KR102619976B1 - Online education system using artificial intelligence - Google Patents

Online education system using artificial intelligence Download PDF

Info

Publication number
KR102619976B1
KR102619976B1 KR1020230066707A KR20230066707A KR102619976B1 KR 102619976 B1 KR102619976 B1 KR 102619976B1 KR 1020230066707 A KR1020230066707 A KR 1020230066707A KR 20230066707 A KR20230066707 A KR 20230066707A KR 102619976 B1 KR102619976 B1 KR 102619976B1
Authority
KR
South Korea
Prior art keywords
unit
student
education system
online education
answers
Prior art date
Application number
KR1020230066707A
Other languages
Korean (ko)
Inventor
정희용
Original Assignee
주식회사 블루커뮤니케이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 블루커뮤니케이션 filed Critical 주식회사 블루커뮤니케이션
Priority to KR1020230066707A priority Critical patent/KR102619976B1/en
Application granted granted Critical
Publication of KR102619976B1 publication Critical patent/KR102619976B1/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/06—Electrically-operated educational appliances with both visual and audible presentation of the material to be studied
    • G09B5/065—Combinations of audio and video presentations, e.g. videotapes, videodiscs, television systems
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G09B7/04—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
    • G09B7/08—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying further information

Abstract

본 발명의 실시예에 따른 온라인 교육 시스템은 입력부, 분석부 및 콘텐츠 제공부를 포함할 수 있다. 입력부는 학생들 각각의 문제풀이 답안을 입력할 수 있다. 분석부는 문제풀이 답안을 분석하여 학생들 각각의 분석결과를 제공할 수 있다. 콘텐츠 제공부는 분석결과에 따라 학생들 각각에 대한 맞춤형 교육 콘텐츠를 제공할 수 있다.
본 발명에 따른 온라인 교육 시스템은 학생들의 문제풀이 답안을 딥러닝 기반의 인공지능 분석을 통하여 학생들 각각의 분석결과를 제공하고, 분석결과에 따라 학생들 각각에 대한 맞춤형 교육 콘텐츠를 제공함으로써 교육효과를 높일 수 있다.The online education system according to an embodiment of the present invention may include an input unit, an analysis unit, and a content provision unit. The input section allows students to input their respective problem-solving answers. The analysis department can analyze problem solving answers and provide analysis results for each student. The content provider can provide customized educational content for each student according to the analysis results.
The online education system according to the present invention provides analysis results for each student through deep learning-based artificial intelligence analysis of students' problem-solving answers, and improves educational effectiveness by providing customized educational content for each student according to the analysis results. You can.

Description

인공지능 기술을 활용한 온라인 교육 시스템{ONLINE EDUCATION SYSTEM USING ARTIFICIAL INTELLIGENCE }Online education system using artificial intelligence technology{ONLINE EDUCATION SYSTEM USING ARTIFICIAL INTELLIGENCE}

본 발명은 온라인 교육 시스템에 관한 것이다. The present invention relates to an online education system.

최근, 온라인 교육 시스템은 인공지능, 빅데이터, 블록체인 등 데이터와 소프트웨어를 기반으로 학습자에 대한 분석과 의사소통, 정보관리를 용이하게 함으로써 학습성과를 제고시키는 방향으로 발전하고 있을 뿐만 아니라, 이와 관련하여 다양한 연구들도 활발하게 진행되고 있다. Recently, online education systems are not only developing in the direction of improving learning outcomes by facilitating analysis, communication, and information management for learners based on data and software such as artificial intelligence, big data, and blockchain. Therefore, various studies are actively underway.

(특허등록문헌) KR 제10-1986015호 (등록일자, 2019.05.29)(Patent registration document) KR No. 10-1986015 (Registration date, 2019.05.29)

본 발명이 이루고자 하는 기술적 과제는 학생들의 문제풀이 답안을 딥러닝 기반의 인공지능 분석을 통하여 학생들 각각의 분석결과를 제공하고, 분석결과에 따라 학생들 각각에 대한 맞춤형 교육 콘텐츠를 제공함으로써 교육효과를 높일 수 있는 온라인 교육 시스템을 제공하는 것이다. The technical task to be achieved by the present invention is to provide analysis results for each student through deep learning-based artificial intelligence analysis of students' problem-solving answers, and to improve educational effectiveness by providing customized educational content for each student according to the analysis results. The goal is to provide an online education system that can be used.

이러한 과제를 해결하기 위하여 본 발명의 실시예에 따른 온라인 교육 시스템은 입력부, 분석부 및 콘텐츠 제공부를 포함할 수 있다. 입력부는 학생들 각각의 문제풀이 답안을 입력할 수 있다. 분석부는 상기 문제풀이 답안을 분석하여 상기 학생들 각각의 분석결과를 제공할 수 있다. 콘텐츠 제공부는 상기 분석결과에 따라 상기 학생들 각각에 대한 맞춤형 교육 콘텐츠를 제공할 수 있다. In order to solve this problem, the online education system according to an embodiment of the present invention may include an input unit, an analysis unit, and a content provision unit. The input section allows students to input their respective problem-solving answers. The analysis unit may analyze the problem solving answers and provide analysis results for each of the students. The content provider may provide customized educational content for each of the students according to the analysis results.

일 실시예에 있어서, 상기 분석부는 유형 분석부 및 분포 분석부를 포함할 수 있다. 유형 분석부는 상기 문제풀이 답안에 포함되는 오답의 유형을 분석할 수 있다. 분포 분석부는 상기 오답의 분포를 분석할 수 있다. In one embodiment, the analysis unit may include a type analysis unit and a distribution analysis unit. The type analysis unit can analyze the types of incorrect answers included in the problem solving answers. The distribution analysis unit can analyze the distribution of the incorrect answers.

일 실시예에 있어서, 상기 유형 분석부는 제1 판단부 및 표시부를 더 포함할 수 있다. 제1 판단부는 상기 문제풀이 답안을 분석하여 계산 실수로 인한 오답인지 또는 문제에 대한 이해도 부족으로 인한 오답인지를 판단할 수 있다. 표시부는 상기 문제풀이 답안에서 상기 계산 실수에 해당하는 위치를 표시할 수 있다. In one embodiment, the type analysis unit may further include a first determination unit and a display unit. The first judgment unit may analyze the problem solving answer and determine whether the answer is incorrect due to a calculation mistake or a lack of understanding of the problem. The display unit may display the position corresponding to the calculation mistake in the problem solving answer key.

일 실시예에 있어서, 상기 유형 분석부는 정보 제공부를 더 포함할 수 있다. 정보 제공부는 상기 문제에 대한 이해도 부족으로 인한 오답인 경우, 상기 이해도 부족에 해당하는 내용에 대한 콘텐츠 정보를 제공할 수 있다. In one embodiment, the type analysis unit may further include an information provision unit. If the answer is incorrect due to a lack of understanding of the problem, the information provider may provide content information about the content corresponding to the lack of understanding.

일 실시예에 있어서, 상기 분포 분석부는 제2 판단부를 더 포함할 수 있다. 제2 판단부는 상기 문제풀이 답안에 포함되는 오답의 분포에 따라서 상기 학생들 각각에 대한 집중력 부족 여부를 판단할 수 있다. In one embodiment, the distribution analysis unit may further include a second determination unit. The second judgment unit may determine whether there is a lack of concentration for each of the students according to the distribution of incorrect answers included in the problem solving answers.

일 실시예에 있어서, 상기 콘텐츠 제공부는 강의 제공부 및 문제 제공부를 포함할 수 있다. 강의 제공부는 상기 분석결과에 따라 상기 이해도 부족에 해당하는 내용에 대한 강의 콘텐츠를 제공할 수 있다. 문제 제공부는 상기 분석결과에 따라 상기 이해도 부족에 해당하는 내용과 관련되는 문제들을 제공할 수 있다. In one embodiment, the content providing unit may include a lecture providing unit and a problem providing unit. The lecture provider may provide lecture content for the content corresponding to the lack of understanding according to the analysis results. The problem providing unit may provide problems related to the content corresponding to the lack of understanding according to the analysis results.

일 실시예에 있어서, 상기 콘텐츠 제공부는 풀이 제공부를 더 포함할 수 있다. 풀이 제공부는 상기 문제풀이 답안에 포함되는 오답에 대한 정답풀이 영상을 제공할 수 있다. In one embodiment, the content providing unit may further include a solution providing unit. The solution provider may provide a video of the correct answer to the incorrect answer included in the problem solution.

일 실시예에 있어서, 상기 온라인 교육 시스템은 선택부, 비교부 및 매칭부를 더 포함할 수 있다. 선택부는 상기 학생들 중 기준 학생의 위치를 중심으로 미리 정해진 일정한 거리 내에 위치하는 선택 학생들을 선택할 수 있다. 비교부는 상기 기준 학생에 대한 상기 오답의 분포 및 상기 선택 학생들의 각각에 대한 상기 오답의 분포를 비교하여 비교결과를 제공할 수 있다. 매칭부는 상기 기준 학생과 상기 선택 학생들 각각 사이의 거리에 해당하는 선택거리 및 상기 비교결과에 따라 매칭결과를 제공할 수 있다. In one embodiment, the online education system may further include a selection unit, a comparison unit, and a matching unit. The selection unit may select students located within a predetermined distance from the reference student among the students. The comparison unit may provide a comparison result by comparing the distribution of incorrect answers for the reference student and the distribution of incorrect answers for each of the selected students. The matching unit may provide a matching result according to the selection distance corresponding to the distance between each of the reference students and the selected students and the comparison result.

일 실시예에 있어서, 상기 매칭부는 거리 점수부 및 비교 점수부를 포함할 수 있다. 거리 점수부는 상기 선택거리가 증가함에 따라 점수가 감소하도록 거리점수를 산정할 수 있다. 비교 점수부는 상기 비교결과에 따라 산정되는 비교점수를 제공할 수 있다. In one embodiment, the matching unit may include a distance score unit and a comparison score unit. The distance score unit can calculate the distance score so that the score decreases as the selection distance increases. The comparison score unit can provide a comparison score calculated according to the comparison results.

일 실시예에 있어서, 상기 온라인 교육 시스템은 멘토 결정부를 더 포함할 수 있다. 멘토 결정부는 상기 기준 학생의 선택에 따라 온라인 멘토를 결정할 수 있다. In one embodiment, the online education system may further include a mentor determination unit. The mentor decision unit may determine an online mentor based on the selection of the student based on the above criteria.

위에서 언급된 본 발명의 기술적 과제 외에도, 본 발명의 다른 특징 및 이점들이 이하에서 기술되거나, 그러한 기술 및 설명으로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.In addition to the technical problems of the present invention mentioned above, other features and advantages of the present invention are described below, or can be clearly understood by those skilled in the art from such description and description.

이상과 같은 본 발명에 따르면 다음과 같은 효과가 있다.According to the present invention as described above, the following effects are achieved.

본 발명에 따른 온라인 교육 시스템은 학생들의 문제풀이 답안을 딥러닝 기반의 인공지능 분석을 통하여 학생들 각각의 분석결과를 제공하고, 분석결과에 따라 학생들 각각에 대한 맞춤형 교육 콘텐츠를 제공함으로써 교육효과를 높일 수 있다. The online education system according to the present invention provides analysis results for each student through deep learning-based artificial intelligence analysis of students' problem-solving answers, and improves educational effectiveness by providing customized educational content for each student according to the analysis results. You can.

이 밖에도, 본 발명의 실시 예들을 통해 본 발명의 또 다른 특징 및 이점들이 새롭게 파악될 수도 있을 것이다.In addition, other features and advantages of the present invention may be newly understood through embodiments of the present invention.

도 1은 본 발명의 실시예들에 따른 온라인 교육 시스템을 나타내는 도면이다.
도 2는 도 1의 온라인 교육 시스템에 포함되는 분석부를 나타내는 도면이다.
도 3 내지 5는 도 1의 온라인 교육 시스템에 포함되는 유형 분석부를 설명하기 위한 도면들이다.
도 6 및 7은 도 1의 온라인 교육 시스템에 포함되는 분포 분석부를 설명하기 위한 도면들이다.
도 8 및 9는 도 1의 온라인 교육 시스템에 포함되는 콘텐츠 제공부를 나타내는 도면들이다.
도 10 및 11은 도 1의 온라인 교육 시스템의 일 실시예를 설명하기 위한 도면들이다.
도 12 내지 17은 도 10의 온라인 교육 시스템에 포함되는 매칭부의 일 예를 설명하기 위한 도면들이다.
도 18은 도 1의 온라인 교육 시스템에 포함되는 멘토 결정부를 나타내는 도면이다. 1 is a diagram showing an online education system according to embodiments of the present invention.
FIG. 2 is a diagram showing an analysis unit included in the online education system of FIG. 1.
Figures 3 to 5 are diagrams for explaining the type analysis unit included in the online education system of Figure 1.
Figures 6 and 7 are diagrams for explaining the distribution analysis unit included in the online education system of Figure 1.
Figures 8 and 9 are diagrams showing a content providing unit included in the online education system of Figure 1.
Figures 10 and 11 are diagrams for explaining an embodiment of the online education system of Figure 1.
Figures 12 to 17 are diagrams for explaining an example of a matching unit included in the online education system of Figure 10.
FIG. 18 is a diagram showing a mentor determination unit included in the online education system of FIG. 1.

본 명세서에서 각 도면의 구성 요소들에 참조번호를 부가함에 있어서 동일한 구성 요소들에 한해서는 비록 다른 도면상에 표시되더라도 가능한한 동일한 번호를 가지도록 하고 있음에 유의하여야 한다.In this specification, it should be noted that when adding reference numbers to the components of each drawing, the same components are given the same number as much as possible even if they are shown in different drawings.

한편, 본 명세서에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.Meanwhile, the meaning of the terms described in this specification should be understood as follows.

단수의 표현은 문맥상 명백하게 다르게 정의하지 않는 한, 복수의 표현을 포함하는 것으로 이해되어야 하는 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다.Unless the context clearly defines otherwise, singular expressions should be understood to include plural expressions, and the scope of rights should not be limited by these terms.

"포함하다" 또는 "가지다" 등의 용어는 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.Terms such as “include” or “have” should be understood as not precluding the presence or addition of one or more other features, numbers, steps, operations, components, parts, or combinations thereof.

이하, 첨부되는 도면을 참고하여 상기 문제점을 해결하기 위해 고안된 본 발명의 바람직한 실시예들에 대해 상세히 설명한다.Hereinafter, preferred embodiments of the present invention designed to solve the above problems will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 실시예들에 따른 온라인 교육 시스템을 나타내는 도면이고, 도 2는 도 1의 온라인 교육 시스템에 포함되는 분석부를 나타내는 도면이고, 도 3 내지 5는 도 1의 온라인 교육 시스템에 포함되는 유형 분석부를 설명하기 위한 도면들이다.Figure 1 is a diagram showing an online education system according to embodiments of the present invention, Figure 2 is a diagram showing an analysis unit included in the online education system of Figure 1, and Figures 3 to 5 are included in the online education system of Figure 1 These are drawings to explain the type analysis unit.

도 1 내지 5를 참조하면, 본 발명의 실시예에 따른 온라인 교육 시스템(10)은 입력부(100), 분석부(200) 및 콘텐츠 제공부(300)를 포함할 수 있다. 입력부(100)는 학생들 각각의 문제풀이 답안(PS)을 입력할 수 있다. 예를 들어, 복수의 학생들은 제1 학생(S1) 내지 제4 학생(S4)을 포함할 수 있다. 제1 학생(S1) 내지 제4 학생(S4)은 문제를 미리 정해진 시간동안 풀고, 문제풀이 답안(PS)을 입력부(100)에 입력할 수 있다. 1 to 5, the online education system 10 according to an embodiment of the present invention may include an input unit 100, an analysis unit 200, and a content provision unit 300. The input unit 100 can input each student's problem solving answer key (PS). For example, the plurality of students may include the first student (S1) to the fourth student (S4). The first student (S1) to the fourth student (S4) can solve the problem for a predetermined time and input the problem solving answer key (PS) into the input unit 100.

분석부(200)는 문제풀이 답안(PS)을 분석하여 학생들 각각의 분석결과(AR)를 제공할 수 있다. 일 실시예에 있어서, 분석부(200)는 유형 분석부(210) 및 분포 분석부(220)를 포함할 수 있다. 유형 분석부(210)는 문제풀이 답안(PS)에 포함되는 오답의 유형(OT)을 분석할 수 있다. 예를 들어, 본 발명에 따른 온라인 교육 시스템(10)에 포함되는 분석부(200)는 수많은 학생들의 문제풀이 답안(PS)을 인공지능 학습하여 분석결과(AR)를 제공함으로써 사용자의 학습능력을 효과적으로 향상시킬 수 있다. The analysis unit 200 may analyze the problem solving answers (PS) and provide analysis results (AR) for each student. In one embodiment, the analysis unit 200 may include a type analysis unit 210 and a distribution analysis unit 220. The type analysis unit 210 may analyze the type of incorrect answer (OT) included in the problem solving answer (PS). For example, the analysis unit 200 included in the online education system 10 according to the present invention improves the user's learning ability by artificially learning the problem solving answers (PS) of numerous students and providing analysis results (AR). It can be improved effectively.

일 실시예에 있어서, 유형 분석부(210)는 제1 판단부(211) 및 표시부(212)를 더 포함할 수 있다. 제1 판단부(211)는 문제풀이 답안(PS)을 분석하여 계산 실수로 인한 오답인지(DR1) 또는 문제에 대한 이해도 부족으로 인한 오답인지(DR1)를 판단할 수 있다. 예를 들어, 오답의 유형(OT)은 두 가지로 분류될 수 있다. 제1 유형은 단순한 계산 실수일 수 있다. 이 경우, 문제에 대한 이해는 이루어졌으나, 계산과정에서의 실수로 인하여 오답으로 판단된 상황을 의미할 수 있다. 또한, 제2 유형은 학생이 문제를 제대로 이해하지 못하여 오답이 발생한 경우로서, 본 발명에 따른 제1 판단부(211)는 단순한 계산 실수는 아니나, 학생이 문제의 답을 맞히지 못한 경우 문제에 대한 이해도 부족으로 인한 오답으로 판단할 수 있다. In one embodiment, the type analysis unit 210 may further include a first determination unit 211 and a display unit 212. The first judgment unit 211 may analyze the problem solving answer (PS) and determine whether the answer is incorrect due to a calculation mistake (DR1) or due to a lack of understanding of the problem (DR1). For example, types of incorrect answers (OT) can be classified into two types. The first type may be a simple calculation mistake. In this case, it may mean a situation where the problem is understood, but the answer is judged to be incorrect due to a mistake in the calculation process. In addition, the second type is a case where an incorrect answer occurs because the student does not properly understand the problem, and the first judgment unit 211 according to the present invention is not a simple calculation mistake, but when the student fails to answer the problem correctly, It can be judged as an incorrect answer due to lack of understanding.

표시부(212)는 문제풀이 답안(PS)에서 계산 실수에 해당하는 위치(PT)를 표시할 수 있다. 예를 들어, 도 4에 도시되는 바와 같이 130과 0.2를 곱하면 26일 수 있다. 그러나, 학생이 단순한 계산실수로 130과 0.2를 곱한 값을 28로 기재한 경우, 학생이 계산 실수한 해당 위치(PT)를 표시부(212)에 표시할 수 있다. The display unit 212 can display the position (PT) corresponding to the calculation mistake in the problem solving answer key (PS). For example, as shown in Figure 4, multiplying 130 and 0.2 may be 26. However, if the student makes a simple calculation mistake and writes the value of multiplying 130 and 0.2 as 28, the position (PT) where the student made the calculation mistake can be displayed on the display unit 212.

일 실시예에 있어서, 유형 분석부(210)는 정보 제공부(213)를 더 포함할 수 있다. 정보 제공부(213)는 문제에 대한 이해도 부족으로 인한 오답인 경우, 이해도 부족에 해당하는 내용에 대한 콘텐츠 정보(CI)를 제공할 수 있다. 예를 들어, 콘텐츠 정보(CI)에는 학생의 이해도가 부족한 부분의 단원 등에 대한 정보가 포함될 수 있다. 여기서, 유형 분석부(210)가 제공하는 오답의 유형(OT)은 단순 계산 실수인지 여부뿐만 아니라, 학생이 계산 실수한 해당 위치(PT) 및 콘텐츠 정보(CI)를 포함할 수 있다. In one embodiment, the type analysis unit 210 may further include an information provision unit 213. If an incorrect answer is due to a lack of understanding of the problem, the information providing unit 213 may provide content information (CI) about the content corresponding to the lack of understanding. For example, content information (CI) may include information about units where the student's understanding is insufficient. Here, the type of incorrect answer (OT) provided by the type analysis unit 210 may include not only whether it is a simple calculation mistake, but also the location (PT) and content information (CI) where the student made a calculation mistake.

도 6 및 7은 도 1의 온라인 교육 시스템에 포함되는 분포 분석부를 설명하기 위한 도면들이다.Figures 6 and 7 are diagrams for explaining the distribution analysis unit included in the online education system of Figure 1.

도 1 내지 7을 참조하면, 분포 분석부(220)는 오답의 분포(OD)를 분석할 수 있다. 일 실시예에 있어서, 분포 분석부(220)는 제2 판단부(221)를 더 포함할 수 있다. 제2 판단부(221)는 문제풀이 답안(PS)에 포함되는 오답의 분포(OD)에 따라서 학생들 각각에 대한 집중력 부족 여부(DR2)를 판단할 수 있다. 집중력 부족 여부(DR2)는 미리 정해진 기준개수 이상으로 문제를 연속적으로 틀렸는지 여부로 판단할 수 있다. 예를 들어, 기준개수는 3개일 수 있다. 도 6에 도시되는 바와 같이, 복수의 학생들 중 제1 학생(S1)은 9개의 문제 중 1번 내지 6번까지의 문제는 맞히고, 7번 내지 9번의 문제는 틀렸을 수 있다. 이 경우, 제1 학생(S1)은 7번 내지 9번에 해당하는 3개의 문제를 연속적으로 틀렸기 때문에 제2 판단부(221)는 집중력 부족으로 판단할 수 있다. Referring to Figures 1 to 7, the distribution analysis unit 220 can analyze the distribution (OD) of incorrect answers. In one embodiment, the distribution analysis unit 220 may further include a second determination unit 221. The second judgment unit 221 may determine whether each student lacks concentration (DR2) according to the distribution (OD) of incorrect answers included in the problem-solving answer (PS). Lack of concentration (DR2) can be judged by whether or not you consistently get more problems wrong than a predetermined standard number. For example, the standard number may be 3. As shown in FIG. 6, among the plurality of students, the first student (S1) may have answered questions 1 to 6 out of 9 correctly, but may have answered questions 7 to 9 incorrectly. In this case, because the first student (S1) got three questions corresponding to numbers 7 to 9 wrong in succession, the second judgment unit 221 may determine that the student lacks concentration.

도 8 및 9는 도 1의 온라인 교육 시스템에 포함되는 콘텐츠 제공부를 나타내는 도면들이다.Figures 8 and 9 are diagrams showing a content providing unit included in the online education system of Figure 1.

도 1 내지 9를 참조하면, 콘텐츠 제공부(300)는 분석결과(AR)에 따라 학생들 각각에 대한 맞춤형 교육 콘텐츠(EC)를 제공할 수 있다. 여기서, 교육 콘텐츠(EC)는 강의 콘텐츠(LC), 관련 문제들(PL), 정답풀이 영상(SC)을 포함할 수 있다. Referring to FIGS. 1 to 9 , the content provider 300 may provide customized educational content (EC) for each student according to the analysis result (AR). Here, educational content (EC) may include lecture content (LC), related problems (PL), and answer video (SC).

예를 들어, 콘텐츠 제공부(300)는 강의 제공부(310) 및 문제 제공부(320)를 포함할 수 있다. 강의 제공부(310)는 분석결과(AR)에 따라 이해도 부족에 해당하는 내용에 대한 강의 콘텐츠(LC)를 제공할 수 있다. 예를 들어, 본 발명에 따른 온라인 교육 시스템(10)을 사용하는 학생이 이해도 부족으로 틀린 문제는 삼각함수 문제일 수 있다. 이 경우, 본 발명에 따른 온라인 교육 시스템(10)은 삼각함수와 관련된 강의를 학생이 다시 수강할 수 있도록 추천할 수 있다. For example, the content providing unit 300 may include a lecture providing unit 310 and a problem providing unit 320. The lecture providing unit 310 may provide lecture content (LC) for content corresponding to a lack of understanding according to the analysis result (AR). For example, a problem that a student using the online education system 10 according to the present invention gets wrong due to lack of understanding may be a trigonometric function problem. In this case, the online education system 10 according to the present invention can recommend that the student retake the lecture related to trigonometric functions.

문제 제공부(320)는 분석결과(AR)에 따라 이해도 부족에 해당하는 내용과 관련되는 문제들(PL)을 제공할 수 있다. 예를 들어, 본 발명에 따른 온라인 교육 시스템(10)을 사용하는 학생이 틀린 문제가 삼각함수에 관한 문제인 경우, 본 발명에 따른 온라인 교육 시스템(10)은 삼각함수와 관련된 복수의 문제들(PL)을 학생에게 제공할 수 있다. The problem provider 320 may provide problems (PL) related to content corresponding to a lack of understanding according to the analysis result (AR). For example, if the problem that a student using the online education system 10 according to the present invention gets wrong is a problem related to trigonometry, the online education system 10 according to the present invention solves a plurality of problems related to trigonometry (PL ) can be provided to students.

일 실시예에 있어서, 콘텐츠 제공부(300)는 풀이 제공부(330)를 더 포함할 수 있다. 풀이 제공부(330)는 문제풀이 답안(PS)에 포함되는 오답에 대한 정답풀이 영상(SC)을 제공할 수 있다. 예를 들어, 본 발명에 따른 온라인 교육 시스템(10)을 사용하는 학생이 틀린 문제는 7번 문제일 수 있고, 본 발명에 따른 온라인 교육 시스템(10)은 7번 문제에 대한 풀이과정 영상(SC)을 해당 학생에게 제공할 수 있다. In one embodiment, the content providing unit 300 may further include a solution providing unit 330. The solution provider 330 may provide a correct solution video (SC) for incorrect answers included in the problem solving answer key (PS). For example, the problem that a student using the online education system 10 according to the present invention gets wrong may be question 7, and the online education system 10 according to the present invention displays a video (SC) of the solution process for question 7. ) can be provided to the student.

본 발명에 따른 온라인 교육 시스템(10)은 학생들의 문제풀이 답안(PS)을 딥러닝 기반의 인공지능 분석을 통하여 학생들 각각의 분석결과(AR)를 제공하고, 분석결과(AR)에 따라 학생들 각각에 대한 맞춤형 교육 콘텐츠(EC)를 제공함으로써 교육효과를 높일 수 있다.The online education system 10 according to the present invention provides analysis results (AR) for each student through deep learning-based artificial intelligence analysis of the students' problem solving answers (PS), and each student according to the analysis results (AR). Educational effectiveness can be increased by providing customized educational content (EC).

도 10 및 11은 도 1의 온라인 교육 시스템의 일 실시예를 설명하기 위한 도면들이고, 도 12 내지 17은 도 10의 온라인 교육 시스템에 포함되는 매칭부의 일 예를 설명하기 위한 도면들이고, 도 18은 도 1의 온라인 교육 시스템에 포함되는 멘토 결정부를 나타내는 도면이다.Figures 10 and 11 are diagrams for explaining an example of the online education system of Figure 1, Figures 12 to 17 are diagrams for explaining an example of a matching unit included in the online education system of Figure 10, and Figure 18 is a diagram for explaining an example of a matching unit included in the online education system of Figure 10. This is a diagram showing a mentor decision unit included in the online education system of FIG. 1.

도 1 내지 18을 참조하면, 일 실시예에 있어서, 온라인 교육 시스템(10)은 선택부(400), 비교부(410) 및 매칭부(500)를 더 포함할 수 있다. 선택부(400)는 학생들 중 기준 학생(RS)의 위치(SP)를 중심으로 미리 정해진 일정한 거리 내에 위치하는 선택 학생들(SS)을 선택할 수 있다. 예를 들어, 복수의 학생들은 제1 학생(S1) 내지 제4 학생(S4)을 포함할 수 있다. 여기서, 기준 학생(RS)은 사용자의 선택에 따라 결정될 수 있다. 제1 학생(S1)은 기준 학생(RS)일 수 있고, 기준 학생(RS)으로부터 제1 반지름(R1) 내의 원형영역에 포함되는 학생들은 선택 학생들(SS)일 수 있다. 제2 학생(S2) 및 제3 학생(S3)은 원형영역에 포함되어 선택 학생일 수 있고, 제4 학생(S4)은 원형영역 밖에 위치해서 선택 학생이 아닐 수 있다. Referring to FIGS. 1 to 18 , in one embodiment, the online education system 10 may further include a selection unit 400, a comparison unit 410, and a matching unit 500. The selection unit 400 may select selected students (SS) located within a predetermined distance from the location (SP) of the reference student (RS) among the students. For example, the plurality of students may include the first student (S1) to the fourth student (S4). Here, the reference student (RS) may be determined according to the user's selection. The first student (S1) may be a reference student (RS), and students included in a circular area within the first radius (R1) from the reference student (RS) may be selection students (SS). The second student (S2) and the third student (S3) are included in the circular area and may be selected students, and the fourth student (S4) is located outside the circular area and may not be the selected student.

비교부(410)는 기준 학생(RS)에 대한 오답의 분포(OD) 및 선택 학생들(SS)의 각각에 대한 오답의 분포(OD)를 비교하여 비교결과(CR)를 제공할 수 있다. 예를 들어, 기준 학생(RS)은 제1 학생(S1)일 수 있고, 선택 학생들(SS)은 제2 학생(S2) 및 제3 학생(S3)일 수 있다. 기준 학생(RS)인 제1 학생(S1)의 오답 문항에 해당하는 오답의 분포(OD)는 제7 번 내지 제9 번일 수 있다. 또한, 선택 학생인 제2 학생(S2)의 오답 문항에 해당하는 오답의 분포(OD)는 제5 번 내지 제7 번일 수 있고, 선택 학생인 제3 학생(S3)의 오답 문항에 해당하는 오답의 분포(OD)는 제5 번 및 제6 번일 수 있다. 이 경우, 기준 학생(RS)과 제2 학생(S2)이 매칭되어 서로 모르는 문제를 가르쳐주는 경우, 제5 번 및 제6 번 문제는 기준 학생(RS)이 맞히고, 제2 학생(S2)은 틀렸기 때문에 기준 학생(RS)이 제2 학생(S2)을 가르쳐 줄 수 있고, 제8 번 및 제9 번 문제는 기준 학생(RS)이 틀리고, 제2 학생(S2)은 맞혔기 때문에 제2 학생(S2)이 기준 학생(RS)을 가르쳐 줄 수 있다. 그러나, 제7 번 문제는 기준 학생(RS) 및 제2 학생(S2) 모두 틀렸기 때문에 둘 다 가르쳐줄 수 없어 비교결과(CR)에 상응하는 비교점수(CP)가 낮을 수 있다. The comparison unit 410 may provide a comparison result (CR) by comparing the distribution of incorrect answers (OD) for the reference students (RS) and the distribution of incorrect answers (OD) for each of the selected students (SS). For example, the reference student (RS) may be the first student (S1), and the selection students (SS) may be the second student (S2) and the third student (S3). The distribution (OD) of incorrect answers corresponding to the incorrect answers of the first student (S1), the standard student (RS), may be numbers 7 to 9. In addition, the distribution (OD) of incorrect answers corresponding to the incorrectly answered questions of the second student (S2), who is the selected student, may be numbers 5 to 7, and the incorrect answer corresponding to the incorrectly answered questions of the third student (S3), who is the selected student. The distribution (OD) of may be the 5th and 6th times. In this case, when the reference student (RS) and the second student (S2) are matched and teach each other problems they do not know, the reference student (RS) gets questions 5 and 6 correct, and the second student (S2) Because it was wrong, the reference student (RS) can teach the second student (S2). For questions 8 and 9, the reference student (RS) is wrong, and because the second student (S2) got it right, the second student (S2) can teach it. The student (S2) can teach the reference student (RS). However, since both the reference student (RS) and the second student (S2) got wrong in question 7, it cannot be taught to both, so the comparison score (CP) corresponding to the comparison result (CR) may be low.

또한, 기준 학생(RS)인 제1 학생(S1)의 오답 문항에 해당하는 오답의 분포(OD)는 제7 번 내지 제9 번일 수 있다. 또한, 선택 학생인 제3 학생(S3)의 오답 문항에 해당하는 오답의 분포(OD)는 제5 번 및 제6 번 문제일 수 있다. 여기서, 기준 학생(RS)과 제3 학생(S3)이 매칭되어 서로 모르는 문제를 가르쳐주는 경우, 제5 번 및 제6 번 문제는 기준 학생(RS)이 맞히고, 제3 학생(S3)은 틀렸기 때문에 기준 학생(RS)이 제3 학생(S3)을 가르쳐 줄 수 있고, 제7 번 내지 제9 번 문제는 기준 학생(RS)이 틀리고, 제3 학생(S3)은 맞혔기 때문에 제3 학생(S3)이 기준 학생(RS)을 가르쳐 줄 수 있다. 이와 같이, 기준 학생(RS)과 제3 학생(S3) 사이에는 서로 틀린 문제가 겹치지 않아 서로 틀린 문제를 가르쳐 줄 수 있어 비교결과(CR)에 상응하는 비교점수(CP)가 높을 수 있다.Additionally, the distribution (OD) of incorrect answers corresponding to the incorrectly answered questions of the first student (S1), the reference student (RS), may be numbers 7 to 9. Additionally, the distribution of incorrect answers (OD) corresponding to the incorrectly answered questions of the third student (S3), the selected student, may be problems No. 5 and No. 6. Here, when the standard student (RS) and the third student (S3) are matched and teach each other problems they do not know, the standard student (RS) gets questions 5 and 6 correct, and the third student (S3) answers the questions correctly. Because the standard student (RS) was able to teach the third student (S3), the standard student (RS) was wrong for questions 7 to 9, and the third student (S3) was correct, so the third student (S3) can teach the reference student (RS). In this way, the incorrect problems between the reference student (RS) and the third student (S3) do not overlap, so incorrect problems can be taught to each other, so the comparison score (CP) corresponding to the comparison result (CR) can be high.

매칭부(500)는 기준 학생(RS)과 선택 학생들(SS) 각각 사이의 거리에 해당하는 선택거리(D1, D2) 및 비교결과(CR)에 따라 매칭결과(MR)를 제공할 수 있다. The matching unit 500 may provide a matching result (MR) according to the selection distances (D1, D2) and comparison results (CR) corresponding to the distances between the reference students (RS) and the selected students (SS), respectively.

일 실시예에 있어서, 매칭부(500)는 거리 점수부(510) 및 비교 점수부(520)를 포함할 수 있다. 거리 점수부(510)는 선택거리가 증가함에 따라 점수가 감소하도록 거리점수(DP)를 산정할 수 있다. 예를 들어, 기준 학생(RS)의 위치(SP) 및 제2 학생(S2)의 위치 사이의 거리는 제1 거리(D1)일 수 있고, 기준 학생(RS)의 위치(SP) 및 제3 학생(S3)의 위치 사이의 거리는 제2 거리(D2)일 수 있다. 제1 거리(D1)는 제2 거리(D2)보다 짧을 수 있고, 거리 점수부(510)는 제1 거리(D1)에 상응하는 점수를 10점으로 부여하고, 제2 거리(D2)에 상응하는 점수를 5점으로 부여할 수 있다. In one embodiment, the matching unit 500 may include a distance score unit 510 and a comparison score unit 520. The distance score unit 510 may calculate the distance score (DP) so that the score decreases as the selection distance increases. For example, the distance between the location (SP) of the reference student (RS) and the location of the second student (S2) may be the first distance (D1), and the location (SP) of the reference student (RS) and the location of the third student (S2) may be the first distance (D1). The distance between the positions (S3) may be the second distance (D2). The first distance (D1) may be shorter than the second distance (D2), and the distance score unit 510 grants a score of 10 corresponding to the first distance (D1) and a score corresponding to the second distance (D2). A score of 5 can be given.

비교 점수부(520)는 비교결과(CR)에 따라 산정되는 비교점수(CP)를 제공할 수 있다. 비교점수(CP)는 기준 학생(RS)과 선택 학생들(SS) 사이의 오답 분포에서 오답 문항이 서로 겹치지 않는 경우, 비교점수(CP)는 높아질 수 있다. 예를 들어, 기준 학생(RS) 및 제3 학생(S3)의 오답 분포는 제5 번 내지 9 번 문항일 수 있고, 기준 학생(RS) 및 제3 학생(S3)의 오답 문항은 서로 겹치지 않을 수 있다. 이 경우, 기준 학생(RS) 및 제3 학생(S3)의 겹치지 않는 오답의 개수는 5개일 수 있고, 기준 학생(RS) 및 제3 학생(S3)의 겹치지 않는 오답의 개수 1개당 20점을 부여한다면, 기준 학생(RS) 및 제3 학생(S3)에 상응하는 비교점수(CP)는 100점일 수 있다. The comparison score unit 520 may provide a comparison score (CP) calculated according to the comparison result (CR). The comparison score (CP) can be increased if incorrect answer questions do not overlap in the distribution of incorrect answers between standard students (RS) and selected students (SS). For example, the distribution of incorrect answers for the reference student (RS) and the third student (S3) may be questions 5 to 9, and the incorrect answer items for the reference student (RS) and the third student (S3) may not overlap with each other. You can. In this case, the number of non-overlapping incorrect answers for the reference student (RS) and the third student (S3) may be 5, and each non-overlapping incorrect answer for the reference student (RS) and the third student (S3) may be 20 points. If given, the comparison score (CP) corresponding to the reference student (RS) and the third student (S3) may be 100 points.

또한, 예를 들어, 기준 학생(RS) 및 제2 학생(S2)의 오답 분포는 제5 번 내지 9 번 문항일 수 있고, 기준 학생(RS) 및 제2 학생(S2)의 오답 문항은 제7 번 문항을 제외하고, 서로 겹치지 않을 수 있다. 이 경우, 기준 학생(RS) 및 제2 학생(S2)의 겹치지 않는 오답의 개수는 4개일 수 있고, 기준 학생(RS) 및 제2 학생(S2)의 겹치지 않는 오답의 개수 1개당 20점을 부여한다면, 기준 학생(RS) 및 제2 학생(S2)에 상응하는 비교점수(CP)는 80점일 수 있다.Also, for example, the distribution of incorrect answers for the reference student (RS) and the second student (S2) may be questions 5 to 9, and the incorrect answer distributions for the reference student (RS) and the second student (S2) may be questions 5 to 9. Except for question 7, they may not overlap. In this case, the number of non-overlapping incorrect answers for the reference student (RS) and the second student (S2) may be 4, and each non-overlapping incorrect answer for the reference student (RS) and the second student (S2) may be awarded 20 points. If given, the comparison score (CP) corresponding to the reference student (RS) and the second student (S2) may be 80 points.

또한, 여기서, 기준 학생(RS) 및 제2 학생(S2)에 상응하는 거리점수(DP) 및 비교점수(CP)의 합은 90점일 수 있고, 기준 학생(RS) 및 제3 학생(S3)에 상응하는 거리점수(DP) 및 비교점수(CP)의 합은 105점일 수 있다. 이 경우, 매칭부(500)는 매칭결과(MR)로서 기준 학생(RS)과 제3 학생(S3)을 매칭하여 서로 교육시키도록 할 수 있다. In addition, here, the sum of the distance score (DP) and comparison score (CP) corresponding to the reference student (RS) and the second student (S2) may be 90 points, and the sum of the distance score (DP) and comparison score (CP) corresponding to the reference student (RS) and the third student (S3) may be 90 points. The sum of the corresponding distance score (DP) and comparison score (CP) may be 105 points. In this case, the matching unit 500 may match the reference student (RS) and the third student (S3) as the matching result (MR) and allow them to educate each other.

이 경우, 기준 학생(RS)과 제3 학생(S3)이 만나서 서로 교육하는 지점(MP)은 기준 학생(RS) 및 제3 학생(S3) 각각이 틀린 문항 수의 비율에 따라 결정될 수 있다. 예를 들어, 기준 학생(RS)은 3개 문항을 틀렸고, 제3 학생(S3)은 2개 문항을 틀렸으므로, 기준 학생(RS)과 제3 학생(S3)을 잇는 직선 상의 3:2로 내분하는 지점이 서로 만나서 교육하는 지점(MP)일 수 있다. In this case, the point (MP) at which the reference student (RS) and the third student (S3) meet and educate each other may be determined according to the ratio of the number of questions each of the reference student (RS) and the third student (S3) get wrong. For example, the reference student (RS) got 3 questions wrong, and the third student (S3) got 2 questions wrong, so the ratio was 3:2 on the straight line connecting the reference student (RS) and the third student (S3). The point of internal strife may be the point (MP) where people meet and educate each other.

일 실시예에 있어서, 온라인 교육 시스템(10)은 멘토 결정부(700)를 더 포함할 수 있다. 멘토 결정부(700)는 기준 학생(RS)의 선택에 따라 온라인 멘토(OM)를 결정할 수 있다. 예를 들어, 제1 학생(S1)은 기준 학생(RS)일 수 있고, 기준 학생(RS)으로부터 제1 반지름 내의 원형영역에 포함되는 멘토들은 제1 학생(S1)의 선택에 따라 온라인 멘토(OM)로 결정될 수 있고, 온라인 멘토(OM)는 제1 학생(S1)에게 부족한 학습내용을 온라인으로 교육할 수 있다. In one embodiment, the online education system 10 may further include a mentor determination unit 700. The mentor determination unit 700 may determine an online mentor (OM) according to the selection of the reference student (RS). For example, the first student (S1) may be a reference student (RS), and the mentors included in the circular area within the first radius from the reference student (RS) are online mentors ( OM), and the online mentor (OM) can teach the lacking learning content to the first student (S1) online.

본 발명에 따른 온라인 교육 시스템(10)은 학생들의 문제풀이 답안(PS)을 딥러닝 기반의 인공지능 분석을 통하여 학생들 각각의 분석결과(AR)를 제공하고, 분석결과(AR)에 따라 학생들 각각에 대한 맞춤형 교육 콘텐츠(EC)를 제공함으로써 교육효과를 높일 수 있다.The online education system 10 according to the present invention provides analysis results (AR) for each student through deep learning-based artificial intelligence analysis of the students' problem solving answers (PS), and each student according to the analysis results (AR). Educational effectiveness can be increased by providing customized educational content (EC).

10: 온라인 교육 시스템 100: 입력부
200: 분석부 300: 콘텐츠 제공부10: Online education system 100: Input unit
200: analysis department 300: content provision department

Claims (10)

학생들 각각의 문제풀이 답안을 입력하는 입력부;
상기 문제풀이 답안을 분석하여 상기 학생들 각각의 분석결과를 제공하는 분석부; 및
상기 분석결과에 따라 상기 학생들 각각에 대한 맞춤형 교육 콘텐츠를 제공하는 콘텐츠 제공부를 포함하고,
상기 학생들 중 기준 학생의 위치를 중심으로 미리 정해진 일정한 거리 내에 위치하는 선택 학생들을 선택하는 선택부;
상기 기준 학생에 대한 상기 문제풀이 답안에 포함되는 오답의 분포 및 상기 선택 학생들의 각각에 대한 상기 오답의 분포를 비교하여 비교결과를 제공하는 비교부; 및
상기 기준 학생과 상기 선택 학생들 각각 사이의 거리에 해당하는 선택거리 및 상기 비교결과에 따라 매칭결과를 제공하는 매칭부를 더 포함하는 온라인 교육 시스템. An input unit for entering each student's problem-solving answers;
an analysis unit that analyzes the problem solving answers and provides analysis results for each of the students; and
A content provider that provides customized educational content for each of the students according to the analysis results,
a selection unit that selects students who are located within a predetermined distance from the reference student among the students;
a comparison unit that provides a comparison result by comparing the distribution of incorrect answers included in the problem-solving answers for the reference student and the distribution of incorrect answers for each of the selected students; and
An online education system further comprising a matching unit providing a matching result according to the comparison result and a selection distance corresponding to the distance between each of the reference students and the selected students. 제1항에 있어서,
상기 분석부는,
상기 문제풀이 답안에 포함되는 오답의 유형을 분석하는 유형 분석부; 및
상기 오답의 분포를 분석하는 분포 분석부를 포함하는 것을 특징으로 하는 온라인 교육 시스템. According to paragraph 1,
The analysis unit,
a type analysis unit that analyzes the types of incorrect answers included in the problem solving answers; and
An online education system comprising a distribution analysis unit that analyzes the distribution of the incorrect answers. 제2항에 있어서,
상기 유형 분석부는,
상기 문제풀이 답안을 분석하여 계산 실수로 인한 오답인지 또는 문제에 대한 이해도 부족으로 인한 오답인지를 판단하는 제1 판단부; 및
상기 문제풀이 답안에서 상기 계산 실수에 해당하는 위치를 표시하는 표시부를 더 포함하는 것을 특징으로 하는 온라인 교육 시스템. According to paragraph 2,
The type analysis unit,
a first judgment unit that analyzes the problem-solving answer and determines whether the answer is a wrong answer due to a calculation mistake or a wrong answer due to a lack of understanding of the problem; and
An online education system further comprising a display unit that displays a position corresponding to the calculation mistake in the problem solving answer key. 제3항에 있어서,
상기 유형 분석부는,
상기 문제에 대한 이해도 부족으로 인한 오답인 경우, 상기 이해도 부족에 해당하는 내용에 대한 콘텐츠 정보를 제공하는 정보 제공부를 더 포함하는 것을 특징으로 온라인 교육 시스템.According to paragraph 3,
The type analysis unit,
If the answer is incorrect due to lack of understanding of the problem, the online education system further includes an information provision unit that provides content information about the content corresponding to the lack of understanding. 제4항에 있어서,
상기 분포 분석부는,
상기 문제풀이 답안에 포함되는 오답의 분포에 따라서 상기 학생들 각각에 대한 집중력 부족 여부를 판단하는 제2 판단부를 더 포함하는 것을 특징으로 하는 온라인 교육 시스템. According to paragraph 4,
The distribution analysis unit,
An online education system further comprising a second judgment unit that determines whether each student lacks concentration according to the distribution of incorrect answers included in the problem-solving answers. 제5항에 있어서,
상기 콘텐츠 제공부는,
상기 분석결과에 따라 상기 이해도 부족에 해당하는 내용에 대한 강의 콘텐츠를 제공하는 강의 제공부; 및
상기 분석결과에 따라 상기 이해도 부족에 해당하는 내용과 관련되는 문제들을 제공하는 문제 제공부를 포함하는 것을 특징으로 하는 온라인 교육 시스템. According to clause 5,
The content provider,
a lecture provision unit that provides lecture content on content corresponding to the lack of understanding according to the analysis results; and
An online education system comprising a problem providing unit that provides problems related to content corresponding to the lack of understanding according to the analysis results. 제6항에 있어서,
상기 콘텐츠 제공부는,
상기 문제풀이 답안에 포함되는 오답에 대한 정답풀이 영상을 제공하는 풀이 제공부를 더 포함하는 것을 특징으로 하는 온라인 교육 시스템. According to clause 6,
The content provider,
An online education system further comprising a solution providing unit that provides a video of correct solutions to incorrect answers included in the problem solving answers. 삭제delete 제7항에 있어서,
상기 매칭부는,
상기 선택거리가 증가함에 따라 점수가 감소하도록 거리점수를 산정하는 거리 점수부; 및
상기 비교결과에 따라 산정되는 비교점수를 제공하는 비교 점수부를 포함하는 것을 특징으로 하는 온라인 교육 시스템. In clause 7,
The matching unit,
a distance score unit that calculates a distance score so that the score decreases as the selection distance increases; and
An online education system comprising a comparison score unit that provides a comparison score calculated according to the comparison results. 제9항에 있어서,
상기 온라인 교육 시스템은,
상기 기준 학생의 선택에 따라 온라인 멘토를 결정하는 멘토 결정부를 더 포함하는 것을 특징으로 하는 온라인 교육 시스템. According to clause 9,
The online education system is,
An online education system further comprising a mentor determination unit that determines an online mentor according to the selection of the reference student.
KR1020230066707A 2023-05-24 2023-05-24 Online education system using artificial intelligence KR102619976B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230066707A KR102619976B1 (en) 2023-05-24 2023-05-24 Online education system using artificial intelligence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230066707A KR102619976B1 (en) 2023-05-24 2023-05-24 Online education system using artificial intelligence

Publications (1)

Publication Number Publication Date
KR102619976B1 true KR102619976B1 (en) 2024-01-02

Family

ID=89511937

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230066707A KR102619976B1 (en) 2023-05-24 2023-05-24 Online education system using artificial intelligence

Country Status (1)

Country Link
KR (1) KR102619976B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130082839A (en) * 2011-12-20 2013-07-22 두산동아 주식회사 Apparatus and method for providing user customised cotent
KR101986015B1 (en) 2017-08-14 2019-06-04 한국항공우주연구원 Device and method for multiple sensor simulation
KR20210061294A (en) * 2019-11-19 2021-05-27 주식회사 영가에듀 System for managing study for self directed learning based big data and method thereof
KR20210102141A (en) * 2019-08-29 2021-08-19 박수경 The Apparatus and method for math learning

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130082839A (en) * 2011-12-20 2013-07-22 두산동아 주식회사 Apparatus and method for providing user customised cotent
KR101986015B1 (en) 2017-08-14 2019-06-04 한국항공우주연구원 Device and method for multiple sensor simulation
KR20210102141A (en) * 2019-08-29 2021-08-19 박수경 The Apparatus and method for math learning
KR20210061294A (en) * 2019-11-19 2021-05-27 주식회사 영가에듀 System for managing study for self directed learning based big data and method thereof

Similar Documents

Publication Publication Date Title
Bergqvist et al. Mathematical reasoning in teachers’ presentations
Rayner et al. Employer perspectives of the current and future value of STEM graduate skills and attributes: An Australian study
Choi et al. Self-reflection and math performance in an online learning environment
US20070292823A1 (en) System and method for creating, assessing, modifying, and using a learning map
VanLehn Model construction as a learning activity: A design space and review
VanLehn et al. Learning how to construct models of dynamic systems: an initial evaluation of the dragoon intelligent tutoring system
Dogan-Dunlap Linear algebra students’ modes of reasoning: Geometric representations
Sánchez-Mena et al. Teachers acceptance of educational video games: A comprehensive literature review
Karaci Intelligent tutoring system model based on fuzzy logic and constraint-based student model
Elander et al. Paradigms revisited: a quantitative investigation into a model to integrate objectivism and constructivism in instructional design
Kadijević Relating procedural and conceptual knowledge
US10460615B2 (en) Systems and methods using mathematical reasoning blocks
Ko et al. Are self-constructed and student-generated arguments acceptable proofs? Pre-service secondary mathematics teachers’ evaluations
KR102619976B1 (en) Online education system using artificial intelligence
Faradiba et al. Metacognitive blindness in mathematics problem-solving
Tatira Mathematics Education Students’ Understanding of Binomial Series Expansion Based on the APOS Theory
Frost Disappearing x: When solving does not mean finding the solution set
Khalid et al. Year 7 students' interpretation of letters and symbols in solving routine algebraic problems
Nasution Expository learning strategy: definition, goal, profit and procedure
Hurtig et al. Network Visualization and Assessment of Student Reasoning About Conditionals
Dziuban et al. Adaptive learning: Context and complexity
Jamil Smart assessment of and tutoring for computational thinking MOOC assignments using MindReader
Syahidi et al. The Concept of Using Interactive Educational Media with Problem-Posing Interaction Flow in Basic Programming Learning
Kanbir An intervention study aimed at enhancing seventh-grade students' development of the concept of a variable
Schnapp et al. An interactive session to help faculty manage difficult learner behaviors in the didactic setting

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant