KR102544662B1 - 학습 코디네이팅 장치 및 방법 - Google Patents
학습 코디네이팅 장치 및 방법 Download PDFInfo
- Publication number
- KR102544662B1 KR102544662B1 KR1020210116899A KR20210116899A KR102544662B1 KR 102544662 B1 KR102544662 B1 KR 102544662B1 KR 1020210116899 A KR1020210116899 A KR 1020210116899A KR 20210116899 A KR20210116899 A KR 20210116899A KR 102544662 B1 KR102544662 B1 KR 102544662B1
- Authority
- KR
- South Korea
- Prior art keywords
- learning
- learner
- memory
- discovery
- concept
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000002372 labelling Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 238000003745 diagnosis Methods 0.000 claims description 4
- 230000035755 proliferation Effects 0.000 claims description 4
- 230000003252 repetitive effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
학습 코디네이팅 장치 및 방법이 개시된다. 학습 코디네이팅 방법은, 문제정보를 입력받아 문제에 대한 레이블링(labeling)을 하여 문제은행 데이터베이스를 구축하는 단계, 학습자로부터 학습을 요청받으면, 구축된 문제은행 데이터베이스로부터 문제를 추출하여 학습을 요청한 학습자에게 문제를 제시하는 단계 및 학습자의 문제풀이 결과를 분석하여 학습자의 학습능력을 평가하는 단계를 포함한다.
Description
본 발명은 학습 코디네이팅 장치 및 방법에 관한 것이다.
인터넷의 발전에 따라 인터넷을 이용하는 온라인 학습방법이 개발되고 보급되어 널리 이용되고 있으며, 온라인 학습방법이 가지는 여러가지 장점과 다양한 학습방법의 발전으로 더욱 사용자가 급속하게 증가하고 있다. 기존 온라인 학습방법은, 대부분 동영상으로 제작한 강좌를 수강생이 필요한 시간에 다운로드하여 시청하는 것으로, 학습용 VOD(Video On Demand) 형태이며, 화상카메라를 이용한 실시간 강의를 통한 학습방법도 일부 이루어지고 있다.
한편, 온라인 상의 문제은행을 이용하는 학습방법은, 현재 주로 동영상 강좌의 보조 학습도구 형태로 이용된다. 온라인 상의 문제은행 학습방법은, 문제 풀(pool) 또는 문제 데이터베이스(data base)를 구축하여 놓고 이에 수강생이 접속하여 제시된 특정 단원의 문제를 풀거나 학습하는 방식으로 문제은행과 피교육생인 수강생 양자 채널 간에 이루어지는 온라인 학습 방식이다.
온라인 문제은행 학습방법은, 이미 구축된 문제 풀을 사용하여 인터넷이 연결되는 곳에서는 수강생이 언제 어디서든지 시간과 공간에 구애받지 아니하고 필요로 하는 과목이나 단원을 선택하여 편리하게 문제를 풀고 학습할 수 있으며, 즉시 정답과 오답을 확인할 수도 있고, 또한 반복적으로 학습할 수도 있으며, 다양한 방법으로 학습 효과나 성취도를 평가받을 수도 있는 등 온라인 학습방법과 마찬가지로 여러 가지 장점을 가지고 있다.
이렇게 온라인 학습사이트에서 구축한 문제은행 학습방법이 수강생에게 많은 장점과 학습효과를 제공하는 반면에, 학생을 가르치는 선생님들과 강사들 에게는 이들 온라인 학습방법을 제공하는 온라인 학습사이트가 도움이 되지 못하고 있다. 이는 온라인 학습사이트의 대상이 피교육자인 수강생으로 설정되어 학습사이트와, 학습사이트에 비용을 지불하고 강좌를 듣는 수강생의 양자 채널로 구성되었기 때문이며, 이에 따라 가르치는 강사는 많은 장점을 가진 온라인 문제은행 학습방법을 활용하고자 하여도 그 방법을 찾기가 매우 어려우며, 활용할 수 있다면, 단지 문제은행 풀에 제시된 문제를 참고하는 정도에 그칠 것이다.
또한, 자신이 가르치고자 하는 과목이 많은 인터넷 유저를 대상으로 한 것이 아니라, 온라인상에 기 개설된 과목이 없을 수도 있으며, 동일한 과목이 있다고 하여도 자신의 교육 방식, 자신만의 학습 스타일에 맞도록 문제를 구성하거나 테스트를 위한 출제를 자유롭게 구성할 수도 없을 것이다. 더욱이, 이러한 온라인 문제은행 학습방법의 장점을 활용하고 자신에게 맞는 문제은행을 구성하여 교육에 활용하기 위하여 강사 개인이 온라인상에 문제은행을 구축한다는 것은 더욱 어려운 문제일 것이다.
본 발명은 문제마다 메타(meta) 정보를 설정하여 문제은행 데이터베이스를 구축하고, 구축된 문제은행 데이터베이스로부터 학습자에게 적합한 문제를 추출하여 제시한 후, 학습자의 문제풀이 결과를 분석하여 학습자의 학습능력 성숙도를 평가하는 학습 코디네이팅 장치 및 방법을 제공하기 위한 것이다.
본 발명의 일 측면에 따르면, 학습 코디네이팅 장치가 수행하는 학습 코디네이팅 방법이 개시된다.
본 발명의 실시예에 따른 학습 코디네이팅 방법은, 문제정보를 입력받아 문제에 대한 레이블링(labeling)을 하여 문제은행 데이터베이스를 구축하는 단계, 학습자로부터 학습을 요청받으면, 상기 구축된 문제은행 데이터베이스로부터 문제를 추출하여 학습을 요청한 상기 학습자에게 문제를 제시하는 단계 및 상기 학습자의 문제풀이 결과를 분석하여 상기 학습자의 학습능력을 평가하는 단계를 포함한다.
상기 학습 코디네이팅 방법은, 학습능력 성숙도 단계가 최종 단계가 될 때까지, 상기 구축된 문제은행 데이터베이스를 확장하여 상기 학습자에게 문제를 제시하는 단계 및 상기 학습자의 학습능력을 평가하는 단계를 반복하는 단계를 더 포함한다.
상기 문제은행 데이터베이스를 구축하는 단계는, 상기 문제정보를 기반으로 문제에 대하여 메타(meta) 정보를 설정하여 레이블링을 수행하되, 상기 메타 정보는 문제의 학습영역, 문제유형, 문제의 지식구조 깊이, 문제의 난이도, 문제의 중요도, 문제의 내용요소분류, 문제처리시간, 문제의 오답회수, 점수 등 문제 자체에 대한 메타 정보와 학습에 대한 메타 정보를 포함한다.
상기 내용요소분류는 사실X기억, 개념X기억, 절차X기억, 원리X기억, 개념X활용, 절차X활용, 원리X활용, 개념X발견, 절차X발견, 원리X발견, 구성(Constructing)X창출(Creating), 설계(Designing)X창출(Creating), 생산(Producing)X창출(Creating)를 포함한다.
상기 학습자에게 문제를 제시하는 단계는, 상기 문제유형의 경우, 객관식, 단답식, 주관식의 순으로 제시하고, 상기 난이도의 경우, 하, 중, 상의 순으로 제시하고, 상기 중요도의 경우, 기초, 핵심, 심화의 순으로 제시하고, 상기 내용요소분류의 경우, 상기 사실X기억, 상기 개념X기억, 상기 절차X기억, 상기 원리X기억, 상기 개념X활용, 상기 절차X활용, 상기 원리X활용, 상기 개념X발견, 상기 절차X발견, 상기 원리X발견, 상기 구성X창출, 상기 설계X창출, 상기 생산X창출의 순으로 제시한다.
상기 학습자의 학습능력을 평가하는 단계는, 문제풀이를 수행한 학습자에 대한 기초 진단을 수행하기 위하여, 문제처리 시간 및 문제의 오답 횟수를 측정하여 기초학습점수를 산출하고 기록하는 단계 및 상기 문제풀이를 수행한 학습자에 대한 다음단계의 진단을 수행하기 위하여, 상기 문제유형, 상기 난이도 및 상기 중요도에 따라 점수를 설정하고, 설정된 점수에 따라 기본학습점수를 산출하는 단계를 포함한다.
상기 학습자의 학습능력을 평가하는 단계는, 상기 내용요소분류에 따라 설정된 점수를 이용하여 정답을 맞춘 문제들에 대하여 점수를 합산하여 상기 학습자의 학습능력 성숙도 단계를 산출하는 단계를 포함하되, 상기 학습능력 성숙도 단계는, 상기 사실X기억의 점수가 가장 높은 1단계(Repetitive), 상기 상기 개념X기억 + 상기 개념X활용 + 상기 절차X기억의 점수가 가장 높은 2단계(Relational), 상기 개념X발견 + 상기 절차X활용 + 상기 원리X기억의 점수가 가장 높은 3단계(progress), 상기 절차X발견 + 상기 원리X활용 + 상기 원리X발견의 점수가 가장 높은 4단계(propagation) 및 상기 구성X창출 + 상기 설계X창출 + 상기 생산X창출의 점수가 가장 높은 5단계(Proliferation)를 포함한다.
본 발명의 다른 측면에 따르면, 학습 코디네이팅 장치가 개시된다.
본 발명의 실시예에 따른 학습 코디네이팅 장치는, 명령어를 저장하는 메모리 및 상기 명령어를 실행하는 프로세서를 포함하되, 상기 명령어는, 문제정보를 입력받아 문제에 대한 레이블링(labeling)을 하여 문제은행 데이터베이스를 구축하는 단계, 학습자로부터 학습을 요청받으면, 상기 구축된 문제은행 데이터베이스로부터 문제를 추출하여 학습을 요청한 상기 학습자에게 문제를 제시하는 단계 및 상기 학습자의 문제풀이 결과를 분석하여 상기 학습자의 학습능력을 평가하는 단계를 포함하는 학습 코디네이팅 방법을 수행한다.
본 발명의 실시예에 따른 학습 코디네이팅 장치 및 방법은, 문제마다 메타(meta) 정보를 설정하여 문제은행 데이터베이스를 구축하고, 구축된 문제은행 데이터베이스로부터 학습자에게 적합한 문제를 추출하여 제시한 후, 학습자의 문제풀이 결과를 분석하여 학습자의 학습능력 성숙도를 평가할 수 있다.
도 1은 본 발명의 실시예에 따른 학습 코디네이팅 장치가 수행하는 학습 코디네이팅 방법을 나타낸 흐름도.
도 2는 본 발명의 실시예에 따른 학습 코디네이팅 장치가 문제정보를 입력받기 위한 문제등록 화면을 예를 나타낸 도면.
도 3은 본 발명의 실시예에 따른 학습 코디네이팅 장치의 구성을 개략적으로 예시하여 나타낸 도면.
도 2는 본 발명의 실시예에 따른 학습 코디네이팅 장치가 문제정보를 입력받기 위한 문제등록 화면을 예를 나타낸 도면.
도 3은 본 발명의 실시예에 따른 학습 코디네이팅 장치의 구성을 개략적으로 예시하여 나타낸 도면.
본 명세서에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "구성된다" 또는 "포함한다" 등의 용어는 명세서상에 기재된 여러 구성 요소들, 또는 여러 단계들을 반드시 모두 포함하는 것으로 해석되지 않아야 하며, 그 중 일부 구성 요소들 또는 일부 단계들은 포함되지 않을 수도 있고, 또는 추가적인 구성 요소 또는 단계들을 더 포함할 수 있는 것으로 해석되어야 한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
이하, 본 발명의 다양한 실시예들을 첨부된 도면을 참조하여 상술하겠다.
도 1은 본 발명의 실시예에 따른 학습 코디네이팅 장치가 수행하는 학습 코디네이팅 방법을 나타낸 흐름도이고, 도 2는 본 발명의 실시예에 따른 학습 코디네이팅 장치가 문제정보를 입력받기 위한 문제등록 화면의 예를 나타낸 도면이다. 이하, 도 1을 중심으로, 본 발명의 실시예에 따른 학습 코디네이팅 방법을 설명하되, 도 2를 참조하기로 한다.
S110 단계에서, 학습 코디네이팅 장치는, 문제정보를 입력받아 문제에 대한 레이블링(labeling)을 하여 문제은행 데이터베이스를 구축한다.
예를 들어, 학습 코디네이팅 장치는 도 2에 도시된 바와 같은 문제등록 화면을 출력하여 학습 관리자로부터 문제별로 문제정보를 입력받아 다수의 문제를 등록하여 저장할 수 있다.
도 2를 참조하면, 문제정보는 문제유형, 문제난이도, 문제중요도, 단원분류, 내용요소, 문제내용, 정답내용, 문제해설 등을 포함할 수 있다. 여기서, 내용요소는 메릴의 내용요소 전시이론(Merrill's component display theory)에 따른 것일 수 있다.
참고로, 메릴의 내용요소 전시이론은 메릴(Merrill) 제안한 교수이론으로서, 학습 유형 중에서 인지적 영역에 속하는 개념이나 원리와 같은 미시적 수준의 지식과 기술을 가르치기 위한 처방적 이론이다. 이 이론에서 볼 때, 수업목표는 수행과 내용의 행렬식(performance content matrix)으로 분류되는 방식을 활용한다. 이 분류는 기본적으로 학생의 수행을 기억(remember), 활용(use), 발견(find)의 3가지 수준으로 나누고, 학습내용을 사실(facts), 개념(concepts), 절차(procedures) 및 원리(principles)의 4가지 유형으로 나눈 다음 이들이 서로 교차하는 행렬식으로 나타내어 수업의 수준과 정도를 결정하고, 이에 적합한 수업전략을 개발하게 된다. 수행수준과 내용 유형 간의 행렬표는 도 2에 도시된 내용요소 테이블과 같다.
학습 코디네이팅 장치는 문제정보를 입력받아 문제에 대하여 메타(meta) 정보를 설정하여 레이블링을 수행할 수 있다.
예를 들어, 문제에 대한 메타정보는 도 2에 도시된 바와 같은 문제등록 화면을 통해 입력된 문제정보를 기반으로 형성될 수 있다. 즉, 문제에 대한 메타정보는 문제의 학습영역, 문제유형, 문제의 지식구조 깊이, 문제의 난이도, 문제의 중요도, 문제의 내용요소분류, 문제처리시간, 문제의 오답회수, 점수 등을 포함할 수 있다. 물론, 문제처리시간, 문제의 오답회수, 점수 등은 학습자가 제시된 문제를 풀이한 후, 이에 대한 평가가 이루어진 후에 산출되므로, 평가절차가 완료된 후에 업데이트될 수 있다. 즉, 본 발명의 실시예에 따른 문제은행 데이터베이스는 학습자에게 적합한 학습을 위한 문제제시를 위하여, 평가 후에 생성되는 정보로 업데이트될 수 있다.
여기서, 학습영역은 대단원, 중단원 및 소단원으로 설정될 수 있고, 문제유형은 객관식, 단답식 및 주관식 중 어느 하나로 설정될 수 있고, 지식구조 깊이는 루트(Root)가 0이고 하위 단계에 하나에 1씩 증가되는 방식으로, 트리의 레벨로 설정될 수 있다. 그리고, 난이도는 상, 중 및 하 중 어느 하나로 설정되고, 중요도는 기초, 핵심 및 심화 중 어느 하나로 설정될 수 있다. 내용요소분류는 전술한 메릴의 내용요소와 같이, 사실X기억, 개념X기억, 절차X기억, 원리X기억, 개념X활용, 절차X활용, 원리X활용, 개념X발견, 절차X발견, 원리X발견 등으로 설정될 수 있다. 이 외에 내용요소분류는 구성(Constructing)X창출(Creating), 설계(Designing)X창출(Creating), 생산(Producing)X창출(Creating) 등으로 설정될 수도 있다. 즉, 학습자의 수행에 창출이 더 포함될 수 있으며, 창출에 대한 학습내용에는 구성(Constructing), 설계(Designing), 생산(Producing)이 포함될 수 있고, 이 외에 기획(Planning), 발명(Inventing), 고안(Devising), 제작(Making) 등이 더 포함될 수 있다.
S120 단계에서, 학습 코디네이팅 장치는, 임의의 학습자로부터 학습을 요청받으면, 구축된 문제은행 데이터베이스로부터 문제를 추출하여 학습을 요청한 학습자에게 문제를 제시한다.
예를 들어, 학습 코디네이팅 장치는 문제유형의 경우, 객관식, 단답식, 주관식의 순으로 제시할 수 있고, 문제의 학습영역의 경우, 해당 교과의 지식구조에 따라 제시할 수 있고, 문제의 난이도의 경우, 하, 중, 상의 순으로 제시할 수 있고, 문제의 중요도의 경우, 기초, 핵심, 심화의 순으로 제시할 수 있고, 문제의 내용요소분류의 경우, 사실X기억, 개념X기억, 절차X기억, 원리X기억, 개념X활용, 절차X활용, 원리X활용, 개념X발견, 절차X발견, 원리X발견, 구성(Constructing)X창출(Creating), 설계(Designing)X창출(Creating), 생산(Producing)X창출(Creating)의 순으로 제시할 수 있다.
S130 단계에서, 학습 코디네이팅 장치는, 문제를 제시받은 학습자의 문제풀이 결과를 분석하여 학습자의 학습능력을 평가한다.
우선, 학습 코디네이팅 장치는 문제풀이를 수행한 학습자에 대한 기초 진단을 수행하기 위하여, 문제처리 시간 및 문제의 오답 횟수를 측정하여 기초학습점수를 산출하고 기록한다. 예를 들어, 학습 코디네이팅 장치는, 학습자가 문제를 클릭한 시각부터 답을 제출한 시각까지를 초단위로 측정할 수 있으며, 초기값을 0으로 설정한 후 오답이 발생할 때마다 1씩 증가시켜 오답 횟수를 측정할 수 있다.
다음으로, 학습 코디네이팅 장치는 문제풀이를 수행한 학습자에 대한 다음단계의 진단을 수행하기 위하여, 문제의 유형, 난이도 및 중요도에 따라 점수를 설정하고, 설정된 점수에 따라 기본학습점수를 산출한다.
예를 들어, 문제의 유형의 경우, 객관식은 1점, 단답식은 2점, 주관식은 3점으로 설정될 수 있고, 문제의 난이도의 경우, 하는 1점, 중은 2점, 상은 3점으로 설정될 수 있고, 문제의 중요도의 경우, 기초는 1점, 핵심은 2점, 심화는 3점으로 설정될 수 있다. 그래서, 학습 코디네이팅 장치는 문제의 유형, 난이도 및 중요도에 따라 설정된 점수를 이용하여 정답을 맞춘 문제들에 대하여 점수를 합산하여 기본학습점수를 산출할 수 있다.
한편, 학습 코디네이팅 장치는 학습자의 학습능력 성숙도(LCM: Learning Capability Maturity) 단계를 산출하기 위하여, 내용요소분류에 따라 점수를 설정한다. 예를 들어, 내용요소분류에 따른 점수는 하기 표 1과 같이 설정될 수 있다.
창출 | 16 | |||
발견 | 6 | 9 | 12 | |
활용 | 4 | 6 | 8 | |
기억 | 1 | 2 | 3 | 4 |
사실 | 개념 | 절차 | 원리 |
그리고, 학습 코디네이팅 장치는 내용요소분류에 따라 설정된 점수를 이용하여 정답을 맞춘 문제들에 대하여 점수를 합산하여 학습자의 학습능력 성숙도 단계를 산출할 수 있다.
예를 들어, 학습능력 성숙도 단계는 하기 표 2에 도시된 바와 같이, 총 5개의 단계로 설정될 수 있다.
창출 | LCM#5 | |||
발견 | LCM#3 | LCM#4 | LCM#4 | |
활용 | LCM#2 | LCM#3 | LCM#4 | |
기억 | LCM#1 | LCM#2 | LCM#2 | LCM#3 |
사실 | 개념 | 절차 | 원리 |
즉, 학습능력 성숙도 1단계(Repetitive)는 사실X기억의 점수가 가장 높은 경우이고, 학습능력 성숙도 2단계(Relational)는 개념X기억 + 개념X활용 + 절차X기억의 점수가 가장 높은 경우이고, 학습능력 성숙도 3단계(progress)는 개념X발견 + 절차X활용 + 원리X기억의 점수가 가장 높은 경우이고, 학습능력 성숙도 4단계(propagation)는 절차X발견 + 원리X활용 + 원리X발견의 점수가 가장 높은 경우이고, 학습능력 성숙도 5단계(Proliferation)는 구성(Constructing)X창출(Creating) + 설계(Designing)X창출(Creating) + 생산(Producing)X창출(Creating)의 점수가 가장 높은 경우이다.
S140 단계에서, 학습 코디네이팅 장치는, 새로운 문제정보를 입력받아 S110 단계에서 구축된 문제은행 데이터베이스에 새로운 문제정보를 추가하여 문제은행 데이터베이스를 확장한다.
예를 들어, 학습 코디네이팅 장치는 인공지능 기술을 이용하여 문제에 대한 레이블링을 수행할 수 있다.
S150 단계에서, 학습 코디네이팅 장치는, 학습능력 성숙도 단계가 5단계가 될 때까지, S120 단계 내지 S140 단계를 반복한다.
즉, 학습 코디네이팅 장치는, 초기에 문제은행 데이터베이스를 구축하여 학습자에게 문제를 제시하고 학습자의 학습능력을 평가한 후, 초기에 구축된 문제은행 데이터베이스를 확장하여 문제를 제시하고 학습자의 학습능력을 평가하는 것을 학습능력 성숙도 단계가 5단계가 될 때까지 반복할 수 있다.
도 3은 본 발명의 실시예에 따른 학습 코디네이팅 장치의 구성을 개략적으로 예시하여 나타낸 도면이다.
도 3을 참조하면, 본 발명의 실시예에 따른 학습 코디네이팅 장치는 프로세서(10), 메모리(20), 통신부(30) 및 인터페이스부(40)를 포함한다.
프로세서(10)는 메모리(20)에 저장된 처리 명령어를 실행시키는 CPU 또는 반도체 소자일 수 있다.
메모리(20)는 다양한 유형의 휘발성 또는 비휘발성 기억 매체를 포함할 수 있다. 예를 들어, 메모리(20)는 ROM, RAM 등을 포함할 수 있다.
예를 들어, 메모리(20)는 본 발명의 실시예에 따른 학습 코디네이팅 방법을 수행하는 명령어들을 저장할 수 있다.
통신부(30)는 통신망을 통해 다른 장치들과 데이터를 송수신하기 위한 수단이다.
인터페이스부(40)는 네트워크에 접속하기 위한 네트워크 인터페이스 및 사용자 인터페이스를 포함할 수 있다.
한편, 전술된 실시예의 구성 요소는 프로세스적인 관점에서 용이하게 파악될 수 있다. 즉, 각각의 구성 요소는 각각의 프로세스로 파악될 수 있다. 또한 전술된 실시예의 프로세스는 장치의 구성 요소 관점에서 용이하게 파악될 수 있다.
또한 앞서 설명한 기술적 내용들은 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 실시예들을 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. 하드웨어 장치는 실시예들의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
상기한 본 발명의 실시예는 예시의 목적을 위해 개시된 것이고, 본 발명에 대한 통상의 지식을 가지는 당업자라면 본 발명의 사상과 범위 안에서 다양한 수정, 변경, 부가가 가능할 것이며, 이러한 수정, 변경 및 부가는 하기의 특허청구범위에 속하는 것으로 보아야 할 것이다.
10: 프로세서
20: 메모리
30: 통신부
40: 인터페이스부
20: 메모리
30: 통신부
40: 인터페이스부
Claims (8)
- 학습 코디네이팅 장치가 수행하는 학습 코디네이팅 방법에 있어서,
문제정보를 입력받아 문제에 대한 레이블링(labeling)을 하여 문제은행 데이터베이스를 구축하는 단계;
학습자로부터 학습을 요청받으면, 상기 구축된 문제은행 데이터베이스로부터 문제를 추출하여 학습을 요청한 상기 학습자에게 문제를 제시하는 단계; 및
상기 학습자의 문제풀이 결과를 분석하여 상기 학습자의 학습능력을 평가하는 단계를 포함하되,
상기 문제은행 데이터베이스를 구축하는 단계는,
상기 문제정보를 기반으로 문제에 대하여 메타(meta) 정보를 설정하여 레이블링을 수행하되,
상기 메타 정보는 문제의 학습영역, 문제유형, 문제의 지식구조 깊이, 문제의 난이도, 문제의 중요도, 문제의 내용요소분류, 문제처리시간, 문제의 오답회수, 점수 중 적어도 하나를 포함하고,
상기 내용요소분류는 사실X기억, 개념X기억, 절차X기억, 원리X기억, 개념X활용, 절차X활용, 원리X활용, 개념X발견, 절차X발견, 원리X발견, 구성(Constructing)X창출(Creating), 설계(Designing)X창출(Creating), 생산(Producing)X창출(Creating)를 포함하고,
상기 학습자의 학습능력을 평가하는 단계는,
상기 내용요소분류에 따라 설정된 점수를 이용하여 정답을 맞춘 문제들에 대하여 점수를 합산하여 상기 학습자의 학습능력 성숙도 단계를 산출하는 단계를 포함하되,
상기 학습능력 성숙도 단계는,
상기 사실X기억의 점수가 가장 높은 1단계(Repetitive);
상기 상기 개념X기억 + 상기 개념X활용 + 상기 절차X기억의 점수가 가장 높은 2단계(Relational);
상기 개념X발견 + 상기 절차X활용 + 상기 원리X기억의 점수가 가장 높은 3단계(progress);
상기 절차X발견 + 상기 원리X활용 + 상기 원리X발견의 점수가 가장 높은 4단계(propagation); 및
상기 구성X창출 + 상기 설계X창출 + 상기 생산X창출의 점수가 가장 높은 5단계(Proliferation)를 포함하는 것을 특징으로 하는 학습 코디네이팅 방법.
