KR102303323B1 - 퍼소나 매칭을 통한 컨텐츠 제공 방법 - Google Patents

Abstract

본 발명은 퍼소나 매칭을 통한 컨텐츠 제공 방법에 관한 것이다. 본 발명의 일 실시예에 있어서, 아동 맞춤 컨텐츠 장치는 문진 데이터, 영상 데이터 및 사용자를 상대로 수행한 인터뷰 데이터 중 적어도 하나에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터 중 적어도 하나를 수집하는 데이터 수집부, 진단 알고리즘에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터를 분석하고, 상기 활동 데이터 및 학습 데이터에 상응하는 퍼소나 유형 모델을 결정하는 데이터 분석부, 기설정된 학습 분류 테이블, 상기 퍼소나 유형 모델에 기초하여, 상기 사용자에게 제공하는 맞춤 컨텐츠를 선택하는 컨텐츠 매칭부 및 상기 맞춤형 컨텐츠를 사용자에게 제공하는 표시부를 포함한다. 본 발명의 일 실시예에 따르면, 정확한 맞춤형 퍼소나 매칭이 가능하고, 이를 기반으로 아동에게 필요한 컨텐츠를 제공할 수 있다. 아울러, 본 발명에 따른 맞춤형 퍼소나 매칭은 성장하는 아동의 특성을 지속적으로 반영하여 아동의 성장에 따라 맞는 컨텐츠를 제공하는데 이용될 수 있다.

Description

퍼소나 매칭을 통한 컨텐츠 제공 방법{CONTENTS PROVIDING METHOD USING PERSONA MATCHING}

본 발명은 퍼소나 매칭을 통한 컨텐츠 제공 방법에 관한 것이다.

최근 기존의 대량 생산, 대량 소비 패턴에서 탈피하여 개인의 특성에 따라 맞춤 생산, 맞춤 소비를 제공하는 개인 맞춤형 서비스가 증가하고 있다.

이러한 개인 맞춤형 서비스는 빅데이터의 활용과 맞물려 더욱 활발해지고 있다. 빅데이터는 서비스 제공자로 하여금 기존의 마켓 세그먼테이션(Market Segmentation)적 접근에서 탈피하여, 개인 맞춤형 서비스를 제공할 수 있도록 돕고 있다.

육아, 교육 시장에서도 이러한 개인 맞춤형 서비스의 필요성이 커지고 있다. 기존에는 아이들의 특성을 고려하지 않고 획일적인 컨텐츠를 제공하였기때문에, 컨텐츠 제공에 따른 효과가 상대적으로 떨어졌다. 이에 따라, 아이들의 개별적인 특징에 맞는 맞춤형 컨텐츠를 제공할 수 있는 서비스의 필요성이 커지고 있다.

본 발명은 아동과 관련된 데이터를 수집하고, 수집된 데이터를 기반으로 맞춤형 퍼소나를 매칭한 후, 이를 토대로 아동에게 필요한 컨텐츠를 제공하는 것을 목적으로 한다.

본 발명의 일 실시예에 있어서, 아동 맞춤 컨텐츠 장치는 문진 데이터, 영상 데이터 및 사용자를 상대로 수행한 인터뷰 데이터 중 적어도 하나에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터 중 적어도 하나를 수집하는 데이터 수집부, 진단 알고리즘에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터를 분석하고, 상기 활동 데이터 및 학습 데이터에 상응하는 퍼소나 유형 모델을 결정하는 데이터 분석부, 기설정된 학습 분류 테이블, 상기 퍼소나 유형 모델에 기초하여, 상기 사용자에게 제공하는 맞춤 컨텐츠를 선택하는 컨텐츠 매칭부 및 상기 맞춤형 컨텐츠를 사용자에게 제공하는 표시부를 포함한다.

본 발명의 일 실시예에 따른 상기 활동 데이터는 상기 사용자가 활동하는 정보를 포함하고, 상기 사용자가 활동하는 정보는 상기 사용자의 활동 시간 데이터, 나이에 따른 활동량 데이터, 영양상태, 수면시간, 수면량, 수면패턴 및 정서상태 중 적어도 하나를 포함한다.

본 발명의 일 실시예에 따른 상기 학습 데이터는 상기 사용자가 학습하는 정보를 포함하고, 상기 사용자가 학습하는 정보는 상기 사용자의 논리력, 이해력, 자신감, 친화성, 주도성, 감수성, 책임감, 인내력 및 활동성 중 적어도 하나를 포함한다.

본 발명의 일 실시예에 따른 상기 문진 데이터는 상기 사용자의 성별, 나이, 성격, 키, 몸무게, 상기 키와 상기 몸무게의 비율 및 BMI지수 중 적어도 하나를 포함한다.

본 발명의 일 실시예에 따른 상기 활동 데이터 및 학습 데이터는 상기 사용자가 활동 및 학습한 데이터에 기초하여 상기 활동 데이터 및 학습 데이터를 자동으로 업데이트하고, 상기 문진 데이터는 수집된 날짜와 현재 날짜를 비교하여 자동으로 업데이트하는 것을 더 포함한다.

본 발명의 일 실시예에 따른 상기 맞춤 컨텐츠는 챈트, 도서, 교육용 게임, 놀이, 및 영상 활동을 포함한다.

본 발명의 일 실시예에 따른 상기 맞춤 컨텐츠의 카테고리는 수리, 언어, 사회관계, 예술경험, 의사소통, 자연탐구 및 운동과 건강 중 적어도 하나를 포함한다.

본 발명의 일 실시예에 따른 상기 컨텐츠 제공부는 자녀 양육 가이드라인에 관한 정보를 제공한다.

본 발명의 일 실시예에 따른 아동 맞춤 컨텐츠 장치의 동작 방법에 있어서,데이터 수집부가 문진 데이터, 영상 데이터 및 사용자를 상대로 수행한 인터뷰 데이터 중 적어도 하나에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터 중 적어도 하나를 수집하는 단계, 데이터 분석부가 진단 알고리즘에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터를 분석하고, 상기 활동 데이터 및 학습 데이터에 상응하는 퍼소나 유형 모델을 결정하는 단계, 컨텐츠 매칭부가 기설정된 학습 분류 테이블, 상기 퍼소나 유형 모델에 기초하여, 상기 사용자에게 제공하는 맞춤 컨텐츠를 선택하는 단계 및 표시부가 상기 맞춤형 컨텐츠를 사용자에게 제공하는 단계를 포함한다.

본 발명의 일 실시예에 따르면, 정확한 맞춤형 퍼소나 매칭이 가능하고, 이를 기반으로 아동에게 필요한 컨텐츠를 제공할 수 있다.

아울러, 본 발명에 따른 맞춤형 퍼소나 매칭은 성장하는 아동의 특성을 지속적으로 반영하여 아동의 성장에 따라 맞는 컨텐츠를 제공하는데 이용될 수 있다.

도 1은 본 발명의 일 실시예에 따른 퍼소나 매칭 방법을 나타낸 블록도이다.
도 2는 본 발명의 일 실시예에 따른 아동 맞춤 컨텐츠 장치를 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 컨텐츠 매칭부의 예시를 나타낸 도면이다.
도 4는 본 발명의 일 실시예에 따른 아동 맞춤 컨텐츠 장치의 동작 방법을 도시한 순서도이다.
도 5는 사용자의 활동에 따른 아동 맞춤 컨텐츠 장치의 동작 방법을 도시한 순서도이다.
도 6은 사용자의 활동에 따른 아동 맞춤 컨텐츠 장치의 동작 방법의 예시를 나타낸 도면이다.
도 7은 사용자의 학습에 따른 아동 맞춤 컨텐츠 장치의 동작 방법을 도시한 순서도이다.
도 8은 사용자의 학습에 따른 아동 맞춤 컨텐츠 장치의 동작 방법의 예시를 나타낸 도면이다.
도 9는 사용자의 교육에 따른 아동 맞춤 컨텐츠 장치의 동작 방법을 도시한 순서도이다.
도 10은 사용자의 교육에 따른 아동 맞춤 컨텐츠 장치의 동작 방법의 예시를 나타낸 도면이다.
도 11은 사용자의 영상 촬영에 따른 아동 맞춤 컨텐츠 장치의 동작 방법을 도시한 순서도이다.
도 12는 사용자의 영상 촬영에 따른 아동 맞춤 컨텐츠 장치의 동작 방법의 예시를 나타낸 도면이다.

이하, 첨부된 도면을 참조하여 본 개시(present disclosure)를 설명한다. 본 개시는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나, 이는 본 개시를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.

본 개시 가운데 사용될 수 있는 "포함한다" 또는 "포함할 수 있다" 등의 표현은 개시된 해당 기능, 동작 또는 구성요소 등의 존재를 가리키며, 추가적인 하나 이상의 기능, 동작 또는 구성요소 등을 제한하지 않는다. 또한, 본 개시에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 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.

본 개시에서 "또는" 등의 표현은 함께 나열된 단어들의 어떠한, 그리고 모든 조합을 포함한다. 예를 들어, "A 또는 B"는, A를 포함할 수도, B를 포함할 수도, 또는 A 와 B 모두를 포함할 수도 있다.

본 개시 가운데 "제 1," "제2," "첫째," 또는 "둘째," 등의 표현들이 본 개시의 다양한 구성요소들을 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 표현들은 해당 구성요소들의 순서 및/또는 중요도 등을 한정하지 않는다. 표현들은 한 구성요소를 다른 구성요소와 구분 짓기 위해 사용될 수 있다. 예를 들어, 제1 사용자 기기와 제 2 사용자 기기는 모두 사용자 기기이며, 서로 다른 사용자 기기를 나타낸다. 예를 들어, 본 개시의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2구성요소도 제1 구성요소로 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해될 수 있어야 할 것이다.

본 개시에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 개시를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 개시가 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 개시에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

도 1은 본 발명의 일 실시예에 따른 퍼소나 매칭 방법을 나타낸 블록도이고, 도 2는 본 발명의 일 실시예에 따른 아동 맞춤 컨텐츠 장치(10)를 나타낸 블록도이다.

도 1 및 도 2를 참조하면, 아동 맞춤 컨텐츠 장치(10)는 데이터 수집부(110), 데이터 분석부(130), 컨텐츠 매칭부(150) 및 표시부(170)를 포함한다.

아동 맞춤 컨텐츠 장치(10)는 수집된 문진 데이터, 아동 관찰 데이터, 인터뷰 데이터 및 활동 데이터(300)를 기초로 정확한 아동 퍼소나 모델(132)을 매칭하고 이를 바탕으로 아동에게 필요한 맞춤 컨텐츠를 제공할 수 있다.

데이터 수집부(110)는 문진 데이터, 영상 데이터 및 사용자를 상대로 수행한 인터뷰 데이터 중 적어도 하나에 기초하여 사용자의 활동 데이터(300) 및 학습 데이터(400) 중 적어도 하나를 수집한다. 이때, 영상 데이터는 아동 관찰 데이터 및 활동 데이터(300)를 포함할 수 있다. 퍼소나 매칭을 위하여 먼저 문진 데이터, 영상 데이터 및 사용자를 상대로 수행한 인터뷰 데이터가 수집된다.

문진 데이터는 퍼소나 매칭 대상이 되는 아동의 부모로부터 수집한 데이터일 수 있다. 문진 데이터는 아동의 특성과 관련된 설문에 대한 답변일 수 있다. 사용자의 성별, 나이, 성격, 키, 몸무게, 키와 몸무게의 비율 및 BMI지수 중 적어도 하나를 포함할 수 있다. 이때, 사용자는 아동일 수 있고, 아동의 부모일 수 있다.

문진 데이터는 기존에 부모가 답변한 정보를 데이터 베이스로부터 불러오는 형태로 가져올 수 있다. 이에 따라, 부모가 최초에 문진 데이터를 입력한 후에는 계속해서 문진 데이터를 업데이트하지 않아도 퍼소나 매칭이 이루어질 수 있다. 특히, 문진 데이터 중 아동의 나이 등에 대해서는 문진 데이터가 수집된 날짜와 현재 날짜를 비교하여 자동으로 업데이트가 이루어질 수 있다.

영상 데이터는 아동을 상대로 수행한 인터뷰 데이터, 아동이 특정 상황을 대처하는 방법을 기록한 영상 데이터, 아동의 모습을 촬영한 영상 데이터에 대한 분석 값 등을 포함할 수 있다.

영상 데이터에 대한 분석은 기설정된 알고리즘을 바탕으로 수행될 수 있다. 예를 들어, 아동 관찰 데이터로부터 아동의 행동 패턴을 인식하고 기설정된 행동 패턴 기준값과 인식된 행동 패턴을 비교함으로써, 영상 데이터에 대한 분석을 수행할 수 있다.

활동 데이터(300)는 사용자가 활동하는 정보를 포함하며, 아동의 신장, 체중, 활동량, 수면 패턴(350), 식습관 등의 정보를 포함할 수 있다. 활동 데이터(300)는 예를 들어, 활동 시간 데이터, 고객의 연령에 따른 활동량(에너지 총량) 데이터, 고객의 영양상태, 수면시간 및 수면량, 수면패턴, 정서상태, 아동의 키, 몸무게, 키-몸무게 비율, BMI 지수 등일 수 있다.

이때, 영양상태는 결핍, 정상, 과다로 나타낼 수 있고, 수면량은 결핍, 적당량 미만, 적당, 적당량 초과, 과다로 나타낼 수 있다. 정서상태는 기쁨, 슬픔, 분노, 짜증, 두려움으로 나타낼 수 있으며, BMI 지수는 저체중, 정상, 과체중, 비만, 고도비만으로 나타낼 수 있다.

활동 데이터(300)는 아동이 착용하는 웨어러블 IoT 디바이스, 홈 카메라와 같은 영상 촬영을 위한 IoT 디바이스 등 다양한 형태의 장치를 통해 수집될 수 있다.

학습 데이터(400)는 아동이 학습하는 정보를 포함하며, 아동의 논리력, 이해력, 자신감, 친화성, 주도성, 감수성, 책임감, 인내력 및 활동성 중 적어도 하나를 포함할 수 있다.

활동 데이터(300) 및 학습 데이터(400)는 사용자가 활동 및 학습한 정보에 기초하여 활동 데이터(300) 및 학습 데이터(400)를 자동으로 업데이트할 수 있다.

데이터 분석부(130)는 진단 알고리즘에 기초하여 사용자의 활동 데이터(300) 및 학습 데이터(400)를 분석하고, 활동 데이터(300) 및 학습 데이터(400)에 상응하는 퍼소나 유형 모델(131)을 결정한다.

데이터 분석부(130)는 수집된 문진 데이터, 아동 관찰 데이터, 활동 데이터(300)를 기초로 퍼소나 유형 모델(131)을 매칭할 수 있다. 퍼소나 매칭은 퍼소나 모델(132)별로 기설정된 키워드와 수집된 데이터가 정합도를 분석하는 형태로 수행될 수 있다. 이때 퍼소나 모델(132)별로 기설정된 키워드는 각각 서로 다른 가중치 값을 가질 수 있다. 이에 따라, 키워드가 퍼소나 모델(132) 매칭에 미치는 영향은 키워드별로 상이할 수 있다.

퍼소나 매칭에서 각각의 퍼소나 모델(132)은 정상 모델과 과잉 모델을 포함할 수 있다. 과잉 모델은 특정 기질이 과도하게 나타나는 것을 의미할 수 있다. 특정 퍼소나 모델(132)과 매칭되는 키워드가 설정된 범위 이상으로 많을 때 과잉 모델로 분류될 수 있다. 예를 들어, 활동적인 아이에 대한 퍼소나는 정상 모델과 과도하게 활동적으로써 집중력 결핍이라는 과잉 모델을 포함할 수 있다.

컨텐츠 매칭부(150)는 기설정된 학습 분류 테이블, 퍼소나 유형 모델(131)에 기초하여, 사용자에게 제공하는 맞춤 컨텐츠(151)를 선택한다. 퍼소나 모델(132) 매칭 후에는 매칭된 퍼소나 유형 모델(131)을 토대로 맞춤 컨텐츠가 제공될 수 있다.

맞춤 컨텐츠(151)는 챈트, 도서, 교육과 관련된 교육 컨텐츠 및 교육용 게임, 놀이, 영상 촬영, 건강과 관련된 건강 컨텐츠 등 다양한 종류일 수 있다. 맞춤 컨텐츠(151)는 아울러, 자녀 양육 가이드라인에 대한 것일 수 있다.

또한, 맞춤 컨텐츠의 카테고리(152)는 수리, 언어, 사회관계, 예술경험, 의사소통, 자연탐구 및 운동과 건강 중 적어도 하나를 포함 할 수 있다. 맞춤 컨텐츠의 내용은 매칭된 퍼소나 모델(132)의 종류에 따라 달라질 수 있다. 예를 들어, 맞춤 컨텐츠(151)는 매칭된 퍼소나 모델(132)에서 부족한 부분을 보완하거나, 우수한 부분을 더욱 개발할 수 있는 방향으로 제공될 수 있다.

아울러, 맞춤 컨텐츠(151)는 매칭된 퍼소나 모델(132)이 정상 모델에 있는지 과잉 모델에 있는지에 따라 달라질 수 있다. 예를 들어, 매칭된 퍼소나 모델(132)이 과잉 모델에 있는 경우, 과잉 특성을 억제하기 위한 또는 과잉 특성이 더 이상 발달하는 것을 막기 위한 맞춤 컨텐츠가 제공될 수 있다.

맞춤 컨텐츠(151)를 제공함에 있어서, 앞서 수집한 문진 데이터를 참고할 수 있다. 예를 들어, 문진 데이터는 자녀의 양육관에 대한 부모의 생각을 포함할 수 있고, 맞춤 컨텐츠(151)를 제공함에 있어서 이를 반영할 수 있다. 구체적으로, 부모가 특정 분야로 아이가 발달하기를 원하는 경우, 퍼소나 모델(132) 매칭 후 아동의 가장 우수한 측면이 더욱 발전할 수 있도록 관련 맞춤 컨텐츠를 집중적으로 제공하는 형태로 맞춤 컨텐츠 매칭이 이루어질 수 있다. 반대로, 부모가 두루두루 고르게 아이가 발달하기를 원하는 경우, 퍼소나 모델(132) 매칭 후 아이의 상대적으로 모자란 면을 보완할 수 있도록 맞춤 컨텐츠 매칭이 이루어질 수 있다.

맞춤 컨텐츠(151) 매칭은 동일한 퍼소나 모델(132)에 매칭된 다른 사용자의 맞춤 컨텐츠 소비 패턴을 참고하여 이루어질 수 있다. 이때 아동과 매칭된 퍼소나 매칭 부합도와 다른 사용자의 퍼소나 매칭 부합도를 비교하여, 맞춤 컨텐츠 소비 패턴 참고 수준을 결정할 수 있다. 예를 들어, 특정 아동의 퍼소나 매칭 부합도가 80%이고, 참고로 하는 다른 사용자의 퍼소나 매칭 부합도가 70%일 때, 퍼소나 매칭 부합도가 70%인 사용자가 소비한 맞춤 컨텐츠 중 소비 빈도가 상위에 속한 맞춤 컨텐츠만 참고하여 추천할 수 있다.

또한, 특정 퍼소나 모델(132)에 매칭된 사용자 중 많은 사용자가 선호하는 맞춤 컨텐츠에 대해서는 우선적으로 추천을 할 수 있다.

맞춤 컨텐츠 매칭 후 아동이 맞춤 컨텐츠를 소비하면서 발생하는 데이터는 다시 수집될 수 있다. 이에 따라, 아동이 맞춤 컨텐츠를 소비하는 패턴에 따라 퍼소나 모델(132)과 맞춤 컨텐츠의 매칭, 나아가서는 퍼소나 모델(132) 매칭이 달라질 수 있다.

표시부(170)는 맞춤형 맞춤 컨텐츠를 사용자에게 제공한다.

제공되는 맞춤 컨텐츠의 종류에 따라 맞춤 컨텐츠는 서로 다른 단말에 제공될 수 있다. 예를 들어, 교육 컨텐츠, 놀이 컨텐츠의 경우 맞춤 컨텐츠 소비당사자인 아동이 소유한 단말로 제공될 수 있다. 이에 비해 자녀 양육 가이드라인에 대한 맞춤 컨텐츠는 부모가 소유한 단말로 제공될 수 있다. 따라서, 맞춤 컨텐츠를 제공하기에 앞서, 맞춤 컨텐츠의 종류를 파악하고, 맞춤 컨텐츠의 종류에 따라, 기설정된 아동 단말 또는 부모 단말로 맞춤 컨텐츠를 전송할 수 있다.

도 3은 본 발명의 일 실시예에 따른 컨텐츠 매칭부(150)의 예시를 나타낸 도면이다.

도 3을 참조하면, 맞춤 컨텐츠의 카테고리(152)는 수리, 언어, 사회관계, 예술경험, 의사소통, 자연탐구 및 운동과 건강 중 적어도 하나를 포함 할 수 있다.또한, 맞춤 컨텐츠(151)는 챈트, 도서, 교육과 관련된 교육 컨텐츠 및 교육용 게임, 놀이, 영상 촬영, 건강과 관련된 건강 컨텐츠 등 다양한 종류일 수 있다. 맞춤 컨텐츠(151)는 아울러, 자녀 양육 가이드라인에 대한 것일 수 있다.

맞춤 컨텐츠의 내용은 매칭된 퍼소나 모델(132)의 종류에 따라 달라질 수 있다. 예를 들어, 맞춤 컨텐츠(151)는 매칭된 퍼소나 모델(132)에서 부족한 부분을 보완하거나, 우수한 부분을 더욱 개발할 수 있는 방향으로 제공될 수 있다.

예를 들어, 분석된 학습 데이터(400) 및 활동 데이터(300)의 결과가 수리영역이 부족하다고 분석되면 논리력 및 이해력이 부족하다고 할 수 있다. 따라서, 논리력과 이해력을 향상시켜 수리 영역의 학습을 높이기 위한 맞춤 컨텐츠(151)가 제공될 것이다. 수리 영역을 향상시키기 위한 맞춤 컨텐츠(151)로는 돌멩이나 덩어리의 크기가 일정한 사물을 한쪽에서 다른 쪽으로 옮기는 활동, 진행자가 숫자를 부르면 해당 숫자에 짝을 맞춰서 함께 앉는 놀이 활동등으로, 교육용 게임, 놀이 등이 제공될 수 있다.

도 4는 본 발명의 일 실시예에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법을 도시한 순서도이다.

도 4를 참조하면, S11 단계는 데이터 수집부(110)가 사용자의 활동 데이터(300) 및 학습 데이터(400)를 수집한다.

예를 들어, 문진 데이터, 영상 데이터 및 사용자를 상대로 수행한 인터뷰 데이터 중 적어도 하나에 기초하여 사용자의 활동 데이터(300) 및 학습 데이터(400) 중 적어도 하나를 수집한다. 이때, 사용자는 아동일 수 있다.

S13 단계는 데이터 분석부(130)가 수집된 활동 데이터(300) 및 학습 데이터(400)를 분석한다.

예를 들어, 수집된 문진 데이터, 아동 관찰 데이터, 활동 데이터(300)를 기초로 퍼소나 유형 모델(131)을 매칭할 수 있다. 퍼소나 매칭에서 각각의 퍼소나 모델(132)은 정상 모델과 과잉 모델을 포함할 수 있다. 활동적인 아이에 대한 퍼소나는 정상 모델과 과도하게 활동적으로써 집중력 결핍이라는 과잉 모델을 포함할 수 있다.

S15 단계는 컨텐츠 매칭부(150)가 분석된 활동 데이터(300) 및 학습 데이터(400)에 기초하여 맞춤 컨텐츠(151)를 매칭한다.

예를 들어, 컨텐츠 매칭부(150)는 기설정된 학습 분류 테이블, 퍼소나 유형 모델(131)에 기초하여, 사용자에게 제공하는 맞춤 컨텐츠(151)를 선택한다. 맞춤 컨텐츠(151)는 챈트, 도서, 교육과 관련된 교육 컨텐츠 및 교육용 게임, 놀이, 영상 촬영, 건강과 관련된 건강 컨텐츠 등 다양한 종류일 수 있다. 맞춤 컨텐츠(151)는 아울러, 자녀 양육 가이드라인에 대한 것일 수 있다.

또한, 맞춤 컨텐츠의 카테고리(152)는 수리, 언어, 사회관계, 예술경험, 의사소통, 자연탐구 및 운동과 건강 중 적어도 하나를 포함 할 수 있다. 맞춤 컨텐츠의 내용은 매칭된 퍼소나 모델(132)의 종류에 따라 달라질 수 있다. 예를 들어, 맞춤 컨텐츠(151)는 매칭된 퍼소나 모델(132)에서 부족한 부분을 보완하거나, 우수한 부분을 더욱 개발할 수 있는 방향으로 제공될 수 있다.

S17 단계는 표시부(170)가 맞춤 컨텐츠(151)를 사용자에게 제공한다.

예를 들어, 제공되는 맞춤 컨텐츠의 종류에 따라 맞춤 컨텐츠는 서로 다른 단말에 제공될 수 있다. 예를 들어, 교육 컨텐츠, 놀이 컨텐츠의 경우 맞춤 컨텐츠 소비당사자인 아동이 소유한 단말로 제공될 수 있다.

도 5는 사용자의 활동에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법을 도시한 순서도이다.

도 5를 참조하면, S21 단계는 데이터 수집부(110)가 아동의 활동 데이터(300)를 수집한다.

예를 들어, 문진 데이터, 영상 데이터 및 인터뷰 데이터 중 적어도 하나에 기초하여 사용자의 활동 데이터(300)를 수집한다. 이때, 문진 데이터는 사용자의 성별, 나이, 성격, 키, 몸무게, 키와 몸무게의 비율 및 BMI지수 중 적어도 하나를 포함할 수 있다.

S23 단계는 사용자가 신체 활동(310), 식사 패턴(330) 및 수면 패턴(350)에 대한 데이터를 입력한다.

예를 들어, 신체 활동(310)을 얼마나 하였는지, 주식은 얼마나 섭취하였는지, 간식의 섭취 횟수는 얼마인지, 밤잠과 낮잠은 몇 시간을 잤는지에 대해 입력한다. 이때, 데이터들은 일 단위로 입력 할 수 있고, 주 단위로 입력 할 수 있다.

S25 단계는 데이터 분석부(130)가 입력된 데이터와 기설정된 데이터를 비교 및 분석한다.

예를 들어, 기설정된 데이터는 사용자의 나이 별 권장 데이터이다. 기설정된 데이터 중 신체 활동(310)에 해당하는 걷기가 1시간이라고 할 때, 입력된 데이터가 2시간이라면 사용자의 신체 활동(310) 결과는 과함, 정상, 부족 중 과함에 해당할 것이다.

S27 단계는 컨텐츠 매칭부(150)가 분석된 데이터에 기초하여 맞춤 컨텐츠(151)를 제공한다.

예를 들어, 데이터 분석부(130)의 결과가 신체 활동(310)의 부족으로 나왔다면, 사용자에게 공원 걷기 등과 같은 신체 활동(310)의 양을 늘릴 수 있는 맞춤 컨텐츠(151)를 제공할 것이다.

도 6은 사용자의 활동에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법의 예시를 나타낸 도면이다.

도 6을 참조하면, 도 5에 도시된 순서도를 자세히 확인 할 수 있다.

먼저, 사용자가 개인 데이터(200)를 입력한다. 이때, 개인 데이터(200)는 문진 데이터일 수 있다. 문진 데이터는 이름, 성별, 생년월일, 신장, 체중, 보호자 이메일, 휴대전화를 포함 할 수 있다.

신체 데이터는 활동 데이터(300)일 수 있다. 활동 데이터(300)는 일간 또는 주간으로 입력이 가능하며, 결과 또한 일간 또는 주간으로 제공될 수 있다. 활동 데이터(300)는 신체 활동(310), 식사 패턴(330), 수면 패턴(350)을 포함 할 수 있다. 신체 활동(310)은 걷기, 뛰기, 기구 활동, 교육 활동을 포함할 수 있으며, 기설정된 데이터와 비교하여 분석될 수 있다. 이때, 기설정된 데이터는 진단 알고리즘일 수 있다. 분석된 결과는 과함, 정상, 부족으로 나타낼 수 있으며, 결과에 기초하여 맞춤 컨텐츠(151)를 제공한다. 맞춤 컨텐츠(151)는 단순하게 운동량을 증가 또는 감소시키라고 제안하는 것 일 수 있으며, 구체적인 신체 활동(310)을 제안할 수 있다.

식사 패턴(330)은 일간 또는 주간으로 입력이 가능하며, 결과 또한 일간 또는 주간으로 제공될 수 있다. 식사 패턴(330)은 주식, 간식, 유해 음식의 섭취 횟수 및 섭취량을 수집한다. 수집된 데이터는 기설정된 데이터와 비교하여 분석될 수 있다. 이때, 기설정된 데이터는 진단 알고리즘일 수 있다. 분석된 결과는 과함, 정상, 부족으로 나타낼 수 있으며, 결과에 기초하여 맞춤 컨텐츠(151)를 제공한다.

수면 패턴(350)은 일간 또는 주간으로 입력이 가능하며, 결과 또한 일간 또는 주간으로 제공될 수 있다. 수면 패턴(350)은 밤잠 또는 낮잠의 수면 시간을 수집한다. 수집된 데이터는 기설정된 데이터와 비교하여 분석될 수 있다. 이때, 기설정된 데이터는 진단 알고리즘일 수 있다. 분석된 결과는 과함, 정상, 부족으로 나타낼 수 있으며, 결과에 기초하여 맞춤 컨텐츠(151)를 제공한다.

도 7은 사용자의 학습에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법을 도시한 순서도이다.

도 7을 참조하면, S31 단계는 데이터 수집부(110)가 사용자의 학습 데이터(400)를 수집한다.

예를 들어, 문진 데이터, 영상 데이터 및 인터뷰 데이터 중 적어도 하나에 기초하여 사용자의 학습 데이터(400)를 수집한다. 학습 데이터(400)는 아동이 학습하는 정보를 포함하며, 아동의 논리력, 이해력, 자신감, 친화성, 주도성, 감수성, 책임감, 인내력 및 활동성 중 적어도 하나를 포함할 수 있다.

S32 단계는 데이터 분석부(130)가 진단 알고리즘에 기초하여 학습 데이터(400)를 분석한다.

예를 들어, 데이터 분석부(130)는 진단 알고리즘에 기초하여 사용자의 활동 데이터(300) 및 학습 데이터(400)를 분석하고, 활동 데이터(300) 및 학습 데이터(400)에 상응하는 퍼소나 유형 모델(131)을 결정한다. 데이터 분석부(130)는 수집된 문진 데이터, 아동 관찰 데이터, 활동 데이터(300)를 기초로 퍼소나 유형 모델(131)을 매칭할 수 있다.

S33 단계는 컨텐츠 매칭부(150)가 학습 분류 테이블에 기초하여 맞춤 컨텐츠(151)를 제안한다.

학습 분류 테이블은 수리, 언어, 사회관계, 예술경험, 의사소통, 자연탐구, 운동과 건강이라는 컨텐츠 카테고리(152)와 카테고리(152)별 맞춤 컨텐츠(151)를 제공하는 테이블이다. 학습 분류 테이블은 맞춤 컨텐츠의 종류에 따라 복수개일 수 있다. 이와 관련된 내용은 도 8에서 자세히 후술될 것이다.

S34 단계는 사용자가 매칭된 맞춤 컨텐츠(151) 중 하나인 챈트를 선택한다.

예를 들어, 제안된 맞춤 컨텐츠(151)는 챈트에 관한 학습 분류 테이블에서 부족한 카테고리(152)의 맞춤 컨텐츠(151)일 수 있다. S34 단계는 사용자가 여러가지의 맞춤 컨텐츠(151) 중 챈트를 선택한 경우이다. 이때, 챈트는 복수 개가 존재할 수 있고, 사용자가 선택하여 학습할 수 있다.

S35 단계는 사용자가 선택된 챈트의 교육 앱을 학습한다.

예를 들어, 사용자가 S34 단계에서 챈트를 선택하였다면 표시부(170)를 통해 챈트가 표시되고, 학습을 진행할 것이다.

S36 단계는 학습 앱의 점수를 분석한다.

예를 들어, 사용자가 학습을 완료하였다면, 점수를 분석하여 사용자에게 제공한다.

S37 단계는 학습이 완료된 맞춤 컨텐츠(151)를 저장한다.

예를 들어, 데이터 수집부(110)는 학습이 완료되었다는 데이터를 수집하고, 아동 맞춤 컨텐츠(151) 시스템은 기설정된 데이터를 업데이트한다.

도 8은 사용자의 학습에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법의 예시를 나타낸 도면이다.

도 8을 참조하면, 도 7에 도시된 순서도를 자세히 확인 할 수 있다.

맞춤 컨텐츠(151)로 챈트를 선택한 경우를 나타낸 것으로, 데이터 수집부(110)가 사용자의 학습 데이터(400)를 수집한다. 예를 들어, 문진 데이터, 영상 데이터 및 인터뷰 데이터 중 적어도 하나에 기초하여 사용자의 학습 데이터(400)를 수집한다. 학습 데이터(400)는 아동이 학습하는 정보를 포함하며, 아동의 논리력, 이해력, 자신감, 친화성, 주도성, 감수성, 책임감, 인내력 및 활동성 중 적어도 하나를 포함할 수 있다.

카테고리(152) 별 다양한 챈트가 존재할 수 있으며, 학습 분류 테이블에 기초하여 맞춤 컨텐츠(151)를 제공할 수 있다. 학습 분류 테이블은 표 1과 같다.

[표 1]

예를 들어, 데이터 분석부(130)에서 수집된 학습 데이터(400)에서 자연탐구 카테고리(152)의 능력이 부족하다고 분석된다면, 컨텐츠 매칭부(150)는 학습 분류 테이블을 참조하여 자연탐구 카테고리(152)에 해당하는 챈트를 제안할 수 있다. 이때 제안된 챈트는 복수 개일 수 있으며, 사용자가 하나를 선택하여 학습을 진행할 수 있다.

데이터 분석부(130)는 선택한 챈트의 교육 앱 학습 활동을 진행하며, 학습 앱의 점수를 분석할 수 있다.

또한, 학습이 완료된 카테고리(152)는 저장되고, 데이터 수집부(110)는 학습이 완료되었다는 데이터를 수집하고, 아동 맞춤 컨텐츠(151) 시스템은 기설정된 데이터를 업데이트한다.

도 9는 사용자의 교육에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법을 도시한 순서도이다.

도 9를 참조하면, S41 단계에서 사용자가 맞춤 컨텐츠(151) 중 독서(500)를 선택한다.

예를 들어, 제안된 맞춤 컨텐츠(151)는 독서(500)에 관한 학습 분류 테이블에서 부족한 카테고리(152)의 맞춤 컨텐츠(151)일 수 있다. 사용자가 여러가지의 맞춤 컨텐츠(151) 중 독서(500)를 선택한 경우로, 제안된 독서(500)는 복수 개가 존재할 수 있고, 사용자가 선택하여 학습할 수 있다.

S43 단계에서 독서(500)가 완료되면 맞춤 컨텐츠에 저장한다.

예를 들어, 독서(500)가 완료된 카테고리(152)는 저장되고, 데이터 수집부(110)는 독서(500)가 완료되었다는 데이터를 수집하고, 아동 맞춤 컨텐츠(151) 시스템은 기설정된 데이터를 업데이트한다.

S45 단계에서 사용자가 맞춤 컨텐츠(151)로 스토리텔링(600)을 선택한다,

예를 들어, 앞서 S43 단계에서 완료된 독서(500)를 골라 스토리텔링(600)을 하는 맞춤 컨텐츠(151)를 선택할 수 있다.

S47 단계에서 사용자가 스토리텔링(600) 활동을 녹화하고 저장한다.

예를 들어, 사용자가 스토리텔링(600)하는 것을 영상 데이터로 남기고, 데이터 수집부(110)에서는 영상 데이터를 수집하여 저장한다. 이때, 저장 위치는 사용자의 단말일 수 있다.

S49 단계에서 컨텐츠 매칭부(150)가 저장된 맞춤 컨텐츠의 카테고리(152)에 기초하여 부족한 부분의 맞춤 컨텐츠(151)를 제안한다.

예를 들어, 스토리텔링(600) 후에 수리 카테고리(152)가 부족하다면 수리 카테고리(152)에 적합은 맞춤 컨텐츠(151)를 제안하여 다른 활동을 할 수 있도록 한다.

도 10은 사용자의 교육에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법의 예시를 나타낸 도면이다.

도 10을 참조하면, 도 9에 도시된 순서도를 자세히 확인 할 수 있다.

제안된 맞춤 컨텐츠(151)가 독서(500)인 경우로, 부족한 카테고리(152)의 맞춤 컨텐츠(151)를 독서(500)에 관한 학습 분류 테이블에서 선택할 수 있다. 사용자가 여러가지의 맞춤 컨텐츠(151) 중 독서(500)를 선택한 경우로, 제안된 독서(500)는 복수 개가 존재할 수 있고, 사용자가 선택하여 학습할 수 있다.

도서를 선택하였다면, 독서(500)활동을 진행하고, 독서(500) 완료 후 카테고리(152)에 저장하여 기저장된 카테고리(152)의 데이터 및 독서(500)활동은 학습 활동으로 학습 데이터(400)를 업데이트한다.

또한, 앞서 선택된 도서에 관해 스토리텔링(600)을 진행할 수 있다. 사용자는 스토리텔링(600)을 녹화하고 저장하여 학습 데이터(400)를 업데이트할 수 있으며, 저장 후 공유도 가능하다.

도 11은 사용자의 영상 촬영에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법을 도시한 순서도이다.

도 11을 참조하면, S51 단계는 데이터 수집부(110)가 동영상 및 사진을 수집하여 업로드 및 단말에 저장한다.

예를 들어, 아동을 상대로 수행한 인터뷰 데이터, 아동이 특정 상황을 대처하는 방법을 기록한 영상 데이터, 아동의 모습을 촬영한 영상 데이터에 대한 분석 값 등을 포함할 수 있다.

S52 단계는 데이터 분석부(130)가 촬영된 동영상 및 사진을 분석한다.

S53 단계는 분석된 결과를 통해 해당 맞춤 컨텐츠에 저장한다.

예를 들어, 동영상 및 사진은 단말에 저장되어 있을 수 있다. 동영상 및 사진을 분석하여 해당 맞춤 컨텐츠의 카테고리(152)에 저장한다.

S54 단계는 컨텐츠 매칭부(150)가 분석된 데이터에 기초하여 맞춤 컨텐츠(151)를 제공한다.

예를 들어, 해당 컨텐츠의 카테고리(152)에 저장된 횟수를 비교하여 가장 적은 횟수를 가지는 컨텐츠에 해당하는 맞춤 컨텐츠(151)를 제공한다.

S55 단계는 학습이 완료된 맞춤 컨텐츠(151)를 저장한다.

예를 들어, 학습이 완료된 카테고리(152)는 저장되고, 데이터 수집부(110)는 학습이 완료되었다는 데이터를 수집하고, 아동 맞춤 컨텐츠(151) 시스템은 기설정된 데이터를 업데이트한다.

도 12는 사용자의 영상 촬영에 따른 아동 맞춤 컨텐츠 장치(10)의 동작 방법의 예시를 나타낸 도면이다.

도 12를 참조하면, 도 11에 도시된 순서도를 자세히 확인 할 수 있다.

갤러리(700)에서 카테고리(152)를 선택하여 촬영된 동영상 및 사진을 저장한다. 이때, 카테고리(152)는 맞춤 컨텐츠의 카테고리(152)일 수 있다. 업로드된 동영상 및 사진은 편집, 꾸미기 및 공유가 가능하다. 편집, 꾸미기 및 공유된 사진 및 동영상을 해당 카테고리(152)에 재업로드가 가능하다. 업로드가 완료되면 컨텐츠에 저장한다. 데이터 분석부(130)는 저장된 사진 및 동영상을 분석하며, 컨텐츠 매칭부(150)는 분석된 사진 및 동영상에 기초하여 맞춤 컨텐츠(151)를 제안한다.

본 발명의 일 실시예에 따르면, 문진 데이터, 아동 관찰 데이터, 활동 데이터를 기초로 하여 퍼소나 모델(132)을 매칭하고, 매칭된 퍼소나 모델(132)을 기초로 맞춤 컨텐츠를 추천하기 때문에 아동의 발달에 필요하고 적합한 맞춤 컨텐츠를 제공할수 있다.

이상에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만,해당 기술 분야의 숙련된 당업자 또는 해당 기술 분야에 통상의 지식을 갖는 자라면, 후술될 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된내용으로 한정되는 것이 아니라 특허청구범위에 의해 정하여져야만 할 것이다.

10 : 아동 맞춤 컨텐츠 장치
110 : 데이터 수집부
130 : 데이터 분석부
131 : 퍼소나 유형 모델
132 : 퍼소나 모델
150 : 컨텐츠 매칭부
151 : 맞춤 컨텐츠
152 : 맞춤 컨텐츠의 카테고리
160 : 표시부
200 : 개인 데이터
300 : 활동 데이터
310 : 신체 활동
330 : 식사 패턴
350 : 수면 패턴
400 : 학습 데이터
500 : 독서
600 : 스토리텔링
700 : 갤러리

Claims (10)

1. 문진 데이터, 영상 데이터 및 사용자를 상대로 수행한 인터뷰 데이터 중 적어도 하나에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터 중 적어도 하나를 수집하는 데이터 수집부;
   진단 알고리즘에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터를 분석하고, 상기 활동 데이터 및 학습 데이터에 상응하는 퍼소나 유형 모델을 결정하는 데이터 분석부;
   기설정된 학습 분류 테이블, 상기 퍼소나 유형 모델에 기초하여, 상기 사용자에게 제공하는 맞춤 컨텐츠를 선택하는 컨텐츠 매칭부; 및
   상기 맞춤 컨텐츠를 사용자에게 제공하는 표시부를 포함하고,
   상기 퍼소나 유형 모델은 복수개의 퍼소나 모델을 포함하고, 상기 퍼소나 모델은 정상 모델과 과잉 모델을 포함하며,
   상기 컨텐츠 매칭부는 상기 퍼소나 모델이 상기 과잉 모델일 경우, 상기 과잉 모델과 관련된 특정 기질이 과도하게 나타나는 것을 억제하기 위한 상기 맞춤 컨텐츠를 제공하는, 아동 맞춤 컨텐츠 장치.
2. 제1항에 있어서,
   상기 활동 데이터는 상기 사용자가 활동하는 정보를 포함하고,
   상기 사용자가 활동하는 정보는 상기 사용자의 활동 시간 데이터, 나이에 따른 활동량 데이터, 영양상태, 수면시간, 수면량, 수면패턴 및 정서상태 중 적어도 하나를 포함하는 아동 맞춤 컨텐츠 장치.
3. 제1항에 있어서,
   상기 학습 데이터는 상기 사용자가 학습하는 정보를 포함하고,
   상기 사용자가 학습하는 정보는 상기 사용자의 논리력, 이해력, 자신감, 친화성, 주도성, 감수성, 책임감, 인내력 및 활동성 중 적어도 하나를 포함하는 아동 맞춤 컨텐츠 장치.
4. 제1항에 있어서,
   상기 문진 데이터는 상기 사용자의 성별, 나이, 성격, 키, 몸무게, 상기 키와 상기 몸무게의 비율 및 BMI지수 중 적어도 하나를 포함하는 아동 맞춤 컨텐츠 장치.
5. 제4항에 있어서,
   상기 활동 데이터 및 학습 데이터는 상기 사용자가 활동 및 학습한 데이터에 기초하여 상기 활동 데이터 및 학습 데이터를 자동으로 업데이트하고,
   상기 문진 데이터는 수집된 날짜와 현재 날짜를 비교하여 자동으로 업데이트하는 것을 더 포함하는 아동 맞춤 컨텐츠 장치.
6. 제1항에 있어서,
   상기 맞춤 컨텐츠는 챈트, 도서, 교육용 게임, 놀이, 영상 촬영 및 건강을 포함하는 아동 맞춤 컨텐츠 장치.
7. 제6항에 있어서,
   상기 맞춤 컨텐츠의 카테고리는 수리, 언어, 사회관계, 예술경험, 의사소통, 자연탐구 및 운동과 건강 중 적어도 하나를 포함하는 아동 맞춤 컨텐츠 장치.
8. 제1항에 있어서,
   상기 컨텐츠 매칭부는 자녀 양육 가이드라인에 관한 정보를 제공하는 아동 맞춤 컨텐츠 장치.
9. 아동 맞춤 컨텐츠 장치의 동작 방법에 있어서,
   데이터 수집부가 문진 데이터, 영상 데이터 및 사용자를 상대로 수행한 인터뷰 데이터 중 적어도 하나에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터 중 적어도 하나를 수집하는 단계;
   데이터 분석부가 진단 알고리즘에 기초하여 상기 사용자의 활동 데이터 및 학습 데이터를 분석하고, 상기 활동 데이터 및 학습 데이터에 상응하는 퍼소나 유형 모델을 결정하는 단계;
   컨텐츠 매칭부가 기설정된 학습 분류 테이블, 상기 퍼소나 유형 모델에 기초하여, 상기 사용자에게 제공하는 맞춤 컨텐츠를 선택하는 단계; 및
   표시부가 상기 맞춤 컨텐츠를 사용자에게 제공하는 단계를 포함하고,
   상기 퍼소나 유형 모델은 복수개의 퍼소나 모델을 포함하고, 상기 퍼소나 모델은 정상 모델과 과잉 모델을 포함하며,
   상기 컨텐츠 매칭부는 상기 퍼소나 모델이 상기 과잉 모델일 경우, 상기 과잉 모델과 관련된 특정 기질이 과도하게 나타나는 것을 억제하기 위한 상기 맞춤 컨텐츠를 제공하는, 아동 맞춤 컨텐츠 장치의 동작 방법.
10. 제9항에 있어서,
    상기 활동 데이터는 상기 사용자의 활동 시간 데이터, 나이에 따른 활동량 데이터, 영양상태, 수면시간, 수면량, 수면패턴 및 정서상태 중 적어도 하나를 포함하고,
    상기 학습 데이터는 상기 사용자의 논리력, 이해력, 자신감, 친화성, 주도성, 감수성, 책임감, 인내력 및 활동성 중 적어도 하나를 포함하는 아동 맞춤 컨텐츠 장치의 동작 방법.

Images