KR20150065354A - Apparatus and method for intelligent learning materials decision - Google Patents

Apparatus and method for intelligent learning materials decision Download PDF

Info

Publication number
KR20150065354A
KR20150065354A KR1020130150578A KR20130150578A KR20150065354A KR 20150065354 A KR20150065354 A KR 20150065354A KR 1020130150578 A KR1020130150578 A KR 1020130150578A KR 20130150578 A KR20130150578 A KR 20130150578A KR 20150065354 A KR20150065354 A KR 20150065354A
Authority
KR
South Korea
Prior art keywords
learning
user
chapter
content
determining
Prior art date
Application number
KR1020130150578A
Other languages
Korean (ko)
Inventor
정상근
Original Assignee
한국전자통신연구원
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 한국전자통신연구원 filed Critical 한국전자통신연구원
Priority to KR1020130150578A priority Critical patent/KR20150065354A/en
Publication of KR20150065354A publication Critical patent/KR20150065354A/en

Links

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

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)

Abstract

Disclosed are an intelligent apparatus for determining learning materials and a method thereof, which can recommend an article to be learned by a learner in a computer-based education system by dynamically considering the response ability of the learner and ability improvement, can determine a learning material at each learning point, and can suggest a correct answer for an error response of the learner. According to the present invention, the intelligent apparatus for determining learning materials comprises: a learning history generation unit to generate a learning history performed by an equivalent user having an equivalent learning ability to a user; a chapter determination unit to determine a chapter to be learned by the user among multiple chapters based on the learning history; a content determination unit to determine content to be learned by the user among multiple contents included in the chapter determined by the chapter determination unit based on the learning history; and a solution determination unit to determine a solution to be learned by the user among multiple solutions for questions for learning included in the content determined by the content determination unit based on the learning history.

Description

지능형 학습 자료 결정 장치 및 방법{APPARATUS AND METHOD FOR INTELLIGENT LEARNING MATERIALS DECISION}[0001] APPARATUS AND METHOD FOR INTELLIGENT LEARNING MATERIALS DECISION [0002]

본 발명은, 지능형 학습 자료 결정 장치 및 방법에 관한 것이다. 더욱 상세하게는 본 발명은, 학습자의 대처 능력과 능력향상을 동적으로 고려하여, 컴퓨터 기반의 교육시스템에서 학습자가 배워야 할 항목을 추천하고, 학습하는 각 시점에서의 교육 소재를 결정하고, 학습자의 오류 응답에 대한 정답을 제시하는 지능형 학습 자료 결정 장치 및 방법에 관한 것이다.The present invention relates to an intelligent learning data determination apparatus and method. More particularly, the present invention relates to a computer-based education system that dynamically considers a learner's coping ability and ability improvement, recommends items to be learned by a learner in a computer-based education system, The present invention relates to an intelligent learning data determining apparatus and method for presenting correct answers to error responses.

종래 컴퓨터 기반 교육 시스템에서는, 교육 소재가 미리 정해져 있고, 그 소재를 교육시키는 교육 흐름(Flow)가 설계되어 있으며, 정해져 있는 문제를 제시하거나 그에 대한 답을 제시해 준다. In the conventional computer-based education system, the educational material is predetermined, and the education flow for educating the material is designed, and the predetermined problem is presented or an answer is given.

도 1은 종래 컴퓨터 기반 교육 시스템에 대한 설명을 하기 위한 도면이다.1 is a diagram for explaining a conventional computer-based education system.

도 1을 참조하여 설명하면, 종래 컴퓨터 기반 교육 시스템에서 자유롭게 회화할 수 있는 능력을 길러주고자 하는 교육적 목표를 가지고 있을 때, 예를 들어 다음과 같이 구성된다. Referring to FIG. 1, when the computer-based educational system has an educational goal of cultivating the ability to freely speak, for example, the following configuration is made.

교육 커리큘럼 : "좋아하는 계절에 대해 묻고 답하기"Educational Curriculum: "Ask and Answer about your favorite seasons"

교육 소재 : "favorite season", "spring, summer, fall, winter"Education material: "favorite season", "spring, summer, fall, winter"

유용한 표현 : "My favorite season is ~", "One of my favorite season is ~"Useful expression: "My favorite season is ~", "One of my favorite season is ~"

도 1을 참조하여 예를 들면, 튜터(10)가 학습자(20)에게 "What is your favorite season?" 으로 질문을 하면(S10), 상기 학습자(20)는 "My favorite season is spring" 이라고 대답(S11)하게 된다.For example, referring to FIG. 1, when the tutor 10 instructs the learner 20 to "What is your favorite season?" (S10), the learner 20 answers "My favorite season is spring" (S11).

이 때, 다시 상기 튜터(10)가 학습자(20)에게 "Why is it your favorite season?" 이라고 질문을 하면(S12), 상기 학습자(20)는 봄을 좋아하는 이유에 대하여 영어로 대답하여야 하는데, 영어 대답을 하지 못하여, 머뭇 거리며, "Because it's it " 라고 오답을 말하게 된다(S13).At this time, the tutor 10 instructs the learner 20 to "Why is it your favorite season?" (S12), the learner 20 must answer in English with respect to the reason why he likes spring, hesitating because he can not answer English, and saying "Because it's it" (S13).

이 때, 상기 튜터(10)는 상기 학습자(20)에게 정해진 모범답안(Solution)을 제시한다(S14). 이 후, 상기 학습자(20)는 제시된 모범답안을 참조하여 다시 튜터(20)에게 모범 답안을 대답(S15)하게 됨으로써 학습을 마치게 된다.At this time, the tutor 10 presents a predetermined solution to the learner 20 (S14). Thereafter, the learner 20 refers to the proposed model and returns to the tutor 20 (S15) to finish the learning.

이처럼, 종래의 컴퓨터 기반 영어 교육 방법론은 위와 같이 정적으로 정해져 있는 표현 및 추천방식으로 이루어 진다.Thus, the conventional computer-based English teaching methodology is composed of the expression and the recommendation method which are fixed as above.

즉, 이러한 방식은, 교육자가 설계한 교수 방식이 그대로 구현되어 학생에게 전달된다는 장점은 있지만, 학생의 능력 수준을 동적으로 고려하지 않고 있으며, 교육 설계자의 고정관념이나 설계한 시점과 학생들의 학습 시점의 불일치로 인해 어떠한 경우에는 불필요한 교육을 다시 수행하게 하거나, 너무 고난도의 교육을 요구하게 되는 경우도 생길 수 있다. In other words, this method has the merit that the teaching method designed by the educator is implemented as it is and delivered to the students, but does not dynamically consider the level of the student's ability, and the stereotype of the educational designer, In some cases, it may cause unnecessary education to be performed again, or it may require too much education.

따라서, 학습자의 대처 능력과 능력향상을 동적으로 고려하여, 컴퓨터 기반의 교육시스템에서 학습자가 배워야 할 항목을 추천하고, 학습하는 각 시점에서의 교육 소재를 결정하고, 학습자의 오류 응답에 대한 정답을 제시하는 지능형 학습 자료 결정 장치 및 방법이 필요한 실정이다. 관련 기술로는 한국공개특허 제10-2013-0089099호가 존재한다.Therefore, by dynamically considering learner 's coping ability and ability improvement, we recommend items to be learned by the learner in the computer - based education system, determine the educational material at each point of learning, and answer the learner' And a method and a method for determining intelligent learning data are needed. Korean Patent Publication No. 10-2013-0089099 exists as a related art.

본 발명의 목적은, 컴퓨터 기반의 교육 시스템에서 학습자가 배워야 할 항목을 추천하는 방법, 배우는 각 시점에서의 교육 소재의 선택 방법, 학생의 오류 응답에 대한 교정을 사용자 개인의 사용, 학습 이력 혹은 유사 사용자 군의 사용, 학습이력을 활용하여 동적으로 결정하여 제공함으로써 교육적 효과를 높이는 것을 가능케 하는 것이다.It is an object of the present invention to provide a method and apparatus for recommending items to be learned by a learner in a computer-based education system, a method of selecting educational materials at each point of learning, Use of the user group, learning history, and dynamically determine and provide the educational effect.

상기한 목적을 달성하기 위한 본 발명에 따른 지능형 학습 자료 결정 장치는, 사용자 및 상기 사용자와 유사한 학습 능력을 갖는 유사 사용자가 수행한 학습이력을 생성하는 학습 이력 생성부, 상기 학습 이력을 기반으로 복수개의 챕터 중 학습하고자 하는 챕터를 결정하는 챕터 결정부, 상기 학습 이력을 기반으로 상기 챕터 결정부에서 결정된 챕터에 포함된 복수개의 컨텐츠 중 학습하고자 하는 컨텐츠를 결정하는 컨텐츠 결정부 및 상기 학습 이력을 기반으로 상기 컨텐츠 결정부에서 결정된 컨텐츠에 포함된 학습용 문제에 대한 복수개의 솔루션 중 학습하고자 하는 솔루션을 결정하는 솔루션 결정부를 포함한다.
According to an aspect of the present invention, there is provided an intelligent learning data determining apparatus comprising: a learning history generating unit for generating a learning history performed by a user and a similar user having a learning ability similar to the user; A content deciding section for deciding a content to be studied among a plurality of contents included in a chapter determined by the chapter deciding section on the basis of the learning history, And a solution determining unit for determining a solution to be learned among a plurality of solutions for a learning problem included in the content determined by the content determining unit.

또한, 상기한 목적을 달성하기 위한 본 발명에 따른 지능형 학습 자료 결정장치는, 학습 이력 생성부에 의하여, 사용자 및 상기 사용자와 유사한 학습 능력을 갖는 유사 사용자가 수행한 학습이력을 생성하는 단계, 챕터 결정부에 의하여, 상기 학습 이력을 기반으로 복수개의 챕터 중 학습하고자 하는 챕터를 결정하는 단계, 컨텐츠 결정부에 의하여, 상기 학습 이력을 기반으로 상기 챕터 결정부에서 결정된 챕터에 포함된 복수개의 컨텐츠 중 학습하고자 하는 컨텐츠를 결정하는 단계 및 솔루션 결정부에 의하여, 상기 학습 이력을 기반으로 상기 컨텐츠 결정부에서 결정된 컨텐츠에 포함된 학습용 문제에 대한 복수개의 솔루션 중 학습하고자 하는 솔루션을 결정하는 단계를 포함한다.According to another aspect of the present invention, there is provided an intelligent learning data determining apparatus comprising: a learning history generating unit configured to generate a learning history performed by a user and a similar user having a learning ability similar to the user, Determining a chapter to be learned out of a plurality of chapters on the basis of the learning history based on the learning history, determining, by the content determining unit, a plurality of contents included in the chapter determined by the chapter determining unit based on the learning history Determining a content to be learned, and determining a solution to be learned among a plurality of solutions for a learning problem included in the content determined by the content deciding unit based on the learning history, by a solution deciding unit .

본 발명에 의하면, 컴퓨터 기반의 교육 시스템에서 학습자가 배워야 할 항목을 추천하는 방법, 배우는 각 시점에서의 교육 소재의 선택 방법, 학생의 오류 응답에 대한 교정을 사용자 개인의 사용, 학습 이력 혹은 유사 사용자 군의 사용, 학습이력을 활용하여 동적으로 결정하여 제공함으로써 교육적 효과를 높이는 효과가 있다.According to the present invention, a method of recommending items to be learned by a learner in a computer-based education system, a method of selecting a teaching material at each point of learning, a correction of a student's error response, It is effective to increase the educational effect by dynamically determining and using the use of the military and learning history.

도 1은 종래 컴퓨터 기반 교육 시스템에 대한 설명을 하기 위한 도면이다.
도 2는 본 발명에 따른 지능형 학습 자료 결정 장치의 블록도이다.
도 3은 본 발명에 따른 지능형 학습 자료 결정 장치의 실시예이다.
도 4는 본 발명에 따른 지능형 학습 자료 결정 장치의 챕터 결정부를 설명하기 위한 도면이다.
도 5는 본 발명에 따른 지능형 학습 자료 결정 장치의 컨텐츠 결정부를 설명하기 위한 도면이다.
도 6은 본 발명에 따른 지능형 학습 자료 결정 장치의 솔루션 결정부를 설명하기 위한 도면이다.
도 7은 본 발명에 따른 지능형 학습 자료 결정 방법의 흐름도이다.1 is a diagram for explaining a conventional computer-based education system.
2 is a block diagram of an intelligent learning data determination apparatus according to the present invention.
3 is an embodiment of an intelligent learning data determination apparatus according to the present invention.
4 is a diagram for explaining a chapter determination unit of the intelligent learning data determination apparatus according to the present invention.
5 is a diagram for explaining a content determiner of the intelligent learning data deciding apparatus according to the present invention.
6 is a diagram for explaining a solution determining unit of the intelligent learning data deciding apparatus according to the present invention.
7 is a flowchart of a method for determining intelligent learning data according to the present invention.

본 발명을 첨부된 도면을 참조하여 상세히 설명하면 다음과 같다. 여기서, 반복되는 설명, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능, 및 구성에 대한 상세한 설명은 생략한다. The present invention will now be described in detail with reference to the accompanying drawings. Hereinafter, a repeated description, a known function that may obscure the gist of the present invention, and a detailed description of the configuration will be omitted.

본 발명의 실시형태는 당 업계에서 평균적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 따라서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.Embodiments of the present invention are provided to more fully describe the present invention to those skilled in the art. Accordingly, the shapes and sizes of the elements in the drawings and the like can be exaggerated for clarity.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a),(b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다.
In describing the components of the present invention, terms such as first, second, A, B, (a), and (b) may be used. These terms are intended to distinguish the constituent elements from other constituent elements, and the terms do not limit the nature, order or order of the constituent elements.

이하, 도면을 참조하여 본 발명에 따른 지능형 학습 자료 결정 장치의 구성및 동작에 대하여 구체적으로 설명하도록 한다.Hereinafter, the configuration and operation of the intelligent learning data determination apparatus according to the present invention will be described in detail with reference to the drawings.

도 2는 본 발명에 따른 지능형 학습 자료 결정 장치의 블록도이다. 도 3은 본 발명에 따른 지능형 학습 자료 결정 장치의 실시예이다. 2 is a block diagram of an intelligent learning data determination apparatus according to the present invention. 3 is an embodiment of an intelligent learning data determination apparatus according to the present invention.

도 2를 참조하여 설명하면, 본 발명에 따른 지능형 학습 자료 결정 장치(100)는 학습 이력 생성부(110), 챕터 결정부(120), 컨텐츠 결정부(130) 및 솔루션 결정부(140)를 포함한다. 2, the intelligent learning data determination apparatus 100 includes a learning history generation unit 110, a chapter determination unit 120, a content determination unit 130, and a solution determination unit 140 .

구체적으로, 본 발명에 따른 지능형 학습 자료 결정 장치(100)는, 사용자 및 상기 사용자와 유사한 학습 능력을 갖는 유사 사용자가 수행한 학습이력을 생성하는 학습 이력 생성부(110), 상기 학습 이력을 기반으로 복수개의 챕터 중 학습하고자 하는 챕터를 결정하는 챕터 결정부(120), 상기 학습 이력을 기반으로 상기 챕터 결정부에서 결정된 챕터에 포함된 복수개의 컨텐츠 중 학습하고자 하는 컨텐츠를 결정하는 컨텐츠 결정부(130) 및 상기 학습 이력을 기반으로 상기 컨텐츠 결정부에서 결정된 컨텐츠에 포함된 학습용 문제에 대한 복수개의 솔루션 중 학습하고자 하는 솔루션을 결정하는 솔루션 결정부(140)를 포함한다.Specifically, the intelligent learning data determination apparatus 100 according to the present invention includes a learning history generation unit 110 for generating a learning history performed by a user and a similar user having a learning ability similar to the user, A determination unit 120 for determining a chapter to be studied among a plurality of chapters, a content determination unit 120 for determining a content to be studied among a plurality of contents included in the chapter determined by the chapter determination unit based on the learning history, And a solution determination unit 140 for determining a solution to be studied among a plurality of solutions for a learning problem included in the content determined by the content determination unit based on the learning history.

또한, 도 3을 참조하여 설명하면, 본 발명에 따른 지능형 학습 자료 결정 장치(100)의 실시예를 확인할 수 있다.Referring to FIG. 3, an embodiment of the intelligent learning data determination apparatus 100 according to the present invention can be confirmed.

구체적으로, 사용자의 입력을 수신하는 입력부(160)를 더 포함할 수 있으며, 상기 사용자가 학습을 진행하면서 상기 입력부(160)를 통하여 입력한 대답에 대한 평가를 하여 상기 사용자의 학습을 평가하는 학습 능력 평가부(150)를 더 포함할 수 있으며, 상기 사용자의 학습 평가 결과를 출력하는 출력부(170)를 더 포함할 수 있다.Specifically, the input unit 160 may further include an input unit 160 for receiving input from the user. The user may evaluate the answer inputted through the input unit 160 while learning, And may further include an ability evaluation unit 150, and may further include an output unit 170 that outputs a result of the learning evaluation of the user.

또한, 상기 학습 이력 생성부(110)에서 학습 이력을 생성할 때, 활용되는 사용자 학습 이력 DB(111) 및 유사 사용자 학습 이력 DB(112)를 포함할 수 있다.In addition, the learning history generating unit 110 may include a user learning history DB 111 and a similar user learning history DB 112 used when the learning history is generated.

또한, 상기 챕터 결정부(120)에서 학습에 필요한 챕터에 대한 정보를 포함하고 있는 챕터 DB(121), 상기 컨텐츠 결정부(130)에서 학습에 필요한 컨텐츠에 대한 정보를 포함하고 있는 컨텐츠 DB(131)를 포함할 수 있으며, 상기 솔루션 결정부(140)에서 학습에 필요한 솔루션에 대한 정보를 포함하고 있는 솔루션 DB(141)를 포함할 수 있다.The chapter DB 121 includes information on chapters required for learning in the chapter determining unit 120 and a content DB 131 including information on contents necessary for learning in the content determining unit 130. [ And may include a solution DB 141 that includes information on a solution required for learning in the solution determination unit 140. [

구체적으로, 상기 사용자 학습 이력 DB(111)에는, 사용자의 학습 정보 및 사용 이력을 포함하고 있으며, 상기 유사 사용자 학습 이력 DB(112)에는 상기 사용자와 유사한 학습 능력 및 배경 등을 가지고 있는 유사 사용자의 학습 정보와, 유사 사용자의 사용 이력에 대한 정보를 포함하고 있다.
Specifically, the user learning history DB 111 includes user's learning information and usage history, and the similar user learning history DB 112 stores similar user learning history DBs 112, Learning information, and history of use of similar users.

상기 학습 이력 생성부(110)는, 사용자 및 상기 사용자와 유사한 학습 능력을 갖는 유사 사용자가 수행한 학습이력을 생성하는 기능을 수행한다.The learning history generating unit 110 performs a function of generating a learning history performed by a user and a similar user having a learning ability similar to the user.

여기서, 상기 사용자란, 본 발명에 따른 지능형 학습 자료 결정 장치(100)를 현재 사용중인 사람을 의미하고, 상기 유사 사용자라 함은, 상기 사용자와 유사한 학습 능력, 배경을 가지고 있는 자를 의미한다. 상기 사용자와 유사한 학습 능력 및 배경에 대한 기준은 정책 및 사용자의 설정에 따라 변동될 수 있는 부분이다.Here, the user means a person currently using the intelligent learning data determination apparatus 100 according to the present invention, and the similar user means a person having learning ability and background similar to the user. The criterion for the learning ability and background similar to the user is a part that can be changed according to the setting of the policy and the user.

예를 들어, 사용자와 같은 나이, 사용자와 같은 학교, 사용자와 같은 실력 등을 기준으로 하여 유사 사용자를 정의할 수 있을 것이다.For example, a similar user may be defined based on the same age as the user, the same school as the user, and the same ability as the user.

상기 학습 이력 생성부(100)에 의하여 생성된 학습 이력은, 상기 챕터 결정부(120), 컨텐츠 결정부(130) 및 솔루션 결정부(140)로 전송되며, 상기 챕터 결정부(120), 컨텐츠 결정부(130) 및 솔루션 결정부(140)는 상기 학습 이력을 기반으로 챕터를 결정하고, 컨텐츠를 결정하고, 솔루션을 결정하게 되는데 구체적인 기술 내용에 대해서는 후술하도록 한다.
The learning history generated by the learning history generation unit 100 is transmitted to the chapter determination unit 120, the content determination unit 130, and the solution determination unit 140. The chapter determination unit 120, The determination unit 130 and the solution determination unit 140 determine chapters based on the learning history, decide contents, and determine a solution. Specific technical contents will be described later.

상기 챕터 결정부(120)는, 상기 학습 이력을 기반으로 복수개의 챕터 중 학습하고자 하는 챕터를 결정하는 기능을 수행한다.The chapter determination unit 120 determines a chapter to be studied among a plurality of chapters based on the learning history.

도 4는 본 발명에 따른 지능형 학습 자료 결정 장치의 챕터 결정부를 설명하기 위한 도면이다. 4 is a diagram for explaining a chapter determination unit of the intelligent learning data determination apparatus according to the present invention.

도 4를 참조하여 설명하면, 상기 챕터 DB(121)에는, 학습자가 학습할 수 있는 챕터1(41), 챕터2(42), 챕터3(43), 챕터4(44), 챕터5(45), 챕터6(46), 챕터7(47), 챕터8(48) 및 챕터9(49)가 저장되어 있다. 현재 상기 학습자는 상기 챕터 1(41) 및 상기 챕터2(42)에 대하여 이미 학습을 마친 상태로 가정한다.4, chapter 1 41, chapter 2 42, chapter 3 43, chapter 4 44, chapter 5 45, and so on that can be learned by the learner are stored in the chapter DB 121 ), Chapter 6 (46), chapter 7 (47), chapter 8 (48), and chapter 9 (49). The learner currently assumes that the chapter 1 41 and the chapter 2 42 have already been learned.

종래의 컴퓨터 기반 교육 시스템에서는, 사용자의 학습 이력을 고려하지 않고, 순차적으로 진행함에 따라, 학습을 이미 마친 챕터2(42) 이후의 챕터인 챕터3(43)을 다음 챕터로 결정하게 될 것이다.In the conventional computer-based education system, the chapter 3 (43) after the chapter 2 (42) which has already been learned will be determined as the next chapter as the book progresses sequentially without considering the learning history of the user.

다만, 본 발명에 따른 지능형 학습 자료 결정 장치(100)의 챕터 결정부(120)에 의하면, 상기 학습 이력 생성부(110)에서 생성된 학습 이력을 기반으로 동적으로 다음 챕터를 결정하게 된다.According to the chapter determining unit 120 of the intelligent learning data determining apparatus 100 according to the present invention, the next chapter is dynamically determined based on the learning history generated by the learning history generating unit 110.

구체적인 예를 들어 설명하면, 상기 챕터 결정부(120)에서는 상기 학습 이력을 활용하여, 사용자 및 유사 사용자의 사용 이력을 살펴보았을 때, 상기 사용자 및 유사 사용자들이 학습시에 "이유(Why)"를 설명하는 문장 표현에 약하다는 것을 확인할 수 있고, 이 때, 상기 사용자 및 유사 사용자의 취약점을 학습시키기 위해서는 챕터4(44)를 수행하는 것이, 챕터3(43)을 수행하는 것보다 효율적인 것으로 판단된다.For example, in the chapter determining unit 120, when the history of use of the user and the similar user is examined by utilizing the learning history, the user and the similar user may select "Why" It is confirmed that it is vulnerable to the explanatory sentence expression. At this time, it is judged that performing chapter 4 (44) is more efficient than performing chapter 3 (43) in order to learn the vulnerability of the user and the similar user .

따라서, 챕터2(42)를 수행한 이후에, 다음 챕터인 챕터3(43)을 수행하지 않고 상기 사용자 및 유사 사용자의 실력을 반영하여 챕터4(44)를 진행하게 되는 것이다.Therefore, after performing the chapter 2 42, the chapter 4 44 is performed without reflecting the chapter 3 43, which is the next chapter, reflecting the performance of the user and the similar user.

즉, 상기와 같은 예를 통하여, 본 발명에 따른 지능형 학습 자료 결정 장치(100)는 사용자 및 유사 사용자들이 공통적으로 지니는 학습 능력의 부족함을 극복시키는 방향으로 챕터를 결정함을 확인할 수 있다.That is, through the above-described example, the intelligent learning data determination apparatus 100 according to the present invention can confirm that the chapter is determined in a direction to overcome the lack of the learning ability that users and similar users have in common.

이와 유사한 방식으로, 사용자의 사용이력 및 유사 사용자의 학습 능력 및 사용 이력을 이용해서 얼마든지 다른 결정 알고리즘을 고려할 수도 있다.In a similar manner, any other decision algorithm may be considered using the user ' s usage history and the similar user ' s learning abilities and usage histories.

보다 상세하게, 상기 챕터 결정부(120)는 상기 학습 이력을 기반으로 복수개의 챕터들 가운데 특정 챕터를 결정함에 있어서, 유사 사용자들이 학습 능력에서 가장 취약한 면을 보이는 챕터를 다음 챕터로 결정할 수 있고, 유사 사용자들이 교육 효과를 가장 많이 보았던 챕터를 다음 챕터로 결정할 수 있게 된다. In more detail, in determining a particular chapter among a plurality of chapters on the basis of the learning history, the chapter determining unit 120 may determine chapters in which similar users are most vulnerable to learning ability as the next chapter, So that similar users can decide which chapter has the most educational effect as the next chapter.

이 때, 상기 챕터를 결정하는 요소로는 발음, 단어, 문장, 회화 능력 등의 복수개의 항목을 독립적으로 고려하거나, 복합하여 고려할 수 있을 것이다.
At this time, as a factor for determining the chapter, a plurality of items such as a pronunciation, a word, a sentence, and a conversation ability may be considered independently or in combination.

상기 컨텐츠 결정부(120)는, 상기 학습 이력을 기반으로 상기 챕터 결정부에서 결정된 챕터에 포함된 복수개의 컨텐츠 중 학습하고자 하는 컨텐츠를 결정하는 기능을 수행한다.The content determining unit 120 determines a content to be studied among a plurality of contents included in the chapter determined by the chapter determining unit based on the learning history.

도 5는 본 발명에 따른 지능형 학습 자료 결정 장치의 컨텐츠 결정부를 설명하기 위한 도면이다.5 is a diagram for explaining a content determiner of the intelligent learning data deciding apparatus according to the present invention.

도 5를 참조하여 설명하면, 상기 컨텐츠 결정부(120)에서 결정된 챕터인 챕터4(44)에는 컨텐츠1(51), 컨텐츠2(52) 및 컨텐츠3(53)이 포함되어 있음을 확인할 수 있다. 이러한 복수개의 컨텐츠들(51,52,53)은 컨텐츠 DB(121)에 저장되어 있을 수 있다.5, it can be confirmed that the content 1 (51), the content 2 (52), and the content 3 (53) are included in the chapter 4 (44), which is a chapter determined by the content determination unit 120 . The plurality of contents 51, 52, and 53 may be stored in the content DB 121.

이 때, 상기 사용자가 현재까지 진행한 컨텐츠는 컨텐츠1(51)이라고 가정한다. 이 경우, 종래의 컴퓨터 기반 교육 시스템에서는, 사용자의 학습 이력을 고려하지 않고, 순차적으로 진행함에 따라, 학습을 이미 마친 컨텐츠1(51) 이후의 컨텐츠인 컨텐츠2(52)를 다음 컨텐츠로 결정하게 될 것이다.At this time, it is assumed that the content that the user has performed so far is content 1 (51). In this case, in the conventional computer-based education system, as the content progresses sequentially without taking the learning history of the user into consideration, the content 2 52, which is the content after the content 1 51 that has already been learned, is determined as the next content Will be.

다만, 본 발명에 따른 지능형 학습 자료 결정 장치(100)의 컨텐츠 결정부(130)에 의하면, 상기 학습 이력 생성부(110)에서 생성된 학습 이력을 기반으로 동적으로 다음 컨텐츠를 결정하게 된다.However, according to the content determining unit 130 of the intelligent learning data determining apparatus 100 according to the present invention, the next content is determined dynamically based on the learning history generated by the learning history generating unit 110.

구체적인 예를 들어 설명하면, 상기 컨텐츠 결정부(130)에서는 상기 학습 이력을 활용하여, 사용자 및 유사 사용자의 사용 이력을 살펴보았을 때, 상기 사용자 및 유사 사용자들이 학습시에 "형용사" 를 사용하는 능력이 부족함을 확인할 수 있고, 이 때 상기 사용자 및 유사 사용자의 취약점을 학습시키기 위해서는 "형용사"를 많이 사용할 수 있는 컨텐츠인 컨텐츠3(53)을 수행하는 것이 컨텐츠2(52)를 수행하는 것보다 효율적인 것으로 판단된다.For example, when the history of use of the user and the similar user is examined using the learning history, the content determining unit 130 determines whether the user and the similar user can use the "adjective" In order to learn the vulnerability of the user and the similar user, it is more efficient to perform the content 3 53, which is a content that can use the "adjective" .

따라서, 컨텐츠1(51)을 수행한 이후에, 다음 컨텐츠인 컨텐츠2(52)를 수행하지 않고 상기 사용자 및 유사 사용자의 실력을 반영하여 컨텐츠3(53)를 진행하게 되는 것이다.Therefore, after performing the content 1 51, the content 3 53 is reflected on the basis of the skill of the user and the similar user without performing the content 2 52, which is the next content.

즉, 상기와 같은 예를 통하여, 본 발명에 따른 지능형 학습 자료 결정 장치(100)는 사용자 및 유사 사용자들이 공통적으로 지니는 학습 능력의 부족함을 극복시키는 방향으로 컨텐츠를 결정함을 확인할 수 있다.That is, through the above-described example, the intelligent learning data determination apparatus 100 according to the present invention can confirm that the contents are determined in a direction to overcome the lack of the learning ability that users and similar users have in common.

이와 유사한 방식으로, 사용자의 사용이력 및 유사 사용자의 학습 능력 및 사용 이력을 이용해서 얼마든지 다른 결정 알고리즘을 고려할 수도 있다.In a similar manner, any other decision algorithm may be considered using the user ' s usage history and the similar user ' s learning abilities and usage histories.

보다 상세하게, 상기 컨텐츠 결정부(130)는 상기 학습 이력을 기반으로 복수개의 컨텐츠들 가운데 특정 컨텐츠를 결정함에 있어서, 유사 사용자들이 학습 능력에서 가장 취약한 면을 보이는 컨텐츠를 다음 컨텐츠로 결정할 수 있고, 유사 사용자들이 교육 효과를 가장 많이 보았던 컨텐츠를 다음 컨텐츠로 결정할 수 있게 된다. In more detail, in determining the specific content among a plurality of contents on the basis of the learning history, the content determining unit 130 may determine that the similar user is the content showing the weakest face in the learning ability as the next content, It is possible for similar users to decide the next contents as the content that has shown the most educational effect.

이 때, 상기 컨텐츠를 결정하는 요소로는 발음, 단어, 문장, 회화 능력 등의 복수개의 항목을 독립적으로 고려하거나, 복합하여 고려할 수 있을 것이다.
At this time, a plurality of items such as a pronunciation, a word, a sentence, and a conversation ability may be independently considered or considered as elements for determining the contents.

상기 솔루션 결정부(130)는, 상기 학습 이력을 기반으로 상기 컨텐츠 결정부(120)에서 결정된 컨텐츠에 포함된 학습용 문제에 대한 복수개의 솔루션 중 학습하고자 하는 솔루션을 결정하는 기능을 수행한다.The solution determining unit 130 determines a solution to be learned among a plurality of solutions for a learning problem included in the content determined by the content determining unit 120 based on the learning history.

도 6은 본 발명에 따른 지능형 학습 자료 결정 장치의 솔루션 결정부를 설명하기 위한 도면이다.6 is a diagram for explaining a solution determining unit of the intelligent learning data deciding apparatus according to the present invention.

도 6을 참조하여 설명하면, 상기 컨텐츠 결정부(120)에서 결정된 컨텐츠에서사용자는 문제를 풀게 된다. 예를 들어 상기 문제가 "좋아하는 계절을 영어로 대답하라"는 문제일 경우에, 상기 문제에 대한 솔루션은 솔루션1(61), 솔루션2(62), 솔루션3(63) 및 솔루션4(64)가 존재하며, 이러한 복수개의 솔루션들(61,62,63,64)은 솔루션 DB(131)에 저장될 수 있다.Referring to FIG. 6, the user solves the problem in the content determined by the content determining unit 120. FIG. For example, if the problem is a question "Answer your favorite seasons in English," then the solution to the problem is Solution 1 61, Solution 2 62, Solution 3 63, and Solution 4 64 And the plurality of solutions 61, 62, 63, and 64 may be stored in the solution DB 131. [

이 경우, 종래의 컴퓨터 기반 교육 시스템에서는, 사용자의 학습 이력을 고려하지 않고, 상기 솔루션1(61), 솔루션2(62), 솔루션3(63) 및 솔루션4(64) 중에서 가장 상위에 있거나, 무작위로 하나의 솔루션을 제시한다.In this case, in the conventional computer-based education system, it is possible to determine whether or not it is the highest one among the solution 1 (61), solution 2 (62), solution 3 (63) and solution 4 (64) Randomly presents one solution.

다만, 본 발명에 따른 지능형 학습 자료 결정 장치(100)의 솔루션 결정부(140)에 의하면, 상기 학습 이력 생성부(110)에서 생성된 학습 이력을 기반으로 동적으로 상기 사용자에의 학습효과를 극대화 시킬 수 있는 최적의 솔루션을 결정하게 된다.The solution determining unit 140 of the intelligent learning data determining apparatus 100 according to the present invention maximizes the learning effect on the user dynamically based on the learning history generated by the learning history generating unit 110 To determine the optimal solution to make.

구체적인 예를 들어 설명하면, 상기 솔루션 결정부(140)에서는 상기 학습 이력을 활용하여, 사용자 및 유사 사용자의 사용 이력을 살펴보았을 때, 사용자 및 유사 사용자들이 "f"와 "v" 에 대한 발음 능력이 부족함을 확인할 수 있고, 이 때 상기 사용자 및 유사 사용자의 취약점을 학습시키기 위해서는 "f"와 "v" 가 가장 많이 나타나는 문장을 솔루션으로 결정하여 상기 사용자가 따라 할 수 있도록 하는 것이 적합하다.For example, the solution determining unit 140 may use the learning history to examine the usage history of the user and the similar user so that the user and the similar user can recognize the pronunciation ability of "f" and "v" In order to learn the weaknesses of the user and the similar user at this time, it is suitable to determine a sentence having the greatest number of "f" and "v "

따라서, 상기 솔루션 결정부(140)는 복수개의 솔루션들(61,62,63,64) 중에서 "f"와 "v" 가 가장 많이 나타나는 솔루션2(62)("One of the my favorite season is spring")을 해당 문제에 대한 솔루션으로 결정할 것이다.Therefore, the solution determination unit 140 determines whether the solutions "62", "62", "62", and "64" ") As a solution to the problem.

즉, 상기와 같은 예를 통하여, 본 발명에 따른 지능형 학습 자료 결정 장치(100)는 사용자 및 유사 사용자들이 공통적으로 지니는 학습 능력의 부족함을 극복시키는 방향으로 솔루션을 결정함을 확인할 수 있다.That is, through the above-described example, the intelligent learning data determination apparatus 100 according to the present invention can confirm that the solution is determined in a direction to overcome the lack of the learning ability that users and similar users have in common.

이와 유사한 방식으로, 사용자의 사용이력 및 유사 사용자의 학습 능력 및 사용 이력을 이용해서 얼마든지 다른 결정 알고리즘을 고려할 수도 있다.In a similar manner, any other decision algorithm may be considered using the user ' s usage history and the similar user ' s learning abilities and usage histories.

보다 상세하게, 상기 솔루션 결정부(130)는 상기 학습 이력을 기반으로 복수개의 솔루션들 가운데 특정 솔루션을 결정함에 있어서, 사용자 및 유사 사용자들이 가장 취약한 면을 보이는 발화를 솔루션으로 결정하거나, 유사 사용자들이 교육 효과를 가장 많이 보았던 솔루션을 해당 문제의 솔루션으로 결정할 수 있게 된다. In more detail, in determining a specific solution among a plurality of solutions based on the learning history, the solution determination unit 130 may determine that a user and a similar user have a weakest face as a solution, The solution that has seen the most educational effects can be decided as the solution for the problem.

이 때, 상기 솔루션을 결정하는 요소로는 발음, 단어, 문장, 회화 능력 등의 복수개의 항목을 독립적으로 고려하거나, 복합하여 고려할 수 있을 것이다.
At this time, a plurality of items such as a pronunciation, a word, a sentence, and a conversation ability may be independently considered or considered as a factor for determining the solution.

이하 본 발명에 따른 지능형 학습 자료 결정 방법에 대하여 설명하도록 한다. 상기 살펴본 바와 같이, 본 발명에 따른 지능형 학습 자료 결정 장치(100)와 동일한 기술내용에 대한 설명은 생략하도록 한다.Hereinafter, an intelligent learning data determination method according to the present invention will be described. As described above, description of the same technical contents as the intelligent learning data determination apparatus 100 according to the present invention will be omitted.

도 7은 본 발명에 따른 지능형 학습 자료 결정 방법의 흐름도이다.7 is a flowchart of a method for determining intelligent learning data according to the present invention.

도 7을 참조하여 설명하면, 본 발명에 따른 지능형 학습 자료 결정 방법은, 학습 이력 생성부에 의하여, 사용자 및 상기 사용자와 유사한 학습 능력을 갖는 유사 사용자가 수행한 학습이력을 생성하는 단계(S100), 챕터 결정부에 의하여, 상기 학습 이력을 기반으로 복수개의 챕터 중 학습하고자 하는 챕터를 결정하는 단계(S110), 컨텐츠 결정부에 의하여, 상기 학습 이력을 기반으로 상기 챕터 결정부에서 결정된 챕터에 포함된 복수개의 컨텐츠 중 학습하고자 하는 컨텐츠를 결정하는 단계(S120) 및 솔루션 결정부에 의하여, 상기 학습 이력을 기반으로 상기 컨텐츠 결정부에서 결정된 컨텐츠에 포함된 학습용 문제에 대한 복수개의 솔루션 중 학습하고자 하는 솔루션을 결정하는 단계(S130)를 포함한다.
Referring to FIG. 7, the intelligent learning data determination method according to the present invention includes a step (S100) of generating a learning history performed by a user and a similar user having a learning ability similar to the user by a learning history generating unit, A step of determining, by a chapter determination unit, a chapter to be learned out of a plurality of chapters based on the learning history (S110); a step of determining, by a content determination unit, whether or not a chapter determined by the chapter determination unit (S120) of determining a content to be learned out of a plurality of contents, and a solution determining unit for determining, by the solution determining unit, a plurality of solutions for a learning problem included in the content determined by the content determining unit based on the learning history And determining a solution (S130).

상기 살펴본 바와 같이, 본 발명에 따른 지능형 학습 자료 결정 장치(100) 및 방법에 의하면, 컴퓨터 기반의 교육 시스템에서 학습자가 배워야 할 항목을 추천하는 방법, 배우는 각 시점에서의 교육 소재의 선택 방법, 학생의 오류 응답에 대한 교정을 사용자 개인의 사용, 학습 이력 혹은 유사 사용자 군의 사용, 학습이력을 활용하여 동적으로 결정하여 제공함으로써 교육적 효과를 높이는 장점이 있다.
As described above, according to the intelligent learning data determination apparatus 100 and method of the present invention, a method of recommending items to be learned by a learner in a computer-based education system, a learning material selection method at each point in time, The error response of the user is determined by using the user's personal use, the learning history or the similar user group, and the learning history, thereby improving the educational effect.

이상에서와 같이 본 발명에 따른 지능형 학습 자료 결정 장치(100) 및 방법은 상기한 바와 같이 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.As described above, the apparatus and method for determining intelligent learning data 100 according to the present invention are not limited to the configurations and methods of the embodiments described above, but the embodiments can be modified in various ways All or some of the embodiments may be selectively combined.

100: 지능형 학습 자료 결정 장치
110: 학습 이력 생성부 120: 챕터 결정부
130: 컨텐츠 결정부 140: 솔루션 결정부
150: 학습 능력 평가부 160: 입력부
170: 출력부 111: 사용자 학습 이력 DB
112: 유사 사용자 학습 이력 DB 121: 챕터 DB
131: 컨텐츠 DB 141: 솔루션 DB100: Intelligent learning data decision device
110: learning history generation unit 120: chapter determination unit
130: Content determination unit 140: Solution determination unit
150: learning ability evaluation unit 160: input unit
170: output unit 111: user learning history DB
112: similar user learning history DB 121: chapter DB
131: Contents DB 141: Solution DB

Claims (1)

사용자 및 상기 사용자와 유사한 학습 능력을 갖는 유사 사용자가 수행한 학습이력을 생성하는 학습 이력 생성부;
상기 학습 이력을 기반으로 복수개의 챕터 중 학습하고자 하는 챕터를 결정하는 챕터 결정부;
상기 학습 이력을 기반으로 상기 챕터 결정부에서 결정된 챕터에 포함된 복수개의 컨텐츠 중 학습하고자 하는 컨텐츠를 결정하는 컨텐츠 결정부; 및
상기 학습 이력을 기반으로 상기 컨텐츠 결정부에서 결정된 컨텐츠에 포함된 학습용 문제에 대한 복수개의 솔루션 중 학습하고자 하는 솔루션을 결정하는 솔루션 결정부를 포함하는 것을 특징으로 하는 지능형 학습 자료 결정 장치.A learning history generating unit for generating a learning history of a user and a similar user having a learning ability similar to the user;
A chapter determination unit for determining chapters to be studied among a plurality of chapters based on the learning history;
A content determining unit for determining a content to be studied among a plurality of contents included in a chapter determined by the chapter determining unit based on the learning history; And
And a solution determination unit for determining a solution to be learned from among a plurality of solutions for a learning problem included in the content determined by the content determination unit based on the learning history.
KR1020130150578A 2013-12-05 2013-12-05 Apparatus and method for intelligent learning materials decision KR20150065354A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020130150578A KR20150065354A (en) 2013-12-05 2013-12-05 Apparatus and method for intelligent learning materials decision

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130150578A KR20150065354A (en) 2013-12-05 2013-12-05 Apparatus and method for intelligent learning materials decision

Publications (1)

Publication Number Publication Date
KR20150065354A true KR20150065354A (en) 2015-06-15

Family

ID=53504288

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130150578A KR20150065354A (en) 2013-12-05 2013-12-05 Apparatus and method for intelligent learning materials decision

Country Status (1)

Country Link
KR (1) KR20150065354A (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180069510A (en) 2016-12-15 2018-06-25 고등기술연구원연구조합 Safety training system of operator based virtual reality and method thereof
KR20190043823A (en) 2017-10-19 2019-04-29 고등기술연구원연구조합 Knowledge-based safety training system and method of worker in virtual reality environment
KR20220029014A (en) * 2020-09-01 2022-03-08 지혜령 Customized learning problem solving contents providing system, method and computer program
KR102637603B1 (en) * 2022-12-12 2024-02-16 주식회사 아티피셜 소사이어티 Method and apparatus for providing user customized study contents

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180069510A (en) 2016-12-15 2018-06-25 고등기술연구원연구조합 Safety training system of operator based virtual reality and method thereof
KR20190043823A (en) 2017-10-19 2019-04-29 고등기술연구원연구조합 Knowledge-based safety training system and method of worker in virtual reality environment
KR20220029014A (en) * 2020-09-01 2022-03-08 지혜령 Customized learning problem solving contents providing system, method and computer program
KR102637603B1 (en) * 2022-12-12 2024-02-16 주식회사 아티피셜 소사이어티 Method and apparatus for providing user customized study contents

Similar Documents

Publication Publication Date Title
Prensky Listen to the natives
Milliner One Year of Extensive Reading on Smartphones: A Report.
US20080108035A1 (en) Perpetual educational system providing continuous, personalized learning sessions based on a comprehensive knowledge base
Govender et al. Technology adoption: A different perspective in a developing country
KR20150065354A (en) Apparatus and method for intelligent learning materials decision
Bhowmik et al. Preparing diverse learners for university: A strategy for teaching EAP students
Dhakshinamoorthy et al. KLSAS—An adaptive dynamic learning environment based on knowledge level and learning style
KR102234931B1 (en) Learning service providing method and server
Beal AnimalWatch: An intelligent tutoring system for algebra readiness
Gavriushenko et al. Adaptive systems as enablers of feedback in English language learning game-based environments
Dennen et al. Podcast pedagogy: Message design, motivation, and learning
US11122343B2 (en) Personalized video interjections based on learner model and learning objective
KR20160039505A (en) Learning contents configuring apparatus and method for thereof
Mudrák Personalized e-course implementation in university environment
KR101001645B1 (en) Automatic mermoriaing method of a foreign language and a subject needing memorizing
KR20220065722A (en) Learning problem recommendation system that recommends evaluable problems through unification of the score probability distribution form and operation thereof
KR20140051607A (en) Apparatus providing analysis information based on level of a student and method thereof
Newton For-profit and traditional institutions: a comparison
Zlatković et al. Providing dynamic adaptivity in Moodle LMS according to Felder-Silverman model of learning styles
Peters et al. Transportation engineering instructors’ decision-making processes for course changes
Barber Reading for pleasure: More than just a distant possibility?
Ziyaeemehr Investigating the effectiveness of task types on vocabulary learning in multilevel language ability classes
KR20140143561A (en) Iterative Word Learning Method
Hermaniar Workbook for english drama by incorporating character building for college students
Byun et al. Design and implementation of repeatable and short-spanned m-learning model for English listening and comprehension mobile digital textbook contents on smartphone

Legal Events

Date Code Title Description
WITN Withdrawal due to no request for examination