KR102500782B1 - 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체 - Google Patents

Abstract

본 발명은 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법에 있어서, 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득하는 난이도 지수 획득 단계; 상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보를 분석해 학습 지수를 획득하는 학습 지수 획득 단계; 상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하여, 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 상기 유저 계정에게 제공하는 문항 제공 단계; 및 상기 문항 리스트가 상기 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부를 확인하고, 상기 확인된 정답 여부를 기반으로, 상기 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 난이도 조절 단계; 를 포함하는 것을 특징으로 한다. 이 외에도 본 문서를 통해 파악되는 다양한 실시예들이 가능하다.

Description

학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법, 장치 및 컴퓨터-판독 가능 기록 매체{METHOD, APPARATUS AND COMPUTER-READABLE RECORDING MEDIUM FOR EXTRACTING CUSTOMIZED QUESTION FOR EACH DIFFICULTY LEVEL BASED ON THE STUDENT'S LEARNING LEVEL}

본 발명은 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법에 관한 것으로서, 구체적으로는 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 복수 개의 문항 정보 및 학습 정보를 분석하여, 복수 개의 문항 정보에 대한 난이도 지수 및 학습 정보에 대한 학습 지수를 획득하고, 지정된 매칭 조건을 통해 학습 지수에 난이도 지수를 매칭하여, 매칭된 난이도 지수를 기반으로 학생의 학습 수준에 기반한 문항 리스트를 생성해 유저 계정에게 제공하고, 유저 계정으로부터 문항 리스트에 기반한 정답 정보를 수신 시, 수신된 정답 정보를 통해 문항 리스트에 대한 정답 여부를 판단하여, 판단된 정답 여부를 통해 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 기술에 관한 것이다.

코로나 바이러스(covid-19)로 인해 사회적 거리두기 조치가 장기화되면서, 비대면 실시간 영상 교육이 일상화되고 있다. 특히, 한국의 사교육 시장은 저출산 현상에도 경제력 상승에 따른 자녀 1인당 교육 수요나 지출 규모가 지속적으로 상승됨과 동시에 인구의 노령화에 따른 성인 교육 시장이 급속도로 성장되면서 교육 수요의 증가에 따른 수혜를 받고 있다. 이러한 추세에 맞추어 기존 교육업체부터 에듀테크 스타트업 기업들은 온라인 교육 컨텐츠에 신기술이 적용된 다양한 기술들을 개발하고 있다.

일 예로서, 한국등록특허 10-2316980(사용자 맞춤형 문제 제공 장치 및 이의 실행 방법)에는 학생 정보 데이터 및 문제 정보 데이터를 통해 문제에 대한 정답 확률 및 보기 선택 확률을 예측하여, 예측된 정답 확률에 따라 특정 확률 이하의 문제를 필수 문제로 추출하여 학생에게 제공하는 기술이 개시되어 있다.

그러나, 상술한 선행기술에서는 단순히 유저의 수준에 적합한 문제만을 제공하는 기술만이 개시되어 있을 뿐, 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 복수 개의 문항 정보 및 학습 정보를 분석하여, 복수 개의 문항 정보에 대한 난이도 지수 및 학습 정보에 대한 학습 지수를 획득하고, 지정된 매칭 조건을 통해 학습 지수에 난이도 지수를 매칭하여, 매칭된 난이도 지수를 기반으로 학생의 학습 수준에 기반한 문항 리스트를 생성해 유저 계정에게 제공하고, 유저 계정으로부터 문항 리스트에 기반한 정답 정보를 수신 시, 수신된 정답 정보를 통해 문항 리스트에 대한 정답 여부를 판단하여, 판단된 정답 여부를 통해 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 기술이 개시되어 있지 않아, 이를 해결할 수 있는 기술의 필요성이 대두되고 있다.

이에 본 발명은, 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법을 통해 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 복수 개의 문항 정보 및 학습 정보를 분석하여, 복수 개의 문항 정보에 대한 난이도 지수 및 학습 정보에 대한 학습 지수를 획득하고, 지정된 매칭 조건을 통해 학습 지수에 난이도 지수를 매칭하여, 매칭된 난이도 지수를 기반으로 학생의 학습 수준에 기반한 문항 리스트를 생성해 유저 계정에게 제공하고, 유저 계정으로부터 문항 리스트에 기반한 정답 정보를 수신 시, 수신된 정답 정보를 통해 문항 리스트에 대한 정답 여부를 판단하여, 판단된 정답 여부를 통해 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절함으로써, 복수 개의 유저 계정의 평균적인 학습 수준을 고려해 문항 정보의 난이도를 조절하고, 학생의 학습 수준에 적합한 문항 정보를 제공해 학생의 성적을 기초부터 효율적으로 상승시키는 것에 그 목적이 있다.

본 발명의 일 실시예에 따른 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법에 있어서, 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득하는 난이도 지수 획득 단계; 상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보를 분석해 학습 지수를 획득하는 학습 지수 획득 단계; 상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하여, 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 상기 유저 계정에게 제공하는 문항 제공 단계; 및 상기 문항 리스트가 상기 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부를 확인하고, 상기 확인된 정답 여부를 기반으로, 상기 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 난이도 조절 단계;를 포함하는 것을 특징으로 한다.

상기 난이도 지수 획득 단계는, 상기 유저 계정으로부터 상기 테스트 시작 입력을 수신 시, 상기 제1 데이터베이스에 저장된 복수 개의 문항 정보 각각에 대한 난이도를 분석하는 문항 분석 프로세스를 시작하는 문항 분석 프로세스 시작 단계; 상기 문항 분석 프로세스가 시작되는 경우, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 복수 개의 문항 정보 각각과 대응하는 문항의 글자 수, 어휘, 출제 빈도 및 기준 정답률을 분석하여, 상기 문항에 대한 난이도를 측정하는 문항 난이도 측정 단계; 및 상기 문항 난이도 측정 단계의 기능 수행으로 인해 상기 문항에 대한 난이도의 측정이 완료되면, 기 저장된 지수 테이블을 통해 상기 측정된 난이도에 대응되는 난이도 지수를 상기 문항에 부여함으로써, 상기 복수 개의 문항 정보 각각에 대한 상기 난이도 지수의 획득을 완료하는 문항 분석 프로세스 종료 단계;를 포함하는 것이 바람직하다.

상기 학습 지수 획득 단계는, 상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정에 등록된 학생의 인명정보를 확인하는 인명정보 확인 단계; 상기 학생의 인명정보의 확인이 완료되면, 상기 제2 데이터베이스에서 상기 인명 정보에 대응되는 학생의 학습 정보를 추출하여, 성적 분석 프로세스를 시작하는 성적 분석 프로세스 시작 단계; 상기 성적 분석 프로세스가 시작되는 경우, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보에 포함된 학생의 성적, 상기 성적에 기반한 문항 별 오답률 및 학생의 어휘지수를 분석하여, 학생의 학습 수준을 측정하는 학습 수준 측정 단계; 및 상기 학습 수준 측정 단계의 기능 수행으로 인해 상기 학생의 학습 수준에 대한 측정이 완료되면, 상기 기 저장된 지수 테이블을 통해 상기 측정된 학습 수준에 대응되는 학습 지수를 상기 유저 계정에 등록함으로써, 상기 학생의 학습 수준에 대한 학습 지수의 획득을 완료하는 성적 분석 프로세스 종료 단계;를 포함하는 것이 가능하다.

상기 기 저장된 지수 테이블은, 상기 복수 개의 문항 정보의 난이도 각각에 대응되는 기 설정된 지수를 저장하고 있는 난이도 지수 카테고리; 및 복수 개의 유저 계정의 서로 다른 학습 정보를 기반으로 측정되는 학습 수준 각각에 대응되는 기 설정된 지수를 저장하고 있는 성적 지수 카테고리;를 포함하는 것이 가능하다.

상기 문항 제공 단계는, 상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하는 지수 매칭 단계; 상기 학습 지수에 상기 난이도 지수의 매칭이 완료되면, 상기 학습 지수에 매칭 완료된 난이도 지수에 대응되는 문항 정보를 학생의 학습 수준에 적합한 문항 정보로 판단하여, 상기 판단된 문항 정보를 상기 복수 개의 문항 정보에서 선택하되, 과목에 따른 단원 별 출제 비율에 대응되는 문항 개수로 상기 문항 정보를 선택하는 문항 정보 선택 단계; 및 상기 문항 정보 선택 단계의 기능 수행이 완료되면, 상기 선택된 문항 정보를 통해 상기 문항 리스트를 생성하여, 상기 유저 계정에게 제공하는 리스트 제공 단계;를 포함하는 것이 가능하다.

상기 난이도 조절 단계는, 상기 리스트 제공 단계의 기능 수행이 완료된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 대한 채점 프로세스를 시작하는 채점 프로세스 시작 단계; 상기 채점 프로세스에 의해 상기 문항 리스트에 포함된 문항 정보에 대한 채점이 완료되는 경우, 채점 결과를 통해 상기 문항 리스트에 포함된 문항 정보 각각에 대한 정답 여부를 확인하는 정답 여부 확인 단계; 및 상기 정답 여부의 확인이 완료되면, 다른 유저 계정들의 정답 정보에 의해 기 결정된 상기 문항 정보 각각에 대한 기준 정답률에 상기 확인된 정답 여부를 반영하여, 상기 기준 정답률을 최신으로 갱신하는 기준 정답률 갱신 단계;를 포함하는 것이 가능하다.

상기 난이도 조절 단계는, 풀이 제공 단계;를 더 포함하고, 상기 풀이 제공 단계는, 상기 정답 여부 확인 단계의 기능 수행으로 인해 상기 문항 리스트에 포함된 문항 정보 각각에 대한 정답 여부의 확인이 완료되면, 상기 확인된 정답 여부를 기반으로, 오답으로 결정된 오답 문항 정보를 식별하여, 상기 오답 문항 정보에 대응되는 풀이 가이드 정보를 상기 유저 계정에게 제공하는 것이 가능하다.

상기 풀이 가이드 정보는, 상기 학습 지수 획득 단계에서, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 유저 계정의 학습 정보에 포함된 학생의 성적, 상기 성적에 기반한 문항 별 오답률 및 학생의 어휘지수를 분석하여 측정된 학생의 학습 수준에 대응되는 키워드를 활용해 작성된 오답 문항 정보에 대한 풀이 정보인 것이 가능하다.

본 발명의 일 실시예에 따른 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치에 있어서, 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득하는 난이도 지수 획득부; 상기 난이도 지수 획득부의 기능이 수행되는 동안, 상기 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보를 분석해 상기 학습 정보에 대한 학습 지수를 획득하는 학습 지수 획득부; 상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하여, 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 상기 유저 계정에게 제공하는 문항 제공부; 및 상기 문항 리스트가 상기 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부를 확인하고, 상기 확인된 정답 여부를 기반으로, 상기 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 난이도 조절 단계;를 포함하는 것을 특징으로 한다.

본 발명의 일 실시예에 따른 컴퓨터-판독가능 기록매체로서, 상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은; 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득하는 난이도 지수 획득 단계; 상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보를 분석해 상기 학습 정보에 대한 학습 지수를 획득하는 학습 지수 획득 단계; 상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하여, 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 상기 유저 계정에게 제공하는 문항 제공 단계; 및 상기 문항 리스트가 상기 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부를 확인하고, 상기 확인된 정답 여부를 기반으로, 상기 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 난이도 조절 단계;를 포함하는 것을 특징으로 한다.

본 발명인 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법은 기 저장된 인공지능 알고리즘을 통해 학생의 학습 수준 및 복수 개의 문항에 대한 난이도를 분석하고, 분석된 학생의 학습 수준에 적합한 난이도를 가지는 문항 정보를 제공함으로써, 학생의 학습 수준을 고려한 학습 커리큘럼을 통해 단시간 내에 학생의 성적을 향상시킬 수 있다.

또한, 기 저장된 인공지능 알고리즘을 통해 다수의 학생에 의해 결정되는 문항에 대한 정답률을 실시간으로 갱신함으로써, 학습 수준이 뒤떨어지는 학생에게 다수의 평균 수준에 기반한 문제를 제공함으로써, 학습 수준을 평균 이상으로 향상시킬 수 있다.

도 1은 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법을 설명하기 위한 순서도이다.
도 2는 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법의 난이도 지수 획득 단계를 설명하기 위한 순서도이다.
도 3은 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법의 학습 지수 획득 단계를 설명하기 위한 순서도이다.
도 4는 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치의 문항 제공부를 설명하기 위한 블록도이다.
도 5는 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치의 난이도 조절부를 설명하기 위한 블록도이다.
도 6은 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치의 난이도 조절부를 설명하기 위한 블록도이다.
도 7은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 설명하기 위한 도면이다.

이하에서는, 다양한 실시 예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.

본 명세서에서 사용되는 "실시 예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.

또한, 제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

또한, 본 발명의 실시 예들에서, 별도로 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 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 실시 예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

도 1은 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법을 설명하기 위한 순서도이다.

도 1을 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법은 난이도 지수 획득 단계(S101 단계), 학습 지수 획득 단계(S103 단계), 문항 제공 단계(S105 단계) 및 난이도 조절 단계(S107 단계)를 포함할 수 있다.

S101 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 유저 계정으로부터 상기 테스트 시작 입력 수신 시, 상기 유저 계정의 사용자인 학생의 학습 수준에 적합한 문항(예: 문제)를 제공하기 위하여, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석할 수 있다. 이 때, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 통해 상기 복수 개의 문항 정보에 대한 난이도를 분석함으로써, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득할 수 있다.

일 실시예에 따르면, 상기 제1 데이터베이스는 상기 복수 개의 문항 정보를 저장하고 있는 데이터베이스일 수 있다. 예를 들어, 상기 제1 데이터베이스는 문제은행 방식에 기반한 문제들을 저장하고 있는 문제은행 데이터베이스일 수 있다. 상기 난이도 지수는 복수 개의 문항 정보 각각에 대응되는 문항(예: 문제)의 난이도를 나타내는 지수일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 복수 개의 문항 정보 각각에 대한 난이도 지수의 획득이 수행되는 동안, 학습 지수 획득 단계(S103 단계)를 수행할 수 있다.

S103 단계에서, 상기 프로세서는 상기 난이도 지수 획득 단계(S101 단계)가 수행되는 동안, 상기 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보를 분석해 학습 지수를 획득할 수 있다.

일 실시예에 따르면, 상기 제2 데이터베이스는 복수의 학생에 대한 학습 정보들을 저장하고 있는 데이터베이스로써, 복수 개의 유저 계정 또는 관리자 계정에 의해 입력되는 학습 정보가 저장될 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로 학습 정보를 분석함으로써, 상기 유저 계정의 사용자인 학생에 대한 학습 수준을 측정할 수 있다. 이에 따라, 상기 프로세서는 상기 측정된 학습 수준을 지수화함으로써, 상기 학습 지수를 획득할 수 있다. 즉, 상기 학습 지수는 학생들의 학습 수준을 나타내는 구성으로써, 상기 난이도 지수와 매칭되는 구성일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 난이도 지수 획득 단계(S101 단계) 및 상기 학습 지수 획득 단계(S103)의 기능 수행이 완료되면, 상기 문항 제공 단계(S105 단계)를 수행할 수 있다.

S105 단계에서, 상기 프로세서는 상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭할 수 있다. 상기 프로세서는 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 상기 유저 계정에게 제공할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭할 수 있다. 상기 지정된 매칭 조건은 학생의 학습 수준에 적합한 문항을 제공하기 위한 매칭 관계 정보일 수 있다. 예를 들어, 상기 지정된 매칭 조건에 포함된 제1 매칭 조건은 학습 지수가 3등급의 학습 지수인 경우, 3등급 및 4등급의 난이도 지수를 매칭하는 조건일 수 있다. 상기 지정된 매칭 조건은 학생의 학습 수준에 적합한 문항을 제공하기 위하여, 관리자 계정에 의해 매칭 관계가 변경되거나 상기 기 저장된 인공지능 알고리즘에 의해 매칭 관계가 변경될 수 있다.

보다 자세하게, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 통해 복수의 유저 계정의 사용자인 학생들에 대한 학습 수준이 전체적으로 향상된 것을 판단한 경우, 상기 제1 매칭 조건을 3등급의 학습 지수에 2등급 및 3등급의 난이도 지수가 매칭되도록 변경할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 제공할 수 있다. 상기 학습 지수에 매칭된 난이도 지수는 달리 설명하면, 학생의 학습 수준에 적합한 난이도를 가지는 문항이 매칭된 것을 의미한다. 이에 따라, 상기 프로세서는 상기 학습 지수에 매칭된 난이도 지수와 대응하는 문항 정보를 상기 학생의 학습 수준에 적합한 난이도를 가지는 문항으로 판단함으로써, 상기 학습 지수에 매칭된 난이도 지수와 대응하는 문항 정보를 포함하는 문항 리스트를 생성할 수 있다.

일 실시예에 따르면, 상기 문항 리스트는 상기 학생의 학습 수준에 적합한 난이도를 가지는 문항을 포함한 시험지 정보일 수 있다. 상기 프로세서는 상기 문항 리스트의 생성이 완료되면, 상기 생성된 문항 리스트를 상기 유저 계정에게 제공할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 유저 계정으로부터 정답 정보를 수신하는 경우, 상기 난이도 조절 단계(S107 단계)를 수행할 수 있다.

S107 단계에서, 상기 프로세서는 상기 문항 리스트가 상기 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부를 확인할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 문항 정보의 정답 여부에 대한 확인이 완료된 경우, 상가 확인된 정답 여부를 기반으로, 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절할 수 있다.

일 실시예에 따르면, 상기 정답 정보는 상기 유저 계정이 상기 제공받은 문항 리스트에 포함된 문항 정보에 대응되는 문항를 풂으로써, 작성되는 정보일 수 있다. 즉, 상기 정답 정보는 상기 문항 정보에 대한 답으로써, 상기 유저 계정에 의해 작성된 정보일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 정답 여부의 확인이 완료되면, 상기 확인된 정답 여부를 기반으로, 문항 정보의 난이도 지수를 수정할 수 있다. 예를 들어, 상기 프로세서는, 상기 유저 계정이 상기 문항 리스트에 포함된 4번 문항을 풂에 따라 작성된 객관식 답 2번을 상기 정답 정보로써 수신할 수 있다. 이 때, 상기 프로세서는 상기 4번 문제의 정답이 2번인 것을 확인하는 경우, 상기 유저 계정이 상기 4번 문항을 틀리지 않은 것을 확인할 수 있다.

이에 따라, 상기 프로세서는, 상기 유저 계정이 상기 4번 문항을 통과함에 따라, 4번 문항의 기준 정답률의 수치를 상승시키고, 상기 기준 정답률 수치가 상승된 4번에 대한 난이도 지수를 이전보다 낮은 등급으로 수정할 수 있다. 상기 프로세서는 상기 4번에 대한 난이도 지수를 수정함으로써, 이후에 테스트 시작 입력을 송신하는 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절할 수 있다.

도 2는 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법의 난이도 지수 획득 단계를 설명하기 위한 순서도이다.

도 2를 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법은 난이도 지수 획득 단계(예: 도 1의 난이도 지수 획득 단계(S101 단계))를 포함할 수 있다.

일 실시예에 따르면, 상기 난이도 지수 획득 단계는 유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득하는 단계일 수 있다.

일 실시예에 따르면, 상기 난이도 지수 획득 단계는 상술한 기능을 수행하기 위한 세부 단계로써, 문항 분석 프로세스 시작 단계(S201 단계), 문항 난이도 측정 단계(S203 단계) 및 문항 분석 프로세스 종료 단계(S205 단계)를 포함할 수 있다.

S201 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는 상기 유저 계정으로부터 테스트 시작 입력을 수신 시, 상기 제1 데이터베이스에 저장된 복수 개의 문항 정보 각각에 대한 난이도를 분석하는 문항 분석 프로세스를 시작할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 문항 분석 프로세스를 시작하기 위해 상기 유저 계정으로부터 수신한 테스트 시작 입력을 기반으로, 상기 유저 계정이 선택한 과목을 식별할 수 있다. 이에 따라, 상기 프로세서는 상기 식별한 과목과 대응되는 과목을 가지는 복수 개의 문항 정보를 상기 제1 데이터베이스에서 식별할 수 있다. 일반적으로, 상기 제1 데이터베이스에는 학년 및 과목 별로 카테고리가 구분되어, 상기 복수 개의 문항 정보를 저장하고 있는 상태일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 문항 분석 프로세스가 시작되는 경우, 상기 문항 난이도 측정 단계(S203 단계)를 수행할 수 있다.

S203 단계에서, 상기 프로세서는, 상기 문항 분석 프로세스가 시작되는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에서 식별한 복수 개의 문항 정보 각각과 대응하는 문항의 글자 수, 어휘, 출제 빈도 및 기준 정답률을 분석하여, 상기 문항에 대한 난이도를 측정할 수 있다.

일 실시예에 따르면, 상기 기 저장된 인공지능 알고리즘은 지도 학습 알고리즘, 준지도 학습 알고리즘, 비지도 자율 학습 알고리즘 중 적어도 하나를 포함할 수 있으며, 이에 한정되지 않는다. 상기 기 저장된 인공지능 알고리즘은 상기 문항 정보의 난이도를 측정하기 위해, 학생의 학습 수준과 학생에게 제공되는 문항의 난이도 간의 관계를 학습하는 알고리즘일 수 있다. 더불어, 상기 기 저장된 인공지능 알고리즘은 ANN 모델(artificial neural network model), CNN 모델(convolution neural network model) 및 RNN 모델(recurrent neural network model)을 포함할 수 있으며, 이 외에도 다양한 모델의 알고리즘을 포함할 수 있다.

일 실시예에 따르면, 상기 기 저장된 인공지능 알고리즘은 학생의 학습 수준에 적합한 난이도를 가지는 문항을 분석 및 학습(예: 학습 프로세스)함으로써, 다양한 학습 수준에 대응되는 난이도를 가지는 문항을 식별할 수 있다. 이에 따라, 상기 기 저장된 인공지능 알고리즘이 문항의 난이도를 측정하는 것은 당연할 것이다. 더불어, 상기 기 저장된 인공지능 알고리즘은 다양한 난이도를 가지는 문항을 제공받는 학생의 학습 수준을 분석 및 학습함으로써, 다양한 난이도를 가지는 문항들을 해결 가능한 학습 수준을 식별할 수 있다. 이에 따라, 상기 기 저장된 인공지능 알고리즘이 학생의 학습 수준을 측정하는 것은 당연할 것이다.

예를 들어, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 복수 개의 문항 정보 중 제1 문항 정보에 대응하는 제1 문항의 글자 수를 인식할 수 있다. 이어서, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 통해 상기 제1 문항의 글자 수를 인식함과 동시에 상기 제1 문항의 어휘를 식별할 수 있다. 상기 프로세서는 상기 식별된 제1 문항의 글자 수 및 어휘를 식별한 결과로써, 제1 문항의 글자 수 및 어휘의 수준이 상등급의 어휘지수를 가지는 학생에게 적합한 난이도인 것을 확인할 수 있다. 상기 문항의 글자 수 및 어휘의 경우, 복수 개의 과목 중 국어, 영어 및 외국어 문항의 난이도를 측정하기 위해 필요한 구성일 수 있다.

상기와 관련하여, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 제1 문항의 출제 빈도를 분석할 수 있다. 이어서, 상기 프로세서는 상기 제1 문항의 기준 정답률을 분석할 수 있다. 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 통해 상기 제1 문항의 평균 출제 빈도 1년에 3번 출제되고, 제1 문항의 기준 정답률이 30%인 것을 식별하여, 상기 제1 문항이 고득점(예: 95점 이상)의 성적을 가지는 학생들에 의해 해결된 것을 확인할 수 있다.

이에 따라, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 통해 상기 제1 문항의 난이도가 최고 난이도인 것으로 측정할 수 있다. 상기 난이도는 "최고 난이도", "고 난이도", "중 난이도", "중하 난이도" 및 "최저 난이도"를 포함할 수 있으며, 상기 기 저장된 인공지능 알고리즘에 의해 새로운 단계의 난이도가 추가 및 변경되거나 삭제 또는 병합될 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 문항에 대한 난이도의 측정이 완료된 경우, 문항 분석 프로세스 종료 단계(S205 단계)를 수행할 수 있다.

S205 단계에서, 상기 프로세서는 상기 문항 난이도 측정 단계(S203 단계)의 기능 수행으로 인해 상기 문항에 대한 난이도의 측정이 완료되면, 기 저장된 지수 테이블을 통해 상기 측정된 난이도에 대응되는 난이도 지수를 상기 문항에 부여할 수 있다.

일 실시예에 따르면, 상기 기 저장된 지수 테이블은 상기 복수 개의 문항 정보의 난이도 각각에 대응되는 기 설정된 지수를 저장하고 있는 난이도 지수 카테고리일 수 있다. 즉, 상기 난이도 지수 카테고리는 "최고 난이도", "고 난이도", "중 난이도", "중하 난이도" 및 "최저 난이도"중 "최고 난이도"각각에 대응되는 난이도 지수가 몇 등급인지 결정하기 위한 테이블로써, 상기 난이도 각각에 대응되는 난이도 지수는 기 설정된 상태일 수 있으며, 상기 기 저장된 인공지능 알고리즘의 학습 결과에 따라 변경되는 구성일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 문항에 난이도 지수를 부여함으로써, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수의 획득을 완료할 수 있다. 이에 따라, 상기 프로세서는 상기 문항 분석 프로세스를 종료할 수 있다.

예를 들어, 상기 프로세서는 상기 문항 난이도 측정 단계의 기능 수행으로 인해 상기 제1 문항의 난이도가 "최고 난이도"로 측정된 경우, 기 저장된 지수 테이블을 통해 "최고 난이도"에 대응되는 난이도 지수가 1등급인 것을 확인할 수 있다. 상기 프로세서는 상기 제1 문항에 1등급의 난이도 지수를 부여할 수 있다. 즉, 상기 1등급의 난이도 지수는 문제의 난이도가 최고 어려운 단계에 포함되는 문제임을 나타내는 구성일 수 있으며, 이후에 후술할 학습 지수와 매칭되기 위한 구성일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기와 같이 복수 개의 문항 정보와 대응되는 문항 각각에 상기 난이도 지수를 부여함으로써, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수의 획득을 완료할 수 있다.

도 3은 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법의 학습 지수 획득 단계를 설명하기 위한 순서도이다.

도 3을 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법은 학습 지수 획득 단계(예: 도 1의 학습 지수 획득 단계(S103 단계))를 포함할 수 있다.

일 실시예에 따르면, 상기 학습 지수 획득 단계는, 난이도 지수 획득 단계(예: 도 1의 난이도 지수 획득 단계(S101 단계))가 수행되는 동안, 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 기 저장된 인공지능 알고리즘을 기반으로, 추출된 학습 정보를 분석해 학습 지수를 획득하는 단계일 수 있다.

일 실시예에 따르면, 상기 학습 지수 획득 단계는 상술한 기능을 수행하기 위한 세부 단계로써, 인명정보 확인 단계(S301 단계), 성적 분석 프로세스 시작 단계(S303 단계), 학습 수준 측정 단계(S305 단계) 및 성적 분석 프로세스 종료 단계(S307 단계)를 포함할 수 있다.

S301 단계에서, 상기 하나 이상의 프로세서(이하, 프로세서로 칭함)는, 상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정에 등록된 학생의 인명정보를 확인할 수 있다. 상기 인명정보는 상기 학생의 성명, 생년월일, 소속 학교명, 이메일, 전화 번호 등을 포함할 수 있으며, 이 외에도 학생의 개인 정보와 관련된 정보이면 이에 한정되지 않는다. 상기 인명 정보는, 계정 생성 시, 학생에 의해 입력되는 정보일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 인명 정보의 확인이 완료되면, 성적 분석 프로세스 시작 단계(S303 단계)를 수행할 수 있다.

S303 단계에서, 상기 프로세서는 학생의 인명정보의 확인이 완료되면, 제2 데이터베이스에서 확인된 인명정보에 대응되는 학생의 학습 정보를 추출하여, 성적 분석 프로세스를 시작할 수 있다.

일 실시예에 따르면, 상기 제2 데이터베이스는 상기 학습 정보를 저장하고 있는 데이터베이스일 수 있다. 이 때, 상기 학습 정보는 상기 유저 계정 또는 관리자 계정에 의해 작성되는 정보로써, 학생의 성적 정보, 성적에 기반한 문항 별 오답률 정보 및 학생의 어휘지수 정보 및 도서지수 정보를 포함할 수 있으며, 일반적으로 설문으로 작성되거나 학생에 의해 풀이된 문제 정보에 기초하여 작성되는 정보일 수 있다. 또한, 상기 학습 정보는 학생을 식별 가능한 식별 정보가 포함될 수 있다. 이 때, 식별 정보는 상기 인명정보에 포함된 구성과 대응하는 구성을 포함하는 정보일 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 성적 분석 프로세스가 시작된 경우, 학습 수준 측정 단계(S305 단계)를 수행할 수 있다. 상기 성적 분석 프로세스는 학생의 학습 수준을 측정하기 위한 프로세스일 수 있다.

S305 단계에서, 상기 프로세서는 상기 성적 분석 프로세스가 시작되는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보에 포함된 학생의 성적, 상기 성적에 기반한 문항 별 오답률 및 학생의 어휘지수를 분석하여, 학생의 학습 수준을 측정할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 학생의 성적 및 상기 성적에 기반한 문항 별 오답률을 분석하여, 상기 학생의 성적 수준을 측정할 수 있다. 또한, 상기 프로세서는 상기 기 저장된 인공 지능 알고리즘을 기반으로, 학생의 어휘지수를 분석하여, 상기 학생의 어취 수준을 측정할 수 있다. 상기 기 저장된 인공지능 알고리즘과 관련된 자세한 설명은 도 2를 참고하도록 한다.

본 발명에서 상기 복수 개의 문항 정보 및 학습 정보를 상기 기 저장된 인공지능 알고리즘을 기반으로 분석한다고 개시하였으나, 상기 복수 개의 문항 정보 및 상기 학습 정보를 분석하는 기 저장된 인공지능 알고리즘을 적어도 하나 이상의 알고리즘일 수 있다.

예를 들어, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 학생의 성적 및 상기 성적에 기반한 문항 별 오답률을 분석함으로써, 복수 개의 과목 각각에 대한 학생의 학습 수준을 확인하고, 학생이 어떤 유형의 문제에 취약점을 가지고 어떤 문제에 강점을 가지는지를 확인할 수 있다. 즉, 사기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 학생의 성적 및 상기 성적에 기반한 문항 별 오답률을 분석함으로써, 학생의 성적 수준을 측정할 수 있다.

상기와 관련하여, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 학생의 어휘지수 및 도서지수를 분석함으로써, 학생의 어휘력 수준을 측정할 수 있다. 즉, 상기 학습 수준은 상기 성적 수준 및 상기 어휘력 수준을 기반으로 측정되는 구성일 수 있다.

보다 자세하게, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 제1 학생의 학습 정보에 포함된 제1 학생의 성적 정보, 성적 정보에 기반한 문항 별 오답률를 분석하여, 국어 과목에 대한 제1 학생의 성적 수준을 측정할 수 있다.

이는 상기 기 저장된 인공지능 알고리즘이 다양한 난이도를 가지는 문항에 대한 복수의 학생들의 성적 및 성적에 대한 문항 별 오답률을 분석 및 학습함으로써, 상기 프로세서가 상기 기 저장된 인공지능 알고리즘을 통해 제1 학생의 성적 수준을 측정하는 것은 당연할 것이다.

또한, 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 제1 학생의 학습 정보에 포함된 어휘지수 및 도서지수를 분석하여, 제1 학생의 어휘력을 측정할 수 있다. 상기 어휘지수 및 도서지수는 학생이 지금까지 독서한 도서의 목록을 통해 도출되는 구성 또는 특정 설문으로부터 도출되는 구성일 수 있다. 상기 프로세서는 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 측정된 어휘력 및 상기 성적 수준을 통해 제1 학생의 학습 수준을 "최고 수준", "고 수준", "중 수준", "중하 수준" 및 "최저 수준"중 "중하 수준"으로 측정 완료할 수 있다.

일 실시예에 따르면, 상기 프로세서는 상기 학생의 학습 수준의 측정이 완료된 경우, 성적 분석 프로세스 종료 단계(S307 단계)를 수행할 수 있다.

S307 단계에서, 상기 프로세서는 상기 학습 수준 측정 단계(S305 단계)의 기능 수행으로 인해 학생의 학습 수준에 대한 측정이 완료되면, 기 저장된 지수 테이블을 통해 상기 측정된 학습 수준에 대응되는 학습 지수를 상기 유저 계정에 등록함으로써, 상기 학생의 학습 수준에 대한 학습 지수의 획득을 완료할 수 있다. 이에 따라, 상기 프로세서는 상기 성적 분석 프로세스를 종료할 수 있다.

일 실시예에 따르면, 상기 기 저장된 지수 테이블은 복수 개의 유저 계정의 서로 다른 학습 정보를 기반으로 측정되는 학습 수준 각각에 대응되는 기 설정된 지수를 저장하고 있는 성적 지수 카테고리일 수 있다. 즉, 상기 성적 지수 카테고리는 "최고 수준", "고 수준", "중 수준", "중하 수준" 및 "최저 수준"중 "중하 수준" 각각에 대응되는 학습 지수가 몇 등급인지 결정하기 위한 테이블로써, 상기 학습 수준 각각에 대응되는 학습 지수는 기 설정된 상태일 수 있으며, 상기 기 저장된 인공지능 알고리즘의 학습 결과에 따라 변경되는 구성일 수 있다.

예를 들어, 상기 프로세서는 상기 학습 수준 측정 단계(S305 단계)의 기능 수행으로 인해 제1 학생의 학습 수준이 "중하 수준"으로 측정된 경우, 기 저장된 지수 테이블을 통해 "중하 수준"에 대응되는 학습 지수가 "4등급"인 것을 확인할 수 있다. 상기 프로세서는 상기 유저 계정에 4등급의 학습 지수를 등록할 수 있다. 즉, 상기 4등급의 학습 지수는 학생이 학습 수준이 최고 등급에서부터 4번째 아래에 위치한 단계에 포함되는 등급임을 나타내는 구성일 수 있으며, 도 2에서 개시된 난이도 지수가 매칭되기 위한 기준이 되는 구성일 수 있다.

도 4는 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치의 문항 제공부를 설명하기 위한 블록도이다.

도 4를 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치는 문항 제공부(400)(예: 도 1의 문항 제공 단계(S105)의 기능과 동일한 기능 수행))를 포함할 수 있다.

일 실시예에 따르면, 상기 문항 제공부(400)는 난이도 지수(401b) 및 학습 지수(401a)의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수(401a)에 상기 난이도 지수(401b)를 매칭하여, 상기 학습 지수(401a)에 매칭된 난이도 지수(401b)를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 유저 계정에게 제공할 수 있다.

일 실시예에 따르면, 상기 문항 제공부(400)는 상술한 기능을 수행하기 위한 구성으로써, 지수 매칭부(401), 문항 정보 선택부(403) 및 리스트 제공부(405)를 포함할 수 있다.

일 실시예에 따르면, 상기 지수 매칭부(401)는 상기 난이도 지수(401b) 및 상기 학습 지수(401a)의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수(401a)에 상기 난이도 지수(401b)를 매칭할 수 있다. 상기 지정된 매칭 조건은 기 저장된 인공지능 알고리즘 또는 관리자 계정의 입력 값에 따라 변경되는 매칭 조건 정보로써, 학생의 학습 수준에 적합한 난이도를 가지는 문항을 매칭시키기 위한 정보일 수 있다.

예를 들어, 상기 지수 매칭부(401)는 유저 계정에 등록된 학습 지수(401a)가 2등급인 것을 식별한 상태에서, 상기 지정된 매칭 조건 중 제1 매칭 조건을 통해 상기 2등급의 학습 지수(401a)에 1등급, 2등급 및 3등급의 난이도 지수(401b)를 매칭시킬 수 있다. 이 경우, 상기 제1 매칭 조건은 2등급의 학습 지수(401a)에 1등급, 2등급 및 3등급의 난이도 지수(401b)가 매칭되도록 지정된 매칭 정보일 수 있다.

상기와 관련하여, 상기 제1 매칭 조건은 상기 기 저장된 인공지능 알고리즘에 의해 결정된 매칭 조건 정보로써, 상기 기 저장된 인공지능 알고리즘이 도 2에서 언급된 학습 프로세스의 결과를 통해 최고 수준의 학습 수준을 가지는 학생이 최고 난이도, 고 난이도 및 중 난이도를 가지는 문항을 푸는 것이 적합하다고 판단하였기 때문에 생성되는 정보일 수 있다. 이에 따라, 상기 학습 지수(401a) 및 상기 난이도 지수(401b)는 학생의 학습 수준에 적합한 난이도를 가지는 문항을 제공하기 위해 활용되는 구성일 수 있다.

일 실시예에 따르면, 상기 문항 정보 선택부(403)는 상기 학습 지수(401a)에 상기 난이도 지수(401b)의 매칭이 완료되면, 상기 학습 지수(401a)에 매칭 완료된 난이도 지수(401b)에 대응되는 문항 정보를 학생의 학습 수준에 적합한 문항 정보로 판단할 수 있다.

일 실시예에 따르면, 상기 문항 정보 선택부(403)는 상기 학습 지수(401a)에 매칭 완료된 난이도 지수(401b)에 대응되는 문항 정보를 학생의 학습 수준에 적합한 문항 정보로 판단한 경우, 상기 판단된 문항 정보를 복수 개의 문항 정보에 선택하되, 과목에 따른 단원 별 출제 비율에 대응되는 문항 개수로 상기 문항 정보를 선택할 수 있다.

보다 자세하게, 상기 문항 정보 선택부(403)는 상기 문항 정보 선택 시, 제1 데이터베이스(403a)에 저장된 복수 개의 문항 정보 중 학생의 학습 수준에 적합하다고 판단된 문항 정보를 선택하되, 과목에 따른 단원 별 출제 비율에 대응되는 문항 개수로 상기 문항 정보(403b)를 선택할 수 있다.

예를 들어, 상기 문항 정보 선택부(403)는 2등급의 학습 지수(401a)에 1등급, 2등급 및 3등급의 난이도 지수(401b)의 매칭이 완료되면, 1등급, 2등급 및 3등급의 난이도 지수(401b)에 대응되는 문항 정보들을 학생의 학습 수준에 적합한 문항 정보로 판단할 수 있다.

상기와 관련하여, 상기 문항 정보 선택부(403)는 상기 제1 데이터베이스(401a)에 저장된 복수 개의 문항 정보 중 1등급, 2등급 및 3등급의 난이도 지수(401b)에 대응되는 문항 정보들 20개를 선택하되, "국어" 과목에 따른 단원 별 출제 비율에 대응되는 문항 개수로써, 비문학 단원 7개 문항, 화작 단원 6개 문항 및 문학 단원 7개 문항을 선택할 수 있다. 상기 과목은 도 2에서 언급된 데스트 시작 입력을 통해 식별할 수 있다. 상기 과목에 따른 단원 별 출제 비율에 대응되는 문항 개수를 식별하기 위한 정보는 유저 계정의 학습 정보에 포함된 성적에 기반한 문항 별 오답률 또는 관리자 계정에 의해 기 입력될 수 있다.

일 실시예에 따르면, 상기 리스트 제공부(405)는 상기 문항 정보 선택부(403)의 기능 수행이 완료되면, 상기 선택된 문항 정보를 통해 문항 리스트(405a)를 생성하여, 유저 계정에게 제공할 수 있다. 상기 문항 리스트(405a)는 상기 유저 계정의 학습 수준에 적합한 난이도를 가지는 문항들로 구성된 시험지 정보일 수 있다.

예를 들어, 상기 리스트 제공부(405)는 상기 문항 정보 선택부(403)의 기능 수행이 완료되면, 상기 "국어" 과목에 따른 단원 별 출제 비율에 대응되는 문항 개수로써, 비문학 단원 7개 문항, 화작 단원 6개 문항 및 문학 단원 7개 문항을 통해 "국어" 과목에 대한 문항 리스트(405a)를 생성할 수 있다. 상기 "국어" 과목에 대한 문항 리스트(405a)에 포함된 문항 정보들은 1등급, 2등급 및 3등급의 난이도 지수를 가지는 문항 정보일 수 있다.

도 5는 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치의 난이도 조절부를 설명하기 위한 블록도이다.

도 5를 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치는 난이도 조절부(500)(예: 도 1의 난이도 조절 단계(S107)의 기능과 동일한 기능 수행))를 포함할 수 있다.

일 실시예에 따르면, 상기 난이도 조절부(500)는 문항 리스트(예: 도 4의 문항 리스트(405a))가 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보(501a)를 수신하는 경우, 상기 수신된 정답 정보(501a)를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부(503a)를 확인하고, 상기 확인된 정답 여부(503a)를 기반으로, 상기 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절할 수 있다.

일 실시예에 따르면, 상기 난이도 조절부(500)는 상술한 기능을 수행하기 위한 구성으로써, 채점 프로세스 시작부(501), 정답 여부 확인부(503) 및 기준 정답률 갱신부(505)를 포함할 수 있다.

일 실시예에 따르면, 상기 채점 프로세스 시작부(501)는 리스트 제공부(예: 도 4의 리스트 제공부(405))의 기능 수행이 완료된 상태에서, 유저 계정으로부터 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 대한 채점 프로세스(501a)를 시작할 수 있다.

일 실시예에 따르면, 상기 채점 프로세스는 상기 유저 계정이 상기 문항 리스트를 풀어 생성된 정답 정보가 기준 정답 정보와 일치하는지 확인하여, 상기 문항 리스트에 대한 점수를 획득하기 위한 프로세스일 수 있다.

일 실시예에 따르면, 상기 정답 여부 확인부(503)는 상기 채점 프로세스(501a)에 의해 문항 리스트에 포함된 문항 정보에 대한 채점이 완료되는 경우, 채점 결과를 통해 상기 문항 리스트에 포함된 문항 정보 각각에 대한 정답 여부를 확인할 수 있다.

보다 자세하게, 상기 정답 여부 확인부(503)는 상기 채점 프로세스에 의해 상기 문항 리스트에 포함된 문항 정보에 대한 채점이 완료되는 경우, 상기 채점 결과를 통해 생성되는 정답 여부 정보(503a)를 확인할 수 있다. 상기 정답 여부 확인부(503)는 상기 정답 여부 정보(503a)를 확인함으로써, 상기 문항 리스트에 포함된 문항 정보 각각에 대한 정답 또는 오답 여부를 식별함으로써, 상기 문항 정보 각각에 대한 정답 여부를 확인할 수 있다.

일 실시예에 따르면, 상기 기준 정답률 갱신부(505)는 상기 정답 여부 확인부(503)에 의해 상기 문항 정보 각각에 대한 정답 여부의 확인이 완료되면, 다른 유저 계정들의 정답 정보에 의해 기 결정된 기준 정답률에 상기 확인된 정답 여부를 반영하여, 상기 기준 정답률을 최신으로 갱신할 수 있다.

일 실시예에 따르면, 상기 문항 정보 각각은 기준 정답률 정보가 포함된 상태일 수 있다. 상기 기준 정답률 정보는 상기 문항 정보를 풀었던 이력이 존재하는 복수 개의 유저 계정들에 의해 생성된 정답 정보를 통해 기 결정되는 구성으로써, 예를 들어, 제1 문항 정보의 기준 정답률 정보는 상기 제1 문항 정보에 대응되는 문제를 풀었던 이력이 존재하는 복수 개의 유저 계정들에 의해 생성된 제1 문항 정보에 대한 정답 정보를 통해 기 결정되는 구성일 수 있다. 이에 따라, 상기 제1 문항 정보의 기준 정답률은 상기 복수 개의 유저 계정에 의해 생성된 제1 문항 정보에 대한 정답 정보가 기준 정답 정보(예: 제1 문항 정보의 기준 정답 정보)와 동일한 경우가 많은 경우 증가될 수 있으며, 상기 제1 문항 정보에 대한 정답 정보가 기준 정답 정보와 동일하지 않은 경우 감소될 수 있다.

즉, 상기 문항 정보 각각에 대한 기준 정답률은 복수 개의 유저 계정에 의해 생성된 정답 정보가 상기 기준 정답 정보와 일치하는지 여부를 따라 기 결정되는 구성일 수 있다.

일 실시예에 따르면, 상기 기준 정답률 갱신부(505)는 상기 문항 정보 각각의 기준 정답률을 최신으로 갱신하기 위하여, 제1 데이터베이스(505a)에 저장된 문항 정보를 추출하고, 추출된 문항 정보 각각의 기준 정답률에 상기 확인된 정답 여부를 반영함으로써, 상기 기준 정답률을 최신으로 갱신할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치의 난이도 조절부를 설명하기 위한 블록도이다.

도 6은 본 발명의 일 실시 예에 따른 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치의 난이도 조절부를 설명하기 위한 순서도이다.

도 6을 참조하면, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치에서 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치는 난이도 조절부(600)(예: 도 1의 난이도 조절 단계(S107)의 기능과 동일한 기능 수행))는 풀이 제공부(601)를 더 포함할 수 있다.

일 실시예에 따르면, 상기 풀이 제공부(601)는 정답 여부 확인부(예: 도 5의 정답 여부 확인부(503))의 기능 수행으로 인해 문항 리스트에 포함된 문항 정보(601a) 각각에 대한 정답 여부의 확인이 완료되면, 상기 확인된 정답 여부를 기반으로, 오답으로 결정된 오답 문항 정보를 식별하여, 상기 오답 문항 정보에 대응되는 풀이 가이드 정보(601b)를 유저 계정에게 제공할 수 있다.

일 실시예에 따르면, 상기 풀이 제공부(601)는 상기 정답 여부의 확인이 완료될 시, 유저 계정이 틀린 문항 정보인 오답 문항 정보를 식별하고, 식별된 오답 문항 정보에 대응되는 풀이 가이드 정보(601b)를 생성할 수 있다.

일 실시예에 따르면, 상기 풀이 가이드 정보(601b)는 학습 지수 획득부(예: 도 1의 학습 지수 획득 단계(S103 단계)와 동일한 기능 수행)에서 기 저장된 인공지능 알고리즘(603)(예: 도 1의 기 저장된 인공지능 알고리즘)을 통해 상기 학생의 학습 지수의 도출이 완료된 경우, 상기 오답 문항 정보에 대한 풀이 가이드 정보(601b)를 생성할 수 있다.

보다 자세하게, 상기 풀이 가이드 정보(601b)는 기 저장된 인공지능 알고리즘(603)을 통해 학생의 학생 수준(603a)을 확인됨에 따라, 학생에 대한 학습 지수가 결정되는 경우, 기 저장된 키워드 테이블에 저장된 복수 개의 키워드들 중 상기 결정된 학습 지수에 대응되는 키워드를 추출하여, 상기 추출된 키워드를 통해 학생의 성적 및 어휘력을 고려한 풀이 가이드 정보(601b)를 생성할 수 있다.

예를 들어, 상기 풀이 제공부(601)는 5등급(최저 수준)의 학습 지수를 가지는 유저 계정에게 상기 풀이 가이드 정보(601b)를 제공 시, 상기 기 저장된 키워드 테이블에 저장된 복수 개의 키워드들 중 상기 5등급의 학습 지수에 대응되는 키워드를 추출하여, 상기 풀이 가이드 정보(601b)를 생성할 수 있다. 이 때, 생성되는 풀이 가이드 정보(601b)는 문항 정보에 대응되는 문항을 학생이 이해하기 위해 필요한 내용이 상기 추출된 키워드로 작성될 수 있다.

일반적으로 5등급의 학습 지수를 가지는 학생은 1등급의 학습 지수를 가지는 학생보다 단어 의미를 모르는 경우가 대부분일 것이다. 이에 따라, 상기 기 저장된 키워드 테이블은 뿌리 형태로 구성될 수 있는데, 의미가 광범위한 키워드로부터 의미가 좁은 키워드가 파생되는 뿌리 형태로 구성될 수 있다. 상기 기 저장된 키워드 테이블은 기 저장된 인공지능 알고리즘의 학습 결과에 따라 업데이트될 수 있다.

이에 따라, 상기 풀이 제공부(601)는 5등급의 학습 지수를 가지는 학생에게 상기 풀이 가이드 정보(601b)를 제공하기 위해 상기 기 지정된 키워드 테이블에 포함된 키워드를 추출 시, 광범위한 의미를 가지는 키워드를 우선적으로 추출하여, 상기 풀이 가이드 정보(601b)를 생성하되, 부가적으로 상기 좁은 의미를 가지는 키워드를 추출해 별도의 풀이를 생성하여, 상기 풀이 가이드 정보(601b)에 포함시킬 수 있다.

도 7은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 설명하기 위한 도면이다.

도 7은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 도시하였으며, 이하의 설명에 있어서, 상술한 도 1 내지 6에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.

도 7에 도시한 바와 같이, 컴퓨팅 장치(10000)은 적어도 하나의 프로세서(processor)(11100), 메모리(memory)(11200), 주변장치 인터페이스(peripheral interface)(11300), 입/출력 서브시스템(I/O subsystem)(11400), 전력 회로(11500) 및 통신 회로(11600)를 적어도 포함할 수 있다. 이때, 컴퓨팅 장치(10000)은 촉각 인터페이스 장치에 연결된 유저 단말이기(A) 혹은 전술한 컴퓨팅 장치(B)에 해당될 수 있다.

메모리(11200)는, 일례로 고속 랜덤 액세스 메모리(high-speed random access memory), 자기 디스크, 에스램(SRAM), 디램(DRAM), 롬(ROM), 플래시 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(11200)는 컴퓨팅 장치(10000)의 동작에 필요한 소프트웨어 모듈, 명령어 집합 또는 그밖에 다양한 데이터를 포함할 수 있다.

이때, 프로세서(11100)나 주변장치 인터페이스(11300) 등의 다른 컴포넌트에서 메모리(11200)에 액세스하는 것은 프로세서(11100)에 의해 제어될 수 있다.

주변장치 인터페이스(11300)는 컴퓨팅 장치(10000)의 입력 및/또는 출력 주변장치를 프로세서(11100) 및 메모리 (11200)에 결합시킬 수 있다. 프로세서(11100)는 메모리(11200)에 저장된 소프트웨어 모듈 또는 명령어 집합을 실행하여 컴퓨팅 장치(10000)을 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.

입/출력 서브시스템(11400)은 다양한 입/출력 주변장치들을 주변장치 인터페이스(11300)에 결합시킬 수 있다. 예를 들어, 입/출력 서브시스템(11400)은 모니터나 키보드, 마우스, 프린터 또는 필요에 따라 터치스크린이나 센서 등의 주변장치를 주변장치 인터페이스(11300)에 결합시키기 위한 컨트롤러를 포함할 수 있다. 다른 측면에 따르면, 입/출력 주변장치들은 입/출력 서브시스템(11400)을 거치지 않고 주변장치 인터페이스(11300)에 결합될 수도 있다.

전력 회로(11500)는 단말기의 컴포넌트의 전부 또는 일부로 전력을 공급할 수 있다. 예를 들어 전력 회로(11500)는 전력 관리 시스템, 배터리나 교류(AC) 등과 같은 하나 이상의 전원, 충전 시스템, 전력 실패 감지 회로(power failure detection circuit), 전력 변환기나 인버터, 전력 상태 표시자 또는 전력 생성, 관리, 분배를 위한 임의의 다른 컴포넌트들을 포함할 수 있다.

통신 회로(11600)는 적어도 하나의 외부 포트를 이용하여 다른 컴퓨팅 장치와 통신을 가능하게 할 수 있다.

또는 상술한 바와 같이 필요에 따라 통신 회로(11600)는 RF 회로를 포함하여 전자기 신호(electromagnetic signal)라고도 알려진 RF 신호를 송수신함으로써, 다른 컴퓨팅 장치와 통신을 가능하게 할 수도 있다.

이러한 도 7의 실시 예는, 컴퓨팅 장치(10000)의 일례일 뿐이고, 컴퓨팅 장치(11000)은 도 7에 도시된 일부 컴포넌트가 생략되거나, 도 7에 도시되지 않은 추가의 컴포넌트를 더 구비하거나, 2개 이상의 컴포넌트를 결합시키는 구성 또는 배치를 가질 수 있다. 예를 들어, 모바일 환경의 통신 단말을 위한 컴퓨팅 장치는 도 7에 도시된 컴포넌트들 외에도, 터치스크린이나 센서 등을 더 포함할 수도 있으며, 통신 회로(1160)에 다양한 통신방식(WiFi, 3G, LTE, Bluetooth, NFC, Zigbee 등)의 RF 통신을 위한 회로가 포함될 수도 있다. 컴퓨팅 장치(10000)에 포함 가능한 컴포넌트들은 하나 이상의 신호 처리 또는 어플리케이션에 특화된 집적 회로를 포함하는 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 양자의 조합으로 구현될 수 있다.

본 발명의 실시 예에 따른 방법들은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시 예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 애플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치 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 목적컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제상에서 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 기술 분야에서 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, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨팅 장치상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시 예에 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 실시 예를 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 광 기록 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 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (10)

1. 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법에 있어서,
   유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득하는 난이도 지수 획득 단계;
   상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보를 분석해 학습 지수를 획득하는 학습 지수 획득 단계;
   상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하여, 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 상기 유저 계정에게 제공하는 문항 제공 단계; 및
   상기 문항 리스트가 상기 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부를 확인하고, 상기 확인된 정답 여부를 기반으로, 상기 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 난이도 조절 단계;를 포함하되,
   상기 난이도 지수 획득 단계는,
   상기 유저 계정으로부터 상기 테스트 시작 입력을 수신 시, 상기 제1 데이터베이스에 저장된 복수 개의 문항 정보 각각에 대한 난이도를 분석하는 문항 분석 프로세스를 시작하는 문항 분석 프로세스 시작 단계;
   상기 문항 분석 프로세스가 시작되는 경우, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 복수 개의 문항 정보 각각과 대응하는 문항의 글자 수, 어휘, 출제 빈도 및 기준 정답률을 분석하여, 상기 문항에 대한 난이도를 측정하는 문항 난이도 측정 단계; 및
   상기 문항 난이도 측정 단계의 기능 수행으로 인해 상기 문항에 대한 난이도의 측정이 완료되면, 기 저장된 지수 테이블을 통해 상기 측정된 난이도에 대응되는 난이도 지수를 상기 문항에 부여함으로써, 상기 복수 개의 문항 정보 각각에 대한 상기 난이도 지수의 획득을 완료하는 문항 분석 프로세스 종료 단계;를 포함하되,
   상기 학습 지수 획득 단계는,
   상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정에 등록된 학생의 인명정보를 확인하는 인명정보 확인 단계;
   상기 학생의 인명정보의 확인이 완료되면, 상기 제2 데이터베이스에서 상기 인명정보에 대응되는 학생의 학습 정보를 추출하여, 성적 분석 프로세스를 시작하는 성적 분석 프로세스 시작 단계;
   상기 성적 분석 프로세스가 시작되는 경우, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보에 포함된 학생의 성적, 상기 성적에 기반한 문항 별 오답률 및 학생의 어휘지수를 분석하여, 학생의 학습 수준을 측정하는 학습 수준 측정 단계; 및
   상기 학습 수준 측정 단계의 기능 수행으로 인해 상기 학생의 학습 수준에 대한 측정이 완료되면, 상기 기 저장된 지수 테이블을 통해 상기 측정된 학습 수준에 대응되는 학습 지수를 상기 유저 계정에 등록함으로써, 상기 학생의 학습 수준에 대한 학습 지수의 획득을 완료하는 성적 분석 프로세스 종료 단계;를 포함하는 것을 특징으로 하는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법.
   
2. 삭제
3. 삭제
4. 제1항에 있어서,
   상기 기 저장된 지수 테이블은,
   상기 복수 개의 문항 정보의 난이도 각각에 대응되는 기 설정된 지수를 저장하고 있는 난이도 지수 카테고리; 및
   복수 개의 유저 계정의 서로 다른 학습 정보를 기반으로 측정되는 학습 수준 각각에 대응되는 기 설정된 지수를 저장하고 있는 성적 지수 카테고리;를 포함하는 것을 특징으로 하는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법.
   
5. 제4항에 있어서,
   상기 문항 제공 단계는,
   상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하는 지수 매칭 단계;
   상기 학습 지수에 상기 난이도 지수의 매칭이 완료되면, 상기 학습 지수에 매칭 완료된 난이도 지수에 대응되는 문항 정보를 학생의 학습 수준에 적합한 문항 정보로 판단하여, 상기 판단된 문항 정보를 상기 복수 개의 문항 정보에서 선택하되, 과목에 따른 단원 별 출제 비율에 대응되는 문항 개수로 상기 문항 정보를 선택하는 문항 정보 선택 단계; 및
   상기 문항 정보 선택 단계의 기능 수행이 완료되면, 상기 선택된 문항 정보를 통해 상기 문항 리스트를 생성하여, 상기 유저 계정에게 제공하는 리스트 제공 단계;를 포함하는 것을 특징으로 하는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법.
   
6. 제5항에 있어서,
   상기 난이도 조절 단계는,
   상기 리스트 제공 단계의 기능 수행이 완료된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 대한 채점 프로세스를 시작하는 채점 프로세스 시작 단계;
   상기 채점 프로세스에 의해 상기 문항 리스트에 포함된 문항 정보에 대한 채점이 완료되는 경우, 채점 결과를 통해 상기 문항 리스트에 포함된 문항 정보 각각에 대한 정답 여부를 확인하는 정답 여부 확인 단계; 및
   상기 정답 여부의 확인이 완료되면, 다른 유저 계정들의 정답 정보에 의해 기 결정된 상기 문항 정보 각각에 대한 기준 정답률에 상기 확인된 정답 여부를 반영하여, 상기 기준 정답률을 최신으로 갱신하는 기준 정답률 갱신 단계;를 포함하는 것을 특징으로 하는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법.
   
7. 제6항에 있어서,
   상기 난이도 조절 단계는,
   풀이 제공 단계;를 더 포함하고,
   상기 풀이 제공 단계는,
   상기 정답 여부 확인 단계의 기능 수행으로 인해 상기 문항 리스트에 포함된 문항 정보 각각에 대한 정답 여부의 확인이 완료되면, 상기 확인된 정답 여부를 기반으로, 오답으로 결정된 오답 문항 정보를 식별하여, 상기 오답 문항 정보에 대응되는 풀이 가이드 정보를 상기 유저 계정에게 제공하는 것을 특징으로 하는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법.
   
8. 제7항에 있어서,
   상기 풀이 가이드 정보는,
   상기 학습 지수 획득 단계에서, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 유저 계정의 학습 정보에 포함된 학생의 성적, 상기 성적에 기반한 문항 별 오답률 및 학생의 어휘지수를 분석하여 측정된 학생의 학습 수준에 대응되는 키워드를 활용해 작성된 오답 문항 정보에 대한 풀이 정보인 것을 특징으로 하는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 방법.
   
9. 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치에 있어서,
   유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득하는 난이도 지수 획득부;
   상기 난이도 지수 획득부의 기능이 수행되는 동안, 상기 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보를 분석해 상기 학습 정보에 대한 학습 지수를 획득하는 학습 지수 획득부;
   상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하여, 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 상기 유저 계정에게 제공하는 문항 제공부; 및
   상기 문항 리스트가 상기 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부를 확인하고, 상기 확인된 정답 여부를 기반으로, 상기 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 난이도 조절부;를 포함하되,
   상기 난이도 지수 획득부는,
   상기 유저 계정으로부터 상기 테스트 시작 입력을 수신 시, 상기 제1 데이터베이스에 저장된 복수 개의 문항 정보 각각에 대한 난이도를 분석하는 문항 분석 프로세스를 시작하는 문항 분석 프로세스 시작부;
   상기 문항 분석 프로세스가 시작되는 경우, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 복수 개의 문항 정보 각각과 대응하는 문항의 글자 수, 어휘, 출제 빈도 및 기준 정답률을 분석하여, 상기 문항에 대한 난이도를 측정하는 문항 난이도 측정부; 및
   상기 문항 난이도 측정부의 기능 수행으로 인해 상기 문항에 대한 난이도의 측정이 완료되면, 기 저장된 지수 테이블을 통해 상기 측정된 난이도에 대응되는 난이도 지수를 상기 문항에 부여함으로써, 상기 복수 개의 문항 정보 각각에 대한 상기 난이도 지수의 획득을 완료하는 문항 분석 프로세스 종료부;를 포함하되,
   상기 학습 지수 획득부는,
   상기 난이도 지수 획득부의 기능이 수행되는 동안, 상기 유저 계정에 등록된 학생의 인명정보를 확인하는 인명정보 확인부;
   상기 학생의 인명정보의 확인이 완료되면, 상기 제2 데이터베이스에서 상기 인명정보에 대응되는 학생의 학습 정보를 추출하여, 성적 분석 프로세스를 시작하는 성적 분석 프로세스 시작부;
   상기 성적 분석 프로세스가 시작되는 경우, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보에 포함된 학생의 성적, 상기 성적에 기반한 문항 별 오답률 및 학생의 어휘지수를 분석하여, 학생의 학습 수준을 측정하는 학습 수준 측정부; 및
   상기 학습 수준 측정부의 기능 수행으로 인해 상기 학생의 학습 수준에 대한 측정이 완료되면, 상기 기 저장된 지수 테이블을 통해 상기 측정된 학습 수준에 대응되는 학습 지수를 상기 유저 계정에 등록함으로써, 상기 학생의 학습 수준에 대한 학습 지수의 획득을 완료하는 성적 분석 프로세스 종료부;를 포함하는 것을 특징으로 하는 학생의 학습 수준에 기반한 난이도 별 맞춤형 문항을 추출하는 장치.
   
10. 컴퓨터-판독가능 기록매체로서,
    상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은;
    유저 계정으로부터 테스트 시작 입력을 수신하는 경우, 기 저장된 인공지능 알고리즘을 기반으로, 제1 데이터베이스에 저장된 복수 개의 문항 정보의 난이도를 분석하여, 상기 복수 개의 문항 정보 각각에 대한 난이도 지수를 획득하는 난이도 지수 획득 단계;
    상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정의 사용자인 학생에 대한 학습 정보를 제2 데이터베이스에서 추출하여, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보를 분석해 상기 학습 정보에 대한 학습 지수를 획득하는 학습 지수 획득 단계;
    상기 난이도 지수 및 상기 학습 지수의 획득이 완료되면, 지정된 매칭 조건을 통해 상기 학습 지수에 상기 난이도 지수를 매칭하여, 상기 학습 지수에 매칭된 난이도 지수를 기반으로, 학생의 학습 수준에 기반한 문항 리스트를 생성해 상기 유저 계정에게 제공하는 문항 제공 단계; 및
    상기 문항 리스트가 상기 유저 계정에게 제공된 상태에서, 상기 유저 계정으로부터 상기 문항 리스트에 기반한 정답 정보를 수신하는 경우, 상기 수신된 정답 정보를 통해 상기 문항 리스트에 포함된 문항 정보의 정답 여부를 확인하고, 상기 확인된 정답 여부를 기반으로, 상기 문항 정보의 난이도 지수를 수정함으로써, 복수 개의 유저 계정에게 제공되는 문항 정보의 난이도를 조절하는 난이도 조절 단계;를 포함하되,
    상기 난이도 지수 획득 단계는,
    상기 유저 계정으로부터 상기 테스트 시작 입력을 수신 시, 상기 제1 데이터베이스에 저장된 복수 개의 문항 정보 각각에 대한 난이도를 분석하는 문항 분석 프로세스를 시작하는 문항 분석 프로세스 시작 단계;
    상기 문항 분석 프로세스가 시작되는 경우, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 복수 개의 문항 정보 각각과 대응하는 문항의 글자 수, 어휘, 출제 빈도 및 기준 정답률을 분석하여, 상기 문항에 대한 난이도를 측정하는 문항 난이도 측정 단계; 및
    상기 문항 난이도 측정 단계의 기능 수행으로 인해 상기 문항에 대한 난이도의 측정이 완료되면, 기 저장된 지수 테이블을 통해 상기 측정된 난이도에 대응되는 난이도 지수를 상기 문항에 부여함으로써, 상기 복수 개의 문항 정보 각각에 대한 상기 난이도 지수의 획득을 완료하는 문항 분석 프로세스 종료 단계;를 포함하되,
    상기 학습 지수 획득 단계는,
    상기 난이도 지수 획득 단계가 수행되는 동안, 상기 유저 계정에 등록된 학생의 인명정보를 확인하는 인명정보 확인 단계;
    상기 학생의 인명정보의 확인이 완료되면, 상기 제2 데이터베이스에서 상기 인명정보에 대응되는 학생의 학습 정보를 추출하여, 성적 분석 프로세스를 시작하는 성적 분석 프로세스 시작 단계;
    상기 성적 분석 프로세스가 시작되는 경우, 상기 기 저장된 인공지능 알고리즘을 기반으로, 상기 추출된 학습 정보에 포함된 학생의 성적, 상기 성적에 기반한 문항 별 오답률 및 학생의 어휘지수를 분석하여, 학생의 학습 수준을 측정하는 학습 수준 측정 단계; 및
    상기 학습 수준 측정 단계의 기능 수행으로 인해 상기 학생의 학습 수준에 대한 측정이 완료되면, 상기 기 저장된 지수 테이블을 통해 상기 측정된 학습 수준에 대응되는 학습 지수를 상기 유저 계정에 등록함으로써, 상기 학생의 학습 수준에 대한 학습 지수의 획득을 완료하는 성적 분석 프로세스 종료 단계;를 포함하는 것을 특징으로 하는 컴퓨터-판독가능 기록매체.
    

Images