KR20190038207A - 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법 - Google Patents

개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법 Download PDF

Info

Publication number
KR20190038207A
KR20190038207A KR1020170128347A KR20170128347A KR20190038207A KR 20190038207 A KR20190038207 A KR 20190038207A KR 1020170128347 A KR1020170128347 A KR 1020170128347A KR 20170128347 A KR20170128347 A KR 20170128347A KR 20190038207 A KR20190038207 A KR 20190038207A
Authority
KR
South Korea
Prior art keywords
learner
learning
information
server
curation
Prior art date
Application number
KR1020170128347A
Other languages
English (en)
Inventor
이욱
Original Assignee
주식회사 더케이플랫폼
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 주식회사 더케이플랫폼 filed Critical 주식회사 더케이플랫폼
Priority to KR1020170128347A priority Critical patent/KR20190038207A/ko
Publication of KR20190038207A publication Critical patent/KR20190038207A/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—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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q50/01—Social networking
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

복수의 학습자들에게 맞춤형 콘텐츠를 제공하기 위한 개인 맞춤화 학습 큐레이션 시스템은, 복수의 학습자 단말기들 각각으로부터 학습자 기본 정보, 학습자 업무 정보, 및 학습자 진단 정보를 포함하는 학습자 정보를 수신하고, 수신된 학습자 정보를 저장하는 학습 관리자 서버와, 상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 추출하는 큐레이션 서버를 포함하고, 상기 학습 관리자 서버는 상기 추출된 학습용 컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하고, 상기 학습자 단말기에 의해 진행된 학습에 따라 상기 학습용 컨텐츠의 자기화 정보를 생성하고, 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집한다.

Description

개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법{PERSONALIZED LEARNING CURATION SYSTEM AND METHOD FOR OPERATING THE SAME}
본 발명의 개념에 따른 실시 예는 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법에 관한 것으로, 특히 소셜 러닝에서 큐레이션의 정확도를 높일 수 있는 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법에 관한 것이다.
일반적으로 소셜 러닝(social learning)이라 함은 소셜 네트워크 상에서 특정한 주제를 공유하고 평가하며 상호 학습하는 것을 지칭한다. 소셜 러닝은 소셜 네트워크 등의 연결을 기반으로 콘텐츠의 발굴과 공유와 같은 참여, 소통, 및 커뮤니티 등의 상호작용으로 학습의 효율을 높일 수 있다. 최근 이러한 소셜 네트워크를 활용하여 온라인 서비스의 비약적인 성장에 따라 콘텐츠의 양은 방대해지고 있다.
소셜 네트워크 상에서 제공되는 콘텐츠의 양이 많아질수록 학습자의 선택의 폭은 넓어지나 사용자의 만족도가 반드시 높아지는 것은 아니므로, 학습자의 관심과 성향 등에 맞는 콘텐츠를 제시(큐레이션)할 수 있는 필요성이 대두된다.
등록특허공보 제10-1734728호는 소셜 네트워크 서비스를 이용하여 온라인 협동 학습을 제공하는 방법 및 서버에 관한 것으로서, 소설 네트워크 서비스로부터 수집된 학습 정보를 카테고리별로 분류하고, 최신 트렌드와 대중의 인기도를 반영하여 학습자가 원하는 가장 최적의 학습 정보를 제공하는 방법에 관한 발명이 개시되어 있다.
상기 선행기술문헌은 학습자에게 최적의 뉴스를 제공할 수 있지만, 개인의 성향이나 니즈를 반영한 콘텐츠를 제공하지 못하는 문제점이 있다.
또한, 공개특허공보 제10-2014-0035221호는 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법에 관한 것으로서, 수요자의 관심 콘텐츠를 파악하여 수요자의 관심 콘텐츠에 맞는 전문가를 추천하기 위한 발명이 개시되어 있다.
그러나, 상기 선행기술문헌은 데이터베이스에 저장된 콘텐츠를 기초로 수요자에게 전문가를 추천해주므로, 분석 범위가 한정적인 문제점과 추천의 한계가 있다.
등록특허공보 제10-1734728호(2017.05.02) 공개특허공보 제10-2014-0035221(2014.03.21)
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법은 소셜 러닝을 통해 제공된 콘텐츠를 학습자가 온라인과 오프라인 상에서 학습하고 학습 결과를 입력하면, 상기 학습 결과가 다른 학습자에게 공유되어 평가되고, 상기 학습 결과와 상기 평가를 재분석하여 큐레이션의 정확도를 높이는 것을 목적으로 한다.
상기와 같은 목적을 달성하기 위한 본 발명의 복수의 학습자들에게 맞춤형 콘텐츠를 제공하기 위한 개인 맞춤화 학습 큐레이션 시스템은, 복수의 학습자 단말기들 각각으로부터 학습자 기본 정보, 학습자 업무 정보, 및 학습자 진단 정보를 포함하는 학습자 정보를 수신하고, 수신된 학습자 정보를 저장하는 학습 관리자 서버와, 상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 추출하는 큐레이션 서버를 포함하고, 상기 학습 관리자 서버는 상기 추출된 학습용 컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하고, 상기 학습자 단말기에 의해 진행된 학습에 따라 상기 학습용 컨텐츠의 자기화 정보를 생성하고, 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집한다.
상기 큐레이션 서버는 상기 학습자 정보, 상기 자기화 정보, 및 상기 평가 정보의 유사도를 이용하여 상기 하나 이상의 그룹을 재분류한다.
상기 자기화 정보는 상기 학습자 단말기를 통해 입력된 키워드를 이용하여 상기 학습용 컨텐츠를 구조화하고 시각화한 정보이다.
상기 평가 정보는 상기 자기화 정보에 대한 평가 점수이다.
상기 큐레이션 서버는 오프라인 환경에서 형성된 학습 조직을 이용하여 상기 하나 이상의 그룹을 재분류한다.
상기 두번째 목적을 달성하기 위한 본 발명의 복수의 학습자들에게 맞춤형 콘텐츠를 제공하기 위한 개인 맞춤화 학습 큐레이션 시스템의 동작 방법은, 학습 관리자 서버가 복수의 학습자 단말기들 각각으로부터 학습자 기본 정보, 학습자 업무 정보, 및 학습자 진단 정보를 포함하는 학습자 정보를 수신하고, 수신된 학습자 정보를 저장하는 수집 단계와, 큐레이션 서버가 상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 추출하는 큐레이션 단계와, 상기 학습 관리자 서버가 상기 추출된 학습용 컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하는 컨텐츠 제공 단계와, 학습자가 상기 학습자 단말기로 학습 결과를 입력하면, 상기 학습 관리자 서버가 상기 학습 결과를 이용하여 상기 학습용 컨텐츠에 대한 자기화 정보를 생성하는 자기화 단계와, 상기 학습 관리자 서버가 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집하는 평가 단계를 포함한다.
상기 큐레이션 서버는 상기 학습자 정보, 상기 자기화 정보, 및 상기 평가 정보의 유사도를 이용하여 상기 하나 이상의 그룹을 재분류하는 재분류한다.
상기 상기 학습 관리자 서버는 상기 자기화 정보를 이용하여 새로운 컨텐츠를 추출하고, 재분류된 학습자 그룹과 추출된 새로운 컨텐츠를 매칭한다.
상기 큐레이션 서버는 오프라인 환경에서 형성된 학습 조직을 이용하여 상기 하나 이상의 그룹을 재분류하는 단계와, 상기 학습자가 상기 오프라인 환경에서 수행된 활동의 결과를 상기 학습자 단말기 입력하면, 상기 학습 관리자 서버는 상기 활동의 결과를 이용하여 새로운 컨텐츠를 추출한다.
상기 학습 관리자 서버가 재분류된 학습가 그룹과 상기 새로운 컨텐츠를 매칭한다.
상기한 바와 같은 본 발명의 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법은 소셜 러닝을 통해 제공된 컨텐츠를 학습자가 온라인과 오프라인 상에서 학습하고 학습 결과를 입력하면, 상기 학습 결과가 시각화되어 다른 학습자에게 공유됨으로써, 다른 학습자가 쉽고 빠르게 정보를 습득할 수 있다.
또한, 상기 다른 학습자는 상기 공유된 학습 결과를 평가하여 평가 정보를 입력하면, 상기 학습 결과와 상기 평가 정보를 재분석하고, 상기 학습자의 기본 정보와 재매칭하여 큐레이션의 정확도를 높임으로써, 개인 맞춤화를 가능하게 하여 학습 효율성을 늘려 학습 순환 구조를 형성할 수 있는 효과가 있다.
본 발명의 상세한 설명에서 인용되는 도면을 보다 충분히 이해하기 위하여 각 도면의 상세한 설명이 제공된다.
도 1은 본 발명의 실시 예에 따른 개인 맞춤화 학습 큐레이션 시스템을 나타낸다.
도 2는 본 발명의 실시 예에 따른 개인 맞춤화 학습 큐레이션 시스템의 동작 방법을 설명하기 위한 데이터 흐름도이다.
도 3은 본 발명의 실시 예에 따른 학습자 정보를 나타내는 개념도이다.
도 4는 본 발명의 실시 예에 따른 학습용 컨텐츠의 분류를 나타내는 개념도이다.
도 5는 본 발명의 실시 예에 따른 학습자 단말기에서 디스플레이되는 컨텐츠 제공 화면을 나타낸다.
도 6은 본 발명의 실시 예에 따른 학습자가 학습 결과를 입력하기 위해 학습자 단말기에서 디스플레이 되는 화면을 나타낸다.
도 7은 본 발명의 실시 예에 따른 자기화 정보를 나타낸다.
도 8은 본 발명의 실시 예에 따른 학습자 단말기에서 디스플레이되는 학습 조직 화면을 나타낸다.
도 9는 본 발명의 실시 예에 따른 개인 맞춤화 학습 큐레이션 시스템의 동작 방법을 나타내는 플로우차트이다.
이하에서는 본 발명에 따른 실시예 및 도면을 참조하여, 본 발명을 더욱 상술한다.
도 1은 본 발명의 실시 예에 따른 개인 맞춤화 학습 큐레이션 시스템을 나타낸다. 본 명세서에서 개인 맞춤화 학습 큐레이션 시스템은 초기 정보를 이용하여 학습자에게 개인 맞춤형 콘텐츠를 제공하고, 콘텐츠를 학습한 결과를 기계 학습(machine learning)을 통하여 재분석함으로써, 상기 학습자의 성향과 니즈에 맞는 새로운 콘텐츠를 예측하여 검색하고 매칭하여 제공하는 시스템을 의미한다.
따라서, 개인 맞춤화 학습 큐레이션 시스템은 미리 저장된 콘텐츠 뿐만 아니라 인터넷상 또는 유튜브와 같은 외부에 있는 콘텐츠를 기초로 새로운 컨텐츠를 학습자의 성향과 니즈에 재매칭시켜 큐레이션할 수 있다.
도 1을 참조하면, 개인 맞춤화 학습 큐레이션 시스템(10)은 복수의 학습자 단말기들(110-1~110-n), 학습 관리자 서버(130), 큐레이션 서버(150), 학습 콘텐츠 서버(170), 및 외부 콘텐츠 서버(190)를 포함할 수 있다.
학습 관리자 서버(130)는 사용자 데이터베이스(131)를 포함할 수 있다. 학습 관리자 서버(130)는 복수의 학습자 단말기들(110-1~110-n) 각각으로부터 학습자 기본 정보, 학습자 업무 정보, 및 학습자 진단 정보를 포함하는 학습자 정보를 수신하고, 수신된 학습자 정보를 사용자 데이터베이스(131)에 저장할 수 있다.
큐레이션 서버(150)는 상기 학습자 정보의 유사도를 이용하여 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 제시하고, 학습자가 온라인과 오프라인 상에서 상기 학습용 컨텐츠를 학습하고 학습 결과를 입력하면, 상기 학습 결과에 따라 상기 하나 이상의 그룹을 기계 학습(machine learning)을 통해 재분류할 수 있다.
예컨대, 초기에는 학습자 정보에 기초하여 빅데이터를 분석함으로써 학습자에게 학습용 컨텐츠를 추천한다. 상기 학습자가 상기 학습용 컨텐츠를 학습함에 따라 생성된 학습 결과(예컨대, 마인드 맵, 키워드, 사례, 실제 적용 방안 등)를 기계학습을 통해 분석한다. 분석의 결과와 다른 학습자들의 반응(예컨대, 좋아요, 별점 등)을 통해 각 학습자의 영역이나 관심사를 찾고 예측함으로써 이 후 다른 학습자에게 새로운 학습 콘텐츠를 큐레이션할 수 있고, 학습 효과도 높일 수 있다.
학습 콘텐츠 서버(170)는 콘텐츠 데이터베이스(171)를 포함할 수 있다. 학습 콘텐츠 서버(170)는 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐(Cue) 컨텐츠를 콘텐츠 데이터베이스(171)로부터 추출할 수 있다.
본 명세서에서 학습용 컨텐츠라 함은 학습자가 소셜 러닝을 통해 학습할 컨텐츠를 의미하고, 큐(Cue) 컨텐츠라 함은 학습자가 상기 학습용 컨텐츠를 효과적으로 학습할 수 있도록 방향을 제시(cue)할 수 있는 컨텐츠를 의미한다.
예컨대, 상기 큐 컨텐츠는 상기 학습자가 상기 학습용 컨텐츠를 학습하기 전에 상기 학습용 컨텐츠로부터 상기 학습자가 습득해야 할 내용을 안내하거나, 상기 학습자가 상기 학습용 컨텐츠를 학습 한 후에 상기 학습자가 실행해야 할 작업(예컨대, 키워드 추출, 마인드맵 생성, 온라인 및/또는 오프라인 상에서 수행될 실습, 토의, 발표 등)을 안내할 수 있다.
외부 컨텐츠 서버(190)는 콘텐츠 데이터베이스(171)에 등록되어 있지 않은 새로운 컨텐츠를 불러올 수 있다. 외부 컨텐츠 서버(190)는 재분류된 학습자 그룹에게 새로운 컨텐츠를 큐레이션하기 위해 상기 새로운 컨텐츠를 추출할 수 있다.
도 2는 본 발명의 실시 예에 따른 개인 맞춤화 학습 큐레이션 시스템의 동작 방법을 설명하기 위한 데이터 흐름도이다. 도 2를 참조하면, 학습 관리자 서버(130)는 복수의 학습자 단말기들(110-1~110-n) 각각으로부터 학습자 기본 정보, 학습자 업무 정보, 및 학습자 진단 정보를 포함하는 학습자 정보를 수신할 수 있다(S110).
학습 관리자 서버(130)는 수신된 학습자 정보를 사용자 데이터베이스(131)에 저장하고, 상기 학습자 정보를 큐레이션 서버(150)로 전송할 수 있다(S120).
도 3은 본 발명의 실시 예에 따른 학습자 정보를 나타내는 개념도이다. 도 3 (a)는 학습자 정보 중에서 학습자 기본 정보를 나타낸다. 학습자 기본 정보는 학습자의 연령, 성별, 거주지, 학력, 전공, 및 관심사를 포함할 수 있다.
도 3 (b)는 학습자 정보 중에서 학습자 업무 정보를 나타낸다. 학습자 업무 정보는 학습자의 현재 직무, 직급, 직책, 업무 경력, 및 과거 직무를 포함할 수 있다.
도 3 (c)는 학습자 정보 중에서 학습자 진단 정보를 나타낸다. 학습자 진단 정보는 학습자의 성향을 진단하기 위한 설문을 의미하며, 학습 능력, 소통 능력, 자기 관리 능력, 사회적 역량, 및 성과 창출 능력을 문의하는 설문을 포함할 수 있다.
다시 도 2를 참조하면, 큐레이션 서버(150)는 상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하고(S130), 학습 콘텐츠 서버(170)로부터 큐레이션된 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 학습 관리자 서버(130)로 전송할 수 있다(S150).
예컨대, 큐레이션 서버(150)는 유사한 직급, 직무, 및 성향을 가진 학습자들이 소셜 러닝을 통하여 컨텐츠를 학습하고 공유할 수 있도록, 학습자들에게 개인 맞춤형 컨텐츠를 제공할 수 있다.
도 4는 본 발명의 실시 예에 따른 학습용 컨텐츠의 분류를 나타내는 개념도이다. 도 4를 참조하면, 학습용 컨텐츠는 크게 기본 소양(basic), 지식/경험(knowledge), 기술/능력(skill), 및 사고력(thinking)의 카테고리로 분류된다. 예컨대, 직무 역량의 경우 기본 소양은 명함 교환, 인사, 이메일 보내기 등 비즈니스의 기본적인 역량을 의미하고, 지식/경험은 직무 관련 전문 지식과 리더십 등을 의미하고, 기술/능력은 정보 통신 기술과 같은 변화와 트렌드, 업무 스킬 등을 의미하고, 사고력은 직무에 도움이 될 수 있는 사고력과 표현력 배양 등을 의미할 수 있다.
도 5는 본 발명의 실시 예에 따른 학습자 단말기에서 디스플레이되는 컨텐츠 제공 화면을 나타낸다. 도 2와 도 5를 참조하면, 큐레이션 서버(150)는 학습 콘텐츠 서버(170)로부터 상기 학습자 정보의 유사도를 이용하여 분류된 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 학습 콘텐츠 서버(170)로부터 수신할 수 있다(S140).
예컨대, 큐레이션 서버(150)는 연령이 30대이고, 성별이 남자이고, 현재 마케팅 직무를 담당하고, 관심사가 독서와 정보 통신 기술이고, 자기관리가 철저한 학습자들을 제1 그룹으로 분류하고, 상기 제1 그룹에 속한 학습자들에게 도 5의 (a)에 도시된 바와 같이 4차 산업 혁명에 대한 콘텐츠들을 제공할 수 있다.
상기 학습자가 '마켓 4.0'을 선택(클릭 또는 터치)하면, 큐레이션 서버(150)는 도 5의 (b)에 도시된 바와 같이 다른 학습자가 '마켓 4.0'에 대해 학습한 결과를 제공할 수 있다. 예컨대, 상기 다른 학습자가 학습한 결과는 후술할 바와 같이 자기화 정보와 평가 점수에 해당한다.
큐레이션 서버(150)는 학습 콘텐츠 서버(170)로부터 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 수신하고, 수신된 학습용 컨텐츠를 학습 관리자 서버(130)로 전송할 수 있다(S150). 학습 관리자 서버(130)는 상기 학습용 컨텐츠를 상기 그룹에 속하는 학습자 단말기(110-1)로 제공하고(S160), 학습자 단말기(110-1)의 학습자가 상기 학습용 컨텐츠를 학습하고, 학습 결과를 입력하면, 학습 관리자 서버(130)는 상기 학습 결과에 따라 자기화 정보를 생성할 수 있다(S180).
도 6은 본 발명의 실시 예에 따른 학습자가 학습 결과를 입력하기 위해 학습자 단말기에서 디스플레이되는 화면을 나타내고, 도 7은 본 발명의 실시 예에 따른 자기화 정보를 나타낸다.
예컨대, 학습자가 도 6에 도시된 바와 같이 학습자 단말기(110-1)로 학습 결과에 따른 키워드들을 입력하면(S170), 학습 관리자 서버(130)는 학습자 단말기(110-1)를 통해 입력된 상기 키워드들을 이용하여 도 7에 도시된 바와 같이 마인드 맵 형태로 자기화 정보를 생성할 수 있다(S180).
즉, 자기화 정보는 상기 학습자 단말기를 통해 입력된 키워드를 이용하여 상기 학습자가 상기 학습용 컨텐츠를 학습한 결과를 구조화하고 시각화한 정보를 의미할 수 있다.
학습 관리자 서버(130)는 생성된 자기화 정보를 다른 학습자 단말기(110-2)로 전송하고(S190), 자기화 정보를 수신한 다른 학습자 단말기(110-2)는 상기 자기화 정보에 대한 평가 정보를 학습 관리자 서버(130)로 전송할 수 있다(S200).
상기 평가 정보는 다른 학습자 단말기(110-2)의 학습자가 상기 자기화 정보에 대해 평가한 평가 점수를 의미할 수 있다. 예컨대, 도 5의 (b)에 도시된 바와 같이 상기 자기화 정보가 제공되고, 상기 다른 학습가가 상기 자기화 정보에 대해 입력한 평가 점수가 별점 형태로 제공될 수 있다.
큐레이션 서버(150)는 학습 관리자 서버(130)로부터 자기화 정보와 평가 정보를 수신하고(S210), 상기 학습자 정보, 상기 학습 정보, 및 상기 평가 정보의 유사도를 이용하여 상기 하나 이상의 그룹을 재분류할 수 있다(S220).
예컨대, 연령이 30대이고, 성별이 남자이고, 현재 마케팅 직무를 담당하고, 관심사가 독서와 정보 통신 기술이고, 자기관리가 철저한 제 1그룹의 학습자들 중에서 자신의 자기화 정보에게 가장 높은 평가 점수를 준 사람들을 제 2그룹으로 세분화하여 재분류할 수 있다. 또는 해당 학습용 컨텐츠에 대해 자신의 자기화 정보에 포함된 키워드들과 가장 유사한 키워드들을 입력한 학습자를 추가하여 제 3그룹으로 재분류할 수 있다.
큐레이션 서버(150)는 자기화 정보와 평가 정보를 학습 콘텐츠 서버(170)로 전송하고(S230), 학습 콘텐츠 서버(170)는 자기화 정보와 평가 정보를 이용하여 외부 콘텐츠 서버(190)로부터 새로운 컨텐츠를 예측하여 검색할 수 있다(S240). 따라서, 콘텐츠 DB(171)에 기 저장된 컨텐츠 뿐만 아니라 학습자의 학습 결과를 토대로 저장되지 않은 새로운 컨텐츠를 추출할 수 있다.
예컨대, 학습자가 새로 발간된 도서나 잘 알려지지 않은 도서를 읽고, 읽은 내용을 정리하여 공유하면, 학습 콘텐츠 서버(170)는 상기 도서 정보를 콘텐츠 DB(171)에 저장할 수 있고, 도 8을 참조하여 설명할 바와 같이 온라인, 오프라인 등 다양한 환경에서 생성되는 다양한 정보를 기반으로 새로운 컨텐츠를 생성할 수 있다.
따라서, 큐레이션 서버(150)는 재분류된 학습자 그룹과 새로운 컨텐츠를 재매칭시킴으로써 큐레이션의 정확도를 높일 수 있는 효과가 있다. 즉, 초기에는 학습자 정보에 기초하여 학습용 컨텐츠를 추천하였으나, 학습용 컨텐츠를 학습함에 따라 생성된 학습 결과가 쌓이고, 학습 결과를 기계 학습 함으로써, 큐레이션의 정확도와 예측성을 높일 수 있다.
실시 예에 따라 큐레이션 서버(150)는 학습 콘텐츠 서버(170)로부터 하나 이상의 그룹 각각에 대응하는 큐 컨텐츠를 수신하고, 수신된 큐 컨텐츠를 학습 관리자 서버(130)로 전송할 수 있다(S150).
학습자는 큐 컨텐츠를 학습함으로써, 학습용 컨텐츠를 효과적으로 학습할 수 있다. 따라서, 학습 결과를 기초로 생성되는 자기화 정보의 신뢰성도 향상될 수 있다. 뿐만 아니라, 학습자 자신이 다른 학습자에게 학습용 컨텐츠의 학습 방향을 제시할 수도 있다.
도 8은 본 발명의 실시 예에 따른 학습자 단말기에서 디스플레이되는 학습 조직 화면을 나타낸다. 도 8을 참조하면, 학습자가 학습자 단말기에 설치된 애플리케이션을 통해 모금, 홍보, 교육 등 동일한 목적으로 형성된 학습 조직을 온라인과 오프라인 환경에서 구축할 수 있다. 예컨대, 학습자가 온라인 환경에서 모금에 대한 학습 조직을 구축하고, 오프라인 환경에서 상기 학습 조직에 해당하는 회원들이 모금에 대한 토론을 하고, 학습자는 토론 결과를 상기 애플리케이션을 통해 입력할 수 있다.
큐레이션 서버(150)는 상기 학습 조직에 해당하는 회원들을 동일한 그룹으로 분류 또는 재분류하고, 상기 토론 결과에 해당하는 새로운 컨텐츠를 추출하고, 추출된 새로운 컨텐츠를 학습 관리자 서버(130)로 전송할 수 있다.
따라서, 큐레이션 서버(150)는 온라인뿐만 아니라 오프라인 환경에서 생성되는 다양한 정보를 기반으로 학습자 그룹을 분류 또는 재분류하고 새로운 컨텐츠를 생성하고, 상기 분류 또는 재분류된 학습자 그룹과 상기 새로운 컨텐츠를 재매칭함으로써 큐레이션의 정확도를 높일 수 있는 효과가 있다.
도 9는 본 발명의 실시 예에 따른 개인 맞춤화 학습 큐레이션 시스템의 동작 방법을 나타내는 플로우차트이다. 도 1과 도 10을 참조하면, 학습 관리자 서버(130)가 복수의 학습자 단말기들(110-1~110-n) 각각으로부터 학습자 기본 정보, 학습자 업무 정보, 및 학습자 진단 정보를 포함하는 학습자 정보를 수신하고, 수신된 학습자 정보를 저장하는 수집한다(S310).
큐레이션 서버(150)가 상기 학습자 정보의 유사도를 이용하여 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 추출한다(S320).
학습 관리자 서버(130)가 상기 추출된 학습용 컨텐츠를 상기 그룹에 속하는 학습자 단말기(110-1)로 제공한다(S330).
학습자가 상기 학습용 컨텐츠를 학습하고, 학습 결과를 학습자 단말기(110-1)로 입력하면, 학습 관리자 서버(130)가 상기 학습 결과에 따라 자기화 정보를 생성한다(S340).
학습 관리자 서버(130)는 생성된 자기화 정보를 다른 학습자 단말기(110-2)에 제공하여 평가 정보를 수집한다(S350).
큐레이션 서버(150)는 상기 학습자 정보, 상기 학습 정보, 및 상기 평가 정보의 유사도를 이용하여 상기 하나 이상의 그룹을 재분류하고, 새로운 컨텐츠를 추출하고, 재분류된 그룹과 새로운 컨텐츠를 재매칭한다(S320).
10; 개인 맞춤화 학습 큐레이션 시스템
110-1~110-n; 학습자 단말기들
130; 학습 관리자 서버
131; 사용자 데이터베이스
150; 큐레이션 서버
170; 학습 콘텐츠 서버
171; 콘텐츠 데이터베이스
190; 외부 컨텐츠 서버

Claims (10)

  1. 복수의 학습자들에게 맞춤형 콘텐츠를 제공하기 위한 개인 맞춤화 학습 큐레이션 시스템에 있어서,
    복수의 학습자 단말기들 각각으로부터 학습자 기본 정보, 학습자 업무 정보, 및 학습자 진단 정보를 포함하는 학습자 정보를 수신하고, 수신된 학습자 정보를 저장하는 학습 관리자 서버; 및
    상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 추출하는 큐레이션 서버를 포함하고,
    상기 학습 관리자 서버는 상기 추출된 학습용 컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하고, 상기 학습자 단말기에 의해 진행된 학습에 따라 상기 학습용 컨텐츠의 자기화 정보를 생성하고, 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집하는 개인 맞춤화 학습 큐레이션 시스템.
  2. 제1항에 있어서,
    상기 큐레이션 서버는 상기 학습자 정보, 상기 자기화 정보, 및 상기 평가 정보의 유사도를 이용하여 상기 하나 이상의 그룹을 재분류하는 개인 맞춤화 학습 큐레이션 시스템.
  3. 제1항에 있어서,
    상기 자기화 정보는 상기 학습자 단말기를 통해 입력된 키워드를 이용하여 상기 학습용 컨텐츠를 구조화하고 시각화한 정보인 개인 맞춤화 학습 큐레이션 시스템.
  4. 제1항에 있어서,
    상기 평가 정보는 상기 자기화 정보에 대한 평가 점수인 개인 맞춤화 학습 큐레이션 시스템.
  5. 제1항에 있어서,
    상기 큐레이션 서버는 오프라인 환경에서 형성된 학습 조직을 이용하여 상기 하나 이상의 그룹을 재분류하는 개인 맞춤화 학습 큐레이션 시스템.
  6. 복수의 학습자들에게 맞춤형 콘텐츠를 제공하기 위한 개인 맞춤화 학습 큐레이션 시스템의 동작 방법에 있어서,
    학습 관리자 서버가 복수의 학습자 단말기들 각각으로부터 학습자 기본 정보, 학습자 업무 정보, 및 학습자 진단 정보를 포함하는 학습자 정보를 수신하고, 수신된 학습자 정보를 저장하는 수집 단계;
    큐레이션 서버가 상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠를 추출하는 큐레이션 단계;
    상기 학습 관리자 서버가 상기 추출된 학습용 컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하는 컨텐츠 제공 단계;
    학습자가 상기 학습자 단말기로 학습 결과를 입력하면, 상기 학습 관리자 서버가 상기 학습 결과를 이용하여 상기 학습용 컨텐츠에 대한 자기화 정보를 생성하는 자기화 단계; 및
    상기 학습 관리자 서버가 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집하는 평가 단계;를 포함하는 개인 맞춤화 학습 큐레이션 시스템의 동작 방법.
  7. 제6항에 있어서,
    상기 큐레이션 서버는 상기 학습자 정보, 상기 자기화 정보, 및 상기 평가 정보의 유사도를 이용하여 상기 하나 이상의 그룹을 재분류하는 재분류 단계;를 더 포함하는 개인 맞춤화 학습 큐레이션 시스템의 동작 방법.
  8. 제7항에 있어서,
    상기 상기 학습 관리자 서버는 상기 자기화 정보를 이용하여 새로운 컨텐츠를 추출하고, 재분류된 학습자 그룹과 추출된 새로운 컨텐츠를 매칭하는 단계;를 더 포함하는 개인 맞춤화 학습 큐레이션 시스템의 동작 방법.
  9. 제6항에 있어서,
    상기 큐레이션 서버는 오프라인 환경에서 형성된 학습 조직을 이용하여 상기 하나 이상의 그룹을 재분류하는 단계; 및
    상기 학습자가 상기 오프라인 환경에서 수행된 활동의 결과를 상기 학습자 단말기 입력하면, 상기 학습 관리자 서버는 상기 활동의 결과를 이용하여 새로운 컨텐츠를 추출하는 단계;를 더 포함하는 개인 맞춤화 학습 큐레이션 시스템의 동작 방법.
  10. 제9항에 있어서,
    상기 학습 관리자 서버가 재분류된 학습가 그룹과 상기 새로운 컨텐츠를 매칭하는 단계를 더 포함하는 개인 맞춤화 학습 큐레이션 시스템의 동작 방법.
KR1020170128347A 2017-09-29 2017-09-29 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법 KR20190038207A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170128347A KR20190038207A (ko) 2017-09-29 2017-09-29 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170128347A KR20190038207A (ko) 2017-09-29 2017-09-29 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020190136225A Division KR20190125265A (ko) 2019-10-30 2019-10-30 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법

Publications (1)

Publication Number Publication Date
KR20190038207A true KR20190038207A (ko) 2019-04-08

Family

ID=66164402

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170128347A KR20190038207A (ko) 2017-09-29 2017-09-29 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법

Country Status (1)

Country Link
KR (1) KR20190038207A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102185313B1 (ko) * 2019-06-17 2020-12-01 (주)봄소프트 육아 플랜 컨설팅 정보 제공 시스템 및 그 방법
KR102358324B1 (ko) * 2020-12-28 2022-02-08 주식회사 베네씨엘 Ai 기반 사용자 맞춤형 학습 컨텐츠 제공 방법 및 이를 실행하는 서버
KR20220080356A (ko) * 2020-12-07 2022-06-14 (주)라이앤캐처스 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치
KR20230040565A (ko) * 2021-09-16 2023-03-23 샘랩 주식회사 운영변환 기반 실시간 협업 편집 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법
KR20230040563A (ko) * 2021-09-16 2023-03-23 샘랩 주식회사 빅데이터 기반 맞춤형 콘텐츠 제공 시스템 및 그 방법
KR20230041130A (ko) * 2021-09-16 2023-03-24 샘랩 주식회사 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140035221A (ko) 2012-09-12 2014-03-21 (주)케이테크 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법
KR101734728B1 (ko) 2015-12-17 2017-05-11 고려대학교 산학협력단 소셜 네트워크 서비스를 이용하여 온라인 협동 학습을 제공하는 방법 및 서버

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140035221A (ko) 2012-09-12 2014-03-21 (주)케이테크 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법
KR101734728B1 (ko) 2015-12-17 2017-05-11 고려대학교 산학협력단 소셜 네트워크 서비스를 이용하여 온라인 협동 학습을 제공하는 방법 및 서버

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102185313B1 (ko) * 2019-06-17 2020-12-01 (주)봄소프트 육아 플랜 컨설팅 정보 제공 시스템 및 그 방법
KR20220080356A (ko) * 2020-12-07 2022-06-14 (주)라이앤캐처스 개인형 맞춤 교육 콘텐츠 제공 방법 및 이러한 방법을 수행하는 장치
KR102358324B1 (ko) * 2020-12-28 2022-02-08 주식회사 베네씨엘 Ai 기반 사용자 맞춤형 학습 컨텐츠 제공 방법 및 이를 실행하는 서버
KR20230040565A (ko) * 2021-09-16 2023-03-23 샘랩 주식회사 운영변환 기반 실시간 협업 편집 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법
KR20230040563A (ko) * 2021-09-16 2023-03-23 샘랩 주식회사 빅데이터 기반 맞춤형 콘텐츠 제공 시스템 및 그 방법
KR20230041130A (ko) * 2021-09-16 2023-03-24 샘랩 주식회사 WebRTC 기반 실시간 채팅 서비스 제공이 가능한 맞춤형 콘텐츠 제공 시스템 및 그 방법

Similar Documents

Publication Publication Date Title
Cesare et al. Promises and pitfalls of using digital traces for demographic research
KR20190038207A (ko) 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법
Messing et al. Selective exposure in the age of social media: Endorsements trump partisan source affiliation when selecting news online
US11449785B2 (en) Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence
Recker et al. What do you recommend? Implementation and analyses of collaborative information filtering of web resources for education
KR20190125265A (ko) 개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법
US20130018968A1 (en) Automatic profiling of social media users
Sen et al. A total error framework for digital traces of humans
Choetkiertikul et al. Who will answer my question on stack overflow?
Simmie et al. Ranking twitter influence by combining network centrality and influence observables in an evolutionary model
KR20190041856A (ko) 개인 맞춤화 수학 학습 큐레이션 시스템 및 이의 동작 방법
Liu et al. Mining big data to help make informed decisions for designing effective digital educational games
Padricelli et al. Virtual vs digital: Examples of netnography and digital ethnography in tourism studies for a comparison between methods
Xinhan Intelligent analysis of classroom student state based on neural network algorithm and emotional feature recognition
Shron Thinking with Data: How to Turn Information into Insights
KR101811638B1 (ko) 소셜 네트워크 서비스 사용자의 감정 분석에 의한 영향력 측정 방법
Wirtz et al. Mobile government: Research development and research perspectives
Liao et al. Mining process data to detect aberrant test takers
Yawised et al. Travelling in the digital world: exploring the adoption of augmented reality (AR) through mobile application in hospitality business sector
Salminen et al. Who is in the sample? An analysis of real and surrogate users as participants in user study research in the information technology fields
WO2018132860A2 (en) System and method for determining rank
Hoque et al. CQAVis: Visual text analytics for community question answering
Himelboim et al. Integrating network clustering analysis and computational methods to understand communication with and about brands: Opportunities and challenges
Alahmadi et al. Improving recommendation using trust and sentiment inference from osns
Humphreys Chapter Four Qualitative Sampling and Internet Research

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E601 Decision to refuse application
A107 Divisional application of patent