- 제1항에 있어서,
상기 학습 코디네이팅 방법은,
학습능력 성숙도 단계가 최종 단계가 될 때까지, 상기 구축된 문제은행 데이터베이스를 확장하여 상기 학습자에게 문제를 제시하는 단계 및 상기 학습자의 학습능력을 평가하는 단계를 반복하는 단계를 더 포함하는 것을 특징으로 하는 학습 코디네이팅 방법.
- 삭제
- 삭제
- 제1항에 있어서,
상기 학습자에게 문제를 제시하는 단계는,
상기 문제유형의 경우, 객관식, 단답식, 주관식의 순으로 제시하고,
상기 난이도의 경우, 하, 중, 상의 순으로 제시하고,
상기 중요도의 경우, 기초, 핵심, 심화의 순으로 제시하고,
상기 내용요소분류의 경우, 상기 사실X기억, 상기 개념X기억, 상기 절차X기억, 상기 원리X기억, 상기 개념X활용, 상기 절차X활용, 상기 원리X활용, 상기 개념X발견, 상기 절차X발견, 상기 원리X발견, 상기 구성X창출, 상기 설계X창출, 상기 생산X창출의 순으로 제시하는 것을 특징으로 하는 학습 코디네이팅 방법.
- 제1항에 있어서,
상기 학습자의 학습능력을 평가하는 단계는,
문제풀이를 수행한 학습자에 대한 기초 진단을 수행하기 위하여, 문제처리 시간 및 문제의 오답 횟수를 측정하여 기초학습점수를 산출하고 기록하는 단계; 및
상기 문제풀이를 수행한 학습자에 대한 다음단계의 진단을 수행하기 위하여, 상기 문제유형, 상기 난이도 및 상기 중요도에 따라 점수를 설정하고, 설정된 점수에 따라 기본학습점수를 산출하는 단계를 포함하는 것을 특징으로 하는 학습 코디네이팅 방법.
- 삭제
- 학습 코디네이팅 장치에 있어서,
명령어를 저장하는 메모리; 및
상기 명령어를 실행하는 프로세서를 포함하되,
상기 명령어는,
문제정보를 입력받아 문제에 대한 레이블링(labeling)을 하여 문제은행 데이터베이스를 구축하는 단계;
학습자로부터 학습을 요청받으면, 상기 구축된 문제은행 데이터베이스로부터 문제를 추출하여 학습을 요청한 상기 학습자에게 문제를 제시하는 단계; 및
상기 학습자의 문제풀이 결과를 분석하여 상기 학습자의 학습능력을 평가하는 단계를 포함하는 학습 코디네이팅 방법을 수행하고,
상기 문제은행 데이터베이스를 구축하는 단계는,
상기 문제정보를 기반으로 문제에 대하여 메타(meta) 정보를 설정하여 레이블링을 수행하되,
상기 메타 정보는 문제의 학습영역, 문제유형, 문제의 지식구조 깊이, 문제의 난이도, 문제의 중요도, 문제의 내용요소분류, 문제처리시간, 문제의 오답회수, 점수 중 적어도 하나를 포함하고,
상기 내용요소분류는 사실X기억, 개념X기억, 절차X기억, 원리X기억, 개념X활용, 절차X활용, 원리X활용, 개념X발견, 절차X발견, 원리X발견, 구성(Constructing)X창출(Creating), 설계(Designing)X창출(Creating), 생산(Producing)X창출(Creating)를 포함하고,
상기 학습자의 학습능력을 평가하는 단계는,
상기 내용요소분류에 따라 설정된 점수를 이용하여 정답을 맞춘 문제들에 대하여 점수를 합산하여 상기 학습자의 학습능력 성숙도 단계를 산출하는 단계를 포함하되,
상기 학습능력 성숙도 단계는,
상기 사실X기억의 점수가 가장 높은 1단계(Repetitive);
상기 상기 개념X기억 + 상기 개념X활용 + 상기 절차X기억의 점수가 가장 높은 2단계(Relational);
상기 개념X발견 + 상기 절차X활용 + 상기 원리X기억의 점수가 가장 높은 3단계(progress);
상기 절차X발견 + 상기 원리X활용 + 상기 원리X발견의 점수가 가장 높은 4단계(propagation); 및
상기 구성X창출 + 상기 설계X창출 + 상기 생산X창출의 점수가 가장 높은 5단계(Proliferation)를 포함하는 것을 특징으로 하는 학습 코디네이팅 장치.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210116899A KR102544662B1 (ko) | 2021-09-02 | 2021-09-02 | 학습 코디네이팅 장치 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210116899A KR102544662B1 (ko) | 2021-09-02 | 2021-09-02 | 학습 코디네이팅 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20230033918A KR20230033918A (ko) | 2023-03-09 |
KR102544662B1 true KR102544662B1 (ko) | 2023-06-16 |
Family
ID=85511385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210116899A KR102544662B1 (ko) | 2021-09-02 | 2021-09-02 | 학습 코디네이팅 장치 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102544662B1 (ko) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101493490B1 (ko) * | 2014-05-08 | 2015-02-24 | 학교법인 한양학원 | 문제 출제 방법, 이를 이용하는 장치 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130103067A (ko) * | 2012-03-09 | 2013-09-23 | 이유현 | 온라인 단계별 학업성취도 테스트와 취약 학습 집중 지도 시스템 및 이를 이용한 학습 방법 |
KR20150123655A (ko) * | 2014-04-25 | 2015-11-04 | 주식회사 셈웨어 | 실시간으로 문제를 출제하는 적응형 평가 시스템 |
KR20190000675A (ko) | 2017-06-23 | 2019-01-03 | 주식회사 넥스트코어 | 학습시스템 |
KR102239667B1 (ko) * | 2019-01-22 | 2021-04-14 | (주)캠버스 | 난이도 기반 온라인 모의시험 제공 시스템 |
-
2021
- 2021-09-02 KR KR1020210116899A patent/KR102544662B1/ko active IP Right Grant
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101493490B1 (ko) * | 2014-05-08 | 2015-02-24 | 학교법인 한양학원 | 문제 출제 방법, 이를 이용하는 장치 |
Also Published As
Publication number | Publication date |
---|---|
KR20230033918A (ko) | 2023-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garzón et al. | How do pedagogical approaches affect the impact of augmented reality on education? A meta-analysis and research synthesis | |
Shute et al. | Demystifying computational thinking | |
Chi et al. | Observing tutorial dialogues collaboratively: Insights about human tutoring effectiveness from vicarious learning | |
Owusu et al. | Assessing New Zealand high school science teachers’ technological pedagogical content knowledge | |
Kose et al. | Intelligent learning environments within blended learning for ensuring effective C programming course | |
White et al. | Using active learning strategies to shift student attitudes and behaviours about learning and teaching in a research intensive educational context | |
KR20090062735A (ko) | 수학 교수 학습 과정의 자기 주도형 학습을 위한 문제임의생성 시스템 및 이를 이용한 교육서비스 제공방법 | |
Mitros et al. | An integrated framework for the grading of freeform responses | |
Tobey | A vignette-based method for improving cybersecurity talent management through cyber defense competition design | |
Rahmawati | Students’ Perceptions Toward Quizizz as an Online Learning Media | |
Mayer | The role of metacognition in STEM games and simulations | |
CN112380429A (zh) | 一种习题推荐方法及装置 | |
Campbell et al. | Training and learning in work roles | |
Chen et al. | ICALL offering individually adaptive input: Effects of complex input on L2 development | |
Hubertz et al. | Teaching and iterative improvement: the impact of instructor implementation of courseware on student outcomes | |
Lovett | The Preparedness of Preservice Secondary Mathematics Teachers to Teach Statistics: A Cross-Institutional Mixed Method Study. | |
Kulaglić et al. | Influence of learning styles on improving efficiency of adaptive educational hypermedia systems | |
Nowlan et al. | Skill assessment in virtual learning environments | |
Deb et al. | Creating engaging exercises with mobile response system (MRS) | |
KR102544662B1 (ko) | 학습 코디네이팅 장치 및 방법 | |
Lee et al. | Comparison of peer-to-peer and virtual simulation rehearsals in eliciting student thinking through number talks | |
Lee et al. | The relationship between a business simulator, constructivist practices, and motivation toward developing business intelligence skills | |
Cox et al. | Analyzing materials in order to find design opportunities for the classroom | |
KR101245824B1 (ko) | 학습 정보를 제공하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
Rybinski et al. | A blended learning experiment in Kazakhstan |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |