KR102334387B1 - Metacognitive based education content curation system - Google Patents
Metacognitive based education content curation system Download PDFInfo
- Publication number
- KR102334387B1 KR102334387B1 KR1020210000428A KR20210000428A KR102334387B1 KR 102334387 B1 KR102334387 B1 KR 102334387B1 KR 1020210000428 A KR1020210000428 A KR 1020210000428A KR 20210000428 A KR20210000428 A KR 20210000428A KR 102334387 B1 KR102334387 B1 KR 102334387B1
- Authority
- KR
- South Korea
- Prior art keywords
- content
- learner
- learning
- module
- information
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 43
- 238000012790 confirmation Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims description 24
- 238000002405 diagnostic procedure Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 244000035744 Hura crepitans Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- 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)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 교육 콘텐츠 큐레이션 시스템에 관한 것으로서, 보다 구체적으로는 메타인지 기반으로 학습자가 콘텐츠를 학습함에 있어서, 체계적이고 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는 이른바 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템에 관한 것이다.
이를 위해 본 발명은, 교육학습 콘텐츠를 제공받아 학습하기 위한 학습자 단말기와, 상기 학습자 단말기에 제공될 콘텐츠를 저장하기 위한 콘텐츠 DB 모듈, 상기 콘텐츠 DB 모듈에 의해 제공되는 콘텐츠에 대해 학습한 결과를 분석하기 위한 결과 분석모듈, 상기 결과 분석모듈에 의해 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성모듈을 구비하는 학습 큐레이션 서버와, 상기 학습 큐레이션 서버가 전송하는 학습 결과 및 분석을 확인하기 위한 확인 단말기를 포함하는 것을 특징으로 한다.The present invention relates to an educational content curation system, and more specifically, so that when learners learn content based on metacognition, content can be curated with information and plans about their learning achievements systematically and easily at a glance It is about a metacognitive-based educational content curation system that enables the so-called learner to clearly understand what he or she wants and to recognize what he or she does not know.
To this end, the present invention provides a learner terminal for receiving and learning educational and learning content, a content DB module for storing content to be provided to the learner terminal, and analyzing the result of learning about content provided by the content DB module A learning curation server having a result analysis module for performing the analysis, a metacognitive configuration module for configuring the results analyzed by the result analysis module in a metacognitive perspective, and a learning result and analysis transmitted by the learning curation server It is characterized in that it includes a confirmation terminal for confirming.
Description
본 발명은 교육 콘텐츠 큐레이션 시스템에 관한 것으로서, 보다 구체적으로는 메타인지 기반으로 학습자가 콘텐츠를 학습함에 있어서, 체계적이고 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는 이른바 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템에 관한 것이다.The present invention relates to an educational content curation system, and more specifically, so that when learners learn content based on metacognition, content can be curated with information and plans about their learning achievements systematically and easily at a glance It is about a metacognitive-based educational content curation system that enables the so-called learner to clearly understand what he or she wants and to recognize what he or she does not know.
최근 인터넷과 컴퓨터 활용에 따른 다양한 주변환경의 변화를 통하여 교육환경은 빠르게 변화하고 있다. 특히, 다양한 교육매체의 발달로 학습자는 보다 폭 넓은 학습방법을 선택하고 이용할 수 있게 되었는데, 그 중 인터넷을 통한 교육서비스는 시간적, 공간적 제약을 극복하고 저비용의 교육이 가능하다는 이점 때문에 각광받는 학습수단 중의 하나로 자리매김하게 되었다. 이러한 경향에 부응하여 e-러닝 관련 기술이 급속히 발달하게 되었고, 이제는 제한된 인적·물적 자원으로 오프라인 교육에서는 불가능했던 맞춤형 교육서비스도 가능하게 되었다. 예컨대, 학습자의 개성과 능력에 따라 세분화된 수준별 학습을 제공함으로써, 과거의 획일적인 교육방법에서 탈피하여 학습자의 개인 역량에 따른 교육 콘텐츠를 제공할 수 있게 되었다.In recent years, the educational environment is rapidly changing through various changes in the surrounding environment due to the use of the Internet and computers. In particular, with the development of various educational media, learners can choose and use a wider range of learning methods. became one of them. In response to this trend, e-learning-related technologies developed rapidly, and now, with limited human and material resources, customized education services that were not possible in offline education became possible. For example, it is possible to provide educational content according to the individual competency of the learner, breaking away from the uniform education method of the past, by providing class-specific learning according to the learner's individuality and ability.
그 중에서, 현재 영어 교육에 있어서는, 교육자 또는 콘텐츠 가공자가 제시하는 보편화 된 학습 목표에 의거하여 제작된 콘텐츠를 서버를 통해 제공하는 방식으로 교육이 진행됨으로 인해, 학습자 개개인의 학습 수준이나 능력, 목적 및 취향 등이 배제된 획일적인 학습이 진행된다는 것이다. 이는 오프라인 수업에 익숙한 교육자 또는 콘텐츠 기획자가 오프라인 수업에서나 유용하게 쓰일 교재를 서버에 업로드하고 목차 페이지를 추가하여 학습자에게 제공하는 것과 큰 차이가 없다. 즉, 영어 학습 콘텐츠 또는 교재가 오프라인 수업에서는 효율적으로 사용될 수 있더라도, 인터넷 및 서버를 통해 콘텐츠가 학습자에게 제공되는 온라인 환경에서는 그 환경에 적합하게 콘텐츠 제공 방식과 콘텐츠의 형식 및 내용이 변화될 필요성이 있음에도, 오프라인 수업 형태의 콘텐츠 제공 방식이 유지되어 학습 효율성이 저하되는 문제점이 발생한다. 마우스 및 하이퍼링크 등을 통한 콘텐츠 취급의 편의성을 제외하면 오프라인 수업과 큰 차이가 없다.Among them, in the current English education, because the education is conducted in a way that provides content produced through the server based on the general learning goals presented by the educator or content processor, the learning level, ability, purpose, and It is a uniform learning process that excludes tastes and the like. This is not much different from that an educator or content planner familiar with offline classes uploads textbooks that will be useful only in offline classes to the server and adds a table of contents page to provide them to learners. In other words, although English learning contents or textbooks can be used effectively in offline classes, in an online environment where contents are provided to learners through the Internet and servers, there is a need to change the content provision method and the format and contents of the contents to suit the environment. Despite this, the method of providing content in the form of offline classes is maintained, resulting in a problem in that learning efficiency is lowered. Except for the convenience of handling content through mouse and hyperlinks, there is no big difference from offline classes.
또한, 과거에는 학부모들이 단순히 교육열만 높았을 뿐, 어떻게 자녀들의 교육에 참여하고 지도를 해야 하는지에 관해서는 모르는 경우가 많았다. 따라서 대부분의 교육은 교사나 학원 선생님 등의 주도하에 이루어지는 경우가 대부분이었다. 이는 과거의 부모 세대(할아버지, 할머니 세대)가 양질의 교육을 받을 기회가 없었기 때문에 자녀교육에 관한 정보나 지식이 매우 부족했기 때문이다. Also, in the past, parents simply had a high enthusiasm for education and often did not know how to participate in and guide their children's education. Therefore, most of the education was conducted under the leadership of teachers or hagwon teachers. This is because the previous generation of parents (grandparents and grandmothers) did not have the opportunity to receive a quality education, so information or knowledge about their children's education was very scarce.
또한, 교사나 학원선생님은 다수를 상대로 교육을 하다 보니 개개의 학생을 세심하게 관찰하여 평가하고 지도하는데 한계가 있다. 따라서 학생의 능력이나 동기부여 등과는 동떨어지게 다소 일률적인 교육과정을 진행하였으며, 그러다 보면 학습동기를 잃고 수업에 뒤처져서 포기를 하는 학생도 많았던 것이 사실이다.In addition, since teachers and hagwon teachers educate a large number of people, there is a limit to carefully observing, evaluating, and guiding each student. Therefore, it is true that a rather uniform curriculum was conducted, far from the students' ability or motivation, and it is true that there were many students who lost their motivation to learn and gave up after falling behind in class.
하지만, 오늘날의 부모 세대는 할아버지 세대에 비하여 양질의 교육을 받고 자랐고, 인터넷을 통하여 원하는 지식을 쉽게 얻을 수 있기 때문에 자녀들을 관찰하고 자녀들의 교육에 참여할 충분한 능력을 갖췄으며, 실제로 상당수의 학부모가 자녀교육에 직접 참여하고 싶어 하고 있다.However, today's parents' generation received a higher-quality education than their grandfather's, and because they can easily obtain the knowledge they want through the Internet, they have sufficient ability to observe their children and participate in their children's education. They want to participate directly in education.
그러나, 종래의 교육시장은 이러한 부모의 욕구를 충족시켜주지 못하고 여전히 과거와 같이 학부모는 교육비를 지급하고 교육과정에서는 배제되며, 교육현장은 학생과 교사 또는 학원 선생님 사이에서 단편적으로 진행되고 있는 것이 현실이다. 따라서, 학부모가 교육에 직접 참여하여 자녀의 능력이나 상황에 맞게 커리큘럼을 짜고, 아이들 또한 스스로 자신의 학습을 체크하고 다음 학습을 계획하고 수행하도록 동기부여를 해 줄 수 있는 체계적이고 효율적인 학습시스템의 필요성이 대두되었다. 즉, 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는 이른바 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템으로의 개발이 요구되고 있는 실정이다.However, the conventional education market does not satisfy the needs of these parents, and as in the past, parents pay educational expenses and are excluded from the curriculum. . Therefore, there is a need for a systematic and efficient learning system that can motivate parents to directly participate in education and design a curriculum according to their children's abilities and circumstances, and to motivate children to check their own learning and plan and carry out the next learning. this has been raised In other words, it is a metacognitive-based educational content curation system that enables the so-called learner to clearly understand what they want and to recognize the parts they do not know, so that the content can be curated with information and plans about one's learning achievement at a glance. development is required.
본 발명은 상기한 종래 기술의 문제점을 해결하기 위해 안출된 것으로서, 종래 교육 서비스가 제공하는 단편적이고 폐쇄적인 서비스 환경을 벗어나, 학습자 및 학습자의 부모의 요구에 부합하며, 체계적이고 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는, 메타인지 기반의 교육 콘텐츠 큐레이션 시스템을 제공하여 학습자 스스로가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 확실히 인지하여 탄탄한 학습의 기초를 다질 수 있도록 돕는데 그 목적이 있다.The present invention has been devised to solve the problems of the prior art, and meets the needs of learners and learners' parents, out of the fragmentary and closed service environment provided by conventional educational services, systematically and easily at a glance. By providing a metacognitive-based educational content curation system that enables content to be curated with information and plans for learning achievement, it provides a solid foundation for learning by clearly understanding what learners themselves want and recognizing what they do not know. Its purpose is to help you sharpen it.
상기 목적을 달성하기 위하여, 본 발명은, 교육학습 콘텐츠를 제공받아 학습하기 위한 학습자 단말기와; 상기 학습자 단말기에 제공될 콘텐츠를 저장하기 위한 콘텐츠 DB 모듈, 상기 콘텐츠 DB 모듈에 의해 제공되는 콘텐츠에 대해 학습한 결과를 분석하기 위한 결과 분석모듈, 상기 결과 분석모듈에 의해 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성모듈을 구비하는 학습 큐레이션 서버와; 상기 학습 큐레이션 서버가 전송하는 학습 결과 및 분석을 확인하기 위한 확인 단말기;를 포함하는 것을 특징으로 한다.In order to achieve the above object, the present invention provides a learner terminal for learning by receiving educational learning contents; A content DB module for storing content to be provided to the learner terminal, a result analysis module for analyzing a result of learning about the content provided by the content DB module, and a metacognitive analysis of the result analyzed by the result analysis module a learning curation server having a metacognitive configuration module for visual configuration; and a confirmation terminal for confirming the learning result and analysis transmitted by the learning curation server.
여기서, 상기 학습 큐레이션 서버는 학습하고자 하는 콘텐츠에 대한 학습자의 메타인지를 확인하여 해당 학습자의 레벨을 설정하기 위한 레벨 설정모듈을 더 포함하고, 또한, 상기 학습자 단말기가 설정된 학습자의 정보에 기초하여 학습 큐레이션 서버에 진단 테스트 요청 시, 상기 레벨 설정모듈은 요청된 학습자 단말기의 학습 이력이 없는 경우, 설정된 학습자의 정보 기반의 진단 테스트를 구성하고, 학습 이력이 있는 경우, 누적되어 학습된 콘텐츠 결과 기반의 진단 테스트를 구성하는 것을 특징으로 한다.Here, the learning curation server further includes a level setting module for setting the learner's level by confirming whether the learner's meta for the content to be learned, and further, based on the learner's information in which the learner terminal is set When a diagnostic test is requested from the learning curation server, the level setting module configures a diagnostic test based on the set learner's information when there is no learning history of the requested learner terminal, and when there is a learning history, accumulated learned content results It is characterized in that it constitutes a diagnostic test based.
또한, 상기 메타인지 구성모듈은 콘텐츠 DB 모듈에 저장된 콘텐츠의 커리큘럼을 상위 구조로 연결하여, 학습자 단말기를 통해 설정된 학습자 정보와 대응되는 커리큘럼을 트리 형식으로 구성하는 것을 특징으로 하고, 상기 메타인지 구성모듈은 학습한 콘텐츠 및 설정된 학습자의 레벨 중 적어도 어느 하나 이상에 근거하여 해당 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리를 구성하는 것을 특징으로 한다.In addition, the metacognition configuration module is characterized in that by connecting the curriculum of the content stored in the content DB module to a higher structure, and configuring the curriculum corresponding to learner information set through the learner terminal in a tree format, the metacognition configuration module is characterized in that it composes a higher-level curriculum tree including quantified achievement for each learner based on at least one of the learned content and the set learner's level.
추가적으로, 상기 메타인지 구성모듈은 학습자별 수치화 된 성취도를 포함하는 상위 커리큘럼 트리를 기반으로 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출되는 것을 특징으로 하고, 상기 메타인지 구성모듈은 결과 분석모듈에 의해 분석된 결과를 기반으로 학습자별 콘텐츠 필드를 구성하여 태그를 통해 추출되는 콘텐츠를 추천하는 것을 특징으로 한다.Additionally, the metacognitive construction module configures a lower curriculum content field based on the upper curriculum tree including the numerical achievement for each learner, and the corresponding content is extracted through a tag, and the metacognitive construction module provides the result It is characterized in that content extracted through tags is recommended by configuring content fields for each learner based on the results analyzed by the analysis module.
또한, 상기 결과 분석모듈은 학습한 콘텐츠에 대한 확인문제의 정답율에 따라 성취도를 수치화한 다음, 누적되어 학습된 콘텐츠에 대한 성취도를 분석하고, 분석된 성취도에 따른 학습 계획을 설정하는 것을 특징으로 한다.In addition, the result analysis module quantifies the achievement according to the correct rate of the confirmation problem for the learned content, then analyzes the achievement for the accumulated learned content, and sets a learning plan according to the analyzed achievement. .
구체적으로, 상기 콘텐츠 DB모듈은 학습자 레벨 정보, 콘텐츠 선호도 정보 및 학습 이력 정보 중 적어도 어느 하나 이상의 정보를 학습자별로 저장하기 위한 학습자 DB를 더 포함하고, 상기 결과 분석서버는 학습자 DB를 기반으로 콘텐츠 DB 모듈에 저장된 콘텐츠에 대한 추천 리스트를 생성하는 것을 특징으로 한다.Specifically, the content DB module further includes a learner DB for storing at least one of learner level information, content preference information, and learning history information for each learner, and the result analysis server is a content DB based on the learner DB It is characterized in that the recommendation list for the content stored in the module is generated.
또한, 상기 메타인지 구성모듈은 상기 학습자 단말기와 연동된 확인 단말기가 해당 학습자 단말기의 학습 이력 정보를 요청한 경우, 해당 요청된 이력과 대응되는 콘텐츠에 대한 에듀테이너 영상 태그를 전송하는 것을 특징으로 한다.In addition, the metacognitive configuration module is characterized in that, when the confirmation terminal interlocked with the learner terminal requests learning history information of the learner terminal, the edutainer image tag for the content corresponding to the requested history is transmitted.
이상과 같은 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템에 있어서, 종래 교육 서비스가 제공하는 단편적이고 폐쇄적인 서비스 환경을 벗어나, 학습자 및 학습자의 부모의 요구에 부합하며, 체계적이고 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는 이른바 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지 기반의 교육 콘텐츠 큐레이션이 가능하도록 할 수 있다.In the metacognitive-based educational content curation system according to the present invention as described above, it meets the needs of learners and learners' parents outside the fragmentary and closed service environment provided by conventional educational services, and is systematic and easy to see at a glance. It can be made possible to curate educational content based on metacognition that enables the so-called learner to clearly understand what they want and to recognize the part they do not know so that the content can be curated with information and plans for their own learning achievement. .
도 1은 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템을 개략적으로 도시한 도면
도 2는 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 방법을 도시한 순서도
도 3은 본 발명의 다양한 실시예에 따른 커리큘럼 콘텐츠 상의 상하위 구조 및 각 콘텐츠 간의 연관성을 트리 형식으로 나타내는 예시도
도 4는 본 발명의 다양한 실시예에 따른 초기 진단과 콘텐츠 학습 후 형성 진단을 통해 학습자별 학습 성취율을 트리 형식으로 나타내는 예시도
도 5는 본 발명의 다양한 실시예에 따른 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출되는 것을 나타내는 예시도
도 6은 본 발명의 다양한 실시예에 따른 콘텐츠 학습 후 정답 비율에 따라 성취도 수치화 및 그에 따른 평가 기준을 나타내는 예시도
도 7은 본 발명의 다양한 실시예에 따른 학습자별 Accomplishment Chart를 나타내는 예시도
도 8은 본 발명의 다양한 실시예에 따른 학습자별 조합된 Accomplishment Chart를 나타내는 예시도1 is a diagram schematically illustrating a metacognitive-based educational content curation system according to the present invention;
2 is a flowchart illustrating a metacognitive-based educational content curation method according to the present invention.
3 is an exemplary diagram illustrating the relationship between upper and lower levels of curriculum content and each content in a tree format according to various embodiments of the present invention;
4 is an exemplary diagram showing the learning achievement rate for each learner in a tree format through initial diagnosis and formation diagnosis after content learning according to various embodiments of the present invention;
5 is an exemplary diagram illustrating that a corresponding content is extracted through a tag by configuring a sub-curriculum content field according to various embodiments of the present invention;
6 is an exemplary diagram illustrating quantification of achievement according to the percentage of correct answers after content learning according to various embodiments of the present invention and the evaluation criteria accordingly;
7 is an exemplary view showing an Accomplishment Chart for each learner according to various embodiments of the present invention;
8 is an exemplary view showing a combined Accomplishment Chart for each learner according to various embodiments of the present invention;
본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.The terms or words used in the present specification and claims should not be construed as being limited to their ordinary or dictionary meanings, and the inventor may properly define the concept of the term in order to best describe his invention. It should be interpreted as meaning and concept consistent with the technical idea of the present invention based on the principle that there is.
따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.Accordingly, the embodiments described in this specification and the configurations shown in the drawings are only the most preferred embodiment of the present invention, and do not represent all the technical spirit of the present invention, so they can be substituted at the time of the present application It should be understood that various equivalents and modifications may exist.
이하, 도면을 참조로 하여 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템을 설명하기로 한다.Hereinafter, a metacognitive-based educational content curation system according to the present invention will be described with reference to the drawings.
도 1은 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템을 개략적으로 도시한 도면이다.1 is a diagram schematically illustrating a metacognitive-based educational content curation system according to the present invention.
본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템은 기본적으로 학습자 단말기, 학습 큐레이션 서버 및 확인 단말기를 포함하여 구성된다.The metacognitive-based educational content curation system according to the present invention is basically configured to include a learner terminal, a learning curation server, and a confirmation terminal.
도 1을 참조로 하면, 보다 구체적으로 본 발명은 교육학습 콘텐츠를 제공받아 학습하기 위한 학습자 단말기와, 상기 학습자 단말기에 제공될 콘텐츠를 저장하기 위한 콘텐츠 DB 모듈, 상기 콘텐츠 DB 모듈에 의해 제공되는 콘텐츠에 대해 학습한 결과를 분석하기 위한 결과 분석모듈, 상기 결과 분석모듈에 의해 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성모듈을 구비하는 학습 큐레이션 서버와, 상기 학습 큐레이션 서버가 전송하는 학습 결과 및 분석을 확인하기 위한 확인 단말기를 포함하여 이루어진다.Referring to FIG. 1 , more specifically, the present invention provides a learner terminal for receiving and learning educational learning content, a content DB module for storing content to be provided to the learner terminal, and content provided by the content DB module A learning curation server having a result analysis module for analyzing the result of learning for It consists of a confirmation terminal for confirming the learning results and analysis to be transmitted.
상기 학습자 단말기 및 확인 단말기는 온라인 네트워크를 통해 학습 큐레이션 서버에 접속하거나 상기 학습자 및 확인 단말기간 접속하여, 상기 학습 큐레이션 서버가 전송하는 정보(예: 학습자 레벨 정보, 콘텐츠 선호도 정보, 학습 이력 정보, 확인문제의 정답율에 따라 수치화 된 성취도 정보, 분석된 성취도에 따른 학습 계획 정보, 저장된 콘텐츠에 대한 추천 리스트 정보, 커리큘럼 트리 정보, 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리 정보, 하위 커리큘럼 콘텐츠 필드 정보, 학습자별 콘텐츠 필드 기반의 콘텐츠 추천 정보, 에듀테이너 영상 태그 정보,설정된 학습자의 정보, DB 모듈에 저장되어 있는 콘텐츠 및 콘텐츠가 학습된 결과 정보 등)를 송수신하기 위한 것으로, 태블릿, 넷북, PDA(personal digital assistant), PMP(portable multimedia player), 스마트폰, 웨어러블 스마트 기기 등의 다양한 통신 수단을 포함하는 것으로 해석되어야 하며, 제조사 서버 및 클라우드 서버에서 제공하는 각종 기능을 실행하기 위한 소프트웨어, 애플리케이션 등을 구비할 수도 있다.The learner terminal and the confirmation terminal access the learning curation server through an online network or connect between the learner and the confirmation terminal, and information transmitted by the learning curation server (eg, learner level information, content preference information, learning history information) , achievement information quantified according to the correct rate of confirmation questions, learning plan information according to the analyzed achievement, recommendation list information for stored content, curriculum tree information, upper curriculum tree information including quantified achievement for each learner, lower curriculum content field information, content recommendation information based on each learner's content field, edutainer video tag information, set learner information, content stored in the DB module, and content learning result information, etc.), tablet, netbook, PDA (personal digital assistant), PMP (portable multimedia player), smart phone, should be interpreted as including various communication means such as wearable smart devices, software, applications, etc. for executing various functions provided by the manufacturer's server and cloud server may be provided.
상기 학습 큐레이션 서버는 일종의 웹서버, 데이터베이스 서버, 모바일 서버로서 역할을 하도록 구축될 수 있는데, 예를 들어 처리된 결과를 온라인 네트워크를 통해 웹페이지 상에서 보여주거나 필요한 입력 데이터를 웹페이지를 통해 전송 받을 수 있고, 여기서 웹페이지는 단순한 텍스트, 이미지, 사운드, 동영상 등 이외에도 웹 애플리케이션과 같은 특정 작업을 수행하기 위한 소프트웨어를 포함하는 것으로 해석되어야 하며, 또한 데스크탑, 노트북, 스마트폰, 태블릿 PC 등에 설치되는 애플리케이션과 인터페이스를 제공하도록 구축될 수도 있다.The learning curation server can be built to serve as a kind of web server, database server, or mobile server, for example, to display the processed results on a web page through an online network or receive necessary input data to be transmitted through the web page. In addition to simple text, image, sound, video, etc., the web page should be interpreted as including software for performing a specific task, such as a web application, and an application installed on a desktop, laptop, smartphone, tablet PC, etc. It can also be built to provide an interface with
또한, 본 발명에서 언급하는 온라인 네트워크라 함은 유선 공중망, 무선 이동 통신망, 또는 휴대 인터넷 등과 통합된 코어 망일 수도 있고, TCP/IP 프로토콜 및 그 상위 계층에 존재하는 여러 서비스, 즉 HTTP(Hyper Text Transfer Protocol), HTTPS(Hyper Text Transfer Protocol Secure), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol) 등을 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미할 수 있으며, 이러한 예에 한정하지 않고 다양한 형태로 데이터를 송수신할 수 있는 데이터 통신망을 포괄적으로 의미하는 것이다.In addition, the online network referred to in the present invention may be a core network integrated with a wired public network, a wireless mobile communication network, or the portable Internet, and various services existing in the TCP/IP protocol and its upper layers, that is, Hyper Text Transfer (HTTP). Protocol), HTTPS (Hyper Text Transfer Protocol Secure), Telnet, FTP (File Transfer Protocol), DNS (Domain Name System), SMTP (Simple Mail Transfer Protocol), etc. , which is not limited to these examples and refers to a comprehensive data communication network capable of transmitting and receiving data in various forms.
이하에서는 상기 학습자 단말기 및 확인 단말기와 관련된 구체적인 사항에 대해 살펴보기로 한다. Hereinafter, details related to the learner terminal and the confirmation terminal will be described.
<학습자 단말기 및 확인 단말기의 주요 구성요소, 기능 및 효과><Main components, functions and effects of the learner terminal and the confirmation terminal>
* 입력 모듈* Input module
- 학습자 단말기 및 확인 단말기는 문자입력 방식, 터치입력 방식 및 음성입력 방식 중 적어도 어느 하나 이상의 입력 방식을 통해 학습하고자 하는 콘텐츠에 대응되는 내용을 입력할 수도 있음- The learner terminal and the confirmation terminal may input contents corresponding to the content to be learned through at least one of a text input method, a touch input method, and a voice input method.
- 상기 입력 모듈은 숫자 또는 문자 정보를 입력 받고 각종 기능들을 설정하기 위한 다수의 입력키 및 기능키들을 포함할 수 있는데, 기능키들은 특정 기능을 수행하도록 설정된 방향키, 사이드 키 및 단축키 등을 포함하고, 입력 모듈은 학습자, 확인자의 설정 및 학습자 단말기, 확인 단말기의 기능 제어와 관련한 키 신호를 생성하여 학습자 단말기 및 확인 단말기로 전달할 수도 있음- The input module may include a plurality of input keys and function keys for receiving numeric or character information and setting various functions, and the function keys include direction keys, side keys and shortcut keys set to perform a specific function, , the input module may generate a key signal related to the setting of the learner and the confirmer and control of the functions of the learner terminal and the confirmation terminal and transmit it to the learner terminal and the confirmation terminal
- 쿼티 키패드, 3*4 키패드, 4*3 키패드, 볼 조이스틱(Ball Joystick), 옵티컬 조이스틱(Optical Joystick), 휠 키(Wheel Key), 터치 키(Touch key), 터치 패드(Touch Pad) 및 터치스크린(Touch-screen) 등과 같은 입력 수단들 중 어느 하나 또는 이들의 조합으로 형성할 수도 있음- QWERTY keypad, 3*4 keypad, 4*3 keypad, Ball Joystick, Optical Joystick, Wheel Key, Touch key, Touch Pad and Touch It may be formed by any one or a combination of input means such as a screen (Touch-screen)
- 일례로, 학습자 단말기 및 확인 단말기가 풀 터치스크린을 지원하는 경우, 해당 단말기의 케이스 측면에 형성되는 볼륨 조절을 위한 볼륨 키, 화면 온/오프 및 휴대단말기 온/오프를 위한 전원 키 만을 포함할 수도 있고, 특히, 학습 큐레이션 서버 접속을 지시하는 입력 신호, 인증 정보입력에 해당하는 입력 신호, 특정 샌드 박스 선택을 지시하는 입력 신호, 콘텐츠의 색상, 투명도 변경을 지시하는 입력 신호 등과 같은 다양한 입력 신호 등을 생성하고, 이를 학습 큐레이션 서버에 전달할 수도 있음- For example, if the learner terminal and the confirmation terminal support a full touch screen, only a volume key for volume control formed on the side of the case of the terminal, a power key for screen on/off, and a power key for on/off of the portable terminal. In particular, various inputs such as an input signal instructing access to the learning curation server, an input signal corresponding to authentication information input, an input signal instructing a specific sandbox selection, an input signal instructing a change in color and transparency of content, etc. It can also generate a signal light and pass it on to the learning curation server
- 상기 음성인식 방식은 학습자 단말기의 운용과정에서 설정된 다양한 오디오 데이터, 저장부에 저장된 오디오 파일 재생에 따른 오디오 데이터 및 외부로부터 수신된 오디오 데이터 등을 학습하고자 하는 콘텐츠에 대응되어 출력할 수도 있고, 이를 위하여, 입력 모듈은 스피커와 마이크를 포함할 수도 있음- The voice recognition method may output various audio data set in the operation process of the learner terminal, audio data according to the playback of an audio file stored in the storage, and audio data received from the outside in response to the content to be learned, and this For this purpose, the input module may include a speaker and a microphone.
* 단말기 제어모듈* Terminal control module
- 단말기 제어모듈은 학습자 단말기의 학습하고자 하는 콘텐츠 관리 시스템의 전반적인 동작 및 학습자 단말기의 내부 블록들 간 신호 흐름을 제어하고, 데이터를 처리하는 데이터 처리 기능을 수행할 수도 있음- The terminal control module may control the overall operation of the content management system to be learned in the learner terminal and the signal flow between internal blocks of the learner terminal, and may perform a data processing function to process data
- 예를 들어, 단말기 제어모듈은 중앙 처리 장치(Central Processing Unit: CPU), 애플리케이션 프로세서(Application Processor) 등이 될 수 있고, 특히, 학습 큐레이션 서버에 의해 추천된 학습자별 콘텐츠 관리를 지원할 수도 있음. - For example, the terminal control module may be a central processing unit (CPU), an application processor, etc., and in particular, may support content management for each learner recommended by the learning curation server. .
- 단말기 설정모듈을 통한 콘텐츠 추천 리스트의 위치, 사이즈, 형태 및 색상 중 적어도 어느 하나 이상으로 변경된 콘텐츠 추천 리스트의 설정에 따라, 학습자 단말기와 연동된 웨어러블 디바이스에 변경된 콘텐츠 추천 리스트의 설정이 적용되도록 함으로써, 학습자 단말기에서의 콘텐츠 추천 리스트의 설정이 변경되더라도 연동된 웨어러블 디바이스에 자동적으로 변경된 콘텐츠 추천 리스트의 설정이 적용되어 표시될 수도 있게 함- According to the setting of the content recommendation list changed to at least one of the location, size, shape, and color of the content recommendation list through the terminal setting module, the changed content recommendation list setting is applied to the wearable device linked with the learner terminal. , even if the setting of the content recommendation list in the learner's terminal is changed, the automatically changed setting of the content recommendation list is applied and displayed on the linked wearable device
이하에서는 상기 학습 큐레이션 서버와 관련된 구체적인 사항에 대해 살펴보기로 한다.Hereinafter, specific details related to the learning curation server will be described.
< 학습 큐레이션 서버의 주요 구성요소, 기능 및 효과><Main components, functions and effects of the Learning Curation Server>
* 콘텐츠 DB 모듈* Content DB module
- 학습자 단말기에 제공될 콘텐츠를 저장함으로써, 교육학습 콘텐츠를 체계적으로 관리할 수 있음- By storing the contents to be provided on the learner terminal, it is possible to systematically manage the educational and learning contents
- 콘텐츠 DB 모듈은 학습자 레벨 정보, 콘텐츠 선호도 정보 및 학습 이력 정보 중 적어도 어느 하나 이상의 정보를 학습자별로 저장하기 위한 학습자 DB를 포함하여 학습자별로 학습자와 관련된 정보를 체계적이고 효율성 있게 관리할 수 있음- The content DB module can systematically and efficiently manage learner-related information for each learner, including the learner DB for storing at least one of learner level information, content preference information, and learning history information for each learner.
- 저장된 콘텐츠의 제목 및 해당 콘텐츠의 요약을 포함하는 콘텐츠 속성 정보를 콘텐츠 별로 분류하여 저장함으로써, 콘텐츠가 포함하고 있는 내용을 보다 쉽게 관리할 수도 있음- By classifying and storing content property information, including the title of the stored content and a summary of the content, by content, it is possible to more easily manage the content contained in the content.
- 저장된 콘텐츠와 관련된 음성파일에 담긴 콘텐츠 내용을 문자화 하여, 키워드 중심 또는 전체 음성 내용에 가독성을 부여함으로써, 음성 같은 소리 정보에 담긴 내용을 간편하게 학습자 단말기로 옮겨와 관리할 수도 있음- By texting the contents of the voice files related to the stored contents and giving readability to keyword-oriented or the entire voice contents, the contents of sound information such as voice can be easily transferred to the learner's terminal and managed.
* 결과 분석모듈* Result analysis module
- 학습한 콘텐츠에 대한 확인문제의 정답율에 따라 성취도를 수치화한 다음, 누적되어 학습된 콘텐츠에 대한 성취도를 분석하고, 분석된 성취도에 따른 학습 계획을 설정함으로써, 학습자가 자신의 학습을 체크하고 다음 학습을 계획하고 수행하도록 동기부여를 줄 수 있게 해주는 피드백이 될 수 있음- After quantifying the achievement according to the correct rate of the confirmation question for the learned content, analyzing the achievement for the accumulated learned content, and setting a learning plan according to the analyzed achievement, the learner checks his/her learning and Can be feedback that can motivate students to plan and carry out learning
- 콘텐츠 DB 모듈에 포함되어 있는 학습자 DB를 기반으로 콘텐츠 DB 모듈에 저장된 콘텐츠에 대한 추천 리스트를 생성함으로써, 학습자 레벨 정보, 콘텐츠 선호도 정보 및 학습 이력 정보를 기반으로 콘텐츠를 추천하여 학습자의 흥미도를 유지하거나 증가시킬 수 있음 - Based on the learner DB included in the content DB module, by creating a list of recommendations for the content stored in the content DB module, it recommends content based on learner level information, content preference information, and learning history information to increase the interest of learners. can be maintained or increased
* 메타인지 구성모듈* Metacognition configuration module
- 콘텐츠 DB 모듈에 저장된 콘텐츠의 커리큘럼을 상위 구조로 연결하여, 학습자 단말기를 통해 설정된 학습자 정보와 대응되는 커리큘럼을 트리 형식으로 구성함으로써, 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지를 기반으로 학습이 서로 어떻게 밀접하게 관련되어 상호 발달해야 하는지를 보여줌- By linking the curriculum of the content stored in the content DB module to the upper structure, and composing the curriculum corresponding to the learner information set through the learner terminal in a tree format, it is possible to clearly understand what the learner wants and to recognize the parts that he or she does not know. Based on metacognition, it shows how learning should be closely related and mutually developed.
- 학습한 콘텐츠 및 설정된 학습자의 레벨 중 적어도 어느 하나 이상에 근거하여 해당 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리를 구성함으로써, 초기 진단과 콘텐츠를 학습한 후 도출되는 결과를 분석하여 학습자별 학습 성취율이 반영된 콘텐츠 트리를 기반으로 학습자가 자신의 학습을 스스로 확인하고 능동적으로 다음 학습을 계획하고 수행할 수 있도록 함- Based on at least any one or more of the learned content and the set learner's level, the upper curriculum tree including the numerical achievement for each learner is constructed, and the results obtained after learning the initial diagnosis and content are analyzed to learn by learner Based on the content tree that reflects the achievement rate, learners can check their own learning and actively plan and carry out the next learning
- 학습자별 수치화 된 성취도를 포함하는 상위 커리큘럼 트리를 기반으로 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출됨으로써, 학습자의 부족한 부분과 강점인 부분을 수치화 한 필드의 크기를 시각적으로 강조하여, 학습자 및 부모가 해당 필드에 대응되는 콘텐츠를 추출할 수 있도록 해시태그를 통한 접속의 편의성을 제공하여, 현재 학습자의 상태에 따른 맞춤 콘텐츠 추천 및 접근이 용이하게 될 수 있도록 함- By composing a sub-curriculum content field based on the upper-level curriculum tree that includes quantified achievement for each learner and extracting the corresponding content through tags, the size of the field that quantifies the learner's weaknesses and strengths is visually emphasized Thus, the convenience of access through hashtags is provided so that learners and parents can extract content corresponding to the field, so that it is easy to recommend and access customized content according to the current learner's status.
- 결과 분석모듈에 의해 분석된 결과를 기반으로 학습자별 콘텐츠 필드를 구성하여 태그를 통해 추출되는 콘텐츠를 추천함으로써, 학습자가 분석된 결과를 바탕으로 학습자의 부족한 부분과 강점인 부분을 인지하고, 더 나아가, 다음 학습할 콘텐츠에 대한 추천을 통해 학습자가 자신의 학습을 스스로 확인하고 능동적으로 다음 학습을 계획하고 수행할 수 있도록 함- Based on the results analyzed by the result analysis module, by configuring the content fields for each learner and recommending the content extracted through tags, the learner recognizes the learner's shortcomings and strengths based on the analyzed results, and Furthermore, by recommending the content to learn next, learners can check their own learning and actively plan and carry out the next learning
- 학습자 단말기와 연동된 확인 단말기가 해당 학습자 단말기의 학습 이력 정보를 요청한 경우, 해당 요청된 이력과 대응되는 콘텐츠에 대한 에듀테이너 영상 태그를 전송함으로써, 확인 단말기를 통해 부모가 학습자 단말기가 학습한 콘텐츠 영상의 내용과 대응되는 에듀테이너 영상에 대한 접속의 편의성을 제공하여, 해당 콘텐츠에 대한 내용을 보다 쉽게 인지할 수 있도록 함- When the confirmation terminal linked with the learner terminal requests the learning history information of the learner terminal, by transmitting the edutainer video tag for the content corresponding to the requested history, the parent through the confirmation terminal learns the content learned by the learner terminal By providing the convenience of accessing the Edutainer video corresponding to the video content, the content of the corresponding content can be recognized more easily.
* 레벨 설정모듈* Level setting module
- 학습하고자 하는 콘텐츠에 대한 학습자의 메타인지를 확인하여 해당 학습자의 레벨을 설정함으로써, 앞으로 학습하고자 하는 콘텐츠 구성 및 학습 계획을 객관화할 수 있음- By checking the learner's meta-cognition of the content to learn and setting the learner's level, it is possible to objectify the content composition and learning plan to learn in the future
- 학습자 단말기가 설정된 학습자의 정보에 기초하여 학습 큐레이션 서버에 진단 테스트 요청 시, 상기 레벨 설정모듈은 요청된 학습자 단말기의 학습 이력이 없는 경우, 설정된 학습자의 정보 기반의 진단 테스트를 구성하고, 학습 이력이 있는 경우, 누적되어 학습된 콘텐츠 결과 기반의 진단 테스트를 구성함으로써, 학습자가 학습된 이력의 유무와 관계없이 현재 학습자의 레벨을 객관화 할 수 있음- When the learner terminal requests a diagnostic test from the learning curation server based on the learner's information set, the level setting module configures the set learner's information-based diagnostic test when there is no learning history of the requested learner terminal, If there is a history, the level of the current learner can be objectified regardless of whether the learner has a learning history by constructing a diagnostic test based on the results of accumulated learned content
- 학습자 단말기에 설정된 학습자의 정보로는 학습자의 교육 년수, 연령, 해외 거주 여부 및 년수, 타 교육기관의 이력 등이 따를 수 있음- The learner's information set in the learner's terminal may include the number of years of education, age, overseas residence and years, and the history of other educational institutions.
또한, 본 발명에서의 학습 큐레이션 서버에 대해 더욱 구체적으로 살펴보면, 학습 큐레이션 서버에서 행하여 지는 분석(예: 콘텐츠에 대해 학습한 결과 분석, 누적되어 학습된 콘텐츠에 대한 성취도 분석 등)은 정보(예: 학습자 레벨 정보, 콘텐츠 선호도 정보, 학습 이력 정보, 확인문제의 정답율에 따라 수치화 된 성취도 정보, 분석된 성취도에 따른 학습 계획 정보, 저장된 콘텐츠에 대한 추천 리스트 정보, 커리큘럼 트리 정보, 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리 정보, 하위 커리큘럼 콘텐츠 필드 정보, 학습자별 콘텐츠 필드 기반의 콘텐츠 추천 정보, 에듀테이너 영상 태그 정보, 설정된 학습자의 정보, DB 모듈에 저장되어 있는 콘텐츠 및 콘텐츠가 학습된 결과 정보 등)의 데이터를 전처리하여, 전처리된 데이터를 기반으로 한 머신러닝(Machine Learning) 방식을 이용하여, 일례로, 콘텐츠에 대해 학습한 결과 분석, 누적되어 학습된 콘텐츠에 대한 성취도 분석 등이 행하여 질 수도 있다.In addition, looking at the learning curation server in the present invention in more detail, the analysis performed in the learning curation server (eg, analysis of the result of learning about the content, analysis of the achievement of the accumulated learned content, etc.) is information ( Example: Learner level information, content preference information, learning history information, achievement information quantified according to the correct rate of confirmation questions, learning plan information according to analyzed achievement, recommendation list information for stored content, curriculum tree information, quantified by learner Higher curriculum tree information including achievement, lower curriculum content field information, content recommendation information based on each learner’s content field, edutainer video tag information, set learner information, content stored in the DB module, and content learning result information etc.) and using a machine learning method based on the pre-processed data, for example, analysis of results of learning about contents, analysis of achievement of accumulated learned contents, etc. may be
상기 학습 큐레이션 서버에서 데이터 전처리는 학습자 레벨 정보, 콘텐츠 선호도 정보, 학습 이력 정보, 확인문제의 정답율에 따라 수치화 된 성취도 정보, 분석된 성취도에 따른 학습 계획 정보, 저장된 콘텐츠에 대한 추천 리스트 정보, 커리큘럼 트리 정보, 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리 정보, 하위 커리큘럼 콘텐츠 필드 정보, 학습자별 콘텐츠 필드 기반의 콘텐츠 추천 정보, 에듀테이너 영상 태그 정보, 설정된 학습자의 정보, DB 모듈에 저장되어 있는 콘텐츠 및 콘텐츠가 학습된 결과 정보 중 적어도 어느 하나 이상의 정보의 데이터를 가공하여, 분석에 더 도움이 되는 정보를 이끌어 내고, 더욱 상세하게는 가공된 데이터를 기반으로 경향성 및 변화 추이 반영, 주기함수의 결합 변환을 통한 연속적 데이터의 패턴을 분석, 시계열 데이터를 문자열 형태로 변환하여 패턴을 분석하는 과정 등을 포함할 수도 있다.Data preprocessing in the learning curation server includes learner level information, content preference information, learning history information, achievement information quantified according to the correct rate of confirmation questions, learning plan information according to analyzed achievement, recommendation list information for stored content, curriculum Tree information, upper curriculum tree information including numerical achievement for each learner, lower curriculum content field information, content recommendation information based on each learner content field, edutainer video tag information, set learner information, content stored in the DB module and processing the data of at least any one or more of the result information from which the content has been learned to derive more helpful information for analysis, and more specifically, reflect trends and changes based on the processed data, and combine periodic functions It may include a process of analyzing a pattern of continuous data through transformation, converting time series data into a string form, and analyzing the pattern.
추가적으로, 학습 큐레이션 서버에서 데이터 전처리는 상기 정보 중 적어도 어느 하나 이상의 정보의 데이터를 가공하고, 가공된 데이터를 알고리즘에 활용할 수 있는 형태로 데이터를 변환하여, 더욱 상세하게는 해당 데이터의 노이즈를 제거하는 평활화(Smoothing), 해당 데이터를 더 작은 범위에 들어가게 하기 위해 다듬는 정규화(Normalization), 해당 데이터 값을 다른 범위나 상위 레벨의 개념으로 대체하는 이산화(Discretization) 등을 포함할 수도 있다.Additionally, the data pre-processing in the learning curation server processes data of at least any one or more of the information above, converts the processed data into a form that can be used in an algorithm, and more specifically, removes noise from the data It can also include smoothing to fit the data into a smaller range, normalization to fit the data into a smaller range, and discretization to replace the data value with a different range or higher-level concept.
상기 학습 큐레이션 서버는 전처리된 데이터를 통해 단일 분석 알고리즘인 의사 결정 트리(Decision Tree)를 기반으로 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상을 분석하기 위한 모델을 구성한 다음, 상이한 단일 분석 알고리즘을 병렬로 배치하여, 복수의 단일 분석 알고리즘의 결합 조합 형태인 부스팅(Boosting) 기법을 활용하여, 부스티드 트리(Boosted Tree) 형태로 분석 모델을 업데이트한다. 더욱이, 단일 분석 알고리즘 중 불량 단일 분석 알고리즘이 반복되어 발생되는 패턴을 분석하여, 복수의 단일 분석 알고리즘 형태로 분석 모델 업데이트 시 불량 단일 분석 알고리즘을 제외할 수도 있다.The learning curation server constructs a model for analyzing at least any one or more of the relationship between the learner's interest, achievement rate, and content based on a decision tree, which is a single analysis algorithm, through preprocessed data, and then By arranging the analysis algorithms in parallel, the analysis model is updated in the form of a boosted tree by using the boosting technique, which is a combined and combined form of a plurality of single analysis algorithms. Furthermore, the single defective analysis algorithm may be excluded from updating the analysis model in the form of a plurality of single analysis algorithms by analyzing a pattern generated by repeated failure of the single analysis algorithm among single analysis algorithms.
일례로, 상기 학습 큐레이션 서버는 전처리된 데이터를 기반으로 분석 모델에 머신러닝 방식 중 하나인 경사 하강법(Gradient Descent)을 이용하여 최종적으로 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상을 분석하고, 더 나아가 상기 학습 큐레이션 서버는 콘텐츠 자동 분류모듈을 통해서, DB 모듈에 저장된 전체 콘텐츠를 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상을 자동으로 분류하여 학습자 및 확인 단말기의 요청하에 분류된 콘텐츠 구성 정보를 회신할 수도 있다.As an example, the learning curation server uses gradient descent, which is one of the machine learning methods, to an analysis model based on preprocessed data to finally use at least one or more of a learner's interest, achievement rate, and correlation between content , and further, the learning curation server automatically classifies the entire content stored in the DB module through the content automatic classification module by automatically classifying at least any one or more of the learner's interest, achievement rate, and correlation between the content and the learner and the confirmation terminal. Classified content organization information may be returned upon request.
구체적으로, 경사 하강법에 대해 살펴보면 경사 하강법은 우선적으로 머신러닝 회귀 분석으로부터 설명되는 방식으로 머신러닝 회귀 분석은 주어진 데이터가 어떤 함수로부터 생성되었는가를 알아보는 '함수 관계'를 추측하는 것으로, 다시 말해서 데이터 세트(x, y)로부터 학습 알고리즘을 이용하여 가설을 생성하고 생성된 가설에 데이터를 입력하여 예측 값 데이터를 얻고, 이러한 가설에 해당하는 식이 어떤 방정식인지, 계수는 어떤 것을 의미하는지 알아가는 과정이라고 할 수 있다. Specifically, if we look at gradient descent, gradient descent is first described from machine learning regression analysis. In other words, it is a method of generating a hypothesis using a learning algorithm from a data set (x, y), inputting data into the generated hypothesis to obtain predicted value data, and finding out what kind of equation and coefficients correspond to these hypotheses. It can be called a process.
추가적으로, 상기 학습 큐레이션 서버에서 전처리된 데이터를 통해 딥 러닝(Deep Learning) 방식을 통해 학습자에 대한 획득되는 성취율 패턴을 예측하는데, 여기서 딥 러닝 방식의 알고리즘에 대해 살펴보면, 딥러닝 알고리즘 중 일부는 컨벌루션 신경망(CNN: convolution neural network) 알고리즘으로 구현될 수 있고, 컨벌루션 신경망 알고리즘은 하나 이상의 컨벌루션 레이어, 하나 이상의 활성 함수, 및 하나 이상의 풀링(pooling) 레이어를 포함할 수도 있고, 이때 각각의 컨벌루션 레이어는 하나 이상의 컨벌루션 필터로 구성될 수도 있다. 이러한 컨벌루션 신경망의 구조는 본 발명의 구체적 실시 형태에 따라 달라질 수도 있다.Additionally, the achievement rate pattern obtained for the learner is predicted through the deep learning method through the data pre-processed in the learning curation server. Looking at the algorithm of the deep learning method, some of the deep learning algorithms are convolutional It may be implemented as a convolutional neural network (CNN) algorithm, wherein the convolutional neural network algorithm may include one or more convolutional layers, one or more activation functions, and one or more pooling layers, where each convolutional layer is one It may be composed of the above convolutional filters. The structure of such a convolutional neural network may vary according to a specific embodiment of the present invention.
도 2는 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 방법을 도시한 순서도이다.2 is a flowchart illustrating a metacognitive-based educational content curation method according to the present invention.
한편으로, 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 방법은 기본적으로 콘텐츠 전송단계, 학습 단계, 결과 분석단계 및 메타인지 구성단계를 포함하여 구성된다.On the other hand, the metacognition-based educational content curation method according to the present invention is basically configured to include a content transmission step, a learning step, a result analysis step, and a metacognitive configuration step.
보다 구체적으로, 본 발명은 콘텐츠 DB 모듈이 학습자 단말기에 제공될 저장된 콘텐츠를 학습자 단말기로 전송하기 위한 콘텐츠 전송단계와, 학습자 단말기가 전송된 교육학습 콘텐츠를 제공받아 학습하기 위한 학습 단계와, 결과 분석모듈이 학습한 결과를 분석하기 위한 결과 분석단계와, 메타인지 구성모듈이 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성단계와, 확인 단말기가 메타인지적으로 구성된 결과 정보, 학습된 결과 정보 및 분석된 결과 정보 중 적어도 어느 하나 이상의 정보를 확인하기 위한 메타인지 확인단계를 포함하여 이루어진다.More specifically, the present invention provides a content transmission step for the content DB module to transmit the stored content to be provided to the learner terminal to the learner terminal, a learning step for the learner terminal to receive and learn the transmitted educational learning content, and analysis of results A result analysis step for analyzing the result learned by the module, a metacognitive configuration step for composing the analyzed result of the metacognitive configuration module in a metacognitive perspective, the result information configured metacognitively by the confirmation terminal, the learned information and a meta-identification step for confirming at least one of the result information and the analyzed result information.
도 3은 본 발명의 다양한 실시예에 따른 커리큘럼 콘텐츠 상의 상하위 구조 및 각 콘텐츠 간의 연관성을 트리 형식으로 나타내는 예시도이다.3 is an exemplary diagram illustrating in a tree format the upper and lower hierarchical structures of curriculum content and the correlation between each content according to various embodiments of the present invention.
보다 구체적으로, 도 3을 참조로 하면, 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지를 기반으로 구성된 커리큘럼 트리로서, 커리큘럼 콘텐츠 상의 상하위 구조 및 각 콘텐츠 간의 연관성을 직관적으로 나타내는 트리 형식의 구조를 보여줌으로써, 학습이 서로 어떻게 밀접하게 관련되어 상호 발달해야 하는지를 보여준다.More specifically, referring to FIG. 3 , as a curriculum tree based on metacognition that enables learners to clearly understand what they want and to recognize parts they do not know, the upper and lower structures of the curriculum content and the relationship between each content can be intuitively analyzed. By showing the tree-like structure represented by
도 4는 본 발명의 다양한 실시예에 따른 초기 진단과 콘텐츠 학습 후 형성 진단을 통해 학습자별 학습 성취율을 트리 형식으로 나타내는 예시도이다.4 is an exemplary diagram showing the learning achievement rate for each learner in a tree format through an initial diagnosis and a formation diagnosis after content learning according to various embodiments of the present invention.
보다 구체적으로, 도 4를 참조로 하면, 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지를 기반으로 구성된 학습 성취율을 나타내는 트리로서, 초기 진단과 콘텐츠를 학습한 후 도출되는 결과를 분석하여 학습자별 학습 성취율이 반영된 콘텐츠 트리를 보여줌으로써, 학습자가 자신의 학습을 스스로 확인하고 능동적으로 다음 학습을 계획하고 수행할 수 있도록 한다.More specifically, referring to FIG. 4 , it is a tree representing the learning achievement rate constructed based on metacognition that enables the learner to clearly understand what he wants and recognize the part he does not know, and is derived after learning the content and the initial diagnosis. By analyzing the results obtained and showing the content tree reflecting the learning achievement rate for each learner, the learner can check their own learning and actively plan and perform the next learning.
도 5는 본 발명의 다양한 실시예에 따른 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출되는 것을 나타내는 예시도이다.5 is an exemplary diagram illustrating that a corresponding content is extracted through a tag by configuring a sub-curriculum content field according to various embodiments of the present invention.
보다 구체적으로, 도 5를 참조로 하면, 학습 전후로 하여, 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 하위 커리큘럼 콘텐츠 필드를 구성하고, 학습자의 부족한 부분과 강점인 부분을 수치화 한 필드의 크기를 시각적으로 강조하여, 학습자 및 부모가 해당 필드에 대응되는 콘텐츠를 추출할 수 있도록 해시태그를 통한 접속의 편의성을 제공하여, 현재 학습자의 상태에 따른 맞춤 콘텐츠 추천 및 접근이 용이하게 될 수 있도록 한다.More specifically, referring to FIG. 5 , before and after learning, a sub-curriculum content field that allows the learner to clearly understand what he or she wants and recognize the part that he or she does not know is constituted, and the learner's deficiencies and strengths are digitized. By visually emphasizing the size of one field, it provides convenience of access through hashtags so that learners and parents can extract content corresponding to the field, making it easy to recommend and access customized content according to the current learner's status. make it possible
도 6은 본 발명의 다양한 실시예에 따른 콘텐츠 학습 후 정답 비율에 따라 성취도 수치화 및 그에 따른 평가 기준을 나타내는 예시도이다.6 is an exemplary diagram illustrating quantification of achievement according to the percentage of correct answers after content learning and evaluation criteria accordingly according to various embodiments of the present invention.
보다 구체적으로, 도 6을 참조로 하면, 학습자가 각 콘텐츠 학습 후, 출제되는 4개의 문제에 대한 정답 비율에 따라서 성취도를 수치화하고, 수치화된 성취도에 따라, 일례로, 75% 이상의 성취도를 나태내는 경우에는 다음 콘텐츠 학습 진행을 안내하고, 75% 미만의 성취도를 나타내는 경우에는 동일 콘텐츠 학습 또는, 동일한 목적을 가진 구성이 다른 유사 콘텐츠 학습을 추천하여, 현재 학습자의 성취도에 따라 능동적으로 다음 학습을 계획하고 수행할 수 있도록 한다.More specifically, referring to Figure 6, the learner quantifies the achievement according to the percentage of correct answers to the four questions after each content learning, and according to the quantified achievement, for example, 75% or more of achievement In this case, it guides the learning progress of the next content, and if the achievement is less than 75%, it recommends learning the same content or similar content with a different composition with the same purpose, and actively planning the next learning according to the current learner's achievement and allow it to be done.
도 7은 본 발명의 다양한 실시예에 따른 학습자별 Accomplishment Chart를 나타내는 예시도이다.7 is an exemplary diagram illustrating an Accomplishment Chart for each learner according to various embodiments of the present invention.
보다 구체적으로, 도 7을 참조로 하면, 각 콘텐츠 학습이 분석된 결과를 다이어그램형 표현을 통해 나타내어 한눈에 학습자의 강점과 부족한 부분을 인지할 수 있게 하고, 더 나아가, 일례로, 리터러시(Literacy) 기본 학습 결과를 안내하는 경우에는 기초 음가 인지와 파닉스(Phonics)의 이해가 잘 발달되고 있는지, 또는, 어휘를 단편적으로 인지하고 디코딩 하는 능력에 비해서는 글이나 상황에 대한 이해가 어떠한지를 설명하며 그에 대한 해결책 및 학습돼야 될 콘텐츠를 추천하여, 학습 결과에 대한 피드백이 될 수도 있도록 한다.More specifically, referring to FIG. 7 , the results of the analysis of each content learning are displayed through a diagrammatic expression so that the learner's strengths and weaknesses can be recognized at a glance, and further, as an example, literacy In the case of guiding basic learning results, it explains whether basic phonetic recognition and understanding of phonics are well developed, or how understanding of texts or situations is compared to the ability to recognize and decode vocabulary fragmentarily. It recommends solutions and content to be learned, so that it can be a feedback on the learning results.
또한, 누적되어 학습된 학습자의 그동안의 성취도를 분석하여, 일례로, 학습자의 첫소리와 끝소리를 구분하는 능력, 소리를 조합하는 능력, 소리를 분리해 내는 능력에 대한 강점과 부족한 부분을 나타내고, 그에 대한 해결책 및 학습돼야 될 콘텐츠를 추천하여, 학습 결과에 대한 피드백이 될 수도 있도록 한다.In addition, by analyzing the cumulative learning achievement of the learner so far, the strengths and weaknesses of the learner's ability to distinguish the first and last sounds, the ability to combine sounds, and the ability to separate sounds, for example, are indicated. It recommends solutions and content to be learned, so that it can be a feedback on the learning results.
도 8은 본 발명의 다양한 실시예에 따른 학습자별 조합된 Accomplishment Chart를 나타내는 예시도이다.8 is an exemplary diagram illustrating a combined Accomplishment Chart for each learner according to various embodiments of the present invention.
보다 구체적으로, 도 8을 참조로 하면, 그동안 학습자가 학습해온 결과를 바탕으로 조합된 결과를 세분화된 다이어그램형 표현을 통해 나태내어 한눈에 학습자의 현재 강점과 부족한 부분을 인지할 수 있게 하고, 더 나아가, 일례로, 현재 성취된 능력을 기반으로 앞으로의 성취될 능력 안내 및 그에 대한 콘텐츠를 추천하여, 학습자가 자신의 학습을 체크하고 다음 학습을 계획하고 수행하도록 동기부여를 줄 수 있게 해주는 피드백이 될 수도 있도록 한다.More specifically, referring to FIG. 8, the combined results based on the results the learner has learned so far are presented through a detailed diagrammatic expression so that the learner's current strengths and shortcomings can be recognized at a glance, and more Furthermore, as an example, feedback that enables learners to check their own learning and motivate them to plan and carry out the next learning by recommending guidance on the ability to be achieved in the future and content for it based on the currently achieved ability make it possible to be
이상에서 첨부된 도면을 참조하여 본 발명을 설명함에 있어 특정형상 및 방향을 위주로 설명하였으나, 본 발명은 그 발명에 속하는 기술분야에서 통상의 지식을 가진 사람에 의하여 다양한 변형 및 변경이 가능하고, 이러한 변형 및 변경은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.In the above description of the present invention with reference to the accompanying drawings, a specific shape and direction have been mainly described, but the present invention is capable of various modifications and changes by those of ordinary skill in the art to which the invention pertains. Modifications and variations should be construed as being included in the scope of the present invention.
Claims (2)
상기 학습자 단말기에 제공될 콘텐츠를 저장하기 위한 콘텐츠 DB 모듈, 상기 콘텐츠 DB 모듈에 의해 제공되는 콘텐츠에 대해 학습한 결과를 분석하기 위한 결과 분석모듈, 상기 결과 분석모듈에 의해 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성모듈을 구비하는 학습 큐레이션 서버와;
상기 학습 큐레이션 서버가 전송하는 학습 결과 및 분석을 확인하기 위한 확인 단말기;를 포함하되,
상기 학습 큐레이션 서버는 학습하고자 하는 콘텐츠에 대한 학습자의 메타인지를 확인하여 해당 학습자의 레벨을 설정하기 위한 레벨 설정모듈을 포함하며,
상기 학습자 단말기가 설정된 학습자의 정보에 기초하여 학습 큐레이션 서버에 진단 테스트 요청 시, 상기 레벨 설정모듈은 요청된 학습자 단말기의 학습 이력이 없는 경우, 설정된 학습자의 정보 기반의 진단 테스트를 구성하고, 학습 이력이 있는 경우, 누적되어 학습된 콘텐츠 결과 기반의 진단 테스트를 구성하며,
상기 결과 분석모듈은 학습한 콘텐츠에 대한 확인문제의 정답율에 따라 성취도를 수치화한 다음, 누적되어 학습된 콘텐츠에 대한 성취도를 분석하고, 분석된 성취도에 따른 학습 계획을 설정하며,
상기 콘텐츠 DB 모듈은 저장된 콘텐츠의 제목 및 해당 콘텐츠의 요약을 포함하는 콘텐츠 속성 정보를 콘텐츠 별로 분류하여 저장하고, 저장된 콘텐츠가 음성파일일 경우 해당 콘텐츠 내용을 키워드 중심으로 문자화하여 가독성을 부여하며,
상기 메타인지 구성모듈은 콘텐츠 DB 모듈에 저장된 콘텐츠의 커리큘럼을 상위 구조로 연결하여, 학습자 단말기를 통해 설정된 학습자 정보와 대응되는 커리큘럼을 트리 형식으로 구성하고,
상기 메타인지 구성모듈은 학습한 콘텐츠 및 설정된 학습자의 레벨 중 적어도 어느 하나 이상에 근거하여 해당 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리를 구성하고,
상기 메타인지 구성모듈은 학습자별 수치화 된 성취도를 포함하는 상위 커리큘럼 트리를 기반으로 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출되고,
상기 메타인지 구성모듈은 결과 분석모듈에 의해 분석된 결과를 기반으로 학습자별 콘텐츠 필드를 구성하여 태그를 통해 추출되는 콘텐츠를 추천하고,
상기 메타인지 구성모듈은 상기 학습자 단말기와 연동된 확인 단말기가 해당 학습자 단말기의 학습 이력 정보를 요청한 경우, 해당 요청된 이력과 대응되는 콘텐츠에 대한 에듀테이너 영상 태그를 전송하며,
상기 학습 큐레이션 서버는 확인문제의 정답율에 따라 수치화 된 성취도 정보, 커리큘럼 트리 정보, 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리 정보, 하위 커리큘럼 콘텐츠 필드 정보, 학습자별 콘텐츠 필드 기반의 콘텐츠 추천 정보, 에듀테이너 영상 태그 정보 및 DB 모듈에 저장되어 있는 콘텐츠 정보 중 적어도 어느 하나 이상의 정보에 대한 데이터를 전처리하며, 전처리된 데이터를 통해 단일 분석 알고리즘인 의사 결정 트리(Decision Tree)를 기반으로 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상을 분석하기 위한 모델을 구성한 다음, 해당 모델에 머신러닝(Machine Learning) 방식 중 하나인 경사 하강법(Gradient Descent)을 이용하여, 결과 분석모듈에 의해 분석된 성취도를 기초로 콘텐츠 DB 모듈에 저장된 콘텐츠를 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상으로 분류하여 상기 학습 계획을 설정 하기 위한 콘텐츠 자동 분류모듈을 구비하며,
상기 학습 큐레이션 서버에서 전처리된 데이터를 통해 딥 러닝(Deep Learning) 방식을 통해 학습자에 대해 획득되는 성취율 패턴을 예측하는 것을 특징으로 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템.
a learner terminal for receiving and learning educational and learning contents;
A content DB module for storing content to be provided to the learner terminal, a result analysis module for analyzing a result of learning about the content provided by the content DB module, and a metacognitive analysis of the result analyzed by the result analysis module a learning curation server having a metacognitive configuration module for visual configuration;
Containing; a confirmation terminal for confirming the learning result and analysis transmitted by the learning curation server;
The learning curation server includes a level setting module for setting the level of the learner by confirming whether the learner is meta for the content to be learned,
When the learner terminal requests a diagnostic test from the learning curation server based on the set learner's information, the level setting module configures the set learner's information-based diagnostic test when there is no learning history of the requested learner terminal, If there is a history, it constitutes a diagnostic test based on accumulated and learned content results,
The result analysis module quantifies the achievement according to the correct rate of the confirmation question for the learned content, then analyzes the achievement for the accumulated learned content, and sets a learning plan according to the analyzed achievement,
The content DB module classifies and stores content attribute information including the title of the stored content and a summary of the content by content, and when the stored content is a voice file, texts the content content based on keywords to give readability,
The metacognitive configuration module connects the curriculum of the content stored in the content DB module to the upper structure, and configures the curriculum corresponding to the learner information set through the learner terminal in a tree format,
The metacognitive configuration module configures an upper curriculum tree including quantified achievement for each learner based on at least one or more of the learned content and the set learner's level,
The metacognitive configuration module configures a lower curriculum content field based on an upper curriculum tree including numerical achievement for each learner, and the corresponding content is extracted through tags,
The metacognitive configuration module configures a content field for each learner based on the result analyzed by the result analysis module and recommends content extracted through tags,
The metacognitive configuration module transmits an edutainer image tag for content corresponding to the requested history when the confirmation terminal interlocked with the learner terminal requests learning history information of the learner terminal,
The learning curation server includes quantified achievement information according to the correct rate of the confirmation question, curriculum tree information, upper curriculum tree information including quantified achievement for each learner, lower curriculum content field information, content recommendation information based on each learner's content field, Edutainer pre-processes data on at least one of the video tag information and the content information stored in the DB module, and through the pre-processed data, the learner's interest level, After constructing a model for analyzing at least any one or more of the correlation between achievement rate and content, the model is analyzed by the result analysis module using Gradient Descent, one of the machine learning methods. A content automatic classification module for setting the learning plan by classifying the content stored in the content DB module into at least any one or more of a learner's interest, achievement rate, and correlation between content based on achievement,
Metacognition-based educational content curation system, characterized in that it predicts an achievement rate pattern obtained for a learner through a deep learning method through the data preprocessed by the learning curation server.
상기 콘텐츠 DB 모듈은 학습자 레벨 정보, 콘텐츠 선호도 정보 및 학습 이력 정보 중 적어도 어느 하나 이상의 정보를 학습자별로 저장하기 위한 학습자 DB를 더 포함하고,
상기 결과 분석서버는 학습자 DB를 기반으로 콘텐츠 DB 모듈에 저장된 콘텐츠에 대한 추천 리스트를 생성하는 것을 특징으로 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템.
The method according to claim 1,
The content DB module further includes a learner DB for storing at least any one or more of learner level information, content preference information, and learning history information for each learner,
The result analysis server is a metacognitive based educational content curation system, characterized in that based on the learner DB, generates a list of recommendations for the content stored in the content DB module.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210000428A KR102334387B1 (en) | 2019-12-31 | 2021-01-04 | Metacognitive based education content curation system |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190179248 | 2019-12-31 | ||
| KR1020210000428A KR102334387B1 (en) | 2019-12-31 | 2021-01-04 | Metacognitive based education content curation system |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190179248 Division | 2019-12-31 | 2019-12-31 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210086577A KR20210086577A (en) | 2021-07-08 |
| KR102334387B1 true KR102334387B1 (en) | 2021-12-02 |
Family
ID=76894677
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210000428A KR102334387B1 (en) | 2019-12-31 | 2021-01-04 | Metacognitive based education content curation system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102334387B1 (en) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4113311B1 (en) | 2021-07-01 | 2023-09-13 | Samsung Electronics Co., Ltd. | Storage device, operating method of storage device, and electronic device |
| KR102405828B1 (en) * | 2021-12-03 | 2022-06-07 | 주식회사 대교씨엔에스 | Method and apparatus for recommending learning amount using clustering and artificial intelligence using gaussian mixed model at the same time |
| KR102405832B1 (en) * | 2021-12-03 | 2022-06-07 | 주식회사 대교씨엔에스 | Method and device for recommending learning volume using statistical analysis and deep learning-based artificial intelligence at the same time |
| KR102400582B1 (en) * | 2021-12-03 | 2022-05-20 | 주식회사 대교씨엔에스 | Method and device for personalized learning amount recommendation based on big data and artificial intelligence |
| KR102475316B1 (en) * | 2021-12-03 | 2022-12-08 | (주)대교씨엔에스 | Learning amount recommendation method and apparatus using deep learning-based artificial intelligence composed of a plurality of hidden layers |
| KR102440155B1 (en) * | 2022-02-09 | 2022-09-05 | 주식회사 랭버스 | Open online learning system that enables knowledge trading |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100816406B1 (en) | 2006-05-30 | 2008-03-26 | 이신애 | A system and method for ordered education management service using website |
| KR101041672B1 (en) | 2008-06-24 | 2011-06-14 | 에스케이 텔레콤주식회사 | An Intelligent Customized Learning Service Method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101709936B1 (en) | 2009-10-19 | 2017-02-24 | 주식회사 청담러닝 | Apparatus and method for enhancing the capability of conceptulazing a real-life topic and commanding english sentences by reorganizing the key idea of a real-life topic with simple english sentences |
| KR20100080753A (en) * | 2010-06-03 | 2010-07-12 | 김용재 | Method, system and computer-readable recording medium for providing custom-made education service |
| KR20110137530A (en) | 2010-06-17 | 2011-12-23 | 최한진 | The teaching of english use multimedia ip-tv for kindergarten and elementary school |
| KR20140057906A (en) * | 2012-11-05 | 2014-05-14 | 삼성전자주식회사 | User's terminal, server and methods thereof for providing contents to be learned |
| KR20190125265A (en) * | 2019-10-30 | 2019-11-06 | 주식회사 더케이플랫폼 | Personalized learning curation system and method for operating the same |
-
2021
- 2021-01-04 KR KR1020210000428A patent/KR102334387B1/en active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100816406B1 (en) | 2006-05-30 | 2008-03-26 | 이신애 | A system and method for ordered education management service using website |
| KR101041672B1 (en) | 2008-06-24 | 2011-06-14 | 에스케이 텔레콤주식회사 | An Intelligent Customized Learning Service Method |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210086577A (en) | 2021-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102334387B1 (en) | Metacognitive based education content curation system | |
| US11095734B2 (en) | Social media/network enabled digital learning environment with atomic refactoring | |
| US11158016B2 (en) | Customized career counseling and management | |
| US20190272770A1 (en) | Systems and methods for automated content evaluation and delivery | |
| US11468780B2 (en) | Smart-learning and knowledge retrieval system | |
| Griol et al. | Incorporating android conversational agents in m‐learning apps | |
| US20220415199A1 (en) | Smart-learning and knowledge concept graphs | |
| CN110189238A (en) | Method, apparatus, medium and the electronic equipment of assisted learning | |
| Nudzor | Re-conceptualising the paradox in policy implementation: a post-modernist conceptual approach | |
| Nafea et al. | Personalized students’ profile based on ontology and rule-based reasoning | |
| CN117172978B (en) | Learning path information generation method, device, electronic equipment and medium | |
| Pal | The Future of Large Language Models: A Futuristic Dissection on AI and Human Interaction | |
| US20220406210A1 (en) | Automatic generation of lectures derived from generic, educational or scientific contents, fitting specified parameters | |
| Amery et al. | Developing augmentative and alternative communication systems in languages other than English: a scoping review | |
| Ahmed | Community-based design of open source software for transgender voice training | |
| Chen et al. | Deep neural networks for the automatic understanding of the semantic content of online course reviews | |
| KR102624135B1 (en) | Artificial intelligence-based non-face-to-face programming training automation platform service provision method, device and system for enterprises | |
| Doshi et al. | The LLM Landscape for LMICs | |
| Gavriushenko | On personalized adaptation of learning environments | |
| Udugahapattuwa et al. | A model for enhancing user experience in an e-learning system: A review on student behavior and content formatting | |
| Morrow | Personalizing education with algorithmic course selection | |
| Liu | Classification of English Educational Resources Information Based on Mobile Learning Using Cognitive Web Service. | |
| Hansson et al. | Doing Digital Humanities: Concepts, Approaches, Cases | |
| Chopra et al. | Empowering Inclusive Education: Leveraging AI-ML and Innovative Tech Stacks to Support Students with Learning Disabilities in Higher Education | |
| Romero et al. | Interdisciplinary Project Approach at the Analysis of Urban Happiness |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |