KR20200011823A - System, operating method thereof, program, and computer readable medium recording program for inmunart metacognition parallax learning - Google Patents

System, operating method thereof, program, and computer readable medium recording program for inmunart metacognition parallax learning Download PDF

Info

Publication number
KR20200011823A
KR20200011823A KR1020180086773A KR20180086773A KR20200011823A KR 20200011823 A KR20200011823 A KR 20200011823A KR 1020180086773 A KR1020180086773 A KR 1020180086773A KR 20180086773 A KR20180086773 A KR 20180086773A KR 20200011823 A KR20200011823 A KR 20200011823A
Authority
KR
South Korea
Prior art keywords
learning
short
sentence
quantized
words
Prior art date
Application number
KR1020180086773A
Other languages
Korean (ko)
Other versions
KR102133775B1 (en
Inventor
원종호
원정용
Original Assignee
원종호
원정용
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 원종호, 원정용 filed Critical 원종호
Priority to KR1020180086773A priority Critical patent/KR102133775B1/en
Publication of KR20200011823A publication Critical patent/KR20200011823A/en
Application granted granted Critical
Publication of KR102133775B1 publication Critical patent/KR102133775B1/en

Links

Images

Classifications

    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00Teaching not covered by other main groups of this subclass
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/20Natural language analysis
    • G06F40/205Parsing
    • G06F40/211Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00Electrically-operated educational appliances
    • G09B5/02Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip

Abstract

A humanities art metacognition parallax learning system includes: a learning short sentence processing unit which divides a short sentence to learn into word segments and is formed to generate quantized short sentences to learn by determining the sentence component of each word segment; a learning step processing unit which is formed to progress with a learning step by outputting learning information of the short sentence to learn to a learner terminal; and an evaluation step progressing unit which transmits an evaluation problem of the short sentence to learn to the learner terminal and is formed to progress with an evaluation step of an inputted short sentence received through the learner terminal. The evaluation step progressing unit includes: an inputted short sentence quantization unit which divides the inputted short sentence into word segments and is formed to generate the quantized inputted short sentence by determining the sentence component of each word segment; a comparison unit which is formed to generate information to relearn by mutually comparing sentence segments of the same sentence component in the quantized short sentence to learn and the quantized inputted short sentence; and a feedback unit which is formed to progress with a relearning step by leading relearning questions corresponding to the information to relearn in a relearning question table and transmitting the led questions to the learner terminal.

Description

인문학을 추상화로 해석한 이미지 연상학습을 통한 인문아트 메타인지 패럴랙스 학습을 위한 시스템, 시스템의 동작 방법, 프로그램, 및 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체{SYSTEM, OPERATING METHOD THEREOF, PROGRAM, AND COMPUTER READABLE MEDIUM RECORDING PROGRAM FOR INMUNART METACOGNITION PARALLAX LEARNING}System for Human Art Metacognitive Parallax Learning through Image Associative Interpretation of Humanities as Abstraction, System Operation Method, Program, and Computer-readable Media Recording Program {SYSTEM, OPERATING METHOD THEREOF, PROGRAM, AND COMPUTER READABLE MEDIUM RECORDING PROGRAM FOR INMUNART METACOGNITION PARALLAX LEARNING}

본 발명은'추상화를 통해 배우는 인문학'인 패럴랙스 인문아트의 자기주도 학습 시스템에 관한 것으로, 더욱 상세하게는 패럴랙스 인문아트를 통해 학습한 추상화와 인문학의 내용을 정확하게 인지했는지 학습자가 스스로 판단하고 수정하며 장기 기억할 있도록 이미지 연상학습을 통한 메타인지(METACOGNITION) 이론으로 동작하는 학습 시스템에 관한 것이다.The present invention relates to a self-directed learning system of parallax humanities art, which is 'humanities learned through abstraction', and more specifically, learners judge themselves whether they correctly recognize the contents of abstractions and humanities learned through parallax humanities art. It relates to a learning system that operates on the theory of metacognition (METACOGNITION) through image association learning so that it can be modified and long-term memory.

패럴랙스 인문아트는 인문학을 추상화로 표현하고 추상화를 예를 들어 3,6,9조각으로 구분하여 각 조각마다 핵심적인 문장으로 정리 및 학습하도록 고안되었다. 패럴랙스 인문아트의 각 그림이 표현하는 인문학의 내용을 자신이 정확히 알고 있는지를 인지하고 능동적으로 학습할 수 있도록 하기 위해, 본 발명이 되는 기술인 메타인지 학습법은 매우 중요한 학습법이라고 할 수 있다. 메타인지는 자신의 인지 과정과 관련된 지식과 인지적인 목적과 자료를 관련시켜 능동적으로 자기를 점검/조절하는 과정을 일컫는다. 학습자가 메타인지의 바탕에서 자신이 무엇을 알고 있는지 또는 무엇을 모르는지를 인지하면서 학습할 경우 결국 자기주도적 학습으로 이어지고, 따라서 학습 동기 및 학습 성취도를 향상시킬 수 있다는 것이 여러 실험들을 통해 증명된 바 있다.Parallax Human Art is designed to express humanities as abstraction and to divide and abstract abstraction into 3, 6, and 9 pieces, for example, to arrange and learn the essential sentences for each piece. The metacognitive learning method, which is the technology of the present invention, is a very important learning method in order to be able to recognize and actively learn the contents of the humanities represented by each picture of the parallax human art. Metacognition refers to the process of actively checking and controlling self by relating knowledge related to cognitive process with cognitive purpose and data. It has been proven through experiments that learners who learn based on metacognition know what they do or don't know, which leads to self-directed learning, thus improving their learning motivation and learning achievement. .

한편, 과학, 사물, 인간의 삶에 관련된 모든 영역에 근본적인 정의를 추구하는 인문학은, 발전하는 현대 사회에서 과거에 비해 그 관심이 빠르게 확산되고 있으며, 가치관 정립에 매우 중요한 하나의 기준이 되고 있다. On the other hand, humanities pursuing fundamental justice in all areas related to science, things, and human life are spreading more rapidly than in the past in the developing modern society, and are becoming a very important criterion for establishing values.

패럴랙스 인문아트는 각 그림이 표현하는 인문학의 내용을 문장으로 표현하고, 그 문장을 정확하게 이해하였는지를 판단하기 위하여 메타인지 학습법을 이용하는데 그 방법은 문장을 반복하여 이해하고 표현하도록 하는 방법, 그림을 칠교조각을 이용하여 각 문장에 맞도록 재구성하는 방법, 그리고 보이스로 표현, 반복하는 과정을 포함할 수 있다. 따라서, 인간의 사고가 본질적으로 수반되는 인문학이야말로 메타인지를 통한 학습이 적합할 수 있다.Parallax Human Art uses metacognitive learning to express the contents of the humanities represented by each picture in sentences, and to determine whether the sentences are understood correctly. It may include a method of reconstructing each sentence using the seven pieces, and expressing and repeating the voice. Therefore, learning through metacognition may be appropriate for the humanities in which human thinking is inherently involved.

본 발명의 배경이 되는 패럴랙스 인문아트는, 텍스트로 구성되어 있는 인문학 한 권을 내용에 따라 예를 들어 총 30개의 과로 나누고, 한 과를 하나의 추상화로 표현하고, 한 추상화를 예를 들어 3,6,9조각으로 구분하여 각 그림 조각마다 하나의 핵심적인 문장으로 정리 및 학습하도록 고안되었다. 각 그림이 표현하는 인문학의 내용을 정확하게 이해하였는지를 판단하기 위해서는 각 조각 그림이 표현하는 바가 무엇인지를 문장으로 정확하게 표현할 수 있어야 하고, 학습자가 그것을 정확하게 표현하였는지를 시스템이 판단할 수 있도록 하기 위해서 본 발명에서 제시하는 메타인지 학습을 위한 시스템이 매우 중요하다 하겠다. 본 발명의 실시 예는 인문아트 메타인지 패럴랙스 학습을 위한 시스템, 시스템의 동작 방법, 프로그램, 및 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체를 제공하는 데 있다.Parallax Human Art, which is the background of the present invention, divides a humanities volume consisting of text into 30 lessons according to its contents, for example, expresses a lesson as an abstraction, and an abstraction as an example. It is designed to organize and learn as one core sentence for each piece of picture divided into 6, 9 pieces. In order to determine whether or not the content of the humanities represented by each picture is accurately understood, it should be possible to accurately express what each piece represents in the sentence, and in order to allow the system to determine whether the learner correctly expressed it in the present invention. The system for metacognitive learning presented is very important. An embodiment of the present invention is to provide a system for learning human art metacognition parallax, a method of operating the system, a program, and a computer-readable medium on which the program is recorded.

본 발명의 실시 예에 따른, 이미지 연상학습을 통한 인문아트 메타인지 패럴랙스 학습 시스템은 학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문을 생성하도록 구성된 학습 단문 처리부; 상기 학습 단문에 관한 학습 정보를 학습자 단말기로 출력함으로써 학습 단계를 진행하도록 구성된 학습 단계 진행부; 및 상기 학습자 단말기로 상기 학습 단문에 대한 평가 문제를 전송하고, 상기 학습자 단말기를 통해 수신한 입력 단문에 대해 평가 단계를 진행하도록 구성된 평가 단계 진행부를 포함하되, 상기 평가 단계 진행부는 상기 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성하도록 구성된 입력 단문 양자화부; 상기 양자화된 입력 단문과 상기 양자화된 학습 단문에서 동일한 문장 성분의 어절들을 서로 비교함으로써 재학습 정보를 생성하도록 구성된 비교부; 및 상기 재학습 질문 테이블에서 상기 재학습 정보에 대응하는 재학습 질문을 리드하여 상기 학습자 단말기로 전송함으로써 재학습 단계를 진행하도록 구성된 피드백부를 포함할 수 있다.According to an exemplary embodiment of the present disclosure, a human art metacognition parallax learning system through image association learning may include: a learning short sentence processor configured to generate a quantized learning short sentence by dividing a learning short sentence into words and determining a sentence component of each word; A learning step progress unit configured to proceed with the learning step by outputting learning information about the learning short message to a learner terminal; And an evaluating step progressing unit configured to transmit an evaluation problem for the learning short message to the learner terminal, and to perform an evaluating step for the input short text received through the learner terminal, wherein the evaluating step progressing unit is a word word. An input short quantization unit configured to generate a quantized input short sentence by dividing into multiple lines and determining a sentence component of each word; A comparator configured to generate re-learning information by comparing words of the same sentence component with each other in the quantized input short sentence and the quantized learning short sentence; And a feedback unit configured to proceed with the relearning step by reading the relearning question corresponding to the relearning information from the relearning question table and transmitting the relearning question to the learner terminal.

본 발명의 실시 예에 따른, 이미지 연상학습을 통한 인문아트 메타인지 패럴랙스 학습 시스템의 동작 방법은 학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문을 생성하는 단계; 상기 학습 단문에 관한 학습 정보를 학습자 단말기로 출력함으로써 학습 단계를 진행하는 단계; 및 상기 학습자 단말기로 상기 학습 단문에 대한 평가 문제를 전송하고, 상기 학습자 단말기를 통해 수신한 입력 단문에 대해 평가 단계를 진행하는 단계를 포함하되, 상기 평가 단계를 진행하는 단계는, 상기 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성하는 단계; 상기 양자화된 입력 단문을 상기 양자화된 학습 단문과 비교하여 재학습 정보를 생성하는 단계; 및 상기 재학습 질문 테이블에서 상기 재학습 정보에 대응하는 재학습 질문을 리드하여 상기 학습자 단말기로 전송함으로써 재학습 단계를 진행하는 단계를 포함할 수 있다.According to an embodiment of the present invention, an operation method of a human art metacognition parallax learning system through image association learning may include: dividing a learning short sentence into words and determining a sentence component of each word to generate a quantized learning short text; Proceeding with a learning step by outputting learning information about the learning short message to a learner terminal; And transmitting an evaluation problem for the learning short message to the learner terminal, and performing an evaluation step on the input short text received through the learner terminal, wherein the evaluating step includes: Dividing into words and determining a sentence component of each word to generate a quantized input short sentence; Generating re-learning information by comparing the quantized input short with the quantized learning short; And reading a relearning question corresponding to the relearning information from the relearning question table and transmitting the relearning question to the learner terminal.

본 발명의 실시 예에 따른, 이미지 연상학습을 통한 인문아트 메타인지 패럴랙스 학습 시스템으로 하여금 실행시키기 위해 매체에 저장되는 인문아트 메타인지 패럴랙스 학습 프로그램은 학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문을 생성하는 단계; 상기 학습 단문에 관한 학습 정보를 학습자 단말기로 출력함으로써 학습 단계를 진행하는 단계; 및 상기 학습자 단말기로 상기 학습 단문에 대한 평가 문제를 전송하고, 상기 학습자 단말기를 통해 수신한 입력 단문에 대해 평가 단계를 진행하는 단계를 인문아트 메타인지 패럴랙스 학습 시스템으로 하여금 실행시키기 위해 매체에 저장되되, 상기 평가 단계를 진행하는 단계는, 상기 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성하는 단계; 상기 양자화된 입력 단문을 상기 양자화된 학습 단문과 비교하여 재학습 정보를 생성하는 단계; 및 상기 재학습 질문 테이블에서 상기 재학습 정보에 대응하는 재학습 질문을 리드하여 상기 학습자 단말기로 전송함으로써 재학습 단계를 진행하는 단계를 포함할 수 있다.According to an exemplary embodiment of the present invention, a human art metacognition parallax learning program stored in a medium for execution by the human art metacognition parallax learning system through image association learning divides a learning short phrase into words, Determining a sentence component to generate a quantized learning short sentence; Proceeding with a learning step by outputting learning information about the learning short message to a learner terminal; And transmitting the evaluation problem to the learner terminal to the learner terminal and performing an evaluation step on the input short message received through the learner terminal in a medium for the human art metacognition parallax learning system to execute. The step of performing the evaluation may include: dividing the input short sentence into words and determining a sentence component of each word to generate a quantized input short text; Generating re-learning information by comparing the quantized input short with the quantized learning short; And reading a relearning question corresponding to the relearning information from the relearning question table and transmitting the relearning question to the learner terminal.

본 발명의 실시 예에 따른, 이미지 연상학습을 통한 인문아트 메타인지 패럴랙스 학습 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체는 학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문을 생성하는 학습 단문 처리 수단; 상기 학습 단문에 관한 학습 정보를 학습자 단말기로 출력함으로써 학습 단계를 진행하는 학습 단계 진행 수단; 및 상기 학습자 단말기로 상기 학습 단문에 대한 평가 문제를 전송하고, 상기 학습자 단말기를 통해 수신한 입력 단문에 대해 평가 단계를 진행하는 평가 단계 진행 수단으로서 학습 시스템으로 하여금 기능시키기 위한 인문아트 메타인지 패럴랙스 학습 프로그램을 기록하되, 상기 평가 단계 진행 수단은 상기 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성하고, 상기 양자화된 입력 단문을 상기 양자화된 학습 단문과 비교하여 재학습 정보를 생성하고, 상기 재학습 질문 테이블에서 상기 재학습 정보에 대응하는 재학습 질문을 리드하여 상기 학습자 단말기로 전송함으로써 재학습 단계를 진행할 수 있다.According to an embodiment of the present invention, a computer-readable medium that records a human art metacognition parallax learning program through image association learning divides a learning sentence into words and determines a sentence component of each word to quantize the learning short text. Learning shorthand processing means for generating a message; Learning step progress means for progressing the learning step by outputting learning information about the learning short message to a learner terminal; And a human art art cognitive parallax for transmitting an evaluation problem for the learning short message to the learner terminal and performing the evaluation step on the input short text received through the learner terminal. A learning program is recorded, wherein the evaluating step progressing means divides the input short sentence into words, determines a sentence component of each word, generates a quantized input short sentence, and compares the quantized input short sentence with the quantized learning short sentence. Re-learning information may be generated, and the re-learning step may be transmitted by reading the re-learning question corresponding to the re-learning information from the re-learning question table and transmitting the re-learning question to the learner terminal.

본 발명의 실시 예에 따른 시스템, 시스템의 동작 방법, 프로그램, 및 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체는 학습자의 이미지 연상학습을 통한 메타인지 학습을 지원할 수 있다.A system, a method of operating the system, a program, and a computer-readable medium recording a program according to an embodiment of the present invention may support metacognitive learning through learner's image association learning.

도1은 본 발명의 실시 예에 따른 메타인지 학습 시스템을 간략하게 도시한 블록도,
도2는 본 발명의 실시 예에 따른 학습 단문을 설명하기 위한 도면,
도3은 본 발명의 실시 예에 따라 도1의 학습 단문 처리부의 동작 방법을 예시적으로 설명하기 위한 도면,
도4는 본 발명의 실시 예에 따라 도1의 학습 단계 진행부가 학습자 단말기로 학습 정보를 전송하는 방법을 예시적으로 설명하기 위한 도면,
도5는 본 발명의 실시 예에 따라 도1의 평가 단계 진행부가 학습자 단말기로 평가 문제를 전송하는 방법을 예시적으로 설명하기 위한 도면,
도6은 본 발명의 실시 예에 따라 도1의 평가 단계 진행부의 양자화부의 동작 방법을 예시적으로 설명하기 위한 도면,
도7은 본 발명의 실시 예에 따라 도1의 평가 단계 진행부의 비교부의 동작 방법을 예시적으로 설명하기 위한 도면,
도8은 본 발명의 실시 예에 따라 도1의 평가 단계 진행부의 비교부의 동작 방법을 예시적으로 설명하기 위한 도면,
도9는 본 발명의 실시 예에 따라 도1의 평가 단계 진행부의 피드백부의 동작 방법을 예시적으로 설명하기 위한 도면,
도10은 본 발명의 실시 예에 따른 메타인지 학습 시스템을 간략하게 도시한 블록도,
도11은 본 발명의 실시 예에 따라 도10의 학습 단문 처리부의 트리부의 동작 방법을 예시적으로 설명하기 위한 도면,
도12는 본 발명의 실시 예에 따라 도10의 평가 단계 진행부의 트리부 및 비교부의 동작 방법을 예시적으로 설명하기 위한 도면,
도13은 본 발명의 실시 예에 따라 도10의 평가 단계 진행부의 비교부의 동작 방법을 예시적으로 설명하기 위한 도면이다.
1 is a block diagram schematically illustrating a metacognitive learning system according to an embodiment of the present invention;
2 is a view for explaining a learning short text according to an embodiment of the present invention;
3 is a view for explaining an operation method of the learning short processing unit of FIG. 1 according to an embodiment of the present invention;
FIG. 4 is a diagram for explaining a method of transmitting learning information to a learner terminal by a learning step progress unit of FIG. 1 according to an embodiment of the present disclosure; FIG.
FIG. 5 is a diagram for explaining a method of transmitting an evaluation problem to a learner terminal by the evaluation step progress unit of FIG. 1 according to an embodiment of the present disclosure; FIG.
6 is a view for explaining an operation method of the quantization unit of the evaluation step progression of FIG. 1 according to an embodiment of the present invention;
7 is a view for explaining an operation method of the comparison unit of the evaluation step progression of FIG. 1 according to an embodiment of the present invention;
8 is a view for explaining an operation method of the comparison unit of the evaluation step progression of FIG. 1 according to an embodiment of the present invention;
9 is a view for explaining an operation method of the feedback unit of the evaluation step progression of Figure 1 according to an embodiment of the present invention;
10 is a block diagram schematically illustrating a metacognitive learning system according to an embodiment of the present invention;
FIG. 11 is a diagram for explaining a method of operating a tree unit of the learning shorthand processor of FIG. 10 according to an embodiment of the present disclosure; FIG.
FIG. 12 is a diagram for exemplarily describing a method of operating a tree unit and a comparison unit of the evaluation step progress unit of FIG. 10, according to an embodiment of the present disclosure; FIG.
FIG. 13 is a diagram for describing an operation method of a comparison unit of an evaluation step progressing unit of FIG. 10 according to an embodiment of the present disclosure.

본 발명의 이점 및 특징, 그리고 그것을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 통해 설명될 것이다. 그러나 본 발명은 여기에서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 단지, 본 실시 예들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 기술적 사상을 용이하게 실시할 수 있을 정도로 상세히 설명하기 위하여 제공되는 것이다.Advantages and features of the present invention, and methods for achieving the same will be described in detail with reference to the accompanying drawings. However, the present invention is not limited to the embodiments described herein and may be embodied in other forms. However, the present embodiments are provided to explain in detail enough to easily implement the technical idea of the present invention to those skilled in the art.

도면들에 있어서, 본 발명의 실시 예들은 도시된 특정 형태로 제한되는 것이 아니며 명확성을 기하기 위하여 과장된 것이다. 본 명세서에서 특정한 용어들이 사용되었으나. 이는 본 발명을 설명하기 위한 목적에서 사용된 것이며, 의미 한정이나 특허 청구 범위에 기재된 본 발명의 권리 범위를 제한하기 위하여 사용된 것은 아니다.In the drawings, the embodiments of the present invention are not limited to the specific forms shown, but are exaggerated for clarity. Although specific terms are used herein. It is used for the purpose of illustrating the invention, and is not intended to limit the scope of the invention as described in the meaning limitations or claims.

본 명세서에서 '및/또는'이란 표현은 전후에 나열된 구성요소들 중 적어도 하나를 포함하는 의미로 사용된다. 또한, '연결되는/결합되는'이란 표현은 다른 구성 요소와 직접적으로 연결되거나 다른 구성 요소를 통해서 간접적으로 연결되는 것을 포함하는 의미로 사용된다. 본 명세서에서 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 또한, 명세서에서 사용되는 '포함한다' 또는 '포함하는'으로 언급된 구성 요소, 단계, 동작 및 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및 소자의 존재 또는 추가를 의미한다.The expression 'and / or' is used herein to mean at least one of the components listed before and after. In addition, the expression 'connected / combined' is used in the sense of including directly connected to or indirectly connected to other components. In this specification, the singular forms also include the plural unless specifically stated otherwise in the phrases. Also, as used herein, components, steps, operations, and elements referred to as 'comprising' or 'comprising' refer to the presence or addition of one or more other components, steps, operations, and elements.

이하, 도면들을 참조하여 본 발명의 실시 예에 대해 상세히 설명하기로 한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.

도1은 본 발명의 실시 예에 따른 인문아트 메타인지 패럴랙스 학습 시스템(40)(이하, 학습 시스템)을 간략하게 도시한 블록도이다. 도1은 설명을 위해 학습 시스템(10)과 통신망을 통해 통신하는 학습자 단말기(20) 및 관리자 단말기(30)도 함께 도시한다.1 is a block diagram schematically illustrating a human art metacognition parallax learning system 40 (hereinafter, referred to as a learning system) according to an exemplary embodiment of the present invention. FIG. 1 also shows a learner terminal 20 and a manager terminal 30 communicating with the learning system 10 via a communication network for explanation.

도1을 참조하면, 학습 시스템(10)은 학습 단문 처리부(100), 프로세서(200), 및 스토리지(300)를 포함할 수 있다.Referring to FIG. 1, the learning system 10 may include a learning short processor 100, a processor 200, and a storage 300.

학습 단문 처리부(100)는 관리자 단말기(30)로부터 적어도 하나의 학습 단문을 수신하고, 양자화된 학습 단문(330)을 생성하여 스토리지(300)에 저장할 수 있다. 학습 단문은 메타인지 학습 단위인 단문으로 학습 내용이 분할된 것일 수 있다. 학습 단문은 완전한 문장으로 구성될 수 있다. 관리자는 학습 내용을 복수의 학습 단문들로 분할하여 관리자 단말기(30)로 순차적으로 입력할 수 있다. The learning short processor 100 may receive at least one learning short message from the manager terminal 30, generate the quantized learning short text 330, and store the quantized learning short text 330 in the storage 300. The learning short may be a learning content divided into shorts that are metacognitive learning units. Learning shorts can consist of complete sentences. The manager may divide the learning content into a plurality of learning short sentences and sequentially input the learning content into the manager terminal 30.

학습 단문 처리부(100)는 양자화부(110) 및 배점부(120)를 포함할 수 있다. The learning short processing unit 100 may include a quantization unit 110 and a distribution unit 120.

양자화부(110)는 각 학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문(330)을 생성하고 스토리지(300)에 저장될 수 있다. 학습 단문마다 양자화된 학습 단문(330)이 생성될 수 있다. 양자화된 학습 단문(330)은 학습 단문을 구성하는 어절들과 그에 대응하는 문장 성분들에 대한 정보를 포함할 수 있다. The quantization unit 110 may divide each learning sentence into words, determine a sentence component of each word, generate a quantized learning sentence 330, and may be stored in the storage 300. A quantized learning sentence 330 may be generated for each learning sentence. The quantized learning sentence 330 may include information about words constituting the learning sentence and sentence components corresponding thereto.

어절 단위는 띄어쓰기 단위와 일치할 수 있다. 문장 성분은 주어, 목적어, 보어, 관형어, 부사어, 서술어, 및 독립어를 포함할 수 있지만, 본 발명은 이에 제한되는 것은 아니다. The word unit may match the spacing unit. Sentence components may include subjects, objects, bores, tubular words, adverbs, predicates, and independent words, but the present invention is not limited thereto.

예시적으로, 양자화부(110)가 학습 단문에서 각 어절의 문장 성분을 판단하는 기준을 설명하면 다음과 같다.For example, when the quantization unit 110 describes a criterion for determining the sentence component of each word in the learning short sentence, it is as follows.

양자화부(110)는 학습 단문에서 어절의 위치에 근거하여 서술어를 판단할 수 있다. 즉, 양자화부(110)는 학습 단문에서 가장 마지막 어절을 서술어로 판단할 수 있다.The quantization unit 110 may determine the predicate based on the position of the word in the learning short sentence. That is, the quantization unit 110 may determine the last word in the short sentence as the descriptor.

양자화부(110)는 각 어절의 조사를 주어 조사 샘플들과 비교함으로써 주어를 판단할 수 있다. 예를 들어, 주어 조사 샘플들은 "이/가/께서/은/는" 등을 포함할 수 있다. 양자화부(110)는 각 어절의 조사가 주어 조사 샘플들 중 어느 하나와 일치할 때, 해당 어절을 주어로 판단할 수 있다. 한편, 도1은 양자화부(110)가 사용하는 샘플들을 별도로 도시하지 않지만, 이하 사용되는 샘플들은 스토리지(300), 학습 단문 처리부(100) 또는 별도 메모리에 저장되고 사용될 수 있다.The quantization unit 110 may determine a subject by comparing each word with a survey sample. For example, subject survey samples may include "this /" / "/", and the like. The quantization unit 110 may determine that the word is given when the word of the word matches the one of the samples. Although FIG. 1 does not separately illustrate the samples used by the quantization unit 110, the samples used below may be stored and used in the storage 300, the learning short processing unit 100, or a separate memory.

양자화부(110)는 각 어절의 조사를 목적어 조사 샘플들과 비교함으로써 목적어를 판단할 수 있다. 예를 들어, 목적어 조사 샘플들은 "을/를" 등을 포함할 수 있다. 양자화부(110)는 각 어절의 조사가 목적어 조사 샘플들 중 어느 하나와 일치할 때, 해당 어절을 목적어로 판단할 수 있다. The quantization unit 110 may determine the object by comparing each word search with the object survey samples. For example, the object survey samples may include "," and the like. The quantization unit 110 may determine the word as a target when the search of each word matches any one of the object search samples.

양자화부(110)는 각 어절의 조사를 보어 조사 샘플들과 비교함으로써 보어를 판단할 수 있다. 예를 들어, 보어 조사 샘플들은 "이/가/은/는/도/만" 등을 포함할 수 있다. 양자화부(110)는 각 어절의 조사가 보어 조사 샘플들 중 어느 하나와 일치할 때, 해당 어절을 보어로 판단할 수 있다. 한편, 보어의 조사는 주어의 조사와 일부 일치할 수 있다. 따라서, 양자화부(110)는 학습 단문에서 최소 어절부터 주어 조사 샘플들과 비교를 시작하여 일단 주어를 결정한 뒤, 나머지 어절들은 보어 조사 샘플들과만 비교하여 보어를 판단하는 것으로 규칙을 정할 수 있다.The quantization unit 110 may determine the bore by comparing each word survey with bore survey samples. For example, bore survey samples may include “this / ga / silver / degree / only /” and the like. The quantization unit 110 may determine the word as a bore when the search for each word matches any one of the bore survey samples. On the other hand, Bohr's survey may be partially consistent with the subject's survey. Accordingly, the quantization unit 110 may determine the rule by starting the comparison with the subject survey samples starting from the minimum word in the learning short sentence and determining the subject by comparing the remaining words with only the Bohr survey samples. .

양자화부(110)는 각 어절의 조사를 부사어 조사 샘플들과 비교하거나, 각 어절을 접속사 샘플들 및 부사 샘플들과 비교함으로써 부사어를 판단할 수 있다. 예를 들어, 부사어 조사 샘플들은 "에/에게/에서/와/과/로/부터/까지" 등을 포함할 수 있다. 양자화부(110)는 각 어절의 조사가 부사어 조사 샘플들 중 어느 하나와 일치하거나, 각 어절이 접속사 샘플들 및 부사 샘플들 중 어느 하나와 일치할 때, 해당 어절을 부사어로 판단할 수 있다. The quantization unit 110 may determine an adverb by comparing each word search with adverb investigation samples or by comparing each word with conjunction words and adverb samples. For example, adverb search samples may include “to / from / to / and / and / to / to / to” and the like. The quantization unit 110 may determine the word as an adverb when the search of each word coincides with any one of the adverb search samples or when each word coincides with any of the conjunction samples and the adverb samples.

양자화부(110)는 각 어절의 조사를 독립어 조사 샘플들과 비교하거나, 각 어절을 감탄사 샘플들과 비교함으로써 독립어를 판단할 수 있다. 예를 들어, 독립어 조사 샘플들은 "아/야" 등을 포함할 수 있다. 양자화부(110)는 각 어절의 조사가 독립어 조사 샘플들 중 어느 하나와 일치하거나, 각 어절이 감탄사 샘플들 중 어느 하나와 일치할 때, 해당 어절을 독립어로 판단할 수 있다. The quantization unit 110 may determine the independent word by comparing each word search with independent word search samples or comparing each word with interjection samples. For example, standalone survey samples may include "A / Ya" and the like. The quantization unit 110 may determine the word as an independent word when the search of each word matches any one of the independent word samples, or when each word matches any of the interjection samples.

양자화부(110)는 각 어절의 조사를 관형어 조사 샘플들과 비교함으로써 부사어를 판단할 수 있다. 예를 들어, 관형어 조사 샘플들은 "의" 등을 포함할 수 있다. 양자화부(110)는 각 어절의 조사가 관형어 조사 샘플들 중 어느 하나와 일치할 때, 해당 어절을 관형어로 판단할 수 있다. 또는 양자화부(110)는 다른 문장 성분, 즉, 서술어, 주어, 목적어, 보어, 부사어 또는 독립어로 판단되지 못하고 남은 어절을 관형어로 판단할 수 있다.The quantization unit 110 may determine the adverbs by comparing each word survey with the tubular word samples. For example, tubular survey samples may include “of” and the like. The quantization unit 110 may determine the word as a tubular word when the search of each word matches any one of the tubular word samples. Alternatively, the quantization unit 110 may determine a remaining word that is not determined as another sentence component, that is, a predicate, a subject, an object, a bore, an adverb, or an independent word, as a tubular word.

배점부(120)는 양자화된 학습 단문의 어절들에 점수를 배점하여 배점 정보(340)를 생성하고 스토리지(300)에 저장할 수 있다. 배점부(120)는 문장 성분의 종류에 따라 어절들에 배점할 수 있다. 배점부(120)는, 예를 들어, 주어, 목적어, 또는 보어로 판단된 어절에 높은 점수를 배점하고, 기타 문장 성분의 어절에 그보다 낮은 점수를 배점할 수 있다. The scoring unit 120 may generate score information 340 and store the score in the words of the quantized learning short words and store the same in the storage 300. The scoring unit 120 may score the words according to the type of sentence component. For example, the scoring unit 120 may score a high score in a word determined as a subject, an object, or a bore, and score a lower score in a word of another sentence component.

실시 예에 따라, 배점부(120)는 양자화된 학습 단문을 관리자 단말기(30)로 출력하고, 관리자가 양자화된 학습 단문에 직접 배점하여 생성한 배점 정보를 관리자 단말기(30)로부터 수신하여 스토리지(300)에 저장할 수 있다.According to an embodiment, the distribution unit 120 outputs the quantized learning short to the manager terminal 30, and receives the distribution information generated by the manager directly distributed to the quantized learning short from the manager terminal 30 to receive the storage ( 300).

프로세서(200)는 제어부(210), 학습 단계 진행부(220), 및 평가 단계 진행부(230)를 포함할 수 있다. The processor 200 may include a control unit 210, a learning step progress unit 220, and an evaluation step progress unit 230.

제어부(210)는 학습자 단말기(20)와 통신하고 학습 단계 진행부(220), 및 평가 단계 진행부(230)의 전반적인 동작을 제어함으로써, 메타인지 학습 프로세스를 진행할 수 있다. 제어부(210)는 각 학습 단문에 대해 학습 단계와 평가 단계로 구성된 학습 프로세스를 진행/스케쥴링할 수 있다. 제어부(210)는 학습 프로세스의 진행 경과를 학습 기록(310)으로서 스토리지(300)에 저장할 수 있다.The controller 210 may proceed with the metacognition learning process by communicating with the learner terminal 20 and controlling overall operations of the learning step progressing unit 220 and the evaluation step progressing unit 230. The controller 210 may proceed / schedule a learning process consisting of a learning step and an evaluation step for each learning short sentence. The controller 210 may store the progress of the learning process as the learning record 310 in the storage 300.

제어부(210)는 한번에 하나의 학습 단문에 대해서만 학습 프로세스를 진행하거나, 동시에 복수의 학습 단문들에 대해서 학습 프로세스를 진행할 수 있다. 예를 들어, 한번에 하나의 학습 단문에 대해서만 학습 프로세스를 진행할 때, 제어부(210)는, 학습자가 현재 학습 단문에 대해 학습을 완료한 것으로 판단되면, 즉, 현재 학습 단문에 대해 학습 단계 및 평가 단계를 패스하면, 그 다음 학습 단문에 대해 학습 단계를 진행할 수 있다. 다른 예로서, 동시에 복수의 학습 단문들에 대해서 학습 프로세스를 진행하는 것은, 복수의 학습 단문들에 대해 학습 단계가 각각 진행된 뒤, 해당 학습 단문들에 대한 평가 단계가 각각 진행되는 것을 의미할 수 있다. 즉, 본 발명은 어떤 학습 단문에 대한 학습 단계와 평가 단계가 연속적이어야 하는 것으로 제한하지 않는다.The controller 210 may proceed with the learning process for only one learning short at a time, or may simultaneously perform the learning process for a plurality of learning short words. For example, when proceeding with the learning process for only one learning short at a time, the controller 210 determines that the learner has completed the learning for the current learning short, that is, the learning step and the evaluation step for the current learning short. If you pass, you can proceed to the learning phase for the next learning short. As another example, the progress of the learning process on the plurality of learning sentences at the same time may mean that the learning step is performed on each of the plurality of learning sentences, and then the evaluation step on the corresponding learning sentences is performed. . In other words, the present invention is not limited to the fact that the learning and evaluation steps for a learning short are to be continuous.

또한, 제어부(210)는 학습자 단말기(20)로부터 수신한 학습 단문 선택 신호에 응답하여 학습 프로세스를 진행할 학습 단문을 결정할 수 있다. 또한, 제어부(210)는 스토리지(300)에 저장된 지난 학습 기록(310)을 리드하여, 학습 프로세스를 진행할 학습 단문을 결정할 수 있다.In addition, the controller 210 may determine the learning short text to proceed with the learning process in response to the learning short text selection signal received from the learner terminal 20. In addition, the controller 210 may read the last learning record 310 stored in the storage 300 to determine a learning short text to proceed with the learning process.

제어부(210)는 상기와 같은 방법으로 학습 단계를 진행할 학습 단문을 학습 단계 진행부(220)에게 알려주고, 평가 단계를 진행할 학습 단문을 평가 단계 진행부(230)에게 알려줄 수 있다. 이하 동작 설명은 임의의 학습 단문, 이하 타겟 학습 단문에 대한 학습 단계 진행부(220), 및 평가 단계 진행부(230)의 동작 방법이 설명될 것이다. The controller 210 may inform the learning step progress unit 220 of the learning short text to proceed with the learning step and inform the evaluation step progress unit 230 of the learning short text to proceed with the evaluation step. In the following description of the operation, a method of operating the learning step progress unit 220 and the evaluation step progress unit 230 will be described.

학습 단계 진행부(220)는 제어부(210)의 제어에 따라 타겟 학습 단문에 대한 학습 단계를 진행할 수 있다. 구체적으로 학습 단계 진행부(220)는 스토리지(300)로부터 타겟 학습 단문에 관련된 학습 정보(320)를 리드하여 학습자 단말기(20)로 출력할 수 있다. 학습 정보(320)는 타겟 학습 단문 및 타겟 학습 단문에 대한 보조 자료, 예를 들어, 그림, 사진, 음성, 및/또는 영상과, 그것에 대한 설명 텍스트 등을 포함할 수 있다. 학습자는 학습자 단말기(20)로 학습 정보를 수신하여 학습할 수 있다. The learning step progress unit 220 may proceed to the learning step for the target learning short sentence under the control of the controller 210. In more detail, the learning step progress unit 220 may read the learning information 320 related to the target learning short message from the storage 300 and output the learning information 320 to the learner terminal 20. The learning information 320 may include a target learning short and supplementary material for the target learning short, for example, a picture, a picture, a voice, and / or an image, and an explanation text thereof. The learner may learn by receiving learning information from the learner terminal 20.

평가 단계 진행부(230)는 제어부(210)의 제어에 따라 타겟 학습 단문에 대한 평가 단계를 진행할 수 있다. 구체적으로, 평가 단계 진행부(230)는 우선 학습자 단말기(20)로 타겟 학습 단문에 대한 평가 문제를 전송할 수 있다. 평가 문제는 학습자로 하여금 타겟 학습 단문을 직접 입력하도록 지시하는 문제일 수 있다. 평가 문제는 타겟 학습 단문에 대한 학습 정보에서 제시했던 보조 자료의 일부를 힌트로서 포함할 수 있다. 평가 단계 진행부(230)는 학습자가 평가 문제에 따라 학습자 단말기(20)를 통해 입력한 데이터를 입력 단문으로서 수신하여 본격적인 평가 단계를 진행할 수 있다. 이를 위해 평가 단계 진행부(230)는 양자화부(231), 비교부(232), 및 피드백부(233)를 포함할 수 있다. The evaluation step progress unit 230 may proceed with the evaluation step for the target learning short sentence under the control of the controller 210. In detail, the evaluation step progress unit 230 may first transmit an evaluation problem for the target learning short message to the learner terminal 20. The assessment problem may be a problem instructing the learner to directly enter the target learning short. The assessment problem may include a hint of some of the supporting material presented in the learning information for the target learning short. The evaluation step progress unit 230 may receive the data input by the learner through the learner terminal 20 as an input short message according to the evaluation problem, and proceed with a full evaluation step. To this end, the evaluation step progress unit 230 may include a quantization unit 231, a comparison unit 232, and a feedback unit 233.

양자화부(231)는 학습자 단말기(20)로부터 입력 단문을 수신하고, 입력 단문에 근거하여 양자화된 입력 단문을 생성하고 비교부(232)로 전송할 수 있다. 양자화부(231)는 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성할 수 있다. 양자화된 입력 단문은 입력 단문을 구성하는 어절들과 그에 대응하는 문장 성분들에 대한 정보를 포함할 수 있다. 즉, 양자화부(231)의 동작 방법은, 상술한 학습 단문 처리부(100)의 양자화부(110)의 동작과 실질적으로 유사하므로, 구체적인 설명이 생략될 것이다. The quantization unit 231 may receive an input short sentence from the learner terminal 20, generate a quantized input short sentence based on the input short sentence, and transmit the input short sentence to the comparator 232. The quantization unit 231 may generate an input short sentence by dividing an input short sentence into words and determining a sentence component of each word. The quantized input short sentence may include information on words constituting the input short sentence and sentence components corresponding thereto. That is, since the operation method of the quantization unit 231 is substantially similar to the operation of the quantization unit 110 of the learning short processing unit 100 described above, a detailed description thereof will be omitted.

비교부(232)는 스토리지(300)로부터 양자화된 학습 단문(330)을 리드하고, 양자화된 입력 단문을 양자화된 학습 단문과 비교하여 재학습 정보를 생성하고 피드백부(233)로 전송할 수 있다. 재학습 정보는 타겟 학습 단문에서 재학습이 필요한 내용들에 대한 정보를 포함할 수 있다. The comparator 232 may read the quantized learning short words 330 from the storage 300, compare the quantized input short words with the quantized learning short words, generate re-learning information, and transmit the re-learning information to the feedback part 233. The re-learning information may include information about contents that require re-learning in the target learning short sentence.

구체적으로 비교부(232)는 양자화된 입력 단문과 양자화된 학습 단문에서 동일한 문장 성분의 어절들을 서로 비교할 수 있다. 비교부(232)는 비교한 어절들이 상이할 때 타겟 학습 단문의 해당 어절에 대해 재학습이 필요하다고 결정할 수 있다. 이때, 비교부(232)는 어절들에서 조사를 제외한 체언들을 서로 비교할 수 있다. 즉, 동일한 문장 성분끼리 비교되므로 조사를 제외하고 비교할 수 있다. 한편, 비교한 어절들이 상이한 것으로 판단되는 경우는 양자화된 학습 단문의 어떤 어절이 양자화된 입력 단문에서 누락되었을 때도 포함할 수 있다.In detail, the comparator 232 may compare words of the same sentence component with each other in the quantized input short sentence and the quantized learning short sentence. The comparison unit 232 may determine that re-learning is required for the word of the target learning sentence when the compared words are different. At this time, the comparison unit 232 may compare the words other than the check in the words with each other. In other words, the same sentence components are compared, and thus can be compared except for investigation. On the other hand, the case in which the compared words are determined to be different may include when any word of the quantized learning short is missing from the quantized input short.

문장 성분 별로 살펴보면, 예시적으로 비교부(232)는 아래와 같은 비교 방법을 사용할 수 있다. Looking at each sentence component, for example, the comparison unit 232 may use the following comparison method.

양자화된 입력 단문과 양자화된 학습 단문의 서술어들, 목적어들, 부사어들, 또는 관형어들에 대해, 비교부(232)는 어절들에서 조사들을 제외한 체언들이나 어근들을 서로 비교할 수 있다. 만일 조사가 없는 경우 비교부(232)는 어절 자체로 비교할 수 있다.For the predicates, objects, adverbs, or tubular words of the quantized input short and the quantized learning short, the comparator 232 may compare words or roots except words in the words. If there is no investigation, the comparison unit 232 may compare the word itself.

양자화된 입력 단문과 양자화된 학습 단문의 주어들 및 보어들에 대해, 비교부(232)는 주어들 및 보어들에서 조사들을 제외한 체언들을 함께 비교할 수 있다. 이것은, 주어의 조사와 보어의 조사가 일부 동일하기 때문에, 양자화 과정에서 주어와 보어가 서로 뒤바뀌어 판단된 경우를 대비하기 위한 것이다.For the subjects and bores of the quantized input short and the quantized learning short, the comparator 232 may compare the statements together except for the surveys in the subjects and the bores. This is to prepare for the case where the subject and the bore are inverted and judged in the quantization process because the subject and the bore are partially the same.

실시 예에 따라, 비교부(232)는 양자화된 입력 단문과 양자화된 학습 단문에서 독립어, 부사어 중 접속사 또는 중요도가 낮은 것으로 기설정된 문장 성분은 비교에서 제외할 수 있다. 즉, 중요도가 낮은 문장 성분들이 미리 지정될 수 있고, 비교부(232)는 중요도가 낮은 문장 성분들의 적어도 일부의 불일치는 무시할 수 있다.According to an embodiment of the present disclosure, the comparator 232 may exclude a sentence component that is predetermined as a conjunction or a low importance among independent words and adverbs in the quantized input short text and the quantized learning short text. That is, sentence elements with low importance may be specified in advance, and the comparison unit 232 may ignore inconsistency of at least some of the sentence elements with low importance.

피드백부(233)는 비교부(232)로부터 재학습 정보를 수신하고, 스토리지(300)의 재학습 질문 테이블(350)에서 재학습 정보에 대응하는 재학습 질문을 리드하여 학습자 단말기(20)로 전송할 수 있다. 재학습 질문은 재학습 정보에 포함된 내용을 정답으로 유도하는 질문일 수 있다. 재학습 질문 테이블(350)은 타겟 학습 단문에 포함된 하나 이상의 어절들 각각에 대한 하나 이상의 재학습 질문들을 포함할 수 있다.The feedback unit 233 receives the re-learning information from the comparator 232, reads the re-learning question corresponding to the re-learning information from the re-learning question table 350 of the storage 300 to the learner terminal 20. Can transmit The relearning question may be a question that leads the correct answer to the content included in the relearning information. The relearning question table 350 may include one or more relearning questions for each of the one or more words included in the target learning short.

따라서, 학습자는 재학습 질문을 학습자 단말기(20)로 확인하고 답을 입력함으로써 이전에 오답으로 작성한 내용/누락한 내용을 재학습할 수 있다. 피드백부(233)는 재학습 질문에 대한 학습자의 답을 학습자 단말기(20)로부터 수신하여, 해당 답이 정답이 아닐 때, 동일한/다른 재학습 질문을 학습자 단말기(20)로 반복적으로 전송할 수 있다.Therefore, the learner can re-learn the content / missing content previously made by a wrong answer by checking the re-learning question with the learner terminal 20 and inputting an answer. The feedback unit 233 may receive the learner's answer to the relearning question from the learner terminal 20, and when the answer is not the correct answer, may repeatedly transmit the same / different relearning question to the learner terminal 20. .

또한, 피드백부(233)는 스토리지(300)로부터 배점 정보(340)를 리드하고, 재학습 정보 및 배점 정보에 근거하여 입력 단문의 점수를 계산하여 학습자 단말기(20)로 전송할 수 있다. 예를 들어, 피드백부(233)는 타겟 학습 단문에 대해 기설정된 만점에서 재학습 정보의 내용에 해당하는 점수를 차감하여 최종 점수를 계산할 수 있다.In addition, the feedback unit 233 may read the scoring information 340 from the storage 300, calculate the score of the input short sentence based on the re-learning information and the scoring information, and transmit the score to the learner terminal 20. For example, the feedback unit 233 may calculate a final score by subtracting a score corresponding to the content of the re-learning information from a preset perfect score for the target learning short sentence.

피드백부(233)는 재학습 정보 및 상기 재학습 단계에 근거하여 학습자가 타겟 학습 단문에 대한 평가 단계를 통과한 것으로 판단될 때, 제어부(210)로 이를 보고할 수 있다. 제어부(210)는 피드백부(233)의 보고에 응답하여 타겟 학습 단문에 대한 학습 프로세스를 완료한 것으로 학습 기록을 업데이트할 수 있다.The feedback unit 233 may report the result to the controller 210 when it is determined that the learner passes the evaluation step for the target learning short sentence based on the re-learning information and the re-learning step. The controller 210 may complete the learning process for the target learning short sentence in response to the report of the feedback unit 233 and update the learning record.

즉, 상술한 학습 프로세스의 일련의 과정은 학습자에게 메타인지로 작동하여 학습 효과를 극대할 수 있다. 학습자는 입력 단문을 직접 입력함으로써 적극적으로 학습에 참여하고, 자신이 무엇을 알고 무엇을 모르는지를 즉시 피드백받아 해당 내용을 보다 강렬하게 인지하여 기억할 수 있다. 본 발명은, 서술형 문장을 사람이 아닌 기계가 평가할 수 있는 기준을 제시한다. 특히, 본 발명은 서술형 문장을 한국어의 특징, 즉, 조사로 의미가 부여되는 점을 이용하여 평가하는 새롭고 진보한 방식을 도입한다. 결과적으로 본 발명은 컴퓨터를 이용한 학습에서 메타인지가 동작할 수 있는 범위를 확장시킬 수 있다.That is, the series of processes of the above-described learning process may operate as metacognition to the learner to maximize the learning effect. The learner can actively participate in the learning by directly inputting the input sentence, and immediately receive feedback on what he knows and don't know and can recognize and remember the content more intensely. The present invention provides criteria by which a machine, rather than a human, can evaluate a descriptive sentence. In particular, the present invention introduces a new and advanced way of evaluating descriptive sentences using the characteristics of Korean, i.e., meaning given to the search. As a result, the present invention can extend the range in which metacognition can operate in computer-based learning.

계속해서 도1을 참조하면, 스토리지(300)는 학습 기록(310), 학습 정보(320), 양자화된 학습 단문(330), 배점 정보(340), 및 재학습 질문 테이블(350)을 포함할 수 있다. With continued reference to FIG. 1, the storage 300 may include a learning record 310, learning information 320, quantized learning short words 330, scoring information 340, and a relearning question table 350. Can be.

스토리지(300)는 PCMCIA(Personal Computer Memory Card International Association) 카드, CF(Compact Flash) 카드, 스마트 미디어 카드, 메모리 스틱, 다양한 멀티 미디어 카드(MMC, eMMC, RS-MMC, MMC-micro), SD(Secure Digital) 카드(SD, Mini-SD, Micro-SD), UFS(Universal Flash Storage), SSD(Solid State Drive), 하드 디스크, 자기 디스크, 광디스크 또는 테이프 장치 등을 포함할 수 있다.The storage 300 includes personal computer memory card international association (PCMCIA) cards, compact flash (CF) cards, smart media cards, memory sticks, various multimedia cards (MMC, eMMC, RS-MMC, MMC-micro), SD ( Secure Digital (SD) cards (SD, Mini-SD, Micro-SD), universal flash storage (UFS), solid state drives (SSD), hard disks, magnetic disks, optical disks, or tape devices.

실시 예에 따라, 프로세서(200) 및 학습 단문 처리부(100)는 하드웨어, 소프트웨어 또는 펌웨어로 구현될 수있다. 프로세서(200) 및 학습 단문 처리부(100)가 동작하기 위해 실행하는 소프트웨어 또는 프로그램 코드는 미도시되었지만 스토리지(300)에 저장되고 실행을 위해 별도의 메모리로 로딩될 수 있다.According to an embodiment, the processor 200 and the learning short processor 100 may be implemented in hardware, software, or firmware. The software or program code executed by the processor 200 and the learning short processor 100 to operate may be stored in the storage 300 and loaded into a separate memory for execution.

실시 예에 따라, 학습 시스템(10)은 학습 단문 처리부(100)를 포함하지 않을 수 있다. 학습 단문 처리부(100)는 학습 시스템(10) 외부에서 양자화된 학습 단문 및 배점 정보를 생성할 수 있다. 학습 시스템(10)은 외부에서 학습 단문 처리부(100)에 의해 생성되거나 관리자에 의해 직접 생성된 양자화된 학습 단문 및 배점 정보를 관리자 단말기(30)를 통해 수신하여 스토리지(300)에 저장할 수 있다. According to an embodiment, the learning system 10 may not include the learning short processing unit 100. The learning short processing unit 100 may generate the learning short text and the distribution information quantized outside the learning system 10. The learning system 10 may receive the quantized learning short text and distribution information generated by the learning short text processing unit 100 or directly generated by the manager through the manager terminal 30 and store the information in the storage 300.

이하에서, 구체적인 실시 예를 통해 도1의 학습 시스템(10)의 동작 방법이 상세하게 설명될 것이다.Hereinafter, an operation method of the learning system 10 of FIG. 1 will be described in detail through specific embodiments.

도2는 본 발명의 실시 예에 따른 학습 단문을 설명하기 위한 도면이다. 2 is a view for explaining a learning short text according to an embodiment of the present invention.

도2를 참조하면, 학습 내용이 예시적으로 플라톤의 저서, "국가론"에서 발췌되었다. 학습 내용은 예시적으로 5개의 학습 단문들로 분할될 수 있다. 각 학습 단문은 하나의 서술어를 포함하는 완전한 문장 형태일 수 있다. 본 발명은 학습 프로세스를 단문의 단위로 진행함으로써 문장 성분 판단 및 오답 평가의 정확도를 높일 수 있다.Referring to FIG. 2, the contents of the study are exemplified in Plato's book, "National Theory." The learning content may be divided into five learning short sentences by way of example. Each learning sentence may be in the form of a complete sentence containing one predicate. The present invention can improve the accuracy of sentence component determination and incorrect answer evaluation by proceeding the learning process in a unit of short sentences.

한편, 학습 단문들 중 일부는 서로 대등하지 않고 연관 관계에 있을 수 있다. 예를 들어, 도2에서 학습 단문(S1) 및 학습 단문(S2)는 실질적으로 목적절과 주절의 관계에 있다. 반면에 학습 단문(S3) 내지 학습 단문(S5)는 서로 대등한 관계에 있다. 이러한 경우, 학습 프로세스는 연관 관계에 있는 학습 단문들에 대해 연속적으로 진행될 수 있다.On the other hand, some of the learning shorts may be related to each other without being equal. For example, in FIG. 2, the learning sentence S1 and the learning sentence S2 are substantially in the relationship between the object clause and the main clause. On the other hand, the learning sentence S3 to the learning sentence S5 have an equal relationship with each other. In this case, the learning process may proceed continuously for the associated learning shorts.

도3은 본 발명의 실시 예에 따라 도1의 학습 단문 처리부(100)의 동작 방법을 예시적으로 설명하기 위한 도면이다. 도3에서 학습 단문 처리부(100)의 동작은 도2의 학습 단문(S1)에 대해 예시적으로 설명될 것이다.FIG. 3 is a diagram for explaining an operation method of the learning short sentence processor 100 of FIG. 1 according to an exemplary embodiment of the present invention. An operation of the learning short sentence processor 100 in FIG. 3 will be exemplarily described with respect to the learning short sentence S1 of FIG. 2.

도3을 참조하면, 단계(S11)에서, 학습 단문 처리부(100)의 양자화부(110)는 관리자 단말기(30)로부터 수신된 학습 단문(S1)을 획득할 수 있다.Referring to FIG. 3, in step S11, the quantization unit 110 of the learning short processing unit 100 may acquire the learning short text S1 received from the manager terminal 30.

단계(S12)에서, 양자화부(110)는 학습 단문(S1)을 어절들로 분할할 수 있다. 어절 단위는 띄어쓰기 단위와 일치할 수 있다. In step S12, the quantization unit 110 may divide the learning short sentence S1 into words. The word unit may match the spacing unit.

단계(S13)에서, 양자화부(110)는 각 어절의 문장 성분을 판단할 수 있다. 각 어절은 주어, 목적어, 보어, 관형어, 부사어, 서술어, 및 독립어 중 어느 하나로 분류될 수 있다. 그 결과, 양자화된 학습 단문(QS1)은 학습 단문(S1)을 구성하는 어절들과 그에 대응하는 문장 성분들로 구성될 수 있다. 양자화된 학습 단문(QS1)은 스토리지(300)에 저장될 수 있다.In step S13, the quantization unit 110 may determine a sentence component of each word. Each word can be classified into one of subject, object, bore, tubular, adverb, predicate, and independent. As a result, the quantized learning sentence QS1 may be composed of words constituting the learning sentence S1 and sentence components corresponding thereto. The quantized learning short QS1 may be stored in the storage 300.

단계(S14)에서, 배점부(120)는 양자화된 학습 단문(QS1)의 어절들에 점수를 배점할 수 있다. 배점부(120)는 문장 성분의 종류에 따라 어절들에 배점할 수 있다. 또는 배점부(120)는 관리자가 양자화된 학습 단문(QS1)에 직접 배점하여 생성한 배점 정보를 관리자 단말기(30)로부터 수신할 수 있다. 도3은 양자화된 학습 단문(QS1)에 예시적으로 배점된 점수를 도시한다. 양자화된 학습 단문(QS1)에 대한 배점 정보는 스토리지(300)에 저장될 수 있다.In operation S14, the scoring unit 120 may score the scores of the words of the quantized learning short sentence QS1. The scoring unit 120 may score the words according to the type of sentence component. Alternatively, the scoring unit 120 may receive the scoring information generated by the manager directly scoring the quantized learning short QS1 from the manager terminal 30. FIG. 3 shows exemplary scores scored in quantized learning short QS1. Scoring information for the quantized learning short QS1 may be stored in the storage 300.

도4는 본 발명의 실시 예에 따라 도1의 학습 단계 진행부(220)가 학습자 단말기(20)로 학습 정보를 전송하는 방법을 예시적으로 설명하기 위한 도면이다. 도4에서 학습 단계 진행부(220)의 동작은 도2의 학습 단문(S1)에 대해 예시적으로 설명될 것이다.4 is a diagram for explaining a method of transmitting learning information to the learner terminal 20 by the learning step progress unit 220 of FIG. 1 according to an embodiment of the present disclosure. The operation of the learning step progress unit 220 in FIG. 4 will be exemplarily described for the learning short sentence S1 of FIG. 2.

도4를 참조하면, 학습 단계 진행부(220)는 학습 단문(S1)에 대한 학습 단계를 진행할 수 있다. 학습 단계 진행부(220)는 스토리지(300)로부터 학습 단문(S1)에 대한 학습 정보를 리드하여 학습자 단말기(20)로 출력할 수 있다. 학습 단문(S1)에 대한 학습 정보는, 예를 들어, 학습 단문(S1)과 관련된 그림과 학습 단문(S1)의 텍스트를 포함할 수 있다. 학습자는 학습자 단말기(20)로 학습 단문(S1)에 대한 학습 정보를 수신하여 학습 단문(S1)을 학습할 수 있다. Referring to FIG. 4, the learning step progress unit 220 may proceed to the learning step for the learning short sentence S1. The learning step progress unit 220 may read the learning information on the learning short sentence S1 from the storage 300 and output the learning information to the learner terminal 20. The learning information for the learning short sentence S1 may include, for example, a picture related to the learning short sentence S1 and the text of the learning short sentence S1. The learner may learn the learning short sentence S1 by receiving the learning information on the learning short sentence S1 through the learner terminal 20.

도5는 본 발명의 실시 예에 따라 도1의 평가 단계 진행부(230)가 학습자 단말기(20)로 평가 문제를 전송하는 방법을 예시적으로 설명하기 위한 도면이다. 도5에서 평가 단계 진행부(230)의 동작은 도2의 학습 단문(S1)에 대해 예시적으로 설명될 것이다.FIG. 5 is a diagram for explaining a method of transmitting an evaluation problem to the learner terminal 20 by the evaluation step progress unit 230 of FIG. 1 according to an embodiment of the present disclosure. The operation of the evaluation step progression unit 230 in FIG. 5 will be exemplarily described for the learning short sentence S1 of FIG. 2.

도5를 참조하면, 평가 단계 진행부(230)는 학습 단문(S1)에 대한 평가 단계를 진행할 수 있다. 평가 단계 진행부(230)는 학습자 단말기(20)로 학습 단문(S1)에 대한 평가 문제를 전송할 수 있다. 학습 단문(S1)에 대한 평가 문제는 학습자로 하여금 학습 단문(S1)을 직접 입력하도록 지시할 수 있다. 학습 단문(S1)에 대한 평가 문제는 학습 단문(S1)에 대한 학습 정보에서 제시했던 보조 자료의 일부를 힌트로서 포함할 수 있다.Referring to FIG. 5, the evaluation step progress unit 230 may proceed to the evaluation step for the learning short sentence S1. The evaluation step progress unit 230 may transmit an evaluation problem for the learning short sentence S1 to the learner terminal 20. The evaluation problem for the learning sentence S1 may direct the learner to enter the learning sentence S1 directly. The evaluation problem for the learning sentence S1 may include as a hint a portion of the supplementary material presented in the learning information for the learning sentence S1.

평가 단계 진행부(230)는 학습자가 학습 단문(S1)에 대한 평가 문제에 따라 학습자 단말기(20)를 통해 입력한 데이터를 입력 단문(A1)으로서 수신할 수 있다. 이하는, 입력 단문(A1)에 대해 평가 단계 진행부(230)의 평가 단계가 본격적으로 수행되는 방법이 설명될 것이다.The evaluation step progress unit 230 may receive the data input by the learner through the learner terminal 20 as the input short message A1 according to the evaluation problem of the learning short text S1. Hereinafter, the method in which the evaluation step of the evaluation step progressing unit 230 is performed in earnest with respect to the input short message A1 will be described.

도6은 본 발명의 실시 예에 따라 도1의 평가 단계 진행부(230)의 양자화부(231)의 동작 방법을 예시적으로 설명하기 위한 도면이다.FIG. 6 is a diagram for describing an operation method of the quantization unit 231 of the evaluation step progression unit 230 of FIG. 1 according to an exemplary embodiment of the present disclosure.

도6을 참조하면, 단계(S21)에서, 평가 단계 진행부(230)의 양자화부(231)는 학습자 단말기(20)로부터 수신된 입력 단문(A1)을 획득할 수 있다.Referring to FIG. 6, in step S21, the quantization unit 231 of the evaluation step progression unit 230 may obtain an input short message A1 received from the learner terminal 20.

단계(S22)에서, 양자화부(231)는 입력 단문(A1)을 어절들로 분할할 수 있다. 어절 단위는 띄어쓰기 단위와 일치할 수 있다. In step S22, the quantization unit 231 may divide the input short sentence A1 into words. The word unit may match the spacing unit.

단계(S23)에서, 양자화부(231)는 각 어절의 문장 성분을 판단할 수 있다. 각 어절은 주어, 목적어, 보어, 관형어, 부사어, 서술어, 및 독립어 중 어느 하나로 분류될 수 있다. 그 결과, 양자화된 입력 단문(QA1)은 입력 단문(A1)을 구성하는 어절들과 그에 대응하는 문장 성분들로 구성될 수 있다.In step S23, the quantization unit 231 may determine a sentence component of each word. Each word can be classified into one of subject, object, bore, tubular, adverb, predicate, and independent. As a result, the quantized input short QA1 may be composed of words constituting the input short A1 and sentence components corresponding thereto.

도7은 본 발명의 실시 예에 따라 도1의 평가 단계 진행부(230)의 비교부(232)의 동작 방법을 예시적으로 설명하기 위한 도면이다.FIG. 7 is a view for explaining an operation method of the comparison unit 232 of the evaluation step progression unit 230 of FIG. 1 according to an embodiment of the present disclosure.

도7을 참조하면, 비교부(232)는 양자화된 입력 단문(QA1)을 양자화된 학습 단문(QS1)과 비교할 수 있다. 비교부(232)는 양자화된 입력 단문과 양자화된 학습 단문에서 동일한 문장 성분의 어절들을 서로 비교할 수 있다. 도7은 동일한 문장 성분 별로 어절들을 서로 다른 패턴들로 표시하였다. Referring to FIG. 7, the comparator 232 may compare the quantized input short QA1 with the quantized learning short QS1. The comparison unit 232 may compare words of the same sentence component with each other in the quantized input short sentence and the quantized learning short sentence. 7 shows words in different patterns for the same sentence component.

예를 들어, 양자화된 입력 단문(QA1)과 양자화된 학습 단문(QS1)의 관형어들에 대해, 비교부(232)는 관형어들에서 조사들을 제외한 체언들이나 어근들을 서로 비교할 수 있다. 즉, 비교부(232)는 양자화된 입력 단문(QA1)의 관형어들에서 이상적, 혼란, 및 아테네를 추출하고, 양자화된 학습 단문(QS1)의 관형어들에서 아테네, 혼란, 및 이상적을 추출하여 서로 비교할 수 있다. 비교 결과 서로 동일하므로 관형어들에서 오답은 발생하지 않은 것으로 처리될 것이다. For example, with respect to the tubular words of the quantized input short QA1 and the quantized learning short QS1, the comparator 232 may compare words or roots other than the probes in the tubular words. That is, the comparator 232 extracts the ideal, confusion, and athens from the tubular words of the quantized input short sentence QA1, and extracts the athens, confusion, and ideal from the tubular words of the quantized learning short sentence QS1. Can be compared. As a result of the comparison, the wrong answer will be treated as not occurring in the idioms.

여기에서 주목할 것은 어순이 상이한 것은 무시될 수 있다. 즉, 한국어는 조사에 의해 격이 부여되므로 어순을 고려하지 않아도 의미 판단이 가능할 수 있다.Note that different word orders can be ignored. That is, since the price is given by Korean, the meaning may be determined without considering the word order.

이와 유사하게, 비교부(232)는 양자화된 입력 단문(QA1)과 양자화된 학습 단문(QS1)의 부사어, 목적어, 및 서술어를 비교할 수 있고, 이는 쉽게 이해될 수 있으므로 상세한 설명은 생략될 것이다. Similarly, the comparator 232 may compare adverbs, objects, and predicates of the quantized input short QA1 and the quantized learning short QS1, which may be easily understood, and thus, detailed descriptions thereof will be omitted.

최종적으로, 비교부(232)는 양자화된 입력 단문(QA1)이 양자화된 학습 단문(QS1)과 일치하는 것으로 판단하고, 학습자가 학습 단문(S1)에 대한 평가 단계를 패스한 것으로 결정할 수 있다.Finally, the comparator 232 may determine that the quantized input short QA1 matches the quantized learning short QS1, and may determine that the learner passes the evaluation step for the learning short S1.

도8은 본 발명의 실시 예에 따라 도1의 평가 단계 진행부(230)의 비교부(232)의 동작 방법을 예시적으로 설명하기 위한 도면이다. 도8은 학습 단문(S1)과 관련하여 도6의 입력 단문(A1)이 아닌 다른 입력 단문(A2)이 입력되었을 때의 비교부(232)의 동작 방법을 살펴본다.FIG. 8 is a diagram for explaining an operation method of the comparison unit 232 of the evaluation step progression unit 230 of FIG. 1 according to an embodiment of the present disclosure. 8 illustrates a method of operating the comparator 232 when an input short sentence A2 other than the input short sentence A1 of FIG. 6 is input in relation to the learning short sentence S1.

도8을 참조하면, 양자화된 입력 단문(QA2)은 양자화된 학습 단문(QS1)과 비교하여, "아테네의 혼란한" 대신 "불안한 아테네의"를 포함할 수 있다. 이러한 경우, 비교부(232)는 상술한 방법에 따라 비교한 결과 학습 단문(S1)에서 "혼란한"을 재학습해야 한다고 판단할 수 있다.Referring to FIG. 8, the quantized input short QA2 may include "anxiety in Athens" instead of "Athene's confused" compared to the quantized learning short QS1. In this case, the comparator 232 may determine that the "confusion" needs to be relearned in the learning short sentence S1 as a result of the comparison according to the above-described method.

실시 예에 따라, 비교부(232)는 유사어 데이터베이스를 참조할 수 있고, 그 결과 "혼란한"과 "불안한"을 서로 일치하는 것으로 판단할 수 있다.According to an embodiment, the comparison unit 232 may refer to a similar word database, and as a result, may determine that "confused" and "anxiety" match each other.

실시 예에 따라, 관형어는 중요도가 낮은 문장 성분으로 미리 지정되었을 수 있고, 이러한 경우 비교부(232)는 "혼란한"과 "불안한"의 불일치는 무시할 수 있다.According to an exemplary embodiment, the tubular word may have been previously designated as a low-critical sentence component, and in this case, the comparator 232 may ignore inconsistency between "confusion" and "anxiety."

도9는 본 발명의 실시 예에 따라 도1의 평가 단계 진행부(230)의 피드백부(233)의 동작 방법을 예시적으로 설명하기 위한 도면이다. 도9에서 피드백부(233)의 동작은 도2의 학습 단문(S1)에 대해 예시적으로 설명될 것이다.FIG. 9 is a diagram for describing an operation method of the feedback unit 233 of the evaluation step progression unit 230 of FIG. 1 according to an embodiment of the present disclosure. In FIG. 9, the operation of the feedback unit 233 will be described with reference to the learning short sentence S1 of FIG. 2.

도9를 참조하면, 피드백부(233)는 비교부(232)로부터 재학습 정보를 수신할 수 있다. 재학습 정보는 예시적으로 도2의 학습 단문(S1)의 "혼란한"에 대해 재학습이 필요하다는 정보를 포함할 수 있다. 피드백부(233)는 스토리지(300)의 재학습 질문 테이블(350)에서 "혼란한"에 대응하는 재학습 질문을 리드하여 학습자 단말기(20)로 전송할 수 있다. 재학습 질문은 "혼란한"을 정답으로 유도하는 질문일 수 있다.Referring to FIG. 9, the feedback unit 233 may receive re-learning information from the comparator 232. The re-learning information may include, for example, information indicating that re-learning is required for “confusion” of the learning sentence S1 of FIG. 2. The feedback unit 233 may read the relearning question corresponding to “confused” from the relearning question table 350 of the storage 300, and transmit the relearning question to the learner terminal 20. The relearning question may be a question that leads to "confusion" as the correct answer.

학습자는 재학습 질문을 학습자 단말기(20)로 확인하고 답을 입력함으로써 학습 단문(S1)의 "혼란한"을 재학습할 수 있다.The learner may re-learn "confused" of the learning short sentence S1 by checking the relearning question with the learner terminal 20 and inputting an answer.

도10은 본 발명의 실시 예에 따른 인문아트 메타인지 패럴랙스 학습 시스템(40)(이하, 학습 시스템)을 간략하게 도시한 블록도이다. 도10은 설명을 위해 학습 시스템(40)과 통신망을 통해 통신하는 학습자 단말기(20) 및 관리자 단말기(30)도 함께 도시한다.10 is a block diagram schematically illustrating a human art metacognition parallax learning system 40 (hereinafter, referred to as a learning system) according to an exemplary embodiment of the present invention. 10 also illustrates a learner terminal 20 and a manager terminal 30 communicating with the learning system 40 through a communication network for explanation.

도10을 참조하면, 학습 시스템(40)은 학습 단문 처리부(400), 프로세서(500), 및 스토리지(600)를 포함할 수 있다.Referring to FIG. 10, the learning system 40 may include a learning short processor 400, a processor 500, and a storage 600.

학습 단문 처리부(400)는 양자화부(410), 트리부(420) 및 배점부(430)를 포함할 수 있다. 양자화부(410) 및 배점부(430)는 도1의 양자화부(110) 및 배점부(430)와 실질적으로 동일하게 구성되고 동작할 수 있다. 따라서, 그에 대한 상세한 설명은 생략되고 이하는 도1의 학습 시스템(40)과의 차이점이 중점적으로 설명될 것이다.The learning short processor 400 may include a quantization unit 410, a tree unit 420, and a distribution unit 430. The quantization unit 410 and the distribution unit 430 may be configured and operate substantially the same as the quantization unit 110 and the distribution unit 430 of FIG. 1. Therefore, detailed description thereof will be omitted and the following will focus on the differences from the learning system 40 of FIG.

트리부(420)는 양자화부(410)로부터 수신한 양자화된 학습 단문에 근거하여 학습 단문 트리(630)를 생성하고 스토리지(600)에 저장할 수 있다. The tree unit 420 may generate the learning short tree 630 based on the quantized learning short received from the quantization unit 410 and store it in the storage 600.

우선, 학습 단문 트리는 시작 노드로서 양자화된 학습 단문의 서술어를 포함할 수 있다. 그리고, 양자화된 학습 단문의 어절들은 시작 노드로부터 소정 규칙에 따라 링크될 수 있다. First, the learning short tree may include a predicate of quantized learning short as the start node. And the words of the quantized learning short may be linked according to a predetermined rule from the starting node.

구체적으로, 양자화된 학습 단문의 주어, 목적어, 보어, 및 독립어는 시작 노드에 링크될 수 있다. 실시 예에 따라, 중요도가 낮은 문장 성분, 예를 들어, 독립어는 트리에서 제외될 수 있다. Specifically, the subject, object, bore, and independent words of the quantized learning short can be linked to the start node. According to an embodiment, a sentence component of low importance, for example, an independent word, may be excluded from the tree.

양자화된 학습 단문의 관형어는 자신이 꾸미는 어절과 링크될 수 있다. 예를 들어, 관형어 자신 뒤에서 자신과 가장 가까운 체언을 포함하되 관형어가 아닌 어절과 링크될 수 있다.The idioms of quantized learning shorts can be linked to the words they decorate. For example, it may be linked to words that are close to you, but not to the words that are behind you.

양자화된 학습 단문의 부사어는 자신이 꾸미는 어절과 링크될 수 있다. 예를 들어, 부사어 자신 뒤에서 가장 가까운 어절과 링크될 수 있다. 실시 예에 따라, 중요도가 낮은 접속사는 학습 단문 트리에서 제외될 수 있다.Adverbs in quantized learning shorts can be linked to the words they decorate. For example, an adverb may be linked to the closest word behind it. According to an embodiment, the less important conjunctions may be excluded from the learning short tree.

결론적으로, 학습 단문 트리는 양자화된 학습 단문 및 양자화된 학습 단문에 포함된 어절들의 링크 구조에 대한 정보를 포함할 수 있다. 후술될 바와 같이, 학습 단문 트리는, 문장의 의미에 영향을 미칠 수 있는 어절의 위치를 평가 요소로 반영시켜 입력 단문에 대한 평가의 정확성을 향상시킬 수 있다.In conclusion, the learning short tree may include information about a link structure of words included in the quantized learning short and the quantized learning short. As will be described later, the learning short tree may improve the accuracy of the evaluation of the input short sentence by reflecting the position of the word that may affect the meaning of the sentence as the evaluation element.

프로세서(500)는 제어부(510), 학습 단계 진행부(520), 및 평가 단계 진행부(530)를 포함할 수 있다. 제어부(510) 및 학습 단계 진행부(520)는 1의 제어부(210) 및 학습 단계 진행부(220)와 실질적으로 동일하게 구성되고 동작할 수 있다. The processor 500 may include a controller 510, a learning step progress unit 520, and an evaluation step progress unit 530. The control unit 510 and the learning step progress unit 520 may be configured and operate substantially the same as the control unit 210 and the learning step progress unit 220 of FIG. 1.

평가 단계 진행부(530)는 양자화부(531), 트리부(532), 비교부(533), 및 피드백부(534)를 포함할 수 있다. 양자화부(531) 및 피드백부(534)는 도1의 양자화부(231) 및 피드백부(233)와 실질적으로 동일하게 구성되고 동작할 수 있다. 따라서, 그에 대한 상세한 설명은 생략되고 이하는 도1의 학습 시스템(40)과의 차이점이 중점적으로 설명될 것이다. The evaluation step progress unit 530 may include a quantization unit 531, a tree unit 532, a comparison unit 533, and a feedback unit 534. The quantization unit 531 and the feedback unit 534 may be configured and operate substantially the same as the quantization unit 231 and the feedback unit 233 of FIG. 1. Therefore, detailed description thereof will be omitted and the following will focus on the differences from the learning system 40 of FIG.

평가 단계 진행부(530)의 트리부(532)는 양자화부(531)로부터 수신한 양자화된 입력 단문에 근거하여 입력 단문 트리를 생성하고 비교부(533)로 전송할 수 있다. 입력 단문 트리는 양자화된 입력 단문 및 양자화된 입력 단문에 포함된 어절들의 링크 구조에 대한 정보를 포함할 수 있다. 트리부(532)는 학습 단문 처리부(400)의 트리부(420)와 실질적으로 동일하게 구성되고 동작할 수 있다. The tree unit 532 of the evaluation step progression unit 530 may generate an input short tree based on the quantized input short message received from the quantization unit 531 and transmit the input short tree to the comparator 533. The input short tree may include information about a link structure of words included in the quantized input short and the quantized input short. The tree unit 532 may be configured and operate substantially the same as the tree unit 420 of the learning short processing unit 400.

비교부(533)는 스토리지(600)로부터 학습 단문 트리를 리드하고, 트리부(532)로부터 수신한 입력 단문 트리를 학습 단문 트리와 비교하여 재학습 정보를 생성하고 피드백부(534)로 전송할 수 있다. 비교 방법은 도1의 비교부(232)의 비교 방법과 유사하나, 한번에 비교되는 대상이 보다 한정된다. 비교 순서는 시작 노드로부터 먼 방향으로 진행될 수 있다. 비교부(533)는 어떤 노드에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분의 어절들을 서로 비교할 수 있다.The comparison unit 533 may read the learning short tree from the storage 600, compare the input short tree received from the tree unit 532 with the learning short tree, and generate re-learning information and transmit the relearning information to the feedback unit 534. have. The comparison method is similar to the comparison method of the comparison unit 232 of FIG. 1, but the objects to be compared at a time are more limited. The comparison order may proceed in a direction far from the start node. The comparison unit 533 may compare the words of the same sentence component among the words linked together in a direction far from a node.

구체적으로, 비교부(533)는 입력 단문 트리와 학습 단문 트리의 시작 노드들부터 비교를 시작할 수 있다. 즉, 비교부(533)는 시작 노드들, 즉, 서술어들에서 조사들을 제외한 체언들이나 어근들을 서로 비교할 수 있다.In detail, the comparison unit 533 may start the comparison from the start nodes of the input short tree and the learning short tree. That is, the comparison unit 533 may compare the starting nodes, that is, the statements or roots other than the probes in the predicates with each other.

이어서, 비교부(533)는 시작 노드로부터 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분의 어절들을 서로 비교할 수 있다. 비교부(533)는 이러한 비교 동작을 시작 노드로부터 먼 방향으로 각 노드에 대해 반복할 수 있다. 정리하면, 비교부(533)는 트리의 각 노드에 대해, 해당 노드로부터 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분의 어절들을 서로 비교할 수 있다.Subsequently, the comparison unit 533 may compare words of the same sentence component among words linked together in a direction far from the start node. The comparison unit 533 may repeat this comparison operation for each node in a direction far from the start node. In summary, the comparison unit 533 may compare words of the same sentence component among words linked together in a direction far from the node for each node of the tree.

도11은 본 발명의 실시 예에 따라 도10의 학습 단문 처리부(400)의 트리부(420)의 동작 방법을 예시적으로 설명하기 위한 도면이다. 도11에서 트리부(420)의 동작은 도3에서 양자화된 학습 단문(QS1)에 대해 예시적으로 설명될 것이다.FIG. 11 is a diagram for describing a method of operating the tree unit 420 of the learning short processor 400 of FIG. 10 according to an exemplary embodiment of the present disclosure. The operation of the tree portion 420 in FIG. 11 will be exemplarily described for the quantized learning short QS1 in FIG.

도11을 참조하면, 학습 단문 처리부(400)의 트리부(420)는 양자화된 학습 단문(QS1)에 근거하여 학습 단문 트리(TS1)를 생성할 수 있다. 학습 단문 트리(TS1)는 시작 노드(SN)로서 양자화된 학습 단문(QS1)의 서술어를 포함할 수 있다. Referring to FIG. 11, the tree unit 420 of the learning short sentence processor 400 may generate the learning short tree TS1 based on the quantized learning short sentences QS1. The learning short tree TS1 may include a predicate of the learning short QS1 quantized as a start node SN.

그리고, 양자화된 학습 단문(QS1)의 부사어 "정치환경에서"가 자신이 꾸미는 어절, 즉, 서술어에 링크될 수 있다. 양자화된 학습 단문(QS1)의 관형어들 "아테네의"와 "혼란한"은 자신이 꾸미는 어절, 즉, 자신 뒤에서 자신과 가장 가까운 체언을 포함하는 관형어가 아닌 어절, 즉, "정치환경에서"에 링크될 수 있다.Then, the adverb "in the political environment" of the quantized learning short sentence QS1 can be linked to a word, that is, a predicate that it decorates. The tubular words "Athene's" and "confused" in the quantized learning short (QS1) are not in the word that you decorate, that is, in the "political environment," that is, the non-tubular word that contains the closest statement behind you. Can be linked.

그리고, 양자화된 학습 단문(QS1)의 목적어 "국가를"은 시작 노드(SN)에 링크될 수 있다. 양자화된 학습 단문(QS1)의 관형어 "이상적인"은 자신이 꾸미는 어절, 즉, 자신 뒤에서 자신과 가장 가까운 체언을 포함하되 관형어가 아닌 어절, 즉, "국가를"에 링크될 수 있다.And the object "country" of the quantized learning short QS1 may be linked to the start node SN. The idiom "ideal" of the quantized learning short (QS1) may be linked to the word that it decorates, that is, the phrase that is closest to itself behind it, but that is a non-tubular word, ie "country."

도12는 본 발명의 실시 예에 따라 도10의 평가 단계 진행부(530)의 트리부(532) 및 비교부(533)의 동작 방법을 예시적으로 설명하기 위한 도면이다. 도12에서 평가 단계 진행부(530)의 트리부(532)의 동작은 도6에서 양자화된 입력 단문(QA1)에 대해 예시적으로 설명될 것이다.FIG. 12 is a diagram for describing an operation method of the tree unit 532 and the comparison unit 533 of the evaluation step progress unit 530 of FIG. 10 according to an embodiment of the present disclosure. The operation of the tree portion 532 of the evaluation step progressing portion 530 in FIG. 12 will be exemplarily described for the quantized input short QA1 in FIG.

도12를 참조하면, 평가 단계 진행부(530)의 트리부(532)는 양자화된 입력 단문(QA1)에 근거하여 입력 단문 트리(TA1)를 생성할 수 있다. 트리부(532)가 입력 단문 트리(TA1)를 생성하는 방법은 도11에서 설명된 학습 단문 트리(TS1)를 생성하는 방법과 동일하므로 그에 대한 상세한 설명은 생략될 것이다.Referring to FIG. 12, the tree unit 532 of the evaluation step progressing unit 530 may generate the input short tree TA1 based on the quantized input short sentence QA1. Since the method of generating the input short tree TA1 by the tree unit 532 is the same as the method of generating the learning short tree TS1 described with reference to FIG. 11, a detailed description thereof will be omitted.

비교부(533)는 입력 단문 트리(TA1)를 학습 단문 트리(TS1)와 비교할 수 있다. 비교부(533)는 시작 노드(SN)부터 먼 방향으로 각 노드에 대해 진행할 수 있고, 도12는 원형 아라비아 숫자로 비교 순서를 예시적으로 도시한다.The comparator 533 may compare the input short tree TA1 with the learning short tree TS1. The comparison unit 533 may proceed for each node in a direction far from the start node SN, and FIG. 12 exemplarily shows a comparison order in circular Arabic numerals.

우선, 비교부(533)는 입력 단문 트리(TA1)와 학습 단문 트리(TS1)에서 시작 노드들(SN)을 서로 비교할 수 있다(①First, the comparison unit 533 may compare the starting nodes SN with each other in the input short tree TA1 and the learning short tree TS1 (①.

그리고, 비교부(533)는 시작 노드들(SN)에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분, 예를 들어, 목적어들을 서로 비교할 수 있다(②In addition, the comparison unit 533 may compare the same sentence component, eg, object words, among the words linked together in a direction far from the start nodes SN (②).

그리고, 비교부(533)는 목적어의 노드들에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분, 즉, 도12에서는 관형어들을 서로 비교할 수 있다(③).In addition, the comparison unit 533 may compare tubular words with each other in the same sentence component, that is, in FIG. 12, among words that are linked together in a direction far from the nodes of the object (③).

그리고, 비교부(533)는 시작 노드들(SN)에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분, 예를 들어, 부사어들을 서로 비교할 수 있다(④In addition, the comparison unit 533 may compare the same sentence component, eg, adverbs, among the words linked together in a direction far from the start nodes SN (④).

그리고, 비교부(533)는 부사어의 노드들에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분, 즉, 도12에서는 관형어들을 서로 비교할 수 있다(⑤In addition, the comparison unit 533 may compare the tubular words with each other in the same sentence component of words that are linked together in a direction far from the nodes of the adverb, that is, in FIG.

도12에서 주목할 점은 도7에서 설명되었던 바와 같이 양자화된 학습 단문(QS1)과 양자화된 입력 단문(QA1)의 모든 관형어들이 함께 비교되지 않는 다는 것이다. 비교부(533)는 링크를 공유하는 지를 추가적으로 살펴, 비교 대상을 한정한다. 이러한 비교 방법의 정확성은 후술될 예시를 통해 더 분명하게 드러날 수 있다.Note that in FIG. 12 all tubular words of the quantized learning short QS1 and the quantized input short QA1 are not compared together as described in FIG. The comparison unit 533 further checks whether the link is shared to limit the comparison target. The accuracy of this comparison method may become more apparent through the examples described below.

도13은 본 발명의 실시 예에 따라 도10의 평가 단계 진행부(530)의 비교부(533)의 동작 방법을 예시적으로 설명하기 위한 도면이다. 도13에서 비교부(533)의 동작은 양자화된 입력 단문(QA3)에 근거하여 생성된 입력 단문 트리(TA3)에 대해 예시적으로 설명될 것이다. 양자화된 입력 단문(QA3) 및 입력 단문 트리(TA3)의 생성 방법은 앞서 설명된 바에 따라 쉽게 이해될 수 있으므로, 자세한 설명은 생략될 것이다.FIG. 13 is a diagram for describing an operation method of the comparison unit 533 of the evaluation step progress unit 530 of FIG. 10 according to an exemplary embodiment of the present disclosure. In FIG. 13, the operation of the comparison unit 533 will be described with reference to the input short tree TA3 generated based on the quantized input short QA3. Since the method for generating the quantized input short QA3 and the input short tree TA3 can be easily understood as described above, the detailed description will be omitted.

도13을 참조하면, 비교부(533)는 입력 단문 트리(TA3)를 학습 단문 트리(TS1)와 비교할 수 있다. Referring to FIG. 13, the comparison unit 533 may compare the input short tree TA3 with the learning short tree TS1.

우선, 비교부(533)는 입력 단문 트리(TA3)와 학습 단문 트리(TS1)에서 시작 노드들(SN)을 서로 비교할 수 있다(①First, the comparison unit 533 may compare the start nodes SN in the input short tree TA3 and the learning short tree TS1 with each other (①.

그리고, 비교부(533)는 시작 노드들(SN)에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분, 예를 들어, 목적어들을 서로 비교할 수 있다(②In addition, the comparison unit 533 may compare the same sentence component, eg, object words, among the words linked together in a direction far from the start nodes SN (②).

그리고, 비교부(533)는 목적어의 노드들에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분, 즉, 도13에서는 관형어들을 서로 비교할 수 있다(③이때, 비교부(533)는 입력 단문 트리(TA3)의 "혼란한"과 학습 단문 트리(TS1)의 "이상적인"이 서로 불일치한 것으로 판단할 수 있다. 따라서, 비교부(533)는 학습 단문(T1)에서 "이상적인"을 재학습해야 할 것으로 판단할 수 있다.In addition, the comparison unit 533 may compare the same sentence components among the words that are linked together in a direction far from the nodes of the object, that is, the tubular words in FIG. 13 (3), and the comparison unit 533 may input an input short tree. It may be determined that the "confusion" of TA3 and the "ideal" of the learning short tree TS1 are inconsistent with each other, so that the comparator 533 needs to relearn the "ideal" in the learning short T1. I can judge that.

그리고, 비교부(533)는 시작 노드들(SN)에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분, 예를 들어, 부사어들을 서로 비교할 수 있다(④In addition, the comparison unit 533 may compare the same sentence component, eg, adverbs, among the words linked together in a direction far from the start nodes SN (④).

그리고, 비교부(533)는 부사어의 노드들에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분, 즉, 도13에서는 관형어들을 서로 비교할 수 있다(⑤이때, 비교부(533)는 입력 단문 트리(TA3)의 "아테네의" 및 "이상적인"과 학습 단문 트리(TS1)의 "아테네의" 및 "혼란한"을 비교하여, 서로 불일치한 것으로 판단할 수 있다. 따라서, 비교부(533)는 학습 단문(T1)에서 "혼란한"을 재학습해야 할 것으로 판단할 수 있다.In addition, the comparison unit 533 may compare the same sentence components among the words that are linked together in a direction far from the nodes of the adverb, that is, the tubular words in FIG. 13 (5), where the comparison unit 533 may input an input short tree. Comparing "Athene's" and "ideal" in TA3 with "Athene's" and "Confused" in the learning short tree TS1, it can be judged to be inconsistent with each other. It may be determined that the learning short (T1) requires re-learning of "confusion."

본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있으므로, 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.As those skilled in the art to which the present invention pertains may implement the present invention in other specific forms without changing the technical spirit or essential features, the embodiments described above are exemplary in all respects and are not intended to be limiting. It must be understood as. The scope of the present invention is shown by the following claims rather than the detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention. do.

10: 인문아트 메타인지 패럴랙스 학습 시스템
100: 학습 단문 처리부
110: 양자화부
120: 배점부
200: 프로세서
210: 제어부
220: 학습 단계 진행부
230: 평가 단계 진행부
231: 양자화부
232: 비교부
233: 피드백부
300: 스토리지
310: 학습 기록
320: 학습 정보
330: 양자화된 학습 단문
340: 배점 정보
350: 재학습 질문 테이블
20: 학습자 단말기
30: 관리자 단말기
10: Human art metacognition parallax learning system
100: learning short processing unit
110: quantization unit
120: distribution point
200: processor
210: control unit
220: learning step progress unit
230: evaluation step progression
231: quantization unit
232: comparator
233: feedback unit
300: storage
310: study record
320: learning information
330: Quantized Learning Short
340: scoring information
350: Relearning Question Table
20: learner terminal
30: administrator terminal

Claims (20)

학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문을 생성하도록 구성된 학습 단문 처리부;
상기 학습 단문에 관한 학습 정보를 학습자 단말기로 출력함으로써 학습 단계를 진행하도록 구성된 학습 단계 진행부; 및
상기 학습자 단말기로 상기 학습 단문에 대한 평가 문제를 전송하고, 상기 학습자 단말기를 통해 수신한 입력 단문에 대해 평가 단계를 진행하도록 구성된 평가 단계 진행부를 포함하되,
상기 평가 단계 진행부는 상기 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성하도록 구성된 입력 단문 양자화부;
상기 양자화된 입력 단문과 상기 양자화된 학습 단문에서 동일한 문장 성분의 어절들을 서로 비교함으로써 재학습 정보를 생성하도록 구성된 비교부; 및
재학습 질문 테이블에서 상기 재학습 정보에 대응하는 재학습 질문을 리드하여 상기 학습자 단말기로 전송함으로써 재학습 단계를 진행하도록 구성된 피드백부를 포함하는 인문아트 메타인지 패럴랙스 학습 시스템.
A learning short processing unit configured to divide the learning short into words and determine a sentence component of each word to generate a quantized learning short;
A learning step progress unit configured to proceed with the learning step by outputting learning information about the learning short message to a learner terminal; And
An evaluation step progress unit configured to transmit the evaluation problem for the learning short to the learner terminal, and to perform the evaluation step for the input short received through the learner terminal,
The evaluation step progress unit comprises: an input short quantization unit configured to divide the input short sentence into words and determine a sentence component of each word to generate a quantized input short sentence;
A comparator configured to generate re-learning information by comparing words of the same sentence component with each other in the quantized input short sentence and the quantized learning short sentence; And
Human art art cognitive parallax learning system including a feedback unit configured to proceed to the re-learning step by reading the re-learning questions corresponding to the re-learning information from the re-learning question table to the learner terminal.
제1항에 있어서,
상기 입력 단문 양자화부는, 상기 각 어절의 조사를 조사 샘플들과 비교함으로써 상기 문장 성분을 판단하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The input short quantization unit is a human art metacognitive parallax learning system for determining the sentence component by comparing the survey of each word with survey samples.
제1항에 있어서,
상기 입력 단문 양자화부는, 상기 각 어절을 접속사 샘플들, 부사 샘플들, 및 감탄사 샘플들 중 적어도 하나와 비교함으로써 상기 문장 성분을 판단하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
And the input short quantization unit determines the sentence component by comparing each word with at least one of conjunction samples, adverb samples, and interjection samples.
제1항에 있어서,
상기 입력 단문 양자화부는, 상기 어절들 중 조사가 생략된 어절을 문장 성분 미판단 어절로 표시하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The input short quantization unit is a human art meta-cognitive parallax learning system for displaying a word of which the check is omitted among the words as a sentence component undecided word.
제1항에 있어서,
상기 문장 성분은 주어, 목적어, 보어, 관형어, 부사어, 서술어, 및 독립어 중 어느 하나인 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The sentence component is a human art meta parallax learning system of any one of the subject, object, bore, tubular, adverb, predicate, and independent.
제1항에 있어서,
상기 학습 단문 처리부는 상기 각 어절의 상기 문장 성분의 종류에 따라 상기 학습 단문의 상기 어절들에 점수를 배점하도록 구성된 배점부를 포함하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The learning short sentence processing unit comprises a scoring unit configured to assign a score to the words of the learning short sentence according to the type of the sentence component of each word.
제1항에 있어서,
상기 학습자 단말기와 통신하고, 전체 학습 내용 중 학습 프로세스를 진행할 학습 단문을 결정하여 상기 평가 단계 진행부 및 상기 평가 단계 진행부를 제어하도록 구성된 제어부를 더 포함하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
And a control unit configured to communicate with the learner terminal and determine a learning short sentence to proceed with a learning process among all learning contents, and to control the evaluation step progressing unit and the evaluation step progressing unit.
제1항에 있어서,
상기 학습 정보는 상기 학습 단문, 상기 학습 단문에 대한 그림, 사진, 음성, 영상 및 설명 텍스트 중 적어도 하나를 포함하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The learning information is a human art metacognitive parallax learning system including at least one of the learning short, pictures, pictures, voice, video and description text for the learning short.
제1항에 있어서,
상기 비교부는, 상기 양자화된 입력 단문 및 상기 양자화된 학습 단문에서 동일한 문장 성분의 어절들을 서로 비교하고, 비교한 어절들이 상이할 때 상기 학습 단문의 해당 어절에 대해 재학습이 필요하다고 결정하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The comparison unit compares words of the same sentence component with each other in the quantized input short sentence and the quantized learning short sentence, and determines that re-learning is required for the corresponding word of the learning short sentence when the compared words differ. Metacognitive parallax learning system.
제1항에 있어서,
상기 비교부는 상기 양자화된 입력 단문 및 상기 양자화된 학습 단문의 서술어들, 목적어들, 부사어들, 또는 관형어들에 대해, 대응하는 어절들에서 조사들을 제외한 체언들 또는 어근들을 서로 비교하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The comparator is a human art meta-comparison for the quantized input short sentence and the quantized learning short sentence, object words, adverbs, or tubular words, which are compared to other words or roots except for surveys in corresponding words. Parallax Learning System.
제1항에 있어서,
상기 비교부는 상기 양자화된 입력 단문 및 상기 양자화된 학습 단문의 주어들 및 보어들에 대해, 주어들 및 보어들에서 조사들을 제외한 체언들을 함께 비교하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
And the comparing unit compares the quantized input short sentences and the subjects and bores of the quantized learning short sentences together with subjects and bores except for surveys.
제1항에 있어서,
상기 비교부는 상기 양자화된 입력 단문 및 상기 양자화된 학습 단문의 문장 성분 미판단 어절들에 대해, 상기 문장 성분 미판단 어절들이 체언 자체일 경우, 체언들을 서로 비교하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
And the comparing unit compares the sentences with each other when the sentence component undecided words of the quantized input short sentence and the quantized learning short sentence are spoken itself.
제1항에 있어서,
상기 비교부는 상기 양자화된 입력 단문 및 상기 양자화된 학습 단문에서 중요도가 낮은 문장 성분들의 불일치를 무시하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The comparing unit ignores the inconsistency between the low importance sentence components in the quantized input short sentence and the quantized learning short paragraph.
제1항에 있어서,
상기 재학습 질문은 상기 재학습 정보에 포함된 내용을 정답으로 유도하는 질문인 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The re-learning question is a human art metacognitive parallax learning system that is a question for deriving a content included in the re-learning information as a correct answer.
제1항에 있어서,
상기 학습 단문 처리부는, 상기 양자화된 학습 단문에 근거하여 학습 단문 트리를 생성하도록 구성된 학습 단문 트리부를 더 포함하고,
상기 학습 단문 트리는 시작 노드로서 상기 양자화된 학습 단문의 서술어를 포함하고,
상기 양자화된 학습 단문의 주어, 목적어, 보어, 및 독립어 중 적어도 하나는 상기 시작 노드에 링크되고,
상기 양자화된 학습 단문의 관형어는 자신 뒤에서 체언을 포함하되 관형어가 아닌 가장 가까운 어절과 링크되고,
상기 양자화된 학습 단문의 부사어는 자신 뒤에서 가장 가까운 어절과 링크되는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 1,
The learning short sentence processor further includes a learning short tree unit configured to generate a learning short tree based on the quantized learning short sentence,
The learning short tree includes a predicate of the quantized learning short as a start node,
At least one of the subject, object, bore, and independent word of the quantized learning short is linked to the starting node,
The tubular words of the quantized learning shorts are linked to the closest word, including a message behind them, but not the tubular words,
The adverb of the quantized learning short sentence is a human art metacognitive parallax learning system linked to the closest word behind it.
제15항에 있어서,
상기 평가 단계 진행부는, 상기 양자화된 입력 단문에 근거하여 입력 단문 트리를 생성하도록 구성된 입력 단문 트리부를 더 포함하고,
상기 입력 단문 트리는 시작 노드로서 상기 양자화된 입력 단문의 서술어를 포함하고,
상기 양자화된 입력 단문의 주어, 목적어, 보어, 및 독립어 중 적어도 하나는 상기 시작 노드에 링크되고,
상기 양자화된 입력 단문의 관형어는 자신 뒤에서 체언을 포함하되 관형어가 아닌 가장 가까운 어절과 링크되고,
상기 양자화된 입력 단문의 부사어는 자신 뒤에서 가장 가까운 어절과 링크되는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 15,
The evaluation step progress unit further includes an input short tree unit configured to generate an input short tree based on the quantized input short sentence,
The input short tree includes a predicate of the quantized input short sentence as a start node,
At least one of the subject, object, bore, and independent of the quantized input short is linked to the starting node,
The tubular word of the quantized input short sentence is linked with the closest word including a word behind it but not the tubular word,
The quantized input short adverb is linked to the nearest word behind the human art metacognition parallax learning system.
제16항에 있어서,
상기 비교부는 상기 입력 단문 트리와 상기 학습 단문 트리에서 어떤 노드에서 먼 방향으로 함께 링크된 어절들 중 동일한 문장 성분의 어절들을 서로 비교하고, 비교한 어절들이 상이할 때 상기 학습 단문의 해당 어절에 대해 재학습이 필요하다고 결정하는 인문아트 메타인지 패럴랙스 학습 시스템.
The method of claim 16,
The comparison unit compares words of the same sentence component among words linked together in a direction far from a node in the input short tree and the learning short tree, and compares the corresponding words of the learning short paragraph when the compared words are different. Human art metacognition parallax learning system that decides that re-learning is necessary.
학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문을 생성하는 단계;
상기 학습 단문에 관한 학습 정보를 학습자 단말기로 출력함으로써 학습 단계를 진행하는 단계; 및
상기 학습자 단말기로 상기 학습 단문에 대한 평가 문제를 전송하고, 상기 학습자 단말기를 통해 수신한 입력 단문에 대해 평가 단계를 진행하는 단계를 포함하되,
상기 평가 단계를 진행하는 단계는,
상기 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성하는 단계;
상기 양자화된 입력 단문과 상기 양자화된 학습 단문에서 동일한 문장 성분의 어절들을 서로 비교함으로써 재학습 정보를 생성하는 단계; 및
상기 재학습 질문 테이블에서 상기 재학습 정보에 대응하는 재학습 질문을 리드하여 상기 학습자 단말기로 전송함으로써 재학습 단계를 진행하는 단계를 포함하는 인문아트 메타인지 패럴랙스 학습 시스템의 동작 방법.
Dividing the learning short into words and determining a sentence component of each word to generate a quantized learning short;
Proceeding with a learning step by outputting learning information about the learning short message to a learner terminal; And
And transmitting an evaluation problem for the learning short message to the learner terminal, and performing an evaluation step on the input short text received through the learner terminal.
The step of proceeding with the evaluation step,
Dividing the input short sentence into words and determining a sentence component of each word to generate a quantized input short sentence;
Generating re-learning information by comparing words of the same sentence component with each other in the quantized input short sentence and the quantized learning short sentence; And
And performing a re-learning step by reading a re-learning question corresponding to the re-learning information from the re-learning question table and transmitting the re-learning question to the learner terminal.
학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문을 생성하는 단계;
상기 학습 단문에 관한 학습 정보를 학습자 단말기로 출력함으로써 학습 단계를 진행하는 단계; 및
상기 학습자 단말기로 상기 학습 단문에 대한 평가 문제를 전송하고, 상기 학습자 단말기를 통해 수신한 입력 단문에 대해 평가 단계를 진행하는 단계를, 인문아트 메타인지 패럴랙스 학습 시스템으로 하여금 실행시키기 위해 매체에 저장되되,
상기 평가 단계를 진행하는 단계는,
상기 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성하는 단계;
상기 양자화된 입력 단문과 상기 양자화된 학습 단문에서 동일한 문장 성분의 어절들을 서로 비교함으로써 재학습 정보를 생성하는 단계; 및
상기 재학습 질문 테이블에서 상기 재학습 정보에 대응하는 재학습 질문을 리드하여 상기 학습자 단말기로 전송함으로써 재학습 단계를 진행하는 단계를 포함하는, 상기 매체에 저장되는 인문아트 메타인지 패럴랙스 학습 프로그램.
Dividing the learning short into words and determining a sentence component of each word to generate a quantized learning short;
Proceeding with a learning step by outputting learning information about the learning short message to a learner terminal; And
Transmitting the evaluation problem to the learner terminal to the learner terminal, and performing an evaluation step on the input short message received through the learner terminal, in a medium for the human art metacognition parallax learning system to execute. But
The step of proceeding with the evaluation step,
Dividing the input short sentence into words and determining a sentence component of each word to generate a quantized input short sentence;
Generating re-learning information by comparing words of the same sentence component with each other in the quantized input short sentence and the quantized learning short sentence; And
And carrying out a relearning step by reading a relearning question corresponding to the relearning information from the relearning question table and transmitting the relearning question to the learner terminal.
학습 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 학습 단문을 생성하는 학습 단문 처리 수단;
상기 학습 단문에 관한 학습 정보를 학습자 단말기로 출력함으로써 학습 단계를 진행하는 학습 단계 진행 수단; 및
상기 학습자 단말기로 상기 학습 단문에 대한 평가 문제를 전송하고, 상기 학습자 단말기를 통해 수신한 입력 단문에 대해 평가 단계를 진행하는 평가 단계 진행 수단으로서, 학습 시스템으로 하여금 기능시키기 위한 인문아트 메타인지 패럴랙스 학습 프로그램을 기록하되,
상기 평가 단계 진행 수단은 상기 입력 단문을 어절들로 분할하고 각 어절의 문장 성분을 판단하여 양자화된 입력 단문을 생성하고,
상기 양자화된 입력 단문과 상기 양자화된 학습 단문에서 동일한 문장 성분의 어절들을 서로 비교함으로써 재학습 정보를 생성하고,
상기 재학습 질문 테이블에서 상기 재학습 정보에 대응하는 재학습 질문을 리드하여 상기 학습자 단말기로 전송함으로써 재학습 단계를 진행하는, 상기 인문아트 메타인지 패럴랙스 학습 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체.
Learning short sentence processing means for dividing the learning short into words and determining a sentence component of each word to generate a quantized learning short;
Learning step progress means for progressing the learning step by outputting learning information about the learning short message to a learner terminal; And
An evaluation step progressing means for transmitting an evaluation problem for the learning short message to the learner terminal and performing an evaluation step for the input short text received through the learner terminal, which is a human art metacognition parallax for the learning system to function. Record your learning program,
The evaluating step progressing means divides the input short sentence into words and determines a sentence component of each word to generate a quantized input short sentence,
Re-learning information is generated by comparing words of the same sentence component with each other in the quantized input short sentence and the quantized learning short sentence,
And re-learning by reading the re-learning question corresponding to the re-learning information from the re-learning question table and transmitting the re-learning question to the learner's terminal.
KR1020180086773A 2018-07-25 2018-07-25 System, operating method thereof, program, and computer readable medium recording program for inmunart metacognition parallax learning KR102133775B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180086773A KR102133775B1 (en) 2018-07-25 2018-07-25 System, operating method thereof, program, and computer readable medium recording program for inmunart metacognition parallax learning

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180086773A KR102133775B1 (en) 2018-07-25 2018-07-25 System, operating method thereof, program, and computer readable medium recording program for inmunart metacognition parallax learning

Publications (2)

Publication Number Publication Date
KR20200011823A true KR20200011823A (en) 2020-02-04
KR102133775B1 KR102133775B1 (en) 2020-07-15

Family

ID=69571139

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180086773A KR102133775B1 (en) 2018-07-25 2018-07-25 System, operating method thereof, program, and computer readable medium recording program for inmunart metacognition parallax learning

Country Status (1)

Country Link
KR (1) KR102133775B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130042138A (en) * 2011-10-18 2013-04-26 주식회사 알지교육 Individual incorrect concentration learning system
KR20130109550A (en) * 2012-03-27 2013-10-08 이경옥 Textbooks using puzzle game for developing creative power and implementation method and study method thereof
KR20130121552A (en) * 2012-04-27 2013-11-06 권영준 Device and method for generating of sentence puzzle, system and method for studing language using the sentence puzzle
KR20140052573A (en) * 2012-10-25 2014-05-07 에스케이텔레콤 주식회사 Method for sentence evaluation, apparatus thereof and computer recordable medium storing the method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130042138A (en) * 2011-10-18 2013-04-26 주식회사 알지교육 Individual incorrect concentration learning system
KR20130109550A (en) * 2012-03-27 2013-10-08 이경옥 Textbooks using puzzle game for developing creative power and implementation method and study method thereof
KR20130121552A (en) * 2012-04-27 2013-11-06 권영준 Device and method for generating of sentence puzzle, system and method for studing language using the sentence puzzle
KR20140052573A (en) * 2012-10-25 2014-05-07 에스케이텔레콤 주식회사 Method for sentence evaluation, apparatus thereof and computer recordable medium storing the method

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
오진영 외 1명. 키어절을 이용한 새로운 한국어 구문분석. 정보과학회논문지: 소프트웨어 및 응용 제40권 제10호, 2013.10, 600-608. 1부.* *

Also Published As

Publication number Publication date
KR102133775B1 (en) 2020-07-15

Similar Documents

Publication Publication Date Title
Field Cognitive validity
US20200226324A1 (en) System for providing intelligent part of speech processing of complex natural language
US11217110B2 (en) Personalized learning system and method for the automated generation of structured learning assets based on user data
BR122017002789A2 (en) systems and methods for language learning
US20160133147A1 (en) Generating Scores and Feedback for Writing Assessment and Instruction Using Electronic Process Logs
US9613638B2 (en) Computer-implemented systems and methods for determining an intelligibility score for speech
Hopman et al. Production practice during language learning improves comprehension
US20150379087A1 (en) Apparatus and method for replying to query
US20220059096A1 (en) Systems and Methods for Improved Digital Transcript Creation Using Automated Speech Recognition
US10373516B2 (en) Method for facilitating contextual vocabulary acquisition through association
Smith et al. The influence of English spelling patterns on pronunciation
CN109616101A (en) Acoustic training model method, apparatus, computer equipment and readable storage medium storing program for executing
KR20200011155A (en) System of providing decoy answer and management method thereof
KR20200011823A (en) System, operating method thereof, program, and computer readable medium recording program for inmunart metacognition parallax learning
KR102277362B1 (en) System for language study service for learning korean as a foreign language
JP2005134691A (en) Automatic marking device in education system via network
KR20140051607A (en) Apparatus providing analysis information based on level of a student and method thereof
KR102031482B1 (en) Learning System of Foreign Languages and Learning Method thereof
KR20210085728A (en) A method and apparatus for question-answering on educational contents in interactive query system
Nothdurft et al. Application of verbal intelligence in dialog systems for multimodal interaction
O’Grady Adapting multiple-choice comprehension question formats in a test of second language listening comprehension
KR20170034740A (en) Description-type question learing system
Monaghan et al. Different processes for reading words learned before and after onset of literacy
US20220246052A1 (en) Personalized learning system and method for the automated generation of structured learning assets based on user data
US11087097B2 (en) Automatic item generation for passage-based assessment

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E90F Notification of reason for final refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant