KR102089725B1 - 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치 - Google Patents

학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치 Download PDF

Info

Publication number
KR102089725B1
KR102089725B1 KR1020180115704A KR20180115704A KR102089725B1 KR 102089725 B1 KR102089725 B1 KR 102089725B1 KR 1020180115704 A KR1020180115704 A KR 1020180115704A KR 20180115704 A KR20180115704 A KR 20180115704A KR 102089725 B1 KR102089725 B1 KR 102089725B1
Authority
KR
South Korea
Prior art keywords
image
video
learning
handwriting
area
Prior art date
Application number
KR1020180115704A
Other languages
English (en)
Inventor
박순형
김태우
Original Assignee
주식회사 또가배
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 주식회사 또가배 filed Critical 주식회사 또가배
Priority to KR1020180115704A priority Critical patent/KR102089725B1/ko
Application granted granted Critical
Publication of KR102089725B1 publication Critical patent/KR102089725B1/ko

Links

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
    • G06Q50/205—Education administration or guidance
    • G06Q50/2057—Career enhancement or continuing education service
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치에 관한 것이다. 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법은 영상 송신 사용자 장치가 상호 학습 서버로 영상을 업로드하는 단계, 상호 학습 서버가 영상 수신 사용자 장치의 선택에 따라 영상을 영상 수신 사용자 장치로 전송하는 단계와 영상 수신 사용자 장치가 영상에 대한 평가 정보를 상호 학습 서버로 전송하는 단계를 포함할 수 있다.

Description

학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치{Method and apparatus for mutual learning based on image using learning motivation index}
본 발명은 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치에 관한 것이다. 보다 상세하게는 온라인 상에서 학습 영상을 수신하는 영상 수신자의 학습에 대한 동기를 정확하게 판단하여 온라인 상에서 효과적으로 교육을 진행하기 위한 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치에 관한 것이다.
국내외에서 e-Learning 컨텐츠 개발에 많은 노력과 비용이 투자되고 있다. 온라인 교육 시장은 시간 및 공간의 제약없이 교육이 수행될 수 있고, 학습자 별로 필요한 학습이 유연하고 반복적으로 수행 가능하다. 또한, 온라인 상에서 상호 작용이 가능한 경우, 다양한 상호 협력을 기반으로 하는 상승 효과가 존재할 수 있다.
오프라인 교육이 제한적이고 단방향인 반면에 온라인 교육은 양방향에서 서로 자유롭게 수행될 수 있다. 또한, 학습자들은 스스로 자신의 지식 구조를 형성하고 교수자 및 다른 학습자와의 협력이 가능할 수 있다.
이러한 온라인 교육 상에서 서로 배우고 서로 가르치는 절차가 도입되어 학습 효과를 증진시킬 수 있다. 상호 학습 방법 중 하나로 유대인의 전통적인 교육 방법 중 하나인 하브루타 교육이 존재한다. 하브루타 교육과 같이 학생들끼리 짝을 이루어 서로 질문을 주고받으며 논쟁하는 유대인의 전통적인 토론 교육 방법으로서 토론을 통해 지식을 얻고 그 지식을 보다 효과적으로 획득할 수 있다.
온라인 상에서도 이러한 상호 학습 방법이 도입된다면, 보다 효과적으로 온라인을 활용한 교육이 진행될 수 있다. 따라서, 이러한 상호 학습을 위한 온라인 교육 시스템에 대한 연구가 필요하다.
본 발명은 상술한 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 온라인 상에서 영상을 기반으로 상호 교육을 수행시 온라인을 기반으로 한 상호 교육의 성과에 대한 정확한 측정을 다른 목적으로 한다.
또한, 본 발명은, 업로드된 영상을 수신하는 영상 수신자에 대한 객관적인 판단을 통해 영상을 올리는 사용자에 대한 정확한 판단을 수행하는 것을 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법은 영상 송신 사용자 장치가 상호 학습 서버로 영상을 업로드하는 단계, 상기 상호 학습 서버가 영상 수신 사용자 장치의 선택에 따라 상기 영상을 상기 영상 수신 사용자 장치로 전송하는 단계와 상기 영상 수신 사용자 장치가 상기 영상에 대한 평가 정보를 상기 상호 학습 서버로 전송하는 단계를 포함할 수 있다.
본 발명의 다른 태양에 따르면, 학습 동기 지수를 이용한 영상 기반의 상호 학습을 수행하는 상호 학습 시스템은 상호 학습 서버로 영상을 업로드하도록 구현되는 영상 송신 사용자 장치, 영상 수신 사용자 장치의 선택에 따라 상기 영상을 상기 영상 수신 사용자 장치로 전송하도록 구현되는 상기 상호 학습 서버와 상기 영상에 대한 평가 정보를 상기 상호 학습 서버로 전송하도록 구현되는 상기 영상 수신 사용자 장치를 포함할 수 있다.
본 발명에 의하면, 온라인 상에서 영상을 기반으로 상호 교육을 수행시 온라인을 기반으로 한 상호 교육의 성과에 대한 정확한 측정이 가능하다.
또한, 업로드된 영상을 수신하는 영상 수신자에 대한 객관적인 판단을 통해 영상을 올리는 사용자에 대한 정확한 판단이 수행될 수 있다.
도 1은 본 발명의 실시예에 따른 영상 기반의 상호 학습 시스템을 나타낸 개념도이다.
도 2는 본 발명의 실시예에 따른 영상 학습 동기 지수를 결정하는 방법을 나타낸 개념도이다.
도 3은 본 발명의 실시예에 따른 복수 측정 기준을 기반으로 측정 결과를 나타낸 개념도이다.
도 4는 본 발명의 실시예에 따른 영상 분석 방법을 나타낸 개념도이다.
도 5는 본 발명의 실시예에 따른 영상 별 자동 필기 노트 생성 기능을 나타낸 개념도이다.
도 6은 본 발명의 실시예에 따른 영상 수신자 장치를 기준으로 학습 영상을 추천하는 방법을 나타낸 개념도이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여 지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
본 발명의 실시예에 따른 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치에서는 업로드된 영상을 기반으로 상호 간의 학습을 수행하는 방법이 개시된다.
학습 방법 중 타인을 가르침으로써 학습 내용에 대한 정리를 수행하고 다시 학습 효과를 향상시키는 방법이 존재한다. 예를 들어, 특정 학생이 다른 학생에게 특정 개념을 가르치는 방법을 통해 학습 효과를 증진시키는 방법이다.
본 발명의 실시예에 따른 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법에서는 영상을 기반으로 한 상호 교육 방법을 통해 학습 효과를 높이기 위한 방법이 개시된다.
도 1은 본 발명의 실시예에 따른 영상 기반의 상호 학습 시스템을 나타낸 개념도이다.
도 1에서는 영상을 기반으로 상호 간에 학습을 수행하기 위한 상호 학습 시스템이 개시된다.
도 1을 참조하면, 상호 학습 시스템은 영상 송신 사용자 장치(100), 상호 학습 서버(120), 영상 수신 사용자 장치(140)를 포함할 수 있다.
영상 송신 사용자 장치(100)의 영상 송신 사용자, 영상 수신 사용자 장치(140)의 영상 수신 사용자는 유사 또래의 학생일 수 있다.
영상 송신 사용자 장치(100)는 학습과 관련된 영상을 송신하기 위해 구현될 수 있다. 영상 송신 사용자 장치(100)는 타인에게 가르칠 영상을 상호 학습 서버(120)에 업로드하기 위해 구현될 수 있다.
예를 들어, 영상 송신 사용자 장치(100)의 제1 사용자는 제1 개념에 대해 학습을 진행시키기 위한 학습 영상을 업로드할 수 있다. 영상 송신 사용자 장치(100)에 의해 업로드된 학습 동영상을 기반으로 영상 송신 사용자의 학습 상태에 대한 판단이 수행될 수 있다.
상호 학습 서버(120)는 영상 송신 사용자에 의해 업로드된 학습 영상을 기반으로 영상 송신자/영상 수신자의 학습 상태에 대한 판단을 수행할 수 있다. 상호 학습 서버(120)는 영상 수신자의 학습 영상에 대한 시청을 기반으로 영상 학습 동기 지수를 결정할 수 있다.
구체적으로 영상 학습 동기 지수는 복수의 측정 기준을 기반으로 결정될 수 있다.
제1 측정 기준은 영상을 보는 주기일 수 있다. 제2 측정 기준은 영상을 보는 빈도일 수 있다. 제3 측정 기준은 영상을 보는 습관일 수 있다. 제4 측정 기준은 영상에 대한 댓글일 수 있다. 제5 측정 기준은 영상에 대한 선호도일 수 있다.
이러한 측정 기준을 기반으로 영상 학습 동기 지수가 결정될 수 있다. 예를 들어, 이러한 측정 기준의 평균값으로 영상 학습 동기 지수가 결정될 수 있다
영상 수신 사용자 장치(140)는 학습 영상을 수신하고 수신된 학습 영상에 대한 반응 정보를 제공할 수 있다. 영상에 대한 반응을 기반으로 복수의 측정 기준에 대한 측정 결과가 결정되고, 영상 학습 동기 지수가 결정될 수 있다.
도 2는 본 발명의 실시예에 따른 영상 학습 동기 지수를 결정하는 방법을 나타낸 개념도이다.
도 2에서는 업로드된 영상을 기반으로 영상 학습 동기 지수를 결정하는 방법이 개시된다.
도 2를 참조하면, 복수의 학습 영상이 영상 송신 사용자 장치에 의해 업로드될 수 있다. 복수의 학습 영상은 영상 송신 사용자가 학습을 수행하고 학습된 결과를 타인에게 설명하기 위한 영상과 같은 영상 송신 사용자가 자신의 학습 상태를 나타내기 위한 영상 정보일 수 있다.
복수의 학습 영상은 영상 수신 사용자 장치로 전달될 수 있고, 영상 수신 사용자 장치는 학습 영상에 대한 반응 정보를 생성하여 상호 학습 서버로 전송할 수 있다.
전술한 바와 같이 상호 학습 서버는 영상 수신 사용자의 반응 정보를 기반으로 측정 지수에 대한 측정 결과를 결정할 수 있다.
측정 지수에 대한 측정 결과는 제1 측정 기준(210)을 기반으로 한 학습 영상 시청 주기 측정 결과, 제2 측정 기준(220)을 기반으로 한 학습 영상 시청 빈도 측정 결과, 제3 측정 기준(230)을 기반으로 한 학습 영상 시청 습관 측정 결과, 제4 측정 기준(240)을 기반으로 한 학습 영상 댓글 측정 결과, 제5 측정 기준(250)을 기반으로 한 학습 영상 선호도 측정 결과를 포함할 수 있다.
이러한 복수의 측정 결과를 기반으로 영상 학습 동기 지수가 결정될 수 있다.
도 3은 본 발명의 실시예에 따른 복수 측정 기준을 기반으로 측정 결과를 나타낸 개념도이다.
도 3에서는 제1 측정 기준 내지 제5 측정 기준을 기반으로 한 제1 측정 결과 내지 제5 측정 결과가 개시된다.
도 3을 참조하면, 제1 측정 기준(310)을 기반으로 한 학습 영상 시청 주기 측정 결과가 결정될 수 있다.
학습 영상 시청 주기 측정 결과는 학습 영상을 보는 주기를 일정 시간 단위(예를 들어, 월 단위)로 설정하여 결정될 수 있다.
예를 들어, 하루 주기로 학습 영상을 보는 경우(월 20일 이상)은 20, 일주일 주기로 학습 영상을 보는 경우(5일에서 9일 간격, 월 3회)는 15, 보름 주기로 학습 영상을 보는 경우(12일 이상 간격 월 2회)는 10, 비주기적으로 학습 영상을 보는 경우(주기가 없다)는 5로 학습 영상 시청 주기 측정 결과가 결정될 수 있다.
제2 측정 기준(320)을 기반으로 한 학습 영상 시청 빈도 측정 결과가 결정될 수 있다.
학습 영상 시청 빈도 측정 결과는 학습 영상을 보는 빈도를 일정 시간 단위(예를 들어, 월 단위)로 설정하여 결정될 수 있다.
예를 들어, 어쩌다 학습 영상을 보는 경우(월 3회 미만)은 5, 가끔 학습 영상을 보는 경우(월 3회 이상)는 10, 자주 학습 영상을 보는 경우(월 10회 이상)는 15, 매일 학습 영상을 보는 경우(월 20회 이상)는 20으로 학습 영상 시청 빈도 측정 결과가 결정될 수 있다.
제3 측정 기준(330)을 기반으로 한 학습 영상 시청 습관 측정 결과가 결정될 수 있다.
학습 영상 시청 습관 측정 결과는 학습 영상을 보는 습관을 일정 시간 단위(예를 들어, 월 단위)로 설정하여 결정될 수 있다.
예를 들어, 학습 영상을 시청한 시간이 5초를 넘지 않는 경우는 5, 학습 영상을 시청한 시간이 15초를 넘지 않는 경우는 8, 학습 영상을 시청한 시간이 1분을 넘지 않는 경우는 10, 학습 영상을 시청한 시간이 2분 미만인 경우는 12, 학습 영상을 시청한 시간이 2분 이상인 경우는 15, 학습 영상을 시청한 시간이 3분 이상인 경우는 30으로 학습 영상 시청 습관 측정 결과가 결정될 수 있다.
제4 측정 기준(340)을 기반으로 한 학습 영상 댓글 측정 결과가 결정될 수 있다.
학습 영상 댓글 측정 결과는 학습 영상에 대한 댓글을 일정 시간 단위(예를 들어, 월 단위)로 설정하여 결정될 수 있다.
예를 들어, 댓글을 하지 않는 경우는 0, 악성 댓글이 1회 있는 경우는 -10, 댓글을 월3회 이상하는 경우는 5, 댓글을 월8회 이상 하는 경우는 8, 댓글을 월 13회 이상 하는 경우는 12, 댓글을 월 20회 이상 하는 경우는 15, 댓글을 매일하는 경우는 20으로 학습 영상 댓글 측정 결과가 결정될 수 있다.
제5 측정 기준(350)을 기반으로 한 학습 영상 선호도 측정 결과가 결정될 수 있다.
학습 영상 선호도 측정 결과는 학습 영상에 대한 선호도 평가를 일정 시간 단위(예를 들어, 월 단위)로 설정하여 측정될 수 있다.
예를 들어, 선호도를 체크하지 않는 경우는 0, 선호도를 부분만 체크하는 경우는 5, 선호도를 부분만 월 5개 이상 체크하는 경우는 8, 선호도 전체를 체크하는 경우는 10, 선호도를 월 5개 이상 전체 체크하는 경우는 13, 선호도를 월 10개 이상 전체 체크하는 경우는 20 으로 학습 영상 선호도 측정 결과가 결정될 수 있다.
이러한 제1 측정 기준(310)을 기반으로 한 학습 영상 시청 주기 측정 결과, 제2 측정 기준(320)을 기반으로 한 학습 영상 시청 빈도 측정 결과, 제3 측정 기준(330)을 기반으로 한 학습 영상 시청 습관 측정 결과, 제4 측정 기준(340)을 기반으로 한 학습 영상 댓글 측정 결과, 제5 측정 기준(350)을 기반으로 한 학습 영상 선호도 측정 결과를 기반으로 영상 학습 동기 지수가 결정될 수 있다.
예를 들어, 학습 영상에 대한 학습 시작일부터 30일자까지 점검해서 낸 주기 합산값을 이전 값으로 하고, 이번 달 값과 이전 달 값을 더해서 2로 나눈 평균값을 최종값으로 영상 학습 동기 지수가 결정될 수 있다.
도 4는 본 발명의 실시예에 따른 영상 분석 방법을 나타낸 개념도이다.
도 4에서는 상호 학습 서버가 학습 영상에 대해 자동 편집을 수행하는 방법이 개시된다.
도 4를 참조하면, 상호 학습 서버는 학습 영상에 대하여 자동 편집을 기반으로 학습 영상을 제공할 수 있다.
상호 학습 서버는 학습 영상에 대한 타입을 분류할 수 있다.
예를 들어, 학습 영상의 경우, 영상 송신자(또는 교사)와 칠판이 존재하는 영상, 목소리와 필기 노트가 존재하는 영상, 영상 송신자만이 존재하는 영상 등과 같이 학습을 위한 다양한 타입의 영상이 존재할 수 있다.
상호 학습 서버는 영상 분석을 통해 학습 효과를 고려한 영상 편집을 수행할 수 있다.
영상에 대한 집중력을 높이기 위해 교수 객체(400)의 목소리가 존재하는 영상 영역에서는 교수 객체(400)를 중심으로, 객체의 필기에 대한 영상 영역에 대해서는 필기 객체(420)를 중심으로의 편집이 수행될 수 있다.
우선 교수 객체(400)에 대한 판단을 통해 필기 없이 목소리만 존재하는 영상 영역은 교수 객체(400)가 중심이 되도록 영상에 대한 편집을 수행할 수 있다. 이러한 영상의 편집은 설정된 교수 객체(400)의 영역(예를 들어, 머리에서 어깨)이 포함되는 경우에만 수행될 수 있다.
전체 교수 객체(400)의 모습의 존재하지 않는 영상에 대해서는 교수 객체(400)에 대한 편집없이 영상을 출력할 수 있다.
다음으로 필기 객체(420)에 대한 판단을 통해 필기가 존재하는 영상 영역에 대해서는 현재 필기 객체(420)의 위치를 기준으로 한 편집이 수행될 수 있다. 현재 필기 위치를 기준으로 설정된 임계 영역 상의 영상을 출력하기 위한 편집이 수행될 수 있다. 임계 영역은 필기 영역을 기준으로 필기 방향을 고려하여 이전 필기 영역이 보다 많은 가중치를 가지도록 설정될 수 있다. 기존의 필기 영상에 대한 판단을 기반으로 기존의 필기 영역을 고려하여 임계 영역의 위치가 계속적으로 변화될 수 있다. 필기 초반일 경우, 현재 필기 위치를 중심으로 잡을 수 있지만, 필기가 계속될수록 기존의 필기 영역을 고려하여 가중치를 설정하여 기존 필기 영역이 현재 필기 영역과 함께 보이도록 임계 영역의 위치가 변화될 수 있다.
필기 객체(420)에 따라 임계 영역이 서로 다르게 설정될 수 있는데 필기 객체(420)가 공책일 경우, 제1 임계 영역(예를 들어, 10cm의 정사각형 영역), 필기 객체(420)가 칠판일 경우, 제2 임계 영역(예를 들어, 1m의 정사각형 영역)일 수 있다.
이러한 영상 편집을 통해 영상 수신자가 보다 효과적으로 영상을 시청하고 영상을 기반으로 학습하고 영상에 대한 평가를 수행할 수 있다.
도 5는 본 발명의 실시예에 따른 영상 별 자동 필기 노트 생성 기능을 나타낸 개념도이다.
도 5에서는 영상별 자동 필기 노트 생성 기능이 개시된다.
도 5를 참조하면, 학습 영상의 필기 영역을 고려하여 자동 필기 노트가 생성될 수 있다.
필기 영상 자체에 대한 1차 자동 필기 노트(510)가 생성되고, 필기 영상에 대한 영상 분석을 기반으로 글씨를 추출하여 2차 자동 필기 노트(520)가 생성될 수 있다.
필기 영상 자체에 대한 1차 자동 필기 노트(510)의 생성을 위해 필기 노트 생성 단위를 결정하기 위한 분절점을 결정할 수 있다. 분절점은 필기 노트를 생성하는 생성 지점일 수 있다. 우선 기본적으로 필기 노트가 지워지는 경우가 하나의 분절점으로 설정될 수 있다.
또한, 필기 위치가 특정 방향으로 변경되는 지점도 분절점일 수 있다. 예를 들어, 일반적인 필기 방향(좌에서 우, 상에서 하)을 벋어나는 필기 방향이 발생하는 지점도 분절점으로 설정될 수 있다. 이러한 분절점은 현재 필기가 진행되는 대상(예를 들어, 칠판 또는 공책)의 특성, 사용자의 기존의 필기 특성도 추가적으로 고려하여 결정될 수 있다. 칠판의 경우, 상대적으로 기재 영역이 넓으므로, 분절점이 상대적으로 넓게 형성되고, 공책의 경우, 상대적으로 기재 영역이 좁으므로 분절점이 상대적으로 좁게 형성될 수 있다. 또한, 사용자의 기존의 필기 패턴을 고려하여 필기 공간을 넓게 사용하는 경우, 분절점이 넓게 설정되고, 필기 공간을 좁게 사용하는 경우, 분절점이 좁게 설정될 수 있다.
이러한 분절점을 기준으로 필기 영상 이미지가 캡쳐되어 생성될 수 있다.
또한, 본 발명의 실시예에 따르면, 필기 포맷의 변화에 따라 필기 내용에 대한 편집이 가능할 수도 있다. 사용자는 필기가 수행된 하위 이미지를 쪼개어 자신이 원하는 영역으로 이동시킬 수 있다. 또는 공책에 필기된 내용을 칠판 상으로 옮겨서 필기의 내용은 유지하되, 그 필기가 수행되는 영역에 대한 재조정을 수행할 수도 있다.
또한, 본 발명의 실시예에 따르면, 필기 이미지에 대한 문자 인식 및 이미지 인식을 통해 2차 자동 필기 노트(520)가 생성될 수도 있다. 문자 인식의 경우, 필기된 문자에 대한 인식이고, 이미지 인식은 문자를 제외한 그림, 도형 등에 대한 인식일 수 있다. 이러한 문자 인식, 이미지 인식을 기반으로 필기가 다시 한번 정리될 수 있다. 문자별 인식 정확도가 결정될 수 있다. 인식 정확도가 임계값 이상인 경우, 별도의 재판단없이 필기 노트가 생성되고, 인식 정확도가 임계값 미만인 경우, 문자에 대한 재판단이 수행될 수 있다. 문자에 대한 재판단을 수행하기 위해 문자가 생성되는 시기의 오디오 정보를 분석하고 오디오 정보를 기반으로 해당 문자 정보와 오디오 정보를 비교하여 인식된 문자가 맞는지 여부에 대한 재판단이 수행될 수 있다. 해당 문자가 포함된 그룹(단어 또는 단어 뭉치)와 대응되는 오디오 정보를 추출하고 해당 문자의 해당 부분과 오디오 정보를 비교하여 문자의 정확도에 대한 재판단을 수행할 수 있다.
또한, 본 발명의 실시예에 따르면, 도형의 경우, 선의 변화도, 선 간의 만남을 고려하여 생성될 수 있다. 직선인지 여부에 대한 판단은 선의 기울기, 선의 변화도를 고려하여 임계 기울기, 임계 변화도 이하인지 여부를 판단하여 직선으로 판단할 수 있다.
곡선의 경우, 원인지 타원인지 여부는 원의 중심을 기준으로 선이 일정 임계 범위에 들어오는 경우, 원으로 판단되고, 원의 중심을 기준으로 선이 일정 임계 범위에 들어오지 않는 경우, 타원으로 판단될 수 있다.
또한, 선 간의 만남이 이루어져 있는지 여부를 판단하기 위해 선 간의 만난 거리를 기반으로 선 간을 만나는 것으로 할지 여부에 대해 결정될 수 있다. 선 간의 만난 거리가 임계 거리 이하인 경우, 두 선은 만난 것으로 판단되고, 선 간의 만난 거리가 임계 거리 초과인 경우, 두 선은 만나지 않은 것으로 판단될 수 있다.
이러한 도형의 생성을 위한 임계 거리는 필기자의 기존이 도형 생성 습관을 고려하여 조정될 수 있다.
도 6은 본 발명의 실시예에 따른 영상 수신자 장치를 기준으로 학습 영상을 추천하는 방법을 나타낸 개념도이다.
도 6에서는 영상 수신자 장치의 영상 수신 결과를 기반으로 영상에 대한 평가를 수행하는 방법이 개시된다.
도 6을 참조하면, 영상 수신자 장치의 영상 수신 패턴에 대한 정보를 수집할 수 있다.
영상 수신 패턴 정보는 시간별 영상 이탈 정보(610), 스킵 정보(620), 연계 구독 정보(630)를 포함할 수 있다.
시간별 영상 이탈 정보(610)는 시간에 따른 영상의 이탈에 관한 것으로 어떠한 시점에 영상의 구독을 정지하였는지에 대한 정보를 수집하여 결정될 수 있다. 시간별 영상 이탈률은 시간에 따라 영상의 시청을 중지하는 비율로서 영상의 구독을 중지하는 경우 수집될 수 있다. 만약, 기기의 이상 또는 오작동으로 인해 영상에 대한 시청이 이탈되고, 다시 영상을 시청하는 경우, 시간별 영상 정보는 기기의 이상 또는 오작동으로 인해 영상에 대한 시청이 이탈되는 경우는 고려하지 않고 생성될 수 있다.
스킵 정보(620)는 영상의 스킵에 대한 정보를 포함할 수 있다. 스킵 정보(620)는 영상에 대한 스킵이 얼마나 많이 발생하는지에 대한 정보, 스킵 시작 지점, 스킵 중단 지점에 대한 정보를 포함할 수 있다.
연계 구독 정보(630)는 업로드된 영상 간 연계되어 구독이 발생되는 경우에 대한 정보를 포함할 수 있다. 하나의 영상 송신자 장치에서 업로드된 동영상 정보에 대해 하나의 영상 수신자 장치에 연계되어 구독이 일어나는지 여부에 대한 정보가 연계 구독 정보(630)에 포함될 수 있다.
위와 같은 정보를 기반으로 영상 집중도가 높은 영역, 영상 집중도가 낮은 영역에 대한 정보가 결정될 수 있고, 이러한 영상 집중도를 기반으로 결정된 영상 영역에 대한 정보가 영상 송신자 장치로 전달될 수 있다. 영상 송신자 장치는 이러한 영상 수신 패턴 정보를 수신하고, 향후 영상의 업로드시 이를 기반으로 영상을 제작할 수 있다.
또한 사용자별 영상 수신 패턴을 고려하여 기존과 다른 특성을 보이는 학습 영상에 대한 분석이 수행될 수 있다. 예를 들어, 주로 제1 수신 패턴(영상 이탈 특성, 스킵 특성)을 가지는 영상 수신자가 제1 수신 패턴을 보였을 경우와 제1 수신 패턴을 가지는 영상 수신자가 제1 수신 패턴이 아닌 다른 수신 패턴 보였을 경우가 분류될 수 있다. 이러한 수신 패턴은 영상 이탈 범위, 스킵 범위를 설정하여 패턴화되어 분류될 수 있다. 제1 수신 패턴을 보이는 동영상과 다른 수신 패턴을 보이는 영상을 분류하고, 같은 제1 수신 패턴을 가지는 사용자들의 결과와 비교하여 영상에 대한 평가가 진행될 수 있다.
제1 사용자 내지 제10 사용자가 제1 수신 패턴을 가지는 사용자인 경우, 제1 사용자와 제10 사용자 중 임계 명수(예를 들어, 과반수) 이상이 제1 수신 패턴이 아닌 다른 수신 패턴을 보이는 경우, 해당 영상은 추가 평점을 획득하거나 추가 감점을 가질 수 있다. 예를 들어, 제1 수신 패턴보다 제1 임계 시간 기준으로 상대적으로 더 빠른 이탈, 제1 임계 스킵 구간을 기준으로 더 긴 스킵을 가지는 경우, 추가 감점이 해당 동영상에 부여되고, 제1 수신 패턴보다 제2 임계 시간 기준으로 상대적으로 더 느린 이탈, 임계 스킵 구간을 기준으로 더 짧은 스킵을 가지는 경우, 추가 평점이 해당 동영상에 부여될 수 있다. 즉, 기존의 사용자의 행동 특성을 고려하여 영상에 대한 평점이 할당될 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (8)

  1. 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법은,
    영상 송신 사용자 장치가 상호 학습 서버로 영상을 업로드하는 단계;
    상기 상호 학습 서버가 영상 수신 사용자 장치의 선택에 따라 상기 영상을 상기 영상 수신 사용자 장치로 전송하는 단계;
    상기 영상 수신 사용자 장치가 복수의 측정 기준을 기반으로 결정된 상기 영상에 대한 평가 정보를 상기 상호 학습 서버로 전송하는 단계; 및
    상기 상호 학습 서버가 상기 평가 정보를 기반으로 상기 영상 수신 사용자 장치의 영상 수신 사용자의 학습 동기 지수를 결정하는 단계를 포함하되,
    상기 상호 학습 서버는 상기 영상 상에서 교수 객체와 필기 객체를 존재 여부를 고려하여 영상 편집을 수행하되,
    상기 영상 편집은 상기 교수 객체의 목소리가 존재하는 영상 영역에서는 상기 교수 객체를 중심으로, 상기 교수 객체의 필기에 대한 영상 영역에 대해서는 필기 객체를 중심으로 수행되고,
    상기 필기 객체를 중심으로 한 영상 편집은 현재 필기 객체의 위치를 기반으로 설정된 임계 영역 상의 영상을 출력하기 위해 수행되고,
    상기 임계 영역은 필기 영역을 기준으로 필기 방향을 고려하되 이전 필기 영역이 보다 많은 가중치를 가지도록 설정되고,
    상기 임계 영역은 필기 객체에 따라 서로 다르게 설정되고,
    상기 복수의 측정 기준은 제1 측정 기준, 제2 측정 기준, 제3 측정 기준, 제4 측정 기준 및 제5 측정 기준 중 적어도 두 개의 측정 기준을 포함하고,
    상기 제1 측정 기준은 영상 시청 주기이고,
    상기 제2 측정 기준은 영상 시청 빈도이고,
    상기 제3 측정 기준은 영상 시청 습관이고,
    상기 제4 측정 기준은 영상 댓글이고,
    상기 제5 측정 기준은 영상 선호도인 것을 특징으로 하는 방법.
  2. ◈청구항 2은(는) 설정등록료 납부시 포기되었습니다.◈
    제1항에 있어서,
    필기 초반일 경우, 현재 필기 위치를 중심으로 한 상기 필기 객체를 중심으로 한 영상 편집이 수행되고,
    상기 임계 영역의 위치는 필기의 진행에 따라 상기 이전 필기 영역을 고려하여 가중치를 설정하여 상기 이전 필기 영역이 현재 필기 영역과 함께 보이도록 변화되는 것을 특징으로 하는 방법.
  3. 삭제
  4. ◈청구항 4은(는) 설정등록료 납부시 포기되었습니다.◈
    제1항에 있어서,
    상기 학습 동기 지수는 상기 복수의 측정 기준의 평균값인 것을 특징으로 하는 방법.
  5. ◈청구항 5은(는) 설정등록료 납부시 포기되었습니다.◈
    학습 동기 지수를 이용한 영상 기반의 상호 학습을 수행하는 상호 학습 시스템은,
    상호 학습 서버로 영상을 업로드하도록 구현되는 영상 송신 사용자 장치;
    영상 수신 사용자 장치의 선택에 따라 상기 영상을 상기 영상 수신 사용자 장치로 전송하고 복수의 측정 기준을 기반으로 결정된 평가 정보를 기반으로 상기 영상 수신 사용자 장치의 영상 수신 사용자의 학습 동기 지수를 결정하도록 구현되는 상기 상호 학습 서버; 및
    상기 평가 정보를 상기 상호 학습 서버로 전송하도록 구현되는 상기 영상 수신 사용자 장치를 포함하되,
    상기 상호 학습 서버는 상기 영상 상에서 교수 객체와 필기 객체를 존재 여부를 고려하여 영상 편집을 수행하되,
    상기 영상 편집은 상기 교수 객체의 목소리가 존재하는 영상 영역에서는 상기 교수 객체를 중심으로, 상기 교수 객체의 필기에 대한 영상 영역에 대해서는 필기 객체를 중심으로 수행되고,
    상기 필기 객체를 중심으로 한 영상 편집은 현재 필기 객체의 위치를 기반으로 설정된 임계 영역 상의 영상을 출력하기 위해 수행되고,
    상기 임계 영역은 필기 영역을 기준으로 필기 방향을 고려하되 이전 필기 영역이 보다 많은 가중치를 가지도록 설정되고,
    상기 임계 영역은 필기 객체에 따라 서로 다르게 설정되고,
    상기 복수의 측정 기준은 제1 측정 기준, 제2 측정 기준, 제3 측정 기준, 제4 측정 기준 및 제5 측정 기준 중 적어도 두 개의 측정 기준을 포함하고,
    상기 제1 측정 기준은 영상 시청 주기이고,
    상기 제2 측정 기준은 영상 시청 빈도이고,
    상기 제3 측정 기준은 영상 시청 습관이고,
    상기 제4 측정 기준은 영상 댓글이고,
    상기 제5 측정 기준은 영상 선호도인 것을 특징으로 하는 상호 학습 시스템.
  6. ◈청구항 6은(는) 설정등록료 납부시 포기되었습니다.◈
    제5항에 있어서,
    필기 초반일 경우, 현재 필기 위치를 중심으로 한 상기 필기 객체를 중심으로 한 영상 편집이 수행되고,
    상기 임계 영역의 위치는 필기의 진행에 따라 상기 이전 필기 영역을 고려하여 가중치를 설정하여 상기 이전 필기 영역이 현재 필기 영역과 함께 보이도록 변화되는 것을 특징으로 하는 상호 학습 시스템.
  7. 삭제
  8. ◈청구항 8은(는) 설정등록료 납부시 포기되었습니다.◈
    제5항에 있어서,
    상기 학습 동기 지수는 상기 복수의 측정 기준의 평균값인 것을 특징으로 하는 상호 학습 시스템.
KR1020180115704A 2018-09-28 2018-09-28 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치 KR102089725B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180115704A KR102089725B1 (ko) 2018-09-28 2018-09-28 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180115704A KR102089725B1 (ko) 2018-09-28 2018-09-28 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102089725B1 true KR102089725B1 (ko) 2020-03-16

Family

ID=69948730

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180115704A KR102089725B1 (ko) 2018-09-28 2018-09-28 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102089725B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102393246B1 (ko) * 2021-08-26 2022-05-02 김동혁 커뮤니케이션 지수를 이용하는 방법 및 디바이스

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110044612A (ko) * 2009-10-23 2011-04-29 박정원 콘텐츠 서비스 시스템 및 방법
KR20140103862A (ko) * 2013-02-15 2014-08-27 (주)원더피플 콘텐츠 평가 서버 및 방법
KR20160095543A (ko) * 2015-02-03 2016-08-11 주식회사 다우인큐브 학습활동 분석 방법 및 시스템
KR20170074826A (ko) * 2017-04-20 2017-06-30 라인 가부시키가이샤 개인화 컨텐츠 제공 방법 및 이를 위한 컴퓨터 프로그램

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110044612A (ko) * 2009-10-23 2011-04-29 박정원 콘텐츠 서비스 시스템 및 방법
KR20140103862A (ko) * 2013-02-15 2014-08-27 (주)원더피플 콘텐츠 평가 서버 및 방법
KR20160095543A (ko) * 2015-02-03 2016-08-11 주식회사 다우인큐브 학습활동 분석 방법 및 시스템
KR20170074826A (ko) * 2017-04-20 2017-06-30 라인 가부시키가이샤 개인화 컨텐츠 제공 방법 및 이를 위한 컴퓨터 프로그램

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102393246B1 (ko) * 2021-08-26 2022-05-02 김동혁 커뮤니케이션 지수를 이용하는 방법 및 디바이스

Similar Documents

Publication Publication Date Title
Hew et al. Understanding student engagement in large-scale open online courses: A machine learning facilitated analysis of student’s reflections in 18 highly rated MOOCs
US11514809B2 (en) Educational and content recommendation management system
CN110598770A (zh) 一种多空间融合学习环境构建方法和装置
Haydn Using new technologies to enhance teaching and learning in History
Maaliw III et al. Classification of Learning Styles in Virtual Learning Environment Using J48 Decision Tree.
Papadopoulou et al. Using digital storytelling to develop foundational and new literacies
CN106708938A (zh) 用于辅助推荐的方法及装置
Dinesh et al. Student analytics for productive teaching/learning
Mirriahi et al. Analytics of learner video use
CN114491057A (zh) 基于知识图谱的学习路径推荐方法、系统、计算机及介质
KR102089725B1 (ko) 학습 동기 지수를 이용한 영상 기반의 상호 학습 방법 및 장치
CN113242468B (zh) 一种基于大数据云平台教育数据流的控制方法及系统
Qiao et al. Study on obe teaching concept in the context of deep learning for the construction of university mathematics microcourses
CN117114939A (zh) 多用户协同的学前智慧课堂管理系统
Leijen Applying machine learning techniques to investigate the influence of peer feedback on the writing process
KR102089724B1 (ko) 영상 메타 지수를 이용한 영상 기반의 상호 학습 방법 및 장치
Ullrich et al. Analyzing student viewing patterns in lecture videos
Hofer et al. Digital toolkits for teachers
Mozgovoy et al. Plagiarism Detection Systems for Programming Assignments: Practical Considerations
Singh Exploring the potential of social annotations for predictive and descriptive analytics
Ma et al. Understanding Student Slide Reading Patterns during the Pandemic.
Thankachan Adaptive learning
Ramadhan et al. Design and Development of a Learning Style Identification Application for JPTK Students using the K-Nearest Neighbor
KR102572168B1 (ko) 맞춤형 커리큘럼 제공이 가능한 인공지능 코칭 방법 및 시스템
Skvortsova et al. Distance mathematics lessons in primary school: services for creating interactive exercises

Legal Events

Date Code Title Description
GRNT Written decision to grant