KR102551923B1 - 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법 - Google Patents
메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법 Download PDFInfo
- Publication number
- KR102551923B1 KR102551923B1 KR1020210186508A KR20210186508A KR102551923B1 KR 102551923 B1 KR102551923 B1 KR 102551923B1 KR 1020210186508 A KR1020210186508 A KR 1020210186508A KR 20210186508 A KR20210186508 A KR 20210186508A KR 102551923 B1 KR102551923 B1 KR 102551923B1
- Authority
- KR
- South Korea
- Prior art keywords
- learner
- metaverse
- learning
- information
- intimacy
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims description 24
- 230000002452 interceptive effect Effects 0.000 claims abstract description 63
- 230000006996 mental state Effects 0.000 claims abstract description 56
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 21
- 230000033001 locomotion Effects 0.000 claims abstract description 13
- 230000003993 interaction Effects 0.000 claims description 66
- 238000004364 calculation method Methods 0.000 claims description 29
- 230000002787 reinforcement Effects 0.000 claims description 5
- 230000000638 stimulation Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000007786 learning performance Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 210000001747 pupil Anatomy 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/20—3D [Three Dimensional] animation
- G06T13/40—3D [Three Dimensional] animation of characters, e.g. humans, animals or virtual beings
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
본 발명은 학습자가 소지하는 학습자 단말기와 연동하는 메타버스 서버를 포함하는 교육 지원 시스템에 관한 것으로, 상기 메타버스 서버는, 상기 학습자 단말기로 메타버스 학습 콘텐츠를 제공하는 메타버스 서버이고, 학습자 기초정보에 기초해 인공지능 기반으로 복수의 아바타를 생성하여 가상의 또래집단을 생성하는 또래집단 생성부; 상기 학습자 단말기로부터 수신되는 학습자의 반응정보를 통해 상기 학습자의 심리상태를 판단하여 심리상태정보를 생성하는 심리상태파악부; 및 상기 심리상태정보에 기초해 상기 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 제공하는 메타버스 상호작용 콘텐츠 제공부를 포함하고, 상기 반응정보는, 상기 학습자의 음성정보, 움직임정보 및 시점정보 중 적어도 하나를 포함한다.
Description
본 발명은 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법에 관한 것으로, 보다 상세하게는 메타버스 환경에서 인공지능에 의해 생성된 가상 또래 집단을 이용하여 교육 효과를 강화시킬 수 있는 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법에 관한 것이다.
현재 인터넷 및 이를 지원하는 다양한 통신 기기의 발전과 더불어 다양한 온라인 학습 시스템이 제공되고 있으며, 이를 통해 학습자는 원격에서 다양한 학습 프로그램을 제공받을 수 있다.
그러나 기존의 온라인 학습 시스템의 경우 대부분 단순 프로그램의 일방적인 전달이거나 어플리케이션 또는 웹 기반 대화형 학습 서비스 정도에 그치고 있어 주의가 산만한 교육 대상자의 지속적인 관심을 얻기가 어려워 학습 효과가 낮은 한계가 있다.
또한, 실재 선생님이 등장하여 온라인으로 실시간 학생들을 보면서 수업을 진행하는 온라인 화상 학습 서비스 기술도 존재하지만 이는 단순히 오프라인 학습을 온라인으로 전환한 정도이며, 부가 서비스는 전자 칠판이나 디지털 컨텐츠를 보조 학습 도구로 활용하는 수준이어서 이 역시 학생의 관심을 지속적으로 얻기 어려우며, 주의가 산만한 학생들의 주목을 지속시키기 어려운 한계가 있다.
즉, 기존의 온라인 학습 시스템은 교사의 학생에 대한 일방적인 정보 전달에 그치고 있으며, 이에 따라 학생들이 쉽게 피로감을 느끼고 학습에 흥미를 잃게 되는 문제점이 있다.
최근 이러한 문제점을 해결하기 위해 가상 현실과 증강 현실을 이용한 메타버스 환경에서의 온라인 학습 시스템 및 방법에 관한 발명이 개시되었으나, 여전히 학습에 참여하는 학생의 학습 이해도와 학습 집중도 향상을 통해 보다 효율적인 수업이 이루어질 수 있도록 지원하는 방법에 대해서는 여전히 제시하고 있지 못하는 상황이다.
본 발명은 상기와 같은 문제를 해결하기 위해 안출된 것으로, 본 발명의 목적은 인공지능을 통해 가상의 또래집단을 생성하고, 또래집단에 포함된 아바타가 상호작용하는 메타버스 상호작용 콘텐츠를 제공함으로써 학습자의 효율적인 학습이 이루어질 수 있도록 하는 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법을 제공하는 것이다.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 학습자가 소지하는 학습자 단말기와 연동하는 메타버스 서버를 포함하는 교육 지원 시스템에 있어서, 상기 메타버스 서버는, 상기 학습자 단말기로 메타버스 학습 콘텐츠를 제공하는 메타버스 서버이고, 학습자 기초정보에 기초해 인공지능 기반으로 복수의 아바타를 생성하여 가상의 또래집단을 생성하는 또래집단 생성부; 상기 학습자 단말기로부터 수신되는 학습자의 반응정보를 통해 상기 학습자의 심리상태를 판단하여 심리상태정보를 생성하는 심리상태파악부; 및 상기 심리상태정보에 기초해 상기 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 제공하는 메타버스 상호작용 콘텐츠 제공부를 포함하고, 상기 반응정보는, 상기 학습자의 음성정보, 움직임정보 및 시점정보 중 적어도 하나를 포함하고, 상기 심리상태파악부는, 상기 학습자 단말기와 최초 연동한 시점부터 일정 기간동안 상기 학습자 단말기로부터 수신한 반응정보와 상기 일정 기간이 경과된 이후에 상기 학습자 단말기로부터 수신한 상기 반응정보를 학습 데이터로 학습하여 심리상태 산출 모델을 생성하고, 상기 심리상태 산출 모델을 통해 상기 학습자가 심리적으로 안정적인 상태인지를 나타내는 상기 심리상태정보를 생성한다.
삭제
여기서 상기 메타버스 서버는, 상기 복수의 아바타 각각에 대한 상기 학습자의 친밀도를 판단하여 아바타별로 친밀도정보를 생성하는 친밀도파악부; 및 상기 심리상태정보 및 상기 친밀도정보 중 적어도 하나에 기초하여 상기 또래집단에 포함된 복수의 아바타 중에서 적어도 하나의 특정 아바타를 선택하는 아바타 선택부를 더 포함하고, 상기 메타버스 상호작용 콘텐츠 제공부는, 상기 아바타 선택부에서 선택된 특정 아바타가 상기 상호작용 콘텐츠에 포함되도록 할 수도 있다.
그리고 상기 친밀도파악부는, 상기 메타버스 상호작용 콘텐츠를 제공한 시점을 기준으로 기설정된 시간 이전과 이후 동안 생성된 상기 심리상태정보 및 상기 반응정보를 학습 데이터로 학습하여 친밀도 산출 모델을 생성하고, 상기 친밀도 산출 모델을 통해 상기 친밀도정보를 생성할 수도 있다.
그리고 상기 메타버스 서버는, 상기 학습자의 학습 레벨 및 학습진행정도에 기초하여 상기 메타버스 학습 콘텐츠 및 문제 콘텐츠를 제공하는 메타버스 학습 콘텐츠 제공부를 더 포함하고, 상기 메타버스 상호작용 콘텐츠는, 상기 심리상태정보와 함께 상기 학습 레벨 및 학습진행정도에 기초해 상기 선택된 특정 아바타가 상기 학습자에게 기설정된 상호작용을 제공하는 콘텐츠일 수도 있다.
그리고 상기 기설정된 상호작용은, 상기 심리상태정보에 기초해 특정 아바타가 학습자에게 대화를 시도하는 친밀 상호작용, 특정 아바타가 학습진행정도에 기초해 학습자에게 질문을 제시하는 질문 상호작용, 특정 아바타가 학습자의 학습욕구를 자극하는 자극 상호작용, 학습자로부터 질문을 제시받으면 질문에 따른 공감표현을 제공하는 공감 상호작용 중 적어도 하나를 포함할 수도 있다.
또한 상기 아바타 선택부는, 상기 기설정된 상호작용이 상기 친밀상호작용이면, 상기 복수의 아바타 중에서 상기 친밀도가 가장 높은 아바타를 선택할 수도 있다.
삭제
한편, 상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 학습자가 소지하는 학습자 단말기와 연동하는 메타버스 서버를 포함하는 교육 지원 시스템에서 수행하는 교육 지원 방법은, 학습자 단말기로 메타버스 학습 콘텐츠를 제공하는 단계; 학습자 기초정보에 기초해 인공지능 기반으로 복수의 아바타를 생성하여 가상의 또래집단을 생성하는 단계; 상기 학습자 단말기로부터 수신되는 학습자의 반응정보를 통해 상기 학습자의 심리상태를 판단하여 심리상태정보를 생성하는 단계; 및 상기 심리상태정보에 기초해 상기 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 제공하는 단계를 포함하고, 상기 반응정보는, 상기 학습자의 음성정보, 움직임정보 및 시점정보 중 적어도 하나를 포함하고, 상기 심리상태정보를 생성하는 단계에서는, 상기 학습자 단말기와 최초 연동한 시점부터 일정 기간동안 상기 학습자 단말기로부터 수신한 반응정보와 일정 기간이 경과된 이후에 상기 학습자 단말기로부터 수신한 상기 반응정보를 학습 데이터로 학습하여 심리상태 산출 모델을 생성하고, 상기 심리상태 산출 모델을 통해 상기 학습자가 심리적으로 안정적인 상태인지를 나타내는 상기 심리상태정보를 생성한다.
그리고 상기 복수의 아바타 각각에 대한 상기 학습자의 친밀도를 판단하여 아바타별로 친밀도정보를 생성하는 단계; 및 상기 심리상태정보 및 상기 친밀도정보 중 적어도 하나에 기초하여 상기 또래집단에 포함된 복수의 아바타 중에서 적어도 하나의 특정 아바타를 선택하는 단계를 더 포함하고, 상기 메타버스 상호작용 콘텐츠를 제공하는 단계에서는, 상기 아바타를 선택하는 단계에서 선택된 특정 아바타가 상기 메타버스 상호작용 콘텐츠에 포함되도록 할 수도 있다.
그리고 상기 친밀도정보를 생성하는 단계에서는, 상기 메타버스 상호작용 콘텐츠를 제공한 시점을 기준으로 기설정된 시간 이전과 이후 동안 생성된 상기 심리상태정보 및 상기 반응정보를 학습 데이터로 학습하여 친밀도 산출 모델을 생성하고, 상기 친밀도 산출 모델을 통해 상기 친밀도정보를 생성할 수도 있다.
그리고 상기 메타버스 학습 콘텐츠를 제공하는 단계에서는, 상기 학습자의 학습 레벨 및 학습진행 정도에 기초하여 상기 메타버스 학습 콘텐츠 및 문제 콘텐츠를 제공하고, 상기 메타버스 상호작용 콘텐츠는, 상기 심리상태정보와 함께 상기 학습 레벨 및 학습진행정도에 기초해 상기 선택된 특정 아바타가 상기 학습자에게 기설정된 상호작용을 제공하는 콘텐츠일 수도 있다.
삭제
상술한 본 발명의 일측면에 따르면, 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법을 제공함으로써, 인공지능을 통해 가상의 또래집단을 생성하고, 또래집단에 포함된 아바타가 상호작용하는 메타버스 상호작용 콘텐츠를 제공함으로써 학습자의 효율적인 학습이 이루어질 수 있도록 할 수 있다.
도 1은 본 발명에 따른 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템의 구성을 나타낸 도면,
도 2는 본 발명에 따른 교육 지원 시스템에서 학습자와 또래집단 간의 상호작용을 나타낸 도면,
도 3은 본 발명에 따른 메타버스 서버의 구성을 나타낸 도면,
도 4는 본 발명에 따른 아바타 선택부가 메타버스 상호작용 콘텐츠에 포함되는 아바타를 선택하는 모습을 나타낸 도면, 그리고,
도 5는 본 발명에 따른 교육 지원 시스템에서 수행되는 교육 지원 방법의 흐름도를 나타낸 도면이다.
도 2는 본 발명에 따른 교육 지원 시스템에서 학습자와 또래집단 간의 상호작용을 나타낸 도면,
도 3은 본 발명에 따른 메타버스 서버의 구성을 나타낸 도면,
도 4는 본 발명에 따른 아바타 선택부가 메타버스 상호작용 콘텐츠에 포함되는 아바타를 선택하는 모습을 나타낸 도면, 그리고,
도 5는 본 발명에 따른 교육 지원 시스템에서 수행되는 교육 지원 방법의 흐름도를 나타낸 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예와 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.
이하에서는 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.
도 1은 본 발명에 따른 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템(10)의 구성을 나타낸 도면, 도 2는 본 발명에 따른 교육 지원 시스템(10)에서 학습자와 또래집단 간의 상호작용을 나타낸 도면이다.
본 발명에 따른 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템(10)은 메타버스 환경에서 인공지능에 의해 가상 또래 집단을 만들고 학습자(S)가 가상 또래 집단에 들어가 서로 상호 작용함으로써 교육 효과를 강화하기 위해 마련된다.
동료효과(peer effect)는 동료의 행동과 사고방식에 영향을 받아 개인의 행동이 바뀌는 것을 의미한다. 실제 학습이 수행되는 학습 환경 또는 학습 공간에서는 긍정적 동료 효과도 있을 수 있으나, 부정적인 효과가 있는 경우도 많다. 이에 본 발명은 메타버스 환경에서 학습자(S)를 실제 메타버스에 접속한 다른 학습자(S)들이 아닌 인공지능으로 생성된 가상의 또래집단(virtual peer group)에 속하게 만들고, 학습자(S)의 필요 사항(need)에 기반하여 또래집단과 상호작용을 할 수 있도록 하여 긍정적인 동료효과만이 나타나도록 하여 교육 강화 효과를 극대화시킬 수 있다.
특히 본 발명의 교육 지원 시스템(10)은 학습자(S) 본인이 메타버스 환경에서의 다른 학습자(S)가 아닌 인공지능에 의해 생성된 가상의 또래집단에 둘러 싸여 있다는 것을 모르는 채로 메타버스 환경 내에서 학습을 수행하도록 하는 것은 물론, 학습자(S)의 심리상태를 파악하여 또래집단을 통한 다양한 상호작용을 할 수 있도록 할 수 있다.
이를 위해 본 실시예에 따른 교육 지원 시스템(10)은 서버(100) 및 학습자 단말기(200)를 포함하고, 서버(100) 및 학습자 단말기(200)가 서로 연동되도록 할 수 있다. 도면에서는 하나의 학습자 단말기(200)만 도시되었으나, 이는 설명의 편의를 위한 예시적 사항에 불과할 뿐, 서버(100)는 복수의 학습자 단말기(200)와 연동될 수 있다.
서버(100)는 네트워크통신을 기반으로 하여 적어도 한 명의 학습자(S)에게 메타버스 환경 내에서 학습이 가능하도록 하는 메타버스 학습 콘텐츠를 학습자 단말기(200)로 제공하여 학습자(S)의 학습 효과를 향상시키기 위해 마련된다.
그리고 서버(100)는 학습자 단말기(200)로부터 수신되는 각종 정보에 기초하여 학습자(S)의 상태를 판단하고, 판단된 상태에 기초하여 그에 대응되는 메타버스 학습 콘텐츠를 제공할 수 있다.
특히 서버(100)는 메타버스 학습 콘텐츠를 제공함에 있어서, 인공지능에 기반하여 생성된 가상의 또래집단(A)이 학습자(S)와 상호작용을 하도록 하는 메타버스 상호작용 콘텐츠를 선택하여 함께 제공할 수 있다.
여기서 메타버스 학습 콘텐츠는 적어도 하나의 학습자 단말기(200)로 제공되는 것으로, 메타버스 환경 내에서 사전에 설정된 학습 커리큘럼에 기초한 학습을 위한 메타버스 학습 콘텐츠 및 학습자(S)의 학습 레벨 및 학습진행정도를 테스트하기 위한 문제 콘텐츠를 포함할 수 있다.
그리고 메타버스 상호작용 콘텐츠는 메타버스 환경 내에 존재하는 복수의 학습자(S)들 모두에게 제공되는 콘텐츠가 아닌 특정 학습자(S)에게 맞춤형으로 학습자(S)가 가상의 아바타(A1, A2, A3, A4)와 상호작용할 수 있도록 제공되는 콘텐츠를 의미할 수 있다.
즉 서버(100)는 특정 학습자(S)를 포함하는 모든 복수의 학습자(S)에게는 메타버스 학습 콘텐츠가 동일하게 제공하되, 특정 학습자(S)에게는 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 메타버스 학습 콘텐츠와 함께 제공할 수 있다.
이를 위해 서버(100)는 머신러닝, 딥러닝, K-최근접 이웃 알고리즘 및 서포트 벡터 머신 등의 기법을 이용하여 학습 모델을 생성할 수 있다.
이 때 머신러닝은 복수개의 정보에 기초하여 복수개의 정보를 하나 이상의 그룹으로 분류가능하도록 학습 모델을 생성하고, 생성된 학습 모델에 기초하여 임의의 정보를 분류하는 기법으로 이해할 수 있으며, 이와 같은, 머신 러닝은 관리자에 의해 분류된 복수개의 정보에 따라 임의의 정보를 분류 가능 하도록 학습모델을 생성하는 지도 학습(Supervised Learning), 복수개의 정보 자체를 분석하거나, 또는 군집화 과정을 수행하며 학습 모델을 생성하는 비지도 학습(Unsupervised Learning), 지도 학습과 비지도 학습을 혼합하여 학습 모델을 생성하는 준지도 학습(Semi-Supervised Learning) 및 복수개의 정보에 대해 임의의 동작을 수행하는 과정에서 발생한 보상에 따라 학습 모델을 생성하는 강화 학습(Reinforcement Learning)을 포함할 수 있다.
그리고 서버(100)는 학습자(S)를 식별하고, 학습자(S)의 학습 레벨 및 기 위해 학습자 단말기(200)별로 학습자(S)에 대한 정보를 데이터베이스화할 수 있다.
학습자 단말기(200)는 학습자(S)가 소지하는 장치로써, 서버(100)로부터 제공되는 메타버스 학습 콘텐츠를 제공받을 수 있고, 학습자(S)의 상태를 판단할 수 있는 반응정보를 생성하여 서버(100)로 전송할 수 있다.
이러한 학습자 단말기(200)는 학습자(S) 신체의 일부분에 착용되는 웨어러블 단말기, 모바일 단말기, 스마트폰, 테블릿 PC, PDA, 스마트 패드 및 넷북 등 카메라를 탑재하거나 학습자(S)의 음성 및 동작을 감지할 수 있는 마이크, 움직임 감지센서 등을 포함하는 각종 센서를 탑재한 다양한 통신장치로 마련될 수 있다.
한편 도 3은 본 발명에 따른 서버(100)의 구성을 나타낸 도면, 그리고 도 4는 본 발명에 따른 아바타 선택부(135)가 메타버스 상호작용 콘텐츠에 포함되는 아바타를 선택하는 모습을 나타낸 도면이다. 본 발명의 서버(100)는 교육 지원 방법을 수행하기 위한 소프트웨어(어플리케이션)가(이) 설치되어 실행될 수 있으며, 통신부(110), 저장부(120) 및 제어부(130)를 포함하여 마련될 수 있다.
통신부(110)는 적어도 하나의 학습자 단말기(200)와 각종 정보를 송수신하기 위해 마련된다. 따라서 통신부(110)는 학습자 단말기(200)에서 입력된 학습자(S)의 기초정보, 학습자 단말기(200)에서 센싱된 학습자(S)의 반응정보를 수신하고, 제어부(130)에서 생성되거나 저장부(120)에 저장된 메타버스 학습 콘텐츠, 문제 콘텐츠 및 상호작용 콘텐츠를 학습자 단말기(200)로 전송할 수 있다.
저장부(120)는 서버(100)가 적어도 하나의 학습자 단말기(200)와 송수신하는 정보를 저장하기 위해 마련된다. 이러한 저장부(120)에는 학습을 위한 학습커리큘럼, 학습지도안, 동영상 강의 등이 저장될 수 있다. 그리고 저장부(120)에는 학습자(S)의 심리상태를 판단할 수 있도록 하는 기준정보, 학습자(S)를 식별할 수 있는 학습자(S) 식별정보, 학습자 단말기(200)와 연동되어 교육 지원 방법을 수행하기 위한 소프트웨어(어플리케이션)이 저장될 수 있다. 여기서 기준정보는 통신부(110)를 통해 외부 서버 또는 외부 장치로부터 수신할 수도 있다.
한편 제어부(130)는 학습자(S)에게 제공되는 메타버스 학습 콘텐츠를 생성하고, 학습자(S)와 상호작용하기 위한 복수의 아바타(A1, A2, A3, A4)를 포함하는 또래집단(A)을 생성하며, 학습자(S)의 상태에 기초하여 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 생성하기 위해 마련될 수 있다.
이러한 제어부(130)는 메타버스 환경을 기반으로 한 메타버스 교육 콘텐츠를 제공함과 동시에 시나리오에 기반하여 학습자(S) 개개인의 반응을 수용하고, 그에 따라 수업 중인 메타버스 교육 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠의 상태를 변화시킴으로써 학습을 지원할 수 있다.
이를 위해 제어부(130)는, 메타버스 학습콘텐츠 제공부(131), 또래집단 생성부(132), 심리상태 파악부(133), 친밀도 파악부(134), 아바타 선택부(135) 및 메타버스 상호작용 콘텐츠 제공부(136)를 포함할 수 있다.
먼저 메타버스 학습콘텐츠 제공부 (131)는 학습자(S)의 학습 레벨 및 학습진행정도에 기초하여 메타버스 학습콘텐츠 및 문제콘텐츠를 생성하여 학습자 단말기(200)로 제공할 수 있다.
이러한 학습 레벨 및 학습진행정도는 학습자 단말기(200)로부터 수신되어 저장부(120)에 저장된 기초정보, 학습을 위한 커리큘럼, 출제된 문제에 대한 정답률 등에 기초하여 판단할 수 있다.
여기서 기초정보는 인공지능을 기반으로 가상의 또래집단을 생성하기 위해 활용되는 정보로, 학습자(S)의 연령, 학년, 키, 몸무게, 성격, 취미, 관심분야 등 학습자(S)를 위한 적어도 하나의 가상의 아바타를 포함하는 가상의 맞춤형 또래집단을 생성하기 위해 필요한 정보를 의미할 수 있다. 그리고 학습 레벨은 학습 역량을 의미하는 것으로 커리큘럼에 기초하여 메타버스 학습 콘텐츠를 제공하였을 때 이를 학습자(S)가 소화해낼 수 있는 정도를 등급화한 것일 수 있다. 메타버스 학습 콘텐츠는 커리큘럼에 따른 동영상 강의, 강의 자료 등 학습을 위한 모든 콘텐츠를 의미할 수 있으며, 문제 콘텐츠는 커리큘럼에 따른 학습에 대한 이해도를 판단하기 위한 객관식, 주관식 등의 테스트를 위한 문제를 의미할 수 있으며 저장부(120)에 저장되거나 통신부(110)를 통해 수신할 수 있다.
한편, 또래집단 생성부(132)는 이러한 학습자(S)의 기초정보에 기초하여 복수의 아바타(A1, A2, A3, A4, A5)를 포함하는 또래집단(A)을 생성하기 위해 마련된다. 복수의 아바타(A1, A2, A3, A4, A5)는 학습자(S)의 학습 효과를 극대화시킬 수 있도록 하는 아바타로써, 이러한 아바타는 학습자(S)의 기초정보에 기초하여 학습자(S)가 친밀감을 느끼도록 하여 심리적인 안정감을 제공하거나 학습자(S)가 학습을 수행할 때 경쟁심을 느끼도록 하여 학습 레벨 향상을 위한 자극을 제공하기 위해 생성된 아바타이다. 이러한 아바타에 대해 예를 들면 학습자(S)의 기초정보 중 키 및 몸무게를 활용하여 학습자(S)의 외모와 비슷한 외모를 갖는 아바타, 학습자(S)의 기초정보 중 학습자(S)가 입력한 학습자(S)의 성격과 유사 또는 정반대의 성격을 갖는 아바타, 또는 학습자(S)가 경쟁자로 인식할 수 있도록 하는 아바타 등일 수 있다.
한편, 심리상태 파악부(133)는 학습자 단말기(200)로부터 수신되는 학습자(S)의 반응정보를 통해 학습자(S)의 심리상태를 판단하여 심리상태정보를 생성할 수 있다.
여기서 반응정보는, 학습자(S)의 음성정보, 움직임정보 및 시점정보 중 적어도 하나를 포함할 수 있으며, 이를 통해 심리상태 파악부(133)는 반응정보를 기초로 학습자(S)의 심리상태를 판단할 수 있다. 음성정보는 학습자 단말기(200)로부터 수신되는 학습자(S)의 음성의 떨림정도, 음성의 크기정도, 문장의 길이 등을 포함할 수 있고, 움직임정보는 학습자(S)의 움직임 패턴을 포함할 수 있으며, 시점정보는 학습자(S)의 눈동자의 움직임에 따른 시점분포 패턴 등을 포함할 수 있다.
그리고 심리상태 파악부(133)는 학습자 단말기(200)와 최초 연동한 시점 이후 동안 학습자 단말기(200)로부터 수신한 기초정보 및 반응정보를 학습 데이터로 학습하여 심리상태 산출 모델을 생성하고, 심리상태 산출 모델을 통해 심리상태정보를 생성할 수 있다.
이러한 심리상태 파악부(133)는 심리상태를 산출하기 위해서 최초 연동한 시점부터 일정 기간동안 학습자 단말기(200)로부터 수신된 기초정보 및 반응정보와 일정 기간이 경과된 이후에 학습자 단말기(200)로부터 수신된 반응정보를 학습함으로써, 학습자(S)의 심리상태가 현재 안정적인지, 불안정적인지 등에 대한 심리상태정보를 산출할 수 있다. 또한 저장부(120)에 사전에 저장된 심리상태를 판단하기 위한 기준정보를 더 활용할 수도 있다. 따라서 학습자(S)가 심리적으로 안정적인 상태에서 학습을 수행하는지, 불안정한 상태에서 학습을 수행하는지 등을 파악할 수 있다.
한편 친밀도 파악부(134)는 복수의 아바타 각각에 대한 상기 학습자(S)의 친밀도를 판단하여 아바타별로 친밀도정보를 생성하기 위해 마련된다.
이러한 친밀도 파악부(134)는 메타버스 상호작용 콘텐츠 제공부(136)에서 메타버스 상호작용 콘텐츠를 제공한 시점을 기준으로 기설정된 시간 이전과 이후 동안 생성된 심리상태정보 및 반응정보를 학습 데이터로 학습하여 친밀도 산출 모델을 생성하고, 친밀도 산출 모델을 통해 상기 친밀도정보를 생성할 수 있다. 그리고 친밀도 파악부(134)는 메타버스 상호작용 콘텐츠가 제공될 때마다 친밀도 산출 모델에 기초해 아바타별 친밀도정보를 갱신하여 저장부(120)에 저장되도록 할 수 있다.
즉 친밀도 파악부(134)는 친밀도를 산출하기 위해서 아바타 선택부(135)에서 선택된 특정 아바타가 포함된 상호작용 콘텐츠를 제공한 시점을 기준으로 기설정된 시간 이전에 생성된 심리상태정보와 메타버스 상호작용 콘텐츠를 제공한 시점으로부터 일정 기간이 경과된 이후에 생성된 심리상태정보 및 반응정보를 학습함으로써 학습자(S)가 특정 아바타 또는 특정 아바타가 포함된 또래집단에게 느끼는 친밀도가 높은지 낮은지 등을 산출할 수 있다.
예컨대, 이하에서는 학습자(S)의 학습이 진행되는 중에 학습자(S)의 심리상태가 불안정한 것으로 판단되고 이에 따라 학습자(S)에게 제공되는 메타버스 상호작용 콘텐츠가 제1 아바타(A1)가 포함된 또래집단(A)이 친밀 상호작용을 하는 콘텐츠인 경우로 가정하여 설명하기로 한다. 심리상태 파악부(133)는 메타버스 상호작용 콘텐츠가 제공된 시점으로부터 일정 시간 이전(예를 들어 10분)에 생성된 심리상태정보와 메타버스 상호작용 콘텐츠가 제공된 시점으로부터 일정시간 이후(예를 들어 10분)에 생성된 심리상태정보 및 학습자 단말기(200)에서 수신되는 반응정보를 학습이 완료되어 생성된 친밀도 산출 모델에 입력하면 친밀도 파악부(134)는 또래집단(A)에 포함되는 복수의 아바타들 각각에 대한 친밀도를 산출할 수 있다.
보다 구체적으로 제1 아바타(A1)가 포함된 또래집단(A)이 포함된 메타버스 상호작용 콘텐츠를 제공하기 전에 학습자(S)가 불안정상태였고, 메타버스 상호작용 콘텐츠를 제공받은 이후 학습자(S)의 심리상태가 안정상태로 변화가 되면 해당 또래집단(A)에 포함된 적어도 하나 이상의 아바타에 친밀감을 느낀다는 것을 의미할 수 있다. 특히 해당 또래집단(A)에 포함된 복수의 아바타들 중에서, 학습자(S)의 반응정보 중 학습자(S)의 눈동자의 움직임에 따른 시점분포도가 다른 아바타들에 비해 제1 아바타(A1)가 높으면 제1 아바타(A1)에 대한 친밀도가 높은 것으로 판단하고, 제1 아바타(A1)에 부여된 친밀도가 기존의 친밀도보다 일정비율만큼 상승되도록 갱신할 수 있다.
이와 같이 학습자(S)가 특정 아바타 또는 또래집단에게 느끼는 친밀도를 심리상태정보 및 반응정보를 통해 파악하고, 학습자(S)가 상대적으로 더 친밀감을 느끼는 특정 아바타가 상호작용 콘텐츠에 포함되도록 함으로써 학습자(S)의 교육 강화 효과를 극대화시킬 수 있다.
아바타 선택부(135)는 심리상태정보 및 친밀도정보 중 적어도 하나에 기초하여 또래집단에 포함된 복수의 아바타 중에서 적어도 하나의 특정 아바타를 선택할 수 있다. 그리고 아바타 선택부(135)에서 선택된 특정 아바타가 메타버스 상호작용 콘텐츠에 포함되도록 할 수 있다.
또한 아바타 선택부(135)는 친밀도 파악부(134)에서 갱신되는 아바타별 친밀도정보에 기초하여 도 4에 도시된 바와 같이 특정 아바타(A5)가 또래집단에 추가로 포함되도록 하거나 특정 아바타(A3, A4)또래집단에서 배제되도록 할 수 있다.
도 4는 예를 들어 친밀 상호작용을 제공하는 메타버스 상호작용 콘텐츠가 제공되기 이전과 이후에 아바타 선택부(135)가 아바타를 선택하는 모습이라고 할 수 있다. 도시된 바와 같이 친밀 상호작용을 제공하기 이전에 친밀 상호작용이 아닌 다른 상호작용을 제공하는 또래집단(A)에는 제1아바타(A1), 제2아바타(A2), 제3아바타(A3), 제4아바타(A4)가 포함되도록 선택된 상태에서 친밀 상호작용을 제공하는 메타버스 상호작용 콘텐츠가 제공되는 경우, 아바타 선택부(135)는 제2아바타(A2), 제3아바타(A3)를 배제하고 제5아바타(A5)를 추가로 선택하여 다른 또래집단(A)을 생성할 수 있다.
여기서 아바타 선택부(135)는 기설정된 상호작용이 친밀 상호작용이면, 복수의 아바타 중에서 친밀도가 가장 높은 아바타를 선택하도록 설정될 수 있다. 즉, 도 4에서는 복수의 아바타들 중 학습자(S)에게 친밀 상호작용을 제공하기 위해 3명의 아바타가 포함되도록 설정된 경우, 이미 생성된 복수의 아바타들(A1~A5) 중에서 친밀도가 가장 높은 아바타 순으로 제1아바타(A1), 제4아바타(A4) 및 제5아바타(A5)를 선택하고, 선택된 아바타들이 메타버스 상호작용 콘텐츠에 포함되도록 하여 학습자(S)와 친밀 상호작용을 수행하도록 할 수 있다.
메타버스 상호작용 콘텐츠 제공부(136)는 심리상태정보, 학습 레벨 및 학습진행정도에 기초해 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 제공할 수 있다. 이때 메타버스 상호작용 콘텐츠 제공부(136)는 아바타 선택부(135)에서 선택된 특정 아바타가 메타버스 상호작용 콘텐츠에 포함되도록 할 수 있다.
여기서 메타버스 상호작용 콘텐츠는 심리상태정보와 함께 학습 레벨 및 학습진행정도에 기초해 선택된 특정 아바타가 학습자(S)에게 기설정된 상호작용을 제공하는 콘텐츠일 수 있다.
기설정된 상호작용은, 학습자(S)의 학습효과를 향상시키기 위해 학습자(S)와 아바타, 또는 학습자(S)와 또래집단이 서로 상호작용할 수 있도록 하기 위한 것일 수 있다. 이러한 기설정된 상호작용으로는, 심리상태정보에 기초해 특정 아바타가 학습자(S)에게 대화를 시도하는 친밀 상호작용, 특정 아바타가 학습진행정도에 기초해 학습자(S)에게 질문을 제시하는 질문 상호작용, 특정 아바타가 학습자(S)의 학습욕구를 자극하는 자극 상호작용, 학습자(S)로부터 질문을 제시받으면 질문에 따른 공감표현을 제공하는 공감 상호작용 중 적어도 하나를 포함할 수 있다. 이러한 아바타가 수행해야하는 상호작용은 저장부(120)에 저장된 시나리오에 기초한 상호작용일 수 있다.
보다 구체적으로 이하에서는 메타버스 서버(100)에서 학습에 참여하고 있는 학습자(S)에게 메타버스 학습 콘텐츠를 제공함과 동시에 메타버스 상호작용 콘텐츠 제공부(136)가 제공하는 학습자(S)의 심리 및 행동에 따라 특정 아바타 또는 또래집단을 포함하여 메타버스 학습 콘텐츠에 대응하는 메타버스 상호작용 콘텐츠에 대해 예를 들어 설명하기로 한다.
메타버스 서버(100)와 연동한 학습자 단말기(200)가 최초로 학습을 시작하고, 일정기간이 경과되는 동안 학습자 단말기(200)로부터 수집된 반응정보에 기초하여 심리상태 파악부(133)에서 학습자(S)의 심리상태가 불안한 것으로 판단한 경우, 메타버스 상호작용 콘텐츠 제공부(136)는 메타버스 학습 콘텐츠와 함께 생성된 또래집단에 포함되는 아바타 중 적어도 하나의 아바타가 학습자(S)에게 친밀 상호작용을 제공하는 콘텐츠를 생성할 수 있다. 이 때 아바타 선택부(135)는 또래집단 생성부(132)에서 생성된 또래집단에 포함되는 복수의 아바타들 중에서 학습자(S)와 친밀도가 가장 높은 아바타 또는 친밀도가 높은 순서로 사전에 설정된 명수만큼의 아바타가 학습자(S)가 접속할 때마다 학습자(S)에게 친밀함을 표현하도록 하는 친밀 상호작용을 제공할 수 있다. 이러한 친밀 상호작용은 아바타가 학습자(S)에게 일상적인 대화나 학습자(S)의 관심사와 관련한 대화 등을 먼저 표현하거나 제안하는 것일 수 있다.
그리고 메타버스 상호작용 콘텐츠 제공부(136)가 메타버스 상호작용 콘텐츠로 자극 상호작용이 포함되도록 하는 경우, 아바타 선택부(135)는 메타버스 학습 콘텐츠를 제공하여 학습이 진행됨에 따라 지속적으로 친밀도가 향상된 특정 아바타, 또는 학습자(S)와 비슷한 성향을 아바타를 롤 모델로 특정하여 선택하고, 메타버스 상호작용 콘텐츠 제공부(136)는 아바타 선택부(135)에서 선택된 아바타를 학습자(S)의 선의의 경쟁자가 될 수 있도록 하여 학습욕구를 자극할 수 있도록 하는 대화를 학습자(S)와 주고받을 수 있도록 한다.
