KR102322213B1 - Method and apparatus for recommending learning contents - Google Patents

Method and apparatus for recommending learning contents Download PDF

Info

Publication number
KR102322213B1
KR102322213B1 KR1020210008214A KR20210008214A KR102322213B1 KR 102322213 B1 KR102322213 B1 KR 102322213B1 KR 1020210008214 A KR1020210008214 A KR 1020210008214A KR 20210008214 A KR20210008214 A KR 20210008214A KR 102322213 B1 KR102322213 B1 KR 102322213B1
Authority
KR
South Korea
Prior art keywords
learning
learning content
user
users
learned
Prior art date
Application number
KR1020210008214A
Other languages
Korean (ko)
Inventor
이주현
Original Assignee
(주)인더스트리미디어
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 (주)인더스트리미디어 filed Critical (주)인더스트리미디어
Priority to KR1020210008214A priority Critical patent/KR102322213B1/en
Application granted granted Critical
Publication of KR102322213B1 publication Critical patent/KR102322213B1/en

Links

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Technology (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

Disclosed are a method and apparatus for recommending learning content. The apparatus for recommending learning content according to one aspect of the present invention includes a communication part, and a learning content recommendation part that provides a preset number of pieces of learning content to a first user terminal based on at least one of learning content learned by other users having a learning history similar to a first learning history of a first user, learning content learned by other users of the same job as the first user, and learning content learned by other users of the same rank as the first user when receiving a learning content recommendation request signal from the first user terminal through the communication part.

Description

학습 콘텐츠 추천 장치 및 방법{METHOD AND APPARATUS FOR RECOMMENDING LEARNING CONTENTS}Apparatus and method for recommending learning content {METHOD AND APPARATUS FOR RECOMMENDING LEARNING CONTENTS}

본 발명은 학습 콘텐츠 추천 장치 및 방법에 관한 것으로서, 보다 상세하게는 사용자의 학습이력, 직무 및 직급에 기초하여 학습 콘텐츠를 추천할 수 있도록 하는, 학습 콘텐츠 추천 장치 및 방법에 관한 것이다. The present invention relates to a learning content recommendation apparatus and method, and more particularly, to a learning content recommendation apparatus and method for recommending learning content based on a user's learning history, job, and position.

고교, 대학교 등의 입시 전형에서 자기 주도 학습전형이 증가하면서 그에 관련된 인터넷 강의 및 교재가 범람하고 있는 반면에, 정작 수험생 입장에서는 전략적인 커리큘럼 생산 및 강의 선택 능력이 부재함에 따라 사교육을 이용 중인 학생의 대다수가 학습 스케줄링 및 목표 관리 서비스에 대한 필요성을 느끼고 있다.While the number of online lectures and textbooks related to self-directed learning has increased in the admissions process of high schools and universities, the majority of students using private tutoring due to the lack of strategic curriculum production and lecture selection ability from the standpoint of the examinees. is feeling the need for learning scheduling and goal management services.

또한, 다양한 학습 콘텐츠의 증가로 인해 스스로 학습하는 학습 유형이 증가하고, 학습자에게 특화된 커리큘럼의 추천 및 지속성 유지를 위한 관리가 절실해짐에 따라, 학습량의 많고 적음보다 어떻게 무엇을 공부할 것인지에 관련된 학습 전략이 중요해지고 있다. 이러한 교육 환경의 변화에 따라 개인별 코칭 학습의 전략이 요구되는 실정이다. 특히, 교육용 서비스는 개개인의 경험에 의존하기보다는 다수의 학습 패턴을 분석하여 이를 빅데이터로 활용할 필요가 있는데, 아직까지 사용자에게 최적화된 콘텐츠 추천 및 학습 관리를 위한 시스템은 제시되지 못한 한계가 있다.In addition, as the number of self-learning learning types increases due to the increase of various learning contents, and management for recommendation and continuity of a curriculum specialized for learners is urgently needed, learning strategies related to how and what to study rather than too much or too little learning is becoming important In accordance with these changes in the educational environment, individual coaching and learning strategies are required. In particular, educational services need to analyze a number of learning patterns and utilize them as big data rather than relying on individual experiences.

본 발명의 배경기술은 대한민국 공개특허공보 제2011-0070625호(2011.06.24)의 '학습 컨텐츠 제공 시스템 및 방법'에 개시되어 있다.The background technology of the present invention is disclosed in 'Learning content providing system and method' of Republic of Korea Patent Publication No. 2011-0070625 (2011.06.24).

본 발명은 전술한 문제점을 개선하기 위하여 안출된 것으로, 본 발명의 목적은 사용자의 학습이력, 직무 및 직급에 기초하여 학습 콘텐츠를 추천할 수 있도록 하는 학습 콘텐츠 추천 장치 및 방법을 제공하는 것이다. SUMMARY OF THE INVENTION The present invention has been devised to improve the above problems, and an object of the present invention is to provide a learning content recommendation apparatus and method for recommending learning content based on a user's learning history, job, and position.

본 발명이 해결하고자 하는 과제는 이상에서 언급한 과제(들)로 제한되지 않으며, 언급되지 않은 또 다른 과제(들)은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.The problem to be solved by the present invention is not limited to the problem(s) mentioned above, and another problem(s) not mentioned will be clearly understood by those skilled in the art from the following description.

본 발명의 일 측면에 따른 학습 콘텐츠 추천 장치는, 통신부, 상기 통신부를 통해 제1 사용자 단말기로부터 학습 콘텐츠 추천 요청 신호 수신 시, 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중 적어도 하나에 기초하여 기 설정된 일정 개수의 학습 콘텐츠를 상기 제1 사용자 단말기에 제공하는 학습 콘텐츠 추천부를 포함한다. In an apparatus for recommending learning content according to an aspect of the present invention, when receiving a learning content recommendation request signal from a first user terminal through a communication unit and the communication unit, other users having a learning history similar to the first learning history of the first user learn A preset number based on at least one of one learning content, learning content learned by other users of the same job as the first user's job, and learning content learned by other users of the same rank as the first user's job and a learning content recommendation unit that provides the learning content of the first user terminal to the first user terminal.

본 발명은 각 사용자의 사용자 정보 및 학습 이력이 저장된 유저 데이터베이스를 더 포함하고, 상기 학습 콘텐츠 추천부는, 상기 유저 데이터베이스로부터 상기 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 사용자들을 확인하고, 상기 확인된 사용자들이 학습한 학습 콘텐츠들 중 상기 제1 학습이력에 존재하지 않은 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하는 제1 검색부, 상기 유저 데이터베이스로부터 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들을 확인하고, 상기 동일 직무 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하는 제2 검색부, 상기 유저 데이터베이스로부터 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들을 확인하고, 상기 동일 직급 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하는 제3 검색부, 및 상기 제1 검색부, 제2 검색부 및 제3 검색부에서 각각 추출한 학습 콘텐츠들 중에서 동일한 학습 콘텐츠의 학습자수를 합 연산하고, 상기 합 연산된 학습자수가 많은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 상기 제1 사용자에게 추천하는 추천부를 포함할 수 있다. The present invention further includes a user database in which user information and learning history of each user are stored, wherein the learning content recommendation unit identifies users having a learning history similar to the first learning history of the first user from the user database, A first search unit for extracting learning content that does not exist in the first learning history from among the learning contents learned by the identified users and the number of learners of the learning content, the same job as the job of the first user from the user database a second search unit that identifies other users of Identifying other users of the same rank as the rank of the first user, and extracting the learning content learned within a predetermined period based on the current among the learning contents learned by the users of the same rank and the number of learners of the learning content The third search unit, and the sum of the number of learners of the same learning content among the learning contents extracted from the first, second, and third search units, respectively, and the learning contents in the order of the number of learners calculated by the sum and a recommender for arranging and recommending a predetermined number of higher-ranked learning contents to the first user.

본 발명은 상기 유저 데이터베이스에 저장된 각 사용자의 학습이력을 일정 기간 단위로 필터링하여 관리하는 학습이력 관리부를 더 포함할 수 있다. The present invention may further include a learning history management unit for filtering and managing each user's learning history stored in the user database in units of a predetermined period.

본 발명에서 상기 학습이력 관리부는, 동일 직무 또는 동일 직급을 가진 사용자들의 학습이력을 일정 기간 단위로 관리할 수 있다. In the present invention, the learning history management unit may manage the learning history of users having the same job or the same rank in units of a predetermined period.

본 발명에서 상기 학습 콘텐츠 추천부는, 상기 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 각 학습 콘텐츠에 대한 제1 정확률, 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 각 학습 콘텐츠에 대한 제2 정확률, 및 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 각 학습 콘텐츠에 대한 제3 정확률을 각각 산출하고, 동일한 학습 콘텐츠에 대한 제1 정확률, 제2 정확률 및 제3 정확률을 합 연산하여 정확률을 산출하며, 상기 산출된 정확률이 높은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 상기 제1 사용자 단말기에 제공할 수 있다. In the present invention, the learning content recommendation unit includes a first accuracy rate for each learning content learned by other users having a similar learning history to the first learning history of the first user, and another user of the same job as the first user's job. A second accuracy rate for each learning content learned by them, and a third accuracy rate for each learning content learned by other users of the same rank as the rank of the first user are respectively calculated, and a first accuracy rate for the same learning content, The accuracy rate is calculated by summing the second accuracy rate and the third accuracy rate, and the learning contents are arranged in the order of the calculated accuracy rate to provide a predetermined number of high-ranked learning contents to the first user terminal.

본 발명의 다른 측면에 따른 학습 콘텐츠 추천 방법은, 학습 콘텐츠 추천 장치가 제1 사용자 단말기기로부터 학습 콘텐츠 추천 요청 신호를 수신하는 단계, 상기 학습 콘텐츠 추천 장치가, 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중 적어도 하나에 기초하여 기 설정된 일정 개수의 학습 콘텐츠를 상기 제1 사용자 단말기에 제공하는 단계를 포함한다. A learning content recommendation method according to another aspect of the present invention includes the steps of: receiving, by a learning content recommendation apparatus, a learning content recommendation request signal from a first user terminal device; Among the learning content learned by other users with similar learning histories, learning content learned by other users of the same job as the job of the first user, and learning content learned by other users of the same position as the first user's position, and providing a preset number of learning contents to the first user terminal based on at least one.

본 발명에서 상기 학습 콘텐츠를 상기 제1 사용자 단말기에 제공하는 단계는, 상기 학습 콘텐츠 추천 장치가, 유저 데이터베이스로부터 상기 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 사용자들을 확인하고, 상기 확인된 사용자들이 학습한 학습 콘텐츠들 중 상기 제1 학습이력에 존재하지 않은 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하는 단계, 상기 학습 콘텐츠 추천 장치가, 상기 유저 데이터베이스로부터 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들을 확인하고, 상기 동일 직무 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하는 단계, 상기 학습 콘텐츠 추천 장치가, 상기 유저 데이터베이스로부터 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들을 확인하고, 상기 동일 직급 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하는 단계, 상기 학습 콘텐츠 추천 장치가. 상기 제1 학습이력, 동일한 직무, 및 동일한 직급에 기초하여 각각 추출한 학습 콘텐츠들 중에서 동일한 학습 콘텐츠의 학습자수를 합 연산하고, 상기 합 연산된 학습자수가 많은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 상기 제1 사용자에게 추천하는 단계를 포함할 수 있다. In the present invention, the step of providing the learning content to the first user terminal includes, by the learning content recommendation apparatus, identifying users having a learning history similar to the first learning history of the first user from a user database, and confirming the extracting learning content that does not exist in the first learning history and the number of learners of the learning content from among the learning content learned by the users who have been trained, the learning content recommendation device, the first user's job and Identifying other users of the same job, extracting the learning content learned within a predetermined period based on the current from among the learning contents learned by the same job users and the number of learners of the learning content, the learning content recommendation apparatus A, other users of the same rank as the rank of the first user are identified from the user database, and learning contents learned within a predetermined period based on the current among the learning contents learned by users of the same rank and the learning contents extracting the number of learners, the learning content recommendation device. The number of learners of the same learning content is summed among the learning contents extracted based on the first learning history, the same job, and the same rank, and the learning contents are sorted in the order of the largest number of the sum-calculated learners to rank higher. The method may include recommending a predetermined number of learning contents to the first user.

본 발명은 상기 학습 콘텐츠 추천 장치가, 유저 데이터베이스에 저장된 각 사용자의 학습이력을 일정 기간 단위로 필터링하여 관리하는 단계를 더 포함할 수 있다. The present invention may further include the step of filtering, by the learning content recommendation apparatus, the learning history of each user stored in the user database for a predetermined period and managing the filtering.

본 발명은 상기 관리하는 단계에서, 상기 학습 콘텐츠 추천 장치는, 동일 직무 또는 동일 직급을 가진 사용자들의 학습이력을 일정 기간 단위로 관리할 수 있다. In the present invention, in the managing step, the learning content recommendation apparatus may manage the learning histories of users having the same job or the same rank in units of a predetermined period.

본 발명에서 상기 학습 콘텐츠를 상기 제1 사용자 단말기에 제공하는 단계는, 상기 학습 콘텐츠 추천 장치가, 상기 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 각 학습 콘텐츠에 대한 제1 정확률을 산출하는 단계, 상기 학습 콘텐츠 추천 장치가, 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 각 학습 콘텐츠에 대한 제2 정확률을 산출하는 단계, 상기 학습 콘텐츠 추천 장치가, 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 각 학습 콘텐츠에 대한 제3 정확률을 산출하는 단계, 및 상기 학습 콘텐츠 추천 장치가, 동일한 학습 콘텐츠에 대한 제1 정확률, 제2 정확률 및 제3 정확률을 합 연산하여 정확률을 산출하고, 상기 산출된 정확률이 높은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 상기 제1 사용자에게 추천하는 단계를 포함할 수 있다. In the present invention, the step of providing the learning content to the first user terminal includes, by the learning content recommendation device, for each learning content learned by other users having a learning history similar to the first learning history of the first user. Calculating, by the learning content recommendation device, a second accuracy ratio for each learning content learned by other users of the same job as the first user's job; calculating, by the learning content recommendation apparatus, a third accuracy rate for each learning content learned by other users of the same rank as that of the first user, and a first accuracy rate, a second accuracy rate, and a second accuracy rate for the same learning content The method may include calculating an accuracy rate by summing the three accuracy rates, arranging the learning contents in the order of the calculated accuracy rates, and recommending a predetermined number of high-ranked learning contents to the first user.

이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램이 더 제공될 수 있다.In addition to this, other methods for implementing the present invention, other systems, and computer programs for executing the methods may be further provided.

본 발명의 일 실시예에 따른 학습 콘텐츠 추천 장치 및 방법은, 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중에서 중복 횟수가 많은 학습 콘텐츠들을 사용자에게 추천함으로써, 사용자는 편리하게 학습을 수행할 수 있다.Learning content recommendation apparatus and method according to an embodiment of the present invention, learning content learned by other users having a learning history similar to the user's learning history, learning content learned by other users in the same job as the user's job, and The user can conveniently perform learning by recommending, to the user, learning contents having a large number of duplicates among the learning contents learned by other users of the same level as the user's position.

또한 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 장치 및 방법은, 사용자가 필요한 학습 콘텐츠를 수신하여 학습함으로써 개인의 경쟁력을 향상시킬 수 있다.In addition, the apparatus and method for recommending learning content according to an embodiment of the present invention may improve individual competitiveness by receiving and learning necessary learning content by a user.

한편, 본 발명의 효과는 이상에서 언급한 효과들로 제한되지 않으며, 이하에서 설명할 내용으로부터 통상의 기술자에게 자명한 범위 내에서 다양한 효과들이 포함될 수 있다. On the other hand, the effects of the present invention are not limited to the above-mentioned effects, and various effects may be included within the range apparent to those skilled in the art from the contents to be described below.

도 1은 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 사용자 단말기의 구성을 개략적으로 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 장치를 개략적으로 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 방법을 설명하기 위한 도면이다.1 is a diagram for explaining a learning content recommendation system according to an embodiment of the present invention.
2 is a block diagram schematically showing the configuration of a user terminal according to an embodiment of the present invention.
3 is a block diagram schematically illustrating an apparatus for recommending learning content according to an embodiment of the present invention.
4 is a diagram for explaining a method of recommending learning content according to an embodiment of the present invention.

이하, 첨부된 도면들을 참조하여 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 장치 및 방법을 설명한다. 이 과정에서 도면에 도시된 선들의 두께나 구성요소의 크기 등은 설명의 명료성과 편의상 과장되게 도시되어 있을 수 있다. Hereinafter, an apparatus and method for recommending learning content according to an embodiment of the present invention will be described with reference to the accompanying drawings. In this process, the thickness of the lines or the size of the components shown in the drawings may be exaggerated for clarity and convenience of explanation.

또한, 본 명세서에서 설명된 구현은, 예컨대, 방법 또는 프로세스, 장치, 소프트웨어 프로그램, 데이터 스트림 또는 신호로 구현될 수 있다. 단일 형태의 구현의 맥락에서만 논의(예컨대, 방법으로서만 논의)되었더라도, 논의된 특징의 구현은 또한 다른 형태(예컨대, 장치 또는 프로그램)로도 구현될 수 있다. 장치는 적절한 하드웨어, 소프트웨어 및 펌웨어 등으로 구현될 수 있다. 방법은, 예컨대, 컴퓨터, 마이크로프로세서, 집적 회로 또는 프로그래밍 가능한 로직 디바이스 등을 포함하는 프로세싱 디바이스를 일반적으로 지칭하는 프로세서 등과 같은 장치에서 구현될 수 있다. 프로세서는 또한 최종-사용자 사이에 정보의 통신을 용이하게 하는 컴퓨터, 셀 폰, 휴대용/개인용 정보 단말기(personal digital assistant: "PDA") 및 다른 디바이스 등과 같은 통신 디바이스를 포함한다.Further, the implementations described herein may be implemented as, for example, a method or process, an apparatus, a software program, a data stream, or a signal. Although discussed only in the context of a single form of implementation (eg, discussed only as a method), implementations of the discussed features may also be implemented in other forms (eg, as an apparatus or program). The apparatus may be implemented in suitable hardware, software and firmware, and the like. A method may be implemented in an apparatus such as, for example, a processor, which generally refers to a computer, a microprocessor, a processing device, including an integrated circuit or programmable logic device, or the like. Processors also include communication devices such as computers, cell phones, portable/personal digital assistants (“PDAs”) and other devices that facilitate communication of information between end-users.

또한, 본 명세서에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "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. 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.In addition, the terms used herein are used only to describe specific embodiments, and are not intended to limit the present invention. The singular expression includes the plural expression unless the context clearly dictates otherwise. In the present application, terms such as “comprise” or “have” are intended to designate that a feature, number, step, operation, component, part, or combination thereof described in the specification exists, but one or more other features It should be understood that this does not preclude the existence or addition of numbers, steps, operations, components, parts, or combinations thereof. Terms such as first, second, etc. may be used to describe various elements, but the elements should not be limited by the terms. The above terms are used only for the purpose of distinguishing one component from another.

명세서 전체에서 "콘텐츠(content 또는 contents)"라 함은, 통신망을 통하여 접근 가능한, 문자, 부호, 음성, 음향, 음원, 이미지, 동영상 등으로 이루어지는 디지털 정보 또는 개별 정보 요소를 총칭하는 개념을 포함할 수 있다. 이러한 콘텐츠는, 예를 들면, 텍스트, 이미지, 동영상, 음원, 링크(예를 들면, 웹 링크) 등의 데이터 또는 이러한 데이터 중 적어도 두 가지의 조합을 포함하여 구성될 수 있다. 본 실시 예에서 콘텐츠는 사용자가 콘텐츠를 이용하여 지식을 전달받을 수 있는 학습 콘텐츠를 포함할 수 있다.Throughout the specification, the term "content or contents" may include a concept that collectively refers to digital information or individual information elements made up of text, code, voice, sound, sound source, image, video, etc., accessible through a communication network. can Such content may include, for example, data such as text, image, video, sound source, link (eg, web link), or a combination of at least two of these data. In this embodiment, the content may include learning content from which the user can receive knowledge by using the content.

이하, 본 발명에 따른 실시 예들을 첨부된 도면을 참조하여 상세히 설명하기로 하며, 첨부 도면을 참조하여 설명함에 있어, 동일하거나 대응하는 구성 요소는 동일한 도면번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, embodiments according to the present invention will be described in detail with reference to the accompanying drawings, and in the description with reference to the accompanying drawings, the same or corresponding components are given the same reference numerals, and overlapping descriptions thereof are omitted. decide to do

도 1은 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 시스템을 설명하기 위한 도면이다.1 is a diagram for explaining a learning content recommendation system according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 시스템은 사용자 단말기(100) 및 학습 콘텐츠 추천 장치(200)를 포함한다. Referring to FIG. 1 , a system for recommending learning content according to an embodiment of the present invention includes a user terminal 100 and an apparatus 200 for recommending learning content.

사용자 단말기(100)는 학습 콘텐츠 추천 장치(200)가 제공하는 학습 콘텐츠 추천 어플리케이션 또는 학습 콘텐츠 추천 사이트를 실행 및/또는 표시할 수 있으며, 사용자 단말기(100)를 통하여 학습자의 접속 식별 정보(ID) 및 패스워드를 수신한 학습 콘텐츠 추천 장치(200)는 학습 콘텐츠 추천 어플리케이션 또는 학습 콘텐츠 추천 사이트에 대한 학습자 인증을 수행할 수 있다. The user terminal 100 may execute and/or display a learning content recommendation application or a learning content recommendation site provided by the learning content recommendation device 200 , and access identification information (ID) of the learner through the user terminal 100 . and the learning content recommendation apparatus 200 receiving the password may perform learner authentication for a learning content recommendation application or a learning content recommendation site.

사용자 단말기(100)는 학습 콘텐츠 추천 어플리케이션 또는 학습 콘텐츠 추천 사이트를 통해 학습자들이 신청한 학습이력에 기초하여 학습 콘텐츠를 추천받을 수 있다. The user terminal 100 may receive a learning content recommendation based on the learning history requested by the learners through the learning content recommendation application or the learning content recommendation site.

이러한 사용자 단말기(100)는 사용자가 조작하는 데스크 탑 컴퓨터, 스마트폰, 노트북, 태블릿 PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다. 또한, 사용자 단말기(100)는 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기 일 수 있다. 사용자 단말기(100)는 상술한 내용에 제한되지 아니하며, 웹 브라우징이 가능한 단말기는 제한 없이 차용될 수 있다.The user terminal 100 is a desktop computer, a smartphone, a notebook computer, a tablet PC, a smart TV, a mobile phone, a personal digital assistant (PDA), a laptop, a media player, a micro server, a global positioning system (GPS) device operated by a user. , e-book terminals, digital broadcast terminals, navigation devices, kiosks, MP3 players, digital cameras, home appliances, and other mobile or non-mobile computing devices, but is not limited thereto. Also, the user terminal 100 may be a wearable terminal such as a watch, glasses, a hair band, and a ring having a communication function and a data processing function. The user terminal 100 is not limited to the above, and a terminal capable of web browsing may be borrowed without limitation.

학습 콘텐츠 추천 장치(200)는 사용자들이 신청한 학습이력에 기초하여 각 사용자에게 가장 적합한 학습과정(수업)을 추천할 수 있다. The learning content recommendation apparatus 200 may recommend a learning process (class) most suitable for each user based on the learning histories requested by the users.

학습 콘텐츠 추천 장치(200)는 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중 적어도 하나에 기초하여 기 설정된 일정 개수의 학습 콘텐츠를 사용자에게 추천할 수 있다. The learning content recommendation apparatus 200 includes learning content learned by other users having a learning history similar to the user's learning history, learning content learned by other users of the same job as the user's job, and other users of the same rank as the user's job title. A preset number of learning contents may be recommended to the user based on at least one of the learning contents learned by the users.

이러한 학습 콘텐츠 추천 장치(200)에 대한 상세한 설명은 도 3을 참조하기로 한다. A detailed description of the learning content recommendation apparatus 200 will be described with reference to FIG. 3 .

도 2는 본 발명의 일 실시예에 따른 사용자 단말기의 구성을 개략적으로 나타낸 블록도이다.2 is a block diagram schematically showing the configuration of a user terminal according to an embodiment of the present invention.

도 2를 참조하면, 본 발명의 일 실시예에 따른 사용자 단말기(100)는 통신부(110), 메모리(220), 입출력부(130), 표시부(140), 촬영부(150) 및 제어부(160)를 포함할 수 있다. Referring to FIG. 2 , the user terminal 100 according to an embodiment of the present invention includes a communication unit 110 , a memory 220 , an input/output unit 130 , a display unit 140 , a photographing unit 150 , and a control unit 160 . ) may be included.

통신부(110)는 학습 콘텐츠 추천 장치(200)와 같은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다. 예를 들어, 통신부(110)는, 근거리 통신부 또는 이동 통신부를 포함할 수 있다.The communication unit 110 may be a device including hardware and software necessary for transmitting and receiving signals such as control signals or data signals through wired/wireless connection with other network devices such as the learning content recommendation device 200 . For example, the communication unit 110 may include a short-range communication unit or a mobile communication unit.

메모리(220)는 제어부(160)가 처리하는 데이터를 일시적 또는 영구적으로 저장하거나 사용자 단말기(100)로 전송된 학습 콘텐츠 관련 데이터를 일시적 또는 영구적으로 저장할 수 있다. 여기서, 메모리(220)는 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 특히, 메모리(220)는 학습 콘텐츠 추천 장치(200)에 접속하여 학습 콘텐츠 추천 요청에 의해 학습 콘텐츠 추천 장치(200)로부터 수신한 학습 콘텐츠를 재생/재생 중지/재생 재개하는 작업 등을 수행하는 제어 소프트웨어를 탑재할 수 있다.The memory 220 may temporarily or permanently store data processed by the controller 160 or temporarily or permanently store data related to learning content transmitted to the user terminal 100 . Here, the memory 220 may include magnetic storage media or flash storage media, but the scope of the present invention is not limited thereto. In particular, the memory 220 accesses the learning content recommendation device 200 and controls to play/stop/restart the learning content received from the learning content recommendation device 200 in response to a learning content recommendation request. software can be installed.

입출력부(130)는 터치 인식 디스플레이 제어기 또는 이외의 다양한 입출력 제어기로 구성될 수 있다. 일 예로, 터치 인식 디스플레이 제어기는 장치와 사용자 사이에 출력 인터페이스 및 입력 인터페이스를 제공할 수 있다. 터치 인식 디스플레이 제어기는 전기 신호를 제어부(160)와 송수신할 수 있다. 또한, 터치 인식 디스플레이 제어기는 사용자에게 시각적인 출력을 표시하며, 시각적 출력은 텍스트, 그래픽, 이미지, 비디오와 이들의 조합을 포함할 수 있다. 이와 같은 입출력부(130)는 예를 들어 터치 인식이 가능한 OLED(Organic light emitting display) 또는 LCD(Liquid crystal display)와 같은 소정의 디스플레이 부재일 수 있다.The input/output unit 130 may be configured as a touch-sensitive display controller or other various input/output controllers. As an example, a touch-sensitive display controller may provide an output interface and an input interface between the device and the user. The touch recognition display controller may transmit and receive electrical signals to and from the controller 160 . In addition, the touch-aware display controller displays a visual output to the user, and the visual output may include text, graphics, images, video, and combinations thereof. The input/output unit 130 may be, for example, a predetermined display member such as an organic light emitting display (OLED) or a liquid crystal display (LCD) capable of recognizing a touch.

표시부(140)는 제어부(160)의 제어 하에, 학습 콘텐츠 추천 장치(200)로부터 수신한 각종 정보를 표시할 수 있다.The display unit 140 may display various types of information received from the learning content recommendation apparatus 200 under the control of the control unit 160 .

촬영부(150)는 사용자의 명함정보를 촬영할 수 있다. 촬영부(150)는 예컨대, 카메라일 수 있다. The photographing unit 150 may photograph the user's business card information. The photographing unit 150 may be, for example, a camera.

제어부(160)는 일종의 중앙처리장치로서 메모리(220)에 탑재된 제어 소프트웨어를 구동하고, 표시부(140)를 제어하여 사용자 단말기(100)에 소정의 정보를 표시하는 등의 다양한 기능을 제공할 수 있다. 여기서, 제어부(160)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.The control unit 160 is a kind of central processing unit, which drives the control software mounted on the memory 220 and controls the display unit 140 to provide various functions such as displaying predetermined information on the user terminal 100 . have. Here, the controller 160 may include all kinds of devices capable of processing data, such as a processor. Here, the 'processor' may refer to a data processing device embedded in hardware, for example, having a physically structured circuit to perform a function expressed as a code or an instruction included in a program. As an example of the data processing apparatus embedded in the hardware as described above, a microprocessor, a central processing unit (CPU), a processor core, a multiprocessor, an application-specific integrated (ASIC) circuit) and a processing device such as a field programmable gate array (FPGA), but the scope of the present invention is not limited thereto.

도 3은 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 장치를 개략적으로 나타낸 블록도이다.3 is a block diagram schematically illustrating an apparatus for recommending learning content according to an embodiment of the present invention.

도 3을 참조하면, 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 장치(200)는 통신부(210), 저장부(220), 데이터베이스(230), 학습이력 관리부(240), 인증부(250), 학습 콘텐츠 추천부(260), 및 제어부(270)를 포함할 수 있다.Referring to FIG. 3 , the learning content recommendation apparatus 200 according to an embodiment of the present invention includes a communication unit 210 , a storage unit 220 , a database 230 , a learning history management unit 240 , and an authentication unit 250 . , a learning content recommendation unit 260 , and a control unit 270 .

통신부(210)는 통신망과 연동하여 학습 콘텐츠 추천 장치(200)와 사용자 단말기(100) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 나아가, 통신부(210)는 사용자 단말기(100)로부터 소정의 정보 요청 신호를 수신하는 역할을 할 수 있고, 학습 콘텐츠 추천부(260)에서 추천된 학습 콘텐츠를 사용자 단말기(100)로 전송하는 역할을 수행할 수 있다. 여기서 통신망이라 함은, 학습 콘텐츠 추천 장치(200)와 사용자 단말기(100)를 연결하는 역할을 수행하는 매개체로써, 사용자 단말기(100)가 학습 콘텐츠 추천 장치(200)에 접속한 후 정보를 송수신할 수 있도록 접속 경로를 제공하는 경로를 포함할 수 있다. 또한 통신부(210)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다. 또한, 통신부(210)는 근거리 통신모듈, 무선 통신모듈, 이동통신 모듈, 유선 통신모듈 등 다양한 형태로 구현될 수 있다.The communication unit 210 may provide a communication interface necessary to provide a transmission/reception signal between the learning content recommendation apparatus 200 and the user terminal 100 in the form of packet data in association with a communication network. Furthermore, the communication unit 210 may serve to receive a predetermined information request signal from the user terminal 100 , and transmit the learning content recommended by the learning content recommendation unit 260 to the user terminal 100 . can be done Here, the communication network is a medium that connects the learning content recommendation device 200 and the user terminal 100 , and the user terminal 100 accesses the learning content recommendation device 200 to transmit and receive information. It may include a path that provides an access path so that it can be accessed. In addition, the communication unit 210 may be a device including hardware and software necessary for transmitting and receiving signals such as control signals or data signals through wired/wireless connection with other network devices. In addition, the communication unit 210 may be implemented in various forms, such as a short-range communication module, a wireless communication module, a mobile communication module, and a wired communication module.

저장부(220)는 학습 콘텐츠 추천 장치(200)의 동작과 관련된 데이터들을 저장하는 구성이다. 여기서 저장부(220)는 공지된 저장매체를 이용할 수 있으며, 예를 들어, ROM, PROM, EPROM, E EPROM, RAM 등과 같이 공지된 저장매체 중 어느 하나 이상을 이용할 수 있다. 특히, 저장부(220)에는 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중 적어도 하나에 기초하여 하나 이상의 학습 콘텐츠를 추천하는 학습 콘텐츠 추천 프로그램(애플리케이션 또는 애플릿) 등이 저장될 수 있으며, 저장되는 정보들은 필요에 따라 제어부(270)에 의해 취사 선택될 수 있다.The storage unit 220 is configured to store data related to the operation of the learning content recommendation apparatus 200 . Here, the storage unit 220 may use a known storage medium, for example, any one or more of known storage media such as ROM, PROM, EPROM, E EPROM, RAM, and the like may be used. In particular, in the storage 220 , learning content learned by other users having a learning history similar to the user's learning history, learning content learned by other users of the same job as the user's job, and other users of the same rank as the user's job title A learning content recommendation program (application or applet) that recommends one or more learning content based on at least one of the learning content learned by users may be stored, and the stored information is selected by the controller 270 as needed. can be

데이터베이스(230)는 유저 데이터베이스(232) 및 학습 콘텐츠 데이터베이스(234)를 포함할 수 있다. The database 230 may include a user database 232 and a learning content database 234 .

유저 데이터베이스(232)는 각 사용자의 사용자 정보 및 학습이력을 저장할 수 있다. 여기서, 사용자 정보는 사용자의 이름, 소속, 인적 사항, 성별, 나이, 연락처, 이메일, 주소, 직업, 직급, 직무, 및 역량 수준 등 사용자에 대한 기본적인 정보와, 아이디(ID) (또는 이메일) 및 패스워드(password) 등 인증(로그인)에 대한 정보, 접속 국가, 접속 위치, 접속에 이용한 장치에 대한 정보, 접속된 네트워크 환경 등 접속과 관련된 정보 등을 포함할 수 있다. The user database 232 may store user information and learning history of each user. Here, the user information includes basic information about the user, such as the user's name, affiliation, personal information, gender, age, contact information, email, address, occupation, position, job, and competency level, ID (or email) and It may include information about authentication (login) such as a password, access country, access location, information about a device used for access, and information related to access, such as a connected network environment.

또한 유저 데이터베이스(232)에는 사용자의 고유정보, 학습 콘텐츠 추천 어플리케이션 및/또는 학습 콘텐츠 추천 사이트에 접속한 사용자가 제공받은 정보 및/또는 학습이력, 사용자가 설정한 환경 설정 정보, 사용자가 이용한 자원 사용량 정보, 사용자의 자원 사용량에 대응한 과금 및 결제 정보가 저장될 수 있다.In addition, the user database 232 includes the user's unique information, the information and/or the learning history provided by the user accessing the learning content recommendation application and/or the learning content recommendation site, the environment setting information set by the user, and the resource usage used by the user. Information, billing and payment information corresponding to the resource usage of the user may be stored.

학습 콘텐츠 데이터베이스(234)는 카테고리별로 학습 콘텐츠들을 저장할 수 있다. 이때 학습 콘텐츠는 별도의 전문가들에 의해 기 생성된 콘텐츠일 수 있고, 이미지, 텍스트, 음성, 동영상, 플래시 또는 이들이 조합된 데이터 형태일 수 있다.The learning content database 234 may store learning content for each category. In this case, the learning content may be content previously created by separate experts, and may be in the form of image, text, voice, video, flash, or a combination of these data.

한편, 본 발명의 실시예에서는 학습 콘텐츠 데이터베이스(234)가 학습 콘텐츠 추천 장치(200)에 포함되는 것으로 설명하였으나, 학습 콘텐츠 데이터베이스(234)는 학습 콘텐츠 추천 장치(200)와 유무선 통신망으로 연결된 외부 장치에 구비될 수 있다.Meanwhile, although it has been described that the learning content database 234 is included in the learning content recommendation apparatus 200 in the embodiment of the present invention, the learning content database 234 is an external device connected to the learning content recommendation apparatus 200 through a wired/wireless communication network. can be provided in

학습이력 관리부(240)는 유저 데이터베이스(232)에 저장된 각 사용자의 학습이력을 일정 기간 단위로 필터링할 수 있다.The learning history management unit 240 may filter the learning history of each user stored in the user database 232 in units of a predetermined period.

예를 들면, 학습이력 관리부(240)는 각 사용자의 학습이력을 기본 최근 1달간 이력을 기준으로 필터링할 수 있다. 또한, 학습이력 관리부(240)는 학습 콘텐츠 추천 목적/시점에 따라 각 사용자의 학습이력을 최근 1주, 1월, 및 1년간 등으로 필터링할 수도 있다. 예를 들어, 연말에 한 해를 정리하는 학습 콘텐츠를 추천하고자 하는 경우, 학습 콘텐츠 추천부(260)는 1년간 각 사용자의 학습이력을 사용할 수 있다.For example, the learning history management unit 240 may filter the learning history of each user based on the basic history of the last month. In addition, the learning history management unit 240 may filter the learning history of each user into the last week, January, and one year according to the purpose/time of the learning content recommendation. For example, when it is desired to recommend learning content for organizing a year at the end of the year, the learning content recommendation unit 260 may use each user's learning history for one year.

또한, 학습이력 관리부(240)는 동일 직무 또는 동일 직급을 가진 사용자들의 학습이력을 일정 기간 단위로 관리할 수 있다. 여기서, 일정 기간은 학습 콘텐츠 추천 목적에 따라 변경할 수 있다.Also, the learning history management unit 240 may manage the learning histories of users having the same job or the same rank in units of a predetermined period. Here, the predetermined period may be changed according to the purpose of recommending the learning content.

인증부(250)는 통신부(210)로부터 수신한 인증 정보를 근거로 사용자 인증을 수행한다. 즉, 인증부(250)는 통신부(210)로부터 수신한 인증 정보로부터 아이디 및 비밀번호를 검출하고, 유저 데이터베이스(232)로부터 검출한 아이디 및 비밀번호와 일치하는 사용자 정보가 존재하면 사용자 인증 성공으로 처리할 수 있다.The authentication unit 250 performs user authentication based on the authentication information received from the communication unit 210 . That is, the authentication unit 250 detects the ID and password from the authentication information received from the communication unit 210, and if there is user information matching the ID and password detected from the user database 232, the user authentication is successful. can

학습 콘텐츠 추천부(260)는, 통신부(210)를 통해 제1 사용자 단말기로부터 학습 콘텐츠 추천 요청 신호가 수신되면, 제1 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중 적어도 하나에 기초하여 기 설정된 일정 개수의 학습 콘텐츠를 제1 사용자 단말기에 제공할 수 있다.The learning content recommendation unit 260, when a learning content recommendation request signal is received from the first user terminal through the communication unit 210, the learning content learned by other users having a learning history similar to the learning history of the first user, the second A predetermined number of learning content is set based on at least one of the learning content learned by other users of the same job as the user's job, and the learning content learned by other users of the same rank as the first user's job title to the first user. It can be provided to the terminal.

즉, 학습 콘텐츠 추천부(260)는 사용자의 학습이력을 기반으로 유사한 학습이력을 가진 학습자들이 많이 학습한 학습 콘텐츠, 사용자와 동일한 직무의 학습자들이 기 설정된 일정 기간 동안 많이 학습한 학습 콘텐츠, 및 사용자와 동일한 직급의 학습자들이 기 설정된 일정기간 동안 많이 학습한 학습 콘텐츠 중 적어도 하나에 기초하여 학습 콘텐츠를 추천할 수 있다. 이때 학습 콘텐츠 추천부(260)는 인공지능(AI)를 이용하여 학습 콘텐츠를 추천할 수 있다.That is, the learning content recommendation unit 260 is based on the user's learning history, the learning content that learners with similar learning histories learned a lot, the learning content that learners of the same job as the user learned a lot for a preset period of time, and the user Learning content may be recommended based on at least one of the learning content that learners of the same rank as . In this case, the learning content recommendation unit 260 may recommend learning content using artificial intelligence (AI).

이러한 학습 콘텐츠 추천부(260)는 제1 검색부(262), 제2 검색부(264), 제3 검색부(266) 및 추천부(268)를 포함할 수 있다. The learning content recommendation unit 260 may include a first search unit 262 , a second search unit 264 , a third search unit 266 , and a recommendation unit 268 .

제1 검색부(262)는 유저 데이터베이스(232)로부터 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 사용자들을 확인하고, 확인된 사용자들이 학습한 학습 콘텐츠들 중 제1 학습이력에 존재하지 않은 학습 콘텐츠의 학습자수를 구할 수 있다. The first search unit 262 identifies users having a learning history similar to the first learning history of the first user from the user database 232, and does not exist in the first learning history among the learning contents learned by the checked users. It is possible to obtain the number of learners of learning contents that are not.

예를 들어, 제1 사용자가 A, B, 및 C 학습 콘텐츠를 학습한 학습이력이 있고, 제1 사용자와 유사한 학습이력(즉, A, B, 및 C 학습 콘텐츠를 학습한 학습이력)을 가진 다른 사용자가 10명이라고 가정하여 설명하기로 한다. 이때, 10명의 다른 사용자들의 학습한 학습 콘텐츠는 A, B, 및 C 학습 콘텐츠를 제외하고, D, E, F, 및 G 학습 콘텐츠가 존재한다고 가정한다. 이 경우, 제1 검색부(262)는 10명의 다른 사용자들 중 D 학습 콘텐츠를 학습한 학습자수 5명, E 학습 콘텐츠를 학습한 학습자수 2명, F 학습 콘텐츠를 학습한 학습자수 9명, G 학습 콘텐츠를 학습한 학습자수 4명으로 각 학습 콘텐츠의 학습자수를 구할 수 있다. For example, the first user has a learning history of learning content A, B, and C, and has a learning history similar to that of the first user (ie, learning history of learning content A, B, and C). Assume that there are 10 other users. At this time, it is assumed that the learning contents learned by 10 other users are D, E, F, and G learning contents except for A, B, and C learning contents. In this case, the first search unit 262, among 10 other users, the number of learners who learned D learning content 5 people, the number of learners who learned E learning content 2 people, the number of learners who learned F learning content 9 people, With the number of learners who learned G-learning content, the number of learners for each learning content can be calculated.

제2 검색부(264)는 유저 데이터베이스(232)로부터 제1 사용자의 직무와 동일한 직무의 다른 사용자들을 확인하고, 동일 직무 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠의 학습자수를 구할 수 있다. 여기서, 일정 기간은 어제, 1주일 등 추천 목적에 따라 변경 가능하다. 직무는 예를 들어, 관리부, 영업부, 인사부, 품질부, 구매부, 회계부 등을 포함할 수 있다. The second search unit 264 identifies other users of the same job as the first user's job from the user database 232, and among the learning contents learned by the same job users, it The number of learners of learning content can be obtained. Here, the predetermined period can be changed according to the recommendation purpose, such as yesterday or one week. The job may include, for example, a management department, a sales department, a human resources department, a quality department, a purchasing department, an accounting department, and the like.

제2 검색부(264)는 제1 사용자와 동일 직무를 가진 다른 사용자들의 현재를 기준으로 일정 기간 내에 학습한 인기 학습 콘텐츠의 학습자수를 구할 수 있다.The second search unit 264 may obtain the number of learners of popular learning content learned within a predetermined period based on the current of other users having the same job as the first user.

예를 들어, 제1 사용자의 직무가 인사부이고, 인사부의 사용자들이 20명이며, 20명의 사용자들의 어제 학습한 학습 콘텐츠로 D, F, H, 및 I 학습 콘텐츠가 존재한다고 가정한다. 이 경우, 제2 검색부(264)는 20명의 다른 사용자들 중 D 학습 콘텐츠를 학습한 학습자수 10명, F 학습 콘텐츠를 학습한 학습자수 12명, H 학습 콘텐츠를 학습한 학습자수 4명, I 학습 콘텐츠를 학습한 학습자수 11명으로 각 학습 콘텐츠의 학습자수를 구할 수 있다. For example, it is assumed that the job of the first user is the human resources department, there are 20 users of the human resources department, and there are D, F, H, and I learning contents as the learning contents learned yesterday by the 20 users. In this case, the second search unit 264 among 20 other users, the number of learners who learned D learning content 10 people, the number of learners who learned F learning content 12 people, the number of learners who learned H learning content 4 people, I The number of learners who have learned the learning content is 11, so the number of learners for each learning content can be calculated.

제3 검색부(266)는 유저 데이터베이스(232)로부터 제1 사용자의 직급과 동일한 직급의 다른 사용자들을 확인하고, 동일 직급 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠의 학습자수를 구할 수 있다. 여기서, 일정 기간은 어제, 1주일 등 추천 목적에 따라 변경 가능하다. 직급은 예를 들어, 사원, 대리/선임, 과장/책임, 부장, 이사 등을 포함할 수 있다.The third search unit 266 identifies other users of the same rank as that of the first user from the user database 232, and among the learning contents learned by users of the same rank, it The number of learners of learning content can be obtained. Here, the predetermined period can be changed according to the recommendation purpose, such as yesterday or one week. The position may include, for example, an employee, a representative/appointed person, a manager/responsible person, a manager, a director, and the like.

제3 검색부(266)는 제1 사용자와 동일 직급을 가진 다른 사용자들의 현재를 기준으로 일정 기간 내에 학습한 인기 학습 콘텐츠의 학습자수를 구할 수 있다.The third search unit 266 may obtain the number of learners of popular learning content learned within a predetermined period based on the current of other users having the same rank as the first user.

예를 들어, 제1 사용자의 직급이 과장이고, 과장의 사용자들이 30명이며, 30명의 사용자들의 어제 학습한 학습 콘텐츠로 A, C, F, 및 I 학습 콘텐츠가 존재한다고 가정한다. 이 경우, 제3 검색부(266)는 30명의 다른 사용자들 중 A 학습 콘텐츠를 학습한 학습자수 5명, C 학습 콘텐츠를 학습한 학습자수 10명, F 학습 콘텐츠를 학습한 학습자수 20명, I 학습 콘텐츠를 학습한 학습자수 15명으로 각 학습 콘텐츠의 학습자수를 구할 수 있다. For example, it is assumed that the rank of the first user is a manager, there are 30 users of the manager, and learning contents A, C, F, and I exist as learning contents learned yesterday by 30 users. In this case, the third search unit 266, among the 30 other users, the number of learners who learned A learning content 5 people, the number of learners who learned the C learning content 10 people, the number of learners who learned the F learning content 20 people, I The number of learners who learned the learning content is 15, so the number of learners for each learning content can be calculated.

추천부(268)는 제1 검색부(262), 제2 검색부(264) 및 제3 검색부(266)에서 추출한 각 학습 콘텐츠의 학습자수에서 동일한 학습 콘텐츠의 학습자수를 합 연산하고, 합 연산된 학습자수가 많은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 상기 사용자에게 추천할 수 있다. The recommendation unit 268 sums the number of learners of the same learning content from the number of learners of each learning content extracted by the first search unit 262 , the second search unit 264 , and the third search unit 266 , and the sum By arranging the learning contents in the order of the largest number of calculated learners, a predetermined number of high-ranked learning contents may be recommended to the user.

예를 들어, 제1 검색부(262)에서 D 학습 콘텐츠를 학습한 학습자수 5명, E 학습 콘텐츠를 학습한 학습자수 2명, F 학습 콘텐츠를 학습한 학습자수 9명, G 학습 콘텐츠를 학습한 학습자수 4명으로 각 학습 콘텐츠의 학습자수를 구하고, 제2 검색부(264)에서 D 학습 콘텐츠를 학습한 학습자수 10명, F 학습 콘텐츠를 학습한 학습자수 12명, H 학습 콘텐츠를 학습한 학습자수 4명, I 학습 콘텐츠를 학습한 학습자수 11명으로 각 학습 콘텐츠의 학습자수를 구하며, 제3 검색부(266)에서 A 학습 콘텐츠를 학습한 학습자수 5명, C 학습 콘텐츠를 학습한 학습자수 10명, F 학습 콘텐츠를 학습한 학습자수 20명, I 학습 콘텐츠를 학습한 학습자수 15명으로 각 학습 콘텐츠의 학습자수를 구한 경우에 대해 설명하기로 한다. For example, in the first search unit 262 , the number of learners who learned the D learning content is 5, the number of learners who learned the E learning content is 2, the number of the learners who learned the F learning content is 9, and the G learning content is learned. Finding the number of learners of each learning content with 4 learners, 10 learners learning D learning content, 12 learners learning F learning content, and learning H learning content in the second search unit 264 The number of learners of each learning content is calculated with 4 learners and 11 learners who learned the I learning content, and 5 learners who learned the A learning content and the C learning content are obtained in the third search unit 266 A case in which the number of learners of each learning content is calculated with 10 learners per class, 20 learners learning content F, and 15 learners learning content I learning will be described.

이 경우, 추천부(268)는 A 학습 콘텐츠의 5명, C 학습 콘텐츠의 학습자수 10명, D 학습 콘텐츠를 학습한 학습자수 15명(제1 검색부(262)에서 5명 + 제2 검색부(264)에서 10명), E 학습 콘텐츠를 학습한 학습자수 2명, F 학습 콘텐츠를 학습한 학습자수 41명(제1 검색부(262)에서 9명 + 제2 검색부(264)에서 12명 + 제3 검색부(266)에서 20명), G 학습 콘텐츠를 학습한 학습자수 4명, H 학습 콘텐츠를 학습한 학습자수 4명, I 학습 콘텐츠를 학습한 학습자수 26명(제2 검색부(264)에서 11명 + 제3 검색부(266)에서 15명)으로 각 학습 콘텐츠의 학습자수를 합 연산할 수 있다. 그런 후, 추천부(268)는 F 학습 콘텐츠(41명), I학습 콘텐츠(26명), D 학습 콘텐츠(15명), G 학습 콘텐츠(4명), H 학습 콘텐츠(4명), 및 E 학습 콘텐츠(2명)을 제1 사용자에게 추천할 수 있다. In this case, the recommendation unit 268 includes 5 learners of learning content A, 10 learners of learning content C, and 15 learners of learning content D (5 people + second search in the first search unit 262) 10 in section 264), 2 learners in E learning content, 41 learners in F learning content (9 in the first search unit 262 + in the second search unit 264) 12 people + 20 people in the third search unit 266), the number of learners who learned G-learning content 4 people, the number of learners who learned H-learning content 4 people, and the number of learners who learned I learning content 26 people (the second 11 students in the search unit 264 + 15 students in the third search unit 266) may calculate the sum of the number of learners of each learning content. Then, the recommendation unit 268 selects F learning content (41 people), I learning content (26 people), D learning content (15 people), G learning content (4 people), H learning content (4 people), and E-learning content (two people) may be recommended to the first user.

상술한 바와 같이 학습 콘텐츠 추천부(260)는 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중에서 중복 횟수가 많은 학습 콘텐츠들을 사용자에게 추천할 수 있다. 예를 들면, 학습 콘텐츠 추천부(260)는 중복횟수가 많은 순위로 30개의 학습 콘텐츠 리스트를 사용자에게 추천할 수 있다. As described above, the learning content recommendation unit 260 includes learning content learned by other users having a similar learning history to the first learning history of the first user, and learning content learned by other users in the same job as the first user's job. , , and learning contents having a large number of duplicates among the learning contents learned by other users of the same level as the first user may be recommended to the user. For example, the learning content recommendation unit 260 may recommend a list of 30 learning content to the user with the highest number of duplicates.

본 발명의 다른 실시예에 따르면, 학습 콘텐츠 추천부(260)는 제1 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠에 대한 제1 정확률, 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠에 대한 제2 정확률, 및 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠에 대한 제3 정확률을 산출하고, 제1 정확률, 제2 정확률 및 제3 정확률 중 적어도 하나에 기초하여 기 설정된 일정 개수의 학습 콘텐츠를 제1 사용자 단말기에 제공할 수 있다.According to another embodiment of the present invention, the learning content recommendation unit 260 provides a first accuracy rate for the learning content learned by other users having a learning history similar to that of the first user, and the same job as the first user's job. calculate a second accuracy rate for the learning content learned by other users of , and a third accuracy rate for the learning content learned by other users of the same rank as the first user's position, and calculate the first accuracy rate, the second accuracy rate, and the third accuracy rate. A preset number of learning contents may be provided to the first user terminal based on at least one of the accuracy rates.

이 경우, 제1 검색부(262)는 유저 데이터베이스(232)로부터 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 사용자들을 확인하고, 확인된 사용자들이 학습한 학습 콘텐츠들 중 제1 학습이력에 존재하지 않은 각 학습 콘텐츠의 학습자수를 구하여 제1 정확률을 산출할 수 있다. 예를 들면, 제1 검색부(262)는 제1 학습 콘텐츠에 대한 제1 정확률을 아래 수학식 1을 이용하여 산출할 수 있다. In this case, the first search unit 262 identifies users having a learning history similar to the first learning history of the first user from the user database 232 , and a first learning history among the learning contents learned by the checked users. The first accuracy rate may be calculated by calculating the number of learners of each learning content that does not exist in the . For example, the first search unit 262 may calculate a first accuracy rate for the first learning content using Equation 1 below.

[수학식 1][Equation 1]

제1 학습 콘텐츠의 제1 정확률 = 제1 학습 콘텐츠를 학습한 학습자 수/제1 사용자와 유사한 학습이력을 가진 다른 사용자들의 수The first accuracy rate of the first learning content = the number of learners who learned the first learning content/the number of other users with a learning history similar to that of the first user

예를 들어, 제1 사용자가 A, B, 및 C 학습 콘텐츠를 학습한 학습이력이 있고, 제1 사용자와 유사한 학습이력(즉, A, B, 및 C 학습 콘텐츠를 학습한 학습이력)을 가진 다른 사용자가 10명이라고 가정하여 설명하기로 한다. 이때, 10명의 다른 사용자들의 학습한 학습 콘텐츠는 A, B, 및 C 학습 콘텐츠를 제외하고, D, E, F, 및 G 학습 콘텐츠가 존재한다고 가정한다. 또한, 10명의 다른 사용자들 중 D 학습 콘텐츠를 학습한 학습자수 5명, E 학습 콘텐츠를 학습한 학습자수 2명, F 학습 콘텐츠를 학습한 학습자수 9명, G 학습 콘텐츠를 학습한 학습자수 4명이라고 가정하기로 한다. 이 경우, 제1 검색부(262)는 D 학습 콘텐츠의 제1 정확률 5/10, E 학습 콘텐츠의 제1 정확률 2/10, F 학습 콘텐츠의 제1 정확률 9/10, G 학습 콘텐츠의 제1 정확률 4/10를 각각 구할 수 있다. For example, the first user has a learning history of learning content A, B, and C, and has a learning history similar to that of the first user (ie, learning history of learning content A, B, and C). Assume that there are 10 other users. At this time, it is assumed that the learning contents learned by 10 other users are D, E, F, and G learning contents except for A, B, and C learning contents. In addition, among 10 other users, the number of learners who learned D-learning content 5, E-learning content 2, F-learning content 9, and G-learning content 4 Let's assume it's a person. In this case, the first search unit 262 has a first accuracy rate of 5/10 of the learning content D, a first accuracy rate of 2/10 of the learning content E, a first accuracy rate of 9/10 of the learning content F, and a first accuracy rate of the learning content G Each can obtain an accuracy of 4/10.

제2 검색부(264)는 유저 데이터베이스(232)로부터 제1 사용자의 직무와 동일한 직무의 다른 사용자들을 확인하고, 동일 직무 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠의 학습자수를 구하여 제2 정확률을 산출할 수 있다. 예를 들면, 제2 검색부(264)는 제1 학습 콘텐츠에 대한 제2 정확률을 아래 수학식 2를 이용하여 산출할 수 있다. The second search unit 264 identifies other users of the same job as the first user's job from the user database 232, and among the learning contents learned by the same job users, it A second accuracy rate may be calculated by obtaining the number of learners of the learning content. For example, the second search unit 264 may calculate a second accuracy rate for the first learning content using Equation 2 below.

[수학식 2][Equation 2]

제1 학습 콘텐츠의 제2 정확률 = 제1 학습 콘텐츠를 학습한 학습자 수/제1 사용자의 직무와 동일한 직무의 사용자 수Second accuracy rate of the first learning content = the number of learners who learned the first learning content / the number of users with the same job as the first user's job

예를 들어, 제1 사용자의 직무가 인사부이고, 인사부의 사용자들이 20명이며, 20명의 사용자들의 어제 학습한 학습 콘텐츠로 D, F, H, 및 I 학습 콘텐츠가 존재한다고 가정한다. 또한, 제2 검색부(264)는 20명의 다른 사용자들 중 D 학습 콘텐츠를 학습한 학습자수 10명, F 학습 콘텐츠를 학습한 학습자수 12명, H 학습 콘텐츠를 학습한 학습자수 4명, I 학습 콘텐츠를 학습한 학습자수 11명이라고 가정하기로 한다. 이 경우, 제2 검색부(264)는 D 학습 콘텐츠의 제2 정확률 10/20, F 학습 콘텐츠의 제2 정확률 12/20, H 학습 콘텐츠의 제2 정확률 4/20, 및 I 학습 콘텐츠의 제2 정확률 11/20을 각각 산출할 수 있다. For example, it is assumed that the job of the first user is the human resources department, there are 20 users of the human resources department, and there are D, F, H, and I learning contents as the learning contents learned yesterday by the 20 users. In addition, the second search unit 264, among the 20 other users, the number of learners who learned D learning content 10 people, the number of learners who learned F learning content 12 people, the number of learners who learned H learning content 4 people, and I It is assumed that the number of learners who learned the learning content is 11. In this case, the second search unit 264 determines a second accuracy rate of 10/20 of the D learning content, a second accuracy of 12/20 of the F learning content, a second accuracy of 4/20 of the H learning content, and the second accuracy of the I learning content. 2 Accuracy 11/20 can be calculated respectively.

제3 검색부(266)는 유저 데이터베이스(232)로부터 제1 사용자의 직급과 동일한 직급의 다른 사용자들을 확인하고, 동일 직급 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠의 학습자수를 구하여 제3 정확률을 산출할 수 있다. 예를 들면, 제3 검색부(266)는 제1 학습 콘텐츠에 대한 제3 정확률을 아래 수학식 3을 이용하여 산출할 수 있다. The third search unit 266 identifies other users of the same rank as that of the first user from the user database 232, and among the learning contents learned by users of the same rank, it A third accuracy rate may be calculated by obtaining the number of learners of the learning content. For example, the third search unit 266 may calculate a third accuracy rate for the first learning content using Equation 3 below.

[수학식 3][Equation 3]

제1 학습 콘텐츠의 제3 정확률 = 제1 학습 콘텐츠를 학습한 학습자 수/제1 사용자의 직급과 동일한 직급의 사용자 수Third accuracy rate of the first learning content = the number of learners who learned the first learning content / the number of users of the same rank as the first user

예를 들어, 제1 사용자의 직급이 과장이고, 과장의 사용자들이 30명이며, 30명의 사용자들의 어제 학습한 학습 콘텐츠로 A, C, F, 및 I 학습 콘텐츠가 존재한다고 가정한다. 또한, 제3 검색부(266)는 30명의 다른 사용자들 중 A 학습 콘텐츠를 학습한 학습자수 5명, C 학습 콘텐츠를 학습한 학습자수 10명, F 학습 콘텐츠를 학습한 학습자수 20명, I 학습 콘텐츠를 학습한 학습자수 15명이라고 가정하여 설명하기로 한다. 이 경우, 제3 검색부(266)는 A 학습 콘텐츠의 제3 정확률 5/30, C 학습 콘텐츠의 제3 정확률 10/30, F 학습 콘텐츠의 제3 정확률 20/30, I 학습 콘텐츠의 제3 정확률 15/30을 각각 산출할 수 있다. For example, it is assumed that the rank of the first user is a manager, there are 30 users of the manager, and learning contents A, C, F, and I exist as learning contents learned yesterday by 30 users. In addition, the third search unit 266, among the 30 other users, the number of learners who learned the learning content A, 5 learners, the number of learners who learned the learning content C, 10 learners, the number of learners who learned the learning content F, 20 people, I Assume that the number of learners who have learned the learning content is 15. In this case, the third search unit 266 determines a third accuracy rate of 5/30 of the learning content A, a third accuracy rate of 10/30 of the learning content C, a third accuracy of the learning content F of 20/30, and the third accuracy of the learning content I An accuracy rate of 15/30 can be calculated respectively.

추천부(268)는 제1 검색부(262), 제2 검색부(264) 및 제3 검색부(266)에서 산출한 각 학습 콘텐츠에 대한 제1 정확률, 제2 정확률 및 제3 정확률 중에서 동일한 학습 콘텐츠의 정확률을 합 연산하고, 합 연산된 정확률이 높은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 상기 사용자에게 추천할 수 있다. The recommendation unit 268 determines the same among the first accuracy rate, the second accuracy rate, and the third accuracy rate for each learning content calculated by the first search unit 262 , the second search unit 264 , and the third search unit 266 . By summing the accuracy rates of the learning contents, and arranging the learning contents in the order of the highest sum-calculated accuracy rates, a predetermined number of learning contents ranked higher may be recommended to the user.

예를 들어, 제1 검색부(262)에서 D 학습 콘텐츠의 제1 정확률 5/10, E 학습 콘텐츠의 제1 정확률 2/10, F 학습 콘텐츠의 제1 정확률 9/10, G 학습 콘텐츠의 제1 정확률 4/10를 산출하고, 제2 검색부(264)에서 D 학습 콘텐츠의 제2 정확률 10/20, F 학습 콘텐츠의 제2 정확률 12/20, H 학습 콘텐츠의 제2 정확률 4/20, 및 I 학습 콘텐츠의 제2 정확률 11/20을 산출하며, 제3 검색부(266)에서 A 학습 콘텐츠의 제3 정확률 5/30, C 학습 콘텐츠의 제3 정확률 10/30, F 학습 콘텐츠의 제3 정확률 20/30, I 학습 콘텐츠의 제3 정확률 15/30을 각각 산출한 경우에 대해 설명하기로 한다. 이 경우, 추천부(268)는 A 학습 콘텐츠의 정확률 0.167(5/30), C 학습 콘텐츠의 정확률 0.33(10/30), D 학습 콘텐츠의 정확률 1(제1 검색부(262)에서 5/10 + 제2 검색부(264)에서 10/20), E 학습 콘텐츠의 정확률 0.2(2/10), F 학습 콘텐츠의 정확률 2.167(제1 검색부(262)에서 9/10 + 제2 검색부(264)에서 12/20 + 제3 검색부(266)에서 20/30), G 학습 콘텐츠의 정확률 0.4(4/10), H 학습 콘텐츠의 정확률 0.2(4/20), I 학습 콘텐츠의 정확률 1.05(제2 검색부(264)에서 11/20 + 제3 검색부(266)에서 15/30)으로 각 학습 콘텐츠의 정확률을 합 연산할 수 있다. 그런 후, 추천부(268)는 F 학습 콘텐츠(정확률 2.167), I학습 콘텐츠(정확률 1.05), D 학습 콘텐츠(정확률 1), G 학습 콘텐츠(정확률 0.4), H 학습 콘텐츠(정확률 0.2), 및 E 학습 콘텐츠(정확률 0.2)을 제1 사용자에게 추천할 수 있다. For example, in the first search unit 262, a first accuracy rate of 5/10 of the learning content D, a first accuracy rate of 2/10 of the learning content E, a first accuracy rate of 9/10 of the learning content F, and the first accuracy rate of the learning content G 1 Accuracy 4/10 is calculated, and in the second search unit 264 , a second accuracy rate of 10/20 of the D learning content, a second accuracy rate of 12/20 of the F learning content, a second accuracy of the H learning content 4/20, and I calculate a second accuracy rate of 11/20 of the learning content, and in the third search unit 266, a third accuracy rate of 5/30 of the learning content A, a third accuracy of 10/30 of the learning content C, and the third accuracy of the learning content F A case in which the 3 accuracy rate of 20/30 and the third accuracy rate of 15/30 of the I learning content are calculated will be described. In this case, the recommendation unit 268 provides an accuracy rate of 0.167 (5/30) of the learning content A, an accuracy rate of 0.33 (10/30) of the learning content C, and an accuracy rate of 1 of the learning content D (5/ in the first search unit 262) 10 + 10/20 in the second search unit 264), the accuracy rate of the E learning content 0.2 (2/10), and the accuracy rate of the F learning content 2.167 (9/10 in the first search unit 262 + the second search unit) 12/20 in (264) + 20/30 in the third search unit 266), accuracy rate of G learning content 0.4 (4/10), accuracy rate of learning content H 0.2 (4/20), accuracy rate of I learning content The sum of the accuracy rates of each learning content may be calculated as 1.05 (11/20 in the second search unit 264 + 15/30 in the third search unit 266). Then, the recommendation unit 268 is F learning content (accuracy 2.167), I learning content (accuracy 1.05), D learning content (accuracy 1), G learning content (accuracy 0.4), H learning content (accuracy 0.2), and E-learning content (accuracy of 0.2) may be recommended to the first user.

상술한 바와 같이 학습 콘텐츠 추천부(260)는 제1 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠에 대한 제1 정확률, 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠에 대한 제2 정확률, 및 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠에 대한 제3 정확률을 각각 산출하고, 동일한 학습 콘텐츠의 제1 정확률, 제2 정확률 및 제3 정확률을 합 연산하여 정확률을 산출하며, 정확률이 높은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 제1 사용자에게 추천할 수 있다. As described above, the learning content recommendation unit 260 provides a first accuracy rate for the learning content learned by other users having a learning history similar to the first user's learning history, and other users of the same job as the first user's job learn. A second accuracy rate for one learning content and a third accuracy rate for the learning content learned by other users of the same rank as the first user's rank are respectively calculated, and the first accuracy rate, the second accuracy rate, and the third accuracy rate for the same learning content The accuracy rate is calculated by summing the accuracy rates, and by arranging the learning contents in the order of the highest accuracy rate, a predetermined number of high-ranked learning contents may be recommended to the first user.

한편, 학습이력 관리부(240), 인증부(250), 및 학습 콘텐츠 추천부(260)는 컴퓨팅 장치상에서 프로그램을 실행하기 위해 필요한 프로세서 등에 의해 각각 구현될 수 있다. 이처럼 학습이력 관리부(240), 인증부(250), 및 학습 콘텐츠 추천부(260)는 물리적으로 독립된 각각의 구성에 의해 구현될 수도 있고, 하나의 프로세서 내에서 기능적으로 구분되는 형태로 구현될 수도 있다. Meanwhile, the learning history management unit 240 , the authenticator 250 , and the learning content recommendation unit 260 may be implemented by a processor required to execute a program on a computing device, respectively. As such, the learning history management unit 240 , the authenticator 250 , and the learning content recommendation unit 260 may be implemented by each physically independent configuration, or may be implemented in a functionally separate form within one processor. have.

제어부(270)는 통신부(210), 저장부(220), 데이터베이스(230), 학습이력 관리부(240), 인증부(250), 및 학습 콘텐츠 추천부(260)를 포함하는 학습 콘텐츠 추천 장치(200)의 다양한 구성부들의 동작을 제어하는 구성으로, 적어도 하나의 연산 장치를 포함할 수 있는데, 여기서 상기 연산 장치는 범용적인 중앙연산장치(CPU), 특정 목적에 적합하게 구현된 프로그래머블 디바이스 소자(CPLD, FPGA), 주문형 반도체 연산장치(ASIC) 또는 마이크로 컨트롤러 칩일 수 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 본 실시 예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다. The control unit 270 is a learning content recommendation device ( ) including a communication unit 210 , a storage unit 220 , a database 230 , a learning history management unit 240 , an authentication unit 250 , and a learning content recommendation unit 260 . 200) as a configuration for controlling the operation of various components, and may include at least one arithmetic unit, where the arithmetic unit is a general-purpose central processing unit (CPU), a programmable device element implemented to suit a specific purpose ( CPLD, FPGA), application specific integrated circuit (ASIC), or microcontroller chip. In addition, it can be understood by those of ordinary skill in the art to which this embodiment pertains that it may be implemented in other types of hardware.

도 4는 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 방법을 설명하기 위한 도면이다. 4 is a diagram for explaining a method of recommending learning content according to an embodiment of the present invention.

도 4를 참조하면, 사용자 단말기(100)는 학습 콘텐츠 추천 장치(200)에 접속하여 학습 콘텐츠 추천 요청 신호를 학습 콘텐츠 추천 장치(200)로 전송한다(S410). 이때 사용자 단말기(100)는 아이디 및 비밀번호를 포함하는 인증 정보를 학습 콘텐츠 추천 장치(200)로 전송하고, 학습 콘텐츠 추천 장치(200)는 인증 정보를 근거로 강의자 인증을 수행할 수 있다. 사용자가 인증되면, 사용자 단말기(100)는 학습 콘텐츠 추천 요청 신호를 학습 콘텐츠 추천 장치(200)로 전송할 수 있다. 이때, 학습 콘텐츠 추천 요청 신호는 사용자의 직무 및 직급 등을 포함할 수 있다.Referring to FIG. 4 , the user terminal 100 accesses the learning content recommendation apparatus 200 and transmits a learning content recommendation request signal to the learning content recommendation apparatus 200 ( S410 ). In this case, the user terminal 100 may transmit authentication information including an ID and password to the learning content recommendation apparatus 200 , and the learning content recommendation apparatus 200 may perform instructor authentication based on the authentication information. When the user is authenticated, the user terminal 100 may transmit a learning content recommendation request signal to the learning content recommendation apparatus 200 . In this case, the learning content recommendation request signal may include the user's job and position.

S410 단계가 수행되면, 학습 콘텐츠 추천 장치(200)는 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠에 대한 정보를 추출한다(S420). 즉, 학습 콘텐츠 추천 장치(200)는 유저 데이터베이스(232)로부터 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들을 확인하고, 확인된 다른 사용자들이 학습한 학습 콘텐츠들 중 학습이력에 존재하지 않은 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출할 수 있다. 여기서, 학습자수는 사용자의 학습이력과 유사한 학습이력을 가진 사용자들 중에서 해당 학습 콘텐츠를 학습한 사용자의 수를 의미할 수 있다. When step S410 is performed, the learning content recommendation apparatus 200 extracts information on learning content learned by other users having a learning history similar to the user's learning history (S420). That is, the learning content recommendation apparatus 200 identifies other users having a learning history similar to the user's learning history from the user database 232 , and learning that does not exist in the learning history among the learning content learned by the confirmed other users. Content and the number of learners of the learning content can be extracted. Here, the number of learners may mean the number of users who have learned the corresponding learning content among users having a learning history similar to the user's learning history.

S420 단계가 수행되면, 학습 콘텐츠 추천 장치(200)는 사용자와 동일한 직무의 다른 사용자들이 기 설정된 일정 기간 동안 학습한 학습 콘텐츠에 대한 정보를 추출한다(S430). 즉, 학습 콘텐츠 추천 장치(200)는 유저 데이터베이스(232)로부터 사용자의 직무와 동일한 직무의 다른 사용자들을 확인하고, 동일 직무 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출할 수 있다. 여기서, 학습자수는 동일 직무 사용자들 중에서 해당 학습 콘텐츠를 학습한 사용자의 수를 의미할 수 있다.When step S420 is performed, the learning content recommendation apparatus 200 extracts information about the learning content learned by other users of the same job as the user for a preset period ( S430 ). That is, the learning content recommendation apparatus 200 identifies other users of the same job as the user's job from the user database 232, and among the learning contents learned by users of the same job, it It is possible to extract the learning content and the number of learners of the learning content. Here, the number of learners may mean the number of users who have learned the corresponding learning content among users of the same job.

S430 단계가 수행되면, 학습 콘텐츠 추천 장치(200)는 사용자와 동일한 직급의 다른 사용자들이 기 설정된 일정 기간 동안 학습한 학습 콘텐츠에 대한 정보를 추출한다(S440). 즉, 학습 콘텐츠 추천 장치(200)는 유저 데이터베이스(232)로부터 사용자의 직무와 동일한 직급의 다른 사용자들을 확인하고, 동일 직급 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출할 수 있다. 여기서, 학습자수는 동일 직급 사용자들 중에서 해당 학습 콘텐츠를 학습한 사용자의 수를 의미할 수 있다. When step S430 is performed, the learning content recommendation apparatus 200 extracts information on learning content that other users of the same rank as the user have learned for a preset period ( S440 ). That is, the learning content recommendation apparatus 200 identifies other users of the same rank as the user's job from the user database 232, and among the learning contents learned by users of the same rank, the learning contents are learned within a preset period based on the present. It is possible to extract the learning content and the number of learners of the learning content. Here, the number of learners may mean the number of users who have learned the corresponding learning content among users of the same rank.

S440 단계가 수행되면, 학습 콘텐츠 추천 장치(200)는 S420 단계에서 추출한 학습 콘텐츠의 학습자수, S430 단계에서 추출한 학습 콘텐츠의 학습자수, 및 S440 단계에서 추출한 학습 콘텐츠의 학습자수에서 동일한 학습 콘텐츠의 학습자수를 합 연산하고(S450), 합 연산된 학습자수가 많은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 선택하여(S460), 사용자에게 추천한다(S470).When step S440 is performed, the learning content recommendation device 200 determines the number of learners of the same learning content from the number of learners of the learning content extracted in step S420, the number of learners of the learning content extracted in step S430, and the number of learners of the learning content extracted in step S440. Sum the numbers (S450), sort the learning contents in the order of the largest number of learners summed up, select a predetermined number of learning contents ranked at the top (S460), and recommend them to the user (S470).

학습 콘텐츠 추천 장치(200)는 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중에서 중복 횟수가 많은 학습 콘텐츠들을 사용자에게 추천할 수 있다. The learning content recommendation apparatus 200 includes learning content learned by other users having a learning history similar to the user's learning history, learning content learned by other users in the same job as the user's job, and other users of the same rank as the user's job title. Among the learning contents learned by the users, learning contents having a large number of repetitions may be recommended to the user.

상술한 바와 같이 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 장치 및 방법은, 사용자의 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중에서 중복 횟수가 많은 학습 콘텐츠들을 사용자에게 추천함으로써, 사용자는 편리하게 학습을 수행할 수 있다.As described above, in the apparatus and method for recommending learning content according to an embodiment of the present invention, learning content learned by other users having a learning history similar to the user's learning history, and learning content learned by other users in the same job as the user's job By recommending, to the user, the learning content and the learning content with a large number of overlaps among the learning content and the learning content learned by other users of the same rank as the user's rank, the user can conveniently perform learning.

또한 본 발명의 일 실시예에 따른 학습 콘텐츠 추천 장치 및 방법은, 사용자가 필요한 학습 콘텐츠를 수신하여 학습함으로써 개인의 경쟁력을 향상시킬 수 있다.In addition, the apparatus and method for recommending learning content according to an embodiment of the present invention may improve individual competitiveness by receiving and learning necessary learning content by a user.

본 발명은 도면에 도시된 실시예를 참고로 하여 설명되었으나, 이는 예시적인 것에 불과하며, 당해 기술이 속하는 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호범위는 아래의 특허청구범위에 의해서 정하여져야 할 것이다.Although the present invention has been described with reference to the embodiment shown in the drawings, this is merely exemplary, and it is understood that various modifications and equivalent other embodiments are possible by those of ordinary skill in the art. will understand Therefore, the true technical protection scope of the present invention should be defined by the following claims.

100 : 사용자 단말기
110, 210 : 통신부
120 : 메모리
130 : 입출력부
140 : 표시부
150 : 촬영부
160, 270 : 제어부
200 : 학습 콘텐츠 추천 장치
220 : 저장부
230 : 데이터베이스
240 : 학습이력 관리부
250 : 인증부
260 : 학습 콘텐츠 추천부100: user terminal
110, 210: communication department
120: memory
130: input/output unit
140: display unit
150: shooting department
160, 270: control unit
200: learning content recommendation device
220: storage
230: database
240: learning history management unit
250: authentication unit
260: learning content recommendation unit

Claims (10)

통신부; 및
상기 통신부를 통해 제1 사용자 단말기로부터 학습 콘텐츠 추천 요청 신호 수신 시, 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중 적어도 하나에 기초하여 기 설정된 일정 개수의 학습 콘텐츠를 상기 제1 사용자 단말기에 제공하는 학습 콘텐츠 추천부를 포함하되,
각 사용자의 사용자 정보 및 학습 이력이 저장된 유저 데이터베이스; 및
상기 유저 데이터베이스에 저장된 각 사용자의 학습이력을 일정 기간 단위로 필터링하여 관리하는 학습이력 관리부를 더 포함하고,
상기 학습이력 관리부는, 학습 콘텐츠 추천 목적 및 시점에 따라 각 사용자의 학습이력을 현재를 기준으로 일정 기간 단위로 필터링하며,
상기 학습 콘텐츠 추천부는,
상기 유저 데이터베이스로부터 상기 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 사용자들을 확인하고, 상기 확인된 사용자들이 학습한 학습 콘텐츠들 중 상기 제1 학습이력에 존재하지 않은 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하며, 상기 추출한 각 학습 콘텐츠에 대한 제1 정확률을 각각 산출하는 제1 검색부;
상기 유저 데이터베이스로부터 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들을 확인하고, 상기 동일 직무 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하며, 상기 추출한 각 학습 콘텐츠에 대한 제2 정확률을 각각 산출하는 제2 검색부;
상기 유저 데이터베이스로부터 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들을 확인하고, 상기 동일 직급 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하며, 상기 추출한 각 학습 콘텐츠에 대한 제3 정확률을 각각 산출하는 제3 검색부; 및
상기 제1 검색부, 제2 검색부 및 제3 검색부에서 산출한 각 학습 콘텐츠에 대한 제1 정확률, 제2 정확률 및 제3 정확률 중에서 동일한 학습 콘텐츠의 정확률을 합 연산하고, 상기 합 연산된 정확률이 높은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 상기 제1 사용자에게 추천하는 추천부를 포함하며,
상기 제1 검색부는, (해당 학습 콘텐츠를 학습한 학습자 수/상기 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들의 수)를 이용하여 상기 제1 정확률을 산출하고,
상기 제2 검색부는, (해당 학습 콘텐츠를 학습한 학습자 수/ 상기 제1 사용자의 직무와 동일한 직무의 사용자들의 수)를 이용하여 상기 제2 정확률을 산출하며,
상기 제3 검색부는 (해당 학습 콘텐츠를 학습한 학습자 수/상기 제1 사용자의 직급과 동일한 직급의 사용자들의 수)를 이용하여 상기 제3 정확률을 산출하는 것을 특징으로 하는 학습 콘텐츠 추천 장치.
communication department; and
When receiving a learning content recommendation request signal from the first user terminal through the communication unit, learning content learned by other users having a learning history similar to the first learning history of the first user, and other tasks of the same job as the first user's job Learning content recommendation for providing a predetermined number of learning content to the first user terminal based on at least one of learning content learned by users and learning content learned by other users of the same rank as that of the first user including wealth,
a user database in which user information and learning history of each user are stored; and
Further comprising a learning history management unit for filtering and managing each user's learning history stored in the user database in units of a certain period,
The learning history management unit filters each user's learning history in units of a certain period based on the current according to the purpose and time of the learning content recommendation,
The learning content recommendation unit,
Users having a learning history similar to the first learning history of the first user are identified from the user database, and among the learning contents learned by the checked users, learning content that does not exist in the first learning history and the learning content a first search unit for extracting the number of learners and calculating a first accuracy rate for each of the extracted learning contents;
Other users of the same job as the job of the first user are identified from the user database, and among the learning contents learned by the users of the same job, the learning content learned within a preset period based on the present and the learner of the learning content a second search unit that extracts a number and calculates a second accuracy rate for each of the extracted learning contents;
Other users of the same rank as the rank of the first user are identified from the user database, and learning contents learned within a preset period based on the current among the learning contents learned by users of the same rank and learners of the learning contents a third search unit that extracts a number and calculates a third accuracy rate for each of the extracted learning contents; and
Sum the accuracy rates of the same learning content among the first accuracy rate, the second accuracy rate, and the third accuracy rate for each learning content calculated by the first search unit, the second search unit, and the third search unit, and the sum-calculated accuracy rate and a recommendation unit for arranging the learning content in this high order and recommending a predetermined number of higher-ranked learning content to the first user,
The first search unit calculates the first accuracy rate using (the number of learners who have learned the corresponding learning content/the number of other users having a learning history similar to the first learning history of the first user),
The second search unit calculates the second accuracy rate using (the number of learners who have learned the corresponding learning content / the number of users of the same job as that of the first user),
The third search unit (the number of learners who have learned the corresponding learning content / the number of users of the same rank as that of the first user) is used to calculate the third accuracy rate.
 삭제delete 삭제delete 제1항에 있어서,
상기 학습이력 관리부는, 동일 직무 또는 동일 직급을 가진 사용자들의 학습이력을 일정 기간 단위로 관리하는 것을 특징으로 하는 학습 콘텐츠 추천 장치.
According to claim 1,
The learning history management unit, Learning content recommendation apparatus, characterized in that it manages the learning history of users having the same job or the same rank in units of a predetermined period.
 삭제delete 학습 콘텐츠 추천부가, 제1 사용자 단말기로부터 학습 콘텐츠 추천 요청 신호를 수신하는 단계; 및
상기 학습 콘텐츠 추천부가, 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들이 학습한 학습 콘텐츠, 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들이 학습한 학습 콘텐츠, 및 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들이 학습한 학습 콘텐츠 중 적어도 하나에 기초하여 기 설정된 일정 개수의 학습 콘텐츠를 상기 제1 사용자 단말기에 제공하는 단계를 포함하되,
학습이력 관리부가, 유저 데이터베이스에 저장된 각 사용자의 학습이력을 일정 기간 단위로 필터링하여 관리하는 단계를 더 포함하고,
상기 필터링하여 관리하는 단계에서,
상기 학습이력 관리부는, 학습 콘텐츠 추천 목적 및 시점에 따라 각 사용자의 학습이력을 현재를 기준으로 일정 기간 단위로 필터링하며,
상기 학습 콘텐츠를 상기 제1 사용자 단말기에 제공하는 단계는,
제1 검색부가 상기 유저 데이터베이스로부터 상기 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 사용자들을 확인하고, 상기 확인된 사용자들이 학습한 학습 콘텐츠들 중 상기 제1 학습이력에 존재하지 않은 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하며, 상기 추출한 각 학습 콘텐츠에 대한 제1 정확률을 각각 산출하는 단계;
제2 검색부가 상기 유저 데이터베이스로부터 상기 제1 사용자의 직무와 동일한 직무의 다른 사용자들을 확인하고, 상기 동일 직무 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하며, 상기 추출한 각 학습 콘텐츠에 대한 제2 정확률을 각각 산출하는 단계;
제3 검색부가 상기 유저 데이터베이스로부터 상기 제1 사용자의 직급과 동일한 직급의 다른 사용자들을 확인하고, 상기 동일 직급 사용자들이 학습한 학습 콘텐츠들 중 현재를 기준으로 기 설정된 일정 기간 내에 학습한 학습 콘텐츠 및 그 학습 콘텐츠의 학습자수를 추출하며, 상기 추출한 각 학습 콘텐츠에 대한 제3 정확률을 각각 산출하는 단계; 및
추천부가, 상기 제1 검색부, 제2 검색부 및 제3 검색부에서 산출한 각 학습 콘텐츠에 대한 제1 정확률, 제2 정확률 및 제3 정확률 중에서 동일한 학습 콘텐츠의 정확률을 합 연산하고, 상기 합 연산된 정확률이 높은 순으로 학습 콘텐츠를 정렬하여 상위에 랭크된 일정 개수의 학습 콘텐츠를 상기 제1 사용자에게 추천하는 단계를 포함하며,
상기 제1 검색부는, (해당 학습 콘텐츠를 학습한 학습자 수/상기 제1 사용자의 제1 학습이력과 유사한 학습이력을 가진 다른 사용자들의 수)를 이용하여 상기 제1 정확률을 산출하고,
상기 제2 검색부는, (해당 학습 콘텐츠를 학습한 학습자 수/ 상기 제1 사용자의 직무와 동일한 직무의 사용자들의 수)를 이용하여 상기 제2 정확률을 산출하며,
상기 제3 검색부는 (해당 학습 콘텐츠를 학습한 학습자 수/상기 제1 사용자의 직급과 동일한 직급의 사용자들의 수)를 이용하여 상기 제3 정확률을 산출하는 것을 특징으로 하는 학습 콘텐츠 추천 방법.
receiving, by the learning content recommendation unit, a learning content recommendation request signal from the first user terminal; and
The learning content recommendation unit, learning content learned by other users having a learning history similar to the first learning history of the first user, learning content learned by other users of the same job as the first user's job, and the first Comprising the step of providing a predetermined number of learning content to the first user terminal based on at least one of the learning content learned by other users of the same rank as the user's rank,
The learning history management unit further comprises the step of filtering and managing each user's learning history stored in the user database for a certain period of time,
In the filtering and managing step,
The learning history management unit filters each user's learning history in units of a certain period based on the current according to the purpose and time of the learning content recommendation,
The step of providing the learning content to the first user terminal comprises:
A first search unit identifies users having a learning history similar to the first learning history of the first user from the user database, and learning contents that do not exist in the first learning history among the learning contents learned by the checked users and extracting the number of learners of the learning content, and calculating a first accuracy rate for each of the extracted learning content;
A second search unit identifies other users of the same job as the job of the first user from the user database, and among the learning contents learned by users of the same job, learning contents learned within a preset period based on the present, and the extracting the number of learners of the learning content and calculating a second accuracy rate for each of the extracted learning content;
A third search unit identifies other users of the same rank as the rank of the first user from the user database, and among the learning contents learned by users of the same rank, learning contents learned within a preset period based on the present, and the extracting the number of learners of the learning content and calculating a third accuracy rate for each of the extracted learning content; and
The recommendation unit sums the accuracy rates of the same learning content among the first accuracy rate, the second accuracy rate, and the third accuracy rate for each learning content calculated by the first search unit, the second search unit, and the third search unit, and the sum Comprising the step of arranging the learning content in the order of the highest calculated accuracy, and recommending a predetermined number of high-ranked learning content to the first user,
The first search unit calculates the first accuracy rate using (the number of learners who have learned the corresponding learning content/the number of other users having a learning history similar to the first learning history of the first user),
The second search unit calculates the second accuracy rate using (the number of learners who have learned the corresponding learning content / the number of users of the same job as that of the first user),
The third search unit (the number of learners who have learned the corresponding learning content / the number of users of the same rank as that of the first user) is used to calculate the third accuracy rate.
 삭제delete 삭제delete 제6항에 있어서,
상기 관리하는 단계에서,
상기 학습 콘텐츠 추천 장치는, 동일 직무 또는 동일 직급을 가진 사용자들의 학습이력을 일정 기간 단위로 관리하는 것을 특징으로 하는 학습 콘텐츠 추천 방법.7. The method of claim 6,
In the management step,
The learning content recommendation apparatus, the learning content recommendation method, characterized in that it manages the learning histories of users having the same job or the same rank in units of a predetermined period. 삭제delete
KR1020210008214A 2021-01-20 2021-01-20 Method and apparatus for recommending learning contents KR102322213B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210008214A KR102322213B1 (en) 2021-01-20 2021-01-20 Method and apparatus for recommending learning contents

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210008214A KR102322213B1 (en) 2021-01-20 2021-01-20 Method and apparatus for recommending learning contents

Publications (1)

Publication Number Publication Date
KR102322213B1 true KR102322213B1 (en) 2021-11-09

Family

ID=78487100

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210008214A KR102322213B1 (en) 2021-01-20 2021-01-20 Method and apparatus for recommending learning contents

Country Status (1)

Country Link
KR (1) KR102322213B1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102489137B1 (en) * 2022-04-19 2023-01-17 (주)유밥 Apparatus and method for recommending learning process
KR20230111355A (en) 2022-01-18 2023-07-25 김명은 Method of providing education service for providing lecture curriculum recommendation information
KR102583004B1 (en) * 2022-10-19 2023-09-27 주식회사 율러닝 Video-based online learning service providing method and server therefor

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004303149A (en) * 2003-04-01 2004-10-28 National Institute Of Information & Communication Technology Recommendation device and recommendation program
KR20090051540A (en) * 2007-11-19 2009-05-22 주식회사 코아로직 Apparatus and method for recommending content using tag cloud
KR20170097871A (en) * 2016-02-19 2017-08-29 주식회사 에스티유니타스 Method for providing personalized study curriculum to learner and Apparatus thereof
KR102063183B1 (en) * 2019-03-19 2020-01-07 (주)인더스트리미디어 Apparatus and method for recommending learning contents

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004303149A (en) * 2003-04-01 2004-10-28 National Institute Of Information & Communication Technology Recommendation device and recommendation program
KR20090051540A (en) * 2007-11-19 2009-05-22 주식회사 코아로직 Apparatus and method for recommending content using tag cloud
KR20170097871A (en) * 2016-02-19 2017-08-29 주식회사 에스티유니타스 Method for providing personalized study curriculum to learner and Apparatus thereof
KR102063183B1 (en) * 2019-03-19 2020-01-07 (주)인더스트리미디어 Apparatus and method for recommending learning contents

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230111355A (en) 2022-01-18 2023-07-25 김명은 Method of providing education service for providing lecture curriculum recommendation information
KR102489137B1 (en) * 2022-04-19 2023-01-17 (주)유밥 Apparatus and method for recommending learning process
KR102583004B1 (en) * 2022-10-19 2023-09-27 주식회사 율러닝 Video-based online learning service providing method and server therefor

Similar Documents

Publication Publication Date Title
KR102322213B1 (en) Method and apparatus for recommending learning contents
US10102772B2 (en) Language learning exchange
US20150125845A1 (en) Server and method for providing learner-customized learning service
US11775741B2 (en) Methods and systems for providing an electronic form
KR102041562B1 (en) Online english library reading coaching system and method thereof
WO2019203485A1 (en) Reading education service providing method for developing systematic reading habit
CN112698895A (en) Display method, device, equipment and medium of electronic equipment
US20150125844A1 (en) Server and method for managing learning
Mohammad et al. Using Mobile Technologies for Enhancing Student Academic Experience: University of Jordan Case Study.
KR20230140061A (en) Learning course recommendation method using artificial intelligence and Learning course recommendation device
KR20210046129A (en) Method and apparatus for recommending learning contents
US20150317758A1 (en) Systems and method for associating a resource with a course
WO2015047424A1 (en) Personalized learning system and method thereof
US20140178848A1 (en) Method and apparatus for administering learning contents
KR20210152182A (en) Learning service server for recommending learning linked on-line education and off-line education and mehtod thereof
US20230215282A1 (en) Generative artificial intelligence learning method and system for an on-line course
KR101490511B1 (en) Method and apparatus for administering learning contents
KR20160011769A (en) On-line lecture system having notification giving incentives for lecture evaluation and method of providing on-line lecture service using the system
KR102489137B1 (en) Apparatus and method for recommending learning process
KR20160081681A (en) System and method for supporting collaborative learning
KR20160011504A (en) On-line lecture system having notification means for questions and answers and method of providing on-line lecture service using the system
KR20210027987A (en) Apparatus and method for providing learning contents
Sun Design and Application of Intelligent Teaching System of College Physical Education Based on Artificial Intelligence
KR20240040996A (en) Online and offline-based job training system
AU2019257525A1 (en) Language learning exchange

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant