KR102235488B1 - Apparatus and method for learning type diagnosis using learner's visual behavior in online learning environment - Google Patents
Apparatus and method for learning type diagnosis using learner's visual behavior in online learning environment Download PDFInfo
- Publication number
- KR102235488B1 KR102235488B1 KR1020190050949A KR20190050949A KR102235488B1 KR 102235488 B1 KR102235488 B1 KR 102235488B1 KR 1020190050949 A KR1020190050949 A KR 1020190050949A KR 20190050949 A KR20190050949 A KR 20190050949A KR 102235488 B1 KR102235488 B1 KR 102235488B1
- Authority
- KR
- South Korea
- Prior art keywords
- learner
- interest
- learning type
- learning
- gaze
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003745 diagnosis Methods 0.000 title claims description 26
- 230000003945 visual behavior Effects 0.000 title abstract description 17
- 230000000007 visual effect Effects 0.000 claims abstract description 42
- 230000003542 behavioural effect Effects 0.000 claims abstract description 24
- 238000013459 approach Methods 0.000 claims description 57
- 230000008447 perception Effects 0.000 claims description 20
- 230000001755 vocal effect Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000001149 cognitive effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 230000007115 recruitment Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
온라인 학습 환경에서 학습자의 시각 행동을 활용한 학습 유형 진단 장치 및 방법이 개시된다. 학습 유형 진단 방법은 학습자가 해결하고자 하는 문제의 관심 영역들에 대한 시각 행동 데이터를 수집하는 단계; 상기 수집된 시각 행동 데이터를 이용하여 상기 문제의 관심 영역들에 대한 상기 학습자의 시선 고정 순서를 식별하는 단계; 상기 식별된 시선 고정 순서의 패턴을 분석하여 상기 문제의 해결 방식에 대응하는 대표 사건 별 발생 확률을 도출하는 단계; 및 상기 도출된 발생 확률에 기초하여 상기 문제에 대한 상기 학습자의 학습 유형을 진단하는 단계를 포함할 수 있다.Disclosed is an apparatus and method for diagnosing a learning type using a learner's visual behavior in an online learning environment. The method for diagnosing a learning type includes the steps of collecting visual behavioral data on areas of interest of a problem to be solved by a learner; Identifying an order of fixing the learner's gaze with respect to the areas of interest in the problem by using the collected visual behavioral data; Analyzing the pattern of the identified gaze fixation order to derive a probability of occurrence for each representative event corresponding to a method of solving the problem; And diagnosing the learning type of the learner for the problem based on the derived probability of occurrence.
Description
본 발명은 온라인 학습 환경에서 학습자의 시각 행동을 활용한 학습 유형 진단 장치 및 방법에 관한 것으로, 보다 구체적으로는 해결하고자 하는 문제의 관심 영역들에 대한 학습자의 시각 행동 데이터를 수집하고, 수집된 학습자의 시각 행동 데이터를 수량화하여 상기 학습자의 학습 유형을 진단하는 기술에 관한 것이다.The present invention relates to an apparatus and method for diagnosing a learning type using a learner's visual behavior in an online learning environment, and more specifically, to collect the learner's visual behavior data on the areas of interest of a problem to be solved, and the collected learner It relates to a technique for diagnosing the learning type of the learner by quantifying the visual behavior data of.
학습 과정에서 학습자가 어떠한 학습 전략을 사용하였는지는 학습의 효율성 및 학업성취에 영향을 미칠 수 있으며 특정 교과 학습에 효과적인 학습 방법이라고 할지라도 개별 학습자가 선호하는 학습 유형과 일치하지 않은 경우 그 효과성을 발휘하지 못할 수 있다. What kind of learning strategy the learner used in the learning process can affect the learning efficiency and academic achievement, and even if it is an effective learning method for specific subject learning, it is effective if it does not match the learning type preferred by individual learners. You may not be able to.
학습 유형은 학습하는 과정에서 나타나는 학습자의 개인적인 행동양식으로 학습자가 학습 콘텐츠를 학습하는 과정에서 발견되는 학습 습관, 방법, 스킬 등을 의미할 수 있다. 이러한 학습 유형은 과제수행에 영향을 주며, 학습자 중심 교육을 위한 가장 중요한 요소가 되므로 교수자는 학습자의 학습 유형을 파악하고 이를 학습 과정에 적용함으로써 학습자의 수행 향상을 촉진시키는 것이 필요하다.The learning type is a learner's personal behavior pattern that appears in the learning process, and may mean learning habits, methods, skills, etc. found in the process of learning the learning content by the learner. This type of learning affects the performance of the task and becomes the most important factor for learner-centered education. Therefore, it is necessary for the instructor to identify the learner's learning type and apply it to the learning process to promote the learner's performance improvement.
종래의 학습 유형을 측정하는 방법으로는 자기보고식 설문이 주를 이루고 있다. 그러나 이러한 자기보고식 설문의 문제점은 학습자 스스로 문항에 응답하기 때문에 사회적으로 긍정적으로 선호되거나 자신이 선호하는 문항들을 의도적으로 선택하는 오류를 범할 수 있어 학습자의 학습 유형을 진단하는데 부정적인 영향을 미칠 수 있다. As a method of measuring conventional learning patterns, self-reported questionnaires are mainly used. However, the problem of this self-report questionnaire is that the learner responds to the question by himself, so it is possible to make an error of choosing the question positively or deliberately choosing the question that he or she prefers, which can have a negative effect on diagnosing the learner's learning type. .
이에 최근에는 시선 추적기를 활용하여 학습 과정에서 측정되는 학습자의 시각 행동을 수집하고, 이를 하나의 값으로 평균화 한 뒤 자기보고식 설문 결과와 비교를 하는 객관적인 연구가 수행되고 있다. In recent years, objective research has been conducted in which a learner's visual behavior measured in the learning process is collected using a gaze tracker, averaged as a single value, and then compared with the self-reported questionnaire results.
그러나 전체 학습 시간 중에 발생한 하나의 평균값을 활용한 시각 행동은 학습자가 어떤 의도를 가지고 시선을 이동하였는지를 해석하는 데 한계가 있고, 학습자가 어떤 내용을 보면서 학습에 필요한 전략을 활용하였는지 파악하는 데 어려움이 있다. However, the visual behavior using one average value that occurred during the entire learning period has limitations in interpreting what intention the learner has shifted his gaze with, and it is difficult to grasp what the learner used the strategies necessary for learning while viewing what content. have.
따라서, 학습 과정에 중점을 두고 학습자의 시각 행동의 변화 과정을 살펴볼 수 있는 시각 행동 변수를 활용하여 학습 유형을 분석함으로써 학습자가 어떤 전략을 활용하여 문제를 해결하였는지 살펴볼 수 있는 학습 유형 진단 방법이 필요하다.
선행기술문헌 : 공개특허공보 제10-2014-0046652호(2014.04.21.)Therefore, there is a need for a learning type diagnosis method that can examine what strategies the learner used to solve the problem by analyzing the learning type using visual behavioral variables that can examine the change process of the learner's visual behavior with an emphasis on the learning process. Do.
Prior art document: Publication No. 10-2014-0046652 (2014.04.21.)
본 발명은 해결하고자 하는 문제의 관심 영역들에 대한 학습자의 시각 행동 데이터를 수집하고, 수집된 학습자의 시각 행동 데이터를 수량화하여 상기 학습자의 학습 유형을 진단하는 장치 및 방법을 제공할 수 있다.The present invention can provide an apparatus and a method for diagnosing the learner's learning type by collecting the learner's visual behavior data on areas of interest of a problem to be solved, and quantifying the collected visual behavior data of the learner.
또한, 본 발명은 진단된 학습자의 학습 유형과 학습 성과가 우수한 학습자 집단의 시각 행동 데이터를 통해 진단된 학습 유형을 비교 분석함으로써 학습자의 문제점을 피드백 하는 장치 및 방법을 제공할 수 있다. In addition, the present invention can provide an apparatus and method for feeding back a learner's problem by comparing and analyzing the diagnosed learner's learning type and the diagnosed learning type through visual behavioral data of a learner group having excellent learning outcomes.
본 발명의 학습 유형 진단 방법은 학습자가 해결하고자 하는 문제의 관심 영역들에 대한 시각 행동 데이터를 수집하는 단계; 상기 수집된 시각 행동 데이터를 이용하여 상기 문제의 관심 영역들에 대한 상기 학습자의 시선 고정 순서를 식별하는 단계; 상기 식별된 시선 고정 순서의 패턴을 분석하여 상기 문제의 해결 방식에 대응하는 대표 사건 별 발생 확률을 도출하는 단계; 및 상기 도출된 발생 확률에 기초하여 상기 문제에 대한 상기 학습자의 학습 유형을 진단하는 단계를 포함할 수 있다.The method for diagnosing a learning type of the present invention includes the steps of collecting visual behavioral data on areas of interest of a problem to be solved by a learner; Identifying an order of fixing the learner's gaze with respect to the areas of interest in the problem by using the collected visual behavioral data; Analyzing the pattern of the identified gaze fixation order to derive a probability of occurrence for each representative event corresponding to a method of solving the problem; And diagnosing the learning type of the learner for the problem based on the derived probability of occurrence.
상기 수집하는 단계는 상기 수집된 시각 행동 데이터에 시선 측정 유효 코드(validity code)를 적용하여 전처리를 수행할 수 있다.In the collecting step, pre-processing may be performed by applying a gaze measurement validity code to the collected visual behavioral data.
상기 도출하는 단계는 상기 문제가 공간 지각 문제인 경우, 대표 사건에 대응하는 관심 영역들에 대한 시선 고정 지속시간 및 상기 관심 영역들 간 비교 횟수를 이용하여 상기 대표 사건 별 발생 확률을 도출하고, 상기 진단하는 단계는 상기 도출된 발생 확률에 기초하여 상기 학습자의 학습 유형을 전체적 접근 또는 분석적 접근으로 분류할 수 있다.In the deriving step, when the problem is a spatial perception problem, the probability of occurrence of each representative event is derived using a duration of gaze fixation for the regions of interest corresponding to the representative event and the number of comparisons between the regions of interest, and the diagnosis In the step of performing, the learning type of the learner may be classified as a holistic approach or an analytic approach based on the derived probability of occurrence.
상기 진단하는 단계는 상기 도출된 대표 사건 별 발생 확률이 미리 설정된 임계치 이상인 경우, 상기 학습자의 학습 유형을 분석적 접근으로 분류하고, 상기 도출된 대표 사건 별 발생 확률이 상기 미리 설정된 임계치 미만인 경우, 상기 학습자의 학습 유형을 전체적 접근으로 분류할 수 있다.The step of diagnosing comprises classifying the learner's learning type as an analytical approach when the derived probability of occurrence of each representative event is greater than or equal to a preset threshold, and when the derived probability of occurrence of each of the derived representative events is less than the preset threshold, the learner Can be classified as a holistic approach.
상기 도출하는 단계는 상기 문제가 연산 문제인 경우, 대표 사건에 대응하는 관심 영역들에 대한 시선 고정 횟수의 비율을 도출하고, 상기 진단하는 단계는, 상기 도출된 시선 고정 횟수의 비율에 기초하여 상기 학습자의 학습 유형을 언어적 접근 또는 시각적 접근으로 분류할 수 있다.In the deriving step, when the problem is an arithmetic problem, a ratio of the number of times of fixing gaze to regions of interest corresponding to a representative event is derived, and the step of diagnosing includes the learner based on the ratio of the number of times of fixing gaze. Type of learning can be categorized as a verbal or visual approach.
상기 진단하는 단계는 상기 관심 영역들 중 그림을 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 상기 학습자의 학습 유형을 시각적 접근으로 분류하고, 상기 관심 영역들 중 문자를 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 상기 학습자의 학습 유형을 언어적 접근으로 분류할 수 있다.In the step of diagnosing, if the ratio of the number of times of fixing the gaze to the region of interest including a picture is the highest, the learning type of the learner is classified as a visual approach, and interest including characters among the regions of interest When the ratio of the number of times the gaze is fixed to the area is the highest, the learner's learning type may be classified as a linguistic approach.
상기 진단된 학습자의 학습 유형에 기초하여 상기 문제의 해결을 위한 가이드를 제공하는 단계를 더 포함할 수 있다.It may further include providing a guide for solving the problem based on the diagnosed learner's learning type.
본 발명의 일실시예에 따른 학습 유형 진단 장치는 프로세서를 포함하고, 상기 프로세서는 학습자가 해결하고자 하는 문제의 관심 영역들에 대한 시각 행동 데이터를 수집하고, 상기 수집된 시각 행동 데이터를 이용하여 상기 문제의 관심 영역들에 대한 상기 학습자의 시선 고정 순서를 식별하며, 상기 식별된 시선 고정 순서의 패턴을 분석하여 상기 문제의 해결 방식에 대응하는 대표 사건 별 발생 확률을 도출하고, 상기 도출된 발생 확률에 기초하여 상기 문제에 대한 상기 학습자의 학습 유형을 진단할 수 있다.The apparatus for diagnosing learning type according to an embodiment of the present invention includes a processor, wherein the processor collects visual behavioral data on areas of interest of a problem to be solved by a learner, and uses the collected visual behavioral data. Identify the order of fixing the learner's gaze to the areas of interest in the problem, analyze the pattern of the identified gaze fixing order to derive the probability of occurrence for each representative event corresponding to the solution method of the problem, and the derived probability of occurrence Based on, the learner's learning type for the problem may be diagnosed.
상기 프로세서는 상기 수집된 시각 행동 데이터에 시선 측정 유효 코드(validity code)를 적용하여 전처리를 수행할 수 있다.The processor may perform preprocessing by applying a gaze measurement validity code to the collected visual behavioral data.
상기 프로세서는 상기 문제가 공간 지각 문제인 경우, 대표 사건에 대응하는 관심 영역들에 대한 시선 고정 지속시간 및 상기 관심 영역들 간 비교 횟수를 이용하여 상기 대표 사건 별 발생 확률을 도출하고, 상기 도출된 발생 확률에 기초하여 상기 학습자의 학습 유형을 전체적 접근 또는 분석적 접근으로 분류할 수 있다.When the problem is a spatial perception problem, the processor derives the probability of occurrence of each representative event using a fixed duration time of gaze for regions of interest corresponding to the representative event and the number of comparisons between the regions of interest, and the derived occurrence Based on the probability, the learner's learning type can be classified as a holistic approach or an analytic approach.
상기 프로세서는 상기 도출된 대표 사건 별 발생 확률이 미리 설정된 임계치 이상인 경우, 상기 학습자의 학습 유형을 분석적 접근으로 분류하고, 상기 도출된 대표 사건 별 발생 확률이 상기 미리 설정된 임계치 미만인 경우, 상기 학습자의 학습 유형을 전체적 접근으로 분류할 수 있다.The processor classifies the learner's learning type as an analytic approach when the derived probability of occurrence of each representative event is greater than or equal to a preset threshold, and when the derived probability of occurrence of each of the representative events is less than the preset threshold, the learner's learning Types can be classified as a holistic approach.
상기 프로세서는 상기 문제가 연산 문제인 경우, 대표 사건에 대응하는 관심 영역들에 대한 시선 고정 횟수의 비율을 도출하고, 상기 도출된 시선 고정 횟수의 비율에 기초하여 상기 학습자의 학습 유형을 언어적 접근 또는 시각적 접근으로 분류할 수 있다.When the problem is an arithmetic problem, the processor derives a ratio of the number of times of gaze fixation to regions of interest corresponding to a representative event, and determines the learning type of the learner based on the derived rate of gaze fixation times or It can be classified as a visual approach.
상기 프로세서는 상기 관심 영역들 중 그림을 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 상기 학습자의 학습 유형을 시각적 접근으로 분류하고, 상기 관심 영역들 중 문자를 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 상기 학습자의 학습 유형을 언어적 접근으로 분류할 수 있다.The processor classifies the learning type of the learner as a visual approach when the ratio of the number of times of fixing the gaze to the region of interest including a picture among the regions of interest is the highest, and the region of interest including characters among the regions of interest When the ratio of the number of times of fixing the gaze on is the highest, the learner's learning type may be classified as a linguistic approach.
상기 프로세서는 상기 진단된 학습자의 학습 유형에 기초하여 상기 문제의 해결을 위한 가이드를 제공할 수 있다.The processor may provide a guide for solving the problem based on the diagnosed learner's learning type.
본 발명은 해결하고자 하는 문제의 관심 영역들에 대한 학습자의 시각 행동 데이터를 수집하고, 수집된 학습자의 시각 행동 데이터를 수량화하여 상기 학습자의 학습 유형을 진단할 수 있다. In the present invention, the learner's learning type may be diagnosed by collecting the learner's visual behavior data on the areas of interest of a problem to be solved, and quantifying the collected visual behavior data of the learner.
또한, 본 발명은 진단된 학습자의 학습 유형과 학습 성과가 우수한 학습자 집단의 시각 행동 데이터를 통해 진단된 학습 유형을 비교 분석함으로써 학습자의 문제점을 피드백 할 수 있다. In addition, the present invention may provide feedback on a learner's problem by comparing and analyzing the diagnosed learning type and the diagnosed learning type through visual behavioral data of a group of learners having excellent learning outcomes.
도 1은 본 발명의 일실시예에 따른 학습 유형 진단 장치를 도시한 도면이다.
도 2a 및 도 2b는 본 발명의 일실시예에 따른 관심 영역 설정 방법을 도시한 도면이다.
도 3은 본 발명의 일실시예에 따른 공간 지각 문제에 대한 학습자의 학습 유형 진단을 수행한 예를 도시한 도면이다.
도 4a 및 도 4b는 본 발명의 일실시예에 따른 공간 지각 문제에 대한 분석적 접근 방법의 예를 도시한 도면이다.
도 5a와 도 5b는 본 발명의 일실시예에 따른 공간 지각 문제에 대한 전체적 접근 방법의 예를 도시한 도면이다.
도 6은 본 발명의 일실시예에 따른 연산 문제에 대한 학습자의 학습 유형 진단을 수행한 예를 도시한 도면이다.
도 7a 및 도 7b는 본 발명의 일실시예에 따른 연산 문제에 대한 언어적 접근 방법의 예를 도시한 도면이다.
도 8a 및 도 8b는 본 발명의 일실시예에 따른 연산 문제에 대한 시각적 접근 방법의 예를 도시한 도면이다. 1 is a diagram illustrating an apparatus for diagnosing a learning type according to an embodiment of the present invention.
2A and 2B are diagrams illustrating a method of setting an ROI according to an embodiment of the present invention.
3 is a diagram illustrating an example of performing a learning type diagnosis of a learner for a spatial perception problem according to an embodiment of the present invention.
4A and 4B are diagrams illustrating an example of an analytical approach to a spatial perception problem according to an embodiment of the present invention.
5A and 5B are diagrams illustrating an example of an overall approach to a spatial perception problem according to an embodiment of the present invention.
6 is a diagram illustrating an example of performing a learning type diagnosis of a learner for an arithmetic problem according to an embodiment of the present invention.
7A and 7B are diagrams illustrating an example of a linguistic approach to an arithmetic problem according to an embodiment of the present invention.
8A and 8B are diagrams illustrating an example of a method of visually approaching an arithmetic problem according to an embodiment of the present invention.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.Hereinafter, embodiments will be described in detail with reference to the accompanying drawings. However, since various changes may be made to the embodiments, the scope of the patent application is not limited or limited by these embodiments. It is to be understood that all changes, equivalents, or substitutes to the embodiments are included in the scope of the rights.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terms used in the examples are used for illustrative purposes only and should not be construed as limiting. Singular expressions include plural expressions unless the context clearly indicates otherwise. In the present specification, terms such as "comprise" or "have" are intended to designate the presence of features, numbers, steps, actions, components, parts, or combinations thereof described in the specification, but one or more other features. It is to be understood that the presence or addition of elements or numbers, steps, actions, components, parts, or combinations thereof does not preclude in advance.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless otherwise defined, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which the embodiment belongs. Terms as defined in a commonly used dictionary should be interpreted as having a meaning consistent with the meaning in the context of the related technology, and should not be interpreted as an ideal or excessively formal meaning unless explicitly defined in the present application. Does not.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.In addition, in the description with reference to the accompanying drawings, the same reference numerals are assigned to the same components regardless of the reference numerals, and redundant descriptions thereof will be omitted. In describing the embodiments, when it is determined that a detailed description of related known technologies may unnecessarily obscure the subject matter of the embodiments, the detailed description thereof will be omitted.
도 1은 본 발명의 일실시예에 따른 학습 유형 진단 장치를 도시한 도면이다.1 is a diagram illustrating an apparatus for diagnosing a learning type according to an embodiment of the present invention.
도 1을 참고하면, 본 발명의 학습 유형 진단 장치(100)는 프로세서(110)를 포함할 수 있다. 먼저, 프로세서(110)는 온라인 학습 환경에서 학습자가 해결하고자 하는 문제의 관심 영역들에 대한 시각 행동 데이터를 수집(111)할 수 있다. Referring to FIG. 1, the learning
이때, 관심 영역이란 제시된 문제에 대해 학습자가 중요하게 관찰하고 있는 영역으로 제시된 문제에 대한 학습자의 관심 정도를 나타내는 지표로 사용될 수 있다. 따라서, 관심 영역에 대한 시선 고정 지속시간이 길다는 것은 학습자가 관심 영역을 해석하는데 많은 시간을 소비한다는 의미이며, 해당 영역이 다른 영역과 비교했을 때 더 많은 주의를 끌고 있음을 의미할 수 있다.At this time, the area of interest is an area that the learner observes importantly with respect to the presented problem, and can be used as an index indicating the degree of interest of the learner in the presented problem. Therefore, the long duration of gaze fixation on the region of interest means that the learner spends a lot of time interpreting the region of interest, and it may mean that the region attracts more attention when compared to other regions.
본 발명에서는 공간 지각 문제 및 연산 문제가 제시되었으며, 문제별로 제시된 관심 영역은 지시문(D: direction), 표와 그림으로 구성된 정보들(I: information) 및 선택지(S: selection)로 구분될 수 있다. In the present invention, a spatial perception problem and an operation problem have been presented, and the region of interest presented for each problem can be divided into a directive (D: direction), information composed of tables and figures (I: information), and a choice (S: selection). .
일례로, 도 2a는 공간 지각 문제에서의 관심 영역 설정에 관한 것으로, 지시문(D)과 전개도 왼쪽(I1) 및 오른쪽(I2)이 있으며 선택지에는 각 전개도를 접어놓은 10개의 도형들(I1-1~I2-5)이 있다. 2개의 도형 쌍이 하나의 선택지이며 제시된 2개의 도형이 전개도 I1과 I2를 나타낸다. 예를 들어 선택지 1의 첫 번째 도형은 전개도 I1을 바깥쪽으로 접었을 때 나타나는 도형이며 두 번째 도형은 전개도 I2를 바깥쪽으로 접었을 때 나타나는 도형이다. As an example, FIG. 2A relates to the setting of a region of interest in a spatial perception problem, and there are a directive (D) and a development view left (I1) and a right (I2), and 10 figures folded each development view (I1-1) in the option. ~I2-5). Two figure pairs are one option, and the two figures presented represent development views I1 and I2. For example, the first figure of
다른 일례로, 도 2b는 연산 문제에서의 관심 영역 설정에 관한 것으로, 지시문(D)과 그림으로 제시된 순서도(P), 표 2개(T1, T2)와 설명(T3), 선택지(S)로 구성되어 있다. 연산 문제는 순서도(P)인 그림과 글자 및 숫자로 구성된 표(T1, T2)와 설명(T3)을 보고 지시문(D)에 해당하는 정답을 선택지(S)에서 고르는 문제이다. 이 문제의 경우 선택지(S)가 정답을 고르는 데 영향을 주지 않기 때문에 5개의 선택지를 모두 묶어서 관심 영역을 설정할 수 있다.As another example, FIG. 2B relates to the setting of the region of interest in the operation problem, with a directive (D) and a flow chart (P) presented as a figure, two tables (T1, T2), description (T3), and option (S). Consists of. The arithmetic problem is a problem of selecting the correct answer corresponding to the directive (D) from the option (S) by looking at the flowchart (P), tables (T1, T2), and explanation (T3) consisting of figures and letters and numbers. In the case of this problem, since the option S does not affect the selection of the correct answer, all five options can be grouped together to set the region of interest.
그리고 프로세서(110)는 별도의 시선 추적기(미도시)를 이용하여 관심 영역에 대해 측정된 학습자의 시각 행동 데이터에 대한 정확성을 위하여 전처리 작업을 수행할 수 있다. In addition, the processor 110 may perform a pre-processing task for the accuracy of the learner's visual behavior data measured for the region of interest by using a separate gaze tracker (not shown).
보다 구체적으로 프로세서(110)는 수집된 시각 행동 데이터에 대해 하기의 표 1과 같은 시선 측정 유효 코드를 적용하여 양쪽 눈에 대한 시선 측정 유효 코드가 모두 0인 경우를 분석 가능한 데이터로 선택할 수 있다. More specifically, the processor 110 may apply the gaze measurement valid code as shown in Table 1 below to the collected visual behavioral data, and select a case in which both the gaze measurement valid codes for both eyes are 0 as data that can be analyzed.
<표 1><Table 1>
이후 프로세서(110)는 수집된 시각 행동 데이터를 이용하여 문제의 관심 영역들에 대한 학습자의 시선 고정 순서를 식별(112)할 수 있다. 이를 위해 프로세서(110)는 온라인 학습 환경에서 학습자에게 문제가 제시된 시작 시점부터 학습자가 생각하는 정답을 클릭하여 각 문제가 종료된 시점 사이에서 발생된 모든 시각 행동을 순서 데이터로 정리할 수 있다.Thereafter, the processor 110 may use the collected visual behavioral data to identify (112) an order of fixing a learner's gaze to the areas of interest in question. To this end, the processor 110 may organize all visual actions occurring between the points when each question ends as sequence data by clicking the correct answer that the learner thinks from the start point when the problem is presented to the learner in the online learning environment.
프로세서(110)는 휴리스틱스 체계적 모델을 적용하여 시선 고정 순서의 패턴을 분석함으로써 문제의 해결 방식에 대응하는 대표 사건을 결정하고, 결정된 대표 사건 별 발생 확률을 도출(113)할 수 있다.The processor 110 may determine a representative event corresponding to the problem solving method by analyzing a pattern in the order of fixing a gaze by applying a heuristic systematic model, and derive a probability of occurrence of each determined representative event (113).
그리고, 프로세서(110)는 도출된 대표 사건 별 발생 확률에 기초하여 문제에 대한 학습자의 학습 유형을 진단(114)할 수 있다.In addition, the processor 110 may diagnose 114 a learner's learning type for a problem based on the derived probability of occurrence of each representative event.
한편, 인지 양식은 인간이 특정 정보를 뇌에서 조직할 때 개별적으로 선호하는 방식에 대한 것으로, 정보 처리 양식과 관련된 전체적(holistic) 접근 및 분석적(analytic) 접근, 정보 표상 양식과 관련된 언어적(verbal) 접근 및 시각적(imagery) 접근으로 구분될 수 있고, 각각의 인지 양식은 아래의 표 2와 같은 특성을 가질 수 있다.On the other hand, the cognitive style is about a method that humans prefer individually when organizing specific information in the brain, and the holistic and analytic approaches related to the information processing form, and the verbal (verbal) related to the information representation form. ) It can be divided into approach and imagery approach, and each cognitive style can have characteristics as shown in Table 2 below.
<표 2><Table 2>
그리고, 시각 행동과 인지 양식 간의 관계를 다룬 선행 연구를 기반으로 전체적, 분석적, 언어적, 시각적 인지 양식으로 구분된 학습자들의 시각 행동 특성은 하기의 표 3과 같을 수 있다.And, based on previous studies dealing with the relationship between visual behavior and cognitive styles, the visual behavioral characteristics of learners classified into overall, analytical, verbal, and visual cognitive styles may be as shown in Table 3 below.
<표 3><Table 3>
그리고 표 3에 따라 구분된 인지 양식에 따른 시각 행동 특성을 기준으로 문제 해결접근 방법을 구분하는 기준은 하기의 표 4와 같을 수 있다.In addition, criteria for classifying problem solving approaches based on visual behavioral characteristics according to cognitive styles classified according to Table 3 may be as shown in Table 4 below.
<표 4><Table 4>
프로세서(110)는 학습자가 해결하고자 하는 문제가 공간 지각 문제인 경우, 대표 사건에 대응하는 관심 영역들에 대한 시선 고정 지속시간 및 상기 관심 영역들 간 비교 횟수를 이용하여 대표 사건 별 발생 확률을 도출할 수 있다. 즉, 프로세서(110)는 학습자가 문제 해결 시 공간 지각 문제의 어느 관심 영역들을 오랜 시간 응시하고 있는지(시선 고정 지속 시간) 또는 학습자가 해당 관심 영역들을 얼마나 활용하고 있는지(비교 횟수)를 이용하여 대표 사건 별 발생 확률을 도출 할 수 있다. 그리고, 프로세서(110)는 이와 같이 도출된 발생 확률에 기초하여 상기 학습자의 학습 유형을 전체적 접근 또는 분석적 접근으로 분류할 수 있다. When the problem to be solved by the learner is a spatial perception problem, the processor 110 derives the probability of occurrence for each representative event using the duration of gaze fixation for the regions of interest corresponding to the representative event and the number of comparisons between the regions of interest. I can. That is, the processor 110 is represented by using which areas of interest of the spatial perception problem the learner is staring at for a long time (fixed gaze duration) or how much of the areas of interest the learner is using (number of comparisons) when solving a problem. The probability of occurrence for each event can be derived. In addition, the processor 110 may classify the learning type of the learner into a holistic approach or an analytic approach based on the thus-derived probability of occurrence.
일례로, 프로세서(110)는 도출된 대표 사건 별 발생 확률이 미리 설정된 임계치 이상인 경우, 학습자의 학습 유형을 분석적 접근으로 분류하고, 도출된 대표 사건 별 발생 확률이 미리 설정된 임계치 미만인 경우, 학습자의 학습 유형을 전체적 접근으로 분류할 수 있다.As an example, the processor 110 classifies the learner's learning type as an analytical approach when the derived probability of occurrence for each of the representative events is greater than or equal to a preset threshold, and when the derived probability of occurrence of each of the representative events is less than a preset threshold, the learner's learning Types can be classified as a holistic approach.
이와는 달리 프로세서(110)는 학습자가 해결하고자 하는 문제가 연산 문제인 경우, 대표 사건에 대응하는 관심 영역들에 대한 시선 고정 횟수의 비율을 도출하고, 도출된 시선 고정 횟수의 비율에 기초하여 학습자의 학습 유형을 언어적 접근 또는 시각적 접근으로 분류할 수 있다.On the contrary, when the problem to be solved by the learner is an arithmetic problem, the processor 110 derives the ratio of the number of times of fixing the gaze to the areas of interest corresponding to the representative event, and learns the learner based on the ratio of the number of times of fixing the gaze. Types can be categorized as verbal or visual approaches.
일례로, 프로세서(110)는 관심 영역들 중 그림을 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 학습자의 학습 유형을 시각적 접근으로 분류하고, 관심 영역들 중 문자를 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 학습자의 학습 유형을 언어적 접근으로 분류할 수 있다.As an example, if the ratio of the number of times of fixing the gaze to the region of interest including a picture among the regions of interest is the highest, the processor 110 classifies the learning type of the learner as a visual approach, and the interest including characters among the regions of interest When the ratio of the number of times of fixing gaze to the domain is the highest, the learner's learning type can be classified as a linguistic approach.
마지막으로 프로세서(110)는 진단된 학습자의 학습 유형에 기초하여 문제의 해결을 위한 가이드를 제공(115)할 수 있다. 보다 구체적으로 프로세서(110)는 진단된 학습자의 학습자의 학습 유형과 학습 성과가 우수한 학습자 집단의 시각 행동 데이터를 통해 진단된 학습 유형을 비교 분석함으로써 학습자의 문제점을 식별하고, 식별된 문제점을 피드백하는 가이드를 제공할 수 있다.Finally, the processor 110 may provide 115 a guide for solving a problem based on the diagnosed learner's learning type. More specifically, the processor 110 identifies the learner's problem and feeds back the identified problem by comparing and analyzing the diagnosed learning type through the learner's learning type of the diagnosed learner and the visual behavioral data of the learner group having excellent learning outcomes. You can provide a guide.
이때, 학습자에게 제공할 수 있는 가이드는 우수한 학습 성과를 가지고 있는 학습자들의 집단인 준거 집단에서 발생한 데이터를 기반으로 문제 해결에 어려움을 겪는 초보자들에게 문제를 해결하는 전략에 접근할 수 있도록 화면에 자극제를 제시해 줄 수 있다.At this time, the guide that can be provided to learners is based on data generated from the reference group, which is a group of learners with excellent learning outcomes, and is a stimulus on the screen so that beginners who have difficulty in solving problems can approach the strategy to solve the problem. Can present.
예를 들어, 학습자가 문제 해결에 시간이 오래 걸리거나, 정답을 해결하지 못하는 경우, 프로세서(110)는 준거 집단의 학습자들이 주로 활용한 정보들을 상기 학습자가 주시하는 문제 화면에 강조해서 보여줌으로써 학습자가 문제를 해결하는 데 도움을 줄 수 있다. For example, when a learner takes a long time to solve a problem or fails to solve a correct answer, the processor 110 highlights and displays the information mainly used by the learners of the reference group on the problem screen that the learner is watching. Can help you solve the problem.
도 3은 본 발명의 일실시예에 따른 공간 지각 문제에 대한 학습자의 학습 유형 진단을 수행한 예를 도시한 도면이다.3 is a diagram illustrating an example of performing a learning type diagnosis of a learner for a spatial perception problem according to an embodiment of the present invention.
본 발명의 학습 유형 진단 장치(100)는 수집된 학습자의 시각 행동 데이터에 기초하여 공간 지각 문제에서 설정된 관심 영역의 표기를 활용함으로써 하기의 표 5와 같이 학습자의 시선이 고정된 관심 영역을 순서대로 나열하여 각각의 학습자에 대한 시선 고정 경로를 식별할 수 있다.The learning
<표 5><Table 5>
학습 유형 진단 장치(100)는 각각의 학습자 별로 식별된 시선 고정 경로의 특징에 따른 패턴을 분석할 수 있다. 그 결과 공간 지각 문제의 경우 문제를 탐색한 뒤 전개도와 선택지를 비교하는 행동이 일어나는 것을 알 수 있다. 이에 학습 유형 진단 장치(100)는 문제해결 시작 시점부터 발생한 시선 고정과 선택지에 처음 고정이 발생하기 직전까지를 문제 탐색하기 구간으로 정의하고 이후 시선 고정 경로부터 정답을 선택하기 직전까지의 구간을 문제 해결하기 구간으로 정의할 수 있다.The learning
문제 해결하기 구간의 경우에는 전개도와 선택지를 비교하는 시각 행동에 대한 특징이 2개의 사례로 구분될 수 있는데 도 3의 (a)와 같은 사례 1의 경우는 전개도 I1에 해당하는 도형을 먼저 분석한 뒤, I2로 넘어가서 I2에 해당하는 도형을 1:1로 찾는 패턴이다. 이와는 달리 도 3의 (b)와 같은 사례 2의 경우는 선택지의 순서를 고려하여 I1과 I1-1, I2와 I2-1의 순으로 해당하는 도형을 1:1로 비교하는 패턴이다.In the case of the problem solving section, the characteristics of visual behavior comparing the development and the options can be divided into two cases. In
이상의 문제 해결 활동에 따른 학습자 별 대표 사건을 정리한 결과는 하기의 표 6과 같을 수 있으며, 학습 유형 진단 장치(100)는 관심 영역인 전개도와 선택지 간의 비교 횟수 비율이 미리 설정된 임계치(ex. 50%) 이상인 경우, 학습자의 학습 유형을 분석적 접근으로 분류하고, 미리 설정된 임계치(ex. 50%) 미만은 경우, 학습자의 학습 유형을 전체적 접근으로 분류할 수 있다.The result of organizing the representative events for each learner according to the above problem solving activities may be as shown in Table 6 below, and the learning
<표 6><Table 6>
도 4a 및 도 4b는 본 발명의 일실시예에 따른 공간 지각 문제에 대한 분석적 접근 방법의 예를 도시한 도면이다.4A and 4B are diagrams illustrating an example of an analytical approach to a spatial perception problem according to an embodiment of the present invention.
문제 해결하기 단계에서 발생한 시각 행동 중 관심 영역 간 비교 횟수의 비율이 미리 설정된 임계치(ex. 50%) 이상인 분석적 접근 방법을 활용하여 문제를 해결한 집단의 시각화 양상을 히트맵(도 4a)과 시선 흐름도(도 4b)를 통해 나타내었다. The visual behavior of the group that solved the problem using an analytic approach in which the ratio of the number of comparisons between the areas of interest among the visual actions that occurred in the problem-solving step is equal to or greater than a preset threshold (ex. 50%) is shown with a heat map (Fig. 4a). It is shown through a flow chart (Fig. 4b).
히트맵(도 4a)의 경우 문제해결 활동의 전체 시간을 누적하여 나타낸 것으로 전개도와 선택지 중에서는 전개도를, 2개의 전개도 간에는 왼쪽 전개도를 오랜 시간 동안 응시한 것으로 나타났다. 선택지의 경우에는 1번부터 4번까지 고루 응시하였으나 5번의 경우 다른 선택지와 비교했을 때 다소 적은 시간을 응시하였다. In the case of the heat map (Fig. 4a), it was shown that the total time of problem solving activities was accumulated and stared at the development view among the development and options, and the left development view between the two development views for a long time. In the case of the option, I tried evenly from No. 1 to No. 4, but in the case of No. 5, I took a little less time compared to the other options.
시선 흐름도(도 4b)의 경우 시간의 순서대로 경로가 누적될 수 있다. 제시된 사례는 분석적 접근 방법을 사용한 집단에서 정답을 고른 연구 대상자 1명의 사례 A에 해당한다. 사례 A를 참고하면, 전개도 I1과 도형 I1-1간의 1:1 비교가 먼저, 발생하고, 전개도 I1과 도형 I1-2 를 살펴보고 있음을 알 수 있다. 즉, 사례 A의 경우 전개도에 해당하는 도형을 1:1로 비교해가면서 문제를 해결하고 있는 과정을 반복하고 있음을 알 수 있다.In the case of the gaze flow chart (FIG. 4B), paths may be accumulated in the order of time. The presented case corresponds to case A of one study subject who chose the correct answer from the group using the analytical approach. Referring to Case A, it can be seen that the 1:1 comparison between the developed view I1 and the figure I1-1 occurs first, and the developed view I1 and the figure I1-2 are examined. In other words, in case A, it can be seen that the process of solving the problem is repeated by comparing the figures corresponding to the developed view 1:1.
도 5a와 도 5b는 본 발명의 일실시예에 따른 공간 지각 문제에 대한 전체적 접근 방법의 예를 도시한 도면이다.5A and 5B are diagrams illustrating an example of an overall approach to a spatial perception problem according to an embodiment of the present invention.
전체적 접근 방법을 활용하여 문제를 해결한 집단의 시각화 양상을 히트맵(도 5a)과 시선 흐름도(도 5b)를 통해 나타내었다. 히트맵(도 5a)의 경우 왼쪽 전개도를 오랜 시간 동안 응시한 것으로 판단된다. 또한, 선택지에서는 선택지 1과 2를 다른 선택지와 비교했을 때 오랜 시간 응시한 것으로 해석된다The visualization pattern of the group that solved the problem using the holistic approach was shown through a heat map (FIG. 5A) and a gaze flow chart (FIG. 5B). In the case of the heat map (FIG. 5A), it is judged that staring at the left developed view for a long time. In addition,
시선 흐름도(도 5b)의 경우 전체적 접근 방법을 사용한 집단에서 정답을 고른 연구 대상자 1명의 시선 경로를 시간의 순서대로 제시(사례 B)한 것이다. 사례 B에 따르면 첫 시선이 선택지에서 시작하며 이후 문제 상단에 제시된 지시문 쪽으로 시선이 이동하였다. In the case of the gaze flow chart (Fig. 5b), the gaze path of one study subject who selected the correct answer from the group using the holistic approach was presented in chronological order (Case B). According to Case B, the first gaze started at the option, and then gaze shifted toward the directive presented at the top of the question.
다음으로 왼쪽 전개도로 시선이 이동된 뒤 해당 전개를 표현한 I1-1 도형으로 시선이 이동하였다. 다음으로 선택지 간의 이동이 발생한 것을 알 수 있는데 왼쪽 전개도에 해당하는 도형들(I1-1, I1-2, I1-3)을 이동하면서 살펴보고 있다. 이후 오른쪽 도형으로 시선이 이동한 뒤 이에 해당하는 도형 간 시선 경로가 발생하였다. 즉, 사례 B의 경우 전개도와 도형 간 서로 비교를 하는 과정보다는 전개도를 살펴본 뒤 도형 간 비교를 하면서 문제를 해결해가는 경로를 찾아볼 수 있다.Next, the line of sight moved to the left development view, and then the line of sight moved to the I1-1 figure representing the development. Next, it can be seen that the movement between the options has occurred, and the figures (I1-1, I1-2, I1-3) corresponding to the left development view are being looked at while moving. Afterwards, the line of sight moved to the right figure, and the line of sight paths between the corresponding figures occurred. In other words, in the case of Case B, rather than the process of comparing the development and the figures with each other, it is possible to find a path to solving the problem by looking at the development and comparing between the figures.
도 6은 본 발명의 일실시예에 따른 연산 문제에 대한 학습자의 학습 유형 진단을 수행한 예를 도시한 도면이다.6 is a diagram illustrating an example of performing a learning type diagnosis of a learner for an arithmetic problem according to an embodiment of the present invention.
본 발명의 학습 유형 진단 장치(100)는 수집된 학습자의 시각 행동 데이터에 기초하여 도 6과 같이 연산 문제에서 설정된 관심 영역의 표기를 활용함으로써 하기의 표 7과 같이 학습자의 시선이 고정된 관심 영역을 순서대로 나열하여 각각의 학습자에 대한 시선 고정 경로를 식별할 수 있다.The learning
<표 7><Table 7>
학습 유형 진단 장치(100)는 각각의 학습자 별로 식별된 시선 고정 경로의 특징에 따른 패턴을 분석할 수 있다. 이때 학습 유형 진단 장치(100)는 문제해결 시작 시점부터 발생한 시선 고정과 표 혹은 그림에 처음 고정이 발생하기 직전까지를 문제 탐색하기 구간으로 정의하고, 이후 시선 고정 경로부터 정답을 선택하기 직전까지의 구간을 문제 해결하기 구간으로 정의할 수 있다.The learning
문제 탐색하기 구간에서도 학습자의 학습 유형이 2개의 특징으로 나누어졌다. 첫 번째는 그림의 정보를 파악한 뒤 표에서 제시한 정보를 중점적으로 활용하는 언어적 접근 방법을 사용한 경우이다. 두 번째는 표에 제시된 정보를 파악한 뒤 그림에 제시된 정보를 중점적으로 활용하는 시각적 접근 방법을 사용한 경우이다.In the problem search section, the learner's learning type was divided into two characteristics. The first is the case of using a linguistic approach that focuses on the information presented in the table after grasping the information in the picture. The second is the case of using a visual approach that focuses on the information presented in the figure after grasping the information presented in the table.
이는 연산 문제의 특성상 문제를 해결하기 위해 제시된 정보를 모두 기억하고 처리할 수 없으므로 특정 정보를 먼저 머릿속에서 기억한 뒤 해당하는 영역으로 가서 연산을 적용하여 값을 도출하는 것이 필요하기 때문이다. This is because it is not possible to memorize and process all the information presented to solve the problem due to the nature of the operation problem, so it is necessary to first memorize specific information in the head and then go to the corresponding area and apply the operation to derive the value.
연산 문제의 문제 해결 활동에 따른 학습자 별 대표 사건을 정리한 결과는 하기의 표 8과 같을 수 있으며, 주요 관심 영역인 그림과 표에 대한 각각의 시선 고정 횟수의 비율을 비교하여 언어적 접근과 시각적 접근으로 구분하였다. 이때, 그림과 표 외에 다른 관심 영역에 대한 시선 고정이 발생하였으므로 문제 해결하기 구간 전체에서 발생한 시선 고정 횟수에 대한 각각의 비율을 도출하였다. The results of summarizing the representative events for each learner according to the problem-solving activity of the arithmetic problem can be as shown in Table 8 below, and by comparing the ratio of the number of times of fixing each gaze to a picture and a table, which are the main areas of interest, verbal approach and visual It was divided into access. At this time, since gaze fixation for other areas of interest other than figures and tables occurred, each ratio to the number of gaze fixations that occurred in the entire problem solving section was derived.
이와 같은 결과를 이용하여 학습 유형 진단 장치(100)는 표에 대한 시선 고정 횟수의 비율이 가장 높을 경우, 학습자의 학습 유형을 언어적 접근으로 분류하고, 그림에 대한 시선 고정 횟수의 비율이 가장 높을 경우, 학습자의 학습 유형을 시각적 접근으로 분류할 수 있다. Using this result, the learning
<표 8><Table 8>
도 7a 및 도 7b는 본 발명의 일실시예에 따른 연산 문제에 대한 언어적 접근 방법의 예를 도시한 도면이다.7A and 7B are diagrams illustrating an example of a linguistic approach to an arithmetic problem according to an embodiment of the present invention.
언어적 접근 방법을 활용하여 문제를 해결한 집단의 시각화 양상을 히트맵(도 7a)과 시선 흐름도(도 7b)를 통해 나타내었다. 히트맵(도 7a)을 살펴보면 문제해결 활동의 전체 시간을 누적하여 나타낸 것으로 연산 문제에서의 그림과 표 중에서 표를 더 오랜 시간 동안 응시한 것으로 나타났다. 표에서는 숫자 정보가 나온 부분을 더 오랜 시간 동안 응시하였다.The visualization pattern of the group that solved the problem using the linguistic approach was shown through a heat map (Fig. 7a) and a gaze flow chart (Fig. 7b). Looking at the heat map (FIG. 7A), it was shown that the total time of the problem-solving activity was accumulated, and it was found that the table was stared at the table for a longer time among the figures and tables in the calculation problem. In the table, I took a longer period of time to look at the part where the number information appeared.
시선 흐름도(도 7b)의 경우 언어적 접근 방법을 사용한 집단에서는 문제 상단에 제시된 지시문을 먼저 읽은 뒤 그림을 응시하였다. 이후 2개의 표와 표 아래에 있는 조건들을 살펴보고 있는 시선 경로가 나타나고 있다. 마지막으로 200번대의 시선 경로가 2개의 표에 전체적으로 나타나고 있고 그림에는 일부의 숫자가 기록되어 있다.In the case of the gaze flow chart (Fig. 7b), the group using the linguistic approach first read the instruction presented at the top of the problem and then stared at the picture. Afterwards, two tables and a gaze path examining the conditions under the table are shown. Finally, the line of sight of the 200th is shown in two tables as a whole, and some numbers are recorded in the figure.
이를 통해 학습자가 후반부로 갈수록 표에 제시된 정보들을 서로 비교해가면서 문제를 해결해가고 있음을 알 수 있다. 이 문제의 경우 선택지에 제시된 정보가 문제를 해결하는 데 중요한 정보를 제공하고 있지 않으나 시선 흐름이 선택지로 다수 발생하였다. 정답을 찾아내는 데 중요한 요소를 포함하고 있지 않음에도 불구하고 이러한 결과가 발생한 것을 추론해 보면 다음의 결과를 도출해 볼 수 있다.Through this, it can be seen that the learner is solving the problem by comparing the information presented in the table to the second half. In the case of this problem, the information presented in the options did not provide important information for solving the problem, but many gazes were generated as options. The following results can be derived by inferring that this result has occurred even though it does not contain an important factor in finding the correct answer.
먼저 직원채용절차에 그려져 있는 화살표를 본 뒤 표에 적혀있는 정보를 활용해서 지원채용절차별 값을 도출한다. 도출한 값은 내림차순으로 순서를 매겨야 하는 데 이를 기록 할 수 있는 방법이 본 연구 과정에서 제시되지 않았다. 이에 연구 대상자들이 도출된 값을 선택지에 적혀있는 채용 절차에 적용하여 나름의 순서를 매기고 있는 것으로 판단된다. 이러한 현상은 다른 집단과 사례에서도 다수 발생하였다.First, look at the arrows drawn in the employee recruitment procedure, and then use the information in the table to derive the values for each application recruitment procedure. The derived values should be ordered in descending order, and a method to record them was not presented in the course of this study. Accordingly, it is judged that the research subjects are applying the derived values to the recruitment procedure written on the option sheet to give their own order. This phenomenon has also occurred in many other groups and cases.
도 8a 및 도 8b는 본 발명의 일실시예에 따른 연산 문제에 대한 시각적 접근 방법의 예를 도시한 도면이다.8A and 8B are diagrams illustrating an example of a method of visually approaching an arithmetic problem according to an embodiment of the present invention.
시각적 접근 방법을 활용하여 문제를 해결한 집단의 시각화 양상을 히트맵(도 8a)과 시선 흐름도(도 8b)를 통해 나타내었다. 히트맵(도 8a)을 살펴보면 문제해결 활동의 전체 시간을 누적하여 나타낸 것으로 그림과 표 중에서 그림을 더 오랜 시간 동안 응시한 것으로 나타났다. 그림에서는 직무능력심사 부분을 표에서는 숫자 정보가 나온 부분을 더 오랜 시간 동안 응시하였다.Visualization patterns of the group that solved the problem using the visual approach are shown through a heat map (FIG. 8A) and a line of sight flow chart (FIG. 8B). Looking at the heat map (FIG. 8A), it was shown that the total time of problem-solving activity was accumulated, and it was found that staring at the figure for a longer time among figures and tables. In the figure, I took the job competency test part and the part where numeric information appeared in the table for a longer period of time.
시선 흐름도(도 8b)의 경우 시각적 접근 방법을 사용한 집단에서는 문제 상단에 제시된 지시문을 읽은 뒤 그림과 표를 전체적으로 응시하였다. 문제해결 활동 초반에는 표와 그림을 고루 응시하고 있으나 후반부의 시선 경로 순서를 살펴보면 시선 고정 순서가 300번대의 후반으로 갈수록 그림을 더 오래 응시하는 시선 경로가 나타나고 있다.In the case of the gaze flow chart (Fig. 8b), the group who used the visual approach read the instruction presented at the top of the problem and then looked at the picture and table as a whole. In the early part of the problem-solving activity, he gazes at the table and picture evenly, but looking at the order of the gaze path in the second half, the gaze path that gazes at the drawing longer appears as the order of gaze fixation goes to the second half of the 300th generation.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The method according to the embodiment may be implemented in the form of program instructions that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, and the like alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the embodiment, or may be known and usable to those skilled in computer software. Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks. -A hardware device specially configured to store and execute program instructions such as magneto-optical media, and ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those produced by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware device described above may be configured to operate as one or more software modules to perform the operation of the embodiment, and vice versa.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.The software may include a computer program, code, instructions, or a combination of one or more of these, configuring the processing unit to behave as desired or processed independently or collectively. You can command the device. Software and/or data may be interpreted by a processing device or, to provide instructions or data to a processing device, of any type of machine, component, physical device, virtual equipment, computer storage medium or device. , Or may be permanently or temporarily embodyed in a transmitted signal wave. The software may be distributed over networked computer systems and stored or executed in a distributed manner. Software and data may be stored on one or more computer-readable recording media.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described by the limited drawings, a person of ordinary skill in the art can apply various technical modifications and variations based on the above. For example, the described techniques are performed in a different order from the described method, and/or components such as systems, structures, devices, circuits, etc. described are combined or combined in a form different from the described method, or other components Alternatively, even if substituted or substituted by an equivalent, an appropriate result can be achieved.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.Therefore, other implementations, other embodiments, and claims and equivalents fall within the scope of the following claims.
