KR102357148B1 - Extended service providing system and method for providing artificial intelligence prediction results for extended education contents through API access interface server - Google Patents
Extended service providing system and method for providing artificial intelligence prediction results for extended education contents through API access interface server Download PDFInfo
- Publication number
- KR102357148B1 KR102357148B1 KR1020210082307A KR20210082307A KR102357148B1 KR 102357148 B1 KR102357148 B1 KR 102357148B1 KR 1020210082307 A KR1020210082307 A KR 1020210082307A KR 20210082307 A KR20210082307 A KR 20210082307A KR 102357148 B1 KR102357148 B1 KR 102357148B1
- Authority
- KR
- South Korea
- Prior art keywords
- artificial intelligence
- extended service
- server
- api
- user
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims description 33
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 15
- 238000013500 data storage Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000012360 testing method Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000012790 confirmation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 4
- 238000002405 diagnostic procedure Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013475 authorization Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Computer Security & Cryptography (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Hardware Design (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명의 실시 예에 따른, 확장된 교육 콘텐츠에 대한 인공지능 예측 결과를 API 접근 인터페이스 서버를 통해 제공하는 확장 서비스 제공 시스템은, 사용자의 단말로 상기 확장된 교육 콘텐츠를 제공하는 확장 서비스 서버와 통신하는 접근 인터페이스 서버, 및 상기 접근 인터페이스 서버와 통신하는 학습 콘텐츠 인공지능 서버를 포함하며, 상기 접근 인터페이스 서버는 상기 단말에서 전송된 API가 상기 확장 서비스 서버를 통해 수신되면, 상기 사용자가 상기 학습 콘텐츠 인공지능 서버를 이용할 수 있는 접근 권한이 있는지를 판단하고, 상기 학습 콘텐츠 인공지능 서버는 상기 사용자가 상기 접근 권한이 있다고 판단되는 경우, 상기 단말에서 전송된 상기 API에 응답하여, 상기 확장된 교육 콘텐츠에 대한 인공지능 예측 결과를 상기 접근 인터페이스 서버를 통해 상기 확장 서비스 서버로 전송한다.According to an embodiment of the present invention, the extended service providing system that provides the artificial intelligence prediction result for the extended educational content through the API access interface server communicates with the extended service server that provides the extended educational content to the user's terminal an access interface server, and a learning content artificial intelligence server communicating with the access interface server, wherein the access interface server is configured to allow the user to use the learning content artificial intelligence when the API transmitted from the terminal is received through the extension service server. It is determined whether there is an access right to use the intelligent server, and when it is determined that the user has the access right, the learning content artificial intelligence server responds to the API transmitted from the terminal, to the expanded educational content Transmits the artificial intelligence prediction result for the extension service server through the access interface server.
Description
본 발명은 API(Application Programming Interface) 접근 인터페이스 서버를 통해 확장된 교육 콘텐츠에 대해 인공지능 예측 결과를 제공하는 확장 서비스 제공 시스템 및 방법에 관한 것으로, 보다 상세하게는 접근 권한을 가진 확장 서비스 서버가 다양한 작업을 요청하는 API를 통해, 교육 콘텐츠의 종류(토익, SAT, 공인중계사 시험, 보험설계사 시험, 수능, … 등)에 상관없이 인공지능 예측 결과를 활용할 수 있게 하는 발명에 관한 것이다. The present invention relates to a system and method for providing an extended service that provides artificial intelligence prediction results for educational content extended through an API (Application Programming Interface) access interface server, and more particularly, to an extended service server with access rights in various ways. It relates to an invention that enables the use of artificial intelligence prediction results regardless of the type of educational content (TOEIC, SAT, certified real estate agent test, insurance solicitor test, CSAT, ...) through an API that requests work.
최근 인터넷과 전자장치의 활용이 각 분야에서 활발히 이루어지며 교육 환경 역시 빠르게 변화하고 있다. 특히, 다양한 교육 매체의 발달로 학습자는 보다 폭넓은 학습 방법을 선택하고 이용할 수 있게 되었다. 그 중에서도 인터넷을 통한 교육 서비스는 시간적, 공간적 제약을 극복하고 저비용의 교육이 가능하다는 이점 때문에 주요한 교수 학습 수단으로 자리매김하게 되었다.Recently, the use of the Internet and electronic devices has been actively carried out in each field, and the educational environment is also changing rapidly. In particular, with the development of various educational media, learners can choose and use a wider range of learning methods. Among them, the education service through the Internet has been positioned as a major teaching and learning method because of the advantage of overcoming time and spatial constraints and enabling low-cost education.
이러한 경향에 부응하여 이제는 제한된 인적, 물적 자원으로 오프라인 교육에서는 불가능했던 맞춤형 교육 서비스도 다양해지는 추세이다. 예를 들어, 인공지능을 활용하여 학습자의 개성과 능력에 따라 세분화된 교육 콘텐츠를 제공함으로써, 과거의 획일적 교육 방법에서 탈피하여 학습자의 개인 역량에 따른 교육 콘텐츠를 제공하고 있다.In response to this trend, customized education services, which were not possible in offline education due to limited human and material resources, are also diversifying. For example, by using artificial intelligence to provide segmented educational content according to the individuality and ability of the learner, the educational content is provided according to the individual competency of the learner, breaking away from the uniform education method of the past.
인공지능이 접목된 온라인 교육 서비스에서는 특정 교육 콘텐츠(예를 들어, TOEIC)에 대한 문제 정보와 유저의 문제풀이 데이터로 학습된 인공지능 모델을 통해 정답 확률, 예상 점수 등을 예측하게 된다. 이 과정에서 인공지능 모델의 설계, 인증, 권한, 결제, 데이터 파이프라인을 비롯한 서비스를 제공하기 위한 기반 시스템이 갖추어 지게 된다.In the online education service incorporating artificial intelligence, the probability of correct answers and expected scores are predicted through an artificial intelligence model learned from problem information on specific educational content (eg, TOEIC) and the user's problem-solving data. In this process, the foundation system for providing services including design, authentication, authorization, payment, and data pipeline of the AI model will be prepared.
교육 콘텐츠에 대한 인공지능 예측 결과를 제공하고자 하는 서비스 제공자들은 위와 같은 기반 시스템을 갖지 못하기 때문에 교육 콘텐츠 별로(공인중계사 시험, 보험설계사 시험, 수능, … 등) 일일이 인공지능 모델을 설계하고 기반 시스템을 갖추어야 하는 불편함이 있다. 또한 교육 서비스 제공자들은 일반적으로 인공지능 모델 개발에 숙련된 기술과 전문성을 갖지 못하여 인공지능 모델의 개발에 어려움을 갖고 있는 실정이다. Since service providers who want to provide AI prediction results for educational content do not have the above base system, they design artificial intelligence models for each educational content (certified broker test, insurance solicitor test, CSAT, …, etc.) There is the inconvenience of having to have In addition, education service providers generally have difficulties in developing AI models because they do not have the skills and expertise to develop AI models.
본 발명은 전술한 문제를 해결하기 위한 발명으로, API를 활용한 접근 인터페이스 서버를 통해 이미 구축된 학습 콘텐츠 인공지능 서버를 이용할 수 있게 하여, 교육 콘텐츠의 종류에 상관없이 인공지능 예측 결과를 활용할 수 있는 확장 서비스 제공 시스템 및 방법을 제공한다.The present invention is an invention to solve the above-mentioned problem, and it is possible to utilize the artificial intelligence prediction result regardless of the type of educational content by making it possible to use the already built learning content artificial intelligence server through the access interface server using the API. It provides a system and method for providing an extended service.
본 발명은 교육 콘텐츠 별로 인공지능 모델을 독립적으로 학습시킨 후 예측 결과를 추론함으로써, 교육 콘텐츠 별로 맞춤형 인공지능 예측 결과를 제공할 수 있는 확장 서비스 제공 시스템 및 방법을 제공한다.The present invention provides an extended service providing system and method capable of providing customized AI prediction results for each educational content by independently learning an AI model for each educational content and then inferring the prediction result.
본 발명은 클라이언트 ID를 사용하여, 서로 다른 확장 서비스를 제공할 때 통합된 학습 콘텐츠 인공지능 서버에서 데이터를 중앙집중적으로 관리할 수 있는 확장 서비스 제공 시스템 및 방법을 제공한다. The present invention provides an extended service providing system and method that can centrally manage data in an integrated learning content artificial intelligence server when different extended services are provided by using a client ID.
본 발명의 실시 예에 따른, 확장된 교육 콘텐츠에 대한 인공지능 예측 결과를 API 접근 인터페이스 서버를 통해 제공하는 확장 서비스 제공 시스템은, API를 사용하여 확장된 교육 콘텐츠에 대해 인공지능 예측 결과를 제공하는 확장 서비스 제공 시스템에 있어서, 확장된 교육 콘텐츠를 제공하는 확장 서비스 서버로부터 API가 수신되면, 학습 콘텐츠 인공지능 서버를 이용할 수 있는 접근 권한이 있는지 판단하는 접근 인터페이스 서버 및 접근 권한이 있다고 판단되면, API에 응답하여, 확장된 교육 콘텐츠에 대한 인공지능 예측 결과를 제공하는 학습 콘텐츠 인공지능 서버를 포함한다.According to an embodiment of the present invention, the extended service providing system that provides the artificial intelligence prediction result for the extended educational content through the API access interface server, provides an artificial intelligence prediction result for the extended educational content using the API In the extended service providing system, when an API is received from the extended service server that provides expanded educational content, an access interface server that determines whether there is an access right to use the learning content artificial intelligence server, and an access right when it is determined that there is an API In response, it includes a learning content artificial intelligence server that provides artificial intelligence prediction results for the expanded educational content.
본 발명의 실시 예에 따른, 확장된 교육 콘텐츠에 대한 인공지능 예측 결과를 API 접근 인터페이스 서버를 통해 제공하는 확장 서비스 제공 방법은, API를 사용하여 확장된 교육 콘텐츠에 대해 인공지능 예측 결과를 제공하는 확장 서비스 제공 방법에 있어서, 확장된 교육 콘텐츠를 제공하는 확장 서비스 서버로부터 API를 수신하는 단계, API가 수신되면, 학습 콘텐츠 인공지능 서버를 이용할 수 있는 접근 권한이 있는지 판단하는 단계 및 접근 권한이 있다고 판단되면, API에 응답하여, 확장된 교육 콘텐츠에 대한 인공지능 예측 결과를 제공하는 단계를 포함한다. According to an embodiment of the present invention, the extended service providing method for providing the artificial intelligence prediction result for the extended education content through an API access interface server is to provide an artificial intelligence prediction result for the extended education content using the API. In the extended service providing method, receiving the API from the extended service server that provides extended educational content, when the API is received, determining whether there is an access right to use the learning content artificial intelligence server, and that there is access right if it is determined, in response to the API, providing an AI prediction result for the expanded educational content.
본 발명의 실시 예에 따르면, API를 활용한 접근 인터페이스 서버를 통해 이미 구축된 학습 콘텐츠 인공지능 서버를 이용할 수 있게 하여, 교육 서비스의 종류에 상관없이 인공지능 예측 결과를 활용할 수 있다.According to an embodiment of the present invention, by making it possible to use the already built learning content AI server through the access interface server using the API, the AI prediction result can be utilized regardless of the type of education service.
본 발명의 실시 예에 따르면, 교육 콘텐츠 별로 인공지능 모델을 독립적으로 학습시킨 후 예측 결과를 추론함으로써, 교육 콘텐츠 별로 맞춤형 인공지능 예측 결과를 제공할 수 있다.According to an embodiment of the present invention, by independently learning the AI model for each educational content and then inferring the prediction result, it is possible to provide a customized AI prediction result for each educational content.
본 발명의 실시 예에 따르면, 클라이언트 ID를 사용하여, 서로 다른 확장 서비스를 제공할 때 통합된 학습 콘텐츠 인공지능 서버에서 데이터를 중앙집중적으로 관리할 수 있다. According to an embodiment of the present invention, data can be centrally managed in the integrated learning content artificial intelligence server when different extended services are provided by using the client ID.
도 1은 본 발명의 실시 예에 따른, 확장 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 확장 서비스 저장부의 구성을 상세하게 설명하기 위한 도면이다.
도 3은 본 발명의 실시 예에 따른, 확장 서비스 제공 시스템의 동작을 상세하게 설명하기 위한 도면이다.
도 4는 본 발명의 실시 예에 따른, 클라이언트 ID를 사용하여 데이터를 변환하고 인공지능 예측을 수행하는 동작을 상세하게 설명하기 위한 도면이다.
도 5는 본 발명의 실시 예에 따른, 문제 데이터의 등록과 조회 과정을 설명하기 위한 순서도이다.
도 6은 본 발명의 실시 예에 따른, 문제 풀이 데이터와 인공지능 모델 정보로부터 인공지능 예측을 수행하는 과정을 설명하기 위한 순서도이다.
도 7은 본 발명의 실시 예에 따른, API 사용량의 조회를 설명하기 위한 도면이다.
도 8은 본 발명의 몇몇 실시 예들에 따른 서버들을 구현할 수 있는 예시적인 컴퓨팅 장치의 하드웨어 구성도이다. 1 is a diagram for explaining an extended service providing system according to an embodiment of the present invention.
FIG. 2 is a diagram for explaining the configuration of the extended service storage unit of FIG. 1 in detail.
3 is a diagram for explaining in detail the operation of an extended service providing system according to an embodiment of the present invention.
4 is a diagram for explaining in detail an operation of transforming data using a client ID and performing artificial intelligence prediction, according to an embodiment of the present invention.
5 is a flowchart for explaining the registration and inquiry process of problem data according to an embodiment of the present invention.
6 is a flowchart illustrating a process of performing artificial intelligence prediction from problem solving data and artificial intelligence model information, according to an embodiment of the present invention.
7 is a diagram for explaining an inquiry of API usage according to an embodiment of the present invention.
8 is a hardware configuration diagram of an exemplary computing device capable of implementing servers according to some embodiments of the present disclosure.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호와 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.Hereinafter, the embodiments disclosed in the present specification will be described in detail with reference to the accompanying drawings, but the same or similar components are assigned the same reference numbers regardless of reference numerals, and redundant description thereof will be omitted.
본 명세서에 개시된 실시예를 설명함에 있어서 어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.In the description of the embodiments disclosed herein, when a component is referred to as being “connected” or “connected” to another component, it may be directly connected or connected to the other component, but It should be understood that other components may exist in between.
또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.In addition, in describing the embodiments disclosed in the present specification, if it is determined that detailed descriptions of related known technologies may obscure the gist of the embodiments disclosed in the present specification, the detailed description thereof will be omitted. In addition, the accompanying drawings are only for easy understanding of the embodiments disclosed in the present specification, and the technical idea disclosed herein is not limited by the accompanying drawings, and all changes included in the spirit and scope of the present invention , should be understood to include equivalents or substitutes.
도 1은 본 발명의 실시 예에 따른, 확장 서비스 제공 시스템을 설명하기 위한 도면이다.1 is a diagram for explaining an extended service providing system according to an embodiment of the present invention.
도 1을 참조하면, 확장 서비스 제공 시스템(50)은 접근 인터페이스 서버(200) 및 학습 콘텐츠 인공지능 서버(100)를 포함할 수 있다. 접근 인터페이스 서버(200)는 토익(10), SAT(20), 또는 그 외에 사용자가 적용하고자 하는 확장 서비스의 서버(30)가 학습 콘텐츠 인공지능 서버(100)에 접근할 수 있는 권한을 부여할 수 있다. Referring to FIG. 1 , the extended service providing system 50 may include an
접근 인터페이스 서버(200)가 접근 권한을 부여하는 방법은 API를 통해 수행될 수 있다. API(Application Programming Interface)는 학습 콘텐츠 인공지능 서버(100)에 접근하기 위한 규칙들을 정의한 것으로 설명될 수 있다. API는 응용 프로그램이 운영체제나 데이터베이스 관리 시스템과 같은 시스템 프로그램과 통신할 때 사용되는 언어나 메시지 형식을 가지며, 프로그램 내에서 실행을 위해 특정 서브루틴에 연결을 제공하는 함수를 호출하는 것으로 구현될 수 있다. A method in which the
실시 예에서, 확장 서비스 서버(30)의 사용자(도 3의 '확장 서비스 등록자' 및 '확장 서비스 사용자')는 사용자 단말(도시되지 않음)을 이용하여, 미리 정의된 API(예를 들어, '등록 API', '조회 API', '인공지능 사용 API', 및 '사용량 확인 API')를 접근 인터페이스 서버(200)에 전달한다. 그 결과, 문제 데이터를 등록하거나, 조회하거나, 인공지능 예측 결과를 제공받을 수 있으며, 사용한 API의 양을 확인하여 과금 정보를 확인할 수 있다.In an embodiment, the user of the extended service server 30 ('extended service registrant' and 'extended service user' in FIG. 3) uses a user terminal (not shown) to use a predefined API (eg, ' The 'registration API', 'inquiry API', 'artificial intelligence use API', and 'usage confirmation API') are transmitted to the
실시 예에서, 등록 API는, 콘텐츠 푸쉬 등록 API, 콘텐츠 풀 등록 API, 및 태그 등록 API를 포함할 수 있다. In an embodiment, the registration API may include a content push registration API, a content pool registration API, and a tag registration API.
콘텐츠 푸쉬 등록 API는 실시간으로 콘텐츠를 등록하거나 업데이트하는 API이다. 콘텐츠 풀 등록 API는 콘텐츠 데이터베이스(32)에 저장된 데이터를 데이터베이스 풀링(Pulling) 방식으로 불러오기 위한 API이다. 태그 등록 API는 인공지능 모델 사용을 위한 태그를 등록하기 위한 API이다. The content push registration API is an API that registers or updates content in real time. The content pool registration API is an API for calling data stored in the
실시 예에서, 조회 API는, 콘텐츠 조회 API, 콘텐츠 상태변경 API, 서브젝트 정보 조회 API, 서브젝트 등록 API, 및 태그 목록 조회 API를 포함할 수 있다. In an embodiment, the inquiry API may include a content inquiry API, a content state change API, a subject information inquiry API, a subject registration API, and a tag list inquiry API.
콘텐츠 조회 API는 등록된 콘텐츠를 확인하고 콘텐츠별 정보를 확인할 수 있는 API이다. 콘텐츠 상태변경 API는 이미 등록된 콘텐츠를 추천받을 콘텐츠 범위에서 제외하는 API이다. 서브젝트 정보 조회 API는 등록된 서브젝트 목록 또는 서브젝트에 등록된 태그 정보를 조회하기 위한 API이다. 서브젝트 등록 API는 새로운 서브젝트를 등록하기 위한 API이다. 태그 목록 조회 API는 등록된 태그 목록 및 태그 정보를 조회하기 위한 API이다.The content inquiry API is an API that can check registered content and check information for each content. The content status change API is an API that excludes already registered content from the range of content to be recommended. The subject information inquiry API is an API for inquiring the registered subject list or tag information registered in the subject. The subject registration API is an API for registering a new subject. The tag list inquiry API is an API for inquiring the registered tag list and tag information.
이때, 토익을 예시하면, 콘텐츠는 문제(토익문제)를 나타내고, 서브젝트는 과목 또는 문제 유형(토익의 Part 1, Part 2, …등)을 나타내며, 태그는 주제(명사, 동사, 부사, 전치사, 문법, 듣기, 쓰기, 읽기, 문장 형식)를 나타낼 수 있다. 수학문제를 예시하면, 콘텐츠는 문제(수학문제)를, 서브젝트는 과목 또는 문제 유형(수학)을, 태그는 주제(수열, 미분, 적분)을 나타낼 수 있다.At this time, if the TOEIC is exemplified, the content indicates the problem (toeic question), the subject indicates the subject or problem type (Part 1, Part 2, …, etc. of the TOEIC), and the tag indicates the subject (noun, verb, adverb, preposition, grammar, listening, writing, reading, sentence format). If a mathematical problem is exemplified, the content may indicate a problem (mathematical problem), the subject may indicate a subject or problem type (mathematics), and the tag may indicate a subject (sequence, differentiation, integration).
실시 예에서, 인공지능 사용 API는, 예측 점수 요청 API, 예측 정답률 요청 API, 문제 추천 API, 취약 태그 추천 API, 진단고사용 문제 추천 API 및 학습 기록 전송 API 중에서 하나 이상을 포함할 수 있다. In an embodiment, the AI usage API may include one or more of a prediction score request API, a prediction correct rate request API, a problem recommendation API, a weak tag recommendation API, a diagnostic high use problem recommendation API, and a learning record transmission API.
예측 점수 요청 API는 사용자 조회 시점의 예측 점수를 제공하는 API이다. 예측 정답률 요청 API는 사용자 조회 시점의 예측 정답률을 제공하는 API이다. 문제 추천 API는 사용자에게 적합한 문제를 추천하는 API이다. 취약 태그 추천 API는 문제풀이 데이터를 통해 사용자의 취약 분야를 태그로 제공하는 API이다. 진단고사용 문제 추천 API는 진단 테스트용 문제 추천을 받을 수 있는 API이다. 학습 기록 전송 API는 인공지능 모델을 고도화시키기 위해 사용자의 학습 기록을 실시간으로 전송하는 API이다.The prediction score request API is an API that provides the prediction score at the time of user inquiry. The predicted correct rate request API is an API that provides the predicted correct rate at the time of user inquiry. The problem recommendation API is an API that recommends problems suitable for users. The weak tag recommendation API is an API that provides the user's weak areas as tags through problem solving data. The diagnostic test use problem recommendation API is an API that can receive problem recommendations for diagnostic tests. The learning record transmission API is an API that transmits the user's learning record in real time to advance the artificial intelligence model.
실시 예에서, 사용량 확인 API는 모니터링 또는 과금 확인용으로 이용할 수 있으며 일 단위로도 API 사용량을 확인할 수 있다.In an embodiment, the usage confirmation API may be used for monitoring or billing confirmation, and the usage of the API may be checked even on a daily basis.
인공지능이 접목된 온라인 교육 서비스에서는, 특정 교육 콘텐츠(예를 들어, TOEIC)에 대한 문제 정보와 유저의 문제풀이 데이터로 학습된 인공지능 모델을 통해 정답 확률, 예상 점수 등을 예측하게 된다. 이 과정에서 인공지능 모델의 설계, 인증, 권한, 결제, 데이터 파이프라인을 비롯한 서비스를 제공하기 위한 기반 시스템이 갖추어 지게 된다. In an online education service incorporating artificial intelligence, the probability of correct answers and expected scores are predicted through an artificial intelligence model learned from problem information on specific educational content (eg, TOEIC) and the user's problem-solving data. In this process, the foundation system for providing services including design, authentication, authorization, payment, and data pipeline of the AI model will be prepared.
기반 시스템은 교육 콘텐츠(도메인)의 종류에 상관없이, 다른 교육 콘텐츠에 대한 확장 서비스 서버(30)와 공유하여 범용적으로 사용될 수 있는 상태에 있다. 즉, 다른 교육 콘텐츠(공인중계사 시험, 보험설계사 시험, 수능, … 등)까지 확장되어 인공지능 예측 결과를 추론하기 위해 사용이 가능하다.The base system is in a state where it can be used universally by sharing it with the
종래 교육 콘텐츠 제공자는 인공지능을 접목한 예측 결과를 제공하기 위해 교육 콘텐츠의 종류마다 일일이 인공지능 모델을 설계하고 기반 시스템을 갖추어야 하는 어려움이 있었다. 교육 콘텐츠 제공자는 인공지능 모델 개발에 숙련된 기술과 전문성을 갖지 못하여 인공지능 모델의 개발에 어려움이 있고 고도의 인공지능 예측 결과를 제공할 수 없다는 문제가 있었다.Conventional education content providers have had difficulties in designing an artificial intelligence model for each type of educational content and having a base system to provide predictive results incorporating artificial intelligence. Educational content providers had difficulties in developing artificial intelligence models because they did not have the skills and expertise to develop artificial intelligence models, and there was a problem in that they could not provide high-level artificial intelligence prediction results.
본 발명의 실시 예에 따른 확장 서비스 제공 시스템(50)은, 학습 콘텐츠 인공지능 서버(100)에 대한 접근 권한을 가지는 확장 서비스 서버(30)에 대하여, API 접근 인터페이스 서버를 통해 학습 콘텐츠 인공지능 서버(100)로의 접근을 허용함으로써, 확장 서비스 서버(30)의 확장 서비스에 대한 인공지능 예측 결과를 확장 서비스 서버(30)로 제공할 수 있다. The extended service providing system 50 according to an embodiment of the present invention is a learning content artificial intelligence server through an API access interface server with respect to the
실시 예에 따라, API는 REST(Representational State Transfer) API가 사용될 수 있다. REST란 네트워크를 통해서 컴퓨터들끼리 통신할 수 있게 해주는 아키텍쳐 스타일이다. REST API는 인터넷 식별자(Uniform Resource Identifier, URI)와 HTTP 프로토콜을 기반으로 하는 것을 특징으로 한다.According to an embodiment, as the API, a Representational State Transfer (REST) API may be used. REST is an architectural style that allows computers to communicate with each other over a network. The REST API is characterized by being based on an Internet Uniform Resource Identifier (URI) and HTTP protocol.
확장 서비스(공인중계사 시험, 보험설계사 시험, 수능, … 등)의 사용자들은 접근 인터페이스 서버(200)를 통해 학습 콘텐츠 인공지능 서버(100)를 사용함으로써, 각 확장 서비스에 대한 사용자들의 예측 점수, 예측 정답률, 문제 추천, 취약 태그 추천, 진단고사용 추천 문제를 제공받을 수 있다.Users of extended services (Certified Relay Service Test, Insurance Agent Test, SAT, ...) use the learning content
학습 콘텐츠 인공지능 서버(100)는 인증된 사용자로부터 수신된 API에 응답하여, 사용자에게 인공지능 예측 결과를 제공하고 사용자 로그를 저장할 수 있다. 사용자 로그는 문제 추천 내역, 점수 예측 내역을 포함할 수 있다. The learning content
학습 콘텐츠 인공지능 서버(100)는 인공지능 예측 수행부(110), 사용자 인증 수행부(120) 및 확장 서비스 저장부(130)를 포함할 수 있다.The learning content
인공지능 예측 수행부(110)는 인공지능 모델 정보를 참고하여, 사용자로부터 수신한 문제 풀이 데이터를 이용하여 인공지능 예측을 수행할 수 있다. 인공지능 예측에는 다양한 인공지능 모델들(111, 112, 113)중 하나 이상이 사용될 수 있다. The artificial intelligence
사용될 인공지능 모델은 사용 목적 또는 교육 콘텐츠의 종류 등에 따라 결정될 수 있다. 예를 들어, 인공지능 모델1(111)은 문제 풀이에 적합한 모델, 인공지능 모델2(112)는 강의 추천에 적합한 모델일 수 있다. The AI model to be used may be determined according to the purpose of use or the type of educational content. For example, AI model 1 111 may be a model suitable for problem solving, and AI model 2 112 may be a model suitable for lecture recommendation.
인공지능 모델은 구현 가능한 다양한 인공지능 모델 구조가 사용될 수 있다. 예를 들어, 교육 데이터의 특성인 대부분의 데이터가 시계열인 점을 반영하여, 시계열 데이터를 모델링하는 여러 인공지능 구조 중 트랜스포머 모델이 사용될 수 있다. As the AI model, various possible AI model structures can be used. For example, a transformer model may be used among various artificial intelligence structures that model time series data by reflecting the fact that most data, which is a characteristic of education data, are time series.
트랜스포머 모델은 시계열 데이터의 시간적 특성을 모델이 학습하고, 교육 데이터들 사이의 연관성을 셀프 어텐션(Self-Attention) 메커니즘으로 모델링할 수 있다는 점에서 교육 분야에 최적화된 모델이다. 트랜스포머 모델에서는 인코더와 디코더를 분리하여, 인코더에는 문제 데이터를, 디코더에는 사용자의 문제 풀이 데이터를 입력할 수 있다.The transformer model is a model optimized for the education field in that the model learns the temporal characteristics of time series data and can model the relationship between the training data as a self-attention mechanism. In the transformer model, by separating the encoder and the decoder, problem data can be input to the encoder and the user's problem solving data can be input to the decoder.
사용자 인증 수행부(120)는 학습 콘텐츠 인공지능 서버(100)를 이용하고자 하는 사용자(도 3의 '확장 서비스 등록자' 및 '확장 서비스 사용자')가 등록된 사용자인지 여부를 판단할 수 있다. 사용자 인증에는 아이디, 패스워드로 회원가입 여부를 판단하는 방법 등 다양한 사용자 인증 방법이 사용될 수 있다.The user
확장 서비스 저장부(130)는 확장 서비스별로 사용될 인공지능 모델에 관한 정보인 인공지능 모델 정보를 저장할 수 있다. 인공지능 모델 정보는 사용자의 이전 문제 추천 내역, 예측 점수 내역 등의 사용자 로그를 참조하여 결정될 수 있으며, 확장 서비스 별로 인공지능 모델 최적화를 위한 파라미터들을 포함할 수 있다.The extended
도 2는 도 1의 확장 서비스 저장부(130)의 구성을 상세하게 설명하기 위한 도면이다.FIG. 2 is a diagram for explaining in detail the configuration of the extended
도 2를 참조하면, 확장 서비스 저장부(130)는 학습 콘텐츠 저장부(131)와 이용 데이터 저장부(132)를 포함할 수 있다.Referring to FIG. 2 , the extended
학습 콘텐츠 저장부(131)는 확장 서비스 등록자가 서비스 초기에 등록한 문제 데이터와 실제 점수 데이터를 저장하고, 인공지능 예측 결과로 생성된 문제 추천 내역, 점수 예측 내역을 저장할 수 있다. 또한 학습 콘텐츠 저장부(131)는 확장 서비스별 인공지능 모델 파라미터를 포함하는 인공지능 모델 정보를 저장할 수 있다.The learning
이용 데이터 저장부(132)는 확장 서비스 사용자가 사용한 API 사용량을 저장할 수 있다. API 사용량은 학습 콘텐츠 인공지능 서버(100)의 이용에 대한 비용을 청구하는 기준이 될 수 있다. The usage
사용된 API의 종류에 따라 청구되는 비용은 상이하게 결정될 수 있다. 예를 들어, 인공지능 사용 API는 동일한 사용량을 가지는 조회 API보다 높은 비용이 청구될 수 있다.The fee charged according to the type of API used may be determined differently. For example, AI-enabled APIs may be charged higher than query APIs with the same usage.
도 3은 본 발명의 실시 예에 따른, 확장 서비스 제공 시스템(50)의 동작을 상세하게 설명하기 위한 도면이다.3 is a diagram for explaining in detail the operation of the extended service providing system 50 according to an embodiment of the present invention.
도 3을 참조하면, 서비스 데이터베이스(31)와 콘텐츠 데이터베이스(32)는 확장 서비스 서버(30)와 분리된 구성으로 도시되었지만, 실시 예에 따라 확장 서비스 서버(30)에 포함될 수 있다.Referring to FIG. 3 , although the
서비스 데이터베이스(31)는 확장 서비스 사용자들의 개인정보와 문제 풀이 데이터를 저장할 수 있다. 개인정보에는 회원정보, 인증정보 등이 포함될 수 있다. The
콘텐츠 데이터베이스(32)는 확장 서비스 등록자가 등록한 문제 데이터와 실제 점수 데이터를 저장할 수 있다. 실시 예에 따라, 콘텐츠 데이터베이스(32)가 생략될 수도 있으며, 이 경우 확장 서비스 등록자는 콘텐츠 푸쉬 등록 API를 통해 직접 확장 서비스 저장부(130)에 문제 데이터와 실제 점수 데이터를 저장하게 된다.The
문제 데이터는 포괄적으로 학습에 활용되는 콘텐츠를 모두 포함하는 개념이다. 토익을 예시로 설명하면, 주제 별(명사, 동사, 부사, 전치사, 문법, 듣기, 쓰기, 읽기, 문장 형식 등), 문제 유형 별(토익의 Part 1, Part 2, …등)로 구성된 콘텐츠일 수 있으며, 학습 방식(문제 풀이, 영상 강의, 텍스트 강의 등)에 따라 분류될 수 있다. 문제 데이터는 문제 콘텐츠 및 강의 콘텐츠 등을 모두 포괄하는 개념이다. 문제 데이터는 토익 문제로 한정되지 않으며, SAT, 공인중계사 시험, 보험설계사 시험, 수능 등 사용자의 풀이를 요하는 모든 유형의 시험을 포함할 수 있다.Problem data is a concept that includes all content used for comprehensive learning. Using the TOEIC as an example, the content is organized by topic (noun, verb, adverb, preposition, grammar, listening, writing, reading, sentence format, etc.) and problem type (Part 1, Part 2, … of TOEIC) and can be classified according to the learning method (problem solving, video lecture, text lecture, etc.). Problem data is a concept that encompasses both problem content and lecture content. The question data is not limited to TOEIC questions, and may include all types of tests that require users to solve, such as the SAT, certified real estate agent test, insurance solicitor test, and SAT.
실제 점수 데이터는 초기 인공지능 모델을 학습시키기 위한 사용자들의 실제 점수에 관한 데이터일 수 있다. 예를 들어, 확장 서비스 제공 시스템(50)은 최소 100명의 실제 점수 데이터를 초기 인공지능 모델을 학습시키기 위한 데이터로 요청할 수 있다. 확장 서비스 사용자가 문제를 풀이할수록, 인공지능 모델은 초기 학습된 인공지능 모델을 더욱 성장시켜 보다 높은 정확도를 가지는 인공지능 모델을 구현할 수 있다. The actual score data may be data about actual scores of users for training the initial artificial intelligence model. For example, the extended service providing system 50 may request the actual score data of at least 100 people as data for training the initial artificial intelligence model. As the extended service user solves the problem, the artificial intelligence model can further grow the initially trained artificial intelligence model to implement an artificial intelligence model with higher accuracy.
확장 서비스 저장부(130)는 등록 API를 통해 문제 데이터와 실제 점수 데이터를 불러와 저장할 수 있다. 구체적으로, 확장 서비스 저장부(130)는 콘텐츠 풀 등록 API가 수신되면, 콘텐츠 데이터베이스(32)로부터 문제 데이터와 실제 점수 데이터를 풀링(pulling) 방식으로 불러와 저장할 수 있다. The
또는, 확장 서비스 저장부(130)는 콘텐츠 푸쉬 등록 API가 수신되면, 콘텐츠 데이터베이스(32)를 경유하지 않고 확장 서비스 등록자로부터 실시간으로 콘텐츠를 수신하여 저장하거나 업데이트 할 수 있다.Alternatively, when the content push registration API is received, the extension
확장 서비스 저장부(130)에 저장된 문제 데이터와 실제 점수 데이터는 인공지능 모델을 학습시키는 데에 사용될 수 있다. 또한 문제 데이터와 실제 점수 데이터는 인공지능 모델 정보로써 인공지능 모델(111)에 전송되어 인공지능 예측을 위한 정보로서 사용될 수 있다.The problem data and actual score data stored in the extended
확장 서비스 등록자로부터 문제 데이터와 실제 점수 데이터를 수신하여 확장 서비스 저장부(130)에 저장하고 인공지능 모델(111)을 초기 학습시킨 이후, 확장 서비스 사용자들은 본격적으로 문제 풀이를 시작할 수 있다.After receiving the problem data and the actual score data from the extended service registrant and storing it in the
확장 서비스 사용자들은 확장 서비스 서버(30)를 통해 제공받은 문제를 풀이하고 문제 풀이 데이터를 전달할 수 있다. 문제 풀이 데이터는 접근 인터페이스 서버(200)를 통해 확장 서비스 저장부(130)에 저장되고, 인공지능 예측 수행부(110)에 전달되어 인공지능 예측을 위한 기초 데이터로 사용될 수 있다.Extended service users can solve problems provided through the
이후 확장 서비스 사용자의 요청에 따라 확장 서비스 서버(30)가 인공지능 사용 API를 통해 문제추천/예측 점수 요청을 전달할 수 있다. 접근 인터페이스 서버(200)는 인공지능 예측 수행부(110)로부터 문제 추천/예측 점수를 수신하고 확장 서비스 서버(30)를 통해 확장 서비스 사용자에게 제공할 수 있다.Thereafter, according to the request of the extended service user, the
확장 서비스 사용자의 API 사용량 확인 요청에 따라, 확장 서비스 서버(30)가 사용량 확인 API를 접근 인터페이스 서버(200)에 전달하면, 접근 인터페이스 서버(200)는 입출력된 API 사용량을 확인하여 확장 서비스 서버(30)에 API 사용량에 따른 이용내역을 제공할 수 있다.When the
본 발명의 실시 예에 따른 확장 서비스 제공 시스템(50)에 따르면, 접근 인터페이스 서버(200)에 복수의 확장 서비스 서버(30)를 병렬적으로 연결함으로써, 확장 서비스마다 인공지능 모델을 일일이 구축하지 않아도 되는 이점이 있고, API를 활용한 접근 인터페이스 서버를 통해 이미 구축된 학습 콘텐츠 인공지능 서버를 이용할 수 있게 하여, 교육 콘텐츠의 종류에 상관없이 인공지능 예측 결과를 활용할 수 있다.According to the extended service providing system 50 according to the embodiment of the present invention, by connecting a plurality of
또한, 본 발명의 실시 예에 따른 확장 서비스 제공 시스템(50)에 따르면, 교육 콘텐츠교육 콘텐츠 별로 인공지능 모델을 독립적으로 학습시킨 후 예측 결과를 추론함으로써, 교육 콘텐츠교육 콘텐츠 별로 맞춤형 인공지능 예측 결과를 제공할 수 있다.In addition, according to the extended service providing system 50 according to the embodiment of the present invention, by inferring the prediction result after independently learning the artificial intelligence model for each educational content educational content, the customized artificial intelligence prediction result for each educational content education content can provide
도 4는 본 발명의 실시 예에 따른, 클라이언트 ID를 사용하여 데이터를 변환하고 인공지능 예측을 수행하는 동작을 상세하게 설명하기 위한 도면이다.4 is a diagram for explaining in detail an operation of transforming data using a client ID and performing artificial intelligence prediction, according to an embodiment of the present invention.
도 4를 참조하면, 접근 인터페이스 서버(200)는 데이터 변환부(210)와 독립된 구성으로 도시되었지만, 실시 예에 따라, 데이터 변환부(210)는 접근 인터페이스 서버(200)에 포함될 수 있다.Referring to FIG. 4 , the
접근 인터페이스 서버(200)는 확장 서비스 등록자로부터 문제 데이터와 실제 점수 데이터를 수신하고 확장 서비스 사용자로부터 문제 풀이 데이터를 수신하면 학습 콘텐츠 저장부(131)에 전달할 수 있다. 이때, 학습 콘텐츠 저장부(131)는 복수의 확장 서비스에 대한 데이터를 통합적으로 저장하고 관리할 수 있어야 하므로 데이터를 구분하여 저장할 필요가 있다. The
따라서 데이터 변환부(210)는 문제 데이터, 실제 점수 데이터, 문제 풀이 데이터에 확장 서비스 별로 부여된 클라이언트 ID를 추가할 수 있다. 클라이언트 ID는 각 데이터의 지정된 필드에 기록되거나 메타 데이터가 붙거나 헤더에 기록되는 등의 방식으로 추가될 수 있다.Accordingly, the
클라이언트 ID가 부여된 문제 데이터, 실제 점수 데이터, 문제 풀이 데이터는 각각 변환된 문제 데이터, 변환된 실제 점수 데이터, 변환된 문제 풀이 데이터일 수 있다. 클라이언트 ID를 부여하여 데이터를 관리함으로써 문제, 콘텐츠, 태그를 확장 서비스 별로 구분하여 관리할 수 있다.The problem data, actual score data, and problem solving data to which the client ID is assigned may be transformed problem data, transformed actual score data, and transformed problem solving data, respectively. By managing data by assigning a client ID, problems, contents, and tags can be managed separately by extension service.
문제 풀이 데이터 저장부(300)는 문제 풀이 데이터를 풀이 순서에 따라 각 저장공간에 큐잉하여 저장하고, 이후 인공지능 예측을 수행할 때, 인공지능 예측 수행부(110)에 전달할 수 있다. 실시 예에 따라, 문제 풀이 데이터 저장부(300)는 확장 서비스 저장부(130) 내에 존재할 수도 있고, 접근 인터페이스 서버(200)에 내에 존재할 수도 있으며, 또는 접근 인터페이스 서버(200) 및 확장 서비스 저장부(130)와 독립된 구성으로 존재할 수도 있다.The problem-solving data storage unit 300 queues and stores the problem-solving data in each storage space according to the solving order, and thereafter, when performing artificial intelligence prediction, it may be transmitted to the artificial intelligence
도 4에서, 문제 풀이 데이터는 데이터 변환부(210)를 거치지 않고 문제 풀이 데이터 저장부(300)에 저장되는 것으로 도시되었지만, 실시 예에 따라 문제 풀이 데이터도 데이터 변환부(210)에 의해 클라이언트 ID가 추가되어 문제 풀이 데이터 저장부(300)에 저장될 수도 있다.In FIG. 4 , the problem solving data is shown to be stored in the problem solving data storage unit 300 without going through the
인공지능 예측 수행부(110)는 학습 콘텐츠 저장부(131)로부터 수신된 인공지능 모델 정보를 참고하여, 문제 풀이 데이터 저장부(300)로부터 수신된 문제 풀이 데이터로부터 인공지능 예측 결과를 생성할 수 있다.The artificial intelligence
도 5는 본 발명의 실시 예에 따른, 문제 데이터의 등록과 조회 과정을 설명하기 위한 순서도이다.5 is a flowchart for explaining the registration and inquiry process of problem data according to an embodiment of the present invention.
도 5를 참조하면, S501 단계에서, 확장 서비스 제공 시스템(50)은 적용될 확장 서비스의 특성을 고려하여, 인공지능 예측에 사용될 인공지능 모델을 결정할 수 있다. 사용될 인공지능 모델은 사용 목적 또는 교육 콘텐츠의 종류 등에 따라 결정될 수 있다. 예를 들어, 인공지능 모델1은 문제 풀이에 적합한 모델, 인공지능 모델2는 강의 추천에 적합한 모델일 수 있다. Referring to FIG. 5 , in step S501 , the extended service providing system 50 may determine an AI model to be used for AI prediction in consideration of the characteristics of the extended service to be applied. The AI model to be used may be determined according to the purpose of use or the type of educational content. For example, AI model 1 may be a model suitable for problem solving, and AI model 2 may be a model suitable for lecture recommendation.
인공지능 모델은 구현 가능한 다양한 인공지능 모델 구조가 사용될 수 있다. 예를 들어, 교육 데이터의 특성인 대부분의 데이터가 시계열인 점을 반영하여, 시계열 데이터를 모델링하는 여러 인공지능 구조 중 트랜스포머 모델이 사용될 수 있다. As the AI model, various possible AI model structures can be used. For example, a transformer model may be used among various artificial intelligence structures that model time series data by reflecting the fact that most data, which is a characteristic of education data, are time series.
S503 단계에서, 확장 서비스 제공 시스템(50)은 확장 서비스 사용자/확장 서비스 등록자가 입력한 아이디와 비밀번호에 기초하여, 기 등록된 사용자인지 여부를 판단할 수 있다. 판단 결과, 등록된 사용자인 경우 S505 단계를 진행하고, 등록된 사용자가 아닐 경우 이후 단계들(S505 내지 S511)이 수행되지 않도록 접근을 차단시킬 수 있다.In step S503, the extended service providing system 50 may determine whether the user is a pre-registered user based on the ID and password input by the extended service user/extended service registrant. As a result of the determination, if the user is a registered user, step S505 may be performed, and if the user is not a registered user, access may be blocked so that subsequent steps ( S505 to S511 ) are not performed.
S505 단계에서, 확장 서비스 제공 시스템(50)은 확장 서비스 등록자로부터 등록 API가 수신되면, 확장 서비스 등록자가 입력한 문제 데이터를 등록할 수 있다. 등록 API는 콘텐츠 등록 API, 서브젝트 등록 API, 태그 등록 API를 포함할 수 있다. In step S505, when the registration API is received from the extended service registrant, the extended service providing system 50 may register the problem data input by the extended service registrant. The registration API may include a content registration API, a subject registration API, and a tag registration API.
여기서 콘텐츠 등록 API는 콘텐츠 푸쉬 등록 API와 콘텐츠 풀 등록 API로 구분될 수 있다. 콘텐츠 푸쉬 등록 API는 실시간으로 콘텐츠를 등록하거나 업데이트하는 API로서, 콘텐츠 데이터베이스(32)를 거치지 않는다. 반면 콘텐츠 풀 등록 API는 데이터베이스 풀링(pulling) 방식으로서, 확장 서비스 등록자의 콘텐츠 데이터베이스(32)에 저장되어 있는 데이터를 확장 서비스 제공 시스템(50)으로 불러오기 위한 API이다.Here, the content registration API may be divided into a content push registration API and a content pool registration API. The content push registration API is an API for registering or updating content in real time, and does not go through the
S507 단계에서, 확장 서비스 제공 시스템(50)은 인공지능 모델을 학습시키기 위한 유저들의 실제 점수 데이터를 수신하고, 등록된 문제 데이터 및 수신한 실제 점수 데이터를 이용하여 초기 인공지능 모델을 학습시킬 수 있다. 이후 확장 서비스 사용자들이 문제를 풀이할수록 인공지능 모델은 추가 학습되어 보다 향상된 정확도를 가질 수 있다.In step S507, the extended service providing system 50 may receive the actual score data of users for learning the AI model, and train the initial AI model using the registered problem data and the received actual score data. . Afterwards, the more the extended service users solve the problem, the more the artificial intelligence model is trained, so that it can have improved accuracy.
S509 단계에서, 확장 서비스 제공 시스템(50)은 문제 데이터와 실제 점수 데이터에 클라이언트 ID를 부여하여 저장할 수 있다. 클라이언트 ID는 확장 서비스 별로 구분된 고유 ID일 수 있다. In step S509, the extended service providing system 50 may store the problem data and the actual score data by assigning a client ID. The client ID may be a unique ID divided for each extended service.
S511 단계에서, 확장 서비스 제공 시스템(50)은 확장 서비스 사용자로부터 조회 API가 수신되면, 조회 API에 대응되는 문제 데이터와 관련된 정보를 확장 서비스 사용자에게 제공할 수 있다. 조회 API는 콘텐츠 조회 API, 서브젝트 조회 API, 태그 목록 조회 API를 포함할 수 있다.In step S511 , when the inquiry API is received from the extended service user, the extended service providing system 50 may provide information related to problem data corresponding to the inquiry API to the extended service user. The inquiry API may include a content inquiry API, a subject inquiry API, and a tag list inquiry API.
도 6은 본 발명의 실시 예에 따른, 문제 풀이 데이터와 인공지능 모델 정보로부터 인공지능 예측을 수행하는 과정을 설명하기 위한 순서도이다.6 is a flowchart for explaining a process of performing artificial intelligence prediction from problem solving data and artificial intelligence model information, according to an embodiment of the present invention.
도 6을 참조하면, S601 단계에서, 확장 서비스 제공 시스템(50)은 확장 서비스 사용자/확장 서비스 등록자가 입력한 아이디와 비밀번호에 기초하여, 기 등록된 사용자인지 여부를 판단할 수 있다. 판단 결과, 등록된 사용자인 경우 S603 단계를 진행하고, 등록된 사용자가 아닐 경우 이후 단계들(S603 내지 S609)이 수행되지 않도록 접근을 차단시킬 수 있다.Referring to FIG. 6 , in step S601 , the extended service providing system 50 may determine whether the user is a pre-registered user based on the ID and password input by the extended service user/extended service registrant. As a result of the determination, if the user is a registered user, step S603 may be performed, and if the user is not a registered user, access may be blocked so that subsequent steps S603 to S609 are not performed.
S603 단계에서, 확장 서비스 제공 시스템(50)은 확장 서비스 사용자로부터 문제 풀이 데이터를 수신하고, S605 단계에서 문제 풀이 데이터가 입력된 순서대로 큐잉하여 저장할 수 있다.In step S603 , the extended service providing system 50 may receive the problem solving data from the extended service user, and in step S605 , queue and store the problem solving data in an input order.
S607 단계에서, 확장 서비스 제공 시스템(50)은 인공지능 모델 정보를 참고하여, 큐잉된 문제 풀이 데이터로부터 인공지능 예측 결과를 출력할 수 있다. 인공지능 모델 정보는 확장 서비스별로 사용될 인공지능 모델에 관한 정보일 수 있다. 인공지능 모델 정보는 사용자의 이전 문제 추천 내역, 예측 점수 내역 등의 사용자 로그로부터 결정될 수 있으며, 확장 서비스 별로 인공지능 모델 최적화를 위한 파라미터들을 포함할 수 있다.In step S607 , the extended service providing system 50 may output an artificial intelligence prediction result from the queued problem solving data with reference to the artificial intelligence model information. The artificial intelligence model information may be information about an artificial intelligence model to be used for each extended service. The artificial intelligence model information may be determined from user logs such as the user's previous problem recommendation history and prediction score history, and may include parameters for AI model optimization for each extended service.
S609 단계에서, 확장 서비스 제공 시스템(50)은 확장 서비스 사용자로부터 인공지능 사용 API가 수신되면, 수신한 인공지능 사용 API에 대응되는 인공지능 예측 결과를 제공할 수 있다.In step S609, when the AI usage API is received from the extended service user, the extended service providing system 50 may provide an AI prediction result corresponding to the received AI usage API.
인공지능 사용 API는, 사용자 조회 시점의 예측 점수를 제공하는 예측 점수 요청 API, 사용자 조회 시점의 예측 정답률을 제공하는 예측 정답률 요청 API, 사용자에게 적합한 문제를 추천하는 문제 추천 API, 문제풀이 데이터를 통해 사용자의 취약 분야를 태그로 제공하는 취약 태그 추천 API, 진단 테스트용 문제 추천을 받을 수 있는 진단고사용 문제 추천 API, 인공지능 모델을 고도화시키기 위해 사용자의 학습 기록을 실시간으로 전송하는 학습 기록 전송 API를 포함할 수 있다.The AI usage API is a prediction score request API that provides the predicted score at the time of user inquiry, the predicted correct rate request API that provides the predicted correct rate at the time of the user inquiry, the problem recommendation API that recommends a problem suitable for the user, and problem solving data. Vulnerable tag recommendation API that provides user's weak areas as tags, diagnostic high-use problem recommendation API that can receive problem recommendations for diagnostic tests, and learning record transmission API that transmits the user's learning record in real time to advance the artificial intelligence model may include
도 7은 본 발명의 실시 예에 따른, API 사용량의 조회를 설명하기 위한 도면이다.7 is a diagram for explaining an inquiry of API usage according to an embodiment of the present invention.
도 7을 참조하면, S701 단계에서, 확장 서비스 제공 시스템(50)은 확장 서비스 사용자로부터 사용량 확인 API를 수신할 수 있다. Referring to FIG. 7 , in step S701 , the extended service providing system 50 may receive the usage confirmation API from the extended service user.
S703 단계에서, 사용량 확인 API를 수신한 확장 서비스 제공 시스템(50)은 상기 확장 서비스 사용자가 사용한 API 사용량을 제공하거나, 또는 API 사용량에 따른 과금 정보를 제공할 수 있다.In step S703 , the extended service providing system 50 that has received the usage confirmation API may provide the API usage used by the extended service user or provide billing information according to the API usage.
이상, 도 1 내지 도 7을 참조하여, 본 발명의 실시 예에 따른, 확장 서비스 제공 시스템(50) 및 방법에 대해서 설명하였다. 이하, 도 8을 참조하여 본 발명의 몇몇 실시 예들에 따른 서버들(30, 100, 200)을 구현할 수 있는 예시적인 컴퓨팅 장치에 대해서 설명하도록 한다. The system 50 and method for providing an extended service according to an embodiment of the present invention have been described above with reference to FIGS. 1 to 7 . Hereinafter, an exemplary computing device capable of implementing the
도 8은 본 발명의 몇몇 실시 예들에 따른 서버들을 구현할 수 있는 예시적인 컴퓨팅 장치의 하드웨어 구성도이다. 8 is a hardware configuration diagram of an exemplary computing device capable of implementing servers according to some embodiments of the present disclosure.
도 8을 참조하면, 컴퓨팅 장치(800)는 하나 이상의 프로세서(810), 컴퓨터 프로그램(851)을 저장하는 스토리지(850), 프로세서(810)에 의하여 수행되는 컴퓨터 프로그램(851)을 로드(load)하는 메모리(820), 버스(830) 및 네트워크 인터페이스(840)를 포함할 수 있다. 다만, 도 8에는 본 발명의 실시 예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 8에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다. Referring to FIG. 8 , the
프로세서(810)는 컴퓨팅 장치(800)의 각 구성의 전반적인 동작을 제어한다. 프로세서(810)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(810)는 본 발명의 실시 예들에 따른 확장 서비스 제공 방법을 실행하기 위한 적어도 하나의 컴퓨터 프로그램에 대한 연산을 수행할 수 있다. 컴퓨팅 장치(800)는 하나 이상의 프로세서를 구비할 수 있다. The
메모리(820)는 컴퓨팅 장치(800)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(820)는 컴퓨팅 장치(800)에서 구동되는 다수의 컴퓨터 프로그램(app, application program, 또는 application software), 컴퓨팅 장치(800)의 동작을 위한 데이터들, 명령어들 및 정보 하나 이상을 저장한다. 컴퓨터 프로그램 중 적어도 일부는 외부 장치(도시되지 않은)로부터 다운로드 될 수 있다. 또한, 컴퓨터 프로그램 중 적어도 일부는 컴퓨팅 장치(800)의 기본적인 기능(예를 들어, 메시지 수신, 메시지 발신)을 위하여 축고 당시부터 컴퓨팅 장치(800) 상에 존재할 수 있다. 한편, 메모리(820)는 본 발명의 실시 예들에 따른 확장 서비스 제공 방법을 실행하기 위하여 스토리지(850)로부터 하나 이상의 컴퓨터 프로그램(851)을 로드할 수 있다. 도 8에서 메모리(820)의 예시로 RAM(Random Access Memory)이 도시되었다. The
버스(830)는 컴퓨팅 장치(800)의 구성 요소 간 통신 기능을 제공한다. 버스(830)는 주소 버스(Address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다. The
네트워크 인터페이스(840)는 컴퓨팅 장치(800)의 유무선 인터넷 통신을 지원한다. 또한, 네트워크 인터페이스(840)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 네트워크 인터페이스(240)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다. The
스토리지(850)는 하나 이상의 컴퓨터 프로그램(851)을 비임시적으로 저장할 수 있다. 스토리지(850)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다. The
이상, 도 8을 참조하여, 본 발명의 몇몇 실시 예들에 따른 서버들을 구현할 수 있는 예시적인 컴퓨팅 장치에 대해서 설명하였다. 도 8에 도시된 컴퓨팅 장치는 본 발명의 몇몇 실시 예들에 따른 서버들을 구현할 수 있을 뿐만 아니라, 본 발명의 몇몇 실시 예들에 따른 사용자 단말을 구현할 수도 있다. 이 경우, 컴퓨팅 장치(800)는 도 8에 도시된 구성요소들 외에도 입력부 및 출력부를 더 포함할 수 있다. An exemplary computing device capable of implementing servers according to some embodiments of the present invention has been described above with reference to FIG. 8 . The computing device shown in FIG. 8 may implement servers according to some embodiments of the present invention, as well as a user terminal according to some embodiments of the present invention. In this case, the
입력부는 영상 신호를 입력받기 위한 카메라, 오디오 신호를 입력받기 위한 마이크로폰 및 사용자로부터 정보를 입력받기 위한 사용자 입력부를 포함할 수 있다. 사용자 입력부는 터치 키(touch key) 및 기계식 키(mechanical key) 중 하나 이상을 포함할 수 있다. 카메라를 통해 수집된 영상 데이터 또는 마이크로폰을 통해 수집된 오디오 신호는 분석되어, 사용자의 제어명령으로 처리될 수 있다. The input unit may include a camera for receiving an image signal, a microphone for receiving an audio signal, and a user input unit for receiving information from a user. The user input unit may include one or more of a touch key and a mechanical key. The image data collected through the camera or the audio signal collected through the microphone may be analyzed and processed by a user's control command.
출력부는 명령 처리 결과를 시각, 청각 또는 촉각적으로 출력하기 위한 것으로, 디스플레이부, 광 출력부, 스피커 및 햅틱 출력부 및 광 출력부를 포함할 수 있다. The output unit is for visually, auditory, or tactile output of the command processing result, and may include a display unit, an optical output unit, a speaker, a haptic output unit, and an optical output unit.
본 명세서와 도면에 개시된 본 발명의 실시 예들은 본 발명의 기술 내용을 쉽게 설명하고 본 발명의 이해를 돕기 위해 특정 예를 제시한 것뿐이며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다. The embodiments of the present invention disclosed in the present specification and drawings are merely provided for specific examples to easily explain the technical content of the present invention and help the understanding of the present invention, and are not intended to limit the scope of the present invention. It will be apparent to those of ordinary skill in the art to which the present invention pertains that other modifications based on the technical spirit of the present invention can be implemented in addition to the embodiments disclosed herein.
100: 학습 콘텐츠 인공지능 서버
110: 인공지능 예측 수행부
120: 사용자 인증 수행부
130: 확장 서비스 저장부
131: 학습 콘텐츠 저장부
132: 이용 데이터 저장부
200: 접근 인터페이스 서버
210: 데이터 변환부
300: 문제 풀이 데이터 저장부100: learning content artificial intelligence server
110: artificial intelligence prediction execution unit
120: user authentication execution unit
130: extended service storage unit
131: learning content storage unit
132: usage data storage unit
200: access interface server
210: data conversion unit
300: problem solving data storage
Claims (8)
사용자의 단말로 상기 확장된 교육 콘텐츠를 제공하는 확장 서비스 서버와 통신하는 접근 인터페이스 서버; 및
상기 접근 인터페이스 서버와 통신하는 학습 콘텐츠 인공지능 서버를 포함하며,
상기 접근 인터페이스 서버는
상기 단말에서 전송된 API가 상기 확장 서비스 서버를 통해 수신되는 경우, 상기 사용자가 상기 학습 콘텐츠 인공지능 서버를 이용할 수 있는 접근 권한이 있는지를 판단하고,
상기 학습 콘텐츠 인공지능 서버는
상기 사용자가 상기 접근 권한이 있다고 판단되는 경우, 상기 단말에서 전송된 상기 API에 응답하여, 상기 확장된 교육 콘텐츠에 대한 인공지능 예측 결과를 상기 접근 인터페이스 서버를 통해 상기 확장 서비스 서버로 전송하는 확장 서비스 제공 시스템.In the extended service providing system that provides artificial intelligence prediction results for expanded educational content using API,
an access interface server communicating with an extension service server that provides the extended educational content to a user's terminal; and
A learning content artificial intelligence server that communicates with the access interface server,
The access interface server is
When the API transmitted from the terminal is received through the extension service server, it is determined whether the user has access to use the learning content artificial intelligence server,
The learning content artificial intelligence server
When it is determined that the user has the access right, in response to the API transmitted from the terminal, an artificial intelligence prediction result for the expanded educational content is transmitted to the extension service server through the access interface server. delivery system.
상기 사용자는 확장 서비스 등록자 및 확장 서비스 사용자를 포함하며,
상기 확장 서비스 등록자는 상기 확장된 교육 콘텐츠의 문제 데이터와 실제 점수 데이터를 상기 학습 콘텐츠 인공지능 서버에 등록하는 사용자이고,
상기 확장 서비스 사용자는 상기 문제 데이터와 상기 실제 점수 데이터를 사용하여 인공지능 모델이 학습되면, 문제 풀이를 시작하는 사용자이며,
상기 확장 서비스 사용자의 문제 풀이 데이터를 풀이 순서에 따라 저장공간에 큐잉하여 저장하는 문제 풀이 데이터 저장부;를 더 포함하는 확장 서비스 제공 시스템.According to claim 1,
The users include extended service registrants and extended service users,
The extended service registrant is a user who registers problem data and actual score data of the expanded educational content in the learning content artificial intelligence server,
The extended service user is a user who starts solving problems when an artificial intelligence model is learned using the problem data and the actual score data,
The extended service providing system further comprising: a problem solving data storage unit for queuing and storing the problem solving data of the extended service user in a storage space according to the solving order.
상기 학습 콘텐츠 인공지능 서버는,
상기 학습 콘텐츠 인공지능 서버를 이용하고자 하는 사용자가 상기 학습 콘텐츠 인공지능 서버에 기 등록된 사용자인지 여부를 판단하는 사용자 인증 수행부;
상기 확장된 교육 콘텐츠의 문제 데이터와 확장 서비스별로 사용될 인공지능 모델에 관한 정보인 인공지능 모델 정보를 저장하는 확장 서비스 저장부; 및
상기 확장 서비스 저장부로부터 수신된 인공지능 모델 정보를 참고하여, 상기 문제 풀이 데이터 저장부로부터 수신된 상기 문제 풀이 데이터로부터 인공지능 예측 결과를 생성하는 인공지능 예측 수행부;를 포함하는 확장 서비스 제공 시스템.3. The method of claim 2,
The learning content artificial intelligence server,
a user authentication performing unit for determining whether a user who wants to use the learning content artificial intelligence server is a user registered in the learning content artificial intelligence server;
an extended service storage unit for storing problem data of the expanded educational content and artificial intelligence model information, which is information about an artificial intelligence model to be used for each extended service; and
An artificial intelligence prediction performing unit that generates an artificial intelligence prediction result from the problem solving data received from the problem solving data storage unit with reference to the artificial intelligence model information received from the extended service storage unit; .
상기 확장 서비스 저장부는,
상기 확장 서비스 등록자가 초기에 등록한 상기 문제 데이터, 상기 확장 서비스 사용자들의 실제 점수 데이터, 문제 추천 내역, 점수 예측 내역, 확장 서비스별 인공지능 모델 파라미터 중 하나 이상을 저장하는 학습 콘텐츠 저장부; 및
상기 확장 서비스 사용자가 사용한 API 사용량을 저장하는 이용 데이터 저장부;를 포함하는 확장 서비스 제공 시스템.4. The method of claim 3,
The extended service storage unit,
a learning content storage unit for storing at least one of the problem data initially registered by the extended service registrant, actual score data of the extended service users, problem recommendation history, score prediction history, and artificial intelligence model parameters for each extended service; and
The extended service providing system comprising a; a usage data storage unit for storing the API usage used by the extended service user.
상기 접근 인터페이스 서버는,
상기 확장 서비스 사용자가 사용한 API 사용량을 기초로, 상기 확장 서비스 사용자에게 청구할 비용을 결정하는 확장 서비스 제공 시스템.5. The method of claim 4,
The access interface server,
An extended service providing system that determines a fee to be charged to the extended service user based on the API usage used by the extended service user.
상기 단말에서 전송된 API는,
상기 문제 데이터를 상기 학습 콘텐츠 인공지능 서버의 확장 서비스 저장부에 등록하기 위한 등록 API,
상기 등록된 문제 데이터와 관련된 서브젝트, 태그, 콘텐츠를 확인하기 위한 조회 API,
예측 점수, 예측 정답률을 포함하는 인공지능 예측 결과를 요청하는 인공지능 사용 API, 및
모니터링 또는 과금을 확인하기 위한 사용량 확인 API 중 하나 이상을 포함하는 확장 서비스 제공 시스템.3. The method of claim 2,
The API transmitted from the terminal is,
A registration API for registering the problem data in the extended service storage unit of the learning content artificial intelligence server,
Inquiry API for checking the subject, tag, and content related to the registered problem data;
an AI-enabled API to request AI prediction results, including prediction scores, predicted correct rates, and
An extended service delivery system that includes one or more of the usage check APIs to verify monitoring or billing.
상기 접근 인터페이스 서버는,
상기 문제 데이터, 상기 실제 점수 데이터, 상기 문제 풀이 데이터 중 하나 이상에 상기 확장 서비스 별로 구분된 클라이언트 ID를 추가하는 동작을 수행하는 데이터 변환부를 포함하는 확장 서비스 제공 시스템.3. The method of claim 2,
The access interface server,
and a data conversion unit configured to add a client ID classified for each extended service to at least one of the problem data, the actual score data, and the problem solving data.
사용자의 단말로 상기 확장된 교육 콘텐츠를 제공하는 확장 서비스 서버와 통신하는 접근 인터페이스 서버가 상기 단말에서 전송된 API를 상기 확장 서비스 서버를 통해 수신하는 단계;
상기 접근 인터페이스 서버가 상기 사용자가 학습 콘텐츠 인공지능 서버를 이용할 수 있는 접근 권한이 있는지 판단하는 단계;
상기 사용자가 상기 접근 권한이 있다고 판단되면, 상기 학습 콘텐츠 인공지능 서버가 상기 단말에서 전송된 상기 API에 응답하여, 상기 확장된 교육 콘텐츠에 대한 인공지능 예측 결과를 상기 접근 인터페이스 서버를 통해 상기 확장 서비스 서버로 전송하는 단계; 및
상기 확장 서비스 서버가 상기 확장된 교육 콘텐츠에 대한 인공지능 예측결과를 상기 사용자의 단말로 전송하는 단계를 포함하는 확장 서비스 제공 방법.In the method of providing an extended service that provides artificial intelligence prediction results for expanded educational content education content using API,
receiving, by an access interface server communicating with an extension service server that provides the extended educational content to a user's terminal, an API transmitted from the terminal through the extension service server;
determining, by the access interface server, whether the user has an access right to use the learning content artificial intelligence server;
If it is determined that the user has the access right, the learning content artificial intelligence server responds to the API transmitted from the terminal, and provides an artificial intelligence prediction result for the expanded educational content through the access interface server. sending to a server; and
and transmitting, by the extension service server, an artificial intelligence prediction result for the extended educational content to the user's terminal.
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/KR2021/008084 WO2022014898A1 (en) | 2020-07-13 | 2021-06-28 | System and method for providing extended service for providing artificial intelligence prediction result about extended education content by means of api access interface server |
US17/373,726 US20220013030A1 (en) | 2020-07-13 | 2021-07-12 | Extended service-providing system and method for providing artificial intelligence prediction results for extended education contents through api access interface server |
KR1020220010635A KR20230000405A (en) | 2021-06-24 | 2022-01-25 | Extended service providing system and method for providing artificial intelligence prediction results for extended education contents through API access interface server |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20200086318 | 2020-07-13 | ||
KR1020200086318 | 2020-07-13 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020220010635A Division KR20230000405A (en) | 2021-06-24 | 2022-01-25 | Extended service providing system and method for providing artificial intelligence prediction results for extended education contents through API access interface server |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220008219A KR20220008219A (en) | 2022-01-20 |
KR102357148B1 true KR102357148B1 (en) | 2022-02-08 |
Family
ID=80052993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210082307A KR102357148B1 (en) | 2020-07-13 | 2021-06-24 | Extended service providing system and method for providing artificial intelligence prediction results for extended education contents through API access interface server |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102357148B1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102643259B1 (en) * | 2022-09-27 | 2024-03-07 | 윤여국 | Apparatus and method for providing deep learning service for protecting original data |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140055476A (en) * | 2012-10-31 | 2014-05-09 | 주식회사 케이티 | Smart learning platform system and method for providing education services in smart learning paltform system |
-
2021
- 2021-06-24 KR KR1020210082307A patent/KR102357148B1/en active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
KR20220008219A (en) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110753908B (en) | Facilitating user device and/or proxy device actions during a communication session | |
AU2022221524B2 (en) | Tailoring an interactive dialog application based on creator provided content | |
US20090018829A1 (en) | Speech Recognition Dialog Management | |
TWI379205B (en) | Instant communication interacting system and method thereof | |
Şerban et al. | Alexa, What classes do I have today? The use of Artificial Intelligence via Smart Speakers in Education | |
JP2021528912A (en) | Recording evidence of communication in human-machine dialogue | |
CN114341864A (en) | Autonomous learning of subject values in an artificial intelligence dialog system | |
CN110574104A (en) | Automated assistant data flow | |
KR102357148B1 (en) | Extended service providing system and method for providing artificial intelligence prediction results for extended education contents through API access interface server | |
US20220013030A1 (en) | Extended service-providing system and method for providing artificial intelligence prediction results for extended education contents through api access interface server | |
JP7338839B1 (en) | Server Intermediation System, Intermediation Server, Trained Model Assist System, and Assist Server | |
Huang et al. | u‐TA: A ubiquitous teaching assistant using knowledge retrieval and adaptive learning techniques | |
KR20230000405A (en) | Extended service providing system and method for providing artificial intelligence prediction results for extended education contents through API access interface server | |
KR100442979B1 (en) | Method of on-line educating for network apparatus using simulation interface, and computer readable medium having stored thereon computer executable instruction for performing the same | |
Kyriacou | A scrutable user modelling infrastructure for enabling life-long user modelling | |
US20210050118A1 (en) | Systems And Methods For Facilitating Expert Communications | |
CN111914077A (en) | Customized speech recommendation method, device, computer equipment and storage medium | |
KR100675745B1 (en) | Service system for correction/composition/translation | |
Torres-Cruz et al. | Evaluation of Performance of Artificial Intelligence System during Voice Recognition in Social Conversation | |
JP7416390B1 (en) | mentoring system | |
KR102158191B1 (en) | Method for managing the eduacation lectures | |
KR20180137378A (en) | Contents creating method and a system thereof | |
WO2024111581A1 (en) | Information processing device and program | |
Opoku-Brobbey | Design and Implementation of NLP-based Conversational CHATBOT Framework in Higher Education | |
Huyck | Dialogue based interfaces for universal access |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A107 | Divisional application of patent | ||
GRNT | Written decision to grant |