KR20160117097A - 추정필터를 이용한 교육 성과 예측 방법 및 시스템 - Google Patents

추정필터를 이용한 교육 성과 예측 방법 및 시스템 Download PDF

Info

Publication number
KR20160117097A
KR20160117097A KR1020150045791A KR20150045791A KR20160117097A KR 20160117097 A KR20160117097 A KR 20160117097A KR 1020150045791 A KR1020150045791 A KR 1020150045791A KR 20150045791 A KR20150045791 A KR 20150045791A KR 20160117097 A KR20160117097 A KR 20160117097A
Authority
KR
South Korea
Prior art keywords
user
state
unit
covariance
output value
Prior art date
Application number
KR1020150045791A
Other languages
English (en)
Inventor
이소열
Original Assignee
이소열
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 이소열 filed Critical 이소열
Priority to KR1020150045791A priority Critical patent/KR20160117097A/ko
Publication of KR20160117097A publication Critical patent/KR20160117097A/ko

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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06F19/00—
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 추정필터를 이용한 원격 서버에서의 교육 성과 예측 방법 및 시스템을 제공하는 서비스 장치를 제안한다. 본 발명에 따른 장치는 인증된 교육자료 제작자가 유무선 통신을 이용하여 자신의 통신 단말기를 통해 사용자의 레벨 또는 선택에 따라 다양하게 교육자료를 제작하여 전송할 경우 상기 사용자로부터 원격 교육 실시 전에 사용자 정보를 입력받는 사용자 정보 입력부; 사용자 정보를 받아 상기 원격 교육 서버에 저장된 사용자 정보와 비교하는 사용자 정보 비교부; 사용자 정보 비교 결과 기 사용자이면 상기 사용자 정보에 매칭되는 사용자 모델행렬을 호출하고 처음 사용자이면 기준 모델행렬을 호출하는 모델행렬 호출부; 사용자 정보를 반영하여 사용자 초기 상태값을 설정하는 사용자 초기 상태값 설정부; 모델행렬과 상기 사용자 초기 상태값을 곱하여 제 1 시간 이후의 사용자 상태값을 예측하는 사용자 상태 예측부; 모델행렬을 반영하여 사용자 공분산을 예측하는 사용자 공분산 예측부; 상기 사용자 정보, 상기 모델행렬 및 상기 사용자 공분산 예측 출력값을 반영하여 사용자 공분산을 추정하는 사용자 공분산 추정부; 상기 사용자 상태 예측 출력값과 제 1 시간 이후의 사용자 정보를 이용하여 사용자 상태를 추정하는 사용자 상태 추정부; 상기 사용자 공분산 예측 출력값을 이용하여 추정필터 게인을 계산하는 게인 계산부; 상기 사용자 상태 추정부의 출력값을 상기 원격 교육 서버에 저장하는 원격 서버 저장부; 상기 사용자 상태 추정부의 출력값을 사용자에게 알려주는 결과 출력부;를 포함하고 상기 사용자 공분산 예측부는 다음의 [수학식 1]을 만족하고, 상기 사용자 공분산 추정부는 다음의 [수학식 2]를 만족 하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 시스템을 제공하는 서비스 장치.
Figure pat00019
[수학식 1]
Figure pat00020
[수학식 2]

Description

추정필터를 이용한 교육 성과 예측 방법 및 시스템 {Education performance predict method and system using estimation filter}
본 발명은 교육 성과 예측 방법에 관한 것이다. 보다 상세하게는, 추정필터를 이용한 원격 서버에서의 교육 성과 예측 방법 및 시스템에 관한 것이다.
전자통신기술과 인터넷의 발달로 인하여 교육을 제공하는 특정 인터넷 사이트에 접속하여 각 교육생들이 자신의 수준에 맞는 온라인교육을 받는 것이 매우 보편화되어 원격 교육을 통해 공간의 한계를 극복하고 있다. 특히 최근에는 전문교육을 실행하는 교육현장에서 컴퓨터와 이 컴퓨터와 연결된 비디오시스템이 결합된 동영상교육시스템이 널리 개발되어 사용되고 있다. 교육시스템과 관련된 선행기술로는 한국공개특허공보 제 10-2014-0062209호(발명의 명칭: 학습효과 확인기능이 구비된 교육시스템 및 그 제어방법)가 공지되어 있다. 그러나 이러한 종래의 교육 시스템하에서는 교육절차를 주관한 대부분의 주체측에서 별다른 대안 없이, 학습결과 확인 및 사용자 설문조사로 피드백을 받아 교육성과를 예측하거나 또는 사용자의 정확한 학습 호응도를 판단하기 위해 추가로 사용자 측정센서모듈을 구비하여 학습호응도 측정센서모듈로부터 유, 무선네트워크를 통해 전송 받은 교육 중 피교육자의 움직임신호를 추가로 받아야 한다. 그러나 단순한 학습결과 및 설문조사 형태의 피드백 정보만으로는 부족하여, 많은 비용과 시간을 들여 교육을 진행하였음에도 불구하고, 그에 걸 맞는 교육 성과를 적절하게 예측할 수 없으며, 이러한 문제점을 해결하기 위한 방법 중 하나로 측정센서모듈을 이용하기 위해서는 추가적인 센서모듈과 이러한 움직임을 처리하는 학습태도 관리서버를 별도로 준비해야 한다. 즉 추가적인 측정센서모듈이나 별도의 관리서버 없이 해당 교육절차 시행주체 측에서는 사용자의 설문결과를 수치화하고, 이를 객관적으로 분석하기 위해 부족한 문제점이 있다.
본 발명은 상기한 문제점을 해결하기 위해 안출된 것으로서, 추정필터를 이용하여 사용자의 상태정보를 만들고, 사용자에 맞는 모델행렬을 이용하여 사용자의 교육 성과를 예측하는 교육 성과 예측 방법 및 시스템을 제안하는 것을 목적으로 한다.
본 발명의 또 다른 목적은 교육 중 사용자의 수준에 맞는 교육을 용이하게 실행할 수 있는 학습제어기능이 구비된 교육시스템을 제공함에 그 목적이 있다.
그러나 본 발명의 목적은 상기에 언급된 사항으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
본 발명은 상기한 목적을 달성하기 위해 안출된 것으로서, 인증된 교육자료 제작자가 유무선 통신을 이용하여 자신의 통신 단말기를 통해 사용자의 레벨 또는 선택에 따라 다양하게 교육자료를 제작하여 전송할 경우 사용자로부터 원격 교육 실시 전에 사용자 정보를 입력받는 사용자 정보 입력부; 상기 사용자 정보를 받아 상기 원격 교육 서버에 저장된 사용자 정보와 비교하는 사용자 정보 비교부; 상기 사용자 정보 비교 결과 기 사용자이면 상기 사용자 정보에 매칭되는 사용자 모델행렬을 호출하고 처음 사용자이면 기준 모델행렬을 호출하는 모델행렬 호출부; 상기 사용자 정보를 반영하여 사용자 초기 상태값을 설정하는 사용자 초기 상태값 설정부; 상기 모델행렬과 상기 사용자 초기 상태값을 곱하여 제 1 시간 이후의 사용자 상태값을 예측하는 사용자 상태 예측부; 상기 모델행렬을 반영하여 사용자 공분산을 예측하는 사용자 공분산 예측부; 상기 사용자 정보, 상기 모델행렬 및 상기 사용자 공분산 예측부 출력값을 반영하여 사용자 공분산을 추정하는 사용자 공분산 추정부; 상기 사용자 상태 예측부 출력값과 제 1 시간 이후의 사용자 정보를 이용하여 사용자 상태를 추정하는 사용자 상태 추정부; 상기 사용자 공분산 예측부 출력값을 이용하여 추정필터 게인을 계산하는 게인 계산부; 상기 사용자 상태 추정부의 출력값을 상기 원격 교육 서버에 저장하는 원격 서버 저장부; 상기 사용자 상태 추정부의 출력값을 사용자에게 알려주는 결과 출력부;를 포함하고 상기 사용자 공분산 예측부는 다음의 [수학식 1]을 만족하고, 상기 사용자 공분산 추정부는 다음의 [수학식 2]를 만족하는 추정필터를 이용한 교육 성과 예측 시스템을 제공하는 것을 목적으로 한다.
Figure pat00001
[수학식 1]
Figure pat00002
[수학식 2]
여기에서, P는 추정필터의 사용자 공분산, Q와 R은 각각 프로세스 노이즈 공분산과 사용자 상태정보 측정치 노이즈 공분산이며, K는 공분산을 통해 계산된 추정필터의 게인, i 는 추정필터의 계산 스텝이다.
바람직하게는, 상기 사용자 상태 예측부 출력값 및 상기 사용자 상태 추정부 출력값의 상태변수는 벡터로 구성된 것을 특징으로 한다.
바람직하게는, 상기 사용자 상태 예측부 출력값 및 상기 사용자 상태 추정부 출력값의 상태변수는 사용자 로그인시각, 사용자 로그아웃시각, 사용자 입력 반응시간, 학습 난이도, 전체 학습시간, 출제 문제 난이도, 출제 문제수, 사용자 획득 점수, 사용자 추천점수 중 적어도 두 개 이상 포함하는 것을 특징으로 한다.
바람직하게는, 상기 사용자 상태 예측부 출력값 또는 상기 사용자 상태 추정부 출력값 중 적어도 하나가 제 1 임계값 이상일 경우 상기 원격 교육 서버를 관리하는 관리자 또는 상기 사용자에게 통지하는 제 1 임계값 통지부;를 더 포함하는 것을 특징으로 한다.
바람직하게는, 상기 결과 출력부는 소리 경고나 화면 경고 중 적어도 하나를 이용하는 것을 특징으로 한다.
또한 본 발명은 인증된 교육자료 제작자가 유무선 통신을 이용하여 자신의 통신 단말기를 통해 사용자의 레벨 또는 선택에 따라 다양하게 교육자료를 제작하여 전송할 경우 사용자로부터 원격 교육 실시 전에 사용자 정보를 입력받는 사용자 정보 입력단계; 상기 사용자 정보를 받아 상기 원격 교육 서버에 저장된 사용자 정보와 비교하는 사용자 정보 비교단계; 상기 사용자 정보 비교 결과 기 사용자이면 상기 사용자 정보에 매칭되는 사용자 모델행렬을 호출하고 처음 사용자이면 기준 모델행렬을 호출하는 모델행렬 호출단계; 상기 사용자 정보를 반영하여 사용자 초기 상태값을 설정하는 사용자 초기 상태값 설정단계; 상기 모델행렬과 상기 사용자 초기 상태값을 곱하여 제 1 시간 이후의 사용자 상태값을 예측하는 사용자 상태 예측단계; 상기 모델행렬을 반영하여 사용자 공분산을 예측하는 사용자 공분산 예측단계; 상기 사용자 정보, 상기모델행렬 및 상기 사용자 공분산 예측단계의 출력값을 반영하여 사용자 공분산을 추정하는 사용자 공분산 추정단계; 상기 사용자 상태 예측 단계의 출력값과 제 1 시간 이후의 사용자 정보를 이용하여 사용자 상태를 추정하는 사용자 상태 추정단계; 상기 사용자 공분산 예측 단계 출력값을 이용하여 추정필터 게인을 계산하는 게인 계산단계; 상기 사용자 상태 추정단계의 출력값을 상기 원격 교육 서버에 저장하는 원격 서버 저장단계; 상기 사용자 상태 추정단계의 출력값을 사용자에게 알려주는 결과출력단계;를 포함하고 상기 사용자 공분산 예측단계는 다음의 [수학식 1]을 만족하고, 상기 사용자 공분산 추정단계는 다음의 [수학식 2]를 만족 하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 방법을 제안한다.
Figure pat00003
[수학식 1]
Figure pat00004
[수학식 2]
여기에서, P는 추정필터의 사용자 공분산, Q와 R은 각각 프로세스 노이즈 공분산 및 사용자상태정보 측정치 노이즈 공분산이며, K는 공분산을 통해 계산된 추정필터의 게인, i 는 추정필터의 계산 스텝이다.
바람직하게는, 상기 사용자 상태 예측단계 및 상기 사용자 상태 추정단계의 상태변수는 벡터로 구성된 것을 특징으로 한다.
바람직하게는, 상기 사용자 상태 예측 단계 출력값 및 상기 사용자 상태 추정 단계 출력값의 상태변수는 사용자 로그인시각, 사용자 로그아웃시각, 사용자 입력 반응시간, 학습 난이도, 전체 학습시간, 출제 문제 난이도, 출제 문제수, 사용자 획득 점수, 사용자 추천점수 중 적어도 두 개 이상 포함하는 것을 특징으로 한다.
바람직하게는, 상기 사용자 상태 예측 단계 출력값 또는 상기 사용자 상태 추정 단계 출력값 중 적어도 하나가 제 1 임계값 이상일 경우 상기 원격 교육 서버를 관리하는 관리자 또는 상기 사용자에게 통지하는 제 1 임계값 통지단계;를 더 포함하는 것을 특징으로 한다.
바람직하게는, 상기 결과 출력단계는 소리 경고나 화면 경고 중 적어도 하나를 이용하는 것을 특징으로 한다.
본 발명은 상기한 목적 달성을 위한 구성을 통하여 다음 효과를 얻을 수 있다.
첫째, 다양한 학습성향을 가진 사용자들에게 맞는 특화된 교육 프로그램을 적용할 수 있다.
둘째, 추가로 사용자 측정센서모듈 구성 없이도 사용자의 교육 성과를 예측할 수 있다.
셋째, 사용자별로 교육성과 결과를 공유하도록 하여 사용자간의 경쟁심을 유발하여 교육성과를 높일 수 있다.
넷째, 사용자 상태에 따라 관리자는 제어 입력부를 이용하여 사용자에게 포인트 지급이나, 음악 감상 제공, 뮤직비디오 감상 제공 등을 통하여 사용자의 교육성과를 높일 수 있다.
다섯째, 사용자의 특성을 파악할 수 있기 때문에 교육성과 예측뿐만 아니라 사용자가 원하는 물건을 구매하는 구매 예측 시스템에 적용하여 물품 구매 가능성 예측도 할 수 있다.
도 1은 본 발명의 일실시예에 따른 교육성과 예측시스템 블록도이다.
도 2은 본 발명의 일실시예에 따른 교육성과 예측 방법을 나타내는 순서도이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면들을 참조하여 상세히 설명한다. 우선 각 도면의 구성요소들에 참조 부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다. 또한, 이하에서 본 발명의 바람직한 실시예를 설명할 것이나, 본 발명의 기술적 사상은 이에 한정하거나 제한되지 않고 당업자에 의해 변형되어 다양하게 실시될 수 있음은 물론이다.
본 발명은 사용자에 맞는 모델행렬을 이용하여 사용자의 교육 성과를 예측하는 교육 성과 예측 방법 및 시스템을 제안하는 것을 목적이다. 이를 위해 본 발명은 원격 교육을 받는 사용자의 상태정보를 만들고, 추정필터 개념을 이용함으로써 교육성과 예측의 효율을 극대화하여 신속하고 정확하게 사용자의 교육 성과를 예측하고 사용자에게 맞는 피드백을 가능하게 할 수 있다.
도 1은 본 발명의 일실시예에 따른 교육성과 예측시스템 블록도이다.
본 발명의 일실시예에서는 사용자의 정보를 받아 교육 성과 예측을 수행한다. 본 실시예에서 사용자 단말기(2000)는 예컨대 스마트폰, 데스크탑, 노트북일 수 있다.
회원관리부(100)는 사용자 정보 입력부(110), 사용자 정보 비교부(120), 서버저장부(130), 결과 출력부(140), 제 1 임계값 통지부(150)를 포함한다.
성과예측부(200)는 모델행렬 호출부(210), 사용자 초기 상태값 설정부(220), 사용자 상태 예측부(230), 사용자 공분산 예측부(240), 사용자 공분산 추정부(250), 게인 계산부(260), 사용자 상태 추정부(270)를 포함한다.
회원관리부(100)에서 사용자 정보 입력부(110)는 원격 교육을 듣고자 하는 사용자가 사용자 단말기(2000)를 이용하여 서비스 서버(1000)에 접속하였을 때 사용자가 입력한 정보를 수신하는 역할을 한다. 사용자의 정보는 아이디, 나이, 성별, 선택 교육정보, 관심분야, 취미, 결재유무 등을 포함하는 것이 바람직하다.
사용자 정보 비교부(120)는 사용자 정보 입력부(110)에 입력된 정보와 서버저장부(130)에 저장된 사용자의 정보를 비교한다. 사용자의 정보가 서버저장부(130)에 있는 경우 기 저장된 정보를 불러오고, 저장이 되어 있지 않으면 새로운 사용자 정보를 생성한다. 사용자 정보 비교부(120)의 결과에 따라 성과예측부(200)의 모델행렬 호출부(210)의 역할이 결정되는 것이 바람직하다.
서버저장부(130)는 사용자의 상태정보를 입력받아 성과예측부(200)에서 계산된 사용자 상태추정부(270) 출력값을 저장한다. 서버저장부(130)에 저장된 값은 다음에 다시 사용자가 서비스 서버(1000)에 접속하게 되면 서버저장부(130)에 저장된 값을 반영하여 사용자 성과 예측을 수행한다. 서버저장부(130)은 사용자 상태 예측부(230) 출력값을 포함할 수도 있다.
제 1 임계값 통지부(150)는 사용자 상태 예측부(230)의 출력값 또는 사용자 상태 추정부(270)의 출력값이 제 1 임계값 보다 커지게 되면 사용자 단말기(2000)로 통보를 수행한다. 여기서 제 1 임계값은 사용자 입력 반응시간, 학습 난이도, 전체 학습시간, 출제 문제 난이도, 출제 문제수, 사용자 획득 점수를 고려하여 처음 학습을 시작할 때는 기본 임계값을 적용하고, 그 이후부터는 사용자의 상태에 따라 가변하는 것이 바람직하다.
모델행렬 호출부(210)는 사용자 정보 비교부(120)의 결과에 따라 기 저장된 사용자의 정보인 경우, 사용자에 할당된 모델 행렬을 호출한다. 여기서 모델행렬은 n×m 행렬 구성하는 것 바람직하다. 여기서 n과 m은 같아도 된다. 사용자 정보 비교부(120)의 결과에 따라 처음 등록하는 사용자인 경우 기본 모델행렬을 호출한다. 모델행렬은 사용자를 특성을 나타낸다.
사용자 초기 상태값 설정부(220), 사용자 상태 예측부(230), 사용자 상태 추정부(270)는 상태변수로 벡터로 표현되는 것이 바람직하다. 벡터표현으로 다음의 [수학식 3]으로 나타낼 수 있다.
Figure pat00005
[수학식 3]
여기에서 a1,a2,a3,a4,a5 는 상태변수를 이루는 각 인자로서, 사용자 로그인시각, 사용자 로그아웃시각, 사용자 입력 반응시간, 학습 난이도, 전체 학습시간, 출제 문제 난이도, 출제 문제수, 사용자 획득 점수, 사용자 추천점수 등을 수치화 한 것으로 적어도 두개 이상을 포함하는 것이 바람직하다. 각 인자는 사용자의 특성에 따라 또는 시스템의 성능에 따라 개수는 가변하는 것이 바람직하다. 즉 교육성과를 예측 및 제어하기 위해 시스템을 제어시스템의 일반형태로 표현하였는데 추정 및 제어에서 상태 변수란, 전체 시스템의 동적 특성을 완전하게 나타낼 수 있는 최소 개수의 독립 변수의 집합을 말한다. 즉 교육을 받는 사용자의 동적 특성을 완전하게 나타내기 위해서는 2개 이상의 변수가 바람직하므로, 상태 변수는 벡터 형태로 구성한다. 이를 상태 벡터(state vector)라고 부르기도 한다. 또한 상태 변수 방정식(state variable equation)이란, 입력 변수(input variables)와 상태 변수에 관한 1차 미분 방정식으로써 시스템을 나타내는 수학적 표현법을 말한다. 상태 변수 방정식은 다음의 [수학식 4]로 나타낼 수 있다.
Figure pat00006
[수학식 4]
여기에서 X는 상태변수, F는 모델행렬(210), B는 입력 U(t)를 받는 입력행렬을 나타낸다.
일실시예로 모델행렬(210)은 다음 [수학식 5]로 표현될 수 있다.
Figure pat00007
[수학식 5]
각 요소의 값은 사용자의 특성에 따라 값이 다르게 들어가는 것이 바람직하다.
사용자 공분산 예측부(240) 및 사용자 공분산 추정부(250)는 n×m 행렬 구성하는 것 바람직하다. 여기서 n과 m은 같아도 된다. 본 발명에서 공분산이란 추정필터를 적용하기 위한 것으로, 추정 필터는 재귀적으로 동작한다. 즉, 교육성과 추정 필터는 바로 이전 시간에 추정한 값을 토대로 해서 현재의 값을 계산하며, 또한 각 계산은 두 단계로 이루어진다. 먼저 이전 시간에 추정된 상태에 대해, 그 상태에서 사용자 입력을 가했을 때 예상되는 상태를 계산한다. 이 단계는 예측(prediction) 단계라고 부른다. 그 다음 계산된 예측 상태와 실제로 입력된 사용자 상태를 토대로 정확한 상태를 계산한다. 이 단계는 최종 추정 단계(update)라고 부른다.
공분산(Covariance)은 두 변량(확률변수) 사이에 상관성, 유사성의 방향 및 정도에 대한 척도, 즉 두 변량이 상관적으로 변화되는 척도를 나타내며, 열 벡터값을 가지는 확률변수X 와 Y 가 각각 μ 와 ν라는 기대값을 가질 때 공분산벡터 m×n 행렬은 다음의 [수학식 6]로 정의된다.
Figure pat00008
[수학식 6]
여기서 X, Y는 확률변수를 나타내며 μ, ν는 각 확률변수의 평균을 의미한다.
게인 계산부(260)는 추정필터의 게인을 계산하는 것으로 다음의 [수학식 7]로 정의된다.
Figure pat00009
[수학식 7]
여기에서, P는 추정필터의 사용자 공분산, R은 노이즈 공분산을 의미한다.
본 발명에서 사용하는 계산 스텝(i)는 서비스 서버(1000)와 사용자 단말기(2000)의 성능에 따라 초당, 분당 또는 시간으로 계산 단위를 변경할 수 있다. 계산 스텝(i)에 따라 이전 스텝에서의 사용자 상태변수를 확인할 수 있고 다음 스텝에서의 사용자 상태변수를 예측할 수 있다.
도 2은 본 발명의 일실시예에 따른 교육성과 예측 방법을 나타내는 순서도이다.
인증된 교육자료 제작자가 유무선 통신을 이용하여 자신의 통신 단말기를 통해 사용자의 레벨 또는 선택에 따라 다양하게 교육자료를 제작하여 전송할 경우 사용자로부터 원격 교육 실시 전에 사용자 정보 입력단계(S100)에서 사용자 정보를 받는다. 사용자가 입력하는 정보는 사용자의 아이디가 될 수 있다. 사용자 정보 입력단계(S100)에서 입력된 정보를 사용자 정보 비교단계(S200)에서는 서비스 서버(1000)에 저장된 정보와 비교를 한다. 사용자 정보가 기 저장되어 있으면, 저장된 사용자의 정보를 호출하고, 처음 등록하는 사용자인 경우 새로운 ID를 만들어 사용자 정보는 기본값으로 할당하는 것이 바람직하다. 사용자 정보 비교단계(S200)이후 각 사용자에 저장된 모델행렬을 호출하는 모델행렬 호출단계(S300)는 사용자 특성에 맞게 가중치가 정해진 모델행렬을 호출한다.
일실시예로, 사용자의 특성이 수업 집중도가 낮다고 판단이 되면 사용자의 수업 집중도에 영향을 주는 요소인 전체 학습시간의 값을 상대적으로 크게 할 수 있다. 혹은 사용자가 학습 이해력이 낮다고 판단되면 출전 문제 난이도, 출제 문제수에 영향을 주는 모델행렬의 각 요소의 값을 조정할 수 있다. 처음 사용자인 경우 모델행렬은 서비스 서버에 저장된 기본 행렬을 호출하는 것이 바람직하다.
사용자 초기 상태값 설정단계(S400)은 각 사용자별로 추정필터를 적용하기 위한 초기값을 설정하는 것이다. 추정필터는 재귀필터로서 처음 초기값을 설정해야한다. 본 발명에서 초기값으로 설정하는 것은 사용자 상태변수와 초기 사용자 공분산이다. 이때 사용자의 기존 정보가 있으면 사용자 정보 비교단계(S200)에서 결정된 값을 호출하여 사용자 상태변수와 초기 사용자 공분산으로 할당한다. 사용자의 기존 정보가 없으면 시스템에 저장된 기본값을 초기 상태변수와 초기 사용자 공분산으로 할당한다.
사용자 상태 예측단계(S500)는 모델행렬과 사용자의 상태변수를 이용하여 사용자의 다음 상태변수를 예측한다. 사용자 상태 예측단계(S500)은 다음의 [수학식 8]을 만족 하는 것을 특징으로 한다.
Figure pat00010
[수학식 8]
여기에서, F는 모델행렬, B는 입력행렬, U는 시스템의 입력이다.
사용자 공분산 예측단계(S600)은 불러온 사용자 모델행렬과 사용자 공분산으로 계산되며 다음의 [수학식 1]을 만족 하는 것을 특징으로 한다.
Figure pat00011
[수학식 1]
여기에서, P는 추정필터의 사용자 공분산, F는 모델행렬이다.
게인 계산단계(S700)는 추정필터의 게인을 계산하는 것으로 다음의 [수학식 7]로 정의된다.
Figure pat00012
[수학식 7]
여기에서, P는 추정필터의 사용자 공분산 예측값, R은 노이즈 공분산을 의미한다. 노이즈 공분산은 사용자가 입력하는 정보가 시스템에서 얼마만큼 신뢰할 수 있는가에 따라 결정되는 값으로 본 발명에서 노이즈 공분산의 크기는 0.1~0.5로 작게 잡아도 무방하다.
사용자 공분산 추정단계(S800)는 사용자 공분산 예측단계(S600)에서 계산된값과 게인 계산단계(S700)에서 계산된 게인을 이용하여 다음의 [수학식 2]를 만족 하는 것을 특징으로 한다.
Figure pat00013
[수학식 2]
여기에서, P(i|i)는 사용자 공분산 추정값, P(i|i-1)은 사용자 공분산 예측값, K는 추정필터의 게인을 의미한다.
사용자 상태 추정단계(S900)는 추정필터의 게인과 사용자 상태 예측단계(S500)의 결과, 사용자로부터 들어오는 입력정보를 이용하여 계산되며 다음의 [수학식 9]를 만족 하는 것을 특징으로 한다.
Figure pat00014
[수학식 9]
여기에서, x(i|i)는 사용자 상태 추정값, X(i|i-1)은 사용자 상태 예측값, K(i)는 추정필터의 게인, Z(i)는 사용자 입력정보를 나타낸다.
서버 저장단계(S1000)는 사용자 입력정보와 사용자 상태 예측값, 사용자 상태 추정값을 서버에 저장하는 단계로, 추후 동일 사용자가 시스템 서버에 접속하였을 때 사용자 정보 비교 등 회원관리를 하기 위한 데이터로 저장이 된다.
결과 출력단계(S1100)는 사용자 상태 예측값, 사용자 상태 추정값 중 적어도 하나를 사용자 단말기(2000)와 서비스 서버 관리자로 전송하는 단계로, 사용자는 이 정보를 확인하여 자신의 교육 성과를 확인할 수 있고, 교육 성과를 높이기 위해 어떻게 해야 하는지 계획을 세울 수 있다.
제 1 임계값 통지단계(S1200)은 관리자는 사용자 상태 예측값, 사용자 상태 추정값 중 적어도 하나를 이용하여 사용자 상태 예측단계(S500)의 출력값 또는 사용자 상태 추정단계(S900)의 출력값이 제 1 임계값 보다 커지게 되면 사용자 단말기(2000)로 통보를 수행한다. 여기서 제 1 임계값은 사용자 입력 반응시간, 학습 난이도, 전체 학습시간, 출제 문제 난이도, 출제 문제수, 사용자 획득 점수를 고려하여 처음 학습을 시작할 때는 기본 임계값을 적용하고, 그 이후부터는 사용자의 상태에 따라 가변하는 것이 바람직하다. 관리자는 제 1 임계값 통지단계(S1200)에서 사용자의 교육 성과의 효율을 향상시키기 위해 다양한 입력(U)를 수행할 수도 있다.
본 발명의 일실시예로, 사용자 상태 추정값 중에 사용자 수업 집중도에 해당하는 상태 예측 벡터 변수의 요소값이나 상태 추정 벡터 변수의 요소 값이 제 1임계값을 넘어가면, 관리자는 집중도를 올리기 위해, 사운드를 키우거나, 쉬어가는 페이지를 표시하거나, 사용자가 초기에 달성하기로 한 목표 내용을 화면에 표시할 수 도 있다. 또는 사용자 학습 이해도에 해당하는 상태 예측 벡터 변수의 요소값이나 상태 추정 벡터 변수의 요소 값이 제 1임계값을 넘어가면, 학습 진도 속도를 평균 이하로 늦추거나, 교육 컨텐츠 중 낮은 레벨의 교육 컨텐츠를 추천하도록 한다.
또한 사용자 상태 추정단계의 출력값 또는 사용자 상태 예측단계의 출력값을 조정하기 위해 관리자는 제어입력부를 더 구성할 수도 있다. 제어입력부는 사용자의 상태를 변화시키기 위해 사용자의 특성에 맞게 조정된다.
본 발명의 일실시예로, 사용자가 상품권이나 포인트를 획득하는 것에 반응이 높다면, 제어입력부는 사용자의 상태변수를 조정하기 위해 상품권 제공 또는 포인트 제공을 할 수 있고, 사용자가 음악이나 영화에 관심이 있다면, 제어입력부는 사용자의 상태변수를 조정하기 위해 3분간 음악감상, 음악파일 제공, 뮤직비디오 감상, 영화 관람권 제공등을 이용할 수도 있다. 이러한 사용자의 특성은 초기에 사용자가 서비스 시스템에 가입을 할 때 입력 받을 수도 있고, 사용자가 교육 시스템을 이수하면서 원하는 상품을 선택하는 특성을 반영할 수도 있다.
이상 도 1 내지 도 2를 참조하여 본 발명의 일실시 형태에 대하여 설명하였다. 이하에서는 이러한 일실시 형태로부터 추론 가능한 본 발명의 바람직한 형태에 대하여 설명한다.
이상에서 설명한 본 발명의 실시예를 구성하는 모든 구성요소들이 하나로 결합하거나 결합하여 동작하는 것으로 기재되어 있다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다. 또한, 그 모든 구성요소들이 각각 하나의 독립적인 하드웨어로 구현될 수 있지만, 각 구성요소들의 그 일부 또는 전부가 선택적으로 조합되어 하나 또는 복수개의 하드웨어에서 조합된 일부 또는 전부의 기능을 수행하는 프로그램 모듈을 갖는 컴퓨터 프로그램으로서 구현될 수도 있다. 또한, 이와 같은 컴퓨터 프로그램은 USB 메모리, CD 디스크, 플래쉬 메모리 등과 같은 컴퓨터가 읽을 수 있는 기록매체(Computer Readable Media)에 저장되어 컴퓨터에 의하여 읽혀지고 실행됨으로써, 본 발명의 실시예를 구현할 수 있다. 컴퓨터 프로그램의 기록매체로서는 자기 기록매체, 광 기록매체, 캐리어 웨이브 매체 등이 포함될 수 있다.
또한, 기술적이거나 과학적인 용어를 포함한 모든 용어들은, 상세한 설명에서 다르게 정의되지 않는 한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 사전에 정의된 용어와 같이 일반적으로 사용되는 용어들은 관련 기술의 문맥상의 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위 내에서 다양한 수정, 변경 및 치환이 가능할 것이다. 따라서, 본 발명에 개시된 실시예 및 첨부된 도면들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예 및 첨부된 도면에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구 범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.
1000: 서비스 서버 2000: 사용자 단말기
100: 회원관리부 200: 성과예측부
110: 사용자 정보 입력부 120: 사용자 정보 비교부
130: 서버 저장부 140: 결과 출력부
150: 제 1 임계값 통지부 210: 모델행렬 호출부
220: 사용자 초기 상태값 설정부 230: 사용자 상태 예측부
240: 사용자 공분산 예측부 250: 사용자 공분산 추정부
260: 게인 계산부 270: 사용자 상태 추정부

Claims (10)

  1. 인증된 교육자료 제작자가 유무선 통신을 이용하여 자신의 통신 단말기를 통해 사용자의 레벨 또는 선택에 따라 다양하게 교육자료를 제작하여 전송할 경우 사용자로부터 원격 교육 실시 전에 사용자 정보를 입력받는 사용자 정보 입력부;
    상기 사용자 정보를 받아 상기 원격 교육 서버에 저장된 사용자 정보와 비교하는 사용자 정보 비교부;
    상기 사용자 정보 비교 결과 기 사용자이면 상기 사용자 정보에 매칭되는 사용자 모델행렬을 호출하고 처음 사용자이면 기준 모델행렬을 호출하는 모델행렬 호출부;
    상기 사용자 정보를 반영하여 사용자 초기 상태값을 설정하는 사용자 초기 상태값 설정부;
    상기 모델행렬과 상기 사용자 초기 상태값을 곱하여 제 1 시간 이후의 사용자 상태값을 예측하는 사용자 상태 예측부;
    상기 모델행렬을 반영하여 사용자 공분산을 예측하는 사용자 공분산 예측부;
    상기 사용자 정보, 상기 모델행렬 및 상기 사용자 공분산 예측부 출력값을 반영하여 사용자 공분산을 추정하는 사용자 공분산 추정부;
    상기 사용자 상태 예측 출력값과 제 1 시간 이후의 사용자 정보를 이용하여 사용자 상태를 추정하는 사용자 상태 추정부;
    상기 사용자 공분산 예측 출력값을 이용하여 추정필터 게인을 계산하는 게인 계산부;
    상기 사용자 상태 추정부의 출력값을 상기 원격 교육 서버에 저장하는 원격 서버 저장부;
    상기 사용자 상태 추정부의 출력값을 사용자에게 알려주는 결과 출력부;를 포함하고,
    상기 사용자 공분산 예측부는 다음의 [수학식 1]을 만족하고, 상기 사용자 공분산 추정부는 다음의 [수학식 2]를 만족 하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 시스템을 제공하는 서비스 장치.
    Figure pat00015
    [수학식 1]
    Figure pat00016
    [수학식 2]

  2. 제 1항에 있어서,
    상기 사용자 상태 예측부 출력값 및 상기 사용자 상태 추정부 출력값의 상태변수는 벡터로 구성된 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 시스템을 제공하는 서비스 장치.
  3. 제 2 항에 있어서,
    상기 사용자 상태 예측부 출력값 및 상기 사용자 상태 추정부 출력값의 상태변수는 사용자 로그인시각, 사용자 로그아웃시각, 사용자 입력 반응시간, 학습 난이도, 전체 학습시간, 출제 문제 난이도, 출제 문제수, 사용자 획득 점수, 사용자 추천점수 중 적어도 두 개 이상 포함하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 시스템을 제공하는 서비스 장치.
  4. 제 3항에 있어서,
    상기 사용자 상태 예측부 출력값 또는 상기 사용자 상태 추정부 출력값 중 적어도 하나가 제 1 임계값 이상일 경우 상기 원격 교육 서버를 관리하는 관리자 또는 상기 사용자에게 통지하는 제 1 임계값 통지부;를 더 포함하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 시스템을 제공하는 서비스 장치.
  5. 제 1 항에 있어서,
    상기 결과 출력부는 소리 경고나 화면 경고 중 적어도 하나를 이용하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 시스템을 제공하는 서비스 장치.
  6. 인증된 교육자료 제작자가 유무선 통신을 이용하여 자신의 통신 단말기를 통해 사용자의 레벨 또는 선택에 따라 다양하게 교육자료를 제작하여 전송할 경우 사용자로부터 원격 교육 실시 전에 사용자 정보를 입력받는 사용자 정보 입력단계;
    상기 사용자 정보를 받아 상기 원격 교육 서버에 저장된 사용자 정보와 비교하는 사용자 정보 비교단계;
    상기 사용자 정보 비교 결과 기 사용자이면 상기 사용자 정보에 매칭되는 사용자 모델행렬을 호출하고 처음 사용자이면 기준 모델행렬을 호출하는 모델행렬 호출단계;
    상기 사용자 정보를 반영하여 사용자 초기 상태값을 설정하는 사용자 초기 상태값 설정단계;
    상기 모델행렬과 상기 사용자 초기 상태값을 곱하여 제 1 시간 이후의 사용자 상태값을 예측하는 사용자 상태 예측단계;
    상기 모델행렬을 반영하여 사용자 공분산을 예측하는 사용자 공분산 예측단계;
    상기 사용자 정보, 상기 모델행렬 및 상기 사용자 공분산 예측단계의 출력값을 반영하여 사용자 공분산을 추정하는 사용자 공분산 추정단계;
    상기 사용자 상태 예측 단계의 출력값과 제 1 시간 이후의 사용자 정보를 이용하여 상기 사용자 상태를 추정하는 사용자 상태 추정단계;
    상기 사용자 공분산 예측 단계 출력값을 이용하여 추정필터 게인을 계산하는 게인 계산단계;
    상기 사용자 상태 추정단계의 출력값을 상기 원격 교육 서버에 저장하는 원격 서버 저장단계;
    상기 사용자 상태 추정단계의 출력값을 사용자에게 알려주는 결과출력단계;를 포함하고
    상기 사용자 공분산 예측단계는 다음의 [수학식 1]을 만족하고, 상기 사용자 공분산 추정단계는 다음의 [수학식 2]를 만족하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 방법.
    Figure pat00017
    [수학식 1]
    Figure pat00018
    [수학식 2]
  7. 제 6항에 있어서,
    상기 사용자 상태 예측 단계 출력값 및 상기 사용자 상태 추정 단계 출력값의 상태변수는 벡터로 구성된 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 방법.
  8. 제 7 항에 있어서,
    상기 사용자 상태 예측 단계 출력값 및 상기 사용자 상태 추정 단계 출력값의 상태변수는 사용자 로그인시각, 사용자 로그아웃시각, 사용자 입력 반응시간, 학습 난이도, 전체 학습시간, 출제 문제 난이도, 출제 문제수, 사용자 획득 점수, 사용자 추천점수 중 적어도 두 개 이상 포함하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 방법.
  9. 제 8항에 있어서,
    상기 사용자 상태 예측 단계 출력값 또는 상기 사용자 상태 추정 단계 출력값 중 적어도 하나가 제 1 임계값 이상일 경우 상기 원격 교육 서버를 관리하는 관리자 또는 상기 사용자에게 통지하는 제 1 임계값 통지단계;를 더 포함하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 방법.
  10. 제 6항에 있어서,
    상기 결과 출력단계는 소리 경고나 화면 경고 중 적어도 하나를 이용하는 것을 특징으로 하는 추정필터를 이용한 교육 성과 예측 방법.
KR1020150045791A 2015-03-31 2015-03-31 추정필터를 이용한 교육 성과 예측 방법 및 시스템 KR20160117097A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150045791A KR20160117097A (ko) 2015-03-31 2015-03-31 추정필터를 이용한 교육 성과 예측 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150045791A KR20160117097A (ko) 2015-03-31 2015-03-31 추정필터를 이용한 교육 성과 예측 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20160117097A true KR20160117097A (ko) 2016-10-10

Family

ID=57146308

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150045791A KR20160117097A (ko) 2015-03-31 2015-03-31 추정필터를 이용한 교육 성과 예측 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR20160117097A (ko)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180127188A (ko) 2018-04-23 2018-11-28 (주)뤼이드 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 프레임워크 운용 방법, 장치 및 컴퓨터 프로그램
KR20190025870A (ko) 2019-02-28 2019-03-12 (주)뤼이드 교육 컨텐츠 및 상기 컨텐츠의 사용자를 분석하는 방법, 장치 및 컴퓨터 프로그램
KR20190025871A (ko) 2019-02-28 2019-03-12 (주)뤼이드 사용자 맞춤형 컨텐츠를 제공하기 위한 방법, 장치 및 컴퓨터 프로그램
KR20190025872A (ko) 2019-02-28 2019-03-12 (주)뤼이드 사용자를 분석하고 컨텐츠를 제공하기 위한 방법, 장치 및 컴퓨터 프로그램
KR20190025873A (ko) 2019-02-28 2019-03-12 (주)뤼이드 교육 컨텐츠를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR102015075B1 (ko) 2018-10-16 2019-08-27 (주)뤼이드 학습 효율을 기반으로 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 방법, 장치 및 컴퓨터 프로그램
KR102075936B1 (ko) 2019-08-21 2020-03-02 (주)뤼이드 학습 효율을 기반으로 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 방법, 장치 및 컴퓨터 프로그램
KR20200116200A (ko) 2019-04-01 2020-10-12 근로복지공단 사용자 인터페이스 컨트롤러 장치 및 그 제어 방법
KR102391075B1 (ko) 2021-08-26 2022-04-28 주식회사 아이스크림미디어 교육용 콘텐츠 제공 및 수업자료 제작 웹사이트 관리 시스템

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180127188A (ko) 2018-04-23 2018-11-28 (주)뤼이드 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 프레임워크 운용 방법, 장치 및 컴퓨터 프로그램
KR102015075B1 (ko) 2018-10-16 2019-08-27 (주)뤼이드 학습 효율을 기반으로 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 방법, 장치 및 컴퓨터 프로그램
KR20190025870A (ko) 2019-02-28 2019-03-12 (주)뤼이드 교육 컨텐츠 및 상기 컨텐츠의 사용자를 분석하는 방법, 장치 및 컴퓨터 프로그램
KR20190025871A (ko) 2019-02-28 2019-03-12 (주)뤼이드 사용자 맞춤형 컨텐츠를 제공하기 위한 방법, 장치 및 컴퓨터 프로그램
KR20190025872A (ko) 2019-02-28 2019-03-12 (주)뤼이드 사용자를 분석하고 컨텐츠를 제공하기 위한 방법, 장치 및 컴퓨터 프로그램
KR20190025873A (ko) 2019-02-28 2019-03-12 (주)뤼이드 교육 컨텐츠를 제공하는 방법, 장치 및 컴퓨터 프로그램
KR20200116200A (ko) 2019-04-01 2020-10-12 근로복지공단 사용자 인터페이스 컨트롤러 장치 및 그 제어 방법
KR102075936B1 (ko) 2019-08-21 2020-03-02 (주)뤼이드 학습 효율을 기반으로 개인 맞춤형 교육 컨텐츠를 제공하기 위한 기계학습 방법, 장치 및 컴퓨터 프로그램
KR102391075B1 (ko) 2021-08-26 2022-04-28 주식회사 아이스크림미디어 교육용 콘텐츠 제공 및 수업자료 제작 웹사이트 관리 시스템
KR102423837B1 (ko) 2021-08-26 2022-07-22 주식회사 아이스크림미디어 교육용 콘텐츠가 학년, 과목, 교과서명, 단원별로 필터링되어 제공되는 관리 시스템
KR102423833B1 (ko) 2021-08-26 2022-07-22 주식회사 아이스크림미디어 교육용 콘텐츠 관리 시스템
KR102423836B1 (ko) 2021-08-26 2022-07-22 주식회사 아이스크림미디어 사용자 개별적으로 취약한 단원의 교육용 콘텐츠를 선별하여 제고하는 관리 시스템
KR102423834B1 (ko) 2021-08-26 2022-07-22 주식회사 아이스크림미디어 수업자료 제작 웹사이트 관리 시스템
KR102423835B1 (ko) 2021-08-26 2022-07-22 주식회사 아이스크림미디어 개인 맞춤형의 교육용 콘텐츠와 수업자료의 제작이 하나의 웹사이트에서 이루어질 수 있는 시스템

Similar Documents

Publication Publication Date Title
KR20160117097A (ko) 추정필터를 이용한 교육 성과 예측 방법 및 시스템
Capuano et al. Fuzzy group decision making for influence-aware recommendations
US10395646B2 (en) Two-stage training of a spoken dialogue system
US20180121986A1 (en) System and Method for Recommending Products to Bridge Gaps Between Desired and Actual Personal Branding
CN111768231A (zh) 产品信息推荐方法及装置
CN110472798A (zh) 时间序列数据的预测方法、装置及计算机可读存储介质
CN115034836B (zh) 一种模型训练方法及相关装置
US7991648B2 (en) Opportunity index for identifying a user's unmet needs
CN110772796A (zh) 组队方法、装置及电子设备
JP2009110341A (ja) 時間情報を用いた予測装置、予測方法、予測プログラムおよびそのプログラムを記録した記録媒体
US20150038215A1 (en) Method for providing game replay, server for providing game replay, and recording medium storing the same
Weerahandi et al. Using survey data to predict adoption and switching for services
Anand et al. Obtaining informationally consistent decisions when computing costs with limited information
US20240046922A1 (en) Systems and methods for dynamically updating machine learning models that provide conversational responses
KR20220135150A (ko) 사용자 맞춤형 문화 예술 컨텐츠 큐레이션을 제공하고, 사용자와 함께 관람할 메이트를 추천하기 위한 방법 및 장치
KR20140138379A (ko) 관계성 매트릭스를 이용하여 서비스를 제공하는 방법, 서버 및 컴퓨터 판독 가능한 기록 매체
US20190160334A1 (en) Adaptive fitness training
US20160063380A1 (en) Quantifying and predicting herding effects in collective rating systems
Kim et al. A direct utility model for access costs and economies of scope
Jasberg et al. Assessment of prediction techniques: the impact of human uncertainty
US20110317870A1 (en) Automatic appeal measurement method
KR101580159B1 (ko) 설문 모집단 설정 방법, 이를 수행하는 설문 모집단 설정 서버 및 이를 저장하는 기록매체
CN112231594B (zh) 信息处理方法和装置
KR102485807B1 (ko) 사용자를 위한 주방 용품 추천 방법
JP6963653B2 (ja) エンゲージメント関連性モデルのオフライン評価メトリック

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E601 Decision to refuse application
E601 Decision to refuse application