KR20140046196A - 적응적 학습가이드 제공방법 - Google Patents
적응적 학습가이드 제공방법 Download PDFInfo
- Publication number
- KR20140046196A KR20140046196A KR1020120112357A KR20120112357A KR20140046196A KR 20140046196 A KR20140046196 A KR 20140046196A KR 1020120112357 A KR1020120112357 A KR 1020120112357A KR 20120112357 A KR20120112357 A KR 20120112357A KR 20140046196 A KR20140046196 A KR 20140046196A
- Authority
- KR
- South Korea
- Prior art keywords
- learning
- client
- strategy
- subject
- learner
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 15
- 238000012552 review Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 description 12
- 230000003252 repetitive effect Effects 0.000 description 7
- 230000002354 daily effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000009792 diffusion process Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2053—Education institution selection, admissions, or financial aid
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
적응적 학습가이드 제공방법이 개시된다. 본 발명에 의한 적응적 학습가이드 제공방법에 의할 때 학습 대상 과목을 선정하고, 학습자의 기본정보, 배경지식 이해정도, 해당 과목에 대한 이해수준을 파악한 다음, 이에 근거하여 해당 과목의 학습에 소요되는 예상 학습 소요시간과 학습자 정보와 과목 특성의 조합에 부합하는 처방을 제공한다. 이후, 이를 근거로 하여 다수의 선택항목을 갖는 학습가이드를 제시하고 학습자의 선택에 따라 학습전략과 학습계획을 수립한다. 학습전략은 학습순서와 방법을 정하는 변수값의 조합이고, 학습계획은 전체 학습에 소요되는 기간과 단위 학습에 소요되는 시간이며, 이를 이용하여 해당 과목의 학습을 위한 학습 컨텐츠를 선정하고 재배열한다. 이러한 본 발명에 의할 때, 학습전략과 학습계획의 추천 및 이를 주요한 팩터로 하는 학습의 실행을 통해 학습자가 능동적으로 자기주도 학습을 할 수 있도록 지원한다.
Description
본 발명은 디지털화된 학습 컨텐츠를 이용하는 전자학습 기술분야에 속한다.
IT기술의 발전에 힘입어 과거 유형물인 서적을 이용하여 오프라인 강의실에서 이루어지던 학습은 점차 디지털화된 학습 컨텐츠를 이용한 전자학습의 형태로 진화하고 있다.
이러닝(E-Learning)의 보편적인 형태는 웹 상에서 각 학습자들이 매 회차 단위로 강의 동영상을 재생하여 수강하는 방식이다.
기존 오프라인 강의와 달리 이러닝의 경우 수강생이 단독으로 LMS(Learning Management System)를 통해 학습하게 되는데, 이러한 특성을 살려 각 수강생의 이해도나 학습성향, 학습태도 등에 따라 맞춤형 학습 컨텐츠를 제공하기 위한 연구들이 이루어지고 있다.
즉, 모든 학습자가 동일한 학습 컨텐츠를 이용하여 학습하는 것이 아니라, 각 학습자마다 최적화된 학습 컨텐츠를 제공함으로써 학습효율을 향상시키는 것이다.
이러한 접근 방식은 크게 학습 이전 또는 학습 도중 학습자의 정보(예컨대, 학년, 이해도, 학습태도, 득점율 등)를 수집하고, 이를 학습 컨텐츠 마다 미리 부여된 메타 데이터(예컨대, 과목, 내용, 난이도 등)와 조합함으로써 각 학습자에게 가장 적합하다 판단되는 학습 컨텐츠들을 선정하는 방식으로 이루어진다.
그러나, 이와 같은 종래기술은 무엇을 학습할 것인지에 초점을 두고 있을 뿐, 해당 학습 컨텐츠의 학습을 학습자 혼자서 과연 할 수 있을 것인지에 대한 고려는 없다.
즉, 단독으로 학습해야하는 환경 여건상 자기주도학습을 위한 충분한 역량을 가지고 있지 못한 다수의 학습자들이 자칫 잘못된 방법의 선택이나, 습관, 의지부족 등의 이유로 오프라인 수강에 비해 오히려 학습효과가 반감되거나 계획대로 학습하지 못하곤 한다.
따라서, 자기주도학습의 역량이 부족한 학습자들이 능동적으로 학습할 수 있도록 학습자의 학습을 가이드 할 수 있는 방법론의 마련이 필요하다.
특히, 학습자가 학습하는 학습 컨텐츠의 과목, 내용, 난이도 등과 관련하여 동적으로 적절한 학습계획과 전략을 수립해줄 수 있는 방법론의 마련이 절실하다.
본 발명은 상기와 같은 종래기술의 문제점을 해소하기 위하여 안출된 것으로, 학습자가 자기주도 학습할 수 있도록 지원하며, 실제 학습과정 및 학습자의 학습시간, 일과 등에 맞춘 학습관리를 포함하는 능동적 교육관리 방법의 제공을 그 목적으로 한다.
상기와 같은 목적을 달성하기 위하여 본 발명에 의한 적응적 학습가이드 제공방법은 네트워크를 통해 접속한 클라이언트로 학습 컨텐츠를 제공하는 서버에서 실행되는 방법에 있어서,
클라이언트로부터 선택된 학습 과목 정보와 학습자 정보를 수집하는 정보수집 단계;
수집된 학습자 정보를 이용하여 학습자의 특성을 진단하고, 진단된 학습자의 특성에 근거하여 상기 학습 과목 정보에 의해 특정되는 과목의 학습에 소요되는 예상 소요시간을 판정하고, 진단된 학습자의 특성에 부합하는 맞춤학습 처방을 인출하여 제공하는 처방 제공단계;
상기 클라이언트로부터 학습신청 가이드 선택결과를 수집함으로써 학습전략과 학습계획을 생성하는 학습전략 생성단계;
상기 생성된 학습전략을 이용하여 상기 특정되는 과목에 해당하는 학습 컨텐츠들을 선택하고, 선택된 학습 컨텐츠들의 순서를 목차를 참조하여 재구성하며, 상기 학습계획에 의하여 상기 학습 컨텐츠들을 단위 학습분량 단위로 나눔으로써 학습순서를 생성하는 학습순서 생성단계;
생성된 학습순서에 근거하여 상기 클라이언트로 당해 회차의 학습 컨텐츠를 제공하는 학습 컨텐츠 제공단계; 및
상기 클라이언트로부터 기 제공된 학습 컨텐츠의 학습결과를 수집하고, 수집된 학습결과를 통해 학습순서를 동적으로 갱신하는 학습순서 동적 갱신단계;를 포함한다.
이때, 정보수집 단계는 상기 클라이언트로 학습 과목의 리스트를 포함하는 사용자 인터페이스를 제공하되, 상기 클라이언트로부터 선택된 학습 과목 정보를 수집하는 제 110 단계;
학습 과목이 선택됨에 따라 상기 클라이언트로 다수의 학습자 정보 선택항목을 포함하는 사용자 인터페이스를 제공하되, 상기 클라이언트로부터 선택된 학습자 정보를 수집하는 제 120 단계; 및
학습 과목이 선택됨에 따라 상기 클라이언트로 상기 선택된 학습 과목의 목차 항목별 이해도 수집을 위한 사용자 인터페이스를 제공하되, 상기 클라이언트로부터 입력된 값으로부터 목차별 이해도를 수집하는 제 130 단계;를 더 포함한다.
한편, 학습전략 생성단계는 클라이언트로 상기 인출된 맞춤학습 처방에 대응하는 다수의 학습신청 가이드 선택항목을 포함하는 사용자 인터페이스를 제공하는 제 210 단계;
상기 클라이언트로부터 학습신청 가이드 선택항목의 선택결과를 수집하는 제 220 단계; 및
수집된 학습신청 가이드 선택결과에 부합하는 학습전략과 학습계획을 생성하는 제 230 단계;를 더 포함한다.
한편, 학습순서 동적 갱신단계는 상기 클라이언트로부터 기 제공된 학습 컨텐츠의 학습진도, 이해도, 암기도 가운데 하나 이상을 포함하는 학습결과를 수집하는 310 단계;
수집한 학습결과를 이용하여 학습전략 또는 학습계획을 동적으로 수정하여 상기 클라이언트로 제공하는 제 320 단계; 및
상기 클라이언트로부터의 요청시 상기 동적으로 수정된 학습전략 또는 학습계획에 근거하여 상기 특정되는 과목에 해당하는 학습 컨텐츠들을 동적으로 재선택하거나, 선택된 학습 컨텐츠들의 순서를 동적으로 재구성하는 제 330 단계;를 더 포함한다.
이러한 본 발명에 의할 때 자기주도학습을 위한 역량과 의지를 갖지 못한 일반적인 학습자가 능동적으로 자기주도 학습을 할 수 있도록 최적의 학습전략과 학습계획을 제공할 수 있다.
특히, 실제 학습과정에 기반하여 가장 효율적인 학습 형태를 선택할 수 있도록 함으로써 과목이나 내용에 따라 실시간으로 최적의 학습 형태를 유지할 수 있도록 한다.
도 1은 서버와 클라이언트가 연결되는 관계를 설명하는 도면이며,
도 2는 본 발명에 의한 적응적 학습가이드 제공방법을 시계열적으로 설명하는 플로우차트이며,
도 3은 도 2에 도시된 본 발명에서 정보수집 단계를 부연하는 플로우차트이며,
도 4는 도 2에 도시된 본 발명에서 학습전략과 학습계획을 생성하는 과정을 부연하는 플로우차트이며,
도 5는 도 2에 도시된 본 발명에서 학습순서 동적 갱신단계를 부연하는 플로우차트이며,
도 6은 학습 대상(과목)을 선택하는 모습을 설명하는 화면예시도이며,
도 7은 학습자 정보를 수집하는 모습을 설명하는 화면예시도이며,
도 8은 목차에 따른 이해도를 수집하는 과정을 설명하는 화면예시도이며,
도 9는 학습자 특성 진단결과를 토대로 예상 소요시간과 맞춤학습 처방을 제공하는 모습을 설명하는 화면예시도이며,
도 10은 맞춤학습 처방에 근거한 학습신청 가이드를 예시하는 화면예시도이며,
도 11은 학습신청 가이드를 통해 선택된 학습전략을 예시하는 화면예시도이며,
도 12는 학습전략과 학습계획에 근거하여 생성된 학습순서를 개념적으로 설명하는 참고도이며,
도 13은 학습계획에 의하여 학습 컨텐츠들이 단위 학습분량을 기준으로 재구성된 형태를 개념적으로 설명하는 참고도이며,
도 14는 당일의 학습에 대한 평가결과를 설명하는 화면예시도이다.
도 2는 본 발명에 의한 적응적 학습가이드 제공방법을 시계열적으로 설명하는 플로우차트이며,
도 3은 도 2에 도시된 본 발명에서 정보수집 단계를 부연하는 플로우차트이며,
도 4는 도 2에 도시된 본 발명에서 학습전략과 학습계획을 생성하는 과정을 부연하는 플로우차트이며,
도 5는 도 2에 도시된 본 발명에서 학습순서 동적 갱신단계를 부연하는 플로우차트이며,
도 6은 학습 대상(과목)을 선택하는 모습을 설명하는 화면예시도이며,
도 7은 학습자 정보를 수집하는 모습을 설명하는 화면예시도이며,
도 8은 목차에 따른 이해도를 수집하는 과정을 설명하는 화면예시도이며,
도 9는 학습자 특성 진단결과를 토대로 예상 소요시간과 맞춤학습 처방을 제공하는 모습을 설명하는 화면예시도이며,
도 10은 맞춤학습 처방에 근거한 학습신청 가이드를 예시하는 화면예시도이며,
도 11은 학습신청 가이드를 통해 선택된 학습전략을 예시하는 화면예시도이며,
도 12는 학습전략과 학습계획에 근거하여 생성된 학습순서를 개념적으로 설명하는 참고도이며,
도 13은 학습계획에 의하여 학습 컨텐츠들이 단위 학습분량을 기준으로 재구성된 형태를 개념적으로 설명하는 참고도이며,
도 14는 당일의 학습에 대한 평가결과를 설명하는 화면예시도이다.
이하에서는 본 발명의 바람직한 실시예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명한다. 한편, 본 발명을 명확히 하기 위하여 본 발명의 구성과 관련없는 내용은 생략하기로 하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명한다.
한편, 발명의 상세한 설명 또는 특허청구범위에서 어느 하나의 구성요소가 다른 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 당해 구성요소만으로 이루어지는 것으로 한정되어 해석되지 아니하며, 다른 구성요소들을 더 포함할 수 있는 것으로 이해되어야 한다.
또한, 발명의 상세한 설명 또는 특허청구범위에서 "~수단", "~부", "~모듈", "~블록"으로 명명된 구성요소들은 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이들 각각은 소프트웨어 또는 하드웨어, 또는 이들의 결합에 의하여 구현될 수 있다.
도 1은 서버와 클라이언트가 연결되는 관계를 설명하는 도면이다.
서버(10)는 하나 이상의 과목에 대하여, 각 과목별로 미리 준비된 학습 컨텐츠를 클라이언트(20)로 제공하는 주체이다.
클라이언트(20)는 네트워크를 통해 서버(10)로 접속하여 학습 컨텐츠를 제공받아 화면에 재생함으로써 학습자로 하여금 학습을 할 수 있도록 하는 주체에 해당한다.
예컨대, 학습자는 자신의 클라이언트(20)를 이용하여 서버(10)로 접속한 다음, 자신의 계정에 로그인하여 수강중인 과목의 학습 컨텐츠를 제공받는다.
이때, 매 회차별로 제공받아 이를 화면을 통해 재생하여 보면서 학습을 하게 된다.
이러한 학습자의 학습과정은 서버(10)에 의하여 수집되며, 수집된 정보는 차회의 학습 컨텐츠 제공시에 반영될 수 있다.
본 발명에 의한 적응적 학습가이드 제공방법은 바로 이러한 서버(10)에서 실행될 수 있다.
이하에서는 도 2 내지 도 14를 참조하여 본 발명에 의한 적응적 학습가이드 제공방법을 살펴보기로 한다.
도 2는 본 발명에 의한 적응적 학습가이드 제공방법을 시계열적으로 설명하는 플로우차트이다.
도 2에 도시된 바에 의할 때, 본 발명에 의한 적응적 학습가이드 제공방법은 정보수집 단계, 처방 제공단계, 학습전략 생성단계, 학습순서 생성단계, 학습 컨텐츠 제공단계 및 학습순서 동적 갱신단계로 이루어진다.
각 단계는 서버(10)에서 실행되며, 구체적으로는 다음과 같다.
우선 정보수집 단계에서 서버(10)는 클라이언트(20)의 사용자에 의하여 선택된 학습 과목 정보와 학습자 정보를 수집한다.
학습 과목 정보란 서버(10)가 보유한 다양한 학습 컨텐츠 가운데 어느 과목에 해당하는 학습 컨텐츠를 학습할 것인지를 특정하기 위한 정보에 해당한다.
도 3은 정보수집 단계를 보다 상세히 설명하는 플로우차트이다.
도 3에 도시된 바에 의할 때, 정보수집 단계에서 서버(10)는 클라이언트(20)로 학습 과목의 리스트를 포함하는 사용자 인터페이스를 제공한다.
도 6은 학습 대상의 리스트를 포함하는 사용자 인터페이스를 예시한다.
클라이언트(20) 화면에 도 6에 도시된 바와 같은 사용자 인터페이스가 표시되면, 학습자는 그 가운데 자신이 학습하고자 하는 과목을 선택할 수 있다.
도 6에 예시된 바에 의할 때 "부동산학 개론", "부동산민법"과 같이 선택할 수 있는 과목들이 표시되어 있으며 학습자는 그 가운데 어느 하나를 선택한다.
이때, 학습 대상 즉, 과목들의 리스트는 도 6에 예시된 바와 같이 탑다운 형태의 트리구조를 가질 수 있다. 학습자는 대분류에서 소분류를 선택해나가는 방식으로 학습하고자 하는 과목을 구체적으로 선택할 수 있다.
즉, 도 6에 예시된 바와 같이 "공인중개사" -> "정규이론 1순환" -> "부동산학개론"을 선택하는 것이 그것이다.
한편, 학습자가 과목을 선택하면 서버(10)는 학습자가 어떤 과목을 선택했는지 파악한다. 즉, 학습자가 선택한 과목을 특정하기 위한 학습 과목 정보를 클라이언트(20)로부터 수집한다(S110).
한편, 학습 과목이 선택되면 서버(10)는 상기 클라이언트(20)로 다수의 학습자 정보 선택항목을 포함하는 사용자 인터페이스를 제공한다.
도 7은 다수의 학습자 정보 선택항목을 포함하는 사용자 인터페이스를 예시한다.
도 7에 예시된 바와 같이 클라이언트(20) 화면에 학습자 정보 선택항목을 포함하는 사용자 인터페이스가 표시되면, 학습자는 이들 항목들을 선택한다.
바람직하게는 학습자 정보는 학습자의 기본정보와 배경지식 습득정도의 두 가지로 나뉜다.
학습자의 기본정보란 연령, 성별, 학력, 직업, 거주지역 등을 포함할 수 있다.
이러한 학습자의 기본정보는 학습자들을 유사한 특성을 보이는 집단으로 클러스터링하는 데 사용된다.
한편, 배경지식 습득정도는 학습자에게 제공될 학습 컨텐츠의 선택시 기초학습의 필요여부, 난이도 등을 결정하는데 사용된다.
한편, 도 7의 예에서는 학습자로 하여금 각 항목을 선택하도록 하였으나, 사용자의 학습과정 기타의 상황을 통해 묵시적으로(Implicitly) 이러한 정보를 수집하는 것도 가능할 것이다.
이와 같이 학습자가 사용자 인터페이스를 통하여 학습자 정보를 입력함에 따라, 서버(10)는 상기 클라이언트(20)로부터 학습자 정보를 수집한다(S120).
한편, 이와는 별개로 학습 과목의 선택 후, 서버(10)는 상기 클라이언트(20)로 상기 선택된 학습 과목의 목차 항목별 이해도 수집을 위한 사용자 인터페이스를 제공한다.
도 8은 상기 선택된 과목의 각 목차별 이해도를 수집하기 위한 사용자 인터페이스를 예시한다.
도 8에 도시된 바에 의할 때, 학습과목은 "부동산학 총론"이며, 그 목차 항목인 "부동산학의 체계", "부동산의 개념과 분류", "부동산의 특성"에 대하여 각각 학습자의 이해도를 파악한다.
도 8의 예에서는 학습자로 하여금 직접 이해도를 입력하는 것으로 표현되어 있으나, 간단한 테스트나 퀴즈 등을 통하여 학습자의 이해도를 추단하는 것도 가능함은 물론이다.
이와 같이 클라이언트(20)로 제공되는 사용자 인터페이스를 통해 서버(10)는 해당 과목에 대한 학습자의 이해도를 파악한다(S130).
이와 같이 학습 과목이 선택되고, 학습자 정보가 수집되면 서버(10)는 처방 제공단계로 이행한다.
처방 제공단계에서 서버(10)는 수집된 학습자 정보를 이용하여 학습자의 특성을 진단한다.
그리고, 진단된 학습자의 특성에 근거하여 상기 학습 과목 정보에 의해 특정되는 과목의 학습에 소요되는 예상 소요시간을 판정한다.
더 나아가, 진단된 학습자의 특성에 부합하는 맞춤학습 처방을 인출하여 제공할 수 있다.
도 9는 학습자 특성 진단결과를 토대로 예상 소요시간과 맞춤학습 처방을 제공하는 모습을 설명하는 화면예시도이다.
학습자 특성이란 선행학습 정도, 학습역량의 수준, 배경지식 등 학습전략과 학습계획의 생성을 위해 사용되는 기본정보에 해당한다.
이와 같이 학습자 특성이 판정되면 서버(10)는 이를 이용하여 상기 학습자가 상기 선택한 과목을 학습하는데 소요되는 예상 소요시간과 해당 학습자 특성에 부합하는 맞춤학습 처방을 제공한다.
나이가 많거나, 학습역량이 낮은 경우 복습에 많은 시간을 할애하고, 배경지식이 충분한 경우에는 선행학습에 해당하는 부분을 생략할 수 있고, 학습역량이 뛰어난 경우 압축적으로 학습을 진행할 수 있을 것이다.
즉, 해당 과목의 학습에 소요되는 기준시간이 50시간이라 할 경우, 복습에 10시간이 더 필요하다면 도합 60시간, 선행학습에 해당하는 10시간 분량을 생략한다면 도합 40시간, 복습에 소요되는 시간을 5시간 줄인다면 45시간과 같이 결정될 수 있다.
한편, 이와는 별개로 서버(10)는 해당 과목의 메타데이터와 상기 학습자의 학습자 특성을 참조하여 소정의 알고리즘에 의해 맞춤학습 처방을 제공한다.
맞춤학습 처방은 각 경우마다 미리 정의되는 것으로 서버(10)는 해당 과목의 메타데이터와 상기 학습자의 학습자 특성의 조합에 해당하는 것을 선택함으로써 자동화될 수 있다.
도 9의 예에서 "선택하신 과목은 암기 중심의 과목입니다" "기본적인 개념을 이해한 후에 반복적인 암기가 필요합니다"와 같이 맞춤학습 처방을 제공한다.
이러한 맞춤학습 처방은 학습에 소요되는 시간의 산정시에 반영될 수도 있다.
즉, 도 9에 도시된 바와 같이 암기 위주의 과목이라면 복습, 암기카드를 이용한 암기에 보다 많은 시간을 할애하여 총 소요시간을 계산할 수 있다.
한편, 이와 같은 과정을 거쳐 학습자 특성의 진단이 이루어지고, 학습예상소요시간과 맞춤학습 처방이 제공된 다음 서버(10)는 학습전략 생성단계로 이행한다.
학습전략 생성단계에서 서버(10)는 클라이언트(20)로부터 학습신청 가이드 선택결과를 수집함으로써 학습전략과 학습계획을 생성한다.
도 4는 도 2에 도시된 본 발명에서 학습전략과 학습계획을 생성하는 과정을 부연하는 플로우차트이다.
도 4에 도시된 바에 의할 때, 학습전략 생성단계는 다음과 같은 세 단계로 이루어진다.
우선, 서버(10)는 클라이언트(20)로 상기 인출된 맞춤학습 처방에 대응하는 다수의 학습신청 가이드 선택항목을 포함하는 사용자 인터페이스를 제공한다(S210).
도 10은 맞춤학습 처방에 근거한 학습신청 가이드를 예시하는 화면예시도이다.
도 10에 예시된 바에 의한 학습신청 가이드는 다음과 같은 세부 전략 선택항목을 가진다.
즉, "학습 순서 전략", "집중 학습 전략", "분할 학습 전략", "반복 학습 전략", "반복 암기 전략", "확산 수렴 전략"과 같은 6개의 선택사항을 가진다.
"학습 순서 전략"이란 목차에 따라 학습하는 전략 또는 전체 목차에 대해 기본개념을 이해한 다음, 본 학습으로 들어가는 전략으로 나눠진다.
"집중 학습 전략"이란 매일 1시간 이상 연속하여 학습하는 전략 또는 스케쥴의 정함없이 자율적으로 학습하는 전략으로 나뉜다.
"반복 학습 전략"이란 동일 내용을 반복하여 학습함으로써 장기 기억화하는 전략과 반복학습을 생략함으로써 시간을 단축하는 전략으로 나뉜다.
"반복 암기 전략"이란 암기 카드를 이용하여 학습과 별개로 암기하는 전략과 암기를 생략함으로써 시간을 단축하는 전략으로 나뉜다.
"확산 수렴 전략"이란 사고의 확산에 따른 학습전략 또는 수렴에 따른 학습전략으로 나뉜다.
학습자는 도 10에 예시된 바와 같은 사용자 인터페이스를 보면서 각 항목별로 자신에게 적합하다 판단되는 전략을 선택할 수 있다.
이에 따라 서버(10)는 클라이언트(20)로부터 학습신청 가이드 선택항목에 대한 학습자의 선택결과를 수집한다(S220).
이후, 서버(10)는 수집된 학습신청 가이드 선택결과에 부합하는 학습전략과 학습계획을 생성한다(S230).
도 11은 생성된 학습전략 및 학습계획을 예시하는 화면예시도이다.
이와 같이 학습전략과 학습계획이 생성됨에 따라 서버(10)는 이를 클라이언트(20)로 제공하며, 클라이언트(20)는 제공받은 정보를 도 11에 예시된 바와 같이 화면에 표시한다.
학습전략이란 학습의 순서와 방법을 결정짓는 변수로서 클라이언트(20) 사용자에 의하여 직접 선택되거나, 또는 클라이언트(20) 사용자의 입력값으로부터 도출된 값에 해당한다.
도 11에 예시된 바에 의할 때, 학습 순서 전략으로 A1, 집중 학습 전략으로 B1, 분할 학습 전략으로 C1, 반복 학습 전략으로 D2, 반복 암기 전략으로 E1, 확산 수렴 전략으로 F2가 선정되었을 알 수 있다.
도 11의 예에서 생성된 학습전략은 바로 A1, B1, C1, D2, E1, F2의 조합을 의미한다.
이와 같이 생성된 학습전략의 조합에 의해 학습 컨텐츠의 선정 및 순서의 재구성에 사용될 알고리즘이 선택된다.
한편, 학습계획이란 학습을 위해 어느 정도의 시간을 어떻게 배분하여 사용할 것인가 하는 계획을 의미한다.
도 11의 하단에 도시된 예에 의할 때, 학습계획은 1일 학습시간과 총 예상소요기간으로 나뉜다. 총 예상소요시간을 산출하는 방법은 상기에서 살펴본 바와 같으며, 예상소요기간은 총 소요시간에서 1일 학습시간을 나눈 값에 해당한다.
한편, 1일 학습시간은 상기 학습전략과 학습자 정보에 의해 기본값으로 정해진 값에 더하거나 빼는 방식으로 결정된다.
도 11의 예에 의할 때, 학습자가 매일 2시간의 집중학습을 하는 것으로 학습전략을 선택하였고, 학습전략과 학습자 정보에 의하여 소정의 알고리즘에 의해 계산한 결과 복습에는 1시간을 할애하는 것으로 도시되어 있다.
결국, 도 11의 예에 의할 때, 학습자의 1일 학습시간은 집중학습 2시간, 복습 1시간으로 도합 3시간이 된다.
총 예상소요시간을 3시간으로 나눈 결과 예상소요기간은 80일로 도출된다.
이와 같이 학습전략 및 학습계획이 도출되면, 서버(10)는 학습순서 생성단계로 이행한다.
학습순서 생성단계에서 서버(10)는 생성된 학습전략 및 학습계획을 이용하여 학습 대상인 과목에 해당하는 학습 컨텐츠들을 선택하고, 선택된 학습 컨텐츠들의 순서를 목차를 참조하여 재구성한다.
각 과목마다 미리 준비된 학습 컨텐츠들은 바람직하게는 기본단위(목차 항목 단위일 수도 있으며, 일정 분량 단위일 수도 있다.)마다 메타데이터를 가진다.
예컨대, 내용에 따라서는 기초이론인지, 본 학습인지, 심화학습인지와 같은 메타데이터를 가질 수 있으며, 이외에도 난이도에 따른 구분도 가능하다. 더 나아가, 예습용인지 복습용인지, 암기용인지와 같이 용도에 따른 구분도 가능할 것이다.
학습순서 생성단계에서 서버(10)는 생성된 학습전략 및 학습계획을 이용하여 해당 과목에 대해 미리 준비된 각 학습 컨텐츠의 메타데이터를 이용하여 제외할 것을 제외하거나, 또는 추가할 것을 추가한다.
즉, 단순히 학습자에 적합한 난이도의 학습 컨텐츠를 포함시키고 난이도가 지나치게 높거나 낮은 학습 컨텐츠를 제외시키는 기본적인 방법에서 더 나아가, 학습자의 학습 전략에 따라 반복학습이나 암기카드의 활용, 확산수렴전략 등에 부합하는 학습 컨텐츠를 추가하거나 제외할 수 있다.
그리고, 이와 같이 선정된 학습 컨텐츠들을 학습 순서 전략에 의해 재구성한다.
도 12는 학습전략과 학습계획에 근거하여 생성된 학습순서를 개념적으로 설명하는 참고도이다.
도 12의 (a)에 도시된 바에 의할 때, 각 단원별로 좌에서 우로 순차학습이 진행되는 것을 알 수 있다. 즉, 목차순서대로 학습을 진행하는 것이다.
반면, 도 12의 (b)에 도시된 바에 의할 때, 목차의 순서와 무관하게 각 단원별 기초내용을 모두 살펴본 다음, 단원별 본 학습을 수행하고, 마지막으로 각 단원별 심화학습을 살펴보는 방식으로 순서가 재구성됨을 알 수 있다.
서버(10)는 각 목차항목에 해당하는 학습 컨텐츠들을 기초 학습, 본 학습, 심화학습에 해당하는 것들로 나누어 순서를 재구성한다.
이와 같은 학습순서의 재구성은 학습전략에 의해 이루어짐은 물론이다.
그리고, 서버(10)는 학습계획에 의해 상기와 같이 재구성된 학습 컨텐츠들을 1일 학습시간 단위로 나눈다.
이때, 1일 학습시간 단위를 진도, 반복학습, 암기와 같이 구성할 수 있다.
도 11의 예에서 2시간 진도를 나간 후 1시간 복습을 하는 것으로 학습계획이 수립되었으며, 서버(10)는 1일 학습시간 단위로 학습 컨텐츠들을 나눔에 있어 2시간 진도, 1시간 복습과 같이 재배열한다.
도 13은 학습계획에 의하여 학습 컨텐츠들이 단위 학습분량을 기준으로 재구성된 형태를 개념적으로 설명하는 참고도이다.
도 13에 도시된 바에 의할 때, 학습 컨텐츠들이 진도, 반복학습, 반복암기의 시간안분을 고려하여 재배치된 모습을 확인할 수 있다.
이에 의해 매일 학습할 분량이 나누어지고, 전체 학습 일정 동안의 커리큘럼이 완성된다.
이와 같이 학습 컨텐츠들을 선정하고 순서를 재구성한 후, 단위 학습분량(상기 예에서는 1일 학습할 분량)으로 나눔으로써 학습 순서가 생성된다.
이후 서버(10)는 학습 컨텐츠 제공단계로 이행한다.
학습 컨텐츠 제공단계에서 서버(10)는 생성된 학습순서에 근거하여 상기 클라이언트(20)로 당해 회차의 학습 컨텐츠를 제공한다.
즉, 학습자가 클라이언트(20)를 이용하여 매일 서버(10)에 접속하면 서버(10)는 해당 일자의 학습 컨텐츠를 제공하는 것이다. 이러한 과정은 종래 이러닝 기술분야에서 이루어지던 것과 상이하지 아니하다.
이후, 서버(10)는 학습순서 동적 갱신단계로 이행한다.
학습순서 동적 갱신단계에서 서버(10)는 상기 클라이언트(20)로부터 학습 컨텐츠를 제공한 후, 클라이언트(20)의 사용자에 의한 학습 컨텐츠의 학습결과를 트래킹하여 수집한다.
그리고, 수집한 학습결과를 통해 학습순서를 동적으로 갱신한다.
도 5는 이러한 학습순서 동적 갱신단계를 부연하는 플로우차트이다.
도 5에 도시된 바에 의할 때, 학습순서 동적 갱신단계에서 서버(10)는 클라이언트(20)의 사용자가 기 제공된 단위 학습분량의 학습 컨텐츠를 학습하는 동안 학습진도, 이해도, 암기도 가운데 하나 이상을 포함하는 학습결과를 수집한다(S310).
이는 종래기술에 의한 학습과정의 트래킹 과정과 상이하지 아니하다.
이후, 서버(10)는 수집한 학습결과를 이용하여 학습전략 또는 학습계획을 동적으로 수정하여 상기 클라이언트로 제공한다(S320).
즉, 학습자로부터 직접 입력받은 학습전략과 이로부터 도출된 학습계획이 학습자에게 부합하지 않는다 판단한 경우, 이의 수정을 권고할 수 있다.
또는, 특정한 과목이나 목차와 관련해서는 학습자의 학습성취가 부진하다는 등의 경우 학습전략과 학습계획의 동적인 수정을 권고할 수 있다.
이후, 학습자가 클라이언트(20)를 이용하여 이를 승인하면 서버(10)는 수정된 학습전략 또는 학습계획을 이용하여 학습 컨텐츠들을 동적으로 재선택하거나, 선택된 학습 컨텐츠들의 순서를 동적으로 재구성함으로써 학습순서를 변경한다(S330).
도 14는 당일의 학습에 대한 평가결과를 설명하는 화면예시도이다.
이와 같은 도표를 통해 특정 목차 항목에 대해서는 진도가 예정대로 진행되었으나, 이해도나 암기도가 낮다는 등의 학습결과를 알 수 있다.
이러한 학습결과는 학습자에게 제공되며, 이를 근거로 학습전략과 학습계획의 동적인 수정이 권고된다.
이상 살펴본 바에 의할 때, 학습자는 자신에게 부합하는 학습방법을 선택하여 학습할 수 있게 된다.
즉, 단순히 학습자에게 부합하는 맞춤형 학습 컨텐츠를 제공하는 것이 아니라, 학습 컨텐츠를 학습자가 수용할 수 있도록 최적의 학습 방법을 찾아주고 학습계획을 세워서 학습할 수 있도록 하는 것이다.
더 나아가 학습의 결과에 따라서 학습 방법을 동적으로 재구성한다.
이에 의해 자기주도 학습의 역량이 부족한 학습자들이 최적의 학습방법에 의해 학습할 수 있게 된다.
한편, 본 발명에 의한 적응적 학습가이드 제공방법은 컴퓨터가 읽을 수 있는 코드로서 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 수록될 수 있다.
이때, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽을 수 있는 데이터가 저장되는 모든 종류의 매체를 포함할 수 있으며, 그 예로는 DVD-ROM, CD-ROM, 하드 디스크, USB 메모리, 플래쉬 메모리 등을 들 수 있다.
한편, 기록매체에 수록된다는 표현은 대량으로 기록매체에 수록되어 패키지 형태로 유통되는 경우는 물론 데이터 패킷의 형태로 네트워크를 통해 제공되어 기록매체에 수록되는 경우를 모두 포괄한다.
상기에서는 "서버"라는 표현을 사용하였으나, 분산 컴퓨팅 환경에서는 기능이나 부하를 다수의 서버로 분할하여 처리하는 것이 일반적이므로 "서버"는 반드시 단일한 하드웨어 구성요소를 지칭하지 아니하며, 기능적으로 구분되는 서버군을 포함할 수 있다.
한편, 상기에서는 네트워크라는 표현을 사용하였으나 이때 네트워크는 거리와 규모에 따라서는 Local Area Network), WAN(Wide Area Network), 접속경로의 특징에 따라서는 인트라넷, VPN(Virtual Private Network), 접속방식에 따라서는 와이브로, WiFi 등과 같이 지칭되는 공지의 유무선 통신방식을 포괄하는 광의의 개념으로 해석되어야 한다.
본 발명은 첨부 도면 및 상기와 같은 실시예를 참조하여 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 권리범위는 오직 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이며 상기와 같은 실시예에 국한되지 아니한다.
본 발명은 이러닝(E-learning) 기술분야 및 그 인접 기술분야에 적용될 수 있다.
10 : 서버
20 : 클라이언트
20 : 클라이언트
Claims (7)
- 네트워크를 통해 접속한 클라이언트로 학습 컨텐츠를 제공하는 서버에서 실행되는 방법에 있어서,
클라이언트로부터 선택된 학습 과목 정보와 학습자 정보를 수집하는 정보수집 단계;
수집된 학습자 정보를 이용하여 학습자의 특성을 진단하고, 진단된 학습자의 특성에 근거하여 상기 학습 과목 정보에 의해 특정되는 과목의 학습에 소요되는 예상 소요시간을 판정하고, 진단된 학습자의 특성에 부합하는 맞춤학습 처방을 인출하여 제공하는 처방 제공단계;
상기 클라이언트로부터 학습신청 가이드 선택결과를 수집함으로써 학습전략과 학습계획을 생성하는 학습전략 생성단계;
상기 생성된 학습전략을 이용하여 상기 특정되는 과목에 해당하는 학습 컨텐츠들을 선택하고, 선택된 학습 컨텐츠들의 순서를 목차를 참조하여 재구성하며, 상기 학습계획에 의하여 상기 학습 컨텐츠들을 단위 학습분량 단위로 나눔으로써 학습순서를 생성하는 학습순서 생성단계;
생성된 학습순서에 근거하여 상기 클라이언트로 당해 회차의 학습 컨텐츠를 제공하는 학습 컨텐츠 제공단계; 및
상기 클라이언트로부터 기 제공된 학습 컨텐츠의 학습결과를 수집하고, 수집된 학습결과를 통해 학습순서를 동적으로 갱신하는 학습순서 동적 갱신단계;를 포함하는 것을 특징으로 하는 적응적 학습가이드 제공방법. - 제 1 항에 있어서,
상기 정보수집 단계는 상기 클라이언트로 학습 과목의 리스트를 포함하는 사용자 인터페이스를 제공하되, 상기 클라이언트로부터 선택된 학습 과목 정보를 수집하는 제 110 단계;
학습 과목이 선택됨에 따라 상기 클라이언트로 다수의 학습자 정보 선택항목을 포함하는 사용자 인터페이스를 제공하되, 상기 클라이언트로부터 선택된 학습자 정보를 수집하는 제 120 단계; 및
학습 과목이 선택됨에 따라 상기 클라이언트로 상기 선택된 학습 과목의 목차 항목별 이해도 수집을 위한 사용자 인터페이스를 제공하되, 상기 클라이언트로부터 입력된 값으로부터 목차별 이해도를 수집하는 제 130 단계;를 포함하는 것을 특징으로 하는 적응적 학습가이드 제공방법. - 제 1 항에 있어서,
상기 학습전략 생성단계는 클라이언트로 상기 인출된 맞춤학습 처방에 대응하는 다수의 학습신청 가이드 선택항목을 포함하는 사용자 인터페이스를 제공하는 제 210 단계;
상기 클라이언트로부터 학습신청 가이드 선택항목의 선택결과를 수집하는 제 220 단계; 및
수집된 학습신청 가이드 선택결과에 부합하는 학습전략과 학습계획을 생성하는 제 230 단계;를 포함하는 것을 특징으로 하는 적응적 학습가이드 제공방법. - 제 1 항에 있어서,
상기 학습순서 생성단계에서 학습전략을 이용하여 학습 컨텐츠들을 선택하고, 학습 컨텐츠들의 순서를 재구성하며, 학습계획을 이용하여 학습 컨텐츠들을 단위 학습분량을 기준으로 나누되, 단위 학습분량 내에서 진도, 복습의 시간안분을 고려하여 학습 컨텐츠들을 재배치하는 것을 특징으로 하는 적응적 학습가이드 제공방법. - 제 1 항에 있어서,
학습순서 동적 갱신단계는 상기 클라이언트로부터 기 제공된 학습 컨텐츠의 학습진도, 이해도, 암기도 가운데 하나 이상을 포함하는 학습결과를 수집하는 310 단계;
수집한 학습결과를 이용하여 학습전략 또는 학습계획을 동적으로 수정하여 상기 클라이언트로 제공하는 제 320 단계; 및
상기 클라이언트로부터의 요청시 상기 동적으로 수정된 학습전략 또는 학습계획에 근거하여 상기 특정되는 과목에 해당하는 학습 컨텐츠들을 동적으로 재선택하거나, 선택된 학습 컨텐츠들의 순서를 동적으로 재구성하는 제 330 단계;를 포함하는 것을 특징으로 하는 적응적 학습가이드 제공방법. - 제 1 항에 있어서,
상기 학습전략은 학습의 순서와 방법을 결정짓는 변수로서 클라이언트로부터 입력되거나 클라이언트로부터 수집된 정보로부터 획득된 변수 값들의 조합이며,
학습순서 생성단계에서 상기 변수 값들의 조합에 해당하는 알고리즘을 이용하여 학습 컨텐츠를 선정하거나, 학습 컨텐츠의 순서를 재구성하는 것을 특징으로 하는 적응적 학습가이드 제공방법. - 제 1 항에 있어서,
상기 학습계획이란 해당 과목의 학습을 위해 필요한 전체 기간과 단위 학습분량의 학습에 필요한 시간 정보를 포함하는 것을 특징으로 하는 적응적 학습가이드 제공방법.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120112357A KR20140046196A (ko) | 2012-10-10 | 2012-10-10 | 적응적 학습가이드 제공방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020120112357A KR20140046196A (ko) | 2012-10-10 | 2012-10-10 | 적응적 학습가이드 제공방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20140046196A true KR20140046196A (ko) | 2014-04-18 |
Family
ID=50653241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020120112357A KR20140046196A (ko) | 2012-10-10 | 2012-10-10 | 적응적 학습가이드 제공방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20140046196A (ko) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200084694A (ko) * | 2019-01-03 | 2020-07-13 | 아주대학교산학협력단 | 교육 자료를 수집하는 방법 및 장치 |
KR20210025394A (ko) * | 2019-08-27 | 2021-03-09 | 주식회사 제이이엔씨 | 자기주도 학습 최적화 시스템 및 방법 |
KR20210130598A (ko) * | 2020-04-22 | 2021-11-01 | 이효정 | 예상 성취 등급 정보를 제공하는 방법 및 예상 성취 등급 정보 기반의 학습 플래너를 제공하는 방법 |
KR20220147347A (ko) * | 2021-04-27 | 2022-11-03 | 재단법인대구경북과학기술원 | 다중 분류 모델에 기반한 직무 훈련 컨텐츠 추천 장치 및 방법 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090001616A (ko) * | 2007-05-03 | 2009-01-09 | 에스케이 텔레콤주식회사 | 학습 설계 서비스를 제공하는 방법 및 시스템 |
KR20120000311A (ko) * | 2010-06-25 | 2012-01-02 | 정재민 | 스터디 플랜 서비스 방법 및 장치와 그 방법을 실행하기 위한 프로그램이 기록된 기록매체 |
KR20120090569A (ko) * | 2011-02-08 | 2012-08-17 | 주식회사 엔씨소프트 | 맞춤형 학습 컨텐츠 패키징 시스템 및 그 방법 |
-
2012
- 2012-10-10 KR KR1020120112357A patent/KR20140046196A/ko not_active Application Discontinuation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090001616A (ko) * | 2007-05-03 | 2009-01-09 | 에스케이 텔레콤주식회사 | 학습 설계 서비스를 제공하는 방법 및 시스템 |
KR20120000311A (ko) * | 2010-06-25 | 2012-01-02 | 정재민 | 스터디 플랜 서비스 방법 및 장치와 그 방법을 실행하기 위한 프로그램이 기록된 기록매체 |
KR20120090569A (ko) * | 2011-02-08 | 2012-08-17 | 주식회사 엔씨소프트 | 맞춤형 학습 컨텐츠 패키징 시스템 및 그 방법 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20200084694A (ko) * | 2019-01-03 | 2020-07-13 | 아주대학교산학협력단 | 교육 자료를 수집하는 방법 및 장치 |
KR20210025394A (ko) * | 2019-08-27 | 2021-03-09 | 주식회사 제이이엔씨 | 자기주도 학습 최적화 시스템 및 방법 |
KR20210130598A (ko) * | 2020-04-22 | 2021-11-01 | 이효정 | 예상 성취 등급 정보를 제공하는 방법 및 예상 성취 등급 정보 기반의 학습 플래너를 제공하는 방법 |
KR20220147347A (ko) * | 2021-04-27 | 2022-11-03 | 재단법인대구경북과학기술원 | 다중 분류 모델에 기반한 직무 훈련 컨텐츠 추천 장치 및 방법 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Seaton et al. | Who does what in a massive open online course? | |
US10902321B2 (en) | Neural networking system and methods | |
Boley et al. | Measuring empowerment: Developing and validating the resident empowerment through tourism scale (RETS) | |
US9667321B2 (en) | Predictive recommendation engine | |
Kyndt et al. | ‘Time is not enough.’Workload in higher education: a student perspective | |
Sosnovsky et al. | Evaluation of topic-based adaptation and student modeling in QuizGuide | |
Carbaugh et al. | The differentiated flipped classroom: A practical guide to digital learning | |
Baars et al. | Effects of problem solving after worked example study on secondary school children’s monitoring accuracy | |
US20190027053A9 (en) | Systems and methods for providing information incorporating reinforcement-based learning and feedback | |
Roth | Interpersonal influences on educational expectations: New evidence for Germany | |
WO2011088412A1 (en) | Dynamically recommending learning content | |
Maric et al. | Differences in learning styles: a comparison of Slovenian Universities | |
Lai et al. | A spreadsheet-based visualized Mindtool for improving students’ learning performance in identifying relationships between numerical variables | |
US11276005B2 (en) | Cognitive assessment based recommendations | |
Liem et al. | The role of arts-related information and communication technology use in problem solving and achievement: Findings from the programme for international student assessment. | |
KR20140046196A (ko) | 적응적 학습가이드 제공방법 | |
Maaliw III | Classification of learning styles in virtual learning environment using data mining: A basis for adaptive course design | |
Loes et al. | The Effects of Teacher Behaviors on Students' Inclination to Inquire and Lifelong Learning. | |
Wan et al. | Students' behavior analysis under the Sakai LMS | |
Van de Gaer et al. | School effects on the development of motivation toward learning tasks and the development of academic self-concept in secondary education: a multivariate latent growth curve approach | |
Sung et al. | Effect of learning styles on students' motivation and learning achievement in digital game-based learning | |
US20060234200A1 (en) | Computer based method for self-learning and auto-certification | |
Žukauskienė et al. | How do Lithuanian adolescents address identity questions? A four-wave longitudinal study on change and stability in identity styles | |
Xiao et al. | The application of CART algorithm in analyzing relationship of MOOC learning behavior and grades | |
KR101996249B1 (ko) | 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 프레임워크 운용 방법, 장치 및 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E601 | Decision to refuse application |