KR20200103146A - 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템 - Google Patents

Abstract

본 발명은 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템에 관한 것이다.
이와 같은, 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템은 문제, 상기 문제에 대한 해설, 학생 프로파일, 기 저장된 학생들이 학습결과가 저장된 데이터베이스부,
데이터베이스부에 저장된 문제로부터 단어로 구분되는 단어를 핵심단어로 추출하고,
핵심단어의 교육과정 해설서의 문자 내에서 존재하는 교육과정의 순서에 따라 관련도 등급을 결정하고, 관련도 등급에 따라 단위지식 간의 순서를 결정하고, 사용자의 단위지식 선택에 따라 단위지식에 맵핑된 문제를 제공하여 문제의 풀이 여부에 의해 연결정보에 따른 다른 단위지식의 문제를 연속적으로 제공하고,
단위지식들 간 교육과정에서 이루는 관계가 순서적으로 상하관계를 이루는 경우 관련도 등급을 1등급으로 하고,
단위지식들 간 교육과정에서 이루는 관계가 단어의 개념적인 상하관계를 이루는 경우 관련도 등급을 2등급으로 하고,
단위지식이 상하관계가 아닌 수평관계 또는 교육과정에서 동시에 교육되는 동시학습관계에 있는 경우 관련도 등급을 3등급으로 결정하는 정보추출변환부;
특정 단위지식에 대한 평가문제를 구성하기 위하여, 단위지식의 연관 구성으로 구성된 지식체계를 기반으로 문제은행을 구성하고, 문제추천에 의해 생성된 결과데이터를 선행학습데이터로 사용함으로써 초기 문제은행에서 출제된 문제들에 대한 가중치 초기값을 최적의 초기값으로 조정이 가능한 문제추천부;
지식체계의 단위지식 연관관계를 이용하여 단계별로 지식을 학습하는 코스를 추천하며, 학생의 학업성취도에 따라 단위지식들의 가중치에 따른 학습코스를 추천하는 학습코스 추천모듈부; 및
문제추천부와 상기 추천모듈부와 연결되어, 문제추천부와 추천모듈부로부터 전송되는 데이터를 단위지식으로 하여 지식체계도를 형성하는 지식체계부;
문제추천부, 추천모듈부 또는 지식체계부 중 적어도 어느 하나와 연결되어, 문제, 지식체계도 또는 학습코스를 제공받아 출력하는 단말기를 포함한다.

Description

온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템{Artificial Intelligence Learning Diagnostic System Using Knowledge Map Based On Ontology}

본 발명은 인공지능의 기술을 기반으로 하여, 학습자의 학습상태를 정확하게 알려주는 기술분야에 속한다.

최근 들어 교육 방식의 패러다임이 급변하고 있다. 기존의 전통적인 방식인 선생님 주도의 교육 방식에서 학생주도 형태의 교육 방식으로 변화하고 있다. 일례로, 수업시간에 교수가 강의를 지도하는 방식에서, 도 7에 도시된 바와 같이 수업시간 전 수업내용을 학습한 후, 수업시간에는 학습된 내용을 발표하는 방식으로 변화하고 있다.

수업시간에 학습된 내용을 발표하는 수업, 일명 거꾸로 수업 또는 거꾸로 교실 등으로 변화하고 있다. 이러한 방식의 수업은 수업시간에 몰입도와 참여도를 높일 수 있다는 점에서 각광 받고 있다. 이와 같은 수업은 2010년 무렵 미국에서부터 시작해 점점 진행되고 있다.

그러나, 거꾸로 학습은 학생이 수업 전에 학습활동을 해야 수업이 진행될 수 있고, 학생이 수업 전에 수업내용을 학습하지 않았다면 전통적인 방식의 수업에 비해 보다 수업 참여율이 떨어 뜨리는 문제를 가진다.

이러한 문제로 인해, 거꾸로 학습은 전통적 수업의 보조방식 정도로만 활용되고 있다.

현재에는 거꾸로 학습 및 수업이 보조적 수업도구에서 벗어날 수 있도록 하는 시도가 많이 이루어지고 있다. 특히 온라인의 발전과 인공지능의 발전에 따라 교육현장에 실질적으로 적용될 수 있는 시스템들이 많이 개발되고 있다.

대한민국 공개특허 제10-2008-0008066호 (2008년 01월 23일)

이에, 본 발명이 해결하고자 하는 과제는 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템을 통해, 학생의 평가결과 데이터를 기반으로 학습활동에 대한 분석과 진단을 정확하게 도출하여 학습자에게 제공하며 후속 교육의 방향성을 컨설팅을 해주며 학습자 스스로 학습 방향을 계획할 수 있도록 하는 것이다.

이와 같이 본 발명의 해결하고자 하는 과제는 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 달성하기 위한 본 발명의 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템은 문제 및 상기 문제에 대한 해설이 저장되는 데이터베이스부;

상기 데이터베이스부에 저장된 문제로부터 단어로 구분되는 단어를 핵심단어로 추출하고,

상기 핵심단어의 교육과정 해설서의 문자 내에서 존재하는 교육과정의 순서에 따라 관련도 등급을 결정하고, 관련도 등급에 따라 단위지식 간의 순서를 결정하고, 사용자의 단위지식 선택에 따라 단위지식에 맵핑된 문제를 제공하여, 문제의 풀이 여부에 의해 연결정보에 따른 다른 단위지식의 문제를 연속적으로 제공하고,

단위지식들 간 교육과정에서 이루는 관계가 순서적으로 상하관계를 이루는 경우 관련도 등급을 1등급으로 하고,

단위지식들 간 교육과정에서 이루는 관계가 단어의 개념적인 상하관계를 이루는 경우 관련도 등급을 2등급으로 하고,

단위지식이 상하관계가 아닌 수평관계 또는 교육과정에서 동시에 교육되는 동시학습관계에 있는 경우 관련도 등급을 3등급으로 결정하는 정보추출변환부;

특정 단위지식에 대한 평가문제를 구성하기 위하여, 단위지식의 연관 구성으로 구성된 지식체계를 기반으로 문제은행을 구성하고, 문제추천에 의해 생성된 결과데이터를 선행학습데이터로 사용함으로써 초기 문제은행에서 출제된 문제들에 대한 가중치 초기값을 최적의 초기값으로 조정이 가능한 문제추천부;

지식체계의 단위지식 연관관계를 이용하여 단계별로 지식을 학습하는 코스를 추천하며, 학생의 학업성취도에 따라 단위지식들의 가중치에 따른 학습코스를 추천하는 학습코스 추천모듈부;

학생들의 평가결과 데이터, 학생 프로파일, 단위지식을 기반으로 지식체계도를 형성하는 지식체계부; 및

상기 문제추천부, 상기 추전모듈부 및 상기 지식체계부와 연결되어, 상기 문제, 상기 지식체계도 및 상기 학습코스를 제공받아 출력하는 단말기를 포함한다.

본 발명은 학습자의 학습에 대한 빅데이터와 빅데이터 기반 평가결과를 기초로 학습활동에 대한 분석과 진단을 정확하게 도출할 수 있다. 또한, 학습자가 틀린 문항을 분석하고 분석된 내용을 토대로 문제의 기본 개념 및 유사 문제를 추천하며 문항을 해결하기 위한 기본 개념을 익힐 수 있도록 할 수 있다.

나아가, 학습자 스스로 학습 방향을 계획하며 공부를 할 수 있도록 할 수 있다.

도 1은 본 발명의 일 실시예에 따른 온톨로지 기반의 지식맵을 활용한 인공지능 학습지단 시스템이다.
도 2는 본 발명의 일 실시예에 따른 온톨로지 기반의 지식맵을 활용한 인공지능 학습지단 시스템의 블록도이다.
도 3은 본 발명의 일 실시예에 따른 맞춤형 인공지능 STEM 교육 플랫폼 구성도이다.
도 4는 본 발명의 일 실시예에 따른 빅데이터 분석 결과가 추천시스템으로 전달되는 상태도이다.
도 5는 단위지식체계도와 지식맵을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따른 문제추천을 위한 DBN-CF를 나타낸 도이다.
도 7은 종래의 거꾸로 교실을 나타낸 그림이다.

이하, 첨부된 도면을 참조하여 본 발명의 실시 예를 상세히 설명하기로 한다.

본 발명의 실시 예는 당해 기술 분야에서 통상의 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위하여 제공되는 것이며, 하기 실시 예는 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 하기 실시 예에 한정되는 것은 아니다.

오히려, 이들 실시 예는 본 개시를 단지 충실 및 완전하게 하여, 당업자에게 본 발명의 사상을 완전하게 전달하기 위하여 제공되는 것일 뿐 이로써 한정되는 것은 아니다.

본 명세서에서는 본 발명에 대한 설명이 간결하고 명확해질 수 있도록, 도 1을 참조하여 본 발명의 일 실시예에 따른 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템에 대해 개괄적으로 설명한다. 그리고, 본 발명의 일 실시예에 따른 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템을 이루는 구성요소에 대해 설명한다.

도 1은 본 발명의 일 실시예에 따른 온톨로지 기반의 지식맵을 활용한 인공지능 학습지단 시스템의 관계도이고, 도 2는 본 발명의 일 실시예에 따른 온톨로지 기반의 지식맵을 활용한 인공지능 학습지단 시스템의 블록도이다.

온톨로지 기반의 지식맵을 활용한 인공지능 학습지단 시스템(1)은 학습자의 학습에 대한 데이터를 수집하여 빅데이터로 형성하고, 형성한 빅데이터를 기반으로 해, 학습 상태에 대한 분석과 진단을 정확하게 도출할 수 있다. 또한, 학습자가 틀린 문항을 분석하고 분석된 내용을 토대로 문제의 기본 개념 및 유사 문제를 추천하며 문항을 해결하기 위한 기본 개념을 익힐 수 있도록 한다.

아울러, 본 발명은 학습 목표에 적합한 커리큘럼 상에서 학습자 스스로 학습 방향을 계획할 수 있도록 한다.

보다 구체적으로, 온톨로지 기반의 지식맵을 활용한 인공지능 학습지단 시스템(1)은 기존의 가설적인 학습자 집단을 대상으로 대중화된 학습내용을 전달하는 Technology-based Learning과 달리, 면대면의 환경에서 교사가 갖는 경험과 지식에서 비롯된 총체적 판단에 의해 학습자 개개인의 특성에 맞는 개별화된 교육을 제공할 수 있다.

또한, 온톨로지 기반의 지식맵을 활용한 인공지능 학습지단 시스템(1)은 학업성취도 평가 모델 개발을 통해 학생에게 맞춤형 학습을 추천하고 교사에게 실시간 통합적 분석 자료를 제공해 혼합형 학습(blended learning)에 즉각적으로 활용할 수 있다.

이와 같은, 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템(1)은 빅데이터 기술과 딥 러닝 기술의 융합을 통한 학습 콘텐츠 분야와 연계되어 다양한 분야(학습 로봇, 생산공정 제어 분야)와 제한 없이 확장 되어 개발될 수 있다.

온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템(1)은 다양한 기술가 기술연계가 용이하고 이에 따른 사업 확장을 가지고 있어 경제 산업적 측면에 큰 파급효과를 가진다. 일례로, 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템(1)은 각기 다른 기준을 적용하고 있으며, 콘텐츠 제작 시 소요되는 높은 비용과 기간을 갖는 기존의 플랫폼과 달리, 표준 연동방식 정의를 통한 openAPI 제공으로 콘텐츠를 재사용하며, 재사용된 콘테츠의 사용 빈도를 연산하여 관련 학습 콘텐츠 개발 산업을 촉진할 수 있다.

아울러, 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템(1)은 어느 하나의 학년 및 어느 하나의 과목에 한정되지 않고, 초, 중, 고에 대한 교과과정에 대한 모든 문제를 기계적으로 학습된 데이터에 기반하여 정확하게 제공하고, 학습 방향을 제시할 수 있다.

이와 같은 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템(1)은 인공지능 기술에 기반한 기술로써, 다른 산업군 간 융합이 용이하다. 따라서, 기술적 측면과 더불어 산업적 측면에서 제고가 가능하고, 시장 창출의 확장이 가능하다.

온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템(1)은 데이터베이스부(10), 정보추출변환부(20), 문제추천부(30), 추천모듈부(40), 지식체계부(50) 및 단말기(60)로 구성되고, 각 구성요소 간의 유기적 관계를 통해 전술한 특징을 나타낼 수 있다.

이하, 도 2를 통해, 본 발명의 일 실시예에 따른 온톨로지 기반의 지식맵을 활용한 인공지능 학습지단 시스템의 구성요소에 대해 설명하고, 이와 도 3 내지 도 7를 통해 각 구성요소의 특징에 대해 설명하다.

도 3은 본 발명의 일 실시예에 따른 맞춤형 인공지능 STEM 교육 플랫폼 구성도이고, 도 4는 본 발명의 일 실시예에 따른 빅데이터 분석 결과가 추천시스템으로 전달되는 상태도이고, 도 5는 단위지식체계도와 지식맵을 나타낸 도면이고, 도 6은 본 발명의 일 실시예에 따른 문제추천을 위한 DBN-CF를 나타낸 도이다. 그리고 도 7은 본 발명의 일실시예에 따른 학습코스추천을 위한 RNN-CF를 나타낸 도이다.

데이터베이스부(10)는 데이터를 체계화하여 저장한다. 이러한 데이터베이스부(10)는 도 3에 도시된 바와 같이, 문제은행의 문제, 학생 프로파일을 포함한다. 또한, 단위 지식의 연결 정보, 분석정보, 문제에 대한 해설, 학생들의 학습결과를 포함할 수 있다. 여기서, 데이터베이스부(10)에 저장되는 문제는 기본 문항 정보로서, 과목, 단원, 난이도, 판별력 등에 대한 데이터를 포함한다. 또한, 단위 지식 연결 정보는 해당 문제를 풀기 위한 단위 지식의 관계 정보, 단위 지식별 가중치 정보 등을 포함한다. 또한, 분석정보는 군집화에 따른 정오답 분석 정보, 학습 유형/코스별 정답 및 오답 분석 정보 등을 포함한다.

아울러, 학생 프로파일은 학생의 성별, 학습수준 등을 포함한다. 아울러, 학습결과는 학생들이 학습한 문제의 결과가 될 수 있다. 이때, 학습결과는 관리자에 의해 등록되어 저장될 수 있다. 그리고, 필요에 따라 그 데이터가 변경될 수 있다. 데이터베이스부(10)는 전술한 데이터를 정보추출변환부(20)로 전송한다.

정보추출변환부(20)는 데이터베이스부(10)가 전송한 데이터를 연산하여 유의미한 정보 데이터로 추출한다. 이러한 정보추출변환부(20)는 도 4에 도시된 Big-Data 분석을 하는 모듈이 된다. 이에, 정보추출변환부(20)는 문제 연관관계분석, 문제 및 학습자 군집화 분석 및 문제 연결분석을 할 수 있다.

보다 구체적으로 정보추출변환부(20)는 데이터베이스부(10)에 저장된 문제로부터 단어로 구분되는 단어를 핵심단어로 추출한다. 그리고 핵심단어의 교육과정 해설서의 문자 내에서 존재하는 교육과정의 순서에 따라 관련도 등급을 결정하고, 관련도 등급에 따라 단위지식 간의 순서를 결정한다. 또한, 사용자 즉, 학습자의 단위지식 선택에 따라 단위지식에 맵핑된 문제를 제공하여, 문제의 풀이 여부에 의해 연결정보에 따른 다른 단위지식의 문제를 연속적으로 제공할 수 있다. 여기서, 단위지식은 특정 과목의 단원에서 사용되는 지식으로서, Wiki를 기반으로 한 단위지식 정보가 될 수 있고, 단위 지식 상호간 연결 관계 정보, 단위 지식과 문제 은행 연결 정보, 단위 지식에 대한 학습 코스 연결 정보가 될 수 있다.

또한, 정보추출변환부(20)는 단위지식들 간 교육과정에서 이루는 관계가 순서적으로 상하관계를 이루는 경우 관련도 등급을 1등급으로 하고, 단위지식들 간 교육과정에서 이루는 관계가 단어의 개념적인 상하관계를 이루는 경우 관련도 등급을 2등급으로 하고, 단위지식이 상하관계가 아닌 수평관계 또는 교육과정에서 동시에 교육되는 동시학습관계에 있는 경우 관련도 등급을 3등급으로 결정하며 등급을 분류할 수 있다.

정보추출변환부(20)는 이와 같이 분류된 데이터를 문제추천부(30) 및 추천모듈부(40)로 전송할 수 있다.

문제추천부(30)는 특정 단위지식에 대한 평가문제를 구성하기 위하여, 단위지식의 연관 구성으로 구성된 지식체계를 기반으로 문제은행을 구성한다. 그리고 구성된 문제은행을 추천할 수 있다. 즉, 정보추출변환부(20)로부터 문제 연관관계 분석된 데이터를 수신하여 문제를 구성해 추천할 수 있다. 일례로, 문제추천부(30)는 도 5의 (a)에 도시된 바와 같이 서로소에 대한 문제를 제공할 수 있다. 이때, 문제추천부(30)는 기초학습으로 최대공약수, 최소공배수 문제를 추천할 수 있다. 그리고 최대공약수의 기초학습으로 공약수, 소인수분해 문제를 추천하고, 최소공배수의 기초학습으로 공배수 및 공약수를 추천할 수 있다. 또한, 소인수분해의 기초학습으로 소인수, 합성수 문제를 추천하고, 공배수의 기초학습으로 배수를 추천할 수 있다. 이와 같이 문제추천부(30)는 문제를 추천할 뿐 아니라, 추천된 기초학습의 문제를 추천하며 하나의 지식체계도를 추천할 수 있다.

아울러, 문제추전부(30)가 생성하는 지식체계도는 수 많은 지식셀(Knowledge Cell)로 구성된 단순지식을 인간의 두뇌 구조와 같이 지식스냅스(knowledge Synapse)로 연결된 지식그물망(knowledge Mesh Network)으로 정의할 수 있다. 지식셀(Knowledge Cell)은 최소단위로서 기존 컨텐츠 강의 중심이 아닌 지식셀을 기본으로 하는 문제풀이를 통해 학생별 지식수준의 측정이 가능해지며, 어느 지식이 부족한지 파악이 가능하다. 또한, 문제추천부(30)는 문제추천에 의해 생성된 결과데이터를 선행학습데이터로 사용하며 초기 문제은행에서 출제된 문제들에 대한 가중치 초기값을 최적의 초기값으로 조정한다. 일례로, 문제추천부(30)는 도 5의 (b)에 도시된 바와 같이 소인수, 최대공약수, 최소공배수, 합성수, 소인수 등이 문제가 추천된 후, 학습자가 푼 문제의 오답률 및 정답률에 따라 가중치를 부여할 수 있다.

추천모듈부(40)는 지식체계의 단위지식 연관관계를 이용하여 단계별로 지식을 학습하는 코스를 추천하며, 학생의 학업성취도에 따라 단위지식들의 가중치에 따른 학습코스를 추천한다. 일례로, 도 6에 도시된 바와 같이 단위지식의 연관 구성으로 구성된 지식체계를 기반으로 하고, 지식체계의 연관 구성에 따라 DBN 선행지식을 활용한 문제를 추천한다. 여기서, DBN은 그래프 생성모형(Generative Graphical Model)으로 잠재변수의 다중계층으로 이루어진 심층 신경망을 의미한다.

아울러, 추천모듈부(40)는 RBM(Restricted Boltzmann Machines)기반의 DBN 모델로 구성 RBM을 쌓아 올리면서(Stacking)학습시킴으로써 방향성을 가진 DBN의 성격을 가짐 DBN의 생성모형으로 CB기반의 문제추천에 의해 생성된 결과데이터를 선행학습데이터로 사용함으로써 초기 문제은행에서 출제된 문제들에 대한 가중치 초기값을 최적의 초기값으로 조정이 가능하다.

지식체계부(50)는 문제추천부(30) 또는 추천모듈부(40)와 연결되어, 문제추천부(30)와 추천모듈부(40)로부터 전송되는 데이터를 단위지식으로 하여 지식체계도를 형성한다. 이와 같은, 문제추천부(30), 추천모듈부(40), 지식체계부(50) 가운데 적어도 어느 하나는 단말기(60)와 연결되어 가공한 데이터를 전송할 수 있다.

단말기(60)는 수신한 데이터를 출력하는 장치가 된다. 일례로, 컴퓨터 또는 스마트 폰 등이 될 수 있다.

본 발명은 이러한 구성요소 간 유기적 연계 과정을 통해, 학생의 평가결과 데이터를 기반으로 학습활동에 대한 분석과 진단을 정확하게 도출하여 학습자에게 제공한다. 그리고 후속 교육의 방향성을 컨설팅을 해주며 학습자 스스로 학습 방향을 계획할 수 있도록 한다.

이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야 한다.

1: 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템
10: 데이터베이스부 20: 정보추출변환부
30: 문제추천부 40: 추천모듈부
50: 지식체계부 60: 단말기

Claims (1)

1. 문제, 상기 문제에 대한 해설, 학생 프로파일, 기 저장된 학생들이 학습결과가 저장된 데이터베이스부;
   상기 데이터베이스부에 저장된 문제로부터 단어로 구분되는 단어를 핵심단어로 추출하고,
   상기 핵심단어의 교육과정 해설서의 문자 내에서 존재하는 교육과정의 순서에 따라 관련도 등급을 결정하고, 관련도 등급에 따라 단위지식 간의 순서를 결정하고, 사용자의 단위지식 선택에 따라 단위지식에 맵핑된 문제를 제공하여, 문제의 풀이 여부에 의해 연결정보에 따른 다른 단위지식의 문제를 연속적으로 제공하고,
   단위지식들 간 교육과정에서 이루는 관계가 순서적으로 상하관계를 이루는 경우 관련도 등급을 1등급으로 하고,
   단위지식들 간 교육과정에서 이루는 관계가 단어의 개념적인 상하관계를 이루는 경우 관련도 등급을 2등급으로 하고,
   단위지식이 상하관계가 아닌 수평관계 또는 교육과정에서 동시에 교육되는 동시학습관계에 있는 경우 관련도 등급을 3등급으로 결정하는 정보추출변환부;
   특정 단위지식에 대한 평가문제를 구성하기 위하여, 단위지식의 연관 구성으로 구성된 지식체계를 기반으로 문제은행을 구성하고, 문제추천에 의해 생성된 결과데이터를 선행학습데이터로 사용함으로써 초기 문제은행에서 출제된 문제들에 대한 가중치 초기값을 최적의 초기값으로 조정이 가능한 문제추천부;
   지식체계의 단위지식 연관관계를 이용하여 단계별로 지식을 학습하는 코스를 추천하며, 학생의 학업성취도에 따라 단위지식들의 가중치에 따른 학습코스를 추천하는 학습코스 추천모듈부; 및
   상기 문제추천부와 상기 추천모듈부와 연결되어, 상기 문제추천부와 상기 추천모듈부로부터 전송되는 데이터를 단위지식으로 하여 지식체계도를 형성하는 지식체계부;
   상기 문제추천부, 상기 추천모듈부 또는 상기 지식체계부 중 적어도 어느 하나와 연결되어, 상기 문제, 상기 지식체계도 또는 상기 학습코스를 제공받아 출력하는 단말기를 포함하는, 온톨로지 기반의 지식맵을 활용한 인공지능 학습진단 시스템.

Images