KR102430019B1 - 제2외국어 학습 서비스 제공 시스템 - Google Patents

제2외국어 학습 서비스 제공 시스템 Download PDF

Info

Publication number
KR102430019B1
KR102430019B1 KR1020210015858A KR20210015858A KR102430019B1 KR 102430019 B1 KR102430019 B1 KR 102430019B1 KR 1020210015858 A KR1020210015858 A KR 1020210015858A KR 20210015858 A KR20210015858 A KR 20210015858A KR 102430019 B1 KR102430019 B1 KR 102430019B1
Authority
KR
South Korea
Prior art keywords
foreign language
data
user terminal
learning
writing
Prior art date
Application number
KR1020210015858A
Other languages
English (en)
Inventor
김나영
Original Assignee
김나영
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 김나영 filed Critical 김나영
Priority to KR1020210015858A priority Critical patent/KR102430019B1/ko
Application granted granted Critical
Publication of KR102430019B1 publication Critical patent/KR102430019B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/06—Foreign languages
    • 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
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

제2외국어 학습 서비스 제공 시스템이 제공되며, 말하기, 듣기, 쓰기 및 읽기 파트로 세분화된 제2외국어 교재를 출력하는 사용자 단말 및 적어도 하나의 제2외국어 교재를 말하기, 듣기, 쓰기 및 읽기 파트로 나누어 편집 및 저장하는 저장부, 사용자 단말에서 선택한 제2외국어의 제2외국어 교재를 추출하는 추출부, 사용자 단말에서 제2외국어 교재 중 말하기, 듣기, 쓰기 및 읽기 파트 중 어느 하나의 파트를 선택하면, 선택된 파트가 사용자 단말에서 출력되도록 하는 출력부를 포함하는 학습 서비스 제공 서버를 포함한다.

Description

제2외국어 학습 서비스 제공 시스템{SYSTEM FOR PROVIDING FOR EDUCATION SERVICE FOR FOREIGN LANGUAGE}
본 발명은 제2외국어 학습 서비스 제공 시스템에 관한 것으로, 제2외국어 교재를 듣기, 말하기, 쓰기 및 읽기로 세분화함으로써 각 부분별 통과가 가능하도록 하고, 집중학습효과를 거둘 수 있는 플랫폼을 제공한다.
자신이 속한 언어사회를 넘어 타언어사회와의 교류가 활발한 오늘날의 세계에서는 과거 엘리트 집단의 전유물이었던 외국어 학습이 어느 누구나 성장하면서 경험하게 되는 일상적인 의례가 되었다. 한국의 독일어 학습자는 아동기에 독일어권 거주 경험이 있는 소수를 제외하고는 학교 교육과정이 규정한 바에 따라 필수적으로 제1언어와 제2언어로 각각 한국어와 영어를 배운 제3언어 학습자이다. 이들은 독일어 학습 초기에 한국어나 영어 학습으로부터 얻은 경험과 언어적 지식을 활성화시켜 전이할 수 있는데, 전이 언어의 선택 기준에 비추어 보았을 때 제1언어인 한국어보다는 독일어와 유형학적으로 가깝고 제2언어로서의 지위를 갖고 있는 영어가 독일어 학습 시에 활성화될 가능성이 더 높다. 따라서 독일어 학습자는 영어 학습 경험으로부터 자신에게 친숙한 요소를 독일어 내에서 발견하고 이를 바탕으로 의미를 추론하게 될 것이다.
이때, 제2언어의 단어 및 어순을 배울 수 있도록 하는 방법이 연구 및 개발되었는데, 이와 관련하여, 선행기술인 한국공개특허 제2010-0016704호(2010년02월16일 공개) 및 한국공개특허 제2012-0012122호(2012년02월09일 공개)에는, 품사에 의해 분류된 단어 그룹, 유사한 발음·유사한 의미를 갖는 단어 그룹, 2 개 이상의 의미를 갖는 단어 그룹, 앞글자가 같은 단어 그룹, 마지막 글자가 같은 단어 그룹, 반의어 단어 그룹, 단수 및 복수의 단어 그룹, 접두사 접미사로 분류된 그룹을 각각 분류하여 저장할 때 단어와 그림이 연결되도록 하는 저장하고 분류 및 그림과 함께 학습할 수 있도록 하는 구성과, 제1언어의 문장과 제2언어의 문장의 어순을 동시에 표현하되, 각 문장의 대응관계를 이루는 부분들을 분할하여 표시해줌으로써 어순 차이로 인한 외국어 학습의 어려움을 최소화하고 문장의 어순을 영어, 독일어와 같은 문장의 어순으로 표현하거나 그 반대로 표현하여 효과적으로 외국어 학습을 할 수 있는 구성이 각각 개시되어 있다.
다만, 제3언어로서의 독일어 학습에서는 학습자가 제2언어와의 유사성을 인식하고 목표어 텍스트 이해에 활용할 수 있도록 집중적인 훈련이 이루어져야 한다. 한국에서 이루어지는 독일어 학습 상황과 유럽 내의 제3언어 학습 상황은 크게 다르지 않지만, 한국의 학교 교육과정은 영어를 제1외국어로 의무적으로 교수하도록 정해 놓고 있으며 독일어는 이론적으로 중학교 2학년부터 배울 수 있게 되어 있으나 대부분 고등학교 입학 후에 배우기 시작하는 것이 일반적이다. 아동기에 독일어권에 거주하는 드문 경우를 제외하면, 한국의 독일어 학습자는 필연적으로 다중언어 학습자 내지는 제3언어 학습자이다. 또한, 독일어 교육과정이 정하고 있는 학습 기간과 수업 시수에 비해 학습량과 학습 목표가 과중한 편이며 학습 동기와 조건이 제2언어에 비해 불리하다. 이에, 영어와의 유사성을 기반으로 제3언어로써의 독일어를 배울 수 있는 체계적인 학습 편재가 요구되고 있다.
본 발명의 일 실시예는, 독일어와 같은 제2외국어인 제3언어를 배울 때, 의무적으로 배우는 영어와의 유사성을 기반으로 제2외국어를 배울 수 있도록 하고, 제2외국어의 학습 편재를 의무교육에 포함된 제1외국어인 영어와 유사하게 말하기, 듣기, 쓰기 및 읽기로 세분화하고 각 부분별 통과가능하도록 함으로써 집중학습효과를 가질 수 있도록 하는, 제2외국어 학습 서비스 제공 방법을 제공할 수 있다. 다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본 발명의 일 실시예는, 말하기, 듣기, 쓰기 및 읽기 파트로 세분화된 제2외국어 교재를 출력하는 사용자 단말 및 적어도 하나의 제2외국어 교재를 말하기, 듣기, 쓰기 및 읽기 파트로 나누어 편집 및 저장하는 저장부, 사용자 단말에서 선택한 제2외국어의 제2외국어 교재를 추출하는 추출부, 사용자 단말에서 제2외국어 교재 중 말하기, 듣기, 쓰기 및 읽기 파트 중 어느 하나의 파트를 선택하면, 선택된 파트가 사용자 단말에서 출력되도록 하는 출력부를 포함하는 학습 서비스 제공 서버를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 독일어와 같은 제2외국어인 제3언어를 배울 때, 의무적으로 배우는 영어와의 유사성을 기반으로 제2외국어를 배울 수 있도록 하고, 제2외국어의 학습 편재를 의무교육에 포함된 제1외국어인 영어와 유사하게 말하기, 듣기, 쓰기 및 읽기로 세분화하고 각 부분별 통과가능하도록 함으로써 집중학습효과를 가질 수 있도록 한다.
도 1은 본 발명의 일 실시예에 따른 제2외국어 학습 서비스 제공 시스템을 설명하기 위한 도면이다.
도 2는 도 1의 시스템에 포함된 학습 서비스 제공 서버를 설명하기 위한 블록 구성도이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 제2외국어 학습 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 5는 본 발명의 일 실시예에 따른 제2외국어 학습 서비스 제공 방법을 설명하기 위한 동작 흐름도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
명세서 전체에서 사용되는 정도의 용어 "약", "실질적으로" 등은 언급된 의미에 고유한 제조 및 물질 허용오차가 제시될 때 그 수치에서 또는 그 수치에 근접한 의미로 사용되고, 본 발명의 이해를 돕기 위해 정확하거나 절대적인 수치가 언급된 개시 내용을 비양심적인 침해자가 부당하게 이용하는 것을 방지하기 위해 사용된다. 본 발명의 명세서 전체에서 사용되는 정도의 용어 "~(하는) 단계" 또는 "~의 단계"는 "~ 를 위한 단계"를 의미하지 않는다.
본 명세서에 있어서 '부(部)'란, 하드웨어에 의해 실현되는 유닛(unit), 소프트웨어에 의해 실현되는 유닛, 양방을 이용하여 실현되는 유닛을 포함한다. 또한, 1 개의 유닛이 2 개 이상의 하드웨어를 이용하여 실현되어도 되고, 2 개 이상의 유닛이 1 개의 하드웨어에 의해 실현되어도 된다. 한편, '~부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, '~부'는 어드레싱 할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 '~부'는 소프트웨어 구성요소들, 객체 지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 '~부'들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '~부'들로 결합되거나 추가적인 구성요소들과 '~부'들로 더 분리될 수 있다. 뿐만 아니라, 구성요소들 및 '~부'들은 디바이스 또는 보안 멀티미디어카드 내의 하나 또는 그 이상의 CPU들을 재생시키도록 구현될 수도 있다.
본 명세서에 있어서 단말, 장치 또는 디바이스가 수행하는 것으로 기술된 동작이나 기능 중 일부는 해당 단말, 장치 또는 디바이스와 연결된 서버에서 대신 수행될 수도 있다. 이와 마찬가지로, 서버가 수행하는 것으로 기술된 동작이나 기능 중 일부도 해당 서버와 연결된 단말, 장치 또는 디바이스에서 수행될 수도 있다.
본 명세서에서 있어서, 단말과 매핑(Mapping) 또는 매칭(Matching)으로 기술된 동작이나 기능 중 일부는, 단말의 식별 정보(Identifying Data)인 단말기의 고유번호나 개인의 식별정보를 매핑 또는 매칭한다는 의미로 해석될 수 있다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 제2외국어 학습 서비스 제공 시스템을 설명하기 위한 도면이다. 도 1을 참조하면, 제2외국어 학습 서비스 제공 시스템(1)은, 적어도 하나의 사용자 단말(100), 학습 서비스 제공 서버(300), 적어도 하나의 교수자 단말(400)을 포함할 수 있다. 다만, 이러한 도 1의 제2외국어 학습 서비스 제공 시스템(1)은, 본 발명의 일 실시예에 불과하므로, 도 1을 통하여 본 발명이 한정 해석되는 것은 아니다.
이때, 도 1의 각 구성요소들은 일반적으로 네트워크(Network, 200)를 통해 연결된다. 예를 들어, 도 1에 도시된 바와 같이, 적어도 하나의 사용자 단말(100)은 네트워크(200)를 통하여 학습 서비스 제공 서버(300)와 연결될 수 있다. 그리고, 학습 서비스 제공 서버(300)는, 네트워크(200)를 통하여 적어도 하나의 사용자 단말(100), 적어도 하나의 교수자 단말(400)과 연결될 수 있다. 또한, 적어도 하나의 교수자 단말(400)은, 네트워크(200)를 통하여 학습 서비스 제공 서버(300)와 연결될 수 있다.
여기서, 네트워크는, 복수의 단말 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크의 일 예에는 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷(WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다. 무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), 5GPP(5th Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), RF(Radio Frequency), 블루투스(Bluetooth) 네트워크, NFC(Near-Field Communication) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.
하기에서, 적어도 하나의 라는 용어는 단수 및 복수를 포함하는 용어로 정의되고, 적어도 하나의 라는 용어가 존재하지 않더라도 각 구성요소가 단수 또는 복수로 존재할 수 있고, 단수 또는 복수를 의미할 수 있음은 자명하다 할 것이다. 또한, 각 구성요소가 단수 또는 복수로 구비되는 것은, 실시예에 따라 변경가능하다 할 것이다.
적어도 하나의 사용자 단말(100)은, 제2외국어 학습 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하여 제2외국어를 학습하는 학생이나 직장인 등의 단말일 수 있다. 이때, 사용자 단말(100)은 세분화된 교재를 출력하고, 사용자는 각 파트를 통과하거나 집중하여 공부할 수 있다. 그리고, 사용자 단말(100)은, 교수자 단말(400)과 화상으로 연결되고 양방향으로 판서가 가능하도록 함으로써 교수자가 옆에서 공부를 가르쳐주는 것과 같은 효과를 줄 수 있는 단말일 수 있다.
여기서, 적어도 하나의 사용자 단말(100)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 사용자 단말(100)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 사용자 단말(100)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
학습 서비스 제공 서버(300)는, 제2외국어 학습 서비스 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 제공하는 서버일 수 있다. 그리고, 학습 서비스 제공 서버(300)는, 교수자 단말(400)에서 편집한 교재를 업로드받고 이를 사용자 단말(100)로 전송하는 서버일 수 있다. 또한, 학습 서비스 제공 서버(300)는 각 교재의 저작권에 대한 저작권 이용허락에 대한 계약 또는 라이센싱에 대한 계약을 맺고, 교수자 단말(400)에서 편집한 교재, 즉 편집 저작물에 대한 등록을 수행하는 서버일 수 있다. 그리고, 학습 서비스 제공 서버(300)는 사용자 단말(100)이 교수자 단말(400)의 학생으로 등록된 경우, 기 설정된 시간에 스케줄에 맞게 화상 연결을 수행하는 서버일 수 있다.
여기서, 학습 서비스 제공 서버(300)는, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다.
적어도 하나의 교수자 단말(400)은, 제2외국어 학습 서비스 관련 웹 페이지, 앱 페이지, 프로그램 또는 애플리케이션을 이용하는 교수자의 단말일 수 있다. 그리고, 적어도 하나의 교수자 단말(400)은, 학습 서비스 제공 서버(300)로 편집한 교재에 대한 파일 등에 대한 데이터를 업로드하는 단말일 수 있고, 사용자 단말(100)과 화상으로 양방향으로 연결되는 단말일 수 있다.
여기서, 적어도 하나의 교수자 단말(400)은, 네트워크를 통하여 원격지의 서버나 단말에 접속할 수 있는 컴퓨터로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 네비게이션, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(Desktop), 랩톱(Laptop) 등을 포함할 수 있다. 이때, 적어도 하나의 교수자 단말(400)은, 네트워크를 통해 원격지의 서버나 단말에 접속할 수 있는 단말로 구현될 수 있다. 적어도 하나의 교수자 단말(400)은, 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, 네비게이션, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말, 스마트폰(Smartphone), 스마트 패드(Smartpad), 타블렛 PC(Tablet PC) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다.
도 2는 도 1의 시스템에 포함된 학습 서비스 제공 서버를 설명하기 위한 블록 구성도이고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 제2외국어 학습 서비스가 구현된 일 실시예를 설명하기 위한 도면이다.
도 2를 참조하면, 학습 서비스 제공 서버(300)는, 저장부(310), 추출부(320), 출력부(330), 저작권관리부(340), 시험관리부(350) 및 인공지능부(360)를 포함할 수 있다.
본 발명의 일 실시예에 따른 학습 서비스 제공 서버(300)나 연동되어 동작하는 다른 서버(미도시)가 적어도 하나의 사용자 단말(100) 및 적어도 하나의 교수자 단말(400)로 제2외국어 학습 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 전송하는 경우, 적어도 하나의 사용자 단말(100) 및 적어도 하나의 교수자 단말(400)은, 제2외국어 학습 서비스 애플리케이션, 프로그램, 앱 페이지, 웹 페이지 등을 설치하거나 열 수 있다. 또한, 웹 브라우저에서 실행되는 스크립트를 이용하여 서비스 프로그램이 적어도 하나의 사용자 단말(100) 및 적어도 하나의 교수자 단말(400)에서 구동될 수도 있다. 여기서, 웹 브라우저는 웹(WWW: World Wide Web) 서비스를 이용할 수 있게 하는 프로그램으로 HTML(Hyper Text Mark-up Language)로 서술된 하이퍼 텍스트를 받아서 보여주는 프로그램을 의미하며, 예를 들어 넷스케이프(Netscape), 익스플로러(Explorer), 크롬(Chrome) 등을 포함한다. 또한, 애플리케이션은 단말 상의 응용 프로그램(Application)을 의미하며, 예를 들어, 모바일 단말(스마트폰)에서 실행되는 앱(App)을 포함한다.
도 2를 참조하면, 저장부(310)는, 적어도 하나의 제2외국어 교재를 말하기, 듣기, 쓰기 및 읽기 파트로 나누어 편집 및 저장할 수 있다. 학습자들은 읽고 들은 텍스트의 내용 및 구조를 이해함으로써 적절한 쓰기, 말하기 양식의 모델을 배울 수 있다. 나아가 내용 및 구조를 학습, 모방하는 과정을 통해 문장 및 텍스트 산출도 가능하다. 이에 수업 모형을 이해에서 표현으로 이끌며, 이해의 과정에 문법(구문) 학습을 포함시킴으로써 문장 및 텍스트 산출의 어려움을 줄이고자 한다. 읽기와 쓰기 능력은 상호보완적이기 때문에 개별적으로 다루는 것보다 통합적으로 다루는 것이 더 효율적이고 합리적이며, 문법(구문) 학습이 이해와 표현의 매개로 작용할 수 있기 때문이다. 즉 의사소통 능력 향상을 위해서는 읽기, 듣기를 전제로 문법(구문) 학습을 통해 쓰기로 의도하는 방향이 효과적일 수 있다. 그리고 단계별로 학습을 진행할 때, 교수자와 학습자, 학습자와 학습자 간의 상호작용이 전제된다. 영역별 수업 단계는 이하 표 1과 같을 수 있다.
1차시 읽기① -> 듣기 + 쓰기① 주제 및 주제에 관련된 어휘 학습
듣고 쓰기 (*어휘 및 표현)
2차시 듣기->읽기② + 문법 텍스트 듣기
어휘, 표현, 구문 학습
3차시 문법 + 쓰기② -> 쓰기③ 문장 쓰기
한 단락 쓰기
4차시 말하기->평가 쓰기 내용을 발표
하나의 주제를 기준으로 수업 단계를 나누면, 수업은 같이 총 4차시로 구분된다. 수업은 읽기①을 전제로 듣기 → 쓰기① → 읽기②→ 문법 → 쓰기② 전체가 학습의 과정이며, 학습자는 쓰기③ → 말하기를 통해 학습한 내용을 표현하게 된다. 1차시에는, 읽기①는 듣기, 쓰기, 읽기② 학습을 위한 전제로 주제에 대한 배경 지식을 습득하고 어휘 및 표현을 학습하는 단계다. 이에 이 단계를 마친 학습자는 주제에 대한 이해를 전제로 텍스트에 포함된 어휘 및 표현을 읽고 쓸 수 있다. 그리고, 독일어 어휘 및 표현을 읽고 쓰는 학습을 선행하게 되면 듣고 쓰는 데 어려움이 줄 수 있다. 독일어로 듣고 쓰는 상황에 쉽게 노출될 수 없는 국내 교수-학습 환경을 고려한다면, 학습자가 독일어로 듣고 쓰기를 준비할 수 있는 단계 또한 학습 과정에 포함되어야 한다. 듣기, 쓰기는 원어민의 목소리로 듣고 빈칸에 적절한 어휘 및 표현을 채워 넣는 단계일 수 있다. 학습자는 주제와 관련된 주요 어휘와 표현을 이전 단계에서 배우고 익혔다. 이에 관련 어휘가 제시되지 않더라도 제시된 빈 칸에 적절한 답을 채울 수 있다.2차시에, 읽기, 문법은 듣기, 쓰기를 통해 제시된 텍스트를 다시 읽으며 내용을 익히는 단계다. 먼저 1차시에서 학습한 내용을 듣기로 다시 제시하여 내용을 확인한다. 학생들은 읽기①에서 관련 주제와 관련 어휘 및 표현을 학습했지만, 해당 텍스트는 실제 텍스트가 아니다. 관련 문장을 쉽게 풀어 설명한 것으로 실제 텍스트에 제시된 어휘와 표현과는 차이가 있다. 1차시에서는 천천히 읽어주는 텍스트를 듣고 쓰기 활동을 이어갔다면, 2차시에서는 빠르게 녹음된 실제 텍스트를 제시하여 텍스트 이해의 도입을 이끈다. 듣고 쓰며 이해된 텍스트는 다시 내용으로 학습된다. 그리고 이 단계에서는 어휘와 표현 외에 실제 텍스트의 주요 구문을 문형 학습 및 연습의 내용으로 다룸으로써 쓰기 단계를 준비한다.
문법 교수-학습 과정에서 텍스트는 언어적 입력 자료로서 중요한 역할을 한다. 그러나 교사의 적절한 개입을 통해 학습자의 수준에 맞추어 입력의 빈도와 형태를 조절해야 한다. 외국어 학습을 위해서는 이해 가능한 입력을 제공하여 노출의 빈도를 높이는 것이 목표 언어의 형태와 구조를 이해하는 데 도움을 주기 때문이다. 이에 학습자가 의식적으로 문법요소에 주목할 수 있도록 입력강화 기법이활용될 수도 있다.
3차시의, 쓰기②, 쓰기③는 문형 연습과 찬반 태도 결정하기로 구분된다. 2차시에서 제시된 구문에 대한 연습이며 어휘 및 표현의 활용 과정이다. 학습자는 교수자가 제시한 어휘와 표현, 구문을 사용하여 문형을 만들 수 있으며 주제에 대한 찬반 입장을 간략하게 정리할 수 있다. 4차시 말하기(발표)에서는 3차시에 작성한 주제에 대한 찬반 입장을 발표의 형태로 진행한다. 읽고 들으며 이해한 내용, 즉 독일어로 표현한 내용을 말하기로 정리하는 것이다. 학생들은 주제에 대한 자신의 견해를 독일어로 작성하여 주장의 형태로 전달하며 동료 학습자 및 교수자와 질의응답을 나눌 수 있다.
이러한 교수법을 이용하는 경우, 이에 따라 교재가 재편집되어야 한다. 각 차시를 나누어 말하기, 듣기, 쓰기, 읽기에 대한 교재가 만들어져야 한다. 이는, 교수자 단말(400)로부터 수집하고, 교수자가 선택한 교수법에 따라 교수자가 스스로 편집이 아닌 교재를 편찬할 수도 있다. 전자의 경우에는 편집저작물 후자의 경우에는 일반적인 어문저작물로 등록이 가능하다.
또, 영어는 의무적으로 배우는 제1외국어(2L)이므로, 이에 대한 유사성을 함께 나타낼 수 있도록 교재를 재편찬하는 것도 가능하다. 즉, 한국의 독일어 학습자는 아동기에 독일어권 거주 경험이 있는 소수를 제외하고는 학교 교육과정이 규정한 바에 따라 필수적으로 제1언어와 제2언어로 각각 한국어와 영어를 배운 제3언어 학습자이다. 이들은 독일어 학습 초기에 한국어나 영어 학습으로부터 얻은 경험과 언어적 지식을 활성화시켜 전이할 수 있는데, 전이 언어의 선택 기준에 비추어 보았을 때 제1언어인 한국어보다는 독일어와 유형학적으로 가깝고 제2언어로서의 지위를 갖고 있는 영어가 독일어 학습 시에 활성화될 가능성이 더 높다. 따라서 독일어 학습자는 영어 학습 경험으로부터 자신에게 친숙한 요소를 독일어 내에서 발견하고 이를 바탕으로 의미를 추론하게 된다
EuroComRom과 EuroComGerm에 따르면, 독일어와 영어의 유사성을 다음과 같은 여섯 가지 범주로 정리할 수 있고, 제3언어로서의 독일어 학습에서는 학습자가 이러한 유사성을 인식하고 목표 어 텍스트 이해에 활용할 수 있도록 집중적인 훈련이 이루어져야 한다고 보고한다.
<공통 어휘>
독일어에는 국제 통용어와 그리스어, 라틴어에 기원을 둔 유럽 공통어휘(Europaismen)가 상당수 존재하는데, 이러한 어휘에 대해서는 일상 생활에서 사용되는 국제 통용어 지식과 약간의 영어 지식을 활용하여 어렵지 않게 정확한 의미 추론이 가능하다. 최근 대부분의 언어에서 비중이 늘고 있는 영어 EuroCom에서 국제통용어로 규정한 어휘의 상당 부분은 엄밀히 말해서 유럽 공통 어휘인데, 이런 어휘로 ‘Typologie’, ‘Nationalitat’, ‘Reaktion’, ‘kompetent’ 등이 있다. 차용어 역시 추론에 적극적으로 활용해 볼 수 있다. 또한 영어와 독일어는 기본 어휘 영역에서 많은 공통 어휘를 갖고 있으며 한국 독일어 교육과정에서 제시하고 있는 상당수의 어휘가 여기 해당되기 때문에 독일어 수업에서 이 공통 어휘를 활용할 수 있다.
<음의 상응>
독일어와 영어 간에는 동일한 어원에서 기원했지만 음운 변화를 거치며 쉽게 유사성을 쉽게 인식하기 힘든 어휘가 상당수 존재한다. 이런 어휘에 대해서는 학습자에게 부담이 되지 않는 선에서 다음과 같은 음의 상응에 대한 간단한 연습을 통하여, 향후 학습하지 않고서도 의미 추론이 가능한 어휘의 수를 증가시킬 수 있다.
<철자와 발음의 유사성>
독일어와 영어는 같은 문자를 사용하기 때문에 변모음과 ‘ß’을 제외하고는 영어의 철자 지식을 독일어 학습에 그대로 적용시킬 수 있다. 또한 독일어 학습자는 발음 측면에서 한국어에 존재하지 않거나, 구분되지 않는 음운 중 상당수가 독일어와 영어에는 구분되어 존재하며, 독일어 학습자들은 영어 학습으로부터 이미 이러한 차이가 의미의 차이를 만든다는 점을 인식할 수 있다.
<핵문장유형>
Klein/Stegmann과 Berthele을 참고하여 정리하면 로만어 만큼은 아니지만 독일어와 영어의 경우에도 상당히 비슷한 기본 문장 구조를 갖고 있다. 특히 독일어 진술문의 60%가 ‘주어+술어+X’의 문장구조를 갖고 있는데, 이는 영어도 마찬가지이다. 따라서 초급 수업에서 독일어와 영어 문장을 서로 비교, 분석하면서 유사성을 찾아보는 과정이 필수적으로 포함할 수 있다.
<형태-통사론적 요소>
영어는 역사적으로 굴절이 많이 생략된 반면, 독일어는 아직까지 이러한 형태론적 요소를 많이 포함하고 있어 단어의 의미를 즉각적으로 유추하는 데는 큰 도움이 되지 않는다. 하지만 형용사 비교급 및 최상급, 관사, 명사의 복수형, 동사 인칭 변화와 같이 한국어에 존재하지 않는 독일어의 형태-통사론적 범주에 대해 영어라는 비슷한 언어를 선행 학습함으로써 학습자들은 이러한 문법적 범주가 문장 내에서 각각 어떤 기능을 하는지, 어떤 의미의 차이를 만들어 내는지, 어떤 맥락에서 사용될 수 있는지 쉽게 파악할 수 있다.
<접두사와 접미사>
그리스어와 라틴어에 뿌리를 둔 접두사와 접미사가 유럽어에 광범위하게 사용되고 있는데, 이는 영어와 독일어도 마찬가지이다. 현재 거의 유사한 형태를 띤 35가지 접두사와 26가지 접미사가 독일어와 영어에 공통적으로 존재한다. 독일어 학습자가 이러한 접두사와 접미사를 인식하게 되면 의미와 품사 등을 쉽게 파악할 수 있게 된다.
이와 같은 독일어와 영어의 유사성에 대한 교육과 이러한 유사성의 체를 거르는 추론 과정을 통하여 EuroCom에서 제안하고 있는 것처럼 목표어 텍스트의 개괄적, 세부적 내용 파악이 가능하다. 뿐만 아니라 이는 독일어 학습자의 잠재적 어휘를 개발하는 데에도 도움을 준다. 상술한 영어-독일어 간의 유사성에 근거하여 의미 추론이 가능한 잠재적 어휘는 텍스트 작업이나 어휘 작업을 통하여 추론 결과에 대한 검증을 받게 되면 아주 쉽게 수동적 어휘로 전환될 수 있다. 결과적으로 학습자가 이미 갖고 있는 언어 지식을 활성화시키는 과정은 텍스트의 이해를 용이하게 할뿐만 아니라 어휘 목록의 확장으로도 이어질 수 있다.
추출부(320)는, 사용자 단말(100)에서 선택한 제2외국어의 제2외국어 교재를 추출할 수 있다. 만약 사용자가 제2외국어를 일본어로 선택했다면, 일본어 교재를 추출하고, 독일어 교재를 선택했다면 독일어 교재를 추출할 수 있다.
출력부(330)는, 사용자 단말(100)에서 제2외국어 교재 중 말하기, 듣기, 쓰기 및 읽기 파트 중 어느 하나의 파트를 선택하면, 선택된 파트가 사용자 단말(100)에서 출력되도록 할 수 있다. 사용자 단말(100)은, 말하기, 듣기, 쓰기 및 읽기 파트로 세분화된 제2외국어 교재를 출력할 수 있다. 이때, 교수자 단말(400)은, 사용자 단말(100)과 화상 및 화면이 양방향으로 연결될 수 있다. 그리고, 교수자 단말(400)은 적어도 하나의 제2외국어 교재를 말하기, 듣기, 쓰기 및 읽기 파트로 나누어 세분화하고 편집된 결과를 저장부(310)로 전송할 수 있다.
저작권관리부(340)는, 적어도 하나의 제2외국어 교재의 저작권자와 저작권의 이용허락 또는 라이센싱에 대한 계약을 체결하고, 체결된 계약에 대한 서류를 보관할 수 있다. 이때, 블록체인을 이용하여 저작권자의 지분을 등록할 수 있고, 저작권자의 지분은 블록체인으로 공유될 수 있다. 이때, 저작권자의 지분을 기재하기 위해서는 합의 알고리즘이 요구된다. 만약, A라는 교재 편집자가 자신이 편집하지도 않은 편집저작물에 대하여 자신이 하였다고 거짓문서를 꾸민 다음 이를 다른 노드가 블록을 복사 및 브로드캐스팅하도록 함으로써 전체 노드의 51%가 이를 보유하게 한다면 블록체인 내에서 이는 진실이 된다.
따라서, DPoS 합의 알고리즘을 이용할 수 있다. 이는, 투표를 통해 증인 혹은 대표자를 선출하여 그들로 하여금 PoS 합의 알고리즘을 진행하도록 하는 알고리즘이다. 대표자가 되고 싶은 후보자는 자신의 공개키를 네트워크에 공약과 함께 등록하고, 투표자는 지갑에 포함된 투표 권한을 통해 자신의 지분만큼 표를 받아 대표자에게 투표한다. 만약 임명받은 대표자들이 Nothing at Stake 와 같은 행위를 통해 부당 이익을 챙기고자 한다면 그 즉시 투표자들은 투표를 진행하여 새로운 대표자를 선출할 수 있다. 일반적인 PoS 합의 알고리즘을 지분을 가진 사람들에 의해 이루어지는 직접 민주주의라고 본다면 DPoS 는 지분 가진 사람들 중 일부 대표자를 선출하여 이루어지는 간접 민주주의라 할 수 있다. 이때, 동률을 막기 위해 홀수인 21명을 선출하여 진행하기 때문에 빠르며, Nothing at Stake 문제를 해결했다는 장점이 있지만, 거래소와 같이 많은 지분을 보유한 곳이 투표권을 남용하여 자신들에게 유리한 대표자를 선출할 수도 있다.
또는, PBFT 합의 알고리즘을 이용할 수 있다. 이는, 선출된 하나의 리더 노드가 검증 노드를 이용하여 타당하다고 검증된 거래를 수신하여, 합의 요청을 모두에게 전파하고 2/3 표를 ?득하여 블록을 생성한다. PBFT 합의 알고리즘은 일부 비정상 노드가 존재하더라도 정상 작동하도록 하는 분산 시스템의 BFT 알고리즘을 발전시켜서, 비동기식 네트워크에서도 사용가능하도록 하였다. 또한 PBFT에서는 전체 네트워크로 전파하여 투표하는 두 번의 브로드캐스팅 과정을 통해 더 높은 확률로 리더나 검증 노드가 이상한 노드를 보다 정확하게 제거하였다. 이미 검증된 거래를 수신하여 진행하기 때문에 보다행하기 때문에 빠르다는 장점이 있다.
또는, Ripple 합의 알고리즘을 이용할 수 있다. 이는, 네트워크 검증 서버에 의해 실행되는 비동기 라운드 기반 프로토콜로 수집 단계, 합의 단계, 마감 단계로 구성되어 진행된다. 수집 단계에서는 검증서버가 네트워크로부터 트랜잭션을 수신하여 서명의 유효성과 관련 정보의 정확성을 검사하고 제안서를 다시 네트워크에 후보 집합으로 브로드 캐스팅한다. 합의 단계에서는 서버들이 전달받은 제안서에 대해 투표를 진행하여 합의한다. 마감 단계에서는 제안서가 80% 이상의 동의를 얻으면 제안서를 후보 집합에서 제거하여 원장에 정식으로 등록되며 한 라운드가 마감된다. Ripple 합의 알고리즘은 실시간 결제 시스템을 목표로 대량의 결제를 빠르게 처리하는 것을 목표로 하며, 주로 은행간 이체 서비스를 중점으로 서비스하는 목적으로 만들어졌기 때문에 속도의 중심을 두어 개발하여 빠른 속도가 장점이다. 이를 통하여 각 프로필의 무결성을 지킬 수 있으며, 신뢰를 바탕으로 협업자를 찾을 수 있게 된다.
시험관리부(350)는, 적어도 하나의 제2외국어의 공인자격시험 스케줄을 웹크롤링으로 수집하고, 사용자 단말(100)에서 선택한 제2외국어의 공인자격시험 스케줄을 사용자 단말(100)로 안내할 수 있다.
인공지능부(360)는, 말하기 파트의 문장을 음성으로 발화한 적어도 하나의 원어민 발화 데이터의 소리 데이터 및 진동 데이터를 수집하여 저장하고, 적어도 하나의 종류의 문장을 음성으로 발화한 적어도 하나의 한국인 발화 데이터의 소리 데이터 및 진동 데이터를 수집하여 저장하며, 원어민의 소리 데이터 및 진동 데이터와, 한국인의 소리 데이터 및 진동 데이터로부터 특징 데이터를 추출하여 저장할 수 있다.
인공지능부(360)는, 원어민의 소리 데이터 및 한국인의 소리 데이터를 STFT(Short-Time Fourier Trasnform)을 이용하여 스펙트로그램(Spectrogram) 이미지로 변환하고, 변환된 스펙트로그램 이미지를 CNN(Convolutional Neural Network)를 이용하여 특징 데이터를 추출하며, 원어민의 진동 데이터 및 한국인의 진동 데이터를 시간 도메인(Time Domain)에서 XYZ축에 대하여 재구조화를 수행한 후, CNN을 이용하여 특징 데이터를 추출할 수 있다.
인공지능부(360)에서 소리 데이터를 스펙트로그램 이미지로 변환할 때, 푸리에 변환(Fourier Transform)의 비정상적인 신호에 대한 주파수 분석 기법의 오차가 생기는 문제점이 발생하고, 이와 같은 오차가 발생하는 순간에도 주파수 분석을 할 수 있는 방법이 필요하다. 이에, STFT는, 신호의 안정성을 고려하여 대상 신호를 프레임 단위로 나누어 일정한 크기의 창을 움직이면서 푸리에 변환을 하는 방법인데, 분석하고자 하는 신호에 윈도우(Window) 함수를 적용한 후 푸리에 변환을 수행하는 것으로 시간 영역에서의 STFT의 수식은 STFT(t,w)=∫x(τ-t)e-jwτ dτ이며, 인테그랄의 범위는 - 무한대에서 + 무한대까지이다.
여기서 x(τ)는 분석하고자 하는 신호이고, w(τ-t)는 윈도우 함수이다. 또, 스펙트로그램(Spectrogram)은, 소리나 파동을 시각화하여 파악하기 위한 도구로, 파형(Waveform)과 스펙트럼(Spectrum)의 특징이 조합되어 있다. 파형에서는 시간축의 변화, 즉 시간 도메인에서의 진폭축의 변화를 볼 수 있고, 스펙트럼에서는 주파수축의 변화에 따른 진폭축의 변화를 볼 수 있는 반면, 스펙트로그램에서는 시간축과 주파수축의 변화에 따라 진폭의 차이를 인쇄 농도나 표시 색상의 차이로 나타낸다.
인공지능부(360)는, 변환된 스펙트로그램 이미지를 CNN(Convolutional Neural Network)를 이용하여 특징 데이터를 추출할 수 있다. 스펙트로그램이 이미지로 출력되기 때문에, 결과적으로 이미지 분석을 통하여 사용자가 녹음한 소리 데이터를, 기 저장된 소리 데이터와 비교를 할 때, 이미지를 이용하여 비교해야 한다. 이때, 서로 다른 이미지 간에 유사도를 계산하고자 할 때 픽셀 단위의 비교를 통해서는 이미지 사이의 유사한 정도를 판단하기 어렵기 때문에, 이러한 문제를 해결하기 위해 이미지를 픽셀 단위로 비교하는 것이 아닌 이미지의 특징을 추출하여 이미지를 비교하는 방법이 존재하는데, 바로 딥러닝 기술, CNN이다.
CNN은, 스스로 이미지의 특징을 학습하고 학습된 특징을 바탕으로 이미지의 분류 및 이미지의 패턴을 인식할 수 있고, 컨볼루션 층을 이용한 네트워크 구조로 이미지 처리에 적합하며, 이미지 데이터를 입력으로 하여 이미지 내의 특징을 기반으로 이미지를 분류할 수 있기 때문에 본 발명의 일 실시예에서 이용하도록 한다. 다만, CNN에 한정되는 것은 아니고 이미지를 구분하고 그 특징을 추출할 수 있는 방법이라면 그 어떠한 것이든 가능하다 할 것이다. CNN은, 스펙트로그램의 특징을 벡터 형태로 추출하고 추출된 특징을 이용하여 이미지 간 유사도를 측정할 수 있다.
스펙트로그램의 특징을 추출하기 위해 본 발명의 일 실시예에서는, 컨볼루션(Convolution) 레이어, 활성 함수(Activation Function) 레이어, 최대 풀링(Max Pooling) 레이어로 구성된 합성곱 신경망의 기본 구조를 이용한 모델을 이용할 수 있고, 유사도를 측정하기 이전, 이미지를 분류하기 위해사용되는 소프트맥스 레이어(Softmax Layer) 이전의 레이어로부터 스펙트로그램의 특징 벡터를 추출하여 사용할 수 있다. 기본적으로 전결합 레이어(Fully-Connected Layer)를 가지는 CNN과, 특징 맵(Feature Map) 상의 평균값을 가져오는 GAP 레이어(Global Average Layer)를 가지는 모델로부터 특징을 추출하여 유사도를 측정하는 데 사용할 수 있다.
이미지의 유사도를 측정하기 위한 또 다른 모델로 CNN 기반의 오토인코더 모델을 이용할 수도 있는데, 인코더(Encoder)는 컨볼루션 신경망 구조로 구성되어 있고, 인코더의 결과로 압축된 데이터를 다시 재구성하기 위한 디코더(Decoder)를 포함할 수 있다. 학습된 오토인코더 모델의 특정 레이어로부터 스펙트로그램의 특징을 추출하고, 이를 다시 GAP 레이어를 통해 나온 특징 벡터를 이미지 유사도 측정에 사용할 수 있다. 위 세 가지 모델을 통해 추출된 이미지 특징 벡터로부터 유클리디안거리(Euclidean Distance) 및 코사인 유사도(Cosine Similarity)를 측정할 수 있고, 이를 이용하여 스펙트로그램 별 유사 정도, 즉 유사도에 따라 정렬할 수 있으며, 정렬된 순서를 이용하여 스펙트로그램 별 가장 유사하다고 판단되는 데이터뿐만 아니라 가장 유사하지 않다고 판단되는 데이터까지 확인할 수 있다.
소리 데이터에 대한 특징 데이터가 추출되었으면, 그 다음은 진동 데이터에 대한 특징 데이터를 추출해야 하는데, 인공지능부(360)는, 수집된 진동 데이터를 시간 도메인(Time Domain)에서 XYZ축에 대하여 재구조화를 수행한 후, CNN을 이용하여 특징 데이터를 추출할 수 있다. 이에 대한 기본 개념은 시간축(시간 도메인)에 대한 추의 이동의 원리로 회귀한다. 용수철에 달린 추는 시간이 지남에 따라 상하로 운동하게 되고, 중심점을 기준으로 상한점과 하한점을 왕복하면서 그래프를 남긴다. 이와 마찬가지로, 사용자가 호흡을 하는 경우 호흡 소리가 사용자 단말(100)의 마이크로 입력되고, 호흡이 언제 발생하는지, 그 세기는 어느 정도인지, 그 패턴은 어떻게 되는지에 대한 데이터 생성 및 그래프 시각화가 가능해진다. 이렇게 생성된 그래프 또한 이미지이므로, 상술한 CNN을 이용하여 인공지능부(360)는 진동 데이터에 대한 특징 데이터를 추출할 수 있다.
인공지능 알고리즘은 데이터의 수집, 전처리, 특징 데이터 추출, 학습 및 테스트의 과정을 거쳐 모델링된다. 모델링 된 후 사용되는 것도 대부분 동일한데 학습 과정만을 거치지 않는 것만이 다르다. 물론, 오류가 발생되거나 인간의 개입으로 오차가 발생하는 부분에 대하여 재학습을 하는 것도 가능하지만, 모델링이 된 후 실제 사용할 때에는 수집-전처리-추출-결과 도출의 과정으로 이루어지는 것이 일반적이다. 따라서, 상술한 과정에서 모델링이 된 후 실제 사용하는 과정을 설명했다면, 이하에서는 학습 및 테스트 과정을 거치면서 모델링이 되는 과정을 설명하기로 한다.
인공지능부(360)는, 수집된 원어민의 소리 데이터 및 진동 데이터와, 한국인의 종류별 소리 데이터 및 진동 데이터로부터 특징 데이터를 추출할 때, 추출된 특징 데이터를 LSTM(Long Short-Term Memory)에 기반하여 특징 데이터를 재추출할 수 있다. 인공지능부(360)는, 모델링하는 과정에서 차이점은, 기 설정된 기준 데이터인 레이블과 특징 데이터 간의 오차율을 산출하고, 산출된 오차율이 최소인 가중치를 특징 데이터와 매핑하여 저장하는 구성이다. 인공지능 알고리즘을 학습(Learning)하는 과정은, 특징(Features)이 이미 정해진 데이터를 사용하여 학습이 진행되게 되는데, 이때 각 데이터에 정해진 특징을 레이블(Label)이라 하며, 레이블이 있는 데이터들의 집합을 트레이닝 셋(Training Set)이라고도 한다.
예를 들어, 강아지와 강아지 사진을 짝지어둔 데이터가 존재한다고 가정하면, 인공지능 알고리즘 학습 과정은, 강아지를 식별하기 위하여 강아지 사진, 즉 강아지-강아지 사진(트레이닝 셋)을 계속 학습시키는 것이고, 강아지에 해당하는 사진, 즉 강아지 사진을 계속하여 학습시키다보면, 이후 임의의 사진이 입력(Query)으로 들어온 경우, 해당 사진이 강아지의 사진인지 아닌지, 또, 강아지의 종류는 무엇인지 등을 파악할 수 있게 된다. 또, LSTM은, 과거 학습결과를 현재 학습에 사용하는 딥러닝 네트워크인 RNN(Recurrent Neural Network)의 일종인데, 셀 상태(Cell State)를 통해 학습이 반복됨에 따라 과거 학습 정보가 사라지는 장기 의존성(Long-Term Dependency) 문제를 해결한 알고리즘이다. LSTM은 신경망(Neural Network) 모듈을 반복시키는 체인과 같은 형태로 구성되고, 인공지능부(360)에서도 CNN 과정 이후에 LSTM 과정이 실행되어 특징을 재추출한다.
LSTM의 구조는 순환신경망의 일반적인 신경들을 내부에 작은 메모리를 가진 LSTM 셀로 교체한다. 이 LSTM 셀들은 일반적인 순환신경망과 같이 연결되어 있어서, 셀 내부의 상태가 여러 단계에 걸친 오류를 기억하는 것을 도와주며, 상태를 유지하기 위해서 게이트(Gate)들로 이루어져 있다. 입력 게이트와 망각 게이트 및 출력 게이트 등을 이용하여 출력값을 조절할 수 있는데, 입력 게이트는 입력값을 얼마나 받아들일지를 결정하고, 망각 게이트는 이전의 셀 내부의 상태를 얼마나 잊어버릴지를 결정하며, 출력 게이트는 얼마나 출력할지를 결정한다. 여기서, 망각 게이트는, 입력 게이트와 동일한 형태로, 단지 곱해지는 가중치가 망각 게이트로 이어지는 가중치로 변화하고, 이전 시간에 있던 입력 데이터의 영향력을 반영할지 혹은 반영하지 않을지를 결정한다. 입력 게이트는, 현재 시간의 입력 데이터에 입력 게이트로 이어지는 가중치를 곱하여 더한 값과, 이전 시간의 메모리 블럭의 출력값과 셀 출력값에 입력 게이트로 이어지는 가중치를 곱한 값을 더하여 입력 게이트의 출력값을 계산하게 되고, 현재 시간에 받은 입력 데이터의 영향력을 반영할지의 여부를 결정한다.
LSTM은, 이처럼 셀 상태 값을 얼마나 잊어버리고, 새로운 입력 값을 얼마나 받아들일지 결정하여 더하는 구조이다. 이 과정이 반복되어도 기울기가 소멸하여 학습할 수 없어지는 일이 발생 하지 않는다. LSTM은 표준 순환신경망과 같은 방법으로 은닉 변수를 거쳐 최종 출력 값을 계산하지만, 은닉 계층의 변수 계산 과정에서 게이트들을 적절하게 이용하여 정보의 흐름을 조절한다. 이러한 결과로 LSTM 셀을 사용한 순환신경망은 시간축에 따라 변화하는 시계열데이터라도 기울기 소실 문제없이 처리할 수 있는 구조이다. 상술한 구조로 인하여 이미지(스펙트로그램)로부터 CNN 및 LSTM을 거쳐 특징을 추출하고, 추출된 특징(특징 데이터)과, 기준값인 레이블을 비교하면서 학습결과가 제대로 되었는지를 오차를 구함으로써 파악하고, 오차가 최소치인 가중치(LSTM에서 사용됨)를 기억하도록 저장함으로써 이후 쿼리인 질의가 입력되었을 때, 질의에 대응하는 가중치를 적용하고 STFT, CNN, LSTM을 순차적으로 거침으로써 사용자의 호흡이나 발음 또는 연음 등이 어떠한 상태인지를 진단하게 될 수 있다.
이하, 상술한 도 2의 학습 서비스 제공 서버의 구성에 따른 동작 과정을 도 3 및 도 4를 예로 들어 상세히 설명하기로 한다. 다만, 실시예는 본 발명의 다양한 실시예 중 어느 하나일 뿐, 이에 한정되지 않음은 자명하다 할 것이다.
도 3을 참조하면, (a) 학습 서비스 제공 서버(300)는 교수자 단말(400)로부터 교재를 편집한 데이터를 업로드받고 (b) 사용자 단말(100)에서 교재를 선택하여 출력하는 경우 각 파트별로 세분화되어 출력되도록 한다. 그리고, (c) 교수자-학습자 간 수업을 할 때에는 양방향 화상 회의를 기반으로 양방향으로 판서가 가능하도록 채널을 형성할 수 있고, (d) 각 교재를 이용할 때에는 저작권 계약을 수행한 후 편집저작물에 대한 저작권 등록까지 이행할 수 있다. 도 4a와 같이 학습자를 모집할 수 있고, 도 4b와 같이 교수자가 편집을 한 후 이를 학습 서비스 제공 서버(300)로 업로드할 수 있다.
이와 같은 도 2 내지 도 4의 제2외국어 학습 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1을 통해 제2외국어 학습 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5는 본 발명의 일 실시예에 따른 도 1의 제2외국어 학습 서비스 제공 시스템에 포함된 각 구성들 상호 간에 데이터가 송수신되는 과정을 나타낸 도면이다. 이하, 도 5를 통해 각 구성들 상호간에 데이터가 송수신되는 과정의 일 예를 설명할 것이나, 이와 같은 실시예로 본원이 한정 해석되는 것은 아니며, 앞서 설명한 다양한 실시예들에 따라 도 5에 도시된 데이터가 송수신되는 과정이 변경될 수 있음은 기술분야에 속하는 당업자에게 자명하다.
도 5를 참조하면, 학습 서비스 제공 서버는, 적어도 하나의 제2외국어 교재를 말하기, 듣기, 쓰기 및 읽기 파트로 나누어 편집 및 저장한다(S5100).
그리고, 학습 서비스 제공 서버는, 사용자 단말에서 선택한 제2외국어의 제2외국어 교재를 추출하고(S5200), 사용자 단말에서 제2외국어 교재 중 말하기, 듣기, 쓰기 및 읽기 파트 중 어느 하나의 파트를 선택하면, 선택된 파트가 사용자 단말에서 출력한다(S5300).
상술한 단계들(S5100~S5300)간의 순서는 예시일 뿐, 이에 한정되지 않는다. 즉, 상술한 단계들(S5100~S5300)간의 순서는 상호 변동될 수 있으며, 이중 일부 단계들은 동시에 실행되거나 삭제될 수도 있다.
이와 같은 도 5의 제2외국어 학습 서비스 제공 방법에 대해서 설명되지 아니한 사항은 앞서 도 1 내지 도 4를 통해 제2외국어 학습 서비스 제공 방법에 대하여 설명된 내용과 동일하거나 설명된 내용으로부터 용이하게 유추 가능하므로 이하 설명을 생략하도록 한다.
도 5를 통해 설명된 일 실시예에 따른 제2외국어 학습 서비스 제공 방법은, 컴퓨터에 의해 실행되는 애플리케이션이나 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다.
전술한 본 발명의 일 실시예에 따른 제2외국어 학습 서비스 제공 방법은, 단말기에 기본적으로 설치된 애플리케이션(이는 단말기에 기본적으로 탑재된 플랫폼이나 운영체제 등에 포함된 프로그램을 포함할 수 있음)에 의해 실행될 수 있고, 사용자가 애플리케이션 스토어 서버, 애플리케이션 또는 해당 서비스와 관련된 웹 서버 등의 애플리케이션 제공 서버를 통해 마스터 단말기에 직접 설치한 애플리케이션(즉, 프로그램)에 의해 실행될 수도 있다. 이러한 의미에서, 전술한 본 발명의 일 실시예에 따른 제2외국어 학습 서비스 제공 방법은 단말기에 기본적으로 설치되거나 사용자에 의해 직접 설치된 애플리케이션(즉, 프로그램)으로 구현되고 단말기에 등의 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (6)

  1. 말하기, 듣기, 쓰기 및 읽기 파트로 세분화된 제2외국어 교재를 출력하는 사용자 단말; 및
    적어도 하나의 제2외국어 교재를 말하기, 듣기, 쓰기 및 읽기 파트로 나누어 편집 및 저장하는 저장부, 상기 사용자 단말에서 선택한 제2외국어의 제2외국어 교재를 추출하는 추출부, 상기 사용자 단말에서 상기 제2외국어 교재 중 말하기, 듣기, 쓰기 및 읽기 파트 중 어느 하나의 파트를 선택하면, 선택된 파트가 상기 사용자 단말에서 출력되도록 하는 출력부를 포함하는 학습 서비스 제공 서버;
    상기 사용자 단말과 화상 및 화면이 양방향으로 연결되는 교수자 단말;
    을 포함하되,
    상기 교수자 단말은 상기 적어도 하나의 제2외국어 교재를 말하기, 듣기, 쓰기 및 읽기 파트로 나누어 세분화하고 편집된 결과를 상기 저장부로 전송하고,
    상기 학습 서비스 제공 서버는,
    상기 적어도 하나의 제2외국어 교재의 저작권자와 저작권의 이용허락 또는 라이센싱에 대한 계약을 체결하고, 체결된 계약에 대한 서류를 보관하며, 블록체인을 이용하여 상기 저작권자의 지분을 등록하고 지분을 공유하는 저작권관리부;
    적어도 하나의 제2외국어의 공인자격시험 스케줄을 웹크롤링으로 수집하고, 상기 사용자 단말에서 선택한 제2외국어의 공인자격시험 스케줄을 상기 사용자 단말로 안내하는 시험관리부;
    상기 말하기 파트의 문장을 음성으로 발화한 적어도 하나의 원어민 발화 데이터의 소리 데이터 및 진동 데이터를 수집하여 저장하고, 상기 적어도 하나의 종류의 문장을 음성으로 발화한 적어도 하나의 한국인 발화 데이터의 소리 데이터 및 진동 데이터를 수집하여 저장하며, 원어민의 소리 데이터 및 진동 데이터와, 상기 한국인의 소리 데이터 및 진동 데이터로부터 특징 데이터를 추출하여 저장하되,
    상기 소리 데이터와 상기 진동 데이터로부터 각각의 상기 특징 데이터를 추출하여 저장하는 인공지능부;를 포함하며,
    상기 인공지능부는,
    상기 소리 데이터를 STFT(Short-Time Fourier Trasnform)을 이용하여 스펙트로그램(Spectrogram) 이미지로 변환하고, 변환된 상기 스펙트로그램 이미지를 CNN(Convolutional Neural Network)를 이용하여 특징 데이터를 추출하고,
    상기 진동 데이터를 시간 도메인(Time Domain)에서 XYZ축에 대하여 재구조화를 수행한 후, CNN을 이용하여 특징 데이터를 추출하는 것을
    특징으로 하는 제2외국어 학습 서비스 제공 시스템.
  2. 삭제
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
KR1020210015858A 2021-02-04 2021-02-04 제2외국어 학습 서비스 제공 시스템 KR102430019B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210015858A KR102430019B1 (ko) 2021-02-04 2021-02-04 제2외국어 학습 서비스 제공 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210015858A KR102430019B1 (ko) 2021-02-04 2021-02-04 제2외국어 학습 서비스 제공 시스템

Publications (1)

Publication Number Publication Date
KR102430019B1 true KR102430019B1 (ko) 2022-08-08

Family

ID=82845427

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210015858A KR102430019B1 (ko) 2021-02-04 2021-02-04 제2외국어 학습 서비스 제공 시스템

Country Status (1)

Country Link
KR (1) KR102430019B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060017337A (ko) * 2004-08-20 2006-02-23 동아시테크주식회사 외국어 강의 및 학습 평가 시스템과 그 시스템을 이용한외국어 강의 및 학습평가 방법
KR20110046937A (ko) * 2009-10-29 2011-05-06 강진호 음성분석기술을 이용한 시각적 영어 발음 교정시스템 및 교정법
KR20120089021A (ko) * 2011-02-01 2012-08-09 최영민 다국적 학습자들을 대상으로 한 다국어 온라인 학습의 컨텐츠 매칭 시스템 및 방법
KR20140075994A (ko) * 2012-12-12 2014-06-20 주홍찬 의미단위 및 원어민의 발음 데이터를 이용한 언어교육 학습장치 및 방법
KR101845304B1 (ko) * 2017-01-06 2018-05-18 박진하 언어 학습 시스템
KR20190107540A (ko) * 2018-03-12 2019-09-20 이영식 외국어 학습 관리 시스템 및 학습 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060017337A (ko) * 2004-08-20 2006-02-23 동아시테크주식회사 외국어 강의 및 학습 평가 시스템과 그 시스템을 이용한외국어 강의 및 학습평가 방법
KR20110046937A (ko) * 2009-10-29 2011-05-06 강진호 음성분석기술을 이용한 시각적 영어 발음 교정시스템 및 교정법
KR20120089021A (ko) * 2011-02-01 2012-08-09 최영민 다국적 학습자들을 대상으로 한 다국어 온라인 학습의 컨텐츠 매칭 시스템 및 방법
KR20140075994A (ko) * 2012-12-12 2014-06-20 주홍찬 의미단위 및 원어민의 발음 데이터를 이용한 언어교육 학습장치 및 방법
KR101845304B1 (ko) * 2017-01-06 2018-05-18 박진하 언어 학습 시스템
KR20190107540A (ko) * 2018-03-12 2019-09-20 이영식 외국어 학습 관리 시스템 및 학습 방법

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
공개특허공보 제10-2011-0046937호(2011.5.6. 공개) 1부.*
공개특허공보 제10-2019-0107540호(2019.9.20. 공개) 1부.*
등록특허공보 제10-1845304호(2018.5.18. 공고) 1부.*

Similar Documents

Publication Publication Date Title
Dyson et al. The right (write) start: African American language and the discourse of sounding right
Coker Impact of first-grade factors on the growth and outcomes of urban schoolchildren's primary-grade writing.
Jin et al. Distinguishing features in scoring L2 Chinese speaking performance: How do they work?
Gellert et al. Try a little bit of teaching: A dynamic assessment of word decoding as a kindergarten predictor of word reading difficulties at the end of grade 1
Silvestri et al. A grounded theory of effective reading by profoundly deaf adults
Olson Orality And Literacy: A Symposium In Honor Of David Olson: Oral Discourse In a World of Literacy
CN112184503A (zh) 用于学前教育质量评价的儿童多项能力评分方法及系统
Bae et al. Role of morphological awareness in biliteracy development: Within-and cross-language perspectives among Korean ESL learners in grades five and six
Prahaladaiah et al. Effect of Phonological and Phonetic Interventions on Proficiency in English Pronunciation and Oral Reading
KR102355960B1 (ko) 자격조건검증 기반 한국어 교육 서비스 제공 시스템
Bowern et al. Decolonizing historical linguistics in the classroom and beyond
KR102395702B1 (ko) 문장을 이루는 단위를 단계별 확장하여 스텝화한 영어 교육 서비스 제공 방법
Xu An Adaptive Learning System for English Vocabulary Using Machine Learning
Liu et al. Deep learning scoring model in the evaluation of oral English teaching
KR102430019B1 (ko) 제2외국어 학습 서비스 제공 시스템
Luo Research on multifeature intelligent correction of spoken English
Yang Machine learning for English teaching: a novel evaluation method
Ligembe Factors affecting the acquisition of reading skills in Kiswahili in primary schools: The case of Musoma municipal and Misungwi district councils
Gong A transformation of oral english teaching method in the network environment
Lechtenberg et al. Challenging hierarchies of reading and text selection in the revised publishers’ criteria for the common core state standards
Moon et al. Can secondary teaching graduates support literacy in the classroom?: Evidence from undergraduate assignments
KR102645783B1 (ko) 외국인 대상 한국어 교육 서비스 제공 시스템
Claessen et al. The information score as a measure of oral discourse comprehension in the early school years
Henanggil et al. A Synectic Model Based on Literature Ecocritic in Poetry Writing Learning
Warren et al. Raising the Volume of Student Voices through Grammar Instruction.

Legal Events

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