KR102479512B1 - 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 - Google Patents
성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 Download PDFInfo
- Publication number
- KR102479512B1 KR102479512B1 KR1020220022495A KR20220022495A KR102479512B1 KR 102479512 B1 KR102479512 B1 KR 102479512B1 KR 1020220022495 A KR1020220022495 A KR 1020220022495A KR 20220022495 A KR20220022495 A KR 20220022495A KR 102479512 B1 KR102479512 B1 KR 102479512B1
- Authority
- KR
- South Korea
- Prior art keywords
- learner
- server
- work area
- performance
- program
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004458 analytical method Methods 0.000 claims abstract description 64
- 238000011156 evaluation Methods 0.000 claims abstract description 18
- 230000006872 improvement Effects 0.000 claims description 53
- 239000013598 vector Substances 0.000 claims description 51
- 230000006399 behavior Effects 0.000 claims description 43
- 230000003542 behavioural effect Effects 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 32
- 238000013528 artificial neural network Methods 0.000 claims description 26
- 238000012360 testing method Methods 0.000 claims description 20
- 230000004044 response Effects 0.000 claims description 19
- 230000007370 cognitive improvement Effects 0.000 claims description 11
- 230000008447 perception Effects 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 claims description 5
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 46
- 230000008569 process Effects 0.000 description 26
- 238000012549 training Methods 0.000 description 20
- 238000012545 processing Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 238000007726 management method Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 206010021703 Indifference Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- VKWMGUNWDFIWNW-UHFFFAOYSA-N 2-chloro-1,1-dioxo-1,2-benzothiazol-3-one Chemical compound C1=CC=C2S(=O)(=O)N(Cl)C(=O)C2=C1 VKWMGUNWDFIWNW-UHFFFAOYSA-N 0.000 description 1
- 208000025721 COVID-19 Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000006998 cognitive state Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003155 kinesthetic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06398—Performance of employee with respect to a job function
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Educational Technology (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Electrically Operated Instructional Devices (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
실시예들은 성과 지향 교육 시스템을 제공한다. 실시예들에 따르면, 성과 지향 교육 방법은, 의뢰자 단말기에 의해, 업무 영역과 관련된 의뢰자의 니즈를 분석하는 동작; 상기 의뢰자 단말기에 의해, 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버로 송신하는 동작; 상기 서버에 의해, 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량을 분석하는 동작; 상기 서버에 의해, 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램을 설계하는 동작; 학습자 단말기에 의해, 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과를 상기 서버로 송신하는 동작; 및 상기 서버에 의해, 상기 실행 결과를 기초로 상기 학습자의 교육 성과를 평가하는 동작을 포함할 수 있다.
Description
본 발명의 실시예들은 성과 지향 교육 시스템에 관한 것으로, 3단계 분석 방법을 이용하는 성과 지향 교육 시스템에 대한 것이다.
코로나19의 확산이 지속되면서 기업의 정상화도 예정보다 미루어지고 있다. 이러한 위기 속에서 HRD 담당자들에게 현 상황에서 가장 고민이 되는 부분은 대부분 당장 회사의 손익이 줄어든 이후 담당 인력 감축 문제, 사기 저하된 조직 분위기, 예산 감축 및 교육 축소 등의 후폭풍을 고민하고 있다. 코로나19로 촉발된 경제 위기에 기업에서 축소하기 가장 좋은 부분은 '교육'일 것이다. 추상적인 투자, 즉 눈에 보이는 성과와 매출로 이어지지 않기 때문이다.
따라서, 보다 효과적인 교육 및 컨설팅이 중요해지고 있는 시점이다. 국내외 많은 기업에서 교육훈련의 경영 성과에 대한 ROI를 측정하려는 다양한 시도를 해왔다. 그러나 성과의 측정은 일반화하기 쉽지 않을뿐더러, 만족할만한 결과를 보이는 경우가 드물다.
위에서 설명한 배경기술은 발명자가 본원의 개시 내용을 도출하는 과정에서 보유하거나 습득한 것으로서, 반드시 본 출원 전에 일반 공중에 공개된 공지기술이라고 할 수는 없다.
실시예들에 따르면, 성과 좌표를 이용하여 성과를 정량적으로 분석함으로써 학습자의 교육 성과에 대해 지속적으로 관리하고 교육 전략을 세울 수 있는 지표를 제공할 수 있는 성과 지향 교육 시스템을 제공한다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
실시예들에 따르면, 성과 지향 교육 방법은, 의뢰자 단말기에 의해, 업무 영역과 관련된 의뢰자의 니즈를 분석하는 동작; 상기 의뢰자 단말기에 의해, 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버로 송신하는 동작; 상기 서버에 의해, 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량을 분석하는 동작; 상기 서버에 의해, 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램을 설계하는 동작; 학습자 단말기에 의해, 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과를 상기 서버로 송신하는 동작; 및 상기 서버에 의해, 상기 실행 결과를 기초로 상기 학습자의 교육 성과를 평가하는 동작을 포함할 수 있다.
상기 니즈를 분석하는 동작은, 상기 의뢰자 단말기에 의해, 의뢰자의 제1 입력을 기초로 복수의 업무 영역 중의 하나의 업무 영역을 선택하는 동작; 상기 의뢰자 단말기에 의해, 상기 선택된 업무 영역에 대응하는 복수의 업무 능력을 표시하는 동작; 상기 의뢰자 단말기에 의해, 상기 의뢰자의 제2 입력을 기초로 상기 복수의 업무 능력 중에서 하나 이상의 업무 능력을 선택하는 동작; 및 상기 선택된 하나 이상의 업무 능력을 상기 니즈 분석 결과로서 출력하는 동작을 포함할 수 있다.
상기 업무 역량을 분석하는 동작은, 상기 서버에 의해, 복수의 역량 평가 프로그램 중에서 상기 업무 영역에 대응하는 역량 평가 프로그램의 식별자를 상기 학습자 단말기로 송신하는 동작; 상기 학습자 단말기에 의해, 상기 식별자에 대응하는 역량 평가 프로그램을 실행하는 동작; 상기 학습자 단말기에 의해, 상기 역량 평가 프로그램에 의해 요청되는 사용자 입력을 수신하고, 상기 사용자 입력을 상기 서버로 송신하는 동작; 및 상기 서버에 의해, 상기 식별자 및 상기 사용자 입력을 기초로 상기 업무 영역에서 상기 학습자의 업무 역량을 평가하는 동작을 포함할 수 있다.
상기 교육 프로그램을 설계하는 동작은, 상기 서버에 의해, 뉴럴 네트워크로 구성된 교육 프로그램 설계 모델에 상기 업무 역량 분석 결과 및 상기 니즈 분석 결과를 입력하여 출력 벡터를 출력하는 동작; 업무 역량 분석 결과 및 니즈 분석 결과를 기초로 교육 프로그램 설계 모델을 이용하여 출력 벡터를 분류하는 동작; 및 상기 분류 결과를 상기 설계된 교육 프로그램으로서 출력하는 동작을 포함할 수 있다.
상기 분류하는 동작은, 복수의 클래스 벡터 중에서 상기 출력 벡터와의 거리가 가장 작은 클래스 벡터를 선택하는 동작을 포함하고, 상기 분류 결과를 상기 설계된 교육 프로그램으로서 출력하는 동작은, 상기 선택된 클래스 벡터에 대응하는 교육 프로그램을 상기 설계된 교육 프로그램으로서 출력하는 동작을 포함하고, 상기 교육 프로그램 설계 모델은 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고, 업무 역량 분석 결과 및 니즈 분석 결과로 구성된 각각의 학습 데이터는 상기 교육 프로그램 설계 모델의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 교육 프로그램 설계 모델의 파라미터는 상기 손실값이 작아지는 방향으로 학습될 수 있다.
상기 설계된 교육 프로그램을 실행하고 상기 실행 결과를 상기 서버로 송신하는 동작은, 상기 학습자 단말기에 의해, 상기 설계된 교육 프로그램이 실행되는 동안 상기 학습자의 음성 정보, 안면 이미지, 상기 학습자 단말기를 조작하는 회수 및 상기 학습자의 위치 정보를 수집하는 동작; 상기 학습자 단말기에 의해, 상기 수집된 정보들을 기초로 상기 설계된 교육 프로그램의 실행에 따른 상기 학습자의 참여도를 계산하는 동작; 및 상기 참여도가 임계 기준 이상인 경우에, 상기 학습자 단말기에 의해, 상기 실행 결과를 상기 서버로 송신하는 동작을 포함할 수 있다.
상기 교육 성과를 평가하는 동작은, 상기 서버에 의해, 만족도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 대한 상기 학습자의 만족도를 평가하는 동작; 상기 서버에 의해, 지식 향상도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 의한 상기 학습자의 지식 향상도를 평가하는 동작; 상기 서버에 의해, 상기 업무 영역의 중요도에 대한 상기 학습자의 인식을 나타내는 인식 향상도를 평가하는 동작; 상기 서버에 의해, 상기 업무 영역에 대한 상기 학습자의 행동의 적극성을 나타내는 행동 향상도를 평가하는 동작; 및 상기 서버에 의해, 상기 인식 향상도 및 상기 행동 향상도를 기초로 2차원의 좌표 상에 성과 벡터를 표시하는 동작을 포함할 수 있다.
상기 인식 향상도를 평가하는 동작은, 상기 서버에 의해, 제1 인식 지수, 제2 인식 지수 및 제3 인식 지수를 계산하는 동작; 및 상기 제1 인식 지수, 상기 제2 인식 지수 및 상기 제3 인식 지수를 기초로 상기 인식 향상도를 평가하는 동작을 포함하고, 상기 제1 인식 지수는 상기 업무 영역을 구성하는 업무를 상기 학습자가 스케줄링할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의되고, 상기 제2 인식 지수는 상기 업무 영역 외의 업무와 상기 업무 영역 내의 업무가 충돌할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의되고, 상기 제3 인식 지수는 상기 업무 영역을 구성하는 업무와 상기 학습자의 상급자의 지시가 충돌할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의될 수 있다.
상기 행동 향상도를 평가하는 동작은, 상기 서버에 의해, 제1 행동 지수, 제2 행동 지수 및 제3 행동 지수를 측정하는 동작; 및 상기 서버에 의해, 상기 제1 행동 지수, 상기 제2 행동 지수 및 상기 제3 행동 지수를 기초로 상기 행동 향상도를 평가하는 동작을 포함하고, 상기 제1 행동 지수는 상기 업무 영역을 구성하는 업무를 수행할 때 업무의 총 수행 시간 대비 상기 학습자가 모니터를 바라보는 시간의 비중을 나타내고, 상기 제2 행동 지수는 상기 업무 영역을 구성하는 업무를 수행할 때 상기 학습자가 상기 학습자 단말기를 사용하는 시간 간격의 평균을 나타내고, 상기 제3 행동 지수는 상기 업무 영역을 구성하는 업무를 수행하는 총 수행 시간을 나타낼 수 있다.
일 실시예에 따른 성과 지향 교육 시스템은 의뢰자 단말기; 서버; 및 학습자 단말기를 포함하고, 상기 의뢰자 단말기는 업무 영역과 관련된 의뢰자의 니즈를 분석하고, 상기 의뢰자 단말기는 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버로 송신하고, 상기 서버는 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량을 분석하고, 상기 서버는 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램을 설계하고, 상기 학습자 단말기는 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과를 상기 서버로 송신하고, 상기 서버는 상기 실행 결과를 기초로 상기 학습자의 교육 성과를 평가할 수 있다.
일 실시예에 따른 의뢰자 단말기는, 프로세서; 및 메모리를 포함하고, 상기 프로세서는, 업무 영역과 관련된 의뢰자의 니즈를 분석하고, 상기 프로세서는, 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버로 송신하고, 상기 서버에 의해, 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량은 분석되고, 상기 서버에 의해, 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램은 설계되고, 학습자 단말기에 의해, 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과는 상기 서버로 송신되고, 상기 서버에 의해, 상기 실행 결과를 기초로 상기 학습자의 교육 성과는 평가될 수 있다.
일 실시예에 따른 서버는, 프로세서; 및 메모리를 포함하고, 의뢰자 단말기에 의해, 업무 영역과 관련된 의뢰자의 니즈는 분석되고, 상기 의뢰자 단말기에 의해, 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호는 서버로 송신되고, 상기 프로세서는 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량을 분석하고, 상기 프로세서는 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램을 설계하고, 학습자 단말기에 의해, 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과는 상기 서버로 송신되고, 상기 프로세서는 상기 실행 결과를 기초로 상기 학습자의 교육 성과를 평가할 수 있다.
실시예들에 따르면, 성과 지향 교육 시스템은 성과 좌표를 이용하여 성과를 정량적으로 분석함으로써 학습자의 교육 성과에 대해 지속적으로 관리하고 교육 전략을 세울 수 있는 지표를 제공할 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 성과 지향 교육 시스템의 전체 구성을 도시한 도면이다.
도 4는 일 실시예에 따른 성과 지향 교육 방법의 동작을 도시한 흐름도이다.
도 5는 일 실시예에 따른 성과 지향 교육 시스템의 3단계 과정을 도시한 예시적인 화면이다.
도 6은 일 실시예에 따른 성과 좌표 모델의 설명을 위해 도시한 도면이다.
도 7은 일 실시예에 따른 성과 좌표 모델의 일례를 도시한 도면이다.
도 8은 일 실시예에 따른 서버의 구성을 도시한 도면이다.
도 9는 일 실시예에 따른 의뢰자 단말기의 구성을 도시한 도면이다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 성과 지향 교육 시스템의 전체 구성을 도시한 도면이다.
도 4는 일 실시예에 따른 성과 지향 교육 방법의 동작을 도시한 흐름도이다.
도 5는 일 실시예에 따른 성과 지향 교육 시스템의 3단계 과정을 도시한 예시적인 화면이다.
도 6은 일 실시예에 따른 성과 좌표 모델의 설명을 위해 도시한 도면이다.
도 7은 일 실시예에 따른 성과 좌표 모델의 일례를 도시한 도면이다.
도 8은 일 실시예에 따른 서버의 구성을 도시한 도면이다.
도 9는 일 실시예에 따른 의뢰자 단말기의 구성을 도시한 도면이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 왑 서버(WAP Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Visual Basic, Visual C 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 도스(DOS), 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 웹사이트(Website), IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH등이 이용될 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
도 3은 일 실시예에 따른 성과 지향 교육 시스템의 전체 구성을 도시한 도면이다.
일 실시예에 따르면, 성과 지향 교육 시스템은 사람 중심의 성과 지향 프로세스를 제공할 수 있다. 성과 지향 교육 시스템은 의뢰자의 니즈를 확인하고 확인된 니즈에 맞는 교육 과정을 개발할 수 있다. 성과 지향 교육 시스템은 대상의 현재 니즈와 성향을 파악하여 교육 및 CDP, IDP 개발에 대한 동기부여를 제고할 수 있다. 성과 지향 교육 시스템은 개발된 교육 과정을 학습의 대상이 되는 학습자들에게 적용할 수 있다. 성과 지향 교육 시스템은 교육 과정의 수행 결과에 대해 피드백을 수집할 수 있고, 수집된 피드백을 기초로 성과 지향 교육 프로세스를 수정할 수 있다. 성과 지향 교육 시스템은 교육 과정에 대한 만족도를 조사할 수 있고, 교육 과정의 수행 결과로 인한 지식 변화의 정도 및 인식 변화의 정도를 측정할 수 있다.
이를 통하여, 성과 지향 교육 시스템은 의뢰자의 산업 분야에서 요구되는 인재를 전략적으로 관리할 수 있다. 성과 지향 교육 시스템은 인재 관리를 위한 정보를 가시적으로 제공할 수 있으며, 제공된 가시적 정보를 기초로 기업의 전략 목표에 부합하는 인재를 보다 효율적으로 육성할 수 있다. 성과 지향 교육 시스템은 교육 과정의 수행에 따른 학습자의 상태를 정확하게 진단함으로써, 직원들에 대한 교육의 합리적인 투자를 유도하고 체계적인 인재 육성 프로세스를 확립할 수 있다.
성과 지향 교육 시스템은 진단부터 실행까지 전 과정에 걸쳐서 전문 컨설턴트와 기업의 교육 담당자의 의견을 반영하는 참여형 프로세스를 제공할 수 있다. 성과 지향 교육 시스템은 기업의 상황과 니즈에 맞는 교육 과정을 설계함으로써 단순한 컨설팅 또는 교육의 한계를 극복하는 통합적인 솔루션을 제공할 수 있다. 성과 지향 교육 시스템은 학습자의 역량 및 교육 성과에 대한 진단의 편의성을 향상시킬 수 있다. 성과 지향 교육 시스템은 자동화된 교육 프로세스를 제공함으로써 컨설팅 기간을 단축시킬 수 있다. 예를 들어, 성과 지향 교육 시스템은 진단 후 7일 내에 진단 결과를 보고하고 성과 분석 후 15일 이내에 성과 분석 결과를 보고할 수 있다. 성과 지향 교육 시스템은 ROI에 근거하여 학습자의 만족도, 인식 변화 및 성과물을 추적할 수 있고, 추적 결과를 기초로 교육 과정에 대한 자료 및 제언을 제공할 수 있다.
이를 위하여, 도 3을 참조하면, 성과 지향 교육 시스템은 서버(310), 의뢰자 단말기(331), 학습자 단말기(332) 및 네트워크를 포함할 수 있다.
일 실시예에 따르면, 의뢰자 단말기(331)는 업무 영역과 관련된 의뢰자의 니즈를 분석할 수 있다. 의뢰자 단말기(331)는 의뢰자의 제1 입력을 기초로 복수의 업무 영역 중의 하나의 업무 영역을 선택할 수 있다. 의뢰자 단말기(331)는 선택된 업무 영역에 대응하는 복수의 업무 능력을 표시할 수 있다. 의뢰자 단말기(331)는 의뢰자의 제2 입력을 기초로 복수의 업무 능력 중에서 하나 이상의 업무 능력을 선택할 수 있다. 의뢰자 단말기(331)는 선택된 하나 이상의 업무 능력을 니즈 분석 결과로서 출력할 수 있다.
성과 지향 교육 시스템은 의뢰자의 업무 영역에 포함되는 핵심 역량에 대한 교육 성과를 측정할 수 있도록 업무 역량을 정의할 수 있다. 성과 지향 교육 시스템은 의뢰자 단말기(331)를 통하여 업무 역량에 대응하는 복수의 업무 능력을 의뢰자에게 표시할 수 있다. 성과 지향 교육 시스템은 업무 역량과 관련된 설문 문항을 통하여 업무 역량에 대응하는 복수의 업무 능력을 표시할 수 있다. 의뢰자의 선택 입력을 통해 의뢰자가 향상되기를 원하는 학습자의 업무 능력이 선택될 수 있다.
일 실시예에 따르면, 의뢰자 단말기(331)는 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는 신호를 서버로 송신할 수 있다. 송신되는 신호는 니즈 분석 결과를 포함할 수 있다.
일 실시예에 따르면, 서버(310)는 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 학습자의 업무 역량을 분석할 수 있다. 서버(310)는 복수의 역량 평가 프로그램 중에서 업무 영역에 대응하는 역량 평가 프로그램의 식별자를 학습자 단말기로 송신할 수 있다. 학습자 단말기(332)는 식별자에 대응하는 역량 평가 프로그램을 실행할 수 있다. 학습자 단말기(332)는 역량 평가 프로그램에 의해 요청되는 사용자 입력을 수신하고, 사용자 입력을 서버로 송신할 수 있다. 서버(310)는 식별자 및 사용자 입력을 기초로 업무 영역에서 학습자의 업무 역량을 평가할 수 있다.
일 실시예에 따르면, 서버(310)는 니즈 분석 결과 및 업무 역량 분석 결과를 기초로 학습자를 위한 교육 프로그램을 설계할 수 있다.
서버(310)는 뉴럴 네트워크로 구성된 교육 프로그램 설계 모델에 업무 역량 분석 결과 및 니즈 분석 결과를 입력하여 출력 벡터를 출력할 수 있다.
서버(310)는 업무 역량 분석 결과 및 니즈 분석 결과를 기초로 교육 프로그램 설계 모델을 이용하여 출력 벡터를 분류할 수 있다. 예를 들어, 분류 동작의 일환으로서, 서버(310)는 복수의 클래스 벡터 중에서 출력 벡터와의 거리가 가장 작은 클래스 벡터를 선택할 수 있다. 여기서, 클래스 벡터는 복수의 클래스 중의 어느 하나의 클래스를 대표하는 벡터를 의미할 수 있다.
서버(310)는 분류 결과를 설계된 교육 프로그램으로서 출력할 수 있다. 예를 들어, 분류 결과를 출력하는 동작의 일환으로서, 서버(310)는 선택된 클래스 벡터에 대응하는 교육 프로그램을 설계된 교육 프로그램으로서 출력할 수 있다.
여기서, 교육 프로그램 설계 모델은 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하는 뉴럴 네트워크의 일종일 수 있다. 교육 프로그램 설계 모델의 학습 과정에서, 업무 역량 분석 결과 및 니즈 분석 결과로 구성된 각각의 학습 데이터는 교육 프로그램 설계 모델의 입력 레이어에 입력되어 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 출력 벡터는 출력 레이어에 연결된 손실함수 레이어에 입력되고, 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 교육 프로그램 설계 모델의 파라미터는 손실값이 작아지는 방향으로 학습될 수 있다.
[수학식 1]
예를 들어, 교육 프로그램 설계 모델의 학습은 손실 함수는 수학식을 따를 수 있다. 수학식 1에서, n은 클래스 별 학습 데이터의 수, y와 j는 클래스를 나타내는 식별자, C는 상수값, M은 클래스의 개수, x_y는 학습 데이터가 클래스 y에 속할 확률값, x_j는 학습 데이터가 클래스 j에 속할 확률값, L은 손실값을 의미할 수 있다. 수학식 1에는 클래스 별 학습 데이터의 수가 반영되기 때문에, 학습 데이터의 수가 작은 클래스는 학습에 작은 영향을 미치고 학습 데이터의 수가 큰 클래스는 학습에 큰 영향을 미칠 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
일 실시예에 따르면, 학습자 단말기(332)는 설계된 교육 프로그램을 실행하고 실행 결과를 서버로 송신할 수 있다. 먼저, 학습자 단말기(332)는 설계된 교육 프로그램이 실행되는 동안 학습자의 음성 정보, 안면 이미지, 학습자 단말기를 조작하는 회수 및 학습자의 위치 정보를 수집할 수 있다. 학습자 단말기(332)는 수집된 정보들을 기초로 설계된 교육 프로그램의 실행에 따른 학습자의 참여도를 계산할 수 있다. 참여도가 임계 기준 이상인 경우에, 학습자 단말기(332)는 실행 결과를 서버로 송신할 수 있다.
일 실시예에 따르면, 서버(310)는 실행 결과를 기초로 학습자의 교육 성과를 평가할 수 있다. 서버(310)는 교육 성과를 ROI를 기반으로 3단계의 평가 과정을 통해 측정할 수 있다. 교육 성과의 평가 과정은 만족도 평가, 지식 향상도 평가 및 인식 향상도 평가로 구성될 수 있다.
1단계로서, 서버(310)는 만족도를 평가하기 위한 복수의 질문에 대한 학습자의 응답을 기초로 설계된 교육 프로그램에 대한 학습자의 만족도를 평가할 수 있다. 여기서, 만족도는 교육 과정에 대해 학습자들이 얼마나 만족했는지를 나타내는 지표일 수 있다. 서버(310)는 학습 대상자의 교육과정, 과정별 신청 위원, 부서별 평균, 전체 평균, 개인별 성적 순위 등 분석 가능한 데이터를 활용하여 학습결과를 제공하고, 학습 결과 및 설문지 세트에 대한 학습자의 응답을 기초로 만족도를 평가할 수 있다.
2단계로서, 서버(310)는 지식 향상도를 평가하기 위한 복수의 질문에 대한 학습자의 응답을 기초로 설계된 교육 프로그램에 의한 학습자의 지식 향상도를 평가할 수 있다. 지식 향상도는 교육 과정에서 무엇을 배웠는지 및 배운 내용을 잘 습득했는지를 평가하는 지표일 수 있다. 서버(310)는 교육 전 역량의 사전 진단과 교육 종료 후 2차 역량 진단의 차이를 분석하여 교육 종료 후 역량의 3개 변수의 지식 변화를 분석할 수 있다.
3단계로서, 서버(310)는 업무 영역의 중요도에 대한 학습자의 인식을 나타내는 인식 향상도를 평가할 수 있다. 인식 향상도는 습득한 지식의 중요성에 대한 인식 정도와 행동으로 연결할 의지를 나타내는 지표일 수 있다. 인식 향상도는 학습자가 배운대로 행동하려고 얼마나 노력하는지를 나타낼 수 있다.
서버(310)는 인식 향상도를 평가하기 전에 먼저 제1 인식 지수, 제2 인식 지수 및 제3 인식 지수를 계산할 수 있다. 여기서, 제1 인식 지수는 업무 영역을 구성하는 업무를 학습자가 스케줄링할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의될 수 있다. 제2 인식 지수는 업무 영역 외의 업무와 업무 영역 내의 업무가 충돌할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의될 수 있다. 제3 인식 지수는 업무 영역을 구성하는 업무와 학습자의 상급자의 지시가 충돌할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의될 수 있다.
서버(310)는 제1 인식 지수, 제2 인식 지수 및 제3 인식 지수를 기초로 인식 향상도를 평가할 수 있다. 서버(310)는 수학식 1을 이용하여 인식 향상도를 평가할 수 있다.
[수학식 2]
F(p)는 학습자 p의 인식 향상도를 출력하는 인식 향상도 함수이고, a는 제1 인식 지수의 가중치 상수이고, xi는 p의 제1 인식 지수의 검사 항목에 대한 점수이고, n은 제1 인식 지수의 검사 항목의 수이고, b는 제2 인식 지수의 가중치 상수이고, yi는 p의 제2 인식 지수의 검사 항목에 대한 점수이고, m은 제2 인식 지수의 검사 항목의 수이고, c는 제3 인식 지수의 가중치 상수이고, zi는 p의 제3 인식 지수의 검사 항목에 대한 점수이고, l은 제3 인식 지수의 검사 항목의 수이고, 
는 모든 학습자의 모든 제1 인식 지수의 검사 항목에 대한 평균 점수이고, 
는 모든 학습자의 모든 제2 인식 지수의 검사 항목에 대한 평균 점수이고, 
는 모든 학습자의 모든 제3 인식 지수의 검사 항목에 대한 평균 점수이다.
서버(310)는 업무 영역에 대한 학습자의 행동의 적극성을 나타내는 행동 향상도를 평가할 수 있다. 서버(310)는 제1 행동 지수, 제2 행동 지수 및 제3 행동 지수를 측정할 수 있다. 여기서, 제1 행동 지수는 업무 영역을 구성하는 업무를 수행할 때 업무의 총 수행 시간 대비 학습자가 모니터를 바라보는 시간의 비중을 나타낼 수 있다. 제2 행동 지수는 업무 영역을 구성하는 업무를 수행할 때 학습자가 학습자 단말기를 사용하는 시간 간격의 평균을 나타낼 수 있다. 제3 행동 지수는 업무 영역을 구성하는 업무를 수행하는 총 수행 시간을 나타낼 수 있다.
서버(310)는 제1 행동 지수, 제2 행동 지수 및 제3 행동 지수를 기초로 행동 향상도를 평가할 수 있다. 예를 들어, 서버(310)는 수학식 2를 기초로 행동 향상도를 평가할 수 있다.
[수학식 3]
수학식 2에서, 
은 행동 향상도를 출력하는 행동 향상도 함수를 나타내고, m은 2를 초과하는 정수로서, 제1 행동 지수의 세분화된 정도를 나타내고, 
은 제1 행동 지수에 상응하는 표준 편차를 나타내고, h는 제1 행동 지수, s는 제2 행동 지수, v는 제3 행동 지수를 의미할 수 있다. 제1 행동 지수, 제2 행동 지수 및 제3 행동 지수는 업무 영역을 구성하는 업무를 수행할 때 업무를 수행하는 적극적인 정도를 나타내는 다양한 행동에 대응하는 지표를 나타낸다. 여기서, 제1 행동 지수는 다른 행동 지수들에 비해 행동 향상도의 측정에 비중이 높은 행동 지수를 의미할 수 있다.
예를 들어, 문서 작업을 가정하는 경우, 제1 행동 지수는 업무 영역을 구성하는 업무를 수행할 때 모니터를 바라보는 시간의 비중을 나타내고, 제2 행동 지수는 업무 영역을 구성하는 업무를 수행할 때 핸드폰을 사용하는 평균 시간 간격을 나타내고, 제3 행동 지수는 업무 영역을 구성하는 업무를 수행하는 시간을 나타낼 수 있다.
서버(310)는 인식 향상도 및 행동 향상도를 기초로 2차원의 좌표 상에 성과 벡터를 표시할 수 있다. 성과 벡터는 인식 향상도 및 행동 향상도를 2차원의 좌표 상에 표시한 벡터를 나타낼 수 있다. 성과 좌표는 두개 변수의 데이터 값을 2차원 좌표에 적용하고, XY의 중심 값을 (0:0)으로 설정하는 좌표를 나타낼 수 있다.
예를 들어, 서버(310)는 인식 향상도 및 행동 향상도를 기초로 4사분면 상의 성과 벡터의 위치를 판단할 수 있다. 예를 들어, 3사분면에 위치한 성과 벡터에 대응하여 서버(310)는 학습자가 무관심 상태에 있다고 판단할 수 있다. 2사분면에 위치한 성과 벡터에 대응하여 서버(310)는 학습자가 인식 상태에 있다고 판단할 수 있다. 4사분면에 위치한 성과 벡터에 대응하여 서버(310)는 학습자가 수동적 행동 상태에 있다고 판단할 수 있다. 1사분면에 위치한 성과 벡터에 대응하여 서버(310)는 학습자가 행동 상태에 있다고 판단할 수 있다.
서버(310)는 각 변수를 중심 값을 기준으로 추적하여 교육 과정의 수행 전/후로 분석하여 좌표의 이동 변화를 측정할 수 있다. 이처럼, 서버(310)는 성과 좌표를 이용하여 성과를 정량적으로 분석함으로써 학습자의 교육 성과에 대해 지속적으로 관리하고 교육 전략을 세울 수 있는 지표를 제공할 수 있다.
도 4는 일 실시예에 따른 성과 지향 교육 방법의 동작을 도시한 흐름도이다.
일 실시예에 따르면, 동작(S401)에서, 의뢰자 단말기(331)는 업무 영역과 관련된 의뢰자의 니즈를 분석할 수 있다.
일 실시예에 따르면, 동작(S403)에서, 의뢰자 단말기(331)는 니즈 분석 결과를 포함하고, 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버로 송신할 수 있다.
일 실시예에 따르면, 동작(S405)에서, 서버(310)는 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 학습자의 업무 역량을 분석할 수 있다.
일 실시예에 따르면, 동작(S407)에서, 서버(310)는 니즈 분석 결과 및 업무 역량 분석 결과를 기초로 학습자를 위한 교육 프로그램을 설계할 수 있다.
일 실시예에 따르면, 동작(S409)에서, 학습자 단말기는 설계된 교육 프로그램을 실행하고 실행 결과를 서버로 송신할 수 있다.
일 실시예에 따르면, 동작(S411)에서, 서버(310)는 실행 결과를 기초로 학습자의 교육 성과를 평가할 수 있다.
도 5는 일 실시예에 따른 성과 지향 교육 시스템의 3단계 과정을 도시한 예시적인 화면이다.
도 5를 참조하면, 성과 측정의 3단계의 과정이 도시된다. 1단계는 만족도 조사를 나타내고, 2단계는 지식변화 분석을 나타내며, 3단계는 인식변화 분석을 나타낸다.
1단계(501)에서, 서버(310)는 학습 대상자의 교육과정, 과정별 신청 위원, 부서별 평균, 전체 평균, 개인별 성적 순위 등 분석 가능한 데이터를 활용하여 학습결과를 제공하고, 학습 결과 및 설문지 세트에 대한 학습자의 응답을 기초로 만족도를 평가할 수 있다.
2단계(503)에서, 서버(310)는 교육 전 역량의 사전 진단과 교육 종료 후 2차 역량 진단의 차이를 분석하여 교육 종료 후 역량의 3개 변수의 지식 변화를 분석할 수 있다.
3단계(505)에서, GAP 좌표 분석을 통하여 교육 역량에 대해 교육 종료 후의 무관심 -> 인식 -> 행동 상태로 좌표가 변화되는 과정을 분석하고, 행동 영역으로 갈 수 있도록 지속적 관리 및 전략을 세울 수 있는 지표를 제시할 수 있다.
도 6은 일 실시예에 따른 성과 좌표 모델의 설명을 위해 도시한 도면이다.
도 6을 참조하면, 서버(310)는 인식 향상도 및 행동 향상도를 기초로 4사분면 상의 성과 벡터의 위치를 판단할 수 있다. 예를 들어, 3사분면(601)에 위치한 성과 벡터에 대응하여 서버(310)는 학습자가 무관심 상태에 있다고 판단할 수 있다. 무관심 상태에서 학습자의 업무 영역에 대한 중요도 및 수행도는 모두 저조한 상태일 수 있다. 2사분면(603)에 위치한 성과 벡터에 대응하여 서버(310)는 학습자가 인식 상태에 있다고 판단할 수 있다. 인식 상태에서 학습자의 업무 영역에 대한 중요도는 높은 상태이고 수행도는 낮은 상태일 수 있다. 4사분면(605)에 위치한 성과 벡터에 대응하여 서버(310)는 학습자가 수동적 행동 상태에 있다고 판단할 수 있다. 수동적 행동 상태에서 학습자의 업무 영역에 대한 중요도는 낮은 상태이고 수행도는 높은 상태일 수 있다. 1사분면(607)에 위치한 성과 벡터에 대응하여 서버(310)는 학습자가 행동 상태에 있다고 판단할 수 있다. 행동 상태에서 학습자의 업무 영역에 대한 중요도 및 수행도는 높은 상태일 수 있다.
서버(310)는 각 변수를 중심 값을 기준으로 추적하여 교육 과정의 수행 전/후로 분석하여 좌표의 이동 변화를 측정할 수 있다. 예를 들어, 무관심 상태(601)에서 인식 상태(603)로 이동할 때 인식 변화가 발생된 것으로 판단될 수 있다. 수동적 수행 상태(605)에서 행동 상태(607)로 이동할 때 인식 변화가 발생된 것으로 판단될 수 있다. 무관심 상태(601)에서 수동적 수행 상태(605)로 이동될 때 행동 변화가 발생된 것으로 판단될 수 있다. 인식 상태(603)에서 행동 상태(607)로 이동될 때 행동 변화가 발생된 것으로 판단될 수 있다.
이처럼, 서버(310)는 성과 좌표를 이용하여 성과를 정량적으로 분석함으로써 학습자의 교육 성과에 대해 지속적으로 관리하고 교육 전략을 세울 수 있는 지표를 제공할 수 있다.
도 7은 일 실시예에 따른 성과 좌표 모델의 일례를 도시한 도면이다.
도 7의 그래프(710)는 조정 전의 기본값을 기준으로 분기별 좌표 위치를 나타낸 것이다. 도 7의 그래프(720)은 조정 후의 조정값을 기준으로 분기별 좌표 위치를 나타낸 것이다. 도 7의 그래프(720)은 역량 데이터를 기반으로 오류를 수정한 그래프를 나타낸다. 그래프((720)에서 좌표의 이동은 우상향이므로 교육 과정의 수행 이전에 비해 학습자의 업무 역량은 개선된 것으로 판단될 수 있다.
도 8은 일 실시예에 따른 서버의 구성을 도시한 도면이다.
일 실시예에 따르면, 서버(310)는 프로세서(801) 및 메모리(803)를 포함할 수 있다.
의뢰자 단말기(331)는 업무 영역과 관련된 의뢰자의 니즈를 분석할 수 있다. 의뢰자 단말기(331)는 니즈 분석 결과를 포함하고, 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버(310)로 송신할 수 있다.
서버(310)의 프로세서(801)는 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 학습자의 업무 역량을 분석할 수 있다. 프로세서(801)는 니즈 분석 결과 및 업무 역량 분석 결과를 기초로 학습자를 위한 교육 프로그램을 설계할 수 있다.
학습자 단말기(332)는 설계된 교육 프로그램을 실행하고 실행 결과를 서버로 송신할 수 있다. 프로세서(801)는 실행 결과를 기초로 학습자의 교육 성과를 평가할 수 있다.
도 9는 일 실시예에 따른 의뢰자 단말기의 구성을 도시한 도면이다.
의뢰자 단말기(331)는 프로세서(901) 및 메모리(903)를 포함할 수 있다.
프로세서(901)는 업무 영역과 관련된 의뢰자의 니즈를 분석할 수 있다. 프로세서(901)는, 니즈 분석 결과를 포함하고, 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버(310)로 송신할 수 있다.
서버(310)에 의해, 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 학습자의 업무 역량은 분석되고, 서버(310)에 의해, 니즈 분석 결과 및 업무 역량 분석 결과를 기초로 학습자를 위한 교육 프로그램은 설계될 수 있다.
학습자 단말기(332)에 의해, 설계된 교육 프로그램을 실행하고 실행 결과는 서버로 송신되고, 서버(310)에 의해, 실행 결과를 기초로 학습자의 교육 성과는 평가될 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
Claims (12)
- 의뢰자 단말기에 의해, 업무 영역과 관련된 의뢰자의 니즈를 분석하는 동작;
상기 의뢰자 단말기에 의해, 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버로 송신하는 동작;
상기 서버에 의해, 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량을 분석하는 동작;
상기 서버에 의해, 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램을 설계하는 동작;
학습자 단말기에 의해, 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과를 상기 서버로 송신하는 동작; 및
상기 서버에 의해, 상기 실행 결과를 기초로 상기 학습자의 교육 성과를 평가하는 동작
을 포함하고,
상기 교육 성과를 평가하는 동작은,
상기 서버에 의해, 만족도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 대한 상기 학습자의 만족도를 평가하는 동작;
상기 서버에 의해, 지식 향상도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 의한 상기 학습자의 지식 향상도를 평가하는 동작;
상기 서버에 의해, 상기 업무 영역의 중요도에 대한 상기 학습자의 인식을 나타내는 인식 향상도를 평가하는 동작;
상기 서버에 의해, 상기 업무 영역에 대한 상기 학습자의 행동의 적극성을 나타내는 행동 향상도를 평가하는 동작; 및
상기 서버에 의해, 상기 인식 향상도 및 상기 행동 향상도를 기초로 2차원의 좌표 상에 성과 벡터를 표시하는 동작
을 포함하는, 성과 지향 교육 방법. - 제1항에 있어서,
상기 니즈를 분석하는 동작은,
상기 의뢰자 단말기에 의해, 의뢰자의 제1 입력을 기초로 복수의 업무 영역 중의 하나의 업무 영역을 선택하는 동작;
상기 의뢰자 단말기에 의해, 상기 선택된 업무 영역에 대응하는 복수의 업무 능력을 표시하는 동작;
상기 의뢰자 단말기에 의해, 상기 의뢰자의 제2 입력을 기초로 상기 복수의 업무 능력 중에서 하나 이상의 업무 능력을 선택하는 동작; 및
상기 선택된 하나 이상의 업무 능력을 상기 니즈 분석 결과로서 출력하는 동작
을 포함하는, 성과 지향 교육 방법. - 제1항에 있어서,
상기 업무 역량을 분석하는 동작은,
상기 서버에 의해, 복수의 역량 평가 프로그램 중에서 상기 업무 영역에 대응하는 역량 평가 프로그램의 식별자를 상기 학습자 단말기로 송신하는 동작;
상기 학습자 단말기에 의해, 상기 식별자에 대응하는 역량 평가 프로그램을 실행하는 동작;
상기 학습자 단말기에 의해, 상기 역량 평가 프로그램에 의해 요청되는 사용자 입력을 수신하고, 상기 사용자 입력을 상기 서버로 송신하는 동작; 및
상기 서버에 의해, 상기 식별자 및 상기 사용자 입력을 기초로 상기 업무 영역에서 상기 학습자의 업무 역량을 평가하는 동작
을 포함하는, 성과 지향 교육 방법. - 제1항에 있어서,
상기 교육 프로그램을 설계하는 동작은,
상기 서버에 의해, 뉴럴 네트워크로 구성된 교육 프로그램 설계 모델에 상기 업무 역량 분석 결과 및 상기 니즈 분석 결과를 입력하여 출력 벡터를 출력하는 동작;
업무 역량 분석 결과 및 니즈 분석 결과를 기초로 교육 프로그램 설계 모델을 이용하여 출력 벡터를 분류하는 동작; 및
상기 분류 결과를 상기 설계된 교육 프로그램으로서 출력하는 동작
을 포함하는, 성과 지향 교육 방법. - 제4항에 있어서,
상기 분류하는 동작은,
복수의 클래스 벡터 중에서 상기 출력 벡터와의 거리가 가장 작은 클래스 벡터를 선택하는 동작을 포함하고,
상기 분류 결과를 상기 설계된 교육 프로그램으로서 출력하는 동작은,
상기 선택된 클래스 벡터에 대응하는 교육 프로그램을 상기 설계된 교육 프로그램으로서 출력하는 동작을 포함하고,
상기 교육 프로그램 설계 모델은 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
업무 역량 분석 결과 및 니즈 분석 결과로 구성된 각각의 학습 데이터는 상기 교육 프로그램 설계 모델의 상기 입력 레이어에 입력되어 상기 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터를 출력하고, 상기 출력 벡터는 상기 출력 레이어에 연결된 손실함수 레이어에 입력되고, 상기 손실함수 레이어는 상기 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실 함수를 이용하여 손실값을 출력하고, 상기 교육 프로그램 설계 모델의 파라미터는 상기 손실값이 작아지는 방향으로 학습되는,
성과 지향 교육 방법. - 제1항에 있어서,
상기 설계된 교육 프로그램을 실행하고 상기 실행 결과를 상기 서버로 송신하는 동작은,
상기 학습자 단말기에 의해, 상기 설계된 교육 프로그램이 실행되는 동안 상기 학습자의 음성 정보, 안면 이미지, 상기 학습자 단말기를 조작하는 회수 및 상기 학습자의 위치 정보를 수집하는 동작;
상기 학습자 단말기에 의해, 상기 수집된 정보들을 기초로 상기 설계된 교육 프로그램의 실행에 따른 상기 학습자의 참여도를 계산하는 동작; 및
상기 참여도가 임계 기준 이상인 경우에, 상기 학습자 단말기에 의해, 상기 실행 결과를 상기 서버로 송신하는 동작
을 포함하는, 성과 지향 교육 방법. - 삭제
- 제1항에 있어서,
상기 인식 향상도를 평가하는 동작은,
상기 서버에 의해, 제1 인식 지수, 제2 인식 지수 및 제3 인식 지수를 계산하는 동작; 및
상기 제1 인식 지수, 상기 제2 인식 지수 및 상기 제3 인식 지수를 기초로 상기 인식 향상도를 평가하는 동작을 포함하고,
상기 제1 인식 지수는 상기 업무 영역을 구성하는 업무를 상기 학습자가 스케줄링할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의되고,
상기 제2 인식 지수는 상기 업무 영역 외의 업무와 상기 업무 영역 내의 업무가 충돌할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의되고,
상기 제3 인식 지수는 상기 업무 영역을 구성하는 업무와 상기 학습자의 상급자의 지시가 충돌할 때 고려할 수 있는 사항들에 대한 검사 항목들로 구성되는 검사 항목 세트에 의해 정의되는,
성과 지향 교육 방법. - 제1항에 있어서,
상기 행동 향상도를 평가하는 동작은,
상기 서버에 의해, 제1 행동 지수, 제2 행동 지수 및 제3 행동 지수를 측정하는 동작; 및
상기 서버에 의해, 상기 제1 행동 지수, 상기 제2 행동 지수 및 상기 제3 행동 지수를 기초로 상기 행동 향상도를 평가하는 동작을 포함하고,
상기 제1 행동 지수는 상기 업무 영역을 구성하는 업무를 수행할 때 업무의 총 수행 시간 대비 상기 학습자가 모니터를 바라보는 시간의 비중을 나타내고,
상기 제2 행동 지수는 상기 업무 영역을 구성하는 업무를 수행할 때 상기 학습자가 상기 학습자 단말기를 사용하는 시간 간격의 평균을 나타내고,
상기 제3 행동 지수는 상기 업무 영역을 구성하는 업무를 수행하는 총 수행 시간을 나타내는,
성과 지향 교육 방법. - 의뢰자 단말기;
서버; 및
학습자 단말기를 포함하고,
상기 의뢰자 단말기는 업무 영역과 관련된 의뢰자의 니즈를 분석하고,
상기 의뢰자 단말기는 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버로 송신하고,
상기 서버는 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량을 분석하고,
상기 서버는 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램을 설계하고,
상기 학습자 단말기는 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과를 상기 서버로 송신하고,
상기 서버는 상기 실행 결과를 기초로 상기 학습자의 교육 성과를 평가하고,
상기 교육 성과를 평가하기 위해, 상기 서버는,
만족도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 대한 상기 학습자의 만족도를 평가하고,
지식 향상도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 의한 상기 학습자의 지식 향상도를 평가하고,
상기 업무 영역의 중요도에 대한 상기 학습자의 인식을 나타내는 인식 향상도를 평가하고,
상기 업무 영역에 대한 상기 학습자의 행동의 적극성을 나타내는 행동 향상도를 평가하고,
상기 인식 향상도 및 상기 행동 향상도를 기초로 2차원의 좌표 상에 성과 벡터를 표시하는,
성과 지향 교육 시스템. - 프로세서; 및
메모리를 포함하고,
상기 프로세서는, 업무 영역과 관련된 의뢰자의 니즈를 분석하고,
상기 프로세서는, 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호를 서버로 송신하고,
상기 서버에 의해, 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량은 분석되고,
상기 서버에 의해, 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램은 설계되고,
학습자 단말기에 의해, 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과는 상기 서버로 송신되고,
상기 서버에 의해, 만족도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 대한 상기 학습자의 만족도를 평가하고, 지식 향상도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 의한 상기 학습자의 지식 향상도를 평가하고, 상기 업무 영역의 중요도에 대한 상기 학습자의 인식을 나타내는 인식 향상도를 평가하고, 상기 업무 영역에 대한 상기 학습자의 행동의 적극성을 나타내는 행동 향상도를 평가하고, 상기 인식 향상도 및 상기 행동 향상도를 기초로 2차원의 좌표 상에 성과 벡터를 표시함으로써, 상기 실행 결과를 기초로 상기 학습자의 교육 성과는 평가되는,
의뢰자 단말기. - 프로세서; 및
메모리를 포함하고,
의뢰자 단말기에 의해, 업무 영역과 관련된 의뢰자의 니즈는 분석되고,
상기 의뢰자 단말기에 의해, 상기 니즈 분석 결과를 포함하고, 상기 업무 영역에서의 학습자에 대한 업무 역량의 평가를 요청하는, 신호는 서버로 송신되고,
상기 프로세서는 상기 업무 영역에 대응하는 역량 평가 프로그램을 이용하여 상기 학습자의 업무 역량을 분석하고,
상기 프로세서는 상기 니즈 분석 결과 및 상기 업무 역량 분석 결과를 기초로 상기 학습자를 위한 교육 프로그램을 설계하고,
학습자 단말기에 의해, 상기 설계된 교육 프로그램을 실행하고 상기 실행 결과는 상기 서버로 송신되고,
상기 프로세서는 상기 실행 결과를 기초로 상기 학습자의 교육 성과를 평가하고,
상기 교육 성과를 평가하기 위해, 상기 프로세서는,
만족도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 대한 상기 학습자의 만족도를 평가하고,
지식 향상도를 평가하기 위한 복수의 질문에 대한 상기 학습자의 응답을 기초로 상기 설계된 교육 프로그램에 의한 상기 학습자의 지식 향상도를 평가하고,
상기 업무 영역의 중요도에 대한 상기 학습자의 인식을 나타내는 인식 향상도를 평가하고,
상기 업무 영역에 대한 상기 학습자의 행동의 적극성을 나타내는 행동 향상도를 평가하고,
상기 인식 향상도 및 상기 행동 향상도를 기초로 2차원의 좌표 상에 성과 벡터를 표시하는,
서버.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220176009A KR20230006777A (ko) | 2022-02-17 | 2022-12-15 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
| KR1020220176019A KR20230006778A (ko) | 2022-02-17 | 2022-12-15 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR20220020648 | 2022-02-17 | ||
| KR1020220020648 | 2022-02-17 | ||
| KR1020220021257 | 2022-02-18 | ||
| KR20220021257 | 2022-02-18 |
Related Child Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220176019A Division KR20230006778A (ko) | 2022-02-17 | 2022-12-15 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
| KR1020220176009A Division KR20230006777A (ko) | 2022-02-17 | 2022-12-15 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102479512B1 true KR102479512B1 (ko) | 2022-12-20 |
Family
ID=84539317
Family Applications (3)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220022495A KR102479512B1 (ko) | 2022-02-17 | 2022-02-21 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
| KR1020220176019A KR20230006778A (ko) | 2022-02-17 | 2022-12-15 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
| KR1020220176009A KR20230006777A (ko) | 2022-02-17 | 2022-12-15 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
Family Applications After (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220176019A KR20230006778A (ko) | 2022-02-17 | 2022-12-15 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
| KR1020220176009A KR20230006777A (ko) | 2022-02-17 | 2022-12-15 | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 |
Country Status (1)
| Country | Link |
|---|---|
| KR (3) | KR102479512B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116631172A (zh) * | 2023-07-19 | 2023-08-22 | 光感科技(深圳)有限公司 | 一种基于门锁和电子门铃联动的预警方法及装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102210504B1 (ko) * | 2020-04-21 | 2021-02-02 | (주)한국혁신연구원 | 빅데이터 기반의 ai 교육 플랫폼을 이용한 맞춤형 교육 프로그램 시스템 |
-
2022
- 2022-02-21 KR KR1020220022495A patent/KR102479512B1/ko active IP Right Grant
- 2022-12-15 KR KR1020220176019A patent/KR20230006778A/ko active Application Filing
- 2022-12-15 KR KR1020220176009A patent/KR20230006777A/ko not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102210504B1 (ko) * | 2020-04-21 | 2021-02-02 | (주)한국혁신연구원 | 빅데이터 기반의 ai 교육 플랫폼을 이용한 맞춤형 교육 프로그램 시스템 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116631172A (zh) * | 2023-07-19 | 2023-08-22 | 光感科技(深圳)有限公司 | 一种基于门锁和电子门铃联动的预警方法及装置 |
| CN116631172B (zh) * | 2023-07-19 | 2023-10-03 | 光感科技(深圳)有限公司 | 一种基于门锁和电子门铃联动的预警方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230006777A (ko) | 2023-01-11 |
| KR20230006778A (ko) | 2023-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102467890B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치 | |
| KR102491357B1 (ko) | 뉴럴 네트워크를 이용하여 의료기관의 경영 현황에 대한 정보를 단말에게 제공하는 방법 및 장치 | |
| KR102625772B1 (ko) | 뉴럴 네트워크를 이용한 공동 구매 방법 및 장치 | |
| KR102479512B1 (ko) | 성과 지향 교육 방법, 그 방법을 수행하는 서버 및 단말기 | |
| KR102553169B1 (ko) | 브랜드의 개선을 위한 솔루션을 제공하는 방법 및 장치 | |
| KR102484291B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 구직자 리스트를 단말에게 제공하는 방법 및 장치 | |
| KR102550862B1 (ko) | 뉴럴 네트워크를 이용하여 영상 제작과 관련된 프리랜서들을 매칭시키는 방법 및 장치 | |
| KR102507442B1 (ko) | 환경 안전 보건 관리 방법 및 시스템 | |
| KR102433654B1 (ko) | 뉴럴 네트워크를 이용하여 서버가 색상 이미지에 기반한 심리 상태와 관련된 정보를 단말에게 제공하는 방법 및 장치 | |
| KR102544246B1 (ko) | 학습자 맞춤형 수학 교육 시스템 | |
| KR102384892B1 (ko) | 뉴럴 네트워크를 이용한 기부 컨텐츠 추천 방법 및 장치 | |
| KR20230168097A (ko) | 웹툰의 장르 값에 기반하여 웹툰의 유사도를 결정하는 방법 및 장치 | |
| KR20230090979A (ko) | 뉴럴 네트워크를 이용한 상담 가이드 정보 추천 방법 및 장치 | |
| KR20220087410A (ko) | 뉴럴 네트워크를 이용하는 심리 치료 서비스 제공 방법 및 장치 | |
| KR102513048B1 (ko) | 뉴럴 네트워크를 이용하여 지원 사업과 관련된 리포트 정보 및 지원 사업과 관련된 진행 정보를 기반으로 진단 정보를 멘토 단말에게 전송하는 방법 및 장치 | |
| KR102590839B1 (ko) | 뉴럴 네트워크 기반의 컨텍스트 분석을 통한 진로 상담 컨텐츠 제공 시스템 | |
| KR102573285B1 (ko) | 뉴럴 네트워크를 이용하여 고객 관리 서비스를 제공하는 방법 및 장치 | |
| KR102562282B1 (ko) | 성향 기반 매칭 방법 및 장치 | |
| KR102485428B1 (ko) | 뉴럴 네트워크를 이용하여 사용자와 관련된 기업 리스트를 단말에게 제공하는 방법 및 장치 | |
| KR102497016B1 (ko) | 농산물 추천 방법 및 장치 | |
| KR102528407B1 (ko) | 뉴럴 네트워크를 이용하여 인플루언서와 광고 대상의 분야에 대한 연관도에 따른 마케팅 비용에 대한 정보를 결정하는 방법 및 장치 | |
| KR102504950B1 (ko) | 뉴럴 네트워크를 이용하여 예측된 상품 판매량을 사용자 단말에게 제공하는 방법 및 장치 | |
| KR102446665B1 (ko) | 다자간 영상 회의 서비스를 이용한 교습 시스템을 제공하는 서버 및 그 동작 방법 | |
| KR102439323B1 (ko) | 플랜트 상태 관리 시스템 | |
| KR102478964B1 (ko) | 복수의 뉴럴 네트워크를 이용하여 소프트웨어 아키텍쳐와 관련된 정보를 기반으로 결정된 소프트웨어 아키텍쳐에 대한 구성도를 서버가 사용자 단말에게 전송하는 방법 및 장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant |