KR20210086577A - 메타인지 기반의 교육 콘텐츠 큐레이션 시스템 - Google Patents

Abstract

본 발명은 교육 콘텐츠 큐레이션 시스템에 관한 것으로서, 보다 구체적으로는 메타인지 기반으로 학습자가 콘텐츠를 학습함에 있어서, 체계적이고 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는 이른바 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템에 관한 것이다.
이를 위해 본 발명은, 교육학습 콘텐츠를 제공받아 학습하기 위한 학습자 단말기와, 상기 학습자 단말기에 제공될 콘텐츠를 저장하기 위한 콘텐츠 DB 모듈, 상기 콘텐츠 DB 모듈에 의해 제공되는 콘텐츠에 대해 학습한 결과를 분석하기 위한 결과 분석모듈, 상기 결과 분석모듈에 의해 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성모듈을 구비하는 학습 큐레이션 서버와, 상기 학습 큐레이션 서버가 전송하는 학습 결과 및 분석을 확인하기 위한 확인 단말기를 포함하는 것을 특징으로 한다.

Description

메타인지 기반의 교육 콘텐츠 큐레이션 시스템{METACOGNITIVE BASED EDUCATION CONTENT CURATION SYSTEM}

본 발명은 교육 콘텐츠 큐레이션 시스템에 관한 것으로서, 보다 구체적으로는 메타인지 기반으로 학습자가 콘텐츠를 학습함에 있어서, 체계적이고 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는 이른바 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템에 관한 것이다.

최근 인터넷과 컴퓨터 활용에 따른 다양한 주변환경의 변화를 통하여 교육환경은 빠르게 변화하고 있다. 특히, 다양한 교육매체의 발달로 학습자는 보다 폭 넓은 학습방법을 선택하고 이용할 수 있게 되었는데, 그 중 인터넷을 통한 교육서비스는 시간적, 공간적 제약을 극복하고 저비용의 교육이 가능하다는 이점 때문에 각광받는 학습수단 중의 하나로 자리매김하게 되었다. 이러한 경향에 부응하여 e-러닝 관련 기술이 급속히 발달하게 되었고, 이제는 제한된 인적·물적 자원으로 오프라인 교육에서는 불가능했던 맞춤형 교육서비스도 가능하게 되었다. 예컨대, 학습자의 개성과 능력에 따라 세분화된 수준별 학습을 제공함으로써, 과거의 획일적인 교육방법에서 탈피하여 학습자의 개인 역량에 따른 교육 콘텐츠를 제공할 수 있게 되었다.

그 중에서, 현재 영어 교육에 있어서는, 교육자 또는 콘텐츠 가공자가 제시하는 보편화 된 학습 목표에 의거하여 제작된 콘텐츠를 서버를 통해 제공하는 방식으로 교육이 진행됨으로 인해, 학습자 개개인의 학습 수준이나 능력, 목적 및 취향 등이 배제된 획일적인 학습이 진행된다는 것이다. 이는 오프라인 수업에 익숙한 교육자 또는 콘텐츠 기획자가 오프라인 수업에서나 유용하게 쓰일 교재를 서버에 업로드하고 목차 페이지를 추가하여 학습자에게 제공하는 것과 큰 차이가 없다. 즉, 영어 학습 콘텐츠 또는 교재가 오프라인 수업에서는 효율적으로 사용될 수 있더라도, 인터넷 및 서버를 통해 콘텐츠가 학습자에게 제공되는 온라인 환경에서는 그 환경에 적합하게 콘텐츠 제공 방식과 콘텐츠의 형식 및 내용이 변화될 필요성이 있음에도, 오프라인 수업 형태의 콘텐츠 제공 방식이 유지되어 학습 효율성이 저하되는 문제점이 발생한다. 마우스 및 하이퍼링크 등을 통한 콘텐츠 취급의 편의성을 제외하면 오프라인 수업과 큰 차이가 없다.

또한, 과거에는 학부모들이 단순히 교육열만 높았을 뿐, 어떻게 자녀들의 교육에 참여하고 지도를 해야 하는지에 관해서는 모르는 경우가 많았다. 따라서 대부분의 교육은 교사나 학원 선생님 등의 주도하에 이루어지는 경우가 대부분이었다. 이는 과거의 부모 세대(할아버지, 할머니 세대)가 양질의 교육을 받을 기회가 없었기 때문에 자녀교육에 관한 정보나 지식이 매우 부족했기 때문이다.

또한, 교사나 학원선생님은 다수를 상대로 교육을 하다 보니 개개의 학생을 세심하게 관찰하여 평가하고 지도하는데 한계가 있다. 따라서 학생의 능력이나 동기부여 등과는 동떨어지게 다소 일률적인 교육과정을 진행하였으며, 그러다 보면 학습동기를 잃고 수업에 뒤처져서 포기를 하는 학생도 많았던 것이 사실이다.

하지만, 오늘날의 부모 세대는 할아버지 세대에 비하여 양질의 교육을 받고 자랐고, 인터넷을 통하여 원하는 지식을 쉽게 얻을 수 있기 때문에 자녀들을 관찰하고 자녀들의 교육에 참여할 충분한 능력을 갖췄으며, 실제로 상당수의 학부모가 자녀교육에 직접 참여하고 싶어 하고 있다.

그러나, 종래의 교육시장은 이러한 부모의 욕구를 충족시켜주지 못하고 여전히 과거와 같이 학부모는 교육비를 지급하고 교육과정에서는 배제되며, 교육현장은 학생과 교사 또는 학원 선생님 사이에서 단편적으로 진행되고 있는 것이 현실이다. 따라서, 학부모가 교육에 직접 참여하여 자녀의 능력이나 상황에 맞게 커리큘럼을 짜고, 아이들 또한 스스로 자신의 학습을 체크하고 다음 학습을 계획하고 수행하도록 동기부여를 해 줄 수 있는 체계적이고 효율적인 학습시스템의 필요성이 대두되었다. 즉, 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는 이른바 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템으로의 개발이 요구되고 있는 실정이다.

대한민국 등록특허공보 제10-1709936호 대한민국 공개특허공보 제10-2011-0137530호

본 발명은 상기한 종래 기술의 문제점을 해결하기 위해 안출된 것으로서, 종래 교육 서비스가 제공하는 단편적이고 폐쇄적인 서비스 환경을 벗어나, 학습자 및 학습자의 부모의 요구에 부합하며, 체계적이고 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는, 메타인지 기반의 교육 콘텐츠 큐레이션 시스템을 제공하여 학습자 스스로가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 확실히 인지하여 탄탄한 학습의 기초를 다질 수 있도록 돕는데 그 목적이 있다.

상기 목적을 달성하기 위하여, 본 발명은, 교육학습 콘텐츠를 제공받아 학습하기 위한 학습자 단말기와; 상기 학습자 단말기에 제공될 콘텐츠를 저장하기 위한 콘텐츠 DB 모듈, 상기 콘텐츠 DB 모듈에 의해 제공되는 콘텐츠에 대해 학습한 결과를 분석하기 위한 결과 분석모듈, 상기 결과 분석모듈에 의해 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성모듈을 구비하는 학습 큐레이션 서버와; 상기 학습 큐레이션 서버가 전송하는 학습 결과 및 분석을 확인하기 위한 확인 단말기;를 포함하는 것을 특징으로 한다.

여기서, 상기 학습 큐레이션 서버는 학습하고자 하는 콘텐츠에 대한 학습자의 메타인지를 확인하여 해당 학습자의 레벨을 설정하기 위한 레벨 설정모듈을 더 포함하고, 또한, 상기 학습자 단말기가 설정된 학습자의 정보에 기초하여 학습 큐레이션 서버에 진단 테스트 요청 시, 상기 레벨 설정모듈은 요청된 학습자 단말기의 학습 이력이 없는 경우, 설정된 학습자의 정보 기반의 진단 테스트를 구성하고, 학습 이력이 있는 경우, 누적되어 학습된 콘텐츠 결과 기반의 진단 테스트를 구성하는 것을 특징으로 한다.

또한, 상기 메타인지 구성모듈은 콘텐츠 DB 모듈에 저장된 콘텐츠의 커리큘럼을 상위 구조로 연결하여, 학습자 단말기를 통해 설정된 학습자 정보와 대응되는 커리큘럼을 트리 형식으로 구성하는 것을 특징으로 하고, 상기 메타인지 구성모듈은 학습한 콘텐츠 및 설정된 학습자의 레벨 중 적어도 어느 하나 이상에 근거하여 해당 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리를 구성하는 것을 특징으로 한다.

추가적으로, 상기 메타인지 구성모듈은 학습자별 수치화 된 성취도를 포함하는 상위 커리큘럼 트리를 기반으로 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출되는 것을 특징으로 하고, 상기 메타인지 구성모듈은 결과 분석모듈에 의해 분석된 결과를 기반으로 학습자별 콘텐츠 필드를 구성하여 태그를 통해 추출되는 콘텐츠를 추천하는 것을 특징으로 한다.

또한, 상기 결과 분석모듈은 학습한 콘텐츠에 대한 확인문제의 정답율에 따라 성취도를 수치화한 다음, 누적되어 학습된 콘텐츠에 대한 성취도를 분석하고, 분석된 성취도에 따른 학습 계획을 설정하는 것을 특징으로 한다.

구체적으로, 상기 콘텐츠 DB모듈은 학습자 레벨 정보, 콘텐츠 선호도 정보 및 학습 이력 정보 중 적어도 어느 하나 이상의 정보를 학습자별로 저장하기 위한 학습자 DB를 더 포함하고, 상기 결과 분석서버는 학습자 DB를 기반으로 콘텐츠 DB 모듈에 저장된 콘텐츠에 대한 추천 리스트를 생성하는 것을 특징으로 한다.

또한, 상기 메타인지 구성모듈은 상기 학습자 단말기와 연동된 확인 단말기가 해당 학습자 단말기의 학습 이력 정보를 요청한 경우, 해당 요청된 이력과 대응되는 콘텐츠에 대한 에듀테이너 영상 태그를 전송하는 것을 특징으로 한다.

이상과 같은 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템에 있어서, 종래 교육 서비스가 제공하는 단편적이고 폐쇄적인 서비스 환경을 벗어나, 학습자 및 학습자의 부모의 요구에 부합하며, 체계적이고 한눈에 쉽게 본인의 학습 성취에 대한 정보 및 계획으로 콘텐츠가 큐레이션 될 수 있도록 하는 이른바 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지 기반의 교육 콘텐츠 큐레이션이 가능하도록 할 수 있다.

도 1은 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템을 개략적으로 도시한 도면
도 2는 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 방법을 도시한 순서도
도 3은 본 발명의 다양한 실시예에 따른 커리큘럼 콘텐츠 상의 상하위 구조 및 각 콘텐츠 간의 연관성을 트리 형식으로 나타내는 예시도
도 4는 본 발명의 다양한 실시예에 따른 초기 진단과 콘텐츠 학습 후 형성 진단을 통해 학습자별 학습 성취율을 트리 형식으로 나타내는 예시도
도 5는 본 발명의 다양한 실시예에 따른 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출되는 것을 나타내는 예시도
도 6은 본 발명의 다양한 실시예에 따른 콘텐츠 학습 후 정답 비율에 따라 성취도 수치화 및 그에 따른 평가 기준을 나타내는 예시도
도 7은 본 발명의 다양한 실시예에 따른 학습자별 Accomplishment Chart를 나타내는 예시도
도 8은 본 발명의 다양한 실시예에 따른 학습자별 조합된 Accomplishment Chart를 나타내는 예시도

본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다.

따라서, 본 명세서에 기재된 실시예와 도면에 도시된 구성은 본 발명의 가장 바람직한 일 실시예에 불과할 뿐이고, 본 발명의 기술적 사상을 모두 대변하는 것은 아니므로, 본 출원시점에 있어서 이들을 대체할 수 있는 다양한 균등물과 변형예들이 있을 수 있음을 이해하여야 한다.

이하, 도면을 참조로 하여 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템을 설명하기로 한다.

도 1은 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템을 개략적으로 도시한 도면이다.

본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 시스템은 기본적으로 학습자 단말기, 학습 큐레이션 서버 및 확인 단말기를 포함하여 구성된다.

도 1을 참조로 하면, 보다 구체적으로 본 발명은 교육학습 콘텐츠를 제공받아 학습하기 위한 학습자 단말기와, 상기 학습자 단말기에 제공될 콘텐츠를 저장하기 위한 콘텐츠 DB 모듈, 상기 콘텐츠 DB 모듈에 의해 제공되는 콘텐츠에 대해 학습한 결과를 분석하기 위한 결과 분석모듈, 상기 결과 분석모듈에 의해 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성모듈을 구비하는 학습 큐레이션 서버와, 상기 학습 큐레이션 서버가 전송하는 학습 결과 및 분석을 확인하기 위한 확인 단말기를 포함하여 이루어진다.

상기 학습자 단말기 및 확인 단말기는 온라인 네트워크를 통해 학습 큐레이션 서버에 접속하거나 상기 학습자 및 확인 단말기간 접속하여, 상기 학습 큐레이션 서버가 전송하는 정보(예: 학습자 레벨 정보, 콘텐츠 선호도 정보, 학습 이력 정보, 확인문제의 정답율에 따라 수치화 된 성취도 정보, 분석된 성취도에 따른 학습 계획 정보, 저장된 콘텐츠에 대한 추천 리스트 정보, 커리큘럼 트리 정보, 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리 정보, 하위 커리큘럼 콘텐츠 필드 정보, 학습자별 콘텐츠 필드 기반의 콘텐츠 추천 정보, 에듀테이너 영상 태그 정보,설정된 학습자의 정보, DB 모듈에 저장되어 있는 콘텐츠 및 콘텐츠가 학습된 결과 정보 등)를 송수신하기 위한 것으로, 태블릿, 넷북, PDA(personal digital assistant), PMP(portable multimedia player), 스마트폰, 웨어러블 스마트 기기 등의 다양한 통신 수단을 포함하는 것으로 해석되어야 하며, 제조사 서버 및 클라우드 서버에서 제공하는 각종 기능을 실행하기 위한 소프트웨어, 애플리케이션 등을 구비할 수도 있다.

상기 학습 큐레이션 서버는 일종의 웹서버, 데이터베이스 서버, 모바일 서버로서 역할을 하도록 구축될 수 있는데, 예를 들어 처리된 결과를 온라인 네트워크를 통해 웹페이지 상에서 보여주거나 필요한 입력 데이터를 웹페이지를 통해 전송 받을 수 있고, 여기서 웹페이지는 단순한 텍스트, 이미지, 사운드, 동영상 등 이외에도 웹 애플리케이션과 같은 특정 작업을 수행하기 위한 소프트웨어를 포함하는 것으로 해석되어야 하며, 또한 데스크탑, 노트북, 스마트폰, 태블릿 PC 등에 설치되는 애플리케이션과 인터페이스를 제공하도록 구축될 수도 있다.

또한, 본 발명에서 언급하는 온라인 네트워크라 함은 유선 공중망, 무선 이동 통신망, 또는 휴대 인터넷 등과 통합된 코어 망일 수도 있고, TCP/IP 프로토콜 및 그 상위 계층에 존재하는 여러 서비스, 즉 HTTP(Hyper Text Transfer Protocol), HTTPS(Hyper Text Transfer Protocol Secure), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol) 등을 제공하는 전 세계적인 개방형 컴퓨터 네트워크 구조를 의미할 수 있으며, 이러한 예에 한정하지 않고 다양한 형태로 데이터를 송수신할 수 있는 데이터 통신망을 포괄적으로 의미하는 것이다.

이하에서는 상기 학습자 단말기 및 확인 단말기와 관련된 구체적인 사항에 대해 살펴보기로 한다.

<학습자 단말기 및 확인 단말기의 주요 구성요소, 기능 및 효과>

* 입력 모듈

- 학습자 단말기 및 확인 단말기는 문자입력 방식, 터치입력 방식 및 음성입력 방식 중 적어도 어느 하나 이상의 입력 방식을 통해 학습하고자 하는 콘텐츠에 대응되는 내용을 입력할 수도 있음

- 상기 입력 모듈은 숫자 또는 문자 정보를 입력 받고 각종 기능들을 설정하기 위한 다수의 입력키 및 기능키들을 포함할 수 있는데, 기능키들은 특정 기능을 수행하도록 설정된 방향키, 사이드 키 및 단축키 등을 포함하고, 입력 모듈은 학습자, 확인자의 설정 및 학습자 단말기, 확인 단말기의 기능 제어와 관련한 키 신호를 생성하여 학습자 단말기 및 확인 단말기로 전달할 수도 있음

- 쿼티 키패드, 3*4 키패드, 4*3 키패드, 볼 조이스틱(Ball Joystick), 옵티컬 조이스틱(Optical Joystick), 휠 키(Wheel Key), 터치 키(Touch key), 터치 패드(Touch Pad) 및 터치스크린(Touch-screen) 등과 같은 입력 수단들 중 어느 하나 또는 이들의 조합으로 형성할 수도 있음

- 일례로, 학습자 단말기 및 확인 단말기가 풀 터치스크린을 지원하는 경우, 해당 단말기의 케이스 측면에 형성되는 볼륨 조절을 위한 볼륨 키, 화면 온/오프 및 휴대단말기 온/오프를 위한 전원 키 만을 포함할 수도 있고, 특히, 학습 큐레이션 서버 접속을 지시하는 입력 신호, 인증 정보입력에 해당하는 입력 신호, 특정 샌드 박스 선택을 지시하는 입력 신호, 콘텐츠의 색상, 투명도 변경을 지시하는 입력 신호 등과 같은 다양한 입력 신호 등을 생성하고, 이를 학습 큐레이션 서버에 전달할 수도 있음

- 상기 음성인식 방식은 학습자 단말기의 운용과정에서 설정된 다양한 오디오 데이터, 저장부에 저장된 오디오 파일 재생에 따른 오디오 데이터 및 외부로부터 수신된 오디오 데이터 등을 학습하고자 하는 콘텐츠에 대응되어 출력할 수도 있고, 이를 위하여, 입력 모듈은 스피커와 마이크를 포함할 수도 있음

* 단말기 제어모듈

- 단말기 제어모듈은 학습자 단말기의 학습하고자 하는 콘텐츠 관리 시스템의 전반적인 동작 및 학습자 단말기의 내부 블록들 간 신호 흐름을 제어하고, 데이터를 처리하는 데이터 처리 기능을 수행할 수도 있음

- 예를 들어, 단말기 제어모듈은 중앙 처리 장치(Central Processing Unit: CPU), 애플리케이션 프로세서(Application Processor) 등이 될 수 있고, 특히, 학습 큐레이션 서버에 의해 추천된 학습자별 콘텐츠 관리를 지원할 수도 있음.

- 단말기 설정모듈을 통한 콘텐츠 추천 리스트의 위치, 사이즈, 형태 및 색상 중 적어도 어느 하나 이상으로 변경된 콘텐츠 추천 리스트의 설정에 따라, 학습자 단말기와 연동된 웨어러블 디바이스에 변경된 콘텐츠 추천 리스트의 설정이 적용되도록 함으로써, 학습자 단말기에서의 콘텐츠 추천 리스트의 설정이 변경되더라도 연동된 웨어러블 디바이스에 자동적으로 변경된 콘텐츠 추천 리스트의 설정이 적용되어 표시될 수도 있게 함

이하에서는 상기 학습 큐레이션 서버와 관련된 구체적인 사항에 대해 살펴보기로 한다.

< 학습 큐레이션 서버의 주요 구성요소, 기능 및 효과>

* 콘텐츠 DB 모듈

- 학습자 단말기에 제공될 콘텐츠를 저장함으로써, 교육학습 콘텐츠를 체계적으로 관리할 수 있음

- 콘텐츠 DB 모듈은 학습자 레벨 정보, 콘텐츠 선호도 정보 및 학습 이력 정보 중 적어도 어느 하나 이상의 정보를 학습자별로 저장하기 위한 학습자 DB를 포함하여 학습자별로 학습자와 관련된 정보를 체계적이고 효율성 있게 관리할 수 있음

- 저장된 콘텐츠의 제목 및 해당 콘텐츠의 요약을 포함하는 콘텐츠 속성 정보를 콘텐츠 별로 분류하여 저장함으로써, 콘텐츠가 포함하고 있는 내용을 보다 쉽게 관리할 수도 있음

- 저장된 콘텐츠와 관련된 음성파일에 담긴 콘텐츠 내용을 문자화 하여, 키워드 중심 또는 전체 음성 내용에 가독성을 부여함으로써, 음성 같은 소리 정보에 담긴 내용을 간편하게 학습자 단말기로 옮겨와 관리할 수도 있음

* 결과 분석모듈

- 학습한 콘텐츠에 대한 확인문제의 정답율에 따라 성취도를 수치화한 다음, 누적되어 학습된 콘텐츠에 대한 성취도를 분석하고, 분석된 성취도에 따른 학습 계획을 설정함으로써, 학습자가 자신의 학습을 체크하고 다음 학습을 계획하고 수행하도록 동기부여를 줄 수 있게 해주는 피드백이 될 수 있음

- 콘텐츠 DB 모듈에 포함되어 있는 학습자 DB를 기반으로 콘텐츠 DB 모듈에 저장된 콘텐츠에 대한 추천 리스트를 생성함으로써, 학습자 레벨 정보, 콘텐츠 선호도 정보 및 학습 이력 정보를 기반으로 콘텐츠를 추천하여 학습자의 흥미도를 유지하거나 증가시킬 수 있음

* 메타인지 구성모듈

- 콘텐츠 DB 모듈에 저장된 콘텐츠의 커리큘럼을 상위 구조로 연결하여, 학습자 단말기를 통해 설정된 학습자 정보와 대응되는 커리큘럼을 트리 형식으로 구성함으로써, 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지를 기반으로 학습이 서로 어떻게 밀접하게 관련되어 상호 발달해야 하는지를 보여줌

- 학습한 콘텐츠 및 설정된 학습자의 레벨 중 적어도 어느 하나 이상에 근거하여 해당 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리를 구성함으로써, 초기 진단과 콘텐츠를 학습한 후 도출되는 결과를 분석하여 학습자별 학습 성취율이 반영된 콘텐츠 트리를 기반으로 학습자가 자신의 학습을 스스로 확인하고 능동적으로 다음 학습을 계획하고 수행할 수 있도록 함

- 학습자별 수치화 된 성취도를 포함하는 상위 커리큘럼 트리를 기반으로 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출됨으로써, 학습자의 부족한 부분과 강점인 부분을 수치화 한 필드의 크기를 시각적으로 강조하여, 학습자 및 부모가 해당 필드에 대응되는 콘텐츠를 추출할 수 있도록 해시태그를 통한 접속의 편의성을 제공하여, 현재 학습자의 상태에 따른 맞춤 콘텐츠 추천 및 접근이 용이하게 될 수 있도록 함

- 결과 분석모듈에 의해 분석된 결과를 기반으로 학습자별 콘텐츠 필드를 구성하여 태그를 통해 추출되는 콘텐츠를 추천함으로써, 학습자가 분석된 결과를 바탕으로 학습자의 부족한 부분과 강점인 부분을 인지하고, 더 나아가, 다음 학습할 콘텐츠에 대한 추천을 통해 학습자가 자신의 학습을 스스로 확인하고 능동적으로 다음 학습을 계획하고 수행할 수 있도록 함

- 학습자 단말기와 연동된 확인 단말기가 해당 학습자 단말기의 학습 이력 정보를 요청한 경우, 해당 요청된 이력과 대응되는 콘텐츠에 대한 에듀테이너 영상 태그를 전송함으로써, 확인 단말기를 통해 부모가 학습자 단말기가 학습한 콘텐츠 영상의 내용과 대응되는 에듀테이너 영상에 대한 접속의 편의성을 제공하여, 해당 콘텐츠에 대한 내용을 보다 쉽게 인지할 수 있도록 함

* 레벨 설정모듈

- 학습하고자 하는 콘텐츠에 대한 학습자의 메타인지를 확인하여 해당 학습자의 레벨을 설정함으로써, 앞으로 학습하고자 하는 콘텐츠 구성 및 학습 계획을 객관화할 수 있음

- 학습자 단말기가 설정된 학습자의 정보에 기초하여 학습 큐레이션 서버에 진단 테스트 요청 시, 상기 레벨 설정모듈은 요청된 학습자 단말기의 학습 이력이 없는 경우, 설정된 학습자의 정보 기반의 진단 테스트를 구성하고, 학습 이력이 있는 경우, 누적되어 학습된 콘텐츠 결과 기반의 진단 테스트를 구성함으로써, 학습자가 학습된 이력의 유무와 관계없이 현재 학습자의 레벨을 객관화 할 수 있음

- 학습자 단말기에 설정된 학습자의 정보로는 학습자의 교육 년수, 연령, 해외 거주 여부 및 년수, 타 교육기관의 이력 등이 따를 수 있음

또한, 본 발명에서의 학습 큐레이션 서버에 대해 더욱 구체적으로 살펴보면, 학습 큐레이션 서버에서 행하여 지는 분석(예: 콘텐츠에 대해 학습한 결과 분석, 누적되어 학습된 콘텐츠에 대한 성취도 분석 등)은 정보(예: 학습자 레벨 정보, 콘텐츠 선호도 정보, 학습 이력 정보, 확인문제의 정답율에 따라 수치화 된 성취도 정보, 분석된 성취도에 따른 학습 계획 정보, 저장된 콘텐츠에 대한 추천 리스트 정보, 커리큘럼 트리 정보, 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리 정보, 하위 커리큘럼 콘텐츠 필드 정보, 학습자별 콘텐츠 필드 기반의 콘텐츠 추천 정보, 에듀테이너 영상 태그 정보, 설정된 학습자의 정보, DB 모듈에 저장되어 있는 콘텐츠 및 콘텐츠가 학습된 결과 정보 등)의 데이터를 전처리하여, 전처리된 데이터를 기반으로 한 머신러닝(Machine Learning) 방식을 이용하여, 일례로, 콘텐츠에 대해 학습한 결과 분석, 누적되어 학습된 콘텐츠에 대한 성취도 분석 등이 행하여 질 수도 있다.

상기 학습 큐레이션 서버에서 데이터 전처리는 학습자 레벨 정보, 콘텐츠 선호도 정보, 학습 이력 정보, 확인문제의 정답율에 따라 수치화 된 성취도 정보, 분석된 성취도에 따른 학습 계획 정보, 저장된 콘텐츠에 대한 추천 리스트 정보, 커리큘럼 트리 정보, 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리 정보, 하위 커리큘럼 콘텐츠 필드 정보, 학습자별 콘텐츠 필드 기반의 콘텐츠 추천 정보, 에듀테이너 영상 태그 정보, 설정된 학습자의 정보, DB 모듈에 저장되어 있는 콘텐츠 및 콘텐츠가 학습된 결과 정보 중 적어도 어느 하나 이상의 정보의 데이터를 가공하여, 분석에 더 도움이 되는 정보를 이끌어 내고, 더욱 상세하게는 가공된 데이터를 기반으로 경향성 및 변화 추이 반영, 주기함수의 결합 변환을 통한 연속적 데이터의 패턴을 분석, 시계열 데이터를 문자열 형태로 변환하여 패턴을 분석하는 과정 등을 포함할 수도 있다.

추가적으로, 학습 큐레이션 서버에서 데이터 전처리는 상기 정보 중 적어도 어느 하나 이상의 정보의 데이터를 가공하고, 가공된 데이터를 알고리즘에 활용할 수 있는 형태로 데이터를 변환하여, 더욱 상세하게는 해당 데이터의 노이즈를 제거하는 평활화(Smoothing), 해당 데이터를 더 작은 범위에 들어가게 하기 위해 다듬는 정규화(Normalization), 해당 데이터 값을 다른 범위나 상위 레벨의 개념으로 대체하는 이산화(Discretization) 등을 포함할 수도 있다.

상기 학습 큐레이션 서버는 전처리된 데이터를 통해 단일 분석 알고리즘인 의사 결정 트리(Decision Tree)를 기반으로 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상을 분석하기 위한 모델을 구성한 다음, 상이한 단일 분석 알고리즘을 병렬로 배치하여, 복수의 단일 분석 알고리즘의 결합 조합 형태인 부스팅(Boosting) 기법을 활용하여, 부스티드 트리(Boosted Tree) 형태로 분석 모델을 업데이트한다. 더욱이, 단일 분석 알고리즘 중 불량 단일 분석 알고리즘이 반복되어 발생되는 패턴을 분석하여, 복수의 단일 분석 알고리즘 형태로 분석 모델 업데이트 시 불량 단일 분석 알고리즘을 제외할 수도 있다.

일례로, 상기 학습 큐레이션 서버는 전처리된 데이터를 기반으로 분석 모델에 머신러닝 방식 중 하나인 경사 하강법(Gradient Descent)을 이용하여 최종적으로 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상을 분석하고, 더 나아가 상기 학습 큐레이션 서버는 콘텐츠 자동 분류모듈을 통해서, DB 모듈에 저장된 전체 콘텐츠를 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상을 자동으로 분류하여 학습자 및 확인 단말기의 요청하에 분류된 콘텐츠 구성 정보를 회신할 수도 있다.

구체적으로, 경사 하강법에 대해 살펴보면 경사 하강법은 우선적으로 머신러닝 회귀 분석으로부터 설명되는 방식으로 머신러닝 회귀 분석은 주어진 데이터가 어떤 함수로부터 생성되었는가를 알아보는 '함수 관계'를 추측하는 것으로, 다시 말해서 데이터 세트(x, y)로부터 학습 알고리즘을 이용하여 가설을 생성하고 생성된 가설에 데이터를 입력하여 예측 값 데이터를 얻고, 이러한 가설에 해당하는 식이 어떤 방정식인지, 계수는 어떤 것을 의미하는지 알아가는 과정이라고 할 수 있다.

추가적으로, 상기 학습 큐레이션 서버에서 전처리된 데이터를 통해 딥 러닝(Deep Learning) 방식을 통해 학습자에 대한 획득되는 성취율 패턴을 예측하는데, 여기서 딥 러닝 방식의 알고리즘에 대해 살펴보면, 딥러닝 알고리즘 중 일부는 컨벌루션 신경망(CNN: convolution neural network) 알고리즘으로 구현될 수 있고, 컨벌루션 신경망 알고리즘은 하나 이상의 컨벌루션 레이어, 하나 이상의 활성 함수, 및 하나 이상의 풀링(pooling) 레이어를 포함할 수도 있고, 이때 각각의 컨벌루션 레이어는 하나 이상의 컨벌루션 필터로 구성될 수도 있다. 이러한 컨벌루션 신경망의 구조는 본 발명의 구체적 실시 형태에 따라 달라질 수도 있다.

도 2는 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 방법을 도시한 순서도이다.

한편으로, 본 발명에 따른 메타인지 기반의 교육 콘텐츠 큐레이션 방법은 기본적으로 콘텐츠 전송단계, 학습 단계, 결과 분석단계 및 메타인지 구성단계를 포함하여 구성된다.

보다 구체적으로, 본 발명은 콘텐츠 DB 모듈이 학습자 단말기에 제공될 저장된 콘텐츠를 학습자 단말기로 전송하기 위한 콘텐츠 전송단계와, 학습자 단말기가 전송된 교육학습 콘텐츠를 제공받아 학습하기 위한 학습 단계와, 결과 분석모듈이 학습한 결과를 분석하기 위한 결과 분석단계와, 메타인지 구성모듈이 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성단계와, 확인 단말기가 메타인지적으로 구성된 결과 정보, 학습된 결과 정보 및 분석된 결과 정보 중 적어도 어느 하나 이상의 정보를 확인하기 위한 메타인지 확인단계를 포함하여 이루어진다.

도 3은 본 발명의 다양한 실시예에 따른 커리큘럼 콘텐츠 상의 상하위 구조 및 각 콘텐츠 간의 연관성을 트리 형식으로 나타내는 예시도이다.

보다 구체적으로, 도 3을 참조로 하면, 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지를 기반으로 구성된 커리큘럼 트리로서, 커리큘럼 콘텐츠 상의 상하위 구조 및 각 콘텐츠 간의 연관성을 직관적으로 나타내는 트리 형식의 구조를 보여줌으로써, 학습이 서로 어떻게 밀접하게 관련되어 상호 발달해야 하는지를 보여준다.

도 4는 본 발명의 다양한 실시예에 따른 초기 진단과 콘텐츠 학습 후 형성 진단을 통해 학습자별 학습 성취율을 트리 형식으로 나타내는 예시도이다.

보다 구체적으로, 도 4를 참조로 하면, 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 메타인지를 기반으로 구성된 학습 성취율을 나타내는 트리로서, 초기 진단과 콘텐츠를 학습한 후 도출되는 결과를 분석하여 학습자별 학습 성취율이 반영된 콘텐츠 트리를 보여줌으로써, 학습자가 자신의 학습을 스스로 확인하고 능동적으로 다음 학습을 계획하고 수행할 수 있도록 한다.

도 5는 본 발명의 다양한 실시예에 따른 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출되는 것을 나타내는 예시도이다.

보다 구체적으로, 도 5를 참조로 하면, 학습 전후로 하여, 학습자가 원하는 바를 명확히 이해하고 본인이 모르는 부분을 인지할 수 있게 하는 하위 커리큘럼 콘텐츠 필드를 구성하고, 학습자의 부족한 부분과 강점인 부분을 수치화 한 필드의 크기를 시각적으로 강조하여, 학습자 및 부모가 해당 필드에 대응되는 콘텐츠를 추출할 수 있도록 해시태그를 통한 접속의 편의성을 제공하여, 현재 학습자의 상태에 따른 맞춤 콘텐츠 추천 및 접근이 용이하게 될 수 있도록 한다.

도 6은 본 발명의 다양한 실시예에 따른 콘텐츠 학습 후 정답 비율에 따라 성취도 수치화 및 그에 따른 평가 기준을 나타내는 예시도이다.

보다 구체적으로, 도 6을 참조로 하면, 학습자가 각 콘텐츠 학습 후, 출제되는 4개의 문제에 대한 정답 비율에 따라서 성취도를 수치화하고, 수치화된 성취도에 따라, 일례로, 75% 이상의 성취도를 나태내는 경우에는 다음 콘텐츠 학습 진행을 안내하고, 75% 미만의 성취도를 나타내는 경우에는 동일 콘텐츠 학습 또는, 동일한 목적을 가진 구성이 다른 유사 콘텐츠 학습을 추천하여, 현재 학습자의 성취도에 따라 능동적으로 다음 학습을 계획하고 수행할 수 있도록 한다.

도 7은 본 발명의 다양한 실시예에 따른 학습자별 Accomplishment Chart를 나타내는 예시도이다.

보다 구체적으로, 도 7을 참조로 하면, 각 콘텐츠 학습이 분석된 결과를 다이어그램형 표현을 통해 나타내어 한눈에 학습자의 강점과 부족한 부분을 인지할 수 있게 하고, 더 나아가, 일례로, 리터러시(Literacy) 기본 학습 결과를 안내하는 경우에는 기초 음가 인지와 파닉스(Phonics)의 이해가 잘 발달되고 있는지, 또는, 어휘를 단편적으로 인지하고 디코딩 하는 능력에 비해서는 글이나 상황에 대한 이해가 어떠한지를 설명하며 그에 대한 해결책 및 학습돼야 될 콘텐츠를 추천하여, 학습 결과에 대한 피드백이 될 수도 있도록 한다.

또한, 누적되어 학습된 학습자의 그동안의 성취도를 분석하여, 일례로, 학습자의 첫소리와 끝소리를 구분하는 능력, 소리를 조합하는 능력, 소리를 분리해 내는 능력에 대한 강점과 부족한 부분을 나타내고, 그에 대한 해결책 및 학습돼야 될 콘텐츠를 추천하여, 학습 결과에 대한 피드백이 될 수도 있도록 한다.

도 8은 본 발명의 다양한 실시예에 따른 학습자별 조합된 Accomplishment Chart를 나타내는 예시도이다.

보다 구체적으로, 도 8을 참조로 하면, 그동안 학습자가 학습해온 결과를 바탕으로 조합된 결과를 세분화된 다이어그램형 표현을 통해 나태내어 한눈에 학습자의 현재 강점과 부족한 부분을 인지할 수 있게 하고, 더 나아가, 일례로, 현재 성취된 능력을 기반으로 앞으로의 성취될 능력 안내 및 그에 대한 콘텐츠를 추천하여, 학습자가 자신의 학습을 체크하고 다음 학습을 계획하고 수행하도록 동기부여를 줄 수 있게 해주는 피드백이 될 수도 있도록 한다.

이상에서 첨부된 도면을 참조하여 본 발명을 설명함에 있어 특정형상 및 방향을 위주로 설명하였으나, 본 발명은 그 발명에 속하는 기술분야에서 통상의 지식을 가진 사람에 의하여 다양한 변형 및 변경이 가능하고, 이러한 변형 및 변경은 본 발명의 권리범위에 포함되는 것으로 해석되어야 한다.

Claims (2)

1. 교육학습 콘텐츠를 제공받아 학습하기 위한 학습자 단말기와;
   상기 학습자 단말기에 제공될 콘텐츠를 저장하기 위한 콘텐츠 DB 모듈, 상기 콘텐츠 DB 모듈에 의해 제공되는 콘텐츠에 대해 학습한 결과를 분석하기 위한 결과 분석모듈, 상기 결과 분석모듈에 의해 분석된 결과를 메타인지적 시각으로 구성하기 위한 메타인지 구성모듈을 구비하는 학습 큐레이션 서버와;
   상기 학습 큐레이션 서버가 전송하는 학습 결과 및 분석을 확인하기 위한 확인 단말기;를 포함하되,
   상기 학습 큐레이션 서버는 학습하고자 하는 콘텐츠에 대한 학습자의 메타인지를 확인하여 해당 학습자의 레벨을 설정하기 위한 레벨 설정모듈을 포함하며,
   상기 학습자 단말기가 설정된 학습자의 정보에 기초하여 학습 큐레이션 서버에 진단 테스트 요청 시, 상기 레벨 설정모듈은 요청된 학습자 단말기의 학습 이력이 없는 경우, 설정된 학습자의 정보 기반의 진단 테스트를 구성하고, 학습 이력이 있는 경우, 누적되어 학습된 콘텐츠 결과 기반의 진단 테스트를 구성하며,
   상기 결과 분석모듈은 학습한 콘텐츠에 대한 확인문제의 정답율에 따라 성취도를 수치화한 다음, 누적되어 학습된 콘텐츠에 대한 성취도를 분석하고, 분석된 성취도에 따른 학습 계획을 설정하며,
   상기 콘텐츠 DB 모듈은 저장된 콘텐츠의 제목 및 해당 콘텐츠의 요약을 포함하는 콘텐츠 속성 정보를 콘텐츠 별로 분류하여 저장하고, 저장된 콘텐츠가 음성파일일 경우 해당 콘텐츠 내용을 키워드 중심으로 문자화하여 가독성을 부여하며,
   상기 메타인지 구성모듈은 콘텐츠 DB 모듈에 저장된 콘텐츠의 커리큘럼을 상위 구조로 연결하여, 학습자 단말기를 통해 설정된 학습자 정보와 대응되는 커리큘럼을 트리 형식으로 구성하고,
   상기 메타인지 구성모듈은 학습한 콘텐츠 및 설정된 학습자의 레벨 중 적어도 어느 하나 이상에 근거하여 해당 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리를 구성하고,
   상기 메타인지 구성모듈은 학습자별 수치화 된 성취도를 포함하는 상위 커리큘럼 트리를 기반으로 하위 커리큘럼 콘텐츠 필드를 구성하여 태그를 통해 대응되는 콘텐츠가 추출되고,
   상기 메타인지 구성모듈은 결과 분석모듈에 의해 분석된 결과를 기반으로 학습자별 콘텐츠 필드를 구성하여 태그를 통해 추출되는 콘텐츠를 추천하고,
   상기 메타인지 구성모듈은 상기 학습자 단말기와 연동된 확인 단말기가 해당 학습자 단말기의 학습 이력 정보를 요청한 경우, 해당 요청된 이력과 대응되는 콘텐츠에 대한 에듀테이너 영상 태그를 전송하며,
   상기 학습 큐레이션 서버는 확인문제의 정답율에 따라 수치화 된 성취도 정보, 커리큘럼 트리 정보, 학습자별 수치화 된 성취도가 포함된 상위 커리큘럼 트리 정보, 하위 커리큘럼 콘텐츠 필드 정보, 학습자별 콘텐츠 필드 기반의 콘텐츠 추천 정보, 에듀테이너 영상 태그 정보 및 DB 모듈에 저장되어 있는 콘텐츠 정보 중 적어도 어느 하나 이상의 정보에 대한 데이터를 전처리하며, 전처리된 데이터를 통해 단일 분석 알고리즘인 의사 결정 트리(Decision Tree)를 기반으로 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상을 분석하기 위한 모델을 구성한 다음, 해당 모델에 머신러닝(Machine Learning) 방식 중 하나인 경사 하강법(Gradient Descent)을 이용하여, 결과 분석모듈에 의해 분석된 성취도를 기초로 콘텐츠 DB 모듈에 저장된 콘텐츠를 학습자의 관심도, 성취율 및 콘텐츠 간의 연관성 중 적어도 어느 하나 이상으로 분류하여 상기 학습 계획을 설정 하기 위한 콘텐츠 자동 분류모듈을 구비하며,
   상기 학습 큐레이션 서버에서 전처리된 데이터를 통해 딥 러닝(Deep Learning) 방식을 통해 학습자에 대해 획득되는 성취율 패턴을 예측하는 것을 특징으로 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템.
   
2. 청구항 1에 있어서,
   상기 콘텐츠 DB 모듈은 학습자 레벨 정보, 콘텐츠 선호도 정보 및 학습 이력 정보 중 적어도 어느 하나 이상의 정보를 학습자별로 저장하기 위한 학습자 DB를 더 포함하고,
   상기 결과 분석서버는 학습자 DB를 기반으로 콘텐츠 DB 모듈에 저장된 콘텐츠에 대한 추천 리스트를 생성하는 것을 특징으로 하는 메타인지 기반의 교육 콘텐츠 큐레이션 시스템.
   

Images