.
JP2020003690A (ja) 学習支援装置、方法、及びコンピュータプログラム
JP6661139B1 (ja) 情報処理装置及び情報処理方法
JP2017207691A (ja) 択一問題の正答率予測方法

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20140522

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20150512

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20160523

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20170519

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20180508

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20190508

Year of fee payment: 9