KR20160129297A - 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템 - Google Patents

학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템 Download PDF

Info

Publication number
KR20160129297A
KR20160129297A KR1020150061184A KR20150061184A KR20160129297A KR 20160129297 A KR20160129297 A KR 20160129297A KR 1020150061184 A KR1020150061184 A KR 1020150061184A KR 20150061184 A KR20150061184 A KR 20150061184A KR 20160129297 A KR20160129297 A KR 20160129297A
Authority
KR
South Korea
Prior art keywords
learner
attribute
selecting
solving
result
Prior art date
Application number
KR1020150061184A
Other languages
English (en)
Inventor
오태형
김세훈
안명훈
정두섭
Original Assignee
비트루브 주식회사
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 비트루브 주식회사 filed Critical 비트루브 주식회사
Priority to KR1020150061184A priority Critical patent/KR20160129297A/ko
Priority to PCT/KR2015/007853 priority patent/WO2016175389A1/ko
Priority to TW105113652A priority patent/TWI640951B/zh
Publication of KR20160129297A publication Critical patent/KR20160129297A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G09B7/04Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법이 제공된다. 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법은, 학습자의 문제 풀이의 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계; 및 상기 선정된 속성에 기초하여 상기 학습자의 학습 능력을 보완하기 위한 보완 문제를 선정하는 단계를 포함한다.

Description

학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템{METHOD AND SYSTEM FOR ANALYZING THE LEARNING STATUS OF LEARNER AND SELECTING CORRESPONDING SUPPLEMENTARY PROBLEM}
본 발명은 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템에 관한 것으로, 보다 자세하게는 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하고 이렇게 선정된 속성에 기초하여 학습자의 학습 능력을 보완하기 위한 보완 문제를 선정하는 방법 및 시스템에 관한 것이다.
문제 풀이 방식은 학습자가 새로운 지식을 습득한 후, 학습한 지식의 이해 정도를 진단하거나 학습 성취도를 평가하기 위해 가장 널리 쓰이는 방법 중 하나이다. 다만, 문제 풀이 방식은 진단 또는 평가에 그치지 않고, 학습자로 하여금 부족한 부분에 대해 파악할 수 있는 기회를 부여함으로써, 학습자가 미진한 부분에 대해 보완할 수 있는 기회를 제공해줄 수 있다.
예컨대, 몇몇 문제집에서는 각 문제가 어떠한 개념 또는 어떠한 단원에 기초하여 출제된 것인지에 대하여 해설지 등에 별도로 기재함으로써 학습자가 이를 참조하고 활용할 수 있도록 하고 있다.
이에 따라, 학습자는 문제 풀이 후에, 오답을 기재한 것으로 확인된 문제에 대하여 해당 문제와 관련된 개념 또는 관련된 단원 정보로부터 취약 개념 또는 취약 단원을 확인할 수 있다. 그리고, 학습자는 확인된 개념 또는 확인된 단원에 대하여 추가 학습을 진행함으로써 부족한 부분을 보완할 수 있다.
한편, 최근에는 학습자의 문제 풀이의 결과에 따라, 학습자의 실력 향상을 위해 학습자에게 추가적인 문제를 제공하는 서비스도 시도되고 있다.
종래의 서비스를 살펴보면, 특정한 문제에 대해 학습자가 오답을 선택한 경우, 해당 특정한 문제와 유사한 유형의 문제로서 미리 정해진 문제를 학습자에게 추가적으로 제공하는 것에 그치는 경우가 많다.
다만, 학습자는 여러 단계로 이루어진 문제 풀이의 과정을 통해 답을 선택하기 때문에, 문제 풀이의 과정 중 어느 지점에서 틀렸느냐에 따라 다양한 오답이 발생할 수 있다. 그러나, 이렇게 문제 은행식 또는 문제 나열식으로 추가 문제를 제공하는 방식의 경우, 학습자는 오답을 선택한 것으로 판정된 문제와 유사한 문제에 대해서는 적응력을 높일 수는 있지만, 이러한 학습 방법이 학습자의 부족한 부분을 해소하기 위한 근본적인 해결책이 되지는 못한다.
위와 같은 문제점으로부터 안출된 본 발명이 해결하고자 하는 기술적 과제는, 학습자의 학습 상태를 다양한 수준 및 관점에서 진단함으로써 학습자에게 최적화된 보완 문제를 선정할 수 있도록 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템을 제공하고자 하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는, 단순히 오답 문제와 유사한 유형의 문제만을 제공하는 것이 아니라, 기본 개념 문제, 응용 문제를 포함한 다양한 종류의 문제를 보완 문제로서 학습자에게 제공함으로써, 학습자가 부족한 부분을 근본적으로 보완할 수 있도록 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템을 제공하고자 하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 언급된 기술적 과제들을 해결하기 위한, 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법은, 학습자의 문제 풀이의 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계; 및 상기 선정된 속성에 기초하여 상기 학습자의 학습 능력을 보완하기 위한 보완 문제를 선정하는 단계를 포함한다.
상기와 같은 본 발명에 따르면 후술하는 효과를 얻을 수 있지만, 본 발명에 따른 효과는 이에 제한되지 않는다.
첫째로, 학습자의 문제 풀이의 결과에 기초하여 학습자에 대하여 보완이 필요한 속성을 도출함으로써 학습자의 학습 상태를 비교적 정확하게 진단할 수 있기 때문에, 학습자에게 최적화된 보완 문제를 제공할 수 있다.
둘째로, 단순히 오답 문제와 유사한 유형의 문제만을 제공하는 것이 아니라, 기본 개념 문제, 응용 문제를 포함한 다양한 종류의 문제를 보완 문제로서 학습자에게 제공함으로써, 학습자가 부족한 부분을 근본적으로 보완할 수 있도록 할 수 있다.
셋째로, 학습자에 대해 누적된 문제 풀이의 결과를 종합적으로 고려하여, 해당 학습자가 틀릴 가능성이 높지만 아직 풀어보지 않은 보완 문제를 해당 학습자에게 제공함으로써, 학습자가 자신이 부족한 부분을 미리 확인해 볼 수 있는 예방 기회를 가질 수 있다.
도 1은 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법의 순서도이다.
도 2는 도 1의 단계 S100을 설명하기 위한 순서도이다.
도 3은 학습자의 성취도 평가에 대한 분류를 설명하기 위한 개념도이다.
도 4는 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 시스템의 개략적인 구성이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
이하, 도면을 참조하여 본 발명의 실시예들에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에 대해 설명하기로 한다.
이하, 도 1 내지 도 3을 참조하여, 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법을 설명한다. 도 1을 참조하면, 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법의 순서도가 개시되고, 도 2를 참조하면, 도 1의 단계 S100을 설명하기 위한 순서도가 개시되고, 도 3을 참조하면, 학습자의 성취도 평가에 대한 분류를 설명하기 위한 개념도가 개시된다. 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에 따르면, 학습자의 문제 풀이의 결과에 기초하여 학습자에 대하여 보완이 필요한 속성을 선정할 수 있으며, 선정된 속성에 기초하여 학습자의 학습 능력을 보완하기 위한 보완 문제를 선정할 수 있다. 즉, 본 실시예에 따른 방법에 따르면, 학습자의 학습 상태를 구체적으로 진단함으로써 학습자에게 부족한 부분을 파악할 수 있으며, 학습자가 부족한 부분을 보완할 수 있도록 진단된 학습 상태에 기초하여 학습자를 위한 보완 문제를 선정할 수 있다.
따라서, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법은, 일종의 자기 완성형(self-evolutionary) 학습일 수 있다. 즉, 학습자 본인(self)이 학습한 결과를 분석(analyze)하여 그로부터 자신에게 적합한(adaptive) 보충 또는 보완(supplementation)이 되는 문제를 도출함으로써 실력이 향상되는(improvement) 과정이 본 실시예에 따른 학습 방법을 통해 이루어질 수 있다.
이러한 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법은 서버 등으로 구현되는 시스템에 의해 수행될 수 있으며, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에 의해 선정된 문제가 사용자 단말에 제공될 수 있지만, 이에 제한되지 않는다.
여기서, 속성은 문제에 관련된 것으로서, 출제자가 해당 문제를 통해 평가하고자 하는 평가 요소이거나, 학습자가 해당 문제에 대한 문제 풀이를 위해 필요할 것으로 예상되는 요소의 구체화된 대상으로 정의될 수 있지만, 이에 제한되지 않는다. 예컨대, 속성은 관련 과목에서 이용되거나 학습되는 개념에 관한 것이거나, 학습자의 능력(예컨대, 암기 능력, 이해 능력, 적용 능력 등)에 관한 것, 교과 단원에 관한 것 또는 문제를 구성하는 특정 단어나 표현 등일 수 있지만, 이에 제한되지 않으며, 전술한 속성의 정의에 해당할 수 있으면, 제한되지 않는다.
다만, 속성은 전술한 설명에 비해 확장되어 이해될 수 있으며, 예컨대 특정한 문제의 풀이를 위해 두 가지의 개념이 접목되어야 하는 경우, 두 가지의 개념의 연관관계 역시 하나의 속성이 될 수 있다.
이하, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에 대해 구체적으로 설명한다.
우선, 도 1을 참조하여, 학습자의 문제 풀이의 결과에 기초하여 보완이 필요한 속성을 선정할 수 있다(S100). 구체적으로, 학습자의 문제 풀이의 결과에 기초하여 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정할 수 있다.
이를 위해, 학습자의 문제 풀이에 대한 정보를 제공받고, 제공받은 학습자의 문제 풀이에 대한 정보와 각 문제에 대한 정답 정보를 비교함으로써, 학습자의 문제 풀이의 결과를 도출하는 단계가 선행될 수 있지만, 이에 제한되지 않는다.
본 단계(S100)에서 학습자의 문제 풀이의 결과에 기초하여 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하기 위해서, 학습자의 문제 풀이의 결과를 이용하여 평가 가능한 속성에 대하여 학습자의 성취도를 평가하고, 이러한 평가 결과를 기준으로 하여 보완이 필요한 속성을 가려낼 수 있다. 이와 관련하여 도 2를 참조하여 본 단계(S100)를 구체적으로 설명한다.
우선, 도 2를 참조하여, 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 학습자의 성취도를 평가를 할 수 있다(S110).
여기서, 속성에 대하여 학습자의 성취도를 평가하는 것은 속성에 대하여 학습자의 성취도(또는 이해도)를 수치화하는 것일 수 있으며, 예컨대 특정 속성에 대한 학습자의 성취도는 미리 정해진 복수의 분류 중 어느 하나로 결정되고, 결정된 분류에 해당하는 점수로 수치화될 수 있지만, 이에 제한되지 않는다. 그리고, 이러한 학습자의 성취도 평가는 문제 풀이를 통해 평가 가능한 모든 속성에 대하여 수행될 수 있으며, 구체적으로 문제 풀이의 대상인 문제와 관련된 각 속성마다 학습자의 성취도 평가가 이루어질 수 있다.
즉, 본 단계(S110)에서 평가 가능한 모든 속성에 대하여 학습자의 성취도가 평가됨으로써, 후술하는 단계에서 학습자에 대하여 보완이 필요한 속성을 선정하기 위한 기초 자료를 얻을 수 있다.
구체적으로, 학습자의 객관식 문제 풀이의 결과에 기초하여 특정 문제에서 학습자가 선택한 선택지에 따라 특정 문제와 관련된 각 속성에 대하여 학습자의 성취도를 평가를 할 수 있다.
다만, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법은, 특정 문제의 정답/오답 여부에 따라, 특정 문제와 관련된 각 속성에 대하여 학습자의 성취도를 평가하는 단순한 방식을 이용하지 않는다. 이러한 방식에 기초한다면, 특정 문제가 복수의 속성과 관련된 경우, 해당되는 복수의 속성은 항상 동일한 성취도를 달성한 것으로 평가되기 때문에, 하나의 속성에 대해서는 학습자가 이해하고 다른 속성에 대해서는 학습자가 이해하지 못하는 경우를 구별해낼 수 없다.
이에 따라, 전술한 바와 같이, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법은, 학습자가 선택한 선택지에 따라 특정 문제와 관련된 각 속성에 대하여 예컨대 2개 이상의 분류로 학습자의 성취도를 평가할 수 있지만, 분류의 개수는 이에 제한되지 않는다.
이를 위해, 특정 문제가 1개의 속성과 관련된 경우, 특정 문제에 대한 선택지는 정답 선택지, 해당 속성을 잘못 이해한 경우 도출될 수 있는 오답 선택지, 단순한 계산 실수를 한 경우 도출될 수 있는 오답 선택지, 의미가 부여되지 않은 오답 선택지 등을 포함할 수 있지만, 이에 제한되지 않는다.
이러한 경우, 학습자가 어떠한 선택지를 선택했는지에 따라 특정 문제와 관련된 속성에 대한 학습자의 성취도 평가값이 2개 이상의 분류로 나뉘어져 달라질 수 있다.
이 밖에, 특정 문제가 2개 이상의 속성과 관련된 경우, 특정 문제에 대한 선택지는 정답 선택지, 제1 속성을 잘못 이해한 경우 도출될 수 있는 오답 선택지, 제2 속성을 잘못 이해한 경우 도출될 수 있는 오답 선택지, 제1 속성 및 제2 속성을 모두 잘못 이해한 경우 도출될 수 있는 오답 선택지, 단순한 계산 실수를 한 경우 도출될 수 있는 오답 선택지, 의미가 부여되지 않은 오답 선택지 등을 포함할 수 있지만, 이에 제한되지 않는다.
이러한 경우, 학습자가 어떠한 선택지를 선택했는지에 따라 특정 문제와 관련된 제1 속성에 대한 학습자의 성취도 평가값과, 특정 문제와 관련된 제2 속성에 대한 학습자의 성취도 평가값이 2개 이상의 분류로 나뉘어져 달라질 수 있다.
특히, 학습자가 제1 속성을 잘못 이해한 경우 도출될 수 있는 오답 선택지를 선택한 경우, 학습자는 제2 속성에 대해서는 잘못 이해하고 있는 것이 아니므로, 특정 문제와 관련된 제1 속성에 대한 학습자의 성취도 평가값은, 특정 문제와 관련된 제2 속성에 대한 학습자의 성취도 평가값에 비해 낮게 평가될 수 있다. 따라서, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에서, 특정 문제가 복수의 속성과 관련되어 있더라도, 각 속성마다 학습자의 성취도에 차이가 발생할 수 있으므로 각 속성에 대해 명확하게 성취도를 판단할 수 있다.
예컨대, 도 3을 참조하면, 특정 문제가 복수의 속성과 관련이 있는 경우, 학습자가 어떠한 선택지를 선택했는지에 따라 특정 문제와 관련된 속성에 대한 학습자의 성취도 평가값이 4개의 분류로 나뉘어져 달라질 수 있다. 여기서, 특정 문제가 제1 내지 제3 속성과 관련된 것을 예로 들지만, 이에 제한되지 않는다.
우선, 정답에 해당하는 선택지를 선택한 경우, 학습자가 제1 내지 제3 속성을 포함하는 복수의 속성을 맞게 이해한 것으로 판단되어, 제1 내지 제3 속성을 포함하는 복수의 속성에 대해 모두 동일하게 제1 분류인 것으로 성취도 평가값이 부여될 수 있다.
그리고, 제1 속성을 잘못 이해한 경우 선택될 수 있는 의도된 오답 선택지를 선택한 경우, 학습자가 제1 속성에 대해서는 잘못 이해한 것으로 판단되고, 제2 및 제3 속성에 대해서는 맞게 이해한 것으로 판단될 수 있다. 따라서, 의도된 오답 선택지와 관련된 속성이 제1 속성에 대해 제2 분류의 성취도 평가값이 부여되고, 의도된 오답 선택지에서 타겟으로 하지 않은 속성인 제2 및 제3 속성에 대해 제3 분류의 성취도 평가값이 부여될 수 있다.
마지막으로, 의미가 부여되지 않은 오답 선택지를 선택한 경우, 학습자가 제1 내지 제3 속성에 대해서 잘못 이해한 것으로 판단되어, 제1 내지 제3 속성을 포함하는 복수의 속성에 대해 모두 동일하게 제4 분류의 성취도 평가값이 부여될 수 있다.
여기서, 제1 분류 및 제3 분류 모두 맞게 이해한 속성에 대해 부여되는 분류이지만, 제1 분류 및 제3 분류 각각에 대응되는 점수는 서로 상이할수 있으며, 제2 분류 및 제4 분류 모두 잘못 이해한 속성에 대해 부여되는 분류이지만, 제2 분류 및 제4 분류 각각에 대응되는 점수는 상이할 수 있다. 이를 통해, 각각의 속성에 대한 정확한 성취도 평가가 가능할 수 있다.
한편, 몇몇 실시예에서 맞게 이해한 속성은 모두 동일한 분류(제1 분류 = 제3 분류)를 부여할 수 있고, 잘못 이해한 속성 역시 모두 동일한 분류(제2 분류 = 제4 분류)를 부여할 수 있지만, 이에 제한되지 않을 수 있다.
한편, 복수의 문제가 포함된 문제 세트에 대한 문제 풀이가 있는 경우, 각 속성에 대하여 학습자의 성취도를 평가하는 것은, 2단계로 수행될 수 있다. 우선, 각 문제에 대해서 해당 문제와 관련된 각 속성에 대하여 학습자의 성취도가 평가될 수 있으며, 이어서 문제 세트 내에서 동일한 속성에 대한 성취도 평가값이 누적 관리되어 각 속성에 대한 평균 성취도 평가값으로 관리될 수 있지만, 이에 제한되지 않는다.
즉, 문제 세트에 대한 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 학습자의 성취도를 누적하여 평가함으로써, 문제 세트 단위로 각 속성에 대한 학습자의 성취도가 관리될 수 있지만, 이에 제한되지 않으며, 후술하는 실시예에서는 복수의 회차의 문제 세트 단위로 각 속성에 대한 학습자의 성취도가 관리될 수 있다.
여기서 문제 세트는 복수의 문제를 포함하기만 하면 제한이 없다. 예컨대, 문제 세트는 대학수학능력시험의 문제지와 같이 1회 분량으로 편집된 문제지일 수 있지만, 이에 제한되지 않고, 분석을 위해 선택된 복수의 문제가 문제 세트로 정의될 수 있으며, 학습자가 학습을 완료한 복수의 문제 또한 하나의 문제 세트가 될 수 있다.
한편, 설명의 편의를 위해, 본 명세서에서 주로 수학 문제 또는 수학 문제를 포함하는 문제 세트의 예를 들어 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법을 설명하지만, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법이 수학 문제를 선정하는 것에만 적용되는 것은 아니며, 국어 및 영어 등의 다양한 과목에 적용될 수 있으며 교과 과정 이외에 다양한 주제에 대해서도 적용될 수 있음은 통상의 기술자에게 자명할 수 있다.
이어서, 도 2를 참조하여, 평가 결과에 기초하여 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정할 수 있다(S120).
구체적으로, 평가 결과에 기초하여 미리 정해진 선정 기준을 만족시키는 속성을 보완이 필요한 속성으로 선정할 수 있다. 예컨대, 미리 정해진 선정 기준으로 보완의 필요성을 판단하는 기준이 되는 학습자에 대한 기준 성취도 평가값이 정해질 수 있으며, 특정 속성에 대한 학습자의 성취도 평가값이 해당 기준 성취도 평가값보다 낮은 경우 보완이 필요한 속성으로 분류되어 선정될 수 있다. 다만, 보완이 필요한 적어도 하나의 속성을 선정하는 미리 정해진 선정 기준은 이에 제한되지 않을 수 있다.
한편, 몇몇 실시예에서 학습자의 문제 풀이 결과에 기초하여 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계(S100)는, 학습자의 문제 풀이의 결과에 기초하여 학습자에 대하여 보완이 필요한 적어도 하나의 미리 정해진 개수의 속성을 선정하는 단계일 수 있다.
이를 위해, 보완이 필요한 속성이 미리 정해진 개수보다 많은 경우에는, 미리 정해진 개수만큼의 속성을 선정하기 위해 선정의 우선순위에 대한 기준이 있을 수 있다. 예컨대, 학습자의 성취도 평가값이 낮은 순서대로 미리 정해진 개수만큼의 속성이 선정될 수 있지만, 우선순위에 대한 기준은 이에 제한되지 않는다.
이어서, 도 1을 참조하여, 선정된 속성에 기초하여 보완 문제를 선정할 수 있다(S200). 구체적으로, 선정된 속성에 기초하여 학습자의 학습 능력을 보완하기 위한 보완 문제를 선정할 수 있다.
예컨대, 보완 문제는, 선정된 속성 중 어느 하나와만 관련된 문제, 선정된 속성 중 어느 하나 및 선정된 속성 이외의 속성과 관련된 문제 및 선정된 속성 간의 조합과 관련된 문제 중 적어도 하나를 포함하도록 선정될 수 있지만, 선정된 속성을 활용하는 보완 문제가 선정된다면 이에 제한되지 않는다.
보완이 필요한 것으로 선정된 속성이 복수개인 경우, 선정된 속성 중 어느 하나와만 관련된 문제는 단일한 속성과 관련있는 기준 문제일 수 있다. 즉, 1개의 속성에 대한 부분만을 명확히 보완해주기 위한 개념 문제가 전술한 기준 문제의 일례일 수 있지만 이에 제한되지 않는다. 이러한 기준 문제의 경우, 1개의 속성에 대한 보완이 확실한 대신 문제의 난도는 높지 않을 수 있다.
보완이 필요한 것으로 선정된 속성이 복수개인 경우, 선정된 속성 중 어느 하나 및 선정된 속성 이외의 속성과 관련된 문제는 일종의 확장 문제일 수 있다. 예컨대, 선정된 속성 중 어느 하나와, 선정되지 않은 속성과 동시에 관련된 문제이기 때문에, 이러한 확장 문제를 통해 학습자는 선정된 속성의 다양한 응용 문제를 접함으로써 선정된 속성에 대한 보완을 수행할 수 있다. 이러한 확장 문제의 경우, 여러 속성이 접목된 문제이기 때문에, 기준 문제에 비해 난도가 높을 수 있다. 다만, 확장 문제의 경우, 선정된 속성 중 어느 하나 및 선정된 속성 이외의 어느 하나의 속성과 관련되도록 제한되지 않고, 선정된 속성 중 어느 하나 및 선정된 속성 이외의 복수의 속성과 관련될 수도 있다.
한편, 보완이 필요한 것으로 선정된 속성이 복수개인 경우, 선정된 속성 간의 조합과 관련된 문제는 일종의 활용 문제일 수 있다. 이러한 활용 문제의 경우, 학습자의 성취도가 낮은 다수의 속성이 접목되어 있기 때문에, 기준 문제에 비해 난도가 높을 수 있다.
이와 같이, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에 따르면, 학습자의 학습 능력을 보완하기 위한 효과적이고 다양한 보완 문제가 학습자에게 제공될 수 있다. 특히, 다양한 확장 문제 및 활용 문제가 학습자에게 제공될 수 있으므로, 깊이 있는 보완이 가능할 수 있다.
한편, 몇몇 실시예에 따르면, 학습자의 문제 풀이의 결과, 학습자의 오답률이 높은 경우, 즉 많은 문제를 틀린 경우에, 학습 능력을 보완하기 위한 보완 문제를 선정하는 과정에서 상대적으로 난도가 낮은 기준 문제의 비중을 높일 수 있으며, 학습자의 오답률이 낮은 경우, 학습 능력을 보완하기 위한 보완 문제를 선정하는 과정에서 상대적으로 난도가 높은 문제의 비중을 높일 수 있지만, 이에 제한되지 않는다.
이 밖에, 몇몇 실시예에 따르면, 학습자의 문제 풀이의 결과, 학습자가 난도가 낮은 문제를 주로 틀린 경우에, 학습 능력을 보완하기 위한 보완 문제를 선정하는 과정에서 기준 문제의 비중을 높임으로써 문제가 되는 속성에 대해 보완이 확실히 될 수 있도로 할 수 있다.
따라서, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에 따르면 학습자의 상태에 적합한 보완 문제의 선정이 가능하다.
이하, 본 발명의 제2 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법을 설명한다. 다만, 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법과의 차이점을 위주로 설명한다.
본 발명의 제2 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법은, 학습자의 문제 풀이가 복수의 회차의 문제 세트에 대해 수행된 경우에 적용될 수 있다.
도 1을 참조하면, 학습자의 문제 풀이의 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계(S100)는, 복수의 회차의 문제 세트에 대한 학습자의 문제 풀이의 결과 중 적어도 일부에 기초하여 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계일 수 있다.
여기서, 복수의 회차의 문제 세트에 대한 학습자의 문제 풀이의 결과에 기초하여 보완이 필요한 속성을 선정하는 경우, 최신 회차의 문제 세트에 대한 학습자의 문제 풀이에 대한 정보를 제공받고 이에 대한 문제 풀이의 결과를 도출하는 단계가 선행될 수 있으며, 최신 회차 이외의 과거 회차의 문제 세트에 대한 학습자의 문제 풀이의 결과는 미리 저장(제공)되어 있을 수 있지만, 이에 제한되지 않는다.
특히, 복수의 회차의 문제 세트에 대한 상기 학습자의 문제 풀이의 결과 중 적어도 일부에 기초하여 상기 학습자에 대하여 보완이 필요한 복수의 속성을 선정하는 단계에서, 최신 회차의 문제 세트로부터 선정되는 보완이 필요한 속성과 복수의 회차의 문제 세트에 대한 문제 풀이의 결과 모두에 기초하여 선정되는 보완이 필요한 속성의 비율이 조정될 수 있다.
구체적으로, 최신 회차의 문제 세트에 대한 상기 학습자의 문제 풀이의 결과에만 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 일부의 속성을 선정하는 단계와, 복수의 회차의 문제 세트에 대한 문제 풀이의 결과 모두에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 일부의 속성을 선정하는 단계를 포함할 수 있다.
따라서, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에 따르면, 최근에 문제된 속성의 비중을 높여 학습자의 학습 능력을 효율적으로 보완할 수 있을 뿐만 아니라, 과거에 문제되었던 속성도 고려하기 때문에 학습 능력의 종합적인 보완이 가능할 수 있다.
이하, 도 4를 참조하여, 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 시스템을 설명한다. 다만, 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법에서 설명한 내용과 중복되는 내용은 생략한다. 도 4를 참조하면, 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 시스템의 개략적인 구성이 개시된다.
본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 시스템(20)에서는 본 발명의 일 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법이 수행될 수 있다. 이를 위해, 본 실시예에 따른 시스템(20)은 학습자 단말(10)로부터 학습자의 문제 풀이의 결과를 제공받고, 학습자의 학습 능력을 보완하기 위해 선정된 보완 문제를 학습자의 단말(10)에 제공할 수 있지만, 이에 제한되지 않으며, 본 실시예에 따른 시스템(20)은 다양한 방법으로 학습자의 문제 풀이의 결과를 제공받을 수 있고, 학습자의 단말(10)에 다양한 정보를 제공할 수 있다.
도 4를 참조하면, 본 실시예에 따른 시스템(20)은 보완 속성 선정부(21) 및 보완 문제 선정부(22)를 포함할 수 있다.
우선, 보완 속성 선정부(21)는 학습자의 문제 풀이의 결과에 기초하여 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정할 수 있다. 구체적으로, 보완 속성 선정부(21)는, 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 학습자의 성취도를 평가하고, 평가 결과에 기초하여 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정할 수 있지만, 이에 제한되지 않는다.
그리고, 보완 문제 선정부(22)는 선정된 속성에 기초하여 보완 문제를 선정할 수 있다.
따라서, 본 실시예에 따른 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 시스템에 따르면 학습자의 상태에 적합한 보완 문제의 선정이 가능하다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
10: 학습자 단말 20: 시스템
21: 보완 속성 선정부 22: 보완 문제 선정부

Claims (10)

  1. 학습자의 문제 풀이의 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계; 및
    상기 선정된 속성에 기초하여 상기 학습자의 학습 능력을 보완하기 위한 보완 문제를 선정하는 단계
    를 포함하는 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  2. 제1항에 있어서,
    상기 학습자의 문제 풀이의 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계는,
    상기 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 상기 학습자의 성취도를 평가를 하는 단계와,
    상기 평가 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계
    를 포함하는 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  3. 제2항에 있어서,
    상기 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 상기 학습자의 성취도를 평가를 하는 단계는,
    상기 학습자의 객관식 문제 풀이의 결과에 기초하여 특정 문제에서 상기 학습자가 선택한 선택지에 따라 특정 문제와 관련된 각 속성에 대하여 상기 학습자의 성취도를 평가를 하는 단계를 포함하는 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  4. 제3항에 있어서,
    상기 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 상기 학습자의 성취도를 평가를 하는 단계는,
    상기 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 상기 학습자의 성취도를 2개 이상의 분류분류로 평가를 하는 단계인 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  5. 제2항에 있어서,
    상기 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 상기 학습자의 성취도를 평가를 하는 단계는,
    문제 세트에 대한 상기 학습자의 문제 풀이의 결과에 기초하여 문제 풀이의 대상인 문제와 관련된 각 속성에 대하여 상기 학습자의 성취도를 누적하여 평가를 하는 단계인 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  6. 제2항에 있어서,
    상기 평가 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계는,
    상기 평가 결과에 기초하여 미리 정해진 선정 기준을 만족시키는 속성을 보완이 필요한 속성으로 선정하는 단계인 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  7. 제1항에 있어서,
    상기 학습자의 문제 풀이 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계는,
    상기 학습자의 문제 풀이의 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 미리 정해진 개수의 속성을 선정하는 단계인 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  8. 제1항에 있어서,
    상기 학습자의 문제 풀이의 결과에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계는,
    복수의 회차의 문제 세트에 대한 상기 학습자의 문제 풀이의 결과 중 적어도 일부에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 하나의 속성을 선정하는 단계인 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  9. 제8항에 있어서,
    복수의 회차의 문제 세트에 대한 상기 학습자의 문제 풀이의 결과 중 적어도 일부에 기초하여 상기 학습자에 대하여 보완이 필요한 복수의 속성을 선정하는 단계는,
    최신 회차의 문제 세트에 대한 상기 학습자의 문제 풀이의 결과에만 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 일부의 속성을 선정하는 단계와,
    복수의 회차의 문제 세트에 대한 문제 풀이의 결과 모두에 기초하여 상기 학습자에 대하여 보완이 필요한 적어도 일부의 속성을 선정하는 단계
    를 포함하는 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
  10. 제1항에 있어서,
    상기 선정된 속성에 기초하여 상기 학습자의 학습 능력을 보완하기 위한 보완 문제를 선정하는 단계에서,
    상기 보완 문제는,
    상기 선정된 속성 중 어느 하나와만 관련된 문제,
    상기 선정된 속성 중 어느 하나 및 상기 선정된 속성 이외의 속성과 관련된 문제 및
    상기 선정된 속성 간의 조합과 관련된 문제 중 적어도 하나를 포함하도록 선정된 것인, 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법.
KR1020150061184A 2015-04-30 2015-04-30 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템 KR20160129297A (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
KR1020150061184A KR20160129297A (ko) 2015-04-30 2015-04-30 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템
PCT/KR2015/007853 WO2016175389A1 (ko) 2015-04-30 2015-07-28 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템
TW105113652A TWI640951B (zh) 2015-04-30 2016-05-02 用於分析學習者的學習狀態以及對應學習狀態挑選補充課題的方法與系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150061184A KR20160129297A (ko) 2015-04-30 2015-04-30 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020170025010A Division KR102179957B1 (ko) 2017-02-24 2017-02-24 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR20160129297A true KR20160129297A (ko) 2016-11-09

Family

ID=57198467

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150061184A KR20160129297A (ko) 2015-04-30 2015-04-30 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템

Country Status (3)

Country Link
KR (1) KR20160129297A (ko)
TW (1) TWI640951B (ko)
WO (1) WO2016175389A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180066705A (ko) * 2016-12-09 2018-06-19 김채연 학습자 취약점 분석 방법 및 장치

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20010104915A (ko) * 2000-05-16 2001-11-28 박철수 교육지원시스템 및 방법
TW200609765A (en) * 2004-09-08 2006-03-16 Town & Talent Technology China Co Ltd Generation method of electronic test paper for law and politics and system thereof
KR100811072B1 (ko) * 2006-06-16 2008-03-06 전영국 통계적 추론 기반 보충학습 시스템의 제어방법
KR20110082445A (ko) * 2010-01-11 2011-07-19 (주)아토미디어 학습 성취도에 맞춘 학습 정보 제공 장치 및 방법
KR20100080753A (ko) * 2010-06-03 2010-07-12 김용재 사용자 맞춤형 교육 서비스를 제공하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
CN102314782A (zh) * 2011-09-16 2012-01-11 无敌科技(西安)有限公司 依据学习效果评量、评量结果产生教学内容的装置及储存媒体
KR20130042138A (ko) * 2011-10-18 2013-04-26 주식회사 알지교육 개인별 오답 집중 학습시스템
CN103208211A (zh) * 2012-01-13 2013-07-17 深圳市育才幻音信息技术有限公司 网络教育考试选题方法及装置
CN103593704A (zh) * 2012-08-14 2014-02-19 鼎盛教育科技有限公司 诊断后教学整合评估方法
CN104123859A (zh) * 2014-07-14 2014-10-29 广东科学技术职业学院 基于Android系统的移动学习平台
CN104182920A (zh) * 2014-08-26 2014-12-03 天脉聚源(北京)教育科技有限公司 测试方法、测试发起端、被测试端和测试系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20180066705A (ko) * 2016-12-09 2018-06-19 김채연 학습자 취약점 분석 방법 및 장치

Also Published As

Publication number Publication date
WO2016175389A1 (ko) 2016-11-03
TWI640951B (zh) 2018-11-11
TW201706950A (zh) 2017-02-16

Similar Documents

Publication Publication Date Title
Ma et al. An empirical Q‐matrix validation method for the sequential generalized DINA model
Kunina‐Habenicht et al. The impact of model misspecification on parameter estimation and item‐fit assessment in log‐linear diagnostic classification models
Schubert et al. Evaluating the model fit of diffusion models with the root mean square error of approximation
JP6701367B2 (ja) 個人オーダーメイド教育コンテンツを提供する方法、装置、及びコンピュータプログラム
Drugowitsch et al. Relation between belief and performance in perceptual decision making
CN110389969A (zh) 提供定制的学习内容的系统和方法
US10614192B2 (en) Ranking combinations of mutants, test cases and random seeds in mutation testing
KR20190064911A (ko) 학습 문항 추천 장치 및 그 방법
KR20170031110A (ko) 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템
CN110929020B (zh) 基于测试成绩的知识点掌握度分析方法
WO2017132030A1 (en) Automatic problem assessment in machine learning system
CN106708971A (zh) 一种复习试题生成方法及系统
Ernst et al. The origin of illusory correlations
KR101993299B1 (ko) 학습자의 다수 개념 진단 시스템 및 그 방법
Galyardt et al. Recent-performance factors analysis
CN111967276B (zh) 翻译质量评估方法及装置、电子设备、存储介质
KR20160129297A (ko) 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템
KR20180044867A (ko) 학습자의 학습 상태를 분석하고 그에 대한 보완 문제를 선정하는 방법 및 시스템
Heller et al. Exploiting prior information in stochastic knowledge assessment
CN109857581A (zh) 一种优化选择软件可靠性增长模型的方法
TWI596583B (zh) 弱化知識點補救學習規劃系統及其方法
US20200273363A1 (en) Techniques for Diagnostic Assessment
JP2017207691A (ja) 択一問題の正答率予測方法
Lakshminarayan et al. An application of a stochastic knowledge structure model
Tzou et al. Improved performance of model fit indices with small sample sizes in cognitive diagnostic models

Legal Events

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