KR102013616B1 - 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법 - Google Patents

Abstract

본 발명은 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법에 관한 것으로서, 본 발명에 따른 빅데이터 기반 언어 학습 장치는 문법적인 오류를 가진 자연어 및 문법적인 오류가 없는 자연어로 구성된 자연어가 저장된 데이터베이스, 사용자 디바이스로부터 학습하고자 하는 문법 및/또는 주제에 대응되며 문법적인 오류를 가진 자연어를 문제로 출력하는 문제 모듈, 사용자 디바이스로부터 문제에 대한 답안을 수신하는 답안지 모듈, 답안의 오류를 교정하는 교정 모듈 및 답안, 상기 문법 및/또는 상기 주제에 따른 문제의 정답률 및 오답 패턴으로 구성된 학습 패턴을 데이터베이스에 업데이트하는 학습 모듈을 포함하고, 문제 모듈은 학습 모듈에 의해 데이터베이스에 업데이트된 학습 패턴에 기초하여 다음 문제를 출력할 수 있다.

Description

빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법{DEVICE FOR LEARNING LANGUAGE BASED ON BIG DATA AND METHOD THEREOF}

본 발명은 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법에 관한 것으로서, 보다 상세하게는 사용자의 학습 목표 및 학습 패턴에 기초하여 사용자의 언어 학습 효율을 높이는, 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법에 관한 것이다.

사람들은 새로운 언어를 학습할 때, 언어를 자유롭게 구사하는 것을 최종적인 목표로 하며, 이를 위해 아주 기초적인 문자, 발음 등에서부터 언어 학습을 시작한다. 사람들은 언어를 학습하기 위해, 학원 강의, 어학 연수, 방송 청취 등 다양한 방법을 사용하지만, 학원 강의나 어학 연수 등은 비용이 비용과 시간의 제약이 있다. 그렇기 때문에, 사람들은 비용과 시간이 많이 들지 않으면서도 언어를 학습하는데 효과적인 방법을 찾기 위해 노력하며, 그러한 방법 중에는 작문을 통한 언어 학습 방법이 있다.

작문을 통한 언어 학습 방법은 학원 강의나 어학 연수 등의 언어 학습 방법과 비교하면, 비용이나 시간적인 측면에서 제약이 크지 않고, 학습자는 학습한 이론을 실제 상황에 응용하며 이론을 제대로 이해했는지 확인할 수 있는 효과가 있다.

그러나, 학습자가 새롭게 배운 문법을 바탕으로 작성한 문장은, 오류를 가지고 있을 가능성이 매우 높고, 학습자 스스로 문법적인 오류를 발견하는 것도 어렵다. 또한, 학습자를 지도해 줄 교육자가 있더라도, 교육자는 문법적인 오류를 실시간으로 교정하기 어려워, 언어의 유창성을 기르는데 많은 시간이 소요된다. 그렇기 때문에, 실시간으로 학습자가 작성한 문장의 오류를 교정하기 어려운 경우, 작문을 통한 언어 학습 방식은 비효율적인 언어 학습 방법일 수 있다.

KR 10-2011-0116818 A

본 발명이 해결하고자 하는 과제는 사용자에게 사용자의 학습 목표 및 학습 패턴에 기초한 맞춤형 언어 학습을 제공할 수 있는 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 또 다른 과제는 사용자에게 언어의 기본형 외에도 언어의 변형예와 실생활에서 실제로 사용되는 활용예 및 관련 문법 지식까지 제공하여 언어를 손쉽게 확장하여 학습할 수 있는 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법을 제공하는 것이다.

본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

전술한 바와 같은 과제를 해결하기 위하여 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치는 문법적인 오류를 가진 자연어 및 문법적인 오류가 없는 자연어로 구성된 자연어가 저장된 데이터베이스, 사용자 디바이스로부터 학습하고자 하는 문법 및/또는 주제를 수신하고 데이터베이스에 저장되어 있는 자연어 중, 문법 및/또는 주제에 대응되며 문법적인 오류를 가진 자연어를 문제로 출제하는 문제 모듈, 사용자 디바이스로부터 문제에 대한 답안을 수신하는 답안지 모듈, 답안의 오류를 교정하는 교정 모듈 및 답안, 문법 및/또는 주제에 따른 정답률, 난이도 및 오답 패턴으로 구성된 학습 패턴을 데이터베이스에 업데이트하는 학습 모듈을 포함하고, 문제 모듈은 학습 모듈에 의해 데이터베이스에 업데이트된 학습 패턴에 기초하여 다음 문제를 출력한다.

본 발명의 다른 특징에 따르면, 데이터베이스의 자연어는 자연어의 평서형, 의문형, 명령형, 청유형, 감탄형, 부정형, 높임, 시제, 양태, 피동 및 사동의 변형예 중 적어도 하나의 변형예를 더 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 문제 모듈은 문자, 음성 또는 카테고리 중 적어도 어느 하나의 방법을 통해 사용자 디바이스로부터 문법 및/또는 주제를 수신하고, 수신된 문법 및/또는 주제에 대응되는 문제를 출제할 수 있다.

본 발명의 또 다른 특징에 따르면, 답안지 모듈은 문자 또는 음성 중 적어도 어느 하나의 방법을 통해 사용자 디바이스로부터 문제에 대한 답안을 수신할 수 있다.

본 발명의 또 다른 특징에 따르면, 교정 모듈은 답안이 문법적인 오류를 가지면, 답안의 문법적인 오류를 교정하여 정답을 출력하고, 정답과 함께 정답의 평서형, 의문형, 명령형, 청유형, 감탄형, 부정형, 높임, 시제, 양태, 피동 및 사동의 변형예 중 적어도 하나의 변형예 및 정답의 근거가 되는 문법 지식을 더 출력할 수 있다.

본 발명의 또 다른 특징에 따르면, 교정 모듈은 인터넷 및 방송 매체의 실 생활에서 사용되는 정답의 활용예를 더 출력할 수 있고, 활용예는 정답의 구어체, 신조어, 은어, 통신언어, 유행어 및 외래어를 포함할 수 있다.

본 발명의 또 다른 특징에 따르면, 학습 모듈은 답안이 오답일 경우, 답안을 문법적인 오류를 가진 자연어로 분류하여 데이터베이스에 업데이트하고, 사용자의 답안 및 교정 모듈의 출력 결과에 기초하여, 답안, 문법 및/또는 주제에 따른 정답률, 난이도 및 오답 패턴으로 구성된 학습 패턴에 사용자의 식별 정보가 포함된 개인 학습 패턴을 데이터베이스에 업데이트할 수 있다.

본 발명의 또 다른 특징에 따르면, 문제 모듈에 사용자의 식별 정보가 수신되는 경우, 문제 모듈은 데이터베이스에 업데이트된 개인 학습 패턴에 기초하여, 사용자가 설정한 난이도에 대응되는 문법 및/또는 주제를 중심으로 문제를 출력할 수 있다.

본 발명의 또 다른 특징에 따르면, 학습 모듈은 전체 사용자 각각의 개인 학습 패턴에 기초하여, 문법 및/또는 주제에 따른 평균 정답률, 평균 난이도 및 평균 오답 패턴으로 구성된 전체 학습 패턴을 데이터베이스에 업데이트할 수 있다.

본 발명의 또 다른 특징에 따르면, 문제 모듈에 사용자의 식별 정보가 수신되지 않는 경우, 문제 모듈은 데이터베이스에 업데이트된 전체 학습 패턴에 기초하여, 사용자가 설정한 난이도에 대응되는 평균 난이도를 가진 문법 및/또는 주제를 중심으로 문제를 출력할 수 있다.

본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치를 이용한 언어 학습 방법은 사용자 디바이스를 통해 사용자로부터 학습하고자 하는 문법 및/또는 주제를 수신하는 단계, 데이터베이스에 저장된 자연어 중 문법 및/또는 주제에 대응되며 문법적인 오류를 가진 자연어를 문제로 출제하는 단계, 사용자 디바이스를 통해 사용자로부터 문제에 대한 답안을 수신하는 단계, 답안의 오류를 교정하는 단계 및 답안, 문법 및/또는 주제에 따른 정답률, 난이도 및 오답 패턴으로 구성된 학습 패턴을 데이터베이스에 업데이트하는 단계를 포함하고, 문제를 출제하는 단계는, 데이터베이스에 업데이트된 학습 패턴에 기초하여 다음 문제를 출제한다.

기타 실시예의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

본 발명은 사용자에게 사용자의 학습 목표 및 학습 패턴에 기초한 맞춤형 언어 학습을 제공하여 사용자가 언어를 효율적으로 학습할 수 있는 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법을 제공할 수 있다.

본 발명은 사용자에게 언어의 기본형 외에도 언어의 변형예와 실생활에서 실제로 사용되는 활용예 및 관련 문법 지식까지 제공하여 언어를 손쉽게 확장하여 학습할 수 있는 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법을 제공할 수 있다.

본 발명에 따른 효과는 이상에서 예시된 내용에 의해 제한되지 않으며, 더욱 다양한 효과들이 본 명세서 내에 포함되어 있다.

도 1a는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 서버 및 사용자 디바이스의 관계를 설명하기 위한 개략도이다.
도 1b는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 구성을 나타낸 블록도이다.
도 1c는 프로세서에 의해 구동되는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 구성을 개략적으로 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 예시적인 출력 화면을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치를 이용한 언어 학습 방법을 설명하기 위한 순서도이다.
도 4a는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 사용자 디바이스로부터 사용자가 학습하고자 하는 문법을 수신하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다.
도 4b는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 사용자 디바이스로부터 사용자가 학습하고자 하는 주제를 수신하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다.
도 4c는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 사용자 디바이스로부터 사용자가 학습하고자 하는 문법 및 주제를 수신하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다.
도 5는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 답안지 모듈이 답안을 수신하는 예시적인 출력 화면을 도시한 도면이다.
도 6은 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 교정 모듈이 답안의 오류를 교정하여 정답, 문법 지식 및 변형예를 출력한 예시적인 출력 화면을 도시한 도면이다.
도 7은 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 학습 모듈의 의해 데이터베이스에 학습 패턴이 업데이트되는 과정을 설명하기 위한 도면이다.
도 8은 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 사용자의 식별 정보 및 개인 학습 패턴에 기초하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다.
도 9는 본 발명의 다른 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 전체 학습 패턴에 기초하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다.
도 10은 본 발명의 또 다른 실시예에 따른 빅데이터 기반 언어 학습 장치의 교정 모듈이 답안의 오류를 교정하여 정답, 문법 지식, 변형예 및 활용예를 출력한 예시적인 출력 화면을 상세히 도시한 도면이다.

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 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

또한 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.

명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.

본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.

이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예들을 상세히 설명한다.

도 1a는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 서버 및 사용자 디바이스의 관계를 설명하기 위한 개략도이다.

이하에서는 본 발명에서 사용자는 빅데이터 기반 언어 학습 시스템을 통해 언어를 학습하는 학습자인 것으로 하여 설명하기로 한다.

도 1a를 참조하면, 빅데이터 기반 언어 학습 시스템(1000)은 빅데이터 기반 언어 학습 서버(1) 및 사용자 디바이스(2)를 포함한다.

빅데이터 기반 언어 학습 시스템(1000)은 사용자의 학습 목표 및 학습 패턴에 기초한 맞춤형 언어 학습을 제공할 수 있는 빅데이터 언어 학습 방법을 제공하는 시스템이다.

빅데이터 기반 언어 학습 서버(1)는 사용자 디바이스(2)로부터 사용자가 학습하고자 하는 문법 및/또는 주제를 수신하고, 수신된 문법 및/또는 주제에 대응되는 문제를 다시 사용자 디바이스(2)로 송신한다.

이어서, 빅데이터 기반 언어 학습 서버(1)는 사용자 디바이스로(2)부터 문제에 대한 답안을 수신하여, 답안의 오류를 교정하여 문제에 대한 정답을 사용자 디바이스(2)로 송신한다.

빅데이터 기반 언어 학습 서버(1)는 사용자 디바이스(2)를 사용하는 사용자의 학습 패턴을 파악하여, 사용자가 학습하고자 하는 다음 문법 및/또는 주제를 수신하면, 사용자의 학습 패턴에 기초하여 문제를 사용자 디바이스(2)로 송신할 수 있다.

빅데이터 기반 언어 학습 서버(1) 및 사용자 디바이스(2)는 서로 동일한 네트워크 내에 존재하거나 통신으로 연결되어 본 발명의 빅데이터 기반 언어 학습 장치 및 이를 이용한 언어 학습 방법을 수행할 수 있도록 구성된다. 빅데이터 기반 언어 학습 서버의 구체적인 구성 및 기능에 대해서는 도 1b를 참조하여 후술하도록 한다.

빅데이터 기반 언어 학습 서버(1)는 코로케이션 서버 (co-location server), 클라우드 서버 (cloud server) 일 수 있고, 이러한 서버에 포함되는 서버 또는 장치일 수도 있고, 이에 제한되지는 않는 다양한 공지의 형태로 구현될 수도 있다.

사용자 디바이스(2)는 유무선 통신 환경에서 웹 또는 모바일 서비스를 이용할 수 있는 통신 단말일 수 있다. 구체적으로, 사용자 디바이스(2)는 사용자의 컴퓨터일 수 있고, 또는 사용자의 휴대용 단말일 수 있다. 도 1a에서는 사용자 디바이스(2)가 스마트폰 또는 컴퓨터인 것으로 도시하고 있지만, 본 발명의 사상은 이에 제한되지 않는다. 사용자 디바이스(2)는 상술한 바와 같이 빅데이터 기반 언어 학습 서버와 통신하며 빅데이터 기반 언어 학습 서버로부터 수신된 데이터에 기초하여 언어 학습을 위한 문제, 문제에 대한 정답 및 문법 지식 등을 제공할 수 있는 프로그램이 탑재될 수 있는 것이라면 제한 없이 채용될 수 있다.

한편, 사용자 디바이스(2)는 화면을 표시하는 표시부 및 사용자로부터 데이터를 입력 받는 입력 장치를 구비할 수도 있다.

도 1a에서는 설명의 편의를 위해 빅데이터 기반 언어 학습 서버(1) 및 사용자 디바이스(2)가 각각 1개인 것으로 도시되어 있지만 이에 제한되지 않고, 빅데이터 기반 언어 학습 서버(1) 및 사용자 디바이스(2)는 복수 개 구비될 수도 있고, 복수의 빅데이터 기반 언어 학습 서버(1)가 복수의 사용자 디바이스(2)와 통신할 수 있다.

이하에서는, 빅데이터 기반 언어 학습 시스템(1000)에서의 빅데이터 기반 언어 학습 서버(1) 및 사용자 디바이스(2)의 구성에 대하여 설명한다. 보다 상세한 설명을 위하여 도 1b를 함께 참조한다.

도 1b는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 구성을 나타낸 블록도이다.

빅데이터 기반 언어 학습 장치(10)는 빅데이터 기반 언어 학습 서버(1)에 포함되어 구동되거나 또는 빅데이터 기반 언어 학습 서버(1)와 연결되어 구동됨으로써 본 발명의 빅데이터 기반 언어 학습 장치(10)를 이용한 언어 학습 방법을 수행한다.

도 1b를 참조하면, 빅데이터 기반 언어 학습 장치(10)는 통신부(11) 및 프로세서(12)를 포함한다.

빅데이터 기반 언어 학습 장치(10)는 사용자 디바이스(2)와 본 발명의 언어 학습 방법을 수행하기 위한 데이터와 컨텐츠를 송수신한다.

구체적으로, 통신부(11)는 사용자 디바이스(2)로부터 사용자가 학습하고자 하는 문법 및/또는 주제를 수신하고, 수신된 문법 및/또는 주제에 대응하는 문제를 사용자 디바이스(2)에 송신한다. 통신부(11)는 사용자 디바이스(2)로부터 문제에 대한 답안을 수신한다. 또한 통신부(11)는 수신된 답안에 대한 정답 및 문법 지식 등을 사용자 디바이스(2)에 제공한다.

빅데이터 기반 언어 학습 장치(10)의 프로세서(12)는 본 발명의 빅데이터 기반 언어 학습 장치(10)를 이용한 언어 학습 방법을 수행하기 위한 다양한 데이터를 처리한다.

구체적으로, 프로세서(12)는 통신부(11)가 사용자 디바이스(2)로부터 수신한 문법 및/또는 주제에 대응되며 오류를 가진 자연어 중에서 사용자의 학습 패턴이나 난이도 등에 기초하여 사용자 디바이스(2)에 송신할 문제를 결정한다.

또한 프로세서(12)는 통신부(11)가 사용자 디바이스(2)로부터 수신한 문제에 대한 답안이 정답과 일치하는지 판단하고, 불일치하다고 판단되면 답안에 대한 오류를 교정할 수 있다. 그리고 프로세서(12)는 답안에 대한 오류의 교정이 완료되면, 답안의 오류, 정답, 정답의 도출 근거가 되는 문법 지식 및 활용예가 통신부(11)를 통해 사용자 디바이스(2)에 송신되도록 할 수 있다.

아울러, 프로세서(12)는 본 발명의 언어 학습 방법을 수행하기 위한 데이터와 컨텐츠가 사용자 디바이스(2)의 표시부에 구현되도록 한 플랫폼을 제공하도록 할 수도 있다.

한편, 이러한 빅데이터 기반 언어 학습 장치(10)는 적어도 하나 이상의 프로세서(12)(processor)에 해당하거나, 적어도 하나 이상의 프로세서(12)를 포함할 수 있다. 이에 따라, 빅데이터 기반 언어 학습 장치(10)는 마이크로 프로세서(12)나 범용 컴퓨터 시스템과 같은 다른 하드웨어 장치에 포함된 형태로 구동될 수도 있고, 별도의 장치로 구현되어 구동될 수도 있다.

또한, 통신부(11), 프로세서(12)가 빅데이터 기반 언어 학습 장치(10)에 모두 포함된 것으로 도시하여 설명하였지만, 이에 한정되지 않고 빅데이터 기반 언어 학습 장치(10)가 상술한 기능을 수행할 수 있도록 구성될 수 있다면 통신부(11) 및 프로세서(12)가 빅데이터 기반 언어 학습 장치(10)의 외부에 별도로 배치된 구성일 수도 있다. 또한, 빅데이터 기반 언어 학습 장치(10)는 저장부를 더 포함할 수도 있다.

이하에서는 설명의 편의를 위하여, 사용자 디바이스(2)가 스마트폰이며, 빅데이터 기반 언어 학습 장치(10)가 어플리케이션의 형태로 스마트폰의 저장 매체에 저장되어 스마트폰의 프로세서(12)에 의해 구동되는 것으로 가정하여 설명하기로 한다.

도 1c는 프로세서에 의해 구동되는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 구성을 개략적으로 도시한 블록도이다.

도 1c를 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)는 데이터베이스(100), 문제 모듈(200), 답안지 모듈(300), 교정 모듈(400) 및 학습 모듈(500)을 포함한다.

데이터베이스(100)는 문법적인 오류를 가진 자연어 및 문법적인 오류가 없는 자연어로 구성된 자연어가 주제, 문법 등과 연관하여 저장된다. 자연어는 일상생활에서 의사 소통을 위해 쓰이는 언어이며 각 나라에 따라 한국어, 영어, 스페인어 등 그 종류와 범위가 매우 다양하다.

자연어 중에서 문법적인 오류가 없는 자연어는 맞춤법, 어휘, 문법 등이 올바른 자연어로, 예를 들어 '안녕하세요', '반갑습니다.', '좋은 아침입니다.', '잘 지내세요.' 등의 띄어쓰기, 철자, 조사, 어미, 시제 등의 문법이 올바르고, 사용자에게 정답으로 제공될 수 있다.

반면, 자연어 중에서 문법적인 오류를 가진 자연어는 맞춤법, 어휘, 문법이 올바르지 않은 자연어로, 예를 들어, '안녕하새요?', '안녕하심니가?', '반갑 슴니다' 등 띄어쓰기, 철자, 조사, 어미, 시제 등의 문법이 올바르지 않으며, 사용자에게 문제로 제공될 수 있으며, 문법적인 오류가 없는 자연어, 즉 정답과 대응되어 데이터베이스(100)에 저장될 수 있다.

아울러, 데이터베이스(100)의 자연어는 자연어의 평서형, 의문형, 명령형, 청유형, 감탄형, 부정형, 높임, 시제, 양태, 피동 및 사동의 변형예 중 적어도 하나의 변형예를 더 포함하여 데이터베이스(100)에 저장될 수 있다. 예를 들어, '안녕하다' 라는 자연어는 '안녕하세요', '안녕하십니까', '반갑습니다' 등의 변형예와 함께 데이터베이스(100)에 저장될 수 있다.

구체적으로, 하나의 자연어는 문법적인 오류를 가진 자연어, 즉 문제와 그에 대응하는 문법적인 오류가 없는 자연어, 즉 정답, 그리고 자연어에 대응되는 문법, 주제, 문법 지식, 변형예 및 활용예를 포함하여 구성될 수 있으며, 이 외에도 다양한 정보가 자연어의 구성에 포함되어 저장될 수 있고, 권리 범위도 이에 제한되지 않는다.

이어서, 문제 모듈(200)은 사용자 디바이스(2)로부터 사용자가 학습하고자 하는 문법 및/또는 주제를 수신하고, 데이터베이스(100)에 저장되어 있는 자연어 중, 문법 및/또는 주제에 대응되며 문법적인 오류를 가진 자연어를 문제로 출제 또는 제공한다. 문제 모듈(200)이 문법 및/또는 주제에 따라 문제를 출제하는 과정은 도 4a 내지 도 4c를 참조하여 후술하기로 한다.

답안지 모듈(300)은 사용자 디바이스(2)로부터 문제에 대한 답안을 수신한다. 구체적으로, 사용자가 사용자 디바이스(2)를 통해 학습하고자 하는 문법 및/또는 주제를 선택하면, 문제 모듈(200)에서 문법 및/또는 주제에 대응하며 문법적인 오류를 가진 자연어를 문제로 출제하고, 사용자는 사용자 디바이스(2)를 통해 문제의 오류를 파악하여 문법적인 오류가 없는 자연어로 수정하여 답안을 입력할 수 있다.

교정 모듈(400)은 답안의 오류를 교정한다. 즉, 교정 모듈(400)은 문제로 출제한 문법적인 오류를 가진 자연어에 대응하여 저장된 문법적인 오류가 없는 자연어, 즉 정답을 기준으로 사용자가 입력한 답안과 비교하고, 문법적인 오류가 없는 자연어, 즉 정답과 답안이 일치하지 않으면, 답안을 문법적인 오류가 없는 자연어가 되도록 교정할 수 있다. 또한 교정 모듈(400)은 오류의 이유를 제공할 수 있다.

학습 모듈(500)은 답안, 문법 및/또는 주제에 따른 정답률, 난이도 및 오답 패턴으로 구성된 학습 패턴을 데이터베이스(100)에 업데이트한다. 구체적으로, 문제 모듈(200)에서 문법 및/또는 주제에 대응되는 문제를 출제하면, 사용자는 사용자 디바이스(2)를 통해 답안을 입력하고, 교정 모듈(400)이 답안을 정답과 비교하여 답안의 오류를 교정할 수 있다. 이후, 학습 모듈(500)은 교정 결과에 기초하여 문법 및/또는 주제에 따른 사용자의 정답률과 평균 정답률에 따른 난이도, 그리고 오답 패턴으로 구성된 사용자의 학습 패턴을 파악하고, 학습 패턴을 데이터베이스(100)에 업데이트 할 수 있다.

그리고 문제 모듈(200)은 학습 모듈(500)에 의해 데이터베이스(100)에 업데이트된 학습 패턴에 기초하여 다음 문제를 출력할 수 있다. 학습 모듈(500)에 의해 학습 패턴이 업데이트된 후, 문제 모듈(200)이 사용자 디바이스(2)를 통해 사용자가 학습하고자 하는 새로운 문법 및/또는 주제를 수신하고 문제를 출제할 때, 사용자의 학습 패턴을 반영하여 사용자의 정답률이 낮은 문법 및/또는 주제를 중심으로 문제를 출력할 수 있다.

빅데이터 기반 언어 학습 장치(10)의 각 구성들은 설명의 편의상 개별적인 구성으로 도시한 것일 뿐, 구현 방법에 따라 하나의 구성으로 구현되거나 하나의 구성이 둘 이상의 구성으로 분리될 수 있다.

이하에서는, 앞서 설명한 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)에 대한 설명에 기초하여, 빅데이터 기반 언어 학습 장치(10)가 사용자에게 구현된 예시적인 모습을 설명하기로 한다.

도 2는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 예시적인 출력 화면을 도시한 도면이다.

도 1a 내지 도 1c 및 도 2를 참조하면, 빅데이터 기반 언어 학습 장치(10)가 구현된 어플리케이션의 출력 화면(SO)은 문법 메뉴(210), 주제 메뉴(220), 문제 출력창(230), 답안 입력창(310) 및 정답 출력창(410)을 포함할 수 있다.

먼저, 문제 모듈(200)은 문자, 음성 또는 카테고리 중 적어도 어느 하나의 방법을 통해 사용자 디바이스(2)로부터 문법 및/또는 주제를 수신하고, 수신된 문법 및/또는 주제에 대응되는 문제를 출제할 수 있다.

문제 모듈(200)은 문법 메뉴(210), 주제 메뉴(220) 및 문제 출력창(230)을 통해 사용자에게 구현될 수 있다. 문제 모듈(200)은 문법 메뉴(210) 및 주제 메뉴(220)를 통해 사용자가 학습하고자 하는 문법 및/또는 주제를 수신할 수 있다. 사용자는 문자, 음성 또는 카테고리 중 적어도 어느 하나의 방법을 통해 학습하고자 하는 문법 및/또는 주제를 선택할 수 있다.

사용자가 문자의 방법을 사용하는 경우, 사용자는 키보드, 필기 인식기와 같은 입력 장치를 사용하여 문법 메뉴(210)의 문법 입력창(214) 및 주제 메뉴(220)의 주제 입력창(224)에 문자로 학습하고자 하는 문법 및/또는 주제를 입력하거나 문제를 직접 입력할 수 있다.

한편, 사용자가 음성의 방법을 사용하는 경우, 사용자는 마이크와 같은 입력 장치를 사용하여 문법 메뉴(210)의 문법 입력창(214) 및 주제 메뉴(220)의 주제 입력창(224)에 음성으로 학습하고자 하는 문법 및/또는 주제를 입력할 수 있다.

아울러, 사용자가 카테고리의 방법을 사용하는 경우, 사용자는 마우스, 터치스크린과 같은 입력 장치를 사용하여 문법 메뉴(210)의 문법 카테고리(212) 및 주제 메뉴(220)의 주제 카테고리(222)에서 학습하고자 하는 문법 및/또는 주제를 선택할 수 있다.

이때, 문법 메뉴(210)의 문법 카테고리(212)는 문법을 여러 항목으로 나눈 것으로, 예를 들어, 음운론, 형태론, 통사론, 의미론 및 화용론 등의 언어학에 따라 카테고리를 분류할 수도 있고, 5언 9품사에 따라 카테고리를 분류할 수도 있다. 또한, 문법 메뉴(210)의 문법 카테고리(212)는 대분류, 중분류, 소분류 등으로 각 항목을 세분화하여 분류할 수도 있으며, 문법 카테고리(212)의 각 항목들을 구성하는 기준이나 방법은 다양할 수 있다.

이어서, 주제 카테고리(222)는 주제를 여러 항목으로 나눈 것으로, 예를 들어, 기본, 생활, 자연, 여행, 음식 등 일상 생활에서 일반적으로 접하는 상황들에 대하여 카테고리를 분류할 수도 있고, 과학, 수학, 역사, 미술 등 학문 기준으로 카테고리를 분류할 수도 있다. 또한, 주제 카테고리(222)는 대분류, 중분류, 소분류 등으로 각 항목을 세분화하여 분류할 수도 있으며, 주제 카테고리(222)의 각 항목들을 구성하는 기준이나 방법은 다양할 수 있다.

주제 카테고리(222)의 각 항목들을 구성하는 기준이나 방법은 다양할 수 있다.

한편, 문제 출력창(230)은 문제 모듈(200)에서 출제한 문제가 사용자에게 출력되는 창으로, 문제는 사용자에게 문자로 출력될 수도 있으며, 경우에 따라 음성으로 출력될 수도 있다. 문제 모듈(200)은 데이터베이스(100)에 저장된 자연어 중 문법 메뉴(210) 및/또는 주제 메뉴(220)를 통해 수신된 문법 및/또는 주제에 대응되며, 문법적인 오류를 가진 자연어를 문제로 출제할 수 있다.

그리고, 문제 출력창(230)은 난이도 메뉴(232)와 새로고침 메뉴(234)가 더 배치될 수 있다. 난이도 메뉴(232)는 출제되는 문제들의 난이도를 설정할 수 있는 것으로, 예를 들어 언어를 학습한 기간이 길지 않은 사용자의 경우, 출력될 문제의 난이도를 낮게 설정할 수 있다. 그리고, 사용자가 난이도를 선택하지 않는다면, 문제 모듈(200)은 난이도를 무작위로 하여 문제를 출제할 수도 있다.

그리고, 새로고침 메뉴(234)는 사용자가 문제 출력창(230)에 출력된 문제를 다 풀었거나, 다른 문제를 풀고 싶은 경우 문제 출력창(230)에 위치한 새로고침 메뉴(234)를 사용하여 다른 문제가 출력되도록 할 수 있다.

답안 입력창(310)은 사용자가 문제의 오류를 수정하여 답안을 입력할 수 있는 창으로, 답안지 모듈(300)은 문자 또는 음성 중 적어도 어느 하나의 방법을 통해 사용자 디바이스(2), 즉 답안 입력창(310)으로부터 문제에 대한 사용자의 답안을 수신할 수 있다.

사용자가 문자의 방법을 사용하는 경우, 사용자는 키보드, 필기 인식기와 같은 입력 장치를 사용하여 답안 입력창(310)에 문자로 답안을 입력할 수 있다.

한편, 사용자가 음성의 방법을 사용하는 경우, 사용자는 마이크와 같은 입력 장치를 사용하여 답안 입력창(310)에 음성으로 답안을 입력할 수 있다.

정답 출력창(410)은 교정 모듈(400)에 의해 문제에 대한 정답이 출력되는 창으로, 교정 모듈(400)은 정답 출력창(410)을 통해 사용자가 입력한 답안이 문법적인 오류를 가지면 답안의 문법적인 오류를 교정하여 정답을 출력하고, 정답과 함께 정답의 평서형, 의문형, 명령형, 청유형, 감탄형, 부정형, 높임, 시제, 양태, 피동 및 사동의 변형예 중 적어도 하나의 변형예 및 정답의 근거가 되는 문법 지식을 더 출력할 수 있다.

도 2에 도시된 바와 같은 메뉴의 형태와 위치 등은 예시적인 것으로, 각 메뉴는 하나의 메뉴로 구현되거나, 하나의 메뉴가 둘 이상의 메뉴로 분리될 수 있으며, 각 메뉴의 배치 또한 도면에 도시된 것 이외에도 다양할 수 있다.

이하에서는, 앞서 도 1a 내지 도 1c 및 도 2를 참조하여 설명한 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)에 대한 설명에 기초하고, 도 3 내지 도 4c를 참조하여 빅데이터 기반 언어 학습 장치(10)를 이용한 언어 학습 방법에 대하여 설명하기로 한다.

도 3은 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치를 이용한 언어 학습 방법을 설명하기 위한 순서도이다. 도 4a는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 사용자 디바이스로부터 사용자가 학습하고자 하는 문법을 수신하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다. 도 4b는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 사용자 디바이스로부터 사용자가 학습하고자 하는 주제를 수신하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다. 도 4c는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 사용자 디바이스로부터 사용자가 학습하고자 하는 문법 및 주제를 수신하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다.

먼저, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치는 사용자 디바이스를 통해 사용자로부터 문법 및/또는 주제를 수신한다(S100). 이어서, 본 발명의 실시예에 따른 빅데이터 기반 언어 학습 장치는 데이터 베이스에 저장된 자연어 중 문법 또는 주제에 대응되며, 문법적인 오류를 가진 자연어를 사용자에게 문제로 출력한다(S200).

본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 문제 모듈(200)은 문자, 음성 또는 카테고리 중 적어도 어느 하나의 방법을 통해 사용자 디바이스(2)로부터 문법 및/또는 주제를 수신하고, 수신된 문법 및/또는 주제에 대응되는 상기 문제를 출력할 수 있다.

앞서 도 2를 참조하여 설명했듯이, 문제 모듈(200)은 문법 메뉴(210), 주제 메뉴(220) 및 문제 출력창(230)을 통해 사용자에게 구현될 수 있다. 문제 모듈(200)은 문법 메뉴(210) 및 주제 메뉴(220)를 통해 사용자가 학습하고자 하는 문법 및/또는 주제를 수신할 수 있다. 사용자는 문자, 음성 또는 카테고리 중 적어도 어느 하나의 방법을 통해 학습하고자 하는 문법 및/또는 주제를 선택할 수 있다. 문자, 음성 또는 카테고리의 방법을 사용하는 것은 상술한 바와 동일하므로 중복 설명을 생략한다.

도 4a 내지 도 4c에서는 카테고리를 선택하는 방식을 가정하여, 사용자가 학습하고자 하는 문법 및/또는 주제를 선택하고, 문제 모듈(200)은 수신한 문법 및/또는 주제에 대응되는 문제를 문제 출력창(230)을 통해 사용자에게 출제하는 것을 설명하기로 한다.

도 4a를 참조하면, 사용자가 카테고리의 방법을 사용해 문법 메뉴(210)에서 학습하고자 하는 문법을 선택하면, 문제 모듈(200)은 사용자가 선택한 문법과 관련된 문법적인 오류를 가진 자연어를 문제로 출력할 수 있다. 예를 들어, 사용자가 문법 메뉴(210)의 문법 카테고리(212)에서 시제, 미래 및 '-을 것이다' 의 문법 카테고리(212)를 선택하면, 문제 모듈(200)은 데이터베이스(100)에 저장된 자연어 중에서 선택된 문법 카테고리(212)와 관련되며 문법적인 오류를 가진 자연어 중 '나는 내일까지 밥을 굶었다.' 라는 자연어를 선정하여 문제를 출제할 수 있다.

도 4b를 참조하면, 사용자가 카테고리의 방법을 사용해 주제 메뉴(220)에서 학습하고자 하는 주제를 선택하면, 문제 모듈(200)은 사용자가 선택한 주제와 관련되고, 문법적인 오류를 가진 자연어를 문제로 출력할 수 있다. 예를 들어, 사용자가 주제 메뉴(220)의 주제 카테고리(222)에서 여행, 계획 및 일정의 주제 카테고리(222)를 선택하면, 문제 모듈(200)은 데이터베이스(100)에 저장된 자연어 중에서 선택된 주제 카테고리(222)와 관련되며 문법적인 오류를 가진 자연어 중 '나는 2주동안 미국으로 여행을 가려고 함니다.' 라는 자연어를 선정하여 문제로 출력할 수 있다. 이때, 문제로 출제된 자연어가 가진 문법적인 오류는 문법 카테고리(212)가 선택되지 않았으므로, 문제 모듈(200)이 임의로 문법을 선택하여 문제를 출제할 수 있다.

도 4c를 참조하면, 사용자가 카테고리의 방법을 사용해 문법 메뉴(210) 및 주제 메뉴(220)에서 학습하고자 하는 문법 및 주제를 선택하면, 문제 모듈(200)은 사용자가 선택한 주제와 관련되며, 선택한 문법과 관련된 문법적인 오류를 가진 자연어를 문제로 출력할 수 있다. 예를 들어, 사용자가 문법 메뉴(210)의 문법 카테고리(212)에서 시제, 미래 및 '-을 것이다' 의 문법 카테고리(212)를 선택하고, 주제 메뉴(220)의 주제 카테고리(222)에서 여행, 계획 및 일정의 주제 카테고리(222)를 선택하면, 문제 모듈(200)은 데이터베이스(100)에 저장된 자연어 중에서 선택된 문법 카테고리(212) 및 주제 카테고리(222)와 관련되며 문법적인 오류를 가진 자연어 중 '그는 내일까지 부산으로 여행을 출발했다' 라는 자연어를 선정하여 문제를 출제할 수도 있다.

이어서, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치는 사용자 디바이스를 통해 사용자로부터 문제에 대한 답안을 수신한다(S300).

도 5는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 답안지 모듈이 답안을 수신하는 예시적인 출력 화면을 도시한 도면이다.

도 5를 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 답안지 모듈(300)은 문자 또는 음성 중 적어도 어느 하나의 방법을 통해 사용자 디바이스(2)로부터 문제에 대한 답안을 수신할 수 있다. 이때, 답안지 모듈(300)은 사용자 디바이스(2) 화면의 답안 입력창(310)을 통해 사용자의 답안을 수신하는 것을 예시로 하여 설명할 수 있다. 즉, 사용자는 문제 출력창(230)에 출력된 문제에서 문법적인 오류를 찾고, 문법적인 오류를 수정하여 답안을 답안 입력창(310)에 입력할 수 있고, 답안의 입력이 완료되면 키보드의 엔터키 또는 입력 버튼(312)을 눌러 답안지 모듈(300)에 답안을 전달할 수 있다.

예를 들어, 문제 출력창(230)에 '나는 내일까지 밥을 굶었다.' 라는 문제가 출제되었고, 문제에 대하여 사용자가 '내일' 이라는 미래와 '굶었다'라는 과거의 표현에서 문장의 시제가 일치하지 않은 문법적인 오류를 발견하면, 사용자는 문제의 문법적인 오류를 교정하여 '나는 내일까지 밥을 굶을 것이다.'의 답안을 답안 입력창(310)에 입력하고, 입력이 완료되면 키보드의 엔터키 또는 입력 버튼(312)을 눌러 답안지 모듈(300)로 답안을 입력할 수 있다. 이후, 답안지 모듈(300)은 답안 입력창(310)에 입력된 답안을 수신하여 교정 모듈(400)에 전달할 수 있다.

이어서, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)는 답안의 오류를 교정하고 정답을 출력한다(S400).

도 6은 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 교정 모듈이 답안의 오류를 교정하여 정답, 문법 지식 및 변형예를 출력한 예시적인 출력 화면을 도시한 도면이다.

도 6을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 교정 모듈(400)은 답안이 문법적인 오류를 가지면, 답안의 문법적인 오류를 교정하여 정답을 출력하고, 정답과 함께 정답의 평서형, 의문형, 명령형, 청유형, 감탄형, 부정형, 높임, 시제, 양태, 피동 및 사동의 변형예 중 적어도 하나의 변형예 및 정답의 근거가 되는 문법 지식을 정답 출력창(410)을 통해 출력할 수 있다.

예를 들어, 문제 출력창(230)에 '나는 내일까지 밥을 굶었다.' 라는 문제가 출제되어, 사용자가 답안 입력창(310)에 '나는 내일까지 밥을 굶을것이다.' 라는 답안을 입력하면, 교정 모듈(400)은 답안에서 '굶을것이다.' 의 띄어쓰기의 오류를 교정하여 정답 출력창(410)의 정답 메뉴(412)에 '나는 내일까지 밥을 굶을 것이다.' 라는 정답을 출력할 수 있다. 여기에, 교정 모듈(400)은 정답 출력창(410)의 문법 지식 메뉴(414)에 정답을 도출하기 위해 필요한 문법 지식 중 '-을 것이다' 에 대한 문법 지식을 더 출력할 수 있다. 아울러, 교정 모듈(400)은 정답 출력창(410)의 변형예 메뉴(416)에 정답의 변형예인 '나는 내일까지 밥을 굶겠다' 라는 변형예를 더 출력할 수 있다.

그리고, 하나의 문제에 대해 하나의 정답, 문법 지식 및 변형예에 제한되지 않고, 복수의 정답, 문법 지식 및 변형예가 있을 수 있으며, 교정 모듈(400)은 하나의 정답, 문법 지식 및 변형예를 정답 출력창(410)에 출력할 수도 있지만, 복수의 정답, 문법 지식 및 변형예를 출력할 수도 있으며, 도면에 도시된 바는 예시적인 것으로 권리범위에 제한되지 않는다.

본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치는 답안, 문법 및/또는 주제에 따른 정답률, 난이도 및 오답 패턴으로 구성된 학습 패턴을 데이터베이스에 업데이트 한다(S500). 학습 패턴을 형성하는 방식은 제한되지 않는다. 예를 들어, 학습 패턴은 자연어가 포함하는 문법, 형식, 주제 등을 복수의 차원로 하고, 자연어 각각을 벡터로 나타내고, 벡터 사이의 거리나 코사인 유사성을 이용하여 유사한 학습 패턴을 형성시킬 수 있다. 또는, 다음으로 사용자가 틀릴 자연어를 예측하는 방식으로 학습 패턴을 형성시킬 수도 있다.

도 7은 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 학습 모듈의 의해 데이터베이스에 학습 패턴이 업데이트되는 과정을 설명하기 위한 도면이다.

도 7을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 학습 모듈(500)은 답안이 오답일 경우, 답안을 문법적인 오류를 가진 자연어(QNL)로 분류하여 데이터베이스(100)에 업데이트하고, 사용자의 답안 및 교정 모듈(400)의 출력 결과에 기초하여, 답안, 문법 및/또는 주제에 따른 정답률, 난이도 및 오답 패턴으로 구성된 학습 패턴에 사용자의 식별 정보(510)가 포함된 개인 학습 패턴(ITP)을 상기 데이터베이스(100)에 업데이트할 수 있다. 여기서, 식별 정보(510)는 각각의 사용자를 구별할 수 있는 정보로 사용자의 이름, 전화번호, 아이디 등의 개인 정보일 수 있으며, 이하에서는 사용자의 식별 정보(510)가 아이디(510a)와 비밀번호(510b)로 구성된 것을 가정하여 설명하기로 한다.

구체적으로, 학습 모듈(500)은 답안이 오답일 경우에만, 답안을 문법적인 오류를 가진 자연어(nQNL), 즉 문제(nQNL)로 분류하여 데이터베이스(100)에 업데이트할 수 있다. 그리고, 학습 모듈(500)은 교정 모듈(400)에 의해 정답 출력창(410)에 출력된 정답(nANL), 문법 지식(nGE) 및 변형예(nTE)와 문제가 대응되는 문법(nGNL) 및/또는 주제(nTNL), 답안의 정답 여부, 답안의 정답 여부에 따른 정답률, 평균 정답률에 따른 난이도와 사용자의 오답 패턴, 그리고 사용자의 답안으로 구성된 학습 패턴을 형성하고, 학습 패턴에 사용자의 식별 정보(510)를 더 포함시킨 개인 학습 패턴(nITP1, nITP2)을 데이터베이스(100)에 업데이트할 수 있다.

도 7을 참조하면, 답안지 모듈(300)이 수신한 답안이 교정 모듈(400)로 전달되고, 교정 모듈(400)은 답안을 정답(nANL)과 비교하고, 정답(nANL), 문법 지식(nGE) 및 변형예(nTE)와 문제가 대응되는 문법(nGNL) 및/또는 주제(nTNL), 답안의 정답 여부, 답안의 정답 여부에 따른 정답률, 평균 정답률에 따른 난이도와 사용자의 오답 패턴 등의 출력 결과를 학습 모듈(500)로 전달할 수 있다. 그리고, 학습 모듈(500)은 답안지 모듈(300)로부터 답안, 교정 모듈(400)로부터 출력 결과를 수신하여 학습 패턴을 형성할 수 있다.

이어서, 학습 모듈(500)은 이러한 학습 패턴에 사용자의 식별 정보(510)를 더 포함시킨 개인 학습 패턴(nITP1, nITP2)을 문법적인 오류를 가진 자연어(nQNL), 즉 문제(nQNL)로 출제된 자연어와 함께 데이터베이스(100)에 저장되도록 업데이트할 수 있다. 그리고, 각 사용자의 식별 정보(510)와 각 학습 패턴에 따라 하나의 자연어에 복수의 개인 학습 패턴(nITP1, nITP2)이 함께 저장될 수 있으며, 개인 학습 패턴(ITP)의 개수는 제한되지 않는다.

이처럼 학습 모듈(500)은 문법적인 오류를 가진 자연어(nQNL), 즉 문제(nQNL)와 문법적인 오류가 없는 자연어(nANL), 즉 정답(nANL), 그리고 문제 및 정답에 대응되는 문법(nGNL), 주제(nTNL), 문법 지식(nGE), 변형예(nTE) 및 활용예(nAE)로 구성된 자연어(nNL)에 개인 학습 패턴(nITP)을 업데이트할 수 있다.

도 8은 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 사용자의 식별 정보 및 개인 학습 패턴에 기초하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다.

도 7 및 도 8을 참조하여, 개인 학습 패턴(ITP)이 데이터베이스(100)에 업데이트 된 후, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 문제 모듈(200)이 문제를 출제하는 과정을 상세히 설명하기로 한다.

도 8을 참조하면, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 문제 모듈(200)은 데이터베이스(100)에 업데이트된 개인 학습 패턴(ITP)에 기초하여, 사용자가 설정한 난이도에 대응되는 문법(GNL) 및/또는 주제(TNL)를 중심으로 문제를 출력할 수 있다. 즉, 사용자는 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)가 구현된 어플리케이션의 출력 화면(SO)에 사용자의 식별 정보(510)를 입력하면, 사용자가 취약한 문법 및/또는 주제를 중심으로 문제가 출제되도록 하여 효율적으로 언어를 학습할 수 있다.

도 8을 참조하면, 예를 들어 사용자 1의 식별 정보(510)를 입력하면 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10)가 구현된 어플리케이션의 출력 화면(SO)은 사용자 1의 식별 정보(510)가 입력되었음을 표시할 수 있다. 사용자 1은 주제 메뉴(220)의 주제 카테고리(222)에서 여행, 계획 및 일정의 주제 카테고리(222)를 선택하고, 문제의 난이도를 하로 설정할 수 있다. 이후, 문제 모듈(200)은 사용자 1의 개인 학습 패턴(ITP)에서 사용자 1이 문법 중 형태의 변화와 띄어쓰기에 관한 문법 문제에서 정답률이 낮은 것을 파악하여 임의의 문법적인 오류를 가진 자연어를 문제로 출제하는 대신, 사용자 1이 선택한 주제 카테고리(222)와 관련되며, 형태의 변화 및 띄어쓰기에 대한 문법적인 오류를 가진 자연어(QNL)를 중심으로 하여 문제를 출제할 수 있다. 그 결과, 문제 출력창(230)에 띄어쓰기에 대한 난이도 하의 문법적인 오류인 '2주동안' 과 형태의 변화에 대한 난이도 하의 문법적인 오류인 '함니다' 가 포함된 '나는 2주동안 미국으로 여행을 가려고 함니다' 의 문제가 출력될 수 있다.

새로운 언어를 학습하기 위해서는 언어의 읽기, 듣기, 쓰기 및 말하기 등에 대한 동시 복합적인 학습이 필요하다. 만약, 언어의 읽기만을 학습하는 경우, 표음문자라면 단순히 소리 내어 읽는 것은 가능할지 몰라도 언어의 의미, 쓰기, 듣기 등은 학습이 어렵고 여전히 언어를 학습하여 사용할 수 있는 상태라 보기 어렵다. 또한, 언어를 어디서부터 어떻게 학습해야 하는지 교육자마다, 학습자마다의 의견이 다르다. 그리고, 언어의 학습을 시작하더라도 언어의 범위, 즉 언어가 표현하는 분야가 매우 광범위하기 때문에 어떤 상황에서 쓰이는 언어부터 학습할지, 어떤 문법을 사용하는지부터 학습할지 선택이 매우 어렵다.

이에, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10) 및 이를 이용한 언어 학습 방법에서는 언어를 학습하는 중의 사용자가 학습하고자 하는 특정 문법 및/또는 주제만을 선택하여 언어를 학습할 수 있다. 구체적으로 사용자가 학습하고자 하는 특정 문법에 대한 문제, 특정 주제에 대한 문제 또는 특정 문법 및 특정 주제가 동시에 대한 문제만을 골라서 학습할 수 있기 때문에 효율적인 학습이 가능하다.

아울러, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10) 및 이를 이용한 언어 학습 방법에서는 사용자 각각의 개인 학습 패턴(ITP)을 파악하여 효율적으로 언어를 학습하도록 도울 수 있다. 언어를 학습하는데 있어 사용자마다 취약한 부분이 다를 수 있다. 한 사용자는 문법 중 높임에 대한 문법이 취약하고, 다른 사용자는 문법 중 시제에 대한 문법이 취약하며, 또 다른 사용자는 식사를 주제로 한 자연어가 취약할 수 있다. 이러한 경우, 문제 모듈(200)은 한 사용자의 개인 학습 패턴(ITP)에서 한 사용자가 문법 중 높임에 대한 문법이 취약한 것을 파악하여, 높임에 대한 문법적인 오류를 가진 자연어가 문제로 출제되는 빈도를 높일 수 있다. 이처럼, 본 발명의 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10) 및 이를 이용한 언어 학습 방법에서는 사용자의 개인 학습 패턴(ITP)에 기초하여 사용자가 취약한 부분을 우선적으로 학습할 수 있도록 출제될 문제를 조절할 수 있다.

그렇기 때문에, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10) 및 이를 이용한 언어 학습 방법에서는 사용자가 자연어를 원하는 부분부터 또는 취약한 부분 위주로 학습하도록 할 수 있어, 사용자가 자연어를 빠르고 효율적으로 학습할 수 있는 효과가 있다.

한편, 자연어는 기본형 외에도 기본형을 응용하거나 변형한 예가 매우 다양할 수 있다. 예를 들어, 한국어에서 인사를 하는 경우, '안녕하세요?', '안녕?', '반갑습니다.', '오랜만이에요.', '잘 지내셨어요?', '좋은 아침입니다.', '어서 오세요.' 등 기본형을 변형한 변형예가 매우 많다. 또한, 자연어마다 각 자연어가 사용되는 문화와 그에 따른 문법, 어순 등이 다양하기 때문에, 자연어를 학습할 때는 정확한 문법 지식을 익히는 것 또한 중요하다.

이에, 본 발명의 일 실시예에 따른 빅데이터 기반 언어 학습 장치(10) 및 이를 이용한 언어 학습 방법에서는 정답 이외에도 정답의 다양한 변형예까지 제공하고, 그에 따른 문법 지식까지 제공할 수 있다. 그렇기 때문에, 사용자가 문제를 풀이하면서, 문법 지식, 정확한 정답 및 정답의 변형예까지 한번에 학습할 수 있어, 언어를 손쉽게 확장하여 학습할 수 있다.

도 9는 본 발명의 다른 실시예에 따른 빅데이터 기반 언어 학습 장치의 문제 모듈이 전체 학습 패턴에 기초하여 문제를 출제하는 예시적인 출력 화면을 도시한 도면이다.

본 발명의 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 학습 모듈(500)은 전체 사용자 각각의 개인 학습 패턴(ITP)에 기초하여, 문법 및/또는 주제에 따른 평균 정답률, 평균 난이도 및 평균 오답 패턴으로 구성된 전체 학습 패턴(WTP)을 데이터베이스(100)에 업데이트하고, 문제 모듈(200)에 사용자의 식별 정보(510)가 수신되지 않는 경우, 문제 모듈(200)은 데이터베이스(100)에 업데이트된 전체 학습 패턴(WTP)에 기초하여, 사용자가 설정한 난이도에 대응하는 평균 난이도를 가진 문법 및/또는 주제를 중심으로 문제를 출제할 수 있다.

도 7 및 9를 참조하면, 본 발명의 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 학습 모듈(500)은 여러 사용자 각각의 개인 학습 패턴(ITP)이 업데이트된 자연어에서 각각의 개인 학습 패턴(ITP)에 포함된 답안, 문법 및/또는 주제에 따른 정답률, 난이도 및 오답 패턴으로부터 자연어의 문법 및/또는 주제에 따른 평균 정답률, 평균 난이도 및 평균 오답 패턴으로 구성된 전체 학습 패턴(WTP)을 데이터베이스(100)에 업데이트할 수 있다.

예를 들어, 1번 자연어(1NL)는 n개의 개인 학습 패턴(1ITP1 내지 1ITPn)이 저장되어 있으므로, 학습 모듈(500)은 n개의 개인 학습 패턴(1ITP1 내지 1ITPn)으로부터 전체 학습 패턴(1WTP)을 형성할 수 있다. 그리고, n번 자연어(nNL)는 2개의 개인 학습 패턴(nITP1, nITP2)이 저장되어 있으므로, 학습 모듈(500)은 2개의 개인 학습 패턴(nITP1, nITP2)으로부터 전체 학습 패턴(nWTP)을 형성할 수 있다. 만약, 자연어에 저장된 개인 학습 패턴(ITP)이 1개라면, 개인 학습 패턴(ITP)과 전체 학습 패턴(WTP)은 동일할 수 있다. 아울러, 자연어에 새로운 개인 학습 패턴(ITP)이 저장되면, 그에 따라 전체 학습 패턴(WTP) 또한 새롭게 업데이트될 수 있다.

이어서, 도 8을 참조하면, 전체 학습 패턴(WTP)이 데이터베이스(100)에 업데이트 된 이후, 식별 정보(510)가 등록되지 않은 익명의 사용자가 본 발명의 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)를 이용하여 언어를 학습하고자 하는 경우, 문제 모듈(200)은 전체 학습 패턴(WTP)에 기초하여 익명의 사용자가 설정한 난이도에 대응하는 평균 난이도를 가진 문법 및/또는 주제를 중심으로 문제를 출제할 수 있다.

예를 들어, 식별 정보(510)에 아이디(510a)와 비밀번호(510b)가 입력되지 않은 상태로, 익명의 사용자가 주제 메뉴(220)의 주제 카테고리(222)에서 여행, 계획 및 일정의 학습하고자 하는 주제 카테고리(222)를 선택하고, 문제의 난이도를 하로 설정하여 문제를 출력하도록 할 수 있다. 문제 모듈(200)은 사용자가 선택한 주제와 관련되며, 사용자가 설정한 하의 난이도와 동일한 하의 평균 난이도를 가진 '나는 2주동안 미국으로 여행을 가려고 함니다.' 와 같은 문법적인 오류를 가진 자연어를 문제로 출제할 수 있다.

이에, 본 발명의 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)와 이를 이용한 언어 학습 방법에서는 전체 사용자 각각의 개인 학습 패턴(ITP)으로부터 문법 및/또는 주제에 따른 평균 정답률, 평균 난이도 및 평균 오답 패턴을 검출하여 전체 학습 패턴(WTP)을 데이터베이스(100)에 업데이트할 수 있고, 사용자의 식별 정보(510)와 사용자에 대한 개인 학습 패턴(ITP)이 없더라도, 전체 학습 패턴(WTP)에 기초하여 사용자가 설정한 난이도에 대응하는 평균 난이도를 가진 문제를 출제하거나, 대부분의 사용자가 취약한 부분에 대한 문제를 출제할 수 있다. 그렇기 때문에, 본 발명의 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)에서는 전체 사용자로부터 얻은 개인 학습 패턴(ITP)으로부터 평균 정답률, 평균 난이도 및 평균 오답 패턴이 저장된 전체 학습 패턴(WTP)을 검출하고, 사용자가 학습하고자 하는 난이도의 문법 및/또는 주제에 대응되는 문제를 전체 학습 패턴(WTP)에 기초하여 출제할 수 있다.

도 10은 본 발명의 또 다른 실시예에 따른 빅데이터 기반 언어 학습 장치의 교정 모듈이 답안의 오류를 교정하여 정답, 문법 지식, 변형예 및 활용예를 출력한 예시적인 출력 화면을 상세히 도시한 도면이다.

본 발명의 또 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 교정 모듈(400)은 인터넷 및 방송 매체의 실 생활에서 사용되는 정답의 활용예를 더 출력하고, 활용예는 정답의 구어체, 신조어, 은어, 통신언어, 유행어 및 외래어를 포함할 수 있다.

도 10을 참조하면, 본 발명의 또 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)의 교정 모듈(400)은 정답 출력창(410)에 답안의 정답, 문법 지식 및 변형예 외에도 인터넷이나 방송 매체 등의 실 생활에서 정답이 사용되는 활용예를 더 출력할 수 있다. 사용자가 학습하고자 하는 문법을 선택하면 문제가 출제되고, 답안을 입력하여 정답, 문법 지식 및 변형예까지 출력되는 과정은 앞서 도 4a 내지 도 6을 참조하여 설명한 바와 동일하므로 중복 설명을 생략한다.

예를 들어, 교정 모듈(400)은 정답 출력창(410)의 정답 메뉴(412)에 문제의 정답을 출력하고, 문법 지식 메뉴(414)에 정답을 도출하기 위해 필요한 문법 지식 중 '-을 것이다' 에 대한 문법 지식을 출력하고, 변형예 메뉴(416)에 정답의 변형예 중 하나인 '나는 내일까지 밥을 굶겠다' 라는 변형예를 출력할 수 있다. 그리고, 교정 모듈(400)은 정답 출력창(410)의 활용예 메뉴(418)에 정답이 실 생활에서 사용되는 활용예 중 구어체인 '나 낼까지 안먹을거야' 를 출력할 수 있다.

또한, 몇몇 실시예에서, 교정 모듈(400)은 정답의 활용예로 용언의 활용예를 더 출력할 수 있다. 용언은 동사와 형용사를 묶어서 분류한 것으로, 동사와 형용사는 쓰임에 따라 형태가 바뀔 수 있다. 용언의 활용은 매우 다양하기 때문에, 사용자는 용언의 활용에 어려움을 느낄 수 있다.

그렇기 때문에 교정 모듈(400)은 정답의 활용예로 용언의 활용예를 더 출력할 수 있으며, 이러한 활용예로는 '-다/이다', '아요/어요', 'ㅂ니다/습니다', '고 싶다', '고 싶어요', 고 싶습니다', ㄹ 수 있다', 'ㄹ 수 있어요', 'ㄹ 수 있습니다' 와 같은 활용예가 포함될 수 있다. 예를 들어, 정답 출력창(410)에 '나는 음악을 듣다.' 라는 정답이 출력되면, 활용예 메뉴(418)에는 정답의 동사 '듣다'의 활용예인 '들어요', '듣습니다', '듣고 싶다', '듣고 싶어요', '듣고 싶습니다', '들을 수 있다', '들을 수 있어요', '들을 수 있습니다' 의 활용예를 더 출력할 수 있다.

이에, 본 발명의 또 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)와 이를 이용한 언어 학습 방법에서는 사용자에게 문제의 정답, 정답을 도출하기 위한 문법 지식 및 정답의 변형예를 제공하여 사용자가 자연어를 손쉽게 확장하여 학습할 수 있도록 하는 효과가 있고, 여기에 추가로 자연어가 실 생활에서 사용되는 활용예까지 제공하여 문법, 읽기, 쓰기 뿐만이 아니라 말하기도 학습할 수 있도록 하는 효과가 있다. 그렇기 때문에, 본 발명의 또 다른 실시예에 따른 빅데이터 기반 언어 학습 장치(10)와 이를 이용한 언어 학습 방법에서는 사용자가 자연어의 읽기, 쓰기 외에 말하기까지 복합적으로 학습할 수 있어 자연어를 빠르고 효율적으로 학습할 수 있도록 한다.

본 명세서에서, 각 블록 또는 각 단계는 특정된 논리적 기능 (들) 을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또한, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.

본 명세서에 개시된 실시예들과 관련하여 설명된 방법 또는 알고리즘의 단계는 프로세서에 의해 실행되는 하드웨어, 소프트웨어 모듈 또는 그 2 개의 결합으로 직접 구현될 수도 있다. 소프트웨어 모듈은 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터, 하드 디스크, 착탈형 디스크, CD-ROM 또는 당업계에 알려진 임의의 다른 형태의 저장 매체에 상주할 수도 있다. 예시적인 저장 매체는 프로세서에 커플링되며, 그 프로세서는 저장 매체로부터 정보를 판독할 수 있고 저장 매체에 정보를 기입할 수 있다. 다른 방법으로, 저장 매체는 프로세서와 일체형일 수도 있다. 프로세서 및 저장 매체는 주문형 집적회로 내에 상주할 수도 있다. ASIC는 사용자 단말기 내에 상주할 수도 있다. 다른 방법으로, 프로세서 및 저장 매체는 사용자 단말기 내에 개별 컴포넌트로서 상주할 수도 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

1000 : 빅데이터 기반 언어 학습 시스템
1 : 빅데이터 기반 언어 학습 서버
2 : 사용자 디바이스
10 : 빅데이터 기반 언어 학습 장치
11 : 통신부
12 : 프로세서
100 : 데이터베이스
200 : 문제 모듈
210 : 문법 메뉴
212 : 문법 카테고리
214 : 문법 입력창
220 : 주제 메뉴
222 : 주제 카테고리
224 : 주제 입력창
230 : 문제 출력창
232 : 난이도 메뉴
234 : 새로고침 메뉴
300 : 답안지 모듈
310 : 답안 입력창
312 : 입력 버튼
400 : 교정 모듈
410 : 정답 출력창
412 : 정답 메뉴
414 : 문법 지식 메뉴
416 : 변형예 메뉴
418 : 활용예 메뉴
500 : 학습 모듈
510 : 식별 정보
510a : 아이디
510b : 비밀번호
NL : 자연어
QNL : 문법적인 오류를 가진 자연어(문제)
ANL : 문법적인 오류가 없는 자연어(정답)
GNL : 문법
TNL : 주제
GE : 문법 지식
TE : 변형예
AE : 활용예
ITP : 개인 학습 패턴
WTP : 전체 학습 패턴
SO : 출력 화면

Claims (9)

1. 문법적인 오류를 가진 자연어 및 문법적인 오류가 없는 자연어로 구성된 자연어가 저장된 데이터베이스;
   사용자 디바이스로부터 학습하고자 하는 문법 및/또는 주제를 수신하고, 상기 데이터베이스에 저장되어 있는 상기 자연어 중, 상기 문법 및/또는 상기 주제에 대응되며 상기 문법적인 오류를 가진 자연어를 문제로 출제하는 문제 모듈;
   상기 사용자 디바이스로부터 상기 문제에 대한 답안을 수신하는 답안지 모듈;
   상기 답안의 오류를 교정하는 교정 모듈; 및
   상기 답안, 상기 문법 및/또는 상기 주제에 따른 정답률, 난이도 및 오답 패턴으로 구성된 학습 패턴을 상기 데이터베이스에 업데이트하는 학습 모듈을 포함하고,
   상기 문제 모듈은 상기 학습 모듈에 의해 상기 데이터베이스에 업데이트된 상기 학습 패턴에 기초하여 다음 문제를 출력하고,
   상기 교정 모듈은,
   상기 답안이 문법적인 오류를 가지면, 상기 답안의 상기 문법적인 오류를 교정하여 정답을 출력하고, 상기 정답과 함께 상기 정답의 평서형, 의문형, 명령형, 청유형, 감탄형, 부정형, 높임, 시제, 양태, 피동 및 사동의 변형예 중 적어도 하나의 변형예, 인터넷 및 방송 매체의 실생활에서 사용되는 상기 정답의 구어체, 신조어, 은어, 통신언어, 유행어 및 외래어를 포함하는 활용예 및 상기 정답의 근거가 되는 문법 지식을 더 출력하고,
   상기 학습 모듈은,
   상기 답안이 오답일 경우, 상기 답안을 상기 문법적인 오류를 가진 자연어로 분류하여 상기 데이터베이스에 업데이트하고, 상기 사용자의 상기 답안 및 상기 교정 모듈의 출력 결과에 기초하여, 상기 답안, 상기 문법 및/또는 상기 주제에 따른 상기 정답률, 상기 난이도 및 상기 오답 패턴으로 구성된 상기 학습 패턴에 상기 사용자의 식별 정보가 포함된 개인 학습 패턴을 상기 데이터베이스에 업데이트하고, 상기 문제 모듈에 상기 사용자의 상기 식별 정보가 수신되는 경우, 상기 데이터베이스에 업데이트된 상기 개인 학습 패턴에 기초하여, 상기 사용자가 설정한 난이도에 대응되는 상기 문법 및/또는 상기 주제를 중심으로 상기 문제를 출력하고,
   전체 상기 사용자 각각의 상기 개인 학습 패턴에 기초하여, 상기 문법 및/또는 상기 주제에 따른 평균 정답률, 평균 난이도 및 평균 오답 패턴으로 구성된 전체 학습 패턴을 상기 데이터베이스에 업데이트하고, 상기 문제 모듈에 상기 사용자의 상기 식별 정보가 수신되지 않는 경우, 상기 데이터베이스에 업데이트된 상기 전체 학습 패턴에 기초하여, 상기 사용자가 설정한 난이도에 대응되는 상기 평균 난이도를 가진 상기 문법 및/또는 상기 주제를 중심으로 상기 문제를 출력하며,
   상기 학습 모듈은,
   상기 자연어 각각을 벡터로 나타내고, 상기 벡터 사이의 거리 또는 코사인 유사성을 이용하여 유사한 학습 패턴을 형성하거나, 상기 사용자가 틀릴 자연어를 예측하는 학습 패턴을 형성하는, 빅데이터 기반 언어 학습 장치.
2. 제1항에 있어서,
   상기 데이터베이스의 상기 자연어는,
   상기 자연어의 평서형, 의문형, 명령형, 청유형, 감탄형, 부정형, 높임, 시제, 양태, 피동 및 사동의 변형예 중 적어도 하나의 변형예를 더 포함하는, 빅데이터 기반 언어 학습 장치.
3. 제1항에 있어서,
   상기 문제 모듈은,
   문자, 음성 또는 카테고리 중 적어도 어느 하나의 방법을 통해 상기 사용자 디바이스로부터 상기 문법 및/또는 상기 주제를 수신하고, 수신된 상기 문법 및/또는 상기 주제에 대응되는 상기 문제를 출제하는, 빅데이터 기반 언어 학습 장치.
4. 제1항에 있어서,
   상기 답안지 모듈은,
   문자 또는 음성 중 적어도 어느 하나의 방법을 통해 상기 사용자 디바이스로부터 상기 문제에 대한 상기 답안을 수신하는, 빅데이터 기반 언어 학습 장치.
5. 삭제
6. 삭제
7. 삭제
8. 삭제
9. 빅데이터 기반 언어 학습 장치를 이용한 언어 학습 방법에 있어서,
   사용자 디바이스를 통해 사용자로부터 학습하고자 하는 문법 및/또는 주제를 수신하는 단계;
   데이터베이스에 저장된 자연어 중 상기 문법 및/또는 상기 주제에 대응되며 문법적인 오류를 가진 상기 자연어를 문제로 출제하는 단계;
   상기 사용자 디바이스를 통해 상기 사용자로부터 상기 문제에 대한 답안을 수신하는 단계;
   상기 답안의 오류를 교정하는 단계; 및
   상기 답안, 상기 문법 및/또는 상기 주제에 따른 정답률, 난이도 및 오답 패턴으로 구성된 학습 패턴을 상기 데이터베이스에 업데이트하는 단계를 포함하고,
   상기 문제를 출제하는 단계는, 상기 데이터베이스에 업데이트된 상기 학습 패턴에 기초하여 다음 문제를 출제하는 단계이고,
   상기 답안의 오류를 교정하는 단계는,
   상기 답안이 문법적인 오류를 가지면, 상기 답안의 상기 문법적인 오류를 교정하여 정답을 출력하는 단계; 및
   상기 정답과 함께 상기 정답의 평서형, 의문형, 명령형, 청유형, 감탄형, 부정형, 높임, 시제, 양태, 피동 및 사동의 변형예 중 적어도 하나의 변형예, 인터넷 및 방송 매체의 실생활에서 사용되는 상기 정답의 구어체, 신조어, 은어, 통신언어, 유행어 및 외래어를 포함하는 활용예 및 상기 정답의 근거가 되는 문법 지식을 더 출력하는 출력 단계를 포함하고,
   상기 학습 패턴을 상기 데이터베이스에 업데이트하는 단계는,
   상기 답안이 오답일 경우, 상기 답안을 상기 문법적인 오류를 가진 자연어로 분류하여 상기 데이터베이스에 업데이트하는 단계;
   상기 사용자의 상기 답안 및 상기 출력 단계의 출력 결과에 기초하여, 상기 답안, 상기 문법 및/또는 상기 주제에 따른 상기 정답률, 상기 난이도 및 상기 오답 패턴으로 구성된 상기 학습 패턴에 상기 사용자의 식별 정보가 포함된 개인 학습 패턴을 상기 데이터베이스에 업데이트하는 단계; 및
   상기 사용자의 상기 식별 정보가 수신되는 경우, 상기 데이터베이스에 업데이트된 상기 개인 학습 패턴에 기초하여, 상기 사용자가 설정한 난이도에 대응되는 상기 문법 및/또는 상기 주제를 중심으로 상기 문제를 출력하는 단계를 포함하고,
   상기 학습 패턴을 상기 데이터베이스에 업데이트하는 단계는,
   전체 상기 사용자 각각의 상기 개인 학습 패턴에 기초하여, 상기 문법 및/또는 상기 주제에 따른 평균 정답률, 평균 난이도 및 평균 오답 패턴으로 구성된 전체 학습 패턴을 상기 데이터베이스에 업데이트하는 단계; 및
   상기 사용자의 상기 식별 정보가 수신되지 않는 경우, 상기 데이터베이스에 업데이트된 상기 전체 학습 패턴에 기초하여, 상기 사용자가 설정한 난이도에 대응되는 상기 평균 난이도를 가진 상기 문법 및/또는 상기 주제를 중심으로 상기 문제를 출력하는 단계를 포함하며,
   상기 언어 학습 방법은,
   상기 자연어 각각을 벡터로 나타내고, 상기 벡터 사이의 거리 또는 코사인 유사성을 이용하여 유사한 학습 패턴을 형성하거나, 상기 사용자가 틀릴 자연어를 예측하는 학습 패턴을 형성하는 단계를 더 포함하는, 빅데이터 기반 언어 학습 장치를 이용한 언어 학습 방법.

Images