KR102271894B1 - 아동 발달 분석 장치 및 방법 - Google Patents

아동 발달 분석 장치 및 방법 Download PDF

Info

Publication number
KR102271894B1
KR102271894B1 KR1020190158395A KR20190158395A KR102271894B1 KR 102271894 B1 KR102271894 B1 KR 102271894B1 KR 1020190158395 A KR1020190158395 A KR 1020190158395A KR 20190158395 A KR20190158395 A KR 20190158395A KR 102271894 B1 KR102271894 B1 KR 102271894B1
Authority
KR
South Korea
Prior art keywords
child
developmental
development
question
category
Prior art date
Application number
KR1020190158395A
Other languages
English (en)
Other versions
KR20210026999A (ko
Inventor
김민준
송대근
Original Assignee
올이즈널 유한회사
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 올이즈널 유한회사 filed Critical 올이즈널 유한회사
Publication of KR20210026999A publication Critical patent/KR20210026999A/ko
Application granted granted Critical
Publication of KR102271894B1 publication Critical patent/KR102271894B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

아동 발달 분석 장치 및 방법을 제시하며, 아동 발달 분석 장치 및 방법은 아동 발달 분석 장치에 있어서, 아동의 발달 정도를 판별하는 발달검사에 포함된 발달질문에 대한 답변을 획득하여 상기 발달질문을 분석하고, 분석된 발달질문에 기초하여 피검사자에 대한 발달검사에 포함될 발달질문을 결정하고, 상기 피검사자에게 상기 발달검사를 제공하는 제어부 및 상기 발달질문에 대한 답변을 입력받는 입출력부를 포함할 수 있다.

Description

아동 발달 분석 장치 및 방법{APPARATUS AND METHOD FOR ANALYZING CHILD DEVELOPMENT}
본 명세서에서 개시되는 실시예들은 아동 발달 분석 장치 및 방법에 관한 것으로, 보다 상세하게는 신뢰할 수 있는 아동 발달 검사 결과를 획득할 수 있는 아동 발달 분석 장치 및 방법에 관한 것이다.
아동 발달 검사란 검사 아동의 발달 정보와 발달 상의 문제를 조기에 선별하는 검사를 의미한다.
종래 기존의 연구에서는, 아이들의 발달 과정을 몇몇 마일 스톤으로 분류하는 질문들을 만들고, 각 질문들을 크게는 대근육, 소근육, 자조, 인지, 사회성 등의 카테고리로 분류하여 각 질문들에 대한 피검사자의 답변을 통해 카테고리 별 점수를 산출하고, 카테고리별 점수의 합산의 평균값과 표준편차를 통해서 아이의 발달장애 유무를 판단하는 방법, 또는 카테고리 간의 점수차를 확인하여 정상적인 발달이 균형적으로 이루어지는지 판단하는 방법이 있으며, 예를 들어 Bayley 등이 있다.
종래의 아동 발달 분석 방법은, 단발적인 검사로 인하여 부정 입력 및 부정 판단에 대해서 보상할 수 있는 방법이 매우 제한적이라는 문제점이 있었다.
이를 보완하기 위해 전문 심리치료사 등의 입회하에 검사를 진행하는 방법도 있으나 낯선 환경에서의 아이가 평상시와 동일한 발달 정도를 표현하기 힘든 경우가 많아 정확한 평가를 도출해내기 어렵다는 문제점이 있었다.
또한 종래 아동 발달 분석 방법은 아동 발달 검사 방법이 정해지면 검사의 개정판이 출시되기 전까지 새로운 질문이나 통계값을 적용할 수 없어, 빠르게 변화하는 세태를 반영하기 어렵다는 문제점이 있었다. 예를 들어, Bayley III은 2006년도에 출시되어 2012년에도 K-Bayley III를 국내에서 많이 사용되는데, 이는 핸드폰을 많이 사용하는 부모에 의해 양육되는 아이들의 소근육 발달 등에 대한 통계값을 적용하지 못할 뿐만 아니라, 관련 질문도 존재하지 않는 문제점이 있었다. 또한 검사 방법을 새롭게 개발해내더라도 해당 검사 방법이 다른 국가나 인종에게 적용되어 효과가 있는지도 검증하기 어렵다는 문제점이 있었다.
관련하여 선행기술 문헌인 한국특허공개번호 제10-2014-0105112호에서는 무선통신망과 인터넷망 등과 같은 통신망과 스마트폰과 컴퓨터 등과 같은 단말기를 이용하여 언어검사 어플리케이션을 통하여 검사대상자의 언어를 평가하는 것에 대해 기재하고 있다. 이와 같은 선행기술 문헌에서는 아동 발달 중 언어발달을 평가하는 내용에 대해 기재할 뿐 상술된 문제점을 해결하는 방안에 대해 제시하고 있지 못하다.
따라서 상술된 문제점을 해결하기 위한 기술이 필요하게 되었다.
한편, 전술한 배경기술은 발명자가 본 발명의 도출을 위해 보유하고 있었거나, 본 발명의 도출 과정에서 습득한 기술 정보로서, 반드시 본 발명의 출원 전에 일반 공중에게 공개된 공지기술이라 할 수는 없다.
본 명세서에서 개시되는 실시예들은, 아동 발달 분석 장치 및 방법을 제시하는데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 발달질문 간의 변별력을 조사하여 피검사자의 환경에 따라 발달질문의 기준 나이가 설정되도록 발달질문을 변경 또는 재정렬하는 아동 발달 분석 장치 및 방법을 제시하는데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 발달질문과 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 식별하여 발달질문의 카테고리를 결정하는 아동 발달 분석 장치 및 방법을 제시하는데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 카테고리와의 연관성에 따라 발달질문을 추가하거나 제외하는 아동 발달 분석 장치 및 방법을 제시하는데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 피검사자에 대해 평가대상이 동일한 서로 다른 발달질문을 제공하여 발달질문에 대한 피검사자의 부정입력여부를 식별하는 아동 발달 분석 장치 및 방법을 제시하는데 목적이 있다.
본 명세서에서 개시되는 실시예들은, 아동 발달 검사를 위한 주어진 환경에 따라 실시간 또는 주기적으로 개선 가능한 아동 발달 분석 장치 및 방법을 제시하는 데 목적이 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 일 실시예에 따르면, 아동 발달 분석 장치에 있어서, 아동의 발달정도를 평가하는 발달질문에 대한 답변을 입력받는 입출력부 및 상기 답변에 기초하여 상기 발달질문과 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 분석하고, 분석된 연관성에 기초하여 상기 발달질문에 대한 카테고리를 결정하는 제어부를 포함할 수 있다.
다른 실시예에 따르면, 아동 발달 분석 장치가 아동 발달을 분석하는 방법에 있어서, 아동의 발달정도를 평가하는 발달질문에 대한 답변에 기초하여 상기 발달질문과 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 분석하는 단계 및 분석된 연관성에 기초하여 상기 발달질문에 대한 카테고리를 결정하는 단계를 포함할 수 있다.
또 다른 실시예에 따르면, 아동 발달 분석 방법을 수행하는 프로그램이 기록된 컴퓨터 판독이 가능한 기록매체로서, 상기 아동 발달 분석 방법은, 아동의 발달정도를 평가하는 발달질문에 대한 답변에 기초하여 상기 발달질문과 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 분석하는 단계 및 분석된 연관성에 기초하여 상기 발달질문에 대한 카테고리를 결정하는 단계를 포함할 수 있다.
다른 실시예에 따르면, 아동 발달 분석 장치에 의해 수행되며, 아동 발달 분석 방법을 수행하기 위해 기록매체에 저장된 컴퓨터프로그램으로서, 아동 발달 분석 방법은, 아동의 발달정도를 평가하는 발달질문에 대한 답변에 기초하여 상기 발달질문과 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 분석하는 단계 및 분석된 연관성에 기초하여 상기 발달질문에 대한 카테고리를 결정하는 단계를 포함할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 아동 발달 분석 장치 및 방법을 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 발달질문 간의 변별력을 조사하여 피검사자의 환경에 따라 발달질문의 기준 나이가 설정되도록 발달질문을 변경 또는 재정렬하여 피검사자의 환경에 따라 정확한 발달 정도를 측정할 수 있는 아동 발달 분석 장치 및 방법을 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 식별하여 발달영역간의 상호관계를 파악할 수 있는 아동 발달 분석 장치 및 방법을 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 카테고리와의 연관성에 따라 발달질문을 추가하거나 제외하여 아동의 발달을 효과적으로 식별할 수 있는 아동 발달 분석 장치 및 방법을 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 피검사자에 대해 평가대상이 동일한 서로 다른 발달질문을 제공하여 발달질문에 대한 피검사자의 부정입력여부를 식별하여 정확한 답변을 기초로 아동 발달을 분석할 수 있는 아동 발달 분석 장치 및 방법을 제시할 수 있다.
전술한 과제 해결 수단 중 어느 하나에 의하면, 아동 발달 검사를 위한 주어진 환경에 따라 실시간 또는 주기적으로 개선 가능한 아동 발달 분석 장치 및 방법을 제시할 수 있다.
개시되는 실시예들에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 개시되는 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1 은 일 실시예에 따른 아동 발달 분석 장치를 도시한 구성도이다.
도 2 는 일 실시예에 따른 아동 발달 분석 장치를 도시한 블록도이다.
도 3 은 일 실시예에 따른 아동 발달 분석 방법을 설명하기 위한 순서도이다.
도 4 내지 도 5 는 일 실시예에 따른 아동 발달 분석 방법을 설명하기 위한 예시도이다.
아래에서는 첨부한 도면을 참조하여 다양한 실시예들을 상세히 설명한다. 아래에서 설명되는 실시예들은 여러 가지 상이한 형태로 변형되어 실시될 수도 있다. 실시예들의 특징을 보다 명확히 설명하기 위하여, 이하의 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서 자세한 설명은 생략하였다. 그리고, 도면에서 실시예들의 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 구성이 다른 구성과 "연결"되어 있다고 할 때, 이는 ‘직접적으로 연결’되어 있는 경우뿐 아니라, ‘그 중간에 다른 구성을 사이에 두고 연결’되어 있는 경우도 포함한다. 또한, 어떤 구성이 어떤 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 그 외 다른 구성을 제외하는 것이 아니라 다른 구성들을 더 포함할 수도 있음을 의미한다.
이하 첨부된 도면을 참고하여 실시예들을 상세히 설명하기로 한다.
다만 이를 설명하기에 앞서, 아래에서 사용되는 용어들의 의미를 먼저 정의한다.
이하 첨부된 도면을 참고하여 실시예들을 상세히 설명하기로 한다.
다만 이를 설명하기에 앞서, 아래에서 사용되는 용어들의 의미를 먼저 정의한다.
‘발달질문’은 아동의 발달 정도를 판별하기 위한 질문으로서 아동 발달 지표가 될 수 있으며, 텍스트 또는 이미지, 동영상, 오디오 등의 다양한 콘텐츠로 구성될 수 있다.
발달질문에 대한 ‘답변’은 주관식 또는 객관식일 수 있다. 예를 들어 발달질문에 대한 답변이 객관식인 경우 아동 발달 검사자가 복수 개의 선택지 중에서 선택하도록 할 수 있으며 예를 들어 ‘성취’와 ‘미성취’의 선택지 중 선택할 수 있다. 또는 발달질문에 대한 답변은 점수가 될 수 있으며, 피검사자를 관찰하는 검사자가 해당 질문에 대한 아동의 성취 정도를 점수로 매길 수도 있다.
한편 ‘카테고리’는 아동의 발달을 평가하는 영역으로 소정의 발달질문이 평가하고자 하는 영역과 관련된 카테고리에 발달질문이 속할 수 있다. 카테고리는 예를 들어, 대근육, 소근육, 인지, 사회관계, 자조 등이 있을 수 있고, 소정의 발달질문이 아동의 대근육 발달 사항을 평가하고자 하는 질문이면 상기 발달질문은 대근육 ‘카테고리’에 속할 수 있다.
반면 복수 개의 발달질문들은 각 발달질문이 속하는 카테고리가 상이하거나, 질문의 형태, 텍스트 내용이 상이할 수 있으나, 아동의 발달 사항 중 동일한 대상을 측정하기 위한 질문들일 수 있는데, 이러한 질문들은 서로에게 ‘동일대상평가 발달질문’이라 칭한다.
위에 정의한 용어 이외에 설명이 필요한 용어는 아래에서 각각 따로 설명한다.
도 1은 일 실시예에 따른 아동 발달 분석 장치를 설명하기 위한 구성도이다.
아동 발달 분석 장치(100)는 피검사자를 관찰하고 관찰 결과에 따라 발달질문에 대해 답변을 입력하고자 하는 검사자로부터 답변을 입력받아 피검사자의 발달 정도를 평가할 수 있다. 또한 아동 발달 분석 장치(100)는 답변의 입력을 위한 발달질문을 수집하고 발달질문이 속하는 카테고리를 판별하여 피검사자의 발달 분석에 대한 결과의 정확도를 높일 수 있다.
상술된 바에 따른 아동 발달 분석 장치(100)는 아동 발달 분석을 위한 애플리케이션이 설치된 전자단말기로 구현되거나, 서버-클라이언트 시스템으로 구현될 수 있다. 아동 발달 분석 장치(100)가 서버-클라이언트 시스템으로 구현된다면 아동 발달 분석 장치(100)는 검사자와의 인터랙션을 위한 클라이언트가 설치된 전자단말기를 포함할 수 있다.
전자단말기(10)는 네트워크를 통해 원격지의 서버에 접속하거나, 타 단말 및 서버와 연결 가능한 컴퓨터나 휴대용 단말기, 텔레비전, 웨어러블 디바이스(Wearable Device) 등으로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop)등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), GSM(Global System for Mobile communications), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet), 스마트폰(Smart Phone), 모바일 WiMAX(Mobile Worldwide Interoperability for Microwave Access) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, 텔레비전은 IPTV(Internet Protocol Television), 인터넷 TV(Internet Television), 지상파 TV, 케이블 TV 등을 포함할 수 있다. 나아가 웨어러블 디바이스는 예를 들어, 시계, 안경, 액세서리, 의복, 신발 등 인체에 직접 착용 가능한 타입의 정보처리장치로서, 직접 또는 다른 정보처리장치를 통해 네트워크를 경유하여 원격지의 서버에 접속하거나 타 단말과 연결될 수 있다. 또한, 스마트 미러 등과 같은 IoT 장비들이 포함될 수 있다.
그리고 서버-클라이언트 시스템의 서버(20)는, 클라이언트가 설치된 전자단말기와 네트워크를 통해 통신이 가능한 컴퓨팅장치로 구현될 수 있으며, 데이터를 저장할 수 있는 저장장치가 포함될 수 있거나 또는 제 3 의 서버(미도시)를 통해 데이터를 저장할 수도 있다.
한편 도 2는 일 실시예에 따른 아동 발달 분석 장치(100)의 구성도를 도시한 도면이다. 도 2를 참조하면, 일 실시예에 따른 아동 발달 분석 장치(100)는, 입출력부(110), 제어부(120), 통신부(130) 및 메모리(140)를 포함할 수 있다.
입출력부(110)는 사용자로부터 입력을 수신하기 위한 입력부와, 작업의 수행 결과 또는 아동 발달 분석 장치(100)의 상태 등의 정보를 표시하기 위한 출력부를 포함할 수 있다. 예를 들어, 입출력부(110)는 사용자 입력을 수신하는 조작 패널(operation panel) 및 화면을 표시하는 디스플레이 패널(display panel) 등을 포함할 수 있다.
구체적으로, 입력부는 키보드, 물리 버튼, 터치 스크린, 카메라 또는 마이크 등과 같이 다양한 형태의 사용자 입력을 수신할 수 있는 장치들을 포함할 수 있다. 또한, 출력부는 디스플레이 패널 또는 스피커 등을 포함할 수 있다. 다만, 이에 한정되지 않고 입출력부(110)는 다양한 입출력을 지원하는 구성을 포함할 수 있다.
이러한 입출력부(110)는 발달검사를 구성하는 발달질문을 표시할 수 있고, 표시된 발달질문에 대한 답변을 피검사자를 검사하는 검사자로부터 입력받을 수 있다.
제어부(120)는 아동 발달 분석 장치(100)의 전체적인 동작을 제어하며, CPU 등과 같은 프로세서를 포함할 수 있다. 제어부(120)는 입출력부(110)를 통해 수신한 사용자 입력에 대응되는 동작을 수행하도록 아동 발달 분석 장치(100)에 포함된 다른 구성들을 제어할 수 있다.
예를 들어, 제어부(120)는 메모리(140)에 저장된 프로그램을 실행시키거나, 메모리(140)에 저장된 파일을 읽어오거나, 새로운 파일을 메모리(140)에 저장할 수도 있다.
이와 같은 제어부(120)는 아동의 발달 정도를 판별하는 발달질문에 대한 답변을 분석할 수 있다.
이를 위해, 제어부(120)는 입출력부(110)를 통해 발달질문이 제공된 적어도 하나의 아동의 검사자로부터 발달질문에 따른 아동의 발달정도에 대한 답변을 획득할 수 있다. 이때, 제어부(120)는 주기적으로 발달질문에 대한 답변을 획득하기 위해 발달질문을 주기적으로 피검사자에게 제공할 수 있다.
그리고 제어부(120)는 적어도 하나의 아동의 검사자로부터 획득된 발달질문에 대한 답변을 분석할 수 있다.
하나의 실시예에 따라, 제어부(120)는 답변에 기초하여 발달질문의 기준 나이를 결정할 수 있다.
이를 위해, 제어부(120)는 하나의 발달질문에 대해 복수의 아동으로부터 복수의 답변을 획득할 수 있고, 획득된 답변을 분석하여 아동의 환경(나이, 성별, 인종, 소속 국가, 사용 언어 등) 측면에서 발달질문을 평가하고, 평가에 따라 발달질문의 기준 나이를 결정할 수 있다.
이때, 제어부(120)는 통계적인 방법에 따라 발달질문의 기준 나이를 결정하기 위한 답변의 수가 충분한지를 판단할 수 있다.
예를 들어, 제어부(120)는 복수의 아동으로부터 획득된 복수의 답변을 각 아동의 성별, 인종, 국적, 언어 등에 따라 분류할 수 있고, 분류된 답변을 X축은 일수 Y축은 성취한 아동의 수를 나타내는 그래프상에 나타낼 수 있고, 그래프상의 답변이 정규 분포에 따르는지를 판단할 수 있다.
이때, 정규분포가 나오지 않은 경우 더 많은 답변이 필요하다는 것을 의미하므로 제어부(120)는 추가적으로 아동에게 발달질문을 제공하여 추가 답변을 획득할 수 있다.
이후, 제어부(120)는 발달질문에 대해서 발달을 성취한 아동의 최소나이, 평균나이, 가장 늦게 성취한 아동의 나이, 표준 편차 등의 값을 계산할 수 있고, 계산된 평균나이와 표준편차, 가장 늦게 성취한 아동의 나이 등을 기초로 발달질문의 기준 나이를 결정할 수 있다.
또한, 제어부(120)는 발달질문에 대응되는 발달을 성취한 아동의 최소나이, 평균나이, 표준편차를 이용하여 발달검사에 포함될 발달질문의 제공이 적합한 아동의 나이대 또는 발달질문을 제공할 순서 등을 결정할 수 있다.
예를 들어, 제어부(120)는 발달질문에 대응되는 발달을 성취한 아동의 최소나이가 생후 3 개월이고, 평균나이가 생후 5 개월, 표준편차가 1 이면, 해당 발달질문의 제공이 적합한 아동의 기준 나이대가 3개월 내지 6 개월인 것으로 결정할 수 있다.
또는 예를 들어, 제어부(120)는 발달질문에서 평가하는 발달을 성취한 최소 나이가 높을수록 발달질문의 기준 나이가 높은 것으로 판단할 수 있고, 발달질문에 대해 결정된 기준 나이에 따라 발달질문의 제공순서를 결정할 수 있다.
다른 실시예에 따라, 제어부(120)는 아동의 답변에 기초하여 발달질문의 변별력을 분석할 수 있다.
예를 들어, 제어부(120)는 아동의 환경정보에 따라 답변을 분류할 수 있고, 아동의 국적에 따라 각국에서 사용되는 언어로 발달질문의 번역에 따른 답변을 분석할 수 있고, 언어상의 차이로 인해 발달질문에서 평가하고자 하는 발달정도를 답변을 통해 정확하게 평가될 수 있는지를 분석할 수 있다.
또 다른 실시예에 따라, 제어부(120)는 발달질문과 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 분석할 수 있다.
즉, 제어부(120)는 피검사자와 동일하거나 유사한 환경정보를 갖는 아동들로부터 획득한 발달질문에 대한 답변을 기초로 발달질문과 카테고리간의 연관성을 아래의 실시예와 같이 분석할 수 있다. 이를 통해, 피검사자의 환경정보에 따라 발달을 평가하는 발달질문 및 카테고리를 갱신하여 피검사자에 대한 발달검사가 보다 정확해지도록 할 수 있다.
<제 1 실시예>
피검사자에게 제공될 발달질문에 대해 카테고리와의 연관성을 검사하기 위하여, 제어부(120)는 발달질문과의 연관성을 분석할 특정 카테고리에 대응되는 발달을 성취한 아동 중 발달질문에 대응되는 발달을 성취한 아동의 답변에 기초하여 발달질문과 특정 카테고리간의 연관성을 분석할 수 있다.
이를 위해, 제어부(120)는 그래프를 이용하여 발달질문과 특정 카테고리간의 연관성을 분석할 수 있으며, 이때 그래프는 X축이 발달질문과 연관성을 분석할 특정 카테고리에 대응되는 발달 평가에 따라 성취가능한 점수이고, Y 축이 X축의 특정 카테고리의 발달 평가에서 점수를 획득한 아동 중 피검사자에게 제공될 발달질문의 발달을 성취한 아동의 수이다.
예를 들어, 그래프에서 X축은 발달질문과 연관성을 분석할 특정 카테고리인 대근육이고, 대근육에 속한 발달질문의 수가 20개이며 각 발달질문에 의한 평가시 획득가능한 점수가 1점인 경우, X축의 구간은 0부터 20일 수 있다. 그리고 그래프에서 Y축은 X축의 대근육의 발달 평가에서 점수를 획득한 아동 중 피검사자에게 제공될 발달질문에 대응되는 발달을 성취한 아동의 수이다.
그리고 제어부(120)는 그래프상의 X축에 나타난 각 점수 별로 해당 점수를 획득한 아동을 동일한 수로 추출할 수 있다. 예를 들어, 제어부(120)는 X축 구간인 1점에서 20 점까지 각 점수 별로 해당 점수(X축의 대근육 카테고리에 속한 발달질문을 통해 아동이 획득한 점수)를 획득한 아동들을 20 명씩 추출할 수 있다.
그리고 제어부(120)는 표본으로 추출된 아동에 대해 발달질문에 따라 평가를 실시하여, 추출된 아동들이 발달질문에 대응되는 발달을 성취한 수를 그래프에 나타낼 수 있다.
이후, 제어부(120)는 아동의 분포를 나타낸 그래프에 대해 회귀분석 및 상관관계분석 중 어느 하나를 수행하여 발달질문과 카테고리간의 연관성을 분석할 수 있다.
예를 들어, 제어부(120)는 그래프에 대해 상관관계분석을 수행하여 그래프상의 X축에 대응되는 카테고리에 대해 아동들이 획득한 평가점수별로 발달질문에 대응되는 발달을 성취한 아동의 수의 분포에 따른 상관계수의 값을 기준으로 발달질문과 카테고리간의 연관성을 분석할 수 있다.
그리고 제어부(120)는 적어도 하나의 카테고리 별로 발달질문과의 상관관계분석을 수행할 수 있고, 적어도 하나의 카테고리 중 상관계수의 값이 양수이면서 1에 가장 근접한 값을 갖는 카테고리를 해당 발달질문의 1차 카테고리로 정할 수 있다.
예를 들어, 제어부(120)는 대근육 카테고리와 발달질문간의 연관성에 대한 상관관계분석을 통해 상관계수 값이 0.98이면, 발달질문에 대한 1차 카테고리로 대근육을 결정할 수 있다.
이때, 소근육 카테고리와 발달질문간의 연관성에 대한 상관관계분석을 통해 상관계수 값이 0.95로 두번째로 높은 상관계수의 값을 가지되, 대근육 카테고리의 상관계수의 값과 유사하면, 제어부(120)는 발달질문이 소근육 카테고리의 발달과도 연관성이 높아 소근육 카테고리에도 영향을 주는 것으로 판단할 수 있다.
<제 2 실시예>
제어부(120)는 발달질문과 카테고리간의 연관성에 대해 좀더 정확한 관계를 판단할 수 있도록 아동을 카테고리에 대응되는 발달영역에 대한 발달정도에 따라 분류하고, 분류된 아동 별로 발달질문에 대응되는 발달의 성취여부를 이용하여 발달질문과 카테고리간의 연관성을 분석할 수 있다.
실시예에 따라, 제어부(120)는 특정 카테고리에 대응되는 발달영역의 발달이 빠르거나 느린 아동을 대상으로 발달질문과 특정 카테고리간의 연관성을 분석하기 위한 표본을 추출할 수 있다. 예를 들어, 각 점수별 20명을 추출할 때, 모든 카테고리의 합산점수의 분포에서 -1SD(표준편차)보다 낮은 아동과 +1SD보다 큰 아동 중 20명씩을 추출할 수 있다.
예를 들어, 제어부(120)는 대근육의 발달을 평가하는 발달질문에서 15점이상의 점수를 획득하여 대근육 발달이 빠른 아동에서 20명의 아동을 표본으로 추출하고, 대근육의 발달을 평가하는 발달질문에서 5 번 이하의 점수를 획득하여 대근육 발달이 느린 아동에서 20명의 아동을 표본으로 추출할 수 있다.
이와 같이, 표준편차 외에 위치한 아동의 경우, 특정 카테고리에 대해서만 발달이 빠르거나 느릴 수 있어 발달질문에 대한 성취여부에 따라 발달질문과 특정 카테고리와의 연관성을 쉽게 찾을 수 있는 반면, 표준편차 안에 드는 아동의 경우 카테고리별 발달이 균형적으로 이루어질 가능성이 높기 때문에, 발달질문과 카테고리의 연관성을 찾아내는데 노이즈(noise)로 작동하게 된다.
예를 들어, 제어부(120)는 발달질문과 연관성을 분석할 카테고리에 대응되는 발달을 성취한 아동 중 상위 10%(상위 아동군)와 하위 10%(하위 아동군)을 각각 추출하여 발달질문에 대응되는 발달을 성취한 아동의 수를 그래프에 표시할 수 있다. 그리고 제어부(120)는 그래프에 대해 제 1실시예에서 상술 방법과 같이 상관관계분석을 통해 그래프 상의 X축에 대응되는 카테고리와 발달질문에 대응되는 발달을 성취한 아동의 수 간의 상관계수 값을 각각 구할 수 있다. 그리고 제어부(120)는 상위 아동군에서 카테고리와의 상관계수 값과 하위 아동군에서 상관계수 값간의 차이가 가장 큰 카테고리를 발달질문의 카테고리로 결정할 수 있다.
이와 같이 발달 속도가 더딘 아동군에 속한 아동들과 발달 속도가 빠른 아동군에 속한 아동들간 비교를 통해 해당 카테고리에 대한 발달에 따른 발달질문에 대응되는 발달의 정도를 비교할 수 있어 카테고리와 발달질문간의 정확한 연관성 결과를 얻을 수 있기 때문이다.
<제 3 실시예>
제어부(120)는 머신 러닝을 통해 발달질문과 카테고리간의 연관성을 분석할 수 있다.
즉, 제어부(120)는 아동에 대한 환경 정보, 발달질문의 기준 나이, 발달질문의 카테고리 및 발달질문의 답변 중 적어도 하나를 학습하고, 학습결과에 기초하여 발달질문과 카테고리간의 연관성을 분석할 수 있다.
예를 들어, 제어부(120)는 다음의 입력값을 사용하여 머신러닝을 수행할 수 있다.
부모의 몸무게, 학력, 등을 포함한 모든 환경변수 - 독립변수(환경변수)
나이(연령, 일수, 주수, 등) 및 아동의 몸무게 및 키, 머리둘레 등의 생체정보 - 독립변수(환경변수)
카테고리 및 질문의 기준 나이(평균값) - 독립변수
피검사자들의 답변 - 독립변수
해당 발달질문의 카테고리 - 종속변수
제어부(120)는 상기 값들을 이용하여 머신러닝을 수행한 후, 발달질문에 대한 카테고리의 할당 또는 카테고리의 변경 등을 할 수 있다.
그리고 제어부(120)는 상술된 바와 같이 발달질문과 카테고리간의 연관성 분석을 통해 발달질문에 대하여 결정된 1차 카테고리와의 상관계수 값, 발달질문의 발달을 성취한 아동의 평균 나이 및 표준편차, 최소, 최대 성취 나이의 일치 정도에 따라 발달질문을 1차 카테고리에 속하는 타 발달질문의 동일대상평가 발달질문으로 결정할 수 있다.
예를 들어, 발달질문 대하여 발달질문의 제공 나이가 생후 3개월 ~ 6개월이고, 카테고리가 연관성분석을 통해 대근육 카테고리로 결정된 경우, 제어부(120)는 발달질문을 대근육 카테고리에 포함된 타 발달질문 중 제공 나이가 생후 3개월 ~ 6개월인 타 발달질문의 동일대상평가 발달질문으로 결정할 수 있다.
한편, 다른 실시예에 따라 제어부(120)는 카테고리별 아동의 답변에 기초하여 카테고리간 연관성을 분석할 수 있다.
이러한 카테고리간의 연관성은 아이의 발달과정에 대한 예측 및 촉진 시에 중요한 교육 지표가 될 수 있다. 이러한, 카테고리간에 연관성은 연령별로 달라질 수 있다. 예를 들어, 피검사자가 어린 나이일 때는 소근육과 대근육이 함께 발달하는 경향이 있을 수 있다. 그리고 피검사자가 걸어다닐 정도로 대근육이 발달하는 경우, 인지할 수 있는 범위가 넓어짐에 따라 인지가 대근육과 함께 더 발전할 수도 있다.
이를 위해, 제어부(120)는 회귀 분석 및 상관관계분석 중 적어도 하나를 통한 카테고리 간의 연관성 판단할 수 있으며, 상술된 발달질문과 카테고리간의 연관성을 분석하는 방법과 유사하게 그래프를 이용하여 카테고리간의 연관성을 분석할 수 있다.
예를 들어, 제어부(120)는 특정 나이대의 아동 중 카테고리 A(X축) 점수마다 일정한 숫자의 아동을 추출할 수 있고, 각 점수대의 아동들이 카테고리 B(Y축)에서 성취한 점수의 총합을 표시할 수 있다. 이때, 그래프의 X축은 비교를 하는 카테고리 A의 답변 점수의 총합이고, Y축은 카테고리 B의 답변 점수 총합일 수 있다.
그리고 제어부(120)는 그래프에서 결정계수(상관계수의 제곱값)가 1에 가까운 경우, 두 카테고리가 연관이 된다고 판단될 수 있다. 또한, 제어부(120)는 상관계수가 음수인 경우, 두 개의 카테고리가 발달이 미진한 아이의 경우 서로 악영향을 주는 경우로 해석될 수 있으며, 양수인 경우, 상호 보완적으로 발전될 것으로 예측될 수 있다.
이를 통해서, 카테고리간 연관성을 순차적으로 분석할 수 있다(이를 통해 단방향의 영향을 찾을 수 있어 더욱 효과적이다). 예를 들어 카테고리 A가 발전하면 카테고리 B도 같이 발전하는 연관성을 찾을 수 있다(단, 역은 성립하지 않는다).
이후, 제어부(120)는 상술된 분석에 따른 분석결과에 기초하여 피검사자에게 제공될 발달질문을 결정할 수 있다.
즉, 제어부(120)는 피검사자의 환경정보에 따라 발달질문에 대한 카테고리를 갱신하여 발달질문을 선택하되, 발달질문의 기준 나이, 발달질문의 제공순서 중 적어도 하나에 따라 피검사자에게 제공될 발달질문을 결정할 수 있다.
예를 들어, 제어부(120)는 피검사자의 국가에서 아동의 발달영역을 구분하는 카테고리에 따라 기존 발달질문의 카테고리를 상술된 연관성 분석을 통해 갱신하여 발달질문을 결정하되, 피검사자의 나이에 적합한 기준 나이를 갖는 발달질문을 선택하거나 발달질문의 제공순서를 결정할 수 있다.
한편, 제어부(120)는 ‘동일대상평가 발달질문’을 결정하여 피검사자의 발달질문에 대한 부정입력을 평가할 수 있다.
예를 들어, 제어부(120)는 제 1 발달질문과 상이하되 제 1 발달질문이 분석하는 카테고리와 동일한 발달 영역을 분석하는 동일대상평가 발달질문인 제 2 발달질문을 결정하고, 피검사자에게 제 1 발달질문과 제 2 발달질문을 제공할 수 있다. 이후, 제어부(120)는 제 1 발달질문과 제 2 발달질문 각각에 대한 답변을 비교하여, 피검사자에 대한 발달 평가에 대한 평가가 동일한지 상이한지 여부에 따라 답변의 유효여부를 평가할 수 있다.
이후, 제어부(120)는 피검사자에 대한 발달질문의 답변을 획득하면, 획득된 답변을 상술된 바와 같이 분석하여 발달질문에 대한 기준 나이, 변별력 및 카테고리와의 연관성 등을 갱신하거나 또는 카테고리 간의 연관성을 갱신할 수 있다.
통신부(130)는 다른 디바이스 또는 네트워크와 유무선 통신을 수행할 수 있다. 이를 위해, 통신부(130)는 다양한 유무선 통신 방법 중 적어도 하나를 지원하는 통신 모듈을 포함할 수 있다. 예를 들어, 통신 모듈은 칩셋(chipset)의 형태로 구현될 수 있다.
통신부(130)가 지원하는 무선 통신은, 예를 들어 Wi-Fi(Wireless Fidelity), Wi-Fi Direct, 블루투스(Bluetooth), UWB(Ultra Wide Band) 또는 NFC(Near Field Communication) 등일 수 있다. 또한, 통신부(130)가 지원하는 유선 통신은, 예를 들어 USB 또는 HDMI(High Definition Multimedia Interface) 등일 수 있다.
메모리(140)에는 파일, 어플리케이션 및 프로그램 등과 같은 다양한 종류의 데이터가 설치 및 저장될 수 있다. 제어부(120)는 메모리(140)에 저장된 데이터에 접근하여 이를 이용하거나, 또는 새로운 데이터를 메모리(140)에 저장할 수도 있다. 또한, 제어부(120)는 메모리(140)에 설치된 프로그램을 실행할 수도 있다. 도 1을 참조하면, 메모리(140)에는 아동 발달 분석 방법을 수행하기 위한 프로그램이 설치될 수 있다.
일 실시예에 따르면, 입출력부(110)를 통해 사용자로부터 아동 발달 분석을 요청하는 입력을 수신하면, 제어부(120)는 메모리(140)에 저장된 프로그램을 실행시켜 아동 발달 분석을 수행한다.
도 3 은 일 실시예에 따른 아동 발달 분석 방법을 설명하기 위한 순서도이다.
도 3에 도시된 실시예에 따른 아동 발달 분석 방법은 도 2에 도시된 아동 발달 분석 장치(100)에서 시계열적으로 처리되는 단계들을 포함한다. 따라서, 이하에서 생략된 내용이라고 하더라도 도 2 에 도시된 아동 발달 분석 장치(100)에 관하여 이상에서 기술한 내용은 도 3에 도시된 실시예에 따른 아동 발달 분석 방법에도 적용될 수 있다.
우선, 아동 발달 분석 장치(100)는 아동의 발달 정도를 평가하는 발달질문에 대한 답변을 획득할 수 있다(S3001).
예를 들어, 아동 발달 분석 장치(100)는 주기적으로 복수의 아동들에게 발달질문을 제공할 수 있고, 발달질문에 대한 답변을 아동의 발달을 관찰하는 검사자로부터 획득할 수 있다.
그리고 아동 발달 분석 장치(100)는 S3001단계에서 획득된 답변을 분석할 수 있다(S3002).
우선, 아동 발달 분석 장치(100)는 아동의 환경정보에 따라 답변을 분류할 수 있고, 통계적인 방법에 따라 발달질문의 기준 나이를 결정하기 위한 답변의 수가 충분한지 여부를 판단할 수 있다.
예를 들어, 아동 발달 분석 장치(100)는 아동의 국적, 인종, 언어에 따라 발달질문에 대한 답변을 분류할 수 있고, 분류된 답변을 X축은 일수 Y축은 성취한 아동의 수를 기초로 답변의 수가 정규분포에 따르는지를 계산할 수 있다. 이때, 정규분포가 아닌 경우, 아동 발달 분석 장치(100)는 S3001단계를 반복 수행하여 추가적으로 아동에게 발달질문을 제공하여 추가 답변을 획득할 수 있다.
그리고 아동 발달 분석 장치(100)는 답변을 기초로 발달질문에 대한 기준 나이를 분석할 수 있다.
즉, 아동 발달 분석 장치(100)는 발달질문에 대해서 발달을 성취한 아동의 최소나이, 평균나이, 가장 늦게 성취한 아동의 나이, 표준 편차 등의 값을 계산할 수 있고, 계산된 평균나이와 표준편차, 가장 늦게 성취한 아동의 나이 등을 기초로 발달질문의 기준 나이를 결정할 수 있다.
예를 들어, 아동 발달 분석 장치(100)는 발달질문의 발달을 성취한 아동의 최소 나이가 5세이고, 발달질문의 발달을 성취한 아동의 평균 나이가 6세이면, 발달질문의 기준 나이를 중급 발달 사항에 대한 발달질문으로 결정할 수 있다. 그리고 아동 발달 분석 장치(100)는 중급 발달 단계를 보이는 아동의 나이대인 5세 내지 9세 구간의 아동에 대한 발달질문으로 설정할 수 있다.
그리고 아동 발달 분석 장치(100)는 아동의 답변에 기초하여 발달질문의 변별력을 분석할 수 있다.
예를 들어, 제어부(120)는 발달질문이 제공된 기준 나이대인 5개월 내지 9 개월 사이의 유아에 대한 발달질문의 답변에 기초하여 답변의 내용이 차이가 없는 경우, 발달질문의 변별력이 낮은 것으로 판단할 수 있고, 발달질문이 제공되는 나이대를 변경하거나 또는 발달질문을 변경할 수 있다.
그리고 아동 발달 분석 장치(100)는 발달질문과 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 분석할 수 있다.
즉, 아동 발달 분석 장치(100)는 발달질문을 제공할 피검사자의 환경정보에 따라 적합한 카테고리에 속하는 발달질문을 제공하기 위해, 발달질문의 카테고리를 새롭게 할당하거나 갱신할 수 있다.
도 4 를 참조하면, “2개의 손가락으로 콩을 이동시킬 수 있는가?” 라는 발달질문(401)은 한국에서 소근육(402) 카테고리에 속하는 반면, 프랑스에서 인지(403) 카테고리에 속하는 경우, 아동 발달 분석 장치(100)는 소근육(402) 카테고리에 속하는 발달질문(401)의 카테고리를 피검사자의 국적인 프랑스의 카테고리에 맞게 갱신할 수 있다.
하나의 실시예에 따라, 아동 발달 분석 장치(100)는 그래프 상에서 특정 카테고리의 발달을 성취한 아동 중 발달질문의 발달을 성취한 아동의 수를 기초로 발달질문과 특정 카테고리 간의 연관성을 분석할 수 있다.
예를 들어, 아동 발달 분석 장치(100)는 특정 카테고리인 인지 영역의 발달정도를 나타내는 발달점수에 따라 각 점수별 아동을 추출할 수 있고, 각 점수대의 아동이 발달질문의 발달을 성취한 수를 카운팅할 수 있다. 그리고 아동 발달 분석 장치(100)는 인지 영역의 발달점수별로 발달질문의 발달을 성취한 아동의 수를 기초로 회귀 분석 또는 상관관계분석을 통해 발달질문과 인지 카테고리 간의 연관성을 분석할 수 있다.
도 5 를 참조하면, 아동 발달 분석 장치(100)는 “2개이 손가락으로 콩을 이동시킬 수 있는가?” 발달질문(501)에 대해 연관성이 높은 카테고리를 결정하기 위해, 발달질문(501)과 인지 카테고리(502) 및 창의 카테고리(503) 각각 과의 연관성을 분석할 수 있다.
우선, 아동 발달 분석 장치(100)는 인지 카테고리(502)에서 발달 점수별로 아동을 20명씩 추출할 수 있고, 인지 카테고리(502)의 발달 점수별로 추출된 아동들 중 발달질문(501)의 발달을 성취한 아동의 수에 따라 발달질문(501)과 인지 카테고리(502)간의 상관관계(504)를 분석할 수 있다. 그리고 아동 발달 분석 장치(100)는 창의 카테고리(503)에서 발달 점수별로 아동을 20명씩 추출할 수 있고, 창의 카테고리(503)의 발달 점수별로 추출된 아동들 중 발달질문(501)의 발달을 성취한 아동의 수에 따라 발달질문(501)과 창의 카테고리(503)간의 상관관계(505)를 분석할 수 있다.
이후, 아동 발달 분석 장치(100)는 발달질문(501)에 대한 각 카테고리(502, 503)의 상관관계(504, 505)를 비교하여 상관계수 값이 1에 더 가까운 인지 카테고리(502)를 발달질문(501)의 카테고리로 결정할 수 있다.
다른 실시예에 따라, 아동 발달 분석 장치(100)는 카테고리별 아동의 답변에 기초하여 카테고리 간 연관성을 분석할 수 있다.
예를 들어, 아동 발달 분석 장치(100)는 발달질문과 카테고리간의 분석방법과 유사하게 A 카테고리에서 발달점수에 따라 20명의 아동을 추출할 수 있고, A카테고리의 발달점수별로 해당 아동이 B 카테고리에 대해 성취한 발달점수와의 관계를 기초로 회귀 분석 및 상관관계분석 중 적어도 하나를 통한 카테고리 간의 연관성을 분석할 수 있다.
그리고 아동 발달 분석 장치(100)는 머신러닝을 통해 발달질문과 카테고리 간의 연관성을 분석할 수 있다.
예를 들어, 아동 발달 분석 장치(100)는 부모의 몸무게, 학력, 등을 포함한 모든 환경변수, 나이(연령, 일수, 주수, 등), 아동의 몸무게 및 키, 머리둘레 등의 생체정보, 카테고리 및 질문의 기준 나이(평균값), 아동들의 답변, 해당 발달질문의 카테고리를 학습하여 발달질문과 카테고리 간의 매칭 패턴을 식별할 수 있고, 식별된 패턴에 따라 발달질문에 대한 카테고리 할당 또는 카테고리를 변경할 수 있다.
이후, 아동 발달 분석 장치(100)는 S3002단계에서의 분석결과에 기초하여 발달검사에 포함되는 발달질문을 갱신할 수 있다(S3003).
예를 들어, 아동 발달 분석 장치(100)는 S3002단계에서 분석에 따라 발달질문의 기준 나이를 재조정할 수 있으며, 발달질문에 대한 카테고리를 새롭게 할당하거나 갱신할 수 있다.
그리고 아동 발달 분석 장치(100)는 답변에 기초하여 피검사자에게 제공될 발달질문을 결정할 수 있다(S3004).
예를 들어, 아동 발달 분석 장치(100)는 피검사자의 환경정보인 프랑스 국적, 6개월, 검사영역에 기초하여 6개월에 적합한 기준 나이를 갖는 발달질문을 선택하되, 프랑스의 인지 카테고리에 대응되는 소근육 카테고리에 속하였던 발달질문을 선택하여 피검사자에게 제공할 수 있다.
이후, 아동 발달 분석 장치(10)는 피검사자에게 제공된 발달질문에 대한 답변을 획득할 수 있고, 획득된 답변을 기초로 S3001단계 내지 S3004 단계를 반복 수행하여 발달질문을 갱신하여 피검사자에게 제공할 수 있다.
이때, 아동 발달 분석 장치(10)는 ‘동일대상평가 발달질문’을 결정하여 피검사자의 발달질문에 대한 부정입력을 평가할 수 있다.
예를 들어, 아동 발달 분석 장치(10)는 제 1 발달질문과 상이하되 제 1 발달질문이 분석하는 카테고리와 동일한 발달 영역을 분석하는 동일대상평가 발달질문인 제 2 발달질문을 피검사자에게 제공하여 답변의 동일 유사 여부를 판단하여 답변의 유효성을 평가할 수 있다.
이상의 실시예들에서 사용되는 '~부'라는 용어는 소프트웨어 또는 FPGA(field programmable gate array) 또는 ASIC 와 같은 하드웨어 구성요소를 의미하며, '~부'는 어떤 역할들을 수행한다. 그렇지만 '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '~부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램특허 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들, 및 변수들을 포함한다.
구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로부터 분리될 수 있다.
뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU 들을 재생시키도록 구현될 수도 있다.
실시예에 따른 아동 발달 분석 방법은 컴퓨터에 의해 실행 가능한 명령어 및 데이터를 저장하는, 컴퓨터로 판독 가능한 매체의 형태로도 구현될 수 있다. 이때, 명령어 및 데이터는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 소정의 프로그램 모듈을 생성하여 소정의 동작을 수행할 수 있다. 또한, 컴퓨터로 판독 가능한 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터로 판독 가능한 매체는 컴퓨터 기록 매체일 수 있는데, 컴퓨터 기록 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함할 수 있다.예를 들어, 컴퓨터 기록 매체는 HDD 및 SSD 등과 같은 마그네틱 저장 매체, CD, DVD 및 블루레이 디스크 등과 같은 광학적 기록 매체, 또는 네트워크를 통해 접근 가능한 서버에 포함되는 메모리일 수 있다.
또한 실시예에 따른 아동 발달 분석 방법은 컴퓨터에 의해 실행 가능한 명령어를 포함하는 컴퓨터 프로그램(또는 컴퓨터 프로그램 제품)으로 구현될 수도 있다. 컴퓨터 프로그램은 프로세서에 의해 처리되는 프로그래밍 가능한 기계 명령어를 포함하고, 고레벨 프로그래밍 언어(High-level Programming Language), 객체 지향 프로그래밍 언어(Object-oriented Programming Language), 어셈블리 언어 또는 기계 언어 등으로 구현될 수 있다. 또한 컴퓨터 프로그램은 유형의 컴퓨터 판독가능 기록매체(예를 들어, 메모리, 하드디스크, 자기/광학 매체 또는 SSD(Solid-State Drive) 등)에 기록될 수 있다.
따라서 실시예에 따른 아동 발달 분석 방법은 상술한 바와 같은 컴퓨터 프로그램이 컴퓨팅 장치에 의해 실행됨으로써 구현될 수 있다. 컴퓨팅 장치는 프로세서와, 메모리와, 저장 장치와, 메모리 및 고속 확장포트에 접속하고 있는 고속 인터페이스와, 저속 버스와 저장 장치에 접속하고 있는 저속 인터페이스 중 적어도 일부를 포함할 수 있다. 이러한 성분들 각각은 다양한 버스를 이용하여 서로 접속되어 있으며, 공통 머더보드에 탑재되거나 다른 적절한 방식으로 장착될 수 있다.
여기서 프로세서는 컴퓨팅 장치 내에서 명령어를 처리할 수 있는데, 이런 명령어로는, 예컨대 고속 인터페이스에 접속된 디스플레이처럼 외부 입력, 출력 장치상에 GUI(Graphic User Interface)를 제공하기 위한 그래픽 정보를 표시하기 위해 메모리나 저장 장치에 저장된 명령어를 들 수 있다. 다른 실시예로서, 다수의 프로세서 및(또는) 다수의 버스가 적절히 다수의 메모리 및 메모리 형태와 함께 이용될 수 있다. 또한 프로세서는 독립적인 다수의 아날로그 및(또는) 디지털 프로세서를 포함하는 칩들이 이루는 칩셋으로 구현될 수 있다.
또한 메모리는 컴퓨팅 장치 내에서 정보를 저장한다. 일례로, 메모리는 휘발성 메모리 유닛 또는 그들의 집합으로 구성될 수 있다. 다른 예로, 메모리는 비휘발성 메모리 유닛 또는 그들의 집합으로 구성될 수 있다. 또한 메모리는 예컨대, 자기 혹은 광 디스크와 같이 다른 형태의 컴퓨터 판독 가능한 매체일 수도 있다.
그리고 저장장치는 컴퓨팅 장치에게 대용량의 저장공간을 제공할 수 있다. 저장 장치는 컴퓨터 판독 가능한 매체이거나 이런 매체를 포함하는 구성일 수 있으며, 예를 들어 SAN(Storage Area Network) 내의 장치들이나 다른 구성도 포함할 수 있고, 플로피 디스크 장치, 하드 디스크 장치, 광 디스크 장치, 혹은 테이프 장치, 플래시 메모리, 그와 유사한 다른 반도체 메모리 장치 혹은 장치 어레이일 수 있다.
상술된 실시예들은 예시를 위한 것이며, 상술된 실시예들이 속하는 기술분야의 통상의 지식을 가진 자는 상술된 실시예들이 갖는 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 상술된 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 명세서를 통해 보호 받고자 하는 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태를 포함하는 것으로 해석되어야 한다.
100: 아동 발달 분석 장치
110: 입출력부
120: 제어부
130: 통신부
140: 메모리

Claims (21)

  1. 아동 발달 분석 장치에 있어서,
    아동의 발달정도를 평가하는 발달질문에 대한 답변을 입력받는 입출력부; 및
    상기 답변에 기초하여 상기 발달질문과 아동의 발달을 평가하는 영역인 카테고리간의 연관성을 분석하고, 분석된 연관성에 기초하여 상기 발달질문에 대한 카테고리를 결정하는 제어부를 포함하는, 아동 발달 분석 장치.
  2. 제 1 항에 있어서,
    상기 제어부는,
    상기 카테고리에 대응되는 발달영역의 발달을 성취한 아동 중 상기 발달질문에 대응되는 발달을 성취한 아동을 식별하고, 식별된 아동의 답변을 분석하는, 아동 발달 분석 장치.
  3. 제 2 항에 있어서,
    상기 제어부는,
    상기 카테고리에 대응되는 발달영역의 발달정도에 따라 상기 아동을 분류하고, 분류된 아동 별로 상기 발달질문에 대한 대응되는 발달을 성취한 아동을 식별하는, 아동 발달 분석 장치.
  4. 제 1 항에 있어서,
    상기 제어부는,
    상기 발달질문에 대해 답변한 복수의 아동 각각의 환경에 따라 상기 복수의 아동의 답변을 분석하여 상기 발달질문에 대한 기준 나이를 결정하는, 아동 발달 분석 장치.
  5. 제 4 항에 있어서,
    상기 제어부는,
    상기 발달질문에 대해 답변한 복수의 아동 중 상기 발달질문에 대응되는 발달을 성취한 아동의 환경인 나이, 성별, 인종, 국가 및 언어 중 적어도 하나의 측면에서 상기 발달질문을 평가하여 기준 나이를 결정하는, 아동 발달 분석 장치.
  6. 제 1 항에 있어서,
    상기 제어부는,
    회귀분석 및 상관관계분석 중 적어도 하나로 상기 발달질문과 상기 카테고리간의 연관성을 분석하는, 아동 발달 분석 장치.
  7. 제 1 항에 있어서,
    상기 제어부는,
    상기 아동에 대한 환경 정보, 상기 발달질문에 대한 기준 나이, 상기 발달질문의 카테고리 및 상기 발달질문에 대한 답변 중 적어도 하나를 학습하고, 학습결과에 기초하여 상기 발달질문과 상기 카테고리 간의 연관성을 분석하는, 아동 발달 분석 장치.
  8. 제 1 항에 있어서,
    상기 제어부는,
    카테고리 별 상기 아동의 답변에 기초하여 카테고리 간 연관성을 분석하는, 아동 발달 분석 장치.
  9. 제 1 항에 있어서,
    상기 제어부는,
    상기 발달질문과 상이하되 상기 발달질문에 대응되는 발달을 평가하는 동일대상평가 발달질문을 결정하고, 상기 동일대상평가 발달질문에 대한 답변에 기초하여 상기 발달질문에 대한 아동의 부정입력여부를 식별하는, 아동 발달 분석 장치.
  10. 제 1 항에 있어서,
    상기 제어부는,
    발달정도를 평가할 아동인 피검사자의 환경정보에 기초하여 상기 피검사자에게 제공할 발달질문을 결정하고, 결정된 발달질문을 상기 피검사자에게 제공하는, 아동 발달 분석 장치.
  11. 아동 발달 분석 장치가 아동 발달을 분석하는 방법에 있어서,
    아동의 발달정도를 평가하는 발달질문에 대한 답변에 기초하여 상기 발달질문과 아동의 발달을 평가하는 영역인 카테고리 간의 연관성을 분석하는 단계; 및
    분석된 연관성에 기초하여 상기 발달질문에 대한 카테고리를 결정하는 단계를 포함하는, 아동 발달 분석 방법.
  12. 제 11 항에 있어서,
    상기 연관성을 분석하는 단계는,
    상기 카테고리에 대응되는 발달영역의 발달을 성취한 아동 중 상기 발달질문에 대응되는 발달을 성취한 아동을 식별하는 단계; 및
    식별된 아동의 답변을 분석하는 단계를 포함하는, 아동 발달 분석 방법.
  13. 제 12 항에 있어서,
    상기 발달질문에 대응되는 발달을 성취한 아동을 식별하는 단계는,
    상기 카테고리에 대응되는 발달영역의 발달정도에 따라 상기 아동을 분류하는 단계; 및
    분류된 아동 별로 상기 발달질문에 대한 대응되는 발달을 성취한 아동을 식별하는 단계를 포함하는, 아동 발달 분석 방법.
  14. 제 11 항에 있어서,
    상기 아동 발달 분석 방법은,
    상기 발달질문에 대해 답변한 복수의 아동 각각의 환경에 따라 상기 복수의 아동의 답변을 분석하여 상기 발달질문에 대한 기준 나이를 결정하는 단계를 더 포함하는, 아동 발달 분석 방법.
  15. 제 14 항에 있어서,
    상기 기준 나이를 결정하는 단계는,
    상기 발달질문에 대해 답변한 복수의 아동 중 상기 발달질문에 대응되는 발달을 성취한 아동의 환경인 나이, 성별, 인종, 국가 및 언어 중 적어도 하나의 측면에서 상기 발달질문을 평가하여 기준 나이를 결정하는 단계를 포함하는, 아동 발달 분석 방법.
  16. 제 11 항에 있어서,
    상기 연관성을 분석하는 단계는,
    상기 아동에 대한 환경 정보, 상기 발달질문에 대한 기준 나이, 상기 발달질문의 카테고리 및 상기 발달질문의 답변 중 적어도 하나를 학습하는 단계; 및
    학습결과에 기초하여 임의의 발달질문과 상기 카테고리 간의 연관성을 분석하는 단계를 포함하는, 아동 발달 분석 방법.
  17. 제 11 항에 있어서,
    상기 아동 발달 분석 방법은,
    카테고리별 상기 아동의 답변에 기초하여 카테고리 간 연관성을 분석하는 단계를 더 포함하는, 아동 발달 분석 방법.
  18. 제 11 항에 있어서,
    상기 연관성을 분석하는 단계는,
    상기 발달질문과 상이하되 상기 발달질문에 대응되는 발달을 평가하는 동일대상평가 발달질문을 결정하는 단계; 및
    상기 동일대상평가 발달질문에 대한 답변에 기초하여 상기 아동의 부정입력여부를 식별하는 단계를 더 포함하는, 아동 발달 분석 방법.
  19. 제 11 항에 있어서,
    상기 아동 발달 분석 방법은,
    발달정도를 평가할 아동인 피검사자의 환경정보에 기초하여 상기 피검사자에게 제공할 발달질문을 결정하는 단계; 및
    결정된 발달질문을 상기 피검사자에게 제공하는 단계를 더 포함하는, 아동 발달 분석 방법.
  20. 제 11 항에 기재된 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
  21. 아동 발달 분석 장치에 의해 수행되며, 제 11 항에 기재된 방법을 수행하기 위해 매체에 저장된 컴퓨터 프로그램.
KR1020190158395A 2019-08-29 2019-12-02 아동 발달 분석 장치 및 방법 KR102271894B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190106577 2019-08-29
KR20190106577 2019-08-29

Publications (2)

Publication Number Publication Date
KR20210026999A KR20210026999A (ko) 2021-03-10
KR102271894B1 true KR102271894B1 (ko) 2021-07-01

Family

ID=75148636

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190158395A KR102271894B1 (ko) 2019-08-29 2019-12-02 아동 발달 분석 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102271894B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102318798B1 (ko) 2021-04-19 2021-10-28 (주)창의발레소예 아동용 주의력 검사 및 발달 서비스 제공 방법 및 장치
WO2023132676A1 (ko) * 2022-01-07 2023-07-13 주식회사 유스바이오글로벌 영유아 성장발달 및 건강진단기능의 비대면 대화형 진단 방법, 장치 및 프로그램

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102459894B1 (ko) * 2022-03-24 2022-10-26 라지숙 영유아의 발달 히스토리를 기록하는 온라인 관찰일지를 이용한 영유아 발달분석 시스템
WO2023219489A1 (en) * 2022-05-13 2023-11-16 Toybox Creations And Technology Sdn Bhd Automated tool to assess child development

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120244509A1 (en) 2011-03-24 2012-09-27 Teaching Strategies, Inc. Child assessment system and method
US20150325132A1 (en) 2014-05-07 2015-11-12 KINEDU, S.A.P.I. de C.V. Method and system of activity selection for early childhood development
KR101982193B1 (ko) 2018-06-18 2019-05-24 (주) 나무와 숲 플랫폼을 이용한 아동그림심리와 보호자 설문검진을 통한 아동정서심리 및 행동특성 예측 자가 검진 서비스 시스템 및 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101984887B1 (ko) * 2016-05-13 2019-05-31 한국전자통신연구원 가부형 질의 응답 장치 및 방법
KR20180058298A (ko) * 2016-11-24 2018-06-01 (주)카이맥스 취학연령기 유아의 학교준비도 검사시스템 및 검사방법
KR102071582B1 (ko) * 2017-05-16 2020-01-30 삼성전자주식회사 딥 뉴럴 네트워크(Deep Neural Network)를 이용하여 문장이 속하는 클래스(class)를 분류하는 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120244509A1 (en) 2011-03-24 2012-09-27 Teaching Strategies, Inc. Child assessment system and method
US20150325132A1 (en) 2014-05-07 2015-11-12 KINEDU, S.A.P.I. de C.V. Method and system of activity selection for early childhood development
KR101982193B1 (ko) 2018-06-18 2019-05-24 (주) 나무와 숲 플랫폼을 이용한 아동그림심리와 보호자 설문검진을 통한 아동정서심리 및 행동특성 예측 자가 검진 서비스 시스템 및 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102318798B1 (ko) 2021-04-19 2021-10-28 (주)창의발레소예 아동용 주의력 검사 및 발달 서비스 제공 방법 및 장치
WO2023132676A1 (ko) * 2022-01-07 2023-07-13 주식회사 유스바이오글로벌 영유아 성장발달 및 건강진단기능의 비대면 대화형 진단 방법, 장치 및 프로그램

Also Published As

Publication number Publication date
KR20210026999A (ko) 2021-03-10

Similar Documents

Publication Publication Date Title
KR102271894B1 (ko) 아동 발달 분석 장치 및 방법
Alemán et al. Value orientations from the world values survey: How comparable are they cross-nationally?
Wofford et al. The vicarious effects of discrimination: How partner experiences of discrimination affect individual health
Luthra et al. Reconceptualizing context: A multilevel model of the context of reception and second‐generation educational attainment
Bleidorn et al. Personality maturation around the world: A cross-cultural examination of social-investment theory
Chonody et al. Measuring relationship quality in an international study: Exploratory and confirmatory factor validity
Saperstein et al. Making the most of multiple measures: Disentangling the effects of different dimensions of race in survey research
Feliciano The female educational advantage among adolescent children of immigrants
McClain et al. A typology of web survey paradata for assessing total survey error
Torche et al. Declining racial stratification in marriage choices? Trends in black/white status exchange in the United States, 1980 to 2010
Yuen et al. Mapping the life satisfaction of adolescents in Hong Kong secondary schools with high ethnic concentration
Xu et al. Assessing the effectiveness of anchoring vignettes in bias reduction for socioeconomic disparities in self-rated health among Chinese adults
US11748658B2 (en) System and method for categorical time-series clustering
Moksnes et al. Stress, sense of coherence and subjective health in adolescents aged 13–18 years
Katrňák et al. The relationship between educational homogamy and educational mobility in 29 European countries
de Bel et al. Balance in family triads: How intergenerational relationships affect the adult sibling relationship
Stamate et al. A machine learning framework for predicting dementia and mild cognitive impairment
Carballo et al. Screening for the ADHD phenotype using the Strengths and Difficulties Questionnaire in a clinical sample of newly referred children and adolescents
Cheung et al. Challenges of big data analyses and applications in psychology
Mahdizadeh et al. On estimating the area under the ROC curve in ranked set sampling
Gujord Who succeeds and who fails? Exploring the role of background variables in explaining the outcomes of L2 language tests
Jørgensen et al. Understanding school mobility and mobile pupils in England
Clark et al. Measuring isolation across space and over time with new tools: Evidence from Californian metropolitan regions
Jacqmin-Gadda et al. Receiver operating characteristic curve estimation for time to event with semicompeting risks and interval censoring
Yıldız et al. The relationship between individuals’ knowledge about human papilloma virus, beliefs, and vaccination status: analysis with data mining

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right