KR102649722B1

KR102649722B1 - 중점 학습 내용 결정 방법, 장치, 기기 및 저장 매체

Info

Publication number: KR102649722B1
Application number: KR1020210042350A
Authority: KR
Inventors: 쥔치 리우
Original assignee: 바이두 온라인 네트웍 테크놀러지 (베이징) 캄파니 리미티드
Priority date: 2020-06-16
Filing date: 2021-03-31
Publication date: 2024-03-20
Also published as: EP3828868A3; US20210225185A1; EP3828868A2; CN111709362A; JP2022000685A; CN111709362B; KR20210058757A; JP7214770B2

Abstract

본 발명의 실시예는 이미지 인식, 음성 인식, 안면 인식 및 관절 인식 기술분야에 관한 것으로 중점 학습 내용 결정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체를 제공한다. 상기 방법의 일 구체적인 실시형태는, 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득하는 단계 - 인터랙션 학습 단계는 시청 단계, 온라인 문제풀이 단계, 음성 인터랙션 단계 및 동작 모방 단계 중 적어도 하나를 포함함 - ; 각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득하는 단계; 및 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정하는 단계를 포함한다. 실시형태를 통해 사용자가 온라인 학습 애플리케이션에 집중하지 않은 부분의 내용을 정방향으로 정확하고 타깃성 있게 결정할 수 있다.

Description

중점 학습 내용 결정 방법, 장치, 기기 및 저장 매체{METHOD AND APPARATUS FOR DETERMINING KEY LEARNING CONTENT, DEVICE AND STORAGE MEDIUM}

본 발명의 실시예는 데이터 처리 기술분야에 관한 것이고, 특히 이미지 인식, 음성 인식, 안면 인식 및 관절 인식 기술분야에 관한 것이다.

최근 스마트폰이 빠르게 보급되면서 온라인 교육 방식이 갈수록 보편화되고 있다. 그러나 온라인 교육 방식은 오프라인의 교사와 학생이 대면하는 교육 방식에 비해 여러 방면에서 방해를 받아 온라인 학습의 효과가 떨어진다.

학습 효과를 높이는 가장 유리한 방법은 온라인 학습 과정에서 학습자가 집중하지 않은 부분을 결정하고, 이 부분을 중점 학습 부분으로 하여 맞춤형 재학습 방안을 제공하는 것이다. 그러나 선행기술은 일반적으로 학습 결과의 테스트에서 시작하여 이 부분 내용을 역방향으로 유도한다.

본 발명의 실시예는 중점 학습 내용 결정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체를 제공한다.

제1 양태에 따르면, 본 발명의 실시예는 중점 학습 내용 결정 방법을 제공하고, 상기 방법은, 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득하는 단계 - 인터랙션 학습 단계는 시청 단계, 온라인 문제풀이 단계, 음성 인터랙션 단계 및 동작 모방 단계 중 적어도 하나를 포함함 - ; 각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득하는 단계; 및 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정하는 단계를 포함한다.

제2 양태에 따르면, 본 발명의 실시예는 중점 학습 내용 결정 장치를 제공하고, 상기 장치는, 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득하도록 구성되는 학습 특징 데이터 획득 유닛 - 인터랙션 학습 단계는 시청 단계, 온라인 문제풀이 단계, 음성 인터랙션 단계 및 동작 모방 단계 중 적어도 하나를 포함함 - ; 각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득하도록 구성되는 실제 학습 집중도 결정 유닛; 및 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정하도록 구성되는 중점 학습 내용 결정 유닛을 포함한다.

제3 양태에 따르면, 본 발명의 실시예는 전자 기기를 제공하고, 상기 전자 기기는, 적어도 하나의 프로세서; 및 적어도 하나의 프로세서와 통신 연결되는 메모리를 포함하되, 여기서, 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령이 적어도 하나의 프로세서에 의해 실행될 경우 제1 양태 중 임의의 실시형태가 기술한 중점 학습 내용 결정 방법을 구현할 수 있도록 한다.

제4 양태에 따르면, 본 발명의 실시예는 컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체를 제공하고, 상기 컴퓨터 명령은 컴퓨터가 제1 양태 중 임의의 실시형태가 기술한 중점 학습 내용 결정 방법을 수행할 수 있도록 한다.

제5 양태에 따르면, 본 발명의 실시예는 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램을 제공하고, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우 제1 양태 중 임의의 실시형태가 기술한 중점 학습 내용 결정 방법을 구현할 수 있도록 한다.

본 발명의 실시예가 제공하는 중점 학습 내용 결정 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체는, 먼저 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득하되, 여기서, 인터랙션 학습 단계는 시청 단계, 온라인 문제풀이 단계, 음성 인터랙션 단계 및 동작 모방 단계 중 적어도 하나를 포함하고; 다음 각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득하며; 따라서, 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 마지막으로 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정한다.

선행기술이 제공하는 역방향 유도 해결 수단과 달리, 본 발명이 제공하는 중점 학습 내용 결정 방법, 장치, 전자 기기 및 판독 가능 저장 매체는 사용자의 온라인 학습 과정의 각 인터랙션 학습 단계로부터 학습 집중도와 관련된 특징 데이터를 수집하여 실시간 집중 파라미터를 정방향으로 정확하게 결정하고, 나아가 상기 파라미터에 따라 집중하지 않은 시간대에 대응되는 내용을 중점 학습 내용으로 결정한다. 상이한 인터랙션 학습 단계에서 상이한 수집 방식으로 획득한 상이한 학습 특징 데이터를 결합하여 각각의 단계마다 결정된 학습 집중도를 보다 정확하게 하고, 나아가 결정된 중점 학습 내용이 극히 높은 맞춤형을 구비하도록 보장하여 사용자가 중점 학습 내용을 학습하는데 소모하는 시간을 최소화하고 온라인 학습 효율을 향상시킨다.

본 부분에서 설명하는 내용은 본 발명의 실시예의 핵심적이거나 중요한 특징을 식별하기 위한 것이 아니며, 본 발명의 범위를 한정하지 않는다는 것을 이해해야 한다.

아래 첨부 도면에 도시된 비 제한적인 실시예의 상세한 설명에 대한 열독 및 참조를 통해 본 발명의 상이한 특징, 목적 및 장점이 보다 명백해질 것이다.
도 1은 본 발명이 적용될 수 있는 예시적 시스템 아키텍처이다.
도 2는 본 발명에 따른 중점 학습 내용 결정 방법의 일 실시예의 흐름도이다.
도 3은 본 발명이 시청 학습 단계를 위해 제공하는 학습 특징 데이터를 획득하고 실제 학습 집중도를 결정하는 방법의 흐름도이다.
도 4는 본 발명이 온라인 문제풀이 단계를 위해 제공하는 학습 특징 데이터를 획득하고 실제 학습 집중도를 결정하는 방법의 흐름도이다.
도 5는 본 발명이 음성 인터랙션 단계를 위해 제공하는 학습 특징 데이터를 획득하고 실제 학습 집중도를 결정하는 방법의 흐름도이다.
도 6은 본 발명이 동작 모방 단계를 위해 제공하는 학습 특징 데이터를 획득하고 실제 학습 집중도를 결정하는 방법의 흐름도이다.
도 7은 본 발명에 따른 중점 학습 내용 결정 장치의 일 실시예의 구조 모식도이다.
도 8은 본 발명의 실시예에 따른 중점 학습 내용 결정 방법을 구현하는 전자 기기의 블록도이다.

아래 첨부 도면 및 실시예를 참조하여 본 발명을 더욱 상세히 설명한다. 여기서 설명되는 구체적인 실시예는 관련 발명을 해석하기 위한 것일 뿐 본 발명은 이에 한정되지 않음을 이해할 수 있을 것이다. 이 밖에, 설명의 편의를 위해 도면에는 해당 발명과 관련된 부분만이 도시되었음을 유의해야 한다.

모순되지 않는 한 본 발명의 실시예 및 실시예의 특징은 서로 조합될 수 있음을 유의해야 한다. 아래 첨부 도면을 참조하고 실시예를 참조하여 본 발명을 상세히 설명하기로 한다.

도 1은 본 발명에 따른 중점 학습 내용 결정 방법, 장치, 전자 기기 및 컴퓨터 판독 가능한 저장 매체의 실시예를 구현할 수 있는 예시적 시스템 아키텍처(100)이다.

도 1에 도시된 바와 같이, 시스템 아키텍처(100)는 온라인 학습 단말기(101, 102, 103), 네트워크(104) 및 서버(105)를 포함할 수 있다. 네트워크(104)는 온라인 학습 단말기(101, 102, 103)와 서버(105) 사이에서 통신 링크의 매체를 제공한다. 네트워크(104)는 다양한 연결 타입을 포함할 수 있는 바, 예를 들어 유선, 무선 통신 링크 또는 광섬유 케이블 등이다.

사용자는 온라인 학습 단말기(101, 102, 103)를 사용하여 네트워크(104)를 통해 서버(105)와 인터랙션함으로써 메시지 등을 수신 또는 송신할 수 있다. 온라인 학습 단말기(101, 102, 103)와 서버(105)에는 양자 사이의 정보 통신을 구현하기 위한 다양한 애플리케이션이 설치될 수 있는 바, 예를 들어 온라인 학습 애플리케이션, 온라인 친구 만들기 애플리케이션, 인스턴트 메시징 애플리케이션 등이다.

온라인 학습 단말기(101, 102, 103)는 하드웨어일 수 있고 소프트웨어일 수도 있다. 온라인 학습 단말기(101, 102, 103)가 하드웨어일 경우 디스플레이 스크린을 구비한 다양한 전자 기기일 수 있고, 스마트폰, 태블릿PC, 휴대형 랩톱 및 데스크톱 등을 포함하나 이에 한정되는 것은 아니다. 온라인 학습 단말기(101, 102, 103)가 소프트웨어일 경우 상기 열거된 전자 기기에 설치될 수 있고, 복수의 소프트웨어 또는 소프트웨어 모듈로 구현되거나, 하나의 소프트웨어 또는 소프트웨어 모듈로 구현될 수 있으며 여기서는 구체적으로 한정하지 않는다.

온라인 학습 단말기(101, 102, 103) 및 서버(105)는 모두 하드웨어일 수 있고 소프트웨어일 수도 있다. 메모리 기기(101)가 하드웨어일 경우 디스플레이 스크린을 구비한 다양한 전자 기기일 수 있고, 스마트폰, 태블릿PC, 휴대형 랩톱 및 데스크톱 등을 포함하나 이에 한정되는 것은 아니다. 메모리 기기(101)가 소프트웨어일 경우 상기 열거된 전자 기기에 설치될 수 있다. 복수의 소프트웨어 또는 소프트웨어 모듈(예를 들어 상이한 인터랙션 학습 단계에 따라 복수의 모듈로 나눌 수 있고, 각자 하나의 인터랙션 학습 단계의 학습 특징 데이터를 수집함)로 구현되거나, 하나의 소프트웨어 또는 소프트웨어 모듈로 구현될 수 있으며 여기서는 구체적으로 한정하지 않는다. 서버(105)가 하드웨어일 경우 복수의 서버로 구성된 분산형 서버 클러스터로 구현될 수 있고 하나의 서버로 구현될 수도 있다. 서버가 소프트웨어일 경우 복수의 소프트웨어 또는 소프트웨어 모듈(예를 들어 중점 학습 내용을 제공하여 서비스를 결정함)로 구현되거나, 하나의 소프트웨어 또는 소프트웨어 모듈로 구현될 수 있으며 여기서는 구체적으로 한정하지 않는다.

서버(105)는 내장된 다양한 애플리케이션을 통해 다양한 서비스를 제공할 수 있는 바, 중점 학습 내용을 제공하여 서비스를 결정하는 온라인 학습 애플리케이션을 예로 들 수 있고, 서버(105)가 상기 온라인 학습 애플리케이션을 실행할 경우 아래와 같은 효과를 구현할 수 있다. 먼저 네트워크(104)를 통해 온라인 학습 단말기(101, 102, 103)로부터 온라인 학습의 인터랙션 학습 단계별 수집된 사용자의 학습 특징 데이터를 획득하고, 다음 각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득하며; 따라서 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 마지막으로 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정한다. 즉 서버(105)는 상기 처리 단계를 통해 최종적으로 온라인 학습 단말기를 사용한 온라인 학습 과정에서 사용자가 집중하지 않은 부분적 학습 내용을 결정하고, 이를 상기 사용자의 중점 학습 내용으로 출력한다.

유의해야 할 것은, 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터는 온라인 학습 단말기(101, 102, 103)에서 실시간으로 획득한 것일 수 있고, 서버(105) 로컬에 사전 저장될 수도 있다. 특히, 서버(105)가 로컬에서 상기 학습 특징 데이터를 직접 획득할 경우, 예시적 시스템 아키텍처(100)는 온라인 학습 단말기(101, 102, 103) 및 네트워크(104)를 포함하지 않을 수도 있다.

온라인 학습 단말기(101, 102, 103)는 이에 내장된 다양한 센서 또는 이와 데이터 연결을 구축할 수 있는 외장 감지 기기를 통해, 온라인 학습의 각 인터랙션 학습 단계에서 사용자의 학습 특징 데이터를 획득할 수 있는 바, 예를 들어 안면 인식 카메라, 주변광 강도 센서, 터치 스크린 클릭 센서, 제스처 센서 등이다.

본 발명의 후속되는 각 실시예가 제공하는 중점 학습 내용 결정 방법은 일반적으로 비교적 강한 연산 능력을 가진 서버(105)에 의해 수행되고, 상응하게, 중점 학습 내용 결정 장치는 일반적으로 서버(105)에 설치된다. 그러나 동시에 유의해야 할 것은, 온라인 학습 단말기(101, 102, 103)가 요구를 만족시키는 연산 능력을 구비할 경우, 온라인 학습 단말기(101, 102, 103)도 이에 설치된 온라인 학습 애플리케이션을 통해 상기 서버(105)에 의해 실행되는 각 연산을 완료하여 동일한 결과를 획득할 수 있다. 특히 동시에 상이한 연산 능력을 구비한 다양한 온라인 학습 단말기를 사용할 경우, 중점 학습 내용 결정 방법은 그 중 비교적 강한 연산 능력을 구비한 온라인 학습 단말기에 의해 수행(예를 들어 데스크톱)될 수도 있어, 서버(105)의 연산 압력을 적절하게 줄일 수 있다. 상응하게, 중점 학습 내용 결정 장치는 온라인 학습 단말기(101, 102, 103)에 설치될 수도 있다. 이때, 예시적 시스템 아키텍처(100)는 서버(105) 및 네트워크(104)를 포함하지 않을 수도 있다.

이해해야 할 것은, 도 1의 온라인 학습 단말기, 네트워크 및 서버의 개수는 예시적인 것일 뿐이며, 실제 필요에 따라 임의의 개수의 온라인 학습 단말기, 네트워크 및 서버를 구비할 수 있다.

계속하여 도 2를 참조하면, 본 발명에 따른 중점 학습 내용 결정의 일 실시예의 구현 흐름(200)이고, 아래와 같은 단계를 포함한다.

단계(201)에서, 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득한다.

본 단계는 중점 학습 내용 결정 방법의 수행 주체(예를 들어 도 1에 도시된 서버(105))가 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득하는 것이다. 여기서, 인터랙션 학습 단계는 시청 단계, 온라인 문제풀이 단계, 음성 인터랙션 단계 및 동작 모방 단계 중 적어도 하나를 포함하지만 이에 한정되지 않는다.

시청 단계는 사용자가 시청하는 방식을 통해 온라인 학습 애플리케이션이 보여주는 동적 비디오 콘텐츠에서 지식을 학습하는 단계를 의미하고, 시청 단계에서 사용자는 일반적으로 온라인 학습 애플리케이션의 재생 인터페이스를 직시만 하면 되기 때문에, 사용자의 일부 안면 정보(예를 들어 안면 방향 및 눈 초점)를 이 단계의 사용자의 학습 집중 정도를 보여주는 학습 특징 데이터로 할 수 있으며; 온라인 문제풀이 단계는 다양한 형식으로 사용자에게 일부 문제를 제출하여 답변하도록 하는 단계를 의미하고, 이로써 사용자가 문제풀이할 때의 시간 정보(예를 들어 각 문제의 문제풀이 지연 및 문제풀이 소모 시간) 또는 정확도 정보를 이 단계의 사용자의 학습 집중 정도를 보여주는 학습 특징 데이터로 할 수 있으며; 음성 인터랙션 단계는 일반적으로 문자 따라 읽기 또는 음성 답장 등 장면에서 나타나므로, 사용자의 실제 음성 데이터와 사전 설정 표준 음성 데이터의 매칭 정도를 이 단계의 사용자의 학습 집중 정도를 보여주는 학습 특징 데이터로 할 수 있고; 동작 모방 단계는 일반적으로 사용자가 지시에 따라 특정된 동작을 해야 하는 장면(예를 들어 온라인 체육 수업, 자세 교정 수업, 헬스 수업 등) 및 동작을 통해 중간 유도 단계의 정확성을 확인하는 장면(예를 들어 로런츠 힘 및 암페어 힘의 방향을 유도하는 등)에서 나타나므로, 사용자의 실제 신체 동작 정보와 표준 동작의 매칭 정도를 이 단계의 사용자의 학습 집중 정도를 보여주는 학습 특징 데이터로 할 수 있다.

유의해야 할 것은, 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터는 상기 수행 주체에 의해 로컬 메모리 기기에서 직접 획득될 수 있거나, 비 로컬 메모리 기기(예를 들어 도 1에 도시된 온라인 학습 단말기(101, 102, 103))에서 획득될 수도 있다. 로컬 메모리 기기는 상기 수행 주체 내에 설치된 하나의 데이터 메모리 모듈일 수 있는 바, 예를 들어 서버 하드 디스크이고, 이때 학습 특징 데이터는 로컬 읽기를 통해 빠르게 획득될 수 있으며; 비 로컬 메모리 기기는 데이터를 저장하는 상이한 임의의 전자 기기일 수 있는 바, 예를 들어 일부 사용자 단말기 등이고, 이때 상기 수행 주체는 상기 전자 기기에 교사 모델을 송신하여 명령을 획득함으로써 필요한 학습 특징 데이터를 획득할 수 있다.

단계(202)에서, 각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득한다.

단계(201)에 기반하여, 본 단계는 각 인터랙션 학습 단계에서 획득한 학습 특징 데이터에 대응되는 실제 학습 집중도를 결정하는 것이고, 상이한 인터랙션 학습 단계 간의 차이로 인해, 본 단계에서 상이한 인터랙션 학습 단계의 실제 학습 집중도를 결정할 경우, 통일된 분석 방식에 기반하는 것이 아니라 인터랙션 학습 단계별 사용자의 학습 집중도와 관련되고 특성화된 상이한 특점에 따라, 각 인터랙션 학습 단계를 위해 이의 특점에 부합되는 분석 방식을 미리 설정하여, 매칭되는 분석 방식을 통해 정확한 실제 학습 집중도를 결정한다.

시청 단계에서 획득한 사용자의 실제 안면 방향을 예로 들면, 판단을 통해 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직인지의 여부를 판단하여 이 단계의 사용자의 학습 집중도를 간단하게 결정할 수 있고, 간단한 이분법을 예로 들면, 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직 되지 않으면, 사용자가 온라인 학습 애플리케이션에 집중하지 않는다는 결론을 간단하게 획득할 수 있으며; 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직이면, 사용자가 온라인 학습 애플리케이션에 집중한다는 결론을 간단하게 획득할 수 있다. 그러나 분명한 것은 동일한 분석 방식은 온라인 문제풀이 단계에 적합하지 않다. 문제풀이는 종종 산출 과정이 있고, 산출 과정은 종종 온라인 학습 애플리케이션이 있는 온라인 학습 단말기에서 직접 완료하기 어려우며, 사용자는 쓰기 더 편리한 초안지에 이런 과정을 완료하는 경향이 있기 때문이다. 이로써, 온라인 문제풀이 단계에 대하여 실제 문제풀이 지연을 획득하는 것으로 조절할 수 있고, 상기 실제 문제풀이 지연이 사전 설정 문제풀이 지연을 초과하는지 여부를 판단하여 사용자가 현재 온라인 학습 애플리케이션에 집중하는지 여부를 결정할 수 있는 바, 예를 들어 사용자가 텔레비전를 보다가 답변할 문제가 나타난 후 오랜 시간 뒤에 답변하기 시작한다면 이 문제풀이 지연은 상대적으로 길게 될 것이다.

유사하게, 실제 응용 장면에서 상이한 단계의 구체적 상황에 따라 상이한 인터랙션 학습 단계를 위해 적합한 학습 집중도 분석 방식을 원활하게 설정할 수 있고, 보다 정확한 실제 학습 집중도를 획득할 수 있다. 이해해야 할 것은, 실제 학습 집중도는 다양한 형태로 표현될 수 있는 바, 예를 들어 간단한 이분법일 경우, 실제 학습 집중도는 집중한다와 집중하지 않는다는 두 가지 결론으로 간단하게 표현될 수 있으며; 복잡한 판별 장면일 경우, 실제 학습 집중도는 보다 정교한 계량화 방식으로 표현될 수 있고, 사용자가 집중하지 않는다는 것을 나타낼 수 있는 각각의 판단 결론을 만점에서 상이한 정도로 감점하여, 최종 점수를 실제 학습 집중도로 사용한다.

단계(203)에서, 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정한다.

단계(202)의 기초상에서, 본 단계는 상기 수행 주체가 먼저 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 다음 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정하는 것이다.

이해해야 할 것은, 단계(202)의 실제 응용 장면에서 사용하는 실제 학습 집중도 표현 형태에 따라 사전 설정 학습 집중도 요구도이와 일치해야 하는 바, 예를 들어 간단한 이분법을 사용하여 획득한 구체적 표현이 집중한다와 집중하지 않는다는 결론을 얻을 경우 사전 설정 학습 집중도 요구는 집중하는지의 여부이며, 즉 집중한다는 결론은 사전 설정 학습 집중도 요구를 만족하는 것으로 판정되고, 그렇지 않으면 사전 설정 학습 집중도 요구를 만족하지 않는 것으로 판정되며; 구체적인 수치 표현 형태를 사용할 경우 상기 사전 설정 학습 집중도 요구는 백점 만점의 60점일 수 있고, 즉 사용자가 집중하지 않는 것을 보여주는 요소를 100점에서 감점한 후, 남은 점수가 60점보다 크거나 같으면 학습 집중도 요구를 만족하는 것으로 판정되고, 60점보다 작으면 학습 집중도 요구를 만족하지 않는 것으로 판정된다.

타깃 시간대에 대응되는 학습 내용은 가장 기본적인 내용뿐만 아니라 상이한 출처의 관련 학습 자료도 포함할 수 있으므로 사용자가 이 부분의 중점 학습 내용을 최대한 충실하게 학습하여 자신의 부족한 지식을 보충할 수 있도록 한다.

또한, 상기 수행 주체를 통해 중점 학습 내용을 결정한 후, 중점 학습 내용을 유용하게 활용하기 위해 중점 학습 내용을 푸시하는 방식으로 해당 사용자가 사용하는 온라인 학습 단말기에 송신하여, 상기 온라인 학습 단말기가 수신한 중점 학습 내용을 적합한 형식으로 적합한 시간에 사용자에게 보여주도록 함으로써 최종적으로 사용자의 온라인 학습 효과를 향상시키는 목적을 달성한다.

선행기술이 제공하는 역방향 유도 해결 수단과 달리, 본 발명이 제공하는 중점 학습 내용 결정 방법은 사용자의 온라인 학습 과정의 각 인터랙션 학습 단계로부터 학습 집중 정도와 관련된 특징 데이터를 수집하여 실시간 집중 파라미터를 정방향으로 정확하게 결정하고, 나아가 상기 파라미터에 따라 집중하지 않은 시간대에 대응되는 내용을 중점 학습 내용으로 결정하는 것이다. 인터랙션 학습 단계별 상이한 수집 방식으로 획득한 상이한 학습 특징 데이터를 결합하여 각각의 단계마다 결정된 학습 집중도를 보다 정확하게 하고 나아가 결정된 중점 학습 내용이 극히 높은 맞춤형을 구비하도록 보장하여 사용자가 중점 학습 내용을 학습하는데 소모하는 시간을 최소화하고 온라인 학습 효율을 향상시킨다.

상기 실시예에 기반하여, 본 실시예는 또한 각 구체적인 인터랙션 학습 단계를 위해 각각 어떤 정보를 수집하여 학습 특징 데이터로 할지와 실제 학습 집중도를 결정할 것인지에 대해 각각 구체적인 실시형태를 제공한다.

시청 학습 단계에 대하여, 사용자의 이 단계의 실제 안면 방향 및 실제 시점 위치를 이 단계의 학습 특징 데이터로 하며, 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직인지의 여부를 판단하여, 제1 판단 결과를 획득하고; 실제 시점 위치가 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있는지 여부를 판단하여, 제2 판단 결과를 획득하며; 최종적으로 제1 판단 결과 및 제2 판단 결과에 따라 시청 단계의 실제 학습 집중도를 종합하여 결정한다. 이해해야 할 것은, 상기 과제의 해결 수단은 일정한 정도에서 사용자가 온라인 학습 애플리케이션에 집중하는지를 독립적으로 나타내는 2개의 특징 데이터를 통해, 각각 대응되는 판단을 거쳐 최종적으로 2개의 판단 결과를 종합하여 결과를 결정할 수 있다. 간단하게는, 상기 2개의 판단의 판단 결과 중 적어도 하나가 "예"일 경우 사용자가 현재 온라인 학습 애플리케이션에 집중한다고 결정할 수 있고; 엄격하게는, 2개의 판단의 판단 결과가 모두 "예"일 경우만이 사용자가 현재 온라인 학습 애플리케이션에 집중한다고 결정할 수 있다.

간단한 이분법에 의해 실제 학습 집중도가 집중한다/집중하지 않는다를 분석하는 실시형태는 도 3에 도시된 흐름도를 참조할 수 있고, 아래와 같은 단계를 포함한다.

단계(301)에서, 온라인 학습의 시청 단계에서 사용자의 실제 안면 방향 및 실제 시점 위치를 획득한다.

여기서, 실제 안면 방향은 온라인 학습 단말기에 내장된 안면 인식 카메라를 통해 획득할 수 있고 실제 시점 위치는 안면 이미지 중 눈 부분을 더 분석하여 획득할 수 있다.

단계(302)에서, 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직인지 여부를 판단하고, 수직이면 단계(303)을 수행하고 그렇지 않으면 단계(304)를 수행한다.

단계(303)에서, 실제 시점 위치가 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있는지 여부를 판단한다.

본 단계는 단계(302)에서 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직이라는 판단을 기반으로 한다. 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직 되고, 일정한 정도에서 사용자의 현재 집중력이 온라인 학습 애플리케이션의 재생 인터페이스에 집중되는 것으로 나타나지만, 판단 결과의 정확도를 향상시키고 오판율을 줄이기 위해, 본 단계에서 상기 수행 주체는 실제 시점 위치가 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있는지 여부를 더 판단하여, 상이한 각도에서부터 사용자가 현재 실제로 온라인 학습 애플리케이션의 재생 인터페이스에 집중하는지 여부를 결정한다.

단계(304)에서, 사용자가 현재 온라인 학습 애플리케이션에 집중하지 않는 것으로 판정한다.

본 단계는 단계(302)에서 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직 되지 않는다는 결과 및 단계(303)에서 실제 시점 위치가 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있지 않는다는 결과를 기반으로 한다. 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직 되지 않는다는 것은 사용자의 현재 집중력이 온라인 학습 애플리케이션의 재생 인터페이스에 집중되지 않는다는 것을 설명하고, 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직이라는 기초에서 실제 시점 위치가 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있지 않으면, 사용자는 가능하게 재생 인터페이스와 동일한 층급에 있는 상이한 인터페이스에 집중한다는 것을 설명하며, 즉 사용자는 현재 "가짜 학습" 또는 "비응답 학습" 상태에 있다. 이로써 사용자는 현재 온라인 학습 애플리케이션에 집중하지 않는 것으로 판정되고, 즉 사용자의 시청 단계에는 사용자의 실제 집중도가 집중하지 않는 것인 시간대가 존재한다.

단계(305)에서, 사용자가 현재 온라인 학습 애플리케이션에 집중하는 것으로 판정한다.

본 단계는 단계(303)에서 실제 시점 위치가 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있다는 판단의 결과를 기반으로 한다. 즉 2개의 판단이 모두 "예"일 경우에만 사용자가 현재 확실히 온라인 학습 애플리케이션에 집중하는 것으로 간주되고, 즉 사용자의 시청 단계에는 실제 집중도가 집중하지 않는 것인 시간대가 존재하지 않는다.

시청 단계에 대하여, 도 3에 도시된 흐름(300)은 이중 판단을 해야 만이 사용자가 현재 온라인 학습 애플리케이션에 집중한다는 결론을 판정할 수 있는 실시형태를 제공하고, 결론의 정확성을 효과적으로 보장할 수 있으며 오판율을 줄일 수 있다.

온라인 문제풀이 단계에 대하여, 사용자의 이 단계의 실제 문제풀이 지연 및 실제 문제풀이 소모 시간을 이 단계의 학습 특징 데이터로 하고, 실제 문제풀이 지연이 사전 설정 문제풀이 지연보다 큰지 여부 및 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 큰지 여부의 2개의 판단을 통해, 대응되는 제3 판단 결과 및 제4 판단 결과를 획득하며; 최종적으로 제3 판단 결과 및 제4 판단 결과에 따라 온라인 문제풀이 단계의 실제 학습 집중도를 결정한다.

간단한 이분법에 의해 실제 학습 집중도가 집중한다/집중하지 않는다를 분석하는 실시형태는 도 4에 도시된 흐름도를 참조할 수 있고, 아래와 같은 단계를 포함한다.

단계(401)에서, 온라인 학습의 온라인 문제풀이 단계에서 사용자의 실제 문제풀이 지연 및 실제 문제풀이 소모 시간을 획득한다.

문제풀이 지연은 온라인 문제풀이 애플리케이션이 답변할 문제를 제시하는 시점부터 사용자가 온라인 학습 애플리케이션에서 첫 번째 인간-기계 인터랙션을 시작할 때까지의 지속 시간을 의미하고, 간단하게는 사용자가 문제풀이 신호에 응답하는 반응 속도로 이해할 수 있으며, 일반적으로 사용자가 집중할수록 상기 실제 문제풀이 지연은 작고 사용자가 집중하지 않을수록 상기 실제 문제풀이 지연은 크며; 문제풀이 소모 시간은 사용자가 온라인 학습 애플리케이션에서 첫 번째 인간-기계 인터랙션을 시작하는 시점부터 온라인 학습 애플리케이션이 문제풀이 종료 신호를 수신할 때까지의 지속 시간을 의미하고, 여기서 문제풀이 종료 신호는 사용자가 문제풀이를 완료한 후 자발적으로 "종료" 버튼을 클릭하여 생성되거나, 온라인 학습 애플리케이션이 설정된 최대 문제풀이 지속 시간을 기다린 후 여전히 "종료" 버튼이 클릭된 신호를 수신하지 못할 때 자동적으로 생성될 수도 있다. 문제 난이도가 문제풀이 소요 시간에 미치는 영향을 배제하고 문제풀이 소모 시간의 길고 짧음은 일정한 정도에서 사용자가 현재 문제풀이에 집중하는지 여부를 나타낼 수 있다.

단계(402)에서, 실제 문제풀이 지연이 사전 설정 문제풀이 지연보다 큰지 여부를 판단하고, 크지 않으면 단계 403을 수행하고 크면 단계(404)를 수행한다.

단계(403)에서, 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 큰지 여부를 판단하고, 크지 않으면 단계(405)를 수행하고 크면 단계(404)를 수행한다.

본 단계는 단계(402)에서 얻은 실제 문제풀이 지연이 사전 설정 문제풀이 지연보다 길지 않다는 판단의 결과를 기반으로 한다. 즉 사용자의 실제 문제풀이 지연이 비교적 작다는 것을 설명하지만, 사용자가 현재 온라인 학습 애플리케이션에 실제로 집중하는지 여부를 더 확인하기 위해, 본 단계에서 상기 수행 주체는 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 큰지 여부를 더 판단한다.

단계(404)에서, 사용자가 현재 온라인 학습 애플리케이션에 집중하지 않는 것으로 판정한다.

본 단계는 단계(402)에서 실제 문제풀이 지연이 사전 설정 문제풀이 지연보다 크다는 판단의 결과 및 단계(403)에서 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 길다는 판단의 결과를 기반으로 한다. 실제 문제풀이 지연이 비교적 큰 것은 사용자가 현재 온라인 학습 애플리케이션의 재생 인터페이스에 집중하지 않는다는 것을 설명하고, 실제 문제풀이 지연이 비교적 작으나 실제 문제풀이 소모 시간이 비교적 큰 경우는, 사용자가 가능하게 답변할 문제가 나타나는 알림음에 따라 빠르게 문제풀이 인터페이스를 클릭한 후 다시 빠르게 상이한 인터페이스로 전환하였고 즉 문제풀이에 집중하지 않고, 최종적으로 문제풀이가 종료하는 알림음에 따라 다시 돌아가서 종료를 클릭하거나 시간이 초과되어 자동적으로 종료된 것을 설명한다. 이로써 사용자는 현재 온라인 학습 애플리케이션에 집중하지 않는 것으로 판정할 수 있고, 즉 사용자의 온라인 문제풀이 단계에는 실제 집중도가 집중하지 않는 것인 시간대가 존재한다.

단계(405)에서, 사용자가 현재 온라인 학습 애플리케이션에 집중하는 것으로 판정한다.

본 단계는 단계(403)에서 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 길지 않다는 판단의 결과를 기반으로 한다. 사용자의 비교적 짧은 문제풀이 지연 및 비교적 짧은 문제풀이 소모 시간에 기반하여, 사용자가 현재 문제풀이 단계에서 집중하는 것으로 충분히 결정할 수 있고, 즉 사용자의 온라인 문제풀이 단계에는 실제 집중도가 집중하지 않는 것인 시간대가 존재하지 않는다.

온라인 문제풀이 단계에 대하여, 도 4에 도시된 흐름(400)은 이중 판단을 해야 만이 사용자가 현재 온라인 학습 애플리케이션에 집중한다는 결론을 판정할 수 있는 실시형태를 제공하고, 결론의 정확성을 효과적으로 보장할 수 있으며 오판율을 줄일 수 있다. 상기 판단 결과의 정확 정도에 대한 빠른 응답과 무작위적인 답변의 영향을 더 제거하기 위해 또한 답안의 정확성을 결합하여 결과에 대해 수정할 수 있다.

음성 인터랙션 단계에 대하여, 사용자의 이 단계의 실제 입술 동작 및 실제 음성 데이터를 학습 특징 데이터로 하고, 실제 입술 동작을 통해 실제 음성 데이터의 내용과 일치하는지 여부를 판단하며, 판단 결과에 의해 사용자가 현재 온라인 학습 애플리케이션에 집중하는지 여부를 결정한다.

간단한 이분법에 의해 실제 학습 집중도가 집중한다/집중하지 않는다를 분석하는 실시형태는 도 5에 도시된 흐름도를 참조할 수 있고, 아래와 같은 단계를 포함한다.

단계(501)에서, 온라인 학습의 음성 인터랙션 단계에서 사용자의 실제 음성 데이터를 획득한다.

단계(502)에서, 실제 음성 데이터의 내용이 사전 설정 표준 음성 데이터의 내용과 일치한지 여부를 판단한다.

일반적으로, 음성 인터랙션 학습 방식을 제공할 수 있는 온라인 학습 애플리케이션은 수집한 실제 음성 데이터를 실제 내용으로 해석하는 능력을 가지고 있다. 그러나 본 단계는 실제 음성 데이터의 내용이 표준 답안인 사전 설정 표준 음성 데이터의 내용과 일치하는지 여부를 판단하여, 사용자가 온라인 학습 애플리케이션의 요구에 따라 정확한 음성 내용을 말했는지를 효과적으로 발견한다.

단계(503)에서, 사용자가 현재 온라인 학습 애플리케이션에 집중하지 않는 것으로 판정한다.

본 단계는 단계(502)에서 실제 음성 데이터의 내용이 사전 설정 표준 음성 데이터의 내용과 일치하지 않는다는 판단의 결과를 기반으로 한다. 사용자가 온라인 학습 애플리케이션 요구에 따라 음성 내용을 말하지 않은 것으로 사용자가 온라인 학습 애플리케이션에 집중하지 않는다는 것을 결정하고, 즉 사용자의 음성 인터랙션 단계에는 실제 집중도가 집중하지 않는 것인 시간대가 존재한다.

단계(504)에서, 사용자가 현재 온라인 학습 애플리케이션에 집중하는 것으로 판정한다.

본 단계는 단계(502)에서 실제 음성 데이터의 내용이 사전 설정 표준 음성 데이터의 내용과 일치한다는 판단의 결과를 기반으로 한다. 사용자가 온라인 학습 애플리케이션 요구에 따라 음성 내용을 말한 것으로 사용자가 온라인 학습 애플리케이션에 집중한다고 결정하고, 즉 사용자의 음성 인터랙션 단계에는 실제 집중도가 집중하지 않는 것인 시간대가 존재하지 않는다.

음성 인터랙션 단계에 대하여, 도 5에 도시된 흐름(500)은 실제 음성 내용과 표준 음성 내용이 일치한 것을 통해 사용자가 현재 온라인 학습 애플리케이션에 집중한다는 결론을 획득하는 실시형태를 제공하고, 사용자의 "비응답 학습", "가짜 학습"의 행위를 효과적으로 발견할 수 있다.

동작 모방 단계에 대하여, 사용자의 이 단계의 실제 신체 동작을 학습 특징 데이터로 하고, 실제 신체 동작이 사전 설정 표준 신체 동작과 일치한지 여부를 판단하며, 판단 결과를 통해 사용자가 현재 온라인 학습 애플리케이션에 집중하는지 여부를 결정한다.

간단한 이분법에 의해 실제 학습 집중도가 집중한다/집중하지 않는다를 분석하는 실시형태는 도 6에 도시된 흐름도를 참조할 수 있고, 아래와 같은 단계를 포함한다.

단계(601)에서, 온라인 학습의 동작 모방 단계에서 사용자의 실제 신체 동작을 획득한다.

단계(602)에서, 실제 신체 동작이 사전 설정 표준 신체 동작과 일치하는지 여부를 판단하고, 일치하면 단계(604)를 수행하고 그렇지 않으면 단계(603)을 수행한다.

일반적으로, 동작 모방 학습 방식을 제공할 수 있는 온라인 학습 애플리케이션에는 표준 신체 동작인 표준 답안이 사전 저장되어 있고, 이로써 획득한 실제 신체 동작을 해석하여 표준 신체 동작과 대조함으로써 사용자가 온라인 학습 애플리케이션에서 요구한 신체 동작을 하는지 여부를 결정한다. 여기서 신체 동작은 상이한 사용자들이 시도했을 때의 실제 차이를 고려해, 여기서의 일치는 표준 신체 동작과 완전히 동일하다는 것을 의미하지 않고 느슨한 일치성 비율을 임계값으로 설정할 수 있다. 본 해결 수단은 주로 사용자가 온라인 학습 애플리케이션에서 요구한 신체 동작을 시도하는지를 확인하는데 사용되고, 온라인 학습 애플리케이션에 집중하지 않음으로 인해 아무런 동작도 하지 않는 "가짜 학습", "비응답 학습" 현상을 발견하는데 사용된다.

단계(603)에서, 사용자가 현재 온라인 학습 애플리케이션에 집중하지 않는 것으로 판정한다.

본 단계는 단계(602)에서 실제 신체 동작이 사전 설정 표준 신체 동작과 일치하지 않는다는 판단의 결과를 기반으로 한다. 이로써 사용자가 현재 온라인 학습 애플리케이션에 집중하지 않는 것으로 판정하고, 즉 사용자의 동작 모방 단계에는 실제 집중도가 집중하지 않는 것인 시간대가 존재한다.

단계(604)에서, 사용자가 현재 온라인 학습 애플리케이션에 집중하는 것으로 판정한다.

본 단계는 단계(602)에서 실제 신체 동작이 사전 설정 표준 신체 동작과 일치하다는 판단의 결과를 기반으로 한다. 이로써 사용자가 현재 온라인 학습 애플리케이션에 집중하는 것으로 판정하고, 즉 사용자의 동작 모방 단계에는 실제 집중도가 집중하지 않는 것인 시간대가 존재하지 않는다.

동작 모방 단계에 대하여, 도 6에 도시된 흐름(600)은 실제 신체 동작과 사전 설정 표준 신체 동작이 일치한 것을 통해, 사용자가 현재 온라인 학습 애플리케이션에 집중한다는 결론을 판단하는 실시형태를 제공하고, 사용자의 "비응답 학습", "가짜 학습" 등 행위를 효과적으로 발견할 수 있다.

이해를 돕기 위해, 본 발명은 하나의 구체적인 응용 장면과 더 결합하여 과제의 구체적인 해결 수단을 제공한다. 사용자 A가 태블릿 PC에 설치된 온라인 영어 학습 애플리케이션을 사용하여 온라인 영어 학습을 한다고 가정하면, 상기 온라인 영어 학습 애플리케이션은 수업 배정에 따라 오늘의 온라인 영어 학습을 순차적으로 시청 단계, 선택 답변 단계, 음성 따라 읽기 단계로 설정한다.

상기 온라인 영어 학습 애플리케이션은 시청 단계에서 전면 카메라를 통해 사용자 A의 실제 안면 방향을 획득하고, 선택 답변 단계에서 터치 스크린을 통해 탐지기를 사용하여 클릭 정보를 획득하고, 나아가 실제 문제풀이 지연으로 처리하며, 음성 따라 읽기 단계에서 픽업기를 통해 실제 음성 데이터를 수집한다.

상기 온라인 영어 학습 애플리케이션은 태블릿 PC를 제어하여 각각의 단계에 대응되는 학습 특징 데이터를 서버 B에 송신하여 분석한다.

서버 B는 시청 단계의 실제 안면 방향에 따라 온라인 영어 학습 애플리케이션의 재생 인터페이스에 수직인지 여부를 판단하고, 구체적으로 이 단계의 10분 내지 15분 26초의 시간대를 발견하는데, 사용자의 실제 안면 방향이 온라인 영어 학습 애플리케이션의 재생 인터페이스에 수직 되지 않으며, 이 시간대를 사용자가 온라인 영어 학습 애플리케이션에 집중하지 않는 제1 시간대로 결정한다.

서버 B는 선택 답변 단계의 실제 문제풀이 지연에 따라 사전 설정 문제풀이 지연보다 큰지 여부를 판단하고, 구체적으로 이 단계의 5분 10초 내지 8분 20초의 시간대를 발견하는데, 사용자가 답변한 3개의 선택 답변의 문제풀이 지연은 모두 사전 설정 문제풀이 지연을 10초 초과하였으며, 이 시간대를 사용자가 온라인 영어 학습 애플리케이션에 집중하지 않은 제2 시간대로 결정한다.

서버 B는 음성 따라 읽기 단계의 실제 음성 데이터에 따라 실제 음성 데이터가 사전 저장된 표준 답안의 표준 음성 데이터와 일치한지 여부를 판단하고, 구체적으로 이 단계의 3분 5초 내지 7분 24초의 시간대를 발견하는데, 사용자의 실제 음성 데이터는 사전 저장된 표준 답안의 표준 음성 데이터와 차이가 매우 크며, 이 시간대를 사용자가 온라인 영어 학습 애플리케이션의 제3 시간대로 결정한다.

서버 B는 백그라운드에 기록된 시간대와 상응한 학습 내용의 관련 정보에 따라, 제1 시간대, 제2 시간대, 제3 시간대에 대응되는 학습 내용을 중점 학습 내용으로 표기하고 이를 색인화하여 사용자 A의 태블릿 PC에 송신하며, 구체적으로 태블릿 PC의 온라인 영어 학습 애플리케이션에 의해 수신되고, 온라인 영어 학습 애플리케이션은 수신한 색인에 따라 로컬 저장 공간에서 대응되는 완전한 중점 학습 내용을 결정하여 다음 온라인 학습 기간에 이러한 내용을 복습 내용으로 먼저 사용자 A가 학습할 수 있도록 한다.

또한 도 7을 참조하면, 상기 각 도면에 도시된 방법의 구현으로서, 본 발명은 중점 학습 내용 결정 장치의 일 실시예를 제공하고, 상기 장치 실시는 도 2에 도시된 방법 실시예와 대응되며, 상기 장치는 구체적으로 다양한 전자 기기에 적용될 수 있다.

도 7에 도시된 바와 같이, 본 실시예의 중점 학습 내용 결정 장치(700)는 학습 특징 데이터 획득 유닛(701), 실제 학습 집중도 결정 유닛(702), 중점 학습 내용 결정 유닛(703)을 포함할 수 있다. 여기서, 학습 특징 데이터 획득 유닛(701)은 온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득하도록 구성되되, 인터랙션 학습 단계는 시청 단계, 온라인 문제풀이 단계, 음성 인터랙션 단계 및 동작 모방 단계 중 적어도 하나를 포함하고; 실제 학습 집중도 결정 유닛(702)은 각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득하도록 구성되며; 중점 학습 내용 결정 유닛(703)은 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정하도록 구성된다.

본 실시예에 있어서, 중점 학습 내용 결정 장치(700) 중 학습 특징 데이터 획득 유닛(701), 실제 학습 집중도 결정 유닛(702) 및 중점 학습 내용 결정 유닛(703)의 구체적 처리 및 이의 기술적 효과는 각각 도 2에 대응되는 실시예 중의 단계 201-203의 관련 설명을 참조할 수 있고, 여기서는 반복 설명하지 않는다.

본 실시예의 일부 선택 가능한 실시형태에 있어서, 시청 단계에 대하여, 학습 특징 데이터 획득 유닛(701)은 또한 온라인 학습의 시청 단계에서 사용자의 실제 안면 방향 및 실제 시점 위치를 획득하도록 구성될 수 있고; 대응되게, 시청 단계에 대하여, 실제 학습 집중도 결정 유닛(702)은 또한 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직 되고, 실제 시점 위치가 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있으면, 시청 단계의 실제 학습 집중도는 집중한다는 것으로 결정하고; 실제 안면 방향이 재생 인터페이스에 수직 되지 않고 또는 실제 시점 위치가 재생 인터페이스 영역 내에 있지 않으면, 시청 단계의 실제 학습 집중도가 집중하지 않는 것으로 결정하도록 구성될 수 있다.

본 실시예의 일부 선택 가능한 실시형태에 있어서, 온라인 문제풀이 단계에 대하여, 학습 특징 데이터 획득 유닛(701)은 또한 온라인 학습의 온라인 문제풀이 단계에서 사용자의 실제 문제풀이 지연 및 실제 문제풀이 소모 시간을 획득하도록 구성될 수 있고; 대응되게, 온라인 문제풀이 단계에 대하여, 실제 학습 집중도 결정 유닛(702)은 또한 실제 문제풀이 지연이 사전 설정 문제풀이 지연보다 크거나 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 길이면, 온라인 문제풀이 단계의 실제 학습 집중도는 집중하지 않는 것으로 결정하고; 실제 문제풀이 지연이 사전 설정 문제풀이 지연보다 길지 않고 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 길지 않으면, 온라인 문제풀이 단계의 실제 학습 집중도가 집중하는 것으로 결정할 수 있도록 구성될 수 있다.

본 실시예의 일부 선택 가능한 실시형태에 있어서, 음성 인터랙션 단계에 대하여, 학습 특징 데이터 획득 유닛(701)은 또한 온라인 학습의 음성 인터랙션 단계에서 사용자의 실제 음성 데이터를 획득하도록 구성될 수 있고; 대응되게, 음성 인터랙션 단계에 대하여, 실제 학습 집중도 결정 유닛(702)은 또한 실제 음성 데이터의 내용이 사전 설정 표준 음성 데이터의 내용과 일치하면, 음성 인터랙션 단계의 실제 학습 집중도가 집중하는 것으로 결정하고; 실제 음성 데이터의 내용이 사전 설정 표준 음성 데이터의 내용과 일치하지 않으면, 음성 인터랙션 단계의 실제 학습 집중도가 집중하지 않는 것으로 결정하도록 구성될 수 있다.

본 실시예의 일부 선택 가능한 실시형태에 있어서, 동작 모방 단계에 대하여, 학습 특징 데이터 획득 유닛(701)은 또한 온라인 학습의 동작 모방 단계에서 사용자의 실제 신체 동작을 획득하도록 구성될 수 있고; 대응되게, 동작 모방 단계에 대하여, 실제 학습 집중도 결정 유닛(702)은 또한 실제 신체 동작이 사전 설정 표준 신체 동작과 일치하면, 동작 모방 단계의 실제 학습 집중도가 집중하는 것으로 결정하고; 실제 신체 동작이 사전 설정 표준 신체 동작과 일치하지 않으면, 동작 모방 단계의 실제 학습 집중도가 집중하지 않는 것으로 결정하도록 구성될 수 있다.

본 실시예의 일부 선택 가능한 실시형태에 있어서, 중점 학습 내용 결정 장치(700)는 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정한 후, 중점 학습 내용을 사용자가 속하는 온라인 학습 클라이언트에 푸시하여, 온라인 학습 클라이언트에서 사용자에게 중점 학습 내용을 다시 보여주도록 구성되는 푸시 유닛을 더 포함할 수 있다.

본 실시예의 일부 선택 가능한 실시형태에 있어서, 푸시 유닛은 또한 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정한 후, 중점 학습 내용을 사용자가 속하는 온라인 학습 클라이언트에 푸시하여, 온라인 학습 클라이언트는 중점 학습 내용을 수업 후의 복습 내용으로 사용자에게 보여주도록 구성될 수 있다.

본 실시예는 상기 방법 실시예에 대응되는 장치 실시예로 존재하고, 선행기술이 제공하는 역방향 유도 해결 수단과 달리, 본 발명의 실시예가 제공하는 중점 학습 내용 결정 장치는 사용자의 온라인 학습 과정의 각 인터랙션 학습 단계로부터 학습 집중 정도와 관련된 특징 데이터를 수집하여 실시간 집중 파라미터를 정방향으로 정확하게 결정하고, 나아가 상기 파라미터에 따라 집중하지 않은 시간대에 대응되는 내용을 중점 학습 내용으로 결정한다. 인터랙션 학습 단계별 상이한 수집 방식으로 획득한 상이한 학습 특징 데이터를 결합하여 사용자의 학습 집중도를 보다 정확하게 하고, 나아가 결정된 중점 학습 내용이 극히 높은 맞춤형을 구비하도록 보장하여 사용자가 중점 학습 내용을 학습하는데 소모하는 시간을 최소화한다.

본 발명의 실시예에 따르면, 본 발명은 전자 기기 및 컴퓨터 판독 가능한 저장 매체를 더 제공한다.

도 8에 도시된 바와 같이, 본 발명의 실시예에 따른 중점 학습 내용 결정 방법을 구현하는 전자 기기의 블록도이다. 전자 기기는 랩톱 컴퓨터, 데스크톱 컴퓨터, 운영 플랫폼, 개인 정보 단말기, 서버, 블레이드 서버, 대형 컴퓨터, 및 다른 적합한 컴퓨터와 같은 다양한 형태의 디지털 컴퓨터를 의미한다. 전자 기기는 개인 디지털 처리, 셀룰러폰, 스마트폰, 웨어러블 기기 및 다른 유사한 컴퓨팅 장치와 같은 다양한 형태의 이동 장치를 의미할 수도 있다. 본문에서 나타낸 부재, 이들의 연결과 관계, 및 이들의 기능은 단지 예시적인 것으로, 본문에서 설명 및/또는 요구된 본 발명의 구현을 한정하지 않는다.

도 8에 도시된 바와 같이, 상기 전자 기기는 하나 또는 다수의 프로세서(801), 메모리(802), 및 고속 인터페이스 및 저속 인터페이스를 포함하는 각 부재를 연결하기 위한 인터페이스를 포함한다. 각 부재는 상이한 버스를 이용하여 서로 연결되고, 공통 메인보드에 장착될 수 있거나 필요에 따라 다른 방식으로 장착될 수 있다. 프로세서는, 메모리에 저장되거나 메모리에서 외부 입력/출력 장치(예를 들어, 인터페이스에 커플링된 표시 기기)에 GUI의 그래픽 정보를 표시하는 명령을 포함하는 전자 기기 내에서 실행되는 명령을 처리할 수 있다. 다른 실시형태에서, 필요에 따라 다수의 프로세서 및/또는 다수의 버스를 다수의 메모리와 함께 사용할 수 있다. 마찬가지로, 다수의 전자 기기를 연결할 수 있고, 각 기기는 일부 필요한 동작(예를 들어, 서버 어레이, 한 그룹의 블레이드 서버, 또는 다중프로세서 시스템)을 제공한다. 도 8에서 하나의 프로세서(801)를 예로 든다.

메모리(802)는 본 발명이 제공하는 비일시적 컴퓨터 판독 가능한 저장 매체이다. 여기서, 메모리에는 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 적어도 하나의 프로세서가 본 발명이 제공하는 중점 학습 내용 결정 방법을 수행하도록 한다. 본 발명의 비일시적 컴퓨터 판독 가능한 저장 매체는 컴퓨터 명령을 저장하고, 상기 컴퓨터 명령은 컴퓨터가 본 발명이 제공하는 중점 학습 내용 결정 방법을 수행하도록 한다.

메모리(802)는 비일시적 컴퓨터 판독 가능한 저장 매체로서, 비일시적 소프트웨어 프로그램, 비일시적 컴퓨터 실행 가능한 프로그램, 및 본 발명의 실시예의 중점 학습 내용 결정 방법에 대응되는 프로그램 명령/모듈(예를 들어, 도 7에 도시된 학습 특징 데이터 획득 유닛(701), 실제 학습 집중도 결정 유닛(702), 중점 학습 내용 결정 유닛(703))과 같은 모듈을 저장할 수 있다. 프로세서(801)는 메모리(802)에 저장된 비일시적 소프트웨어 프로그램, 명령 및 모듈을 실행함으로써, 서버의 다양한 기능 애플리케이션 및 데이터 처리를 수행하는데, 즉 상기 방법 실시예의 중점 학습 내용 결정 방법을 구현한다.

메모리(802)는 프로그램 저장 영역 및 데이터 저장 영역을 포함할 수 있고, 여기서, 프로그램 저장 영역은 운영 체제, 적어도 하나의 기능에 필요한 응용 프로그램을 저장할 수 있으며; 데이터 저장 영역은 전자 기기가 중점 학습 내용을 결정할 때 구축된 데이터 등을 저장할 수 있다. 이 밖에, 메모리(802)는 고속 랜덤 액세스 메모리를 포함할 수 있고, 적어도 하나의 자기 디스크 메모리, 플래시 메모리, 또는 다른 비일시적 고체 상태 메모리와 같은 비일시적 메모리를 더 포함할 수 있다. 일부 실시예에서, 메모리(802)는 프로세서(801)에 대해 원격으로 설치된 메모리를 선택적으로 포함할 수 있고, 이러한 원격 메모리는 네트워크를 통해 중점 학습 내용 결정 방법을 구현하는 전자 기기에 연결될 수 있다. 상기 네트워크의 구현예로 인터넷, 인트라넷, 근거리 통신망, 이동 통신망 및 이들의 조합을 포함하지만 이에 한정되지 않는다.

중점 학습 내용 결정 방법을 구현하는 전자 기기는 입력 장치(803) 및 출력 장치(804)를 더 포함할 수 있다. 프로세서(801), 메모리(802), 입력 장치(803) 및 출력 장치(804)는 버스 또는 다른 방식을 통해 연결될 수 있고, 도 8에서 버스를 통해 연결되는 것을 예로 든다.

입력 장치(803)는 입력된 디지털 또는 캐릭터 정보를 수신할 수 있고, 중점 학습 내용 결정 방법을 구현하는 전자 기기의 사용자 설정 및 기능 제어와 관련된 키 신호 입력을 발생할 수 있으며, 상기 입력 장치는 예를 들어 터치스크린, 키패드, 마우스, 트랙 패널, 터치 패널, 지시 바, 하나 또는 다수의 마우스 버튼, 트랙 볼, 조이스틱 등 입력 장치이다. 출력 장치(804)는 표시 기기, 보조 조명 장치(예를 들어, LED) 및 촉각 피드백 장치(예를 들어, 진동 모터) 등을 포함할 수 있다. 상기 표시 기기는 액정 표시 장치(LCD), 발광 다이오드(LED) 표시 장치 및 플라스마 표시 장치를 포함할 수 있지만 이에 한정되지 않는다. 일부 실시형태에서, 표시 기기는 터치 스크린일 수 있다.

여기서 설명된 시스템 및 기술의 다양한 실시형태는 디지털 전자 회로 시스템, 집적 회로 시스템, 전용 ASIC(전용 집적 회로), 컴퓨터 하드웨어, 펌웨어, 소프트웨어, 및/또는 이들의 조합에서 구현될 수 있다. 이러한 다양한 실시형태는 하나 또는 다수의 컴퓨터 프로그램에서의 구현을 포함할 수 있고, 상기 하나 또는 다수의 컴퓨터 프로그램은 적어도 하나의 프로그램 가능 프로세서를 포함하는 프로그램 가능 시스템에서 실행 및/또는 해석될 수 있으며, 상기 프로그램 가능 프로세서는 전용 또는 범용 프로그램 가능 프로세서일 수 있고, 저장 시스템, 적어도 하나의 입력 장치, 및 적어도 하나의 출력 장치로부터 데이터 및 명령을 수신할 수 있으며, 데이터 및 명령을 상기 저장 시스템, 상기 적어도 하나의 입력 장치, 및 상기 적어도 하나의 출력 장치에 전송할 수 있다.

이러한 컴퓨팅 프로그램(프로그램, 소프트웨어, 소프트웨어 애플리케이션, 또는 코드라고도 함)은 프로그램 가능 프로세서의 기계 명령을 포함하고, 하이레벨 프로세스 및/또는 객체에 대한 프로그래밍 언어, 및/또는 어셈블리/기계 언어를 이용하여 이러한 컴퓨팅 프로그램을 실행할 수 있다. 본문에서 사용된 바와 같이, 용어 "기계 판독 가능한 매체" 및 "컴퓨터 판독 가능한 매체"는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 컴퓨터 프로그램 제품, 기기, 및/또는 장치(예를 들어, 자기 디스크, 광 디스크, 메모리, 프로그램 가능 로직 장치(PLD))를 의미하고, 기계 판독 가능한 신호인 기계 명령을 수신하는 기계 판독 가능한 매체를 포함한다. 용어 "기계 판독 가능한 신호"는 기계 명령 및/또는 데이터를 프로그램 가능 프로세서에 제공하기 위한 임의의 신호를 의미한다.

사용자와의 인터랙션을 제공하기 위하여, 컴퓨터에서 여기서 설명된 시스템 및 기술을 실시할 수 있고, 상기 컴퓨터는 사용자에게 정보를 표시하기 위한 표시 장치(예를 들어, CRT(음극선관) 또는 LCD(액정 표시 장치) 모니터); 및 키보드 및 지향 장치(예를 들어, 마우스 또는 트랙 볼)를 구비하며, 사용자는 상기 키보드 및 상기 지향 장치를 통해 컴퓨터에 입력을 제공한다. 다른 타입의 장치는 또한 사용자와의 인터랙션을 제공할 수 있는데, 예를 들어, 사용자에게 제공된 피드백은 임의의 형태의 감지 피드백(예를 들어, 시각 피드백, 청각 피드백, 또는 촉각 피드백)일 수 있고; 임의의 형태(소리 입력, 음성 입력, 또는 촉각 입력)로 사용자로부터의 입력을 수신할 수 있다.

여기서 설명된 시스템 및 기술을 백그라운드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 데이터 서버), 또는 미들웨어 부재를 포함하는 컴퓨팅 시스템(예를 들어, 응용 서버), 또는 프론트 엔드 부재를 포함하는 컴퓨팅 시스템(예를 들어, 그래픽 사용자 인터페이스 또는 웹 브라우저를 구비하는 사용자 컴퓨터이고, 사용자는 상기 그래픽 사용자 인터페이스 또는 웹 브라우저를 통해 여기서 설명된 시스템 및 기술의 실시형태와 인터랙션할 수 있음), 또는 이러한 백그라운드 부재, 미들웨어 부재, 또는 프론트 엔드 부재의 임의의 조합을 포함하는 컴퓨팅 시스템에서 실시할 수 있다. 임의의 형태 또는 매체의 디지털 데이터 통신(예를 들어, 통신 네트워크)을 통해 시스템의 부재를 서로 연결시킬 수 있다. 통신 네트워크의 예시로 근거리 통신망(LAN), 광역 통신망(WAN), 인터넷, 블록체인 네트워크를 포함한다.

컴퓨터 시스템은 클라이언트 및 서버를 포함할 수 있다. 클라이언트 및 서버는 일반적으로 서로 멀리 떨어져 있고 일반적으로 통신 네트워크를 통해 서로 인터랙션한다. 대응되는 컴퓨터에서 실행되고 또한 서로 클라이언트-서버 관계를 가지는 컴퓨터 프로그램을 통해 클라이언트 및 서버의 관계를 생성한다.

선행기술이 제공하는 역방향 유도 해결 수단과 달리, 본 발명이 제공하는 기술적 해결 수단은 사용자의 온라인 학습 과정의 각 인터랙션 학습 단계로부터 학습 집중 정도와 관련된 특징 데이터를 수집하여 실시간 집중 파라미터를 정방향으로 정확하게 결정하고, 나아가 상기 파라미터에 따라 집중하지 않은 시간대에 대응되는 내용을 중점 학습 내용으로 결정하는 것이다. 인터랙션 학습 단계별 상이한 수집 방식으로 획득한 상이한 학습 특징 데이터를 결합하여 결정된 학습 집중도를 보다 정확하게 하고 나아가 결정된 중점 학습 내용이 극히 높은 맞춤형을 구비하도록 보장하여 사용자가 중점 학습 내용을 학습하는데 소모하는 시간을 최소화한다.

위에서 설명한 다양한 형태의 프로세스를 사용하여 단계를 재배열, 추가 또는 삭제할 수 있음을 이해해야 한다. 예를 들어, 본 발명에 기재된 각 단계는 동시에 수행될 수 있거나 순차적으로 수행될 수 있거나 상이한 순서로 수행될 수 있고, 본 발명에서 공개된 기술적 해결수단이 이루고자 하는 결과를 구현할 수만 있으면, 본문은 여기서 한정하지 않는다.

상기 구체적인 실시형태는 본 발명의 보호 범위를 한정하지 않는다. 본 기술분야의 통상의 기술자는 설계 요구 및 다른 요소에 따라 다양한 수정, 조합, 서브 조합 및 대체를 진해할 수 있음을 이해해야 한다. 본 발명의 정신 및 원칙 내에서 진행한 임의의 수정, 등가적 대체 및 개선 등은 모두 본 발명의 보호 범위 내에 속해야 한다.

Claims

중점 학습 내용 결정 장치의 프로세서에 의해 실행되는 중점 학습 내용 결정 방법으로서,
온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득하는 단계 - 상기 인터랙션 학습 단계는 적어도 동작 모방 단계를 포함함 - ;
각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득하는 단계; 및
상기 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 상기 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정하는 단계를 포함하고,
상기 동작 모방 단계에 대하여, 온라인 학습의 동작 모방 단계에서 사용자의 학습 특징 데이터를 획득하는 단계는,
온라인 학습의 동작 모방 단계에서 사용자의 실제 신체 동작을 획득하는 단계를 포함하고;
대응되게, 동작 모방 단계에 대응되는 기설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 동작 모방 단계의 실제 학습 집중도를 획득하는 단계는,
상기 실제 신체 동작과 기설정 표준 신체 동작의 유사도가 미리 설정된 임계값 이상이면, 상기 동작 모방 단계의 실제 학습 집중도는 집중하는 것으로 결정되는 단계; 및
상기 실제 신체 동작과 상기 기설정 표준 신체 동작의 유사도가 미리 설정된 임계값 이하이면, 상기 동작 모방 단계의 실제 학습 집중도는 집중하지 않는 것으로 결정되는 단계를 포함하되,
상기 미리 설정된 임계값은 상대적으로 낮은 유사도를 표시하는, 중점 학습 내용 결정 방법.
제1항에 있어서,
상기 시청 단계에 대하여, 온라인 학습의 시청 단계에서 사용자의 학습 특징 데이터를 획득하는 단계는,
온라인 학습의 시청 단계에서 사용자의 실제 안면 방향 및 실제 시점 위치를 획득하는 단계를 포함하고;
대응되게, 시청 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 시청 단계의 실제 학습 집중도를 획득하는 단계는,
상기 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직 되고, 상기 실제 시점 위치가 상기 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있으면, 상기 시청 단계의 실제 학습 집중도는 집중하는 것으로 결정되는 단계; 및
상기 실제 안면 방향이 상기 재생 인터페이스에 수직 되지 않거나 상기 실제 시점 위치가 상기 재생 인터페이스 영역 내에 있지 않으면, 상기 시청 단계의 실제 학습 집중도는 집중하지 않는 것으로 결정되는 단계를 포함하는 중점 학습 내용 결정 방법.
제1항에 있어서,
상기 온라인 문제풀이 단계에 대하여, 온라인 학습의 온라인 문제풀이 단계에서 사용자의 학습 특징 데이터를 획득하는 단계는,
온라인 학습의 온라인 문제풀이 단계에서 사용자의 실제 문제풀이 지연 및 실제 문제풀이 소모 시간을 획득하는 단계를 포함하고;
대응되게, 온라인 문제풀이 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 온라인 문제풀이 단계의 실제 학습 집중도를 획득하는 단계는,
상기 실제 문제풀이 지연이 사전 설정 문제풀이 지연보다 크거나, 상기 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 길이면, 상기 온라인 문제풀이 단계의 실제 학습 집중도는 집중하지 않는 것으로 결정되는 단계; 및
상기 실제 문제풀이 지연이 상기 사전 설정 문제풀이 지연보다 길지 않고 상기 실제 문제풀이 소모 시간이 상기 사전 설정 문제풀이 소모 시간보다 길지 않으면, 상기 온라인 문제풀이 단계의 실제 학습 집중도는 집중하는 것으로 결정되는 단계를 포함하는 중점 학습 내용 결정 방법.
제1항에 있어서,
상기 음성 인터랙션 단계에 대하여, 온라인 학습의 음성 인터랙션 단계에서 사용자의 학습 특징 데이터를 획득하는 단계는,
온라인 학습의 음성 인터랙션 단계에서 사용자의 실제 음성 데이터를 획득하는 단계를 포함하고;
대응되게, 음성 인터랙션 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 음성 인터랙션 단계의 실제 학습 집중도를 획득하는 단계는,
상기 실제 음성 데이터의 내용이 사전 설정 표준 음성 데이터의 내용과 일치하면, 상기 음성 인터랙션 단계의 실제 학습 집중도는 집중하는 것으로 결정되는 단계; 및
상기 실제 음성 데이터의 내용이 상기 사전 설정 표준 음성 데이터의 내용과 일치하지 않으면, 상기 음성 인터랙션 단계의 실제 학습 집중도는 집중하지 않는 것으로 결정되는 단계를 포함하는 중점 학습 내용 결정 방법.
삭제
제1항 내지 제4항 중 어느 한 항에 있어서,
상기 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정하는 단계 이후,
상기 중점 학습 내용을 상기 사용자가 속하는 온라인 학습 클라이언트에 푸시하여, 상기 온라인 학습 클라이언트에서 상기 사용자에게 상기 중점 학습 내용을 다시 보여주는 단계를 더 포함하는 중점 학습 내용 결정 방법.
제6항에 있어서,
상기 온라인 학습 클라이언트에서 상기 사용자에게 상기 중점 학습 내용을 다시 보여주는 단계는,
상기 온라인 학습 클라이언트에서 상기 중점 학습 내용을 수업 후의 복습 내용으로 상기 사용자에게 보여주는 단계를 포함하는 중점 학습 내용 결정 방법.
중점 학습 내용 결정 장치로서,
온라인 학습의 인터랙션 학습 단계별 사용자의 학습 특징 데이터를 획득하도록 구성되는 학습 특징 데이터 획득 유닛 - 상기 인터랙션 학습 단계는 적어도 동작 모방 단계를 포함함 - ;
각 인터랙션 학습 단계에 대응되는 사전 설정 분석 방식을 이용하여 대응되는 학습 특징 데이터를 분석하여, 대응되는 실제 학습 집중도를 획득하도록 구성되는 실제 학습 집중도 결정 유닛; 및
상기 실제 학습 집중도에 따라 사전 설정 학습 집중도 요구를 만족하지 못하는 타깃 시간대를 결정하고, 상기 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정하도록 구성되는 중점 학습 내용 결정 유닛을 포함하고,
상기 동작 모방 단계에 대하여, 상기 학습 특징 데이터 획득 유닛은 또한,
온라인 학습의 동작 모방 단계에서 사용자의 실제 신체 동작을 획득하도록 구성되고;
대응되게, 상기 동작 모방 단계에 대하여, 상기 실제 학습 집중도 결정 유닛은 또한,
상기 실제 신체 동작과 기설정 표준 신체 동작의 유사도가 미리 설정된 임계값 이상이면, 상기 동작 모방 단계의 실제 학습 집중도는 집중하는 것으로 결정하고;
상기 실제 신체 동작과 상기 기설정 표준 신체 동작의 유사도가 미리 설정된 임계값 이하이면, 상기 동작 모방 단계의 실제 학습 집중도는 집중하지 않는 것으로 결정하도록 구성되되,
상기 미리 설정된 임계값은 상대적으로 낮은 유사도를 표시하는, 중점 학습 내용 결정 장치.
제8항에 있어서,
상기 시청 단계에 대하여, 상기 학습 특징 데이터 획득 유닛은 또한,
온라인 학습의 시청 단계에서 사용자의 실제 안면 방향 및 실제 시점 위치를 획득하도록 구성되고;
대응되게, 상기 시청 단계에 대하여, 상기 실제 학습 집중도 결정 유닛은 또한,
상기 실제 안면 방향이 온라인 학습 애플리케이션의 재생 인터페이스에 수직 되고 상기 실제 시점 위치가 상기 온라인 학습 애플리케이션의 재생 인터페이스 영역 내에 있으면, 상기 시청 단계의 실제 학습 집중도를 집중하는 것으로 결정하고;
상기 실제 안면 방향이 상기 재생 인터페이스에 수직 되지 않거나 상기 실제 시점 위치가 상기 재생 인터페이스 영역 내에 있지 않으면, 상기 시청 단계의 실제 학습 집중도를 집중하지 않는 것으로 결정하도록 구성되는 중점 학습 내용 결정 장치.
제8항에 있어서,
상기 온라인 문제풀이 단계에 대하여, 상기 학습 특징 데이터 획득 유닛은 또한,
온라인 학습의 온라인 문제풀이 단계에서 사용자의 실제 문제풀이 지연 및 실제 문제풀이 소모 시간을 획득하도록 구성되고;
대응되게, 상기 온라인 문제풀이 단계에 대하여, 상기 실제 학습 집중도 결정 유닛은 또한,
상기 실제 문제풀이 지연이 사전 설정 문제풀이 지연보다 크거나 상기 실제 문제풀이 소모 시간이 사전 설정 문제풀이 소모 시간보다 길이면, 상기 온라인 문제풀이 단계의 실제 학습 집중도를 집중하지 않는 것으로 결정하고;
상기 실제 문제풀이 지연이 상기 사전 설정 문제풀이 지연보다 길지 않고 상기 실제 문제풀이 소모 시간이 상기 사전 설정 문제풀이 소모 시간보다 길지 않으면, 상기 온라인 문제풀이 단계의 실제 학습 집중도를 집중하는 것으로 결정하도록 구성되는 중점 학습 내용 결정 장치.
제8항에 있어서,
상기 음성 인터랙션 단계에 대하여, 상기 학습 특징 데이터 획득 유닛은 또한,
온라인 학습의 음성 인터랙션 단계에서 사용자의 실제 음성 데이터를 획득하도록 구성되고;
대응되게, 상기 음성 인터랙션 단계에 대하여, 상기 실제 학습 집중도 결정 유닛은 또한,
상기 실제 음성 데이터의 내용이 사전 설정 표준 음성 데이터의 내용과 일치하면, 상기 음성 인터랙션 단계의 실제 학습 집중도를 집중하는 것으로 결정하고;
상기 실제 음성 데이터의 내용이 상기 사전 설정 표준 음성 데이터의 내용과 일치하지 않으면, 상기 음성 인터랙션 단계의 실제 학습 집중도를 집중하지 않는 것으로 결정하도록 구성되는 중점 학습 내용 결정 장치.
삭제
제8항 내지 제11항 중 어느 한 항에 있어서,
상기 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정한 후, 상기 중점 학습 내용을 상기 사용자가 속하는 온라인 학습 클라이언트에 푸시하여, 상기 온라인 학습 클라이언트에서 상기 사용자에게 상기 중점 학습 내용을 다시 보여주도록 구성되는 푸시 유닛을 더 포함하는 중점 학습 내용 결정 장치.
제13항에 있어서,
상기 푸시 유닛은 또한,
상기 타깃 시간대에 대응되는 학습 내용을 중점 학습 내용으로 결정한 후, 상기 중점 학습 내용을 상기 사용자가 속하는 온라인 학습 클라이언트에 푸시하여, 상기 온라인 학습 클라이언트에서 상기 중점 학습 내용을 수업 후의 복습 내용으로 상기 사용자에게 보여주도록 구성되는 중점 학습 내용 결정 장치.
적어도 하나의 프로세서; 및
상기 적어도 하나의 프로세서와 통신 연결되는 메모리를 포함하는 전자 기기로서,
상기 메모리에 상기 적어도 하나의 프로세서에 의해 실행 가능한 명령이 저장되고, 상기 명령이 상기 적어도 하나의 프로세서에 의해 실행되어, 상기 적어도 하나의 프로세서가 제1항 내지 제4항 중 어느 한 항에 따른 중점 학습 내용 결정 방법을 수행할 수 있도록 하는 전자 기기.
컴퓨터 명령이 저장된 비일시적 컴퓨터 판독 가능한 저장 매체로서,
상기 컴퓨터 명령은 상기 컴퓨터가 제1항 내지 제4항 중 어느 한 항에 따른 중점 학습 내용 결정 방법을 수행하도록 하는 비일시적 컴퓨터 판독 가능한 저장 매체.
컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램으로서,
상기 컴퓨터 프로그램이 프로세서에 의해 실행될 경우 제1항 내지 제4항 중 어느 한 항에 따른 중점 학습 내용 결정 방법을 구현하도록 하는 컴퓨터 프로그램.