KR20010035136A - 인터넷 인공지능 학습 및 관리 방법 - Google Patents

Abstract

본 발명은 인터넷 인공지능 학습 및 관리 방법에 관한 것으로서, 이는 특히 인터넷을 통하여 선생과 학습자를 등록시키고 선생은 사용하고져 하는 문제출제와 시험문제를 만들어 사용할 수 있으며, 학습자는 문제데이터 베이스에 수록된 문제를 출제받아 학습하고 그 학습 결과를 정밀하게 평가하고 분석한 내용을 얻을 수 있도록 한 것이다.

본 발명은 초기에 교사와 학습자를 구분하여 마일리지 포인트와 함께 사용자 등록을 시키는 단계와, 이후 등록된 사용자의 확인이 되었으면 문제출제메뉴(문제출제/시험문제)와 학습메뉴(진단/응용/수준), 학습통계메뉴가 포함된 초기화면을 출력하여 이들 중 어느하나를 선택하게 하는 단계와, 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행하는 단계를 포함한 인터넷 인공지능 학습 및 관리 방법을 제공 하는데 있다.

이러한 본 발명은 인터넷 맞춤학습시에 집단학습 교사는 인터넷을 통하여 자기가 속한 학급의 학년,과목,학습 수준에 맞추어서 가변 점수 가중치에 따라 문제출제/시험문제를 선택적으로 출제할 수 있고, 개별 학습자는 1:1 맞춤학습 및 학습된 결과를 정밀하고 신속하게 볼 수 있다.

Description

인터넷 인공지능 학습 및 관리 방법{Cyber intelligence study methode with internet}

본 발명은 인터넷 인공지능 학습 및 관리 방법에 관한 것으로서, 이는 특히 인터넷을 통하여 선생과 학습자를 등록시키고 선생은 사용하고져 하는 문제출제와 시험문제를 만들어 사용할 수 있으며, 학습자는 문제데이터 베이스에 수록된 문제를 출제받아 학습하고 그 학습 결과를 정밀하게 분석한 내용을 얻을 수 있도록 한 것이다.

컴퓨터망을 이용한 오프라인 상에서 도스(DOS) 프로그램으로 1:1 맞춤학습 및 관리 방법을 구현하는 형태는 주식회사 배움 커뮤니케이션사에 의해 1999. 05. 19. 교육부 주최 ″99 교육용 소프트웨어 전시회″에서 소개된 바 있다.

또, 상기와 관련 있는 선행기술은 주식회사 배움커뮤니케이션사의 대한민국 공개특허 공번 특2000-0053983 호 ″학습내역에 기초한 맞춤학습 및 관리방법″(이하 인용 선행기술 1이라 약칭한다)과, 공개특허공번 특2000-0053985 호 ″학습수준 및 변형문제에 기초한 멀티스퀘어 학습방법″과, 특2000-0053983호 ″학습수준에 기초한 단계별 학습방법″등이 있다.

상기 선행기술 들은 도스 프로그램으로 제작된 맞춤학습 및 관리를 위한 프로그램 도구로서, 이는 학습자가 컴퓨터를 이용하여 학습 수준별 학습을 수행하면 학습 내역을 저장하고 이 학습내역에 기초한 기간별 학습내역의 조회가 가능하며, 학습범위 및 학습내용을 학습자가 선택하여 각 학습자에게 적합한 문제지를 출력할 수 있도록 되어 있다.

또, 상기 학습자의 학습진행 과정을 확인 및 관리할 수 있고 학습자별 수준에 맞는 학습이 가능하여 학습수준별 체계적 진단학습 및 맞춤학습을 가능하게 하고 있다.

그러나, 이러한 인용 선행기술 1은 학습 및 관리 과정을 문제출제→학습→평가 및 지도하는 과정으로 볼 때 문제출제와 평가가 고정적으로 되어 있어 학습자의 학습환경에 따른 적절한 학습활동을 유도할 수 없기 때문에 인터넷 학습과 같은 불특정 다수의 학습자 및 선생에 대한 적용이 어려운 것이었다.

즉, 상기 선행기술은 문제 출제시 학습자의 학습과정에서 복잡하게 반응하는 학습양태에 따라 문제의 난이도 조절을 할 필요가 있으나, 이러한 조정 수단을 갖지 못함으로 1:1 학습자의 학습환경에 따른 수준의 문제 출제가 어렵고 집단 학습시에 필요에 따라 선생의 의중데로 문제 난이도 수준을 가변적으로 조절하지 못하여 학습의 정밀한 성취도 및 완성도를 이상적으로 얻기 어려운 것이었다.

일례로, 상기 학습자의 학습환경이란 때(복습,예습,시험,모의고사,..등)와 장소(집,학원,학교,공부방)에 따라 문제 출제 수준이 달라질 필요가 있으나 문제 수준은 오로지 주어진 문제에 대하여 틀리고 맞은수가 몇개인가에 의해 학습 평가수준이 단일 기준에 의해 고정적이게 결정 되므로 때나 장소에 따라 출제되는 문제의 수 및 수준을 달리할 필요가 있을 때에 이에 적응할 수 없다는 문제점이 있다.

또, 복습이나 예습때는 이미 해당 수준의 문제에 이미 익숙하므로 복습이나 예습을 위한 문제의 수를 줄여서 적용할 필요가 있으며, 시험/모의고사 등에는 자기 수준 보다 좀더 난이도가 높은 문제를 집중적으로 풀수 있는 방법이 요구된다.

또, 학원이나 공부방/학교 등의 집단 학습시에는 다수 학습자의 학습 수준을 고려하여 교사가 학습 수준 및 해당 학습 수준에서의 출제되는 문제수 등을 임의로 설정하여 운용할 수 있어야 하나 종래에는 이러한 방법을 전혀 제시하고 있지 못하므로 이러한 방법을 이용한 능동적인 학습 진행을 어렵게 하고 학습 환경에 따른 가장 이상적인 학습 성취도를 만족하기 어려운 것이었다.

또, 종래에는 학습 과정에서 일정한 학습 수준에서 수준을 향상시키기 위해서는 자기가 현재 속한 수준의 문제 풀이가 요구된 개수 만큼 맞아야 다음 단계로 상향 조정 될 수 있도록 학습자의 수준 선택성을 제한하고 있기 때문에 학습자의 학습과정에 융통성을 부여할 수 없다는 문제점도 있다.

일례로, 초기 학습자의 수준은 실력학습 정도의 수준인 데도 새삼 스럽게 기초학습 부터 진행하여야 함으로서 학습과정에서 불필요한 과정을 강제적으로 학습하여야 하는 불편한 문제점이 있었다.

또, 상기 선행기술 들에 있어서는 학습자가 일정 수준학습을 수행하다가 수준 레벨의 업/다운 없이 종료 한 후 다시 일정 수준학습에 들어가게 되면 초기에는 항상 문제가 동일한 것이 출제되므로 학습자는 수시로 같은 문제를 반복하여 보게되어 학습의 의미를 상실하게 되는 원인이 되었다.

특히, 상기 선행기술 들에서는 학원 등에서의 집단학습이나 통신망에 연결된 불특정 학습자들과 선생이 연계되어 학습자들의 학습 수준을 선생이 평가하고 이에 대한 적절한 문제의 난이도와 출제 문제수를 조절해 주는등의 상호 연계된 학습 활동을 할 수 없기 때문에 집단학습이나 불특정 다수 학습자에 대한 보다 정밀하고 정확한 학습향상을 꾀하기 어려운 것이었다.

또, 상기 선행기술 들에서의 문제디비는 문제마다 일련번호가 없기 때문에 학습자,학습항목,학습과목,학습수준,학습일자,학습범위,학습문제,정답처리문제,오답처리문제로 구성되어져 있어 학습 시나 학습통계 작성 시에 각 문제별로 학습자,학습일,학습시간, 정답여부등의 데이터를 처리하기가 용이하지 않은 것이었다.

그리고, 또다른 선행기술로는 대한민국공개특허공번 특2000-0037482호 ″인터넷을 이용한 학습 방법″ 이 알려져 있으며, 이는 오프라인 상태의 학습자가 CD-ROM타이틀을 이용하여 학습하고 오프라인 상에서 학습을 마치면 온라인 인터넷 접속을 하여 학습자의 학습 상태를 전송받아 학습자의 진도 및 부족한 것을 인터넷을 통하여 다시 복습할 수 있고, 인터넷 상의 담당교사 지도를 실시간 받을 수 있도록 하였으며, 매일 새롭게 업데이트된 학습 내용을 학습 할 수 있고, 기존의 일일 공부 형태의 시험 문제를 온라인 상에서 받아 학습 할 수 있고, 학습 결과를 즉석에서 평가 받을 수 있도록 한 것이다.

그러나, 상기 특2000-0037482호 ″인터넷을 이용한 학습 방법″(이하 인용 선행기술2이라 약칭한다)은 단지 오프라인 상에서 시디-롬 타이틀을 이용하여 학습한 후 다시 인터넷 접속을 통하여 학습된 결과를 평가 받고 지도 받는 형태를 제시하고 있다.

그러므로, 상기 인용 선행기술2는 오프라인 상에서 학습자가 학습을 마친 이후 학습자에 의하여 학습 결과 데이터 정보를 인터넷서버로 업로드 하거나 이메일을 전송→인터넷서버에서 교사들에 의하여 평가된 결과를 다시 학습자가 다운로드 또는 이메일을 통하여 전송받는 과정을 거치게 됨으로서 그 평가 및 진단을 받는 절차가 매우 번거롭고 실시간 학습 교육을 실행할 수 없다는 문제점이 있다.

본 발명의 목적은 인터넷을 통하여 선생과 학습자를 등록시키고 선생은 사용하고져 하는 문제출제와 시험문제를 만들어 사용할 수 있으며, 학습자는 문제데이터 베이스에 수록된 문제를 출제받아 학습하고 그 학습 결과를 정밀하게 분석한 내용을 얻을 수 있도록 한 인터넷 학습 및 관리 방법을 제공 하는데 있다.

본 발명의 다른 목적은 인터넷을 이용한 1:1 맞춤학습을 진행 할 때 학습자의 학습환경에 따라 수준별 문제의 수 및 학습 수준을 퍼지이론적으로 평가하여 임의로 조절할 수 있도록 함으로서 컴퓨터망을 이용한 1:1 맞춤학습시에 보다 이상적인 학습자의 학습 성취도를 얻을 수 있음과 동시에 집단학습시에 교사가 학습집단의 수준에 맞는 문제 선택을 임의로 조절하여 운용할 수 있도록 한 인터넷 학습 및 관리 방법을 제공하는데 있다.

본 발명의 또다른 목적은 학습자가 일정 수준의 주어진 일정 개수의 문제를 풀이한 후 맞은 답의 개수에 따라서 맞은 점수 가중치를 다르게 구분하여 학습자가 다시 그 수준의 학습을 진행 할 때는 그 점수 가중치에 따라 같은 수준의 출제 문제수를 변화 시킬 수 있도록 함으로서 학습자가 같은 수준의 문제 수를 반복하여 풀게되는 시간적 낭비를 없애고 좀더 신속히 해당 수준의 문제 풀이 완성도를 성취할 수 있도록 한 것이다.

본 발명의 또다른 목적은 학습자가 복습,예습 또는 시험,모의고사 등의 학습 환경에 따라 일정 수준의 문제 수 및 학습 수준을 결정할 수 있도록 함으로서 때에 따른 학습적응을 이상적이며 용이하게 성취할 수 있도록 한 것이다.

본 발명의 또다른 목적은 학교/학원/공부방 등에서 집단학습시의 지도교사는 집단 학습자의 학습 수준을 고려하여 출제되는 문제 수와 학습 수준을 결정 한 후 집단 학습을 유도하고 이후 평가되는 수준도 점수 가중치를 고려하여 학습을 유도하게 함으로서 임의 학습 수준에서의 학습 성취도를 보다 정확하고 신속하며 용이하게 완성 시킬 수 있도록 한 것이다.

본 발명의 또다른 목적은 클라이언트(학습자) 관리자는 학습자의 시스템 접근 시간에 비례하여 학습 누적 마일리지 포인트를 부여 할 수 있도록 함으로서 학습자가 보다 이러한 시스템에의 접근에 흥미를 갖고서 학습을 진행할 수 있도록 한 것이다.

도 1은 본 발명에 의한 인공지능 학습 방법을 적용한 시스템의 개략 블록도

도 2는 본 발명에 의한 문제디비의 일 실시예도

도 3은 본 발명에 의한 문제출제이력디비에 대한 일 실시예도

도 4는 본 발명에 의한 사용자정보디비에 대한 일 실시예도

도 5는 본 발명에 의한 인터넷 학습 및 관리 방법을 나타낸 일 실시예의 플로우 챠트

도 6은 도 5에서 사용자 등록처리 루틴을 나타낸 일 실시예도

도 7은 도 5에서 문제출제 처리 루틴을 나타낸 일 실시예도

도 8은 도 5에서 시험문제출제 처리 루틴을 나타낸 일 실시예도

도 9는 도 5에서 학습 처리 서브루틴을 나타낸 일 실시예도

* 도면의 주요부분에 대한 부호설명 *

11. 사용자정보디비 12.학습문제디비

13. 학습통계디비 14. 문제출제이력디비

20. 웹서버 30. 인터넷망

40. 학습자단말기 41. 선생단말기

본 발명은 특히 상기예의 목적을 구현할 수 있도록 초기에 교사와 학습자를 구분하여 마일리지 포인트와 함께 사용자 등록을 시키는 등록단계와, 이후 등록된 사용자의 확인이 되었으면 선생 또는 학습자에 의한 문제출제메뉴(문제출제/시험문제)와 학습메뉴(진단/응용/수준), 학습통계메뉴가 포함된 초기화면을 출력하여 이들 중 어느하나를 선택하게 하는 단계와, 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행하는 단계를 포함한 인터넷 인공지능 학습 및 관리 방법에 특징이 있다.

본 발명의 또다른 특징은 상기 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행하는 단계와, 그 메뉴가 실행되고 종료되는 단계 사이에는 사용자의 사용시간에 대한 마일리지 포인트를 계산하여 학습통계디비에 저장하는 단계를 포함한 인터넷 인공지능 학습 및 관리 방법에 있다.

본 발명의 또다른 특징은 상기 선생 또는 학습자의 등록단계는 사용자아이디,성명,주소 및 교사/학생 초기 메뉴를 불러오고 교사와 학생을 선택하는 단계와, 상기에서 교사가 선택 되었으면 교사 아이디 부여와 교사 마일리지를 부여하여 저장하고 상기에서 학생 선택시에는 학생아이디 부여와 학생 마일리지를 부여하고 저장하는 단계를 포함한 인터넷 인공지능 학습 및 관리 방법에 있다.

본 발명의 또다른 특징은 상기 문제출제 과정은 출제자가 문제,해답,힌트,지문,요약학습을 입력하는 단계와, 문제출제에 따른 마일리지 점수를 계산하는 단계와, 문제출제가 끝났으면 종료하는 단계를 포함하고 있는 인터넷 인공지능 학습 및 관리 방법에 있다.

본 발명의 또다른 특징은 상기 문제출제시 시험문제 출제과정은 출제자가 출제학년,과목,단원,문제수,양식을 지정하여 입력하는 단계와, 시험지 양식을 출력하고 출력이 끝났으면 종료하는 단계를 포함하고 있는 인터넷 인공지능 학습 및 관리 방법에 있다.

본 발명의 또다른 특징은 문제출제메뉴 (문제출제/시험문제)와 학습메뉴(진단/응용/수준)는 이들을 실행 할 때 문제의 난이도에 따라 등급을 N등급으로 하고 등급별 문제수는 M개로 하여 총문제수는 N X M= T이라 할 때 문제의 난이도 등급N은 각 등급별로 점수 가중치를 부여하고 1회의 출제 문제수는 N개를 출제하여 풀이된 결과가 상기 점수 가중치에 의하여 평가되고 문제가 출제되는 퍼지이론에 의한 문제수 및 평가에서 점수 가중치가 적용된 학습을 수행하는 것을 포함한 인터넷 인공지능 학습 및 관리 방법에 있다.

본 발명의 또다른 특징은 사용자가 학습메뉴를 선택하면 학습조건(학년,과목,종류) 선택화면을 출력하는 단계와, 상기 학습조건이 선택되었으면 선행학습(진단학습)이 필요한가를 체크하여 선행학습이 선택되면 선행학습 처리 루틴으로 가고, 아니면 응용/수준학습을 진행하는 단계와, 상기 학습 과정에서 나타난 결과에 대해 퍼지이론에 의한 가변 점수 가중치 부여의 평가 모델을 적용하여 학습결과를 분석 및 평가하여 통계디비에 저장하는 단계와, 이후 학습 마일리지를 계산하여 사용자 정보디비에 저장하고 학습이 끝났으면 종료하는 단계를 포함한 인터넷 인공지능 학습 및 관리 방법에 있다.

본 발명의 또다른 특징은 상기 선행학습 처리 루틴은 출제문제수 X(10 또는 20개)를 선택하고 문제 난이도 등급을 N개로한 문제를 각등급별로 준비한 M개의 문제들중 하나를 난수적으로 출제하고 출제된 문제를 풀이하는 선행학습 수행단계와, 상기 선행학습이 끝났으면 풀이된 학습 결과를 점수 가중치와 함께 수준을 평가하고 기록하여 통계디비에 저장하는 단계와, 이후 학습 마일리지 계산을 부여하여 사용자정보디비에 저장하고 성취도가 기준치에 도달 하였는가를 체크하여 성취도가 만족되면 응용/수준학습 단계로 가고 아니면 학습메뉴 선택단계로 가는 성취도 평가단계로 이뤄져 있는 인터넷 인공지능 학습 및 관리 방법에 있다.

본 발명의 또다른 특징은 시스템의 문제디비는 문제번호,학년코드,과목코드,단원코드,수준코드,요약학습,지문,문제,해답,힌트,이미지코드,문제설명 내용을 포함하고 있는 인터넷 인공지능 학습 및 관리 방법에 있다.

본 발명의 또다른 특징은 시스템의 문제출제이력디비는 사용자아이디,출제학년,출제과목,출제단원,출제수준,출제일시,문제번호,출제횟수,마일리지 점수 내용을 포함하고 있는 인터넷 인공지능 학습 및 관리 방법에 있다.

이하, 본 발명을 첨부된 도면과 함께 좀더 구체적으로 설명하여 봄으로서 본 발명의 보다더 상세한 특징들이 이해될 수 있을 것이다.

도 1은 본 발명의 시스템 회로 블록을 개략적으로 나타내었다.

여기서는 웹서버(20)를 통하여 접수된 회원들의 정보를 저장하고 있는 사용자정보디비(11)와, 출제될 문제를 저장하고 있는 학습문제디비(12)와, 학습자의 문제출제 이력을 저장하고 있는 문제출제이력디비(13)와, 학습된 내용을 통계적으로 저장하고 있는 학습통계디비(14)들이 웹서버(20)에 연결되어져 있고, 웹서버(20)는 인터넷망 (30) 또는 전용선을 통하여 학습자단말기(40)와 선생단말기(41)에 연결되어져 있다.

상기 학습문제디비(12)는 데이터의 구성이 도 2와 같이 나타내었다.

상기 학습문제디비(12)는 각각의 문제를 고유하게 식별할 수 있도록 한 문제번호와, 문제가 속한 학년코드와, 문제가 속한 과목의 구분코드인 과목코드(일례로, 국어,영어,수학,..등)와, 개별문제가 속한 단원코드, 출제 문제가 속한 수준코드(일례로 각 문제마다 1 수준부터 임의의 n 수준까지 구분할 수있도록한 것)와, 문제가 속한 단원의 요약학습을 위한 내용으로단원전체에서 사용하는 요약학습, 문제 풀이를 위한 지문과 사용문제 번호에 대한 지문, 문제의 내용, 문제의 정답내용,문제의 정답과 관련된 힌트,문제에 필요한 그림의 이미지코드,문제와 관련하여 별도의 설명이 필요한 경우의 설명 내용등을 포함한 형태로 이뤄져 있다.

또, 상기 문제출제이력디비(13)는 데이터 구성을 도 3과 같이 나타 내었다.

여기서는 사용자아이디와 출제학년, 사용자가 출제하는 문제가 속한 출제과목코드, 사용자가 출제하는 문제가 속한 출제단원 코드, 사용자가 출제하는 문제가 속한 출제수준코드, 문제를 출제하는 날자 및 시각 정보값, 문제의 일련번호인 문제번호, 사용자가 문제를 출제한 횟수의 횟수차값인 출제횟수, 문제출제에 따른 마일리지 포인트 누적점수값인 마일리지 점수 내용 등을 포함한 형태로 이뤄져 있다.

또, 도 4는 본 발명과 관련된 사용자정보디비(11)의 구성을 나타내었다.

여기서는 사용자아이디와 시디(CD)일련번호, 시디키번호,성명,학년,주민번호,전화번호,주소,설치일,종료일,시간승인횟수,누적사용시간 등을 포함한 형태로 이뤄져 있다.

이러한 본 발명은 상기 도 2내지 도 4와 같은 사용자정보디비(11), 학습문제디비(12), 문제출제이력디비(13),학습통계디비(14) 들과 함께 운용되는 인공지능 학습 방법은 도 5와 같이 나타내었다.

여기서는 초기에 교사와 학습자를 구분하여 마일리지 포인트와 함께 사용자 등록을 시키는 등록단계(스텝 100,200)와, 이후 등록된 사용자의 확인이 되었으면 선생 또는 학습자에 의한 문제출제메뉴(문제출제/시험문제)와 학습메뉴(진단/응용/수준), 학습통계메뉴가 포함된 초기화면을 출력하여 이들 중 어느하나를 선택하게 하는 단계(스텝 300)와, 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행하는 단계(스텝 400 내지 600)로 이뤄져 있다.

또, 상기 방법에서는 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행하는 단계(스텝 400 내지 600)와, 그 메뉴가 실행되고 종료되는 단계(스텝 800) 사이에는 사용자의 사용시간에 대한 마일리지를 계산하여 학습통계디비에 저장하는 단계(스텝 700)도 포함하고 있다.

또, 도 6은 본 발명에서 선생 또는 학습자의 등록단계를 나타 내었다.

여기서는 선생 또는 학습자의 등록단계는 사용자아이디,성명,주소 및 교사/학생 초기 메뉴를 불러오고 교사와 학생을 선택하는 단계(스텝 210,220)와, 상기에서 교사가 선택 되었으면 교사 아이디 부여와 교사 마일리지를 부여하여 저장하고 상기에서 학생 선택시에는 학생아이디 부여와 학생 마일리지를 부여하고 저장하는 단계(스텝 230,240)로 이뤄져 있다.

또, 도 7은 본 발명의 문제출제 방법을 나타내고 있으며, 이는 사용자 접속이 이뤄져서 사용자 확인이 끝나면 출제자가 문제,해답,힌트,지문,요약학습을 입력하는 단계(스텝 210 내지 250)와, 문제출제에 따른 마일리지 점수를 계산하는 단계(스텝 260)와, 문제출제가 끝났으면 종료하는 단계(스텝 270)로 이뤄져 있다.

또, 도 8은 본 발명에 의한 문제출제시 시험문제 출제과정을 나타 내었다.

여기서는 사용자 접속이 이뤄져서 사용자 확인이 끝나면 출제자가 출제학년,과목,단원,문제수,양식을 지정하여 입력하는 단계(스텝 310 내지 350)와, 이후 시험지 양식을 출력하고 출력이 끝났으면 종료하는 단계(스텝 360,370)로 이뤄져 있다.

또, 도 9는 사용자가 학습 메뉴를 선택하였을 때 실행되는 학습메뉴 실행과정을 나타 내었으며, 이는 사용자 접속과 사용자 확인이 끝나고 사용자가 학습메뉴를 선택하면 학습조건(학년,과목,종류) 선택화면을 출력하는 단계(스텝 410 내지 430)와, 상기 학습조건 선택화면에서 사용자에 의해 학년,과목,종류가 선택되었으면 선행학습(진단학습)이 필요한가를 체크하여 선행학습이 선택되면 선행학습 처리 루틴으로 가는 단계(스텝 435, 440,445,450,455)와, 선행학습이 필요하지 않는 경우에는 응용/수준학습을 진행하는 단계(스텝 460)와, 상기 학습 과정에서 나타난 결과에 대해 퍼지이론에 의한 가변 점수 가중치 부여의 평가 모델을 적용하여 학습결과를 분석 및 평가하여 통계디비에 저장하는 단계(스텝 465)와, 이후 학습 마일리지를 계산하여 사용자 정보디비에 저장하고 학습이 끝났으면 종료하는 단계(스텝 470,475)로 이뤄져 있다.

또, 상기 문제출제메뉴 (문제출제/시험문제)와 학습메뉴(진단/응용/수준)는 이들을 실행 할 때 문제의 난이도에 따라 등급을 N등급으로 하고 등급별 문제수는 M개로 하여 총문제수는 N X M= T이라 할 때 문제의 난이도 등급N은 각 등급별로 점수 가중치를 부여하고 1회의 출제 문제수는 N개를 출제하여 풀이된 결과가 상기 점수 가중치에 의하여 평가되고 문제가 출제되는 퍼지이론에 의한 문제수 및 평가에서 점수 가중치가 적용된 학습을 수행하는 방법이 포함 되어져 있다.

또, 상기 에서 선행학습 처리 루틴은 출제문제수 X(10 또는 20개)를 선택하고 문제 난이도 등급을 N개로한 문제를 각등급별로 준비한 M개의 문제들중 하나를 난수적으로 출제하고 출제된 문제를 풀이하는 선행학습 수행단계(스텝 440)와, 상기 선행학습이 끝났으면 풀이된 학습 결과를 점수 가중치와 함께 수준을 평가하고 기록하여 통계디비에 저장하는 단계(스텝 445)와, 이후 학습 마일리지 계산을 부여하여 사용자정보디비에 저장하고 성취도가 기준치에 도달 하였는가를 체크하여 성취도가 만족되면 응용/수준학습 단계로 가고 아니면 학습메뉴 선택단계로 가는 성취도 평가단계(스텝 450,455)로 이뤄져 있다.

상기 과정에서 사용자가 학습통계보기를 선택하였을 때는 도 10과 같은 학습통계 처리 서브루틴이 수행되며, 이는 사용자가 학습통계를 선택하는 단계(스텝 500)와, 이후 과목,단원,학습종류별 학습통계시간 계산하고 화면에 통계치를 출력하는 단계(스텝 520)로 이뤄져 있다.

이러한 구성의 본 발명은 사용자가 인터넷 학습 및 관리 방법에 따라 학습하는 과정은 다음과 같다.

사용자가 도 1과 같은 인터넷망(30) 또는 전용선을 통하여 인터넷 학습 및 관리 방법을 수행하는 웹서버(20)에 접속한다.

이후, 도 5와 같이 시스템은 초기에 교사와 학습자를 구분하여 마일리지 포인트와 함께 사용자 등록을 시키고(스텝 100,200), 이후 등록된 사용자의 확인이 되었으면 선생 또는 학습자에 의한 문제출제메뉴(문제출제/시험문제)와 학습메뉴(진단/응용/수준), 학습통계메뉴가 포함된 초기화면을 출력하여 이들 중 어느하나를 선택하게 한다(스텝 300)와.

이후, 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행한다(스텝 400 내지 600).

또, 상기 방법에서는 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행하는 단계(스텝 400 내지 600)와, 그 메뉴가 실행되고 종료되는 단계(스텝 800) 사이에 사용자의 사용시간에 대한 마일리지를 계산하여 학습통계디비에 저장할 수 있다(스텝 700).

이러한 마일리지 부여는 사용자가 이러한 학습 및 관리 방법을 이용하는데 따른 인센티브를 얻게 됨으로서 학습에 흥미를 갖고서 적극적으로 학습에 임하는 학습 환경을 유인할 수 있다.

또, 상기에서 선생 또는 학습자의 등록단계는 도 6과 같이 사용자아이디,성명,주소 및 교사/학생 초기 메뉴를 불러오고 사용자는 이 초기 메뉴화면에서 교사와 학생을 선택한다(스텝 210,220).

이후, 상기에서 교사가 선택 되었으면 교사 아이디 부여와 교사 마일리지를 부여하여 저장하고 상기에서 학생 선택시에는 학생아이디 부여와 학생 마일리지를 부여하고 저장한다(스텝 230,240).

또, 선생의 집단학습 또는 학습자의 임의성에 따른 문제출제시에는 도 7과 같이 사용자 접속이 이뤄져서 사용자 확인이 끝나면 출제자가 문제,해답,힌트,지문,요약학습을 입력한다(스텝 210 내지 250).

이후, 문제출제에 따른 마일리지 점수를 계산하고, 문제출제가 끝났으면 종료한다(스텝 260,270).

또, 선생이 집단학습을 위해 시험문제를 출제할 때는 도 8과 같이 사용자 접속이 이뤄져서 사용자 확인이 끝나면 출제자가 출제학년,과목,단원,문제수,양식을 지정하여 입력한다(스텝 310 내지 350).

이후 시험지 양식을 출력하고 출력이 끝났으면 종료한다.

또, 사용자가 초기화면에서 학습 메뉴를 선택하였을 때는 도 9와 같이 사용자 접속과 사용자 확인이 끝나고 사용자가 학습메뉴를 선택하고 다시 학습조건(학년,과목,종류) 선택화면을 불러낸다(스텝 410 내지 430).

이후, 상기 학습조건 선택화면에서 사용자에 의해 학년,과목,종류가 선택되었으면 선행학습(진단학습)이 필요한가를 체크하여 선행학습이 선택되면 선행학습 처리 루틴으로 가고(스텝 435, 440,445,450,455), 선행학습이 필요하지 않는 경우에는 응용/수준학습을 진행한다(스텝 460).

또, 상기 학습 과정에서 나타난 결과에 대해 퍼지이론에 의한 가변 점수 가중치 부여의 평가 모델을 적용하여 학습결과를 분석 및 평가하여 통계디비에 저장하고(스텝 465), 이후 학습 마일리지를 계산하여 사용자 정보디비에 저장하며 학습이 끝났으면 종료한다(스텝 470,475).

또, 상기 문제출제메뉴 (문제출제/시험문제)와 학습메뉴(진단/응용/수준)는 이들을 실행 할 때 문제의 난이도에 따라 등급을 N등급으로 하고 등급별 문제수는 M개로 하여 총문제수는 N X M= T이라 할 때 문제의 난이도 등급N은 각 등급별로 점수 가중치를 부여하고 1회의 출제 문제수는 N개를 출제하여 풀이된 결과가 상기 점수 가중치에 의하여 평가되고 문제가 출제되는 퍼지이론에 의한 문제수 및 평가에서 점수 가중치가 적용된 학습을 수행하고 있다.

또, 상기 도 9에서 선행학습은 출제문제수 X(10 또는 20개)를 선택하고 문제 난이도 등급을 N개로한 문제를 각등급별로 준비한 M개의 문제들중 하나를 난수적으로 출제하고 출제된 문제를 풀이하고(스텝 440), 상기 선행학습이 끝났으면 풀이된 학습 결과를 점수 가중치와 함께 수준을 평가하고 기록하여 통계디비에 저장한다(스텝 445).

이후 학습 마일리지 계산을 부여하여 사용자정보디비에 저장하고 성취도가 기준치에 도달 하였는가를 체크하여 성취도가 만족되면 응용/수준학습 단계로 가고 아니면 학습메뉴 선택단계로 간다(스텝 450,455).

이때의 성취도는 학습자가 일정한 수준에 도달하지 못하였을 때는 선행학습 보다 높은 수준의 응용학습 이나 수준학습에 들어갈 수 없고 반복해서 선행학습을 수행하여 기준치에 도달하여야만 상위 등급의 수준에 들어갈 수 있는 신경망 이론이 적용된 것이다.

일례로, 상기 선행(진단)학습은 문제 난이도 등급을 N개로한 문제를 학습문제디비(12)를 참조하여 각등급별(본발명에서는 문제 난이도 등급을 L1∼L10단계로 10등급으로 하였다)로 준비한 M(본발명에서는 같은 등급별 문제수는 10개로 하였다)개의 문제들중 하나를 난수적으로 출제하고, 이후 사용자가 출제된 문제를 풀이하면 그 풀이된 결과를 점수 가중치와 함께 학습통계디비(13)에 저장한다.

상기 점수 가중치는 일례로 퍼지이론을 도입하기 위한 변수로서 이는 문제의 난이도에 따라 1에서 10등급 까지 분류된 문제의 점수 가중치를 10으로 하고 그 총합은 100이라 할 때 사용자가 10개의 출제된 문제를 다풀고 나서 그 결과 맞은답이 5개 틀린답이 5개 일 경우에는 평가점수 가중치는 50이 된다.

이때, 상기 10개의 등급은 난이도에 따라 점수 가중치를 모두 10으로 하지 않고 난이도가 낮은 등급은 낮은 점수, 높은 등급은 큰 점수로 평가하는 점수 가중치로 운용할 수 있다.

즉, 상기 L1에서 L10으로 분류한 문제 난이도 등급에서 L1은 점수 가중치 5점, L2는 점수 가중치 5점, L3는 점수 가중치 5점, L4 내지 L7은 10점, L7 내지 L10은 15점 등으로 적용하여 사용자가 10개의 문제 중에 등급 L1,L3,L5,L7,L9의 문제를 맞추었다면 평가점수 가중치는 총 45점이 되는 것이다.

이와같이, 사용자(특히 집단학습 선생)는 상기 평가점수 가중치를 학습자의 학습과정에서 복잡하게 반응하는 학습양태(학습하는 때(일반학습,예습,복습,시험,모의고사)와 장소(집,학원,학교,공부방))를 고려하여 가변적으로 운용할 수 있다.

한편, 사용자가 응용학습을 선택하였을 때는 시스템은 응용학습 화면으로 들어가며, 이때는 상기 언급한 신경망이론에 따라 학습 수준이 일정한 레벨 이하인 자가 학습 내용이 일정수준에 도달하기 전 까지는 상위레벨로 진입을 하지 못하도록 학습조건이 충족되었는가를 점검하고, 상기 조건이 충족되었으면 학습통계디비(14)를 참조하여 선행 진단학습결과에 따라 학습시작수준을 결정한다.

이후 학습과정은 선행학습과 마찬가지로 학습시작수준의 첫 번째 문제부터 문제 난이도 등급을 점수 가중치와 함께 N개로한 문제를 각 등급별로 준비한 M개의 문제들중 하나를 난수적으로 출제한다.

이때의 문제난이도 등급에 따른 평가점수 가중치는 진단학습 과정의 점수 가중치값과는 다르게 적용하는 것이 바람직하다.

사용자가 출제된 문제를 풀이하고 문제풀이 과정에서 틀린 문제와 맞은 문제가 생기게 되며, 이때에는 사용자가 문제를 맞춘 갯수의 수를 일정한 개수로 설정하고 이에 따라 학습수준을 자동으로 상향 또는 하향조정하여 문제를 출제한다.

즉, 맞는 갯수가 연속해서 3개 이상이면 학습수준을 자동으로 1등급 상향 조정하고 이 등급에 맞는 다수개 준비된 문제중 어느 하나를 난수적으로 추출하여 출제하며, 3개 이하이면 학습수준을 1등급 하향 조정한 후 문제를 출제한다.

또, 사용자가 수준학습을 선택하였을 때는 출제되는 문제의 문제난이도 등급이 비교적 높은 범위(일례로, 7등급에서 10등급)의 문제와 등급별 점수 가중치가 다르게 부여된 점외에는 상기 응용학습과정과 동일하며, 상기 수준학습은 이미 학습경험이 풍부하고 실력이 상위권으로 향상된 학습자를 대상으로 하는 것임으로 문제 난이도 등급을 높은 수준으로 하여 학습 성취도를 만족시킬수 있도록 한 것이다.

또, 사용자가 학습통계 보기를 선택하였을 때는 시스템은 도 10과 같이 과목,단원,학습종류별 학습통계시간 계산하고 화면에 통계치를 출력한다(스텝 520).

이와 같은 본 발명은 인터넷 학습 및 관리 방법에서 학습자나 선생이 학습자의 학습과정에서 복잡하게 반응하는 학습양태를 고려하여 출제되는 문제수 및 문제 수준, 평가조건을 달리 할 수 있도록 하므로써 1:1 학습자의 학습환경에 따른 정밀한 수준의 문제 출제가 가능하고 집단 학습시 필요에 따라 지도 교사의 의중데로 문제 난이도 수준을 가변적으로 조절할 수 있어 학습의 정밀한 성취도 및 완성도를 이상적으로 얻을 수 있다.

또, 본 발명은 학습자가 학습 과정에서 일정한 학습 수준에서 수준을 향상시키기 위해서 자기가 자기 진단한 학습 수준으로 출제되는 문제수 및 학습 수준을 선택할 수 있도록 함으로서 학습자의 학습과정에 융통성을 부여할 수 있다.

또, 본 발명은 학습자가 일정 수준학습을 수행하다가 수준 레벨의 업/다운 없이 종료 한 후 다시 일정 수준학습에 들어가더라도 항상 문제가 동일하지 않은 것이 출제되므로 학습자는 수시로 같은 문제를 반복하여 보게되어 학습의 의미를 상실하게 되는 원인을 배제할 수 있다.

또, 본 발명은 학원 등에서의 집단학습이나 통신망에 연결된 불특정 학습자들과 선생이 연계되어 학습자들의 학습 수준을 선생이 평가하고 이에 대한 적절한 문제의 난이도와 출제 문제수를 조절해 주는등의 상호 연계된 학습 활동을 할 수 있도록 함으로서 집단학습이나 불특정 다수 학습자에 대한 보다 정밀하고 신속하며, 정확한 학습목표를 달성할 수 있으며, 이외에도, 본 발명은 학습자가 시스템을 이용하여 학습 할 때 학습자의 사용시간에 따른 마일리지 포인트를 주므로서 학습과정에서의 마일리지 포인트에 대한 흥미를 유발하여 학습자의 시스템 이용시간을 증가시킴과 동시에 이로인한 학습 성취도를 짧은 기간에 쉽게 달성할 수도 있다.

Claims (11)

1. 컴퓨터를 이용한 학습방법 및 관리 방법에 있어서, 초기에 교사와 학습자를 구분하여 사용자 등록을 시키는 등록단계와, 이후 등록된 사용자의 확인이 되었으면 선생 또는 학습자에 의한 문제출제메뉴(문제출제/시험문제)와 학습메뉴(진단/응용/수준), 학습통계메뉴가 포함된 초기화면을 출력하여 이들 중 어느하나를 선택하게 하는 단계와, 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행하는 단계를 포함한 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
2. 제 1항에 있어서, 상기 사용자에 의하여 상기 문제출제,학습메뉴,학습통계메뉴 중 어느하나가 선택 되었으면 그 메뉴를 실행하는 단계와, 그 메뉴가 실행되고 종료되는 단계 사이에는 사용자의 사용시간에 대한 마일리지 포인트를 계산하여 학습통계디비에 저장하는 단계를 포함한 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
3. 제 1항에 있어서, 상기 선생 또는 학습자의 등록단계는 사용자아이디,성명,주소 및 교사/학생 초기 메뉴를 불러오고 교사와 학생을 선택하는 단계와, 상기에서 교사가 선택 되었으면 교사 아이디 부여와 교사 마일리지를 부여하여 저장하고 상기에서 학생 선택시에는 학생아이디 부여와 학생 마일리지를 부여하고 저장하는 단계를 포함한 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
4. 제 1항에 있어서, 상기 문제출제 과정은 출제자가 문제,해답,힌트,지문,요약학습을 입력하는 단계와, 문제출제에 따른 마일리지 점수를 계산하는 단계와, 문제출제가 끝났으면 종료하는 단계를 포함하고 있는 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
5. 제 1항에 있어서, 상기 문제출제시 시험문제 출제과정은 출제자가 출제학년,과목,단원,문제수,양식을 지정하여 입력하는 단계와, 시험지 양식을 출력하고 출력이 끝났으면 종료하는 단계를 포함하고 있는 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
6. 제 1항에 있어서, 상기 에서 문제출제메뉴 (문제출제/시험문제)와 학습메뉴(진단/응용/수준)는 이들을 실행 할 때 문제의 난이도에 따라 등급을 N등급으로 하고 등급별 문제수는 M개로 하여 총문제수는 N X M= T이라 할 때 문제의 난이도 등급N은 각 등급별로 점수 가중치를 부여하고 1회의 출제 문제수는 N개를 출제하여 풀이된 결과가 상기 점수 가중치에 의하여 평가되고 문제가 출제되는 퍼지이론에 의한 문제수 및 평가에서 점수 가중치가 적용된 학습을 수행하는 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
7. 제 1항에 있어서, 상기 에서 학습과정은 사용자가 학습메뉴를 선택하면 학습조건(학년,과목,종류) 선택화면을 출력하는 단계와, 상기 학습조건이 선택되었으면 선행학습(진단학습)이 필요한가를 체크하여 선행학습이 선택되면 선행학습 처리 루틴으로 가고, 아니면 응용/수준학습을 진행하는 단계와, 상기 학습 과정에서 나타난 결과에 대해 퍼지이론에 의한 가변 점수 가중치 부여의 평가 모델을 적용하여 학습결과를 분석 및 평가하여 통계디비에 저장하는 단계와, 이후 학습 마일리지를 계산하여 사용자 정보디비에 저장하고 학습이 끝났으면 종료하는 단계를 포함한 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
8. 제 7항에 있어서, 상기 선행학습 처리 루틴은 출제문제수 X(10 또는 20개)를 선택하고 문제 난이도 등급을 N개로한 문제를 각등급별로 준비한 M개의 문제들중 하나를 난수적으로 출제하고 출제된 문제를 풀이하는 선행학습 수행단계와, 상기 선행학습이 끝났으면 풀이된 학습 결과를 점수 가중치와 함께 수준을 평가하고 기록하여 통계디비에 저장하는 단계를 포함하고 있는 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
9. 제 7항에 있어서, 상기 선행학습 처리 루틴에서 상기 선행학습이 끝났으면 풀이된 학습 결과를 점수 가중치와 함께 수준을 평가하고 기록하여 통계디비에 저장하는 단계와 종료 단계 사이에는 학습 마일리지 계산을 부여하여 사용자정보디비에 저장하고 성취도가 기준치에 도달 하였는가를 체크하여 성취도가 만족되면 응용/수준학습 단계로 가고 아니면 학습메뉴 선택단계로 가는 성취도 평가단계가 포함 되어져 있는 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
10. 제 1항에 있어서, 상기 시스템의 문제디비는 문제번호,학년코드,과목코드,단원코드,수준코드,요약학습,지문,문제,해답,힌트,이미지코드,문제설명 내용을 포함하고 있는 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.
11. 제 1항에 있어서, 상기 시스템의 문제출제이력디비는 사용자아이디,출제학년,출제과목,출제단원,출제수준,출제일시,문제번호,출제횟수,마일리지 점수 내용을 포함하고 있는 것을 특징으로 하는 인터넷 인공지능 학습 및 관리 방법.