KR102450197B1 - Apparatus and method for generating prerequisite learning contents - Google Patents

Apparatus and method for generating prerequisite learning contents Download PDF

Info

Publication number
KR102450197B1
KR102450197B1 KR1020200044454A KR20200044454A KR102450197B1 KR 102450197 B1 KR102450197 B1 KR 102450197B1 KR 1020200044454 A KR1020200044454 A KR 1020200044454A KR 20200044454 A KR20200044454 A KR 20200044454A KR 102450197 B1 KR102450197 B1 KR 102450197B1
Authority
KR
South Korea
Prior art keywords
learning content
learning
lecture
learner
attribute
Prior art date
Application number
KR1020200044454A
Other languages
Korean (ko)
Other versions
KR20210126868A (en
Inventor
임준철
Original Assignee
(주)유밥
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)유밥 filed Critical (주)유밥
Priority to KR1020200044454A priority Critical patent/KR102450197B1/en
Publication of KR20210126868A publication Critical patent/KR20210126868A/en
Application granted granted Critical
Publication of KR102450197B1 publication Critical patent/KR102450197B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/258—Heading extraction; Automatic titling; Numbering
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Primary Health Care (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

사전학습 콘텐츠 생성 장치 및 방법이 개시된다. 본 발명의 일 측면에 따른 사전학습 콘텐츠 생성 장치는, 강의자 단말기로부터 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호가 수신되면, 상기 강의 관련 정보 및 학습자 관련 정보로부터 기 설정된 하나 이상의 색인어를 추출하는 색인어 추출부, 상기 색인어별 학습 콘텐츠들을 검색하여 상기 강의자 단말기에 추천하는 학습 콘텐츠 추천부, 상기 추천된 학습 콘텐츠들 중에서 상기 강의자에 의해 선택된 학습 콘텐츠를 이용하여 사전학습 콘텐츠를 생성하는 사전학습 콘텐츠 생성부를 포함한다. Disclosed are an apparatus and method for generating pre-learning content. When a learning content request signal including lecture-related information and learner-related information is received from a lecturer terminal, the pre-learning content generating apparatus according to an aspect of the present invention generates one or more preset index words from the lecture-related information and learner-related information. An index word extraction unit to extract, a learning content recommendation unit that searches for learning contents for each index word and recommends to the lecturer terminal, and a pre-learning for generating pre-learning contents using the learning contents selected by the instructor from among the recommended learning contents It includes a content generation unit.

Description

사전학습 콘텐츠 생성 장치 및 방법{APPARATUS AND METHOD FOR GENERATING PREREQUISITE LEARNING CONTENTS}Apparatus and method for generating pre-learning contents {APPARATUS AND METHOD FOR GENERATING PREREQUISITE LEARNING CONTENTS}

본 발명은 사전학습 콘텐츠 생성 장치 및 방법에 관한 것으로서, 보다 상세하게는 강의자가 자신의 오프라인 교육과정인 집합교육의 선행학습으로서 사전학습 콘텐츠를 용이하게 생성할 수 있는 사전학습 콘텐츠 생성 장치 및 방법에 관한 것이다. The present invention relates to an apparatus and method for generating pre-learning content, and more particularly, to an apparatus and method for generating pre-learning content by which a lecturer can easily create pre-learning content as a prior learning of his/her offline curriculum, collective education. it's about

최근 IT 기술의 발전과 함께 오프라인(off-line) 교육과 더불어 온라인(on-line) 교육을 시행하는 이러닝(e-learning) 서비스가 부각되고 있다. 여기서, 오프라인 교육이란 학교, 학원 등에서 교재를 통해 실시되는 교육을 의미하고, 온라인 교육이란 인터넷 및 인트라넷 등의 네트워크 접속 기술과 다양한 멀티미디어 콘텐츠를 이용하여 실시되는 교육을 의미한다.Recently, with the development of IT technology, an e-learning service that implements on-line education as well as off-line education has been highlighted. Here, offline education refers to education conducted through textbooks at schools, private institutes, etc., and online education refers to education conducted using network connection technologies such as the Internet and intranets and various multimedia contents.

한편, 토론, 실험 등의 집합교육은 대부분 오프라인상에서 실시하고 있다. 하지만, 학습자들은 해당 집합교육에 대한 기초 배경 지식이 다르므로, 강의자는 학습자의 다양한 기초 배경 수준에 맞춰 집합교육하는데 어려움이 있다. 이에, 강의자들은 집합교육에 대한 기초 배경 지식을 포함하는 학습 콘텐츠를 생성하고, 그 학습 콘텐츠를 집합교육에 대한 선행학습으로 제공하고 있다. On the other hand, group education such as discussion and experimentation is mostly conducted offline. However, since learners have different basic background knowledge about the group education, it is difficult for the instructor to provide group education according to the learners' various basic background levels. Accordingly, lecturers create learning content including basic background knowledge on collective education, and provide the learning content as a prior learning for collective education.

그러나 컴퓨터 프로그래밍에 익숙하지 않은 강의자는 학습 콘텐츠의 생성과 배포에 어려움을 겪는 경우가 많다. 또한, 인터넷 학습 콘텐츠의 제작은 장비, 많은 시간과 비용이 소요되므로, 일반 개인이 콘텐츠를 제작하기에는 어려운 문제점이 있다.However, lecturers who are not familiar with computer programming often have difficulties in creating and distributing learning content. In addition, since production of Internet learning content requires equipment, a lot of time and money, it is difficult for ordinary individuals to produce content.

본 발명의 배경기술은 대한민국 공개특허공보 제2011-0070625호(2011.06.24)의 '학습 컨텐츠 제공 시스템 및 방법'에 개시되어 있다.The background technology of the present invention is disclosed in 'Learning content providing system and method' of Korean Patent Application Laid-Open No. 2011-0070625 (June 24, 2011).

본 발명은 전술한 문제점을 개선하기 위하여 인출된 것으로, 본 발명의 목적은 강의자가 자신의 오프라인 교육과정인 집합교육의 선행학습으로서 사전학습 콘텐츠를 용이하게 생성할 수 있도록 하는 사전학습 콘텐츠 생성 장치 및 방법을 제공하는 것이다. The present invention has been drawn up to improve the above-described problems, and an object of the present invention is to provide a pre-learning content generating device and to provide a way

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

본 발명의 일 측면에 따른 사전학습 콘텐츠 생성 장치는, 강의자 단말기로부터 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호가 수신되면, 상기 강의 관련 정보 및 학습자 관련 정보로부터 기 설정된 하나 이상의 색인어를 추출하는 색인어 추출부, 상기 색인어별 학습 콘텐츠들을 검색하여 상기 강의자 단말기에 추천하는 학습 콘텐츠 추천부, 상기 추천된 학습 콘텐츠들 중에서 상기 강의자에 의해 선택된 학습 콘텐츠를 이용하여 사전학습 콘텐츠를 생성하는 사전학습 콘텐츠 생성부를 포함한다. When a learning content request signal including lecture-related information and learner-related information is received from a lecturer terminal, the pre-learning content generating apparatus according to an aspect of the present invention generates one or more preset index words from the lecture-related information and learner-related information. An index word extraction unit to extract, a learning content recommendation unit that searches for learning contents for each index word and recommends to the lecturer terminal, and a pre-learning for generating pre-learning contents using the learning contents selected by the instructor from among the recommended learning contents It includes a content generation unit.

본 발명에서 상기 색인어 추출부는, 상기 강의 관련 정보로부터 학습 역량, 학습 목표, 및 강의 제목 중 적어도 하나에 설정된 색인어를 추출하고, 상기 학습자 관련 정보로부터 직업, 교육정도 및 역량 수준 중 적어도 하나에 설정된 색인어를 추출할 수 있다. In the present invention, the index word extraction unit extracts an index word set in at least one of a learning competency, a learning goal, and a lecture title from the lecture-related information, and an index word set in at least one of a job, an educational level, and a competency level from the learner-related information can be extracted.

본 발명은 속성 키워드별로 학습 콘텐츠가 저장된 데이터베이스를 더 포함할 수 있고, 상기 학습 콘텐츠 추천부는 상기 데이터베이스로부터 각 색인어와 매칭되는 속성 키워드별로 하나 이상의 학습 콘텐츠를 검색하고, 상기 속성 키워드별로 검색된 하나 이상의 학습 콘텐츠들 중에서 중복 횟수 또는 가중치에 기초하여 일정 개수의 학습 콘텐츠를 추출하며, 상기 일정 개수의 학습 콘텐츠를 상기 강의자 단말기에 추천할 수 있다. The present invention may further include a database in which learning content is stored for each attribute keyword, wherein the learning content recommendation unit searches for one or more learning content for each attribute keyword matching each index word from the database, and one or more learning contents searched for each attribute keyword A predetermined number of learning contents may be extracted from among contents based on the number of duplicates or weights, and the predetermined number of learning contents may be recommended to the lecturer terminal.

본 발명에서 상기 학습 콘텐츠 추천부는, 상기 각 색인어와 매칭되는 속성 키워드를 확인하고, 각 속성 키워드의 학습 콘텐츠들을 학습 이력이 가장 많은 순서대로 정렬하고, 상위에 랭크된 기 설정된 개수의 학습 콘텐츠를 검색할 수 있다. In the present invention, the learning content recommendation unit checks the attribute keyword matching each index word, sorts the learning contents of each attribute keyword in the order of the greatest number of learning histories, and searches for a preset number of learning contents ranked at the top can do.

본 발명에서 상기 사전학습 콘텐츠 생성부는, 상기 강의자가 선택한 학습 콘텐츠들을 강의자의 요청에 따라 편집하거나 이어 붙여 사전학습 콘텐츠를 생성할 수 있다. In the present invention, the pre-learning content generation unit may generate pre-learning content by editing or concatenating the learning contents selected by the lecturer according to the request of the lecturer.

본 발명에서 상기 사전학습 콘텐츠 생성부는, 상기 학습 콘텐츠의 원본코드를 생성하고, 상기 학습 콘텐츠의 원본코드에 다른 포맷의 학습 콘텐츠를 연결하기 위한 심벌릭 링크 코드를 생성하며, 상기 심벌릭 링크 코드를 이용하여 다른 포맷의 학습 콘텐츠를 연결하여 사전학습 콘텐츠를 생성할 수 있다. In the present invention, the pre-learning content generating unit generates an original code of the learning content, generates a symbolic link code for linking learning content in a different format to the original code of the learning content, and generates the symbolic link code It can be used to create pre-learning content by linking learning content in different formats.

본 발명의 다른 측면에 따른 사전학습 콘텐츠 생성 방법은, 강의자 단말기로부터 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호가 수신되면, 색인어 추출부가 상기 강의 관련 정보 및 학습자 관련 정보로부터 기 설정된 하나 이상의 색인어를 추출하는 단계, 학습 콘텐츠 추천부가 상기 색인어별 학습 콘텐츠들을 검색하여 상기 강의자 단말기에 추천하는 단계, 및 사전학습 콘텐츠 생성부가 상기 추천된 학습 콘텐츠들 중에서 상기 강의자에 의해 선택된 학습 콘텐츠를 이용하여 사전학습 콘텐츠를 생성하는 단계를 포함한다. In a method for generating pre-learning content according to another aspect of the present invention, when a learning content request signal including lecture-related information and learner-related information is received from a lecturer terminal, an index word extracting unit selects one preset from the lecture-related information and learner-related information extracting the above index words, the learning content recommendation unit searching for the learning contents for each index word and recommending them to the lecturer terminal, and the pre-learning contents generating unit using the learning contents selected by the instructor from among the recommended learning contents and generating the pre-learning content.

본 발명은 상기 기 설정된 하나 이상의 색인어를 추출하는 단계에서, 상기 색인어 추출부는 상기 강의 관련 정보로부터 학습 역량, 학습 목표, 및 강의 제목 중 적어도 하나에 설정된 색인어를 추출하고, 상기 학습자 관련 정보로부터 직업, 교육정도 및 역량 수준 중 적어도 하나에 설정된 색인어를 추출할 수 있다. In the present invention, in the step of extracting the one or more preset index words, the index word extraction unit extracts an index word set in at least one of a learning competency, a learning goal, and a lecture title from the lecture-related information, and a job, An index word set in at least one of education level and competency level can be extracted.

본 발명은 상기 색인어별 학습 콘텐츠들을 검색하여 상기 강의자 단말기에 추천하는 단계에서, 상기 학습 콘텐츠 추천부는, 각 색인어와 매칭되는 속성 키워드별로 하나 이상의 학습 콘텐츠를 검색하고, 상기 속성 키워드별로 검색된 하나 이상의 학습 콘텐츠들 중에서 중복 횟수 또는 가중치에 기초하여 일정 개수의 학습 콘텐츠를 추출하며, 상기 일정 개수의 학습 콘텐츠를 상기 강의자 단말기에 추천할 수 있다. In the present invention, in the step of searching for learning contents for each index word and recommending it to the lecturer terminal, the learning content recommendation unit searches for one or more learning contents for each attribute keyword matching each index word, and searches for one or more learning contents searched for each attribute keyword. A predetermined number of learning contents may be extracted from among contents based on the number of duplicates or weights, and the predetermined number of learning contents may be recommended to the lecturer terminal.

본 발명은 상기 속성 키워드별로 하나 이상의 학습 콘텐츠 검색 시, 상기 학습 콘텐츠 추천부는, 상기 각 색인어와 매칭되는 속성 키워드를 확인하고, 각 속성 키워드의 학습 콘텐츠들을 학습 이력이 가장 많은 순서대로 정렬하고, 상위에 랭크된 기 설정된 개수의 학습 콘텐츠를 검색할 수 있다. In the present invention, when searching for one or more learning contents for each attribute keyword, the learning content recommendation unit identifies attribute keywords matching each index word, and sorts the learning contents of each attribute keyword in the order of the greatest number of learning histories, It is possible to search for a preset number of learning contents ranked in .

본 발명은 상기 사전학습 콘텐츠를 생성하는 단계에서, 상기 사전학습 콘텐츠 생성부는 상기 강의자가 선택한 학습 콘텐츠들을 강의자의 요청에 따라 편집하거나 이어 붙여 사전학습 콘텐츠를 생성할 수 있다. In the present invention, in the step of generating the pre-learning content, the pre-learning content generating unit may create the pre-learning content by editing or attaching the learning contents selected by the instructor according to the request of the instructor.

본 발명은 상기 사전학습 콘텐츠를 생성하는 단계에서, 상기 사전학습 콘텐츠 생성부는 상기 학습 콘텐츠의 원본코드를 생성하고, 상기 학습 콘텐츠의 원본코드에 다른 포맷의 학습 콘텐츠를 연결하기 위한 심벌릭 링크 코드를 생성하며, 상기 심벌릭 링크 코드를 이용하여 다른 포맷의 학습 콘텐츠를 연결하여 사전학습 콘텐츠를 생성할 수 있다. In the present invention, in the step of generating the pre-learning content, the pre-learning content generating unit generates an original code of the learning content, and provides a symbolic link code for linking the learning content in another format to the original code of the learning content. and, by using the symbolic link code, it is possible to generate pre-learning content by linking learning content in different formats.

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

본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 장치 및 방법은 강의자가 자신의 오프라인 교육과정인 집합교육의 선행학습으로서 사전학습 콘텐츠를 용이하게 생성할 수 있다. The apparatus and method for generating pre-learning content according to an embodiment of the present invention enables a lecturer to easily create pre-learning content as a prior learning of group education, which is his/her offline curriculum.

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

도 1은 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 시스템을 설명하기 위한 도면이다.
도 2는 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 장치를 개략적으로 나타낸 블록도이다.
도 3은 도 2에 도시된 학습 콘텐츠 데이터베이스를 설명하기 위한 예시도이다.
도 4는 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 방법을 설명하기 위한 예시도이다.
도 5는 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 장치가 사전학습 콘텐츠를 생성하는 방법을 설명하기 위한 흐름도이다.1 is a diagram for explaining a system for generating pre-learning content according to an embodiment of the present invention.
2 is a block diagram schematically illustrating an apparatus for generating pre-learning content according to an embodiment of the present invention.
FIG. 3 is an exemplary diagram for explaining the learning content database shown in FIG. 2 .
4 is an exemplary diagram for explaining a method for generating pre-learning content according to an embodiment of the present invention.
5 is a diagram for explaining a method for generating pre-learning content according to an embodiment of the present invention.
6 is a flowchart illustrating a method for generating pre-learning content by an apparatus for generating pre-learning content according to an embodiment of the present invention.

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

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

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

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

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

도 1은 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 시스템을 설명하기 위한 도면이다.1 is a diagram for explaining a system for generating pre-learning content according to an embodiment of the present invention.

도 1을 참조하면, 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 시스템은 강의자 단말기(100) 및 사전학습 콘텐츠 생성 장치(200)를 포함한다. Referring to FIG. 1 , a system for generating pre-learning content according to an embodiment of the present invention includes a lecturer terminal 100 and an apparatus 200 for generating pre-learning content.

강의자 단말기(100)는 사전학습 콘텐츠 생성 장치(200)가 제공하는 학습 콘텐츠 서비스 어플리케이션 또는 학습 콘텐츠 서비스 사이트를 실행 또는 표시할 수 있으며, 강의자 단말기(100)를 통하여 강의자의 접속 식별 정보(ID) 및 패스워드를 수신한 사전학습 콘텐츠 생성 장치(200)는 학습 콘텐츠 서비스 어플리케이션 또는 학습 콘텐츠 서비스 사이트에 대한 강의자 인증을 수행할 수 있다. The lecturer terminal 100 may execute or display a learning content service application or a learning content service site provided by the pre-learning content generating device 200 , and the lecturer's access identification information (ID) and The pre-learning content generating apparatus 200 that has received the password may perform instructor authentication for the learning content service application or the learning content service site.

강의자 단말기(100)는 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 정보를 사전학습 콘텐츠 생성 장치(200)로 전송하고, 사전학습 콘텐츠 생성 장치(200)로부터 학습 콘텐츠를 추천받으며, 추천받은 학습 콘텐츠들 중에서 적어도 하나 이상의 학습 콘텐츠를 선택하여, 사전학습 콘텐츠를 생성하도록 할 수 있다. 여기서, 강의 관련 정보는 강의자가 강의하고자 하는 교육에 대한 정보로, 예컨대, 학습 역량, 학습 목표, 및 강의 제목 등을 포함할 수 있다. 학습 역량(Learning Competency)은 전락적 사고, 팀워크, 의사소통, 팔로워십, 분석적 사고, 책임감, 주인의식, 시간경영, 자기개발, 신체능력, 외국어 등의 학습을 잘할 수 있도록 하는 힘을 의미할 수 있다. 학습 목표는 학습을 통해 달성하고자 하는 목표에 관한 것으로, 예컨대, 영업 역량 증대, 팀내의 신뢰 문화 형성 등을 포함할 수 있다. 강의 제목은 영업사원의 협상능력 증대, 팀장 리더십, 승진자 리더십, 팀빌딩, 임원 교육, 신입사원 교육 등을 포함할 수 있다. 학습자 관련 정보는 강의 대상인 학습자에 대한 구체적인 정보로, 직업, 기존 교육정보, 및 역량 수준 등을 포함할 수 있다. The lecturer terminal 100 transmits the learning content request information including the lecture-related information and the learner-related information to the pre-learning content generating device 200, receives the learning content recommendation from the pre-learning content generating device 200, and receives the recommendation The pre-learning content may be generated by selecting at least one learning content from among the learning content. Here, the lecture-related information is information about the education that the lecturer wants to lecture, and may include, for example, learning competency, learning goals, and lecture titles. Learning competency can mean the power to learn well in tactical thinking, teamwork, communication, followership, analytical thinking, responsibility, ownership, time management, self-development, physical ability, foreign language, etc. have. The learning goal relates to a goal to be achieved through learning, and may include, for example, increasing sales competency and forming a trust culture within the team. Lecture titles may include salesperson's negotiation ability enhancement, team leader leadership, promoted leadership, team building, executive training, and new employee training. The learner-related information is specific information about a learner who is the subject of a lecture, and may include occupation, existing educational information, and competency level.

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

사전학습 콘텐츠 생성 장치(200)는, 강의자 단말기(100)로부터 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호가 수신되면, 강의 관련 정보 및 학습자 관련 정보에서 색인어를 추출하고, 색인어별 학습 콘텐츠를 검색하여 강의자 단말기(100)에 제공하며, 강의자 단말기(100)로부터 학습 콘텐츠 선택 정보를 수신하여 사전학습 콘텐츠를 생성할 수 있다. When a learning content request signal including lecture-related information and learner-related information is received from the lecturer terminal 100, the pre-learning content generating device 200 extracts an index word from the lecture-related information and the learner-related information, and learns by index word The content may be retrieved and provided to the instructor terminal 100 , and learning content selection information may be received from the instructor terminal 100 to generate pre-learning content.

이러한 사전학습 콘텐츠 생성 장치(200)에 대한 상세한 설명은 도 2를 참조하기로 한다. A detailed description of the pre-learning content generating apparatus 200 will be described with reference to FIG. 2 .

또한, 강의자 단말기(100)에 의해 구동되는 애플리케이션은, 통신망 등에서 운영되는 애플리케이션 서버(미도시)에서 관리하는 설치 프로그램에 의하여 설치된 실행 프로그램일 수 있다. 하나의 애플리케이션에서 로그인하는 계정에 따라 강의자용 서비스와 학습자용 서비스가 구분되어 제공될 수 있으나, 강의자용 애플리케이션과 학습자용 애플리케이션이 각각 별도로 제작 및 관리될 수도 있다. 특히, 강의자 계정으로 애플리케이션을 실행하는 경우, 애플리케이션이 교육의 빠른 생성 및 등록을 위한 퀵모드를 지원함으로써, 강의자가 학습자들의 니즈를 신속하게 반영하여 교육을 생성하고 제공할 수 있다.In addition, the application driven by the lecturer terminal 100 may be an execution program installed by an installation program managed by an application server (not shown) operated in a communication network or the like. A service for lecturers and a service for learners may be provided separately depending on the account logged in from one application, but the application for lecturers and applications for learners may be separately produced and managed. In particular, when the application is run with an instructor account, the application supports a quick mode for quick creation and registration of training, so that the instructor can quickly create and provide training by reflecting the needs of learners.

도 2는 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 장치를 개략적으로 나타낸 블록도, 도 3은 도 2에 도시된 학습 콘텐츠 데이터베이스를 설명하기 위한 예시도, 도 4는 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 방법을 설명하기 위한 예시도이다. 2 is a block diagram schematically showing an apparatus for generating pre-learning content according to an embodiment of the present invention, FIG. 3 is an exemplary diagram for explaining the learning content database shown in FIG. 2, and FIG. 4 is an embodiment of the present invention It is an exemplary diagram for explaining a method for generating pre-learning content according to

도 2를 참조하면, 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 장치(200)는 통신부(210), 저장부(220), 데이터베이스(230), 인증부(240), 색인어 추출부(250), 학습 콘텐츠 추천부(260), 사전학습 콘텐츠 생성부(270) 및 제어부(280)를 포함한다.Referring to FIG. 2 , the apparatus 200 for generating pre-learning content according to an embodiment of the present invention includes a communication unit 210 , a storage unit 220 , a database 230 , an authenticator 240 , and an index word extraction unit 250 . ), a learning content recommendation unit 260 , a pre-learning content generation unit 270 , and a control unit 280 .

통신부(210)는 통신망과 연동하여 사전학습 콘텐츠 생성 장치(200)와 강의자 단말기(100) 간의 송수신 신호를 패킷 데이터 형태로 제공하는 데 필요한 통신 인터페이스를 제공할 수 있다. 나아가, 통신부(210)는 강의자 단말기(100)로부터 학습 콘텐츠 요청 신호를 수신하는 역할을 할 수 있고, 학습 콘텐츠 추천부(240)에서 추천된 학습 콘텐츠를 강의자 단말기(100)로 전송하며, 강의자 단말기(100)로부터 학습 콘텐츠 선택 정보를 수신할 수 있다. 여기서 통신망이라 함은, 사전학습 콘텐츠 생성 장치(200)와 강의자 단말기(100)를 연결하는 역할을 수행하는 매개체로써, 강의자 단말기(100)가 사전학습 콘텐츠 생성 장치(200)에 접속한 후 정보를 송수신할 수 있도록 접속 경로를 제공하는 경로를 포함할 수 있다. 또한 통신부(210)는 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다. 또한, 통신부(210)는 근거리 통신모듈, 무선 통신모듈, 이동통신 모듈, 유선 통신모듈 등 다양한 형태로 구현될 수 있다.The communication unit 210 may provide a communication interface required to provide a transmission/reception signal between the pre-learning content generating apparatus 200 and the lecturer terminal 100 in the form of packet data by interworking with a communication network. Furthermore, the communication unit 210 may serve to receive a learning content request signal from the lecturer terminal 100 , and transmit the learning content recommended by the learning content recommendation unit 240 to the lecturer terminal 100 , and the lecturer terminal Learning content selection information may be received from ( 100 ). Here, the communication network refers to a medium that serves to connect the pre-learning content generating device 200 and the instructor terminal 100, and after the instructor terminal 100 accesses the pre-learning content generating device 200, information is transmitted. It may include a path providing an access path for transmission and reception. In addition, the communication unit 210 may be a device including hardware and software necessary for transmitting and receiving signals such as control signals or data signals through wired/wireless connection with other network devices. In addition, the communication unit 210 may be implemented in various forms such as a short-range communication module, a wireless communication module, a mobile communication module, and a wired communication module.

저장부(220)는 사전학습 콘텐츠 생성 장치(200)의 동작과 관련된 데이터들을 저장하는 구성이다. 여기서 저장부(220)는 공지된 저장매체를 이용할 수 있으며, 예를 들어, ROM, PROM, EPROM, E EPROM, RAM 등과 같이 공지된 저장매체 중 어느 하나 이상을 이용할 수 있다. 특히, 저장부(220)에는 학습 콘텐츠 서비스 프로그램(애플리케이션 또는 애플릿) 등이 저장될 수 있으며, 저장되는 정보들은 필요에 따라 제어부(270)에 의해 취사 선택될 수 있다.The storage unit 220 is configured to store data related to the operation of the pre-learning content generating apparatus 200 . Here, the storage unit 220 may use a known storage medium, for example, any one or more of known storage media such as ROM, PROM, EPROM, E EPROM, RAM, etc. may be used. In particular, a learning content service program (application or applet) may be stored in the storage unit 220 , and the stored information may be selected by the controller 270 as necessary.

데이터베이스(230)는 강의자 정보 데이터베이스(232), 학습자 정보 데이터베이스(234), 학습 콘텐츠 데이터베이스(236), 및 사전학습 콘텐츠 데이터베이스(238)를 포함할 수 있다. The database 230 may include an instructor information database 232 , a learner information database 234 , a learning content database 236 , and a pre-learning content database 238 .

강의자 정보 데이터베이스(232)는 강의자의 간략한 소개와 강의 내용, 강의 비용, 일정, 시간, 모집 학생 수 중 어느 하나 이상을 포함하는 강의정보를 저장한다. 이때, 강의자 정보 데이터베이스(232)는 회원 가입단계에서 강의자의 성명, 나이, 강의 분야, 아이디 및 비밀번호 등을 포함하는 개인정보를 입력받아 저장할 수 있다. The lecturer information database 232 stores lecture information including any one or more of a brief introduction of the lecturer and lecture contents, lecture cost, schedule, time, and the number of recruited students. In this case, the lecturer information database 232 may receive and store personal information including the lecturer's name, age, lecture field, ID and password, etc. in the membership registration step.

학습자 정보 데이터베이스(234)는 학습자의 성명, 아이디, 비밀번호, 학습 진도 등을 포함하는 학습자 정보를 저장한다. 이때, 학습자 정보 데이터베이스(234)는 회원 가입단계에서 학습자의 성명, 나이, 지역, 관심 분야, 아이디 및 비밀번호, 학습 진도, 직업, 역량 수준 등을 포함하는 개인정보를 입력받아 저장할 수 있다.The learner information database 234 stores learner information including the learner's name, ID, password, and learning progress. In this case, the learner information database 234 may receive and store personal information including the learner's name, age, region, field of interest, ID and password, learning progress, occupation, competency level, and the like in the member registration step.

학습 콘텐츠 데이터베이스(236)는 속성 키워드별 학습 콘텐츠를 저장한다. The learning content database 236 stores learning content for each attribute keyword.

예를 들면, 학습 콘텐츠 데이터베이스(236)는 도 3에 도시된 바와 같이 분류되어 학습 콘텐츠를 저장할 수 있다. 도 3을 참조하면, 학습 콘텐츠 데이터베이스(236)는 강의 및 학습자로 분류되어 있고, 강의는 강의의 특성을 나타내는 하나 이상의 강의 속성정보로 분류되어 있으며, 학습자는 학습자의 특성을 나타내는 하나 이상의 학습자 속성정보로 분류되어 있다. 강의 속성정보는 하나 이상의 강의 속성 키워드로 분류되어 있고, 학습자 속성정보는 하나 이상의 학습자 속성 키워드로 분류되어 있다. 예를 들어, 강의 속성정보는 학습 역량(Learning Competency), 학습 목표, 및 강의 제목 등을 포함할 수 있다. 학습 역량에 포함되는 속성 키워드는 예를 들어, 전락적 사고, 팀워크, 의사소통, 팔로워십, 분석적 사고, 책임감, 주인의식, 시간경영, 자기개발, 신체능력, 외국어 등을 포함할 수 있고, 학습 목표에 포함되는 속성 키워드는 예를 들어, 영업 역량 증대, 팀내의 신뢰 문화 형성 등을 포함할 수 있으며, 강의 제목에 포함되는 속성 키워드는 예를 들어, 영업사원의 협상능력 증대, 팀장 리더십, 승진자 리더십, 팀빌딩, 임원 교육, 신입사원 교육 등을 포함할 수 있다. 학습자 속성정보는 산업군, 직무명, 직급, 기존 교육정보, 역량 수준 등을 포함할 수 있다. 산업군에 포함되는 속성 키워드는 예를 들어, 자동차, 음식료, 의류, 철강, 컴퓨터 반도체 등을 포함할 수 있고, 직무명에 포함되는 속성 키워드는 예를 들어, 관리부, 영업부, 인사부, 품질부, 구매부, 회계부 등을 포함할 수 있으며, 직급에 포함되는 속성 키워드는 예를 들어, 사원, 대리/선임, 과장/책임, 부장, 이사 등을 포함할 수 있다. 예를 들면, 학습 콘텐츠 데이터베이스(236)에는 전략적 사고에 대한 학습 콘텐츠, 자기 개발에 대한 학습 콘텐츠, 영업사원의 협상 능력 증대에 대한 학습 콘텐츠, 팀장 리더십에 대한 학습 콘텐츠, 신입사원 교육에 대한 학습 콘텐츠, 직급에 따른 학습 콘텐츠, 직무에 따른 학습 콘텐츠, 산업군에 따른 학습 콘텐츠 등 속성 키워드별로 학습 콘텐츠들이 저장될 수 있다.For example, the learning content database 236 may be classified as shown in FIG. 3 to store the learning content. Referring to FIG. 3 , the learning content database 236 is classified into lectures and learners, the lectures are classified into one or more lecture attribute information indicating the characteristics of the lecture, and the learner is one or more learner attribute information indicating the characteristics of the learner. is classified as The lecture attribute information is classified into one or more lecture attribute keywords, and the learner attribute information is classified into one or more learner attribute keywords. For example, the lecture attribute information may include a learning competency, a learning goal, and a lecture title. Attribute keywords included in the learning competency may include, for example, strategic thinking, teamwork, communication, followership, analytical thinking, responsibility, ownership, time management, self-development, physical ability, foreign language, etc. Attribute keywords included in the goal may include, for example, increase in sales competency, formation of a trust culture within the team, and the like. This may include leadership, team building, executive training, and new employee training. The learner attribute information may include industry group, job title, position, existing education information, competency level, and the like. Attribute keywords included in the industry group may include, for example, automobiles, food and beverages, clothing, steel, computer semiconductors, and the like, and attribute keywords included in job titles include, for example, management department, sales department, human resources department, quality department, and purchasing department. , an accounting department, etc., and the attribute keyword included in the position may include, for example, employee, assistant/appointment, manager/responsibility, manager, director, and the like. For example, in the learning content database 236, learning content on strategic thinking, learning content on self-development, learning content on increasing the negotiation ability of salespeople, learning content on team leader leadership, and learning content on new employee training Learning contents according to attribute keywords, such as learning content according to , job position, learning content according to job, and learning content according to industry group, may be stored.

상술한 바와 같이 학습 콘텐츠 데이터베이스(236)에는 강의 속성 키워드별 및 학습자 속성 키워드별로 여러 학습 콘텐츠가 저장되어 있을 수 있다. 이때 학습 콘텐츠는 별도의 전문가들에 의해 기 생성된 콘텐츠일 수 있고, 이미지, 텍스트, 음성, 동영상, 플래시 또는 이들이 조합된 데이터 형태일 수 있다. 또한, 학습 콘텐츠는 5분 단위 학습 콘텐츠, 10분 단위 학습 콘텐츠, 50분 단위 학습 콘텐츠 등 다양한 시간 단위로 나누어진 콘텐츠일 수 있다. As described above, in the learning content database 236 , various learning content may be stored for each lecture attribute keyword and for each learner attribute keyword. In this case, the learning content may be content previously created by separate experts, and may be in the form of an image, text, voice, video, flash, or a combination of these data. Also, the learning content may be content divided into various time units, such as learning content in units of 5 minutes, learning content in units of 10 minutes, and learning content in units of 50 minutes.

사전학습 콘텐츠 데이터베이스(238)는 사전학습 콘텐츠 생성부(270)에서 생성된 사전학습 콘텐츠를 저장한다. 이때 사전학습 콘텐츠 데이터베이스(238)에는 사전학습 콘텐츠를 생성한 강의자 식별정보가 저장될 수 있다. The pre-learning content database 238 stores the pre-learning content generated by the pre-learning content generating unit 270 . In this case, the pre-learning content database 238 may store identification information of the lecturer who generated the pre-learning content.

인증부(240)는 통신부(210)로부터 수신한 인증 정보를 근거로 사용자 인증을 수행한다. 즉, 인증부(240)는 통신부(210)로부터 수신한 인증 정보로부터 아이디 및 비밀번호를 검출한다. 인증부(280)는 강의자 정보 데이터베이스(232)로부터 검출한 아이디 및 비밀번호와 일치하는 강의자 정보가 존재하면 강의자 인증 성공으로 처리한다. The authentication unit 240 performs user authentication based on the authentication information received from the communication unit 210 . That is, the authentication unit 240 detects the ID and password from the authentication information received from the communication unit 210 . The authentication unit 280 processes the lecturer authentication success when there exists lecturer information matching the ID and password detected from the lecturer information database 232 .

색인어 추출부(250)는, 강의자 단말기(100)로부터 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호가 수신되면, 강의 관련 정보 및 학습자 관련 정보에서 기 설정된 색인어를 추출한다. 즉, 색인어 추출부(250)는 강의 관련 정보로부터 학습 역량, 학습 목표, 및 강의 제목 중 적어도 하나에 설정된 색인어를 추출할 수 있고, 학습자 관련 정보로부터 직업, 교육정도 및 역량 수준 중 적어도 하나에 설정된 색인어를 추출할 수 있다.When a learning content request signal including lecture-related information and learner-related information is received from the lecturer terminal 100 , the index word extraction unit 250 extracts a preset index word from the lecture-related information and the learner-related information. That is, the index word extraction unit 250 may extract an index word set in at least one of learning competency, learning goal, and lecture title from lecture-related information, and set at least one of occupation, education level, and competency level from learner-related information. Index words can be extracted.

예를 들면, 강의자 단말기(100)로부터 제약회사, 영업사원, 대리, 및 영업스킬을 포함하는 학습 콘텐츠 요청 신호가 수신되면, 색인어 추출부(250)는 제약회사, 영업사원, 대리 및 영업스킬을 색인어로 추출할 수 있다. For example, when a learning content request signal including a pharmaceutical company, a salesperson, an agent, and a sales skill is received from the lecturer terminal 100, the index word extraction unit 250 selects the pharmaceutical company, the salesperson, the agent, and the sales skill. It can be extracted by index word.

학습 콘텐츠 추천부(260)는 학습 콘텐츠 데이터베이스(236)로부터 색인어별 학습 콘텐츠들을 검색하여 강의자 단말기(100)에 추천한다. 이때 학습 콘텐츠 추천부(260)는 인공지능(AI)를 이용하여 학습 콘텐츠를 추천할 수 있다. The learning content recommendation unit 260 searches for learning content by index word from the learning content database 236 and recommends it to the lecturer terminal 100 . In this case, the learning content recommendation unit 260 may recommend learning content using artificial intelligence (AI).

학습 콘텐츠 추천부(260)는 색인어별로 관련도가 높은 순으로 학습 콘텐츠들을 획득하고, 획득된 학습 콘텐츠들 중에서 중복 횟수 또는 가중치에 기초하여 일정 개수의 학습 콘텐츠를 추출하며, 추출된 일정 개수의 학습 콘텐츠를 강의자 단말기(100)에 추천할 수 있다. The learning content recommendation unit 260 acquires learning contents in the order of high relevance for each index word, extracts a predetermined number of learning contents from among the acquired learning contents based on the number of overlaps or weights, and extracts the extracted predetermined number of learning contents. Content may be recommended to the lecturer terminal 100 .

즉, 학습 콘텐츠 추천부(260)는 각 색인어와 매칭되는 속성 키워드에서 학습 콘텐츠를 검색하고, 색인어별로 검색된 학습 콘텐츠들 중에서 다른 사용자들이 많이 학습한 학습 콘텐츠, 즉, 학습 이력이 높은 학습 콘텐츠를 우선순위로 검색할 수 있다. 여기서 학습 콘텐츠 데이터베이스(236)에는 학습 콘텐츠 이력이 저장되어 있고, 학습 콘텐츠 추천부(260)는 학습 콘텐츠 이력으로부터 재생 횟수가 가장 많은 순서대로 학습 콘텐츠를 정렬하고 상위에 랭크된 기 설정된 개수의 학습 콘텐츠를 검색결과로 선정할 수 있다. 각 학습 콘텐츠에는 강사명, 재생 시간 및 학습 재생 횟수를 포함하는 콘텐츠 정보가 함께 포함될 수 있다. 그런 후, 학습 콘텐츠 추천부(260)는 색인어별로 정렬된 학습 콘텐츠들 중에서 중복된 학습 콘텐츠들을 획득하고, 중복 횟수가 많은 학습 콘텐츠들을 강의자 단말기(100)에 추천할 수 있다. 이때 강의자가 색인어별로 가중치를 설정하였다면, 학습 콘텐츠 추천부(244)는 색인어별로 검색된 학습 콘텐츠에 가중치를 적용하여 학습 콘텐츠를 추천할 수 있다.That is, the learning content recommendation unit 260 searches for learning content from attribute keywords matching each index word, and prioritizes learning content that other users have learned a lot from among the learning content searched for by index word, that is, learning content with a high learning history. You can search by ranking. Here, the learning content history is stored in the learning content database 236, and the learning content recommendation unit 260 sorts the learning content in the order of the greatest number of reproductions from the learning content history, and ranks a preset number of learning content. can be selected as a search result. Each learning content may include content information including an instructor's name, a playing time, and a learning play count. Thereafter, the learning content recommendation unit 260 may acquire duplicate learning contents from among the learning contents sorted by index word, and recommend learning contents having a large number of duplicates to the lecturer terminal 100 . In this case, if the lecturer sets weights for each index word, the learning content recommendation unit 244 may recommend learning content by applying the weight to the learning content searched for each index word.

예를 들어, 색인어가 제약회사, 영업사원, 대리 및 영업스킬이라고 가정하여 설명하기로 한다. 이 경우 학습 콘텐츠 추천부(260)는 학습 콘텐츠 데이터베이스(236)의 제약회사 카테고리에서 인기가 많은(많이 듣는) 학습 콘텐츠를 획득하고, 영업사원 카테고리에서 인기가 많은 학습 콘텐츠를 획득하며, 대리 카테고리에서 인기가 많은 학습 콘텐츠 획득하고, 영업스킬 카테고리에서 인기가 많은 학습 콘텐츠를 획득할 수 있다. 그런 후, 학습 콘텐츠 추천부(260)는 제약회사, 영업사원, 대리 및 영업스킬의 카테고리에서 각각 획득한 학습 콘텐츠들 중에서 중복 횟수가 많은 학습 콘텐츠를 선별하여 강의자 단말기(100)에 추천할 수 있다. 예를 들면, 학습 콘텐츠 추천부(260)는 중복횟수가 많은 순위로 30개의 학습 콘텐츠 리스트를 강의자에게 추천할 수 있다. For example, let's assume that the index words are pharmaceutical company, salesperson, agent, and sales skill. In this case, the learning content recommendation unit 260 acquires popular (or listened to) learning content in the pharmaceutical company category of the learning content database 236, acquires popular learning content in the salesperson category, and in the proxy category You can acquire popular learning content and acquire popular learning content in the sales skill category. Then, the learning content recommendation unit 260 selects learning content with a large number of duplicates from among the learning content acquired in the categories of pharmaceutical companies, salespeople, representatives, and sales skills, respectively, and recommends them to the lecturer terminal 100 . . For example, the learning content recommendation unit 260 may recommend a list of 30 learning content to the lecturer with the highest number of duplicates.

사전학습 콘텐츠 생성부(270)는 학습 콘텐츠 추천부(260)에서 추천된 학습 콘텐츠들 중에서 강의자에 의해 선택된 학습 콘텐츠를 이용하여 사전학습 콘텐츠를 생성할 수 있다. The pre-learning content generator 270 may generate the pre-learning content by using the learning content selected by the instructor from among the learning content recommended by the learning content recommendation unit 260 .

즉, 강의자가 학습 콘텐츠 추천 리스트에서 원하는 학습 콘텐츠들을 선택하면, 사전학습 콘텐츠 생성부(260)는 강의자가 선택한 학습 콘텐츠들을 결합하여 사전학습 콘텐츠를 생성할 수 있다. That is, when the instructor selects desired learning content from the learning content recommendation list, the pre-learning content generator 260 may generate the pre-learning content by combining the learning content selected by the instructor.

예를 들면, 강의자는 학습 콘텐츠 추천 리스트에서 원하는 학습 콘텐츠를 드래그 앤 드롭(Drag & Drop) 방식으로 선택할 수 있고, 사전학습 콘텐츠 생성부(270)는 강의자가 선택한 학습 콘텐츠들을 이어 붙여 사전학습 콘텐츠를 생성할 수 있다. 이때, 사전학습 콘텐츠 생성부(270)는 강의자가 드래그한 순서대로 학습 콘텐츠를 이어 붙여 사전학습 콘텐츠를 생성할 수 있다. 예를 들어, 도 4에 도시된 바와 같이 강의자가 학습 콘텐츠 2, 학습 콘텐츠 6 및 학습 콘텐츠 5를 순서대로 드래그하면, 사전학습 콘텐츠 생성부(270)는 학습 콘텐츠 2, 학습 콘텐츠 6, 및 학습 콘텐츠 5를 순서대로 이어 붙여 사전학습 콘텐츠를 생성할 수 있다. For example, the lecturer may select the desired learning content from the learning content recommendation list in a drag & drop method, and the pre-learning content generation unit 270 connects the learning content selected by the instructor to create the pre-learning content. can create In this case, the pre-learning content generation unit 270 may generate the pre-learning content by attaching the learning content in the order dragged by the instructor. For example, as shown in FIG. 4 , when the instructor drags learning content 2, learning content 6, and learning content 5 in order, the pre-learning content generating unit 270 generates learning content 2, learning content 6, and learning content 5 can be connected in order to create pre-learning content.

한편, 강의자가 학습 콘텐츠 추천 리스트에서 선택한 학습 콘텐츠들은 서로 다른 포맷일 수 있다. 이 경우, 사전학습 콘텐츠 생성부(270)는 학습 콘텐츠의 원본코드를 생성하고, 학습 콘텐츠의 각 페이지를 추가로 구성하기 위해 학습 콘텐츠의 원본코드에 다른 포맷의 학습 콘텐츠를 연결하기 위한 심벌릭 링크 코드(Symbolic Link Code)를 생성할 수 있다. 심벌릭 링크 코드는 각 페이지를 추가로 구성하기 위한 코드로서, 다른 포맷의 학습 콘텐츠가 없는 경우에는 추가되지 않을 수 있고, 다수 개의 학습 콘텐츠를 추가하는 경우 해당 학습 콘텐츠의 개수만큼 추가될 수 있다. 여기서, 심벌릭 링크 코드로 추가된 학습 콘텐츠는 링크(Link)를 통해 학습 콘텐츠에 연결되는 형태로서, 이미지, 음성, 동영상 등의 다양한 형식의 학습 콘텐츠가 연결될 수 있다. Meanwhile, the learning contents selected by the instructor from the learning contents recommendation list may have different formats. In this case, the pre-learning content generating unit 270 generates an original code of the learning content, and a symbolic link for connecting the learning content in another format to the original code of the learning content to further configure each page of the learning content. Code (Symbolic Link Code) can be generated. The symbolic link code is a code for additionally configuring each page, and may not be added when there is no learning content in another format, and may be added as much as the number of corresponding learning content when a plurality of learning content is added. Here, the learning content added as a symbolic link code is connected to the learning content through a link, and various types of learning content such as images, voices, and videos may be connected.

사전학습 콘텐츠 생성부(270)는 강의자가 선택한 학습 콘텐츠들을 강의자의 요청에 따라 편집하거나 이어 붙여 사전학습 콘텐츠를 생성할 수 있다. 즉, 사전학습 콘텐츠 생성부(270)는 강의자의 요청에 따라 학습 콘텐츠를 편집할 수 있는 편집툴을 제공할 수 있고, 강의자는 편집툴을 통해 학습 콘텐츠들을 편집하여 사전학습 콘텐츠를 생성할 수 있다. 예를 들면, 강의자는 편집툴을 이용하여 학습 콘텐츠의 자르기, 이어붙이기 등 편집을 수행할 수 있다. The pre-learning content generation unit 270 may create pre-learning content by editing or concatenating the learning contents selected by the lecturer according to the request of the lecturer. That is, the pre-learning content generating unit 270 may provide an editing tool capable of editing the learning content according to the request of the lecturer, and the lecturer may create the pre-learning content by editing the learning content through the editing tool. . For example, the lecturer may edit the learning content, such as cutting and pasting, using the editing tool.

한편, 인증부(240), 색인어 추출부(250), 학습 콘텐츠 추천부(260), 사전학습 콘텐츠 생성부(270)는 컴퓨팅 장치상에서 프로그램을 실행하기 위해 필요한 프로세서 등에 의해 각각 구현될 수 있다. 이처럼 인증부(240), 색인어 추출부(250), 학습 콘텐츠 추천부(260), 사전학습 콘텐츠 생성부(270)는 물리적으로 독립된 각각의 구성에 의해 구현될 수도 있고, 하나의 프로세서 내에서 기능적으로 구분되는 형태로 구현될 수도 있다. Meanwhile, the authenticator 240 , the index word extractor 250 , the learning content recommendation unit 260 , and the pre-learning content generator 270 may be implemented by a processor required to execute a program on the computing device, respectively. As such, the authenticator 240, the index word extraction unit 250, the learning content recommendation unit 260, and the pre-learning content generation unit 270 may be implemented by physically independent components, and are functionally within one processor. It may be implemented in a form separated by .

제어부(280)는 통신부(210), 저장부(220), 데이터베이스(230), 인증부(240), 색인어 추출부(250), 학습 콘텐츠 추천부(260), 사전학습 콘텐츠 생성부(270)를 포함하는 사전학습 콘텐츠 생성 장치(200)의 다양한 구성부들의 동작을 제어하는 구성으로, 적어도 하나의 연산 장치를 포함할 수 있는데, 여기서 상기 연산 장치는 범용적인 중앙연산장치(CPU), 특정 목적에 적합하게 구현된 프로그래머블 디바이스 소자(CPLD, FPGA), 주문형 반도체 연산장치(ASIC) 또는 마이크로 컨트롤러 칩일 수 있다. 또한, 다른 형태의 하드웨어로 구현될 수도 있음을 본 실시 예가 속하는 기술분야에서 통상의 지식을 가진 자라면 이해할 수 있다. The control unit 280 includes a communication unit 210 , a storage unit 220 , a database 230 , an authentication unit 240 , an index word extraction unit 250 , a learning content recommendation unit 260 , and a pre-learning content generation unit 270 . A configuration for controlling the operation of various components of the pre-learning content generating apparatus 200 including It may be a programmable device device (CPLD, FPGA), an application-specific integrated circuit (ASIC), or a microcontroller chip that is suitably implemented for the . In addition, it can be understood by those of ordinary skill in the art to which this embodiment pertains that it may be implemented in other types of hardware.

제어부(280)는 일종의 중앙처리장치로서 프로그램 저장부(220)에 탑재된 제어 소프트웨어를 구동하는 등의 다양한 기능을 제공할 수 있다. 여기서, 제어부(280)는 프로세서(processor)와 같이 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 여기서, '프로세서(processor)'는, 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.The control unit 280 is a kind of central processing unit and may provide various functions such as driving control software mounted on the program storage unit 220 . Here, the controller 280 may include all kinds of devices capable of processing data, such as a processor. Here, the 'processor' may refer to a data processing device embedded in hardware, for example, having a physically structured circuit to perform a function expressed as a code or an instruction included in a program. As an example of the data processing device embedded in the hardware as described above, a microprocessor, a central processing unit (CPU), a processor core, a multiprocessor, an application-specific integrated (ASIC) circuit) and a processing device such as a field programmable gate array (FPGA), but the scope of the present invention is not limited thereto.

도 5는 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 방법을 설명하기 위한 도면이다. 5 is a diagram for explaining a method for generating pre-learning content according to an embodiment of the present invention.

도 5를 참조하면, 강의자 단말기(100)는 사전학습 콘텐츠 생성 장치(200)에 접속하여 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호를 사전학습 콘텐츠 생성 장치(200)로 전송한다(S510). 이때 강의자 단말기(100)는 아이디 및 비밀번호를 포함하는 인증 정보를 사전학습 콘텐츠 생성 장치(200)로 전송하고, 사전학습 콘텐츠 생성 장치(200)는 인증 정보를 근거로 강의자 인증을 수행할 수 있다. 강의자가 인증되면, 강의자는 사전학습 콘텐츠 생성 메뉴를 선택할 수 있다. 그러면, 강의자 단말기(100)는 강의 관련 정보 및 학습자 관련 정보를 입력하기 위한 화면을 디스플레이할 수 있고, 강의자는 그 화면을 통해 강의 관련 정보 및 학습자 관련 정보를 입력할 수 있다. 그러면, 강의자 단말기(100)는 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호를 사전학습 콘텐츠 생성 장치(200)로 전송할 수 있다.Referring to FIG. 5 , the lecturer terminal 100 accesses the pre-learning content generating device 200 and transmits a learning content request signal including lecture-related information and learner-related information to the pre-learning content generating device 200 ( S510). In this case, the lecturer terminal 100 may transmit authentication information including an ID and password to the pre-learning content generating apparatus 200, and the pre-learning content generating apparatus 200 may perform instructor authentication based on the authentication information. When the instructor is authenticated, the instructor may select a menu for creating pre-learning content. Then, the lecturer terminal 100 may display a screen for inputting lecture-related information and learner-related information, and the lecturer may input lecture-related information and learner-related information through the screen. Then, the lecturer terminal 100 may transmit a learning content request signal including lecture-related information and learner-related information to the pre-learning content generating apparatus 200 .

S510 단계가 수행되면, 사전학습 콘텐츠 생성 장치(200)는 강의 관련 정보 및 학습자 관련 정보를 기초로 학습 콘텐츠를 검색하여 강의자 단말기(100)에 추천한다(S520). 즉, 사전학습 콘텐츠 생성 장치(200)는 강의 관련 정보 및 학습자 관련 정보에서 기 설정된 색인어를 추출하고, 각 색인어와 매칭되는 속성 키워드의 학습 콘텐츠를 검색할 수 있다. 그런 후, 사전학습 콘텐츠 생성 장치(200)는 검색된 학습 콘텐츠들을 재생 횟수가 가장 많은 순서대로 정렬하고, 상위에 랭크된 기 설정된 개수의 학습 콘텐츠를 강의자 단말기(100)에 추천할 수 있다. When step S510 is performed, the pre-learning content generating apparatus 200 searches for learning content based on the lecture-related information and the learner-related information and recommends it to the instructor terminal 100 ( S520 ). That is, the pre-learning content generating apparatus 200 may extract a preset index word from lecture-related information and learner-related information, and search for learning content of attribute keywords matching each index word. Thereafter, the pre-learning content generating apparatus 200 may sort the searched learning contents in the order of the greatest number of reproductions, and recommend a preset number of top-ranked learning contents to the lecturer terminal 100 .

S520 단계가 수행되면, 강의자는 학습 콘텐츠 추천 리스트에서 원하는 학습 콘텐츠들을 선택할 수 있고, 강의자 단말기(100)는 학습 콘텐츠 선택 정보를 사전학습 콘텐츠 생성 장치(200)로 전송한다(S530).When step S520 is performed, the lecturer may select desired learning contents from the learning contents recommendation list, and the instructor terminal 100 transmits the learning contents selection information to the pre-learning contents generating apparatus 200 ( S530 ).

S530 단계가 수행되면, 사전학습 콘텐츠 생성 장치(200)는 강의자가 선택한 학습 콘텐츠들을 결합하여 사전학습 콘텐츠를 생성한다(S540). 이때 사전학습 콘텐츠 생성 장치(200)는 강의자의 요청에 따라 학습 콘텐츠들을 편집하거나 이어 붙여 사전학습 콘텐츠를 생성할 수 있다.When step S530 is performed, the pre-learning content generating apparatus 200 generates pre-learning content by combining the learning contents selected by the instructor (S540). In this case, the pre-learning content generating apparatus 200 may create pre-learning content by editing or attaching the learning contents according to the request of the lecturer.

도 6은 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 장치가 사전학습 콘텐츠를 생성하는 방법을 설명하기 위한 흐름도이다. 6 is a flowchart illustrating a method for generating pre-learning content by an apparatus for generating pre-learning content according to an embodiment of the present invention.

도 6을 참조하면, 강의자 단말기로부터 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호가 수신되면(S610), 색인어 추출부(250)는 강의 관련 정보 및 학습자 관련 정보에서 기 설정된 색인어를 추출한다(S620). 즉, 색인어 추출부(250)는 강의 관련 정보로부터 학습 역량, 학습 목표, 및 강의 제목 중 적어도 하나에 설정된 색인어를 추출할 수 있고, 학습자 관련 정보로부터 직업, 교육정도 및 역량 수준 중 적어도 하나에 설정된 색인어를 추출할 수 있다.Referring to FIG. 6 , when a learning content request signal including lecture-related information and learner-related information is received from the lecturer terminal (S610), the index word extraction unit 250 extracts a preset index word from lecture-related information and learner-related information. do (S620). That is, the index word extraction unit 250 may extract an index word set in at least one of learning competency, learning goal, and lecture title from lecture-related information, and set at least one of occupation, education level, and competency level from learner-related information. Index words can be extracted.

S620 단계가 수행되면, 학습 콘텐츠 추천부(260)는 학습 콘텐츠 데이터베이스로부터 각 색인어별로 관련도가 높은 순으로 학습 콘텐츠들을 검색하고(S630), 검색된 학습 콘텐츠들 중에서 중복 횟수 또는 가중치에 기초하여 일정 개수의 학습 콘텐츠를 선택하여 강의자에게 추천한다(S640). 즉, 학습 콘텐츠 추천부(260)는 각 색인어와 매칭되는 속성 키워드에서 학습 콘텐츠를 검색하고, 색인어별로 검색된 학습 콘텐츠들 중에서 다른 사용자들이 많이 학습한 학습 컨텐츠, 즉, 학습 이력이 높은 학습 콘텐츠를 관련도가 높은 학습 콘텐츠로 획득하고, 관련도가 높은 순으로 학습 콘텐츠를 정렬할 수 있다. 그런 후, 학습 콘텐츠 추천부(260)는 각 색인어별로 정렬된 학습 콘텐츠들 중에서 중복된 학습 콘텐츠들을 획득하고, 중복 횟수가 많은 학습 콘텐츠들을 강의자 단말기(100)에 추천할 수 있다. 이때 강의자가 색인어별로 가중치를 설정하였다면, 학습 콘텐츠 추천부(260)는 색인어별로 검색된 학습 콘텐츠에 가중치를 적용하여 학습 콘텐츠를 추천할 수 있다.When step S620 is performed, the learning content recommendation unit 260 searches the learning content database in the order of high relevance for each index word (S630), and a predetermined number based on the number of duplicates or weights among the searched learning content Select the learning content of and recommend it to the lecturer (S640). That is, the learning content recommendation unit 260 searches for learning content from attribute keywords matching each index word, and relates the learning content that other users have learned a lot from among the learning content searched for each index word, that is, learning content with a high learning history. It is possible to acquire learning content with a high degree of degree, and sort the learning content in order of high degree of relevance. Thereafter, the learning content recommendation unit 260 may acquire duplicate learning contents from among the learning contents sorted by each index word, and recommend learning contents having a large number of duplicates to the lecturer terminal 100 . In this case, if the lecturer sets weights for each index word, the learning content recommendation unit 260 may recommend learning content by applying the weight to the learning content searched for each index word.

S640 단계의 수행 후, 사전학습 콘텐츠 생성부(270)는 강의자 단말기(100)로부터 학습 콘텐츠 선택 정보를 수신하고(S650), 강의자의 학습 콘텐츠 선택이 완료되면(S660), 사전학습 콘텐츠 생성부(270)는 강의자에 의해 선택된 학습 콘텐츠를 이용하여 사전학습 콘텐츠를 생성한다(S670). 이때 사전학습 콘텐츠 생성부(270)는 강의자가 선택한 학습 콘텐츠들을 강의자의 요청에 따라 편집하거나 이어 붙여 사전학습 콘텐츠를 생성할 수 있다. 또한, 사전학습 콘텐츠 생성부(270)는 학습 콘텐츠의 원본코드를 생성하고, 학습 콘텐츠의 원본코드에 다른 포맷의 학습 콘텐츠를 연결하기 위한 심벌릭 링크 코드를 생성하며, 심벌릭 링크 코드를 이용하여 다른 포맷의 학습 콘텐츠를 연결하여 사전학습 콘텐츠를 생성할 수 있다. After performing step S640, the pre-learning content generation unit 270 receives learning content selection information from the lecturer terminal 100 (S650), and when the lecturer's learning content selection is completed (S660), the pre-learning content generation unit ( In step 270, the pre-learning content is generated using the learning content selected by the lecturer (S670). In this case, the pre-learning content generation unit 270 may create pre-learning content by editing or concatenating the learning contents selected by the lecturer according to the request of the lecturer. In addition, the pre-learning content generation unit 270 generates an original code of the learning content, generates a symbolic link code for linking the learning content of another format to the original code of the learning content, and uses the symbolic link code. Pre-learning content can be created by connecting learning content in different formats.

만약 S660 단계에서 강의자의 학습 콘텐츠 선택이 완료되지 않았으면, 학습 콘텐츠 추천부(260)는 다음 순위의 학습 콘텐츠 추천 리스트를 강의자 단말기(100)에 전송하고(S680), S650 단계를 수행한다.If the lecturer's selection of learning content is not completed in step S660, the learning content recommendation unit 260 transmits the next-ranked learning content recommendation list to the lecturer terminal 100 (S680) and performs step S650.

상술한 바와 같이 본 발명의 일 실시예에 따른 사전학습 콘텐츠 생성 장치 및 방법은 강의자가 자신의 오프라인 교육과정인 집합교육의 선행학습으로서 사전학습 콘텐츠를 용이하게 생성할 수 있다. As described above, in the apparatus and method for generating pre-learning content according to an embodiment of the present invention, the lecturer can easily generate pre-learning content as a prior learning of group education, which is his/her offline curriculum.

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

100 : 강의자 단말기
200 : 사전학습 콘텐츠 생성 장치
210 : 통신부
220 : 저장부
230 : 데이터베이스
240 : 인증부
250 : 색인어 추출부
260 : 학습 콘텐츠 추천부
270 : 사전학습 콘텐츠 생성부100: lecturer terminal
200: pre-learning content generating device
210: communication department
220: storage
230: database
240: authentication unit
250: index word extraction unit
260: learning content recommendation unit
270: pre-learning content generation unit

Claims (12)

강의자 단말기로부터 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호가 수신되면, 상기 강의 관련 정보 및 학습자 관련 정보로부터 기 설정된 하나 이상의 색인어를 추출하는 색인어 추출부;
색인어별 학습 콘텐츠들을 검색하여 상기 강의자 단말기에 추천하는 학습 콘텐츠 추천부; 및
상기 추천된 학습 콘텐츠들 중에서 상기 강의자에 의해 선택된 학습 콘텐츠를 이용하여 사전학습 콘텐츠를 생성하는 사전학습 콘텐츠 생성부를 포함하되,
속성 키워드별로 학습 콘텐츠가 저장된 데이터베이스를 더 포함하고,
상기 색인어 추출부는,
상기 강의 관련 정보로부터 학습 역량, 학습 목표, 및 강의 제목 중 적어도 하나에 설정된 색인어를 추출하고, 상기 학습자 관련 정보로부터 직업, 교육정도 및 역량 수준 중 적어도 하나에 설정된 색인어를 추출하며,
상기 데이터베이스는,
강의 및 학습자로 분류되어 있고, 강의는 강의의 특성을 나타내는 하나 이상의 강의 속성정보로 분류되어 있으며, 학습자는 학습자의 특성을 나타내는 하나 이상의 학습자 속성정보로 분류되어 있고, 강의 속성정보는 하나 이상의 강의 속성 키워드로 분류되어 있으며, 학습자 속성정보는 하나 이상의 학습자 속성 키워드로 분류되어 있되,
상기 강의 속성정보는 학습 역량, 학습 목표 및 강의 제목을 포함하고,
상기 학습 역량에 포함되는 강의 속성 키워드는 전락적 사고, 팀워크, 의사소통, 팔로워십, 분석적 사고, 책임감, 주인의식, 시간경영, 자기개발, 신체능력 및 외국어 중 적어도 하나를 포함하고,
상기 학습 목표에 포함되는 강의 속성 키워드는 영업 역량 증대 및 팀내의 신뢰 문화 형성 중 적어도 하나를 포함하며,
상기 강의 제목에 포함되는 강의 속성 키워드는 영업사원의 협상능력 증대, 팀장 리더십, 승진자 리더십, 팀빌딩, 임원 교육, 및 신입사원 교육 중 적어도 하나를 포함하고,
상기 학습자 속성정보는 산업군, 직무명, 직급, 기존 교육정보 및 역량 수준 중 적어도 하나를 포함하며,
상기 학습 콘텐츠 추천부는,
상기 데이터베이스로부터 각 색인어와 매칭되는 속성 키워드별로 하나 이상의 학습 콘텐츠를 검색하고, 상기 속성 키워드별로 검색된 하나 이상의 학습 콘텐츠들 중에서 중복 횟수 또는 가중치에 기초하여 일정 개수의 학습 콘텐츠를 추출하며, 상기 일정 개수의 학습 콘텐츠를 상기 강의자 단말기에 추천하는 것을 특징으로 하는 사전학습 콘텐츠 생성 장치.
When a learning content request signal including lecture-related information and learner-related information is received from a lecturer terminal, an index word extraction unit for extracting one or more preset index words from the lecture-related information and learner-related information;
a learning content recommendation unit that searches for learning content by index word and recommends it to the lecturer terminal; and
A pre-learning content generator for generating pre-learning content by using the learning content selected by the instructor from among the recommended learning content,
Further comprising a database in which learning content is stored by attribute keyword,
The index word extraction unit,
Extracting an index word set in at least one of learning competency, learning goal, and lecture title from the lecture-related information, and extracting an index word set in at least one of occupation, education degree, and competency level from the learner-related information,
The database is
Classified into lecture and learner, the lecture is classified into one or more lecture attribute information indicating the characteristics of the lecture, the learner is classified into one or more learner attribute information indicating the characteristics of the learner, and the lecture attribute information is one or more lecture attribute information Classified by keyword, learner attribute information is classified into one or more learner attribute keywords,
The lecture attribute information includes a learning competency, a learning goal, and a lecture title,
Lecture attribute keywords included in the learning competency include at least one of strategic thinking, teamwork, communication, followership, analytical thinking, responsibility, ownership, time management, self-development, physical ability, and foreign language,
The lecture attribute keyword included in the learning goal includes at least one of increasing sales capacity and forming a trust culture within the team,
The lecture attribute keywords included in the lecture title include at least one of increasing the negotiating ability of salespeople, team leader leadership, promoted leadership, team building, executive education, and new employee education,
The learner attribute information includes at least one of industry group, job title, position, existing educational information, and competency level,
The learning content recommendation unit,
Searching for one or more learning contents for each attribute keyword matching each index word from the database, extracting a predetermined number of learning contents from among the one or more learning contents searched for each attribute keyword based on the number of duplicates or weights, A pre-learning content generating apparatus, characterized in that the learning content is recommended to the lecturer terminal.
 삭제delete 삭제delete 제1항에 있어서,
상기 학습 콘텐츠 추천부는,
상기 각 색인어와 매칭되는 속성 키워드를 확인하고, 각 속성 키워드의 학습 콘텐츠들을 학습 이력이 가장 많은 순서대로 정렬하고, 상위에 랭크된 기 설정된 개수의 학습 콘텐츠를 검색하는 것을 특징으로 하는 사전학습 콘텐츠 생성 장치.
According to claim 1,
The learning content recommendation unit,
Pre-learning content creation, characterized in that identifying attribute keywords matching each index word, arranging the learning contents of each attribute keyword in the order of the largest number of learning histories, and searching for a preset number of learning contents ranked at the top Device.
 제1항에 있어서,
상기 사전학습 콘텐츠 생성부는,
상기 강의자가 선택한 학습 콘텐츠들을 강의자의 요청에 따라 편집하거나 이어 붙여 사전학습 콘텐츠를 생성하는 것을 특징으로 하는 사전학습 콘텐츠 생성 장치.
According to claim 1,
The pre-learning content generation unit,
Pre-learning content generating apparatus, characterized in that the pre-learning content is created by editing or linking the learning contents selected by the lecturer according to the request of the lecturer.
 제1항에 있어서,
상기 사전학습 콘텐츠 생성부는,
상기 학습 콘텐츠의 원본코드를 생성하고, 상기 학습 콘텐츠의 원본코드에 다른 포맷의 학습 콘텐츠를 연결하기 위한 심벌릭 링크 코드를 생성하며, 상기 심벌릭 링크 코드를 이용하여 다른 포맷의 학습 콘텐츠를 연결하여 사전학습 콘텐츠를 생성하는 것을 특징으로 하는 사전학습 콘텐츠 생성 장치.
According to claim 1,
The pre-learning content generation unit,
Generating the original code of the learning content, generating a symbolic link code for linking learning content in another format to the original code of the learning content, and linking learning content in another format using the symbolic link code A device for generating pre-learning content, characterized in that the pre-learning content is generated.
 강의자 단말기로부터 강의 관련 정보 및 학습자 관련 정보를 포함하는 학습 콘텐츠 요청 신호가 수신되면, 색인어 추출부가 상기 강의 관련 정보 및 학습자 관련 정보로부터 기 설정된 하나 이상의 색인어를 추출하는 단계;
학습 콘텐츠 추천부가, 속성 키워드별로 학습 콘텐츠가 저장된 데이터베이스로부터 색인어별 학습 콘텐츠들을 검색하여 상기 강의자 단말기에 추천하는 단계; 및
사전학습 콘텐츠 생성부가 상기 추천된 학습 콘텐츠들 중에서 상기 강의자에 의해 선택된 학습 콘텐츠를 이용하여 사전학습 콘텐츠를 생성하는 단계를 포함하되,
상기 기 설정된 하나 이상의 색인어를 추출하는 단계에서,
상기 색인어 추출부는 상기 강의 관련 정보로부터 학습 역량, 학습 목표, 및 강의 제목 중 적어도 하나에 설정된 색인어를 추출하고, 상기 학습자 관련 정보로부터 직업, 교육정도 및 역량 수준 중 적어도 하나에 설정된 색인어를 추출하고,
상기 데이터베이스는,
강의 및 학습자로 분류되어 있고, 강의는 강의의 특성을 나타내는 하나 이상의 강의 속성정보로 분류되어 있으며, 학습자는 학습자의 특성을 나타내는 하나 이상의 학습자 속성정보로 분류되어 있고, 강의 속성정보는 하나 이상의 강의 속성 키워드로 분류되어 있으며, 학습자 속성정보는 하나 이상의 학습자 속성 키워드로 분류되어 있되,
상기 강의 속성정보는 학습 역량, 학습 목표 및 강의 제목을 포함하고,
상기 학습 역량에 포함되는 강의 속성 키워드는 전락적 사고, 팀워크, 의사소통, 팔로워십, 분석적 사고, 책임감, 주인의식, 시간경영, 자기개발, 신체능력 및 외국어 중 적어도 하나를 포함하고,
상기 학습 목표에 포함되는 강의 속성 키워드는 영업 역량 증대 및 팀내의 신뢰 문화 형성 중 적어도 하나를 포함하며,
상기 강의 제목에 포함되는 강의 속성 키워드는 영업사원의 협상능력 증대, 팀장 리더십, 승진자 리더십, 팀빌딩, 임원 교육, 및 신입사원 교육 중 적어도 하나를 포함하고,
상기 학습자 속성정보는 산업군, 직무명, 직급, 기존 교육정보 및 역량 수준 중 적어도 하나를 포함하며,
상기 색인어별 학습 콘텐츠들을 검색하여 상기 강의자 단말기에 추천하는 단계에서,
상기 학습 콘텐츠 추천부는, 상기 데이터베이스로부터 각 색인어와 매칭되는 속성 키워드별로 하나 이상의 학습 콘텐츠를 검색하고, 상기 속성 키워드별로 검색된 하나 이상의 학습 콘텐츠들 중에서 중복 횟수 또는 가중치에 기초하여 일정 개수의 학습 콘텐츠를 추출하며, 상기 일정 개수의 학습 콘텐츠를 상기 강의자 단말기에 추천하는 것을 특징으로 하는 사전학습 콘텐츠 생성 방법.
when a learning content request signal including lecture-related information and learner-related information is received from the lecturer terminal, extracting, by an index word extraction unit, one or more preset index words from the lecture-related information and learner-related information;
Searching, by a learning content recommendation unit, learning content by index word from a database in which learning content is stored for each attribute keyword, and recommending it to the lecturer terminal; and
and generating, by the pre-learning content generating unit, pre-learning content by using the learning content selected by the instructor from among the recommended learning content,
In the step of extracting the one or more preset index words,
The index word extraction unit extracts an index word set in at least one of a learning competency, a learning goal, and a lecture title from the lecture-related information, and extracts an index word set in at least one of a job, an educational degree, and a competency level from the learner-related information,
The database is
Classified into lecture and learner, the lecture is classified into one or more lecture attribute information indicating the characteristics of the lecture, the learner is classified into one or more learner attribute information indicating the characteristics of the learner, and the lecture attribute information is one or more lecture attribute information Classified by keyword, learner attribute information is classified into one or more learner attribute keywords,
The lecture attribute information includes a learning competency, a learning goal, and a lecture title,
Lecture attribute keywords included in the learning competency include at least one of strategic thinking, teamwork, communication, followership, analytical thinking, responsibility, ownership, time management, self-development, physical ability, and foreign language,
The lecture attribute keyword included in the learning goal includes at least one of increasing sales capacity and forming a trust culture within the team,
The lecture attribute keywords included in the lecture title include at least one of increasing the negotiating ability of salespeople, team leader leadership, promoted leadership, team building, executive education, and new employee education,
The learner attribute information includes at least one of industry group, job title, position, existing educational information, and competency level,
In the step of searching the learning contents for each index word and recommending it to the lecturer terminal,
The learning content recommendation unit searches for one or more learning content for each attribute keyword matching each index word from the database, and extracts a predetermined number of learning content from among the one or more learning content searched for each attribute keyword based on the number of duplicates or a weight and recommending the predetermined number of learning contents to the lecturer terminal.
 삭제delete 삭제delete 제7항에 있어서,
상기 속성 키워드별로 하나 이상의 학습 콘텐츠 검색 시,
상기 학습 콘텐츠 추천부는, 상기 각 색인어와 매칭되는 속성 키워드를 확인하고, 각 속성 키워드의 학습 콘텐츠들을 학습 이력이 가장 많은 순서대로 정렬하고, 상위에 랭크된 기 설정된 개수의 학습 콘텐츠를 검색하는 것을 특징으로 하는 사전학습 콘텐츠 생성 방법.
8. The method of claim 7,
When searching for one or more learning contents by the attribute keyword,
The learning content recommendation unit identifies attribute keywords matching each of the index words, sorts the learning contents of each attribute keyword in the order of the largest number of learning histories, and searches for a preset number of learning contents ranked at the top How to create pre-learning content with
 제7항에 있어서,
상기 사전학습 콘텐츠를 생성하는 단계에서,
상기 사전학습 콘텐츠 생성부는 상기 강의자가 선택한 학습 콘텐츠들을 강의자의 요청에 따라 편집하거나 이어 붙여 사전학습 콘텐츠를 생성하는 것을 특징으로 하는 사전학습 콘텐츠 생성 방법.
8. The method of claim 7,
In the step of generating the pre-learning content,
The pre-learning content generating unit generates pre-learning content by editing or attaching the learning contents selected by the lecturer according to the request of the lecturer.
 제7항에 있어서,
상기 사전학습 콘텐츠를 생성하는 단계에서,
상기 사전학습 콘텐츠 생성부는 상기 학습 콘텐츠의 원본코드를 생성하고, 상기 학습 콘텐츠의 원본코드에 다른 포맷의 학습 콘텐츠를 연결하기 위한 심벌릭 링크 코드를 생성하며, 상기 심벌릭 링크 코드를 이용하여 다른 포맷의 학습 콘텐츠를 연결하여 사전학습 콘텐츠를 생성하는 것을 특징으로 하는 사전학습 콘텐츠 생성 방법.
8. The method of claim 7,
In the step of generating the pre-learning content,
The pre-learning content generating unit generates an original code of the learning content, generates a symbolic link code for linking learning content in a different format to the original code of the learning content, and uses the symbolic link code to generate a different format Pre-learning content creation method, characterized in that by connecting the learning content of the pre-learning content is generated.
KR1020200044454A 2020-04-13 2020-04-13 Apparatus and method for generating prerequisite learning contents KR102450197B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200044454A KR102450197B1 (en) 2020-04-13 2020-04-13 Apparatus and method for generating prerequisite learning contents

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200044454A KR102450197B1 (en) 2020-04-13 2020-04-13 Apparatus and method for generating prerequisite learning contents

Publications (2)

Publication Number Publication Date
KR20210126868A KR20210126868A (en) 2021-10-21
KR102450197B1 true KR102450197B1 (en) 2022-10-04

Family

ID=78268900

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200044454A KR102450197B1 (en) 2020-04-13 2020-04-13 Apparatus and method for generating prerequisite learning contents

Country Status (1)

Country Link
KR (1) KR102450197B1 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102513299B1 (en) * 2021-11-23 2023-03-23 주식회사 로보그램인공지능로봇연구소 System of personalized improving concentration in online training and thereof method

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004178521A (en) 2002-11-29 2004-06-24 Superstation Inc Recommendation system
KR102047533B1 (en) * 2018-12-10 2019-11-21 강원오픈마켓 주식회사 Method for providing educational contents curation service

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100492875B1 (en) * 2003-03-27 2005-06-02 이준형 Method for writing and practicing of cyber lecture-contents
KR102269837B1 (en) * 2018-07-18 2021-06-28 주식회사 퍼센트 Method of providing personalized education contents and server performing the same
KR20200009622A (en) * 2018-07-19 2020-01-30 정경준 Apparatus for user-customized e-learning content recommendation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004178521A (en) 2002-11-29 2004-06-24 Superstation Inc Recommendation system
KR102047533B1 (en) * 2018-12-10 2019-11-21 강원오픈마켓 주식회사 Method for providing educational contents curation service

Also Published As

Publication number Publication date
KR20210126868A (en) 2021-10-21

Similar Documents

Publication Publication Date Title
KR102341752B1 (en) Method for assisting lectures with avatar of metaverse space and apparatus thereof
US11217110B2 (en) Personalized learning system and method for the automated generation of structured learning assets based on user data
US11455465B2 (en) Book analysis and recommendation
US20200193853A1 (en) Adaptive Presentation of Educational Content via Templates
JP7056359B2 (en) Methods, systems and programs for topic guidance in video content using sequence pattern mining
Aithal et al. Effects of AI-based ChatGPT on higher education libraries
KR20190143792A (en) Apparatus and method for recommending learning contents
Montuschi et al. A semantic recommender system for adaptive learning
Dai et al. Course Content Analysis: An Initiative Step toward Learning Object Recommendation Systems for MOOC Learners.
KR102322213B1 (en) Method and apparatus for recommending learning contents
KR102507260B1 (en) Service server for generating lecturer avatar of metaverse space and mehtod thereof
Yang et al. Emerging technologies for librarians: a practical approach to innovation
Nguyen et al. Design intelligent educational chatbot for information retrieval based on integrated knowledge bases
KR20210152182A (en) Learning service server for recommending learning linked on-line education and off-line education and mehtod thereof
KR102450197B1 (en) Apparatus and method for generating prerequisite learning contents
CN114969282A (en) Intelligent interaction method based on rich media knowledge graph multi-modal emotion analysis model
JP2007200210A (en) Content delivery system, content delivery program and content delivery method
Zaripov et al. Analysis and implementation of course quality optimization based on cloud computing
Arnold et al. Does anyone need help out there? Lessons from designing online help
KR20220039861A (en) Physical education development and education management system for the disabled and its method
Ren Optimization of Innovative Education Resource Allocation in Colleges and Universities Based on Cloud Computing and User Privacy Security
Nešić et al. A learning content authoring approach based on semantic technologies and social networking: An empirical study
KR20240040996A (en) Online and offline-based job training system
Akashiba et al. Implementation of teacher-Robot collaboration lesson application in PRINTEPS
El Aouifi et al. Video-Based Learning Recommender Systems: A Systematic Literature Review

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant