KR102157140B1 - 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법 - Google Patents

합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법 Download PDF

Info

Publication number
KR102157140B1
KR102157140B1 KR1020180165718A KR20180165718A KR102157140B1 KR 102157140 B1 KR102157140 B1 KR 102157140B1 KR 1020180165718 A KR1020180165718 A KR 1020180165718A KR 20180165718 A KR20180165718 A KR 20180165718A KR 102157140 B1 KR102157140 B1 KR 102157140B1
Authority
KR
South Korea
Prior art keywords
learner
learning
educational
passability
education
Prior art date
Application number
KR1020180165718A
Other languages
English (en)
Other versions
KR20200076547A (ko
Inventor
조영탁
이용인
이성재
Original Assignee
(주) 휴넷
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 (주) 휴넷 filed Critical (주) 휴넷
Priority to KR1020180165718A priority Critical patent/KR102157140B1/ko
Publication of KR20200076547A publication Critical patent/KR20200076547A/ko
Application granted granted Critical
Publication of KR102157140B1 publication Critical patent/KR102157140B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • G06Q50/205Education administration or guidance
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q90/00Systems or methods specially adapted for administrative, commercial, financial, managerial or supervisory purposes, not involving significant data processing

Landscapes

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

Abstract

합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법을 개시한다. 본 발명의 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템은, 특정 시험의 시험 과목별로 학습자의 수준에 따라 구별된 복수의 교육 과정에 미리 정해진 복수의 교육 콘텐츠를 제공하는 교육 콘텐츠 제공부, 복수의 교육 과정 중 제1 교육 과정에서 제2 교육 과정으로 넘어갈 경우에 사용자의 학습 수준을 평가하는 진단 테스트를 제공하는 교육 수준 점검부 및 복수의 교육 콘텐츠별로 학습자 성취도를 산출하고, 학습자가 최종 학습한 교육 콘텐츠까지 산출된 학습자 성취도를 합산하여 학습자의 합격 가능성을 예측하는 합격 가능성 예측부를 포함한다.

Description

합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법{A learning contents providing System having predictability of passability and method using it}
본 발명은 학습 콘텐츠 제공 시스템에 관한 것으로서, 보다 상세하게는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법에 관한 것이다.
일반적으로 국가 공인 시험 등을 준비하는 학습자는 오프라인 또는 온라인 강의를 통해서 시험 범위에 속하는 과목별로 기본 강의, 객관식 강의, 주관식 강의 등을 수강하고, 모의시험을 통해서 실전에 대비하여 실전과 같은 문제를 풀어서 실제 시험에 대비하고 있다.
하지만, 기존에 알려진 각종의 시험을 준비하는 학습 커리큘럼은 학습자의 의지와 노력에 따라 그 성과가 달라지고, 학습자가 자신의 학습 성취도에 대한 객관적이고 통계적인 평가를 받지 못하므로, 준비 과정에서 얼마나 노력해야 하는지에 대해서 알지 못한다.
이로 인하여 시험 준비를 하는 과정에서 포기자가 속출하기도 하고, 시험에 아쉽게 떨어지는 등의 문제점이 있다. 또한, 시험 준비를 위해서 과도하게 시간과 노력을 사용함으로써 필요 이상의 자원을 낭비하는 문제점이 지적되고 있다.
이러한 문제점을 해결하기 위하여 새로운 방식으로 학습 콘텐츠 제공 시스템에 대한 개발의 필요성이 요구되고 있다.
특허문헌 1 : 한국공개특허 제10-2003-0088003호(공개일 :2003년11월15일) 특허문헌 2 : 한국공개특허 제10-2009-0022064호(공개일 : 2009년03월04일) 특허문헌 3 : 한국등록특허 제10-1011773호(공고일 :2011년01월24일)
상술한 필요성에 의해서 안출된 본 발명은 학습자의 학습 수준에 따라 차별적인 교육 콘텐츠를 반복적으로 제공하고, 교육 과정의 진행에 따라 학습자의 합격 가능성을 예측하여 학습자가 시험 합격을 위한 학습 계획을 수립할 수 있는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법을 제공하는 것을 목적으로 한다.
상기 목적을 달성하기 위하여 본 발명의 일 실시 예에 따른 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템은, 특정 시험의 시험 과목별로 학습자의 수준에 따라 구별된 복수의 교육 과정에 미리 결정된 방식에 따라 복수의 교육 콘텐츠를 제공하는 교육 콘텐츠 제공부; 상기 복수의 교육 과정 중 제1 교육 과정에서 제2 교육 과정으로 넘어갈 경우에 사용자의 학습 수준을 평가하는 진단 테스트를 제공하는 교육 수준 점검부; 및 복수의 교육 콘텐츠별로 학습자 성취도를 산출하고, 학습자가 최종 학습한 교육 콘텐츠까지 산출된 상기 학습자 성취도를 합산하여 학습자의 합격 가능성을 예측하는 합격 가능성 예측부;를 포함한다.
이 경우에, 상기 교육 콘텐츠 제공부는, 상기 복수의 교육 과정을 초급 교육 과정, 중급 교육 과정 및 고급 교육 과정으로 구분하고, 각 교육 과정을 구성하는 복수의 교육 콘텐츠를 복수의 회차로 반복적으로 제공하되, 각 회차별로 제공 방식을 변경한다.
이 경우에, 상기 교육 콘텐츠 제공부는, 상기 초급 교육 과정에서 상기 복수의 교육 콘텐츠를 제공할 때, 각 회차별로 응답 방식이 다른 문제를 제공한다.
한편, 상기 교육 콘텐츠 제공부는, 상기 중급 교육 과정에서 상기 복수의 교육 콘텐츠를 제공할 때, 각 회차별로 선택 문항의 개수가 증가하는 문제를 제공한다.
한편, 상기 교육 콘텐츠 제공부는, 상기 고급 교육 과정에서 상기 복수의 교육 콘텐츠를 제공할 때, 각 회차별로 문제 풀이 시간을 감축한 문제를 제공한다.
한편, 상기 교육 수준 점검부는, 상기 초급 교육 과정에서 상기 중급 교육 과정으로 넘어가는 제1 테스트, 상기 중급 교육 과정에서 상기 고급 교육 과정으로 넘어가는 제2 테스트, 및 상기 고급 교육 과정 이후에 제3 테스트를 제공한다
한편, 상기 합격 가능성 예측부는, 상기 복수의 교육 콘텐츠를 구성하는 각 콘텐츠별로 중요도(value_1), 학습자의 진도율(value_2), 반복 횟수(value_3) 및 학습자의 퀴즈 정답율(value_4)을 이용하여 상기 복수의 교육 콘텐츠별로 상기 학습자의 성취도를 산출하고, 학습자가 학습한 최종 교육 콘텐츠까지 성취도를 합산하여 해당 학습자의 합격율을 예측한다.
한편, 기존 학습자 중 합격자의 데이터를 이용하여 학습 진도별로 합격자의 목표치를 연산하고, 상기 목표치에 비교하여 학습자의 성취도를 대비한 정보를 학습자에게 제공하는 학습 정보 알림부;를 더 포함한다.
본 발명의 다른 실시 예에 따르면, 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 방법은, 특정 시험의 시험 과목별로 학습자의 수준에 따라 구별된 복수의 교육 과정에 미리 정해진 복수의 교육 콘텐츠를 제공하는 단계; 상기 복수의 교육 과정 중 제1 교육 과정에서 제2 교육 과정으로 넘어갈 경우에 사용자의 학습 수준을 평가하는 진단 테스트를 제공하는 단계; 및 복수의 교육 콘텐츠별로 학습자 성취도를 산출하고, 학습자가 최종 학습한 교육 콘텐츠까지 산출된 상기 학습자 성취도를 합산하여 학습자의 합격 가능성을 예측하는 단계;를 포함한다.
이 경우에, 상기 합격 가능성을 예측하는 단계에 이후에, 기존 학습자 중 합격자의 데이터를 이용하여 학습 진도별로 학습자의 목표치를 연산하는 단계와 상기 연산하는 단계에서 연산된 학습자의 목표치에 대비하여 학습자의 성취도를 제공하는 단계를 더 포함한다.
본 발명의 다양한 실시 예에 따르면, 학습자의 학습 수준에 따라 교육 콘텐츠를 차별적인 방식으로 반복하여 제공하고, 교육 과정의 진행에 따라 학습자의 합격 가능성을 예측하여 학습자가 시험 합격을 위한 학습 계획 수립에 반영하도록 함으로써, 학습자의 학습 효율을 높이고, 합격율을 향상시키는 효과를 발휘한다.
도 1은 본 발명의 일 실시 예에 따른 학습 콘텐츠 제공 시스템과 학습 관리 시스템을 예시적으로 도시한 블럭도,
도 2는 도 1에 도시된 학습 콘텐츠 제공 시스템을 구체적으로 설명하기 위한 블럭도,
도 3은 도 2에 도시된 교육 콘텐츠 제공부 및 교육 수준 점검부의 세부적인 구성을 예시적으로 도시한 도면,
도 4는 도 3에 도시된 초급 교육 과정에 대한 교육 콘텐츠 제공 스키마를 예시적으로 도시한 도면,
도 5는 도 3에 도시된 중급 교육 과정에 대한 교육 콘텐츠 제공 스키마를 예시적으로 도시한 도면,
도 6은 도 3에 도시된 고급 교육 과정에 대한 교육 콘텐츠 제공 스키마를 예시적으로 도시한 도면,
도 7은 도 2에 도시된 합격 가능성 예측부 및 학습 정보 알리부의 세부적인 구성을 예시적으로 도시한 도면,
도 8은 도 1에 도시된 교육 컨텐츠 제공 시스템과 학습 콘텐츠 관리 시스템의 관계를 예시적으로 설명하는 도면,
도 9는 도 8에 도시된 데이터 구성 모듈의 일 예를 예시적으로 도시한 도면, 그리고,
도 10은 도 8에 도시된 학습 서비스 구성 모듈의 일 예를 예시적으로 도시한 도면,
이하에서 도면을 참고하여 본 발명의 일 실시 예인 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템에 대한 바람직한 실시예를 설명한다. 이하의 설명은 본 발명이 속하는 기술 분야의 통상의 지식을 가진 사람이 본 발명의 기술적 사상의 범위에서 자유롭게 설계 변경하여 실시할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 학습 콘텐츠 제공 시스템과 학습 관리 시스템을 예시적으로 도시한 블럭도이다. 도 1을 참고하면, 학습 콘텐츠 제공 시스템(100)은 복수의 사용자에게 학습 콘텐츠 제공하고, 복수의 사용자로부터 학습자의 피드백을 수신한다. 학습 콘텐츠 제공 시스템(100)은 학습자의 피드백을 수신하고, 이를 이용하여 학습자의 합격 예측 정보를 생성한 뒤 사용자에게 제공할 수 있다.
또한, 학습 콘텐츠 제공 시스템(100)은 학습 관리 시스템(2000과 유선 또는 무선으로 통신하여 학습 콘텐츠를 제공받는다. 또는 학습 콘텐츠 제공 시스템(100)은 학습 관리 시스템(200)에 학습자 피드백 정보를 제공한다.
학습 관리 시스템(200)은 적어도 하나 이상이 관리자와 연결되고, 연결된 관리자의 관리에 따라 학습 관리를 실행한다. 학습 관리 시스템(200)은 관리자에 의해서 신규 학습 콘텐츠를 입력받을 수 있다. 학습 관리 시스템(200)은 입력된 학습 콘텐츠를 과정별로 학습 교육 과정을 생성한다. 또한 학습 관리 시스템(200)은 학습자 피드백 정보를 수신하여 학습자별로 학습 스케줄 관리를 수행한다.
도 2는 도 1에 도시된 학습 콘텐츠 제공 시스템을 구체적으로 설명하기 위한 블럭도이다. 도 2를 참고하면, 학습 콘텐츠 제공 시스템(100)은 교육 콘텐츠 제공부(110), 교육 수준 점검부(130), 합격 가능성 예측부(150) 및 학습 정보 알림부(170)를 포함한다.
교육 콘텐츠 제공부(110)는 특정 시험(예컨대, 공인중개사, 주택관리사 등)의 시험 과목(예컨대, 부동산학개론, 민법 등)별로 학습자의 수준에 따라 구별된 복수의 교육 과정에 미리 정해진 복수의 교육 콘텐츠를 제공한다.
교육 콘텐츠 제공부(110)는 학습자의 수준을 고려하여 복수의 교육 과정을 초급 교육 과정, 중급 교육 과정 및 고급 교육 과정 등으로 구분할 수 있다. 여기서, 초급 교육 과정은 해당 시험에 처음 입문한 수험생 또는 아직 기초가 다져지지 않은 초기 수험생을 대상으로 하는 교육 과정을 의미한다. 중급 교육 과정은 초급 교육 과정을 수료한 학습자 또는 이미 해당 시험에 대한 어느 정도의 교육 경험이 있는 수험생을 대상으로 하는 교육 과정을 의미한다. 고급 교육 과정은 중급 교육 과정을 수료한 학습자 또는 해당 시험에 대한 경험이 충분히 축적된 수험생을 대상으로 하는 교육 과정을 의미한다.
교육 콘텐츠 제공부(110)는 각각의 교육 과정을 복수의 차시로 구분하고, 각 차시는 동영상 콘텐츠 또는 관련 문제들로 구성될 수 있다. 여기서 '차시'는 기 결정된 교육 시간으로 구획된 강의 단위를 의미한다. 예컨대, 공인중개사 시험의 1차과목 중 하나인 "부동산학개론"을 총 20차시로 구성한다면, 20개 차시는 일정한 시간 단위로 구획되고, 각각의 차시에는 대응하는 교육 콘텐츠가 할당된다.
학습자는 제1차시 교육 콘텐츠부터 제20차시 교육 콘텐츠까지 순차적으로 학습한다. 즉, 본 발명에서의 차시는 교육 과정을 이루는 최소 단위이고, 차시별로 제공되는 교육 콘텐츠에 대한 학습자의 중요도, 진도율, 반복율, 테스트 점수 등을 고려하여 학습자의 합격 가능성 예측을 할 수 있다는 점에서 본 발명이 기술적 특징이 있다.
교육 수준 점검부(130)는 초급 교육 과정에서 중급 교육 과정으로 넘어가는 도중에 학습자에게 제1 테스트 콘텐츠를 제공하여, 학습자의 교육 수준을 점검할 수 있다. 또한, 교육 수준 점검부(130)는 중급 교육 과정에서 고급 교육 과정으로 넘어가는 도중에 학습자에게 제2 테스트를 제공하여, 학습자의 교육 수준을 점검할 수 있다. 또한, 교육 수준 점검부(130)는 고급 교육 과정 이후에 제3 테스트 콘텐츠를 제공하여, 학습자의 교육 수준을 점검할 수 있다.
합격 가능성 예측부(150)는 복수의 교육 콘텐츠를 구성하는 각 콘텐츠(각 차시)별로 과정의 중요도(value_1), 학습자의 진도율(value_2), 반복 횟수(value_3) 및 학습자의 퀴즈 정답율(value_4)을 이용하여 학습자의 성취도를 연산한다. 또한, 합격 가능성 예측부(150)는 학습자별로 특정 시험에 대한 전체 교육 과정에서 학습자가 완료한 교육 과정까지의 학습 성취도를 합산하여 합격 가능성을 예측할 수 있다.
학습 정보 알림부(170)는 기존 학습자 중 합격자의 데이터를 이용하여 학습 진도별로 합격자의 목표치를 연산한다. 학습 정보 알림부(170)는 연산된 목표치에 비교하여 학습자의 성취도를 대비한 정보를 학습자에게 제공함으로써 학습자에게 학습에 대한 동기 부여와 함께 합격을 위한 정량 데이터를 제공할 수 있다.
도 3은 도 2에 도시된 교육 콘텐츠 제공부 및 교육 수준 점검부의 세부적인 구성을 예시적으로 도시한 도면이다. 도 3을 참고하면, 교육 콘텐츠 제공부(110)는 초급 교육 과정을 운영하기 위한 초급 교육 과정 스키마(111), 중급 교육 과정을 운영하기 위한 중급 교육 과정 스키마(113) 및 고급 교육 과정을 운영하기 위한 고급 교육 과정 스키마(115)를 포함한다.
도 4는 도 3에 도시된 초급 교육 과정에 대한 교육 콘텐츠 제공 스키마를 예시적으로 도시한 도면이다. 도 4를 참고하면, 초급 교육 과정의 경우에는 특정 시험에 대한 특정 과목에 대한 이론 동영상을 제시하고, 이론 동영상 이후에는 문제를 제공한다. 구체적으로, 초급 교육 과정 스키마(111)는 해당 시험의 특정 과목에 대해서 복수의 차수로 구분된 교육 콘텐츠를 제1 순환, 제2 순환, 제3 순환 등으로 반복적으로 제공한다.
예컨대, 학습자가 '부동산학개론'이라는 과목에 대해서 제1 순환에 들어가면 '부동산학개론'을 구성하는 총 20차시에 대한 강의 동영상을 제공하고, 강의 동영상에서 다룬 내용에 대한 ○/× 테스트를 제공한다. 학습자가 제2 순환에 들어가면 복수의 강의 동영상을 제공하고, 강의 동영상에서 다룬 내용에 대한 2지 선다 문제(2개의 질문지를 제시하고 하나를 고르는 방식)를 제공한다. 학습자가 제3 순환에 들어가면 복수의 강의 동영상을 제공하고, 강의 동영상에서 다룬 내용에 대한 단답형 문제(문장의 빈칸을 채우는 방식 또는 질문지에 대해 단어 또는 복수의 단어 조합으로 답하는 방식)를 제공한다.
초급 교육 과정 스키마(111)는 교육 과정을 반복할 수록 강의 영상 콘텐츠와 매칭된 문제의 답변 방식을 변경함으로써 학습자가 학습 내용을 고르게 이해하도록 학습시킬 수 있다.
도 5는 도 3에 도시된 중급 교육 과정에 대한 교육 콘텐츠 제공 스키마를 예시적으로 도시한 도면이다. 도 5를 참고하면, 중급 교육 과정 스키마(113)는 초급 진단 테스트를 통과한 학습자 또는 중급 교육 과정을 신청한 학습자에게 제공한다. 중급 교육 과정 스키마(113)는 문제의 답변의 개수를 가변시켜서 점차적으로 어려운 문제를 제시하여 학습자에게 반복 학습을 시키는 교육 과정이다. 예컨대, 최초에는 1지 선다(하나의 답변을 제시하는 방식)의 문제를 제시한다. 1지 선다의 경우에는 질문에 대한 올바른 답을 제시하여 주는 방식이다. 1지 선다가 종료하면, 2지 선다(하나의 문제에 두개의 답변을 제시하고 고르는 방식), 3지 선다(하나의 문제에 세개의 답변을 제시하고 고르는 방식), N지 선단(하나의 문제에 N개의 답변을 제시하고 고르는 방식)으로 답변의 개수를 증가시킨 문제를 제공한다.
중급 교육 과정 스키마(113)에서 각 문제를 풀고나면 문제 해설 동영상을 제공하여 학습자가 문제에 대한 이해를 향상시킬 수 있다. 예컨대, 1지 선다 문제가 제시되고, 학습자가 1지 선다 문제에 대한 풀이를 완료하면, 1지 선다 문제를 풀어주는 문제 해설 동영상을 제공한다. 마찬가지 방식으로 2지 선다 문제 부터 N지 선다 문제에 대한 풀이가 완료될 때마다 문제 해설 동영상을 제공함으로써, 학습자가 문제에 대한 이해를 할 수 있도록 도와준다.
중급 교육 과정 스키마(113)에 각 문제 해설 동영상을 제공한 뒤, 추가 교육 과정 스키마(117)는 학습자의 성취도에 따라 심화 이론 강의 동영상을 제공하고, 추가 훈련 문제를 제공할 수 있다.
도 6은 도 3에 도시된 고급 교육 과정에 대한 교육 콘텐츠 제공 스키마를 예시적으로 도시한 도면이다. 도 6을 참고하면, 고급 교육 과정 스키마(115)는 중급 진단 테스트를 통과한 학습자 또는 고급 교육 과정을 신청한 학습자에게 제공한다. 고급 교육 과정 스키마(113)는 문제 당 답변의 개수는 4개 또는 5개로 정해지고, 문제를 풀이할 수 있는 시간의 제한을 점차적으로 감소시킨 문제를 제공하는 교육 과정이다. 예컨대, 처음에는 120초 동안 하나의 문제에 대해서 풀이하도록 제한 시간이 정해지고, 반복 횟수가 증가할 수록 N초까지 문제를 풀이할 수 있는 시간이 감소하게 된다. 최종적으로 실전 문제 풀이와 동일한 조건으로 문제 풀이 시간을 제한함으로써, 학습자가 실전 문제와 동일한 시간에 문제를 풀이할 수 있도록 문제 풀이 시간을 조정하여 제공한다.
고급 교육 과정 스키마(115)에서 각 문제를 풀고나면 문제 해설 동영상을 제공하여 학습자가 문제에 대한 이해를 향상시킬 수 있다. 예컨대, 120초 제한 문제가 제시되고, 학습자가 해당 문제에 대한 풀이를 완료하면, 105초 제한 문제가 제시되고, 학습자가 해당 문제에 대한 풀이를 완료하면 105초 제한 문제를 풀어주는 문제 해설 동영상을 제공한다. 마찬가지 방식으로 90초, 75초, 60초까지 제한된 문제에 대한 문제 풀이가 완료될 때마다 문제 해설 동영상을 제공함으로써, 학습자가 문제에 대한 이해를 할 수 있도록 도와준다.
고급 교육 과정 스키마(115)에 각 문제 해설 동영상을 제공한 뒤, 추가 교육 과정 스키마(117)는 학습자의 성취도에 따라 심화 이론 강의 동영상을 제공하고, 추가 훈련 문제를 제공할 수 있다.
도 7은 도 2에 도시된 합격 가능성 예측부 및 학습 정보 알림부의 세부적인 구성을 예시적으로 도시한 도면이다. 도 7을 참고하면, 합격 가능성 예측부(150)는 합격 가능성 관리 스키마에 의해서 학습자의 합격 가능성을 예측할 수 있다. 예를 들어, 합격 가능성 예측부(150)는 각 차시의 출제 빈도수를 관리하는 차시 비중 등록 항목, 학습 진도율을 관리하는 학습 비중 등록 항목, 학습자의 과정 반복 비율을 관리하는 순환 비중 등록 항목, 해당 과정의 과년도 출제 비중을 관리하는 과정 비중 등록 항목, 학습자의 학습 성취도를 관리하는 훈련 비중 등록 항목 등을 이용하여 합격자의 합격 가능성을 예측할 수 있다.
학습 정보 알림부(170)는 학습자의 약점을 관리하는 약점 확인 스키마, 강의의 반복 횟수 등을 고려한 강의 보완 스키마, 해당 교육 콘텐츠별로 제시한 문제 풀이의 정답율 등을 고려한 훈련 문제 보완 스키마를 이용하여 해당 학습자에 대한 정보를 생성하고, 생성된 정보에 기초하여 해당 학습자에게 심화 이론 강의를 제공하거나 심화 훈련 문제를 제공해준다.
또는 학습 정보 알림부(170)는 해당 교육 과정에서 차시별로 이전 학습자 중 합격자의 진도율을 연산하여 학습자에게 제공해줌으로써, 합격을 위해서 현 시점에는 어느 정도의 진도율을 달성해야 하는지 시각적으로 알려줌으로써 학습 목표를 달성하기 위한 동기 부여를 제공한다.
도 8은 도 1에 도시된 학습 컨텐츠 제공 시스템과 학습 콘텐츠 관리 시스템의 관계를 예시적으로 설명하는 도면이다. 도 8을 참고하면, 학습 컨텐츠 제공 시스템(100)은 교육 콘텐츠 제공부(110), 교육 수준 점검부(130), 합격 가능성 예측부(150) 및 학습 정보 알림부(170)를 포함한다. 학급 컨텐츠 제공 시스템(100)은 학습 콘텐츠 관리 시스템(200)으로부터 학습 콘텐츠를 제공받고, 학습자로부터 획득한 학습자 피드백 정보를 제공한다. 또한, 학습 컨텐츠 제공 시스템(100)은 학습자에 대한 정보를 데이터베이스(300)에 제공하여 저장 보관한다.
학습 콘텐츠 관리 시스템(200)은 데이터 구성 모듈(210) 및 학습 서비스 구성 모듈(230)을 포함한다. 학습 콘텐츠 관리 시스템(200)은 관리자에 의해서 입력되는 교육 콘텐츠와 학습자의 수준, 학습자의 피드백 정보 등을 이용하여 학습 교육 과정을 자동적으로 생성하거나 관리자 또는 학습자의 요청에 따라 반자동적으로 생성할 수 있다. 학습 콘텐츠 관리 시스템(200)은 학습 관련 정보를 데이터 베이스(300)에 제공하여 보관 저장한다.
도 9는 도 8에 도시된 데이터 구성 모듈의 일 예를 예시적으로 도시한 도면이다. 도 9를 참고하면, 데이터 구성 모듈(210)은 코드 관리 스키마(211), 콘텐츠 관리 스키마(213) 및 합격 가능성 관리 스키마(215)를 포함한다.
코드 관리 스키마(211)는 자격증, 전문시험, 수험 시험 등의 종류별로 분류하는 기능을 수행하는 카테고리 등록 항목, 커리큘럼에 대한 일반적인 정보를 처리하는 커리큘럼 등록 항목, 해당 과목에 대한 세부 정보를 관리하는 과목 등록 항목 및 해당 과목에 대해서 강의하는 교수에 관한 정보를 관리하는 교수 등록 항목을 관리한다.
콘텐츠 관리 스키마(213)는 강의 영상을 관리하는 강의 영상 등록 항목, 관련 문제를 관리하는 문제 등록 항목을 포함한다. 강의 영상과 관련 문제를 매칭하여 관리하되, 강의 영상에 대한 시청 시간 정보, 반복 시청 횟수 등의 학습자 정보도 매칭하여 관리한다.
합격 가능성 관리 스키마(215)는 학습자가 학습 중인 교육 과정별로 각 차시의 출제 빈도수를 관리하는 차시 비중 등록 항목, 학습 진도율을 관리하는 학습 비중 등록 항목, 학습자의 과정 반복 비율을 관리하는 순환 비중 등록 항목, 해당 과정의 과년도 출제 비중을 관리하는 과정 비중 등록 항목, 학습자의 학습 성취도를 관리하는 훈련 비중 등록 항목 등을 관리한다.
데이터 구성 모듈(210)은 코드 관리 스키마(211), 콘텐츠 관리 스키마(213) 및 합격 가능성 관리 스키마(215) 등에서 관리하는 학습자 정보를 데이터 베이스(300)에 제공하고, 보관하여 저장한다.
도 10은 도 8에 도시된 학습 서비스 구성 모듈의 일 예를 예시적으로 도시한 도면이다. 도 10을 참고하면, 학습 서비스 구성 모듈(230)은 강의 구성 스키마(231), 시험 구성 스키마(233) 및 학습 구성 스키마(235)를 포함한다.
강의 구성 스키마(231)는 특정 시험의 특정 과목에 대한 강의 영상 경로 정보를 보관하고 관리한다. 강의 구성 스키마(231)는 관리자 또는 사용자의 요청이나 제어에 따라 강의 영상의 구성을 다르게 구성하도록 강의 영상 경로를 관리할 수 있다.
시험 구성 스키마(233)는 복수의 문제를 강의 영상에 매칭하여 보관 관리하는 풀이 문제 등록 항목과 시험 정보, 기출 문제 정보를 보관 관리하는 시험정도 등록 항목을 관리할 수 있다.
학습 구성 스키마(235)는 학습자별 학습 정보를 관리하는 학습 정보 등록 항목을 관리할 수 있다. 학습 구성 스키마(235)는 학습자의 학습 진도, 학습 수준, 반복 수준, 문제 풀이 정답율 등의 정보를 학습자에 대한 학습 정보로 보관하여 관리한다.
학습 서비스 구성 모듈(230)은 강의 구성 스키마(231), 시험 구성 스키마(233) 및 학습 구성 스키마(235)등에서 관리하는 강의, 문제, 학습 성취도 정보를 데이터 베이스(300)에 제공하고, 보관하여 저장한다.
한편, 본 발명의 실시 예를 구성하는 모든 구성 요소들이 하나로 결합하거나 결합하여 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시 예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성 요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성 요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수 개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 그 컴퓨터 프로그램을 구성하는 코드들 및 코드 세그먼트들은 본 발명의 기술 분야의 당업자에 의해 용이하게 추론될 수 있을 것이다. 이러한 컴퓨터 프로그램은 컴퓨터가 읽을 수 있는 비일시적 저장매체(non-transitory computer readable media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시 예를 구현할 수 있다.
여기서 비일시적 판독 가능 기록매체란, 레지스터, 캐시(cache), 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라, 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로, 상술한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리 카드, ROM 등과 같은 비일시적 판독가능 기록매체에 저장되어 제공될 수 있다.
이상에서는 본 발명의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안 될 것이다.
100 : 학습 콘텐츠 제공 시스템
110 : 교육 콘텐츠 제공부
130 : 교육 수준 점검부
150 : 합격 가능성 예측부
170 : 학습 정보 알림부
200 : 학습 관리 시스템

Claims (10)

  1. 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템에 있어서,
    특정 시험의 시험 과목별로 학습자의 수준에 따라 구별된 복수의 교육 과정에 미리 결정된 방식에 따라 복수의 교육 콘텐츠를 제공하는 교육 콘텐츠 제공부;
    상기 복수의 교육 과정 중 제1 교육 과정에서 제2 교육 과정으로 넘어갈 경우에 사용자의 학습 수준을 평가하는 진단 테스트를 제공하는 교육 수준 점검부; 및
    복수의 교육 콘텐츠별로 학습자 성취도를 산출하고, 학습자가 최종 학습한 교육 콘텐츠까지 산출된 상기 학습자 성취도를 합산하여 학습자의 합격 가능성을 예측하는 합격 가능성 예측부;를 포함하고,
    상기 합격 가능성 예측부는, 상기 복수의 교육 콘텐츠를 구성하는 각 콘텐츠별로 중요도(value_1), 학습자의 진도율(value_2), 반복 횟수(value_3) 및 학습자의 퀴즈 정답율(value_4)을 이용하여 상기 복수의 교육 콘텐츠별로 상기 학습자의 성취도를 산출하고, 학습자가 학습한 최종 교육 콘텐츠까지 성취도를 합산하여 해당 학습자의 합격율을 예측하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템.
  2. 제1 항에 있어서,
    상기 교육 콘텐츠 제공부는,
    상기 복수의 교육 과정을 초급 교육 과정, 중급 교육 과정 및 고급 교육 과정으로 구분하고,
    각 교육 과정을 구성하는 복수의 교육 콘텐츠를 복수의 회차로 반복적으로 제공하되, 각 회차별로 제공 방식을 변경하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템.
  3. 제2 항에 있어서,
    상기 교육 콘텐츠 제공부는,
    상기 초급 교육 과정에서 상기 복수의 교육 콘텐츠를 제공할 때, 각 회차별로 응답 방식이 다른 문제를 제공하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템.
  4. 제2 항에 있어서,
    상기 교육 콘텐츠 제공부는,
    상기 중급 교육 과정에서 상기 복수의 교육 콘텐츠를 제공할 때, 각 회차별로 선택 문항의 개수가 증가하는 문제를 제공하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템.
  5. 제2 항에 있어서,
    상기 교육 콘텐츠 제공부는,
    상기 고급 교육 과정에서 상기 복수의 교육 콘텐츠를 제공할 때, 각 회차별로 문제 풀이 시간을 감축한 문제를 제공하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템.
  6. 제2 항에 있어서,
    상기 교육 수준 점검부는,
    상기 초급 교육 과정에서 상기 중급 교육 과정으로 넘어가는 제1 테스트, 상기 중급 교육 과정에서 상기 고급 교육 과정으로 넘어가는 제2 테스트, 및 상기 고급 교육 과정 이후에 제3 테스트를 제공하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템.
  7. 삭제
  8. 제1 항에 있어서,
    기존 학습자 중 합격자의 데이터를 이용하여 학습 진도별로 합격자의 목표치를 연산하고, 상기 목표치에 비교하여 학습자의 성취도를 대비한 정보를 학습자에게 제공하는 학습 정보 알림부;를 더 포함하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템.
  9. 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 방법에 있어서,
    특정 시험의 시험 과목별로 학습자의 수준에 따라 구별된 복수의 교육 과정에 미리 정해진 복수의 교육 콘텐츠를 제공하는 단계;
    상기 복수의 교육 과정 중 제1 교육 과정에서 제2 교육 과정으로 넘어갈 경우에 사용자의 학습 수준을 평가하는 진단 테스트를 제공하는 단계; 및
    복수의 교육 콘텐츠별로 학습자 성취도를 산출하고, 학습자가 최종 학습한 교육 콘텐츠까지 산출된 상기 학습자 성취도를 합산하여 학습자의 합격 가능성을 예측하는 단계;를 포함하고,
    상기 합격 가능성을 예측하는 단계는, 상기 복수의 교육 콘텐츠를 구성하는 각 콘텐츠별로 중요도(value_1), 학습자의 진도율(value_2), 반복 횟수(value_3) 및 학습자의 퀴즈 정답율(value_4)을 이용하여 상기 복수의 교육 콘텐츠별로 상기 학습자의 성취도를 산출하고, 학습자가 학습한 최종 교육 콘텐츠까지 성취도를 합산하여 해당 학습자의 합격율을 예측하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 방법.
  10. 제9 항에 있어서,
    상기 합격 가능성을 예측하는 단계에 이후에, 기존 학습자 중 합격자의 데이터를 이용하여 학습 진도별로 학습자의 목표치를 연산하는 단계와
    상기 연산하는 단계에서 연산된 학습자의 목표치에 대비하여 학습자의 성취도를 제공하는 단계를 더 포함하는 것을 특징으로 하는 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 방법.
KR1020180165718A 2018-12-19 2018-12-19 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법 KR102157140B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180165718A KR102157140B1 (ko) 2018-12-19 2018-12-19 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180165718A KR102157140B1 (ko) 2018-12-19 2018-12-19 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법

Publications (2)

Publication Number Publication Date
KR20200076547A KR20200076547A (ko) 2020-06-29
KR102157140B1 true KR102157140B1 (ko) 2020-09-17

Family

ID=71401318

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180165718A KR102157140B1 (ko) 2018-12-19 2018-12-19 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법

Country Status (1)

Country Link
KR (1) KR102157140B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102644306B1 (ko) 2024-01-02 2024-03-07 ㈜엠엔씨에이프로 대학교 합격자 통합충원 관리 서비스 제공 장치, 방법, 및 프로그램

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114881827B (zh) * 2022-06-21 2023-01-24 武汉唯众智创科技有限公司 一种基于互联网的远程在线教育培训方法、系统及存储介质
KR102541960B1 (ko) * 2022-08-29 2023-06-14 박준현 건곤감리 태권도 교육을 위한 순환식 커리큘럼을 이용한 컴퓨터 프로그램, 그러한 교육 방법 및 이를 위한 컴퓨터 시스템

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001350851A (ja) * 2000-06-05 2001-12-21 Tsutsui Katsumi 合否判定システム、合否判定方法および合否判定プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2018180833A (ja) * 2017-04-11 2018-11-15 株式会社正進社 進路指導支援プログラム及びその方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030088003A (ko) 2003-10-13 2003-11-15 류봉균 인터넷을 통한 동영상 교육정보의 제공방법
KR20090022064A (ko) 2007-08-29 2009-03-04 류성현 반복학습을 이용한 학습충실도 평가방법 및 평가시스템
KR101011773B1 (ko) 2010-06-15 2011-02-07 (주)네오팝콘 교육컨텐츠 개발 및 분류를 통한 수준별 교육관리시스템 및 그 방법
KR101460090B1 (ko) * 2012-02-01 2014-11-10 주식회사 엔스마트솔루션 클라우드 컴퓨팅 기반 n 스크린 스마트 교육 시스템 및 그 방법
KR20150051198A (ko) * 2015-04-09 2015-05-11 주식회사 테라클 학습자 맞춤형 학습 서비스 제공 서버 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001350851A (ja) * 2000-06-05 2001-12-21 Tsutsui Katsumi 合否判定システム、合否判定方法および合否判定プログラムを記録したコンピュータ読み取り可能な記録媒体
JP2018180833A (ja) * 2017-04-11 2018-11-15 株式会社正進社 進路指導支援プログラム及びその方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102644306B1 (ko) 2024-01-02 2024-03-07 ㈜엠엔씨에이프로 대학교 합격자 통합충원 관리 서비스 제공 장치, 방법, 및 프로그램

Also Published As

Publication number Publication date
KR20200076547A (ko) 2020-06-29

Similar Documents

Publication Publication Date Title
Gezer-Templeton et al. Use of exam wrappers to enhance students’ metacognitive skills in a large introductory food science and human nutrition course
Schmidt et al. The process of problem‐based learning: what works and why
Verstege et al. Relations between students' perceived levels of self-regulation and their corresponding learning behavior and outcomes in a virtual experiment environment
Lynch et al. Relationships between observations of elementary mathematics instruction and student achievement: Exploring variability across districts
Reichwein et al. Instructors perceptions about student success and placement in developmental mathematics courses
Jacob When evidence is not enough: Findings from a randomized evaluation of Evidence-Based Literacy Instruction (EBLI)
KR102157140B1 (ko) 합격 가능성 예측 기능을 갖는 학습 콘텐츠 제공 시스템 및 이를 이용한 방법
Arnold Assessing student learning online: Overcoming reliability issues
Gavarkovs et al. A protocol for designing online training to support the implementation of community-based interventions
Maguire et al. Using automatic machine assessment to teach computer programming
US11170658B2 (en) Methods, systems, and computer program products for normalization and cumulative analysis of cognitive post content
Wilson An experiential approach to improving students’ critical-thinking and problem-solving skills
Ferrari et al. Learning requirements elicitation interviews with role-playing, self-assessment and peer-review
Coulthard A descriptive case study: Investigating the implementation of web based, automated grading and tutorial software in a freshman computer literacy course
Kim Preservice teachers’ enacted pedagogical content knowledge as a function of content knowledge in teaching elementary physical education content
US20150194063A1 (en) Systems and methods for measuring the effectiveness of verbal and nonverbal communication skills via peer reviews
Rodríguez et al. Towards an intervention mechanism for supporting learners performance in online learning
Thonney et al. The Relationship between cumulative credits and student learning outcomes: A cross-sectional assessment
KR20210126598A (ko) 토픽에서 사용자의 숙련도를 발달시키기 위한 시스템, 방법 및 컴퓨터 판독 가능 매체
Nguyen et al. Factors Influencing Online Learner Performance during Coronavirus Disease Pandemic: A Case Study in Vietnamese Universities.
Mackie et al. Reinventing baccalaureate social work program assessment and curriculum mapping under the 2008 EPAS: A conceptual and quantitative model
Moe Learning, knowing, and doing classroom assessment: exposure and understanding rates of assessment knowledge among elementary pre-service teachers
Craven 2018 NSSME+: Status of middle school mathematics
Lucio et al. Using dashboards to engage faculty in improving academic programs and courses
Kim et al. Professional Development Policies and Practices for Developing Content Knowledge of Physical Education Teachers

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right