KR102468388B1 - 온라인 수학학습에서의 커리큘럼 적합성 평가 방법 - Google Patents
온라인 수학학습에서의 커리큘럼 적합성 평가 방법 Download PDFInfo
- Publication number
- KR102468388B1 KR102468388B1 KR1020220005159A KR20220005159A KR102468388B1 KR 102468388 B1 KR102468388 B1 KR 102468388B1 KR 1020220005159 A KR1020220005159 A KR 1020220005159A KR 20220005159 A KR20220005159 A KR 20220005159A KR 102468388 B1 KR102468388 B1 KR 102468388B1
- Authority
- KR
- South Korea
- Prior art keywords
- learning
- concept
- learner
- curriculum
- understanding
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 60
- 230000004044 response Effects 0.000 claims abstract description 32
- 238000011156 evaluation Methods 0.000 claims abstract description 29
- 238000003745 diagnosis Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims description 45
- 238000012937 correction Methods 0.000 claims description 14
- 238000002360 preparation method Methods 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 10
- 238000007792 addition Methods 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- 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
-
- 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
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
- G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (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
본 발명은 학습자단말과 통신하며 온라인 수학학습서비스를 제공하는 학습서버에 의한 학습자단말과 통신하며 온라인 수학학습서비스를 제공하는 학습서버에 의한 온라인 수학학습에서의 커리큘럼 적합성 평가 방법에 관한 것으로, 학습자단말로부터 진단을 요청하는 학습범위와 목표등급 입력받아, 문제은행으로부터 학습자단말로부터 입력된 목표등급에 대응하는 난이도를 가지면서, 학습범위에 속하는 단원별 개념을 포함하는 복수의 문항을 추출하여 학습자단말에 제공하는 출제단계와 출제단계에서 제공된 복수의 문항에 대한 학습자단말의 응답 값을 수신하고, 수신된 응답 값을 통해, 학습자의 학습범위 내 개념별 이해도에 따른 지수화 된 개념별 이해도 지수를 산출하고, 산출결과를 저장하는 산출단계와 학습자단말로부터 입력된 목표등급 및 산출단계에서 산출된 개념별 이해도 지수를 통해 학습자의 목표등급 달성여부를 확인하고, 확인 결과에 따라 목표등급 달성을 위한 보완 대상 개념의 학습내용 및 학습스케줄을 포함하는 커리큘럼을 생성하는 생성단계와 산출단계에서의 학습자의 학습범위 내 개념별 이해도에 대응하는 동일 개념별 유사 이해도 지수가 부여된 가상의 학습에이전트를 통해 생성단계에서 생성된 커리큘럼의 적합성을 평가하는 평가단계 및 평가단계에서 적합한 것으로 평가된 커리큘럼에 한하여, 해당 커리큘럼에 포함된 학습스케줄에 따라 학습자단말에 학습내용을 제공하는 제공단계를 포함할 수 있다.
Description
본 발명은, 학습자단말과 통신하며 온라인 수학학습 서비스를 제공하는 학습서버에 의해 생성된 커리큘럼의 적합성을 평가하는 기술에 관한 것이다.
수학은 수, 크기 형상에 대한 사고로부터 유래한 추상적 대상을 다루는 학문이며, 비록, 그 유래가 추상적이긴 하나 다양한 기계, 장치의 구동에서부터 통계, 확률 등과 같은 추이 예측에 이르기까지 실생활과 밀접한 다양한 분야에서 활용되는 실용적인 학문이다.
이러한 수학의 학습은 단순한 연산식의 암기만으로는 활용 측면에서 한계가 나타나기 때문에, 교육인원이 대상인원(=학습인원)의 학습 내용 이해여부 확인 및 이해 정도를 진단하는 것을 시작으로 이후의 대상인원의 보완 학습을 실시하는 것으로 이루어지는 것이 가장 적합한 학습방법일 수 있다.
하지만, 교육인원의 수가 학습인원의 수보다 부족하기 때문에, 학습인원의 개개인에 맞추어 학습을 실시하는 것에는 한계가 있으며, 더욱이, 최근 들어 가속화된 감염병 사태에 의해 교육인원과 학습인원 개개인의 밀접한 교육이 사실상 어렵게 됨에 따라, 이를 대체하기 위한 다양한 기술적 시도가 이루어졌으며, 이러한 기술적 시도의 일환으로, 대한민국 공개특허공보 제10-2003-0034723호(출원일: 2001.10.26., 공개일: 2003.05.09., 이하 ‘종래기술’이라 함.)에는 온라인상에서의 학습인원의 수학능력을 진단 및 보완 하는 기술이 개시된 바 있다.
하지만, 종래기술은 오랜 기간 동안 이어지는 연속적인 테스트 결과의 점수를 통해 학습인원의 학습영역별 수학능력, 즉, 수학문제 풀이 능력을 진단하고, 진단결과를 통해 수학능력 부족 학습영역을 확인하는 것에 불과하여, 학습인원이 각 학습영역별 개념을 얼마나 이해하고 있는지를 판단하기에는 무리가 있으며, 진단결과에 따라 보완해야할 학습영역에 대한 학습인원의 최적화된 학습내용 제공을 기대하기 어려운 문제점이 있었다.
본 발명은 상술한 문제점을 해결하기 위해, 학습인원의 각 개념별 이해도를 진단 결과를 통한 최적화된 보완 학습을 보장하는 온라인 수학학습에서의 커리큘럼 적합성 평가 기술을 제공하는 것을 목적으로 한다.
상기의 목적에 따라 본 발명의 일 실시예에 따른 학습자단말과 통신하며 온라인 수학학습서비스를 제공하는 학습서버에 의한 온라인 수학학습에서의 커리큘럼 적합성 평가 방법은, 상기 학습자단말로부터 진단을 요청하는 학습범위와 목표등급 입력받아, 문제은행으로부터 상기 학습자단말로부터 입력된 목표등급에 대응하는 난이도를 가지면서, 학습범위에 속하는 단원별 개념을 포함하는 복수의 문항을 추출하여 상기 학습자단말에 제공하는 출제단계; 상기 출제단계에서 제공된 복수의 문항에 대한 상기 학습자단말의 응답 값을 수신하고, 수신된 응답 값을 통해, 학습자의 학습범위 내 개념별 이해도에 따른 지수화 된 개념별 이해도 지수를 산출하고, 산출결과를 저장하는 산출단계; 상기 학습자단말로부터 입력된 목표등급 및 상기 산출단계에서 산출된 개념별 이해도 지수를 통해 학습자의 목표등급 달성여부를 확인하고, 확인 결과에 따라 목표등급 달성을 위한 보완 대상 개념의 학습내용 및 학습스케줄을 포함하는 커리큘럼을 생성하는 생성단계; 상기 산출단계에서의 학습자의 학습범위 내 개념별 이해도에 대응하는 동일 개념별 유사 이해도 지수가 부여된 가상의 학습에이전트를 통해 상기 생성단계에서 생성된 커리큘럼의 적합성을 평가하는 평가단계; 및 상기 평가단계에서 적합한 것으로 평가된 커리큘럼에 한하여, 해당 커리큘럼에 포함된 학습스케줄에 따라 상기 학습자단말에 학습내용을 제공하는 제공단계;를 포함하는 것을 특징으로 한다.
여기서, 상기 출제단계는 상기 학습자단말로부터 입력된 학습범위 내에 단일 개념 또는 유향 그래프(Directed graph)구조를 가지고 특정 단위 개념과 또 다른 단위 개념이 상위 노드 또는 하위 노드 형태로 연결되어 적어도 둘 이상의 단위 개념이 상호 연계된 형태의 복합 개념 중 적어도 어느 하나의 개념을 포함하는 복수의 문항을 추출하여 상기 학습자단말에 제공하는 단계인 것을 특징으로 한다.
또한, 상기 생성단계는 상기 산출단계에서 산출된 학습자의 개념별 이해도 지수가 복수의 구간으로 나누어진 개념별 등급 구간 중 어떠한 구간에 해당하는지를 확인하고, 상기 학습자단말로부터 입력된 학습범위에 속하는 각 학습단원별로 개념별 이해도 지수 등급 구간의 평균값을 산출하고, 산출된 각 학습단원별 등급 평균값이 상기 학습자단말로부터 입력된 목표등급을 초과하는지 여부를 확인하여, 학습자의 목표등급 달성여부를 확인하는 단계인 것을 특징으로 한다.
게다가, 상기 생성단계는 상기 학습서버에 기 저장된 등급 단위로 분류된 개념별 학습 내용에 대한 데이터테이블로부터, 상기 학습자단말로부터 입력된 학습자의 목표등급을 달성하지 못한 것으로 확인된 학습단원을 이루는 개념과, 해당 학습단원의 각 개념의 등급에 대응하는 학습내용을 추출하여 커리큘럼을 생성하는 단계인 것을 특징으로 한다.
덧붙여, 상기 제공단계에서 제공된 커리큘럼에 따른 학습스케줄의 종료 이후에 상기 학습자단말에 학습 성취도 진단을 위한 복수의 진단 문항을 제공하고, 상기 학습자단말로부터 수신된 복수의 진단 문항에 대한 응답 값을 통해 개념별 이해도 지수를 산출하여 상기 산출단계에서 산출된 개념별 이해도 지수와 비교하여 학습자의 학습 성취도를 분석하며, 분석결과를 생성 저장하는 분석단계;를 더 포함하는 것을 특징으로 한다.
이때, 상기 분석결과는 학습자의 커리큘럼 수행 이후에 산출한 개념별 이해도 지수를 통한 학습자의 목표등급 달성여부, 학습자의 커리큘럼 수행 이전과 이후의 개념별 이해도 지수의 변동 값 및 해당 학습자에게 제공된 커리큘럼에 대한 정보를 포함하는 것을 특징으로 한다.
그리고, 상기 평가단계는, 기 저장된 산출결과로부터 학습자와 동일 학습범위에 속하면서 유사한 개념별 이해도 지수를 가지는 또 다른 학습자의 산출결과 및 수집된 산출결과와 매칭되는 분석결과가 입력된 학습에이전트를 준비하는 준비단계; 및 상기 준비단계에서 준비된 학습에이전트의 산출결과와 분석결과의 연관관계에 따른 딥 러닝(Deep learning)을 통해 상기 생성단계에서 생성된 커리큘럼의 적합성 여부를 판단하는 판단단계;를 포함하는 것을 특징으로 한다.
아울러, 상기 판단단계는 상기 학습에이전트가 상기 준비단계에서 입력된 산출결과와 분석결과를 통해, 학습자와 동일한 학습범위 내의 유사 커리큘럼을 수행한 이후의 또 다른 학습자의 기 분석결과 중, 목표등급을 달성한 것으로 확인된 분석결과에서 각 개념별 이해도 지수의 평균 증가율이 일정 수준 이상인 분석결과를 추출하고, 추출된 분석결과에 포함된 기 수행된 커리큘럼과 상기 생성단계에서 생성된 커리큘럼을 비교하여, 상기 생성단계에서 생성된 커리큘럼의 적합성 여부를 판단하는 단계인 것을 특징으로 한다.
본 발명에 따른 온라인 수학학습에서의 커리큘럼 적합성 평가 방법은, 학습자로부터 입력된 학습범위와 목표등급에 대응하는 난이도지수를 가지는 개념별 문항에 대한 학습자의 응답 값을 통해 학습자의 개념별 이해도를 진단하여, 학습자의 취약한 개념영역을 보완하기 위한 커리큘럼을 생성 제공하기에 앞서, 학습자와 동일한 학습범위 내의 유사 커리큘럼을 수행한 이후의 또 다른 학습자의 학습 성취도에 따른 유사분석 결과를 통해, 학습자에게 제공할 커리큘럼의 적합 가능성을 판단하고 적합한 것으로 판단된 경우에 한하여 학습자에게 생성된 커리큘럼이 제공됨에 따라, 각 학습자에게 학습 성취도를 크게 높일 수 있는 취약 개념의 보완 학습이 가능한 효과가 있다.
도 1은 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 커리큘럼 적합성 평가 방법의 각 단계를 도시한 순서도이다.
도 2는 본 발명의 바람직한 실시예에 따른 학습서버를 통한 온라인 수학학습 서비스의 일예를 도시한 것이다.
도 3은 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 커리큘럼 적합성 평가 방법의 평가단계에서의 생성된 커리큘럼에 대한 적합성 평가의 일예를 도시한 것이다.
도 2는 본 발명의 바람직한 실시예에 따른 학습서버를 통한 온라인 수학학습 서비스의 일예를 도시한 것이다.
도 3은 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 커리큘럼 적합성 평가 방법의 평가단계에서의 생성된 커리큘럼에 대한 적합성 평가의 일예를 도시한 것이다.
이하, 첨부한 도면을 참조하여 본 발명의 온라인 수학학습에서의 커리큘럼 적합성 평가 방법의 바람직한 실시 예를 상세히 설명한다.
각 도면에 제시된 동일한 참조부호는 동일한 부재를 나타낸다. 또한 본 발명의 실시 예들에 대해서 특정한 구조적 내지 기능적 설명들은 단지 본 발명에 따른 실시 예를 설명하기 위한 목적으로 예시된 것으로, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는 것이 바람직하다.
도 1은 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 커리큘럼 적합성 평가 방법의 각 단계를 도시한 순서도이고, 도 2는 본 발명의 바람직한 실시예에 따른 학습서버를 통한 온라인 수학학습 서비스의 일예를 도시한 것이다.
첨부된 도면을 참조하여, 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 학습자 이해도 진단 방법의 각 단계를 설명하기에 앞서, 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 학습자 이해도 진단 방법은, 도 2에서와 같이, 학습서버(100)가 스마트디바이스, PC, 랩톱 등으로 마련되며 학습서버(100)와 연동된 수학학습 애플리케이션이 설치된 학습자단말(200)과 통신하여 학습자로부터 입력된 값(입력 값 및 응답 값)에 따라, 학습자의 이해도 진단, 학습자단말(200)을 통해 학습자에게 진단결과에 따른 커리큘럼과 학습내용 제공, 제공된 학습 완료 이후의 학습자의 성취도 분석 및 분석 결과를 제공하는 온라인 수학학습 서비스의 전체 프로세스 중 일부인 커리큘럼의 생성 제공 이전에 생성된 커리큘럼이 적합한 커리큘럼인지 검증하는 부분에 대한 것이다. 여기서, 학습서버(100)는 학습자단말(200)을 통해 학습자로부터 입력된 진단요청 학습범위 및 목표 수학등급을 통해, 해당 학습범위에 대응하는 학습자의 이해도 진단을 위한 복수의 문항을 제공하고, 학습자단말(200)을 통해 학습자로부터 입력된 진단 문항에 대한 응답 값으로부터 학습자의 학습범위 내의 개념별 이해도를 진단하여 적합한 커리큘럼을 생성 제공하며, 생성된 커리큘럼의 제공 이전에 기존의 학습자의 커리큘럼 제공 이후의 성취도 분석 결과를 통해 생성된 커리큘럼의 적합성을 평가할 수 있게 되며, 이하에서 설명될, ‘제공’, ‘수신’ 및 ‘응답’의 기재 내용 또한 상술한 학습서버(100)와 연동된 애플리케이션이 설치된 학습자단말(200)과 학습서버(100)가 애플리케이션을 통해 통신 연결 상태에서 데이터를 송수신하는 것으로 이해되어져야할 것이다.
도 1을 참조하여 설명하자면, 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 학습자 이해도 진단 방법은, 학습자단말과 통신하며 온라인 수학학습서비스를 제공하는 학습서버에 의해 수행되며, 출제단계(S100), 준비단계(S200), 제공단계(S300), 확인단계(S400) 및 산출단계(S500)을 포함할 수 있다.
출제단계(S100)는 학습서버(100)가 학습자단말(200)로부터 진단을 요청하는 학습범위를 입력받고, 입력된 학습범위를 포함하는 학습단원별로 다양한 난이도 및 복잡도를 가지는 복수의 문항이 저장된 DB(데이터베이스)형태의 문제은행에서 입력단계(S100)에서 입력된 학습범위에 속한 단일 개념 또는 유향 그래프(Directed Graph) 구조를 가지고 특정 단위 개념과 또 다른 단위 개념이 상위 노드 또는 하위 노드 형태로 연결되어 적어도 둘 이상의 단위 개념이 상호 연계된 형태의 복합 개념의 학습 내용을 포함하며, 소정의 난이도지수가 부여된 복수의 문항을 추출하여, 학습자단말(200)에 제공하는 단계이다. 이 단계에서 학습자단말(200)로부터 수신되는 진단요청 학습범위는 학습자의 학년, 진단을 요청하는 학습단원의 범위를 포함할 수 있으며, 상술한 바와 같이, 학습서버(100)가 학습자단말(200)을 통해 학습자가 해당 학습범위에 도달하고자 하는 목표 수학등급의 추가적인 입력을 요청할 수도 있다. 여기서, 상술한 단일 개념의 의미는 학습자단말(200)을 통해 학습자로부터 입력된 진단요청 학습범위에 속하면서, 해당 개념의 이해하기 위해 선행되어야할 또 다른 개념이 존재하지 않는 개념을 뜻한다. 또한, 복합 개념의 경우, 해당 개념의 이해하기 위해 선행되어야할 상위 개념을 가지는 개념을 말하며, 일예로, 개념 중, 덧셈의 경우 기본적의 수의 이해 외에는 덧셈의 이해를 위해 선행되어져야할 개념이 없는 단일 개념인 것으로 이해될 수 있다. 곱셈의 경우, ‘2 X 3 = 2 + 2 + 2’와 같이, 곱셈 연산부호 앞의 수를 연산부호 뒤의 수만큼 반복하여 더하는 것을 의미하며, 곱셈을 이해하기 위해 덧셈의 이해가 선행되어야하기 때문에, 곱셈은 유향 그래프(Directed Graph) 구조를 기준으로 덧셈인 개념의 하위 노드에 위치하게 되는 복합 개념인 것으로 이해될 수 있다. 또 다른 복합 개념의 예로, 함수(Function)의 기본적인 이해 이후에 학습되는 삼각함수(Trigonometric Function), 지수함수(Logarithmic Function) 등이 있으며, 삼각함수의 경우는 함수와 삼각비(sin, cos, tan)에 대한 이해가 삼각비의 경우에는 도형에 대한 이해가 요구된다. 마찬가지로 로그함수의 경우는 로그(대수)에 대한 이해가. 로그에 대한 이해는 제곱근 및 곱셈에 대한 이해가 이해되기 때문에, 삼각함수는 각각 함수, 도형에 해당하는 상위 노드의 개념으로부터, 지수함수는 각각 함수와 로그에 해당하는 상위 노드 개념으로부터, 연결된 하위 노드 개념 형태의 복합 개념에 해당하는 것으로 설명될 수 있다. 이렇듯, 수학학습에서의 각 학습단원은 개괄적인 학습내용 이후에 세부적인 학습내용이 학습 난이도(또는 복잡도)에 따라 순차적으로 나눠지고 있어, 복학 개념의 이해도 진단은 단일 개념에 대한 이해도 진단과는 다른 방식으로 이루어져야 필요성이 있다. 또한, 복합 개념에서의 진단 대상 개념의 이해도를 진단함에 있어, 학습자의 이해도 진단을 위해 어떠한 한계까지, 즉, 어떠한 상위 노드 개념까지의 이해도 진단이 이루어져야하는지를 선정해야 할 필요성이 있다. 따라서, 본 발명에서의 출제단계(S100)에서는 학습자단말(200)을 통해 학습자로부터 입력되는 진단요청 학습범위(학년, 학습단원 등)에 대한 입력 값을 통해, 이해도 진단이 이루어져야할 상위 노드 개념을 결정하기 위한 학습범위 내에서만 복수의 문항을 추출 제공하게 되며, 이는, 학습서버(100)가 학습단원별로 다양한 난이도 및 복잡도를 가지는 복수의 문항이 저장된 DB(데이터베이스)형태의 문제은행에서 학습자단말(200)로부터 입력된 진단요청 학습범위에 포합된 문항을 선택적으로 추출하는 것으로부터 이룩될 수 있으며, 이때, 추출된 복수의 문항 중, 학습자단말(200)로부터 입력된 목표등급에 대응하는 난이도지수를 가지는 문항만을 선택적으로 분류하여 학습자단말(200)에 제공하게 된다.
한편, 출제단계(S100)에서 추출 분류된 복수의 문항 중 일부를 학습자단말(200)에 순차적으로 제공할 수 있고, 경우에 따라서는 학습자단말(200)에 단일의 문항을 제공한 뒤, 후술할 산출단계(S200)에서의 정답 및 오답 확인결과에 따라 출제단계(S100)에서 준비된 복수의 문항 중 특정 문항을 추출하여 재차 제공하는 방식으로도 학습자단말(200)에 문항을 제공할 수 있다. 만약, 학습자가 학습자단말(200)의 입력수단 조작 실수 등의 이유로, 학습자가 출제단계(S100)에서 제공된 문항에 대한 충분한 문제풀이가 이루어지기 이전에 의도치 않은 응답 값이 입력될 수 있으며, 이러한 의도치 않은 응답 값이 입력은 학습자가 학습자단말(200)의 입력수단 조작을 통한 이전의 문항 입력 이후의 또 다른 문항이 제공되는 시점에서 학습자의 실수 또는 입력수단의 이상에 따른 연속 입력이 발생함으로써 일어날 수 있다. 결과적으로, 학습서버(100)에 학습자의 의도치 않게 입력된 응답 값의 수신 횟수가 누적될수록, 후술할 산출단계(S200)에서 학습자의 정확한 이해도 진단이 불가해지거나, 출제단계(S100)가 처음부터 다시 재차 수행될 수 있어, 학습자의 피로도가 가중될 수 있는 문제점이 있다. 따라서, 출제단계(S100)는 후술할 산출단계(S200)에서 학습자단말(200)로부터 수신한 특정 문항에 대한 응답 값이 기 설정된 기준 시간 이내에 수신한 것으로 확인된 경우에 한하여, 출제단계(S100)에서 학습자단말(200)로부터 입력된 학습범위와 목표등급을 통해 문제은행으로부터 추출 분류한 복수의 문항 중, 해당 문항과 동일한 개념 및 동일한 난이도지수를 가지는 문항을 재차 추출하여 학습자단말(200)에 제공할 수도 있다.
산출단계(S200)는 출제단계에서 제공된 복수의 문항에 대한 상기 학습자단말의 응답 값을 수신하고, 수신된 응답 값을 통해, 학습자의 학습범위 내 개념별 이해도에 따른 지수화 된 개념별 이해도 지수를 산출하는 단계이다. 이 단계에서는 학습자단말(200)로부터 출제단계(S100)에서 제공된 문항에 대한 응답 값을 수신하고 수신된 응답 값의 정답 여부를 확인하며, 해당 문항이 단일 또는 복합 개념인지를 확인하고, 출제단계(S100)에서 학습자단말(200)에 제공된 각 문항 및 개념별 난이도지수를 통해 정답 또는 오답인 것으로 확인된 문항의 점수를 보정하기 위한 난이도 값을 산출하고, 산출된 난이도 값으로 보정된 각 문항의 점수를 통해 학습자의 개념별 이해도에 대한 이해도 지수를 산출할 수 있다. 이 단계에서 출제단계(S100)에서 제공된 문항에 대한 학습자단말(200)의 응답 값을 통해 정답 또는 오답인 것으로 확인된 문항의 점수를 보정하는 이유는, 학습자단말(200)에 서로 다른 난이도지수를 가지는 복수의 문항이 제공되며, 언제나 같은 문항을 동이하게 제공하지 않기 때문이다. 예를 들어 좀 더 자세히 설명하자면, 동일 개념에서 학습자A가 입력한 목표등급에 따라 출제단계(S100)에서 제공된 난이도지수가 높은 5개의 문항에 대하여, 산출단계(S200)에서 3개 문항에 대한 응답 값이 정답인 것으로 확인되고, 학습자 A에 비해 상대적으로 낮은 목표등급을 입력한 학습자 B가 출제단계(S100)에서 제공된 난이도지수가 상대적으로 낮은 5개의 문항에 대하여, 산출단계(S200)에서 4개 문항에 대한 응답 값이 정답인 것으로 확인된 경우, 학습자A와 학습자B가 서로 다른 난이도지수를 가지는 문항을 제공받음에 따라 단순히 정답률이 높은 학습자B가 학습자A보다 해당 개념에 대한 이해도가 높다고 말하기 어려운 것처럼, 서로 다른 목표등급을 가지는 복수의 학습자에게 동일한 난이도지수를 가지는 동일한 개념의 문항을 제공하지 않고도, 오답 가능성이 높은 문항과 정답 가능성이 높은 문항에 대한 점수가 달리 산출되도록 보정이 요구되기 때문이다. 또한, 덧셈과 뺄셈보다 곱셈과 나눗셈이 학습의 난이도가 높은 것처럼, 개념별 문항의 난이도지수가 다르기 때문에, 각 개념별 문항의 난이도지수를 통해, 학습자에게 제공된 문항의 정답 또는 오답으로 확인된 점수를 보정함으로써, 비교적 정확한 이해도 진단이 가능할 수 있게 될 수 있게 된다.
이러한, 산출단계(S200)에서의 보정은 아래의 [식 1]을 통해 출제단계(S100)에서 학습자단말(200)에 제공된 각 문항별 점수 보정을 위한 난이도 값을 산출하는 것으로부터 시작될 수 있다.
[식 1]
산출단계(S200)에서는 위의 [식 1]에서와 같이, 기본 난이도 값을 10으로 하고, 문항 자체가 가지는 난이도지수에서 해당 문항과 동일한 개념의 최소 난이도지수를 뺀 뒤, 동일한 개념의 난이도지수 편차를 곱하여, 10에서 100사이의 분포된 난이도 값을 산출하게 된다. 이후, 산출단계(S200)에서는 아래의 [식 2]를 이용하여, 정답 및 오답에 대한 문항별 점수를 보정할 보정 값을 산출하게 된다.
[식 2]
따라서, 산출단계(S200)에서 보정 값(r)에 의해 보정된 점수는 단순한 정답률이 아닌, 출제단계(S100)에서 학습자단말(200)을 통해 학습자에게 제공된 문항별 개념별 난이도에 따라, 학습자의 개념별 이해도에 따른 이해도 지수 산출이 가능해진다. 이때, 산출단계(S200)는 이해도 지수 산출 대상 개념이 단일 개념인지 복합 개념인지에 따라 이해도 지수 산출 방식에 차이가 있을 수 있다. 산출단계(S200)에서는 개념이 단일 개념의 경우, 상술한 보정 값으로 보정된 점수와 100중, 작은 값을 해당 개념에 대한 이해도 지수로 산출하여 단일 개념의 이해도지수를 산출할 수 있는 반면, 복합 개념의 경우, 아래의 [식 3]을 통해 하위 노드를 가지는 특정 노드 단위의 단위 개념별 이해도 지수를 우선적으로 산출하게 된다.
[식 3]
그리고, 위의 [식 3]에서와 같이, 여러 상위 노드를 가지는 노드 단위(a)의 단위 개념 문항의 점수를 상술한 보정 값을 통해 보정하고, 보정 값으로 보정된 해당 노드 단위의 단위 개념a 문항의 점수와 해당 노드 단위의 상위 노드 단위에 해당하는 각 단위 개념들의 이해도 지수 중, 가장 큰 값을 가지는 이해도 지수 값에 0.2배 한 값과 합산하여, 합산한 값과 100 중, 작은 값을 해당 노드 단위의 단위 개념a에 대한 이해도 지수 U(a)로 산출한다. 또한 이 경우 최상위 노드인 개념의 이해도 지수는 [식 2]에 의해 산출된 보정값(r)을 통해 보정된 문항에 대한 점수로 한다. 여기서 그치지 않고, 하기의 [식 4]를 통해, 산출된 동일한 복합 개념에 속한 모든 단위 개념의 이해도 지수를 통해서 해당 단위 개념보다 상위 노드로 존재하는 모든 단위 개념의 이해도 지수를 계산하게 된다. 이 때 대상이 되는 단위 개념의 하위 노드인 단위 개념의 이해도 지수에 1.3을 곱한 값 중, 가장 높은 값을 대상 단위 개념에 대한 이해도 지수(C)로 산출하게 된다.
[식 4]
상기의 [식 3]과 [식 4]에서 확인할 수 있듯, 복합 개념에서는 상위 노드에 위치하는 단위 개념과 연결되어 학습 측면에서 심화된 학습 내용을 다루는 하위 노드에 위치한 단위 개념의 경우, 학습자의 하위 단위 개념에 대한 이해도는 결국 상위 단위 개념의 이해가 필연적으로 이루어져야하기 때문에, 복합 개념에서의 단위 개념은 해당 단위 개념의 이해도 지수에, 상위 단위 개념의 이해도 지수 일부([식 3]에서 0.2배 한 상위 노드의 단위 개념의 이해도 지수)를 합산하여 이루어지는 것을 확인 수 있으며, 앞서 설명한 내용과 마찬가지로, 복합 개념 전체에서도 하위 노드에 위치한 단위 개념의 이해가 상위 노드에 위치한 단위 개념의 이해보다 이해도 측면에서 더 어렵기 때문에, 특정 단위 개념의 하위 노드에 위치한 개념의 이해도 지수를 보정([식 4]에서 1.3배 한 하위 노드의 단위 개념의 이해도 지수)하여 각 단위 개념과 보정된 하위 노드의 단위 개념 중, 큰 값을 가지는 단위 개념의 이해도 지수를 구하는 것으로 복합 개념에 대한 이해도 지수를 산출하는 것을 확인할 수 있다.
다시 말해, 산출단계(S200)에서는 출제단계(S100)에서 학습자단말(200)에 제공된 복수의 문항에 대한 응답 값을 통한 학습자의 개념별 이해도에 대한 이해도 지수 산출 시에, 출제단계(S100)에서 제공된 문항의 난이도지수에 따라 문항별 정/오답 점수를 보정하여 이해도 지수를 산출하되, 복합 개념에 대한 이해도 지수 산출 시에, 각 단위 개념에 해당 단위 개념의 심화정도를 반영하여 복합 학습영역의 이해도지수를 산출하게 되며, 이때의 산출결과는 학습서버(100)의 저장영역에 별도로 저장 유지될 수 있다.
뿐만 아니라, 산출단계(S200)에서는 학습자의 개념별 이해도 지수 산출에 앞서,출제단계(S100)에서 학습자단말(200)에 제공된 복수의 문항 중 적어도 어느 하나의 문항에 대한 응답 값의 수신시점을 확인할 수 있으며, 응답 값의 수신 시점이 기준 시간 이내에 입력되면, 학습자의 풀이 이전에 입력된 응답 값(=의도치 않게 입력된 응답 값)인 것으로 확인하여, 이미 제공된 문항과 동일한 개념 및 난이도지수를 가지는 문항을 학습자단말(200)에 다시 한번 제공하도록 출제단계(S100)로 회귀할 수도 있다.
생성단계(S300)는 학습자단말(200)로부터 입력된 목표등급 및 산출단계(S200)에서 산출된 개념별 이해도 지수를 통해 학습자의 목표등급 달성여부를 확인하고, 확인 결과에 따라 목표등급 달성을 위한 보완 대상 개념의 학습내용 및 학습스케줄을 포함하는 커리큘럼을 생성하는 단계이다. 이 단계에서는 산출단계(S200)에서 산출된 학습자의 개념별 이해도 지수가 복수의 구간으로 나누어진 개념별 등급 구간 중 어떠한 구간에 해당하는지를 확인하고, 학습자의 개념별 등급 구간의 평균값이 학습자단말(200)로부터 입력된 목표등급을 초과하는지 여부를 확인하여, 상기 학습자의 목표등급 달성여부를 확인할 수 있다. 이때, 생성단계(S300)는 학습서버(100)에 기 저장된 등급 단위로 분류된 개념별 학습 내용에 대한 데이터테이블로부터, 학습자단말(200)로부터 입력된 학습자의 목표등급을 달성하지 못한 것으로 확인된 개념과, 해당 개념의 등급에 대응하는 학습내용을 추출하여 커리큘럼을 생성할 수 있으며, 목표등급을 달성하지 못한 것으로 확인된 개념이 복합 개념인 경우에 한하여, 복합 개념을 이루는 각 단위 개념의 등급 중, 가장 낮은 등급을 해당 복합 개념의 등급인 것으로 설정하고, 설정된 등급에 대응하는 학습내용을 추출하여 커리큘럼을 생성할 수도 있다. 따라서, 학습자는 학습서버(100)로부터 생성된 커리큘럼 내 학습스케줄에 따라 학습자단말(200)에 제공된 학습내용으로 보완이 요구되는 개념별 학습을 수행할 수 있게 되며, 학습자가 생성단계(S300)에서 생성된 커리큘럼의 학습스케줄에 따라 학습내용을 전부 완수하게 되면, 학습자의 목표등급 달성 가능성 또한 높아질 수 있게 된다.
한편, 생성단계(S300)에서 생성된 커리큘럼의 학습스케줄에 따른 학습자의 학습 이후에, 과연 학습자가 목표하는 목표등급에 도달할 수 있을지를 검증하기 위한 과정이 요구된다. 이러한 검증은, 후술할 단계인, 산출단계(S200)에서의 학습자의 학습범위 내 개념별 이해도에 대응하는 동일 개념별 유사 이해도 지수가 부여된 가상의 학습에이전트를 통해 생성단계(S300)에서 생성된 커리큘럼의 적합성을 평가하는 평가단계(S400)를 통해 이루어지며, 평가단계(S400)의 상세한 설명에 앞서, 본원발명의 온라인 수학학습 서비스의 전체 프로세스 상에서의 평가단계(S400)의 이후 단계인 제공단계(S500) 및 분석단계(S600)에 대한 설명 이후에 첨부된 도면을 참조하여 평가단계(S400)에서의 생성된 커리큘럼의 적합성 평가부분을 좀 더 상세히 설명하도록 한다.
제공단계(S500)는 평가단계(S400)에서 적합한 것으로 평가된 커리큘럼에 한하여, 해당 커리큘럼에 포함된 학습스케줄에 따라 학습자단말(200)에 학습내용을 제공하는 단계이다. 이 단계는 커리큘럼에 포합된 학습스케줄에 따른 학습내용의 학습자의 학습자단말(200)을 통한 학습 완료 시점까지 지속되며, 완료 이후에 학습을 수행한 학습자의 학습 성취도를 분석하기 위한 분석단계(S600)에 이어지게 된다.
분석단계(S600)는 제공단계(S500)에서 제공된 커리큘럼에 따른 학습스케줄의 종료 이후에 학습자단말(200)에 학습 성취도 진단을 위한 복수의 진단 문항을 제공하고, 학습자단말(200)로부터 수신된 복수의 진단 문항에 대한 응답 값을 통해 개념별 이해도 지수를 산출하여 산출단계(S200)에서 산출된 개념별 이해도 지수와 비교하여 학습자의 학습 성취도를 분석하는 단계이다. 이 단계에서의 제공단계(S500)에서 제공된 학습내용의 제공 이후에, 학습자의 성취도 분석을 위한 진단 문항 생성 및 학습자단말(200)의 응답 값을 통한 개념별 이해도 지수 산출은 상술한 출제단계(S100) 및 산출단계(S200)과 유사하게 이뤄질 수 있으며, 다만, 분석단계(S600)에서는 학습자의 커리큘럼 수행 이후에 산출한 개념별 이해도 지수를 통한 학습자의 목표등급 달성여부, 학습자의 커리큘럼 수행 이전과 이후의 개념별 이해도 지수의 변동 값 및 해당 학습자에게 제공된 커리큘럼에 대한 정보를 추가적으로 수집하여, 학습자단말(200)에 학습자의 커리큘럼 수행 이후의 학습 성취도에 대한 정보를 제공하기 위한 분석결과를 생성하는 차이점이 존재한다. 이때, 분석단계(S600)에서 생성된 분석결과는 학습서버(100)의 저장영역에 별도로 저장 유지될 수 있다. 그리고, 분석단계(S600)에서 생성된 분석결과는 학습자의 요청 시에 학습자단말(200)에 제공될 수 있다.
이하에서는, 상술한 바와 같이 첨부된 도면을 참조하여, 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 커리큘럼 적합성 평가 방법의 평가단계에서의 생성된 커리큘럼에 대한 적합성 평가의 일예를 설명하도록 한다.
도 3은 본 발명의 바람직한 실시예에 따른 온라인 수학학습에서의 커리큘럼 적합성 평가 방법의 평가단계에서의 생성된 커리큘럼에 대한 적합성 평가의 일예를 도시한 것이다.
도 3을 참조하여 설명하자면, 평가단계(S400)는 각각 산출단계(S200)와 분석단계(S600)에서 기 생성 저장된 또 다른 학습자의 유사 산출결과와 유사 분석결과를 통해, 생성단계(S300)에서 생성된 신규 커리큘럼의 적합성을 평가할 수 있으며, 기 저장된 산출결과로부터 학습자와 동일 학습범위에 속하면서 유사한 개념별 이해도 지수를 가지는 또 다른 학습자의 산출결과 및 수집된 산출결과와 매칭되는 분석결과가 입력된 학습에이전트를 준비하는 준비단계(S510)와, 준비단계(S520)에서 준비된 학습에이전트의 산출결과와 분석결과의 연관관계에 따른 딥 러닝(Deep learning)을 통해 생성단계(S300)에서 생성된 커리큘럼의 적합성 여부를 판단하는 판단단계(S530)를 포함할 수 있다. 도 3에서와 같이, 준비단계(S510)는 학습자와 유사하면서 생성단계(S300) 단계에서 생성된 커리큘럼에 따라 학습을 수행할 가상의 학습자가, 해당 커리큘럼을 수행한 이후에 유의미한 학습 성취도 변화가 발생하였는지를 확인하기 위한 목적으로, 딥 러닝을 수행하는 학습에이전트에 기 저장된 산출결과로부터 학습자와 동일 학습범위에 속하면서 유사한 개념별 이해도 지수를 가지는 또 다른 학습자의 산출결과와 산출결과에 대응하는 또 다른 학습자가 각각의 커리큘럼 수행 이후의 어떠한 학습 성취도 변화가 있었는지를 보여주는 분석결과를 입력하여 해당 학습자와 동일한 학습범위에서의 유사한 개념별 이해도를 학습자 군을 준비하는 단계이다. 이후, 판단단계(S520)에서는 학습에이전트가 준비단계에서 입력된 산출결과와 분석결과를 통해, 학습자와 동일한 학습범위 내의 유사 커리큘럼을 수행한 이후의 또 다른 학습자의 기 분석결과 중, 목표등급을 달성한 것으로 확인된 분석결과에서 각 개념별 이해도 지수의 평균 증가율이 일정 수준 이상인 분석결과를 추출하고, 추출된 분석결과에 포함된 또 다른 학습자로부터 기 수행된 커리큘럼과 생성단계(S300)에서 생성된 커리큘럼 내의 학습내용, 학습스케줄, 학습 난이도 중 적어도 어느 하나를 비교하여, 생성단계(S300)에서 생성된 커리큘럼의 적합성 여부를 판단할 수 있게 된다.
즉, 본 발명에 따른 온라인 수학학습에서의 커리큘럼 적합성 평가 방법은, 학습자로부터 입력된 학습범위와 목표등급에 대응하는 난이도지수를 가지는 개념별 문항에 대한 학습자의 응답 값을 통해 학습자의 개념별 이해도를 진단하여, 학습자의 취약한 개념영역을 보완하기 위한 커리큘럼을 생성 제공하기에 앞서, 학습자와 동일한 학습범위 내의 유사 커리큘럼을 수행한 이후의 또 다른 학습자의 학습 성취도에 따른 유사분석 결과를 통해, 학습자에게 제공할 커리큘럼의 적합 가능성을 판단하고 적합한 것으로 판단된 경우에 한하여 학습자에게 생성된 커리큘럼이 제공됨에 따라, 각 학습자에게 학습 성취도를 크게 높일 수 있는 취약 개념의 보완 학습이 가능한 효과가 있다.
상기한 본 발명의 실시 예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대해 통상의 지식을 가진 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허 청구범위에 속하는 것으로 보아야 할 것이다
100: 학습서버
200: 학습자단말
200: 학습자단말
Claims (8)
- 학습자단말과 통신하며 온라인 수학학습서비스를 제공하는 학습서버에 의한 생성 커리큘럼 적합성 평가 방법에 관한 것으로,
상기 학습서버가 상기 학습자단말로부터 진단을 요청하는 학습범위와 목표등급 입력받아, 문제은행으로부터 상기 학습자단말로부터 입력된 목표등급에 대응하는 난이도를 가지면서, 학습범위에 속하는 단원별 개념을 포함하는 복수의 문항을 추출하여 상기 학습자단말에 제공하는 출제단계;
상기 학습서버가 상기 출제단계에서 제공된 복수의 문항에 대한 상기 학습자단말의 응답 값을 수신하고, 수신된 응답 값을 통해, 학습자의 학습범위 내 개념별 이해도에 따른 지수화 된 개념별 이해도 지수를 산출하고, 산출결과를 저장하는 산출단계;
상기 학습서버가 상기 학습자단말로부터 입력된 목표등급 및 상기 산출단계에서 산출된 개념별 이해도 지수를 통해 학습자의 목표등급 달성여부를 확인하고, 확인 결과에 따라 목표등급 달성을 위한 보완 대상 개념의 학습내용 및 학습스케줄을 포함하는 커리큘럼을 생성하는 생성단계;
상기 학습서버가 상기 산출단계에서의 학습자의 학습범위 내 개념별 이해도에 대응하는 동일 개념별 유사 이해도 지수가 부여된 가상의 학습에이전트를 통해 상기 생성단계에서 생성된 커리큘럼의 적합성을 평가하는 평가단계; 및
상기 학습서버가 상기 평가단계에서 적합한 것으로 평가된 커리큘럼에 한하여, 해당 커리큘럼에 포함된 학습스케줄에 따라 상기 학습자단말에 학습내용을 제공하는 제공단계;를 포함하며,
상기 출제단계는 상기 학습자단말로부터 입력된 학습범위 내에 단일 개념 또는 유향 그래프(Directed graph)구조를 가지고 특정 단위 개념과 또 다른 단위 개념이 상위 노드 또는 하위 노드 형태로 연결되어 적어도 둘 이상의 단위 개념이 상호 연계된 형태의 복합 개념 중 적어도 어느 하나의 개념을 포함하는 복수의 문항을 추출하여 상기 학습자단말에 제공하는 단계이며,
상기 산출단계는 상기 학습서버가 하기의 [식 1]을 통해 상기 출제단계에서 추출 제공된 각 문항별 점수 보정을 위한 난이도 값을 산출하는 단계이고,
[식 1]
상기 산출단계는 상기 학습서버가 하기의 [식 2]로부터 산출된 보정값을 통해 보정된 개념별 점수를 통해 각 개념별 이해도 지수를 산출하는 단계이며,
[식 2]
상기 산출단계는 상기 학습서버가 상기의 보정 값을 통해 정답 또는 오답인 것으로 확인한 문항별 점수 보정 결과에서, 보정된 점수와 100중, 작은 값을 해당 개념에 대한 이해도 지수로 산출하는 단계이되,
상기 산출단계는 상기 학습서버가 상기 학습자단말로부터 수신된 응답 값에 대한 문항이 복합 개념으로 확인한 경우에 한하여, 상기 학습서버가 특정 노드 단위의 세부 개념 문항의 점수를 상기의 보정 값을 통해 보정하고, 상기 보정 값으로 보정된 특정 노드 단위의 세부 개념 문항의 점수와 해당 노드 단위의 하위 노드 단위에 해당하는 각 세부 개념 이해도 지수 중, 가장 큰 값을 가지는 이해도지수 값에 0.2배한 값과 합산하여, 합산한 값과 100중, 작은 값을 해당 노드 단위의 세부 개념에 대한 이해도 지수로 산출하는 단계인 것을 특징으로 하는 온라인 수학학습에서의 커리큘럼 적합성 평가 방법.
- 삭제
- 제1항에 있어서,
상기 생성단계는 상기 산출단계에서 산출된 학습자의 개념별 이해도 지수가 복수의 구간으로 나누어진 개념별 등급 구간 중 어떠한 구간에 해당하는지를 확인하고, 상기 학습자단말로부터 입력된 학습범위에 속하는 각 학습단원별로 개념별 이해도 지수 등급 구간의 평균값을 산출하고, 산출된 각 학습단원별 등급 평균값이 상기 학습자단말로부터 입력된 목표등급을 초과하는지 여부를 확인하여, 학습자의 목표등급 달성여부를 확인하는 단계인 것을 특징으로 하는 온라인 수학학습에서의 커리큘럼 적합성 평가 방법.
- 제3항에 있어서,
상기 생성단계는 상기 학습서버에 기 저장된 등급 단위로 분류된 개념별 학습 내용에 대한 데이터테이블로부터, 상기 학습자단말로부터 입력된 학습자의 목표등급을 달성하지 못한 것으로 확인된 학습단원을 이루는 개념과, 해당 학습단원의 각 개념의 등급에 대응하는 학습내용을 추출하여 커리큘럼을 생성하는 단계인 것을 특징으로 하는 온라인 수학학습에서의 커리큘럼 적합성 평가 방법.
- 제4항에 있어서,
상기 제공단계에서 제공된 커리큘럼에 따른 학습스케줄의 종료 이후에 상기 학습자단말에 학습 성취도 진단을 위한 복수의 진단 문항을 제공하고, 상기 학습자단말로부터 수신된 복수의 진단 문항에 대한 응답 값을 통해 개념별 이해도 지수를 산출하여 상기 산출단계에서 산출된 개념별 이해도 지수와 비교하여 학습자의 학습 성취도를 분석하며, 분석결과를 생성 저장하는 분석단계;를 더 포함하는 것을 특징으로 하는 온라인 수학학습에서의 커리큘럼 적합성 평가 방법.
- 제5항에 있어서,
상기 분석결과는 학습자의 커리큘럼 수행 이후에 산출한 개념별 이해도 지수를 통한 학습자의 목표등급 달성여부, 학습자의 커리큘럼 수행 이전과 이후의 개념별 이해도 지수의 변동 값 및 해당 학습자에게 제공된 커리큘럼에 대한 정보를 포함하는 것을 특징으로 하는 온라인 수학학습에서의 커리큘럼 적합성 평가 방법.
- 제6항에 있어서,
상기 평가단계는,
기 저장된 산출결과로부터 학습자와 동일 학습범위에 속하면서 유사한 개념별 이해도 지수를 가지는 또 다른 학습자의 산출결과 및 수집된 산출결과와 매칭되는 분석결과가 입력된 학습에이전트를 준비하는 준비단계; 및
상기 준비단계에서 준비된 학습에이전트의 산출결과와 분석결과의 연관관계에 따른 딥 러닝(Deep learning)을 통해 상기 생성단계에서 생성된 커리큘럼의 적합성 여부를 판단하는 판단단계;를 포함하는 것을 특징으로 하는 온라인 수학학습에서의 커리큘럼 적합성 평가 방법.
- 제7항에 있어서,
상기 판단단계는 상기 학습에이전트가 상기 준비단계에서 입력된 산출결과와 분석결과를 통해, 학습자와 동일한 학습범위 내의 유사 커리큘럼을 수행한 이후의 또 다른 학습자의 기 분석결과 중, 목표등급을 달성한 것으로 확인된 분석결과에서 각 개념별 이해도 지수의 평균 증가율이 일정 수준 이상인 분석결과를 추출하고, 추출된 분석결과에 포함된 기 수행된 커리큘럼과 상기 생성단계에서 생성된 커리큘럼을 비교하여, 상기 생성단계에서 생성된 커리큘럼의 적합성 여부를 판단하는 단계인 것을 특징으로 하는 온라인 수학학습에서의 커리큘럼 적합성 평가 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220005159A KR102468388B1 (ko) | 2022-01-13 | 2022-01-13 | 온라인 수학학습에서의 커리큘럼 적합성 평가 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220005159A KR102468388B1 (ko) | 2022-01-13 | 2022-01-13 | 온라인 수학학습에서의 커리큘럼 적합성 평가 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102468388B1 true KR102468388B1 (ko) | 2022-11-17 |
Family
ID=84233448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220005159A KR102468388B1 (ko) | 2022-01-13 | 2022-01-13 | 온라인 수학학습에서의 커리큘럼 적합성 평가 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102468388B1 (ko) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170097871A (ko) * | 2016-02-19 | 2017-08-29 | 주식회사 에스티유니타스 | 학습자에게 개인화된 학습 커리큘럼을 제공하는 방법 및 그 장치 |
| KR20180062000A (ko) * | 2016-11-30 | 2018-06-08 | 한국전자통신연구원 | 학습 진단 장치, 방법 및 이를 이용한 맞춤형 학습 시스템 |
| KR20190139080A (ko) * | 2018-06-07 | 2019-12-17 | (주)제로엑스플로우 | 목표달성을 위한 개인화커리큘럼제공장치 및 방법 |
| KR102197752B1 (ko) * | 2019-12-20 | 2021-01-04 | 주식회사 아이스크림에듀 | 맞춤형 자동 문항 생성을 통한 인공지능 기반 학습 방법 및 시스템 |
-
2022
- 2022-01-13 KR KR1020220005159A patent/KR102468388B1/ko active IP Right Grant
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170097871A (ko) * | 2016-02-19 | 2017-08-29 | 주식회사 에스티유니타스 | 학습자에게 개인화된 학습 커리큘럼을 제공하는 방법 및 그 장치 |
| KR20180062000A (ko) * | 2016-11-30 | 2018-06-08 | 한국전자통신연구원 | 학습 진단 장치, 방법 및 이를 이용한 맞춤형 학습 시스템 |
| KR20190139080A (ko) * | 2018-06-07 | 2019-12-17 | (주)제로엑스플로우 | 목표달성을 위한 개인화커리큘럼제공장치 및 방법 |
| KR102197752B1 (ko) * | 2019-12-20 | 2021-01-04 | 주식회사 아이스크림에듀 | 맞춤형 자동 문항 생성을 통한 인공지능 기반 학습 방법 및 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Nissen et al. | Missing data and bias in physics education research: A case for using multiple imputation | |
| Belser et al. | Factors influencing undergraduate student retention in STEM majors: Career development, math ability, and demographics. | |
| Rittle-Johnson et al. | Assessing knowledge of mathematical equivalence: A construct-modeling approach. | |
| CN109934744B (zh) | 基于知识单元提供教育服务的方法、系统和计算机可读记录介质 | |
| KR100978091B1 (ko) | 온라인 테스트 평가 관리 시스템 및 방법 | |
| Kuo et al. | Development and validation of a multimedia-based assessment of scientific inquiry abilities | |
| Guzmán et al. | Improving student performance using self-assessment tests | |
| KR102431604B1 (ko) | 온라인 수학학습에서의 학습자의 성취도 분석 방법 | |
| Şen et al. | A diagnostic comparison of Turkish and Korean students’ mathematics performances on the TIMSS 2011 assessment | |
| Ulusoy | Serious Obstacles Hindering Middle School Students' Understanding of Integer Exponents. | |
| Pham et al. | Factors influencing construction workers’ intention to transfer occupational health and safety training | |
| Poitras et al. | Subgroup discovery with user interaction data: An empirically guided approach to improving intelligent tutoring systems | |
| Ma et al. | Exercise recommendation based on cognitive diagnosis and neutrosophic set | |
| CN114117252A (zh) | 一种学生智能专属题库推荐方法及系统 | |
| KR102468388B1 (ko) | 온라인 수학학습에서의 커리큘럼 적합성 평가 방법 | |
| KR102405303B1 (ko) | 온라인 수학학습에서의 학습자 이해도 진단 방법 | |
| Lee et al. | Personalized item generation method for adaptive testing systems | |
| Johnson et al. | Conceptualising and interpreting reliability | |
| KR102431603B1 (ko) | 온라인 수학학습에서의 학습자 맞춤형 커리큘럼 생성 방법 | |
| Mat Isa et al. | Programme Outcome Attributes Related to Complex Engineering Problem Capability: Perceptions of Engineering Students in Malaysia. | |
| Koong et al. | The learning effectiveness analysis of JAVA programming with automatic grading system | |
| Yocarini et al. | Systematic comparison of decision accuracy of complex compensatory decision rules combining multiple tests in a higher education context | |
| Španja | Evaluacija kao pedagoški fenomen | |
| Zhao | Approaches for addressing the fit of item response theory models to educational test data | |
| KR20200139586A (ko) | 학습 데이터를 통한 적성진단 방법 및 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |