KR102011422B1 - 온라인 학습 기반 스터디 그룹 매칭 서비스 제공방법 - Google Patents

Abstract

컴퓨터에 의하여 수행되는 방법에 있어서, 사용자에게 온라인 학습 콘텐츠를 제공하는 단계, 상기 제공된 온라인 학습 콘텐츠에 대한 상기 사용자의 학습과정을 모니터링하는 단계, 상기 모니터링 결과에 기초하여, 상기 사용자의 학습 특성을 판단하는 단계 및 상기 사용자의 학습 특성에 매칭되는 스터디 그룹을 추천하는 단계를 포함하는, 스터디 매칭 서비스 제공방법이 개시된다.

Description

온라인 학습 기반 스터디 그룹 매칭 서비스 제공방법 {METHOD FOR PROVIDING STUDY GROUP MATCHING SERVICE BASED ON ONLINE STUDY}

본 발명은 온라인 학습 기반 스터디 그룹 매칭 서비스 제공방법에 관한 것이다.

근대적 교육 시스템이 정립된 이후, 현재까지 모든 학생이 ‘앞에 선 현자’인 선생님에게 학습 내용을 배우는 식의 교육이 일반적이었다.

그러나 최근에는 같은 물리적인 공간에 모여서 ‘앞에 선 현자’에게 배우는 식의 교육보다는 자기 맞춤형으로 ‘옆에 선 안내자’에게 배우는 교육이 활성화되었다. 현재 국내의 교육관련 최대 기업들은 모두 인터넷 강의 사이트들이다.

그럼에도 불구하고 학원이 없어지지 않는 것은 관리가 되지 않기 때문이며, 인터넷 강의가 학원을 완전히 대체할 수는 없을 것이다. 그에 따라 자기 주도 학습관련 공부방들이 생겨나기도 했다.

공무원 시험의 경우, 1년 안에 매우 중요한 시험을 보는 성인들이 수험생임에도 불구하고 공부를 같이 하려는 사람들이 많이 있다. 혼자서는 의지가 부족하여 목표를 달성하기 어려울 수 있으므로, 좋은 자료를 가지고도 혼자서는 충족하기 어려운 부분을 함께 공부함으로써 보완하려는 것이다.

공개특허공보 제10-2018-0037079호, 2018년04월11일 공개

본 발명이 해결하고자 하는 과제는 온라인 학습 기반 스터디 그룹 매칭 서비스 제공방법을 제공하는 것이다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 온라인 학습 기반 스터디 그룹 매칭 서비스 제공방법은, 사용자에게 하나 이상의 객관식 문항을 포함하는 온라인 학습 콘텐츠를 제공하는 단계, 상기 제공된 온라인 학습 콘텐츠에 대한 상기 사용자의 학습과정을 모니터링하는 단계, 상기 모니터링 결과에 기초하여, 상기 사용자의 학습량, 학습 수준 및 학습 패턴을 포함하는, 상기 사용자의 학습 특성을 판단하는 단계 및 상기 사용자의 학습량, 학습 수준 및 학습 패턴과 매칭되는 하나 이상의 스터디 그룹을 추천하는 단계를 포함하고, 상기 사용자의 학습과정을 모니터링하는 단계는, 상기 사용자의 문제풀이 속도 및 상기 사용자의 정답률을 시간대별로 모니터링하는 단계 및 상기 사용자의 문제풀이 속도 및 상기 사용자의 정답률에 기초하여 상기 사용자의 시간대별 집중도를 산출하는 단계를 포함하고, 상기 사용자의 학습 특성을 판단하는 단계는, 상기 사용자가 집중하는 데 필요한 워밍업 시간을 판단하는 단계 및 상기 사용자가 연속으로 집중할 수 있는 연속집중시간을 판단하는 단계를 포함하고, 상기 스터디 그룹을 추천하는 단계는, 상기 사용자와 상기 워밍업 시간 및 상기 연속집중시간이 매칭되는 사용자들을 포함하는 스터디 그룹을 추천하는 단계를 포함한다.

또한, 하나 이상의 사용자를 포함하는 제1 스터디 그룹에 대한 정보를 획득하는 단계, 상기 제1 스터디 그룹의 학습 목표를 획득하는 단계, 상기 학습 목표에 대응하는 온라인 학습 콘텐츠를 상기 제1 스터디 그룹에 포함된 사용자들에게 제공하는 단계, 상기 제1 스터디 그룹에 포함된 사용자들의 학습 결과를 획득하는 단계 및 상기 제1 스터디 그룹에 포함된 사용자들 각각에게, 상기 제1 스터디 그룹에 포함된 다른 사용자들의 학습 결과를 공유하는 단계를 더 포함할 수 있다.

또한, 상기 스터디 그룹에 포함된 사용자들에게 온라인 학습 콘텐츠를 제공하는 단계는, 객관식 문항을 생성하는 단계 및 상기 생성된 객관식 문항을 상기 스터디 그룹에 포함된 사용자들에게 제공하는 단계를 포함하고, 상기 객관식 문항을 생성하는 단계는, 객관식 문항을 생성하기 위한 질의 및 상기 질의에 대한 복수의 선택지를 획득하는 단계, 상기 복수의 선택지 각각에 대한 난이도 정보를 획득하는 단계, 상기 객관식 문항의 난이도를 결정하는 단계 및 상기 객관식 문항의 난이도에 따라, 상기 복수의 선택지 중 상기 객관식 문항에 포함될 2개 이상의 선택지를 결정하는 단계를 포함하고, 상기 객관식 문항을 생성하는 단계는, 상기 스터디 그룹에 포함된 사용자들의 학습 수준을 판단하는 단계, 상기 스터디 그룹에 포함된 사용자들의 학습 수준에 따라 상기 스터디 그룹에 포함된 사용자들 각각에 제공될 객관식 문항의 난이도를 결정하는 단계 및 상기 결정된 난이도에 따라 상기 스터디 그룹에 포함된 사용자들 각각에 제공할 객관식 문항을 생성하되, 상기 스터디 그룹에 포함된 사용자들에게 제공되는 객관식 문항의 질의는 모두 동일하며, 각각의 난이도에 따라 질의에 대응하는 선택지의 종류를 달리하는 것을 특징으로 하는, 단계를 포함할 수 있다.

또한, 상기 제1 스터디 그룹에 포함된 사용자들의 학습 결과를 획득하는 단계는, 상기 제1 스터디 그룹에 포함된 제1 사용자의 제1 온라인 학습 콘텐츠에 대한 학습과정을 저장하되, 상기 학습과정은 상기 제1 사용자가 상기 제1 온라인 학습 콘텐츠에 포함된 문제들을 풀이하는 과정, 소요시간 및 정답여부에 대한 정보를 포함하는, 단계 및 상기 저장된 학습과정을 이용하여 상기 제1 사용자의 상기 제1 온라인 학습 콘텐츠에 대한 고스트를 생성하되, 상기 고스트는 상기 제1 사용자가 상기 제1 온라인 학습 콘텐츠에 포함된 문제들을 풀이하는 과정 및 정답여부를 상기 제1 사용자의 문제별 풀이 소요시간에 맞추어 표시하기 위한 정보를 포함하는 것인, 단계를 더 포함하고, 상기 학습 결과를 공유하는 단계는, 상기 제1 스터디 그룹에 포함된 제2 사용자가 상기 제1 온라인 학습 콘텐츠를 이용하여 학습을 개시하는 경우, 상기 제1 온라인 학습 콘텐츠와 함께 상기 제1 사용자의 고스트를 표시하는 단계를 더 포함할 수 있다.

또한, 상기 학습 결과를 공유하는 단계는, 상기 제1 스터디 그룹에 포함된 사용자들 중 상기 제1 스터디 그룹에 대하여 기 설정된 수 이상의 사용자가 오답을 선택한 문제를 추출하여 오답노트를 생성하는 단계 및 상기 오답노트를 상기 제1 스터디 그룹에 포함된 사용자들에게 공유하는 단계를 포함하고, 상기 스터디 그룹에 포함된 사용자들 각각에 제공할 객관식 문항을 생성하는 단계는, 제3 사용자에게 제공될 객관식 문항의 제1 질의를 결정하는 단계, 상기 제3 사용자의 상기 제1 질의를 포함하는 객관식 문항에 대한 풀이 기록을 확인하는 단계 및 상기 제3 사용자가 상기 제1 질의를 포함하는 객관식 문항을 풀이한 기록이 있는 경우, 기록에 포함된 객관식 문항과 선택지의 종류, 정답의 개수 및 정오선택여부를 달리하는 객관식 문항을 생성하는 단계를 포함할 수 있다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

개시된 실시 예에 따르면, 사용자들의 평소 학습패턴에 기반하여 스터디 그룹을 매칭함으로써 별도의 액션 없이 편리하게 스터디 매칭을 제공받을 수 있을 뿐만 아니라, 학습패턴이 서로 잘 맞는 스터디 그룹을 결성할 수 있도록 하는 장점이 있다.

또한, 스터디 그룹 결성 이후에도 온라인을 통해 이를 관리하며, 온라인 플랫폼을 통해 학습을 수행함으로써 서로 학습량을 쉽게 확인할 수 있어 효율적인 스터디 학습을 가능케 하는 효과가 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 개시된 실시 예에 따른 시스템을 도시한 도면이다.
도 2는 일 실시 예에 따른 스터디 매칭 서비스 제공방법을 도시한 흐름도이다.
도 3은 일 실시 예에 따라 사용자의 학습 특성을 판단하여 스터디 그룹을 추천하는 방법을 도시한 흐름도이다.
도 4는 일 실시 예에 따라 사용자의 학습 패턴을 판단하는 방법을 도시한 흐름도이다.
도 5는 일 실시 예에 따른 집중도 모니터링 방법을 도시한 흐름도이다.
도 6은 일 실시 예에 따른 스터디 그룹 관리방법을 도시한 흐름도이다.
도 7은 일 실시 예에 따른 온라인 학습 콘텐츠 생성 및 제공방법을 도시한 흐름도이다.
도 8은 일 실시 예에 따라 스터디 그룹의 학습을 위한 객관식 문항을 생성하는 방법을 도시한 흐름도이다.
도 9는 일 실시 예에 따라 온라인을 통한 스터디 그룹 학습을 제공하는 방법을 도시한 흐름도이다.
도 10은 객관식 문항을 생성하는 일 예를 도시한 도면이다.
도 11은 고스트를 이용하여 스터디 그룹 학습을 보조하는 방법의 일 예를 도시한 도면이다.
도 12는 일 실시 예에 따른 장치의 구성도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.

본 명세서에서, 컴퓨터는 적어도 하나의 프로세서를 포함하는 모든 종류의 하드웨어 장치를 의미하는 것이고, 실시 예에 따라 해당 하드웨어 장치에서 동작하는 소프트웨어적 구성도 포괄하는 의미로서 이해될 수 있다. 예를 들어, 컴퓨터는 스마트폰, 태블릿 PC, 데스크톱, 노트북 및 각 장치에서 구동되는 사용자 클라이언트 및 애플리케이션을 모두 포함하는 의미로서 이해될 수 있으며, 또한 이에 제한되는 것은 아니다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

도 1은 개시된 실시 예에 따른 시스템을 도시한 도면이다.

도 1을 참조하면, 시스템은 서버(100), 사용자 단말(200) 및 복수의 다른 사용자 단말들(300)을 포함한다.

개시된 실시 예에 따른 서버(100), 사용자 단말(200) 및 복수의 다른 사용자 단말들(300)은 상술한 컴퓨터의 일종일 수 있으나 이에 제한되지 않으며, 예를 들어 서버(100)는 클라우드 서버를 의미할 수 있으나, 이에 제한되는 것은 아니다.

개시된 실시 예에서, 사용자 단말(200)은 서버(100)로부터 제공되는 온라인 학습 콘텐츠를 수신하고, 사용자와의 인터렉션에 기반하여 학습 수행 결과를 획득, 서버(100)에 전송한다.

개시된 실시 예에서, 온라인 학습 콘텐츠의 종류는 제한되지 않으며, 예를 들어 온라인 학습 콘텐츠는 인터넷 강의, 슬라이드, 객관식 문제 및 주관식 문제를 포함할 수 있으나, 이에 제한되는 것은 아니다.

이에 따라, 사용자 단말(200)은 서버(100)로부터 제공되는 온라인 학습 콘텐츠를 시청, 열람하거나 문제풀이를 수행할 수 있으며, 사용자가 온라인 학습 콘텐츠를 이용하여 학습을 수행하는 과정에서 사용자 단말(200)을 통해 수집되는 정보들이 서버(100)로 전송될 수 있다.

수집 및 전송되는 정보는 사용자의 학습 시간, 학습 중 휴식여부 및 휴식시간, 문제풀이에 소요되는 시간 및 문제풀이 결과 등을 포함할 수 있으나, 이에 제한되는 것은 아니다.

서버(100)는 사용자 단말들로부터 수집되는 정보에 기초하여 각 사용자가 학습하는 과목 및 내용뿐 아니라, 각 사용자가 학습을 수행하는 패턴과 특성을 추출함으로써, 각 사용자에 대한 정보를 획득할 수 있다.

서버(100)는 획득된 정보에 기초하여 하나 이상의 사용자를 포함하는 스터디 그룹을 생성하며, 해당 스터디 그룹과 매칭되는 다른 사용자들에게 해당 스터디 그룹을 추천할 수 있다.

또한, 이를 통해 스터디 그룹이 결성되는 경우, 서버(100)는 해당 스터디 그룹의 그룹 학습을 위한 학습 콘텐츠를 제공하며, 스터디 구성원들이 이에 따라 학습을 수행하는 정보를 기록하여 스터디 그룹의 학습을 관리한다.

또한, 서버(100)는 스터디 그룹의 학습 진행상황 및 각 구성원들의 수준에 따라 상이한 난이도의 학습 콘텐츠를 생성 및 제공할 수 있으며, 이 과정에서 스터디 그룹원들 간의 공통적인 학습이 가능하도록 서로 상이한 난이도를 갖는 학습 콘텐츠 간으니 내용을 일치시키는 것을 특징으로 한다.

이하에서는, 도면을 참조하여 개시된 실시 예에 따른 스터디 매칭 서비스 제공방법을 구체적으로 설명한다.

본 명세서에서 설명되는 각 단계들은 컴퓨터에 의하여 수행되는 것으로 설명되나, 각 단계의 주체는 이에 제한되는 것은 아니며, 실시 예에 따라 각 단계들의 적어도 일부가 서로 다른 장치에서 수행될 수도 있다.

이하에서 “컴퓨터”가 지칭하는 것은 도 1에 도시된 서버(100)를 의미할 수 있으나, 이에 제한되는 것은 아니다. 이하에서 서술되는 각 단계의 적어도 일부 또는 전부가 서버(100)뿐 아니라 다른 주체에 의해서도 수행될 수 있으며, 이는 제한되지 않는다.

도 2는 일 실시 예에 따른 스터디 매칭 서비스 제공방법을 도시한 흐름도이다.

단계 S110에서, 컴퓨터는 사용자에게 온라인 학습 콘텐츠를 제공한다.

개시된 실시 예에서, 온라인 학습 콘텐츠의 종류는 제한되지 않으며, 예를 들어 온라인 학습 콘텐츠는 인터넷 강의, 슬라이드, 객관식 문제 및 주관식 문제를 포함할 수 있으나, 이에 제한되는 것은 아니다.

또한, 온라인 학습 콘텐츠의 학습대상은 제한되지 않으며, 입시, 어학, 고시, 공무원 시험 등 모든 종류의 학습을 위한 온라인 학습 콘텐츠가 생성 및 제공될 수 있다.

단계 S120에서, 컴퓨터는 상기 제공된 온라인 학습 콘텐츠에 대한 상기 사용자의 학습과정을 모니터링한다.

예를 들어, 온라인 학습 콘텐츠에 대한 사용자의 학습과정은 제공되는 인터넷 강의에 대한 사용자의 시청시간, 배속, 중지여부, 중지시간 등에 대한 정보를 포함할 수 있다.

또한, 온라인 학습 콘텐츠에 대한 사용자의 학습과정은 제공되는 슬라이드에 대한 사용자의 페이지당 체류시간, 학습한 페이지 수 및 페이지에 포함되는 사용자 인터렉션에 대한 반응 등을 포함할 수 있다.

또한, 학습 콘텐츠에 대한 사용자의 학습과정은 제공되는 문제들에 대한 사용자의 풀이시간, 풀이한 문제의 개수 및 사용자가 입력한 답안 및 답안의 정오에 대한 정보를 포함할 수 있으나, 이에 제한되는 것은 아니다.

단계 S130에서, 컴퓨터는 상기 모니터링 결과에 기초하여, 상기 사용자의 학습 특성을 판단한다.

예를 들어, 컴퓨터는 사용자가 학습하는 대상, 과목, 진도 등에 대한 정보를 획득할 뿐 아니라, 사용자의 다양한 학습패턴에 대응하는 정보를 수집할 수 있다.

단계 S140에서, 컴퓨터는 상기 사용자의 학습 특성에 매칭되는 스터디 그룹을 추천한다.

일 실시 예에서, 컴퓨터는 사용자와 동일한 대상, 과목 및 진도를 갖는 다른 사용자를 포함하는 스터디 그룹을 추천할 수 있음은 물론, 나아가 사용자의 다양한 학습패턴과 매칭되는 사용자들을 포함하는 스터디 그룹을 탐색 및 추천함으로써, 사용자가 함께 학습을 수행하기에 적합한 스터디 그룹을 추천할 수 있도록 한다.

도 3은 일 실시 예에 따라 사용자의 학습 특성을 판단하여 스터디 그룹을 추천하는 방법을 도시한 흐름도이다.

상술한 학습 특성을 판단하는 단계에 있어서, 컴퓨터는 상기 사용자의 학습량을 판단하는 단계(S210)를 수행할 수 있다.

개시된 실시 예에서, 학습량은 사용자의 학습 시간 및 사용자가 학습한 온라인 학습 콘텐츠의 분량을 포함할 수 있으나, 이에 제한되는 것은 아니다.

또한, 컴퓨터는 상기 사용자의 학습 수준을 판단하는 단계(S220)를 수행할 수 있다.

개시된 실시 예에서, 학습 수준은 사용자의 특정 학습 분야에 대한 실력을 의미할 수 있으나, 이에 제한되는 것은 아니다. 예를 들어, 학습 수준은 사용자의 학습량, 사용자가 학습중인 학습단계 및 사용자의 테스트 결과 등에 기초하여 판단될 수 있으나, 이에 제한되는 것은 아니다.

또한, 컴퓨터는 상기 사용자의 학습 패턴을 판단하는 단계(S230)를 수행할 수 있다.

개시된 실시 예에서, 사용자의 학습 패턴은 사용자가 학습을 하는 시간대, 학습을 지속하는 시간, 학습시 집중력이 높아지는 타이밍 등 다양한 요소들을 포함할 수 있으나, 이에 제한되는 것은 아니다.

상술한 스터디 그룹을 추천하는 단계에 있어서, 컴퓨터는 상기 사용자의 학습량, 학습 수준 및 학습 패턴과 매칭되는 하나 이상의 스터디 그룹을 추천하는 단계(S240)를 수행할 수 있다.

즉, 컴퓨터는 사용자와 매칭되는 특성을 갖는 스터디 그룹, 혹은 사용자와 매칭되는 특성을 갖는 사용자를 포함하는 스터디 그룹을 사용자에게 추천할 수 있다.

실시 예에 따라서, 컴퓨터는 하나 이상의 스터디 그룹에 대한 정보를 사용자에게 제공할 수 있고, 사용자는 추천된 스터디 그룹 중 하나를 선택하여 가입을 신청할 수 있다.

이 경우, 해당 스터디 그룹의 그룹원들은 가입을 신청한 사용자의 학습량, 학습 수준 및 학습 패턴을 포함하는 정보를 제공받고, 이에 기초하여 사용자의 스터디 그룹 가입 승인여부를 결정할 수 있다.

컴퓨터는 사용자가 가입된 스터디 그룹에 대한 정보를 획득하고, 해당 스터디 그룹의 학습을 모니터링 및 관리할 수 있다.

도 4는 일 실시 예에 따라 사용자의 학습 패턴을 판단하는 방법을 도시한 흐름도이다.

개시된 실시 예에서, 컴퓨터는 사용자별로 상이한 학습 습관에 대한 정보를 수집하되, 서로 다른 사용자 간 집중패턴이 매칭되는 사용자들 간에 스터디 그룹을 생성할 수 있도록 하기 위하여 사용자의 집중도에 대한 정보를 수집할 수 있다.

일 실시 예에서, 상술한 컴퓨터가 사용자의 학습을 모니터링하는 단계에서, 컴퓨터는 상기 사용자의 시간대별 집중도를 모니터링하는 단계(S310)를 수행할 수 있다.

사용자의 집중도는 다양한 방법에 기초하여 판단될 수 있으며, 실시 예에 따라 컴퓨터는 사용자가 온라인 학습을 이용하는 디바이스를 통해 학습이 아닌 다른 행동(예를 들어, 인터넷 서핑이나 메신저 채팅 등)을 하는지 여부에 대한 정보를 획득하거나, 각각의 온라인 학습 콘텐츠에 따른 학습을 수행하는 데 소요되는 시간 등에 기초하여 사용자의 집중도를 판단할 수 있으나, 이에 제한되는 것은 아니며, 사용자의 집중도를 판단하는 구체적인 예시에 대해서는 후술한다.

또한, 상술한 학습 패턴을 판단하는 단계에 있어서, 컴퓨터는 상기 사용자가 집중하는 데 필요한 워밍업 시간을 판단하는 단계(S320)를 수행할 수 있다.

예를 들어, 워밍업 시간은 사용자가 학습을 개시한 이후 기 설정된 기준값 이상의 집중도를 달성하는 데 소요되는 시간을 의미할 수 있다.

또한, 컴퓨터는 상기 사용자가 연속으로 집중할 수 있는 연속집중시간을 판단하는 단계(S330)를 수행할 수 있다.

예를 들어, 연속집중시간은 사용자가 기 설정된 기준값 이상의 집중도를 유지하는 시간을 의미할 수 있다.

나아가, 컴퓨터는 사용자의 집중도가 기 설정된 기준값 이하로 떨어지는 경우, 다시 기 설정된 기준값 이상의 집중도를 회복하는 데 걸리는 시간을 의미하는 집중회복시간을 판단할 수 있다.

도 5는 일 실시 예에 따른 집중도 모니터링 방법을 도시한 흐름도이다.

상술한 집중도를 모니터링하는 단계에서, 컴퓨터는 상기 사용자의 문제풀이 속도를 시간대별로 모니터링하는 단계(S410)를 수행할 수 있다.

일 실시 예에서, 컴퓨터는 사용자의 문제풀이를 모니터링하되, 시간대별로 사용자가 문제를 푸는 데 소요하는 속도를 모니터링할 수 있다. 예를 들어, 컴퓨터는 사용자가 문제를 푸는 데 소요하는 시간을 문제별로 측정하며, 기 설정된 시간 단위(예를 들어, 10분)로 해당 시간 단위 내에서의 평균적인 문제 풀이속도를 산출할 수 있다.

또한, 컴퓨터는 사용자의 정답률을 시간대별로 모니터링하는 단계(S420)를 수행할 수 있다.

예를 들어, 컴퓨터는 사용자가 푼 문제들의 정답여부를 판단하며, 기 설정된 시간 단위(예를 들어, 10분)로 해당 시간 단위 내에서의 문제의 정답률을 산출할 수 있다.

또한, 컴퓨터는 상기 사용자의 문제풀이 속도 및 상기 사용자의 정답률에 기초하여 상기 사용자의 집중도를 산출하는 단계(S430)를 수행할 수 있다.

예를 들어, 컴퓨터는 사용자의 문제풀이 속도 및 정답률에 기초하여 사용자의 시간대별 집중도를 산출할 수 있으며, 이는 기 설정된 기준값에 기반하여 절대평가로 수행될 수도 있으며, 해당 사용자의 집중도의 상한과 하한 사이의 범위에서 상대평가로 수행될 수도 있다.

예를 들어, 사용자의 문제풀이 속도가 빠를수록, 그리고 정답률이 높을수록 사용자의 집중도가 높은 것으로 판단할 수 있다. 다만, 문제별로 난이도가 상이할 수 있는 바, 컴퓨터는 문제별 난이도에 기초하여 측정된 문제풀이 속도 및 정답률에 소정의 가중치를 부여하여 사용자의 집중도를 산출할 수도 있다.

이에 따라, 컴퓨터는 사용자의 집중패턴을 획득할 수 있으며, 사용자와 집중패턴이 일치하거나, 소정의 범위 내에서 유사한 사용자들을 탐색하여 사용자와 스터디 그룹을 구성하도록 할 수 있다.

도 6은 일 실시 예에 따른 스터디 그룹 관리방법을 도시한 흐름도이다.

단계 S510에서, 컴퓨터는 하나 이상의 사용자를 포함하는 스터디 그룹에 대한 정보를 획득할 수 있다.

예를 들어, 컴퓨터는 상술한 과정에 따라 사용자가 가입을 신청하고, 가입이 승인된 스터디 그룹이 있는 경우, 해당 스터디 그룹에 대한 정보를 획득할 수 있다.

스터디 그룹에 대한 정보는 스터디 그룹의 구성원들에 대한 정보를 포함할 수 있으며, 스터디 구성원들이 개별적으로, 또는 스터디 그룹 차원에서 수행하는 학습에 대한 정보를 포함할 수 있다.

컴퓨터는 스터디 그룹원들에 대한 정보에 기초하여 이에 따른 온라인 학습 콘텐츠를 제공하며, 이에 따른 학습 과정을 모니터링한다.

단계 S520에서, 컴퓨터는 상기 스터디 그룹의 학습 목표를 획득할 수 있다.

예를 들어, 컴퓨터는 스터디 그룹의 장기적인 목표를 획득할 수 있을 뿐 아니라, 소정의 주기(예를 들어, 1주일) 내에 완수하고자 하는 학습 목표를 획득할 수 있다. 예를 들어, 컴퓨터는 스터디 그룹에서 1주일 내로 특정 과목의 100개 문항을 풀이하고자 하는 정보를 획득할 수 있다.