또한 메타버스 학습콘텐츠 제공부(131)는 제공된 문제콘텐츠를 통해 학습자(S)의 학습 레벨 및 학습진행정도를 판단하고, 메타버스 학습콘텐츠 제공부(131)에서 판단된 학습자(S)의 학습 성과가 사전에 관리자 또는 학습자(S)에 의해 설정된 학습목표달성도에 도달되면 메타버스 상호작용 콘텐츠 제공부(136)는 메타버스 상호작용 콘텐츠로 또래집단(A)이 학습자(S)를 격려하도록 하는 격려 상호작용이 포함되도록 하고, 이 때 아바타 선택부(135)는 현재 기설정된 친밀도 이상을 갖는 모든 아바타를 선택할 수 있다. 따라서 메타버스 상호작용 콘텐츠 제공부(136)는 아바타 선택부(135)에서 선택된 아바타들이 학습자(S)를 격려하는 격려표현을 학습자(S)에게 제공하도록 할 수 있다.
그리고 메타버스 학습콘텐츠 제공부(131)는 메타버스 학습콘텐츠 제공부(131)에서 판단된 학습자(S)의 학습 성과가 학습목표달성도에 도달하지 못하거나, 지속적으로 하향하거나, 심리상태 파악부(133)에서 판단한 학습자(S)의 심리상태가 슬럼프와 같이 불안정한 상태일 때도 상호작용 콘텐츠에 격려 상호작용이 포함되도록 할 수 있다. 이 때 학습자(S)의 슬럼프 극복을 효과적으로 하기 위해 가상의 또래집단이 메타버스 환경 내에서 사용가능한 선물을 제공하는 이벤트 등을 학습자(S)에게 제공하도록 할 수 있다.
한편 메타버스 상호작용 콘텐츠로 질문 상호작용이 포함되도록 하는 경우, 아바타 선택부(135)는 현재 학습자(S) 주변에 위치한 복수의 아바타 중에서 학습자(S)의 학습 레벨보다 낮은 학습 레벨을 갖도록 생성된 아바타를 선택하고, 메타버스 상호작용 콘텐츠 제공부(136)는 아바타 선택부(135)에서 선택된 아바타가 메타버스 학습 콘텐츠를 통한 학습자의 학습진행정도에 기초하여 학습자(S)에게 학습과 관련된 질문을 제시하여 학습자(S) 스스로가 학습에 대해 이해를 하고 있는지를 판단할 수 있도록 할 수 있다. 즉, 학습자가 현재 진행 중인 학습내용을 제공하는 메타버스 학습 콘텐츠에 대응되는 질문을 선택된 아바타가 학습자(S)에게 제시하고, 그에 대한 대화를 학습자(S)와 나누는 상호작용일 수 있다.
또한 학습자(S)로부터 질문을 제시받아 질문에 따른 공감표현을 제공하기 위해 메타버스 상호작용 콘텐츠로 공감 상호작용이 포함되도록 하는 경우, 아바타 선택부(135)는 학습자(S)의 시점정보를 포함하는 반응정보에 기초하여 학습자(S)가 질문한 아바타를 선택하고, 메타버스 상호작용 콘텐츠 제공부(136)는 아바타 선택부(135)에서 선택된 아바타가 본인도 모르겠다는 표현인 공감표현을 상호작용으로 제공하도록 하여 학습자(S)에게 심리적 안정을 주고, 선택된 아바타가 학습자(S) 스스로가 해답을 찾아갈 수 있도록 대화를 주고받을 수 자연스럽게 학습자(S)와 해답을 함께 찾아볼 수 있도록 하는 대화를 학습자(S)와 주고받을 수 있도록 한다.
또한 메타버스 학습콘텐츠 제공부(131)에서 판단된 학습자(S)의 학습 성과가 지속적으로 하향하는 것으로 판단되면 메타버스 상호작용 콘텐츠 제공부(136)는 이면, 가상의 또래집단이 격려반응을 표현하거나 일정 친밀도 이상의 친밀도를 가지는 아바타가 학습자(S)와 대화할 수 있도록 하는 상호작용 콘텐츠를 제공할 수 있다.
한편, 도 5는 본 발명에 따른 교육 지원 시스템(10)에서 수행되는 교육 지원 방법의 흐름도를 나타낸 도면으로, 본 실시예에 따른 교육 지원 방법은 도 1 내지 도 4에 도시된 교육 지원 시스템(10)과 실질적으로 동일한 구성 상에서 진행되므로, 도 1 내지 도 4의 교육 지원 시스템(10)과 반복되는 설명은 생략하기로 한다.
본 발명의 일 실시예에 따른 교육 지원 방법은 학습자 단말기(200)로 메타버스 학습콘텐츠를 제공하는 단계(S110), 또래집단을 생성하는 단계(S130), 심리상태정보를 생성하는 단계(S150) 및 메타버스 상호작용 콘텐츠를 제공하는 단계(S170)를 포함할 수 있다.
메타버스 학습 콘텐츠를 제공하는 단계(S110)는, 메타버스 환경 내에서 학습자(S)의 학습을 위한 동영상 강의, 강의 자료 등을 포함하는 학습 콘텐츠를 제공하기 위한 것으로, 학습자(S)의 학습 레벨 및 학습진행 정도에 기초하여 메타버스 학습 콘텐츠 및 문제 콘텐츠를 제공할 수 있다.
또래집단을 생성하는 단계(S130)에서는, 학습자(S) 기초정보에 기초하여 복수의 아바타를 포함하는 가상의 또래집단을 생성할 수 있다. 가상의 또래집단은 학습자(S)의 연령 또는 학년을 포함하는 기초정보에 따라 학습자(S)가 친밀감을 느끼거나 유대감을 느낄 수 있는 복수의 아바타를 포함하는 또래집단일 수 있다. 이러한 복수의 아바타로는, 학습자(S)의 외모와 비슷한 아바타, 학습자(S)의 학습 레벨과 유사한 학습 레벨을 갖는 아바타, 학습자(S)의 롤 모델로 학습자(S)가 선의의 경쟁심을 느낄 수 있도록 하는 아바타 등일 수 있으며, 메타버스 환경 내에서의 다른 학습자(S)가 아닌 본 발명의 메타버스 서버(100)에서 인공지능에 기반하여 생성한 가상의 아바타이다.
한편 심리상태정보를 생성하는 단계(S150)에서는 학습자 단말기(200)로부터 수신되는 학습자(S)의 반응정보에 기초해 학습자(S)의 심리상태를 판단하여 심리상태정보를 생성할 수 있다. 여기서 반응정보는, 학습자(S)의 음성정보, 움직임정보 및 시점정보 중 적어도 하나를 포함할 수 있다.
이러한 심리상태정보를 생성하는 단계(S150)에서는, 학습자 단말기(200)와 최초 연동한 시점 이후 동안 학습자 단말기(200)로부터 수신한 기초정보 및 반응정보를 학습 데이터로 학습하여 심리상태 산출 모델을 생성하고, 심리상태 산출 모델을 통해 상기 심리상태정보를 생성할 수 있다. 그리고 이러한 심리상태정보는 지속적으로 업데이트될 수 있다.
한편 메타버스 상호작용 콘텐츠를 제공하는 단계(S170)에서는 심리상태정보를 생성하는 단계(S150)에서 생성된 학습자(S)의 현재 심리상태정보에 기초해 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 제공할 수 있다.
또한 본 실시예에 따른 교육 지원 방법은, 도면에는 미도시되었으나 복수의 아바타 각각에 대한 학습자(S)의 친밀도를 판단하여 아바타별로 친밀도정보를 생성하는 단계를 더 포함할 수 있다. 친밀도정보를 생성하는 단계에서는 메타버스 상호작용 콘텐츠를 제공한 시점을 기준으로 기설정된 시간 이전과 이후 동안 생성된 상기 심리상태정보 및 상기 반응정보를 학습 데이터로 학습하여 친밀도 산출 모델을 생성하고, 상기 친밀도 산출 모델을 통해 상기 친밀도정보를 생성할 수 있다.
그리고 심리상태정보 및 친밀도정보 중 적어도 하나에 기초하여 또래집단에 포함된 복수의 아바타 중에서 적어도 하나의 특정 아바타를 선택하는 단계를 더 포함할 수 있다.
이를 통해 상호작용 콘텐츠를 제공하는 단계(S170)에서는, 아바타를 선택하는 단계에서 선택된 특정 아바타가 메타버스 상호작용 콘텐츠에 포함되도록 할 수 있다.
여기서 메타버스 상호작용 콘텐츠는, 심리상태정보와 함께 학습 레벨 및 학습진행정도에 기초해 선택된 특정 아바타가 학습자(S)에게 기설정된 상호작용을 제공하는 콘텐츠일 수 있다.
본 발명에 따른 구성요소들은 물리적인 구분이 아니라 기능적인 구분에 의해서 정의되는 구성요소들로서 각각이 수행하는 기능들에 의해서 정의될 수 있다. 각각의 구성요소들은 하드웨어 또는 각각의 기능을 수행하는 프로그램 코드 및 프로세싱 유닛으로 구현될 수 있을 것이며, 두 개 이상의 구성요소의 기능이 하나의 구성요소에 포함되어 구현될 수도 있을 것이다. 따라서 이하의 실시예에서 구성요소에 부여되는 명칭은 각각의 구성요소를 물리적으로 구분하기 위한 것이 아니라 각각의 구성요소가 수행되는 대표적인 기능을 암시하기 위해서 부여된 것이며, 구성요소의 명칭에 의해서 본 발명의 기술적 사상이 한정되지 않는 것임에 유의하여야 한다.
이와 같은 본 발명의 교육 지원 방법은 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.
상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상에서는 본 발명의 다양한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.
10 : 교육 지원 시스템 100 : 메타버스 서버
110 : 통신부 120 : 저장부
130 : 제어부 131 : 메타버스 학습콘텐츠 제공부
132 : 또래집단 생성부 133 : 심리상태 파악부
134 : 친밀도 파악부 135 : 아바타 선택부
136 : 메타버스 상호작용 콘텐츠 제공부 200 : 학습자 단말기
S : 학습자(S) A : 또래집단
110 : 통신부 120 : 저장부
130 : 제어부 131 : 메타버스 학습콘텐츠 제공부
132 : 또래집단 생성부 133 : 심리상태 파악부
134 : 친밀도 파악부 135 : 아바타 선택부
136 : 메타버스 상호작용 콘텐츠 제공부 200 : 학습자 단말기
S : 학습자(S) A : 또래집단
Claims (12)
- 학습자가 소지하는 학습자 단말기와 연동하는 메타버스 서버를 포함하는 교육 지원 시스템에 있어서,
상기 메타버스 서버는,
상기 학습자 단말기로 메타버스 학습 콘텐츠를 제공하는 메타버스 서버이고,
학습자 기초정보에 기초해 인공지능 기반으로 복수의 아바타를 생성하여 가상의 또래집단을 생성하는 또래집단 생성부;
상기 학습자 단말기로부터 수신되는 학습자의 반응정보를 통해 상기 학습자의 심리상태를 판단하여 심리상태정보를 생성하는 심리상태파악부; 및
상기 심리상태정보에 기초해 상기 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 제공하는 메타버스 상호작용 콘텐츠 제공부를 포함하고,
상기 반응정보는,
상기 학습자의 음성정보, 움직임정보 및 시점정보 중 적어도 하나를 포함하고,
상기 심리상태파악부는,
상기 학습자 단말기와 최초 연동한 시점부터 일정 기간동안 상기 학습자 단말기로부터 수신한 반응정보와 상기 일정 기간이 경과된 이후에 상기 학습자 단말기로부터 수신한 상기 반응정보를 학습 데이터로 하고, 상기 학습 데이터와 사전에 저장된 심리상태를 판단하기 위한 기준정보를 기초로 학습하되, 지도 학습, 비지도 학습, 준지도 학습 및 강화 학습 중 어느 하나의 방식을 통해 학습하여 상기 학습자가 심리적으로 안정적인 상태인지 불안정적인 상태인지를 출력하는 심리상태 산출 모델을 생성하고,
상기 심리상태 산출 모델에 상기 반응정보를 입력하여 출력된 정보를 상기 심리상태정보로 생성하는 것을 특징으로 하는 교육 지원 시스템. - 제1항에 있어서,
상기 메타버스 서버는,
상기 복수의 아바타 각각에 대한 상기 학습자의 친밀도를 판단하여 아바타별로 친밀도정보를 생성하는 친밀도파악부; 및
상기 심리상태정보 및 상기 친밀도정보 중 적어도 하나에 기초하여 상기 또래집단에 포함된 복수의 아바타 중에서 적어도 하나의 특정 아바타를 선택하는 아바타 선택부를 더 포함하고,
상기 메타버스 상호작용 콘텐츠 제공부는,
상기 아바타 선택부에서 선택된 특정 아바타가 상기 상호작용 콘텐츠에 포함되도록 하는 것을 특징으로 하는 교육 지원 시스템. - 제2항에 있어서,
상기 친밀도파악부는,
상기 메타버스 상호작용 콘텐츠를 제공한 시점을 기준으로 기설정된 시간 이전과 이후 동안 생성된 상기 심리상태정보 및 상기 반응정보를 학습 데이터로 학습하여 친밀도 산출 모델을 생성하고, 상기 친밀도 산출 모델을 통해 상기 친밀도정보를 생성하는 것을 특징으로 하는 교육 지원 시스템. - 제3항에 있어서,
상기 메타버스 서버는,
상기 학습자의 학습 레벨 및 학습진행정도에 기초하여 상기 메타버스 학습 콘텐츠 및 문제 콘텐츠를 제공하는 메타버스 학습 콘텐츠 제공부를 더 포함하고,
상기 메타버스 상호작용 콘텐츠는,
상기 심리상태정보와 함께 상기 학습 레벨 및 학습진행정도에 기초해 상기 선택된 특정 아바타가 상기 학습자에게 기설정된 상호작용을 제공하는 콘텐츠인 것을 특징으로 하는 교육 지원 시스템. - 제4항에 있어서,
상기 기설정된 상호작용은,
상기 심리상태정보에 기초해 특정 아바타가 학습자에게 대화를 시도하는 친밀 상호작용, 특정 아바타가 학습진행정도에 기초해 학습자에게 질문을 제시하는 질문 상호작용, 특정 아바타가 학습자의 학습욕구를 자극하는 자극 상호작용, 그리고 학습자로부터 질문을 제시받으면 질문에 따른 공감표현을 제공하는 공감 상호작용 중 적어도 하나를 포함하는 것을 특징으로 하는 교육 지원 시스템. - 제5항에 있어서,
상기 아바타 선택부는,
상기 기설정된 상호작용이 상기 친밀상호작용이면, 상기 복수의 아바타 중에서 상기 친밀도가 가장 높은 아바타를 선택하는 것을 특징으로 하는 교육 지원 시스템. - 삭제
- 학습자가 소지하는 학습자 단말기와 연동하는 메타버스 서버를 포함하는 교육 지원 시스템에서 수행하는 교육 지원 방법에 있어서,
학습자 단말기로 메타버스 학습 콘텐츠를 제공하는 단계;
학습자 기초정보에 기초해 인공지능 기반으로 복수의 아바타를 생성하여 가상의 또래집단을 생성하는 단계;
상기 학습자 단말기로부터 수신되는 학습자의 반응정보를 통해 상기 학습자의 심리상태를 판단하여 심리상태정보를 생성하는 단계; 및
상기 심리상태정보에 기초해 상기 메타버스 학습 콘텐츠에 대응되는 메타버스 상호작용 콘텐츠를 제공하는 단계를 포함하고,
상기 반응정보는,
상기 학습자의 음성정보, 움직임정보 및 시점정보 중 적어도 하나를 포함하고,
상기 심리상태정보를 생성하는 단계에서는,
상기 학습자 단말기와 최초 연동한 시점부터 일정 기간동안 상기 학습자 단말기로부터 수신한 반응정보와 상기 일정 기간이 경과된 이후에 상기 학습자 단말기로부터 수신한 상기 반응정보를 학습 데이터로 하고, 상기 학습 데이터와 사전에 저장된 심리상태를 판단하기 위한 기준정보를 기초로 학습하되, 지도 학습, 비지도 학습, 준지도 학습 및 강화 학습 중 어느 하나의 방식을 통해 학습하여 상기 학습자가 심리적으로 안정적인 상태인지 불안정적인 상태인지를 출력하는 심리상태 산출 모델을 생성하고,
상기 심리상태 산출 모델에 상기 반응정보를 입력하여 출력된 정보를 상기 심리상태정보로 생성하는 것을 특징으로 하는 교육 지원 방법. - 제8항에 있어서,
상기 복수의 아바타 각각에 대한 상기 학습자의 친밀도를 판단하여 아바타별로 친밀도정보를 생성하는 단계; 및
상기 심리상태정보 및 상기 친밀도정보 중 적어도 하나에 기초하여 상기 또래집단에 포함된 복수의 아바타 중에서 적어도 하나의 특정 아바타를 선택하는 단계를 더 포함하고,
상기 메타버스 상호작용 콘텐츠를 제공하는 단계에서는,
상기 아바타를 선택하는 단계에서 선택된 특정 아바타가 상기 메타버스 상호작용 콘텐츠에 포함되도록 하는 것을 특징으로 하는 교육 지원 방법. - 제9항에 있어서,
상기 친밀도정보를 생성하는 단계에서는,
상기 메타버스 상호작용 콘텐츠를 제공한 시점을 기준으로 기설정된 시간 이전과 이후 동안 생성된 상기 심리상태정보 및 상기 반응정보를 학습 데이터로 학습하여 친밀도 산출 모델을 생성하고, 상기 친밀도 산출 모델을 통해 상기 친밀도정보를 생성하는 것을 특징으로 하는 교육 지원 방법. - 제10항에 있어서,
상기 메타버스 학습 콘텐츠를 제공하는 단계에서는,
상기 학습자의 학습 레벨 및 학습진행 정도에 기초하여 상기 메타버스 학습 콘텐츠 및 문제 콘텐츠를 제공하고,
상기 메타버스 상호작용 콘텐츠는,
상기 심리상태정보와 함께 상기 학습 레벨 및 학습진행정도에 기초해 상기 선택된 특정 아바타가 상기 학습자에게 기설정된 상호작용을 제공하는 콘텐츠인 것을 특징으로 하는 교육 지원 방법. - 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210186508A KR102551923B1 (ko) | 2021-12-23 | 2021-12-23 | 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210186508A KR102551923B1 (ko) | 2021-12-23 | 2021-12-23 | 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230096725A KR20230096725A (ko) | 2023-06-30 |
| KR102551923B1 true KR102551923B1 (ko) | 2023-07-06 |
Family
ID=86960113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210186508A KR102551923B1 (ko) | 2021-12-23 | 2021-12-23 | 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102551923B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102114207B1 (ko) | 2018-11-01 | 2020-05-22 | 유엔젤주식회사 | 인공지능 기반 증강 현실과 가상 현실을 이용한 학습 지원 시스템 및 방법 |
| KR102341752B1 (ko) | 2021-09-13 | 2021-12-27 | (주)인더스트리미디어 | 메타버스에서 아바타를 이용한 강의 보조 방법 및 그 장치 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101602665B1 (ko) | 2013-09-30 | 2016-03-11 | 김민철 | 온라인 상의 학습 미션을 이용한 학습관리 방법 및 이에 사용되는 학습관리 서버 |
-
2021
- 2021-12-23 KR KR1020210186508A patent/KR102551923B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102114207B1 (ko) | 2018-11-01 | 2020-05-22 | 유엔젤주식회사 | 인공지능 기반 증강 현실과 가상 현실을 이용한 학습 지원 시스템 및 방법 |
| KR102341752B1 (ko) | 2021-09-13 | 2021-12-27 | (주)인더스트리미디어 | 메타버스에서 아바타를 이용한 강의 보조 방법 및 그 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230096725A (ko) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Landers et al. | How to use game elements to enhance learning: Applications of the theory of gamified learning | |
| Daghestani et al. | Adapting gamified learning systems using educational data mining techniques | |
| Feldman et al. | Detecting students' perception style by using games | |
| Grivokostopoulou et al. | An innovative educational environment based on virtual reality and gamification for learning search algorithms | |
| Papadimitriou et al. | FuzzEG: Fuzzy logic for adaptive scenarios in an educational adventure game | |
| Brisson et al. | Artificial intelligence and personalization opportunities for serious games | |
| Tlili et al. | Does providing a personalized educational game based on personality matter? A case study | |
| US20150024817A1 (en) | Platform for teaching social curriculum | |
| Johnson-Glenberg | Embodied Education in Mixed and Mediated Realties: Some Results and Principles for VR Content Design | |
| Eseryel et al. | Interactivity 3 design and assessment framework for educational games to promote motivation and complex problem-solving skills | |
| CN108876123A (zh) | 一种教学干预方法和装置 | |
| Troussas et al. | Adaptive e-learning interactions using dynamic clustering of learners’ characteristics | |
| Sulistiyarini et al. | Developing Serious Video Games for Data Communication Courses | |
| Karkazis et al. | Technologies facilitating smart pedagogy | |
| Mazlan et al. | Does an avatar motivate? | |
| Wood et al. | Game-based elements to upgrade bots to non-player characters in support of educators | |
| WO2018227251A1 (en) | Multiuser knowledge evaluation system or device | |
| KR102551923B1 (ko) | 메타버스 환경에서의 인공지능 가상 또래 집단을 이용한 교육 지원 시스템 및 방법 | |
| Jumaa et al. | The main aspects of adaptive educational games for normal and disabled/disordered learners: A comprehensive study | |
| Hamdaoui et al. | AMEG: Adaptive mechanism for educational games based on IMSLD and artificial intelligence | |
| Sklar et al. | Multiagent simulation of learning environments | |
| Dumas Reyssier et al. | How does adaptive gamification impact different types of student motivation over time? | |
| Chrysafiadi et al. | Fuzzy states for dynamic adaptation of the plot of an educational game in relation to the learner’s progress | |
| Schöbel et al. | DOES THE WINNER TAKE IT ALL?–TOWARDS AN UNDERSTANDING OF WHY THERE MIGHT BE NO ONE-SIZE-FITS-ALL GAMIFICATION DESIGN | |
| Bawa et al. | To game or not to game? how using massively multiplayer online games helped motivation and performance in a college writing course: a mixed methods study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) |