KR102222714B1 - 사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템 - Google Patents

사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템 Download PDF

Info

Publication number
KR102222714B1
KR102222714B1 KR1020200116159A KR20200116159A KR102222714B1 KR 102222714 B1 KR102222714 B1 KR 102222714B1 KR 1020200116159 A KR1020200116159 A KR 1020200116159A KR 20200116159 A KR20200116159 A KR 20200116159A KR 102222714 B1 KR102222714 B1 KR 102222714B1
Authority
KR
South Korea
Prior art keywords
user
content
empathy
query
education
Prior art date
Application number
KR1020200116159A
Other languages
English (en)
Inventor
남재현
Original Assignee
주식회사 공감우리
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 공감우리 filed Critical 주식회사 공감우리
Priority to KR1020200116159A priority Critical patent/KR102222714B1/ko
Application granted granted Critical
Publication of KR102222714B1 publication Critical patent/KR102222714B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education

Abstract

본 발명의 일 실시예에 따른 공감 교육용 컨텐츠를 추천하는 방법은, 사용자에 대한 정보를 입력받는 단계; 및 입력받은 사용자에 대한 정보에 기초하여, 상기 사용자에게 하나 이상의 가족과 관련된 공감 교육용 컨텐츠를 추천하는 단계를 포함하고, 상기 공감 교육용 컨텐츠를 추천하는 단계는, 상기 사용자에 대한 정보를 입력받으면, 상기 사용자에게 적합한 컨텐츠를 출력하도록 기 학습된 인공 신경망을 이용하여, 상기 공감 교육용 컨텐츠를 추천하는 단계를 포함할 수 있다.

Description

사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템{SYSTEM FOR AUTOMATICALLY MATCHING EDUCATIONAL CONTENT BASED ON USER INFORMATION}
본 발명은 사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템에 관한 것이다.
감정은 성장 과정에서 자연스럽게 터득하고 인지하는 것으로 알고 있으나, 최근 감정은 행동으로 연습이 필요하다는 견해가 나오고 있다. 특히, 유아일 때에 적절하고 효과적인 감정 연습을 하는 경우, 성장 시에 이러한 감정 연습으로 인하여 올바른 방향으로 감정이 효과적으로 자리잡는다는 견해가 있다.
특히 유아일 때를 강조하는 이유는 유아가 타인들의 감정을 관찰하고 모방하며, 이를 통해 정서발달의 사회화가 이루어질 수 있기 때문이다. 또한, 유아는 타인이 특정 상황을 어떻게 해석하는지를 참조할 수 있고, 이 때 상황에 따른 감정도 참조하며 상황을 이해해 나가기 때문이다. 나아가, 유아는 타인의 감정에 대한 상상을 통해 공감하며, 타인의 감정이 어떠할 것이다라는 상상의 폭은 다양한 정서 경험을 통해 넓어지기 때문이다.
이러한 이유로 유아 또는 어린 아이를 대상으로 감정 연습 또는 공감 연습을 위한 교육 방법에 대하여 연구 및 논의가 진행되고 있는 실정이다.
본 발명이 해결하고자 하는 과제는 사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 방법, 장치 및 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 기 학습된 인공 신경망을 이용하여 사용자에게 가장 적합한 공감 교육용 컨텐츠를 추천 또는 도출하여 매칭하는 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 과제는 교육 컨텐츠 매칭을 위한 공감 관련 교육용 컨텐츠를 추천하는 방법 및 장치를 제공하는 것이다.
다만, 본 발명이 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일 실시예에 따른 공감 교육용 컨텐츠를 추천하는 방법은, 사용자 단말로부터 사용자에 대한 정보를 입력받는 단계 및 입력받은 사용자에 대한 정보에 기초하여, 상기 사용자에게 하나 이상의 가족과 관련된 제1 공감 교육용 컨텐츠를 추천하는 단계를 포함하고, 상기 제1 공감 교육용 컨텐츠를 추천하는 단계는, 상기 사용자에 대한 정보를 입력받으면, 상기 사용자에게 적합한 컨텐츠를 출력하도록 기 학습된 인공 신경망을 이용하여, 상기 제1 공감 교육용 컨텐츠를 추천하는,
여기서, 상기 인공 신경망은 다른 사용자 또는 상기 공감 교육에 대한 전문가가 평가한 상기 출력의 적합 여부를 피드백으로서 더 입력받아 학습될 수 있다.
여기서, 상기 제1 공감 교육용 컨텐츠가 복수 개 추천되는 경우, 상기 추천된 복수 개의 제1 공감 교육용 컨텐츠를 추천 순위에 기초하여 상기 사용자에게 제공하는 단계를 더 포함할 수 있다.
여기서, 상기 제1 공감 교육용 컨텐츠는 도서, 영상, 연구 자료, 웹사이트, 애플리케이션 중에서 적어도 하나를 포함할 수 있다.
여기서, 상기 제1 공감 교육용 컨텐츠는 상기 사용자에게 가족과 관련된 공감 교육을 제공하기 위한 컨텐츠로서, 상기 사용자의 감정에 대해 알아볼 수 있는 교육 콘텐츠, 가족과의 관계에 대한 교육 컨텐츠, 상기 가족에 대해 알 수 있는 교육 컨텐츠, 가족 생활에 대한 교육 컨텐츠, 참여형 프로그램으로 제공되는 콘텐츠 중에서 적어도 하나를 포함할 수 있다.
여기서, 상기 사용자 단말, 상기 사용자의 보호자 단말 및 전문가 단말 중에서 적어도 하나에게, 상기 사용자에게 기 제공한 가족과 관련된 제1 공감 교육용 컨텐츠에 대한 질의를 제공하는 단계, 상기 사용자 단말, 상기 사용자의 보호자 단말 및 전문가 단말로부터 수신한 질의에 대한 응답에 기초하여, 상기 제1 공감 교육용 컨텐츠에 대한 학습 성취도를 결정하는 단계 및 상기 사용자에 대한 정보, 상기 제1 공감 교육용 컨텐츠의 클러스터 정보 및 상기 학습 성취도에 기초하여, 상기 사용자에게 제2 공감 교육용 컨텐츠를 추천하는 단계를 더 포함할 수 있다.
여기서, 상기 제1 공감 교육용 컨텐츠에 대한 질의를 제공하는 단계는 상기 사용자 단말에게 제1 질의를, 상기 보호자 단말에게 제2 질의를, 상기 전문가 단말에게 제3 질의를 제공하는 단계를 더 포함하고, 상기 제2 질의는 상기 제1 질의에 대한 상기 사용자 단말의 응답에 따른 제1 추가 질의를 포함하고, 상기 제3 질의는, 상기 사용자 단말의 응답에 따른 제2 추가 질의, 및 상기 제2 질의에 대한 상기 보호자 단말의 응답에 따른 제3 추가 질의를 포함할 수 있다.
여기서, 상기 제1 공감 교육용 컨텐츠에 대한 학습 성취도를 결정하는 단계는 상기 제1 질의에 대한 응답, 상기 제2 질의에 대한 응답 및 상기 제3 질의에 대한 응답에 서로 다른 가중치를 부여하여, 상기 학습 성취도를 결정하는 단계를 더 포함할 수 있다.
본 발명의 실시예에 의하면, 기 학습된 인공 신경망을 이용하여 사용자에게 공감 교육용 컨텐츠를 추천함으로써, 상기 사용자에게 가장 적합한 컨텐츠를 추천할 수 있고, 그에 따라, 사용자가 겪거나 겪을 수 있는 가족 관련 문제를 해결 또는 예방할 수 있다.
도 1은 본 발명의 일 실시예에 따른 공감 교육용 컨텐츠 매칭 장치를 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 공감 교육용 컨텐츠 추천 모델의 기능을 개념적으로 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른 컨텐츠 추천부를 학습시키는 방법을 나타내는 블록도이다.
도 4는 본 발명의 실시예에 따라 교육 컨텐츠를 매칭하는 방법을 나타내는 흐름도이다.
도 5는 본 발명의 다른 실시예에 따라 교육 컨텐츠를 매칭하는 방법을 나타내는 흐름도이다.
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 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 발명의 일 실시예에 따른 공감 교육용 컨텐츠 매칭 장치를 나타내는 블록도이다.
도 1을 참조하면, 공감 교육용 컨텐츠 매칭 장치(100)는 프로세서(110), 메모리(120) 및 입출력부(130)를 포함할 수 있다.
프로세서(110)는 공감 교육용 컨텐츠 매칭 장치(100)의 동작을 전반적으로 제어할 수 있다.
메모리(120)는 공감 교육용 컨텐츠 추천 모델(200) 및 공감 교육용 컨텐츠 추천 모델(200)의 실행에 필요한 정보를 저장할 수 있다.
본 명세서에서 공감 교육용 컨텐츠 추천 모델(200)은 사용자의 요청이 있는 경우, 상기 사용자에게 가장 유용한 컨텐츠를 선별하여 추천해주는 소프트웨어(컴퓨터 프로그램 코드)를 의미할 수 있다.
프로세서(110)는 공감 교육용 컨텐츠 추천 모델(200)을 실행하기 위하여 메모리(120)에서 공감 교육용 컨텐츠 추천 모델(200) 및 공감 교육용 컨텐츠 추천 모델(200)의 실행에 필요한 정보를 로드할 수 있다.
프로세서(110)는, 공감 교육용 컨텐츠 추천 모델(200)을 실행하여, 사용자에게 가장 유용한 컨텐츠를 선별하여 추천할 수 있다. 공감 교육용 컨텐츠 추천 모델(200)의 기능 및/또는 동작에 대하여는 도 2를 통해 상세하게 살펴보기로 한다.
입출력부(130)는 사용자, 전문가, 운영자 등으로부터 사용자에 대한 정보를 입력받고, 공감 교육용 컨텐츠 추천 모델(200)을 이용하여 추천된 컨텐츠에 대한 정보를 사용자에게 디스플레이할 수 있다.
도 2는 본 발명의 일 실시예에 따른 공감 교육용 컨텐츠 추천 모델의 기능을 개념적으로 나타내는 블록도이다.
도 2를 참조하면, 공감 교육용 컨텐츠 추천 모델(200)은 사용자 정보 입력부(210), 컨텐츠 클러스터링부(220), 학습 성취도 획득부(230) 및 컨텐츠 추천부(240)를 포함할 수 있다.
도 2에 도시된 공감 교육용 컨텐츠 추천 모델(200)은 사용자 정보 입력부(210), 컨텐츠 클러스터링부(220), 학습 성취도 획득부(230) 및 컨텐츠 추천부(240)는 공감 교육용 컨텐츠 추천 모델(200)의 기능을 쉽게 설명하기 위하여 공감 교육용 컨텐츠 추천 모델(200)의 기능을 개념적으로 나눈 것으로서, 이에 한정되지 않는다. 실시예들에 따라, 공감 교육용 컨텐츠 추천 모델(200)은 사용자 정보 입력부(210), 컨텐츠 클러스터링부(220), 학습 성취도 획득부(230) 및 컨텐츠 추천부(240)의 기능은 병합/분리 가능하며, 하나의 프로그램에 포함된 일련의 명령어들로 구현될 수도 있다.
사용자 정보 입력부(210)는 사용자, 운영자 및 전문가 중 적어도 하나로부터 사용자에 대한 정보를 입력받을 수 있다.
여기서, 사용자에 대한 정보는 상기 사용자를 다른 사용자와 구분하기 위해, 상기 사용자의 특성을 나타내는 정보로서, 상기 사용자의 나이, 가족에 대한 정보(구성, 가족 특이점 등), 관심사, 문제 이력, 생애 주기, 가족의 주기, 가족의 유형, 가족에서의 지위, 가족 내의 다른 구성원과의 관계, 경제력(가족의 경제력을 포함함), 교육 정도(가족의 교육 정도를 포함함), 전문가의 사용자에 대한 견해 중에서 적어도 하나를 포함할 수 있다.
컨텐츠 클러스터링부(220)는 사용자에게 제공 가능한 복수의 컨텐츠들 각각의 성격 정보에 기초하여 상기 복수의 컨텐츠들을 클러스터링할 수 있다.
보다 자세하게는, 상기 복수의 컨텐츠들 각각은 컨텐츠의 성격을 나타내는 성격 정보를 포함할 수 있다. 예컨대, 상기 성격 정보는 컨텐츠의 주제, 타겟층, 종류, 형태, 학습 난이도, 요구하는 학습 성취도 중에서 적어도 하나를 포함할 수 있다.
컨텐츠 클러스터링부(220)는 상기 성격 정보에 따라 하나의 컨텐츠를 둘 이상의 클러스터로 클러스터링할 수 있다. 예컨대, 특정 컨텐츠의 성격 정보가 상기 특정 컨텐츠가 유아를 타겟으로 하고, 주제는 '부모님과 공감하기'이고, 학습 난이도는 중간인 경우, 상기 특정 컨텐츠는 유아를 타겟으로 하는 다른 컨텐츠들과 제1 클러스터를 형성하고, '부모님과 공감하기'과 주제가 동일 또는 유사한 다른 컨텐츠들과 제2 클러스터를 형성하고, 학습 난이도가 중간인 다른 컨텐츠들과 제3 클러스터를 형성할 수 있다.
학습 성취도 획득부(230)는 사용자, 보호자 및 전문가 중에서 적어도 하나로부터 사용자의 컨텐츠에 관한 학습 성취도를 결정할 수 있다.
보다 자세하게는, 학습 성취도 획득부(230)는 사용자, 보호자 및 전문가에게 사용자의 컨텐츠 학습에 대한 질의를 제공하고, 상기 질의에 대한 응답에 기초하여, 상기 사용자의 학습 성취도를 결정할 수 있다.
실시예에 따라, 학습 성취도 획득부(230)는 사용자, 보호자 및 전문가에게 서로 상이한 질의를 제공할 수 있다. 예컨대, 학습 성취도 획득부(230)는 사용자, 보호자 및 전문가 각각의 지적 수준, 관심사, 컨텐츠 이해도 등을 고려하여 사용자, 보호자 및 전문가에게 서로 상이한 질의를 제공할 수 있다.
또한, 실시예에 따라, 학습 성취도 획득부(230)는 사용자 및/또는 전문가가 작성한 질의에 대한 응답에 기초하여 보호자 추가 질의를 생성할 수 있고, 상기 보호자 추가 질의를 상기 보호자에게 제공할 수 있다.
이와 유사하게, 학습 성취도 획득부(230)는 사용자 및/또는 보호자가 작성한 질의에 대한 응답에 기초하여 전문가 추가 질의를 생성할 수 있고, 상기 전문가 추가 질의를 상기 전문가에게 제공할 수 있다.
또한, 실시예에 따라, 학습 성취도 획득부(230)는 상기 보호자 추가 질의 및 상기 전문가 추가 질의에 가중치를 설정할 수 있으며, 사용자, 보호자 및 전문가 각각의 응답에 서로 다른 가중치를 설정할 수 있다.
컨텐츠 추천부(240)는 입력받은 사용자에 대한 정보, 컨텐츠의 클러스터링 정보 및 사용자, 보호자 및 전문가로부터 수신한 질의에 대한 응답를 이용하여, 상기 사용자에게 하나 이상의 컨텐츠를 추천할 수 있다.
실시예에 따라, 컨텐츠 추천부(240)는 상기 사용자에게 이전에 추천했던 컨텐츠에 대한 정보, 상기 사용자, 상기 사용자의 보호자 및 전문가로부터 이전에 수신했던 질의에 대한 응답, 상기 사용자가 이전에 선택했던 컨텐츠에 대한 정보에 더 기초하여, 상기 사용자에게 하나 이상의 컨텐츠를 추천할 수 있다.
본 명세서에서 컨텐츠라 함은, 사용자에게 가족과 관련된 공감 교육을 하기 위한 공감 교육용 컨텐츠로서, 나의 감정에 대해 알아볼 수 있는 교육 콘텐츠(예컨대, 자기 공감 클래스, 유리 멘탈과 강심장, 나 키우기, 자아성장 로드맵, 셀프 코칭, 내 안이 목소리, 객관적 자기분석, 인생곡선을 통한 자기이해, 다중의 나 바라보기, 나를 보는 프레임 등), 다른 가족과의 관계에 대한 교육 컨텐츠(예컨대, 너와 나의 이야기 속 가시, 너랑 나랑 평생살기, 사랑해도 이 선은 넘지 말길, 소통먹통분통, 맞춰가거나 포기하거나, 혼자 살 것인가 같이 살 것인가, 어떤 결혼생활, 아이에게 나란 엄마는, 며느리와 잘 지내기 등), 가족에 대해 알 수 있는 교육 컨텐츠(예컨대, 모성과 부성, 같이 산다는 것에 대한 고찰, 가족변화의 역사적 흐름, 가족에 대한 감정, 가족이라는 이미지, 가족이라는 짐, 가족을 보는 시대적 프레임 등), 가족 생활에 대한 교육 컨텐츠(예컨대, 예비부모교육, 예비부부교육, 자녀성장주기별 부모교육, 양육이론, 가족상담이론 등, 가족생활을 위한 정보성 교육 등), 참여형 프로그램으로 제공되는 콘텐츠(예컨대, 유아감정 연습, 아동감정 코칭, 성인 자기이해 진로 코칭, 청소년 자기이해 진로 코칭, 청소년 감정 공감 등) 등을 포함할 수 있다.
또한, 본 명세서에서의 컨텐츠는 도서, 영상뿐만 아니라, 논문 등 연구 자료, 연구 자료에 대한 설명(소개) 글, 웹사이트, 애플리케이션 등을 포함할 수 있다.
컨텐츠 추천부(240)는 사용자에게 컨텐츠를 추천하기 위하여, 추천하고자 하는 컨텐츠에 대한 정보를 생성할 수 있다.
실시예에 따라, 컨텐츠 추천부(240)는 사용자에게 가장 적합한 컨텐츠를 추천하기 위하여 기 학습된 인공 신경망을 포함할 수 있다. 상기 인공 신경망을 학습시키는 방법은 도 3에서 보다 자세하게 설명하기로 한다.
컨텐츠 추천부(240)는 추천한 하나 이상의 컨텐츠를 사용자에게 제공할 수 있다.
실시예에 따라, 복수의 컨텐츠들을 사용자에게 제공하고자 하는 경우, 컨텐츠 추천부(240)는 추천하고자 하는 순서에 기초하여 상기 복수의 컨텐츠들을 제공할 수 있다. 예컨대, 복수의 컨텐츠를 추천할 때, 컨텐츠 추천부(240)는 추천 점수, 추천 순위 등 추천 순서를 결정하는데 이용되는 정보를 컨텐츠에 대한 정보에 더 포함시킬 수 있다.
도 3은 본 발명의 일 실시예에 따른 컨텐츠 추천부를 학습시키는 방법을 나타내는 블록도이다.
도 3을 참조하면, 컨텐츠 추천부(240)는 사용자에 대한 정보를 입력받으면, 입력받은 사용자에게 가장 적합한 컨텐츠를 하나 이상 출력하도록 학습될 수 있다.
본 명세서에서는 설명의 편의를 위해 컨텐츠 추천부(240)가 학습되는 것처럼 설명하지만, 이에 한정되지 않는다. 즉, 컨텐츠 추천부(240)는 그 일부로서 인공 신경망을 포함할 수 있으며, 도 3의 학습 방법은 컨텐츠 추천부(240)에 포함된 인공 신경망을 학습시키는 방법에 해당할 수 있다.
실시예에 따라, 컨텐츠 추천부(240)가 둘 이상의 컨텐츠를 추천하는 경우, 컨텐츠 추천부(240)는 추천하고자 하는 컨텐츠들의 추천 정도(예컨대, 점수, 순위 등)에 대한 정보를 더 출력할 수 있다.
컨텐츠 추천부(240)는 피드백 값으로서, 출력한 컨텐츠가 적합하게 추천되었는지 여부를 나타내는 평가 정보를 더 입력받아 학습될 수 있다.
상기 평가 정보는 사용자가 입력한 정보이거나, 전문가 또는 운영자가 입력한 정보일 수 있다.
예컨대, 사용자가 컨텐츠를 추천받을 때, 상기 사용자는 컨텐츠가 적합하게 추천되었는지에 대한 응답으로, 적합/부적합, 적합 평점 등을 입력할 수 있으며, 컨텐츠 추천부(240)는 상기 응답을 피드백 값으로 입력받아 더 학습될 수 있다. 이와 유사하게, 사용자가 컨텐츠를 추천받을 때, 상기 전문가 또는 상기 운영자는 컨텐츠가 상기 사용자에게 적합하게 추천되었는지 여부를 판단할 수 있으며, 컨텐츠 추천부(240)는 상기 판단 결과를 피드백 값으로 입력받아 더 학습될 수 있다.
도 4는 본 발명의 실시예에 따라 교육 컨텐츠를 매칭하는 방법을 나타내는 흐름도이다.
도 4를 참조하면, 사용자 정보 입력부(210)가 사용자, 운영자 및 전문가 중 적어도 하나로부터 사용자에 대한 정보를 입력받으면(S400), 컨텐츠 추천부(240)는 입력받은 사용자에 대한 정보를 이용하여, 상기 사용자에게 하나 이상의 컨텐츠를 추천하고(S410), 컨텐츠 제공부(240)는 하나 이상의 컨텐츠를 추천하여 사용자에게 제공할 수 있다(S420).
도 5는 본 발명의 다른 실시예에 따라 교육 컨텐츠를 매칭하는 방법을 나타내는 흐름도이다.
도 5를 참조하면, 사용자 정보 입력부(210)가 사용자, 운영자 및 전문가 중 적어도 하나로부터 사용자에 대한 정보를 입력받으면(S500), 학습 성취도 획득부(230)는 사용자, 보호자 및 전문가 중에서 적어도 하나에게, 사용자에게 기 제공한 가족과 관련된 제1 공감 교육용 컨텐츠에 대한 질의를 제공하고(S510), 사용자, 보호자 및 전문가 중에서 적어도 하나로부터 수신한 질의에 대한 응답에 기초하여, 제1 공감 교육용 컨텐츠에 대한 학습 성취도를 결정할 수 있다(S520).
컨텐츠 추천부(240)는 사용자에 대한 정보, 제1 공감 교육용 컨텐츠의 클러스터 정보 및 학습 성취도에 대한 정보에 기초하여, 사용자에게 제2 공감 교육용 컨텐츠를 추천할 수 있다(S530).
예를 들어, 일 실시예는 상기 제1 공감 교육용 컨텐츠에 대한 질의를 제공하기 위하여 상기 사용자에게 제1 질의를, 상기 보호자에게 제2 질의를, 상기 전문가에게 제3 질의를 제공할 수 있다. 여기서, 상기 제2 질의는 상기 제1 질의에 대한 상기 사용자의 응답에 따른 제1 추가 질의를 포함할 수 있고, 상기 제3 질의는, 상기 사용자의 응답에 따른 제2 추가 질의, 및 상기 제2 질의에 대한 상기 보호자의 응답에 따른 제3 추가 질의를 포함할 수 있다. 또는 예를 들어, 일 실시예는 상기 제1 공감 교육용 컨텐츠에 대한 학습 성취도를 결정하기 위해 상기 제1 질의에 대한 응답, 상기 제2 질의에 대한 응답 및 상기 제3 질의에 대한 응답에 서로 다른 가중치를 부여하여, 상기 학습 성취도를 결정할 수 있다.
또는 예를 들어, 상기 제1 공감 교육용 컨텐츠는, 상기 제1 공감 교육용 컨텐츠의 성격 정보에 따라, 복수의 클러스터들에 포함될 수 있고, 상기 제2 공감 교육용 컨텐츠를 추천하기 위해 일 실시예는 상기 복수의 클러스터들 각각으로부터 하나 이상의 컨텐츠를 추출하여, 상기 하나 이상의 제2 공감 교육용 컨텐츠를 추천할 수 있다. 또는 예를 들어, 일 실시예는 상기 사용자에 대한 정보, 상기 제2 공감 교육용 컨텐츠의 클러스터 정보 및 상기 제2 공감 교육용 컨텐츠에 대한 학습 성취도에 기초하여, 상기 사용자에게 제3 공감 교육용 컨텐츠를 추천할 수 있으며, 상기 사용자에게 제3 공감 교육용 컨텐츠를 추천하기 위해 상기 사용자, 상기 보호자 및 전문가 중에서 적어도 하나로부터 수신한, 상기 제1 공감 교육용 컨텐츠에 대한 질의에 대한 응답에 더 기초하여, 상기 제3 공감 교육용 컨텐츠를 추천할 수도 있다.
이 경우, 일 실시예는 상기 공감 교육용 컨텐츠가 복수 개 추천되는 경우, 상기 추천된 복수 개의 공감 교육용 컨텐츠를 추천 순위에 기초하여 상기 사용자에게 제공할 수 있으며, 상기 공감 교육용 컨텐츠는 도서, 영상, 연구 자료, 웹사이트, 애플리케이션 중에서 적어도 하나를 포함할 수 있다.
여기서, 상기 제1 공감 교육용 컨텐츠는 상기 사용자에게 가족과 관련된 공감 교육을 제공하기 위한 컨텐츠로서, 상기 사용자의 감정에 대해 알아볼 수 있는 교육 콘텐츠, 가족과의 관계에 대한 교육 컨텐츠, 상기 가족에 대해 알 수 있는 교육 컨텐츠, 가족 생활에 대한 교육 컨텐츠, 참여형 프로그램으로 제공되는 콘텐츠 중에서 적어도 하나를 포함할 수 있다.
본 발명에 첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 인코딩 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방법으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 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. 또, 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.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 품질에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 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. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (8)

  1. 공감 교육용 컨텐츠 매칭 장치에 의해 수행되는 공감 교육용 컨텐츠를 추천하는 방법에 있어서,
    사용자 단말로부터 사용자에 대한 정보를 입력받는 단계; 및
    입력받은 사용자에 대한 정보에 기초하여, 상기 사용자에게 하나 이상의 가족과 관련된 제1 공감 교육용 컨텐츠를 추천하는 단계를 포함하고,
    상기 제1 공감 교육용 컨텐츠를 추천하는 단계는,
    상기 사용자에 대한 정보를 입력받으면, 상기 사용자에게 적합한 컨텐츠를 출력하도록 기 학습된 인공 신경망을 이용하여, 상기 제1 공감 교육용 컨텐츠를 추천하는 단계를 포함하고,
    상기 인공 신경망은 다른 사용자 또는 상기 공감 교육에 대한 전문가가 평가한 상기 출력의 적합 여부를 피드백으로서 더 입력받아 학습되고,
    상기 제1 공감 교육용 컨텐츠가 복수 개 추천되는 경우, 상기 추천된 복수 개의 제1 공감 교육용 컨텐츠를 추천 순위에 기초하여 상기 사용자에게 제공하는 단계를 더 포함하고,
    상기 제1 공감 교육용 컨텐츠는 도서, 영상, 연구 자료, 웹사이트, 애플리케이션 중에서 적어도 하나를 포함하고,
    상기 제1 공감 교육용 컨텐츠는 상기 사용자에게 가족과 관련된 공감 교육을 제공하기 위한 컨텐츠로서, 상기 사용자의 감정에 대해 알아볼 수 있는 교육 콘텐츠, 가족과의 관계에 대한 교육 컨텐츠, 상기 가족에 대해 알 수 있는 교육 컨텐츠, 가족 생활에 대한 교육 컨텐츠, 참여형 프로그램으로 제공되는 콘텐츠 중에서 적어도 하나를 포함하고,
    상기 사용자 단말, 상기 사용자의 보호자 단말 및 전문가 단말 중에서 적어도 하나에게, 상기 사용자에게 기 제공한 가족과 관련된 제1 공감 교육용 컨텐츠에 대한 질의를 제공하는 단계;
    상기 사용자 단말, 상기 사용자의 보호자 단말 및 전문가 단말로부터 수신한 질의에 대한 응답에 기초하여, 상기 제1 공감 교육용 컨텐츠에 대한 학습 성취도를 결정하는 단계; 및
    상기 사용자에 대한 정보, 상기 제1 공감 교육용 컨텐츠의 클러스터 정보 및 상기 학습 성취도에 기초하여, 상기 사용자에게 제2 공감 교육용 컨텐츠를 추천하는 단계를 더 포함하고,
    상기 제1 공감 교육용 컨텐츠에 대한 질의를 제공하는 단계는,
    상기 사용자 단말에게 제1 질의를, 상기 보호자 단말에게 제2 질의를, 상기 전문가 단말에게 제3 질의를 제공하는 단계를 더 포함하고,
    상기 제2 질의는 상기 제1 질의에 대한 상기 사용자 단말의 응답에 따른 제1 추가 질의를 포함하고,
    상기 제3 질의는, 상기 사용자 단말의 응답에 따른 제2 추가 질의, 및 상기 제2 질의에 대한 상기 보호자 단말의 응답에 따른 제3 추가 질의를 포함하고,
    상기 제1 공감 교육용 컨텐츠에 대한 학습 성취도를 결정하는 단계는,
    상기 제1 질의에 대한 응답, 상기 제2 질의에 대한 응답 및 상기 제3 질의에 대한 응답에 서로 다른 가중치를 부여하여, 상기 학습 성취도를 결정하는 단계를 더 포함하고,
    상기 사용자에 대한 정보는 상기 사용자의 나이, 상기 사용자의 가족에 대한 정보, 상기 사용자의 관심사, 상기 가족의 유형, 상기 가족에서의 상기 사용자의 지위, 상기 가족 내의 다른 구성원과의 관계, 상기 사용자 또는 가족의 경제력 및 상기 사용자 또는 가족의 교육 정도를 포함하고,
    상기 제1 공감 교육용 컨텐츠가 복수 개 추천되는 경우, 상기 복수의 제1 공감 교육용 컨텐츠 각각에 대한 추천 점수가 함께 제공되고,
    상기 제1 공감 교육용 컨텐츠 및 상기 제2 공감 교육용 컨텐츠를 포함하는 복수의 공감 교육용 컨텐츠들은 컨텐츠의 성격 정보를 기반으로 복수의 클러스터들로 클러스터링되고, 상기 성격 정보는 주제, 타겟 층, 종류, 학습 난이도 및 요구 학습 성취도를 포함하고,
    상기 제1 공감 교육용 컨텐츠의 클러스터 정보는 상기 복수의 클러스터들 중 상기 제1 공감 교육용 컨텐츠가 포함된 클러스터에 관한 정보를 나타내는,
    공감 교육용 컨텐츠를 추천하는 방법.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
KR1020200116159A 2020-09-10 2020-09-10 사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템 KR102222714B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200116159A KR102222714B1 (ko) 2020-09-10 2020-09-10 사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200116159A KR102222714B1 (ko) 2020-09-10 2020-09-10 사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템

Publications (1)

Publication Number Publication Date
KR102222714B1 true KR102222714B1 (ko) 2021-03-04

Family

ID=75174184

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200116159A KR102222714B1 (ko) 2020-09-10 2020-09-10 사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템

Country Status (1)

Country Link
KR (1) KR102222714B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102542713B1 (ko) * 2022-03-03 2023-06-14 주식회사 오브릭스 강의에 대한 추천 컨텐츠를 제공하는 서버 및 동작 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160137269A (ko) * 2015-05-22 2016-11-30 주식회사 와이젠스쿨 학부모 참여형 다자학습평가 영어교육 시스템
KR102107848B1 (ko) * 2019-10-15 2020-05-07 주식회사이씨오 도서 추천 서비스 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160137269A (ko) * 2015-05-22 2016-11-30 주식회사 와이젠스쿨 학부모 참여형 다자학습평가 영어교육 시스템
KR102107848B1 (ko) * 2019-10-15 2020-05-07 주식회사이씨오 도서 추천 서비스 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102542713B1 (ko) * 2022-03-03 2023-06-14 주식회사 오브릭스 강의에 대한 추천 컨텐츠를 제공하는 서버 및 동작 방법

Similar Documents

Publication Publication Date Title
Feu et al. Task planning for sports learning by physical education teachers in the pre-service phase
Gordon et al. Training facial expression production in children on the autism spectrum
Rice et al. A conversation on object‐centered learning in art museums
KR102222714B1 (ko) 사용자 정보를 기반으로 교육 컨텐츠를 자동으로 매칭하는 시스템
Zhu An educational approach to machine learning with mobile applications
CN113239185B (zh) 教学课件的制作方法、设备及计算机可读存储介质
Laseno et al. Knowledge-based filtering recommender system to propose design elements of serious game
Daalmans et al. From good to bad and everything in between: An analysis of genre differences in the representation of moral nature
Liberman-Pincu et al. Impacting the perception of socially assistive robots-evaluating the effect of visual qualities among children
Le Lay Reflection on teaching dance on YOUTUbe: negotiating between maintaining a culturally relevant pedagogy and participating in the commercialized realities of teaching dance online
Valente et al. Adults’ visual recognition of actions simulations by finger gestures (ASFGs) produced by sighted and blind individuals
Wirawan et al. Analysis of child computer interaction in edutainment and simulation games application on android platform in indonesia
Ojagh et al. The role of media literacy in resolving children’s role-identity conflict: a case study of the children’s audience of Spider-Man cartoons
Marcus et al. Design, User Experience, and Usability: Users, Contexts and Case Studies: 7th International Conference, DUXU 2018, Held as Part of HCI International 2018, Las Vegas, NV, USA, July 15–20, 2018, Proceedings, Part III
Einstein Uncovering the unrealistic domestic goddess: a modified grounded theory approach to gender stereotypes in parenting blogs
KR20160083448A (ko) 영유아용 양치방법을 제공하는 온라인 영상교육 시스템 및 방법
Taylor et al. Media violence and male body image.
McLeod Sensorimotor stage
Kamal et al. Artificial intelligence a major asset for serious games
Ghaban Adapting gamification elements to learners’ personality dimensions
Frazer The social character of children's television viewing
KR102328998B1 (ko) 감정 학습 및 소통 장치, 그 동작 방법, 및 동영상 추천 및 재생 방법
Milne The EOTC milieu as a setting for teaching and learning experiences for five-year-old students in Technology Education
Burgess The bumper bundle book of modelling: NLP modelling made simple
Romadhon et al. The Influence of The Intensity of Gadget Use on The Individualism of Tadris IPS Students at IAIN Madura

Legal Events

Date Code Title Description
GRNT Written decision to grant