실시 예에 따라서, 컴퓨터는 스터디 그룹의 장기적인 학습 목표 및 학습 진행상황에 기초하여, 스터디 그룹원들에게 단기적인 학습 목표를 제시할 수 있다. 즉, 컴퓨터는 장기적인 목표를 달성하기 위한 학습 스케쥴을 생성하고, 이에 따라 사용자들에게 학습 스케쥴에 따른 단기 학습 목표를 생성 및 제공할 수 있다.

단계 S530에서, 컴퓨터는 상기 학습 목표에 대응하는 온라인 학습 콘텐츠를 상기 스터디 그룹에 포함된 사용자들에게 제공할 수 있다.

단계 S540에서, 컴퓨터는 상기 스터디 그룹에 포함된 사용자들의 학습 결과를 획득할 수 있다.

단계 S550에서, 컴퓨터는 상기 스터디 그룹에 포함된 사용자들 각각에게, 상기 스터디 그룹에 포함된 다른 사용자들의 학습 결과를 공유할 수 있다.

즉, 컴퓨터는 온라인 학습 플랫폼을 운영하는 주체로 이해될 수 있으며, 해당 플랫폼을 통해 제공되는 학습 콘텐츠들을 이용하여 사용자들은 학습을 수행하며, 컴퓨터는 사용자들이 학습을 수행하는 과정에서 사용자의 학습패턴에 대한 정보를 수집하고, 이에 따라 사용자들에게 적합한 스터디 그룹을 추천한다.

이후, 스터디 그룹에서 진행되는 학습 또한 컴퓨터를 통해 제공되는 온라인 학습 콘텐츠를 통해 진행되도록 함으로써, 사용자들 간에 별도의 관리나 인증, 테스트가 불필요하며, 학습 기록이 자동으로 누적 및 공유되도록 함으로써 스터디 그룹 구성원 간에 학습량을 속이지 못하도록 할 수 있다.

또한, 스터디 그룹 내에서, 혹은 스터디 그룹 간에 학습 결과에 따른 경쟁을 제공할 수 있으며, 실시 예에 따라 경쟁에 따른 보상을 지급하거나, 경쟁 결과를 게시함으로써 사용자들에게 학습의 동기를 부여할 수 있다.

도 7은 일 실시 예에 따른 온라인 학습 콘텐츠 생성 및 제공방법을 도시한 흐름도이다.

상술한 스터디 그룹에 포함된 사용자들에게 온라인 학습 콘텐츠를 제공하는 단계에서, 컴퓨터는 객관식 문항을 생성하고, 생성된 객관식 문항을 상기 스터디 그룹에 포함된 사용자들에게 제공할 수 있다.

구체적으로, 상술한 객관식 문항을 생성하는 단계에서, 컴퓨터는 객관식 문항을 생성하기 위한 질의 및 상기 질의에 대한 복수의 선택지를 획득하는 단계(S610)를 수행할 수 있다.

예를 들어, 컴퓨터는 문제은행 데이터베이스로부터 객관식 문항에 대한 정보를 획득할 수 있으며, 데이터베이스는 각각의 객관식 문항에 대응하는 질의와, 해당 질의에 대한 하나 이상의 정답과 복수의 오답을 포함하는, 복수의 선택지를 포함할 수 있다.

컴퓨터는 이로부터 각각의 객관식 문항별로 질의와, 하나 이상의 정답 및 오답을 포함하는 선택지들을 선택하여 객관식 문항을 생성할 수 있다.

또한, 컴퓨터는 상기 복수의 선택지 각각에 대한 난이도 정보를 획득하는 단계(S620)를 수행할 수 있다.

일 실시 예에서, 각각의 선택지에 대한 난이도 정보는 각 선택지를 작성한 작성자에 의하여 라벨링된 난이도 정보와, 각 선택지에 대한 사용자의 오답률(예를 들어, 오답으로 자주 선택된 선택지일수록 더 난이도가 높은 선택지인 것으로 판단할 수 있음)에 기초하여 획득될 수 있다.

또한, 컴퓨터는 상기 객관식 문항의 난이도를 결정하는 단계(S630)를 수행할 수 있다.

예를 들어, 컴퓨터는 생성되는 객관식 문항을 제공할 사용자의 학습 상태에 기초하여 객관식 문항의 난이도를 결정할 수 있다.

또한, 컴퓨터는 상기 객관식 문항의 난이도에 따라, 상기 복수의 선택지 중 상기 객관식 문항에 포함될 2개 이상의 선택지를 결정하는 단계(S640)를 수행할 수 있다.

예를 들어, 컴퓨터는 객관식 문항의 난이도가 높을수록 난이도가 높은 선택지를 더 많이 포함시킬 수 있으며, 난이도가 낮을수록 난이도가 낮은 선택재를 더 많이 포함시킬 수 있다.

실시 예에 따라서, 선택지의 난이도는 “어려움”과 “보통”으로 단순하게 구분될 수도 있다. “어려움”으로 분류되는 선택지는 사용자들이 기 설정된 횟수 이상 오답으로 선택한 선택지를 의미할 수 있으나, 이에 제한되는 것은 아니다.

일 실시 예에서, 객관식 문항의 선택지가 5개라고 할 때, 정답이 하나인 경우, 나머지 4개의 오답 선택지에 얼마나 많은 “어려움”으로 분류된 선택지가 포함되는가에 따라 객관식 문항의 난이도는 다섯 단계로 구분될 수 있으나, 이에 제한되는 것은 아니다.

도 10을 참조하면, 객관식 문항을 생성하는 일 예가 도시되어 있다.

도 10에 도시된 객관식 문제(400)에 대하여, 컴퓨터는 질의(410)를 선택하여 배치하고, 이에 대응하는 복수의 선택지(420 내지 460)를 선택하여 배치함으로써 객관식 문제(400)를 생성할 수 있다.

또한, 컴퓨터는 결정된 2개 이상의 선택지를 포함하는 객관식 문항을 생성(S650)하고, 생성된 객관식 문항을 사용자에게 제공(S660)할 수 있다.

각 선택지의 난이도 정보는, 제공된 객관식 문항에 대한 사용자의 피드백(예를 들어, 정답여부 및 오답인 경우 오답으로 선택된 선택지에 대한 정보 등)에 기초하여 업데이트될 수 있다.

도 8은 일 실시 예에 따라 스터디 그룹의 학습을 위한 객관식 문항을 생성하는 방법을 도시한 흐름도이다.

상술한 객관식 문항을 생성하는 단계에서, 컴퓨터는 상기 스터디 그룹에 포함된 사용자들의 학습 수준을 판단하는 단계(S710)를 수행할 수 있다.

또한, 컴퓨터는 상기 스터디 그룹에 포함된 사용자들의 학습 수준에 따라 상기 스터디 그룹에 포함된 사용자들 각각에 제공될 객관식 문항의 난이도를 결정하는 단계(S720)를 수행할 수 있다.

또한, 컴퓨터는 상기 결정된 난이도에 따라 상기 스터디 그룹에 포함된 사용자들 각각에 제공할 객관식 문항을 생성하되, 상기 스터디 그룹에 포함된 사용자들에게 제공되는 객관식 문항의 질의는 모두 동일하며, 각각의 난이도에 따라 질의에 대응하는 선택지의 종류를 달리하는 것을 특징으로 하는, 단계(S730)를 수행할 수 있다.

즉, 스터디 그룹의 학습을 위해서는 서로 동일한 문제를 풀이하고, 비교 및 토론하는 과정이 필요하다. 개시된 실시 예에 따르면, 서로 학습수준 및 학습패턴이 매칭되는 사용자들끼리 스터디 그룹을 구성한다.

하지만, 그 내부에서도 서로 학습 수준의 격차가 발생할 수 있으며, 이 경우 모두 동일한 문제로 학습을 하는 경우 학습의 효율이 떨어질 수 있다.

따라서, 컴퓨터는 모든 사용자들에게 동일한 질의를 포함하는 객관식 문항을 생성하여 제공하되, 그 선택지를 상이하게 함으로써, 선택지의 난이도에 따라 객관식 문항의 난이도가 조절되도록 할 수 있다.

이 경우, 모든 스터디 그룹 멤버들이 동일한 문제를 풀게 되고, 동일한 정답을 도출하게 되므로 서로 비교 및 토론이 가능하되, 오답에 해당하는 선택지가 사용자마다 상이하게 제공되므로, 문제의 풀이를 위한 난이도는 서로 상이하도록 할 수 있어, 공통 학습과 수준별 학습을 동시에 가능케 하는 효과가 있다.

도 9는 일 실시 예에 따라 온라인을 통한 스터디 그룹 학습을 제공하는 방법을 도시한 흐름도이다.

상술한, 제1 스터디 그룹에 포함된 사용자들의 학습 결과를 획득하는 단계에서, 컴퓨터는 상기 제1 스터디 그룹에 포함된 제1 사용자의 제1 온라인 학습 콘텐츠에 대한 학습과정을 저장하되, 상기 학습과정은 상기 제1 사용자가 상기 제1 온라인 학습 콘텐츠에 포함된 문제들을 풀이하는 과정, 소요시간 및 정답여부에 대한 정보를 포함하는, 단계(S810)를 수행할 수 있다.

즉, 컴퓨터는 제1 사용자가 제1 온라인 학습 콘텐츠를 이용하여 학습을 수행하는 과정을 녹화하듯이 실제 소요시간에 따라 정보를 수집할 수 있다.

또한, 컴퓨터는 상기 저장된 학습과정을 이용하여 상기 제1 사용자의 상기 제1 온라인 학습 콘텐츠에 대한 고스트를 생성하되, 상기 고스트는 상기 제1 사용자가 상기 제1 온라인 학습 콘텐츠에 포함된 문제들을 풀이하는 과정 및 정답여부를 상기 제1 사용자의 문제별 풀이 소요시간에 맞추어 표시하기 위한 정보를 포함하는 것인, 단계(S820)를 수행할 수 있다.

즉, 컴퓨터는 제1 사용자가 제1 온라인 학습 콘텐츠를 이용하여 학습을 수행하는 모습을 표시할 수 있는 고스트를 생성할 수 있다. 여기에서, 고스트는 실제로 제1 사용자가 학습을 수행하고 있지 않는 상황에서도, 제1 사용자가 예전에 학습을 수행하였던 정보에 기초하여 제1 사용자의 학습상태를 표시하는 것을 의미할 수 있다.

또한, 상술한 학습 결과를 공유하는 단계에서, 컴퓨터는 상기 제1 스터디 그룹에 포함된 제2 사용자가 상기 제1 온라인 학습 콘텐츠를 이용하여 학습을 개시하는 경우, 상기 제1 온라인 학습 콘텐츠와 함께 상기 제1 사용자의 고스트를 표시하는 단계(S830)를 수행할 수 있다.

즉, 제1 사용자가 학습을 수행하였던 고스트를 제2 사용자의 학습 화면에 표시함으로써, 제2 사용자는 제1 사용자의 학습 속도에 맞추어 학습을 수행할 수 있으며, 또한 제2 사용자로 하여금 제1 사용자의 학습 속도에 뒤쳐지지 않도록 지속적으로 학습에 집중하도록 하는 동기부여가 가능하다.

도 11을 참조하면, 고스트를 이용하여 스터디 그룹 학습을 보조하는 방법의 일 예가 도시되어 있다.

도 11을 참조하면, 객관식 문항(500) 및 객관식 문항(500)에 포함된 질의(510) 및 복수의 선택지들(520 내지 560)이 도시되어 있다.

또한, 도 11의 하단에는 다른 사용자들인 A 및 B의 고스트(570 및 580)가 도시되어 있다. 도 11에 도시된 고스트는 예시로서 제공된 것이며, 개시된 실시 예에 따른 고스트의 표시형태 및 방식은 이에 제한되지 않는다.

즉, 도 11을 참조하면 사용자는 현재 13번 문제를 풀이하고 있으며, 같은 시점에 다른 사용자 A 역시 13번 문제를 풀이하고 있고, 다른 사용자 B는 15번 문제를 풀이하고 있는 고스트가 화면에 표시된다.

사용자 A 및 사용자 B는 예전이 이미 해당 문제풀이를 포함하는 학습을 수행하였으며, 그 과정은 컴퓨터에 의하여 기록된다.

기록된 정보는 실제로 학습에 소요된 시간을 반영한 고스트로 생성되어 다른 사용자의 학습 화면에 도 11와 같이 표시되며, 사용자는 표시되는 고스트를 참조하며 자신의 학습 페이스를 조절할 수 있다.

도 11을 참조하면, 고스트는 각 문항에 대한 다른 사용자의 정답여부를 함께 표시할 수 있으나, 이에 제한되는 것은 아니다.

실시 예에 따라서, 다른 사용자의 학습 기록이 없는 경우, 컴퓨터는 다른 사용자의 기존 학습패턴에 기초하여 가상의 고스트를 생성할 수도 있다.

예를 들어, 컴퓨터는 다른 사용자의 학습수준과 문제풀이 속도에 기초하여 사용자가 풀이하고자 하는 문제들 각각에 대한 다른 사용자의 문제풀이 시간 및 정답여부를 가상으로 생성하며, 이에 기반한 고스트를 사용자에게 표시함으로써, 기존에 문제풀이를 한 다른 사용자가 없는 경우에도 사용자를 위한 가상의 고스트를 표시할 수 있다.

실시 예에 따라서, 가상의 고스트는 실제 다른 사용자의 능력보다 조금 더 빠르게 문제를 풀이하고, 조금 더 높은 정답율을 보이도록 생성될 수도 있다. 이 경우, 생성된 가상의 고스트를 따라잡기 위해 사용자가 학습에 더 집중할 것을 기대할 수 있다.

상술한 고스트는 이외에도 다양한 방법으로 생성, 제공 및 활용될 수 있다.

일 실시 예에서, 복수의 사용자가 동일한 시점에 함께 문제풀이를 시작하며, 각 사용자의 실시간 문제풀이 상태가 도 11에 도시된 바와 같이 서로 다른 사용자들 간에 공유될 수도 있다.

이 경우, 개시된 실시 예에 따른 서비스는 게이미피케이션을 통해 사용자들 간 경쟁의 재미를 더할 수 있다.

예를 들어, 각 사용자들에게는 아이템이 제공될 수 있으며, 이 아이템은 서로 다른 사용자를 방해하기 위한 아이템, 본인이 풀이하는 문제의 힌트를 제공하거나, 난이도를 낮추기 위한 아이템 등을 포함할 수 있다.

예를 들어, 방해 아이템을 사용하는 경우, 대상이 된 사용자 혹은 다른 사용자들의 문제풀이 화면이 소정의 시간 동안 보이지 않도록 하거나, 현재 풀이중인 문제에서 선택지의 종류를 바꾸거나, 선택지의 순서를 바꾸는 등의 방해가 가해질 수 있다. 이러한 아이템의 개수는 제한될 수 있다.

또한, 아이템을 사용하는 경우 본인이 풀이중인 문제에서 정답 후보를 2~3개로 추려서 표시해주거나, 선택지를 조금 더 쉬운 것으로 변경해주는 식으로 문제 풀이의 속도를 일시적으로 높이는 효과를 제공할 수 있다.

실시 예에 따라, 고스트와 문제를 푸는 중에도, 방해 아이템을 사용하는 경우 고스트의 문제풀이 속도가 실제보다 수 초 늦춰질 수 있으며, 이를 통해 사용자는 고스트와 경쟁하며 문제풀이를 하되, 경우에 따라 게임과 같은 즐거움을 느끼면서 문제를 풀 수 있다.

일 실시 예에서, 고스트는 사용자의 기존 문제풀이 기록에 기초하여 생성될 수도 있다. 즉, 고스트는 문제를 풀이하는 본인의 평균적인 속도와 실력에 기초하여 생성되어, 스스로의 평소 학습패턴을 보여주는 용도로 활용될 수도 있다. 이에 따라, 사용자는 평소와 같은 패턴으로 자극을 받고 일관된 학습을 수행할 수 있다.

또한, 사용자가 동일한 문제를 복수 회 풀이할 수도 있다. 이처럼 회독 수가 늘어날 때에는, 컴퓨터는 사용자의 바로 직전 풀이기록에 기초하여 생성된 고스트를 표시할 수 있다.

이에 따라, 사용자는 회독 수가 늘어남에 따라 본인이 문제풀이 속도와 정답율이 향상되고 있는지 여부를 확인할 수 있다.

일 실시 예에서, 컴퓨터는 사용자의 회독 수가 많을수록 각각의 문항에 포함되는 선택지의 난이도를 높일 수 있다. 또한, 컴퓨터는 “하나의 정답을 고르는”형태의 객관식 문제를, 회독 수가 늘어날 경우 “복수의 정답을 고르는” 문제 혹은 정오선택여부를 달리하여 “복수의 오답을 고르는” 문제로 변형할 수 있으며, 정답의 개수 또한 회독 수에 따라 변경시킴으로써 사용자가 단순히 답을 암기하여 문제를 풀 수 없도록 하며, 각 문제에 대해 깊이있는 학습이 가능하도록 할 수 있다.

일 실시 예에서, 컴퓨터는 스터디원들이 틀린 문제만을 모아 오답노트를 생성하고, 각 스터디원들에게 공유할 수 있다.

또한, 컴퓨터는 복수의 스터디원들이 틀린 문제만을 모아 오답노트를 생성하여 공유할 수도 있으며, 오답노트를 생성하기 위한 오답자의 수는 스터디원들의 선택에 따라 결정될 수 있다.

도 12는 일 실시 예에 따른 장치의 구성도이다.

프로세서(102)는 하나 이상의 코어(core, 미도시) 및 그래픽 처리부(미도시) 및/또는 다른 구성 요소와 신호를 송수신하는 연결 통로(예를 들어, 버스(bus) 등)를 포함할 수 있다.

일 실시예에 따른 프로세서(102)는 메모리(104)에 저장된 하나 이상의 인스트럭션을 실행함으로써, 도 1 내지 도 11과 관련하여 설명된 방법을 수행한다.

한편, 프로세서(102)는 프로세서(102) 내부에서 처리되는 신호(또는, 데이터)를 일시적 및/또는 영구적으로 저장하는 램(RAM: Random Access Memory, 미도시) 및 롬(ROM: Read-Only Memory, 미도시)을 더 포함할 수 있다. 또한, 프로세서(102)는 그래픽 처리부, 램 및 롬 중 적어도 하나를 포함하는 시스템온칩(SoC: system on chip) 형태로 구현될 수 있다.

메모리(104)에는 프로세서(102)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다. 메모리(104)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

본 발명의 구성 요소들은 하드웨어인 컴퓨터와 결합되어 실행되기 위해 프로그램(또는 애플리케이션)으로 구현되어 매체에 저장될 수 있다. 본 발명의 구성 요소들은 소프트웨어 프로그래밍 또는 소프트웨어 요소들로 실행될 수 있으며, 이와 유사하게, 실시 예는 데이터 구조, 프로세스들, 루틴들 또는 다른 프로그래밍 구성들의 조합으로 구현되는 다양한 알고리즘을 포함하여, C, C++, 자바(Java), 어셈블러(assembler) 등과 같은 프로그래밍 또는 스크립팅 언어로 구현될 수 있다. 기능적인 측면들은 하나 이상의 프로세서들에서 실행되는 알고리즘으로 구현될 수 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

100 : 서버
200 : 사용자 단말
300 : 다른 사용자 단말들

Claims (5)

1. 컴퓨터에 의하여 수행되는 방법에 있어서,
   사용자에게 하나 이상의 객관식 문항을 포함하는 온라인 학습 콘텐츠를 제공하는 단계;
   상기 제공된 온라인 학습 콘텐츠에 대한 상기 사용자의 학습과정을 모니터링하는 단계;
   상기 모니터링 결과에 기초하여, 상기 사용자의 학습량, 학습 수준 및 학습 패턴을 포함하는, 상기 사용자의 학습 특성을 판단하는 단계; 및
   상기 사용자의 학습량, 학습 수준 및 학습 패턴과 매칭되는 하나 이상의 스터디 그룹을 추천하는 단계; 를 포함하고,
   상기 사용자의 학습과정을 모니터링하는 단계는,
   상기 사용자의 문제풀이 속도 및 상기 사용자의 정답률을 시간대별로 모니터링하는 단계; 및
   상기 사용자의 문제풀이 속도 및 상기 사용자의 정답률에 기초하여 상기 사용자의 시간대별 집중도를 산출하는 단계; 를 포함하고,
   상기 사용자의 학습 특성을 판단하는 단계는,
   상기 사용자가 집중하는 데 필요한 워밍업 시간을 판단하는 단계; 및
   상기 사용자가 연속으로 집중할 수 있는 연속집중시간을 판단하는 단계; 를 포함하고,
   상기 스터디 그룹을 추천하는 단계는,
   상기 사용자와 상기 워밍업 시간 및 상기 연속집중시간이 매칭되는 사용자들을 포함하는 스터디 그룹을 추천하는 단계; 를 포함하고,
   상기 방법은,
   하나 이상의 사용자를 포함하는 제1 스터디 그룹에 대한 정보를 획득하는 단계;
   상기 제1 스터디 그룹의 학습 목표를 획득하는 단계;
   상기 학습 목표에 대응하는 온라인 학습 콘텐츠를 상기 제1 스터디 그룹에 포함된 사용자들에게 제공하는 단계;
   상기 제1 스터디 그룹에 포함된 사용자들의 학습 결과를 획득하는 단계; 및
   상기 제1 스터디 그룹에 포함된 사용자들 각각에게, 상기 제1 스터디 그룹에 포함된 다른 사용자들의 학습 결과를 공유하는 단계; 를 더 포함하고,
   상기 스터디 그룹에 포함된 사용자들에게 온라인 학습 콘텐츠를 제공하는 단계는,
   객관식 문항을 생성하는 단계; 및
   상기 생성된 객관식 문항을 상기 스터디 그룹에 포함된 사용자들에게 제공하는 단계; 를 포함하고,
   상기 객관식 문항을 생성하는 단계는,
   객관식 문항을 생성하기 위한 질의 및 상기 질의에 대한 복수의 선택지를 획득하는 단계;
   상기 복수의 선택지 각각에 대한 난이도 정보를 획득하되, 상기 복수의 선택지 각각에 대한 난이도 정보는 어려움 난이도 및 보통 난이도를 포함하는, 단계;
   상기 객관식 문항의 난이도를 결정하는 단계; 및
   상기 객관식 문항의 난이도에 따라, 상기 복수의 선택지 중 상기 객관식 문항에 포함될 2개 이상의 선택지를 결정하되, 상기 2개 이상의 선택지는 적어도 하나의 정답 선택지 및 적어도 하나의 오답 선택지를 포함하고, 상기 객관식 문항의 난이도에 따라, 상기 적어도 하나의 오답 선택지에 포함되는 어려움 난이도의 선택지의 수를 결정하는, 단계; 를 포함하고,
   상기 객관식 문항을 생성하는 단계는,
   상기 스터디 그룹에 포함된 사용자들의 학습 수준을 판단하는 단계;
   상기 스터디 그룹에 포함된 사용자들의 학습 수준에 따라 상기 스터디 그룹에 포함된 사용자들 각각에 제공될 객관식 문항의 난이도를 결정하는 단계; 및
   상기 결정된 난이도에 따라 상기 스터디 그룹에 포함된 사용자들 각각에 제공할 객관식 문항을 생성하되, 상기 스터디 그룹에 포함된 사용자들에게 제공되는 객관식 문항의 질의 및 정답 선택지는 모두 동일하며, 각각의 난이도에 따라 질의에 대응하는 오답 선택지의 종류를 달리하는 것을 특징으로 하는, 단계; 를 포함하는,
   온라인 학습 기반 스터디 그룹 매칭 서비스 제공방법.
2. 삭제
3. 삭제
4. 제1 항에 있어서,
   상기 제1 스터디 그룹에 포함된 사용자들의 학습 결과를 획득하는 단계는,
   상기 제1 스터디 그룹에 포함된 제1 사용자의 제1 온라인 학습 콘텐츠에 대한 학습과정을 저장하되, 상기 학습과정은 상기 제1 사용자가 상기 제1 온라인 학습 콘텐츠에 포함된 문제들을 풀이하는 과정, 소요시간 및 정답여부에 대한 정보를 포함하는, 단계; 및
   상기 저장된 학습과정을 이용하여 상기 제1 사용자의 상기 제1 온라인 학습 콘텐츠에 대한 고스트를 생성하되, 상기 고스트는 상기 제1 사용자가 상기 제1 온라인 학습 콘텐츠에 포함된 문제들을 풀이하는 과정 및 정답여부를 상기 제1 사용자의 문제별 풀이 소요시간에 맞추어 표시하기 위한 정보를 포함하는 것인, 단계; 를 더 포함하고,
   상기 학습 결과를 공유하는 단계는,
   상기 제1 스터디 그룹에 포함된 제2 사용자가 상기 제1 온라인 학습 콘텐츠를 이용하여 학습을 개시하는 경우, 상기 제1 온라인 학습 콘텐츠와 함께 상기 제1 사용자의 고스트를 표시하는 단계; 를 더 포함하는,
   온라인 학습 기반 스터디 그룹 매칭 서비스 제공방법.
5. 제1 항에 있어서,
   상기 학습 결과를 공유하는 단계는,
   상기 제1 스터디 그룹에 포함된 사용자들 중 상기 제1 스터디 그룹에 대하여 기 설정된 수 이상의 사용자가 오답을 선택한 문제를 추출하여 오답노트를 생성하는 단계; 및
   상기 오답노트를 상기 제1 스터디 그룹에 포함된 사용자들에게 공유하는 단계; 를 포함하고,
   상기 스터디 그룹에 포함된 사용자들 각각에 제공할 객관식 문항을 생성하는 단계는,
   상기 스터디 그룹에 포함된 제3 사용자에게 제공될 객관식 문항의 제1 질의를 결정하는 단계;
   상기 제3 사용자의 상기 제1 질의를 포함하는 객관식 문항에 대한 풀이 기록을 확인하는 단계; 및
   상기 제3 사용자가 상기 제1 질의를 포함하는 객관식 문항을 풀이한 기록이 있는 경우, 기록에 포함된 객관식 문항과 선택지의 종류, 정답의 개수 및 정오선택여부를 달리하는 객관식 문항을 생성하는 단계; 를 포함하는,
   온라인 학습 기반 스터디 그룹 매칭 서비스 제공방법.
   

Images