KR20190078993A - 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법 - Google Patents

포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법 Download PDF

Info

Publication number
KR20190078993A
KR20190078993A KR1020170180862A KR20170180862A KR20190078993A KR 20190078993 A KR20190078993 A KR 20190078993A KR 1020170180862 A KR1020170180862 A KR 1020170180862A KR 20170180862 A KR20170180862 A KR 20170180862A KR 20190078993 A KR20190078993 A KR 20190078993A
Authority
KR
South Korea
Prior art keywords
learning
fog computing
computing device
learner
learning data
Prior art date
Application number
KR1020170180862A
Other languages
English (en)
Other versions
KR102008786B1 (ko
Inventor
전광길
Original Assignee
인천대학교 산학협력단
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 인천대학교 산학협력단 filed Critical 인천대학교 산학협력단
Priority to KR1020170180862A priority Critical patent/KR102008786B1/ko
Publication of KR20190078993A publication Critical patent/KR20190078993A/ko
Application granted granted Critical
Publication of KR102008786B1 publication Critical patent/KR102008786B1/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
    • G06Q50/2057—Career enhancement or continuing education service
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F15/00—Digital computers in general; Data processing equipment in general
    • G06F15/16—Combinations of two or more digital computers each having at least an arithmetic unit, a program unit and a register, e.g. for a simultaneous processing of several programs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/16—Gateway arrangements

Landscapes

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

Abstract

본 발명은 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법에 관한 것이다.
또한, 본 발명에 따르면, 학습 자료 제공자로부터 학습 자료를 전송받아 저장 관리하며, 하기의 포그 컴퓨팅 장치로 학습 자료를 제공하고, 학습 응용 프로그램에서 수행할 다양한 학습 관리 작업을 수행하는 클라우드 컴퓨팅 장치; 상기 클라우드 컴퓨팅 장치로부터 학습 자료를 전송받아 하기 에지 장치로 제공하고, 하기 에지 장치로부터 상황 파라미터를 전송받아 피드백을 제공하는 포그 컴퓨팅 장치; 및 상기 포그 컴퓨팅 장치로부터 학습 자료를 제공받아 학습자에게 제공하고, 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치로 전송하는 에지 장치를 포함하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법을 제공한다.

Description

포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법{Context-Driven Mobile Learning Apparatus and method Using Fog Computing}
본 발명은 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법에 관한 것이다.
모바일 기술과 인터넷에 대한 퍼베이시브 연결에는 끊임없이 진화가 이루어져 사용자가 언제 어디서나 정보에 액세스 할 수 있다. 이 기능은 교육을 포함한 많은 응용 프로그램의 계측에 사용할 수 있다. 스마트 폰, 태블릿, 랩톱 등과 같은 모바일 장치를 사용하면 학습자의 학습 과정을보다 개인적이고 편안하며 효율적이고 효과적으로 수행 할 수 있다. 이런 종류의 학습에 주어진 용어는 모바일 학습 [1]이다.
모바일 학습은 유비쿼터스 학습 및 전자 학습이라는 용어와 함께 사용될 수 있다. 모바일 학습은 언제 어디서나 학습 할 수 있는 모바일 장치의 사용을 포함하는 전자 학습의 하위 집합으로 간주 될 수 있다. 반면, 유비쿼터스 학습은 반드시 모바일 장치를 사용하지는 않는다. Klopfer 등 [2]에 따르면 교육 목적으로 휴대 성, 사회적 상호 작용 성, 문맥 민감성, 연결성 및 개성을 만족시키는 모바일 장치의 몇 가지 속성이 있다.
모바일 학습에 포함될 것으로 예상되는 일부 기능은 즉석에서 배우고, 여유 시간에 학습하고, 개인화 된 정보 등이다[3]. Wang은 맥락 민감성의 중요성을 논의하고 모바일 학습 환경에서 가져야 할 가장 특유한 특징이라고 강조했다. Contextaware 모바일 학습을 통해 학습자는 사용 가능한 정보를 효율적으로 사용할 수 있다.
모바일 학습을 구현하기 위해 직면 한 몇 가지 문제가 있다. 학습 자료는 비디오, 이미지, 프리젠 테이션 등으로 구성 될 수 있다. 또한 처리 시간, 인터넷 액세스, 화면 크기, 해상도, 저장 용량, 지원되는 파일 형식 등은 극복해야 할 큰 문제이다. 이러한 다양성 문제를 해결하기 위해서는 컨텐츠 적응 기법을 사용해야한다 [5].
최근에는 상황 인식 모바일 학습 분야에서 많은 연구가 수행되고있다 [6-8]. 전통적인 모바일 학습은 장치 및 네트워크의 높은 비용, 낮은 네트워크 전송 속도 및 제한된 교육 자원과 관련하여 한계가 있다 [9-11]. 클라우드에서 사용자 데이터는 클라우드 서버에 저장되므로 인프라, 유지 관리, 업그레이드 및 비용 문제를 해결한다. 이 하드웨어 가상화 외에도 모든 모바일 장치가 학습 자료에 액세스 할 수 있다 [12].
공개번호 10-2011-0123334호 공개번호 10-2011-0100640호
[1] Crompton, Helen. "A historical overview of mobile learning: Toward learner-centered education." Handbook of mobile learning (2013): 3-14. [2] Klopfer, Eric, Kurt Squire, and Henry Jenkins. "Environmental detectives: PDAs as a window into a virtual simulated world." In Wireless and Mobile Technologies in Education, 2002. Proceedings. IEEE International Workshop on, pp. 95-98. IEEE, 2002. [3] Thus, Hendrik, Mohamed Amine Chatti, Esra Yalcin, Christoph Pallasch, Bogdan Kyryliuk, Togrul Mageramov, and Ulrik Schroeder. "Mobile learning in context." International Journal of Technology Enhanced Learning 4, no. 5-6 (2012): 332-344. [4] Wang, Y.K., 2004. Context awareness and adaptation in mobile learning. In Wireless and Mobile Technologies in Education, 2004. Proceedings. The 2nd IEEE International Workshop on (pp. 154-158). IEEE. [5] Parupalli, Ramu, Sarat Chandra Babu Nelaturu, and Dhanander Kumar Jain. "The role of content adaptation in ubiquitous learning." In Technology for Education (T4E), 2011 IEEE International Conferenceon, pp. 177-182. IEEE, 2011. [6] Coulby, Ceridwen, Scott Hennessey, Nancy Davies, and Richard Fuller. "The use of mobile technology for work.based assessment: the student experience." British Journal of Educational Technology 42, no. 2(2011):251-265. [7] Hwang, Gwo.Jen, and Chin.Chung Tsai. "Research trends in mobile and ubiquitous learning: A review of publications in selected journals from 2001 to 2010." British Journal of Educational Technology 42, no. 4(2011): E65-E70. [8] Wang, Yuan-Kai. "Context awareness and adaptation in mobile learning." In Wireless and Mobile Technologies in Education, 2004. Proceedings. The 2nd IEEE International Workshop on, pp. 154-158. IEEE, 2004. [9] Gao, Hong-qing, and Yan-jie Zhai. "System design of cloud computing based on mobile learning." In Knowledge Acquisition and Modeling(KAM), 2010 3rd International Symposium on, pp. 239-242. IEEE, 2010. [10] Li, Jian. "Study on the development of mobile learning promoted by cloud computing." In Information Engineering and Computer Science(ICIECS), 2010 2nd International Conference on, pp. 1-4. IEEE, 2010. [11] Chen, Xuefei, Jing Liu, Jun Han, and Hongyun Xu. "Primary exploration of mobile learning mode under a cloud computing environment." In E-Health Networking, Digital Ecosystems and Technologies (EDT), 2010 International Conference on, vol. 2, pp. 484-487. IEEE, 2010. [12] Arrigo, Marco, Gaspare Novara, and Giovanni Cipri. "M-Learning accessibility design: a case study." In International Conference on Computers for Handicapped Persons, pp. 226-233. Springer Berlin Heidelberg, 2008. [13] Leung, Chi-Hong, and Yuen-Yan Chan. "Mobile learning: A new paradigm in electronic learning." In Advanced learning technologies, 2003. Proceedings. The 3rd IEEE international conference on, pp. 76-80. IEEE, 2003. [14] Zhao, Weiqing, Yafei Sun, and Lijuan Dai. "Improving computer basis teaching through mobile communication and cloud computing technology." In Advanced Computer Theory and Engineering(ICACTE), 2010 3rd International Conference on, vol. 1, pp. V1-452.IEEE, 2010. [15] Yin, C., David, B. and Chalon, R., 2009, August. Use your mobile computing devices to learn-Contextual mobile learning system design and case studies. In Computer Science and Information Technology, 2009. ICCSIT 2009. 2nd IEEE International Conference on (pp. 440-444). IEEE. [16] Abowd, Gregory D., Christopher G. Atkeson, Ami Feinstein, Cindy Hmelo, Rob Kooper, Sue Long, Nitin Sawhney, and Mikiya Tani."Teaching and learning as multimedia authoring: the classroom 2000 project." In Proceedings of the fourth ACM international conference on Multimedia, pp. 187-198. ACM, 1997. [17] Bobick, Aaron F., Stephen S. Intille, James W. Davis, Freedom Baird, Claudio S. Pinhanez, Lee W. Campbell, Yuri A. Ivanov, Arjan Schutte, and Andrew Wilson. "The KidsRoom: A perceptually-based interactive and immersive story environment." Presence: Teleoperators and Virtual Environments 8, no. 4 (1999): 369-393. [18] Iles, Alastair, Daniel Glaser, Matthew Kam, and John Canny. "Learning via distributed dialogue: Livenotes and handheld wireless technology." In Proceedings of the Conference on Computer Support for Collaborative Learning: Foundations for a CSCL Community, pp. 408-417. International Society of the Learning Sciences, 2002. [19] Ryokai, Kimiko, Catherine Vaucelle, and Justine Cassell. "Literacy learning by storytelling with a virtual peer." In Proceedings of the Conference on Computer Support for Collaborative Learning: Foundations for a CSCL Community, pp. 352-360. International Society of the Learning Sciences, 2002. [20] Nourbakhsh, Illah R. "Robots and Education in the classroom and in the museum: On the study of robots, and robots for study." (2000). [21] Vaquero, Luis M., and Luis Rodero-Merino. "Finding your way in the fog: Towards a comprehensive definition of fog computing." ACM SIGCOMM Computer Communication Review 44, no. 5 (2014): 27-32. [22] Zanella, Andrea, et al. "Internet of things for smart cities." IEEE Internet of Things journal 1.1 (2014): 22-32. [23] Bonomi, F., Milito, R., Zhu, J. and Addepalli, S., 2012, August. Fog computing and its role in the internet of things. In Proceedings of the first edition of the MCC workshop on Mobile cloud computing (pp. 13-16). ACM. [24] Pham, X. Q., & Huh, E. N. (2016, October). Towards task scheduling in a cloud-fog computing system. In Network Operations and Management Symposium (APNOMS), 2016 18th Asia-Pacific (pp. 1-4). IEEE. [25] Bartels, Andrew H. "Smart computing drives the new era of IT growth." Forrester Inc (2009). [26] Abech, Marcia, Cristiano Andre da Costa, Jorge Luis Victoria Barbosa, Sandro Jose Rigo, and Rodrigo da Rosa Righi. "A model for learning objects adaptation in light of mobile and context-aware computing." Personal and Ubiquitous Computing 20, no. 2 (2016): 167-184. [27] Gupta, Harshit, Amir Vahid Dastjerdi, Soumya K. Ghosh, and Rajkumar Buyya. "iFogSim: A Toolkit for Modeling and Simulation of Resource Management Techniques in Internet of Things, Edge and Fog Computing Environments." arXiv preprint arXiv:1606.02007 (2016)G. Eason, B. Noble, and I.N. Sneddon, "On certain integrals of Lipschitz-Hankel type involving products of Bessel functions," Phil. Trans. Roy. Soc. London, vol. A247, pp. 529-551, April 1955. (references) [28] J. Clerk Maxwell, A Treatise on Electricity and Magnetism, 3rd ed., vol.2. Oxford: Clarendon, 1892, pp.68-73. [29] I.S. Jacobs and C.P. Bean, "Fine particles, thin films and exchange anisotropy," in Magnetism, vol. III, G.T. Rado and H. Suhl, Eds. New York: Academic, 1963, pp. 271-350. [30] K. Elissa, "Title of paper if known," unpublished. [31] R. Nicole, "Title of paper with only first word capitalized," J. Name Stand. Abbrev., in press. [32] Y. Yorozu, M. Hirano, K. Oka, and Y. Tagawa, "Electron spectroscopy studies on magneto-optical media and plastic substrate interface," IEEE Transl. J. Magn. Japan, vol. 2, pp. 740-741, August 1987 [Digests 9th Annual Conf. Magnetics Japan, p. 301, 1982]. [33] M. Young, The Technical Writer’s Handbook. Mill Valley, CA: University Science, 1989.
상기와 같은 필요를 충족시키기 위한 본 발명은 클라우드 컴퓨팅과 함께 포그 컴퓨팅을 사용하여 데이터 제공자와 클라이언트 간의 통신을 보다 효율적으로 만들어 현재 상황 인식 모바일 학습 시스템을 개선할 수 있도록 한 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법을 제공하는 데 있다.
본 발명의 장치는 학습 자료 제공자로부터 학습 자료를 전송받아 저장 관리하며, 하기의 포그 컴퓨팅 장치로 학습 자료를 제공하고, 학습 응용 프로그램에서 수행할 다양한 학습 관리 작업을 수행하는 클라우드 컴퓨팅 장치; 상기 클라우드 컴퓨팅 장치로부터 학습 자료를 전송받아 하기 에지 장치로 제공하고, 하기 에지 장치로부터 상황 파라미터를 전송받아 피드백을 제공하는 포그 컴퓨팅 장치; 및 상기 포그 컴퓨팅 장치로부터 학습 자료를 제공받아 학습자에게 제공하고, 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치로 전송하는 에지 장치를 포함한다.
또한, 본 발명의 장치의 상기 에지 장치는 학습자의 외부 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치에 제공하는 환경 센서를 포함하며, 상기 포그 컴퓨팅 장치는 상기 환경 센서로부터 외부 상황 파라미터를 전송받아 상기 에지 장치에 피드백을 제공한다.
또한, 본 발명의 장치의 상기 환경 센서는 GPS 칩으로, 상기 환경 센서는 학습자의 위치 정보를 획득하여 상기 포그 컴퓨팅 장치로 제공하며, 상기 포그 컴퓨팅 장치는 특정 지리적 경계 외부에서 학습 자료를 볼 수 없는 경우에 상기 환경 센서로부터 수신한 위치 정보에 근거하여 해당 영역 내의 학습 자료의 전송을 차단한다.
또한, 본 발명의 장치의 상기 에지 장치는 학습자의 내부 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치에 제공하는 바이오 센서를 포함하며, 상기 포그 컴퓨팅 장치는 상기 바이오 센서로부터 내부 상황 파라미터를 전송받아 상기 에지 장치에 피드백을 제공한다.
또한, 본 발명의 장치의 상기 에지 장치는 상기 클라우드 컴퓨팅 장치로부터 학습 자료를 제공받아 학습자에게 제공하는 모바일 장치를 포함하며, 상기 바이오 센서는 상기 모바일 장치에 내장되어 있다.
또한, 본 발명의 장치의 상기 포그 컴퓨팅 장치는 데스크톱 기반, 웹 기반 또는 모바일 기반 응용 프로그램으로 이루어진 활동 센서를 사용하여 학습자의 활동을 수집하고 진행 상황을 파악하여 학습자의 학습 패턴을 평가하여 상기 에지 장치에 피드백한다.
또한, 본 발명의 장치의 상기 포그 컴퓨팅 장치는 에지 장치를 사용한 학습 패턴과, 학습자의 주변 환경, 에지 장치의 하드웨어 사양을 전송받아 학습자의 학습 패턴과, 주변 환경 그리고 하드웨어 사양을 파악한 후에 모바일 네트워크에 작업을 분배하고, 작업 결과를 수집하여 대체 조치를 수행한다.
한편, 본 발명의 장치는 학습 자료 제공자로부터 학습 자료를 전송받아 저장 관리하며, 하기의 포그 컴퓨팅 계층으로 학습 자료를 제공하고, 학습 응용 프로그램에서 수행할 다양한 학습 관리 작업을 수행하는 클라우드 컴퓨팅 계층; 상기 클라우드 컴퓨팅 계층으로부터 학습 자료를 전송받아 하기 에지 계층으로 제공하고, 하기 에지 계층으로부터 상황 파라미터를 전송받아 피드백을 제공하는 포그 컴퓨팅 계층; 및 상기 포그 컴퓨팅 계층으로부터 학습 자료를 제공받아 학습자에게 제공하고, 상황 파라미터를 추출하여 상기 포그 컴퓨팅 게층으로 전송하는 에지 계층를 포함한다.
한편, 본 발명의 방법은 (A) 클라우드 컴퓨팅 장치가 학습 자료 제공자로부터 학습 자료를 전송받아 저장 관리하며, 포그 컴퓨팅 장치로 학습 자료를 제공하는 단계; (B) 포그 컴퓨팅 장치가 상기 클라우드 컴퓨팅 장치로부터 학습 자료를 전송받아 에지 장치로 제공하는 단계; (C) 에지 장치는 상기 포그 컴퓨팅 장치로부터 학습 자료를 제공받아 학습자에게 제공하고, 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치로 전송하는 단계; 및 (D) 포그 컴퓨팅 장치는 상기 에지 장치로부터 상황 파라미터를 전송받아 피드백을 제공하는 단계를 포함한다.
또한, 본 발명의 방법의 상기 (C) 단계에서 상기 에지 장치는 환경 센서를 포함하여 학습자의 외부 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치에 제공하며, 상기 (D) 단계에서 상기 포그 컴퓨팅 장치는 상기 환경 센서로부터 외부 상황 파라미터를 전송받아 상기 에지 장치에 피드백을 제공한다.
또한, 본 발명의 방법의 상기 환경 센서는 GPS 칩으로, 상기 환경 센서는 상기 (C) 단계에서 학습자의 위치 정보를 획득하여 상기 포그 컴퓨팅 장치로 제공하며, 상기 (D) 단계에서 상기 포그 컴퓨팅 장치는 특정 지리적 경계 외부에서 학습 자료를 볼 수 없는 경우에 상기 환경 센서로부터 수신한 위치 정보에 근거하여 해당 영역 내의 학습 자료의 전송을 차단한다.
또한, 본 발명의 방법의 상기 (C) 단계에서 상기 에지 장치는 바이오 센서를 포함하여 학습자의 내부 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치에 제공하며, 상기 (D) 단계에서 상기 포그 컴퓨팅 장치는 상기 바이오 센서로부터 내부 상황 파라미터를 전송받아 상기 에지 장치에 피드백을 제공한다.
또한, 본 발명의 방법은 (E) 상기 포그 컴퓨팅 장치는 데스크톱 기반, 웹 기반 또는 모바일 기반 응용 프로그램으로 이루어진 활동 센서를 사용하여 학습자의 활동을 수집하고 진행 상황을 파악하여 학습자의 학습 패턴을 평가하여 상기 에지 장치에 피드백하는 단계를 더 포함한다.
또한, 본 발명의 방법은 (F) 상기 포그 컴퓨팅 장치는 에지 장치를 사용한 학습 패턴과, 학습자의 주변 환경, 에지 장치의 하드웨어 사양을 전송받아 학습자의 학습 패턴과, 주변 환경 그리고 하드웨어 사양을 파악한 후에 모바일 네트워크에 작업을 분배하고, 작업 결과를 수집하여 대체 조치를 수행하는 단계를 더 포함한다.
모바일, 클라우드 컴퓨팅 및 센서 기술이 급속하게 발전하여 학습자가 어디서나보다 효율적이고 유연하며 효율적으로 학습할 수 있다.
모바일 장치를 학습용으로 사용하면 상황 인식 학습에 도움이 되는 사용자 지정 가능한 시스템을 개발하는 데 사용할 수 있는 모바일 컴퓨팅 기능을 활용한다.
모바일 학습이란 이동 중에 학습을 목적으로 모바일 장치를 사용하는 것을 말한다.
본 발명에서는 효율적인 상황 인식 학습을 위해 모바일 학습에서 포그 컴퓨팅을 적용하는 것을 제안하며, 그 결과 포그 컴퓨팅을 사용하면 모바일 학습 응용 프로그램을 사용하여 대기 시간과 시간 복잡성을 줄일 수 있다.
도 1은 본 발명의 바람직한 일 실시예에 따른 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치의 개념도이다.
도 2는 본 발명의 바람직한 일 실시예에 따른 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 방법의 개념도이다.
도 3의 (a)는 작업 그래프이고, 도 3의 (b)는 프로세서 그래프이다.
도 4는 클라우드 컴퓨팅만 사용한 네트워크 환경과 포그 컴퓨팅을 사용한 클라우드 컴퓨팅의 네트워크 환경의 대기 시간을 비교한 도면이다.
도 5는 클라우드 컴퓨팅만 사용한 네트워크 환경과 포그 컴퓨팅을 사용한 클라우드 컴퓨팅의 네트워크 환경의 네트워크 사용량을 비교한 도면이다.
본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 이하에서는 특정 실시예들을 첨부된 도면을 기초로 상세히 설명하고자 한다.
이하의 실시예는 본 명세서에서 기술된 방법, 장치 및/또는 시스템에 대한 포괄적인 이해를 돕기 위해 제공된다. 그러나 이는 예시에 불과하며 본 발명은 이에 제한되지 않는다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시 예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
또한, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되는 것은 아니며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
Ⅰ. 사전 지식
이 섹션에서는 모바일 학습에서 클라우드 컴퓨팅 분야에서 지금까지 수행된 작업 중 일부에 대해 설명한다. 이 절에서는 본 발명에서 사용된 기술에 대한 사전 지식을 설명한다.
A. 모바일 학습의 클라우드 컴퓨팅
기존의 모바일 학습 응용[13]에서 모든 자원은 서버 측에 저장되었으며 학습자는 자원에 액세스하기 위해 무선 네트워크를 통해 서버에 접속하였다. Zhao 등 [14]은 모바일 학습의 전통적인 형태를 클라우드 컴퓨팅과 결합하여 통신 품질을 높이는 이점을 제시했다.
학생이 편리한 시간에 교사와 의사 소통을 할 수 있었다. 증강 현실 환경에서 모바일 상호 작용에 기반한 태블릿 PC 및 PDA와 같은 모바일 컴퓨팅 장치에서 사용될 수 있는 상황 인식 모바일 학습 시스템이 제시되었다.
B. 상황 인식
개인화되고 동기 부여가 되는 학습 경험을 제공하기 위해 학습을 지원하기 위해 상황 인식을 이용하는 많은 프로토 타입 시스템이 제안되었다[16-20]. 상황(context)은 인물, 사물, 주변 환경, 환경, 배경 및 사람의 현재 상태를 나타내는 기타 요인에 의한 인근 지역의 정체성과 관련된다.
모바일 학습에서 상황을 잘 알면 개인화, 적응, 지능적인 피드백 및 추천을 얻을 수 있다. 상황은 외부 및 내부 상황으로 분류할 수 있다. 환경 센서는 사용자의 외부 상황 파라미터를 추출하는 데 사용할 수 있으며 내부 상황은 바이오 센서로 추출할 수 있다. 이 바이오 센서는 모바일 장치 자체에 있을 수도 있고 사용자 가까이에 있을 수도 있다. 수집되는 데이터의 양은 다양할 수 있으며 클라우드와 모바일 장치 사용자 간의 연결 속도를 저하시킨다. 그러므로 본 발명에서 포그 컴퓨팅을 사용하여 이 문제를 해결할 것을 제안한다.
C. 포그 컴퓨팅
모바일 학습과 같은 영역에서는 클라우드 서버에서 학습자 디바이스로 실시간으로 데이터를 전송한다. 클라우드는 학습자 장치의 애플리케이션에서 클라우드 서버로 데이터를 전송하는 동안 지연을 유발할 수 있다. 또한 사용자에게 제공되는 학습 자료의 품질을 향상시키는 데 관련된 많은 센서가 있는 경우 많은 데이터가 센서 및 에지 장치에 의해 클라우드 서버에 전달되어야한다. 이러한 경우 여러 노드 사이에 서비스를 배포하면 더 쉽게 실현할 수 있다.
포그 컴퓨팅은 클라우드와 에지 장치를 합치기 위해 사용한다. 그것은 근본적으로 사용자 가까이에 있는 네트워크의 에지에 있는 장치의 자원을 활용한다[21]. 이를 통해 포그는 저장, 통신, 제어 및 관리를 위해 해당 에지 장치를 사용할 수 있다.
에지 장치는 거대한 양을 모으고 지연을 줄이고 처리를 보다 효율적으로 하기 위해 처리를 위해 포그 계층으로 전송된다. 포그 컴퓨팅은 고도로 가상화되어 있으므로 스토리지, 컴퓨팅 설비 및 에지 장치와 기존 클라우드 컴퓨팅 데이터 센터 간의 네트워킹과 같은 서비스를 제공하는 플랫폼이다[23].
D. 지능 시스템의 주요 기능
상황 인식 모바일 학습을 달성하는 한 가지 방법은 시스템을 지능형으로 만드는 것이다. 이것을 성취하기 위해서는 지능 시스템의 핵심 기능이 시스템에 의해 획득되도록해야 한다. 지능 시스템의 핵심 기능은 다음과 같다.
1. 인식 : 지능형 시스템은 사용자의 대략적인 위치, 즉 사용자의 현재 환경, 다른 사용자(또는 사람들)와의 관계, 사용자의 지식 수준, 집중 수준 및 사용자 상태를 정의하는 다른 측면을 인식한다.
2. 분석 : 지능형 시스템은 학습자로부터 검색된 데이터를 분석할 수 있어야한다. 이 분석은 일반적으로 이상이 있는지 판별한다. 따라서 데이터 마이닝 및 예측 분석, 비디오 이미지 분석, 패턴 인식 및 인공 지능 알고리즘과 같은 특수화 된 소프트웨어는 시스템에서 작동해야하는지 여부를 결정한다.
방대한 양의 데이터가 제공되므로 서버 가상화, 데이터 센터 자동화, 스토리지 수명 주기 관리 및 클라우드 컴퓨팅을 통한 프로세싱 및 스토리지 용량 확장으로 실현 가능한 유연하고 적응 가능한 서버 및 스토리지 장치만이 실현 가능할 것이다.
3. 대체 : 규칙 엔진과 워크 플로우를 사용하여 시스템은 대체 경로를 계산하고 평가해야한다.
4. 조치: 시스템에서 수행해야하는 조치는 복잡하거나 간단할 수 있다. 그러나 이러한 조치는 통합 링크 및 적절한 프로세스 응용 프로그램을 통해 실행된다.
5. 감사 기능 : 시스템이 조치를 취할 수는 있지만 감사 기능이 있는 경우에만 해당 조치의 유효성 또는 정확성을 확인할 수 있다. 이것은 작동에 매우 중요하다.
지능 시스템의 이 기능이 없으면 시스템이 스스로를 향상시키는 법을 배울 수 없다.
Ⅱ. 제안된 방법
이 섹션에서는 클라우드 및 포그 컴퓨팅을 사용하는 상황 인식 모바일 학습을 위한 3 계층 아키텍처를 제시한다.
도 1은 본 발명의 바람직한 일 실시예에 따른 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치의 개념도이다.
도 2는 본 발명의 바람직한 일 실시예에 따른 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 방법의 개념도이다.
도 1과 2를 참조하면, 3 계층은 클라우드 컴퓨팅 계층(클라우드 컴퓨팅 장치)(300), 포그 컴퓨팅 계층(포그 컴퓨팅 장치)(200) 및 서로 연동되는 에지 계층(에지 장치)(100)로 구성된다. 학습에 사용되는 응용 프로그램에는 클라우드 컴퓨팅 장치(300), 포그 컴퓨팅 장치(200) 또는 에지 장치(100)에서 실행되는 구성 요소가 있을 수 있다. 에지 장치(100)는 클라우드 컴퓨팅 계층(300) 및 포그 컴퓨팅 계층(200)에 의해 제어될 수 있다. 이 3 계층 아키텍처 전반에 걸쳐 정보의 흐름이 있을 것이다. 이전 섹션에서 설명했듯이 상황은 외부 상황과 내부 상황으로 구성된다. 이 3 개의 계층은 모든 다양한 상황에 맞추는 데 도움이 된다.
이 아키텍처는 상황 인식 모바일 학습뿐만 아니라 적응형 학습을 가능하게 할 뿐만 아니라 학습자가 효과적인 학습 도구 또는 전략을 사용하여 학습자에게 가장 실현 가능성이 높고 중요한 작업을 수행하도록 안내한다.
A. 에지 계층(에지 장치)(100)
이 계층은 지능 시스템의 인지 기능을 지원한다. 패턴 인식, 데이터 마이닝, 학습 분석 등 다양한 기술을 사용하여 학습자의 상황 파라미터에 대한 데이터를 수집할 수 있다. 이러한 작업은 네트워크 에지 장치에서 수행할 수 있다. 모바일 장치(학습자 장치)를 포함하는 에지 장치는 이 모든 정보를 분석을 위해 클라우드 컴퓨팅 장치(300)로 전송한다.
환경 센서는 외부 상황 파라미터를 수집하여 포그 컴퓨팅 계층(200)의 포그 컴퓨팅 장치로 전송한다.
그리고, 바이오 센서는 학습자에게 부착되어 있거나, 에지 장치(100)로서 모바일 장치에 내장되어 내부 상황 파라미터를 수집하여 포그 컴퓨팅 계층(200)의 포그 컴퓨팅 장치로 전송한다.
B. 포그 컴퓨팅 계층(포그 컴퓨터 장치)(200)
이 계층은 지능 시스템의 분석 및 대체 기능을 지원한다. 에지 장치에 의해 수집된 데이터 및 정보는 이 계층에서 분석된다. 이 계층은 서버로 작동한다.
학습자 장치를 포함하는 에지 장치의 대량의 실시간 데이터가 이 계층으로 전송된다. 포그 컴퓨팅 계층(200)은 포그 컴퓨터 계층(200)에 연결된 다양한 에지 장치에 처리 작업을 분배하므로 이 방대한 데이터를 분석할 수 있다.
학습 분석(leaning analytics), 데이터 마이닝(date mining) 및 빅 데이터(big data)와 같은 도구는 학습 데이터를 분석하고 저장하는 데 사용된다. 데이터의 분석 결과는 다음과 같다.
a) 학습 패턴 : 데스크톱 기반, 웹 기반 또는 모바일 기반 응용 프로그램으로 이루어진 활동 센서를 사용하여 학습자의 활동을 수집하고 진행 상황을 파악할 수 있다. 이러한 활동 센서는 데이터 활동의 로그를 유지하는 데 도움이 될 수 있으므로 사용자의 학습 패턴을 평가하는 데 도움이 된다.
b) 주변 상황 정보 : GPS 칩과 같은 환경 센서를 사용하여 학습자의 환경을 측정 할 수 있다. 사람의 위치는 가장 중요한 상황 정보 중 하나이며 사용자와 공유할 수 있는 기울여진 자료를 필터링하는 데 사용할 수 있다. 이는 특정 지리적 경계 외부에서 학습 자료를 볼 수 없는 상황이 있는 경우 특히 유용하다. 이 정보는 모바일 학습 응용 프로그램이 해당 영역 내의 학습 자료의 전송을 차단할 수 있게 한다.
c) 하드웨어 기능 정보 : 모바일 장치의 하드웨어 사양과 관련된 정보는 시스템에서 학습자에게 보낼 수 있는 데이터 유형을 결정하는 데 도움이 된다.
수집된 학습 패턴, 주변 환경 및 하드웨어 기능 정보에 대한 응답으로 대체 조치가 취해져야 한다. 이것은 또한 포그 컴퓨팅 계층에 의해 수행된다. 워크플로 엔진을 사용하여 대체 접근 방식을 결정할 수 있다. 이 결정은 최종 결과에 영향을 미친다.
작업 배포는 포그 컴퓨팅 계층에서도 수행해야한다. 이는 효율적인 작업 스케줄링 알고리즘을 사용하여 수행된다. 이것은 작업 분배 및 데이터 집계의 두 부분으로 구성된다.
작업 분배는 스케줄러를 사용하여 스마트 게이트웨이를 통해 수행된다. 본 발명에서는 Pham[24]이 도입한 클라우드-포그(cloud-fog) 컴퓨팅 시스템을 위한 작업 스케줄링 메커니즘을 사용하여 작업을 분배한다.
먼저, 작업 그래프 및 프로세서 그래프의 두 개의 그래프가 형성된다.
도 3의 (a)는 작업 그래프이고, 도 3의 (b)는 프로세서 그래프이다.
G = (V, E)는 작업 그래프를 나타내며, 여기서 G는 방향성 비사이클 그래프(DAG, Directed Acyclic Graph)이고, V는 병렬 하위 작업을 나타내는 정점 집합 {v1, v2, ..., Vn}이며, E는 각 에지 eij∈E인 에지 집합이다. 작업 vi는 작업 vj가 시작되기 전에 실행을 완료해야 한다. 모든 에지 eij는 vi에서 vj로 전송되는 데이터의 양을 나타내는 해당 가중치 cij를 가진다.
다음으로, H = (R, L)은 프로세서 그래프를 나타내는 방향성 비사이클 그래프(DAG)이다. 여기서, R은 각 Pi∈R이 클라우드 또는 포그에서 프로세서인 정점 집합 {P1, P2, ..., Pn}을 나타낸다. 에지 lij∈L은 프로세서 Pi와 Pj 사이의 링크를 나타낸다. 이제, R = Ncloud ∪ Nfog, 여기서 Ncloud와 Nfog는 클라우드 노드 집합과 포그 노드 집합을 나타낸다.
특정 작업을 계산하는 우선 순위는 아래 수학식 1로 계산된다.
(수학식 1)
Figure pat00001
Figure pat00002
위의 수학식에서 BW는 대역폭이다. 다음으로 특정 작업을 실행할 모드를 선택해야한다. 포그에 대한 자세한 내용은 Pham의 논문을 참조할 수 있다.
작업이 분산되면 데이터를 집계해야한다. 데이터 집계는 크게 세 부분으로 구성된다. 스키마 매핑, 중복된 탐지 및 데이터 통합이다.
C. 클라우드 컴퓨팅 계층(클라우드 컴퓨팅 장치)(300)
이것은 학습 응용 프로그램에서 수행할 다양한 작업을 관리하는 계층이다. 학습 응용 프로그램의 구성 요소는 클라우드 컴퓨팅 계층(300)에 의해 할당된 작업을 수행하는 사용자 장치에서 실행된다. 수행할 작업의 결정은 포그 컴퓨팅 계층(200)의 도움으로 수행된다.
이와 별도로 모바일 학습이 효율적으로 이루어지도록 학습 프로세스가 항상 모니터링되고 있다. 클라우드 컴퓨팅 계층(300)은 학습 오토마타를 사용하여 이전 작업에서 학습할 수 있다. 이를 통해 시스템은 학습 활동의 데이터를 추적하고 분석하여 사용자에게 제공되는 학습 자료의 품질을 향상시킵니다. 주어진 체계에서의 정보 흐름은 도 2에 나와 있다.
Ⅲ. 실험 결과 및 분석
A. 클라우드 컴퓨팅을 이용한 제안된 상황 인식 모바일 학습 아키텍처 분석
표 1은 제안된 아키텍처와의 비교에서 다양한 상황 인식 모바일 학습 아키텍처의 분석을 보여준다. 클라우드 컴퓨팅을 사용하는 3 가지 모바일 학습 아키텍처를 연구하여 제안된 아키텍처를 비교하는 방법을 찾았다. Zhao는 Google App Engine에 힌트를 둔 클라우드 컴퓨팅 기반 모바일 학습을 제안했다. 하둡 기반 클라우드 컴퓨팅 기반 모바일 학습을 위한 시스템 설계는 Gao와 Zhai가 제안했다. 고려한 세 번째 연구는 Abech가 제안한 모바일 학습에서 상황 인식 컴퓨팅이었다. Abech는 학습 객체의 적용을 위한 모듈을 개발했다.
(표 1)
Figure pat00003
비교를 통해 제안된 모델이 여러 측면에서 이전 모델보다 우수하다는 것을 알 수 있다.
B. 포그 플랫폼의 시뮬레이션
포그 컴퓨팅 사용과 전통적인 클라우드 컴퓨팅을 비교하기 위해 iFogSim 툴킷을 사용하여 포그 네트워크를 시뮬레이션했다. iFogSim은 네트워크의 모든 노드를 시뮬레이션하고 시뮬레이션 된 출력을 제공한다. 따라서 최종 결과를 관찰하는 것이 매우 편리하다. 시뮬레이터 자체가 약간의 오버히어런트 시간을 추가한다.
이 시뮬레이션을 위해, 6 개의 상이한 구성, 즉 다양한 물리적 특징 및 지적 능력을 갖는 6 명의 상이한 학습자를 고려한다. 도 4와 도 5에서는 대기 시간과 네트워크 사용량을 비교한다. 두 차트 모두 포그 레이어가 사용되는 복잡성이 대기 시간 및 네트워크 사용에 실제로 영향을 미치지 않는다는 것을 보여준다. 두 그림에서 포그 컴퓨터층을 사용하면 더 우수하다는 결론을 내릴 수 있다.
기술 발전과 스마트 폰 및 기타 모바일 장치의 보급으로 인해 많은 기업, 조직 및 대학교는 교육 과정을 지원하기 위해 모바일 학습에 의존하고 있다. 본 발명에서는 모바일 학습의 효율성을 높이기 위해 클라우드 컴퓨팅을 이용한 포그 컴퓨팅의 사용을 제안한다. 포그 컴퓨팅을 선택하는 이유는 상황 학습의 역량을 높이기 위해서이다. 지금까지 수행된 작업의 분석은 제안된 시스템이 이전의 모바일 학습 아키텍처보다 우월함을 보여준다. 향후 연구를 위해 더 많은 수의 학생을 참여시키고 다양한 요인을 분석함으로써 이 시스템을 연구해야한다. 모바일 학습은 콘텐츠 문제, 보안, 개인 정보 보호 등과 같이 앞으로 해결해야 할 과제가 많이 있다.
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 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서 본 발명에 기재된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상이 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의해서 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100 : 에지 장치 200 : 포그 컴퓨팅 장치
300 : 클라우드 컴퓨팅 장치

Claims (14)

  1. 학습 자료 제공자로부터 학습 자료를 전송받아 저장 관리하며, 하기의 포그 컴퓨팅 장치로 학습 자료를 제공하고, 학습 응용 프로그램에서 수행할 다양한 학습 관리 작업을 수행하는 클라우드 컴퓨팅 장치;
    상기 클라우드 컴퓨팅 장치로부터 학습 자료를 전송받아 하기 에지 장치로 제공하고, 하기 에지 장치로부터 상황 파라미터를 전송받아 피드백을 제공하는 포그 컴퓨팅 장치; 및
    상기 포그 컴퓨팅 장치로부터 학습 자료를 제공받아 학습자에게 제공하고, 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치로 전송하는 에지 장치를 포함하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치.
  2. 청구항 1항에 있어서,
    상기 에지 장치는 학습자의 외부 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치에 제공하는 환경 센서를 포함하며,
    상기 포그 컴퓨팅 장치는 상기 환경 센서로부터 외부 상황 파라미터를 전송받아 상기 에지 장치에 피드백을 제공하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치.
  3. 청구항 2항에 있어서,
    상기 환경 센서는 GPS 칩으로, 상기 환경 센서는 학습자의 위치 정보를 획득하여 상기 포그 컴퓨팅 장치로 제공하며,
    상기 포그 컴퓨팅 장치는 특정 지리적 경계 외부에서 학습 자료를 볼 수 없는 경우에 상기 환경 센서로부터 수신한 위치 정보에 근거하여 해당 영역 내의 학습 자료의 전송을 차단하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치.
  4. 청구항 1항에 있어서,
    상기 에지 장치는 학습자의 내부 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치에 제공하는 바이오 센서를 포함하며,
    상기 포그 컴퓨팅 장치는 상기 바이오 센서로부터 내부 상황 파라미터를 전송받아 상기 에지 장치에 피드백을 제공하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치.
  5. 청구항 3항에 있어서,
    상기 에지 장치는 상기 클라우드 컴퓨팅 장치로부터 학습 자료를 제공받아 학습자에게 제공하는 모바일 장치를 포함하며,
    상기 바이오 센서는 상기 모바일 장치에 내장되어 있는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치.
  6. 청구항 1항에 있어서,
    상기 포그 컴퓨팅 장치는 데스크톱 기반, 웹 기반 또는 모바일 기반 응용 프로그램으로 이루어진 활동 센서를 사용하여 학습자의 활동을 수집하고 진행 상황을 파악하여 학습자의 학습 패턴을 평가하여 상기 에지 장치에 피드백하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치.
  7. 청구항 1항에 있어서,
    상기 포그 컴퓨팅 장치는 에지 장치를 사용한 학습 패턴과, 학습자의 주변 환경, 에지 장치의 하드웨어 사양을 전송받아 학습자의 학습 패턴과, 주변 환경 그리고 하드웨어 사양을 파악한 후에 모바일 네트워크에 작업을 분배하고, 작업 결과를 수집하여 대체 조치를 수행하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치.
  8. 학습 자료 제공자로부터 학습 자료를 전송받아 저장 관리하며, 하기의 포그 컴퓨팅 계층으로 학습 자료를 제공하고, 학습 응용 프로그램에서 수행할 다양한 학습 관리 작업을 수행하는 클라우드 컴퓨팅 계층;
    상기 클라우드 컴퓨팅 계층으로부터 학습 자료를 전송받아 하기 에지 계층으로 제공하고, 하기 에지 계층으로부터 상황 파라미터를 전송받아 피드백을 제공하는 포그 컴퓨팅 계층; 및
    상기 포그 컴퓨팅 계층으로부터 학습 자료를 제공받아 학습자에게 제공하고, 상황 파라미터를 추출하여 상기 포그 컴퓨팅 게층으로 전송하는 에지 계층를 포함하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치.
  9. (A) 클라우드 컴퓨팅 장치가 학습 자료 제공자로부터 학습 자료를 전송받아 저장 관리하며, 포그 컴퓨팅 장치로 학습 자료를 제공하는 단계;
    (B) 포그 컴퓨팅 장치가 상기 클라우드 컴퓨팅 장치로부터 학습 자료를 전송받아 에지 장치로 제공하는 단계;
    (C) 에지 장치는 상기 포그 컴퓨팅 장치로부터 학습 자료를 제공받아 학습자에게 제공하고, 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치로 전송하는 단계; 및
    (D) 포그 컴퓨팅 장치는 상기 에지 장치로부터 상황 파라미터를 전송받아 피드백을 제공하는 단계를 포함하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 방법.
  10. 청구항 9항에 있어서,
    상기 (C) 단계에서 상기 에지 장치는 환경 센서를 포함하여 학습자의 외부 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치에 제공하며,
    상기 (D) 단계에서 상기 포그 컴퓨팅 장치는 상기 환경 센서로부터 외부 상황 파라미터를 전송받아 상기 에지 장치에 피드백을 제공하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 방법.
  11. 청구항 10항에 있어서,
    상기 환경 센서는 GPS 칩으로, 상기 환경 센서는 상기 (C) 단계에서 학습자의 위치 정보를 획득하여 상기 포그 컴퓨팅 장치로 제공하며,
    상기 (D) 단계에서 상기 포그 컴퓨팅 장치는 특정 지리적 경계 외부에서 학습 자료를 볼 수 없는 경우에 상기 환경 센서로부터 수신한 위치 정보에 근거하여 해당 영역 내의 학습 자료의 전송을 차단하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 방법.
  12. 청구항 9항에 있어서,
    상기 (C) 단계에서 상기 에지 장치는 바이오 센서를 포함하여 학습자의 내부 상황 파라미터를 추출하여 상기 포그 컴퓨팅 장치에 제공하며,
    상기 (D) 단계에서 상기 포그 컴퓨팅 장치는 상기 바이오 센서로부터 내부 상황 파라미터를 전송받아 상기 에지 장치에 피드백을 제공하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 방법.
  13. 청구항 9항에 있어서,
    (E) 상기 포그 컴퓨팅 장치는 데스크톱 기반, 웹 기반 또는 모바일 기반 응용 프로그램으로 이루어진 활동 센서를 사용하여 학습자의 활동을 수집하고 진행 상황을 파악하여 학습자의 학습 패턴을 평가하여 상기 에지 장치에 피드백하는 단계를 더 포함하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 방법.
  14. 청구항 9항에 있어서,
    (F) 상기 포그 컴퓨팅 장치는 에지 장치를 사용한 학습 패턴과, 학습자의 주변 환경, 에지 장치의 하드웨어 사양을 전송받아 학습자의 학습 패턴과, 주변 환경 그리고 하드웨어 사양을 파악한 후에 모바일 네트워크에 작업을 분배하고, 작업 결과를 수집하여 대체 조치를 수행하는 단계를 더 포함하는 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 방법.
KR1020170180862A 2017-12-27 2017-12-27 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법 KR102008786B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170180862A KR102008786B1 (ko) 2017-12-27 2017-12-27 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170180862A KR102008786B1 (ko) 2017-12-27 2017-12-27 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20190078993A true KR20190078993A (ko) 2019-07-05
KR102008786B1 KR102008786B1 (ko) 2019-08-08

Family

ID=67225562

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170180862A KR102008786B1 (ko) 2017-12-27 2017-12-27 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102008786B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110100640A (ko) 2008-12-01 2011-09-14 노오텔 네트웍스 리미티드 3차원 컴퓨터 생성 가상 환경의 비디오 표시를 제공하는 방법 및 장치
KR20110123334A (ko) 2010-05-07 2011-11-15 (주)코아블루 가상현실 교육 시스템 제작 도구 및 방법
KR101574026B1 (ko) * 2014-12-17 2015-12-03 경희대학교 산학협력단 포그 컴퓨팅 네트워크를 이용한 사물 인터넷 네트워크
KR20160119620A (ko) * 2015-04-06 2016-10-14 충북대학교 산학협력단 클라우드 기반 교육용 콘텐츠 제공 시스템
KR101773593B1 (ko) * 2015-12-15 2017-08-31 경희대학교 산학협력단 멀티-에이전트 기반 코드 오프로딩을 수행하는 모바일 포그 컴퓨팅 시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110100640A (ko) 2008-12-01 2011-09-14 노오텔 네트웍스 리미티드 3차원 컴퓨터 생성 가상 환경의 비디오 표시를 제공하는 방법 및 장치
KR20110123334A (ko) 2010-05-07 2011-11-15 (주)코아블루 가상현실 교육 시스템 제작 도구 및 방법
KR101574026B1 (ko) * 2014-12-17 2015-12-03 경희대학교 산학협력단 포그 컴퓨팅 네트워크를 이용한 사물 인터넷 네트워크
KR20160119620A (ko) * 2015-04-06 2016-10-14 충북대학교 산학협력단 클라우드 기반 교육용 콘텐츠 제공 시스템
KR101773593B1 (ko) * 2015-12-15 2017-08-31 경희대학교 산학협력단 멀티-에이전트 기반 코드 오프로딩을 수행하는 모바일 포그 컴퓨팅 시스템 및 그 방법

Non-Patent Citations (33)

* Cited by examiner, † Cited by third party
Title
[1] Crompton, Helen. "A historical overview of mobile learning: Toward learner-centered education." Handbook of mobile learning (2013): 3-14.
[10] Li, Jian. "Study on the development of mobile learning promoted by cloud computing." In Information Engineering and Computer Science(ICIECS), 2010 2nd International Conference on, pp. 1-4. IEEE, 2010.
[11] Chen, Xuefei, Jing Liu, Jun Han, and Hongyun Xu. "Primary exploration of mobile learning mode under a cloud computing environment." In E-Health Networking, Digital Ecosystems and Technologies (EDT), 2010 International Conference on, vol. 2, pp. 484-487. IEEE, 2010.
[12] Arrigo, Marco, Gaspare Novara, and Giovanni Cipri. "M-Learning accessibility design: a case study." In International Conference on Computers for Handicapped Persons, pp. 226-233. Springer Berlin Heidelberg, 2008.
[13] Leung, Chi-Hong, and Yuen-Yan Chan. "Mobile learning: A new paradigm in electronic learning." In Advanced learning technologies, 2003. Proceedings. The 3rd IEEE international conference on, pp. 76-80. IEEE, 2003.
[14] Zhao, Weiqing, Yafei Sun, and Lijuan Dai. "Improving computer basis teaching through mobile communication and cloud computing technology." In Advanced Computer Theory and Engineering(ICACTE), 2010 3rd International Conference on, vol. 1, pp. V1-452.IEEE, 2010.
[15] Yin, C., David, B. and Chalon, R., 2009, August. Use your mobile computing devices to learn-Contextual mobile learning system design and case studies. In Computer Science and Information Technology, 2009. ICCSIT 2009. 2nd IEEE International Conference on (pp. 440-444). IEEE.
[16] Abowd, Gregory D., Christopher G. Atkeson, Ami Feinstein, Cindy Hmelo, Rob Kooper, Sue Long, Nitin Sawhney, and Mikiya Tani."Teaching and learning as multimedia authoring: the classroom 2000 project." In Proceedings of the fourth ACM international conference on Multimedia, pp. 187-198. ACM, 1997.
[17] Bobick, Aaron F., Stephen S. Intille, James W. Davis, Freedom Baird, Claudio S. Pinhanez, Lee W. Campbell, Yuri A. Ivanov, Arjan Schutte, and Andrew Wilson. "The KidsRoom: A perceptually-based interactive and immersive story environment." Presence: Teleoperators and Virtual Environments 8, no. 4 (1999): 369-393.
[18] Iles, Alastair, Daniel Glaser, Matthew Kam, and John Canny. "Learning via distributed dialogue: Livenotes and handheld wireless technology." In Proceedings of the Conference on Computer Support for Collaborative Learning: Foundations for a CSCL Community, pp. 408-417. International Society of the Learning Sciences, 2002.
[19] Ryokai, Kimiko, Catherine Vaucelle, and Justine Cassell. "Literacy learning by storytelling with a virtual peer." In Proceedings of the Conference on Computer Support for Collaborative Learning: Foundations for a CSCL Community, pp. 352-360. International Society of the Learning Sciences, 2002.
[2] Klopfer, Eric, Kurt Squire, and Henry Jenkins. "Environmental detectives: PDAs as a window into a virtual simulated world." In Wireless and Mobile Technologies in Education, 2002. Proceedings. IEEE International Workshop on, pp. 95-98. IEEE, 2002.
[20] Nourbakhsh, Illah R. "Robots and Education in the classroom and in the museum: On the study of robots, and robots for study." (2000).
[21] Vaquero, Luis M., and Luis Rodero-Merino. "Finding your way in the fog: Towards a comprehensive definition of fog computing." ACM SIGCOMM Computer Communication Review 44, no. 5 (2014): 27-32.
[22] Zanella, Andrea, et al. "Internet of things for smart cities." IEEE Internet of Things journal 1.1 (2014): 22-32.
[23] Bonomi, F., Milito, R., Zhu, J. and Addepalli, S., 2012, August. Fog computing and its role in the internet of things. In Proceedings of the first edition of the MCC workshop on Mobile cloud computing (pp. 13-16). ACM.
[24] Pham, X. Q., & Huh, E. N. (2016, October). Towards task scheduling in a cloud-fog computing system. In Network Operations and Management Symposium (APNOMS), 2016 18th Asia-Pacific (pp. 1-4). IEEE.
[25] Bartels, Andrew H. "Smart computing drives the new era of IT growth." Forrester Inc (2009).
[26] Abech, Marcia, Cristiano Andre da Costa, Jorge Luis Victoria Barbosa, Sandro Jose Rigo, and Rodrigo da Rosa Righi. "A model for learning objects adaptation in light of mobile and context-aware computing." Personal and Ubiquitous Computing 20, no. 2 (2016): 167-184.
[27] Gupta, Harshit, Amir Vahid Dastjerdi, Soumya K. Ghosh, and Rajkumar Buyya. "iFogSim: A Toolkit for Modeling and Simulation of Resource Management Techniques in Internet of Things, Edge and Fog Computing Environments." arXiv preprint arXiv:1606.02007 (2016)G. Eason, B. Noble, and I.N. Sneddon, "On certain integrals of Lipschitz-Hankel type involving products of Bessel functions," Phil. Trans. Roy. Soc. London, vol. A247, pp. 529-551, April 1955. (references)
[28] J. Clerk Maxwell, A Treatise on Electricity and Magnetism, 3rd ed., vol.2. Oxford: Clarendon, 1892, pp.68-73.
[29] I.S. Jacobs and C.P. Bean, "Fine particles, thin films and exchange anisotropy," in Magnetism, vol. III, G.T. Rado and H. Suhl, Eds. New York: Academic, 1963, pp. 271-350.
[3] Thus, Hendrik, Mohamed Amine Chatti, Esra Yalcin, Christoph Pallasch, Bogdan Kyryliuk, Togrul Mageramov, and Ulrik Schroeder. "Mobile learning in context." International Journal of Technology Enhanced Learning 4, no. 5-6 (2012): 332-344.
[30] K. Elissa, "Title of paper if known," unpublished.
[31] R. Nicole, "Title of paper with only first word capitalized," J. Name Stand. Abbrev., in press.
[32] Y. Yorozu, M. Hirano, K. Oka, and Y. Tagawa, "Electron spectroscopy studies on magneto-optical media and plastic substrate interface," IEEE Transl. J. Magn. Japan, vol. 2, pp. 740-741, August 1987 [Digests 9th Annual Conf. Magnetics Japan, p. 301, 1982].
[33] M. Young, The Technical Writer’s Handbook. Mill Valley, CA: University Science, 1989.
[4] Wang, Y.K., 2004. Context awareness and adaptation in mobile learning. In Wireless and Mobile Technologies in Education, 2004. Proceedings. The 2nd IEEE International Workshop on (pp. 154-158). IEEE.
[5] Parupalli, Ramu, Sarat Chandra Babu Nelaturu, and Dhanander Kumar Jain. "The role of content adaptation in ubiquitous learning." In Technology for Education (T4E), 2011 IEEE International Conferenceon, pp. 177-182. IEEE, 2011.
[6] Coulby, Ceridwen, Scott Hennessey, Nancy Davies, and Richard Fuller. "The use of mobile technology for work.based assessment: the student experience." British Journal of Educational Technology 42, no. 2(2011):251-265.
[7] Hwang, Gwo.Jen, and Chin.Chung Tsai. "Research trends in mobile and ubiquitous learning: A review of publications in selected journals from 2001 to 2010." British Journal of Educational Technology 42, no. 4(2011): E65-E70.
[8] Wang, Yuan-Kai. "Context awareness and adaptation in mobile learning." In Wireless and Mobile Technologies in Education, 2004. Proceedings. The 2nd IEEE International Workshop on, pp. 154-158. IEEE, 2004.
[9] Gao, Hong-qing, and Yan-jie Zhai. "System design of cloud computing based on mobile learning." In Knowledge Acquisition and Modeling(KAM), 2010 3rd International Symposium on, pp. 239-242. IEEE, 2010.

Also Published As

Publication number Publication date
KR102008786B1 (ko) 2019-08-08

Similar Documents

Publication Publication Date Title
Li et al. When internet of things meets metaverse: Convergence of physical and cyber worlds
Wang et al. Augmented reality in education and training: pedagogical approaches and illustrative case studies
Mazumdar et al. Citizen science technologies and new opportunities for participation
Kim A framework for context immersion in mobile augmented reality
Kuppusamy Smart education using internet of things technology
Borda et al. Smart cities and digital culture: Models of innovation
Vladoiu et al. U-learning within a context-aware multiagent environment
Memos et al. A revolutionary interactive smart classroom (RISC) with the use of emerging technologies
Zhang et al. A systematic review on technologies and applications in smart campus: A human-centered case study
Siripongdee et al. Blended Learning Model with IoT-based by Smartphone.
Shinde et al. Internet of things integrated augmented reality
Paterson et al. The world through Glass: developing novel methods with wearable computing for urban videographic research
Badshah et al. Towards smart education through internet of things: A survey
Pinjari et al. Context-driven mobile learning using fog computing
Kaur et al. Smart classroom: A review and research agenda
Wani et al. Augmented reality for fire and emergency services
Palanivel Smart education architecture using the internet of things (IoT) technology
Azeta et al. A transition model from web of things to speech of intelligent things in a smart education system
Tripathy et al. Significance of IoT in education domain
Latif CARE: Creating augmented reality in education
CN106297452A (zh) 移动教育平台系统
KR102008786B1 (ko) 포그 컴퓨팅을 이용한 상황 기반 모바일 학습 장치 및 방법
Li et al. Urban computing cyberinfrastructure: visualizing human sentiment using social media and augmented reality
Rakić Internet of Things in education: Opportunities and challenges
Taamallah et al. Providing pervasive Learning eXperiences by Combining Internet of Things and e-Learning standards

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right