KR102284499B1 - 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 - Google Patents
학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 Download PDFInfo
- Publication number
- KR102284499B1 KR102284499B1 KR1020190078174A KR20190078174A KR102284499B1 KR 102284499 B1 KR102284499 B1 KR 102284499B1 KR 1020190078174 A KR1020190078174 A KR 1020190078174A KR 20190078174 A KR20190078174 A KR 20190078174A KR 102284499 B1 KR102284499 B1 KR 102284499B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- learner
- propensity
- learning
- program
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000007405 data analysis Methods 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 46
- 230000008859 change Effects 0.000 claims description 33
- 230000003542 behavioural effect Effects 0.000 claims description 28
- 238000012360 testing method Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 17
- 238000005516 engineering process Methods 0.000 claims description 14
- 230000006399 behavior Effects 0.000 claims description 9
- 230000008901 benefit Effects 0.000 claims description 9
- 201000010099 disease Diseases 0.000 claims description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 8
- 230000000391 smoking effect Effects 0.000 claims description 8
- 238000013473 artificial intelligence Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000003862 health status Effects 0.000 claims description 6
- 230000004622 sleep time Effects 0.000 claims description 6
- 235000011888 snacks Nutrition 0.000 claims description 6
- 230000002618 waking effect Effects 0.000 claims description 6
- 230000035987 intoxication Effects 0.000 claims description 5
- 231100000566 intoxication Toxicity 0.000 claims description 5
- 230000001755 vocal effect Effects 0.000 claims description 5
- 238000010801 machine learning Methods 0.000 claims description 3
- 235000012054 meals Nutrition 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 229920001690 polydopamine Polymers 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002405 diagnostic procedure Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 238000010195 expression analysis Methods 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000003442 weekly effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007519 figuring Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000012795 verification 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G06N7/005—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q2220/00—Business processing using cryptography
- G06Q2220/10—Usage protection of distributed data files
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 방법에 있어서, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계; 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계; 및 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계;를 포함할 수 있다.
Description
본 발명은 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체에 관한 것으로서, 보다 상세하게는, 합격 결과에 따라 학습자의 행동 성향이나 학습 성향을 분석하여 유용한 데이터를 생성할 수 있게 하는 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체에 관한 것이다.
일반적으로 정보 분석 기반 교육 시스템들은 학업 정보로부터 학습에 유의미한 각종 정보를 생성할 수 있다.
이러한 정보 분석 기반 교육 시스템들은 과거 전산화가 미미했던 시절부터 유지되어 왔고, 현재에는 각종 기기들이 개발된 바, 학업 외의 각종 정보들이 자연적으로 생성되어 누적되고 있다.
예를 들면, 웨어러블 디바이스(Wearable Device; 스마트워치 등)로 심박동수 및 수면 패턴, 하루 누적 걸음수, 위치 정보 등이 실시간으로 입수 가능하며, 성격 유형 문제지 및 현재 자가 감정 보고를 통하여 얻을 수 있는 학생의 심리학적 정보, 또한 실시간 표정 분석을 통한 감정 상태 감지 등, 교육과는 직접적 연관이 없지만 누적되었을 때 복합적으로 학업 정보 보다 더 유의미한 학업 이외의 학생의 행동 정보 등을 추출할 수 있다.
그러나, 이러한 학업 이외의 각종 정보들은 이를 분석할 수 있는 마땅한 방법들이 없었기 때문에 그대로 버려지고 마는 문제점들이 있었다.
한편, 최근 각종 서비스들은 스마트 폰을 비롯한 각종 스마트 장치나 통신망이나 인터넷 등을 이용하여 막대한 수의 컴퓨터들과 이들 컴퓨터들을 통신 링크들을 통하여 근거리는 물론이고, 세계적으로 상호 접속하는 컴퓨터 네트워크들을 이용하여 제공될 수 있다.
다양한 스마트 기기들과 연계되어 상호 접속된 컴퓨터들은 다양한 서비스, 예를 들면 전자 우편, 고퍼 그리고 월드 와이드 웹(WWW)을 이용하여 정보를 상호간에 교환할 수 있다. 월드 와이드 웹은 서버 컴퓨터 시스템(예를 들면 웹서버 혹은 웹사이트)이 정보의 도해적인 웹페이지들을 원격 클라이언트 컴퓨터 시스템에 보내지는 것을 허용할 수 있다.
이러한 원격 클라이언트 컴퓨터 시스템은 서버 컴퓨터로부터 전송 받은 다양한 화면의 작업 화면이나 웹페이지의 형태로 디스플레이할 수 있다.
한편, 최근 2G, 3G, 4G, 5G, LTE 등 이동 통신망, WIFI 통신망, 블루투스 통신망, 셀룰러 통신망, CDMA 통신망, LTE 통신망, 이더넷 통신망, 와이맥스 통신망, 근거리 통신망(LAN), 광역 통신망(WAN), RF 통신망, 적외선 통신망, 광 통신망 등 무선 통신망이 비약적인 발전을 함에 따라 이러한 무선 통신망을 이용하여 다양한 서비스들이 개발되고 있다.
본 발명은 상기와 같은 문제점을 포함한 여러 문제점들을 해결하기 위한 것으로서, 학습자의 학습 성향이나 학습 내용은 물론이고, 학습 이외의 행동 성향 등 매우 다양한 성향 정보들을 종합적으로 분석할 수 있고, 학습자의 성향과 가장 유사한 합격생 모델 또는 불합격생 모델을 매칭하여 학습자에게 도움이 될 수 있는 최적의 맞춤형 성향 교정 정보를 실시간으로 제공할 수 있으며, 인공 지능을 이용하여 다양한 학습자들의 합격 가능성을 크게 높여서 다른 교육 기관에서 제공할 수 없는 고부가가치의 교육 및 학습 서비스를 수행할 수 있고, 분산 원장 기술을 이용하여 보안성을 크게 강화시킬 수 있게 하는 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 제공하는 것을 목적으로 한다. 그러나 이러한 과제는 예시적인 것으로, 이에 의해 본 발명의 범위가 한정되는 것은 아니다.
상기 과제를 해결하기 위한 본 발명의 사상에 따른 학습 데이터 분석 서비스를 운영하는 방법은, 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 방법에 있어서, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계; 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계; 및 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계;를 포함할 수 있다.
한편, 상기 과제를 해결하기 위한 본 발명의 사상에 따른 학습 데이터 분석 서비스를 운영하는 방법은, 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 방법에 있어서, 상기 서버 컴퓨터는, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 학습자 성향 정보 입력 프로그램, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 합격 결과 정보 입력 프로그램, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 상관 관계 분석 프로그램, 상기 학습자 성향 정보가 저장되는 학습자 성향 정보 데이터베이스, 상기 합격 결과 정보가 저장되는 합격 결과 정보 데이터베이스, 상기 분석 정보가 저장되는 분석 정보 데이터베이스를 포함하고, (a) 상기 학습자 성향 정보 입력 프로그램에 의해서, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계; (b) 상기 합격 결과 정보 입력 프로그램에 의해서, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계; 및 (c) 상기 상관 관계 분석 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, 상기 학습자 성향 정보는, 적어도 학습과 관련된 학습 성향 정보, 학습 이외의 행동과 관련된 행동 성향 정보, 학습 내용과 관련된 학습 내용 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
또한, 본 발명에 따르면, 상기 학습 성향 정보는, 적어도 특정 시험에 대한 학습 기간 정보, 내용 이해 방법 정보, 내용 암기 방법 정보, 아침/오전/오후/저녁/새벽 등 학습 시간대 정보, 학습시간/학습 집중시간/자투리 시간 활용 여부/휴식 시간/플랜 실천 여부/반복 학습 여부 등 성실성 정보, 학습 장소 정보, 스터디 그룹 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
또한, 본 발명에 따르면, 상기 행동 성향 정보는, 적어도 수면 시간/기상 시각/핸드폰 사용 시간/인터넷 사용 시간/게임 시간/음주 여부/이성 교제 여부/흡연 여부/흡연 연초 개수/친우 만남 횟수 등 의지력 정보, 식사 시간/간식 횟수/취침 시각/계획 실천 백분율/주간 운동 횟수 등 계획성 정보, 약속 시간 준수 백분율/결석 백분율/지각 백분율 등 성실성 정보, 질병 여부/질병 종류 등 건강 상태 정보, 직업 의식/직업 사명감 수치 등 직업 의식 정보, 목표 설정 여부/목표 수행 백분율 등 목표 의식 정보, 차분함/급함/다혈질/궁금증 해결 수치 등 성격 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
또한, 본 발명에 따르면, 상기 학습 내용 정보는, 적어도 수준 테스트 결과 등 초기 학습 성취도 정보, 모의 고사 정보, 문제 풀이 정보, 쪽지 시험 정보, 동영상 시청 정보, 세부 학습 주제 정보, 문항별 난이도 정보, 문제 유형 정보, 과목별 점수 정보, 오답 노트 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
또한, 본 발명에 따르면, 상기 합격 결과 정보는, 적어도 합격에 따른 이득이 부여될 수 있는 합격생 정보, 불합격에 따른 재수강 기회 또는 할인 혜택이 부여될 수 있는 불합격생 정보, N년 이상 합격하지 못한 장수생 정보, M년 이상 정보 입력이 없는 학습 중단생 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
또한, 본 발명에 따르면, 상기 서버 컴퓨터의 상기 상관 관계 분석 프로그램은, 상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 정량화 프로그램; 상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 변동 요인 판별 프로그램; 및 과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 합격 가능성 예상 프로그램;를 포함하고, 상기 (c) 단계는, (c-1) 상기 정량화 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 단계; (c-2) 상기 변동 요인 판별 프로그램에 의해서, 상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 단계; 및 (c-3) 상기 합격 가능성 예상 프로그램에 의해서, 과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 단계;를 포함할 수 있다.
또한, 본 발명에 따르면, 상기 (c-2) 단계에서, 상기 학습자의 점수 또는 정량 수치 변동과 상기 변동 요인과의 상관 관계는 베이지안 이론(Bayesian Theory) 등의 통계학적인 처리 과정을 이용하여 상관도가 높은 정보를 주요 상기 변동 요인으로 선택하여 이루어질 수 있다.
또한, 본 발명에 따르면, 상기 (c-3) 단계에서, 상기 학습자의 합격 가능성은 인공 지능의 머신 러닝을 통해 정확도가 향상될 수 있다.
또한, 본 발명에 따르면, 상기 서버 컴퓨터의 상기 상관 관계 분석 프로그램은, 상기 학습자의 합격 가능성을 높이기 위해 학습 내용을 제외한 상기 학습자의 학습 성향 또는 행동 성향을 교정할 수 있는 행동 교정 정보를 생성하는 성향 교정 프로그램을 더 포함하고, (c-4) 상기 성향 교정 프로그램에 의해서, 상기 학습자의 합격 가능성을 높이기 위해 학습 내용을 제외한 상기 학습자의 학습 성향 또는 행동 성향을 교정할 수 있는 성향 교정 정보를 생성하는 단계;를 더 포함할 수 있다.
또한, 본 발명에 따르면, 상기 서버 컴퓨터는, 적어도 상기 학습자 성향 정보와, 상기 합격 결과 정보와, 상기 분석 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 정보를 분산 원장 기술을 이용하여 복수개의 저장 장소에 분산하여 저장하고, 분산 원장 키를 이용해서 정보를 열람할 수 있게 하는 분산 원장 프로그램;을 더 포함하고, 상기 (c) 단계 이전 또는 이후에, (d) 상기 분산 원장 프로그램에 의해서, 적어도 상기 학습자 성향 정보와, 상기 합격 결과 정보와, 상기 분석 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 정보를 분산 원장 기술을 이용하여 복수개의 저장 장소에 분산하여 저장하고, 분산 원장 키를 이용해서 정보를 열람할 수 있게 하는 단계;를 더 포함할 수 있다.
한편, 상기 과제를 해결하기 위한 본 발명의 사상에 따른 학습 데이터 분석 서비스를 운영하는 시스템은, 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 시스템에 있어서, 상기 서버 컴퓨터는, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 학습자 성향 정보 입력 프로그램, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 합격 결과 정보 입력 프로그램, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 상관 관계 분석 프로그램, 상기 학습자 성향 정보가 저장되는 학습자 성향 정보 데이터베이스, 상기 합격 결과 정보가 저장되는 합격 결과 정보 데이터베이스, 상기 분석 정보가 저장되는 분석 정보 데이터베이스를 포함하고, 상기 학습자 성향 정보 입력 프로그램에 의해서, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받고, 상기 합격 결과 정보 입력 프로그램에 의해서, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받고, 상기 상관 관계 분석 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하도록 프로그램된 제어부를 포함할 수 있다.
한편, 상기 과제를 해결하기 위한 본 발명의 사상에 따른 학습 데이터 분석 서비스를 운영하는 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체는, 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체에 있어서, 상기 서버 컴퓨터는, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 학습자 성향 정보 입력 프로그램, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 합격 결과 정보 입력 프로그램, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 상관 관계 분석 프로그램, 상기 학습자 성향 정보가 저장되는 학습자 성향 정보 데이터베이스, 상기 합격 결과 정보가 저장되는 합격 결과 정보 데이터베이스, 상기 분석 정보가 저장되는 분석 정보 데이터베이스를 포함하고, (a) 상기 학습자 성향 정보 입력 프로그램에 의해서, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계; (b) 상기 합격 결과 정보 입력 프로그램에 의해서, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계; 및 (c) 상기 상관 관계 분석 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계;를 포함할 수 있다.
상기한 바와 같이 이루어진 본 발명의 여러 실시예들에 따르면, 학습자의 학습 성향이나 학습 내용은 물론이고, 학습 이외의 행동 성향 등 매우 다양한 성향 정보들을 종합적으로 분석할 수 있고, 학습자의 성향과 가장 유사한 합격생 모델 또는 불합격생 모델을 매칭하여 학습자에게 도움이 될 수 있는 최적의 맞춤형 성향 교정 정보를 실시간으로 제공할 수 있으며, 인공 지능을 이용하여 다양한 학습자들의 합격 가능성을 크게 높여서 다른 교육 기관에서 제공할 수 없는 고부가가치의 교육 및 학습 서비스를 수행할 수 있고, 분산 원장 기술을 이용하여 보안성을 크게 강화시킬 수 있는 효과를 갖는 것이다. 물론 이러한 효과에 의해 본 발명의 범위가 한정되는 것은 아니다.
도 1은 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 시스템을 나타내는 개념도이다.
도 2는 도 1의 학습 데이터 분석 서비스를 운영하는 시스템의 상관 관계 분석 프로그램을 더욱 상세하게 나타내는 블록도이다.
도 3은 본 발명의 학습 데이터 분석 서비스를 운영하는 운영자와 학습자 간의 관계를 나타내는 개략도이다.
도 4는 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법을 나타내는 순서도이다.
도 5는 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법을 나타내는 순서도이다.
도 6은 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 시스템을 나타내는 개념도이다.
도 2는 도 1의 학습 데이터 분석 서비스를 운영하는 시스템의 상관 관계 분석 프로그램을 더욱 상세하게 나타내는 블록도이다.
도 3은 본 발명의 학습 데이터 분석 서비스를 운영하는 운영자와 학습자 간의 관계를 나타내는 개략도이다.
도 4는 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법을 나타내는 순서도이다.
도 5는 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법을 나타내는 순서도이다.
도 6은 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 시스템을 나타내는 개념도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 여러 실시예들을 상세히 설명하기로 한다.
본 발명의 실시예들은 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시예에 한정되는 것은 아니다. 오히려 이들 실시예들은 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것이다. 또한, 도면에서 각 층의 두께나 크기는 설명의 편의 및 명확성을 위하여 과장된 것이다.
본 명세서에서 사용된 용어는 특정 실시예를 설명하기 위하여 사용되며, 본 발명을 제한하기 위한 것이 아니다. 본 명세서에서 사용된 바와 같이, 단수 형태는 문맥상 다른 경우를 분명히 지적하는 것이 아니라면, 복수의 형태를 포함할 수 있다. 또한, 본 명세서에서 사용되는 경우 "포함한다(comprise)" 및/또는 "포함하는(comprising)"은 언급한 형상들, 숫자, 단계, 동작, 부재, 요소 및/또는 이들 그룹의 존재를 특정하는 것이며, 하나 이상의 다른 형상, 숫자, 동작, 부재, 요소 및/또는 그룹들의 존재 또는 부가를 배제하는 것이 아니다.
이하, 본 발명의 실시예들은 본 발명의 이상적인 실시예들을 개략적으로 도시하는 도면들을 참조하여 설명한다. 도면들에 있어서, 예를 들면, 제조 기술 및/또는 공차(tolerance)에 따라, 도시된 형상의 변형들이 예상될 수 있다. 따라서, 본 발명 사상의 실시예는 본 명세서에 도시된 영역의 특정 형상에 제한된 것으로 해석되어서는 아니 되며, 예를 들면 제조상 초래되는 형상의 변화를 포함하여야 한다.
이하, 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체를 도면을 참조하여 상세히 설명한다.
도 1은 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 시스템을 나타내는 개념도이다.
먼저, 도 1에 도시된 바와 같이, 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 시스템은, 크게 학습자 단말기(10)와, 학습 콘텐츠 제공자 단말기(20), 운영자 단말기(90) 및 네트워크(50)를 통하여 연결된 서버 컴퓨터(60)를 포함하여 이루어질 수 있다.
여기서, 상기 서버 컴퓨터(60)는, 상기 학습자 단말기(10)로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받고, 상기 학습자 단말기(10) 또는 운영자 단말기(90)로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받으며, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하도록 프로그램된 것으로서, 상기 네트워크(50)를 통해 학습 데이터 분석 서비스를 운영할 수 있는 학원이나, 기업이나, 공장이나, 사업체나, 본사나, 지사나, 영업소나, 대리점이나, 데이터센터 등에 구비된 컴퓨터일 수 있다.
또한, 예컨대, 상기 학습자 단말기(10)는, 본 발명의 시스템을 통해 학습 데이터 분석 서비스를 위한 각종 데이터들을 생성할 수 있는 학생, 학원생, 교육생, 피교육자, 공시생, 수험생, 시험 준비생 등의 학습자의 단말기일 수 있다.
여기서, 이러한 상기 학습자 단말기(10)는 반드시 컴퓨터에만 국한되지 않고, 각종 정보를 처리할 수 있는 모든 정보 단말 장치들이 적용될 수 있다. 예컨대, 각종 스마트 폰은 물론이고, 각종 웨어러블 디바이스나, 스마트 센서나, 스마트 패드나, 스마트 워치나, 모바일 단말기, PDA, 노트북, 랩탑 컴퓨터, 스마트 카메라, 스마트 캠코더, 전자책, 스마트 스캐너 등이 모두 적용될 수 있다.
특히, 웨어러블 디바이스를 이용하는 경우, 웨어러블 디바이스를 착용한 학습자의 심박동수 및 수면 패턴, 하루 누적 걸음수, 위치 정보 등이 실시간으로 입수 가능하며, 성격 유형 문제지 및 현재 자가 감정 보고를 통하여 얻을 수 있는 학생의 심리학적 정보, 또한 실시간 표정 분석을 통한 감정 상태 감지 등 교육과는 직접적 연관이 없지만 누적되었을 때 복합적으로 학업 정보 보다 더 유의미한 학생 정보를 추출하여 교육에 사용하는 것이 가능하다.
또한, 예컨대, 상기 학습 콘텐츠 제공자 단말기(20)는, 본 발명의 시스템을 통해 강의, 동영상 강의, 문제, 시험지 등 각종 학습 콘텐츠 등을 제공하기를 원하는 강사나, 교수나, 학원이나, 기업이나, 공장이나, 사업체나, 본사나, 지사나, 영업소나, 대리점이나, 데이터센터 등에 구비된 단말기나 컴퓨터일 수 있다.
여기서, 이러한 상기 학습 콘텐츠 제공자 단말기(20)는 반드시 컴퓨터에만 국한되지 않고, 각종 정보를 처리할 수 있는 모든 정보 단말 장치들이 적용될 수 있다. 예컨대, 각종 스마트 폰은 물론이고, 각종 웨어러블 디바이스나, 스마트 센서나, 스마트 패드나, 스마트 워치나, 모바일 단말기, PDA, 노트북, 랩탑 컴퓨터, 스마트 카메라, 스마트 캠코더, 전자책, 스마트 스캐너 등이 모두 적용될 수 있다.
또한, 예컨대, 상기 운영자 단말기(90)는, 상기 서버 컴퓨터(60)를 관리하고 운영하는 개인이나 기업이나, 공장이나, 사업체나, 중앙 관재소나, 본사나, 지사나, 영업소나 전산 담당자의 단말기나 컴퓨터로서, 반드시 컴퓨터나 스마트 폰에 국한되지 않는 것으로 각종 문자 정보나, 숫자 정보나 이미지 정보를 제공받을 수 있고, 다양한 명령을 선택할 수 있는 각종 정보 단말기, PDA, 스마트 워치, 스마트 패드, 카메라, 캠코더, 노트북, 랩탑 컴퓨터, 전자책, 개인용 컴퓨터, 다른 서버 컴퓨터 등이 모두 적용될 수 있다.
한편, 도 1에 도시된 바와 같이, 상기 학습 콘텐츠 제공자 단말기(20)와 상기 운영자 단말기(90)는 반드시 독립적으로 구비되지 않는 것으로서, 예컨대, 상기 학습 콘텐츠 제공자 단말기(20)와 상기 운영자 단말기(90)가 동일한 것도 가능하다.
또한, 예컨대, 도 1의 상기 학습자 단말기(10)와, 상기 학습 콘텐츠 제공자 단말기(20)와, 상기 운영자 단말기(90) 및 서버 컴퓨터(60)는 각종 어플리케이션, 앱, 하이브리드 앱, 프로그램 등이 설치되어, 상기 네트워크(50)를 통해 서로 연결되고, 이러한 상기 네트워크(50)에 의해 연결된 단말기들은, 기존의 2G, 3G, 4G, 5G, LTE 등 이동 통신망, WIFI 통신망, 블루투스 통신망, 셀룰러 통신망, CDMA 통신망, LTE 통신망, 이더넷 통신망, 와이맥스 통신망, 근거리 통신망(LAN), 광역 통신망(WAN), RF 통신망, 적외선 통신망, 광 통신망 등의 통신망을 이용할 수 있는 것은 물론이고, HTML, XML, HTML5 등의 형태로 웹 내용을 디스플레이할 수 있는 인터넷 브라우저(Netscape, Internet Explorer 등)나 사내 또는 사외 또는 근거리/원거리 유무선 네트워크 접속용 프로토콜 장치 등을 가질 수 있다.
한편, 상기 서버 컴퓨터(60)는, 도 1에 도시된 바와 같이, 프로그램을 제어하는 프로그램 제어부(PG)와 각종 정보들을 저장하는 데이터베이스(DB)를 포함할 수 있다.
특히, 상기 프로그램 제어부(PG)는, 도 1에 도시된 바와 같이, 전체 프로그램을 운영하는 메인 프로그램(61), 상기 학습자 단말기(10)나 상기 학습 콘텐츠 제공자 단말기(20)로부터 등록 신청 정보를 입력받아 회원으로 등록하는 회원 등록 프로그램(62), 상기 학습자 단말기(10)나 상기 학습 콘텐츠 제공자 단말기(20)로부터 로그인 정보를 입력받는 로그인 프로그램(63), 상기 학습자 단말기(10)로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 학습자 성향 정보 입력 프로그램(64), 상기 학습자 단말기(10) 또는 운영자 단말기(90)로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 합격 결과 정보 입력 프로그램(65), 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 상관 관계 분석 프로그램(66), 각종 데이터들을 피드백을 통한 딥러닝 기법을 이용하여 실시간으로 분석하는 인공 지능 프로그램(67), 적어도 상기 학습자 성향 정보와, 상기 합격 결과 정보와, 상기 분석 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 정보를 분산 원장 기술을 이용하여 복수개의 저장 장소에 분산하여 저장하고, 분산 원장 키를 이용해서 정보를 열람할 수 있게 하는 분산 원장 프로그램(68), 기타 각종 그래픽이나 결재나 게시판 등의 기능을 수행하는 기타 프로그램(69) 등을 포함할 수 있다.
여기서, 예컨대, 상기 메인 프로그램(61)은 전체 프로그램을 운영하는 것으로서, 온라인 상에서 학습자 관리 홈페이지나 어플리케이션이나 프로그램의 메인 화면 형태로 표현되는 것이 가능하고, 상기 학습자 단말기(10)나 상기 학습 콘텐츠 제공자 단말기(20)나 상기 운영자 단말기(90)로부터 각종 정보와 명령 신호를 전송받아 상기 모든 프로그램들을 제어할 수 있는 프로그램일 수 있다.
또한, 예컨대, 상기 회원 등록 프로그램(62)은, 상기 학습자 단말기(10)로부터 등록 신청 정보를 입력받아 회원으로 등록하는 프로그램으로서, 학습자 등록 정보를 저장할 수 있도록 상기 학습자 단말기(10)를 인증할 수 있는 프로그램일 수 있다.
이외에도, 상기 회원 등록 프로그램(62)은, 상기 학습자 단말기(10)나 상기 학습 콘텐츠 제공자 단말기(20)나 상기 운영자 단말기(90)로부터 고유 정보를 입력받아 표준 약관이나 정보 수집 및 이용에 대한 약관 등에 동의하게 할 수 있고, 실명 확인이나 공공 아이핀이나 아이디나 패스워드나 이메일이나 휴대전화나 주소나 개인 정보, 환자 정보, 주민 번호 정보, 고유 번호, 유심 카드에 저장된 전화 번호 등으로 등록할 수 있는 프로그램일 수 있다.
또한, 예컨대, 상기 로그인 프로그램(63)은, 상기 학습자 단말기(10)로부터 로그인 정보를 입력받아서 로그인 과정을 수행 할 수 있는 프로그램으로서, 상기 학습자는 상기 서버 컴퓨터(60)에 접속한 후, 아이디나 패스워드나 전화 번호를 자동 또는 수동으로 입력하여 로그인할 수 있도록 상기 학습자 단말기(10)로부터 로그인 정보를 입력받을 수 있는 프로그램일 수 있다.
또한, 예컨대, 도 1에 도시된 바와 같이, 상기 학습자 성향 정보 입력 프로그램(64)은, 상기 학습자 단말기(10)로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받을 수 있는 프로그램으로서, 각종 설문 조사는 물론이고, 스마트 폰 등 각종 스마트 기기나 스마트 위치나 스마트 센서 등 각종 웨어러블 디바이스 등에 의해 각종 학습자 성향 정보를 수집할 수 있는 프로그램일 수 있다.
예를 들면, 상기 학습자 성향 정보는, 크게 3가지의 정보로 나눌 수 있는 데, 첫째로, 학습과 관련된 학습 성향 정보, 둘째로, 학습 이외의 행동과 관련된 행동 성향 정보, 셋째로, 학습 내용과 관련된 학습 내용 정보들로 이루어질 수 있다.
더욱 구체적으로 예를 들면, 상기 학습 성향 정보는, 적어도 특정 시험에 대한 학습 기간 정보, 내용 이해 방법 정보, 내용 암기 방법 정보, 아침/오전/오후/저녁/새벽 등 학습 시간대 정보, 학습시간/학습 집중시간/자투리 시간 활용 여부/휴식 시간/플랜 실천 여부/반복 학습 여부 등 성실성 정보, 학습 장소 정보, 스터디 그룹 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
또한, 더욱 구체적으로 예를 들면, 상기 행동 성향 정보는, 적어도 수면 시간/기상 시각/핸드폰 사용 시간/인터넷 사용 시간/게임 시간/음주 여부/이성 교제 여부/흡연 여부/흡연 연초 개수/친우 만남 횟수 등 의지력 정보, 식사 시간/간식 횟수/취침 시각/계획 실천 백분율/주간 운동 횟수 등 계획성 정보, 약속 시간 준수 백분율/결석 백분율/지각 백분율 등 성실성 정보, 질병 여부/질병 종류 등 건강 상태 정보, 직업 의식/직업 사명감 수치 등 직업 의식 정보, 목표 설정 여부/목표 수행 백분율 등 목표 의식 정보, 차분함/급함/다혈질/궁금증 해결 수치 등 성격 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
또한, 더욱 구체적으로 예를 들면, 상기 학습 내용 정보는, 시청, 듣기, 보기, 읽기 등 모든 학습 콘텐츠 정보들을 포함할 수 있는 것으로서, 적어도 수준 테스트 결과 등 초기 학습 성취도 정보, 모의 고사 정보, 문제 풀이 정보, 쪽지 시험 정보, 동영상 시청 정보, 세부 학습 주제 정보, 문항별 난이도 정보, 문제 유형 정보, 과목별 점수 정보, 오답 노트 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
그 일례로서, 학습 동영상은 세부 학습주제 및 키워드를 기반으로 잘게 나누어 런닝타임 30분-60분 정도를 기준으로 1개의 강으로 구분하고, 각 강은 세부 학습주제와 난이도 및 출제유형으로 구분을 할 수 있다.
여기서, 세부학습주제 및 키워드는 전체 학습분량을 진도에 맞추어 문제를 생성할 수 있는 단위로 쪼개어 핵심 키워드로 구분을 하고, 난이도는 상/중/하로 구분을 하며, 출제유형은 영어과목을 예로 들어, (1) 어휘 A1. 밑줄과 같은 의미 고르기, (2) 표현 B1. 밑줄과 같은 의미 고르기 B2. 빈칸 채우기, (3) 생활영어 C1. 빈칸 고르기 C2. 기타 유형, (4) 문법D1. 빈칸 채우기, D2. 틀린 밑줄 고르기, D3. 틀린/옳은 문장 고르기, D4. 영작, (5) 독해 문장완성, E1 어휘 중심, E2 논리 중심, (6) 독해 전체내용 E3 요지 및 주장, E4 주제, D5 제목 등로 구분을 할 수 있다.
이러한 학습 내용 정보는, 상기 학습 콘텐츠 제공자 단말기(20)나 상기 운영자 단말기(90)를 이용하여 문제 은행을 통해 제공받을 수 있는 것으로서, 학습동영상에서 구분한 세부학습주제와 난이도, 출제유형과 100% 동일하게 각 과목별로 문제 DB를 구축할 수 있다.
따라서, 본 발명에 따르면, 학습자의 학습 내용은 물론이고, 학습 내용 이외에도, 학습 성향을 나타내는 각종 학습 성향 정보 및 행동 성향을 나타내는 각종 행동 성향 정보를 수집할 수 있다.
이러한, 상기 학습자 성향 정보들을 바탕으로 추후 학습자에게 도움이 될 수 있는 각종 성향 교정 정보들이 생성될 수 있다.
한편, 도 1에 도시된 바와 같이, 상기 합격 결과 정보 입력 프로그램(65)는, 상기 학습자 단말기(10) 또는 운영자 단말기(90)로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받을 수 있는 프로그램으로서, 이러한 상기 합격 결과 정보는 경찰 공무원 시험이나 일반 공무원 시험 등 각종 공시 등의 시험이 모두 종료된 이후, 각종 혜택이나 이득을 받을 수 있도록 상기 학습자 단말기(10)를 통해 자신의 합격이나 불합격 결과를 입력하게 하거나 상기 운영자 단말기(90)를 통해 운영자가 합격생 명단 등을 입력하여 이루어질 수 있다.
더욱 구체적으로 예를 들면, 상기 합격 결과 정보는, 적어도 합격에 따른 이득이 부여될 수 있는 합격생 정보, 불합격에 따른 재수강 기회 또는 할인 혜택이 부여될 수 있는 불합격생 정보, N년 이상 합격하지 못한 장수생 정보, M년 이상 정보 입력이 없는 학습 중단생 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어질 수 있다.
따라서, 어떤 학습 성향이나, 행동 성향이나, 학습 내용 등을 가진 학습자의 결과가 합격인지 불합격인지를 알 수 있고, 이러한 정보들을 통계적으로 분석하여 예를 들자면, 유사한 유형의 합격생들의 평균치나 분포치나 상하한치 등 유효한 데이터 등을 구할 수 있다.
이러한 상관 관계를 분석하기 위해서, 도 1에 도시된 바와 같이, 상기 상관 관계 분석 프로그램(66)은, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출할 수 있는 프로그램으로서, 각각의 요인들 간의 관계를 매우 다양한 통계적인 방법으로 분석할 수 있다.
도 2는 도 1의 학습 데이터 분석 서비스를 운영하는 시스템의 상관 관계 분석 프로그램(66)을 더욱 상세하게 나타내는 블록도이다.
더욱 구체적으로 예를 들면, 도 1 및 도 2에 도시된 바와 같이, 상기 상관 관계 분석 프로그램(66)은, 상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 정량화 프로그램(661)과, 상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 변동 요인 판별 프로그램(662)과, 과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 합격 가능성 예상 프로그램(663) 및 상기 학습자의 합격 가능성을 높이기 위해 학습 내용을 제외한 상기 학습자의 학습 성향 또는 행동 성향을 교정할 수 있는 행동 교정 정보를 생성하는 성향 교정 프로그램(664)을 포함할 수 있다.
더욱 구체적으로 예를 들면, 상기 정량화 프로그램(661)은, 상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화할 수 있는 프로그램으로서, 예컨대, 설문 조사나 기타 측정치가 "아니오"나 1~20인 경우에는 1점, "비교적 아니오"나 21~40인 경우에는 2점, "비교적 그렇다"나 41~60인 경우에는 3점,"그렇다"나 61~80인 경우에는 4점, "매우 그렇다"나 81~100인 경우에는 5점으로 채점하여 총 5등급을 나누어서 각각을 점수화하고, 각각의 요인들을 합산하여 정량화할 수 있다.
또한, 예컨대, 상기 변동 요인 판별 프로그램(662)은, 상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별할 수 있는 프로그램으로서, A라는 성향 정보가 상술된 점수치나 정량치에 미치는 변동치를 측정하고, 상대적으로 상기 변동치가 크면 클수록 중요한 변동 요인으로 판별할 수 있다.
예컨대, 합격생 모델에서 공부 시간의 크기는 합격에 이르는 매우 중요한 변동 요인으로 판별될 수 있다.
또한, 예컨대, 상기 합격 가능성 예상 프로그램(663)은, 과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상할 수 있는 프로그램으로서, 이러한 변동 요인이 판별되면 중요한 변동 요인에 의해 현재 학습자는 성향상 합격생과 어느 정도 일치하는 지를 판단하고, 이러한 판단을 점수화 또는 정량화하여 합격 또는 불합격 가능성을 예컨대, 백분율이나 기타 수치 등으로 표시할 수 있다.
또한, 예컨대, 상기 성향 교정 프로그램(664)는, 상기 학습자의 합격 가능성을 높이기 위해 학습 내용을 제외한 상기 학습자의 학습 성향 또는 행동 성향을 교정할 수 있는 성향 교정 정보를 생성할 수 있는 프로그램으로서, 상기 학습자에게 합격 가능성을 높이는 방향으로 교정해야 할 성향 교정 정보를 생성할 수 있다.
여기서, 상기 성향 교정 정보는, 상기 학습자의 교정되어야 할 각종 학습 성향 정보, 행동 성향 정보 및 학습 내용 정보 등이 포함될 수 있다.
예를 들면, 상기 성향 교정 정보의 일종으로서, 학습자는 정밀한 사전 진단테스트 결과를 통해서 나만의 커리큘럼을 제공 받을 수 있다.
더욱 구체적으로 예를 들면, 사전에 수행될 수 있는 진단 테스트는 각 과목별로 20문제로 구성하며, 2회에 걸쳐서 테스트를 하게 되고, 각 문제 하나하나에는 세부학습주제, 난이도, 출제유형이 사전에 기입될 수 있다.
이러한, 진단 테스트를 통해서 전체평균, 과목별 점수, 문항별 난이도 및 유형등의 분석결과를 보여주고 학생 개개인의 수준에 맞는 학습 커리큘럼이 제시될 수 있다.
예컨대, 맞춤형 커리큘럼 제시는 인공 지능 시스템(AI)을 활용하여 제시될 수 있는 것으로서, 보다 정교화된 커리큘럼 제시는 인공 지능이 친숙한 형태로 구현되거나 운영자에 의한 전문 큐레이터를 통해 상세하게 커리큘럼을 제시받을 수 있다.
이러한, 큐레이터 형태의 상기 성향 교정 정보는 온라인 전용 커리큘럼 제시는 물론이고, 학생의 거주지를 고려하여 오프라인 학원의 커리큘럼까지 상세하게 추천하고, 교재 추천, 학습플랜 짜는 방법과 1:1 온라인 과외까지 진행할 수 있다.
여기서의 온라인 과외는 유/무선 전화, 화상시스템, 게시판 등을 활용하여 학생의 요구와 수준에 맞추어 협의하여 진행될 수 있다.
각각의 학습 커리큘럼은 학생들의 수준에 따라서 각 과목별 이론강의/심화강의/문제풀이 등으로 구분하여 제시될 수 있고, 제시된 각 강의는 학생들의 취약한 세부 주제파트와, 출제 유형파트로 구분하여 철저하게 맞춤형으로 제안될 수 있다.
따라서, 학습자는 개인 수준에 맞는 맞춤형 학습을 하게 되며, 각 세부강의는 세부주제/출제유형/난이도에 부합되는 세부 문제은행으로 매칭시키며, 동영상 학습과 문제 은행을 연계하여 학습 할 수 있고, 틀린 문제는 오답노트로 저장하고, 그 문제와 부합되는 다른 동영상학습 및 관련 이론과 문제를 연계하여 학습할 수 있도록 추천을 받을 수 있다.
또한, 예컨대, 이러한 성향 교정 정보는 단계적으로 이루어질 수 있는 것으로서, 더욱 구체적으로 예를 들면, 1단계 이론학습을 마치면, 점검테스트(모의고사)가 자동적으로 출제가 되며, 그 결과에 따라서 같은 강의의 세부주제 반복학습 또는 2단계 학습을 할지 시스템에서 제시가 될 수 있고, 2단계 심화학습 역시, 세부주제의 심화 동영상학습을 하고, 각 세부강의는 세부주제/출제유형/난이도에 부합되는 세부 문제은행으로 매칭시키며, 동영상학습과 문제은행을 연계하여 학습 할 수 있고, 틀린 문제는 오답노트로 저장하고, 그 문제와 부합되는 다른 동영상학습 및 관련 이론과 문제를 연계하여 학습할 수 있도록 추천을 받을 수 있다.
3단계를 거쳐서, 4단계 학습은 그 동안 학생의 학습 데이터의 추이를 분석하여, 고난이도의 문제, 학생이 자주 틀린 문제를 세부주제 및 유형별로 자동 추출하여 실제 시험과 똑같이 5과목 20문제씩 총 100문제를 개인 상황에 따라서 총 5회 이상에 걸쳐서 풀어 볼 수 있게 한다. 모의 고사 학습 후 중요 문제나 자주틀리는 문제는 다시 세부주제 및 유형별로 오답노트에 저장이 되고, 해당되는 세부주제의 매칭되는 동영상 강의를 통해서 보충학습을 할 수 있다.
따라서, 이러한 과정을 통해서 철저하게 1:1 맞춤형 동영상 학습과 문제풀이 학습을 반복하여할 수 있으며, 본인의 취약점과 수준에 따른 반복학습을 통하여 보다 빠르게 학습할 수 있고, 선택적 맞춤학습을 통해 합격까지의 기간을 단축하고 경제적인 비용절감 효과도 얻을 수 있다.
또한, 이러한 데이터 분석 기능은 실시간으로 피드백되어 인공 지능을 이용하여 다양한 학습자들의 합격 가능성을 크게 높여서 다른 교육 기관에서 제공할 수 없는 고부가가치의 교육 및 학습 서비스를 수행할 수 있다.
또한, 학습자의 학습 성향이나 학습 내용은 물론이고, 학습 이외의 행동 성향 등 매우 다양한 성향 정보들을 종합적으로 분석할 수 있기 때문에 학습자의 성향과 가장 유사한 합격생 모델 또는 불합격생 모델을 매칭하여 학습자에게 도움이 될 수 있는 최적의 맞춤형 성향 교정 정보를 실시간으로 제공할 수 있다.
한편, 도 1에 도시된 바와 같이, 상기 분산 원장 프로그램(68)은, 적어도 상기 학습자 성향 정보와, 상기 합격 결과 정보와, 상기 분석 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 정보를 분산 원장 기술을 이용하여 복수개의 저장 장소에 분산하여 저장하고, 분산 원장 키를 이용해서 정보를 열람할 수 있게 하는 프로그램으로서, 가상 화폐나 블록 체인 기술 등과 같이, 정보의 누출이나 불법 카피 등을 방지하여 영업권은 물론이고, 개인의 프라이버시, 즉 보안성을 최대한 보호할 수 있다.
따라서, 학습자들은 합격을 위해 자신이 부족한 점, 특히 학습 이외의 각종 행동 성향을 스스로 파악하여 교정함으로써 높은 합격률을 달성할 수 있으며, 운영자는 이러한 고부가가치의 성향 교정 정보 등을 제공하여 학습의 효율성을 높일 수 있어서 모두에게 이익이 될 수 있다.
여기서, 상술된 프로그램들은 상기 학습자 단말기(10)나, 상기 학습 콘텐츠 제공자 단말기(20)나, 상기 운영자 단말기(90)에 다운로드되거나 인스톨된 실행 프로그램이나, 화면 제어 프로그램이나 사용자 어플리케이션과 연동되는 형태로 운영될 수 있다.
그러나, 상술된 프로그램들은 반드시 실행 프로그램이나 스마트 폰 어플리케이션과 연동되는 것에 국한되지 않고, 모든 다양한 형태의 단말기와 연동될 수 있다.
한편, 도 1에 도시된 바와 같이, 상기 데이터베이스(DB)는, 상기 회원 등록 정보가 저장되는 회원 등록 정보 데이터베이스(71), 상기 로그인 정보가 저장되는 로그인 정보 데이터베이스(72), 상기 학습자 성향 정보가 저장되는 학습자 성향 정보 데이터베이스(73), 상기 합격 결과 정보가 저장되는 합격 결과 정보 데이터베이스(74), 상기 분석 정보가 저장되는 분석 정보 데이터베이스(75), 기타 학습자 관리 홈페이지나 각종 광고나 홍보나 결재나 게시판 등의 정보가 저장되는 기타 정보 데이터베이스(76) 등을 포함할 수 있다.
따라서, 상기 서버 컴퓨터(60)는, 상기 학습자 성향 정보 입력 프로그램(64)에 의해서, 상기 학습자 단말기(10)로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받고, 상기 합격 결과 정보 입력 프로그램(65)에 의해서, 상기 학습자 단말기(10) 또는 운영자 단말기(90)로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력받고, 상기 상관 관계 분석 프로그램(66)에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 학습 데이터 분석 서비스를 수행할 수 있다.
도 3은 본 발명의 학습 데이터 분석 서비스를 운영하는 운영자와 학습자 간의 관계를 나타내는 개략도이다.
도 3에 도시된 바와 같이, 그러므로, 학습자는 각종 학습 콘텐츠는 물론이고, 성향 교정 정보를 제공받아서 자신의 성향을 교정하여 합격률을 높일 수 있으며, 합격 가능성 정보를 제공받아서 현재 자신의 위치를 판단해 볼 수 있는 등 다양한 서비스를 제공받을 수 있고, 상기 서버 컴퓨터(60)를 운영하는 운영자는 이를 통해서 각종 학습자 성향 정보를 제공받아 활용할 수 있으며, 서비스에 대한 대가로 각종 회비나 콘텐츠 이용료를 받을 수 있어서 모두에게 이익이 될 수 있는 유용한 전산 관리 모델 또는 비즈니스 모델을 제공할 수 있다.
도 4는 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법을 나타내는 순서도이다.
한편, 도 1 내지 도 4에 도시된 바와 같이, 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법을 순서적으로 나타내면, 본 발명의 일부 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법은, 먼저, 학습 데이터 분석 서비스를 제공할 수 있는 서버 컴퓨터(60)를 구성하고, (a) 상기 학습자 성향 정보 입력 프로그램(64)에 의해서, 상기 학습자 단말기(10)로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계와, (b) 상기 합격 결과 정보 입력 프로그램(65)에 의해서, 상기 학습자 단말기(10) 또는 운영자 단말기(90)로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계 및 (c) 상기 상관 관계 분석 프로그램(66)에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계를 포함할 수 있다.
여기서, 상기 (c-2) 단계에서, 상기 학습자의 점수 또는 정량 수치 변동과 상기 변동 요인과의 상관 관계는 베이지안 이론(Bayesian Theory) 등의 통계학적인 처리 과정을 이용하여 상관도가 높은 정보를 주요 상기 변동 요인으로 선택하여 이루어질 수 있다.
또한, 상기 (c-3) 단계에서, 상기 학습자의 합격 가능성은 도 1의 인공 지능 프로그램(67)의 머신 러닝을 통해 정확도가 향상될 수 있다.
여기서, 이러한 베이지안 이론(Bayesian Theory)이나 인공 지능 기술 등은 통계학이나 딥러닝 등 널리 공지된 기술로서, 상세한 설명은 생략한다.
더욱 구체적으로 예를 들면, 도 4에 도시된 바와 같이, 상기 (c) 단계는, (c-1) 상기 정량화 프로그램(661)에 의해서, 상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 단계와, (c-2) 상기 변동 요인 판별 프로그램(662)에 의해서, 상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 단계와, (c-3) 상기 합격 가능성 예상 프로그램(663)에 의해서, 과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 단계 및 (c-4) 상기 성향 교정 프로그램(664)에 의해서, 상기 학습자의 합격 가능성을 높이기 위해 학습 내용을 제외한 상기 학습자의 학습 성향 또는 행동 성향을 교정할 수 있는 성향 교정 정보를 생성하는 단계를 포함할 수 있다.
그러나, 이러한 본 발명은 반드시 도면에만 국한되지 않고, 이외에도 다양한 단계들이 추가로 포함될 수 있다.
도 5는 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법을 나타내는 순서도이다.
한편, 도 1 내지 도 5에 도시된 바와 같이, 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법을 순서적으로 나타내면, 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 방법은, 먼저, 학습 데이터 분석 서비스를 제공할 수 있는 서버 컴퓨터(60)를 구성하고, (a) 상기 학습자 성향 정보 입력 프로그램(64)에 의해서, 상기 학습자 단말기(10)로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계와, (b) 상기 합격 결과 정보 입력 프로그램(65)에 의해서, 상기 학습자 단말기(10) 또는 운영자 단말기(90)로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계와, (c) 상기 상관 관계 분석 프로그램(66)에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계 및 (d) 상기 분산 원장 프로그램(68)에 의해서, 적어도 상기 학습자 성향 정보와, 상기 합격 결과 정보와, 상기 분석 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 정보를 분산 원장 기술을 이용하여 복수개의 저장 장소에 분산하여 저장하고, 분산 원장 키를 이용해서 정보를 열람할 수 있게 하는 단계를 포함할 수 있다.
도 6은 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 시스템을 나타내는 개념도이다.
도 6에 도시된 바와 같이, 본 발명의 일부 다른 실시예들에 따른 학습 데이터 분석 서비스를 운영하는 시스템은, 크게 3개의 주체로 이루어질 수 있는 것으로서, 프로그램을 나타내는 <시스템>, 데이터베이스를 나타내는 <DB>, 다양한 분산 저장소를 나타내는 <분산원장>으로 이루어질 수 있다.
따라서, 상술된 각종 프로그램을 이용하여, [성향 유형 설문 결과] 프로그램으로 얻은 기초 데이터는 "설문 결과 기초 데이터"에 저장하고, 이어서, 이러한 데이터들을 이용하여 [성향 데이터 정량화] 프로그램으로 얻은 정량화 데이터는 "성향 정량화 데이터"에 저장하며, 이어서, [정량 데이터 통계 분석] 프로그램으로 얻은 통계치는 "학습 유형 통계"에 저장하고, 이어서, [학습 상태 프로모션] 프로그램으로 얻은 데이터들은 "학습 상태 데이터"에 저장하여 필요시 유용하게 활용될 수 있다.
이러한, 데이터들 중에서, "설문 결과 기초 데이터"와 같은 데이터들은 분산 원장 기술을 이용하여 복수개의 학습자 또는 운영자 단말기 등에 분산되어 안전하게 저장될 수 있다.
한편, 본 발명은 또한 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로서 구현되는 것이 가능하다.
컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함할 수 있다.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 상술된 서버 컴퓨터(60)는 물론이고, ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광자기 디스크, 광데이터 저장장치, 플래시 메모리, USB 메모리 등을 포함할 수 있다.
또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
10: 학습자 단말기
20: 학습 콘텐츠 제공자 단말기
90: 운영자 단말기
50: 네트워크
60: 서버 컴퓨터
PG: 프로그램 제어부
DB: 데이터베이스
20: 학습 콘텐츠 제공자 단말기
90: 운영자 단말기
50: 네트워크
60: 서버 컴퓨터
PG: 프로그램 제어부
DB: 데이터베이스
Claims (14)
- 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 방법에 있어서,
상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계;
상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계; 및
상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계;를 포함하고,
상기 학습자 성향 정보는,
학습과 관련된 학습 성향 정보, 학습 이외의 행동과 관련된 행동 성향 정보 및 학습 내용과 관련된 학습 내용 정보들의 조합으로 이루어지고,
상기 행동 성향 정보는,
적어도 수면 시간/기상 시각/핸드폰 사용 시간/인터넷 사용 시간/게임 시간/음주 여부/이성 교제 여부/흡연 여부/흡연 연초 개수/친우 만남 횟수를 포함하는 의지력 정보, 식사 시간/간식 횟수/취침 시각/계획 실천 백분율/주간 운동 횟수를 포함하는 계획성 정보, 약속 시간 준수 백분율/결석 백분율/지각 백분율을 포함하는 성실성 정보, 질병 여부/질병 종류를 포함하는 건강 상태 정보, 직업 의식/직업 사명감 수치를 포함하는 직업 의식 정보, 목표 설정 여부/목표 수행 백분율을 포함하는 목표 의식 정보, 차분함/급함/다혈질/궁금증 해결 수치를 포함하는 성격 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지고,
상기 분석 정보를 산출하는 단계는,
상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 단계;
상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 단계; 및
과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 단계;
를 포함하는, 학습 데이터 분석 서비스를 운영하는 방법. - 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 방법에 있어서,
상기 서버 컴퓨터는, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 학습자 성향 정보 입력 프로그램, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 합격 결과 정보 입력 프로그램, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 상관 관계 분석 프로그램, 상기 학습자 성향 정보가 저장되는 학습자 성향 정보 데이터베이스, 상기 합격 결과 정보가 저장되는 합격 결과 정보 데이터베이스, 상기 분석 정보가 저장되는 분석 정보 데이터베이스를 포함하고,
(a) 상기 학습자 성향 정보 입력 프로그램에 의해서, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계;
(b) 상기 합격 결과 정보 입력 프로그램에 의해서, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계; 및
(c) 상기 상관 관계 분석 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계;를 포함하고,
상기 학습자 성향 정보는,
학습과 관련된 학습 성향 정보, 학습 이외의 행동과 관련된 행동 성향 정보 및 학습 내용과 관련된 학습 내용 정보들의 조합으로 이루어지고,
상기 행동 성향 정보는,
적어도 수면 시간/기상 시각/핸드폰 사용 시간/인터넷 사용 시간/게임 시간/음주 여부/이성 교제 여부/흡연 여부/흡연 연초 개수/친우 만남 횟수를 포함하는 의지력 정보, 식사 시간/간식 횟수/취침 시각/계획 실천 백분율/주간 운동 횟수를 포함하는 계획성 정보, 약속 시간 준수 백분율/결석 백분율/지각 백분율을 포함하는 성실성 정보, 질병 여부/질병 종류를 포함하는 건강 상태 정보, 직업 의식/직업 사명감 수치를 포함하는 직업 의식 정보, 목표 설정 여부/목표 수행 백분율을 포함하는 목표 의식 정보, 차분함/급함/다혈질/궁금증 해결 수치를 포함하는 성격 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지고,
상기 서버 컴퓨터의 상기 상관 관계 분석 프로그램은,
상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 정량화 프로그램;
상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 변동 요인 판별 프로그램;
과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 합격 가능성 예상 프로그램;을 포함하고,
상기 (c) 단계는,
(c-1) 상기 정량화 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 단계;
(c-2) 상기 변동 요인 판별 프로그램에 의해서, 상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 단계; 및
(c-3) 상기 합격 가능성 예상 프로그램에 의해서, 과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 단계;
를 포함하는, 학습 데이터 분석 서비스를 운영하는 방법. - 삭제
- 제 2 항에 있어서,
상기 학습 성향 정보는, 적어도 특정 시험에 대한 학습 기간 정보, 내용 이해 방법 정보, 내용 암기 방법 정보, 아침/오전/오후/저녁/새벽의 학습 시간대 정보, 학습시간/학습 집중시간/자투리 시간 활용 여부/휴식 시간/플랜 실천 여부/반복 학습 여부를 포함하는 성실성 정보, 학습 장소 정보, 스터디 그룹 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는, 학습 데이터 분석 서비스를 운영하는 방법. - 삭제
- 제 2 항에 있어서,
상기 학습 내용 정보는, 적어도 수준 테스트 결과를 포함하는 초기 학습 성취도 정보, 모의 고사 정보, 문제 풀이 정보, 쪽지 시험 정보, 동영상 시청 정보, 세부 학습 주제 정보, 문항별 난이도 정보, 문제 유형 정보, 과목별 점수 정보, 오답 노트 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는, 학습 데이터 분석 서비스를 운영하는 방법. - 제 2 항에 있어서,
상기 합격 결과 정보는, 적어도 합격에 따른 이득이 부여될 수 있는 합격생 정보, 불합격에 따른 재수강 기회 또는 할인 혜택이 부여될 수 있는 불합격생 정보, N년 이상 합격하지 못한 장수생 정보, M년 이상 정보 입력이 없는 학습 중단생 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는, 학습 데이터 분석 서비스를 운영하는 방법. - 삭제
- 삭제
- 제 2 항에 있어서,
상기 (c-3) 단계에서, 상기 학습자의 합격 가능성은 인공 지능의 머신 러닝을 통해 정확도가 향상되는, 학습 데이터 분석 서비스를 운영하는 방법. - 제 2 항에 있어서,
상기 서버 컴퓨터의 상기 상관 관계 분석 프로그램은, 상기 학습자의 합격 가능성을 높이기 위해 상기 학습자의 학습 성향 또는 행동 성향을 교정할 수 있는 행동 교정 정보를 생성하는 성향 교정 프로그램을 더 포함하고,
(c-4) 상기 성향 교정 프로그램에 의해서, 상기 학습자의 합격 가능성을 높이기 위해 상기 학습자의 학습 성향 또는 행동 성향을 교정할 수 있는 성향 교정 정보를 생성하는 단계;
를 더 포함하는, 학습 데이터 분석 서비스를 운영하는 방법. - 제 2 항에 있어서,
상기 서버 컴퓨터는, 적어도 상기 학습자 성향 정보와, 상기 합격 결과 정보와, 상기 분석 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 정보를 분산 원장 기술을 이용하여 복수개의 저장 장소에 분산하여 저장하고, 분산 원장 키를 이용해서 정보를 열람할 수 있게 하는 분산 원장 프로그램;을 더 포함하고,
상기 (c) 단계 이전 또는 이후에,
(d) 상기 분산 원장 프로그램에 의해서, 적어도 상기 학습자 성향 정보와, 상기 합격 결과 정보와, 상기 분석 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지는 정보를 분산 원장 기술을 이용하여 복수개의 저장 장소에 분산하여 저장하고, 분산 원장 키를 이용해서 정보를 열람할 수 있게 하는 단계;
를 더 포함하는, 학습 데이터 분석 서비스를 운영하는 방법. - 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 시스템에 있어서,
상기 서버 컴퓨터는, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 학습자 성향 정보 입력 프로그램, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 합격 결과 정보 입력 프로그램, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 상관 관계 분석 프로그램, 상기 학습자 성향 정보가 저장되는 학습자 성향 정보 데이터베이스, 상기 합격 결과 정보가 저장되는 합격 결과 정보 데이터베이스, 상기 분석 정보가 저장되는 분석 정보 데이터베이스를 포함하고,
상기 학습자 성향 정보 입력 프로그램에 의해서, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받고, 상기 합격 결과 정보 입력 프로그램에 의해서, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받고, 상기 상관 관계 분석 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하도록 프로그램된 제어부를 포함하고,
상기 학습자 성향 정보는,
학습과 관련된 학습 성향 정보, 학습 이외의 행동과 관련된 행동 성향 정보 및 학습 내용과 관련된 학습 내용 정보들의 조합으로 이루어지고,
상기 행동 성향 정보는,
적어도 수면 시간/기상 시각/핸드폰 사용 시간/인터넷 사용 시간/게임 시간/음주 여부/이성 교제 여부/흡연 여부/흡연 연초 개수/친우 만남 횟수를 포함하는 의지력 정보, 식사 시간/간식 횟수/취침 시각/계획 실천 백분율/주간 운동 횟수를 포함하는 계획성 정보, 약속 시간 준수 백분율/결석 백분율/지각 백분율을 포함하는 성실성 정보, 질병 여부/질병 종류를 포함하는 건강 상태 정보, 직업 의식/직업 사명감 수치를 포함하는 직업 의식 정보, 목표 설정 여부/목표 수행 백분율을 포함하는 목표 의식 정보, 차분함/급함/다혈질/궁금증 해결 수치를 포함하는 성격 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지고,
상기 서버 컴퓨터의 상기 상관 관계 분석 프로그램은,
상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 정량화 프로그램;
상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 변동 요인 판별 프로그램;
과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 합격 가능성 예상 프로그램;을 포함하고,
상기 제어부는,
상기 정량화 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하고, 상기 변동 요인 판별 프로그램에 의해서, 상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하고, 상기 합격 가능성 예상 프로그램에 의해서, 과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는, 학습 데이터 분석 서비스를 운영하는 시스템. - 적어도 하나의 학습자 단말기와 네트워크를 통하여 연결된 서버 컴퓨터를 구비한 컴퓨터 시스템을 이용하여 학습 데이터 분석 서비스를 운영하는 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체에 있어서,
상기 서버 컴퓨터는, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 학습자 성향 정보 입력 프로그램, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 합격 결과 정보 입력 프로그램, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 상관 관계 분석 프로그램, 상기 학습자 성향 정보가 저장되는 학습자 성향 정보 데이터베이스, 상기 합격 결과 정보가 저장되는 합격 결과 정보 데이터베이스, 상기 분석 정보가 저장되는 분석 정보 데이터베이스를 포함하고,
(a) 상기 학습자 성향 정보 입력 프로그램에 의해서, 상기 학습자 단말기로부터 학습자의 학습자 성향과 관련된 학습자 성향 정보를 입력받는 단계;
(b) 상기 합격 결과 정보 입력 프로그램에 의해서, 상기 학습자 단말기 또는 운영자 단말기로부터 상기 학습자의 합격 결과에 대한 합격 결과 정보를 입력 받는 단계; 및
(c) 상기 상관 관계 분석 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보와 상기 합격 결과 정보와의 상관 관계를 분석하여 분석 정보를 산출하는 단계;를 포함하고,
상기 학습자 성향 정보는,
학습과 관련된 학습 성향 정보, 학습 이외의 행동과 관련된 행동 성향 정보 및 학습 내용과 관련된 학습 내용 정보들의 조합으로 이루어지고,
상기 행동 성향 정보는,
적어도 수면 시간/기상 시각/핸드폰 사용 시간/인터넷 사용 시간/게임 시간/음주 여부/이성 교제 여부/흡연 여부/흡연 연초 개수/친우 만남 횟수를 포함하는 의지력 정보, 식사 시간/간식 횟수/취침 시각/계획 실천 백분율/주간 운동 횟수를 포함하는 계획성 정보, 약속 시간 준수 백분율/결석 백분율/지각 백분율을 포함하는 성실성 정보, 질병 여부/질병 종류를 포함하는 건강 상태 정보, 직업 의식/직업 사명감 수치를 포함하는 직업 의식 정보, 목표 설정 여부/목표 수행 백분율을 포함하는 목표 의식 정보, 차분함/급함/다혈질/궁금증 해결 수치를 포함하는 성격 정보 및 이들의 조합들 중 어느 하나 이상을 선택하여 이루어지고,
상기 서버 컴퓨터의 상기 상관 관계 분석 프로그램은,
상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 정량화 프로그램;
상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 변동 요인 판별 프로그램;
과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 합격 가능성 예상 프로그램;을 포함하고,
상기 (c) 단계는,
(c-1) 상기 정량화 프로그램에 의해서, 상기 학습자의 상기 학습자 성향 정보를 점수화 또는 정량화하는 단계;
(c-2) 상기 변동 요인 판별 프로그램에 의해서, 상기 학습자의 점수 또는 정량 수치 변동을 분석하여 변동 요인을 판별하는 단계; 및
(c-3) 상기 합격 가능성 예상 프로그램에 의해서, 과거의 학습자의 유형별 상기 합격 결과 정보를 근거하여 상기 변동 요인에 따라 상기 학습자의 합격 가능성을 예상하는 단계;
를 포함하는, 학습 데이터 분석 서비스를 운영하는 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190078174A KR102284499B1 (ko) | 2019-06-28 | 2019-06-28 | 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190078174A KR102284499B1 (ko) | 2019-06-28 | 2019-06-28 | 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210001700A KR20210001700A (ko) | 2021-01-06 |
| KR102284499B1 true KR102284499B1 (ko) | 2021-08-02 |
Family
ID=74128188
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190078174A KR102284499B1 (ko) | 2019-06-28 | 2019-06-28 | 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102284499B1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113177435A (zh) * | 2021-03-31 | 2021-07-27 | 新东方教育科技集团有限公司 | 试卷分析方法、装置、存储介质及电子设备 |
| KR102558138B1 (ko) * | 2022-10-28 | 2023-07-21 | 진스토리코리아 주식회사 | 유전자 검사 정보 기반의 학습 성향 정보 판단 시스템 및 유전자 검사 정보 기반의 학습 성향 정보 판단 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101318562B1 (ko) * | 2012-06-15 | 2013-10-16 | 김근진 | 진학 정보 제공 시스템, 제공 방법 및 그 방법을 위한 기록매체 |
| KR101679109B1 (ko) * | 2014-01-03 | 2016-11-23 | 이화여자대학교 산학협력단 | 학습 가이드라인 제공 방법, 학습 가이드라인 제공 서버, 및 사용자 기기 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130040373A (ko) | 2011-10-14 | 2013-04-24 | 주식회사 에듀스 | 클론 매칭 기법을 이용한 진로 적성 검사 방법 및 그 장치 |
| KR101805163B1 (ko) | 2016-02-19 | 2017-12-06 | 주식회사 에스티유니타스 | 학습자에게 개인화된 학습 커리큘럼을 제공하는 방법 및 그 장치 |
| KR20180102785A (ko) * | 2017-03-08 | 2018-09-18 | 김동희 | 빅데이터 기반의 맞춤형 진학 정보 서비스 제공 방법 |
-
2019
- 2019-06-28 KR KR1020190078174A patent/KR102284499B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101318562B1 (ko) * | 2012-06-15 | 2013-10-16 | 김근진 | 진학 정보 제공 시스템, 제공 방법 및 그 방법을 위한 기록매체 |
| KR101679109B1 (ko) * | 2014-01-03 | 2016-11-23 | 이화여자대학교 산학협력단 | 학습 가이드라인 제공 방법, 학습 가이드라인 제공 서버, 및 사용자 기기 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210001700A (ko) | 2021-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mau et al. | Factors influencing STEM career aspirations of underrepresented high school students | |
| Ehrich et al. | A comparison of Chinese and Australian university students' attitudes towards plagiarism | |
| Gibson et al. | Digital badges in education | |
| Romero et al. | Data mining in education | |
| Wang et al. | Design and implementation of intelligent sports training system for college students' mental health education | |
| Brown et al. | Ethics and personality: Empathy and narcissism as moderators of ethical decision making in business students | |
| Stenlund | Assessment of prior learning in higher education: A review from a validity perspective | |
| Pedder et al. | ‘Schools and Continuing Professional Development in England–State of the Nation’research study: policy context, aims and design | |
| Onwuegbuzie et al. | Innovative qualitative data collection techniques for conducting literature reviews/research syntheses | |
| Weiss | Item banking, test development, and test delivery. | |
| Gan et al. | Self-efficacy for promoting EfS among pre-service teachers in Israel | |
| Cangiarella et al. | Accelerating medical education: a survey of deans and program directors | |
| He et al. | Clustering sequential navigation patterns in multiple‐source reading tasks with dynamic time warping method | |
| KR102284499B1 (ko) | 학습 데이터 분석 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 | |
| Coleman et al. | College success courses: Success for all | |
| Oleson et al. | A Decade of Demographics in Computing Education Research: A Critical Review of Trends in Collection, Reporting, and Use | |
| Roduta Roberts et al. | Testing expert-based versus student-based cognitive models for a grade 3 diagnostic mathematics assessment | |
| Ferrari et al. | Toward a reliable and valid measure of institutional mission and values perception: The DePaul values inventory | |
| Campbell-Barr et al. | Exploring alternative approaches to child outcome assessments in Children's Centres | |
| Taggart et al. | The influence of equitable treatment on Latina/o high school students’ college aspirations | |
| Volchok | Toward a predictive model of community college student success in blended classes | |
| KR102284502B1 (ko) | 학습자 성향 교정 서비스를 운영하는 방법과 시스템 및 이 방법을 기록한 컴퓨터로 읽을 수 있는 기록 매체 | |
| Clarke et al. | Developing shared ways of seeing data: the perils and possibilities of achieving intercoder agreement | |
| US20090280463A1 (en) | Systems and methods for goal attainment in achievement of learning | |
| Marcoci et al. | ODNI as an analytic ombudsman: is Intelligence Community Directive 203 up to the task? |
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 |