KR20210024963A

KR20210024963A - 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법, 장치 및 컴퓨터-판독가능 기록매체

Info

Publication number: KR20210024963A
Application number: KR1020200089772A
Authority: KR
Inventors: 박보미
Original assignee: 박보미
Priority date: 2019-08-26
Filing date: 2020-07-20
Publication date: 2021-03-08

Abstract

본 발명은 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법에 관한 것으로서, 구체적으로, 하나 이상의 프로세서 및 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법으로서, 해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 제1 데이터 수신 단계; 제1 데이터 수신 단계에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 제2 데이터를 도출하는 제2 데이터 도출 단계; 및 제2 데이터 도출 단계의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 유학 정보 제공 단계;를 포함하는 것을 특징으로 한다.

Description

사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법, 장치 및 컴퓨터-판독가능 기록매체{METHOD, APPARATUS AND COMPUTER-READABLE RECORDING MEDIUM FOR RECOMMENDING A STUDY ABROAD COURSE SUITABLE FOR THE FOREIGN UNIVERSITY DESIRED BY THE USER}

본 발명은 조기 유학을 위한 학교 등을 학생의 데이터를 통해 대학 진학시의 학생의 성적을 예측하고, 이를 통해 학생에게 적합한 중/고등학교를 선택하여 추천할 뿐만 아니라, 진학 시, 학생이 대학 진학 시에 필요한 성적, 이수 학점 또는 기타 활동들에 대한 커리큘럼 등을 제공하는 기술에 관한 것으로, 구체적으로는 기존의 조기유학생 출신들의 해외 대학교에 대한 진학 내역 데이터와, 예비유학생의 현재 성적, 다니는 학교 및 지역, 어학능력, 성격, 성향, 취미, 특히 등의 데이터를 분석한 결과를 이용하여, 예비유학생이 진학하기 원하는 대학 또는 전공 입시에 필요한 성과를 얻기에 가장 효율적이고 적합한 중/고등학교를 선정할 뿐만 아니라, 중/고등학교 재학 시, 대학 입시에 필요한 커리큘럼 및 기타 활동을 포함하는 다수의 스펙 등에 대한 정보를 제공하는 기술에 관한 것이다.

2000년대 유학의 자율화가 진행되면서, 자신이 원하는 해외의 대학교에 진학하기 위한 유학 코스를 이용하는 학생들이 크게 증가되었다. 초기의 유학 패턴은, 국내에서의 학업 성과를 바탕으로 해외에 교환학생이나 대학 진학 과정을 수행하여 해외의 대학교에 진학하거나, 국내 대학에서 해외의 대학원 등으로 진학하는 패턴이 주를 이루었다.

그러나 상기 2000년대 유학의 자율화가 확대되면서, 해외 대학의 진학에 효율적인 코스로서, 초중등 학생들이 미리 해외의 학교에 진학하여 이후 대학에 진학하는 형태의 조기 유학이 급격하게 증가하였으며, 최근에는 한국에서의 외국인 학교 또는 국내 학교의 성취도를 바탕으로 상급 학교에 진학하고, 최종적으로 해외의 대학교에 진학하는 형태 등 다양한 형태의 유학 코스가 마련되어 학생들이 이용할 수 있도록 진행되고 있다.

이러한 유학 코스의 다양화에 더하여, 해외 대학교의 까다로운 입시 요강, 진학 조건 등이 존재하기 때문에, 예비유학생들 또는 이들의 학부모는 원하는 대학 및 대학 이전의 학교에 진학하기 위해서, 오프라인 및 온라인 상에서 유학에 필요한 과정을 검색하고 이를 통과하기 위하여 필요한 자료 수집, 제출 등을 해야 한다. 또한 해외에서의 거주를 위한 거주지 마련, 다양한 외부 액티비티 활동 등을 검색 및 신청해야 한다.

그러나 이러한 유학에 필요한 정보들은 그 형태가 매우 비대칭적이어서, 예비유학생들 또는 이들의 학부모는 기존에 유학 상담 센터 등을 방문하여, 전문가와의 상담을 통해 해당 정보를 수집하고 전문가의 지도에 따라서 유학을 준비해야 했다. 이 때문에, 전문가 상담에 들어가는 비용이 매우 과다하고, 자신의 적성 및 흥미에 정확하게 매칭하는 유학 코스를 준비하기 거의 불가능한 문제가 지적되어 왔다.

특히, 전문 상담 기관 등의 업체는, 해당 업체에 협약된 학교들을 우선적으로 추천하기 때문에, 예비유학생의 적성 및 희망하는 대학의 진학에 가장 효율적인 학교를 선택하는 것이 불가능하고, 온라인 등을 통해 직접 해당 정보를 취득하는 것이 매우 어렵다.

이를 위해서, 한국 등록특허 제10-1103334호 등에서는, 개인 정보를 바탕으로 유학을 위해 학교를 추천하는 기술을 제공하고 있으나, 이는 정확한 학교 추천에 대한 알고리즘이 전혀 없어, 그 신뢰성에 문제가 있고, 실질적으로 예비유학생이 희망하는 대학교에 진학하기 위해서 가장 적합하고 효율적인 기초 학교에 대한 정보를 제공하지 못하는 문제점이 있다.

본 발명은 상기의 문제점을 해결하기 위해서 고안된 것으로서, 예비유학생의 희망 대학교 및 현재의 국내에서의 학업, 개인 정보를 바탕으로 하여, 예비유학생의 대학교 진학 시의 입학 성적을 예측하고, 이러한 예측된 입학 성적과 예비 유학생이 희망하는 대학교의 입학 성적을 함께 고려하여, 예비유학생이 진학을 희망하는 대학교 및 전공에 대한 진학을 위하여 가장 적합한 고등학교/중학교 등을 추천하는 기술을 제공하는 데 제1 목적이 있다.

또한, 본 발명은 예비유학생의 희망 대학교 및 현재의 국내에서의 학업, 개인 정보를 바탕으로 하여, 진학 가능한 학교들 중, 이전 유학생 및 해당 학교의 졸업생의 대학 진학 내역 정보, 희망하는 대학교의 입시 요강 정보를 종합적으로 고려하여, 예비유학생이 진학을 희망하는 대학교 및 전공에 대한 진학을 위하여 가장 적합한 고등학교/중학교 등을 추천하는 기술을 제공할 뿐만 아니라, 고등학교/중학교 진학 이후, 예비유학생이 이수해야 하는 학점 등을 포함하는 커리큘럼 및 대외 활동에 대한 정보를 함께 제공하는 데 제2 목적이 있다.

상기 목적을 달성하기 위하여, 본 발명의 일 실시 예에 따른 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법은, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법으로서, 해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 제1 데이터 수신 단계; 상기 제1 데이터 수신 단계에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 상기 제2 데이터를 도출하는 제2 데이터 도출 단계; 및 상기 제2 데이터 도출 단계의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 유학 정보 제공 단계;를 포함하는 것을 특징으로 한다.

상기 제1 데이터 수신 단계의 수행 전, 상기 예비유학생 계정으로부터 입력된 정보로서, 진학 대상 학교를 검색하기 위한 정보인 조건 정보를 수신하는 조건 정보 수신 단계;를 더 포함하고, 상기 유학 정보 제공 단계는, 상기 예비유학생 계정에 저장된 정보로서, 예비유학생이 진학하길 희망하는 하나 이상의 희망 진학 대학교 또는 희망 전공 정보에 대응되는 상기 입학 성적 정보를 상기 제2 데이터와 비교함으로써, 적어도 희망 진학 대학교 또는 희망 전공으로의 진학 가능성 여부 또는 진학하기 위해 필요한 점수가 부족할 것으로 예측되는 영역의 여부에 대해 판단할 수 있는 진학 가능성 수치를 산출하는 진학 가능성 수치 산출 단계; 상기 조건 정보 수신 단계에 의하여 수신된 조건 정보, 데이터베이스에 저장된 상기 진학 대상 학교의 속성 정보, 상기 진학 대상 학교의 졸업생의 대학 진학 정보, 상기 진학 대상 학교의 졸업생의 학업능력 정보 및 상기 예비유학생 계정에 저장된 정보로서 적어도 예비유학생의 현재 성적, 어학능력, 희망 진학 대학교 및 전공 정보, 및 선호 정보를 포함한 정보로서 예비유학생 데이터를 입력값으로, 상기 진학 대상 학교의 적합성 수치를 결과값으로 하되, 상기 진학 가능성 수치를 연산에 변수 값으로 활용하는 추천 학교 도출 함수를 이용하여 각 진학 대상 학교의 적합성 수치를 산출하는 적합성 수치 산출 단계; 및 상기 적합성 수치 산출 단계에서 산출된 적합성 수치가 가장 높은 진학 대상 학교를 추천 학교로 선정하고, 선정된 추천 학교의 정보를 상기 예비유학생 계정에 제공하는 학교 추천 단계;를 포함하는 것이 바람직하다.

상기 조건 정보는, 적어도 진학 대상 학교의 지역 환경 정보, 종교, 입학 시기, 학년, 인원, 학비, 인종 비율 및 진학 대상 학교에 진학 시의 거주 및 통학 형태 정보 중 하나 이상을 포함하는 것이 바람직하다.

상기 대학교 입학 성적 도출 함수는, 상기 예비유학생 계정에 저장된 정보와 비교하여 데이터베이스에 기 설정된 임계값과 같거나 큰 유사도 수치를 갖는 학생들의 대학교 진학 시에 취득한 상기 입학 성적 정보를 입력값으로써 포함하여 결과값을 도출하는 것이 바람직하다.

상기 진학 가능성 수치 산출 단계는, 상기 대학교 입학 성적 도출 함수의 결과값과 비교함에 있어, 가장 높은 상기 입학 성적 정보를 요구하는 상기 희망 진학 대학교 또는 희망 전공 정보와 비교함을 통해 상기 진학 가능성 수치를 산출하는 것이 바람직하다.

상기 진학 대상 학교의 속성 정보는, 적어도 학생 대비 교사 비율 정보, 대학 진학률 정보, 학생들의 대학 입학 시험에 대한 평균 점수 정보, 학교 내에서의 취미 및 특기 활동 이력에 따른 대학 진학을 위하여 산출되는 액티비티 점수에 대한 평균 점수 정보, 주변 학원 정보, 심화 수업(honors 수업) 정보, 학점 인정 수업(AP 수업) 정보, 취미 활동 정보 및 구성 인종 정보 중 하나 이상을 포함하는 것이 바람직하다.

상기 진학 대상 학교의 졸업생의 학업능력 정보는, 적어도 졸업생의 출신 국가, 국내 학교, 국내 학교에서의 성적, 어학 능력, 취미, 특기, 졸업생의 진학 대상 학교에서의 수강 과목, 참가 클럽 및 대회 수상 경력 중 하나 이상을 포함하는 것이 바람직하다.

상기 추천 학교 도출 함수는, 예비유학생의 현재 성적, 어학능력, 희망 진학 대학교 및 전공 정보와 상기 진학 대상 학교의 졸업생의 대학 진학 정보, 상기 진학 대상 학교의 졸업생의 학업 능력 정보의 유사도 수치에 가장 높은 가중치를 두도록 설정된 것이 바람직하다.

상기 추천 학교 도출 함수는, 희망 진학 대학교의 진학을 위한 요구 스펙 정보와, 진학 대상 학교의 속성 정보들 중 적어도 학생들의 대학 입학 시험에 대한 평균 점수 정보, 학교 내에서의 취미 및 특기 활동 이력에 따른 대학 진학을 위하여 산출되는 액티비티 점수에 대한 평균 점수 정보, 주변 학원 정보, 심화 수업(honors 수업) 정보 및 학점 인정 수업(AP 수업) 정보 중 하나 이상을 비교한 결과, 희망 진학 대학교의 진학을 위한 요구 스펙 정보를 상기 진학 대상 학교 진학 시 충족할 수 있는지 여부를 판단할 수 있는 스펙 충족 가능 수치를 산출하여, 상기 적합성 수치 연산에 변수 값으로 활용하는 것이 바람직하다.

상기 학교 추천 단계는, 상기 추천 학교의 정보를 상기 예비유학생 계정에 제공 시, 상기 스펙 충족 가능 수치를 만족하기 위하여 상기 추천 학교에 진학 후 수행해야 할 학업 활동, 취미 활동 및 주변 학원 활동에 대한 정보를 추천 활동 정보로서 함께 제공하는 것이 바람직하다.

한편, 상술한 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치는 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치에 관한 것으로, 해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 제1 데이터 수신부; 상기 제1 데이터 수신부에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 상기 제2 데이터를 도출하는 제2 데이터 도출부; 및 상기 제2 데이터 도출부의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 유학 정보 제공부;를 포함하는 것을 특징으로 한다.

또 다른 한편, 상술한 컴퓨터-판독가능 기록 매체는 컴퓨터-판독가능 기록매체로서, 상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은: 해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 제1 데이터 수신 단계; 상기 제1 데이터 수신 단계에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 상기 제2 데이터를 도출하는 제2 데이터 도출 단계; 및 상기 제2 데이터 도출 단계의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 유학 정보 제공 단계;를 포함하는 것을 특징으로 한다.

본 발명에 의하면, 예비유학생 계정에 의하여 입력된 조건 정보 및 예비유학생의 국내에서의 학업 능력 등의 정보와, 예비유학생의 학업 능력 및 재학 중인 학교 또는 어학 성적을 전반적으로 고려하여 대학 진학 시의 예비유학생이 획득한 대학 입학 성적 점수를 예측하고, 예측된 대학 입학 성적 점수와 진학을 희망하는 대학의 입학 성적 점수를 함께 고려하여 최적의 진학 대상 학교를 선정하고, 상술한 과정을 통해 선정된 진학 대상 학교의 스펙 및 커리큘럼, 진학 대상 학교의 대학교 진학에 대한 내역 정보, 진학 대상 학교에 진학하여 대학에 입학한 졸업생의 학업 능력 등을 체계적으로 고려하여, 예비유학생이 진학을 희망하는 대학교에 진학하기 위해서 최적의 과정을 수료할 수 있는 진학 대상 학교를 추천하게 된다.

이에 따라서, 단순히 예비유학생의 개인 정보뿐 아니라, 예비유학생이 희망하는 대학에 실제로 진학한 졸업생과 예비유학생의 비교 결과, 특정 진학 대상 학교의 대학교 진학 결과 등을 비교하기 때문에, 예비유학생은 자신이 진학을 원하는 대학교의 진학을 위하여 갖추어야 하는 스펙을 갖추는 데 최적화된 학교를 진학할 수 있어, 고액의 상담료를 지불하지 않고도 매우 효율적이고 즉각적으로 유학에 대한 정보를 제공받을 수 있는 효과가 있다.

또한, 유학 시 해당 진학 대상 학교에 진학할 시, 희망하는 대학교 진학을 위한 스펙을 만드는 데 가장 효율적인 학업 과정(예를 들어, 이수해야 하는 학점 또는 과목에 대한 커리큘럼, 대외 활동 등) 역시 컨설팅 받을 수 있어, 해외의 진학 대상 학교에 진학하더라도 매우 자연스럽고 효율적으로 학업에 열중할 수 있도록 하는 효과가 있다.

도 1 및 2는 본 발명의 일 실시예에 따른 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법의 플로우차트.
도 3은 본 발명의 일 실시예에 따른 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치의 구성 블록도.
도 4는 본 발명의 일 실시예의 구현 결과 사용자 단말에 출력되는 화면의 일 예.
도 5 내지 9는 본 발명의 일 실시예의 구현을 위한 데이터 구조 및 데이터 처리의 흐름을 설명하기 위한 도면.
도 10은 본 발명의 일 실시예의 구현 결과 사용자 단말에 출력되는 화면의 일 예.
도 11은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예.

이하에서는, 다양한 실시 예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 인식될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다.

본 명세서에서 사용되는 "실시 예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.

또한, "포함한다" 및/또는 "포함하는"이라는 용어는, 해당 특징 및/또는 구성요소가 존재함을 의미하지만, 하나이상의 다른 특징, 구성요소 및/또는 이들의 그룹의 존재 또는 추가를 배제하지 않는 것으로 이해되어야 한다.

또한, 제 1, 제 2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1 구성요소는 제 2 구성요소로 명명될 수 있고, 유사하게 제 2 구성요소도 제 1 구성요소로 명명될 수 있다. 및/또는 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

또한, 본 발명의 실시 예들에서, 별도로 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 발명의 실시 예에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

도 1 및 2는 본 발명의 일 실시예에 따른 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법의 플로우차트, 도 3은 본 발명의 일 실시예에 따른 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치의 구성 블록도, 도 4는 본 발명의 일 실시예의 구현 결과 사용자 단말에 출력되는 화면의 일 예, 도 5 내지 9는 본 발명의 일 실시예의 구현을 위한 데이터 구조 및 데이터 처리의 흐름을 설명하기 위한 도면, 도 10은 본 발명의 일 실시예의 구현 결과 사용자 단말에 출력되는 화면의 일 예이다.

또한 본 발명의 컴퓨팅 장치는 사용자 단말 또는 사용자 단말과 유무선 네트워크를 통해 연결된 서버 단말을 의미하며, 컴퓨팅 장치에는 본 발명의 각 실시예에서 처리되는 데이터, 데이터의 처리를 위한 함수, 알고리즘, 컴퓨팅 코드 등이 저장된 데이터베이스가 별도로 구비되거나 컴퓨팅 장치의 메모리에 해당 데이터베이스가 구현될 수 있다.

컴퓨팅 장치가 사용자 단말과 연결된 서버 단말인 경우, 사용자 단말에는 컴퓨팅 장치에 대해서 데이터의 처리 및 리턴을 요청하고, 컴퓨팅 장치로부터 수신한 데이터를 출력하며, 사용자 단말에서 입력되는 다양한 데이터를 사용자 단말의 입력 수단에 대한 사용자의 입력 시 처리하여 입력 데이터를 생성하기 위한 인터페이스를 구현하고, 사용자 단말의 입력 수단과의 상호 작용을 통해 인터페이스에 대한 입출력 처리를 수행하기 위해서 실행되는 어플리케이션, 웹 프로그램, 프로그램 등이 설치되어 사용자 단말의 입력 수단을 통한 구동 입력에 의하여 실행/종료될 수 있다.

본 발명에서 언급되는 컴퓨터-판독가능 기록매체는, 사용자 단말 또는 컴퓨팅 장치에 구비된 메모리, 클라우드 저장매체 등 본 발명의 기능 수행을 위한 데이터, 프로그램 등이 저장되는 오프라인 및 온라인 상의 저장매체를 의미한다. 이에 대한 구체적인 설명은 도 11에 대한 설명에서 언급된다.

상기의 도면들을 함께 참조하여 설명하면, 먼저 도 1에 도시된 바와 같이, 하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법으로서, 해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비 유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 제1 데이터 수신 단계(S10)가 수행된다.

본 발명에서 예비유학생 계정은, 상술한 바와 같이 해외 학교의 진학 및 유학을 위해서 가입된 예비유학생 자신의 계정 또는, 예비유학생의 나이에 따라서 해당 학생의 부모님 등의 법정 대리인 등이 대신 가입한 계정을 의미할 수 잇다. 한편 예비유학생이란, 대학교에 진학하지 않은 상태의 학생 신분으로서, 대학교 진학을 위해서 국내의 초등, 중등 및 고등학교에 대응되는 해외의 학교에 진학하기 위한 신분의 사용자를 의미한다.

이때, 예비유학생 계정에는 예비유학생이 지닌 사용자 단말을 통해 입력 받은 적어도 하나 이상의 정보를 저장할 수 있는데, 여기에는 ID, 패스워드, 기본적인 예비유학생에 대한 신상 정보 등이 저장될 수 있다.

또한, 상술한 예비유학생 계정으로부터 제1 데이터를 수신함에 있어, 제1 데이터는 적어도 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하되, 구체적으로는 예비유학생의 출신국가, 국내 재학학교명 및 지역, 국내 재학학교의 학업 수준, 성별, 현재 내신, 공인언어능력성적, 시험 외적인 언어 능력, 제2 외국어 종류와 능력의 정도, IQ, 리더십, 적응력, 수업태도, 성실성 및 집중력 등이 종합적으로 포함될 수 있다.

물론, 제1 데이터가 이러한 항목들을 포함함에 있어서 수치화가 어려운 항목들(예를 들어 성실성, 수업태도 등)은 교내/외 활동 및 이에 대한 증빙 자료, 수상 내역 또는 기타 이력 사항들을 참조하여 점수화 하는 방식으로도 대체하여 환산할 수도 있을 것이다.

이에, 상술한 제1 데이터 수신 단계(S10)의 수행 전에는 예비유학생 계정으로부터 입력된 정보로서, 진학 대상 학교를 검색하기 위한 정보인 조건 정보를 수신하는 조건 정보 수신 단계를 더 포함할 수 있다.

본 발명에서 진학 대상 학교는, 유학생이 본 발명에서 제공되는 서비스를 이용하여 유학생 신분으로 출국하여 학업 과정을 이수하기 위하여 진학할 수 있는 학교로서, 상술한 바와 같이 대학교를 제외한 학교로서, 국내의 초등, 중등 및 고등학교에 대응되는 해외의 학교를 의미한다.

본 발명에서 조건 정보는, 진학 대상 학교를 필터링하기 위해서 예비유학생 또는 그 부모가 입력할 수 있는 일종의 필터링 정보를 의미한다. 예를 들어, S10 단계에서 수신하는 조건 정보는, 진학 대상 학교의 지역 환경 정보, 종교, 입학 시기, 학년, 인원, 학비, 인종 비율 및 진학 대상 학교에 진학 시의 거주 및 통학 형태 정보 중 하나 이상을 포함하는 것이 바람직하다.

구체적으로, 조건 정보를 수신하기 위해서, 본 발명의 컴퓨팅 장치는 S10 단계를 수행하기 전, 조건 정보 입력에 도움이 되는 정보를 상술한 인터페이스 등을 통해 사용자 단말의 출력 수단에 의하여 출력되도록 할 수 있다.

예를 들어 예비유학생 또는 그 학부모가 해외의 학습 과정을 구체적으로 안내 받아, 조건 정보의 입력 시 도움이 되는 정보가 출력되도록 할 수 있다. 예를 들어, 학교 관련 용어(AP(advanced placement), Honors Program, ESL(English as a second language), ESL(English as a second language), audit, college, community college, 및 SAT(scholastic aptitude test)), 홈스테이 관련 용어(예: town house, condo, apartment, 및 single house), 또는 액티비티 관련 용어(예: camp, volunteer, 및 academy)에 대한 정보 등이 출력될 수 있으며, 해당 용어에 대한 상세한 설명 역시 제공될 수 있다.

상술한 정보로서, 지역 환경 정보는, 지역의 구체적인 정보로서 국가, 주, 시 등의 정보, 지역의 안정도로서 치안 정보, 지역의 날씨 등의 기후에 대한정보를 포함할 수 있다. 종교 정보는 진학 대상 학교에 설정된 종교 또는 해당 학교에 입학한 학생들의 주요 종교에 대한 정보를 포함할 수 있다. 학년은 국내의 학교에 대응되는 해외 학교의 커리큘럼에 포함되어, 몇 학년 범위가 해당 학교에서 커버되는지 여부를 확인할 수 있는 정보일 수 있다. 인원은 학급, 학년 등에 설정된 학교의 기준 학생의 수, 학비는 학교의 학습 과정을 이수하기 위한 필수 또는 각 과정에 대한 선택 시의 학비, 거주 비용, 통학 비용 등 학생이 해당 학교에 진학하여 학습 과정을 이수하거나, 해당 학교에 다니기 위해서 필요시 되는 제반 비용에 대한 정보를 포함하는 개념으로 이해될 수 있다. 인종 비율은 각 학년 또는 전체에 대해서 각 인종이 차지하는 비율을 의미한다. 거주 형태는 기숙사 보유 여부, 기숙사의 형태(다인실 1인실 여부, 기숙사의 위치, 생활 시설 보유 현황 등), 홈스테이 정보, 기타 숙박 정보를 포함한다. 통학 형태는 도보 또는 차량 등/하교 여부, 스쿨 버스 운용 정보, 기타 픽업 서비스 이용 가능 정보 등이 포함될 수 있다.

이러한 조건 정보는 필수적으로 입력되는 대상이 되는 정보와 선택적으로 필터링에 도움이 되는 정보로 구분될 수 있다. 예를 들어, 상술한 정보들 중, 지역, 입학 시기, 및 학년은, 예를 들어, 필수적으로 입력되어야 하는 조건(또는, 필수 조건)일 수 있다. 상기 필수 조건은 의미 있는 정보를 생성하기 위한 조건일 수 있다. 또한, 상기 학비, 선생님 비율, 인종 비율, 대학 입학 시험 점수, 지역 안정도, 및 선호하는 날씨는 선택적으로 입력되어야 하는 조건(또는, 선택 조건)일 수 있다. 상기 선택 조건은 더욱 의미 있는 정보를 생성하기 위한 조건일 수 있다.

거주 형태에 대한 정보로서, 홈스테이에 대한 정보를 필터링하기 위한 정보는 지역, 날짜, 인원, 애완 동물 유무, 비용, 인종, 종교, 흡연, 가족 구성원, 방 투숙 인원, 책상 위치, 또는 구비 물품 중 어느 하나에 대한 정보를 포함할 수 있다. 상기 지역, 날짜, 및 인원은, 예를 들어, 필수적으로 입력되어야 하는 조건일 수 있다. 또한, 상기 비용, 인종, 종교, 흡연, 가족 구성원, 방 투숙 인원, 책상 위치, 및 구비 물품은 선택적으로 입력되어야 하는 조건일 수 있다.

한편 조건 정보들 중, 학생이 해당 학교에 진학 시 대학 입학을 위해서 충족해야 하는 취미 활동 등을 증명할 수 있는 점수로서 액티비티(Activity) 점수를 획득할 수 있는 액티비티에 대한 정보를 포함할 수 있다. 이때 액티비티에 대한 정보를 필터링하기 위한 정보는 지역, 날짜, 또는 분야 중 어느 하나에 대한 정보를 포함할 수 있다. 상기 지역, 날짜, 또는 분야는, 예를 들어, 필수적으로 입력되어야 하는 조건일 수 있다. 또한, 액티비티에 대한 정보를 필터링하기 위한 정보는 필수 조건 외에 선택적으로 입력되어야 하는 조건을 추가적으로 포함할 수 있다.

다음으로는 제1 데이터 수신 단계(S10)에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 제2 데이터를 도출하는 제2 데이터 도출 단계(S20)가 수행될 수 있다.

상술한 제2 데이터 도출 단계(S20)를 수행함에 있어서, 상술한 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수는, 필요 시, 다수의 기존 또는 신규 알고리즘을 이용할 수 있는 것으로 이해할 수 있다.

일 예로, 예비유학생이 미국 대학으로의 진학을 원할 경우, 제1 데이터를 통해 제2 데이터를 도출함에 있어 이용되는 알고리즘의 제1 예로는, 미국 대학 입학 시 필요한 시험인 SAT 점수를 대학교 입학 성적 도출 함수를 통해 예측함에 있어서, 예비유학생의 영어 성적(예를 들어, 재학 중인 학교 내신에서의 영어 점수 또는 영어 실력을 측정할 수 있는 시험에서의 취득 점수 등)과 내신에서의 수학 점수 또는 교내/외 경시대회 등에 데이터들을 포괄적으로 수치화 하거나 개별 판단하여, 이를 통해 SAT 점수를 환산할 수 있다.

상술한 제1 예를 구체화하면, E 영어 시험이 100점이 만점이고, 예비유학생이 E 영어 시험에서 90점을 받았다고 하면, SAT에서 예비유학생이 취득할 것이라 예측되는 점수 구간을 최상위로 하고, 100점 만점의 M 수학 시험에서는 85점을 받았다고 하면, SAT에서 취득할 것이라 예측되는 점수 구간을 상위로 하여, 결과적으로 SAT에서의 영어와 수학 영역에서, 상술한 과정을 통해 산출된 예비유학생이 취득할 것이라 예측되는 점수를 합하는 방식이 있을 수 있다.

제2 예로는, 예비유학생 계정에 저장된 정보 또는 제1 데이터와 비교하여 데이터베이스에 기 설정된 임계값과 같거나 큰 유사도 수치를 갖는 학생들의 대학교 진학 시에 취득한 입학 성적 정보를 입력값으로써 포함하여 결과값을 도출하는 것이다.

즉, 예비유학생의 조건과 동일 또는 유사하였던 기존의 학생들이 대학 진학 시에 취득하였던 입학 성적 정보를 통해 예비유학생이 향후 취득할 입학 성적 정보를 예측하도록 하는 것이다.

이를 수행하기 위해서는, 먼저 기 설정 되었거나 예비유학생이 사용자 단말을 통해 입력하여 임의로 지정한 임계값(예를 들어 80%) 이상의 일치율 또는 유사도 수치를 보이는 학생들을 우선 탐색한다. 이때의 유사도 수치는 예비유학생 계정에 저장된 다수의 조건들과 비교하여 얼마만큼 유사한 조건인지를 판단하는 수치로써, 일 예로는, 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보가 유사한 학생들을 탐색하는 것으로 이해할 수 있다. 물론 각각의 항목에 별도로 가중치를 두어 탐색할 수도 있는 것으로, 예를 들어 동일한 학교 또는 지역에 다녔거나 거주하였던 학생을 우선적으로 탐색하도록 할 수도 있는 것이다.

이를 통해, 도 4의 100을 일 예로 참조하여 설명하면, 상술한 제2 예의 알고리즘을 통해 도출된 PS1의 예상 입학 성적은, PS1과 가장 근접한 유사도 수치를 보인 졸업생의 성적을 기초로 하여 로드하거나 산출된 결과값으로 이해할 수 있을 것이다.

이에 더 나아가, 제2 예에 있어서의 알고리즘을 강화하거나 신뢰도 또는정확도를 높이기 위해서는, 상술한 임계값 이상의 유사도 수치를 갖는 학생 또는 졸업생들의 사례들을 다수 포함하여 제2 데이터를 도출하도록 하는 것이 바람직할 것이고, 이때, 제2 데이터의 결과값의 신뢰도 또는 정확도를 향상시키기 위해 인공지능(Artificial Intelligence), 딥러닝(Deep-Learning) 또는 머신 러닝(Machine-Learning) 등의 기술을 응용할 수 있다.

이에, 여러 딥러닝 기술을 단독 또는 함께 이용할 수 있는데, 첫번째로는, DNN(Deep Neural Network) 기술이 이용될 수 있다. 이를 설명하기 위해 먼저 ANN(Artificial Neural Network)를 설명하면, 이는 사람의 신경망 원리와 구조를 모방하여 만든 기계학습 알고리즘으로써, 인간의 뇌에서 뉴런들이 신호 또는 자극을 받고, 받은 자극이 임계값을 넘어서면 결과 신호를 전달하는 과정에서 착안된 것이다. 이때, 지극 또는 신호는 인공신경망에서는 Input Data이고, 임계값은 가중치(Weight)이며, 자극에 의해 어떤 행동을 하는 것은 Output Data에 대응시킬 수 있다.

구체적으로, 신경망은 다수의 입력 데이터를 받은 입력층(Input Layer), 데이터의 출력을 담당하는 출력층(Output Layer), 입력층과 출력층 사이에 존재하는 은닉층(Hidden Layer)이 존재하는데, 은닉층의 개수와 노드(Node: 데이터 지점 또는 자료 구조 상의 일부분)의 개수를 구성하는 것을 모델을 구성한다는 것이라 할 수 있고, 이러한 모델을 구성하여 원하는 Output Data를 예측할 수 있도록 하는 것이다. 또한, 이때의 은닉층에서는 활성화 함수(딥러닝 네트워크에서 노드에 들어오는 값들에 대해 곧바로 다음 레이어로 전달하지 않고 주로 비선형 함수를 통과시킨 후 전달하는데 있어 사용되는 함수) 등을 사용하여 최적의 가중치와 편향(Bias: 의사 결정의 공정성을 해치는 요소)을 찾아내는 역할을 수행하게 된다.

그러나, 상술한 ANN은 오류가 발생될 경우 학습을 더 이상 진행하지 않을 수도 있고, 학습시간이 너무 느리다는 다양한 문제를 지니고 있다.

이와 같은 ANN에서 발생 가능했던 문제들이 해결되면서 알고리즘 내 은닉층을 더 늘릴 수 있게 되었고, 모델 내 은닉층을 다수 둠으로써 학습의 결과를 향상시키는 방법이 DNN이다. 즉, DNN은 은닉층을 적어도 2개 이상 지닌 학습 방법을 가리킨다. 따라서, 은닉층을 적어도 두 개 이상 지닐 수 있게 됨으로써, 컴퓨터가 스스로 분류레이블을 만들어 내고, 공간을 왜곡하고, 데이터를 구분 짓는 과정을 반복하면서 최적의 결과를 도출할 수 있게 되는 것이다.

이렇듯, 고차원에서의 데이터 분류가 가능해짐에 따라, DNN은 영상 처리, 음성 인식, 자연어 처리 등 다양한 분야에 사용되고 있고, 이러한 DNN 기술을 상술한 제2 데이터 도출 시에 응용함으로써 편향(Bias)될 확률을 낮출 수 있게 되어, 이에 따라 유사도 수치가 큰 학생 또는 졸업생들의 대학 입학 시에 취득하였던 입학 성적 정보가 누적될수록 예비유학생이 대학 입학 시에 취득할 것이라 예측되는 제2 데이터의 정확도는 더욱 높아지게 되는 것이다.

두번째로는, RF(Random Forest) 기술을 이용할 수 있다. RF는 의사결정 트리의 단점을 극복한 것으로, 의사결정 트리는 주어진 학습 데이터에 따라 생성되는 의사결정 트리가 달라지기 때문에 일반화하여 사용하기 어렵고, 학습 결과 역시 성능과 변동의 폭이 크다는 단점을 가지고 있다.

RF는 상술한 의사결정 트리와는 달리, 다수의 무작위 의사결정 트리로 이루어진 것이다.

이러한 RF에서의 학습 원리에 대해 설명하면, RF는 1) 주어진 트레이닝 데이터 세트에서 무작위로 중복을 허용해서 n개를 선택하고, 2) 선택한 n개의 데이터 샘플에서 데이터 특성값을 중복 허용 없이 d개를 선택한 다음, 3) 이를 이용해 의사결정 트리를 학습하고 생성하는 것으로, 다음에는 1) ~ 3) 단계를 k번 반복하고, 이러한 과정을 통해 생성된 k개의 의사결정 트리를 이용해 예측하고, 예측된 결과의 평균이나 등장 빈도수가 높은 예측 결과를 선택하여 이를 최종 예측값으로 결정하는 것이다.

이때, 마지막 단계에서의 다수인 k개의 의사결정 트리로부터 나온 예측 결과들의 평균이나 다수의 예측 결과를 이용하는 방법을 앙상블(Ensenble) 기법이라 한다.

즉, 상술한 RF 기술은 다수의 데이터를 통해 예측된 결과의 평균 또는 가장 많이 나오는 결과값을 도출해 내는 기술로써, 다수의 유사도 수치가 큰 학생 또는 졸업생들의 대학 입학 시에 취득하였던 입학 성적 정보가 누적될수록, 평균값 또는 빈도값이 정확하게 예측되어, 예비유학생이 대학 입학 시에 취득할 것이라 예측되는 제2 데이터의 정확도는 더욱 높아지게 되는 것이다.

세번째로는, Boosting 기술을 이용할 수 있다. Boosting을 간단하게 설명하면, 약한 요소들을 다수개 결합시켜 강한 모델을 만들기 위한 기술로써, 무작위로 선택하는 것보다 조금 더 가능성이 높은 규칙(Weak Learner)들을 결합시켜 정확도를 높이는 예측 모델을 만들기 위한 것이다. 다시 말해, 공통적으로 적용 할 수 없을 정도로 확실하거나 강한 규칙이 아닌 Weak Learner(또는 rule, classifier)를 Strong Learner로 바꾸는 것이다.

구체적으로, Weak Learner는 무작위로 선정하는 것보다는 성공 확률이 높은, 또는 오차율이 50% 이하인 학습 규칙을 말하는 것으로, 선정 방식은 기존의 알고리즘을 적용하여 서로 다른 분포(distribution)를 갖도록 한다. 수 회 알고리즘을 적용할 때마다 서로 다른 Weak Learner를 만들고, 이를 반복적으로 수행한 뒤, Weak Learner를 Boosting 알고리즘으로 묶어 Strong Learner로 만드는 것이다. 단, Weak Learner를 이용해 학습 시, 에러가 발생할 경우, 발생할 에러를 처리할 수 잇는 방향으로 새로운 Weak Learner로 학습해 가며, 이러한 모든 결과를 합산하여 최종 결과로써 Strong Learner로 만드는 것이다.

즉, 결론적으로 Boosting은 새로운 Weak Learner를 학습할 때마다 이전 결과를 참조하는 방식이며, 최종적으로 Weak Learner로부터의 출력을 결합하기 때문에 예측률이 극대화된 Strong Learner를 만들 수 있게 되는 것이다.

따라서, 이러한 Boosting 기술을 통해, 다수의 유사도 수치가 큰 학생 또는 졸업생들의 대학 입학 시에 취득하였던 입학 성적 정보가 누적될수록, 이전의 데이터들을 반영하여 에러를 점차 줄여나가고 최종적으로 이를 합산하기 때문에, 예비유학생이 대학 입학 시에 취득할 것이라 예측되는 제2 데이터의 정확도는 더욱 높아지게 되는 것이다.

즉, 상술한 다수의 딥러닝 기술들을 통해 다수의 기존 데이터들을 종합적으로 참조하여 제2 데이터를 도출 시 정확도를 보다 더 높일 수 있게 되는 것이다.

다음으로, 상술한 과정들을 수행하는 제2 데이터 도출 단계(S20)의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 유학 정보 제공 단계(S30)가 수행된다.

이에, 유학 정보 제공 단계(S30)를 수행함에 있어서, 예비유학생 계정에 저장된 정보로서, 예비유학생이 진학하길 희망하는 하나 이상의 희망 진학 대학교 또는 희망 전공 정보에 대응되는 입학 성적 정보를 제2 데이터와 비교함으로써, 적어도 희망 진학 대학교 또는 희망 전공으로의 진학 가능성 여부 또는 진학하기 위해 필요한 점수가 부족할 것으로 예측되는 영역의 여부에 대해 판단할 수 있는 진학 가능성 수치를 산출하는 진학 가능성 수치 산출 단계(S31)가 더 수행된다.

즉, 예비유학생의 제2 데이터를 통해 대학 입시 시의 예측된 정보를 하나이상의 희망 진학 대학교 또는 희망 전공 정보에 대응되는 입학 성적 정보와 비교하여 대학 입시에 필요한 조건들을 갖추기 위해, 진학 가능성 수치를 통하여 미리 분석하여 입시에 대비하도록 하기 위함이다.

도 4의 100을 참조하면, 제2 데이터 도출 단계(S20)를 통해 도출된 PS1의 예상 입학 성적은 SAT는 1300점, GPA(Grade Point Average: 학부 성적)는 3.5점임을 알 수 있는데, PS1의 예비유학생 계정 정보에 입력된 희망 진학 대학교 중 하나인 U1의 (데이터베이스 등으로부터 도출된) 평균 입학 성적은 SAT는 1650점 가량, GPA는 3.7임을 알 수 있다.

즉, 이를 통해 PS1의 예상 입학 성적은 PS1이 희망하는 대학교인 U1의 평균 입학 성적에는 미치지 못할 것임을 알 수 있고, PS1 학생의 예상 입학 성적을 토대로, 진학 가능성 여부 또는 확률로써 분석된 데이터를 도출함에 있어, 진학 가능성이 낮다고 하면 어느 영역에서 추가로 보충하여야 하는지, 또는 비슷한 입학 성적임에도 진학한 학생이 있는 경우, 어느 항목이 강점이었는지, 특히 점수가 부족한 과목 등에 대해 세밀하게 분석된 결과 등에 대한 데이터 등을 포괄하는 진학 가능성 수치를 산출하는 것이다.

물론, 진학 가능성 수치 산출 단계(S31)는 대학교 입학 성적 도출 함수의 결과값과 비교함에 있어, 가장 높은 입학 성적 정보를 요구하는 희망 진학 대학교 또는 희망 전공 정보와 비교함을 통해 진학 가능성 수치를 우선적으로 산출하는 것이 바람직할 것이다.

따라서, 도 4의 100의 희망 대학 U1는 가장 높은 입학 성적 정보를 요구하는 곳이라 할 수 있고, 가장 높은 입학 성적 정보를 우선적으로 산출함으로써, 예비유학생에게 동기를 부여하거나, 후술한 진학 대상 학교를 선정함에 있어 이러한 진학 가능성 수치를 활용 또는 참조하는 것이다.

상술한 진학 가능성 수치 산출 단계(S31)의 수행이 완료되면, 조건 정보 수신 단계에 의하여 수신된 조건 정보, 데이터베이스에 저장된 진학 대상 학교의 속성 정보, 진학 대상 학교의 졸업생의 대학 진학 정보, 진학 대상 학교의 졸업생의 학업능력 정보 및 예비유학생 계정에 저장된 정보로서 적어도 예비유학생의 현재 성적, 어학능력, 희망 진학 대학교 및 전공 정보, 및 선호 정보를 포함한 정보로서 예비유학생 데이터를 입력값으로, 진학 대상 학교의 적합성 수치를 결과값으로 하되, 진학 가능성 수치를 연산에 변수 값으로 활용하는 추천 학교 도출 함수를 이용하여 각 진학 대상 학교의 적합성 수치를 산출하는 적합성 수치 산출 단계(S32)가 수행된다.

이때 수신된 조건 정보는 앞서 상술한 조건 정보가 됨이 바람직하다. 수신한 정보들 중 추천 학교 도출 함수에 변수로 적용될 수 있는 기 설정된 조건 정보들만을 선택하여 활용할 수 있다.

한편, 본 발명에 있어서 진학 대상 학교의 속성 정보는, 학교의 상세한 정보로서, 학교의 커리큘럼, 학교의 졸업생 또는 재학생이 학업 수준에 대한 정보, 학교 주변의 이용 가능한 학업 보조 기관의 정보 등을 포함할 수 있다.

예를 들어, 진학 대상 학교의 속성 정보는, 적어도 학생 대비 교사 비율 정보, 대학 진학률 정보, 학생들의 대학 입학 시험에 대한 평균 점수 정보, 학교 내에서의 취미 및 특기 활동 이력에 따른 대학 진학을 위하여 산출되는 액티비티 점수에 대한 평균 점수 정보, 주변 학원 정보, 심화 수업(honors 수업) 정보, 학점 인정 수업(AP 수업) 정보, 취미 활동 정보 및 구성 인종 정보 중 하나 이상을 포함하는 것이 바람직하다.

이와 같은 조건 정보에 대응될 수 있는 진학 대상 학교의 정보 및 속성 정보에 대한 예가 도 5 및 도 6에 도시되어 있다.

도 5 및 도 6을 참조하면, 특정 진학 대상 학교(HS1)의 정보로서, 상술한 지역 정보에 더하여, 해당 국가에 학교별 학군이 존재하는 경우 학군 정보가 포함될 수 있다. 또한 성별 정보로서 남녀 공학인지, 남자 또는 여자 학생만 진학 가능한 학교인지 여부가 관리될 수 있다. 거주 정보는 기숙사 이용 가능 여부 또는 주변 일반 숙소에서의 통학인지, 해당 거주 시설을 이용하기 위한 정보로서 기숙사 이용 비용 또는 홈스테이 등의 일반 숙소 이용 비용에 대한 정보가 관리될 수 있다. 물론 상술한 바와 같이 기숙사 또는 일반 숙소의 시설 정보로서, 지역, 날짜, 인원, 애완 동물 유무, 비용, 인종, 종교, 흡연, 가족 구성원, 방 투숙 인원, 책상 위치, 또는 구비 물품 등의 정보가 함께 관리될 수 있다.

통학 정보는 통학을 위한 교통 수단, 도보 통학 여부 등에 대한 정보로서, 해당 통한을 위한 교통 수단의 이용 비용에 대한 정보가 포함되어 관리될 수 있다. 학생 수는 총 학생 수 또는 학년, 학급별 평균 학생 수 정보, 학년은 상술한 바와 같이 해당 학교를 통해 이수할 수 있는 학년에 대한 정보, 분류 정보는 일반/전문 학교인지 여부 정보, 대학 입시 가능 여부 정보를 포함할 수 있다. 종교 정보는 상술한 바와 같다.

한편, 도 5에 도시된 정보 이외에, ESL 정보로서 해당 학교에서 ESL을 인정하는지 여부, 또한 ESL에 관련된 학습 과정이 존재하는지 여부에 대한 정보가 관리될 수 있다. 한편, 상술한 분류 정보에는 사립인지 국공립인지 여부에 대한 정보가 함께 포함될 수 있다. IB(International Baccalaureate Diploma Program) 및 AP(Advanced Placement) 정보로서 대학 진학 시 학점이 인정되는 커리큘럼이 존재하는지 여부에 대한 정보가 조건 정보로서 함께 포함될 수 있다.

또한 입학 신청 시의 기한 정보, 지역 특징 등으로서 기후, 국내에서 해당 지역으로의 교통 수단, 물가, 도시 크기 등의 다양한 지역에 대한 정보가 함께 상술한 지역 정보에 포함되어 관리될 수 있다.

상술한 도 5에서의 진학 대상 학교의 조건 정보에 대응되는 기본적인 정보와, 후술하는 도 6 내지 8에서 관리되는 다양한 정보들은, 상술한 바와 같이 외부의 데이터베이스 또는 컴퓨팅 장치에 마련된 메모리에 의하여 관리될 수 있다. 데이터가 관리됨은, 상술한 머신 러닝 또는 딥러닝을 통한 추천 학교 도출 함수의 관리를 위해서, 관리되는 데이터가 추가, 수정 또는 삭제되는 것이 해당 저장장소에 의하여 관리됨을 의미한다. 이러한 데이터의 추가, 수정 또는 삭제는 추천 학교 도출 함수에 영향을 줄 수 있는 요소들에 대한 데이터의 변동 감지 시 실시간으로 이를 감지하여 수행되거나, 학기, 학년 등 주기적인 일정 학습 과정 등의 갱신 시점에 수행될 수 있다.

한편 도 6을 참조하면, 동일한 진학 대상 학교(HS1)에 대해서 관리될 수 있는 속성 정보가 구조화되어 있다. 속성 정보는 조건 정보 이외에, 자동으로 추천 학교 도출 함수에 변수로 작용하되, 예비유학생 계정에서 입력되는 조건 정보에 관계없이 변수로 작용할 수 있는 정보를 의미한다.

예를 들어, 상술한 바와 같이 학생 대비 교사 비율 정보, 대학 진학률 정보, 학생들의 대학 입학 시험에 대한 평균 점수 정보, 학교 내에서의 취미 및 특기 활동 이력에 따른 대학 진학을 위하여 산출되는 액티비티 점수에 대한 평균 점수 정보, 주변 학원 정보, 심화 수업(honors 수업) 정보, 학점 인정 수업(AP 수업) 정보, 취미 활동 정보 및 구성 인종 정보를 포함할 수 있다.

이때 액티비티 점수에 대한 평균 점수 정보는, 실제 해당 학교의 학생들의 평균 수료 이력을 통해 도출되거나, 해당 학교 및 연계된 주변 지역의 액티비티 제공 기관 등에서 확보할 수 있는 액티비티 점수를 포함하는 개념으로 이해될 수 있다.

AP 수업 정보는 상술한 바와 같이 IB 수업 정보를 함께 포함하는 개념으로 이해될 수 있으며, AP(IB) 과정 포함 여부, AP(IB)의 상세한 과목의 정보 및 개수, 인정되는 학점의 수치, 종류 등에 대한 정보 등이 포함될 수 있다.

한편, 진학 대상 학교의 졸업생의 대학 진학 정보, 진학 대상 학교의 졸업생의 학업능력 정보 역시 상술한 바와 같이 학교의 적합성 수치를 산출하기 위해서 사용될 수 있는데, 이를 위해서 상술한 바와 같이 데이터베이스에는 이를 위해서 졸업생의 대학 진학 정보, 학업능력 정보가 관리될 수 있다. 이때 졸업생은 예비유학생으로서 본 발명에서 제공되는 서비스를 이용한 적 있는 학생들의 정보가 사용됨이 개인 정보 이용 등의 조건을 위해서 가장 바람직할 것이나, 진학 대상 학교와의 재학생 또는 졸업생의 개인 정보 활용에 대한 계약 여부에 따라, 본 발명에서 제공되는 서비스를 이용한 적 있는 학생들 이외의 졸업생에 대한 상술한 정보가 함께 이용될 수 있다.

이때 진학 대상 학교의 졸업생의 대학 진학 정보는, 해당 대학 및 각 학과에 진학한 졸업생의 수, 졸업생이 진학한 대학교의 입시 요강 등에 대한 정보를 포함하는 개념으로 이해될 것이다. 한편 진학 대상 학교의 졸업생의 학업능력 정보는, 적어도 졸업생의 출신 국가, 국내 학교, 국내 학교에서의 성적, 어학 능력, 취미, 특기, 졸업생의 진학 대상 학교에서의 수강 과목, 참가 클럽 및 대회 수상 경력 중 하나 이상을 포함하는 것이 바람직하다.

이러한 졸업생(GS1)의 대학 진학 정보, 학업능력 정보 및 각 대학교의 입시 요강에 대하여 데이터베이스에서 관리되는 정보의 예가 도 7 및 8에 도시되어 있다. 먼저 도 7을 참조하면, 졸업생(GS1)의 정보로서, 졸업생(GS1)의 국가, 유학 전 국내에서 다녔던 학교에 대한 정보, 해당 학교에서의 학업 능력 정보, 어학 능력 정보, 취미, 특기, 제2 외국어, 악기, 스포츠, 리더십, 적응력 등에 대한 속성 정보가 포함되어 관리될 수 있다.

한편, 졸업생(GS1)이 유학을 위해서 진학한 고등학교(초등, 중등 포함)에 대한 정보로서, 해당 학교에 대한 상술한 조건 및 속성 정보에 대응되는 정보가 관리될 수 있다. 즉, 학교명, 지역, 학생수 정보, 학교 레벨 등급 정보, 평균 SAT 정보, 평균 대학 진학률, 진학한 대학교 리스트, AP(IB) 수업 보유 여부, AP(IB) 수업 목록 등이 포함될 수 있다.

이때 졸업생(GS1)의 정보로서, 실제 해당 고등학교(초등, 중등 포함)에서 졸업생이 학습한 내역 정보가 학업 내역 정보로서 관리될 수 있다. 즉, 해당 졸업생(GS1)이 수강한 과목, 참가한 클럽, 수강한 AP(IB) 수업 등에 대한 정보가 관리될 수 있다.

한편, 성취 내역 정보로서, 진학 대상 학교에서 학업 도중 취득한 대회수상 경력, 실제 입학 대학, GPA, SAT, 전공, 합격한 대학 및 전공 등에 대한 정보가 함께 관리될 수 있다.

도 8을 참조하면 각 대학교의 입시 요강 등에 대한 정보가 관리됨을 확인할 수 있다. 각 대학교의 입시 요강 등에 대한 정보는, 예를 들어 각 대학의 국가, GPA 권장 점수, SAT 권장 점수, 액티비티 권장 점수, SAT2 권장 점수, 어학 능력 권장 점수, AP 권장 수치, A-level 권장 수치 등 각 대학교에 입학하기 위하여 진학 대상 학교에서 확보 가능한 점수 등의 수치에 대한 정보가 관리되어, 해당 대학교에 진학하기 위해 특정 진학 대상 학교에 진학해야 하는지 여부를 판단하기 위한 요소로 활용될 수 있다.

S32 단계는 상술한 모든 정보를 변수로 하는 추천 학교 도출 함수에 해당 변수값을 적용하여, 추천 학교 도출 함수의 결과값으로서 각 진학 대상 학교의 적합성 수치를 산출하게 된다. 이때, 각 변수에는 가중치가 적용되거나, 각 변수의 그룹화 처리 및 단계적 처리가 적용되어 적합성 수치 산출에 기여하게 된다. 이에 대한 예가 도 9에 도시되어 있다.

도 9를 참조하면, 추천 학교 도출 함수(F(A, B..))는 상술한 진학 대상 학교(HS1)의 정보, 졸업생(GS1)의 정보 및 대학교(U1)의 정보와 예비유학생(PS1)의 정보를 변수로 하여, 적합성 수치(SHS)를 각 진학 대상 학교마다 산출하여 비교하게 된다.

구체적으로 설명하면, 적합성 수치는 예를 들어 변수가 특정 범위 내에서 변동될 수 있는 변수, 예/아니오로 설정될 수 있는 변수, 기설정된 개수의 타입 중 어느 한 타입에 속할 수 있는 변수에 따라서 서로 다른 영향 수치가 설정되고, 이에 따라서 도출될 수 있다.

예를 들어 학비, 졸업생의 평균 SAT 점수 등의 경우 변수가 수치 범위 내에서 변동될 수 있으며, 이때 함수에는 해당 변수에 따라서 연속적인 함수로서 적합성 수치(SHS)에 비례 또는 반비례로 영향을 줄 수 있도록 함수 알고리즘이 설정될 수 있다. 즉, SAT 점수의 경우 해당 점수에 비례하도록 특정 점수가 설정될 수 있다. 한편, 이러한 변동 수치 변수에 대해서, 각 레인지별 점수가 할당될 수 있다. 예를 들어 학비의 경우 기설정된 개수(예를 들어 최소부터 최대값 사이를 10개의 구간 개수로 구분)로 범위를 설정하고, 진학 대상 학교의 학비가 속하는 레인지에 설정된 점수를 적용하여 적합성 수치를 산출하는 데 사용할 수 있다.

이러한 연속 변동 변수는, 상술한 학비, SAT 점수 이외에, 수치적으로 환산 가능하고, 해당 수치가 각 변수의 속성에 따라서 연속적으로 변동될 수 있는 모든 변수를 포함하는 개념으로 이해될 것이다.

한편 예/아니오로 설정될 수 있는 변수는 각 예 및 아니오에 대하여 긍정 또는 부정적 개념에 따라서 특정 점수가 감산 또는 가산될 수 있도록 설정될 수 있다.

기설정된 개수의 타입 중 어느 한 타입에 속할 수 있는 변수는 각 변수에 따라서 특정 점수가 감산 또는 가산될 수 있도록 설정되거나, 해당 타입이 지역의 안정도와 같이 연속적인 비례 점수화될 수 있는 경우 비례되는 점수로 설정될 수 있다.

이때 각 점수에는 각 요소의 중요도에 따라서 가중치가 적용되고, 적합성 수치는 고려될 수 있는 변수에 따라서 매겨진 점수를 모두 합산하는 방식으로 도출될 수 있다.

예를 들어, 조건 정보에 있어서, 우선순위가 학비, 졸업생의 평균 SAT 점수, 학생/선생님 비율, 인종 비율(예를 들어 아시안 비율) 등으로 설정된 경우, 각 변수에 대해서 진학 대상 학교에 따라서 매겨진 점수 각각에 가중치가 우선 순위별로 다르게 설정된 경우, 이를 곱한 값을 모두 합하여 조건 정보에 대한 적합성 수치가 도출될 수 있다.

한편 상술한 가중치 적용 및 합산 방식 이외에, 진학 대상 학교에 대한 적합성 수치를 적용 시 졸업생의 상세한 수치와 예비유학생의 수치를 비교하여, 예비유학생과 동일하거나 유사한 조건에서 진학한 졸업생의 정보를 우선적으로 고려함으로써, 예비유학생이 해당 대학교에 진학하기 위해서 졸업생을 일종의 멘토로 고려하는 것을 본 시스템에서 자동으로 적용하여 진학 대상 학교를 더욱 최적으로 선택할 수 있도록 구성될 수 있다.

이를 위해서, 추천 학교 도출 함수는, 예비유학생의 현재 성적, 어학능력, 희망 진학 대학교 및 전공 정보와 상기 진학 대상 학교의 졸업생의 대학 진학 정보, 상기 진학 대상 학교의 졸업생의 학업능력 정보의 유사도 수치에 가장 높은 가중치를 두도록 설정될 수 있다.

즉 상술한 가중치 적용 및 각 변수별 점수의 합산 방식 이외에, 상술한 바와 같이 예비유학생에 대해서 직접적인 비교 및 분석 대상으로 사용할 수 있는 정보로서, 현재 국내 학교에서의 내신 등의 성적, 현재 어학능력, 희망 진학 대상교의 전공 정보를, 진학 대상 학교에 진학한 졸업생의 대학 진학 정보, 해당 졸업생의 국내에서의 학업능력 정보와 비교함으로써, 현재 예비유학생과 가장 유사한 조건에 있었던 졸업생이 진학 대상 학교에 진학한 결과 어떤 대학교를 들어갔는지를 비교하고, 이를 유사도 수치로 수치화하여 이에 대한 점수를 가중치를 가장 높게 둘 수 있는 것이다.

이 경우, 예비유학생이 특정 진학 대상 학교에 진학하여 졸업생과 유사한 학업 과정을 해당 학교에서 이수하는 경우, 졸업생과 유사한 대학교에 진학할 가능성이 높을 것으로 예측할 수 있어, 예비유학생이 진학을 희망하는 대학교에 대한 진학 정확도를 크게 향상시킬 수 있는 한편, 졸업생과의 비교를 통해서 해당 진학 대상 학교에서의 학업능력을 예측할 수 있게 된다. 이를 통해, 매우 정확하게 진학 대상 학교를 추천할 수 있는 효과가 있다.

한편 본 발명의 다른 실시예에서, 추천 학교 도출 함수는, 희망 진학 대학교의 진학을 위한 요구 스펙 정보와, 진학 대상 학교의 속성 정보들 중 적어도 학생들의 대학 입학 시험에 대한 평균 점수 정보, 학교 내에서의 취미 및 특기 활동 이력에 따른 대학 진학을 위하여 산출되는 액티비티 점수에 대한 평균 점수 정보, 주변 학원 정보, 심화 수업(honors 수업) 정보 및 학점 인정 수업(AP 수업) 정보 중 하나 이상을 비교한 결과, 희망 진학 대학교의 진학을 위한 요구 스펙 정보를 상기 진학 대상 학교 진학 시 충족할 수 있는지 여부를 판단할 수 있는 스펙 충족 가능 수치를 산출하여, 상기 적합성 수치 연산에 변수 값으로 활용할 수 있다.

즉 해당 실시예는, 상술한 졸업생과의 비교를 통해서 얼마나 유사하게 대학에 진학할 수 있는지를 비교하여 진학 대상 학교를 추천하는데 반하여, 예비유학생의 학습 능력을 최대치로 설정하고, 원하는 대학교에 진학하기 위해서 갖추어야 할 스펙을 진학 대상 학교의 학업 과정(커리큘럼)을 통해 얼마나 확보할 수 있는지 여부를 기준으로 수치를 판단하는 것이다.

즉, 상기의 유사도 수치 및 스펙 충족 가능 수치에 대해서는 각 중요도에 따라서 서로 다른 가중치가 적용될 수 있다.

상술한 실시예에 있어서, 각 변수별 점수의 합산 방식, 각 변수의 유사도 수치, 각 변수의 스펙 충족 가능 수치는, 각 변수별로 어떤 방식 또는 수치 산출 방식에 사용될지가 상술한 예와 같이 구분되어 있고, 이에 대해서 독립적 또는 서로 결합적으로 적용되어 적합성 수치 연산에 활용될 수 있다. 즉 상기의 실시예는 서로 독립적으로 사용되는 것이 아니라 서로 복합적으로 결합 적용될 수 있는 것이다.

또한, 상술한 실시예는 서로 단계적으로 적용될 수 있다. 즉 추천 학교 도출 함수는 상술한 유사도 수치 및 스펙 충족 가능 수치와 함께 평균 SAT 점수 등 진학 대상 진학 대상 학교의 속성 정보, 상기 진학 대상 학교의 졸업생의 대학 진학 정보, 상기 진학 대상 학교의 졸업생의 학업능력 정보 및 상기 예비유학생 계정에 저장된 정보로서 적어도 예비유학생의 현재 성적, 어학능력, 희망 진학 대학교 및 전공 정보, 및 선호 정보를 포함한 정보로서 예비유학생 데이터를 입력 값으로 하는 함수로 적용되며, 상술한 조건 정보는 추천 학교 도출 함수를 적용하여 적합성 수치를 산출할 진학 대상 학교를 1차적으로 필터링하는 데 사용될 수 있다.

즉, 조건 정보만을 기준으로 점수를 합산하여 기설정된 개수(예를 들어 20개)의 진학 대상 학교를 1차 후보 학교로 선정하고, 1차 후보 학교들에 각각 상술한 추천 학교 도출 함수를 적용하여 적합성 수치를 산출하는 것이다.

여기에 추가적으로, 상술한 진학 가능성 수치 산출 단계(S31)에서 산출된 진학 가능성 수치를 연산에 변수 값으로 상술한 추천 학교 도출 함수를 수행하는데 활용할 수 있다.

진학 가능성 수치는, 앞서 상술하였듯 적어도 희망 진학 대학교 또는 희망 전공으로의 진학 가능성 여부 또는 진학하기 위해 필요한 점수가 부족 또는 충분할 것으로 예측되는 영역의 여부에 대해 판단하는 수치로, 이를 연산에 변수로써 활용 시, 일 예로, 진학 가능성 여부에 판단한 결과에 있어서 진학 가능성이 낮을 경우에는 A라는 학교에 진학한다면 교내/외 활동을 다수 제공받을 수 있으므로 진학 가능성이 높아지거나, 필요한 점수가 부족할 것으로 예측되는 영역에 대해서는 B학교에서 충분한 커리큘럼을 제공하여 점수를 올릴 수 있을 가능성이 높아져 진학 대상 학교로써 우선하여 추천하거나 하는 방식으로써, 상술한 추천 학교 도출 함수를 수행하는 데 있어 함께 활용하는 것으로 이해할 수 있다.

한편, 적합성 수치 산출 단계(S32)의 수행이 완료되면, 컴퓨팅 장치는 S32 단계에서 산출된 적합성 수치가 가장 높은 진학 대상 학교를 추천 학교로 선정하고, 선정된 추천 학교의 정보를 예비유학생 계정에 제공하는 학교 추천 단계(S33)를 수행한다.

학교 추천 단계(S33)에서 제공되는 추천 학교의 정보는, 학교의 이름 등 학교를 식별할 수 있는 기본적인 정보 이외에, 상술한 적합성 수치에 활용된 학교 및 해당 학교의 졸업생 중 일부(예를 들어 상술한 유사도 수치가 가장 높은 1인)에 대해서 상술한 바와 같이 관리되는 정보 등이 모두 함께 제공될 수 있다.

즉 예비유학생 또는 학부모는 단순히 최종적으로 선정된 학교에 대한 정보만을 제공받지 않고, 해당 학교가 최종적으로 선정된 이유, 해당 학교에 대해서 현재 예비유학생과 유사한 환경에 있고 원하는 대학교와 동일 또는 유사한 대학교에 진학한 졸업생에 대한 정보를 함께 제공받아, 학교 선정에 대한 신뢰성을 가질 수 있는 동시에, 졸업생에 대한 정보를 일종의 멘토와 같이 활용할 수 있는 효과가 있다.

한편, 상술한 정보 이외에, 학교 추천 단계(S33)에서는, 추천 학교의 정보를 예비유학생 계정에 제공 시, 스펙 충족 가능 수치를 만족하기 위하여 추천 학교에 진학 후 수행해야 할 학업 활동, 취미 활동 및 주변 학원 활동에 대한 정보를 추천 활동 정보로서 함께 제공하여, 예비유학생이 해당 학교에 진학 시 해당 정보를 학습 과정에서 활용할 수 있도록 할 수 있다.

한편 유학 정보 제공 단계(S30)의 수행 후, 컴퓨팅 장치는 추가적으로 예비유학생 또는 그 학부모가 실제 추천된 학교에 지원하기 위한 부가 서비스를 제공할 수 있다. 즉, 컴퓨팅 장치는 유학 정보 제공 단계(S30)의 수행 후, 예비유학생 계정으로부터 추천 학교에 대한 진학 희망 요청을 수신 시, 추천 학교에 진학하기 위한 필요 자료 안내 및 수속 서비스를 제공하는 수속 서비스 제공 단계를 더 수행할 수 있다. 이는 해당 학교에 지원하기 위하여 필요시 되는 모든 서류에 대한 안내 및 서식 제공 서비스, 온라인 수속 서비스 제공에 대한 일련의 프로세스를 제공하는 개념으로 포함하는 것으로 이해될 것이다.

이러한 결과 사용자 단말에 출력되는 화면에 대한 예가 도 10에 도시되어 있다.

도 10을 참조하면, 사용자 단말의 화면(200)에는, 예비유학생에 대해서 상술한 모든 단계들의 수행 결과 도출된 각 진학 대상 학교의 적합성 수치가 가장 높은 학교(HS1)에 대한 정보가 출력되고, 해당 학교의 상세한 정보로서 상술한 데이터들을 정보 보기 메뉴를 통해 조회할 수 있도록 제공할 수 있다. 한편 수속하기 메뉴를 통해서, 상술한 수속 서비스 제공 단계에 대응되는 서비스를 이용할 수 있다.

이러한 예비유학생 계정에 의하여 입력된 조건 정보 및 예비유학생의 국내에서의 학업 능력 등의 정보와, 예비유학생의 학업 능력 및 재학 중인 학교 또는 어학 성적을 전반적으로 고려하여 대학 진학 시의 예비유학생이 획득한 대학 입학 성적 점수를 예측하고, 예측된 대학 입학 성적 점수와 진학을 희망하는 대학의 입학 성적 점수를 함께 고려하여 최적의 진학 대상 학교를 선정하고, 상술한 과정을 통해 선정된 진학 대상 학교의 스펙 및 커리큘럼, 진학 대상 학교의 대학교 진학에 대한 내역 정보, 진학 대상 학교에 진학하여 대학에 입학한 졸업생의 학업 능력 등을 체계적으로 고려하여, 예비유학생이 진학을 희망하는 대학교에 진학하기 위해서 최적의 과정을 수료할 수 있는 진학 대상 학교를 추천하게 된다.

도 3은 본 발명의 일 실시예에 따른 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치의 구성 블록도이다. 이하의 설명에 있어서, 도 1, 2, 4 내지 10에 대한 설명과 중복되는 부분에 대한 불필요한 설명은 이를 생략하기로 한다.

도 3을 참조하면, 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치(20)는, 제1 데이터 수신부(21), 제2 데이터 도출부(22) 및 유학 정보 제공부(23)를 포함한다.

제1 데이터 수신부(21)는 해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비 유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 기능을 수행한다. 이때, 상술한 예비유학생 계정의 현재 성적 등에 대한 정보는 사용자 단말(10)을 통해 예비유학생이 입력 수단을 통해 입력한 정보들인 것으로 이해할 수 있다. 즉, 상술한 설명에서 S10에 대한 설명에서 언급된 모든 기능을 수행하는 구성으로 이해될 것이다.

제2 데이터 도출부(22)는 제1 데이터 수신부(21)에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 제2 데이터를 도출하는 기능을 수행한다. 이때, 기설정된 알고리즘은 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치(20)에 설정되어 있거나 미도시 된 외부의 서버 등에 저장된 것을 수신하여 이용할 수 있다. 즉, 상술한 설명에 있어서 S20 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성으로 이해될 것이다.

유학 정보 제공부(23)는 제2 데이터 도출부(22)의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 기능을 수행한다. 즉, 상술한 설명에 있어서 S30 단계에 대한 설명에서 언급된 모든 기능을 수행하는 구성으로 이해될 것이다.

한편, 상술한 제1 데이터 수신 단계(S10)의 수행 전, 예비유학생 계정으로부터 입력된 정보로서, 진학 대상 학교를 검색하기 위한 정보인 조건 정보를 수신하는 조건 정보 수신 단계에서의 언급된 모든 기능을 수행하는 별도의 구성으로서, 조건 정보 수신부(미도시)가 추가적으로 장치(20)에 포함될 수 있다.

상술한 예비유학생 계정에 저장된 정보로서, 예비유학생이 진학하길 희망하는 하나 이상의 희망 진학 대학교 또는 희망 전공 정보에 대응되는 입학 성적 정보를 제2 데이터와 비교함으로써, 적어도 희망 진학 대학교 또는 희망 전공으로의 진학 가능성 여부 또는 진학하기 위해 필요한 점수가 부족할 것으로 예측되는 영역의 여부에 대해 판단할 수 있는 진학 가능성 수치를 산출하는 진학 가능성 수치 산출 단계(S31)에서의 언급된 모든 기능을 수행하는 별도의 구성으로서, 진학 가능성 수치 산출부(미도시)가 추가적으로 장치(20)에 포함될 수 있다.

상술한 조건 정보 수신 단계에 의하여 수신된 조건 정보, 데이터베이스에 저장된 진학 대상 학교의 속성 정보, 진학 대상 학교의 졸업생의 대학 진학 정보, 진학 대상 학교의 졸업생의 학업능력 정보 및 예비유학생 계정에 저장된 정보로서 적어도 예비유학생의 현재 성적, 어학능력, 희망 진학 대학교 및 전공 정보, 및 선호 정보를 포함한 정보로서 예비유학생 데이터를 입력값으로, 진학 대상 학교의 적합성 수치를 결과값으로 하되, 진학 가능성 수치를 연산에 변수 값으로 활용하는 추천 학교 도출 함수를 이용하여 각 진학 대상 학교의 적합성 수치를 산출하는 적합성 수치 산출 단계(S32)에서의 언급된 모든 기능을 수행하는 별도의 구성으로서, 적합성 수치 산출부(미도시)가 추가적으로 장치(20)에 포함될 수 있다.

상술한 적합성 수치 산출 단계(S32)에서 산출된 적합성 수치가 가장 높은 진학 대상 학교를 추천 학교로 선정하고, 선정된 추천 학교의 정보를 예비유학생 계정에 제공하는 학교 추천 단계(S33)에서의 언급된 모든 기능을 수행하는 별도의 구성으로서, 학교 추천부(미도시)가 추가적으로 장치(20)에 포함될 수 있다.

다른 한편으로, 상술한 유학 정보 제공 단계(S30)의 수행 후, 예비유학생 계정으로부터 추천 학교에 대한 진학 희망 요청을 수신 시, 추천 학교에 진학하기 위한 필요 자료 안내 및 수속 서비스를 제공하는 수속 서비스 제공 단계에 대한 설명에서 언급된 모든 기능을 수행하는 별도의 구성으로서, 수속 서비스 제공부(미도시)가 추가적으로 장치(10)에 포함될 수 있다.

도 11은 본 발명의 일 실시 예에 따른 컴퓨팅 장치의 내부 구성의 일 예를 도시하였으며, 이하의 설명에 있어서, 상술한 도 1 내지 10에 대한 설명과 중복되는 불필요한 실시 예에 대한 설명은 생략하기로 한다.

도 11에 도시한 바와 같이, 컴퓨팅 장치(10000)은 적어도 하나의 프로세서(processor)(11100), 메모리(memory)(11200), 주변장치 인터페이스(peripheral interface)(11300), 입/출력 서브시스템(I/O subsystem)(11400), 전력 회로(11500) 및 통신 회로(11600)를 적어도 포함할 수 있다. 이때, 컴퓨팅 장치(10000)은 촉각 인터페이스 장치에 연결된 유저 단말이기(A) 혹은 전술한 컴퓨팅 장치(B)에 해당될 수 있다.

메모리(11200)는, 일례로 고속 랜덤 액세스 메모리(high-speed random access memory), 자기 디스크, 에스램(SRAM), 디램(DRAM), 롬(ROM), 플래시 메모리 또는 비휘발성 메모리를 포함할 수 있다. 메모리(11200)는 컴퓨팅 장치(10000)의 동작에 필요한 소프트웨어 모듈, 명령어 집합 또는 그밖에 다양한 데이터를 포함할 수 있다.

이때, 프로세서(11100)나 주변장치 인터페이스(11300) 등의 다른 컴포넌트에서 메모리(11200)에 액세스하는 것은 프로세서(11100)에 의해 제어될 수 있다.

주변장치 인터페이스(11300)는 컴퓨팅 장치(10000)의 입력 및/또는 출력 주변장치를 프로세서(11100) 및 메모리 (11200)에 결합시킬 수 있다. 프로세서(11100)는 메모리(11200)에 저장된 소프트웨어 모듈 또는 명령어 집합을 실행하여 컴퓨팅 장치(10000)을 위한 다양한 기능을 수행하고 데이터를 처리할 수 있다.

입/출력 서브시스템(11400)은 다양한 입/출력 주변장치들을 주변장치 인터페이스(11300)에 결합시킬 수 있다. 예를 들어, 입/출력 서브시스템(11400)은 모니터나 키보드, 마우스, 프린터 또는 필요에 따라 터치스크린이나 센서 등의 주변장치를 주변장치 인터페이스(11300)에 결합시키기 위한 컨트롤러를 포함할 수 있다. 다른 측면에 따르면, 입/출력 주변장치들은 입/출력 서브시스템(11400)을 거치지 않고 주변장치 인터페이스(11300)에 결합될 수도 있다.

전력 회로(11500)는 단말기의 컴포넌트의 전부 또는 일부로 전력을 공급할 수 있다. 예를 들어 전력 회로(11500)는 전력 관리 시스템, 배터리나 교류(AC) 등과 같은 하나 이상의 전원, 충전 시스템, 전력 실패 감지 회로(power failure detection circuit), 전력 변환기나 인버터, 전력 상태 표시자 또는 전력 생성, 관리, 분배를 위한 임의의 다른 컴포넌트들을 포함할 수 있다.

통신 회로(11600)는 적어도 하나의 외부 포트를 이용하여 다른 컴퓨팅 장치와 통신을 가능하게 할 수 있다.

또는 상술한 바와 같이 필요에 따라 통신 회로(11600)는 RF 회로를 포함하여 전자기 신호(electromagnetic signal)라고도 알려진 RF 신호를 송수신함으로써, 다른 컴퓨팅 장치와 통신을 가능하게 할 수도 있다.

이러한 도 11의 실시 예는, 컴퓨팅 장치(10000)의 일례일 뿐이고, 컴퓨팅 장치(11000)은 도 11에 도시된 일부 컴포넌트가 생략되거나, 도 11에 도시되지 않은 추가의 컴포넌트를 더 구비하거나, 2개 이상의 컴포넌트를 결합시키는 구성 또는 배치를 가질 수 있다. 예를 들어, 모바일 환경의 통신 단말을 위한 컴퓨팅 장치는 도 11에도시된 컴포넌트들 외에도, 터치스크린이나 센서 등을 더 포함할 수도 있으며, 통신 회로(1160)에 다양한 통신방식(WiFi, 3G, LTE, Bluetooth, NFC, Zigbee 등)의 RF 통신을 위한 회로가 포함될 수도 있다. 컴퓨팅 장치(10000)에 포함 가능한 컴포넌트들은 하나 이상의 신호 처리 또는 어플리케이션에 특화된 집적 회로를 포함하는 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 양자의 조합으로 구현될 수 있다.

본 발명의 실시 예에 따른 방법들은 다양한 컴퓨팅 장치를 통하여 수행될 수 있는 프로그램 명령(instruction) 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 특히, 본 실시 예에 따른 프로그램은 PC 기반의 프로그램 또는 모바일 단말 전용의 어플리케이션으로 구성될 수 있다. 본 발명이 적용되는 애플리케이션은 파일 배포 시스템이 제공하는 파일을 통해 이용자 단말에 설치될 수 있다. 일 예로, 파일 배포 시스템은 이용자 단말이기의 요청에 따라 상기 파일을 전송하는 파일 전송부(미도시)를 포함할 수 있다.

이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술 분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.

소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로 (collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상장치(virtual equipment), 컴퓨터 저장 매체 또는 장치에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨팅 장치상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.

실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시 예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광 기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상과 같이 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술 분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims

하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법으로서,
해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 제1 데이터 수신 단계;
상기 제1 데이터 수신 단계에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 상기 제2 데이터를 도출하는 제2 데이터 도출 단계; 및
상기 제2 데이터 도출 단계의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 유학 정보 제공 단계;를 포함하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제1항에 있어서,
상기 제1 데이터 수신 단계의 수행 전,
상기 예비유학생 계정으로부터 입력된 정보로서, 진학 대상 학교를 검색하기 위한 정보인 조건 정보를 수신하는 조건 정보 수신 단계;를 더 포함하고,
상기 유학 정보 제공 단계는,
상기 예비유학생 계정에 저장된 정보로서, 예비유학생이 진학하길 희망하는 하나 이상의 희망 진학 대학교 또는 희망 전공 정보에 대응되는 상기 입학 성적 정보를 상기 제2 데이터와 비교함으로써, 적어도 희망 진학 대학교 또는 희망 전공으로의 진학 가능성 여부 또는 진학하기 위해 필요한 점수가 부족할 것으로 예측되는 영역의 여부에 대해 판단할 수 있는 진학 가능성 수치를 산출하는 진학 가능성 수치 산출 단계;
상기 조건 정보 수신 단계에 의하여 수신된 조건 정보, 데이터베이스에 저장된 상기 진학 대상 학교의 속성 정보, 상기 진학 대상 학교의 졸업생의 대학 진학 정보, 상기 진학 대상 학교의 졸업생의 학업능력 정보 및 상기 예비유학생 계정에 저장된 정보로서 적어도 예비유학생의 현재 성적, 어학능력, 희망 진학 대학교 및 전공 정보, 및 선호 정보를 포함한 정보로서 예비유학생 데이터를 입력값으로, 상기 진학 대상 학교의 적합성 수치를 결과값으로 하되, 상기 진학 가능성 수치를 연산에 변수 값으로 활용하는 추천 학교 도출 함수를 이용하여 각 진학 대상 학교의 적합성 수치를 산출하는 적합성 수치 산출 단계; 및
상기 적합성 수치 산출 단계에서 산출된 적합성 수치가 가장 높은 진학 대상 학교를 추천 학교로 선정하고, 선정된 추천 학교의 정보를 상기 예비유학생 계정에 제공하는 학교 추천 단계;를 포함하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제2항에 있어서,
상기 조건 정보는,
적어도 진학 대상 학교의 지역 환경 정보, 종교, 입학 시기, 학년, 인원, 학비, 인종 비율 및 진학 대상 학교에 진학 시의 거주 및 통학 형태 정보 중 하나 이상을 포함하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제2항에 있어서,
상기 대학교 입학 성적 도출 함수는,
상기 예비유학생 계정에 저장된 정보와 비교하여 데이터베이스에 기 설정된 임계값과 같거나 큰 유사도 수치를 갖는 학생들의 대학교 진학 시에 취득한 상기 입학 성적 정보를 입력값으로써 포함하여 결과값을 도출하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제2항에 있어서,
상기 진학 가능성 수치 산출 단계는,
상기 대학교 입학 성적 도출 함수의 결과값과 비교함에 있어, 가장 높은 상기 입학 성적 정보를 요구하는 상기 희망 진학 대학교 또는 희망 전공 정보와 비교함을 통해 상기 진학 가능성 수치를 산출하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제2항에 있어서,
상기 진학 대상 학교의 속성 정보는,
적어도 학생 대비 교사 비율 정보, 대학 진학률 정보, 학생들의 대학 입학 시험에 대한 평균 점수 정보, 학교 내에서의 취미 및 특기 활동 이력에 따른 대학 진학을 위하여 산출되는 액티비티 점수에 대한 평균 점수 정보, 주변 학원 정보, 심화 수업(honors 수업) 정보, 학점 인정 수업(AP 수업) 정보, 취미 활동 정보 및 구성 인종 정보 중 하나 이상을 포함하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제2항에 있어서,
상기 진학 대상 학교의 졸업생의 학업능력 정보는,
적어도 졸업생의 출신 국가, 국내 학교, 국내 학교에서의 성적, 어학 능력, 취미, 특기, 졸업생의 진학 대상 학교에서의 수강 과목, 참가 클럽 및 대회 수상 경력 중 하나 이상을 포함하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제2항에 있어서,
상기 추천 학교 도출 함수는,
예비유학생의 현재 성적, 어학능력, 희망 진학 대학교 및 전공 정보와 상기 진학 대상 학교의 졸업생의 대학 진학 정보, 상기 진학 대상 학교의 졸업생의 학업 능력 정보의 유사도 수치에 가장 높은 가중치를 두도록 설정된 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제2항에 있어서,
상기 추천 학교 도출 함수는,
희망 진학 대학교의 진학을 위한 요구 스펙 정보와, 진학 대상 학교의 속성 정보들 중 적어도 학생들의 대학 입학 시험에 대한 평균 점수 정보, 학교 내에서의 취미 및 특기 활동 이력에 따른 대학 진학을 위하여 산출되는 액티비티 점수에 대한 평균 점수 정보, 주변 학원 정보, 심화 수업(honors 수업) 정보 및 학점 인정 수업(AP 수업) 정보 중 하나 이상을 비교한 결과, 희망 진학 대학교의 진학을 위한 요구 스펙 정보를 상기 진학 대상 학교 진학 시 충족할 수 있는지 여부를 판단할 수 있는 스펙 충족 가능 수치를 산출하여, 상기 적합성 수치 연산에 변수 값으로 활용하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
제9항에 있어서,
상기 학교 추천 단계는,
상기 추천 학교의 정보를 상기 예비유학생 계정에 제공 시, 상기 스펙 충족 가능 수치를 만족하기 위하여 상기 추천 학교에 진학 후 수행해야 할 학업 활동, 취미 활동 및 주변 학원 활동에 대한 정보를 추천 활동 정보로서 함께 제공하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 방법.
하나 이상의 프로세서 및 상기 프로세서에서 수행 가능한 명령들을 저장하는 하나 이상의 메모리를 포함하는 컴퓨팅 장치로 구현되는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치에 관한 것으로,
해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 제1 데이터 수신부;
상기 제1 데이터 수신부에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 상기 제2 데이터를 도출하는 제2 데이터 도출부; 및
상기 제2 데이터 도출부의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 유학 정보 제공부;를 포함하는 것을 특징으로 하는 사용자가 지망하는 해외 대학 진학에 맞춘 유학 코스 추천 장치.
컴퓨터-판독가능 기록매체로서,
상기 컴퓨터-판독가능 기록매체는, 컴퓨팅 장치로 하여금 이하의 단계들을 수행하도록 하는 명령들을 저장하며, 상기 단계들은:
해외 학교의 유학을 위하여 가입된 예비유학생 계정으로부터, 적어도 예비유학생의 현재 성적, 어학능력 및 재학 중인 학교명 또는 지역 정보를 포함하는 제1 데이터를 수신하는 제1 데이터 수신 단계;
상기 제1 데이터 수신 단계에 따라서 입력된 제1 데이터를 입력값으로 하고, 예비유학생의 해외 대학 진학을 위한 국가의 입학 제도에 기반한 입학 성적 정보에 대한 예측값인 제2 데이터를 결과값으로 하는 기설정된 알고리즘 함수인 대학교 입학 성적 도출 함수를 이용하여 상기 제2 데이터를 도출하는 제2 데이터 도출 단계; 및
상기 제2 데이터 도출 단계의 수행에 따라서 도출된 제2 데이터를 이용하여 유학 관련 정보를 제공하는 유학 정보 제공 단계;를 포함하는 것을 특징으로 하는 컴퓨터-판독가능 기록매체.