KR20210061294A - 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법 - Google Patents

자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법 Download PDF

Info

Publication number
KR20210061294A
KR20210061294A KR1020200155518A KR20200155518A KR20210061294A KR 20210061294 A KR20210061294 A KR 20210061294A KR 1020200155518 A KR1020200155518 A KR 1020200155518A KR 20200155518 A KR20200155518 A KR 20200155518A KR 20210061294 A KR20210061294 A KR 20210061294A
Authority
KR
South Korea
Prior art keywords
learning
learner
study
study line
information
Prior art date
Application number
KR1020200155518A
Other languages
English (en)
Other versions
KR102502673B1 (ko
Inventor
황종찬
오영준
김주안
김현종
Original Assignee
주식회사 영가에듀
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 주식회사 영가에듀 filed Critical 주식회사 영가에듀
Publication of KR20210061294A publication Critical patent/KR20210061294A/ko
Application granted granted Critical
Publication of KR102502673B1 publication Critical patent/KR102502673B1/ko

Links

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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

본 발명은 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법에 관한 것이다.
일례로, 과목 별 학습 과정을 구분하는 기준으로서, 과목 별로 계획된 커리큘럼, 학습방향 및 학습방법을 포함하는 단계 별 스터디 라인이 저장된 스터디 라인 저장부; 인공지능 기술을 이용한 질의응답을 통해 학습자의 학습패턴 및 학습수준을 분석하고, 분석결과를 기반으로 해당 학습자에게 맞는 상기 단계 별 스터디 라인을 제공하는 스터디 라인 제공부; 인공지능 기술을 이용하여 상기 단계 별 스터디 라인에서 정해진 커리큘럼에 따라 학습자의 학습시간과 학습량을 관리하며, 학습자 간 학습 성취도 비교 정보를 제공하는 학습자 학습 관리부; 및 상기 단계 별 스터디 라인의 진행을 통해 학습자의 학습수준을 파악하고, 파악결과를 기반으로 학습 취약점을 도출하며, 상기 학습 취약점을 개선하기 위한 학습정보를 제공하는 학습 취약점 분석부를 포함하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템을 개시한다.

Description

자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법{SYSTEM FOR MANAGING STUDY FOR SELF DIRECTED LEARNING BASED BIG DATA AND METHOD THEREOF}
본 발명의 실시예는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법에 관한 것이다.
지식정보사회에서 교육 경쟁력 강화를 위해서는 교육의 스마트화가 필수이며, 미래 국가 경쟁력 확보를 위해서는 효과적인 학습 시스템 개발 및 보급에 대한 정부 차원의 IT 활용 정책 수립이 필요하다. 최근 4차 산업혁명 시대의 창의적 융합인재 양성을 위해 소통, 체감형, 자기주도적 학습을 지원하는 시스템이 확대되고 있다. 또한, 4차 산업혁명 기술의 핵심인 인공지능을 활용한 교육산업의 신 성장 유망분야 발굴을 통해 신 시장 창출이 촉진되고 있는 추세이다.
전방위적 산업 파급효과가 기대되는 인공지능(AI)은 빅데이터로부터 자료를 수집·분석·이해하고, 이를 통해 학습, 인식, 의사결정, 질의응답이 가능한 시스템으로 글로벌 기술개발 및 시장선점 경쟁이 가속화 되고 있다.
최근 AI는 자가학습·추론·자연어 처리 기능을 중심으로 적용 범위를 넓혀가고 있는바, 교육 분야에서도 유망한 솔루션의 개발이 기대되고 있다.
또한, 4차 산업혁명 시대에는 평생능력 개발을 위한 자기주도 학습이 가능하게 하는 구조와 관리는 이제 선택이 아닌 생존의 필수로 자리매김하고 있다. 이러한 시대에 대비하기 위해서는 "어떻게 배우는지를 배우는" 자기주도학습 역량이 중요하다.
특히, 문제해결 역량과 소통 기반 협력 역량이 크게 요구된다는 점에서 교육 패러다임도 창의력과 융합력 등 역량을 갖출 수 있는 교육으로 전환되어야 한다.
등록특허공보 제10-1915055호(등록일자: 2018년10월30일) 등록특허공보 제10-1905807호(등록일자: 2018년10월01일) 공개특허공보 제10-2019-0074916호(공개일자: 2019년06월28일) 공개특허공보 제10-2012-0082178호(공개일자: 2012년07월23일) 공개특허공보 제10-2015-0083623호(공개일자: 2015년07월20일)
본 발명의 실시예는, 자기주도학습 콘텐츠뿐만 아니라 자기주도적 학습에 어려움을 겪는 학생에게 학생 중심의 맞춤형 학습을 지원하고, 인공지능 기술로 학습자의 학습패턴을 체계적으로 분석하여 목표를 설정하고 계획 수립하고, 학습자가 잘못된 학습 패턴을 수정해주고 올바른 학습방법을 제공하고, 비슷한 과목을 수강하고 있는 상위권 학생의 현재 수준과 자신의 현재 수준을 실시간으로 보여주어 학습의 경쟁력을 강화하며, 학습에 불필요한 유혹을 사전에 차단하여 자기주도 학습에 취약한 학생들을 관리해줌으로써 자기조절과 통제를 향상시키는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법을 제공한다.
본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템은, 과목 별 학습 과정을 구분하는 기준으로서, 과목 별로 계획된 커리큘럼, 학습방향 및 학습방법을 포함하는 단계 별 스터디 라인이 저장된 스터디 라인 저장부; 인공지능 기술을 이용한 질의응답을 통해 학습자의 학습패턴 및 학습수준을 분석하고, 분석결과를 기반으로 해당 학습자에게 맞는 상기 단계 별 스터디 라인을 제공하는 스터디 라인 제공부; 인공지능 기술을 이용하여 상기 단계 별 스터디 라인에서 정해진 커리큘럼에 따라 학습자의 학습시간과 학습량을 관리하며, 학습자 간 학습 성취도 비교 정보를 제공하는 학습자 학습 관리부; 및 상기 단계 별 스터디 라인의 진행을 통해 학습자의 학습수준을 파악하고, 파악결과를 기반으로 학습 취약점을 도출하며, 상기 학습 취약점을 개선하기 위한 학습정보를 제공하는 학습 취약점 분석부를 포함한다.
또한, 상기 단계 별 스터디 라인은, 과목 별 학습 이론을 중심으로 제작된 학습 정보를 제공하되, 개념 확인 위주의 문제 풀이 정보를 제공하는 학습 과정인 제1 단계 스터디 라인; 학습 단원 별 문제 분석을 통해 시험 출제 경향을 파악하여 파악된 정보를 학습자와 공유하고, 문제 풀이 시 상기 제1 단계 스터디 라인보다 보완된 이론 중심으로 제작된 학습 정보와 문제 풀이 정보를 제공하는 학습 과정인 제2 단계 스터디 라인; 빈출 유형의 문제와 문제 풀이 정보를 다량 제공하되, 문제풀이시간을 점진적으로 감소시키는 목표치가 설정된 학습 과정인 제3 단계 스터디 라인; 빈출 유형의 문제 중 지엽적 고난이도 문제를 선별하여 제공하되, 학습 취약점 발견 시 관련된 학습 이론 정보를 제공하는 학습 과정인 제4 단계 스터디 라인; 및 단권화된 학습 정보, 압축 요약된 강의 콘텐츠 및 필기노트를 각각 제공하고, 시험의 실전환경에서 문항 별 풀이시간배분 및 풀이순서를 코칭하는 학습 과정인 제5 단계 스터디 라인을 포함할 수 있다.
또한, 상기 스터디 라인 제공부를 통해 제공되는 상기 단계 별 스터디 라인 중 현재 단계와 상기 학습 취약점 분석부를 통해 도출된 상기 학습 취약점에 기초하여 인공지능 기술을 통해 학습자 정보를 분석하고, 분석결과를 기반으로 상기 단계 별 스터디 라인과 상기 학습 취약점에 맞는 학습자 맞춤형 문제를 데이터베이스로부터 랜덤 방식으로 추천하여 제공하는 문제 추천 알고리즘부를 더 포함할 수 있다.
또한, 상기 스터디 라인 제공부는, 선형회귀 모델을 이용하여 학습 상담, 시험일까지 남은 기간 및 학습자의 현재 점수정보에 기초한 상기 단계 별 스터디 라인을 선정하여 제공할 수 있다.
또한, 상기 학습자 학습 관리부는, 인공지능 기술을 이용해 학습자의 학습시간을 기록하여 누적 학습량을 제공하고, 상기 누적 학습량의 제공 시 미리 설정된 백분율에 따른 상위권 학습자의 평균 학습량, 전체 학습자의 평균 학습량 및 해당 학습자의 누적 학습량에 대한 평균값을 비교하여 제공하고, 합격자에 대한 상기 단계 별 스터디 라인의 과정에서 얻은 점수 및 학습량 정보를 학습자와 비교하여 제공할 수 있다.
또한, 상기 학습자 학습 관리부는, 합격자에 대한 학습 정보 제공 시 제공된 정보를 기반으로 타겟 합격자를 학습자로부터 선정 받거나, 학습자의 학습수준에 기초하여 타겟 합격자를 자동 선정하고, 선정된 타겟 합격자의 상기 단계 별 스터디 라인의 세부진행결과를 학습자와 매칭하고, 학습자의 상기 단계 별 스터디 라인의 진행과정에서 매칭된 타겟 합격자의 학습 목표치의 달성 여부를 체크하여 항목 별 제1 알림 메시지를 생성해 학습자에게 제공할 수 있다.
또한, 상기 학습자 학습 관리부는, 상기 학습 목표치의 미달성 항목에 대한 링크 정보가 포함된 상기 제1 알림 메시지를 제공하고, 링크 접속 시 상기 학습 목표치의 미달성 항목에 대한 유형 별 문제, 이론정보 및 문제풀이 정보를 포함하는 학습 보완 정보를 제공하되, 상기 학습 목표치의 미달성 항목에 대하여 미리 설정된 수치 이상인 경우, 상기 학습 보완 정보를 취합한 후 주기적으로 업데이트하여 제공하고, 학습자의 컴퓨터 통신단말을 통한 학습 시 기 등록된 프로그램 이외의 프로그램 실행을 차단하면서 기 등록된 연락처로 제2 알림 메시지를 전송할 수 있다.
본 발명의 다른 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법은, 스터디 라인 저장부가, 과목 별 학습 과정을 구분하는 기준으로서, 과목 별로 계획된 커리큘럼, 학습방향 및 학습방법을 포함하는 단계 별 스터디 라인을 구축하는 스터디 라인 구축 단계; 스터디 라인 제공부가, 인공지능 기술을 이용한 질의응답을 통해 학습자의 학습패턴 및 학습수준을 분석하고, 분석결과를 기반으로 해당 학습자에게 맞는 상기 단계 별 스터디 라인을 제공하는 스터디 라인 제공 단계; 학습자 학습 관리부가, 인공지능 기술을 이용하여 상기 단계 별 스터디 라인에서 정해진 커리큘럼에 따라 학습자의 학습시간과 학습량을 관리하며, 학습자 간 학습 성취도 비교 정보를 제공하는 학습자 학습 관리 단계; 및 학습 취약점 분석부가, 상기 단계 별 스터디 라인의 진행을 통해 학습자의 학습수준을 파악하고, 파악결과를 기반으로 학습 취약점을 도출하며, 상기 학습 취약점을 개선하기 위한 학습정보를 제공하는 학습 취약점 분석 단계를 포함한다.
또한, 상기 단계 별 스터디 라인은, 과목 별 학습 이론을 중심으로 제작된 학습 정보를 제공하되, 개념 확인 위주의 문제 풀이 정보를 제공하는 학습 과정인 제1 단계 스터디 라인; 학습 단원 별 문제 분석을 통해 시험 출제 경향을 파악하여 파악된 정보를 학습자와 공유하고, 문제 풀이 시 상기 제1 단계 스터디 라인보다 보완된 이론 중심으로 제작된 학습 정보와 문제 풀이 정보를 제공하는 학습 과정인 제2 단계 스터디 라인; 빈출 유형의 문제와 문제 풀이 정보를 다량 제공하되, 문제풀이시간을 점진적으로 감소시키는 목표치가 설정된 학습 과정인 제3 단계 스터디 라인; 빈출 유형의 문제 중 지엽적 고난이도 문제를 선별하여 제공하되, 학습 취약점 발견 시 관련된 학습 이론 정보를 제공하는 학습 과정인 제4 단계 스터디 라인; 및 단권화된 학습 정보, 압축 요약된 강의 콘텐츠 및 필기노트를 각각 제공하고, 시험의 실전환경에서 문항 별 풀이시간배분 및 풀이순서를 코칭하는 학습 과정인 제5 단계 스터디 라인을 포함할 수 있다.
또한, 문제 추천 알고리즘부가, 상기 스터디 라인 제공 단계를 통해 제공되는 상기 단계 별 스터디 라인 중 현재 단계와 상기 학습 취약점 분석 단계를 통해 도출된 상기 학습 취약점에 기초하여 인공지능 기술을 통해 학습자 정보를 분석하고, 분석결과를 기반으로 상기 단계 별 스터디 라인과 상기 학습 취약점에 맞는 학습자 맞춤형 문제를 데이터베이스로부터 랜덤 방식으로 추천하여 제공하는 문제 추천 알고리즘 실행 단계를 더 포함할 수 있다.
또한, 상기 스터디 라인 제공 단계는, 선형회귀 모델을 이용하여 학습 상담, 시험일까지 남은 기간 및 학습자의 현재 점수정보에 기초한 상기 단계 별 스터디 라인을 선정하여 제공할 수 있다.
또한, 상기 학습자 학습 관리 단계는, 인공지능 기술을 이용해 학습자의 학습시간을 기록하여 누적 학습량을 제공하고, 상기 누적 학습량의 제공 시 미리 설정된 백분율에 따른 상위권 학습자의 평균 학습량, 전체 학습자의 평균 학습량 및 해당 학습자의 누적 학습량에 대한 평균값을 비교하여 제공하고, 합격자에 대한 상기 단계 별 스터디 라인의 과정에서 얻은 점수 및 학습량 정보를 학습자와 비교하여 제공할 수 있다.
또한, 상기 학습자 학습 관리 단계는, 합격자에 대한 학습 정보 제공 시 제공된 정보를 기반으로 타겟 합격자를 학습자로부터 선정 받거나, 학습자의 학습수준에 기초하여 타겟 합격자를 자동 선정하고, 선정된 타겟 합격자의 상기 단계 별 스터디 라인의 세부진행결과를 학습자와 매칭하고, 학습자의 상기 단계 별 스터디 라인의 진행과정에서 매칭된 타겟 합격자의 학습 목표치의 달성 여부를 체크하여 항목 별 제1 알림 메시지를 생성해 학습자에게 제공할 수 있다.
또한, 상기 학습자 학습 관리 단계는, 상기 학습 목표치의 미달성 항목에 대한 링크 정보가 포함된 상기 제2 알림 메시지를 제공하고, 링크 접속 시 상기 학습 목표치의 미달성 항목에 대한 유형 별 문제, 이론정보 및 문제풀이 정보를 포함하는 학습 보완 정보를 제공하되, 상기 학습 목표치의 미달성 항목에 대하여 미리 설정된 수치 이상인 경우, 상기 학습 보완 정보를 취합한 후 주기적으로 업데이트하여 제공하고, 학습자의 컴퓨터 통신단말을 통한 학습 시 기 등록된 프로그램 이외의 프로그램 실행을 차단하면서 기 등록된 연락처로 제2 알림 메시지를 전송할 수 있다.
본 발명에 따르면, 자기주도학습 콘텐츠뿐만 아니라 자기주도적 학습에 어려움을 겪는 학생에게 학생 중심의 맞춤형 학습을 지원하고, 인공지능 기술로 학습자의 학습패턴을 체계적으로 분석하여 목표를 설정하고 계획 수립하고, 학습자가 잘못된 학습 패턴을 수정해주고 올바른 학습방법을 제공하고, 비슷한 과목을 수강하고 있는 상위권 학생의 현재 수준과 자신의 현재 수준을 실시간으로 보여주어 학습의 경쟁력을 강화하며, 학습에 불필요한 유혹을 사전에 차단하여 자기주도 학습에 취약한 학생들을 관리해줌으로써 자기조절과 통제를 향상시키는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법을 제공할 수 있다.
도 1은 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템의 전체 구성 형태를 나타낸 개요도이다.
도 2는 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템의 전체 구성을 나타낸 블록도이다.
도 3은 본 발명의 일 실시예에 따른 단계 별 스터디 라인의 구성을 나타낸 블록도이다.
도 4는 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템의 학습관리 프로그램에 대한 구성도이다.
도 5는 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템의 데이터 전달 및 분석을 위한 프레임 워크를 나타낸 구성도이다.
도 6은 본 발명의 일 실시예에 따른 단계 별 스터디 라인을 통한 학습자 개별 맞춤 학습 계획을 나타낸 도면이다.
도 7은 본 발명의 일 실시예에 따른 인공지능이 학습자에게 공부할 과목 및 시간을 제공하는 일례를 나타낸 도면이다.
도 8은 본 발명의 실시예에 따라 학습자의 누적 학습량 및 다른 학습자들의 학습량을 비교한 정보를 나타낸 도면이다.
도 9는 본 발명의 일 실시예에 따른 학습자의 학습패턴과 학습수준을 고려하여 인공지능이 과목별 학습단계 및 학습방향을 제시한 일례를 나타낸 도면이다.
도 10은 본 발명의 일 실시예에 따라 학습자의 스터디 라인의 단계 테스트 및 스터디 라인 단계파악 및 학습자의 취약문제 유형을 파악하기 위한 문제풀이를 나타낸 도면이다.
도 11은 본 발명의 다른 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법의 전체 구성을 나타낸 흐름도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템의 전체 구성 형태를 나타낸 개요도이고, 도 2는 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템의 전체 구성을 나타낸 블록도이고, 도 3은 본 발명의 일 실시예에 따른 단계 별 스터디 라인의 구성을 나타낸 블록도이고, 도 4는 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템의 학습관리 프로그램에 대한 구성도이고, 도 5는 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템의 데이터 전달 및 분석을 위한 프레임 워크를 나타낸 구성도이고, 도 6은 본 발명의 일 실시예에 따른 단계 별 스터디 라인을 통한 학습자 개별 맞춤 학습 계획을 나타낸 도면이고, 도 7은 본 발명의 일 실시예에 따른 인공지능이 학습자에게 공부할 과목 및 시간을 제공하는 일례를 나타낸 도면이고, 도 8은 본 발명의 실시예에 따라 학습자의 누적 학습량 및 다른 학습자들의 학습량을 비교한 정보를 나타낸 도면이고, 도 9는 본 발명의 일 실시예에 따른 학습자의 학습패턴과 학습수준을 고려하여 인공지능이 과목별 학습단계 및 학습방향을 제시한 일례를 나타낸 도면이며, 도 10은 본 발명의 일 실시예에 따라 학습자의 스터디 라인의 단계 테스트 및 스터디 라인 단계파악 및 학습자의 취약문제 유형을 파악하기 위한 문제풀이를 나타낸 도면이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템(1000)은 스터디 라인 저장부(100), 스터디 라인 제공부(200), 학습자 학습 관리부(300), 학습 취약점 분석부(400) 및 문제 추천 알고리즘부(500)를 포함한다.
상기 스터디 라인 저장부(100)는, 과목 별 학습 과정을 구분하는 기준으로서, 과목 별로 계획된 커리큘럼, 학습방향 및 학습방법을 포함하는 단계 별 스터디 라인을 저장할 수 있다. 이러한 단계 별 스터디 라인은 과목 별 학습 과정을 구분하는 기준으로, 과목 별 커리큘럼을 계획하거나, 학습방향 문제점 점검 및 관리 용도로 이용할 수 있다. 단계 별 스터디 라인은 제1 단계부터 5단계까지 구성될 수 있으며, 학습자의 현재 학습패턴 및 학습수준을 분석하여 과목 별로 각 단계를 지정해주어 학습자 개별 맞춤형 학습관리를 제공할 수 있다. 예를 들어, 현재 학습자가 제2 단계라면 제3 단계를 도약하기 위하여 이론의 세부적 내용을 공부하게 되며, 누적 학습량 및 문제풀이 테스트를 통해 합격한 경우 제3 단계로 넘어가게 된다.
좀 더 구체적으로, 본 실시예에 따른 제1 단계 스터디 라인(210), 제2 단계 스터디 라인(220), 제3 단계 스터디 라인(230), 제4 단계 스터디 라인(240) 및 제5 단계 스터디 라인(250)을 포함할 수 있다.
상기 제1 단계 스터디 라인(210)은, 과목 별 학습 이론을 중심으로 제작된 학습 정보를 제공하되, 개념 확인 위주의 문제 풀이 정보를 제공하는 학습 과정을 진행하기 위한 학습 프로그램과 콘텐츠일 수 있다.
이러한 제1 단계 스터디 라인(210)은 큰 그림을 그리듯 과목의 전체적인 흐름을 파악하는 단계로, 이론을 중점적으로 학습하며 문제풀이 시 개념 확인 위주로 풀이할 수 있도록 가이드 한다. 또한, 제1 단계 스터디 라인(210)은 과목을 처음 공부하는 과정에서 필요한 단계이며 지엽적인 내용이나 암기보다 이론을 이해하는 것을 목표로 한다. 제1 단계 스터디 라인(210)은 시험기간이 얼마 남지 않았거나, 학습능력이 뛰어난 학습자는 해당 학습 단계를 생략할 수도 있다.
상기 제2 단계 스터디 라인(220)은, 학습 단원 별 문제 분석을 통해 시험 출제 경향을 파악하여 파악된 정보를 학습자와 공유하고, 문제 풀이 시 제1 단계 스터디 라인(210)보다 보완된 이론 중심으로 제작된 학습 정보와 문제 풀이 정보를 제공하는 학습 과정을 진행하기 위한 학습 프로그램과 콘텐츠일 수 있다.
이러한 제2 단계 스터디 라인(220)은 이론의 세부적인 내용을 완성하는 단계이며 밑그림 위에 세부적인 내용을 채우듯 이론에 대한 완성도를 증가시키는 단계이다. 이러한 제2 단계 스터디 라인(220)은 이론 회독 수를 늘리며 단원 별 문제를 통해 시험 출제 경향을 파악할 수 있으며, 세부 내용과 중요사항을 꼼꼼히 학습하며 암기하는 과정을 포함할 수 있다. 이러한 제2 단계 스터디 라인(220)은 문제풀이 시에 이론에 대한 보완적인 취지로 학습하며, 이론이 80% 이상으로 숙지될 때까지 진행하는 것이 바람직하다.
상기 제3 단계 스터디 라인(230)은, 빈출 유형의 문제와 문제 풀이 정보를 다량 제공하되, 문제풀이시간을 점진적으로 감소시키는 목표치가 설정된 학습 과정을 진행하기 위한 학습 프로그램과 콘텐츠일 수 있다.
이러한 제3 단계 스터디 라인(230)은 자주 출제되는 유형의 문제를 집중적으로 풀이하는 단계 또는 이론이 충분히 학습되어 본격적으로 빈출 유형의 문제를 풀이하는 단계이다. 이러한 제3 단계 스터디 라인(230)은 지엽적이고 고난이도 문제보다는 빈출 유형의 문제를 다량으로 학습시켜 풀이시간을 줄이는 것을 목표로 한다. 문제풀이를 통해 부족한 이론은 오답노트를 통해 보충할 수 있으며, 부족한 이론 학습 시 문제풀이의 보완적인 취지로 학습할 수 있도록 가이드 한다.
상기 제4 단계 스터디 라인(240)은, 빈출 유형의 문제 중 지엽적 고난이도 문제를 선별하여 제공하되, 학습 취약점 발견 시 관련된 학습 이론 정보를 제공하는 학습 과정을 진행하기 위한 학습 프로그램과 콘텐츠일 수 있다.
이러한 제4 단계 스터디 라인(240)은 빈출 문제를 쉽게 풀이하도록 가이드하며, 지엽적이고 고난이도의 문제를 풀이할 수 있도록 한다. 또한, 많은 양의 문제를 통해 빈출 문제풀이의 감을 유지하도록 하면서 취약 파트가 확인되면 관련 이론을 재정리하여 학습할 수 있도록 한다. 이러한 제4 단계 스터디 라인(240)은 시험기간이 얼마 남지 않은 경우 과목에 따라 생략 가능하다.
상기 제5 단계 스터디 라인(250)은, 단권화된 학습 정보, 압축 요약된 강의 콘텐츠 및 필기노트를 각각 제공하고, 시험의 실전환경에서 문항 별 풀이시간배분 및 풀이순서를 코칭하는 학습 과정을 진행하기 위한 학습 프로그램 및 콘텐츠일 수 있다.
이러한 제5 단계 스터디 라인(250)은 이론이 확실히 숙지되고, 문제풀이가 충분히 이루어져 실전 시험을 준비하는 단계이다. 이러한 제5 단계 스터디 라인(250)은 단권화, 압축강의, 필기노트 등을 통해 이론을 총정리하고, 실전환경에서 기복 없이 문제풀이 능력을 유지하도록 것을 목표로 한다. 이를 위해, 제5 단계 스터디 라인(250)은 시간, 배분, 풀이, 순서, OMR 작성연습 등 실전 확은 그 이상의 환경에서 문제풀이를 할 수 있도록 가이드 한다. 이러한 제5 단계 스터디 라인(250)은 시험기간이 얼마 남지 않은 경우 점수가 완성된 과목에 대하여 본 과정을 반복하도록 함으로써 점수를 유지할 수 있도록 한다.
상기 스터디 라인 제공부(200)는, 인공지능 기술을 이용한 질의응답을 통해 학습자의 학습패턴 및 학습수준을 분석하고, 분석결과를 기반으로 해당 학습자에게 맞는 단계 별 스터디 라인을 제공할 수 있다.
이러한 스터디 라인 제공부(200)는, 각각의 스터디 라인을 학습자에게 제공하기 위하여, 인공지능이 학습자와 상담을 진행한다. 학습자는 인공지능이 질문하는 질문에 대해 답을 작성하며 인공지능은 이를 분석하여 학습자의 학습단계를 파악할 수 있다. 이때, 스터디 라인 제공부(200)에서 이용되는 인공지능 학습 단계 알고리즘은 선형회귀 모델을 사용할 수 있으며, 학습 상담, 시험일까지 남은 기간 및 학습자의 현재 점수정보에 기초한 단계 별 스터디 라인을 선정하여 학습자에게 각각 제공할 수 있다.
상기 학습자 학습 관리부(300)는, 인공지능 기술을 이용하여 학습자의 학습패턴을 분석하여 학습계획을 수립하기 위한 구성으로, 단계 별 스터디 라인에서 정해진 커리큘럼에 따라 학습자의 학습시간과 학습량을 관리하며, 학습자 간 학습 성취도 비교 정보를 제공할 수 있다.
좀 더 구체적으로, 학습자 학습 관리부(300)는, 인공지능 기술을 이용해 도 6 및 도 7에 도시된 바와 같이 학습자의 학습시간을 기록하여 관리할 수 있으며, 도 8에 도시된 바와 같이 누적 학습량을 제공하고, 누적 학습량의 제공 시 미리 설정된 백분율에 따른 상위권 학습자의 평균 학습량, 전체 학습자의 평균 학습량 및 해당 학습자의 누적 학습량에 대한 평균값을 비교하여 제공하고, 합격자에 대한 상기 단계 별 스터디 라인의 과정에서 얻은 점수 및 학습량 정보를 학습자와 비교하여 제공할 수 있다.
상기 학습자 학습 관리부(300)가 학습자의 단계 별 스터디 라인과 그에 해당하는 커리큘럼을 제공하였다면, 학습자는 정해진 목표량에 맞게 학습을 해야 한다. 특정 시간에 학습해야 하는 과목을 인공지능이 학습자에게 알려주며, 인공지능은 학습자의 학습 시간을 기록하게 되고, 누적 학습량을 제공할 수 있다. 누적 학습량 제공 시 상위권 학생들의 평균 학습량과 전체 학생들의 평균 학습량을 비교하여 제공하기 때문에 학습에 대한 동기부여를 향상 시킬 수 있다. 또한, 학습자 본인과 같은 공부를 하고 있는 상위권 및 합격 학습자들의 점수 및 스터디 라인 단계를 비교하여 학습의 동기부여를 더욱 향상 시킬 수 있다.
또한, 학습자 학습 관리부(300)는 도 9에 도시된 바와 같이 학습자의 학습패턴과 학습수준을 고려하여 인공지능 프로세서가 과목 별 학습자의 학습단계와 학습방향을 제시할 수 있다.
한편, 학습자 학습 관리부(300)는, 합격자에 대한 학습 정보 제공 시 제공된 정보를 기반으로 타겟 합격자를 학습자로부터 선정 받거나, 학습자의 학습수준에 기초하여 타겟 합격자를 자동 선정하고, 선정된 타겟 합격자의 단계 별 스터디 라인의 세부진행결과를 학습자와 매칭하고, 학습자의 단계 별 스터디 라인의 진행과정에서 매칭된 타겟 합격자의 학습 목표치의 달성 여부를 체크하여 항목 별 제1 알림 메시지를 생성해 학습자에게 제공할 수 있다.
좀 더 구체적으로 설명하면, 자신의 학습패턴이나 학습수준 또는 학업 성취도가 유사한 등급의 학습자 중에 자신과 목표가 일치하는 합격자에 대한 정보를 제공하며, 이 중 일부를 선택하여 목표 대상로서 선정할 수 있으며, 이러한 선정 방법은 학습자가 직접 수행하거나, 시스템을 통해 유사 조건의 대상을 선별하여 자동으로 선정할 수 있다. 이렇게 선정된 타겟 합격자가 진행했던 스터디 라인의 진행과정들을 학습자 자신과 매칭하여, 세부 학습 목표치를 설정하고, 세부 단계 별 목표치 달성을 했는지 여부를 확인하여 각각의 항목 별로 정리해 제1 알림 메시지를 통해 제공할 수 있다. 이에 따라, 학습자는 자신과 비슷한 수준의 실제 합격자가 어떻게 학습하여 합격했는지를 직접 경험할 수 있으며, 자신의 롤 모델로 선정하여 해당 합격자 이상의 학습 스케줄을 생성해 이행할 수 있도록 함으로써, 동기 부여뿐만 아니라, 자신의 학습 방향과 성취 결과에 대하여 스스로 인지하고 보다 자발적으로 학습할 수 있도록 가이드 할 수 있다.
또한, 학습자 학습 관리부(300)는, 해당 학습 목표치의 미달성 항목에 대한 링크 정보가 포함된 제1 알림 메시지를 제공할 수 있는데, 해당 링크를 접속하게 되면 학습 목표치의 미달성 항목에 대한 유형 별 문제, 이론정보 및 문제풀이 정보를 포함하는 학습 보완 정보(다운로드 가능한 파일 형태)를 제공할 수 있다. 이때, 학습 목표치의 미달성 항목에 대하여 미리 설정된 수치 이상인 경우, 학습 보완 정보를 취합한 후 주기적으로 업데이트하여 제공할 수 있다.
한편, 학습자의 컴퓨터 통신단말을 통한 학습 시 기 등록된 프로그램 이외의 프로그램 실행을 차단하면서 기 등록된 연락처로 제2 알림 메시지를 전송할 수 있다. 즉, 본 실시예에 따른 학습 프로그램 이용 시 미리 등록된 프로그램 이외에 다른 프로그램이 실행되면, 해당 프로그램은 즉시 차단되며 해당 프로그램 이용에 대한 내용을 미리 등록된 제3자에게 알려줄 수 있다. 예를 들어, 본 실시예의 학습 프로그램 이용 간에 검색 목적으로 웹 브라우저 중 포털 사이트를 이용하는 경우를 제외하고 게임 프로그램 등의 실행이 감지되면 해당 게임 프로그램의 실행이 즉시 차단됨과 동시에 해당 학습자의 보호자에게 해당 사실을 알리는 메시지를 전송할 수 있다. 또한, 웹 브라우저의 포털 사이트라도 실시간 검색어 선택 및 검색을 차단하거나, 특정 뉴스나 검색 금칙어를 일시적으로 적용해 학습 이외에 다른 곳에 집중력을 분산시키는 저해 요인을 차단시킬 수 있다.
상기 학습 취약점 분석부(400)는, 단계 별 스터디 라인의 진행을 통해 학습자의 학습수준을 파악하고, 파악결과를 기반으로 학습 취약점을 도출하며, 도출된 학습 취약점을 개선하기 위한 학습정보를 제공할 수 있다. 예를 들어, 도 10에 도시된 바와 같이 학습자의 단계 별 스터디 라인 테스트와 스터디 라인 파악, 그리고 학습자의 취약문제 유형을 파악하기 위한 문제풀이 정보를 제공할 수 있다.
이러한 학습 취약점 분석부(400)를 통해 학습자는 매일 문제를 풀면서 자신의 수준을 검증할 수 있다. 이때, 학습자가 틀린 문제의 유형을 파악 할 수 있는데, 인공지능은 학습자가 취약한 각 문제의 유형을 파악하여 학습자에게 제공하며, 학습자는 이를 바탕으로 취약한 유형을 중점적으로 학습할 수 있다.
상기 문제 추천 알고리즘부(500)는, 스터디 라인 제공부(200)를 통해 제공되는 단계 별 스터디 라인 중 현재 단계와 학습 취약점 분석부(400)를 통해 도출된 학습 취약점에 기초하여 인공지능 기술을 통해 학습자 정보를 분석하고, 분석결과를 기반으로 단계 별 스터디 라인과 상기 학습 취약점에 맞는 학습자 맞춤형 문제를 데이터베이스로부터 랜덤 방식으로 추천하여 제공할 수 있다.
본 실시예의 스터디 라인은 총 5단계로 구성되어 있고, 각 단계에 맞게 문제가 랜덤으로 추천될 수 있다. 또한, 학습자 개별 맞춤형으로 취약한 유형, 현재 단계의 스터디 라인 및 학습방향을 분석하여 문제가 추천될 수 있다. 즉, 모든 학습자들이 같은 문제를 푸는 것이 아닌 인공지능이 학습자의 정보를 분석하여 학습자 개인에게 맞춰 문제를 추천할 수 있다. 또한, 해당 문제를 풀면서 학습자의 스터디 라인을 파악하는 데이터와 학습자의 취약 문제 유형을 파악하기 위한 데이터로도 사용될 수 있다.
도 11은 본 발명의 다른 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법의 전체 구성을 나타낸 흐름도이다.
도 1을 참조하면, 본 발명의 일 실시예에 따른 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법(S1000)은 스터디 라인 구축 단계(S100), 스터디 라인 제공 단계(S200), 학습자 학습 관리 단계(S300), 학습 취약점 분석 단계(S400) 및 문제 추천 알고리즘 실행 단계(S500)를 포함한다.
상기 스터디 라인 구축 단계(S100)는, 과목 별 학습 과정을 구분하는 기준으로서, 과목 별로 계획된 커리큘럼, 학습방향 및 학습방법을 포함하는 단계 별 스터디 라인을 저장할 수 있다. 이러한 단계 별 스터디 라인은 과목 별 학습 과정을 구분하는 기준으로, 과목 별 커리큘럼을 계획하거나, 학습방향 문제점 점검 및 관리 용도로 이용할 수 있다. 단계 별 스터디 라인은 제1 단계부터 5단계까지 구성될 수 있으며, 학습자의 현재 학습패턴 및 학습수준을 분석하여 과목 별로 각 단계를 지정해주어 학습자 개별 맞춤형 학습관리를 제공할 수 있다. 예를 들어, 현재 학습자가 제2 단계라면 제3 단계를 도약하기 위하여 이론의 세부적 내용을 공부하게 되며, 누적 학습량 및 문제풀이 테스트를 통해 합격한 경우 제3 단계로 넘어가게 된다.
좀 더 구체적으로, 본 실시예에 따른 제1 단계 스터디 라인(210), 제2 단계 스터디 라인(220), 제3 단계 스터디 라인(230), 제4 단계 스터디 라인(240) 및 제5 단계 스터디 라인(250)을 포함할 수 있다.
상기 제1 단계 스터디 라인(210)은, 과목 별 학습 이론을 중심으로 제작된 학습 정보를 제공하되, 개념 확인 위주의 문제 풀이 정보를 제공하는 학습 과정을 진행하기 위한 학습 프로그램과 콘텐츠일 수 있다.
이러한 제1 단계 스터디 라인(210)은 큰 그림을 그리듯 과목의 전체적인 흐름을 파악하는 단계로, 이론을 중점적으로 학습하며 문제풀이 시 개념 확인 위주로 풀이할 수 있도록 가이드 한다. 또한, 제1 단계 스터디 라인(210)은 과목을 처음 공부하는 과정에서 필요한 단계이며 지엽적인 내용이나 암기보다 이론을 이해하는 것을 목표로 한다. 제1 단계 스터디 라인(210)은 시험기간이 얼마 남지 않았거나, 학습능력이 뛰어난 학습자는 해당 학습 단계를 생략할 수도 있다.
상기 제2 단계 스터디 라인(220)은, 학습 단원 별 문제 분석을 통해 시험 출제 경향을 파악하여 파악된 정보를 학습자와 공유하고, 문제 풀이 시 제1 단계 스터디 라인(210)보다 보완된 이론 중심으로 제작된 학습 정보와 문제 풀이 정보를 제공하는 학습 과정을 진행하기 위한 학습 프로그램과 콘텐츠일 수 있다.
이러한 제2 단계 스터디 라인(220)은 이론의 세부적인 내용을 완성하는 단계이며 밑그림 위에 세부적인 내용을 채우듯 이론에 대한 완성도를 증가시키는 단계이다. 이러한 제2 단계 스터디 라인(220)은 이론 회독 수를 늘리며 단원 별 문제를 통해 시험 출제 경향을 파악할 수 있으며, 세부 내용과 중요사항을 꼼꼼히 학습하며 암기하는 과정을 포함할 수 있다. 이러한 제2 단계 스터디 라인(220)은 문제풀이 시에 이론에 대한 보완적인 취지로 학습하며, 이론이 80% 이상으로 숙지될 때까지 진행하는 것이 바람직하다.
상기 제3 단계 스터디 라인(230)은, 빈출 유형의 문제와 문제 풀이 정보를 다량 제공하되, 문제풀이시간을 점진적으로 감소시키는 목표치가 설정된 학습 과정을 진행하기 위한 학습 프로그램과 콘텐츠일 수 있다.
이러한 제3 단계 스터디 라인(230)은 자주 출제되는 유형의 문제를 집중적으로 풀이하는 단계 또는 이론이 충분히 학습되어 본격적으로 빈출 유형의 문제를 풀이하는 단계이다. 이러한 제3 단계 스터디 라인(230)은 지엽적이고 고난이도 문제보다는 빈출 유형의 문제를 다량으로 학습시켜 풀이시간을 줄이는 것을 목표로 한다. 문제풀이를 통해 부족한 이론은 오답노트를 통해 보충할 수 있으며, 부족한 이론 학습 시 문제풀이의 보완적인 취지로 학습할 수 있도록 가이드 한다.
상기 제4 단계 스터디 라인(240)은, 빈출 유형의 문제 중 지엽적 고난이도 문제를 선별하여 제공하되, 학습 취약점 발견 시 관련된 학습 이론 정보를 제공하는 학습 과정을 진행하기 위한 학습 프로그램과 콘텐츠일 수 있다.
이러한 제4 단계 스터디 라인(240)은 빈출 문제를 쉽게 풀이하도록 가이드하며, 지엽적이고 고난이도의 문제를 풀이할 수 있도록 한다. 또한, 많은 양의 문제를 통해 빈출 문제풀이의 감을 유지하도록 하면서 취약 파트가 확인되면 관련 이론을 재정리하여 학습할 수 있도록 한다. 이러한 제4 단계 스터디 라인(240)은 시험기간이 얼마 남지 않은 경우 과목에 따라 생략 가능하다.
상기 제5 단계 스터디 라인(250)은, 단권화된 학습 정보, 압축 요약된 강의 콘텐츠 및 필기노트를 각각 제공하고, 시험의 실전환경에서 문항 별 풀이시간배분 및 풀이순서를 코칭하는 학습 과정을 진행하기 위한 학습 프로그램 및 콘텐츠일 수 있다.
이러한 제5 단계 스터디 라인(250)은 이론이 확실히 숙지되고, 문제풀이가 충분히 이루어져 실전 시험을 준비하는 단계이다. 이러한 제5 단계 스터디 라인(250)은 단권화, 압축강의, 필기노트 등을 통해 이론을 총정리하고, 실전환경에서 기복 없이 문제풀이 능력을 유지하도록 것을 목표로 한다. 이를 위해, 제5 단계 스터디 라인(250)은 시간, 배분, 풀이, 순서, OMR 작성연습 등 실전 확은 그 이상의 환경에서 문제풀이를 할 수 있도록 가이드 한다. 이러한 제5 단계 스터디 라인(250)은 시험기간이 얼마 남지 않은 경우 점수가 완성된 과목에 대하여 본 과정을 반복하도록 함으로써 점수를 유지할 수 있도록 한다.
상기 스터디 라인 제공 단계(S200)에서는, 인공지능 기술을 이용한 질의응답을 통해 학습자의 학습패턴 및 학습수준을 분석하고, 분석결과를 기반으로 해당 학습자에게 맞는 단계 별 스터디 라인을 제공할 수 있다.
이러한 스터디 라인 제공 단계(S200)는, 각각의 스터디 라인을 학습자에게 제공하기 위하여, 인공지능이 학습자와 상담을 진행한다. 학습자는 인공지능이 질문하는 질문에 대해 답을 작성하며 인공지능은 이를 분석하여 학습자의 학습단계를 파악할 수 있다. 이때, 스터디 라인 제공 단계(S200)에서 이용되는 인공지능 학습 단계 알고리즘은 선형회귀 모델을 사용할 수 있으며, 학습 상담, 시험일까지 남은 기간 및 학습자의 현재 점수정보에 기초한 단계 별 스터디 라인을 선정하여 학습자에게 각각 제공할 수 있다.
상기 학습자 학습 관리 단계(S300)는, 인공지능 기술을 이용하여 학습자의 학습패턴을 분석하여 학습계획을 수립하기 위한 구성으로, 단계 별 스터디 라인에서 정해진 커리큘럼에 따라 학습자의 학습시간과 학습량을 관리하며, 학습자 간 학습 성취도 비교 정보를 제공할 수 있다.
좀 더 구체적으로, 학습자 학습 관리 단계(S300)는, 인공지능 기술을 이용해 도 6 및 도 7에 도시된 바와 같이 학습자의 학습시간을 기록하여 관리할 수 있으며, 도 8에 도시된 바와 같이 누적 학습량을 제공하고, 누적 학습량의 제공 시 미리 설정된 백분율에 따른 상위권 학습자의 평균 학습량, 전체 학습자의 평균 학습량 및 해당 학습자의 누적 학습량에 대한 평균값을 비교하여 제공하고, 합격자에 대한 상기 단계 별 스터디 라인의 과정에서 얻은 점수 및 학습량 정보를 학습자와 비교하여 제공할 수 있다.
상기 학습자 학습 관리 단계(S300)를 통해 학습자의 단계 별 스터디 라인과 그에 해당하는 커리큘럼을 제공하였다면, 학습자는 정해진 목표량에 맞게 학습을 해야 한다. 특정 시간에 학습해야 하는 과목을 인공지능이 학습자에게 알려주며, 인공지능은 학습자의 학습 시간을 기록하게 되고, 누적 학습량을 제공할 수 있다. 누적 학습량 제공 시 상위권 학생들의 평균 학습량과 전체 학생들의 평균 학습량을 비교하여 제공하기 때문에 학습에 대한 동기부여를 향상 시킬 수 있다. 또한, 학습자 본인과 같은 공부를 하고 있는 상위권 및 합격 학습자들의 점수 및 스터디 라인 단계를 비교하여 학습의 동기부여를 더욱 향상 시킬 수 있다.
또한, 학습자 학습 관리 단계(S300)에서는 도 9에 도시된 바와 같이 학습자의 학습패턴과 학습수준을 고려하여 인공지능 프로세서가 과목 별 학습자의 학습단계와 학습방향을 제시할 수 있다.
한편, 학습자 학습 관리 단계(S300)에서는, 합격자에 대한 학습 정보 제공 시 제공된 정보를 기반으로 타겟 합격자를 학습자로부터 선정 받거나, 학습자의 학습수준에 기초하여 타겟 합격자를 자동 선정하고, 선정된 타겟 합격자의 단계 별 스터디 라인의 세부진행결과를 학습자와 매칭하고, 학습자의 단계 별 스터디 라인의 진행과정에서 매칭된 타겟 합격자의 학습 목표치의 달성 여부를 체크하여 항목 별 제1 알림 메시지를 생성해 학습자에게 제공할 수 있다.
좀 더 구체적으로 설명하면, 자신의 학습패턴이나 학습수준 또는 학업 성취도가 유사한 등급의 학습자 중에 자신과 목표가 일치하는 합격자에 대한 정보를 제공하며, 이 중 일부를 선택하여 목표 대상로서 선정할 수 있으며, 이러한 선정 방법은 학습자가 직접 수행하거나, 시스템을 통해 유사 조건의 대상을 선별하여 자동으로 선정할 수 있다. 이렇게 선정된 타겟 합격자가 진행했던 스터디 라인의 진행과정들을 학습자 자신과 매칭하여, 세부 학습 목표치를 설정하고, 세부 단계 별 목표치 달성을 했는지 여부를 확인하여 각각의 항목 별로 정리해 제1 알림 메시지를 통해 제공할 수 있다. 이에 따라, 학습자는 자신과 비슷한 수준의 실제 합격자가 어떻게 학습하여 합격했는지를 직접 경험할 수 있으며, 자신의 롤 모델로 선정하여 해당 합격자 이상의 학습 스케줄을 생성해 이행할 수 있도록 함으로써, 동기 부여뿐만 아니라, 자신의 학습 방향과 성취 결과에 대하여 스스로 인지하고 보다 자발적으로 학습할 수 있도록 가이드 할 수 있다.
또한, 학습자 학습 관리 단계(S300)에서는, 해당 학습 목표치의 미달성 항목에 대한 링크 정보가 포함된 제1 알림 메시지를 제공할 수 있는데, 해당 링크를 접속하게 되면 학습 목표치의 미달성 항목에 대한 유형 별 문제, 이론정보 및 문제풀이 정보를 포함하는 학습 보완 정보(다운로드 가능한 파일 형태)를 제공할 수 있다. 이때, 학습 목표치의 미달성 항목에 대하여 미리 설정된 수치 이상인 경우, 학습 보완 정보를 취합한 후 주기적으로 업데이트하여 제공할 수 있다.
한편, 학습자의 컴퓨터 통신단말을 통한 학습 시 기 등록된 프로그램 이외의 프로그램 실행을 차단하면서 기 등록된 연락처로 제2 알림 메시지를 전송할 수 있다. 즉, 본 실시예에 따른 학습 프로그램 이용 시 미리 등록된 프로그램 이외에 다른 프로그램이 실행되면, 해당 프로그램은 즉시 차단되며 해당 프로그램 이용에 대한 내용을 미리 등록된 제3자에게 알려줄 수 있다. 예를 들어, 본 실시예의 학습 프로그램 이용 간에 검색 목적으로 웹 브라우저 중 포털 사이트를 이용하는 경우를 제외하고 게임 프로그램 등의 실행이 감지되면 해당 게임 프로그램의 실행이 즉시 차단됨과 동시에 해당 학습자의 보호자에게 해당 사실을 알리는 메시지를 전송할 수 있다. 또한, 웹 브라우저의 포털 사이트라도 실시간 검색어 선택 및 검색을 차단하거나, 특정 뉴스나 검색 금칙어를 일시적으로 적용해 학습 이외에 다른 곳에 집중력을 분산시키는 저해 요인을 차단시킬 수 있다.
상기 학습 취약점 분석 단계(S400)는, 단계 별 스터디 라인의 진행을 통해 학습자의 학습수준을 파악하고, 파악결과를 기반으로 학습 취약점을 도출하며, 도출된 학습 취약점을 개선하기 위한 학습정보를 제공할 수 있다. 예를 들어, 도 10에 도시된 바와 같이 학습자의 단계 별 스터디 라인 테스트와 스터디 라인 파악, 그리고 학습자의 취약문제 유형을 파악하기 위한 문제풀이 정보를 제공할 수 있다.
이러한 학습 취약점 분석 단계(S400)를 통해 학습자는 매일 문제를 풀면서 자신의 수준을 검증할 수 있다. 이때, 학습자가 틀린 문제의 유형을 파악 할 수 있는데, 인공지능은 학습자가 취약한 각 문제의 유형을 파악하여 학습자에게 제공하며, 학습자는 이를 바탕으로 취약한 유형을 중점적으로 학습할 수 있다.
상기 문제 추천 알고리즘 실행 단계(S500)는, 스터디 라인 제공 단계(S200)를 통해 제공되는 단계 별 스터디 라인 중 현재 단계와 학습 취약점 분석 단계(S400)를 통해 도출된 학습 취약점에 기초하여 인공지능 기술을 통해 학습자 정보를 분석하고, 분석결과를 기반으로 단계 별 스터디 라인과 상기 학습 취약점에 맞는 학습자 맞춤형 문제를 데이터베이스로부터 랜덤 방식으로 추천하여 제공할 수 있다.
본 실시예의 스터디 라인은 총 5단계로 구성되어 있고, 각 단계에 맞게 문제가 랜덤으로 추천될 수 있다. 또한, 학습자 개별 맞춤형으로 취약한 유형, 현재 단계의 스터디 라인 및 학습방향을 분석하여 문제가 추천될 수 있다. 즉, 모든 학습자들이 같은 문제를 푸는 것이 아닌 인공지능이 학습자의 정보를 분석하여 학습자 개인에게 맞춰 문제를 추천할 수 있다. 또한, 해당 문제를 풀면서 학습자의 스터디 라인을 파악하는 데이터와 학습자의 취약 문제 유형을 파악하기 위한 데이터로도 사용될 수 있다.
본 실시예에 따르면, 학습을 돕기 위해 지정된 학원이나 독서실 등의 장소로 찾아가야 하는 불편함 없이, 학습자 자신의 스마트한 자기주도형 학습공간을 구성할 수 있다. 또한, 지정장소에서 강사에 의해 오프라인으로 관리를 받아야 하는 불편함 없이, 지정된 장소에 국한되지 않고 자기주도형 학습이 가능하도록 가이드 할 수 있다.
이상에서 설명한 것은 본 발명에 의한 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법을 실시하기 위한 하나의 실시예에 불과한 것으로서, 본 발명은 상기 실시예에 한정되지 않고, 이하의 특허청구범위에서 청구하는 바와 같이 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 분야에서 통상의 지식을 가진 자라면 누구든지 다양한 변경 실시가 가능한 범위까지 본 발명의 기술적 정신이 있다고 할 것이다.
1000: 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템
100: 스터디 라인 저장부
200: 스터디 라인 제공부
210: 제1 단계 스터디 라인
220: 제2 단계 스터디 라인
230: 제3 단계 스터디 라인
240: 제4 단계 스터디 라인
250: 제5 단계 스터디 라인
300: 학습자 학습 관리부
400: 학습 취약점 분석부
500: 문제 추천 알고리즘부
S1000: 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법
S100: 스터디 라인 구축 단계
S200: 스터디 라인 제공 단계
210: 제1 단계 스터디 라인
220: 제2 단계 스터디 라인
230: 제3 단계 스터디 라인
240: 제4 단계 스터디 라인
250: 제5 단계 스터디 라인
S300: 학습자 학습 관리 단계
S400: 학습 취약점 분석 단계
S500: 문제 추천 알고리즘 실행 단계

Claims (10)

  1. 과목 별 학습 과정을 구분하는 기준으로서, 과목 별로 계획된 커리큘럼, 학습방향 및 학습방법을 포함하는 단계 별 스터디 라인이 저장된 스터디 라인 저장부;
    인공지능 기술을 이용한 질의응답을 통해 학습자의 학습패턴 및 학습수준을 분석하고, 분석결과를 기반으로 해당 학습자에게 맞는 상기 단계 별 스터디 라인을 제공하는 스터디 라인 제공부;
    인공지능 기술을 이용하여 상기 단계 별 스터디 라인에서 정해진 커리큘럼에 따라 학습자의 학습시간과 학습량을 관리하며, 학습자 간 학습 성취도 비교 정보를 제공하는 학습자 학습 관리부; 및
    상기 단계 별 스터디 라인의 진행을 통해 학습자의 학습수준을 파악하고, 파악결과를 기반으로 학습 취약점을 도출하며, 상기 학습 취약점을 개선하기 위한 학습정보를 제공하는 학습 취약점 분석부를 포함하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템.
  2. 제1 항에 있어서,
    상기 단계 별 스터디 라인은,
    과목 별 학습 이론을 중심으로 제작된 학습 정보를 제공하되, 개념 확인 위주의 문제 풀이 정보를 제공하는 학습 과정인 제1 단계 스터디 라인;
    학습 단원 별 문제 분석을 통해 시험 출제 경향을 파악하여 파악된 정보를 학습자와 공유하고, 문제 풀이 시 상기 제1 단계 스터디 라인보다 보완된 이론 중심으로 제작된 학습 정보와 문제 풀이 정보를 제공하는 학습 과정인 제2 단계 스터디 라인;
    빈출 유형의 문제와 문제 풀이 정보를 다량 제공하되, 문제풀이시간을 점진적으로 감소시키는 목표치가 설정된 학습 과정인 제3 단계 스터디 라인;
    빈출 유형의 문제 중 지엽적 고난이도 문제를 선별하여 제공하되, 학습 취약점 발견 시 관련된 학습 이론 정보를 제공하는 학습 과정인 제4 단계 스터디 라인; 및
    단권화된 학습 정보, 압축 요약된 강의 콘텐츠 및 필기노트를 각각 제공하고, 시험의 실전환경에서 문항 별 풀이시간배분 및 풀이순서를 코칭하는 학습 과정인 제5 단계 스터디 라인을 포함하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템.
  3. 제2 항에 있어서,
    상기 스터디 라인 제공부를 통해 제공되는 상기 단계 별 스터디 라인 중 현재 단계와 상기 학습 취약점 분석부를 통해 도출된 상기 학습 취약점에 기초하여 인공지능 기술을 통해 학습자 정보를 분석하고, 분석결과를 기반으로 상기 단계 별 스터디 라인과 상기 학습 취약점에 맞는 학습자 맞춤형 문제를 데이터베이스로부터 랜덤 방식으로 추천하여 제공하는 문제 추천 알고리즘부를 더 포함하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템.
  4. 제1 항에 있어서,
    상기 스터디 라인 제공부는,
    선형회귀 모델을 이용하여 학습 상담, 시험일까지 남은 기간 및 학습자의 현재 점수정보에 기초한 상기 단계 별 스터디 라인을 선정하여 제공하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템.
  5. 제1 항에 있어서,
    상기 학습자 학습 관리부는,
    인공지능 기술을 이용해 학습자의 학습시간을 기록하여 누적 학습량을 제공하고, 상기 누적 학습량의 제공 시 미리 설정된 백분율에 따른 상위권 학습자의 평균 학습량, 전체 학습자의 평균 학습량 및 해당 학습자의 누적 학습량에 대한 평균값을 비교하여 제공하고, 합격자에 대한 상기 단계 별 스터디 라인의 과정에서 얻은 점수 및 학습량 정보를 학습자와 비교하여 제공하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템.
  6. 스터디 라인 저장부가, 과목 별 학습 과정을 구분하는 기준으로서, 과목 별로 계획된 커리큘럼, 학습방향 및 학습방법을 포함하는 단계 별 스터디 라인을 구축하는 스터디 라인 구축 단계;
    스터디 라인 제공부가, 인공지능 기술을 이용한 질의응답을 통해 학습자의 학습패턴 및 학습수준을 분석하고, 분석결과를 기반으로 해당 학습자에게 맞는 상기 단계 별 스터디 라인을 제공하는 스터디 라인 제공 단계;
    학습자 학습 관리부가, 인공지능 기술을 이용하여 상기 단계 별 스터디 라인에서 정해진 커리큘럼에 따라 학습자의 학습시간과 학습량을 관리하며, 학습자 간 학습 성취도 비교 정보를 제공하는 학습자 학습 관리 단계; 및
    학습 취약점 분석부가, 상기 단계 별 스터디 라인의 진행을 통해 학습자의 학습수준을 파악하고, 파악결과를 기반으로 학습 취약점을 도출하며, 상기 학습 취약점을 개선하기 위한 학습정보를 제공하는 학습 취약점 분석 단계를 포함하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법.
  7. 제6 항에 있어서,
    상기 단계 별 스터디 라인은,
    과목 별 학습 이론을 중심으로 제작된 학습 정보를 제공하되, 개념 확인 위주의 문제 풀이 정보를 제공하는 학습 과정인 제1 단계 스터디 라인;
    학습 단원 별 문제 분석을 통해 시험 출제 경향을 파악하여 파악된 정보를 학습자와 공유하고, 문제 풀이 시 상기 제1 단계 스터디 라인보다 보완된 이론 중심으로 제작된 학습 정보와 문제 풀이 정보를 제공하는 학습 과정인 제2 단계 스터디 라인;
    빈출 유형의 문제와 문제 풀이 정보를 다량 제공하되, 문제풀이시간을 점진적으로 감소시키는 목표치가 설정된 학습 과정인 제3 단계 스터디 라인;
    빈출 유형의 문제 중 지엽적 고난이도 문제를 선별하여 제공하되, 학습 취약점 발견 시 관련된 학습 이론 정보를 제공하는 학습 과정인 제4 단계 스터디 라인; 및
    단권화된 학습 정보, 압축 요약된 강의 콘텐츠 및 필기노트를 각각 제공하고, 시험의 실전환경에서 문항 별 풀이시간배분 및 풀이순서를 코칭하는 학습 과정인 제5 단계 스터디 라인을 포함하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법.
  8. 제7 항에 있어서,
    문제 추천 알고리즘부가, 상기 스터디 라인 제공 단계를 통해 제공되는 상기 단계 별 스터디 라인 중 현재 단계와 상기 학습 취약점 분석 단계를 통해 도출된 상기 학습 취약점에 기초하여 인공지능 기술을 통해 학습자 정보를 분석하고, 분석결과를 기반으로 상기 단계 별 스터디 라인과 상기 학습 취약점에 맞는 학습자 맞춤형 문제를 데이터베이스로부터 랜덤 방식으로 추천하여 제공하는 문제 추천 알고리즘 실행 단계를 더 포함하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법.
  9. 제6 항에 있어서,
    상기 스터디 라인 제공 단계는,
    선형회귀 모델을 이용하여 학습 상담, 시험일까지 남은 기간 및 학습자의 현재 점수정보에 기초한 상기 단계 별 스터디 라인을 선정하여 제공하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법.
  10. 제6 항에 있어서,
    상기 학습자 학습 관리 단계는,
    인공지능 기술을 이용해 학습자의 학습시간을 기록하여 누적 학습량을 제공하고, 상기 누적 학습량의 제공 시 미리 설정된 백분율에 따른 상위권 학습자의 평균 학습량, 전체 학습자의 평균 학습량 및 해당 학습자의 누적 학습량에 대한 평균값을 비교하여 제공하고, 합격자에 대한 상기 단계 별 스터디 라인의 과정에서 얻은 점수 및 학습량 정보를 학습자와 비교하여 제공하는 것을 특징으로 하는 자기주도 학습을 위한 빅데이터 기반의 학습 관리 방법.
KR1020200155518A 2019-11-19 2020-11-19 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법 KR102502673B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20190148523 2019-11-19
KR1020190148523 2019-11-19

Publications (2)

Publication Number Publication Date
KR20210061294A true KR20210061294A (ko) 2021-05-27
KR102502673B1 KR102502673B1 (ko) 2023-02-23

Family

ID=76135850

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200155518A KR102502673B1 (ko) 2019-11-19 2020-11-19 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102502673B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102496227B1 (ko) * 2022-05-30 2023-02-06 이승호 인공지능 및 온라인 융합을 통한 수학 학습 시스템 및 그 방법
KR102594457B1 (ko) * 2023-03-07 2023-10-26 주식회사 깊생 온라인 교육 영상 제공 및 학습자 맞춤형 교육 추천 시스템
KR102594465B1 (ko) * 2023-03-07 2023-10-26 주식회사 깊생 영역별 학습자 성취도 평가 및 취약점 보완 컨텐츠 제공 시스템
KR102619976B1 (ko) * 2023-05-24 2024-01-02 주식회사 블루커뮤니케이션 인공지능 기술을 활용한 온라인 교육 시스템

Citations (9)

* Cited by examiner, † Cited by third party
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
KR20120082178A (ko) 2011-01-13 2012-07-23 정화민 자기주도 학습준비도 성향 측정방법
KR20120090569A (ko) * 2011-02-08 2012-08-17 주식회사 엔씨소프트 맞춤형 학습 컨텐츠 패키징 시스템 및 그 방법
KR20150083623A (ko) 2014-01-10 2015-07-20 주식회사 비상교육 자기 주도 학습 시스템 및 제공방법
KR20180104460A (ko) * 2017-03-13 2018-09-21 비트루브 주식회사 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
KR101905807B1 (ko) 2017-09-14 2018-10-08 염승주 자기주도학습지, 자기주도학습장치, 자기주도학습방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
KR101915055B1 (ko) 2018-01-30 2018-11-05 주식회사 대교 자기주도학습 제공방법 및 러닝센터 생활 데이터에 기반한 성장 리포트 생성 방법
KR20190074916A (ko) 2017-12-20 2019-06-28 주식회사 순수교육 온라인 기반의 자기 주도 학습 코칭 방법
KR102009034B1 (ko) * 2019-01-31 2019-08-08 주식회사 아이스크림에듀 학습 분석을 기초로 정보를 제공하는 방법 및 시스템

Patent Citations (9)

* Cited by examiner, † Cited by third party
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
KR20120082178A (ko) 2011-01-13 2012-07-23 정화민 자기주도 학습준비도 성향 측정방법
KR20120090569A (ko) * 2011-02-08 2012-08-17 주식회사 엔씨소프트 맞춤형 학습 컨텐츠 패키징 시스템 및 그 방법
KR20150083623A (ko) 2014-01-10 2015-07-20 주식회사 비상교육 자기 주도 학습 시스템 및 제공방법
KR20180104460A (ko) * 2017-03-13 2018-09-21 비트루브 주식회사 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
KR101905807B1 (ko) 2017-09-14 2018-10-08 염승주 자기주도학습지, 자기주도학습장치, 자기주도학습방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 이를 구현하기 위해 매체에 저장된 컴퓨터프로그램
KR20190074916A (ko) 2017-12-20 2019-06-28 주식회사 순수교육 온라인 기반의 자기 주도 학습 코칭 방법
KR101915055B1 (ko) 2018-01-30 2018-11-05 주식회사 대교 자기주도학습 제공방법 및 러닝센터 생활 데이터에 기반한 성장 리포트 생성 방법
KR102009034B1 (ko) * 2019-01-31 2019-08-08 주식회사 아이스크림에듀 학습 분석을 기초로 정보를 제공하는 방법 및 시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102496227B1 (ko) * 2022-05-30 2023-02-06 이승호 인공지능 및 온라인 융합을 통한 수학 학습 시스템 및 그 방법
WO2023234651A1 (ko) * 2022-05-30 2023-12-07 이승호 인공지능 및 온라인 융합을 통한 수학 학습 시스템 및 그 방법
KR102594457B1 (ko) * 2023-03-07 2023-10-26 주식회사 깊생 온라인 교육 영상 제공 및 학습자 맞춤형 교육 추천 시스템
KR102594465B1 (ko) * 2023-03-07 2023-10-26 주식회사 깊생 영역별 학습자 성취도 평가 및 취약점 보완 컨텐츠 제공 시스템
KR102619976B1 (ko) * 2023-05-24 2024-01-02 주식회사 블루커뮤니케이션 인공지능 기술을 활용한 온라인 교육 시스템

Also Published As

Publication number Publication date
KR102502673B1 (ko) 2023-02-23

Similar Documents

Publication Publication Date Title
Alam Harnessing the Power of AI to Create Intelligent Tutoring Systems for Enhanced Classroom Experience and Improved Learning Outcomes
KR20210061294A (ko) 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법
Kin et al. School leaders’ Competencies that make a difference in the Era of Education 4.0: A Conceptual Framework
Hawkins Self-directed learning as related to learning strategies, self-regulation, and autonomy in an English language program: A local application with global implications
Harteis et al. Conceptual change in the face of digitalization: Challenges for workplaces and workplace learning
US10438156B2 (en) Systems and methods to provide training guidance
Chrysafiadi et al. Optimizing programming language learning through student modeling in an adaptive web-based educational environment
Peña-Ayala et al. A cybernetic method to regulate learning through learning strategies: A proactive and reactive mechanism applied in U–Learning settings
Hidalgo et al. Artificial intelligence and computer-supported collaborative learning in programming: A systematic mapping study
George Preparing students for an AI-driven world: Rethinking curriculum and pedagogy in the age of artificial intelligence
Bahel et al. Knowledge discovery in educational databases in indian educational system: A case study of ghrce, nagpur
Lesgold Detecting technology’s effects in complex school environments
Meng et al. AI-enhanced education: Teaching and learning reimagined
Joyner et al. Facilitating authentic reasoning about complex systems in middle school science education
Opel et al. AsTRA–an assessment tool for recognition and adaptation of prior professional experience and vocational training
Vintere et al. Methodical background of competence-based mathematics education for students of information technologies specialties
Stevens et al. Assessing students’ problem solving ability and cognitive regulation with learning trajectories
Taran The challenge of authentic leadership in a volatile, uncertain, complex and ambiguous business environment
Ruiz et al. Monitoring F2F interactions through attendance control
Gaffo et al. Edukas environment: Towards an integrated dashboard for education management in smart cities
Omarova et al. Design and implementation of pedagogical innovations based on digital technologies
Hoek et al. Changes of interaction during the development of a mathematical learning environment
Allen Trainer upskilling and reskilling models in business education
Demianenko Artificial Intelligence Systems in Adaptive Learning
Carton TPACK learning activity types for secondary computer science courses

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right