KR20200012433A - 학습자의 예측 점수 분석 정보 제공방법 - Google Patents

Abstract

본 발명은 서비스 서버에 접속한 학습자가 이용할 수 있는 학습 문항을 포함한 학습 내용을 온라인 상으로 제공하는 학습 제공 단계, 상기 학습 문항에 대한 학습자의 답변 내용을 포함하는 학습 정보를 수신하는 학습 정보 수신 단계, 상기 학습 정보 수신 단계에 의해 수신된 정보를 데이터화하는 학습 정보 데이터화 단계, 상기 학습 정보 데이터화 단계에 의해 저장된 데이터 분석을 통해 상기 학습가 학습할 다음 호의 학습시 예측 점수를 분석하는 예측 점수 분석 단계 및 상기 예측 점수 분석 단계에 의해 분석된 예측 점수에 대한 분석 정보를 제공하는 예측 점수 분석 정보 제공 단계를 포함하고, 상기 예측 점수 분석 단계는, 상기 학습자의 지난 호의 점수 결과를 확인하여 상기 지난 호의 점수 결과가 있는 경우, 상기 예측 점수 분석 단계는 기 지난 호의 점수, 예측할 상기 다음 호의 난이도 및 상기 학습자의 과정 테스트 능력 예측치를 조합하여 상기 다음 호의 예측 점수를 분석하는 것을 특징으로 하는 학습자의 예측 점수 분석 정보 제공방법으로서, 본 발명에 의하면, 온라인 학습을 통해서도 학습자에게 동기를 부여하고, 학습 성취도를 주며, 학습 습관에 도움을 줄 수 있게 한다.

Description

학습자의 예측 점수 분석 정보 제공방법{METHOD FOR PROVIDING AN ANALYSIS INFORMATION OF A LEARNER'S PREDICTION SCORE}

본 발명은 학습자에게 학습에 대한 정보를 제공하는 방법에 관한 것으로서, 특히 학습자가 학습하는 진도에 따라 다음 과정의 예측 점수를 분석한 정보를 제공하는 방법에 관한 것이다.

정보통신 기술이 발달하면서 컴퓨터를 통해 데이터베이스의 관리가 용이하게 됨에 따라 학습 정보를 데이터베이스에 저장하고, 온라인 상으로 인터넷을 이용하여 학습자에게 제공하는 학습 서비스가 다양한 컨텐츠를 가지고 제공되고 있다.

학습자는 학습 프로그램을 제공하는 웹사이트나 휴대 단말기를 통해 접속이 가능한 앱(App)을 통해 제공되는 문제를 통해 학습이 가능하므로, 시간과 공간의 제약이 적은 온라인을 통한 장점 등에 따라 이러한 온라인을 이용하여 학습 정보를 제공하고, 학습을 직접 수행하며, 그에 대한 결과를 제공받는 서비스 방법이 많이 개발되고 있다.

본 발명 또한 그러한 온라인을 이용하여 학습 정보를 제공하는 방법과 관련된 것이다.

한편, 학습은 무작정 열심히만 한다고 성과가 반드시 따라오는 것은 아니다.

즉, 무작정 열심히가 아니라 어떻게 열심히 하느냐가 중요하다는 것은 익히 알려져 있는 바이다.

습관이란 같은 상황에서 반복된 행동의 수행으로, 정형적이며 자동적으로 발생하는 반응이라는 점에서 쉽게 바뀌지 않는다.

그러므로, 비단 학습 뿐만 아니라 바른 습관의 형성은 조기에 형성되게 하는 것이 좋고, 나쁜 습관 또한 조기에 바로 잡는 것이 중요하다.

이는 학습에서는 보다 뚜렷하게 나타나게 되며, 습관적으로 틀리는 실수를 반복되게 하는 것으로서, 나쁜 습관은 성적 내지 실력에 직접적이고 즉각적으로 나타나게 되는 것이다.

그런데, 오프라인 상의 학습은 그러한 습관에 관한 지도가 보다 용이하나, 온라인을 통한 학습의 경우에는 학습 정보 내지 문제만을 제공할 뿐 학습 습관에 대한 지도는 지도교사가 방문하는 등이 아닌 한 이루어지지 못하고 있는 실정이다.

또한, 학습이란 장시간 동안 계속적으로 수행해 나가야 하는 것으로서, 적절한 동기와 성취감이 없이는 꾸준한 학습 습관 및 태도를 형성해 나가는 것이 쉬운 것이 아니다.

그런데, 오프라인 상의 학습에 의해서는 교수자가 지도해 주는 것이 용이하나, 온라인을 통한 학습의 경우에는 학습 정보 내지 문제만을 제공할 뿐 학습자에게 부여, 자신감 고취, 성취감 향상 등을 제공해 주는 데는 한계가 있다.

이상의 배경기술에 기재된 사항은 발명의 배경에 대한 이해를 돕기 위한 것으로서, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.

한국공개특허공보 제10-2010-0127367호

본 발명은 상술한 문제점을 해결하고자 안출된 것으로서, 본 발명은 온라인 학습을 통해서도 학습자에게 동기를 부여하고, 학습 성취도를 주며, 학습 습관에 도움을 줄 수 있는 학습자의 예측 점수 분석 정보 제공방법을 제공하는 데 그 목적이 있다.

본 발명의 일 관점에 의한 학습자의 예측 점수 분석 정보 제공방법은, 서비스 서버에 접속한 학습자가 이용할 수 있는 학습 문항을 포함한 학습 내용을 온라인 상으로 호(號) 별로 구분하여 제공하는 학습 제공 단계, 상기 학습 문항에 대한 학습자의 답변 내용을 포함하는 학습 정보를 수신하는 학습 정보 수신 단계, 상기 학습 정보 수신 단계에 의해 수신된 정보를 데이터화하는 학습 정보 데이터화 단계, 상기 학습 정보 데이터화 단계에 의해 저장된 데이터 분석을 통해 상기 학습가 학습할 다음 호의 학습시 예측 점수를 분석하는 예측 점수 분석 단계 및 상기 예측 점수 분석 단계에 의해 분석된 예측 점수에 대한 분석 정보를 제공하는 예측 점수 분석 정보 제공 단계를 포함하고, 상기 예측 점수 분석 단계는, 상기 학습자의 지난 호의 점수 결과를 확인하여 상기 지난 호의 점수 결과가 있는 경우, 상기 지난 호의 점수, 예측할 상기 다음 호의 난이도 및 상기 학습자의 과정 테스트 능력 예측치를 조합하여 상기 다음 호의 예측 점수를 분석하는 것을 특징으로 한다.

그리고, 상기 예측 점수 분석 단계에서 상기 지난 호의 점수는 복수의 지난 호의 점수가 반영되며, 상기 지난 호의 점수는 가중치를 부여하여 반영되되, 가장 최근 지난 호의 점수의 가중치가 다른 지난 호의 점수의 가중치보다 높게 설정하는 것을 특징으로 한다.

또한, 상기 예측 점수 분석 단계에서 상기 다음 호의 난이도는 상기 다음 호의 다른 학습자들의 점수의 평균값을 기준으로 마이너스 보정한 값으로 추정하는 것을 특징으로 한다.

보다 자세하게, 상기 예측 점수 분석 단계에서 상기 학습자의 과정 테스트 능력 예측치는 상기 학습자가 학습한 호의 점수와 상기 학습자가 학습한 호의 다른 학습자의 점수 평균값을 비교하여 산출된 값인 것을 특징으로 한다.

여기서, 상기 학습자의 과정 테스트 능력 예측치는 상기 학습자가 학습한 호의 학습이 모두 끝난 후 베이지안 선형 추정치(Bayesian linear estimator)로 산출되는 것을 특징으로 한다.

한편, 상기 예측 점수 분석 단계는, 상기 학습 정보 수신 단계에 의해 수신되는 정보에 의해 미리 정해진 학습자의 퍼포먼스에 해당하는 정보가 판별되면, 상기 다음 호의 예측 점수에 상기 학습자의 퍼포먼스 결과에 해당하는 값을 부가하여 상기 예측 점수를 산출하는 것을 특징으로 한다.

그리고, 상기 미리 정해진 학습자의 퍼포먼스는 복수로 설정되고, 복수의 상기 학습자의 퍼포먼스 결과에 해당하는 값은 다르게 설정되는 것을 특징으로 한다.

또한, 상기 예측 점수 분석 단계는, 상기 학습자의 지난 호의 점수 결과를 확인하여 상기 지난 호의 점수 결과가 없는 경우, 상기 예측 점수 분석 단계는 예측할 상기 다음 호의 난이도 및 상기 학습자의 과정 테스트 능력 예측치를 조합하여 상기 다음 호의 예측 점수를 분석하는 것을 특징으로 한다.

그리고, 상기 예측 점수 분석 단계에서 상기 다음 호의 난이도는 상기 다음 호의 다른 학습자들의 점수의 평균값을 기준으로 마이너스 보정한 값으로 추정하는 것을 특징으로 한다.

여기서, 상기 예측 점수 분석 단계에서 상기 학습자의 과정 테스트 능력 예측치는 상기 학습자가 학습한 호의 점수와 상기 학습자가 학습한 호의 다른 학습자의 점수 평균값을 비교하여 산출된 값인 것을 특징으로 한다.

그리고, 상기 학습자의 과정 테스트 능력 예측치는 상기 학습자가 학습한 호의 학습이 모두 끝난 후 베이지안 선형 추정치(Bayesian linear estimator)로 산출되는 것을 특징으로 한다.

또한, 상기 예측 점수 분석 단계는, 상기 학습 정보 수신 단계에 의해 수신되는 정보에 의해 미리 정해진 학습자의 퍼포먼스에 해당하는 정보가 판별되면, 상기 다음 호의 예측 점수에 상기 학습자의 퍼포먼스 결과에 해당하는 값을 부가하여 상기 예측 점수를 산출하는 것을 특징으로 한다.

그리고, 상기 미리 정해진 학습자의 퍼포먼스는 복수로 설정되고, 복수의 상기 학습자의 퍼포먼스 결과에 해당하는 값은 다르게 설정되는 것을 특징으로 한다.

본 발명의 학습자의 예측 점수 분석 정보 제공방법에 의하면, 매 과정을 학습해 나가는 데 있어서 올바른 습관을 형성할 수 있게 하며, 학습 태도를 하나씩 고쳐나감에 따라 다음 과정에서 획득할 수 있는 예측 점수가 상향되는 것을 통해 학습자가 꾸준한 학습을 유지할 수 있는 동기를 부여하고, 학업 성취도를 고취시켜 줄 수가 있다.

도 1은 본 발명에 의한 학습자의 예측 점수 분석 정보 제공방법을 도시한 것이다.

본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시 예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.

본 발명의 바람직한 실시 예를 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지의 기술이나 반복적인 설명은 그 설명을 줄이거나 생략하기로 한다.

도 1은 본 발명에 의한 학습자의 예측 점수 분석 정보 제공방법을 도시한 것으로, 이하, 도 1을 참조하여 본 발명의 일 실시예에 의한 학습자의 예측 점수 분석 정보 제공방법을 설명하기로 한다.

본 발명에 의한 학습자의 예측 점수 분석 정보 제공방법은 온라인 상으로 학습을 위한 정보를 제공하고, 온라인 상으로 접속한 이용자가 이를 통해 학습을 진행할 수 있도록 하는 서비스 방법이다.

즉, 서비스 제공자는 인터넷 웹사이트 또는 스마트 기기를 통해 구현되는 어플리케이션을 통해서 학습 서비스를 제공하고, 해당 서비스의 이용자는 로그인 등의 절차를 통해 웹사이트나 어플리케이션에 접속하여 학습을 수행해 나갈 수 있도록 하는 것이다. 이러한 서비스 방법과 이용 방법에 대해서 널리 인식된 기술들에 대한 설명은 본 발명에서는 생략하도록 한다.

그리고, 본 발명에 의해 제공되는 학습은 '호(號)'별로 과정이 구분되고, 하나의 '호'는 여러 일차로 구분되어 1일차, 2일차 등으로 순차적으로 제공되는 학습으로, 구분된 회차에 의해 학습자가 적당한 학습량을 학습할 수 있도록 제공된다.

구체적으로 살펴보면, 본 발명에 의한 예측 점수 분석 정보 제공방법은 학습 제공 단계, 학습 정보 수신 단계, 학습 정보 데이터화 단계, 예측 점수 분석 단계 및 예측 점수 분석 정보 제공 단계를 포함한다.

학습 제공 단계(S10)는 서비스에 접속한 학습자가 이용할 수 있는 학습 내용을 서비스 서버에 의해 온라인 상으로 제공한다.

학습 제공 단계(S10)에 의해 제공되는 학습 내용은 학습자가 풀이할 학습 문항이며, 그 외에 학습 컨텐츠도 포함한다.

학습 내용은 '호(號)' 별로 구분되어 제공되고, 각각의 호는 다수의 일차로 구분되어 제공될 수 있으며, 각 일차에서 제공되는 학습 내용은 학습 문항과 함께 학습 컨텐츠가 포함되며, 학습 컨텐츠만 제공될 수도 있다.

학습 문항은 일차당 정해진 수와 난이도에 따른 복수의 학습 문항이 순차적으로 제공이 된다.

예를 들어, 10개의 문항이 일괄적으로 제공되어 학습자가 스크롤하며 풀이를 진행할 수도 있을 것이며, 하나 또는 둘 정도의 소량의 문항을 화면을 넘겨 가며 확인 가능하도록 제공하는 방식일 수 있다.

이에는 학습자가 문항에 대한 풀이를 위해 정답을 체크할 수 있는 수단이 함께 제공될 것이다.

그리고, 학습자가 나중에 풀기 위해서 제시된 문항을 건너뛰어 다른 문항을 먼저 풀이할 수 있도록 다음 문항의 선택이 가능한 수단도 제시가 된다. 단지 다음 페이지를 터치 입력 방식에 의해 선택되도록 할 수도 있을 것이다.

또한, 해당 일차의 전체 문항을 일괄적으로 채점할 수 있게 하거나, 한 페이지에 제공되는 문항마다 채점을 진행하도록 제공될 수도 있을 것이다.

학습 제공 단계(S10)에서는 학습자가 답변을 체크하고 채점을 선택하는 경우 채점에 의한 정답 또는 오답의 결과 또한 제공되게 한다.

한편, 오답인 경우에는 해당 문항에 대한 답변을 다시 할 수 있는 내용이 제공될 수도 있다.

그리고, 학습 컨텐츠는 해당 회차에서 알아야할 내용에 대한 강의의 텍스트나 영상 형식일 수 있으며, 각 문항에 대한 해설의 텍스트나 영상 또는 힌트 등일 수 있다.

이와 같은 학습 제공 단계(S10)에 의해 제공된 학습 내용 중 학습 문항에 대한 학습자의 답변이 있으면, 서비스 서버는 학습 정보 수신 단계(S20)에 의해 학습자의 답변을 수신하게 된다.

수신하는 학습 정보 또한 학습 문항에 대한 답변일 수 있으며, 학습 컨텐츠에 관한 결과물일 수 있다.

즉, 학습 문항에 대한 학습 정보는 해당 문항에 대한 학습자의 답변과 문항 제공시부터 답변까지의 소요 시간, 그리고 학습자의 답변이 오답이어서 재차 답변을 시도한 경우에는 답변 시도 횟수도 포함될 수 있다.

그리고, 학습 컨텐츠에 관한 결과물은 S10에서 제공된 학습 컨텐츠 내용을 이용하였는지 여부에 관한 것이다.

즉, 해당 일차에서 제공되는 강의, 해설, 힌트 등을 확인하였는지, 확인하지 않았는지에 관한 정보가 된다.

이와 같이 학습 정보 수신 단계(S20)에 의해 학습자의 학습 문항에 대한 답변과 학습 컨텐츠에 관한 결과물은 학습 정보 데이터화 단계(S30)에 의해 서비스 서버가 이를 데이터화한다.

학습자의 수는 온라인 서비스의 특성상 무한한 바, 학습 데이터화 단계(S30)에서는 수많은 학습자에 의한 학습 정보를 빅데이터화하고, 이를 분석하여 후술할 예측 점수 분석 단계(S40)를 통해 학습자의 예측 점수를 분석하여 예측 점수 분석 정보 제공 단계(S50)에 의해 제공하게 된다.

예측 점수 분석 정보 제공 단계(S50)에서는 S40에 의해 분석된 예측 점수 분석 정보뿐 아니라 일차당 전체 정답률, 전체 풀이 시간, 등급, 난이도, 학습자 평균과의 비교 등의 일반적인 학습 결과에 대한 정보가 포함될 수 있다.

예측 점수 분석단계(S40)에서는 학습 정보 수신 단계(S20)에 의해 수신한 학습자의 학습 정보와 학습 정보 데이터화 단계(S30)에 의해 빅데이터화되어 보유하고 있는 정보에 의해 학습자가 학습한 지난 호의 정보와 현재 학습하는 해당 호의 정보를 토대로 다음에 학습할 다음 호의 학습시 예측 점수를 분석한다.

다음 호의 예측 점수의 분석은 지난 호의 점수 결과가 있는지 없는지에 따라 분석 방법이 달라지는 바, 지난 호 점수 유무를 먼저 확인한다(S41).

예측 점수의 분석은 S41의 확인 결과, 지난 호의 점수가 있는 경우에는 학습자의 과정 테스트 능력 예측치 + 다음 호 난이도 + 절편 + 지난 호 점수*보정값 으로 산출한다(S42).

그리고, S41의 확인 결과, 지난 호의 점수가 없는 경우에는 학습자의 과정 테스트 능력 예측치 + 다음 호 난이도 + 절편으로 산출한다(S43).

나아가, 지난 호 점수 유무의 확인은 지난 1개의 호의 점수 결과보다는 직전 복수 개의 점수일 수 있다.

S42 기준으로 다음 수학식과 같이 나타낼 수 있다.

즉, 다음 호의 예측 점수(edition test score)는 지난 호 점수(previous edition test score, edition test score 2editions back)과, 다음 호 난이도(edition difficulty) 및 학습자의 과정 테스트 능력 예측치(learner test ability)에 의해 산출된다.

그리고, 수학식에서는 직전 2개의 호의 점수를 산입한 예시이며, 바람직하게는 직전 3개의 호의 점수 유무를 확인하고, 그에 따라 S42와 S43을 통해 산출할 수 있다.

지난 3개의 호의 점수가 존재하는 경우에 S42는 다음과 같이 수정될 수 있다.

즉, 학습자의 과정 테스트 능력 예측치 + 다음 호 난이도 + 절편 + 직전 지난 호 점수*보정값1 + 두 번째 지난 호 점수*보정값2 + 세 번째 지난 호 점수*보정값3 으로 산출하게 된다.

S42 및 S43의 산출에서 절편과 보정값1, 보정값2, 보정값3은 회귀분석에 의한 계수로서, 실제 값들의 가중치를 적절히 보정하여 원하는 결과를 산출해주는 역할을 한다.

그리고, 지난 호의 점수를 산정시, 시도한 횟수에 따른 정보가 반영될 수 있다. 즉, 각각의 문항에 대한 답변 시도를 1회만 할 수도 있으나, 재차 시도할 수도 있는 바, 그러한 경우에 1회의 점수는 문항당 1점, 2회째 점수는 문항당 0.5점 등으로 차등적으로 적용하여 점수가 산출되게 할 수 있다.

또한, 지난 호 전체의 문항 답변을 재차 시도한 경우라면, 첫 번째의 시도만을 기준으로 지난 호의 점수로 반영되게 할 수 있다.

여기서, 예측할 다음 호의 난이도의 추정값은 S30에 의해 데이터화된 해당 호를 이미 학습한 다른 학습자들의 해당 호의 점수 결과의 평균값으로 추정된다.

나아가, 본 발명의 목적에 부합할 수 있게 해당 호를 이미 학습한 다른 학습자들의 해당 호의 평균 점수 값을 낮추는 마이너스 보정을 한 값을 다음 호의 난이도로 추정할 수 있다. 그러므로, 다음 호 난이도는 다른 학습자들의 해당 호의 점수 결과의 평균값보다 높을 수가 있다.

그리고, 지난 호의 점수는 해당 학습자가 학습한 지난 호의 점수 결과에 해당하고, 적절한 결과의 도출을 위해 지난 각 호의 점수에 가중치를 부여하여 산출한다.

나아가, 보정값1, 보정값2, 보정값3은 각각 다르게 설정될 수 있으며, 가장 최근 호일수록 높은 비중으로 예측 점수에 반영될 수 있도록 보정값1, 보정값2, 보정값3의 순으로 크게 설정될 수 있다.

한편, 학습자의 과정 테스트 능력 예측치는 학습자가 동일한 테스트에서 평균적으로 다른 학습자들에 비해 몇 점을 더 받는지를 수치화한 값이 된다. 이는 단순히 지난 호 점수에 의해서는 설명될 수 없는 값이 된다.

즉, 여러 단계의 순차적인 호의 진행에 있어 각각의 호마다 학습자의 과정 테스트 능력 예측치를 산출하며, 그 값은 해당 호에 대한 다른 학습자의 평균값과 비교함으로써 이를 보정값으로 산입하는 것이다.

각 호마다 학습자의 과정 테스트 능력 예측치는 ±1, ±3 등으로 산정될 것이며, 산출한 호의 수에 따라 평균값이 산입되게 하는 것이다.

추가적으로, 다음 호 난이도와 지난 호 점수들의 계수들에 대한 캘리브레이션(조정, calibration)을 위해, R에 존재하는 이머 패키지(Imer package)를 사용하고, 과정 테스트 능력 예측치는 각 호의 테스트가 끝난 후 베이지안 선형 추정치(Bayesian linear estimator)로 계산된다.

다음으로, 위와 같이 학습자의 과정 테스트 능력 예측치, 다음 호 난이도, 직전 지난 호 점수에 의해 산출되는 다음 호의 예측 점수에 학습자 퍼포먼스 예측 값이 추가될 수 있다.

학습자의 퍼포먼스(행동 패턴) 예측 값은 각 호의 각 일차 학습마다 파악하여 반영하는 값이다.

이는 학습자가 각 일차의 문항을 풀이하는 데 있어 학습에 좋지 않은 행동이 있는지를 파악하고, 그러한 행동이 개선되면 예측 점수가 올라갈 수 있으므로 이러한 가정 하에 (+) 점수를 보정하는 것이다.

이는 현재 학습하는 해당 학습의 각 호의 일차마다 예측 점수에 반영하여 해당 호의 학습이 종료될 때까지 계속적으로 수정될 수 있는 값이 된다.

예측 점수 분석 단계(S40)에서는 학습 정보 수신단계(S20)에 의해 수신된 학습 정보를 통해서 그러한 퍼포먼스가 있었는지를 분석하며, 분석하는 퍼포먼스는 다음과 같이 예시할 수 있다.

(1) 문제를 건너뛰었을 경우

문제를 건너뛰는 행동은 해당 학습 문항에 대해서 채점 수단에 의한 채점 없이 다음 문항으로 넘어간 경우에 해당한다.

즉, 문항의 일부를 빈 칸으로 남겨 두었거나, 아예 비워둔 채로 채점하지 않은 경우이고, 이를 학습 정보 수신 단계(S20)를 통해 문제를 건너뛰는 행동 여부를 파악하여, 그러한 행동이 없을 경우를 가정하여 그 수만큼 (+) 점수를 산출하여 예측 점수에 부가하는 것이다.

(2) 문제에 빈 칸을 남기고 채점한 경우

문제에 빈 칸을 남기고 채점한 행동은 각 일차의 학습 문항 중 답변 없이 채점 수단에 의해 채점한 경우이고, 이를 학습 정보 수신 단계(S20)를 통해 파악하여, 그러한 행동이 없을 경우를 가정하여 그 수만큼 (+) 점수를 산출하여 예측 점수에 부가하는 것이다.

(3) 앞 문제를 틀리고 뒤에 나온 문제를 틀렸을 경우

앞 문제를 틀리고 뒤에 나온 문제를 틀렸을 경우는 문항을 연속적으로 틀린 것에 해당하고, 단순히 몰라서 틀린 경우도 있으나 집중력이 부족하거나 맞추고자 하는 의지보다 대충 답변하는 경우도 있으므로, 이 같은 행동을 줄이면 다음 호의 점수가 상향될 수 있다고 보는 것이다.

그래서, 이를 학습 정보 수신 단계(S20)를 통해 파악하여, 그 수만큼 (+) 점수를 산출하여 예측 점수에 부가하는 것이다.

(4) 난이도가 높은 문제 또는 평균 답변 소요시간이 긴 문제를 너무 빨리 풀었을 경우

학습 문항에는 S30에서 데이터화된 고유의 추정된 난이도가 존재한다. 해당 문항의 고유 난이도가 일정 이상인데, 해당 문항에 대한 답변 소요 시간이 기준 시간보다 짧은 경우인지를 파악한다.

그리고, 해당 문항에 대해 전체 학습자가 답변한 평균 답변 소요시간이 존재하며, 해당 문항의 답변 소요시간이 평균 답변 소요시간보다 짧은 경우인지를 파악한다.

그래서, 그와 같이 판단되면 이러한 행동이 없는 경우에 점수가 상향된다는 가정 하에 그 수만큼 (+) 점수를 산출하여 예측 점수에 부가하는 것이다.

(5) 쉬운 문제를 너무 느리게 풀었을 경우

앞서 설명한 체감 난이도가 일정 기준보다 낮은 경우에 해당 문항에 대한 답변 소요 시간이 기준 시간보다 긴 경우를 파악하고, 이 같은 행동이 파악되면 그 수만큼 (+) 점수를 산출하여 예측 점수에 부가하는 것이다.

이 또한 단순히 몰라서 답변 소요 시간이 긴 경우보다 집중력이 부족하거나 학습 의지가 약했던 상태인 경우가 보다 많기 때문에, 이러한 행동을 줄이면 예측 점수가 상향될 수 있는 것으로 판단하는 것이다.

(6) 개념 강의나 해설 영상을 스킵한 경우

학습 내용의 학습 컨텐츠 중에는 해당 일차에서 알아야할 내용에 대한 강의가 존재한다. 또한, 학습 내용의 학습 컨텐츠 중에는 각 문항에 대한 해설의 텍스트나 영상 또는 힌트 등이 존재한다.

이러한 학습 컨텐츠의 활용 여부를 파악하고, 이를 활용하지 않고 틀린 경우를 파악하여 그 수만큼 (+) 점수를 산출하여 예측 점수에 부가하는 것이다.

그러한 학습 컨텐츠를 활용한다면 예측 점수가 상향될 수 있는 것으로 판단되기 때문이다.

(7) 어려운 문제 또는 평균 답변 소요 시간이 긴 문항을 틀리고 다시 풀지 않은 경우

이는 학습자가 문항 풀이에 틀린 후 해당 문항에 대한 답변을 다시 할 수 있는 내용이 제공되었음에도 재시도를 하지 않는 행동이 파악되는 경우이며, 이 경우에도 그 수만큼 (+) 점수를 산출하여 예측 점수에 부가하는 것이다.

이상에서 살펴본 바와 같은 학습자의 퍼포먼스가 파악되면 이를 예측 점수에 반영하여 학습자가 확인할 수 있도록 예측 점수 분석 정보제공 단계(S50)를 통해 제공하게 된다.

학습자의 퍼포먼스에 의한 보정값은 각 경우에 다르게 설정될 수 있고, 문항의 난이도에 따라 달리 설정될 수도 있다.

그리고, 해당 일차나 호별 학습에 대한 총평 등의 정보와 함께 제공할 수 있을 것이다.

또한, 위 예시의 퍼포먼스의 발생 여부와 횟수도 함께 제공될 수 있다.

이상과 같은 본 발명은 예시된 도면을 참조하여 설명되었지만, 기재된 실시 예에 한정되는 것이 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 및 변형될 수 있음은 이 기술의 분야에서 통상의 지식을 가진 자에게 자명하다. 따라서 그러한 수정 예 또는 변형 예들은 본 발명의 특허청구범위에 속한다 하여야 할 것이며, 본 발명의 권리범위는 첨부된 특허청구범위에 기초하여 해석되어야 할 것이다.

S10 : 학습 제공 단계
S20 : 학습 정보 수신 단계
S30 : 학습 정보 데이터화 단계
S40 : 예측 점수 분석 단계
S41 : 지난 호 점수 유무 확인 단계
S42 : 지난 호 점수 있는 경우 예측 점수 산출
S43 : 지난 호 점수 없는 경우 예측 점수 산출
S50 : 예측 점수 분석 정보 제공 단계

Claims (13)

1. 서비스 서버에 접속한 학습자가 이용할 수 있는 학습 문항을 포함한 학습 내용을 온라인 상으로 호(號) 별로 구분하여 제공하는 학습 제공 단계;
   상기 학습 문항에 대한 학습자의 답변 내용을 포함하는 학습 정보를 수신하는 학습 정보 수신 단계;
   상기 학습 정보 수신 단계에 의해 수신된 정보를 데이터화하는 학습 정보 데이터화 단계;
   상기 학습 정보 데이터화 단계에 의해 저장된 데이터 분석을 통해 상기 학습가 학습할 다음 호의 학습시 예측 점수를 분석하는 예측 점수 분석 단계; 및
   상기 예측 점수 분석 단계에 의해 분석된 예측 점수에 대한 분석 정보를 제공하는 예측 점수 분석 정보 제공 단계를 포함하고,
   상기 예측 점수 분석 단계는,
   상기 학습자의 지난 호의 점수 결과를 확인하여 상기 지난 호의 점수 결과가 있는 경우, 상기 지난 호의 점수, 예측할 상기 다음 호의 난이도 및 상기 학습자의 과정 테스트 능력 예측치를 조합하여 상기 다음 호의 예측 점수를 분석하는 것을 특징으로 하는,
   학습자의 예측 점수 분석 정보 제공방법.
2. 청구항 1에 있어서,
   상기 예측 점수 분석 단계에서 상기 지난 호의 점수는 복수의 지난 호의 점수가 반영되며, 상기 지난 호의 점수는 가중치를 부여하여 반영되되, 가장 최근 지난 호의 점수의 가중치가 다른 지난 호의 점수의 가중치보다 높게 설정하는 것을 특징으로 하는,
   학습자의 예측 점수 분석 정보 제공방법.
3. 청구항 2에 있어서,
   상기 예측 점수 분석 단계에서 상기 다음 호의 난이도는 상기 다음 호의 다른 학습자들의 점수의 평균값을 기준으로 마이너스 보정한 값으로 추정하는 것을 특징으로 하는,
   학습자의 예측 점수 분석 정보 제공방법.
4. 청구항 2에 있어서,
   상기 예측 점수 분석 단계에서 상기 학습자의 과정 테스트 능력 예측치는 상기 학습자가 학습한 호의 점수와 상기 학습자가 학습한 호의 다른 학습자의 점수 평균값을 비교하여 산출된 값인 것을 특징으로 하는,
   학습자를 위한 학습 문항 분석 정보 제공방법.
5. 청구항 4에 있어서,
   상기 학습자의 과정 테스트 능력 예측치는 상기 학습자가 학습한 호의 학습이 모두 끝난 후 베이지안 선형 추정치(Bayesian linear estimator)로 산출되는 것을 특징으로 하는,
   학습자의 예측 점수 분석 정보 제공방법.
6. 청구항 2에 있어서,
   상기 예측 점수 분석 단계는,
   상기 학습 정보 수신 단계에 의해 수신되는 정보에 의해 미리 정해진 학습자의 퍼포먼스에 해당하는 정보가 판별되면, 상기 다음 호의 예측 점수에 상기 학습자의 퍼포먼스 결과에 해당하는 값을 부가하여 상기 예측 점수를 산출하는 것을 특징으로 하는,
   학습자의 예측 점수 분석 정보 제공방법.
7. 청구항 6에 있어서,
   상기 미리 정해진 학습자의 퍼포먼스는 복수로 설정되고, 복수의 상기 학습자의 퍼포먼스 결과에 해당하는 값은 다르게 설정되는 것을 특징으로 하는,
   학습자의 예측 점수 분석 정보 제공방법.
8. 청구항 2에 있어서,
   상기 예측 점수 분석 단계는,
   상기 학습자의 지난 호의 점수 결과를 확인하여 상기 지난 호의 점수 결과가 없는 경우, 상기 예측 점수 분석 단계는 예측할 상기 다음 호의 난이도 및 상기 학습자의 과정 테스트 능력 예측치를 조합하여 상기 다음 호의 예측 점수를 분석하는 것을 특징으로 하는,
   학습자의 예측 점수 분석 정보 제공방법.
9. 청구항 8에 있어서,
   상기 예측 점수 분석 단계에서 상기 다음 호의 난이도는 상기 다음 호의 다른 학습자들의 점수의 평균값을 기준으로 마이너스 보정한 값으로 추정하는 것을 특징으로 하는,
   학습자의 예측 점수 분석 정보 제공방법.
10. 청구항 8에 있어서,
    상기 예측 점수 분석 단계에서 상기 학습자의 과정 테스트 능력 예측치는 상기 학습자가 학습한 호의 점수와 상기 학습자가 학습한 호의 다른 학습자의 점수 평균값을 비교하여 산출된 값인 것을 특징으로 하는,
    학습자를 위한 학습 문항 분석 정보 제공방법.
11. 청구항 10에 있어서,
    상기 학습자의 과정 테스트 능력 예측치는 상기 학습자가 학습한 호의 학습이 모두 끝난 후 베이지안 선형 추정치(Bayesian linear estimator)로 산출되는 것을 특징으로 하는,
    학습자의 예측 점수 분석 정보 제공방법.
12. 청구항 8에 있어서,
    상기 예측 점수 분석 단계는,
    상기 학습 정보 수신 단계에 의해 수신되는 정보에 의해 미리 정해진 학습자의 퍼포먼스에 해당하는 정보가 판별되면, 상기 다음 호의 예측 점수에 상기 학습자의 퍼포먼스 결과에 해당하는 값을 부가하여 상기 예측 점수를 산출하는 것을 특징으로 하는,
    학습자의 예측 점수 분석 정보 제공방법.
13. 청구항 12에 있어서,
    상기 미리 정해진 학습자의 퍼포먼스는 복수로 설정되고, 복수의 상기 학습자의 퍼포먼스 결과에 해당하는 값은 다르게 설정되는 것을 특징으로 하는,
    학습자의 예측 점수 분석 정보 제공방법.

Images