100 : 학습 유형 진단 장치
110 : 프로세서100: learning type diagnostic device
110: processor
Claims (14)
상기 프로세서가 상기 수집된 시각 행동 데이터를 이용하여 상기 문제의 관심 영역들에 대한 상기 학습자의 시선 고정 순서를 식별하는 단계;
상기 프로세서가 상기 학습자가 해결하고자 하는 문제의 종류가 공간 지각 문제인지 또는 연산 문제인지를 결정하는 단계;
상기 프로세서가 상기 결정된 문제의 종류에 따라 서로 다른 형태의 시선 고정 순서의 패턴을 분석함으로써 상기 문제의 해결 방식에 대응하는 대표 사건 별 발생 확률을 도출하는 단계; 및
상기 프로세서가 상기 도출된 발생 확률에 기초하여 상기 문제에 대한 상기 학습자의 학습 유형을 진단하는 단계
를 포함하고,
상기 도출하는 단계는,
상기 학습자가 해결하고자 하는 문제가 공간 지각 문제인 경우, 상기 관심 영역들에 대한 시선 고정 지속 시간 및 상기 관심 영역들 간 비교 횟수를 이용하여 상기 대표 사건 별 발생 확률을 도출하고,
상기 학습자가 해결하고자 하는 문제가 연산 문제인 경우, 상기 관심 영역들에 대한 시선 고정 횟수의 비율을 이용하여 상기 대표 사건 별 발생 확률을 도출하는 학습 유형 진단 방법.Collecting, by the processor, visual behavioral data on areas of interest of a problem to be solved by the learner;
Identifying, by the processor, an order of fixing the learner's gaze to the areas of interest in the problem by using the collected visual behavioral data;
Determining, by the processor, whether the type of a problem the learner wants to solve is a spatial perception problem or an arithmetic problem;
Deriving, by the processor, a probability of occurrence for each representative event corresponding to a method of solving the problem by analyzing patterns of different types of gaze fixing order according to the determined problem type; And
Diagnosing, by the processor, a learning type of the learner for the problem based on the derived probability of occurrence
Including,
The deriving step,
When the problem to be solved by the learner is a spatial perception problem, the probability of occurrence of each representative event is derived using the duration of gaze fixation on the regions of interest and the number of comparisons between the regions of interest,
When the problem to be solved by the learner is an arithmetic problem, the learning type diagnosis method of deriving the probability of occurrence of each representative event by using a ratio of the number of times of fixing eyes with respect to the regions of interest.
상기 수집하는 단계는,
상기 수집된 시각 행동 데이터에 시선 측정 유효 코드(validity code)를 적용하여 전처리를 수행하는 학습 유형 진단 방법.The method of claim 1,
The collecting step,
A learning type diagnosis method in which pre-processing is performed by applying a gaze measurement validity code to the collected visual behavioral data.
상기 진단하는 단계는,
상기 학습자가 해결하고자 하는 문제가 공간 지각 문제인 경우, 상기 관심 영역들에 대한 시선 고정 지속 시간 및 상기 관심 영역들 간 비교 횟수를 이용하여 도출된 대표 사건 별 발생 확률에 기초하여 상기 학습자의 학습 유형을 전체적 접근 또는 분석적 접근으로 분류하는 학습 유형 진단 방법.The method of claim 1,
The step of diagnosing,
If the problem to be solved by the learner is a spatial perception problem, the learner's learning type is determined based on the probability of occurrence of each representative event derived using the duration of gaze fixation on the regions of interest and the number of comparisons between the regions of interest. A method of diagnosing learning types, categorized as holistic or analytic.
상기 진단하는 단계는,
상기 도출된 대표 사건 별 발생 확률이 미리 설정된 임계치 이상인 경우, 상기 학습자의 학습 유형을 분석적 접근으로 분류하고,
상기 도출된 대표 사건 별 발생 확률이 상기 미리 설정된 임계치 미만인 경우, 상기 학습자의 학습 유형을 전체적 접근으로 분류하는 학습 유형 진단 방법.The method of claim 3,
The step of diagnosing,
When the probability of occurrence of each of the derived representative events is greater than or equal to a preset threshold, the learner's learning type is classified as an analytic approach,
A learning type diagnosis method of classifying the learner's learning type as a holistic approach when the derived probability of occurrence of each representative event is less than the preset threshold.
상기 진단하는 단계는,
상기 학습자가 해결하고자 하는 문제가 연산 문제인 경우, 상기 관심 영역들에 대한 시선 고정 횟수의 비율을 이용하여 도출된 대표 사건 별 발생 확률에 기초하여 상기 학습자의 학습 유형을 언어적 접근 또는 시각적 접근으로 분류하는 학습 유형 진단 방법.The method of claim 1,
The step of diagnosing,
If the problem to be solved by the learner is an arithmetic problem, classify the learner's learning type as a verbal or visual approach based on the probability of occurrence of each representative event derived using the ratio of the number of times the eyes are fixed to the areas of interest. How to diagnose the type of learning to do.
상기 진단하는 단계는,
상기 관심 영역들 중 그림을 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 상기 학습자의 학습 유형을 시각적 접근으로 분류하고,
상기 관심 영역들 중 문자를 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 상기 학습자의 학습 유형을 언어적 접근으로 분류하는 학습 유형 진단 방법.The method of claim 5,
The step of diagnosing,
If the ratio of the number of times of fixing the gaze to the region of interest including a picture is the highest among the regions of interest, the learning type of the learner is classified as a visual approach,
A learning type diagnosis method of classifying the learning type of the learner as a linguistic approach when the ratio of the number of times of fixing a gaze to a region of interest including a character among the regions of interest is the highest.
상기 프로세서가 상기 진단된 학습자의 학습 유형에 기초하여 상기 문제의 해결을 위한 가이드를 제공하는 단계
를 더 포함하는 학습 유형 진단 방법.The method of claim 1,
Providing, by the processor, a guide for solving the problem based on the diagnosed learner's learning type
Learning type diagnosis method further comprising a.
프로세서를 포함하고,
상기 프로세서는,
학습자가 해결하고자 하는 문제의 관심 영역들에 대한 시각 행동 데이터를 수집하고, 상기 수집된 시각 행동 데이터를 이용하여 상기 문제의 관심 영역들에 대한 상기 학습자의 시선 고정 순서를 식별하며, 상기 학습자가 해결하고자 하는 문제의 종류가 공간 지각 문제인지 또는 연산 문제인지를 결정하고, 상기 결정된 문제의 종류에 따라 서로 다른 형태의 시선 고정 순서의 패턴을 분석함으로써 상기 문제의 해결 방식에 대응하는 대표 사건 별 발생 확률을 도출하며, 상기 도출된 발생 확률에 기초하여 상기 문제에 대한 상기 학습자의 학습 유형을 진단하고,
상기 프로세서는,
상기 학습자가 해결하고자 하는 문제가 공간 지각 문제인 경우, 상기 관심 영역들에 대한 시선 고정 지속 시간 및 상기 관심 영역들 간 비교 횟수를 이용하여 상기 대표 사건 별 발생 확률을 도출하고,
상기 학습자가 해결하고자 하는 문제가 연산 문제인 경우, 상기 관심 영역들에 대한 시선 고정 횟수의 비율을 이용하여 상기 대표 사건 별 발생 확률을 도출하는 학습 유형 진단 장치.In the learning type diagnosis device,
Including a processor,
The processor,
Collects visual behavioral data on the interest areas of the problem that the learner wants to solve, and identifies the order in which the learner's eyes are fixed with respect to the interest areas of the problem by using the collected visual behavioral data Probability of occurrence of each representative event corresponding to the problem solving method by determining whether the type of problem to be attempted is a spatial perception problem or an arithmetic problem, and analyzing different types of gaze-fixing order patterns according to the determined problem type And, based on the derived probability of occurrence, diagnose the learning type of the learner for the problem,
The processor,
When the problem to be solved by the learner is a spatial perception problem, the probability of occurrence of each representative event is derived using the duration of gaze fixation on the regions of interest and the number of comparisons between the regions of interest,
When the problem to be solved by the learner is an arithmetic problem, the learning type diagnosis apparatus derives the probability of occurrence of each representative event by using a ratio of the number of times of fixing eyes with respect to the regions of interest.
상기 프로세서는,
상기 수집된 시각 행동 데이터에 시선 측정 유효 코드(validity code)를 적용하여 전처리를 수행하는 학습 유형 진단 장치.The method of claim 8,
The processor,
A learning type diagnosis apparatus for performing pre-processing by applying a gaze measurement validity code to the collected visual behavioral data.
상기 프로세서는,
상기 학습자가 해결하고자 하는 문제가 공간 지각 문제인 경우, 상기 관심 영역들에 대한 시선 고정 지속 시간 및 상기 관심 영역들 간 비교 횟수를 이용하여 도출된 대표 사건 별 발생 확률에 기초하여 상기 학습자의 학습 유형을 전체적 접근 또는 분석적 접근으로 분류하는 학습 유형 진단 장치.The method of claim 8,
The processor,
If the problem to be solved by the learner is a spatial perception problem, the learner's learning type is determined based on the probability of occurrence of each representative event derived using the duration of gaze fixation on the regions of interest and the number of comparisons between the regions of interest. A device for diagnosing learning types, categorized as holistic or analytic.
상기 프로세서는,
상기 도출된 대표 사건 별 발생 확률이 미리 설정된 임계치 이상인 경우, 상기 학습자의 학습 유형을 분석적 접근으로 분류하고, 상기 도출된 대표 사건 별 발생 확률이 상기 미리 설정된 임계치 미만인 경우, 상기 학습자의 학습 유형을 전체적 접근으로 분류하는 학습 유형 진단 장치.The method of claim 10,
The processor,
When the derived probability of occurrence of each representative event is greater than or equal to a preset threshold, the learner's learning type is classified as an analytical approach, and when the derived probability of occurrence of each of the representative events is less than the preset threshold, the learner's learning type is determined as a whole. A device for diagnosing learning types classified by approach.
상기 프로세서는,
상기 학습자가 해결하고자 하는 문제가 연산 문제인 경우, 상기 관심 영역들에 대한 시선 고정 횟수의 비율을 이용하여 도출된 대표 사건 별 발생 확률에 기초하여 상기 학습자의 학습 유형을 언어적 접근 또는 시각적 접근으로 분류하는 학습 유형 진단 장치.The method of claim 8,
The processor,
If the problem to be solved by the learner is an arithmetic problem, classify the learner's learning type as a verbal or visual approach based on the probability of occurrence of each representative event derived using the ratio of the number of times the eyes are fixed to the areas of interest. Learning type diagnostic device to do.
상기 프로세서는,
상기 관심 영역들 중 그림을 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 상기 학습자의 학습 유형을 시각적 접근으로 분류하고, 상기 관심 영역들 중 문자를 포함하는 관심 영역에 대한 시선 고정 횟수의 비율이 가장 높은 경우, 상기 학습자의 학습 유형을 언어적 접근으로 분류하는 학습 유형 진단 장치.The method of claim 12,
The processor,
If the ratio of the number of times of fixing the gaze to the area of interest including a picture is the highest among the areas of interest, classifying the learning type of the learner as a visual approach, and fixing the gaze on the area of interest including text among the areas of interest When the ratio of the number of times is the highest, the learning type diagnosis device classifies the learning type of the learner as a linguistic approach.
상기 프로세서는,
상기 진단된 학습자의 학습 유형에 기초하여 상기 문제의 해결을 위한 가이드를 제공하는 학습 유형 진단 장치.The method of claim 8,
The processor,
A learning type diagnosis apparatus that provides a guide for solving the problem based on the diagnosed learner's learning type.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190050949A KR102235488B1 (en) | 2019-04-30 | 2019-04-30 | Apparatus and method for learning type diagnosis using learner's visual behavior in online learning environment |
| PCT/KR2019/006353 WO2020222350A1 (en) | 2019-04-30 | 2019-05-28 | Apparatus and method for diagnosing learning type by using visual behavior of learner in online learning environment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190050949A KR102235488B1 (en) | 2019-04-30 | 2019-04-30 | Apparatus and method for learning type diagnosis using learner's visual behavior in online learning environment |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200126810A KR20200126810A (en) | 2020-11-09 |
| KR102235488B1 true KR102235488B1 (en) | 2021-04-02 |
Family
ID=73028934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190050949A KR102235488B1 (en) | 2019-04-30 | 2019-04-30 | Apparatus and method for learning type diagnosis using learner's visual behavior in online learning environment |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102235488B1 (en) |
| WO (1) | WO2020222350A1 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102309179B1 (en) * | 2021-01-22 | 2021-10-06 | (주)매트리오즈 | Reading Comprehension Teaching Method through User's Gaze Tracking, and Management Server Used Therein |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010205043A (en) * | 2009-03-04 | 2010-09-16 | Nec Corp | Pattern learning method, device and program |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100877583B1 (en) * | 2006-07-19 | 2009-01-07 | 성균관대학교산학협력단 | Diagnosis System of Learning Style and Method Thereof |
| KR101382132B1 (en) * | 2011-11-11 | 2014-04-07 | 와이즈멘토 유한회사 | Evaluation System of Learning Pattern |
| KR101455200B1 (en) * | 2012-10-09 | 2014-10-30 | 경북대학교 산학협력단 | Learning monitering device and method for monitering of learning |
| KR101679109B1 (en) * | 2014-01-03 | 2016-11-23 | 이화여자대학교 산학협력단 | Method for providing learning guideline, server for providing learning guideline and user device |
| KR20190043513A (en) * | 2019-04-18 | 2019-04-26 | 주식회사 아이티스테이션 | System For Estimating Lecture Attention Level, Checking Course Attendance, Lecture Evaluation And Lecture Feedback |
-
2019
- 2019-04-30 KR KR1020190050949A patent/KR102235488B1/en active IP Right Grant
- 2019-05-28 WO PCT/KR2019/006353 patent/WO2020222350A1/en active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010205043A (en) * | 2009-03-04 | 2010-09-16 | Nec Corp | Pattern learning method, device and program |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200126810A (en) | 2020-11-09 |
| WO2020222350A1 (en) | 2020-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kardan et al. | Exploring gaze data for determining user learning with an interactive simulation | |
| Bandura | Regulative function of perceived self-efficacy | |
| Zeidner | Coping with examination stress: Resources, strategies, outcomes | |
| Stronge et al. | Web-based information search and retrieval: Effects of strategy use and age on search success | |
| Fakhoury et al. | Measuring the impact of lexical and structural inconsistencies on developers’ cognitive load during bug localization | |
| Kazai et al. | Quality management in crowdsourcing using gold judges behavior | |
| CN107783945B (en) | Search result webpage attention evaluation method and device based on eye movement tracking | |
| Lallé et al. | Prediction of users' learning curves for adaptation while using an information visualization | |
| Weber et al. | Fixation patterns during process model creation: Initial steps toward neuro-adaptive process modeling environments | |
| Cole et al. | Discrimination between tasks with user activity patterns during information search | |
| Menekse Dalveren et al. | Distinguishing intermediate and novice surgeons by eye movements | |
| Fitzsimmons et al. | Skim reading: an adaptive strategy for reading on the web | |
| KR102235488B1 (en) | Apparatus and method for learning type diagnosis using learner's visual behavior in online learning environment | |
| Michalkova et al. | Understanding feeling-of-knowing in information search: an EEG study | |
| Siedlecki | Investigating the structure and age invariance of episodic memory across the adult lifespan. | |
| Elchlepp et al. | A brain‐potential correlate of task‐set conflict | |
| Day et al. | Sequence Analysis: Use of scanpath patterns for analysis of students’ problem-solving strategies | |
| Chandrika et al. | A fuzzy inference system to recommend skills for source code review using eye movement data | |
| Chwalisz et al. | A quasi-qualitative investigation of strategies used in qualitative categorization. | |
| Obaidellah et al. | A fine-grained assessment on novice programmers’ gaze patterns on pseudocode problems | |
| KR20200137655A (en) | Method and apparatus of prediction model for learning outcomes with perceived affordances in video-based learning environment | |
| RU2640709C1 (en) | Method of student's knowledge evaluation at computer-based testing | |
| Schwerdt et al. | Inferring user's search activity using interaction logs and gaze data | |
| O'Brien et al. | Modelling the information-seeking behaviour of programmers-an empirical approach | |
| CN114169808A (en) | Computer-implemented learning power assessment method, computing device, medium, and system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |