KR20210091442A - Vr 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템 - Google Patents

Vr 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템 Download PDF

Info

Publication number
KR20210091442A
KR20210091442A KR1020200004610A KR20200004610A KR20210091442A KR 20210091442 A KR20210091442 A KR 20210091442A KR 1020200004610 A KR1020200004610 A KR 1020200004610A KR 20200004610 A KR20200004610 A KR 20200004610A KR 20210091442 A KR20210091442 A KR 20210091442A
Authority
KR
South Korea
Prior art keywords
learning
learner
terminal device
curating
server
Prior art date
Application number
KR1020200004610A
Other languages
English (en)
Inventor
김용빈
장원익
Original Assignee
주식회사 해피캔버스
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 해피캔버스 filed Critical 주식회사 해피캔버스
Priority to KR1020200004610A priority Critical patent/KR20210091442A/ko
Publication of KR20210091442A publication Critical patent/KR20210091442A/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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/81—Monomedia components thereof
    • H04N21/816—Monomedia components thereof involving special video data, e.g 3D video

Abstract

VR 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템이 개시된다. 본 발명의 실시 예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 서버는, 학습자 단말장치와의 인터페이스를 지원하여 학습자로부터 학습자정보를 입력받는 학습자 인터페이스부, 입력된 학습자정보로부터 학습데이터를 수집하는 수집부, 수집된 학습데이터를 반영하여 학습그룹을 형성하는 그룹 형성부, 형성된 학습그룹에 따라 VR 콘텐츠를 포함하는 복수의 학습모듈을 생성하는 학습모듈 생성부, 및 학습자 단말장치로 선택 가능한 형태로 생성된 복수의 학습모듈을 제공하는 학습모듈 제공부를 포함한다.

Description

VR 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템 {System and server and operating method to curate study contents by VR contents}
본 발명은 VR 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템에 관한 것으로서, 보다 상세하게는, 학습자에게 적합한 학습 콘텐츠를 큐레이팅하는 VR 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템에 관한 것이다.
교육부는 2014년 '진로교육 의무화 방안'을 공표하여 진로교육의 중요성을 강조하고 있다. 또한, 청와대에서는 100대 국정과제 중 '미래 교육 환경 조성 및 안전한 학교 구현'을 전략으로 설정하고, 이를 위한 개선 정책을 발표하였다. 이에 따라, 미래 교육환경 조성을 위한 진로/체험 등 콘텐츠 고도화에 대한 필요성이 증대되고 있다.
하지만, 교육기관들의 지역적 및 현실적 문제로 인한 체험 콘텐츠의 문제점이 지속적으로 대두되고 있다. 특히, 서울을 포함한 수도권에 인프라가 몰려 있어, 지방과 수도권간의 격차도 심각한 문제점으로 대두되고 있다.
통신 기술 및 전자기술이 발전함에 따라, 다양한 체험형 학습 프로그램들이 제안되고 있다. 그 중에서 가장 인기가 있는 체험형 학습 프로그램으로는 VR(Virtual Reality : 가상현실)을 이용한 체험형 학습 프로그램을 들 수 있다.
특정 시의 2015년 미래진로체험 인성역량교육 운영보고서에 따르면, 초등학생 및 교사에게 매우 인기가 높은 것으로 조사된 교육 과정으로 VR 교육이 선정되었다.
보다 구체적으로 살펴보면, VR 관련 교육프로그램이 전체 교육프로그램 중 학생 대상 만족도 평가에서는 91.2%의 만족도를 기록하였으며, 교사 대상 만족도 평가에서는 100%의 만족도를 기록하였다.
결과적으로, VR을 이용한 체험형 학습 프로그램이 다양하게 제안될 필요성이 있으며, 수도권과 지방의 격차를 줄일 수 있는 교육 프로그램에 대한 개발이 요구된다.
국내공개특허 제2019-0094087호(2019. 8. 12. 공개)
전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 머신러닝 기반의 VR 콘텐츠를 통해 학습자에게 적합한 학습 콘텐츠를 큐레이팅하여 효과적인 학습효과를 거두기 위한 VR 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템을 제시하는 데 있다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 서버는, 학습자 단말장치와의 인터페이스를 지원하여 학습자로부터 학습자정보를 입력받는 학습자 인터페이스부, 입력된 학습자정보로부터 학습데이터를 수집하는 수집부, 수집된 학습데이터를 반영하여 학습그룹을 형성하는 그룹 형성부, 형성된 학습그룹에 따라 VR 콘텐츠를 포함하는 복수의 학습모듈을 생성하는 학습모듈 생성부, 및 학습자 단말장치로 선택 가능한 형태로 생성된 복수의 학습모듈을 제공하는 학습모듈 제공부를 포함한다.
바람직하게, 수집부는 학습자정보로부터 학습자의 성별, 및 연령대를 포함하는 학습데이터를 수집할 수 있다.
또한 바람직하게, 머신러닝 기법에 의해 복수의 학습모듈 중 학습자 단말장치가 선택한 학습모듈의 패턴을 분석하는 분석부를 더 포함할 수 있다.
또한 바람직하게, 생성된 복수의 학습모듈 중 분석된 학습모듈의 패턴에 적합한 학습모듈을 추출하여 추천 학습모듈을 구성하는 추천부를 더 포함하며, 학습모듈 제공부는, 복수의 학습모듈 및 추천 학습모듈을 학습자 단말장치로 제공할 수 있다.
또한 바람직하게, 복수의 학습모듈 및 추천 학습모듈을 교수자 단말장치로 전송하는 교수자 인터페이스부를 더 포함할 수 있다.
한편, 본 발명의 다른 실시 예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 서버의 동작은, 학습자 단말장치로부터 학습자정보를 입력받는 단계, 입력된 학습자정보로부터 학습데이터를 수집하는 단계, 수집된 학습데이터를 반영하여 학습그룹을 형성하는 단계, 형성된 학습그룹에 따라 VR 콘텐츠를 포함하는 복수의 학습모듈을 생성하는 단계, 및 학습자 단말장치로 선택 가능한 형태로 생성된 복수의 학습모듈을 전송하는 단계를 포함한다.
바람직하게, 수집하는 단계는, 학습자정보로부터 학습자의 성별, 및 연령대를 포함하는 학습데이터를 수집할 수 있다.
또한 바람직하게, 머신러닝 기법에 의해 상기 복수의 학습모듈 중 학습자 단말장치가 선택한 학습모듈의 패턴을 분석하는 단계를 더 포함할 수 있다.
또한 바람직하게, 생성된 복수의 학습모듈 중 분석된 학습모듈의 패턴에 적합한 학습모듈을 추출하여 추천 학습모듈을 구성하는 단계를 더 포함하며, 학습모듈 전송하는 단계는, 복수의 학습모듈 및 추천 학습모듈을 학습자 단말장치로 전송할 수 있다.
또한 바람직하게, 복수의 학습모듈 및 추천 학습모듈을 교수자 단말장치로 전송하는 단계를 더 포함할 수 있다.
한편, 본 발명의 또 다른 실시 예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 시스템은, 학습자의 정보를 입력하는 복수의 학습자 단말장치, 학습자 단말장치로부터 학습데이터를 수집하여 학습그룹을 형성하고, 형성된 학습그룹에 따라 머신러닝 기반의 VR 컨텐츠를 포함하는 복수의 학습모듈을 생성하는 학습 큐레이팅 서버, 및 학습 큐레이팅 서버로부터 제공되는 복수의 학습모듈을 복수의 학습자 단말장치로 선별적으로 제공하는 교수자 단말장치를 포함한다.
본 발명에 따르면, 학습자의 상황에 따라 학습그룹을 형성하여 학습그룹별로 다른 학습모듈을 제공하고, 지속적으로 추천패턴을 업데이트하여 학습자에게 적합한 학습모듈을 제공으로써, 보다 효율적인 학습효과를 기대할 수 있는 VR 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템을 제공하는 효과가 있다.
또한, VR 콘텐츠를 포함한 학습모듈을 제공함으로써, 단순한 학습형태가 아니라 학습자의 흥미를 유발할 수 있는 형태로 학습이 이루어질 수 있는 효과가 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 바람직한 실시예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 시스템의 네트워크 구성도,
도 2는 본 발명의 바람직한 실시예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 서버의 블럭도,
도 3은 본 발명의 바람직한 실시예에 따른 학습 큐레이팅 시스템의 다른 예를 보인 도면, 그리고,
도 4는 본 발명의 바람직한 실시예에 따른 학습 큐레이팅 서버의 동작방법을 설명하기 위한 흐름도이다.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
본 명세서에서, 어떤 구성요소가 다른 구성요소 상에 있다고 언급되는 경우에 그것은 다른 구성요소 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 구성요소가 개재될 수도 있다는 것을 의미한다. 또한, 도면들에 있어서, 구성요소들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다.
어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.
또한, 어떤 엘리먼트(또는 구성요소)가 구현됨에 있어서 특별한 언급이 없다면, 그 엘리먼트(또는 구성요소)는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 바람직한 실시예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 시스템의 네트워크 구성도이다.
도 1에 도시한 바와 같이, 본 발명의 바람직한 실시예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 시스템은, 학습 큐레이팅 서버(100), 복수의 학습자 단말장치(200), 및 하나 이상의 교수자 단말장치(300)로 이루어진다.
학습 큐레이팅 서버(100)는 네트워크를 통해 학습자 단말장치(200) 및 교수자 단말장치(300)와 통신을 수행하여 상호간의 다양한 정보를 송수신한다.
또한, 학습 큐레이팅 서버(100)는 학습데이터에 의해 학습그룹을 형성하고, 학습그룹에 따라 적합한 학습모듈을 생성해 학습자에게 제공한다. 학습 큐레이팅 서버(100)에 관하여는 후술하는 도 2에서 보다 상세히 설명한다.
학습자 단말장치(200)는 네트워크를 통해 학습 큐레이팅 서버(100)에 접속하여 학습 큐레이팅 서버(100)에서 제공하는 학습모듈을 제공받아 이용하는 학습자에 해당하는 단말장치이다.
통상의 서버-클라이언트 구조에서와 마찬가지로, 본 실시예의 학습자 단말장치(200)도 복수개 존재한다. 다만, 본 실시예에서는 설명의 편의상 학습 큐레이팅 서버(100)에 하나의 학습자 단말장치(200)가 접속된 것을 예시한 것이다.
교수자 단말장치(300)는 학습자들을 관리하는 교수자에 해당하는 단말장치이다. 여기서, 교수자는 학교의 교사, 기타 교육단체의 강사 및 교육담당자 등을 포함할 수 있다.
교수자 단말장치(300)는 네트워크를 통해 학습 큐레이팅 서버(100)에 접속하여 학습모듈을 제공받을 수 있다. 교수자 단말장치(300)는 학습 큐레이팅 서버(100) 및 학습자 단말장치(200) 간의 정보 송수신에 관여하여 학습 큐레이팅 서버(100)에서 제공하는 학습모듈이 학습자 단말장치(200)로 전송될 때 그 전송 여부를 결정하거나 혹은 전송할 학습모듈의 종류를 선택적으로 결정할 수 있다.
도시한 바와 같이, 학습자 단말장치(200) 및 교수자 단말장치(300)는 통상의 컴퓨터일 수 있으나, 경우에 따라서는 다양한 형태의 모바일 기기가 될수도 있다.
도 2는 본 발명의 바람직한 실시예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 서버의 블럭도이다.
도 2를 참조하면, 본 발명의 바람직한 실시예에 따른 VR 콘텐츠에 의한 학습 큐레이팅 서버(100)는 학습자 인터페이스부(101), 수집부(103), 그룹 형성부(105), 학습모듈 생성부(107), 학습모듈 제공부(109), 분석부(111), 추천부(113), 교수자 인터페이스부(115), 저장부(117), 및 제어부(119)를 포함한다.
학습자 인터페이스부(101)는 학습 큐레이팅 서버(100)와 학습자 단말장치(200) 간의 인터페이스를 지원한다. 학습자 인터페이스부(101)는 학습자 단말장치(200)의 소정 요청신호가 발생시 요청신호를 수신받는다. 또한, 학습자 인터페이스부(101)는 학습자 단말장치(200)로 소정 정보 혹은 콘텐츠를 전송한다. 본 실시예에서, 학습자 인터페이스부(101)는 학습자 단말장치(200)로부터 학습자정보를 입력받는다.
수집부(103)는 학습자정보로부터 학습데이터를 수집한다. 학습자정보에는 학습자로부터 제공받는 여러 기본정보들이 포함될 수 있으며, 수집부(103)는 학습자가 입력한 학습자정보로부터 필요한 정보만을 추출하여 학습데이터를 수집한다.
본 실시예에서, 수집부(103)는 학습자정보로부터 학습자의 성별, 및 연령대를 포함하는 학습데이터를 수집할 수 있다. 수집부(103)는 학습자의 성별, 및 연령대를 포함하여 필요에 따라 다른 데이터를 더 수집할 수도 있다.
그룹 형성부(105)는 수집부(103)에 의해 수집된 학습데이터를 반영하여 학습그룹을 형성한다. 여기서, 학습그룹은 필요로 하는 학습이 공통화될 수 있는 학습자들을 포함하는 그룹, 유사한 학습 성향을 가진 학습자들을 포함하는 그룹 등으로 규정될 수 있다.
학습모듈 생성부(107)는 그룹 형성부(105)에 의해 학습그룹이 형성되면, 이 학습그룹에 따라 VR 콘텐츠를 포함하는 복수의 학습모듈을 생성한다. 여기서, 학습모듈은 실제 학습 내용이 포함된 콘텐츠를 의미한다.
학습모듈 제공부(109)는 학습모듈 생성부(107)에 의해 생성된 학습모듈을 학습자 단말장치(200) 혹은 교수자 단말장치(300)로 선택 가능한 형태로 제공한다. 학습모듈이 선택 가능한 형태로 제공된다는 것은, 학습자 혹은 교수자가 복수의 학습모듈 중 어느 하나를 선택하여 학습을 진행할 수 있도록 한다는 것을 의미한다.
분석부(111)는 머신러닝 기법에 의해 복수의 학습모듈 중 학습자 단말장치(200)가 선택한 학습모듈의 패턴을 분석한다. 분석부(111)의 동작으로 인해, 학습 큐레이팅 서버(100)는 학습자의 성향에 따른 데이터를 기준으로 학습자의 학습 패턴을 지속적으로 파악함으로써, 효과적인 추천 패턴을 보유할 수 있게 된다.
본 실시예에서, 분석부(111)는 머신러닝 기법을 이용해 맞춤형 학습모듈을 제안할 수 있다. 이하에서는 분석부(111)에서 사용하는 머신러닝 기법에 대하여 간략히 살펴보도록 한다
머신러닝은, 인공지능의 한 연구분과로, 데이터에 내재된 패턴, 규칙, 의미 등을 컴퓨터가 스스로 학습할 수 있는 알고리즘을 연구하는 분야이다. 머신러닝의 알고리즘은, 크게 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 나눌 수 있다.
이 중, 강화 학습은 어떤 환경 안에서 정의된 에이전트가 현재의 상태를 인식하여 선택 가능한 행동들 중 보상을 최대화하는 행동 혹은 행동 순서를 선택하는 방법이다. 머신러닝 기법을 통해 학습자의 성향 데이터 모델을 생성하여 학습하고, 이를 바탕으로 새로운 추천 학습모듈을 제안할 수 있다.
다른 실시예로, 분석부(111)는 머신러닝 데이터 모델과 예측 모델에 대한 구축 프로세스를 통해, 데이터 모델의 구축을 위한 샘플 데이터를 등록하여, 데이터를 컬럼별로 정리하고, 특정한 컬럼을 바탕으로 샘플 데이터를 기반으로 하는 예측 데이터 모델을 구축할 수 있다.
준비된 데이터는 전처리 작업을 진행한다. 각 데이터 행에 누락된 값이 있는 경우, 데이터를 분석할 수 없으므로, 누락된 값은 정리되어야 한다. Normalized losses 컬럼에 대한 전처리 작업을 통해 누락된 데이터를 제외한 후 예측 데이터 모델에 대한 특성을 지정한다.
머신러닝에서, '기능'은 관심있는 분야에 대한 측정가능한 개별 속성을 의미한다. 샘플 데이터의 한 행은 사용자를 의미하고, 각 열은 사용자의 기능을 의미한다. 사용하고자 하는 학습 알고리즘을 생성하기 위해 전달하고자 하는 '기능'만 포함하도록 필터링된 데이터를 다시 셋팅하는 작업을 거친다.
사용자의 고유정보에 따른 예측 데이터 모델을 산출하기 위하여, 머신러닝서 학습을 수행한다. 이 모델을 통해 사용자의 기능과 학습모듈 간의 상관관계를 찾는다. 이때 샘플 데이터의 집합에서 모델 학습에 사용할 데이터의 비율을 산정하고, 나머지는 테스트용으로 보유한다.
모델 학습의 결과를 바탕으로 평가 모듈을 출력하여 통계를 확인한다. Mean Absolute Error, Root Mean Squared Error, Relative Absolute Error, Relative Squared Error, Coefficient of Determination 등의 오차 통계가 작을수록 좋으며, 값이 작을수록 예측과 실제 값이 더 근접하게 일치하게 된다. 이러한 실험 절차를 통해 최종 모델 학습 알고리즘을 선정하여 실제 웹서비스의 배포 모델로 사용한다.
추천부(113)는 복수의 학습모듈 중에서, 분석부(111)에 의해 분석된 학습모듈의 패턴에 적합한 학습모듈을 추천하여 추천 학습모듈을 구성한다. 이때, 학습모듈 제공부(109)는 추천부(113)에 의해 생성된 추천 학습모듈을 학습자 단말장치(200)로 제공할 수 있다.
교수자 인터페이스부(115)는 학습 큐레이팅 서버(100)와 교수자 단말장치(300) 간의네트워클 통신을 통한 인터페이스를 지원한다.
저장부(117)는 학습 큐레이팅 서버(100)의 동작에 필요한 모든 정보를 저장한다. 저장부(117)에 저장된 정보들은 후술하는 제어부(119)의 제어에 의해 각 기능 블럭들의 동작에 필요시 해당 기능 블럭으로 제공된다.
제어부(119)는 본 학습 큐레이팅 서버(100)의 전반적인 기능을 제어한다. 즉, 제어부(119)는 학습자 인터페이스부(101), 수집부(103), 그룹 형성부(105), 학습모듈 생성부(107), 학습모듈 제공부(109), 분석부(111), 추천부(113), 교수자 인터페이스부(115), 및 저장부(117) 간의 신호 입출력을 제어한다.
도 3은 본 발명의 바람직한 실시예에 따른 학습 큐레이팅 시스템의 다른 예를 보인 도면이다.
도 3을 참조하면, 교수자 단말장치(300b)와 학습자가 구비한 주변장치들(200a, 및 200b)는 유무선 공유기(400)를 통해 유선 혹은 무선의 통신이 가능하게 구비된다.
도시한 바와 같이, 학습자는 도 1에 도시한 학습자 단말장치(200)를 구비할 수 있으나, 이와 더불어 이어폰 및 모바일 HMD(Head Mounted Display)를 더 구비할 수 있다. 또한, 학습자는 학습자 단말장치(200) 없이 이어폰 및 모바일 HMD만을 구비할 수도 있다.
학습자가 모바일 HMD를 구비하고 있음에 따라, 학습 큐레이팅 서버(100)에서 제공하는 VR 콘텐츠가 포함된 학습모듈을 보다 효과적으로 활용하여 3D VR 콘텐츠를 이용할 수 있으며, 보다 효과적인 학습효과를 기대할 수 있다.
도 4는 본 발명의 바람직한 실시예에 따른 학습 큐레이팅 서버의 동작방법을 설명하기 위한 흐름도이다.
여기서에서는 도 1 내지 도 4를 참조하여, 본 발명의 바람직한 실시예에 따른 학습 큐레이팅 서버의 동작방법을 설명한다.
학습자는 학습자 단말장치(200)를 통해 학습 큐레이팅 서버(100)에 접속하여 학습자정보를 입력한다(S500). 여기서, 학습자정보는 학습자 자신의 연령 및 소속단체 등을 포함하는 기본적인 개인정보를 포함할 수 있다.
학습자가 입력하는 학습자정보는 학습자 인터페이스부(101)를 통해 학습 큐레이팅 서버(100)로 입력된다. 이후, 수집부(103)에서는 학습자정보로부터 학습그룹 형성에 필요한 학습데이터를 수집한다(S510).
수집부(103)에 의해 학습데이터가 수집되면, 그룹 형성부(105)에서는 학습그룹을 형성한다. 이때, 그룹 형성부(105)는 학습자의 연령 및 성별 등을 고려하여 학습그룹을 형성할 수 있다(S520).
그룹 형성부(105)에서 학습그룹이 형성되면, 학습모듈 생성부(107)에서 각 학습그룹 별로 적합한 학습모듈을 생성한다. 이때, 학습모듈은 VR 콘텐츠를 포함하는 학습모듈이며, 하나의 학습그룹에 대하여도 복수의 학습모듈을 생성하여 추후 선택이 가능하도록 한다(S530).
그룹 형성부(105)에 의해 복수의 학습모듈이 생성되면, 학습모듈 제공부(109)에서는 학습자 단말장치(200)혹은 교수자 단말장치(300)로 학습모듈을 제공한다(S540). 이때, 학습모듈 제공부(109)에서 학습모듈을 학습자 단말장치(200)로 제공하는지 혹은 교수자 단말장치(300)로 제공하는지는, 초기 설정에 따른다. 즉, 학습자는 자신이 속하는 단체에 대한 정보를 입력하게 되는데, 이때 단체의 성격에 따라 학습모듈이 어디로 제공되는지의 여부가 결정될 수 있다.
학습자는 학습자 단말장치(200)를 통해 학습 큐레이팅 서버(100)로부터 전송되는 복수의 학습모듈에 대한 리스트를 제공받고, 이를 통해 학습하고자 하는 하나의 학습모듈을 선택한다. 이후, 분석부(111)에서는 학습자가 선택한 학습모듈의 패턴을 분석하여 이를 데이터화한다(S550).
학습자의 학습이 반복되면, 학습 큐레이팅 서버(100)에서는 학습자가 선택한 학습모듈에 의해 해당 학습자에 대한 학습관련정보를 저장부(117)에 저장한다(S560). 이는, 학습자의 성향에 따른 학습 패턴을 분석하기 위한 근거로 사용된다.
이러한 과정에 의해, 학습 큐레이팅 서버(100)에서는 학습자 혹은 교수자에게 복수의 학습모듈을 제공하고, 학습자 혹은 교수자는 복수의 학습모듈 중 하나를 선택하여 학습을 직접 수행하거나 혹은 학습을 하도록 지도한다. 또한, 학습자 및 교수자에 의해 선택된 학습모듈은 학습 큐레이팅 서버(100)에 의해 지속적으로 데이터화되어 관리됨으로써, 여러 학습자에게 적합한 학습 추천 패턴을 더욱 정확하게 하기 위한 근거로 사용될 수 있다.
본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 학습 큐레이팅 서버 101 : 학습자 인터페이스부
103 : 수집부 105 : 그룹 형성부
107 : 학습모듈 생성부 109 : 학습모듈 제공부
111 : 분석부 113 : 추천부
115 : 교수자 인터페이스부 117 : 저장부
119 : 제어부

Claims (11)

  1. 학습자 단말장치와의 인터페이스를 지원하여 학습자로부터 학습자정보를 입력받는 학습자 인터페이스부;
    상기 입력된 학습자정보로부터 학습데이터를 수집하는 수집부;
    상기 수집된 학습데이터를 반영하여 학습그룹을 형성하는 그룹 형성부;
    상기 형성된 학습그룹에 따라 VR 콘텐츠를 포함하는 복수의 학습모듈을 생성하는 학습모듈 생성부; 및
    상기 학습자 단말장치로 선택 가능한 형태로 상기 생성된 복수의 학습모듈을 제공하는 학습모듈 제공부;를 포함하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버.
  2. 제 1 항에 있어서,
    상기 수집부는, 상기 학습자정보로부터 상기 학습자의 성별, 및 연령대를 포함하는 학습데이터를 수집하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버.
  3. 제 1 항에 있어서,
    머신러닝 기법에 의해 상기 복수의 학습모듈 중 상기 학습자 단말장치가 선택한 학습모듈의 패턴을 분석하는 분석부;를 더 포함하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버.
  4. 제 3 항에 있어서,
    상기 생성된 복수의 학습모듈 중 상기 분석된 학습모듈의 패턴에 적합한 학습모듈을 추출하여 추천 학습모듈을 구성하는 추천부;를 더 포함하며,
    상기 학습모듈 제공부는, 상기 복수의 학습모듈 및 상기 추천 학습모듈을 상기 학습자 단말장치로 제공하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버.
  5. 제 4 항에 있어서,
    상기 복수의 학습모듈 및 상기 추천 학습모듈을 교수자 단말장치로 전송하는 교수자 인터페이스부;를 더 포함하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버.
  6. 학습자 단말장치로부터 학습자정보를 입력받는 단계;
    상기 입력된 학습자정보로부터 학습데이터를 수집하는 단계;
    상기 수집된 학습데이터를 반영하여 학습그룹을 형성하는 단계;
    상기 형성된 학습그룹에 따라 VR 콘텐츠를 포함하는 복수의 학습모듈을 생성하는 단계; 및
    상기 학습자 단말장치로 선택 가능한 형태로 상기 생성된 복수의 학습모듈을 전송하는 단계;를 포함하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버의 동작방법.
  7. 제 6 항에 있어서,
    상기 수집하는 단계는, 상기 학습자정보로부터 상기 학습자의 성별, 및 연령대를 포함하는 학습데이터를 수집하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버의 동작방법.
  8. 제 6 항에 있어서,
    머신러닝 기법에 의해 상기 복수의 학습모듈 중 상기 학습자 단말장치가 선택한 학습모듈의 패턴을 분석하는 단계;를 더 포함하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버의 동작방법.
  9. 제 8 항에 있어서,
    상기 생성된 복수의 학습모듈 중 상기 분석된 학습모듈의 패턴에 적합한 학습모듈을 추출하여 추천 학습모듈을 구성하는 단계;를 더 포함하며,
    상기 학습모듈 전송하는 단계는, 상기 복수의 학습모듈 및 상기 추천 학습모듈을 상기 학습자 단말장치로 전송하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버의 동작방법.
  10. 제 9 항에 있어서,
    상기 복수의 학습모듈 및 상기 추천 학습모듈을 교수자 단말장치로 전송하는단계;를 더 포함하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 서버의 동작방법.
  11. 학습자의 정보를 입력하는 복수의 학습자 단말장치;
    상기 학습자 단말장치로부터 학습데이터를 수집하여 학습그룹을 형성하고, 상기 형성된 학습그룹에 따라 머신러닝 기반의 VR 컨텐츠를 포함하는 복수의 학습모듈을 생성하는 학습 큐레이팅 서버; 및
    상기 학습 큐레이팅 서버로부터 제공되는 복수의 학습모듈을 상기 복수의 학습자 단말장치로 선별적으로 제공하는 교수자 단말장치;를 포함하는 것을 특징으로 하는 VR 콘텐츠에 의한 학습 큐레이팅 시스템.
KR1020200004610A 2020-01-14 2020-01-14 Vr 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템 KR20210091442A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200004610A KR20210091442A (ko) 2020-01-14 2020-01-14 Vr 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200004610A KR20210091442A (ko) 2020-01-14 2020-01-14 Vr 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템

Publications (1)

Publication Number Publication Date
KR20210091442A true KR20210091442A (ko) 2021-07-22

Family

ID=77158082

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200004610A KR20210091442A (ko) 2020-01-14 2020-01-14 Vr 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템

Country Status (1)

Country Link
KR (1) KR20210091442A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102518825B1 (ko) * 2022-11-25 2023-04-06 이정수 자기 개발을 위한 강화 학습 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190094087A (ko) 2018-11-22 2019-08-12 주식회사 머니브레인 머신러닝 기반의 대화형 ai 에이전트 시스템과 연관된, 사용자 맞춤형 학습 모델을 포함하는 사용자 단말 및 사용자 맞춤형 학습 모델이 기록된 컴퓨터 판독가능 기록 매체

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190094087A (ko) 2018-11-22 2019-08-12 주식회사 머니브레인 머신러닝 기반의 대화형 ai 에이전트 시스템과 연관된, 사용자 맞춤형 학습 모델을 포함하는 사용자 단말 및 사용자 맞춤형 학습 모델이 기록된 컴퓨터 판독가능 기록 매체

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102518825B1 (ko) * 2022-11-25 2023-04-06 이정수 자기 개발을 위한 강화 학습 시스템

Similar Documents

Publication Publication Date Title
CN110598770B (zh) 一种多空间融合学习环境构建方法和装置
Mershad et al. A learning management system enhanced with internet of things applications
Deng et al. Personalized learning in a virtual hands-on lab platform for computer science education
Muntean et al. Innovative technology-based solutions for primary, secondary and tertiary STEM education
Wang et al. Smart educational learning strategy with the internet of things in higher education system
Dinnar et al. Artificial intelligence and technology in teaching negotiation
Yuskovych-Zhukovska et al. Application of artificial intelligence in education. Problems and opportunities for sustainable development
Tian Teaching effect evaluation system of ideological and political teaching based on supervised learning
Baz New Trends in e-Learning
Yin et al. Research on virtual reality interactive teaching under the environment of big data
Embarak An adaptive paradigm for smart education systems in smart cities using the internet of behaviour (IoB) and explainable artificial intelligence (XAI)
Mamcenko et al. On using learning analytics to personalise learning in virtual learning environments
Geng et al. Analysis of the teaching quality using novel deep learning-based intelligent classroom teaching framework
CN110727800A (zh) 一种自适应儿童学前教育系统和方法
KR20210091442A (ko) Vr 콘텐츠에 의한 학습 큐레이팅 서버 및 그의 동작방법 그리고 그 시스템
Zhang et al. Learning preference: development in smart learning environments
Peiris et al. A conceptual framework for evolving, recommender online learning systems
Badshah et al. Towards smart education through the internet of things: A review
Cabada et al. Intelligent tutoring system with affective learning for mathematics
Shminan et al. Dynamic student assessment to advocate personalized learning plan
Chen et al. The impact of digital technology on the reform of art teaching in the wireless network environment
KR102231392B1 (ko) 빅 데이터 및 머신 러닝 모델을 이용한 추천 교육 컨텐트를 제공하기 위한 전자 장치 및 그 동작 방법
Wang et al. Adaptive Education System for Drama Education in College Education System Based on Human-Computer
Xiaogang A research on distance education system based on artificial intelligence technology
Terzieva et al. Conceptual model of intelligent educational system and the need of big data analytics

Legal Events

Date Code Title Description
E601 Decision to refuse application