KR20190125265A - Personalized learning curation system and method for operating the same - Google Patents

Personalized learning curation system and method for operating the same Download PDF

Info

Publication number
KR20190125265A
KR20190125265A KR1020190136225A KR20190136225A KR20190125265A KR 20190125265 A KR20190125265 A KR 20190125265A KR 1020190136225 A KR1020190136225 A KR 1020190136225A KR 20190136225 A KR20190136225 A KR 20190136225A KR 20190125265 A KR20190125265 A KR 20190125265A
Authority
KR
South Korea
Prior art keywords
learning
learner
content
information
server
Prior art date
Application number
KR1020190136225A
Other languages
Korean (ko)
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 KR1020190136225A priority Critical patent/KR20190125265A/en
Publication of KR20190125265A publication Critical patent/KR20190125265A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • 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)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Educational Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

The present invention relates to a personalized learning curation system. The personalized learning curation system is to provide personalized content to multiple learners. The personalized learning curation system includes: a learner manager server receiving learner information including basic learner information, learner business information, and learner diagnosis information from each of multiple learner terminals and storing the received learner information; a curation server classifying the multiple learners as one or more groups, using similarity of the learner information; and a learner content server extracting learning content and curation content, corresponding to each of the one or more groups. According to the present invention, the personalized learning curation system enables a learner to easily and rapidly acquire the information by visualizing a learning result and sharing the visualized learning result with the learner when the other learner learns the content provided by social learning online and offline and inputs the learning result. Also, when the learner inputs appraisal information by appraising the shared learning result, the personalized learning curation system reanalyzes the learning result and the appraisal information. Also, the personalized learning curation system improves the accuracy of the curation by matching the information to the basic information on the learner again. The personalized learning curation system enables personalization and improves learning efficiency, so it forms a learning circulation structure.

Description

개인 맞춤화 학습 큐레이션 시스템 및 이의 동작 방법{PERSONALIZED LEARNING CURATION SYSTEM AND METHOD FOR OPERATING THE SAME}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.An embodiment according to the concept of the present invention relates to a personalized learning curation system and a method of operating the same, and more particularly, to a personalized learning curation system and a method of operating the same, which can improve the accuracy of curation in social learning.

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 컨텐츠의 발굴과 공유와 같은 참여, 소통, 및 커뮤니티 등의 상호작용으로 학습의 효율을 높일 수 있다. 최근 이러한 소셜 네트워크를 활용하여 온라인 서비스의 비약적인 성장에 따라 컨텐츠의 양은 방대해지고 있다.In general, social learning refers to sharing, evaluating, and learning each other on a social network. Social learning can improve learning efficiency through interactions such as participation, communication, and community such as discovery and sharing of contents based on the connection of social networks. Recently, with the rapid growth of online services using such social networks, the amount of contents is enormous.

소셜 네트워크 상에서 제공되는 컨텐츠의 양이 많아질수록 학습자의 선택의 폭은 넓어지나 사용자의 만족도가 반드시 높아지는 것은 아니므로, 학습자의 관심과 성향 등에 맞는 컨텐츠를 제시(큐레이션)할 수 있는 필요성이 대두된다.As the amount of content provided on social networks increases, the choice of learners becomes wider, but user satisfaction does not necessarily increase. Therefore, the necessity of presenting (curing) content suitable for learners' interests and inclinations emerges. do.

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.Korean Patent Publication No. 10-1734728 relates to a method and a server for providing online cooperative learning using a social network service, and classifies learning information collected from a novel network service into categories and reflects the latest trends and popularity of the public. The invention relates to a method of providing the most optimal learning information desired by a learner.

상기 선행기술문헌은 학습자에게 최적의 뉴스를 제공할 수 있지만, 개인의 성향이나 니즈를 반영한 컨텐츠를 제공하지 못하는 문제점이 있다. The prior art document can provide the learner with the best news, but there is a problem that can not provide the content reflecting the personality or needs of the individual.

또한, 공개특허공보 제10-2014-0035221호는 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법에 관한 것으로서, 수요자의 관심 컨텐츠를 파악하여 수요자의 관심 컨텐츠에 맞는 전문가를 추천하기 위한 발명이 개시되어 있다.In addition, Korean Patent Publication No. 10-2014-0035221 relates to an expert curation recommendation system for each field and an expert recommendation method for each field using the same. Is disclosed.

그러나, 상기 선행기술문헌은 데이터베이스에 저장된 컨텐츠를 기초로 수요자에게 전문가를 추천해주므로, 분석 범위가 한정적인 문제점과 추천의 한계가 있다.However, since the prior art document recommends the expert to the consumer based on the contents stored in the database, there is a problem of limitation in the scope of analysis and recommendation.

등록특허공보 제10-1734728호(2017.05.02)Registered Patent Publication No. 10-1734728 (2017.05.02) 공개특허공보 제10-2014-0035221(2014.03.21)Publication No. 10-2014-0035221 (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 컨텐츠를 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.The present invention has been made to solve the above problems, the personalized learning curation system of the present invention and its operation method when the learner learns the contents provided through social learning online and offline and input the learning results, The learning results are shared and evaluated by other learners, and the object of the present invention is to improve the accuracy of curation by reanalyzing the learning results and the evaluation.

상기와 같은 목적을 달성하기 위한 본 발명의 복수의 학습자들에게 맞춤형 컨텐츠를 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 분류하는 큐레이션 서버 및 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 추출하는 학습 컨텐츠 서버를 포함하고, 상기 큐레이션 서버는 상기 학습 컨텐츠 서버로부터 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 수신하고, 상기 수신된 학습용 컨텐츠와 큐 컨텐츠를 상기 학습 관리자 서버로 전송하고, 상기 학습 관리자 서버는 상기 전송된 학습용 컨텐츠와 큐컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하고, 상기 큐 컨텐츠가 제시한 방향에 따라 상기 학습용 컨텐츠를 학습한 결과에 기초하여 상기 학습용 컨텐츠의 자기화 정보를 생성하고, 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집한다.Personalized learning curation system for providing customized content to a plurality of learners of the present invention for achieving the above object, the learner basic information, learner task information, and learner diagnostic information from each of the plurality of learner terminals A learning manager server configured to receive learner information including the received learner information and to store the received learner information, and a curation server classifying the plurality of learners into one or more groups by using similarity of the learner information and each of the one or more groups. And a learning content server configured to extract learning content and queue content, wherein the curation server receives the learning content and the queue content corresponding to each of the one or more groups from the learning content server, and receives the received learning content and the queue. Learning content The learning manager server provides the transmitted learning content and cue content to a learner terminal belonging to the group, and the learning content is based on a result of learning the learning content according to the direction indicated by the queue content. The magnetization information is generated, and the generated magnetization information is provided to other learner terminals to collect evaluation information.

상기 큐레이션 서버는 상기 학습자 정보의 유사도를 이용하여 분류된 상기 하나 이상의 그룹의 학습자들 중에서 상기 평가 정보를 이용하여 다른 그룹으로 세분화하여 재분류하거나, 상기 자기화 정보를 이용하여 또 다른 그룹으로 재생성하여 재분류할 수 있다.The curation server may be subdivided into another group by using the evaluation information among the one or more groups of learners classified using the similarity of the learner information, or may be regenerated into another group by using the magnetization information. Can be reclassified.

상기 재분류는 제1 그룹의 학습자들 중에서 일부를 제2 그룹으로 세분화하거나, 학습자를 추가하여 제3 그룹으로 재생성하는 것일 수 있다.The reclassification may include subdividing some of the learners of the first group into the second group, or regenerating the third group by adding learners.

상기 학습 관리자 서버는 상기 자기화 정보와 상기 평가 정보를 이용하여 새로운 컨텐츠를 추출하고, 상기 재분류된 학습자 그룹과 상기 추출된 새로운 컨텐츠를 매칭할 수 있다. The learning manager server may extract new content by using the magnetization information and the evaluation information, and match the reclassified learner group with the extracted new content.

상기 큐 컨텐츠는 상기 학습자가 상기 학습용 컨텐츠를 학습하기 전에 상기 학습자가 습득해야 할 내용을 안내하거나, 상기 학습자가 상기 학습용 컨텐츠를 학습한 후에 상기 학습자가 실행해야 할 작업을 안내하는 컨텐츠인 것일 수 있다.The cue content may be content that guides the learner to learn before the learner learns the learning content, or guides a task that the learner should execute after the learner learns the learning content. .

상기 큐레이션 서버는 상기 학습자 정보, 상기 자기화 정보, 및 상기 평가 정보의 유사도를 이용하여 상기 하나 이상의 그룹을 재분류할 수 있다.The curation server may reclassify the one or more groups by using similarity between the learner information, the magnetization information, and the evaluation information.

상기 자기화 정보는 상기 학습자 단말기를 통해 입력된 키워드를 이용하여 상기 학습용 컨텐츠를 구조화하고 시각화한 정보일 수 있다.The magnetization information may be information that is structured and visualized the learning content using a keyword input through the learner terminal.

상기 평가 정보는 상기 자기화 정보에 대한 평가 점수일 수 있다.The evaluation information may be an evaluation score for the magnetization information.

상기 큐레이션 서버는 오프라인 환경에서 형성된 학습 조직을 이용하여 상기 하나 이상의 그룹을 재분류할 수 있다.The curation server may reclassify the one or more groups using a learning organization formed in an offline environment.

상기 두번째 목적을 달성하기 위한 본 발명의 복수의 학습자들에게 맞춤형 컨텐츠를 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 단계와, 큐레이션 서버가 상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하는 단계와, 학습 컨텐츠 서버가 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 추출하는 단계와, 상기 큐레이션 서버가 상기 학습 컨텐츠 서버로부터 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 수신하고, 상기 수신된 학습용 컨텐츠와 큐 컨텐츠를 상기 학습 관리자 서버로 전송하는 단계와, 상기 학습 관리자 서버가 상기 전송된 학습용 컨텐츠와 큐 컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하는 단계와, 학습자가 상기 학습자 단말기로 학습 결과를 입력하면, 상기 학습 관리자 서버가 상기 큐 컨텐츠가 제시한 방향에 따라 상기 학습용 컨텐츠를 학습한 결과에 기초하여 상기 학습용 컨텐츠에 대한 자기화 정보를 생성하는 단계와, 상기 학습 관리자 서버가 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집하는 단계를 포함한다.A method of operating a personalized learning curation system for providing customized content to a plurality of learners of the present invention for achieving the second object, the learning manager server learner basic information, learner work information from each of the plurality of learner terminals Receiving learner information including learner diagnostic information, and storing the received learner information, and classifying the plurality of learners into one or more groups by using a similarity of the learner information by a curation server; A learning content server extracting learning content and cue content corresponding to each of the one or more groups, the curation server receiving learning content and queue content corresponding to each of the one or more groups from the learning content server, The received learning content and queue content Transmitting the learning content to the learner terminal belonging to the group, and transmitting the learning content and the queue content to the learner terminal belonging to the group. Generating, by the learning manager server, the magnetization information for the learning content based on a result of learning the learning content according to the direction indicated by the queue content; And providing evaluation information to the terminal.

상기 큐레이션 서버는 상기 학습자 정보의 유사도를 이용하여 분류된 상기 하나 이상의 그룹의 학습자들 중에서 상기 평가 정보를 이용하여 다른 그룹으로 세분화하여 재분류하거나, 상기 자기화 정보를 이용하여 또 다른 그룹으로 재생성하여 재분류하는 단계를 포함할 수 있다.The curation server may be subdivided into another group by using the evaluation information among the one or more groups of learners classified using the similarity of the learner information, or may be regenerated into another group by using the magnetization information. And reclassifying the same.

상기 재분류는 제1 그룹의 학습자들 중에서 일부를 제2 그룹으로 세분화하거나, 학습자를 추가하여 제3 그룹으로 재생성하는 것일 수 있다.The reclassification may include subdividing some of the learners of the first group into the second group, or regenerating the third group by adding learners.

상기 학습 관리자 서버는 상기 자기화 정보와 상기 평가 정보를 이용하여 새로운 컨텐츠를 추출하고, 상기 재분류된 학습자 그룹과 상기 추출된 새로운 컨텐츠를 매칭할 수 있다.The learning manager server may extract new content by using the magnetization information and the evaluation information, and match the reclassified learner group with the extracted new content.

상기 큐 컨텐츠는 상기 학습자가 상기 학습용 컨텐츠를 학습하기 전에 상기 학습자가 습득해야 할 내용을 안내하거나, 상기 학습자가 상기 학습용 컨텐츠를 학습한 후에 상기 학습자가 실행해야 할 작업을 안내하는 컨텐츠인 것일 수 있다.The cue content may be content that guides the learner to learn before the learner learns the learning content, or guides a task that the learner should execute after the learner learns the learning content. .

상기 큐레이션 서버는 상기 학습자 정보, 상기 자기화 정보, 및 상기 평가 정보의 유사도를 이용하여 상기 하나 이상의 그룹을 재분류할 수 있다.The curation server may reclassify the one or more groups by using similarity between the learner information, the magnetization information, and the evaluation information.

상기 상기 학습 관리자 서버는 상기 자기화 정보를 이용하여 새로운 컨텐츠를 추출하고, 재분류된 학습자 그룹과 추출된 새로운 컨텐츠를 매칭할 수 있다.The learning manager server may extract new content using the magnetization information, and match the reclassified learner group with the extracted new content.

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 추출하는 단계를 더 포함할 수 있다.The curation server reclassifies the one or more groups using a learning organization formed in an offline environment, and when the learner inputs a result of an activity performed in the offline environment, the learner terminal, The method may further include extracting new content using the result of the activity.

상기 학습 관리자 서버가 상기 재분류된 그룹과 상기 새로운 컨텐츠를 매칭하는 단계를 더 포함할 수 있다.The learning manager server may further include matching the reclassified group with the new content.

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.As described above, the personalized learning curation system and a method of operating the same according to the present invention, when a learner learns contents provided through social learning online and offline and inputs a learning result, the learning result is visualized and shared to other learners. This allows other learners to learn information quickly and easily.

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.In addition, when the other learner evaluates the shared learning result and inputs evaluation information, re-analyzes the learning result and the evaluation information, and re-matches with the basic information of the learner to increase the accuracy of curation, thereby personalizing the individual. It is possible to form a learning cycle structure by increasing the learning efficiency.

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.The detailed description of each drawing is provided in order to provide a thorough understanding of the drawings cited in the detailed description of the invention.
1 illustrates a personalized learning curation system according to an embodiment of the present invention.
2 is a data flow diagram illustrating a method of operating a personalized learning curation system according to an embodiment of the present invention.
3 is a conceptual diagram illustrating learner information according to an exemplary embodiment of the present invention.
4 is a conceptual diagram illustrating a classification of learning contents according to an exemplary embodiment of the present invention.
5 illustrates a content providing screen displayed on a learner terminal according to an embodiment of the present invention.
6 illustrates a screen displayed on a learner terminal for a learner to input a learning result according to an exemplary embodiment of the present invention.
7 illustrates magnetization information according to an embodiment of the present invention.
8 illustrates a learning organization screen displayed on a learner terminal according to an embodiment of the present invention.
9 is a flowchart illustrating a method of operating a personalized learning curation system according to an embodiment of the present invention.

이하에서는 본 발명에 따른 실시예 및 도면을 참조하여, 본 발명을 더욱 상술한다.Hereinafter, with reference to the embodiment and the drawings according to the present invention, the present invention will be further described.

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 컨텐츠를 제공하고, 컨텐츠를 학습한 결과를 기계 학습(machine learning)을 통하여 재분석함으로써, 상기 학습자의 성향과 니즈에 맞는 새로운 컨텐츠를 예측하여 검색하고 매칭하여 제공하는 시스템을 의미한다.1 illustrates a personalized learning curation system according to an embodiment of the present invention. In the present specification, the personalized learning curation system provides new personalized content to learners using initial information, and re-analyzes the result of learning the content through machine learning, thereby adapting the new personality to the learner's disposition and needs. It refers to a system that predicts, searches, matches, and provides contents.

따라서, 개인 맞춤화 학습 큐레이션 시스템은 미리 저장된 컨텐츠 뿐만 아니라 인터넷상 또는 유튜브와 같은 외부에 있는 컨텐츠를 기초로 새로운 컨텐츠를 학습자의 성향과 니즈에 재매칭시켜 큐레이션할 수 있다. Therefore, the personalized learning curation system can curate new content based on learner's disposition and needs based on not only pre-stored content but also content on the Internet or externally, such as YouTube.

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 컨텐츠 서버(170), 및 외부 컨텐츠 서버(190)를 포함할 수 있다.Referring to FIG. 1, the personalized learning curation system 10 includes a plurality of learner terminals 110-1 through 110-n, a learning manager server 130, a curation server 150, and a learning content server 170. And an external content server 190.

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.The learning manager server 130 may include a user database 131. The learning manager server 130 receives learner information including learner basic information, learner task information, and learner diagnosis information from each of the plurality of learner terminals 110-1 through 110-n, and uses the received learner information as a user. It may be stored in the database (131).

큐레이션 서버(150)는 상기 학습자 정보의 유사도를 이용하여 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 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. The curation server 150 classifies the plurality of learners into one or more groups by using the similarity of the learner information, presents learning content and cue content corresponding to each of the one or more groups, and the learner learns the online and offline content. When learning content for learning and inputting a learning result, the one or more groups may be reclassified through machine learning according to the learning result.

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 컨텐츠를 큐레이션할 수 있고, 학습 효과도 높일 수 있다.For example, initially, learning content is recommended to learners by analyzing big data based on learner information. The learner analyzes the learning result (eg, mind map, keywords, cases, actual application methods, etc.) generated as the learner learns the content for learning through machine learning. By finding and predicting each learner's area or interest through the results of the analysis and other learners' responses (eg, likes, stars, etc.), new learning content can be cured to other learners, and the learning effect can be enhanced.

학습 컨텐츠 서버(170)는 컨텐츠 데이터베이스(171)를 포함할 수 있다. 학습 컨텐츠 서버(170)는 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐(Cue) 컨텐츠를 컨텐츠 데이터베이스(171)로부터 추출할 수 있다.The learning content server 170 may include a content database 171. The learning content server 170 may extract learning content and cue content corresponding to each of the one or more groups from the content database 171.

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. In the present specification, the content for learning refers to content that a learner learns through social learning, and the content for cue content refers to content that can present a direction for the learner to effectively learn the content for learning. Means.

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.For example, the cue content may guide the content that the learner should learn from the learning content before the learner learns the learning content, or the work that the learner should execute after the learner learns the learning content (eg, , Keywords extraction, mind map creation, exercises to be performed online and / or offline, discussions, presentations, etc.).

외부 컨텐츠 서버(190)는 컨텐츠 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.The external content server 190 may load new content that is not registered in the content database 171. The external content server 190 may extract the new content to curate the new content to the reclassified group of learners.

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).2 is a data flow diagram illustrating a method of operating a personalized learning curation system according to an embodiment of the present invention. 2, the learning manager server 130 may receive learner information including learner basic information, learner task information, and learner diagnosis information from each of the plurality of learner terminals 110-1 through 110-n. There is (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).The learning manager server 130 may store the received learner information in the user database 131 and transmit the learner information to the curation server 150 (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. 3 is a conceptual diagram illustrating learner information according to an exemplary embodiment of the present invention. 3 (a) shows learner basic information among learner information. Learner basic information may include the learner's age, gender, residence, education, major, and interests.

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. 3 (b) shows learner task information among the learner information. Learner work information may include the learner's current job, position, title, work experience, and past job.

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. 3 (c) shows learner diagnosis information among the learner information. The learner diagnosis information may mean a questionnaire for diagnosing the learner's disposition, and may include a questionnaire for inquiring about learning ability, communication ability, self-management ability, social competency, and performance generating ability.

다시 도 2를 참조하면, 큐레이션 서버(150)는 상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하고(S130), 학습 컨텐츠 서버(170)로부터 큐레이션된 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 학습 관리자 서버(130)로 전송할 수 있다(S150).Referring back to FIG. 2, the curation server 150 classifies the plurality of learners into one or more groups using the similarity of the learner information (S130), and the one or more curated from the learning content server 170. The learning content and the queue content corresponding to each group may be transmitted to the learning manager server 130 (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. For example, the curation server 150 may provide learners with personalized content so that learners having similar positions, jobs, and inclinations can learn and share content through social learning.

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.4 is a conceptual diagram illustrating a classification of learning contents according to an exemplary embodiment of the present invention. Referring to FIG. 4, learning contents are largely classified into categories of basic, knowledge / knowledge, skills / skill, and thinking. For example, in the case of job competencies, basic knowledge refers to the basic competencies of the business, such as exchanging business cards, greetings, and sending e-mails. Knowledge / experience refers to job-related expertise and leadership. And trends, work skills, etc., and thinking ability can mean cultivating thinking and expressive power that can be helpful to the job.

도 5는 본 발명의 실시 예에 따른 학습자 단말기에서 디스플레이되는 컨텐츠 제공 화면을 나타낸다. 도 2와 도 5를 참조하면, 큐레이션 서버(150)는 학습 컨텐츠 서버(170)로부터 상기 학습자 정보의 유사도를 이용하여 분류된 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 학습 컨텐츠 서버(170)로부터 수신할 수 있다(S140).5 illustrates a content providing screen displayed on a learner terminal according to an embodiment of the present invention. 2 and 5, the curation server 150 displays the learning content and the queue content corresponding to each of one or more groups classified using the similarity of the learner information from the learning content server 170. 170, it may be received (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 컨텐츠들을 제공할 수 있다.For example, the curation server 150 may be classified as a first group of learners who are in their 30s, who are gender, who are currently in charge of marketing, whose interests are reading and information technology, and who are self-managed. The learners belonging to the first group may provide contents for the fourth industrial revolution as shown in FIG.

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.When the learner selects (clicks or touches) 'Market 4.0', the curation server 150 may provide a result that another learner learns about 'Market 4.0' as shown in FIG. 5 (b). have. For example, the results learned by the other learners correspond to the magnetization information and the evaluation score, as will be described later.

큐레이션 서버(150)는 학습 컨텐츠 서버(170)로부터 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 수신하고, 수신된 학습용 컨텐츠와 큐 컨텐츠를 학습 관리자 서버(130)로 전송할 수 있다(S150). 학습 관리자 서버(130)는 상기 학습용 컨텐츠와 큐 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). The curation server 150 may receive the learning content and the queue content corresponding to each of the one or more groups from the learning content server 170, and transmit the received learning content and the queue content to the learning manager server 130 (S150). ). The learning manager server 130 provides the learning content and the queue content to the learner terminal 110-1 belonging to the group (S160), and the learner of the learner terminal 110-1 learns the learning content and learns the learning content. If the result is input, the learning manager server 130 may generate magnetization information according to the learning result (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.6 illustrates a screen displayed on a learner terminal for a learner to input a learning result according to an embodiment of the present disclosure, and FIG. 7 illustrates magnetization information according to an embodiment of the present disclosure.

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). For example, when the learner inputs keywords according to the learning result to the learner terminal 110-1 as shown in FIG. 6 (S170), the learning manager server 130 is inputted through the learner terminal 110-1. As shown in FIG. 7, the magnetization information may be generated using the keywords in the form of a mind map (S180).

즉, 자기화 정보는 상기 학습자 단말기를 통해 입력된 키워드를 이용하여 상기 학습자가 상기 학습용 컨텐츠를 학습한 결과를 구조화하고 시각화한 정보를 의미할 수 있다.That is, the magnetization information may refer to information structured and visualized as a result of the learner learning the learning content using the keyword input through the learner terminal.

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).The learning manager server 130 transmits the generated magnetization information to another learner terminal 110-2 (S190), and the other learner terminal 110-2 receiving the magnetization information evaluates the magnetization information. Information may be transmitted to the learning manager server 130 (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.The evaluation information may mean an evaluation score evaluated by the learner of the other learner terminal 110-2 with respect to the magnetization information. For example, as shown in FIG. 5B, the magnetization information may be provided, and an evaluation score input by the other learner for the magnetization information may be provided in a star form.

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).The curation server 150 receives the magnetization information and the evaluation information from the learning manager server 130 (S210), and re-reviews the one or more groups using the similarity of the learner information, the learning information, and the evaluation information. Can be classified (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.For example, among the first group of learners of age 30, gender, current marketing duties, interests in reading and information and communication, and self-management, the highest scores for their self-information Can be subdivided into second groups. Alternatively, learners who input keywords most similar to keywords included in their magnetization information may be reclassified into the third group.

큐레이션 서버(150)는 자기화 정보와 평가 정보를 학습 컨텐츠 서버(170)로 전송하고(S230), 학습 컨텐츠 서버(170)는 자기화 정보와 평가 정보를 이용하여 외부 컨텐츠 서버(190)로부터 새로운 컨텐츠를 예측하여 검색할 수 있다(S240). 따라서, 컨텐츠 데이터베이스(171)에 기 저장된 컨텐츠 뿐만 아니라 학습자의 학습 결과를 토대로 저장되지 않은 새로운 컨텐츠를 추출할 수 있다.The curation server 150 transmits the magnetization information and the evaluation information to the learning content server 170 (S230), and the learning content server 170 uses the magnetization information and the evaluation information from the external content server 190. The new content may be predicted and searched (S240). Therefore, new content not stored based on the learning result of the learner as well as the content previously stored in the content database 171 may be extracted.

예컨대, 학습자가 새로 발간된 도서나 잘 알려지지 않은 도서를 읽고, 읽은 내용을 정리하여 공유하면, 학습 컨텐츠 서버(170)는 상기 도서 정보를 컨텐츠 데이터베이스(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.For example, when a learner reads a newly published book or an unknown book, organizes and reads the read content, the learning content server 170 may store the book information in the content database 171, and with reference to FIG. 8. As will be described, new content may be generated based on various information generated in various environments such as online and offline.

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.Therefore, the curation server 150 may increase the accuracy of the curation by re-matching the reclassified learner group and the new content. That is, although initial learning content was recommended based on learner information, the learning results generated by learning the learning contents are accumulated, and the machine learning of the learning results increases the accuracy and predictability of curation.

실시 예에 따라 큐레이션 서버(150)는 학습 컨텐츠 서버(170)로부터 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 수신하고, 수신된 학습용 컨텐츠와 큐 컨텐츠를 학습 관리자 서버(130)로 전송할 수 있다(S150).According to an embodiment, the curation server 150 receives the learning content and the queue content corresponding to each of the one or more groups from the learning content server 170, and transmits the received learning content and the queue content to the learning manager server 130. It may be (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.The learner can effectively learn the content for learning by learning the cue content. Therefore, the reliability of the magnetization information generated based on the learning result can also be improved. In addition, the learner himself may present the learning direction of the learning content to other learners.

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.8 illustrates a learning organization screen displayed on a learner terminal according to an embodiment of the present invention. Referring to FIG. 8, a learner may build a learning organization formed for the same purpose, such as fundraising, promotion, and education, through an application installed on a learner terminal in an online and offline environment. For example, a learner may establish a learning organization for fundraising in an online environment, members corresponding to the learning organization in an offline environment may discuss the fundraising, and the learner may input a discussion result through the application.

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.The curation server 150 may classify or reclassify the members corresponding to the learning organization into the same group, extract new content corresponding to the discussion result, and transmit the extracted new content to the learning manager server 130. have.

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.Accordingly, the curation server 150 classifies or reclassifies the learner group and generates new content based on various information generated in the online and offline environments, and reclassifies the classified or reclassified learner group and the new content. Matching has an effect of increasing the accuracy of curation.

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).9 is a flowchart illustrating a method of operating a personalized learning curation system according to an embodiment of the present invention. 1 and 10, the learning manager server 130 obtains learner information including learner basic information, learner task information, and learner diagnostic information from each of the plurality of learner terminals 110-1 through 110-n. Received, and collects to store the received learner information (S310).

큐레이션 서버(150)가 상기 학습자 정보의 유사도를 이용하여 복수의 학습자들을 하나 이상의 그룹으로 분류하고, 학습 컨텐츠 서버(170)가 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 추출한다(S320).The curation server 150 classifies the plurality of learners into one or more groups by using the similarity of the learner information, and the learning content server 170 extracts the learning content and the queue content corresponding to each of the one or more groups ( S320).

상기 큐레이션 서버(150)가 상기 학습 컨텐츠 서버(170)로부터 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 수신하고, 상기 수신된 학습용 컨텐츠와 큐 컨텐츠를 상기 학습 관리자 서버(130)로 전송하고, 상기 학습 관리자 서버(130)가 상기 전송된 학습용 컨텐츠와 큐 컨텐츠를 상기 그룹에 속하는 학습자 단말기(110-1)로 제공한다(S330).The curation server 150 receives the learning content and the queue content corresponding to each of the one or more groups from the learning content server 170, and sends the received learning content and the queue content to the learning manager server 130. The learning manager server 130 provides the transmitted learning content and the queue content to the learner terminal 110-1 belonging to the group (S330).

학습자가 상기 학습용 컨텐츠와 큐 컨텐츠를 학습하고, 학습 결과를 학습자 단말기(110-1)로 입력하면, 학습 관리자 서버(130)가 상기 학습 결과에 따라 자기화 정보를 생성한다(S340).When a learner learns the learning content and the queue content and inputs a learning result to the learner terminal 110-1, the learning manager server 130 generates magnetization information according to the learning result (S340).

학습 관리자 서버(130)는 생성된 자기화 정보를 다른 학습자 단말기(110-2)에 제공하여 평가 정보를 수집한다(S350).The learning manager server 130 collects the evaluation information by providing the generated magnetization information to the other learner terminal 110-2 (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).Curation server 150 uses the similarity of the learner information, the learning information, and the evaluation information to reclassify the one or more groups, extract new content, re-match the reclassified group and the new content (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 컨텐츠 서버
171; 컨텐츠 데이터베이스
190; 외부 컨텐츠 서버10; Personalized Learning Curation System
110-1 to 110-n; Learner terminals
130; Learning manager server
131; User database
150; Curation Server
170; Learning content server
171; Content database
190; External content server

Claims (7)

복수의 학습자들에게 맞춤형 컨텐츠를 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;
상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하는 큐레이션 서버; 및
상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 추출하는 학습 컨텐츠 서버를 포함하고,
상기 큐레이션 서버는 상기 학습 컨텐츠 서버로부터 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 수신하고, 상기 수신된 학습용 컨텐츠와 큐 컨텐츠를 상기 학습 관리자 서버로 전송하고,
상기 학습 관리자 서버는 상기 전송된 학습용 컨텐츠와 큐 컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하고, 상기 큐 컨텐츠가 제시한 방향에 따라 상기 학습용 컨텐츠를 학습한 결과에 기초하여 상기 학습용 컨텐츠의 자기화 정보를 생성하고, 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집하고,
상기 큐레이션 서버는 상기 학습자 정보의 유사도를 이용하여 분류된 상기 하나 이상의 그룹의 학습자들 중에서 상기 평가 정보를 이용하여 다른 그룹으로 세분화하여 재분류하거나, 상기 자기화 정보를 이용하여 또 다른 그룹으로 재생성하여 재분류하는 것이고,
상기 재분류는 제1 그룹의 학습자들 중에서 일부를 제2 그룹으로 세분화하거나, 학습자를 추가하여 제3 그룹으로 재생성하는 것이고,
상기 학습 관리자 서버는 상기 자기화 정보와 상기 평가 정보를 이용하여 새로운 컨텐츠를 추출하고, 상기 재분류된 학습자 그룹과 상기 추출된 새로운 컨텐츠를 매칭하고,
상기 큐 컨텐츠는 상기 학습자가 상기 학습용 컨텐츠를 학습하기 전에 상기 학습자가 습득해야 할 내용을 안내하거나, 상기 학습자가 상기 학습용 컨텐츠를 학습한 후에 상기 학습자가 실행해야 할 작업을 안내하는 컨텐츠인 것을 특징으로 하는 개인 맞춤화 학습 큐레이션 시스템.
In the personalized learning curation system for providing customized content to a plurality of learners,
A learning manager server configured to receive learner information including learner basic information, learner task information, and learner diagnostic information from each of the plurality of learner terminals and store the received learner information;
A curation server that classifies the plurality of learners into one or more groups using the similarity of the learner information; And
A learning content server extracting learning content and queue content corresponding to each of the one or more groups,
The curation server receives the learning content and the queue content corresponding to each of the one or more groups from the learning content server, and transmits the received learning content and the queue content to the learning manager server,
The learning manager server provides the transmitted learning content and the cue content to a learner terminal belonging to the group, and the magnetization information of the learning content based on a result of learning the learning content according to the direction indicated by the cue content. Generate the information, provide the generated magnetization information to other learner terminals, and collect the evaluation information;
The curation server may be subdivided into another group using the evaluation information among the one or more groups of learners classified using the similarity of the learner information, or may be reclassified into another group using the magnetization information. To reclassify,
The reclassification is to subdivide some of the learners of the first group into the second group, or to add the learners to recreate the third group,
The learning manager server extracts new content using the magnetization information and the evaluation information, matches the reclassified learner group with the extracted new content,
The cue content may be content that guides the learner to learn before the learner learns the learning content, or guides a task to be performed by the learner after the learner learns the learning content. Personalized learning curation system.
제1항에 있어서,
상기 자기화 정보는 상기 학습자 단말기를 통해 입력된 키워드를 이용하여 상기 학습용 컨텐츠를 구조화하고 시각화한 정보인 개인 맞춤화 학습 큐레이션 시스템.
The method of claim 1,
The magnetization information is a personalized learning curation system is information that is structured and visualized the content for learning using the keyword input through the learner terminal.
제1항에 있어서,
상기 평가 정보는 상기 자기화 정보에 대한 평가 점수인 개인 맞춤화 학습 큐레이션 시스템.
The method of claim 1,
And the evaluation information is an evaluation score for the magnetization information.
제1항에 있어서,
상기 큐레이션 서버는 오프라인 환경에서 형성된 학습 조직을 이용하여 상기 하나 이상의 그룹을 재분류하는 개인 맞춤화 학습 큐레이션 시스템.
The method of claim 1,
The curation server is a personalized learning curation system for reclassifying the one or more groups using a learning organization formed in an offline environment.
복수의 학습자들에게 맞춤형 컨텐츠를 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 단계;
큐레이션 서버가 상기 학습자 정보의 유사도를 이용하여 상기 복수의 학습자들을 하나 이상의 그룹으로 분류하는 단계;
학습 컨텐츠 서버가 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 추출하는 단계;
상기 큐레이션 서버가 상기 학습 컨텐츠 서버로부터 상기 하나 이상의 그룹 각각에 대응하는 학습용 컨텐츠와 큐 컨텐츠를 수신하고, 상기 수신된 학습용 컨텐츠와 큐 컨텐츠를 상기 학습 관리자 서버로 전송하는 단계;
상기 학습 관리자 서버가 상기 전송된 학습용 컨텐츠와 큐 컨텐츠를 상기 그룹에 속하는 학습자 단말기로 제공하는 단계;
학습자가 상기 학습자 단말기로 학습 결과를 입력하면, 상기 학습 관리자 서버가 상기 큐 컨텐츠가 제시한 방향에 따라 상기 학습용 컨텐츠를 학습한 결과에 기초하여 상기 학습용 컨텐츠에 대한 자기화 정보를 생성하는 단계;
상기 학습 관리자 서버가 생성된 자기화 정보를 다른 학습자 단말기에 제공하여 평가 정보를 수집하는 단계; 및
상기 큐레이션 서버는 상기 학습자 정보의 유사도를 이용하여 분류된 상기 하나 이상의 그룹의 학습자들 중에서 상기 평가 정보를 이용하여 다른 그룹으로 세분화하여 재분류하거나, 상기 자기화 정보를 이용하여 또 다른 그룹으로 재생성하여 재분류하는 단계;를 포함하고,
상기 재분류는 제1 그룹의 학습자들 중에서 일부를 제2 그룹으로 세분화하거나, 학습자를 추가하여 제3 그룹으로 재생성하는 것이고,
상기 학습 관리자 서버는 상기 자기화 정보와 상기 평가 정보를 이용하여 새로운 컨텐츠를 추출하고, 상기 재분류된 학습자 그룹과 상기 추출된 새로운 컨텐츠를 매칭하고,
상기 큐 컨텐츠는 상기 학습자가 상기 학습용 컨텐츠를 학습하기 전에 상기 학습자가 습득해야 할 내용을 안내하거나, 상기 학습자가 상기 학습용 컨텐츠를 학습한 후에 상기 학습자가 실행해야 할 작업을 안내하는 컨텐츠인 것을 특징으로 하는 개인 맞춤화 학습 큐레이션 시스템의 동작 방법.
In the operation method of a personalized learning curation system for providing customized content to a plurality of learners,
Receiving, by the learning manager server, learner information including learner basic information, learner task information, and learner diagnosis information from each of the plurality of learner terminals, and storing the received learner information;
Classifying, by the curation server, the plurality of learners into one or more groups using the similarity of the learner information;
Extracting, by a learning content server, learning content and queue content corresponding to each of the one or more groups;
Receiving, by the curation server, learning content and queue content corresponding to each of the one or more groups from the learning content server, and transmitting the received learning content and queue content to the learning manager server;
Providing, by the learning manager server, the transmitted learning content and queue content to a learner terminal belonging to the group;
When a learner inputs a learning result into the learner terminal, generating, by the learning manager server, magnetization information about the learning content based on a result of learning the learning content according to the direction indicated by the queue content;
Collecting, by the learning manager server, the generated magnetization information to another learner terminal to collect evaluation information; And
The curation server may be subdivided into another group by using the evaluation information among the one or more groups of learners classified using the similarity of the learner information, or regenerated into another group by using the magnetization information. Reclassification; including;
The reclassification is to subdivide some of the learners of the first group into the second group, or to add the learners to recreate the third group,
The learning manager server extracts new content using the magnetization information and the evaluation information, matches the reclassified learner group with the extracted new content,
The cue content may be content that guides the learner to learn before the learner learns the learning content, or guides a task to be performed by the learner after the learner learns the learning content. How a personalized learning curation system works.
제5항에 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 단말기에 입력하면, 상기 학습 관리자 서버는 상기 활동의 결과를 이용하여 새로운 컨텐츠를 추출하는 단계;를 더 포함하는 개인 맞춤화 학습 큐레이션 시스템의 동작 방법.
The method of claim 5,
The curation server reclassifying the one or more groups using a learning organization formed in an offline environment; And
When the learner inputs the result of the activity performed in the offline environment to the learner terminal, the learning manager server extracts new content by using the result of the activity; How it works.
제6항에 있어서,
상기 학습 관리자 서버가 상기 재분류된 그룹과 상기 새로운 컨텐츠를 매칭하는 단계를 더 포함하는 개인 맞춤화 학습 큐레이션 시스템의 동작 방법.

The method of claim 6,
And the learning manager server matching the reclassified group with the new content.

KR1020190136225A 2019-10-30 2019-10-30 Personalized learning curation system and method for operating the same KR20190125265A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190136225A KR20190125265A (en) 2019-10-30 2019-10-30 Personalized learning curation system and method for operating the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190136225A KR20190125265A (en) 2019-10-30 2019-10-30 Personalized learning curation system and method for operating the same

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020170128347A Division KR20190038207A (en) 2017-09-29 2017-09-29 Personalized learning curation system and method for operating the same

Publications (1)

Publication Number Publication Date
KR20190125265A true KR20190125265A (en) 2019-11-06

Family

ID=68541920

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190136225A KR20190125265A (en) 2019-10-30 2019-10-30 Personalized learning curation system and method for operating the same

Country Status (1)

Country Link
KR (1) KR20190125265A (en)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102183622B1 (en) * 2020-02-14 2020-11-26 권용현 Method and system for providing intelligent home education big data platform by using mobile based sampling technique
KR102191671B1 (en) * 2019-12-20 2020-12-16 주식회사 아이스크림에듀 personalized learning method based on social learning and e-portfolio, and system
KR102258235B1 (en) * 2020-02-27 2021-05-31 주식회사 아이스크림에듀 personalized and adaptive learning method based on artificial intelligence (AI) using feeling content, and system
KR20210086577A (en) * 2019-12-31 2021-07-08 주식회사 달공 Metacognitive based education content curation system
KR102298316B1 (en) * 2020-12-18 2021-09-06 노재훈 Customized piano learning system provided through user data

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140035221A (en) 2012-09-12 2014-03-21 (주)케이테크 Expert curation recommendation system and expert recommendation method using thereof by field
KR101734728B1 (en) 2015-12-17 2017-05-11 고려대학교 산학협력단 Method and server for providing online collaborative learning using social network service

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140035221A (en) 2012-09-12 2014-03-21 (주)케이테크 Expert curation recommendation system and expert recommendation method using thereof by field
KR101734728B1 (en) 2015-12-17 2017-05-11 고려대학교 산학협력단 Method and server for providing online collaborative learning using social network service

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102191671B1 (en) * 2019-12-20 2020-12-16 주식회사 아이스크림에듀 personalized learning method based on social learning and e-portfolio, and system
KR20210086577A (en) * 2019-12-31 2021-07-08 주식회사 달공 Metacognitive based education content curation system
KR102183622B1 (en) * 2020-02-14 2020-11-26 권용현 Method and system for providing intelligent home education big data platform by using mobile based sampling technique
US10997621B1 (en) 2020-02-14 2021-05-04 Yonghyun Kwon System for providing artificial intelligent home education big data platform by using sampling method based on mobile device and the operating method of the same
KR102258235B1 (en) * 2020-02-27 2021-05-31 주식회사 아이스크림에듀 personalized and adaptive learning method based on artificial intelligence (AI) using feeling content, and system
KR102298316B1 (en) * 2020-12-18 2021-09-06 노재훈 Customized piano learning system provided through user data

Similar Documents

Publication Publication Date Title
KR20190125265A (en) Personalized learning curation system and method for operating the same
KR102056822B1 (en) Method for providing learning service and apparatus thereof
Freire et al. e-Recruitment recommender systems: a systematic review
KR101477306B1 (en) Intelligently guiding search based on user dialog
KR20190038207A (en) Personalized learning curation system and method for operating the same
Jungherr Normalizing digital trace data
Sen et al. A total error framework for digital traces of humans
Simmie et al. Ranking twitter influence by combining network centrality and influence observables in an evolutionary model
Okazaki et al. How to mine brand Tweets: Procedural guidelines and pretest
KR20190041856A (en) Personalized mathematical learning curation system and method for operating the same
Adaji et al. Towards understanding user participation in stack overflow using profile data
Padricelli et al. Virtual vs digital: Examples of netnography and digital ethnography in tourism studies for a comparison between methods
Wirtz et al. Mobile government: Research development and research perspectives
Kaufman Implementing novel, flexible, and powerful survey designs in R Shiny
Kavikondala et al. Automated retraining of machine learning models
US20150339404A1 (en) Inferring seniority level of a member of an on-line social network
Diaz et al. Scaling laws do not scale
Alahmadi et al. Improving recommendation using trust and sentiment inference from osns
Zolyomi Where the stakeholders are: tapping into social media during value-sensitive design research
Shapiro et al. Visual deep learning recommender system for personal computer users
Kunneman et al. Data science for service design: An introductory overview of methods and opportunities
Pramiyati et al. Determining Trust Scope Attributes Using Goodness of Fit Test: A Survey
Owusu-Kyei et al. Impact of digital marketing communication on organizational growth
Copulsky et al. Marketing technologies, customer data and analytics: enabling responsive customer journeys and scalable marketing processes
Kafkalias et al. Bias in Face Image Classification Machine Learning Models: The Impact of Annotator’s Gender and Race

Legal Events

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