KR20200126103A - 온라인 글쓰기 교육을 위한 빅데이터 구축 방법 - Google Patents

Abstract

본 발명은 글쓰기에 관련한 형태소 분석 및 빅데이터 분석을 통하여 멘토링 데이터를 생성하고 생성된 문정을 통해 피드백을 제공함으로써 보다 구체적인 분석 및 첨삭 지도가 이루어지도록 하는 온라인 글쓰기 교육을 위한 빅데이터 구축 방법을 제공한다. 이를 위하여, 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법은, 학생 컴퓨터 단말기를 통하여 해당 학생이 글 등록을 수행하는 단계; 교수 컴퓨터 단말기에서 상기 학생 컴퓨터 단말기에서 등록된 글을 분석하여 자동 첨삭을 수행하는 단계;를 포함하되, 상기 자동 첨삭 수행 단계는, 문장의 형태소를 분석하는 형태소 분석 단계; 상기 형태소가 분석된 문장에 대하여 빅데이터를 분석하는 단계; 상기 문장에대하여 멘토링 데이터를 생성하는 단계; 생성된 문장을 통해 피드백을 제공하는 단계를 포함한다.

Description

온라인 글쓰기 교육을 위한 빅데이터 구축 방법{Method to Build Big Data for Online Writing Training}

본 발명은 온라인 글쓰기 교육을 위한 빅데이터 구축 방법에 관한 것으로, 더욱 상세하게는 글쓰기에 관련한 형태소 분석 및 빅데이터 분석을 통하여 멘토링 데이터를 생성하고 생성된 문정을 통해 피드백을 제공함으로써 보다 구체적인 분석 및 첨삭 지도가 이루어지도록 하는 온라인 글쓰기 교육을 위한 빅데이터 구축 방법에 관한 것이다.

최근 학습분석, 교육적 데이터마이닝 등 교육 분야에서 발생하는 빅데이터를 활용하여 학습자들의 교육성과와 교육 시스템을 분석하는 교육 데이터 관련 분야가 부각되고 있다.

학습자가 각종 시스템에 남기는 수많은 데이터를 효과적으로 수집, 분석, 보고하며, 교육 데이터를 유용한 방향으로 활용하여 학습자의 행동을 관찰, 분석하고 학습결과를 예측하며 적절한 학습법을 제안하는 것이다.

일예로, 대한민국 공개특허공보 제10-2018-0046496호에는 네트워크로 연결된 수많은 사람들 간의 지식, 정보를 공유하고 다양한 상호작용을 통해 학습이 발생하도록 하며, 사용자가 플랫폼 내부에서 움직이는 모든 정보를 수집할 수 있고, 수집한 정보를 활용하기에 용이하여 교육 분야에 필요한 다양한 분석을 할 수 있도록 하는 학습분석과 교육용 빅데이터 분석을 위한 개방형 소셜러닝 플랫폼이 개시된 바 있다.

그러나, 이러한 학습 서비스가 스마트 러닝, 소셜 네트워크를 활용한 학습 등의 학습자 정보를 수집할 수 있는 온라인 학습 서비스로 변화하는 시점에서 글쓰기에 관련한 보다 구체적인 분석 및 첨삭 지도가 이루어지지 못하는 문제점이 있었다.

대한민국 공개특허공보 제10-2018-0046496호 (2018.05.09)

본 발명은 이러한 종래 문제점들을 해결하기 위한 것으로, 글쓰기에 관련한 형태소 분석 및 빅데이터 분석을 통하여 멘토링 데이터를 생성하고 생성된 문정을 통해 피드백을 제공함으로써 보다 구체적인 분석 및 첨삭 지도가 이루어지도록 하는 온라인 글쓰기 교육을 위한 빅데이터 구축 방법을 제공하는데 목적이 있다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다

상기 목적을 달성하기 위해 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법은, 학생 컴퓨터 단말기를 통하여 해당 학생이 글 등록을 수행하는 단계; 교수 컴퓨터 단말기에서 상기 학생 컴퓨터 단말기에서 등록된 글을 분석하여 자동 첨삭을 수행하는 단계;를 포함하되, 상기 자동 첨삭 수행 단계는, 문장의 형태소를 분석하는 형태소 분석 단계; 상기 형태소가 분석된 문장에 대하여 빅데이터를 분석하는 단계; 상기 문장에대하여 멘토링 데이터를 생성하는 단계; 생성된 문장을 통해 피드백을 제공하는 단계를 포함한다.

상기 자동 첨삭 수행 단계 이후에 상기 교수 컴퓨터 단말기에서 추가 첨삭 과정이 수행되어 상기 문장에 대하여 첨삭 데이터 추가 및 업데이트를 수행하는 것이 바람직하다.

상기 학생 컴퓨터 단말기에서 상기 추가 첨삭된 문장을 확인하는 단계를 더 포함할 수 있다.

본 발명의 기타 특징 및 더욱 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

상기와 같이 구성된 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법에 의하면, 글쓰기에 관련한 형태소 분석 및 빅데이터 분석을 통하여 멘토링 데이터를 생성하고 생성된 문정을 통해 피드백을 제공함으로써 보다 구체적인 분석 및 첨삭 지도가 이루어지도록 하는 효과가 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법을 나타낸 제어흐름도.
도 2는 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법의 일실시예를 나타낸 제어흐름도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함하는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서 "포함하다" 또는 :가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 이동, 구성요소, 부품 또는 이들을 조함한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 이동, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예를 보다 상세하게 설명하고자 한다. 이하 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 1은 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법을 나타낸 제어흐름도이다.

도 1에 도시된 바와 같이, 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법은, 학생 컴퓨터 단말기(100)를 통하여 해당 학생이 글 등록을 수행하는 단계(S10) 및 교수 컴퓨터 단말기(200)에서 상기 학생 컴퓨터 단말기에서 등록된 글을 분석하여 자동 첨삭을 수행하는 단계(S20)를 포함한다.

상기 자동 첨삭 수행 단계(S20)는, 문장의 형태소를 분석하는 형태소 분석 단계(S21); 상기 형태소가 분석된 문장에 대하여 빅데이터를 분석하는 단계(S22); 상기 문장에대하여 멘토링 데이터를 생성하는 단계(S23); 생성된 문장을 통해 피드백을 제공하는 단계(S24)를 포함한다.

형태소 분석(morphological analysis)이란 자연언어분석의 첫 단계로서‘단어(word)’를 구성하는 각각의 형태소 단위로 분리하고 각 형태소의 품사를 결정하는 것을 말한다.

빅데이터 분석이란 소셜 빅데이터, 실시간 사물지능통신(M2M：Machine to Machine) 센서 데이터, 기업 고객관계 데이터 등 도처에 존재하는 다양한 성격의 빅데이터를 효과적으로 분석하는 것을 말한다.

빅데이터 시대에는 단순히 데이터베이스에 잘 정리된 정형 데이터뿐 아니라 인터넷, 소셜 네트워크 서비스, 모바일 환경에서 폭발적으로 생성되는 웹 문서, 이메일, 소셜 데이터(소셜 네트워크 서비스 텍스트 데이터, 유튜브 비디오 데이터 등) 등 비정형 빅데이터를 효과적으로 분석하는 것이 무엇보다 중요해졌다. 2012년 2.8제타바이트에 이른 빅데이터는 2020년에는 40제타바이트로 급격히 증가할 것이며, 그 중 20%는 정형 데이터, 나머지 80%는 비정형 데이터가 될 것으로 예상하고 있다.

본 발명은 상기 자동 첨삭 수행 단계 이후에 상기 교수 컴퓨터 단말기(200)에서 추가 첨삭 과정이 수행되어 상기 문장에 대하여 첨삭 데이터 추가 및 업데이트를 수행한다(S30~S31).

또한, 상기 학생 컴퓨터 단말기(100)에서 상기 추가 첨삭된 문장을 확인하는 단계(S40)를 더 포함함으로써, 해당 학생은 첨삭 데이터가 추가된 문장에 대하여 정확한 피드백을 받을 수 있다.

<실시예>

도 2는 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법의 일실시예를 나타낸 제어흐름도이다.

도 2에 도시된 바와 같이, 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법의 일 ㅅ실시예는, 온라인 글쓰기 시스템 개발 및 데이터 수집 단계(S100~S200), 데이터 분석 알고리즘 개발 단계(S300), AI 알고리즘 개발 단계(S400) 및 AI(인공지능) 학습 지도 및 피드백 단계(S500~S600)를 포함한다.

온라인 글쓰기 시스템 개발 및 데이터 수집 단계(S100~S200)에서는 온라인 글쓰기 시스템에서의 글쓰기 데이터 PDF 자동 변환, 변환된 PDF를 통해 원본, 문자열, 패턴 등의 데이터 수집 모듈 개발 과정을 수행한다. 또한, 사용자(지도자)의 표준평가지표, 지도 내역, 회수, 평가 등의 데이터 수집 모듈 개발이 필요하다.

글쓰기 표준평가지표 연구에서는 글쓰기를 평가하는 사람에 따라 주관적이지 않은 객관적인 글쓰기 표준평가지표 개발, 작문 전, 중, 후 단계 / 내용 / 조직 / 표현 / 강조 등에 따른 평가항목을 작성, 온라인 글쓰기 시스템의 같은 표준평가지표를 이용해 글을 평가할 경우 학교나 기관에 관계없이 데이터화 되어 각 단계와 구분에 따른 통계치를 제공할 수 있다.

AWS 빅데이터 구축시, 온라인 글스기 시스템에서 수집된 데이터를 통한 빅데이터 구축, AWS 클라우드 서버를 사용하여 확장성에 대비하고, AWS 스트림 스토리지 중 하나인 DynamoDB를 사용하며, 글쓰기 데이터를 분석하여 다수의 스트림을 수집할 수 있다.

이를 위한 구축 단계로는 가) 서비스될 지역에 EC2(가상하드웨어)를 생성, 나) 운영체제 및 서버환경 선택, 다) 초과 트래픽에 대비한 Amazon EC2 Auto Scaling을 설정하는 단계를 구비한다.

데이터 분석 알고리즘 개발 단계(S300)는 형태소 분석을 통한 AI의 학습 데이터를 분석하는 알고리즘의 개발과, 통사 원자 (syntactic atom) 계층구조를 기반으로 분석해 해당 범주를 따른다.

이를 위한 분석 단계는 가) 체언에서 격조사와 보조사 분리, 나) 용언에서 어간 어미 분리(선어말어미와 어말어미 분리), 다) 복합어 분리, 라) 합성어와 파생어 파악 후 분리 단계를 구비할 수 있다.

AI 알고리즘 개발 단계(S400)는 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)을 포함할 수 있다.

지도 학습(Supervised Learning)은, 가) 웹 솔루션에서 수집된 데이터를 가공, 나) (데이터(data), 레이블(label)) 형태로 학습 진행, 다) 레이블이 지정되지 않은 test set을 이용하여 학습된 알고리즘의 정확도 측정을 포함한다.

비지도 학습(Unsupervised Learning)은, 가) 지도학습 된 AI에게 (데이터(data)) 형태로 학습 진행, 나) 데이터가 무작위로 분포 되어 있을 때, 이 데이터를 비슷한 특성을 가진 세가지 부류로 묶는 클러스터링 알고리즘을 사용하여 데이터의 숨겨진 특징이나 구조를 찾아낼 수 있다.

강화 학습(Reinforcement Learning)은, 가) 학습된 데이터를 기반으로 새로운 질문을 받음, 나) 질문의 답을 분석 하여 결과 도출, 다) 도출된 결과 값을 학생에게 피드백, 라) 피드백을 받은 학생이 평가 후 제출, 마) 평가된 데이터를 가지고 학습을 진행하는 과정을 수행한다.

AI(인공지능) 학습 지도 및 피드백 단계(S500~S600)는, 학습된 AI알고리즘을 활용하여 결과물 생성한다. 이를 위하여, 생성된 결과물과 학습자가 입력한 내용을 비교하여 분석, 표준평가지표 항목에 따라 각 항목별 점수와 평균을 도출, 피드백에 따른 평가항목 생성, 내용을 학습자에게 피드백, 학습자는 피드백을 받아본 후 피드백에 대한 평가 진행, 진행된 평가를 바탕으로 AI 강화 학습 진행, 지속적인 피드백과 평가를 진행하여 AI 피드백 능력을 향상시킴이 필요하다.

따라서, 상기와 같이 구성된 본 발명에 따른 온라인 글쓰기 교육을 위한 빅데이터 구축 방법에 의하면, 글쓰기에 관련한 형태소 분석 및 빅데이터 분석을 통하여 멘토링 데이터를 생성하고 생성된 문정을 통해 피드백을 제공함으로써 보다 구체적인 분석 및 첨삭 지도가 이루어지도록 할 수 있다.

본 명세서에 기재된 본 발명의 실시예와 도면에 도시된 구성은 본 발명의 바람직한 실시예에 관한 것으로, 발명의 기술적 사상을 모두 포괄하는 것은 아니므로, 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다. 따라서, 본 발명은 상술한 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변형실시가 가능한 것은 물론이고, 그와 같은 변경은 본 발명의 청구범위 기재의 권리범위 내에 있게 된다.

100 : 학생 컴퓨터 단말기
200 : 교수 컴퓨터 단말기

Claims (3)

1. 학생 컴퓨터 단말기를 통하여 해당 학생이 글 등록을 수행하는 단계;
   교수 컴퓨터 단말기에서 상기 학생 컴퓨터 단말기에서 등록된 글을 분석하여 자동 첨삭을 수행하는 단계;를 포함하되,
   상기 자동 첨삭 수행 단계는,
   문장의 형태소를 분석하는 형태소 분석 단계;
   상기 형태소가 분석된 문장에 대하여 빅데이터를 분석하는 단계;
   상기 문장에대하여 멘토링 데이터를 생성하는 단계;
   생성된 문장을 통해 피드백을 제공하는 단계를 포함하는 온라인 글쓰기 교육을 위한 빅데이터 구축 방법.
   
2. 제 1항에 있어서,
   상기 자동 첨삭 수행 단계 이후에 상기 교수 컴퓨터 단말기에서 추가 첨삭 과정이 수행되어 상기 문장에 대하여 첨삭 데이터 추가 및 업데이트를 수행하는 것을 특징으로 하는 온라인 글쓰기 교육을 위한 빅데이터 구축 방법.
   
3. 제 2항에 있어서,
   상기 학생 컴퓨터 단말기에서 상기 추가 첨삭된 문장을 확인하는 단계를 더 포함하는 것을 특징으로 하는 온라인 글쓰기 교육을 위한 빅데이터 구축 방법.
   

Images