KR20100004580A

KR20100004580A - 자기주도 학습시스템에서 다중 지식을 이용한 평가 문항난이도 자동 조정 방법 및 장치

Info

Publication number: KR20100004580A
Application number: KR1020080064822A
Authority: KR
Inventors: 하창승
Original assignee: 동명대학교산학협력단
Priority date: 2008-07-04
Filing date: 2008-07-04
Publication date: 2010-01-13
Also published as: KR101000676B1

Abstract

자기주도형 학습시스템에서 개별 학습자의 정확한 학습 수준을 검증하기 위해 다수 개인들의 이해도를 집적하여 구성한 다중의 성취도를 기초로 하여 평가 항목별 난이도를 자동으로 조정하는 방법 및 장치가 개시되어 있다. 교수자가 평가 문항별 난이도를 미리 정한 값으로 초기화하여 저장한다. 이분 검색법에 따라 각 학습자의 등급에 적합한 평가 문항을 저장된 다수의 평가 문항 중에서 선택하여 다수의 학습자에게 제시한다. 상기 다수의 학습자에게 제시된 평가 문항별 학습자의 답이 정답 또는 오답인 지에 관한 정보, 및 평가 문항별 정답자 수, 평가 문항별 오답자 수를 포함하는 평가 정보를 저장한다. 상기 저장된 평가 정보를 바탕으로 평가 함수를 통해 평가 문항별 난이도를 계산한다. 상기 계산된 평가 문항별 난이도를 이용하여 문항별 난이도의 순위를 갱신시킨다.

다중지식, 난이도 측정, 자기주도형, 이분 검색법, 학습시스템

Description

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법 및 장치{Method and apparatus for automatically adjusting difficulty of item evaluation using multi knowledge in the self-directed learning system}

본 발명은 자기 주도 학습시스템에 관한 것으로, 더욱 상세하게는 자기주도형 학습시스템에서 평가문항의 수준을 결정하기 위해 개인별 이해도를 집적하여 다중의 성취도를 난이도 조정에 이용하는 방법 및 장치에 관한 것이다.

웹이나 모바일과 같은 가상공간에서 학습 가능한 이-러닝(e-Learning) 학습시스템들은 개인별 학습 성취도에 따라 개별학습이 가능한 자기주도형 학습(self-directed learning)방법을 많이 활용하고 있다. 자기주도형 학습방법은 교육공학적 설계를 통해 개인의 학습 흥미를 유발하고 학습동기를 촉진할 수 있으며 반복학습이 용이하기 때문에 학습자의 집중력을 최대화하여 학습 성취도를 향상시킬 수 있는 상호작용적 교육 방법론이다. 자기주도형 학습방법을 채택하고 있는 이-러닝 학습시스템들은 학습자의 학업 성취도와 이해수준을 분석하기 위해 다양한 출제 콘텐츠 기능을 제공하고 있다. 그러나 대부분의 학습 시스템들은 학습자의 학습현황에 따른 기계적 진도관리 기능과 단순한 문제은행식 평가 기능만을 제공하고 있어 평가 성취도에 맞는 반복학습 및 선행학습과 같은 수준별 학습은 기대하기 어려운 실정이다. 또한, 학업성취도 평가 방법에서도 교수자의 주관적 판단에 의해 결정된 문제의 난이도는 개별 학습자의 수준이나 다중 학습자의 이해 정도를 반영하지 못하고 있다. 특히 최근 그 중요성이 부각되고 있는 다중지식이론에 따르면 지식의 공유를 통해 다중의 활동 정도에 따라 지식량의 증가와 지식수준이 개선될 수 있기 때문에 평가문항의 난이도 측정에 개인의 이해도뿐만 아니라 다중의 성취도가 함께 반영될 수 있다면 수준별 학습시스템 구현에 보다 객관적이며 과학적인 근거를 마련할 수 있을 것이다.

종래의 학습시스템에서는 학습자의 학습 정도나 성취도를 평가하기 위해 난이도가 반영되지 않은 문제은행(pool)에서 필요한 수만큼의 문항을 무작위로 선택하고 학습자에게 평가 문제로 제시함으로써 학습수준을 제대로 반영할 수 없는 문제점이 있었다. 이러한 문제점을 개선하기 위해 난이도를 반영한 다양한 자기주도형 학습방법들이 연구되고 있다.

자기주도형 학습에서 난이도 측정과 관련된 연구로는 김경아, 최은만의 ‘웹 기반 교육에서의 자동 문제출제 시스템’에 관한 연구에서 학습자의 예상 평균점수를 예측하고 학습결과를 비교하여 난이도를 조정하고 있으나 난이도 측정시 학습자의 문항 추측 정도를 고려하지 않아 정확한 난이도 측정을 어렵게 하고 있다. 장덕성, 조현욱의 ‘자기 학습계획을 갖는 웹 기반 학습시스템의 설계 및 구현’에 관한 연구에서는 학습자 자신이 학습목표, 학습계획 등을 설정하여 학습할 수 있도록 하고 있으나 학습평가 부분에서는 미리 부여된 문항 난이도를 그대로 활용하여 개인별 성취도를 학습결과에 반영하지 못하고 있다. 김은정의 ‘웹 기반 학습 시스템의 평가 문제에 대한 출제방법 및 난이도 재조정에 대한 연구’에서 문항 난이도를 적용할 때 학습자 및 학습그룹의 평균점수를 근거로 난이도를 측정하고 있으나 이 연구에서도 단순한 문항 난이도만을 고려함으로써 학습자가 추정에 의해 답을 한 경우도 정답률로 계산되어 난이도의 정확성이 낮은 편이다.

이와 같이 기존 학습시스템에서 사용되던 종래기술은 난이도를 전혀 고려하지 않거나, 교수자가 외부에서 미리 결정한 난이도를 사용하거나, 학습자 자신의 이해도나 성취도만을 반영한 난이도를 사용하기 때문에 평가문항의 난이도를 객관적으로 반영하지 못하고 있다.

따라서 본 발명의 목적은 자기주도형 학습시스템에서 학습자들의 정확한 학습 수준을 검증하기 위해 다수 개인들의 이해도를 집적하여 구성한 다중의 성취도를 기초로 하여 평가 항목별 난이도를 자동으로 조정하는 방법 및 장치를 제공함에 있다.

상기한 목적을 달성하기 위하여, 본 발명의 일 양상에 따른 자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법은 교수자가 평가 문항별 난이도를 미리 정한 값으로 초기화하여 저장하는 단계; 이분 검색법에 따라 각 학습자의 등급에 적합한 평가 문항을 저장된 다수의 평가 문항 중에서 선택하여 다수의 학습자에게 제시하는 단계; 상기 다수의 학습자에게 제시된 평가 문항별 학습자의 답이 정답 또는 오답인 지에 관한 정보, 및 평가 문항별 정답자 수, 평가 문항별 오답자 수를 포함하는 평가 정보를 저장하는 단계; 상기 저장된 평가 정보를 바탕으로 평가 함수를 통해 평가 문항별 난이도를 계산하는 단계; 및 상기 계산된 평가 문항별 난이도를 이용하여 문항별 난이도의 순위를 갱신시키는 단계를 포함하는 것을 특징으로 한다.

본 발명의 다른 양상에 따른 자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 장치는 다수의 학습자에게 선택적으로 제공될 다수의 평가 항 및 미리 정한 값으로 교수자에 의해 초기화된 다수의 평가 문항별 난이도 를 저장하는 문제 은행 데이터베이스; 상기 다수의 학습자에게 제시된 평가 문항별 학습자의 답이 정답 또는 오답인 지에 관한 정보, 및 평가 문항별 정답자 수, 평가 문항별 오답자 수를 포함하는 평가 정보를 저장하는 평가정보 데이터베이스; 및 이분 검색법에 따라 각 학습자의 등급에 적합한 평가 문항을 상기 문제 은행 데이터베이스에 저장된 상기 다수의 평가 문항 중에서 선택하여 상기 다수의 학습자에게 제시하고, 상기 평가 정보 데이터베이스에 저장된 평가 정보를 기초로 하여 평가 함수를 통해 평가 문항별 난이도를 동적으로 변화시키는 난이도 조정 모듈을 포함하는 것을 특징으로 한다.

본 발명에 따르는 평가문항 난이도 측정방법을 이용하여 자기주도형 학습시스템을 구현하면 다수의 학습자의 참여와 활동 정도에 따라 지식량이 증가되고 지식수준이 정량적으로 개선될 수 있게 되었다. 또한, 평가문항의 난이도 측정 요소에 개인의 이해도뿐만 아니라 다중의 성취도가 함께 반영되어 측정에 보다 객관적이며 과학적인 근거를 마련할 수 있게 된다.

기술적 과제에 따른 세부적인 효과로 먼저 다수 학습자의 이해도를 다중의 성취도로 구성한 다중지식을 활용함으로써 난이도 평가가 보다 보편적인 측정기준을 마련할 수 있다. 둘째, 난이도가 다중의 성취도에 따라 계속 동적으로 변화함으로써 학습시스템이 보다 유연하고 확장 가능하게 된다. 셋째, 성취도 계산에 개인의 오답률과 추측률을 함께 반영하여 확률이나 요행에 의한 부정확한 지식은 평가에서 배제할 수 있다. 넷째, 특정 문항을 반복적으로 틀리는 횟수도 성취도 계산에 포함시킴으로서 난이도에 가중치를 반영할 수 있다. 다섯째, 평가문항의 선택에 이분검색법을 사용함으로써 순차적 검색에서 발생하는 불필요한 탐색시간을 절감할 수 있다.

이하, 본 발명의 바람직한 실시예의 상세한 설명이 첨부된 도면들을 참조하여 설명될 것이다. 당해 분야에서 통상의 지식을 가진 자는 본 발명이 이루고자 하는 기술적 과제를 달성하기 위하여 후술하는 발명의 개시된 개념 및 구체적인 실시예가 변경 또는 변형되어 사용될 수도 있다는 사실을 잘 인식할 것이다. 또한 당해 분야에서 통상의 지식을 가진 자는 본 발명이 개시하는 개념 및 구조와 균등한 개념들 및 구조들이 본 발명의 가장 넓은 형태의 사상 및 범위로부터 벗어나지 않는다는 사실을 잘 인식할 것이다. 하기에서 본 발명을 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.

자기주도 학습시스템에서 다중지식을 이용한 평가문항 난이도 조정을 위해 본 발명의 기술은 첫째, 현재 학습에 참여하고 내부 학습자 및 기존에 학습에 참여하였던 외부 학습자의 이해도를 다중의 성취도로 구성한 다중지식을 활용하고, 둘째, 집적된 다중지식에 따라 난이도가 초기값으로 고정되는 것이 아니라 학습자의 이해도 수준에 따라 계속 동적으로 변화하며, 셋째, 다중의 성취도 계산에 학습자 개인의 오답률뿐만 아니라 추측률을 함께 반영하고, 넷째, 특정 문항을 반복적으로 틀리는 횟수를 가중치 계산에 포함하며, 다섯째, 난이도 계산을 위해 제시되는 평 가문항의 선택은 이분 검색법을 사용하는 것을 특징으로 한다.

본 발명에 따르는 자기주도형 학습시스템의 난이도 조정은 도 1과 같이 난이도 조정 모듈에서 담당한다. 난이도는 문항별로 가지며 ‘(문항, 난이도)’ 형식으로 구성되어 평가정보 데이터베이스에 저장된다. 문항별 초기 난이도는 교수자에 의해 제시되지만 자기주도형 학습시스템이 기동이 된 후에는 시스템에 현재 접속되어 있는 내부 학습자 및 이전에 시스템에 접속하여 자기 주도형 학습을 수행하였던 외부학습자의 다중지식에 따라 점진적으로 문항별 난이도가 동적으로 변경된다.

자기 주도형 학습이란 학습자가 학습활동의 주체가 되어 학습목표를 정하고 적절한 학습전략을 선택하며 학습결과를 평가하는 학습활동이다. 이러한 학습활동에서 가장 중요한 과정은 개인의 학습 정도를 진단하고 이해도를 측정하기 위해 평가문항의 난이도를 결정하는 것이다. 왜냐하면, 문항의 난이도가 정확하지 않으면 학습자에 대한 평가 자체 무의미해지기 때문이다. 따라서 본 발명에 따르는 자기주도형 학습시스템은 평가문항의 난이도를 결정하기 위해 개인별 이해도를 집적한 다중의 성취도를 고려하는 난이도 자동 조정 방법 및 장치에 대해 개시한다.

도1은 본 발명의 실시예에 따른 자기주도 학습시스템에서 다중지식을 이용한 평가문항 난이도 자동 조정 장치의 구성을 나타낸 블록도이다.

본 발명의 실시예에 따른 자기주도 학습시스템에서 다중지식을 이용한 평가문항 난이도 자동 조정 장치는 문제 은행 데이터베이스(110), 평가정보 데이터베이스(120) 및 난이도 조정 모듈(130)을 포함한다.

문제 은행 데이터베이스(110)는 다수의 내부 학습자(180)에게 선택적으로 제 공될 난이도 순위별로 정렬된 다수의 평가 문항 및 미리 정한 값으로 각각 교수자(170)에 의해 초기화된 다수의 평가 문항별 난이도를 저장한다.

평가정보 데이터베이스(120)는 다수의 내부 학습자(180) 및 다수의 외부 학습자(160)에게 제시된 평가 문항별 학습자의 답이 정답 또는 오답인지에 관한 정보 및 평가 문항별 정답자 수, 평가 문항별 오답자 수를 포함하는 평가 정보를 저장한다.

난이도 조정 모듈(130)은 이분 검색법에 따라 각 내부 학습자(180)의 등급에 적합한 평가 문항을 상기 문제 은행 데이터베이스(110)에 저장된 상기 다수의 평가 문항 중에서 선택하여 다수의 내부 학습자(180)에게 제시한다.

난이도 조정 모듈(130)은 상기 평가 정보 데이터베이스에 저장된 다수의 내부 학습자(180) 및 다수의 외부 학습자(160)의 평가 정보를 기초로 하여 평가 함수를 통해 각 평가 문항의 난이도를 동적으로 변화시킨다.

상기 난이도 조정 모듈(130)은 상기 문제 은행 데이터베이스(110)에 저장된 다수의 평가 문항 중 중간수준의 난이도를 갖는 최초 평가 문항을 선택하여 내부 학습자(180)에게 제시한다.

상기 난이도 조정 모듈(130)은 평가 정보 데이터베이스(120)에 저장된 평가 정보를 바탕으로 수학식 1로 표현된 평가 함수를 통해 각 평가 문항의 난이도를 계산한다.

여기서, d는 난이도이고, p는 각 항목별로 내부 및 외부 학습자 중 오답자의 수이고, q는 내부 및 외부 학습자 중 추측으로 맞힌 학습자의 수이고, t는 내부 및 외부 학습자를 포함하는 총 학습자의 수이고, w는 가중치이고, 상기 가중치(w)는 1.0 ~ 2.0의 값으로 주어지며, 특정 문항을 반복적으로 틀리는 오답 회수에 비례하는 값을 갖는 것으로 표 1에 설명되어 있다.

오답 횟수	가중치(ω)
2회	1.2
3회	1.5
4회 이상	1.8

상기 난이도 조정 모듈(130)은 상기 평가 함수에 의해 새롭게 계산된 각 평가 문항의 난이도를 이용하여 문항별 난이도의 순위를 갱신시킨다.

상기 평가 문항에 대한 내부 학습자(180)의 답이 정답인 경우, 상기 난이도 조정 모듈(130)은 웹 사이트 상에서 내부 학습자(180)가 각 평가 문항에 대해 정담을 알고 풀었는지, 추측으로 풀었는지를 물어보는 질의 사항을 내부 학습자(180)에게 제공하고, 상기 질의 사항에 따라 응답한 내부 학습자(180)의 평가 문항별 문제 해결 방식을 판단한다.

상기 난이도 조정 모듈(130)은 상기 내부 학습자의 평가 문항별 문제 해결 방식이 정상적으로 답을 알고 정답을 맞힌 것인 경우 정상 정답자 수를 '1' 증가하고, 상기 내부 학습자(180)의 평가 문항별 문제 해결 방식이 추측으로 정답을 맞힌 것인 경우 추측 정답자 수를 '1' 증가한다.

상기 평가 문항별 내부 학습자(180)의 답이 오답인 경우, 상기 난이도 조정 모듈(130)은 오답자 수를 '1' 증가한다.

도 2는 본 발명의 실시예에 따른 자기주도 학습시스템에서 다중지식을 이용한 평가문항 난이도 자동 조정 방법을 설명하는 흐름도이다.

교수자(170)가 평가 문항별 난이도를 미리 정한 값으로 초기화하고 문제 은행 데이터베이스(110)에 저장한다(단계 S202).

난이도 조정 모듈(130)은 이분 검색법에 따라 내부 학습자(180)의 등급에 적합한 평가 문항을 상기 문제 은행 데이터베이스(110)에 저장된 상기 다수의 평가 문항 중에서 선택하여 상기 내부 학습자(180)에게 제시한다. 구체적으로, 난이도 조정 모듈(130)은 문제 은행 데이터베이스(110)에 저장된 다수의 평가 문항 중 중간 수준의 난이도를 갖는 최초 평가 문항을 선택하여 내부 학습자(180)에게 제시한다(단계 S204).

난이도 조정 모듈(130)은 상기 내부 학습자(180)가 상기 최초 평가 문항에 답을 제시하면 답이 정답인 지의 여부를 판단한다(단계 S206).

단계 S206의 판단 결과, 제시된 상기 내부 학습자(180)의 답이 정답인 경우, 난이도 조정 모듈(130)은 웹 사이트상에서 내부 학습자(180)가 각 평가 문항을 어떻게 풀었는지를 물어보는 질의 사항을 내부 학습자(180)에게 제공한다(단계 S208).

난이도 조정 모듈(130)은 상기 질의 사항에 응답한 내부 학습자(180)의 평가 문항별 문제 해결 방식이 정상적으로 답을 알고 정답을 맞힌 것인지를 판단한다(단계 S210).

단계 S210의 판단 결과, 상기 내부 학습자(180)의 평가 문항별 문제 해결 방식이 정상적으로 답을 알고 정답을 맞힌 것인 경우, 난이도 조정 모듈(130)은 평가 문항의 난이도가 내부 학습자(180)의 현재 학습 수준(등급)에 적당한 것으로 인증하고, 정상 정답자 수를 '1' 증가하고(단계 S212), 더 높은 난이도 수준의 평가문항으로서 문제은행 데이터베이스(110)에서 이미 제시된 최초 평가 문항보다 한 단계 높은 수준의 문항과 가장 높은 문항 사이의 중간 평가문항을 선택하여 상기 내부 학습자(180)에게 제공한다(단계 S214).

단계 S210에서, 상기 내부 학습자(180)의 평가 문항별 문제 해결 방식이 답을 정확하게 알고 정답을 맞힌 것이 아니라 추측으로 맞힌 경우 난이도 조정 모듈(130)은 추측 정답자 수를 '1' 증가한다(단계 S216).

단계 S206에서, 상기 내부 학습자(180)의 답이 정답이 아닌 오답인 경우, 상기 난이도 조정 모듈(130)은 오답자 수를 '1' 증가하고(단계 S218), 더 낮은 난이도를 결정하기 위해 더 낮은 난이도 수준의 평가 문항으로서, 문제은행 데이터베이스(110)에서 이미 제시된 최초 평가문항보다 한 단계 낮은 수준의 문항과 가장 낮은 수준의 문항 사이의 중간 수준의 평가 문항을 선택하여 상기 내부 학습자(180)에게 제공한다(단계 S220).

단계 S214, S216, 또는 S220을 수행한 후, 평가를 종료할 것인 지를 판단한다(단계 S222). 단계 S222의 판단 결과, 상기 평가를 종료할 것을 선택하지 않은 경우, 처리 루틴은 단계 S206으로 복귀한다. 이와는 반대로, 상기 평가를 종료할 것을 선택한 경우, 상기 난이도 조정 모듈(130)은 상기 제시된 각 평가 문항에 대한 내부 학습자(180)의 답이 정답 또는 오답인 지에 관한 정보, 평가 문항별 정답자 수 및 평가 문항별 오답자 수를 포함하는 평가 정보를 평가정보 데이터베이스(120)에 저장한다(단계 S224).

이어서, 상기 난이도 조정 모듈(130)은 평가 정보 데이터베이스(120)에 저장된 평가 정보를 바탕으로 상기한 수학식 1로 표현된 평가 함수를 통해 평가 문항별 난이도를 새로이 계산한다(단계 S226). 그 후, 상기 난이도 조정 모듈(130)은 상기 새로이 계산된 평가 문항별 난이도를 이용하여 문항별 난이도의 순위를 갱신시킨다(단계 S228).

이상에서는 본 발명의 바람직한 실시 예를 참조하여 설명하였지만, 해당 기술 분야의 전문가인 출원인은 하기의 특정청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있다. 따라서 특허청구범위의 등가적인 의미나 범위에 속하는 모든 변화들은 전부 본 발명의 권리범위 안에 속함을 밝혀둔다.

도 1은 본 발명의 실시예에 따른 자기주도 학습시스템에서 다중지식을 이용한 평가문항 난이도 자동 조정 장치의 구성을 나타낸 블록도이다.

<도면의 주요 부분에 대한 부호의 설명>

110: 문제 은행 데이터베이스

120: 평가 정보 데이터베이스

130: 난이도 조정 모듈

160: 외부 학습자

170: 교수자

180 : 내부 학습자

Claims

(i) 교수자가 평가 문항별 난이도를 미리 정한 값으로 초기화하여 저장하는 단계;

(ii) 이분 검색법에 따라 각 내부 학습자의 등급에 적합한 평가 문항을 저장된 다수의 평가 문항 중에서 선택하여 다수의 내부 학습자에게 제시하는 단계;

(iii) 상기 다수의 내부 학습자에게 제시된 평가 문항별 학습자의 답이 정답 또는 오답인 지에 관한 정보, 평가 문항별 정답자 수 및 평가 문항별 오답자 수를 포함하는 평가 정보를 저장하는 단계;

(iv) 저장된 상기 평가 정보를 바탕으로 평가 함수를 통해 평가 문항별 난이도를 계산하는 단계; 및

(v) 계산된 상기 평가 문항별 난이도를 이용하여 문항별 난이도의 순위를 갱신시키는 단계;를 포함하는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법.
제1 항에 있어서,

단계 (ii)는

(ii-1) 상기 저장된 다수의 평가 문항 중 중간 수준의 난이도를 갖는 최초 평가 문항을 선택하여 내부 학습자에게 제시하는 단계;

(ii-2) 제시된 상기 최초 평가 문항에 대한 답이 입력되면, 답이 정답 또는 오답인 지의 여부를 판단하는 단계;

(ii-3) 상기 내부 학습자의 답이 정답인 경우, 웹 사이트상에서 각 평가 문항을 정상적으로 답을 알고 맞췄는지, 추측으로 정답을 맞췄는지를 물어보는 질의 사항을 상기 내부 학습자에게 제공하는 단계;

(ii-4) 상기 질의 사항에 대한 내부 학습자의 응답에 따라 내부 학습자의 평가 문항별 문제 해결 방식을 판단하는 단계; 및

(ii-5) 상기 내부 학습자의 평가 문항별 문제 해결 방식이 정상적인 방식으로 판단될 경우 정상 정답자 수를 증가하고, 더 높은 난이도 수준의 평가 문항으로서 이미 제시된 최초 평가 문항보다 한 단계 높은 수준의 문항과 가장 높은 문항 사이의 중간 평가 문항을 상기 저장된 다수의 평가 문항에서 선택하여 상기 내부 학습자에게 제공하는 단계;를 포함하는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법.
제2 항에 있어서,

단계 (ii)는 상기 내부 학습자의 평가 문항별 문제 해결 방식이 추측에 의한 것으로 판단될 경우 추측 정답자 수를 증가하는 단계를 더 포함하는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법.
제2 항에 있어서,

단계 (ii)는 단계 (ii-2)의 판단 결과, 상기 내부 학습자의 답이 오답인 경우 오답자 수를 증가하고,

더 낮은 난이도를 결정하기 위해 더 낮은 난이도 수준의 평가 문항으로서, 이미 제시된 최초 평가문항보다 한 단계 낮은 수준의 문항과 가장 낮은 수준의 문항 사이의 중간 평가 문항을 상기 저장된 다수의 평가 문항에서 선택하여 내부 학습자에게 제공하는 단계를 더 포함하는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법.
제1 항에 있어서,

상기 평가 함수는 다음 수학식 1에 의해 구현되고,

수학식 1:

여기서, d는 난이도이고, p는 각 항목별로 내부 및 외부 학습자 중 오답자의 수이고, q는 내부 및 외부 학습자 중 추측으로 맞힌 학습자의 수이고, t는 내부 및 외부 학습자를 포함하는 총 학습자의 수이고, w는 가중치이고, 상기 평가 문항별 문항의 난이도는 상기 수학식 1에 의해 얻어지는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법.
제5 항에 있어서,

상기 가중치는 1.0 ~ 2.0의 값으로 주어지고, 오답 회수에 특정 문항을 반복적으로 틀리는 오답 회수에 비례하는 값을 갖는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법.
다수의 내부 학습자에게 선택적으로 제공될 다수의 평가 문항 및 미리 정한 값으로 교수자에 의해 초기화된 다수의 평가 문항별 난이도를 저장하는 문제 은행 데이터베이스;

제공된 평가 문항에 대한 내부 학습자의 답이 정답 또는 오답인지에 관한 정보, 평가 문항별 정답자 수 및 평가 문항별 오답자 수를 포함하는 평가 정보를 저장하는 평가정보 데이터베이스; 및

이분 검색법에 따라 각 내부 학습자의 등급에 적합한 평가 문항을 상기 문제 은행 데이터베이스에 저장된 상기 다수의 평가 문항 중에서 선택하여 상기 다수의 내부 학습자에게 제시하고, 상기 평가 정보 데이터베이스에 저장된 평가 정보를 기초로 하여 평가 함수를 통해 평가 문항별 난이도를 동적으로 변화시키는 난이도 조정 모듈;을 포함하는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 장치.
제7 항에 있어서,

상기 평가 함수는 다음 수학식 1에 의해 구현되고,

수학식 1:

여기서, d는 난이도이고, p는 각 항목별로 내부 및 외부 학습자 중 오답자의 수이고, q는 내부 및 외부 학습자 중 추측으로 맞힌 학습자의 수이고, t는 내부 및 외부 학습자를 포함하는 총 학습자의 수이고, w는 가중치이고, 상기 난이도 조정 모듈은 상기 수학식 1에 의해 상기 평가 문항별 문항의 난이도를 얻는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법.
제8 항에 있어서,

상기 가중치는 1.0 ~ 2.0의 값으로 주어지고, 특정 문항을 반복적으로 틀리는 오답 회수에 비례하는 값을 갖는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 방법.
제7 항에 있어서,

상기 난이도 조정 모듈은 상기 문제 은행 데이터베이스에 저장된 다수의 평가 문항 중 중간수준의 난이도를 갖는 최초 평가 문항을 선택하여 학습자에게 제시하고, 평가 정보 데이터베이스에 저장된 평가 정보를 바탕으로 평가 함수를 통해 평가 문항별 난이도를 계산하고, 상기 평가 함수에 의해 계산된 평가 문항별 난이도를 이용하여 문항별 난이도의 순위를 갱신시키는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 장치.
제7 항에 있어서,

상기 내부 학습자의 답이 정답인 경우, 상기 난이도 조정 모듈은 웹 사이트 상에서 상기 학습자가 각 평가 문항에 대해 정상적으로 답을 알고 정답을 맞힌 것인지 또는 추측으로 정답을 맞힌 것인지를 물어보는 질의 사항을 상기 학습자에게 제공하고, 상기 질의 사항에 응답한 상기 학습자의 평가 문항별 문제 해결 방식을 판단하고, 상기 문제 해결 방식인 정상적인 것으로 판단될 경우 정상 정답자 수를 증가하고, 상기 문제 해결 방식이 추측에 의한 것으로 판단될 경우 추측 정답자 수를 증가시키는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정장치.
제7 항에 있어서,

상기 평가 문항별 학습자의 답이 오답인 경우, 상기 난이도 조정 모듈은 오답자 수를 증가하고, 더 낮은 난이도를 결정하기 위해 더 낮은 난이도 수준의 평가 문항으로서, 상기 문제은행 데이터베이스에서 이미 제시된 최초 평가문항보다 한 단계 낮은 수준의 문항과 가장 낮은 수준의 문항 사이의 중간 평가 문항을 선택하여 내부 학습자에게 제공하는

자기주도 학습시스템에서 다중 지식을 이용한 평가 문항 난이도 자동 조정 장치.