KR20210025394A - 자기주도 학습 최적화 시스템 및 방법 - Google Patents
자기주도 학습 최적화 시스템 및 방법 Download PDFInfo
- Publication number
- KR20210025394A KR20210025394A KR1020190105402A KR20190105402A KR20210025394A KR 20210025394 A KR20210025394 A KR 20210025394A KR 1020190105402 A KR1020190105402 A KR 1020190105402A KR 20190105402 A KR20190105402 A KR 20190105402A KR 20210025394 A KR20210025394 A KR 20210025394A
- Authority
- KR
- South Korea
- Prior art keywords
- self
- learning
- directed learning
- directed
- learner
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims description 25
- 238000011156 evaluation Methods 0.000 claims abstract description 60
- 238000003745 diagnosis Methods 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 230000007786 learning performance Effects 0.000 claims description 18
- 238000012552 review Methods 0.000 claims description 15
- 230000006872 improvement Effects 0.000 claims description 11
- 238000007619 statistical method Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 230000000295 complement effect Effects 0.000 claims description 6
- 230000003252 repetitive effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 6
- 238000012790 confirmation Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011158 quantitative evaluation Methods 0.000 description 2
- 208000006930 Pseudomyxoma Peritonei Diseases 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 229920000306 polymethylpentene Polymers 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
자기주도 학습계획 수립, 자기주도 학습 실행 내용 확인, 자기평가와 성취도 평가, 자기주도 학습 계획 대비 수행도 평가, 자기주도 학습내용/패턴/추이 분석 등이 가능하여, 학생과 교사 간 양방향으로 자기주도 학습을 최적화하여 운영하고 관리할 수 있는 자기주도 학습 최적화시스템 및 방법, 기록 매체가 개시된다. 본 발명의 실시예에 따른 자기주도 학습 최적화시스템은, 학습자의 과목 및 영역별 개념이해의 정도 및 문제풀이 진단결과를 기반으로 상기 학습자의 학습수준을 분류하고, 자기주도 학습이 우선적으로 필요한 과목 및 영역을 진단하는 자기주도 학습 영역 진단부; 상기 학습자의 자기 주도적 학습 시간과, 성취도 평가 및 자기평가를 기반으로, 과목 및 영역별로 자기주도 학습이 필요한 과목 및 영역의 비중과, 학습 필요시간을 산출하는 자기주도 학습 정보 산출부; 및 자기주도 학습이 필요한 과목 및 영역별 비중 및 학습 필요 시간을 고려하여, 상기 학습자에게 최적화된 자기주도 학습시간표 유형을 추전하는 자기주도 학습시간표 추천부를 포함한다.
Description
본 발명은 자기주도 학습 최적화 시스템 및 방법에 관한 것으로, 보다 상세하게는 자기주도 학습계획 수립, 자기주도 학습 실행 내용 확인, 자기평가와 성취도 평가, 자기주도 학습 계획 대비 수행도 평가, 자기주도 학습내용/패턴/추이 분석 등이 가능하여, 학생과 교사 간 양방향으로 자기주도 학습을 최적화하여 운영하고 관리할 수 있는 자기주도 학습 최적화 시스템 및 방법에 관한 것이다.
학생 주도로 공부하는 자기주도 학습은 그동안 다음과 같은 불편함과 운영 및 관리상의 문제점이 있었다. 학생들은 자기주도 학습 시간을 과제나 수업 예습 및 복습 등 수동적인 학습시간으로 이용하거나, 밀린 공부를 몰아서 하는 공부 시간쯤으로 사용하는 경우가 많고, 자신이 좋아하거나 부족한 특정 과목에 많은 시간을 할애하는 경우가 많아 학습의 밸런스가 깨지고, 효과적인 학습 시간 사용이 곤란해지는 경우가 빈번하다. 이러한 문제점 때문에 교사들은 체계적이고 계획적인 자기주도 학습시간이 되도록 사전에 자기주도 학습계획을 미리 작성하게 하거나, 자기주도 학습 가이드라인을 만들어 운영하는 경우가 대부분이다.
하지만, 교사들의 업무과중과 개별 학생별로 다양한 학습 상황 때문에 계획 또는 학습 가이드라인 그대로 실제 공부가 수행되는 지 매번 확인하기 어렵고, 자기주도 학습시간에 대한 관리가 사실상 소음유발 학생에 주의를 주거나, 수면학생을 깨우는 정도로 소극적인 관리에 그치는 경우가 많다. 이와 같은 수동적이고 소극적인 자기주도 학습 운영과 관리로는 학생들의 학습시간의 상당한 부분을 차지하는 개별 학생별 자기주도 학습 상황에 대한 문제점을 확인하고, 향후 자기주도 학습에 대한 개선점을 모색해 효율적이고 효과적인 학습을 실현하기 어렵게 된다.
본 발명은 자기주도 학습계획 수립, 자기주도 학습 실행 내용 확인, 자기평가와 성취도 평가, 자기주도 학습 계획 대비 수행도 평가, 자기주도 학습내용/패턴/추이 분석 등이 가능하여, 학생과 교사 간 양방향으로 자기주도 학습을 최적화하여 운영하고 관리할 수 있는 자기주도 학습 최적화시스템 및 방법, 기록 매체를 제공하기 위한 것이다.
본 발명의 실시예에 따른 자기주도 학습 최적화시스템은, 학습자의 과목 및 영역별 개념이해의 정도 및 문제풀이 진단결과를 기반으로 상기 학습자의 학습수준을 분류하고, 자기주도 학습이 우선적으로 필요한 과목 및 영역을 진단하는 자기주도 학습 영역 진단부; 상기 학습자의 자기 주도적 학습 시간과, 성취도 평가 및 자기평가를 기반으로, 과목 및 영역별로 자기주도 학습이 필요한 과목 및 영역의 비중과, 학습 필요시간을 산출하는 자기주도 학습 정보 산출부; 및 자기주도 학습이 필요한 과목 및 영역별 비중 및 학습 필요 시간을 고려하여, 상기 학습자에게 최적화된 자기주도 학습시간표 유형을 추전하는 자기주도 학습시간표 추천부를 포함한다.
상기 자기주도 학습 정보 산출부는, 상기 학습자의 기존 학습 시간에 성취도를 곱하고 자기평가로 나눈 값을 기반으로 상기 자기주도 학습이 필요한 과목 및 영역의 비중을 산출할 수 있다.
상기 자기주도 학습시간표 추천부는, 상기 학습자의 과목 및 영역별 공부 순위와, 상기 학습자의 학습 성향에 따라 복습, 교차 학습 및 반복 학습의 우선순위를 지정하여 상기 자기주도 학습시간표를 추천할 수 있다.
본 발명의 실시예에 따른 자기주도 학습 최적화시스템은, 상기 학습자의 자기주도 학습 수행에 대한 통계 분석, 자기평가 및 교사평가를 피드백받아 자기주도 학습 개선 및 보완점을 진단하는 자기주도 학습 수행진단부; 및 상기 학습자의 자기주도 학습 계획 대비 수행내용과 피드백 평가를 기초로, 학습의 방향, 내용과 방법, 문제풀이 훈련을 진단하는 자기주도 학습 방향설정부를 더 포함할 수 있다.
본 발명의 실시예에 따른 자기주도 학습 최적화방법은, 자기주도 학습 영역 진단부에 의해, 학습자의 과목 및 영역별 개념이해의 정도 및 문제풀이 진단결과를 기반으로 상기 학습자의 학습수준을 분류하고, 자기주도 학습이 우선적으로 필요한 과목 및 영역을 진단하는 단계; 자기주도 학습 정보 산출부에 의해, 상기 학습자의 자기 주도적 학습 시간과, 성취도 평가 및 자기평가를 기반으로, 과목 및 영역별로 자기주도 학습이 필요한 과목 및 영역의 비중과, 학습 필요시간을 산출하는 단계; 및 자기주도 학습시간표 추천부에 의해, 자기주도 학습이 필요한 과목 및 영역별 비중 및 학습 필요 시간을 고려하여, 상기 학습자에게 최적화된 자기주도 학습시간표 유형을 추전하는 단계를 포함한다.
상기 자기주도 학습이 필요한 과목 및 영역의 비중은, 상기 학습자의 기존 학습 시간에 성취도를 곱하고 자기평가로 나눈 값을 기반으로 산출될 수 있다.
상기 자기주도 학습 시간표 유형을 추천하는 단계는, 상기 학습자의 과목 및 영역별 공부 순위와, 상기 학습자의 학습 성향에 따라 복습, 교차 학습 및 반복 학습의 우선순위를 지정하여 상기 자기주도 학습시간표를 추천할 수 있다.
본 발명의 실시예에 따른 자기주도 학습 최적화방법은, 자기주도 학습 수행진단부에 의해, 상기 학습자의 자기주도 학습 수행에 대한 통계 분석, 자기평가 및 교사평가를 피드백받아 자기주도 학습 개선 및 보완점을 진단하는 단계; 및 자기주도 학습 방향설정부에 의해, 상기 학습자의 자기주도 학습 계획 대비 수행내용과 피드백 평가를 기초로, 학습의 방향, 내용과 방법, 문제풀이 훈련을 진단하는 단계를 더 포함할 수 있다.
본 발명의 또 다른 실시예에 따르면, 상기 자기주도 학습 최적화방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체가 제공될 수 있다.
본 발명의 실시예에 의하면, 자기주도 학습계획 수립, 자기주도 학습 실행 내용 확인, 자기평가와 성취도 평가, 자기주도 학습 계획 대비 수행도 평가, 자기주도 학습내용/패턴/추이 분석 등이 가능하여, 학생과 교사 간 양방향으로 자기주도 학습을 최적화하여 운영하고 관리할 수 있는 자기주도 학습 최적화시스템 및 방법, 기록 매체가 제공된다.
도 1은 본 발명의 실시예에 따른 자기주도 학습 최적화시스템의 구성도이다.
도 2는 본 발명의 실시예에 따른 자기주도 학습 최적화방법의 순서도이다.
도 3은 도 2의 단계 S2의 순서도이다.
도 2는 본 발명의 실시예에 따른 자기주도 학습 최적화방법의 순서도이다.
도 3은 도 2의 단계 S2의 순서도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 명세서에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 본 명세서에서 사용되는 '~부', '~모듈'은 적어도 하나의 기능이나 동작을 처리하는 단위로서, 예를 들어 소프트웨어, FPGA 또는 하드웨어 구성요소를 의미할 수 있다.
본 명세서에서 '~부', '~모듈'이 제공하는 기능은 복수의 구성요소에 의해 분리되어 수행되거나, 다른 추가적인 구성요소와 통합될 수도 있다. 본 명세서의 '~부', '~모듈'은 반드시 소프트웨어 또는 하드웨어에 한정되지 않으며, 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다.
도 1은 본 발명의 실시예에 따른 자기주도 학습 최적화시스템의 구성도이다. 도 2는 본 발명의 실시예에 따른 자기주도 학습 최적화방법의 순서도이다. 도 1 및 도 2를 참조하면, 본 발명의 실시예에 따른 자기주도 학습 최적화시스템(100)은 자기주도 학습 영역 진단부(110), 자기주도 학습 정보 산출부(120), 자기주도 학습시간표 추천부(130), 자기주도 학습 수행진단부(140), 및 자기주도 학습 방향설정부(150)를 포함할 수 있다.
자기주도 학습 영역 진단부(110)는 학습자의 과목 및 영역별로 개념이해의 정도 및 문제풀이 진단결과를 종합하여 학습자의 현재 학습수준을 분류 진단하여, 현재 자기주도 학습이 우선적으로 필요한 과목 및 영역을 진단할 수 있다(S1). 자기주도 학습 영역 진단부(110)는 예를 들어, 과목 및 영역을 대분류/중분류/소분류/상세분류의 4단계로 구분하여, 과목 및 영역별로 학습자의 현재 학습수준을 분류할 수 있다.
실시예에서, 자기주도 학습 영역 진단부(110)는 학습자의 학습수준을 A~E 레벨(A 레벨; 90점 이상, B 레벨; 80점 이상 90점 미만, C 레벨; 65점 이상 80점 미만, D 레벨; 50점 이상 65점 미만, E 레벨; 50점 미만)의 5단계로 분류할 수 있으나, 학습자의 학습수준을 5단계 이외의 단계들로 분류할 수도 있으며, 각 단계의 분류 기준도 다양하게 변경될 수 있다.
자기주도 학습 정보 산출부(120)는 기존 자기 주도적 학습 시간(H), 성취도 평가(예를 들어, 100%~0%)와 자기평가(예를 들어, 10점~1점)를 고려해 과목 및 영역별(예를 들어, 대분류/중분류/소분류/상세분류의 4단계 분류)로, 자기주도 학습이 필요한 과목 및 영역의 비중, 학습 필요시간을 자동 계산할 수 있다(S2).
도 3은 도 2의 단계 S2의 순서도이다. 도 1 내지 도 3을 참조하면, 자기주도 학습 정보 산출부(120)는 과목 및 영역 별로 기존 학습 시간에 성취도를 곱하고 그 결과를 자기평가로 나눈 값을 기반으로 자기주도 학습이 필요한 과목 및 영역의 비중을 산출할 수 있다(S21). 자기주도 학습 정보 산출부(120)는 자기주도 학습이 가능한 총 시간에 과목 및 영역별 비중을 곱하여 자기주도 학습 필요시간을 산출할 수 있다(S22).
다시 도 1 및 도 2를 참조하면, 자기주도 학습시간표 추천부(130)는 자기주도 학습 필요과목 및 영역 진단 알고리즘과 자기주도 학습 필요과목, 영역별 비중 및 필요시간 계산 알고리즘을 기반으로, 당일 복습(당일 강의 교과에 대한 복습), 교차 학습(동일 과목을 연속해서 기준 시간(예를 들어, 2시간)을 초과하지 않게 학습) 및 반복 학습(동일 과목을 기준 간격(예를 들어, 2~3일)으로 반복해서 학습) 등 학습방법과 본인의 학습 성향 등을 고려하여 학습자 개인에게 최적화된 자기주도 학습시간표 유형을 추전할 수 있다(S3).
학습자는 본인이 과목별 공부 순위를 지정할 수 있으며, 당일 복습, 교차 학습, 반복 학습 등의 학습방법의 우선순위를 지정할 수 있다. 또한, 학습자가 자기주도 학습시간표 사용 주기를 선택하는 것도 가능하다. 당일 복습은 기본복습(예를 들어, 강의시간의 1/4H)/보통복습(예를 들어, 강의시간의 1/3H)/집중복습(예를 들어, 강의시간의 1/2H)으로 세분화하여 선택 가능하다.
자기주도 학습 수행진단부(140)는 자기주도 학습 수행(예를 들어, 과목별 영역별 학습 시간, 학습 성취도 평가)에 대한 통계 분석(예를 들어, 시간/일/주/월/연도별 패턴/내용/추이 분석), 자기평가 및 교사평가(예를 들어, 10점~1점) 등 피드백을 통해 자기주도 학습 개선 및 보완점(예를 들어, 과목 및 영역별 개념부족/문제이해/개념적용/문제풀이)을 진단할 수 있다(S4).
자기주도 학습 방향설정부(150)는 자기주도 학습 수행진단 알고리즘을 활용한 자기주도 학습 계획 대비 수행내용과 결과, 평가를 기초로 학습의 방향, 내용과 방법(예를 들어, 과목별 영역별 재학습/기본학습/응용학습/심화학습을 위한 개념공부(기본개념/상세개념)), 문제풀이 훈련(예를 들어, 기초문제/기본문제/응용문제/심화문제/실전 문제 풀이 훈련)을 진단할 수 있다(S5). 본 발명의 일 실시예에 따른 자기주도 학습 최적화방법의 단계별 알고리즘 변수와 상세내용을 정리하면 아래의 표 1과 같다.
| 구분 | 변수 | 변수 상세내용 | 비고 |
| 자기주도 학습 필요과목 및 영역 진단 알고리즘 | 과목별 영역별 분류 | 대분류/중분류/소분류/상세분류의 4단계로 구분 | |
| 개념이해 진단 | 정량평가 결과 및 교사의 정성평가 | A~E 5단 분류 | |
| 문제풀이 진단 | 정량평가 결과 | A~E 5단 분류 | |
| 판단기준 | 개념이해(50%) + 문제풀이(50%)로 진단 | 가중치 변경 가능 | |
| 진단결과 | 진단결과가 나쁠수록 학습 필요성 점수는 높아짐 | ||
| 자기주도 학습 필요과목, 영역별 비중 및 필요시간 계산 알고리즘 | 기존 시간 계산 | 기존 자기주도 학습 시간 계산 | |
| 성취도 평가 | 기존 학습계획 수행 완료여부로 100%~0%로 분류 | ||
| 자기 평가 | 자기 학습만족도 평가로 10점~1점 부여 | ||
| 학습 필요과목 및 비중 계산 | (과목별 기존 시간 × 성취도 평가) ÷ 자기 평가 | ||
| 학습 필요시간 계산 | 자기주도 학습 가능한 총 시간 × 과목별 비중 | ||
| 자기주도 학습 시간표 추천 알고리즘 | 학습 필요과목 및 영역 진단 | 자기주도 학습 필요과목 및 영역 진단 알고리즘 사용 | |
| 영역별 비중 및 필요시간 계산 | 자기주도 학습 필요과목 및 영역별 비중 및 필요시간 계산 알고리즘 사용 | ||
| 학습 방법 | 당일 복습 - 당일 강의 교과에 대한 복습으로 기본(강의시간의 1/4H), 보통(1/3H), 집중방법(1/2H)로 구분 | ||
| 교차 학습 - 동일 과목/영역을 연속해서 2시간을 초과하지 않게 학습 | |||
| 반복 학습 - 동일 과목을 2~3일 간격으로 반복해서 학습 | |||
| 학습 성향 | 학습방법(당일복습/교차학습/반복학습) 우선 순위 지정 | ||
| 재량에 따라 과목별 공부순위 조정 | |||
| 시간표 사용 주기 - 시간표 사용기간 사용 | |||
| 시간표 추천 | 학습 방법과 학습 성향을 고려해 최적시간표 추천 | ||
| 자기주도 학습 수행진단 알고리즘 | 과목별 영역별 분류 | 대분류/중분류/소분류/상세분류의 4단계로 구분 | |
| 학습 수행 통계 | 과목별 학습시간, 학습 성취도 평가를 시간/일/주/월/연도별 패턴/내용/추이 등으로 분석 | ||
| 학습 평가 | 자기 평가 및 교사 평가로 각 10점~1점 부여 | ||
| 학습 개선 및 보완 진단 | 과목별 영역별 개념부족/문제이해/개념적용/문제풀이로 구분해 개선 및 보완사항 진단 피드백 | ||
| 향후 자기주도 학습 방향설정 알고리즘 | 학습 수행진단 | 자기주도 학습 수행진단 알고리즘 사용 | |
| 학습 방향, 내용 및 방법 추천 | 학습 진도 - 과목별 영역별 내용 | ||
| 개념 공부 - 기본개념/상세개념 | |||
| 문제풀이 훈련 - 기초문제/기본문제/응용문제/심화문제/실전 문제풀이 훈련 |
본 발명의 실시예에 의하면, 자기주도 학습계획 수립, 자기주도 학습 실행 내용 확인, 자기평가와 성취도 평가, 자기주도 학습 계획 대비 수행도 평가, 자기주도 학습내용/패턴/추이 분석 등이 가능하여, 학생과 교사 간 양방향으로 자기주도 학습을 최적화하여 운영하고 관리할 수 있다.
학생은 자기주도 학습이전에 본인이 공부하는 자리에서 핸드폰, 태블릿 또는 책상에 설치된 자동화 기기 등을 통해 수업 및 강의 시간을 제외한 자기주도 학습시간을 확인하고, 자기주도 학습계획을 설정할 수 있다. 입력한 자기주도 학습계획은 교사의 검토를 받은 후에 학습계획으로 확정될 수 있다. 이후 자기주도 학습을 수행한 후 실제 수행시간을 입력하면 계획 대비 성취도가 자동으로 계산되어 표시된다. 학생은 자기 평가 란에 공부내용, 과정, 결과, 공부 수행 시 애로사항 및 개선사항 등 질적인 평가내용을 기록 입력할 수 있다.
교사는 시스템에 입력된 자기주도 학습계획 대비 학습 수행 성취도를 확인할 수 있다. 또한, 시스템에 입력된 자기주도 학습시간에 대한 양적인 통계분석인 자기주도 학습시간/내용/패턴/추이 분석 등을 통해 현재 학생의 자기주도 학습상황을 확인할 수 있다. 또한 자기 평가란에 학생 스스로가 기록한 공부내용, 과정, 결과, 공부 수행 시 애로사항 및 개선 사항 등 질적인 평가내용을 확인할 수 있다.
본 발명의 실시예에 의하면, 자기주도 학습 수행진단 알고리즘을 활용하여 자기주도 학습계획 대비 수행 성취도, 자기주도 학습시간에 대한 양적인 통계분석 및 질적인 평가내용 등을 종합적으로 판단할 수 있다. 또한, 향후 자기주도 학습 방향설정 알고리즘을 활용하여 자기주도 학습방향 설정 및 공부계획 수립 등 공부방법론을 제시할 수 있다.
본 발명의 실시예에 따른 자기주도 학습 최적화시스템은 예를 들어 유/무선 통신 인터페이스에 의해 학습자 단말기와 통신하는 서버 등의 수단으로 제공될 수 있다. 학습자 단말기는 학생 등의 학습자가 소지한 단말기로서, 예를 들어 스마트폰, 태블릿 PC, 데스크탑 PC, 랩탑 PC, 넷북 컴퓨터, 책상 등에 설치된 질문 신청용 자동화 기기, 워크스테이션, PDA, PMP, 웨어러블 장치 등으로 구현될 수 있으나, 이에 제한되는 것은 아니다.
통신 인터페이스는 예를 들어, LAN(Local Area Network), ISDN(Integrated Services Digital Network), CDMA(Code Division Multiple Access), WCDMA(Wideband Code Division Multiple Access), GSM(Global System for Mobile communication), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), Wireless LAN(Local Area Network), WAN(Wide Area Network), WIFI(Wireless Fidelity) 등을 포함할 수 있으나, 이에 제한되는 것은 아니다.
상술한 바와 같이, 본 발명의 실시예에 의하면, 학생 입장에서는 공부계획 대비 수행 성취도를 쉽게 파악해서 스스로 공부 상황을 점검할 수 있고, 교사 입장에서는 개별 학생별로 자기주도 학습에 대한 사후관리를 보다 원활하게 할 수 있으며 자기주도 학습시간에 대한 양적/시계열적인 통계분석 및 공부수행 과정 상 애로사항 및 개선사항을 포함한 질적인 공부 수행과정을 확인하고 향후 효과적인 자기주도 학습방법론을 제시하고 지도할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/ 또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 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 목적 컴퓨터를 이용하여 구현될 수 있다.
처리 장치는 운영 체제 및 운영 체제 상에서 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 처리요소를 포함할 수 있음을 이해할 것이다.
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, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody) 될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 매체에 기록되는 프로그램 명령은 실시예를 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), CDROM, DVD와 같은 광기록 매체(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 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 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 실시예들 및 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
100: 자기주도 학습 최적화시스템
110: 자기주도 학습 영역 진단부
120: 자기주도 학습 정보 산출부
130: 자기주도 학습시간표 추천부
140: 자기주도 학습 수행진단부
150: 자기주도 학습 방향설정부
110: 자기주도 학습 영역 진단부
120: 자기주도 학습 정보 산출부
130: 자기주도 학습시간표 추천부
140: 자기주도 학습 수행진단부
150: 자기주도 학습 방향설정부
Claims (9)
- 학습자의 과목 및 영역별 개념이해의 정도 및 문제풀이 진단결과를 기반으로 상기 학습자의 학습수준을 분류하고, 자기주도 학습이 우선적으로 필요한 과목 및 영역을 진단하는 자기주도 학습 영역 진단부;
상기 학습자의 자기 주도적 학습 시간과, 성취도 평가 및 자기평가를 기반으로, 과목 및 영역별로 자기주도 학습이 필요한 과목 및 영역의 비중과, 학습 필요시간을 산출하는 자기주도 학습 정보 산출부; 및
자기주도 학습이 필요한 과목 및 영역별 비중 및 학습 필요 시간을 고려하여, 상기 학습자에게 최적화된 자기주도 학습시간표 유형을 추전하는 자기주도 학습시간표 추천부를 포함하는 자기주도 학습 최적화시스템. - 제1항에 있어서,
상기 자기주도 학습 정보 산출부는, 상기 학습자의 기존 학습 시간에 성취도를 곱하고 자기평가로 나눈 값을 기반으로 상기 자기주도 학습이 필요한 과목 및 영역의 비중을 산출하는 자기주도 학습 최적화시스템. - 제1항에 있어서,
상기 자기주도 학습시간표 추천부는,
상기 학습자의 과목 및 영역별 공부 순위와, 상기 학습자의 학습 성향에 따라 복습, 교차 학습 및 반복 학습의 우선순위를 지정하여 상기 자기주도 학습시간표를 추천하는 자기주도 학습 최적화시스템. - 제1항에 있어서,
상기 학습자의 자기주도 학습 수행에 대한 통계 분석, 자기평가 및 교사평가를 피드백받아 자기주도 학습 개선 및 보완점을 진단하는 자기주도 학습 수행진단부; 및
상기 학습자의 자기주도 학습 계획 대비 수행내용과 피드백 평가를 기초로, 학습의 방향, 내용과 방법, 문제풀이 훈련을 진단하는 자기주도 학습 방향설정부를 더 포함하는 자기주도 학습 최적화시스템. - 자기주도 학습 영역 진단부에 의해, 학습자의 과목 및 영역별 개념이해의 정도 및 문제풀이 진단결과를 기반으로 상기 학습자의 학습수준을 분류하고, 자기주도 학습이 우선적으로 필요한 과목 및 영역을 진단하는 단계;
자기주도 학습 정보 산출부에 의해, 상기 학습자의 자기 주도적 학습 시간과, 성취도 평가 및 자기평가를 기반으로, 과목 및 영역별로 자기주도 학습이 필요한 과목 및 영역의 비중과, 학습 필요시간을 산출하는 단계; 및
자기주도 학습시간표 추천부에 의해, 자기주도 학습이 필요한 과목 및 영역별 비중 및 학습 필요 시간을 고려하여, 상기 학습자에게 최적화된 자기주도 학습시간표 유형을 추전하는 단계를 포함하는 자기주도 학습 최적화방법. - 제5항에 있어서,
상기 자기주도 학습이 필요한 과목 및 영역의 비중은, 상기 학습자의 기존 학습 시간에 성취도를 곱하고 자기평가로 나눈 값을 기반으로 산출되는 자기주도 학습 최적화방법. - 제5항에 있어서,
상기 자기주도 학습 시간표 유형을 추천하는 단계는, 상기 학습자의 과목 및 영역별 공부 순위와, 상기 학습자의 학습 성향에 따라 복습, 교차 학습 및 반복 학습의 우선순위를 지정하여 상기 자기주도 학습시간표를 추천하는 자기주도 학습 최적화방법. - 제5항에 있어서,
자기주도 학습 수행진단부에 의해, 상기 학습자의 자기주도 학습 수행에 대한 통계 분석, 자기평가 및 교사평가를 피드백받아 자기주도 학습 개선 및 보완점을 진단하는 단계; 및
자기주도 학습 방향설정부에 의해, 상기 학습자의 자기주도 학습 계획 대비 수행내용과 피드백 평가를 기초로, 학습의 방향, 내용과 방법, 문제풀이 훈련을 진단하는 단계를 더 포함하는 자기주도 학습 최적화방법. - 제5항 내지 제8항 중 어느 한 항의 자기주도 학습 최적화방법을 실행하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190105402A KR102316070B1 (ko) | 2019-08-27 | 2019-08-27 | 자기주도 학습 최적화 시스템 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190105402A KR102316070B1 (ko) | 2019-08-27 | 2019-08-27 | 자기주도 학습 최적화 시스템 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210025394A true KR20210025394A (ko) | 2021-03-09 |
| KR102316070B1 KR102316070B1 (ko) | 2021-10-25 |
Family
ID=75179795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190105402A KR102316070B1 (ko) | 2019-08-27 | 2019-08-27 | 자기주도 학습 최적화 시스템 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102316070B1 (ko) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102398319B1 (ko) | 2021-07-09 | 2022-05-16 | (주)뤼이드 | 교육 컨텐츠 추천 방법, 교육 컨텐츠 추천 장치, 및 교육 컨텐츠 추천 시스템 |
| KR20230009817A (ko) | 2021-07-09 | 2023-01-17 | (주)뤼이드 | 교육 컨텐츠 추천 방법, 교육 컨텐츠 추천 장치, 및 교육 컨텐츠 추천 시스템 |
| KR102660962B1 (ko) * | 2023-07-21 | 2024-04-24 | 이봉주 | 학습 시간표를 생성하는 장치 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090001616A (ko) * | 2007-05-03 | 2009-01-09 | 에스케이 텔레콤주식회사 | 학습 설계 서비스를 제공하는 방법 및 시스템 |
| KR20090099887A (ko) | 2008-03-18 | 2009-09-23 | 김용재 | 사용자 맞춤형 교육 서비스를 제공하기 위한 방법, 시스템및 컴퓨터 판독 가능한 기록 매체 |
| KR20140046196A (ko) * | 2012-10-10 | 2014-04-18 | 주식회사 유비온 | 적응적 학습가이드 제공방법 |
| KR101387003B1 (ko) * | 2013-06-13 | 2014-04-18 | 소재구 | 학습 습관 형성을 위한 학습 관리 시스템 및 방법 |
| KR20160020820A (ko) * | 2014-08-14 | 2016-02-24 | 김용섭 | 자기 주도 학습 관리 서비스를 운영하는 방법 및 시스템 |
-
2019
- 2019-08-27 KR KR1020190105402A patent/KR102316070B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090001616A (ko) * | 2007-05-03 | 2009-01-09 | 에스케이 텔레콤주식회사 | 학습 설계 서비스를 제공하는 방법 및 시스템 |
| KR20090099887A (ko) | 2008-03-18 | 2009-09-23 | 김용재 | 사용자 맞춤형 교육 서비스를 제공하기 위한 방법, 시스템및 컴퓨터 판독 가능한 기록 매체 |
| KR20140046196A (ko) * | 2012-10-10 | 2014-04-18 | 주식회사 유비온 | 적응적 학습가이드 제공방법 |
| KR101387003B1 (ko) * | 2013-06-13 | 2014-04-18 | 소재구 | 학습 습관 형성을 위한 학습 관리 시스템 및 방법 |
| KR20160020820A (ko) * | 2014-08-14 | 2016-02-24 | 김용섭 | 자기 주도 학습 관리 서비스를 운영하는 방법 및 시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102398319B1 (ko) | 2021-07-09 | 2022-05-16 | (주)뤼이드 | 교육 컨텐츠 추천 방법, 교육 컨텐츠 추천 장치, 및 교육 컨텐츠 추천 시스템 |
| KR20230009817A (ko) | 2021-07-09 | 2023-01-17 | (주)뤼이드 | 교육 컨텐츠 추천 방법, 교육 컨텐츠 추천 장치, 및 교육 컨텐츠 추천 시스템 |
| KR102660962B1 (ko) * | 2023-07-21 | 2024-04-24 | 이봉주 | 학습 시간표를 생성하는 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102316070B1 (ko) | 2021-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gupta et al. | Lean services: a systematic review | |
| US20220300177A1 (en) | Configurable machine learning systems through graphical user interfaces | |
| KR20210025394A (ko) | 자기주도 학습 최적화 시스템 및 방법 | |
| Moscoso-Zea et al. | Evaluation of algorithms to predict graduation rate in higher education institutions by applying educational data mining | |
| Şahin et al. | Increasing production rate in U-type assembly lines with sequence-dependent set-up times | |
| Sanchez et al. | Better big data via data farming experiments | |
| Mitrofanova et al. | Project management as a tool for smart university creation and development | |
| Kempegowda et al. | Industry 4.0 complemented with EA approach: A proposal for digital transformation success | |
| Alsheikh | Developing an integrated framework to utilize big data for higher education institutions in Saudi Arabia | |
| Kazakovs et al. | Automation of human resources development planning | |
| Lovett | Cognitive task analysis in service of intelligent tutoring system design: A case study in statistics | |
| Aggogeri et al. | Automating the simulation of SME processes through a discrete event parametric model | |
| Yue et al. | Single machine SLK/DIF due window assignment problem with job-dependent linear deterioration effects | |
| CN111191999B (zh) | 产品研发管理方法、装置、计算机设备及存储介质 | |
| Choi et al. | Comparison of a branch-and-bound heuristic, a newsvendor-based heuristic and periodic Bailey rules for outpatients appointment scheduling systems | |
| Abad et al. | Algebraic expression of system configurations and performance metrics for mixed-model assembly systems | |
| WO2020033030A1 (en) | Multi-question multi-answer configuration | |
| US20150186814A1 (en) | Supplier technical oversight risk assessment | |
| KR101609292B1 (ko) | 연구 개발 프로젝트 관리 장치 및 방법 | |
| KR101649913B1 (ko) | 연구 개발 프로젝트 관리 장치 및 방법 | |
| US11740986B2 (en) | System and method for automated desktop analytics triggers | |
| Duvivier et al. | Simulation-based performance measurement and analysis: an industrial application | |
| US20180158012A1 (en) | Systems and methods for competency-based task management | |
| Yu et al. | Patient-provider geographic map: An interactive visualization tool of patients' selection of health care providers | |
| CN110147918A (zh) | 用于零件盘点任务分配的方法和装置及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |