KR20210101533A - Test Score Prediction System using Artificial Intelligence and Big Data and Method of Providing Evaluation Information Thereof - Google Patents
Test Score Prediction System using Artificial Intelligence and Big Data and Method of Providing Evaluation Information Thereof Download PDFInfo
- Publication number
- KR20210101533A KR20210101533A KR1020200015613A KR20200015613A KR20210101533A KR 20210101533 A KR20210101533 A KR 20210101533A KR 1020200015613 A KR1020200015613 A KR 1020200015613A KR 20200015613 A KR20200015613 A KR 20200015613A KR 20210101533 A KR20210101533 A KR 20210101533A
- Authority
- KR
- South Korea
- Prior art keywords
- test
- examiner
- score
- score prediction
- learning
- Prior art date
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 250
- 238000011156 evaluation Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013473 artificial intelligence Methods 0.000 title abstract description 56
- 238000013135 deep learning Methods 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims description 13
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000003745 diagnosis Methods 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 4
- 230000000306 recurrent effect Effects 0.000 claims description 4
- PVNUIRUAPVSSOK-UHFFFAOYSA-N tert-butylimino(tripyrrolidin-1-yl)-$l^{5}-phosphane Chemical compound C1CCCN1P(N1CCCC1)(=NC(C)(C)C)N1CCCC1 PVNUIRUAPVSSOK-UHFFFAOYSA-N 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 24
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010998 test method Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 235000009470 Theobroma cacao Nutrition 0.000 description 1
- 244000240602 cacao Species 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000013589 supplement Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Marketing (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
Description
본 발명은 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법에 관한 것으로, 특히 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법에 관한 것이다.The present invention relates to a test score prediction system and a method for providing evaluation information thereof, and more particularly, to a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof.
최근 정보통신 기기와 유무선 통신망의 발전과 더불어, 정보통신 기기와 유무선 통신망을 이용하여 사용자가 편리하게 학습 컨텐츠를 접할 수 있는 다양한 시도가 이루어지고 있다. 기존의 오프라인 학습이 학습자 개개인의 능력이나 수준을 반영하지 못하고 일방적으로 이루어진 데 비해, 온라인 상에서 정보통신 기기를 이용하여 이루어지는 학습은 어느 정도 학습자 개인의 개인적인 특성을 반영하고 있다.Recently, with the development of information communication devices and wired/wireless communication networks, various attempts have been made to allow users to conveniently access learning contents using information communication devices and wired/wireless communication networks. Whereas the existing offline learning was conducted unilaterally without reflecting the abilities or level of individual learners, online learning using information and communication devices reflects the individual characteristics of individual learners to some extent.
종래의 영어 수준 측정 테스트는 수능, 공무원 수험생에 특화된 테스트가 아닌, 전반적인 영어 수준(리딩, 리스닝, 스피킹)을 측정하는 테스트만 존재한다.In the conventional English level measurement test, there is only a test that measures the overall English level (reading, listening, speaking), not a test specific to the CSAT and civil servant examinees.
또한, 종래의 기술들은 컴퓨터 시스템을 활용해서 컨텐츠를 만들거나 모의시험을 보는 방법이므로, 인공지능 및 딥러닝을 활용하여 계속적으로 새로운 모델을 개발하는 시스템이 필요하다.In addition, since conventional technologies are methods of creating content or taking a mock test using a computer system, a system that continuously develops new models using artificial intelligence and deep learning is required.
본 발명은 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법으로 사용자 데이터 및 딥러닝 알고리즘을 통해 시험 점수 예측 모델을 생성하고, 예측 모델을 활용하여 검사자의 시험 점수 예측하고 학습 수준 결과와 예측 점수를 제공하는데 그 목적이 있다.The present invention is a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof. A test score prediction model is generated through user data and a deep learning algorithm, and the test score is predicted and learned by using the prediction model. Its purpose is to provide level outcomes and predictive scores.
본 발명의 명시되지 않은 또 다른 목적들은 하기의 상세한 설명 및 그 효과로부터 용이하게 추론할 수 있는 범위 내에서 추가적으로 고려될 수 있다.Other objects not specified in the present invention may be additionally considered within the scope that can be easily inferred from the following detailed description and effects thereof.
상기 과제를 해결하기 위해, 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템은, 검사자에게 기 마련된 테스트를 제공하고, 상기 검사자가 상기 테스트를 진행하는 동안 상기 검사자의 테스트 평가 데이터를 수집하는 평가 데이터 수집부, 점수 예측 모델을 이용하여 상기 평가 데이터로부터 상기 검사자의 점수를 예측하여 점수 예측 정보를 생성하는 점수 예측부 및 상기 점수 예측 정보와 진단 결과를 종합하여 결과 리포트를 작성하는 리포트 작성부를 포함한다.In order to solve the above problems, a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention provides a pre-prepared test to an examiner, An evaluation data collection unit collecting test evaluation data, a score prediction unit generating score prediction information by predicting the examiner's score from the evaluation data using a score prediction model, and a result report by synthesizing the score prediction information and the diagnosis result It includes a report writing unit for writing.
여기서, 상기 점수 예측 모델 생성을 위해 이전에 상기 기 마련된 테스트를 진행한 다수의 사용자로부터 모델링 데이터를 수집하고, 딥러닝 알고리즘을 기반으로 수집한 상기 모델링 데이터를 이용하여 점수 예측 모델을 생성하는 점수 예측 모델 생성부를 더 포함한다.Here, for generating the score prediction model, modeling data is collected from a plurality of users who have previously performed the pre-prepared test, and a score prediction model is generated using the modeling data collected based on a deep learning algorithm. It further includes a model generation unit.
여기서, 상기 검사자의 테스트 평가 데이터를 기반으로, 상기 검사자의 학습 수준을 측정하는 학습 수준 측정부를 더 포함한다.Here, based on the test evaluation data of the examiner, it further includes a learning level measuring unit for measuring the learning level of the examiner.
여기서, 상기 모델링 데이터는, 상기 사용자의 개인 정보, 기 설정된 기간 이내의 실제 해당 시험 점수, 상기 기 마련된 테스트의 풀이 속도 및 상기 기 마련된 테스트의 점수를 포함한다.Here, the modeling data includes the user's personal information, the actual test score within a preset period, the solving speed of the preset test, and the score of the preset test.
여기서, 상기 검사자의 테스트 평가 데이터는, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력을 포함하며, 상기 점수 예측부는, 상기 검사자의 테스트 평가 데이터의 각각의 항목들을 상기 점수 예측 모델의 항목들과 비교하여 점수를 예측한다.Here, the test evaluation data of the examiner includes the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension, and the score prediction unit compares each item of the examiner's test evaluation data with items of the score prediction model. Compare and predict the score.
여기서, 상기 점수 예측 모델 생성부는, RNN(Recurrent Neural Networks)을 포함하여 인공 신경망을 구축하며, BTPP(Backpropagation Through Time) 알고리즘을 이용하여 신경망 학습을 진행한다.Here, the score prediction model generator constructs an artificial neural network including Recurrent Neural Networks (RNNs), and performs neural network learning using a Backpropagation Through Time (BTPP) algorithm.
여기서, 상기 점수 예측부는, 상기 모델링 데이터와 상기 검사자의 테스트 평가 데이터를 비교하여, 상위 백분율로 나타내고, 해당 백분율에 따라 점수를 예측하며, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력의 개별 점수 및 합계 점수를 산정한다.Here, the score prediction unit compares the modeling data with the test evaluation data of the examiner, represents it as an upper percentage, predicts a score according to the percentage, and individual scores of the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension and a total score.
여기서, 상기 학습 수준 측정부는, 상기 검사자의 어휘 능력을 단어의 뜻(Meaning), 단어의 형태(Form), 단어의 쓰임(Use)에 따라 분류하여 분류된 항목에 따라 어휘 능력을 측정한다.Here, the learning level measuring unit classifies the vocabulary ability of the examiner according to the meaning of the word, the form of the word, and the use of the word, and measures the vocabulary ability according to the classified items.
여기서, 상기 점수 예측부는, 상기 모델링 데이터로부터 기 마련된 테스트 결과의 평균 점수와 기 설정된 백분율 내에 속하는 합격권 점수를 산정하고, 상기 리포트 작성부는, 상기 학습 수준 측정부에서 측정된 상기 검사자의 학습 수준을 종합하여 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력의 개별 점수에 따른 상기 검사자의 현재 수준을 상기 평균 점수와 상기 합격권 점수 내에 표시하여 나타낸다.Here, the score prediction unit calculates an average score of a pre-prepared test result and a pass score that falls within a preset percentage from the modeling data, and the report writing unit synthesizes the learning level of the examiner measured by the learning level measuring unit Thus, the examiner's current level according to individual scores of the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension is displayed within the average score and the pass score.
여기서, 상기 검사자의 학습 수준을 반영하여, 상기 검사자에게 제공하는 테스트의 난이도를 조정하는 테스트 업데이트부를 더 포함한다.Here, by reflecting the learning level of the examiner, it further includes a test update unit for adjusting the difficulty of the test provided to the examiner.
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 평가 정보 제공 방법은, 검사자에게 기 마련된 테스트를 제공하고, 상기 검사자가 상기 테스트를 진행하는 동안 상기 검사자의 테스트 평가 데이터를 수집하는 단계, 검사자의 테스트 평가 데이터를 기반으로, 상기 검사자의 학습 수준을 측정하는 단계 및 점수 예측 모델을 이용하여 상기 평가 데이터로부터 상기 검사자의 점수를 예측하고, 점수 예측 정보와 상기 검사자의 학습 수준에 따른 진단 결과를 종합하여 결과 리포트를 작성하는 단계를 포함한다.The method for providing evaluation information of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention provides a test prepared to an examiner, and evaluates the examiner's test while the examiner performs the test Collecting data, measuring a learning level of the examiner based on the examiner's test evaluation data, and predicting the examiner's score from the evaluation data using a score prediction model, score prediction information and the examiner's and writing a result report by synthesizing the diagnosis results according to the learning level.
여기서, 상기 검사자의 테스트 평가 데이터는, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력을 포함하며, 상기 검사자의 점수를 예측하는 단계는, 상기 검사자의 테스트 평가 데이터의 각각의 항목들을 상기 점수 예측 모델의 항목들과 비교하여 점수를 예측한다.Here, the test evaluation data of the examiner includes the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension, and predicting the examiner's score may include predicting the score by using each item of the examiner's test evaluation data. It predicts a score by comparing it to the items in the model.
여기서, 상기 검사자의 학습 수준을 측정하는 단계는, 상기 검사자의 어휘 능력을 단어의 뜻(Meaning), 단어의 형태(Form), 단어의 쓰임(Use)에 따라 분류하여 분류된 항목에 따라 어휘 능력을 측정한다.Here, the measuring of the examiner's learning level includes classifying the examiner's vocabulary ability according to word meaning, word form, and word use, and vocabulary ability according to the classified items. measure
여기서, 상기 검사자의 학습 수준을 측정하는 단계는, 상기 검사자의 독해 속도를 상기 기 마련된 테스트의 문장에서 상기 검사자가 설정된 시간 동안 독해 가능한 단어의 개수를 이용하여 측정한다.Here, the measuring of the examiner's learning level may include measuring the examiner's reading comprehension speed by using the number of words that the examiner can read for a set time in the prepared test sentences.
여기서, 상기 검사자의 학습 수준을 측정하는 단계는, 상기 검사자가 설정된 시간 동안 독해 가능한 단어의 개수에 따라 상기 테스트 문장 이해력을 점수로 환산하여 이해력 정도를 예측한다.Here, in the measuring the learning level of the examiner, the level of comprehension is predicted by converting the test sentence comprehension into a score according to the number of words that the examiner can read for a set time.
이상에서 설명한 바와 같이 본 발명의 실시예들에 의하면, 사용자 데이터 및 딥러닝 알고리즘을 통해 시험 점수 예측 모델을 생성하고, 예측 모델을 활용하여 검사자의 시험 점수 예측하고 학습 수준 결과와 예측 점수를 제공할 수 있다.As described above, according to the embodiments of the present invention, it is possible to generate a test score prediction model through user data and a deep learning algorithm, predict the test score of the examiner using the prediction model, and provide a learning level result and a predicted score. can
여기에서 명시적으로 언급되지 않은 효과라 하더라도, 본 발명의 기술적 특징에 의해 기대되는 이하의 명세서에서 기재된 효과 및 그 잠정적인 효과는 본 발명의 명세서에 기재된 것과 같이 취급된다.Even if it is an effect not explicitly mentioned herein, the effects described in the following specification expected by the technical features of the present invention and their potential effects are treated as if they were described in the specification of the present invention.
도 1은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템을 도시한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 진행을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 점수 예측 모델을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 블록도이다.
도 5는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 프로세서를 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 시험 점수 예측부의 블록도이다.
도 7은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 점수 예측 모델 생성부의 블록도이다.
도 8은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 어휘력 테스트 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 독해 속도 및 이해력 측정 테스트 방법을 설명하기 위한 도면이다.
도 10 및 도 11은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 점수 예측 모델 생성 방법을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 점수 예측 모델을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 결과 리포트 전송을 설명하기 위한 도면이다.
도 14 및 도 15는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 결과 리포트 설명하기 위한 도면이다.
도 16은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 평가 정보 제공 방법을 나타낸 흐름도이다.1 is a conceptual diagram illustrating a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
2 is a diagram for explaining the progress of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
3 is a diagram for explaining a score prediction model of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
4 is a block diagram of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
5 is a diagram for explaining a processor of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
6 is a block diagram of a test score prediction unit of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
7 is a block diagram of a score prediction model generator of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
8 is a diagram for explaining a vocabulary test method of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
9 is a diagram for explaining a test method for measuring reading comprehension speed and comprehension of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
10 and 11 are diagrams for explaining a method of generating a score prediction model of a test score prediction system using artificial intelligence and big data and a method of providing evaluation information thereof according to an embodiment of the present invention.
12 is a view for explaining a score prediction model of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
13 is a diagram for explaining transmission of a result report of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
14 and 15 are diagrams for explaining a result report of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
16 is a flowchart illustrating a method for providing evaluation information in a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
이하, 본 발명에 관련된 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법에 대하여 도면을 참조하여 보다 상세하게 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.Hereinafter, a test score prediction system using artificial intelligence and big data related to the present invention and a method for providing evaluation information thereof will be described in more detail with reference to the drawings. However, the present invention may be embodied in various different forms, and is not limited to the described embodiments. In addition, in order to clearly describe the present invention, parts irrelevant to the description are omitted, and the same reference numerals in the drawings indicate the same members.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.The suffixes "module" and "part" for the components used in the following description are given or mixed in consideration of only the ease of writing the specification, and do not have a meaning or role distinct from each other by themselves.
본 발명은 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법에 관한 것이다.The present invention relates to a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof.
도 1은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템을 도시한 개념도이다.1 is a conceptual diagram illustrating a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템은 시험 점수를 예측하고 평가 정보를 제공하는 서버(1)와 검사를 수행하고자 하는 다수의 사용자 단말들(2, 3, 4, 5)들을 포함한다.Referring to FIG. 1 , a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention predicts a test score and provides evaluation information to a
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템은 사용자 빅데이터(연령, 자사 수준 테스트 결과, 시험 점수, 풀이 시간 등)와 딥러닝 알고리즘에 기반 한 시험 점수 예측 모델을 개발하고, 테스트 결과 및 예측 점수를 문서형태(PDF)로 제작 후 전송하는 시스템이다.The test score prediction system using artificial intelligence and big data according to an embodiment of the present invention is a test score prediction model based on user big data (age, self-level test results, test scores, solution time, etc.) and a deep learning algorithm It is a system that develops and transmits test results and prediction scores in document format (PDF).
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템을 이용하여 수험생들은 본인들의 영어 학습 수준을 필요할 때마다 수시로 테스트하고, 결과에 따른 시험 예상 점수를 미리 예측해 볼 수 있다. By using the test score prediction system using artificial intelligence and big data according to an embodiment of the present invention, students can test their English learning level whenever necessary, and predict the expected test score according to the result .
또한, 현재의 영어 점수를 확인하고, 영역 별로 세분화하여 학습 수준을 판단하여 부족한 학습 영역을 판단하고, 부족한 영역을 보완하도록 테스트를 업데이트할 수 있다.In addition, the current English score may be checked, and the learning level may be determined by subdividing each area to determine the insufficient learning area, and the test may be updated to supplement the insufficient area.
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템은 유무선 네트워크, 예를 들어 인터넷을 통해 접속된 복수의 검사자들이 소유하고 있는 사용자 단말기들(2, 3, 4, 5)로 시험 점수 예측 서비스를 제공할 수 있다.The test score prediction system using artificial intelligence and big data according to an embodiment of the present invention includes
여기서, 상기 사용자 단말기들(2, 3, 4, 5) 각각은 일반 컴퓨터 시스템이거나, 스마트폰 또는 태블릿 PC와 같은 스마트 단말기이거나, 가상 현실을 구현할 수 있는 HMD(Head mounted Display) 장치일 수도 있다.Here, each of the
또한, 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템에서 서버는 아마존 웹서비스 (AWS)를 사용하고, 클라이언트는 IOS와 안드로이드로 구성되며, 각 플랫폼에서 지향하는 언어 Swift, Java or kotlin을 사용하고, 데이터베이스는 MYSQL을 쓰며 데이터 분석을 위한 Elastic Search를 사용하여 구현되며, 이에 한정되는 것은 아니다.In addition, in the test score prediction system using artificial intelligence and big data according to an embodiment of the present invention, the server uses Amazon Web Services (AWS), and the client consists of IOS and Android, and the language directed by each platform. Swift, Java or kotlin is used, the database is MYSQL, and it is implemented using Elastic Search for data analysis, but is not limited thereto.
도 2는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 진행을 설명하기 위한 도면이다.2 is a diagram for explaining the progress of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템은 단순한 영어 학습 진행이 아닌, 검사자가 향후 진행할 시험에 특화된 데이터를 이용하여 수준 테스트와 점수 예측을 진행한다.The test score prediction system using artificial intelligence and big data according to an embodiment of the present invention is not a simple English learning process, but a level test and score prediction using data specialized for a test to be conducted in the future by the examiner.
예를 들어, 검사자가 향후 수능 또는 공무원 시험을 진행하는 경우, 영어 지문 또는 단어 학습을 진행할 때 관련 시험을 선택하여, 관련 시험에 빈출하는 지문과 단어 학습을 수행할 수 있으므로, 효율적인 학습이 가능해진다.For example, if the examiner proceeds with the CSAT or civil service exam in the future, when conducting English fingerprint or word learning, he/she can select the relevant test and perform the fingerprint and word learning that are frequent in the related test, so efficient learning is possible .
도 2에 나타난 바와 같이, 사용자가 어플리케이션을 통해 접속하여 제공되는 테스트를 수행한다.As shown in FIG. 2 , a test provided by a user accessing through an application is performed.
제공되는 테스트는, 검사자의 어휘력, 독해 속도, 이해력 등 영어 학습 수준을 테스트하기 위한 것이다.The test provided is to test the tester's English learning level, such as vocabulary, reading speed, and comprehension.
검사자가 테스트를 진행하는 동안 수집된 검사자의 테스트 평가 데이터는 API 서버로 전송되며, 점수 예측 모델의 학습에 이용된다.The test evaluation data of the inspector collected while the inspector conducts the test is transmitted to the API server and is used to train the score prediction model.
점수 예측 모델은 검사자가 검사 이전에 기 마련된 테스트를 진행한 다수의 사용자로부터 모델링 데이터를 수집하고, 딥러닝 알고리즘을 기반으로 수집한 상기 모델링 데이터를 이용하여 생성되며, 다수의 검사자가 테스트를 진행하면 다시 테스트 평가 데이터가 모델링 데이터로 수집되어 점수 예측 모델이 갱신된다.The score prediction model is generated using the modeling data collected based on a deep learning algorithm by collecting modeling data from a plurality of users who have performed a pre-tested test before the examiner, and a plurality of inspectors performing the test Again, the test evaluation data is collected as modeling data, and the score prediction model is updated.
검사자가 테스트를 끝내면, 점수 예측 모델을 이용하여 평가 데이터로부터 상기 검사자의 점수를 예측하여 점수 예측 정보를 생성한다.When the examiner finishes the test, score prediction information is generated by predicting the examiner's score from the evaluation data using the score prediction model.
이후, 점수 예측 정보와 진단 결과를 종합하여 결과 리포트를 작성하며, 결과 리포트는 이메일을 통해 테스트 결과 및 예측 점수를 전송할 수 있고, 별도의 분석 과정을 진행 후 검사자에게 테스트 및 분석 결과를 전달할 수 있다.Thereafter, the result report is created by synthesizing the score prediction information and the diagnosis result, and the result report can transmit the test result and the predicted score through e-mail, and after a separate analysis process, the test and analysis results can be delivered to the examiner. .
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템은 빅데이터 처리 및 분석을 위한 병렬 처리 기술(Spark), 시스템의 확장성 및 안정성을 위한 컨테이너 가상화 기술(Docker), 딥러닝 알고리즘 활용을 위한 머신 러닝 프레임워크 (Tensor Flow, Keras), Rest API를 위한 웹 프레임워크 (Django, Flask, Express.js) 및 API 문서화를 위한 문서화 툴(Swagger)을 이용하여 구현되는 것이 바람직하다. A test score prediction system using artificial intelligence and big data according to an embodiment of the present invention includes parallel processing technology (Spark) for big data processing and analysis, container virtualization technology (Docker) for system scalability and stability, It is desirable to implement using a machine learning framework (Tensor Flow, Keras) for using deep learning algorithms, a web framework for Rest API (Django, Flask, Express.js), and a documentation tool (Swagger) for API documentation. do.
또한, 영어 수준 측정을 위한 테스트 어플리케이션은, iOS 앱 UI 개발을 위한 프레임워크(Cocoa Framework), iOS 앱 네트워크 통신을 위한 프레임워크 (AFNetworking), Android 앱 UI 개발을 위한 프레임워크(Java API Framework) 및 Android 앱 네트워크 통신을 위한 프레임워크(Retrofit)를 활용하여 구현되는 것이 바람직하다.In addition, the test application for measuring English level is a framework for iOS app UI development (Cocoa Framework), a framework for iOS app network communication (AFNetworking), a framework for Android app UI development (Java API Framework) and It is preferable to implement by utilizing the framework (Retrofit) for Android app network communication.
영어 수준 측정을 위한 테스트 어플리케이션은 영어 학습 이론을 바탕으로 영어학습 수준 측정 테스트로써, 어휘력 측정 테스트 기능과 어휘 뜻, 철자, 파생형 테스트 기능, 독해 속도 및 이해력 측정 테스트 기능 및 WPM(Words per Minute) 및 이해력 측정 테스트 기능을 포함한다.The test application for measuring English level is an English learning level measurement test based on English learning theory, with a vocabulary measurement test function, a vocabulary meaning, spelling, and derivative test function, a reading speed and comprehension measurement test function, and WPM (Words per Minute) and comprehension test functions.
도 3은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 점수 예측 모델을 설명하기 위한 도면이다.3 is a diagram for explaining a score prediction model of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
점수 예측 모델은 후술할 점수 예측 모델 생성부(12)에서 생성되며, 점수 예측 모델 생성부(12)는 점수 예측 모델 생성을 위해 이전에 상기 기 마련된 테스트를 진행한 다수의 사용자로부터 모델링 데이터를 수집하고, 딥러닝 알고리즘을 기반으로 수집한 상기 모델링 데이터를 이용하여 점수 예측 모델을 생성한다.The score prediction model is generated by the score prediction
구체적으로, 도 3의 (a)에 나타난 바와 같이, 수험생 영어 점수 예측 모델 제작을 위한 수험생 데이터 수집하며, 수험생의 개인 정보, 최근 시험 점수와 준비하는 시험의 기출 문제를 풀게 하여 실제 수험생의 독해 속도 및 현재 점수(이해력) 등 모델링에 필요한 데이터를 수집한다.Specifically, as shown in Fig. 3 (a), the actual test taker's reading comprehension speed by collecting test taker data for producing the test taker's English score prediction model, and solving the test taker's personal information, recent test scores and previous questions of the test to be prepared and data required for modeling, such as current scores (comprehension).
이후, 도 3의 (b)에 나타난 바와 같이, 딥러닝 알고리즘을 활용한 점수 예측 모델 생성 및 관리 시스템 구축한다. (Deep Sight)Thereafter, as shown in (b) of FIG. 3, a score prediction model generation and management system using a deep learning algorithm is constructed. (Deep Sight)
구체적으로, RNN(Recurrent Neural Networks)의 한 종류인 LSTM(Long Short-term Memory)이용한 인공 신경망 구축하며, BTPP(Backpropagation Through Time) 알고리즘을 이용한 신경망 학습 진행한다.Specifically, an artificial neural network using LSTM (Long Short-term Memory), a type of Recurrent Neural Networks (RNN), is constructed, and neural network learning is performed using a BTPP (Backpropagation Through Time) algorithm.
오픈소스 머신러닝 프레임워크(Tensor Flow, Keras)를 활용하여 모델을 생성하며, 제작된 예측 모델을 저장 관리하고, 정확도 비교를 통해 예측 모델을 개선한다.It creates a model by using an open source machine learning framework (Tensor Flow, Keras), stores and manages the created predictive model, and improves the predictive model by comparing accuracy.
도 4는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 블록도이다.4 is a block diagram of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
도 4를 참조하면, 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템(1)은 프로세서(10), 메모리(20), 입력부(30), 출력부(40)를 포함한다.Referring to FIG. 4 , the test
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템(1)은 사용자 빅데이터(연령, 자사 수준 테스트 결과, 시험 점수, 풀이 시간 등)와 딥러닝 알고리즘에 기반 한 시험 점수 예측 모델을 개발하고, 테스트 결과 및 예측 점수를 문서형태(PDF)로 제작 후 전송하는 시스템이다.Test
메모리(20)는 프로세서(10)의 처리 및 제어를 위한 프로그램들(하나 이상의 인스트럭션들)을 저장할 수 있다.The
메모리(20)에 저장된 프로그램들은 기능에 따라 복수 개의 모듈들로 구분될 수 있으며, 후술할 시험 점수 예측부가 소프트웨어 모듈로 구성될 수 있다.Programs stored in the
프로세서(10)는 메모리(20)에 저장된 하나 이상의 인스트럭션을 실행하며, 구체적으로, 데이터를 수집하여 점수 예측 모델을 생성하고, 검사자에게 기 마련된 테스트를 제공하여, 상기 검사자가 테스트를 진행하는 동안 상기 검사자의 테스트 평가 데이터를 수집한다. 이후, 점수 예측 모델을 이용하여 상기 평가 데이터로부터 상기 검사자의 점수를 예측하여 점수 예측 정보를 생성하고, 상기 점수 예측 정보와 진단 결과를 종합하여 결과 리포트를 작성하여 검사자에게 제공한다.The
또한, 입력부(30)는 사용자가 시험 점수 예측과 점수 예측 모델을 제어하기 위한 데이터를 입력하는 수단을 의미한다.In addition, the input unit 30 means a means for the user to input data for controlling the test score prediction and the score prediction model.
출력부(40)는 검사자의 예측 점수와 학습 수준에 관한 정보를 표시할 수 있다. 예를 들어, 출력부(40)는 프로세서(10)로부터 획득된 결과 리포트를 표시할 수 있다.The
도 5는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 프로세서를 설명하기 위한 도면이다.5 is a diagram for explaining a processor of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
시험 점수 예측부(11)는 검사자에게 기 마련된 테스트를 제공하고, 상기 검사자가 상기 테스트를 진행하는 동안 상기 검사자의 테스트 평가 데이터를 수집하고, 점수 예측 모델을 이용하여 상기 평가 데이터로부터 상기 검사자의 점수를 예측하여 점수 예측 정보를 생성한다.The test
구체적으로, 시험 점수 예측부(11)는 실시간 사용자 데이터 기반 예측 점수 제공 REST API로 구축되며, 클라우드 환경(Amazon Web Service)에서 가상 컨테이너(Docker)를 통한 API 서버를 구축하고, 사용자 데이터를 받아 예측 점수를 제공할 수 있는 API 설계하여 구현한다.Specifically, the test
평가 결과를 제공하기 위해, 수준 측정 테스트 결과 관리 및 예측 점수 보고서 제공 시스템을 구축하고, 앱에서 전송되는 수준 측정 테스트 결과를 관리할 수 있는 시스템을 구축한다. 사용자 데이터를 보고서 형태의 PDF로 변환 후 이메일로 전송하는 기능을 구현할 수 있다.To provide evaluation results, build a system for managing level measurement test results and providing prediction score reports, and build a system for managing level measurement test results sent from the app. It is possible to implement a function that converts user data to PDF in the form of a report and then sends it by e-mail.
점수 예측 모델 생성부(12)는 점수 예측 모델 생성을 위해 이전에 상기 기 마련된 테스트를 진행한 다수의 사용자로부터 모델링 데이터를 수집하고, 딥러닝 알고리즘을 기반으로 수집한 상기 모델링 데이터를 이용하여 점수 예측 모델을 생성한다.The score prediction
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 프로세서는 기 마련된 점수 예측 모델을 이용하는 것으로써 시험 점수 예측부(11)만으로 구성되고, 딥러닝 학습을 진행하는 점수 예측 모델 생성부(12)는 별도로 구성되는 것도 가능하다.The processor of the test score prediction system using artificial intelligence and big data according to an embodiment of the present invention is composed of only the test
도 6은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 시험 점수 예측부의 블록도이다.6 is a block diagram of a test score prediction unit of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
도 6을 참조하면, 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템(1)의 시험 점수 예측부(11)는 평가 데이터 수집부(100), 점수 예측부(200), 학습 수준 측정부(300), 리포트 작성부(400), 테스트 업데이트부(500)를 포함한다.Referring to FIG. 6 , the test
평가 데이터 수집부(100)는 검사자에게 기 마련된 테스트를 제공하고, 상기 검사자가 상기 테스트를 진행하는 동안 상기 검사자의 테스트 평가 데이터를 수집한다.The evaluation
점수 예측부(200)는 점수 예측 모델을 이용하여 상기 평가 데이터로부터 상기 검사자의 점수를 예측하여 점수 예측 정보를 생성한다.The
여기서, 상기 검사자의 테스트 평가 데이터는, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력을 포함하며, 상기 점수 예측부는, 상기 검사자의 테스트 평가 데이터의 각각의 항목들을 상기 점수 예측 모델의 항목들과 비교하여 점수를 예측한다.Here, the test evaluation data of the examiner includes the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension, and the score prediction unit compares each item of the examiner's test evaluation data with items of the score prediction model. Compare and predict the score.
점수 예측부(200)는 상기 모델링 데이터와 상기 검사자의 테스트 평가 데이터를 비교하여, 상위 백분율로 나타내고, 해당 백분율에 따라 점수를 예측하며, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력의 개별 점수 및 합계 점수를 산정한다.The
학습 수준 측정부(300)는 상기 검사자의 테스트 평가 데이터를 기반으로, 상기 검사자의 학습 수준을 측정한다.The learning
여기서, 검사자의 학습 수준은 어휘력(Meaning, Form, Use)과 독해 속도 및 이해력(Word Per Minutes)을 측정한다.Here, the tester's learning level measures vocabulary (Meaning, Form, Use), reading speed, and comprehension (Word Per Minutes).
학습 수준 측정부(300)는 상기 검사자의 어휘 능력을 단어의 뜻(Meaning), 단어의 형태(Form), 단어의 쓰임(Use)에 따라 분류하여 분류된 항목에 따라 어휘 능력을 측정한다.The learning
다수의 연구에 따르면 수능·공무원 시험에서 수험생의 점수에 영향을 미치는 요인들은 어휘력, 독해 속도 및 이해력이므로, 어휘, 독해속도 및 이해를 측정하는 테스트를 수행한다.According to a number of studies, the factors affecting the scores of examinees in the CSAT and civil service exams are vocabulary, reading speed, and comprehension.
학습자의 전반적인 영어 수준을 측정 할 수 있는 테스트로서 개발된 영어 수준 측정 테스트를 실시할 수 있는 앱 UI를 통해 구현된다.It is implemented through the app UI that can perform the English level measurement test developed as a test that can measure the learner's overall English level.
단어를 안다는 것은 크게 Meaning, Form, Use로 분류해 볼 수 있고, 3가지 분류 안에서 세부적인 내용들이 있으므로, 본 발명의 일 실시예에서는 단어의 뜻, 단어의 형태, 단어의 쓰임을 얼마나 알고 있는지를 측정하는 테스트를 이용한다.Knowing a word can be largely classified into Meaning, Form, and Use, and since there are detailed contents in the three classifications, in one embodiment of the present invention, how much do you know the meaning of the word, the form of the word, and the use of the word? Use a test to measure
구체적인 어휘력 테스트, 독해 속도 및 이해력 측정 방법은 하기 도 8 및 도 9에서 예로 들어 설명한다.A specific vocabulary test, reading speed, and comprehension measuring method will be described with reference to FIGS. 8 and 9 below as examples.
리포트 작성부(400)는 상기 점수 예측 정보와 진단 결과를 종합하여 결과 리포트를 작성한다.The
점수 예측부(200)는 상기 모델링 데이터로부터 기 마련된 테스트 결과의 평균 점수와 기 설정된 백분율 내에 속하는 합격권 점수를 산정하고, 리포트 작성부(400)는, 상기 학습 수준 측정부에서 측정된 상기 검사자의 학습 수준을 종합하여 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력의 개별 점수에 따른 상기 검사자의 현재 수준을 상기 평균 점수와 상기 합격권 점수 내에 표시하여 나타낸다.The
테스트 업데이트부(500)는 상기 검사자의 학습 수준을 반영하여, 상기 검사자에게 제공하는 테스트의 난이도를 조정한다.The
도 7은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 점수 예측 모델 생성부의 블록도이다.7 is a block diagram of a score prediction model generator of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
도 7을 참조하면, 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템(1)의 점수 예측 모델 생성부(12)는 트레이닝 데이터 입력부(610), 전처리부(620), 학습 데이터 선택부(630), 모델 학습부(640)를 포함한다.Referring to FIG. 7 , the score prediction
점수 예측 모델 생성부(12)는 점수 예측 모델 생성을 위해 이전에 상기 기 마련된 테스트를 진행한 다수의 사용자로부터 모델링 데이터를 수집하고, 딥러닝 알고리즘을 기반으로 수집한 상기 모델링 데이터를 이용하여 점수 예측 모델을 생성한다.The score prediction
점수 예측 모델 생성부(12)는, RNN(Recurrent Neural Networks)을 포함하여 인공 신경망을 구축하며, BTPP(Backpropagation Through Time) 알고리즘을 이용하여 신경망 학습을 진행한다.The score
트레이닝 데이터 입력부(610)는 모델링 데이터를 트레이닝 데이터로 제공받는다.The training data input unit 610 receives modeling data as training data.
예를 들어, 트레이닝 데이터 입력부(610)는 다수의 사용자의 시험 항목에 따른 사용자의 개인 정보, 기 설정된 기간 이내의 실제 해당 시험 점수, 상기 기 마련된 테스트의 풀이 속도 및 상기 기 마련된 테스트의 점수를 트레이닝 데이터로 획득할 수 있다.For example, the training data input unit 610 trains the user's personal information according to the test items of a plurality of users, the actual corresponding test score within a preset period, the solving speed of the preset test, and the score of the preset test data can be obtained.
전처리부(620)는 후술할 모델 학습부(640)가 학습을 위하여 획득된 적어도 하나의 모델링 데이터를 이용할 수 있도록 기 설정된 포맷으로 가공할 수 있다.The
학습 데이터 선택부(630)는 전처리된 데이터 중에서 학습에 필요한 모델링 데이터를 선택할 수 있다. 예를 들어, 사용자의 개인 정보나 실제 해당 시험 점수에 따른 레벨에 따라 선택할 수 있으며, 선택된 모델링 데이터는 모델 학습부(640)에 제공될 수 있다.The learning
모델 학습부(640)는 모델링 데이터로부터 어떠한 정보를 이용하여 점수를 예측하는지에 대한 기준을 학습할 수 있다.The
예를 들어, 모델 학습부(640)는 사용자의 점수 예측을 위하여 점수 예측 모델에 포함된 복수의 레이어 중 어떤 레이어에 변환된 센서 데이터를 적용해야 하는지에 대한 제1 기준을 학습할 수도 있다. 여기에서, 제1 기준은, 점수 예측 모델을 이용하여, 점수를 예측하는데 이용되는 평가 데이터 또는 데이터의 종류 및 개수, 결합 연산의 종류 및 수준 등을 포함할 수 있다. For example, the
또한, 점수 예측 모델의 학습이 완료되면, 모델 학습부(640)는 점수 예측 모델을 저장할 수 있다. 이 경우, 모델 학습부(640)는 점수 예측 모델을 메모리에 저장할 수 있다. 이에 따라, 점수 예측부(200)는 점수 예측 모델을 이용하여 검사자의 점수 예측 과정을 수행할 수 있다. 또한, 점수 예측 모델을 유선 또는 무선 네트워크로 연결되는 서버의 메모리에 저장할 수도 있다.Also, when the learning of the score prediction model is completed, the
도 8은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 어휘력 테스트 방법을 설명하기 위한 도면이다.8 is a diagram for explaining a vocabulary test method of a test score prediction system using artificial intelligence and big data and a method of providing evaluation information thereof according to an embodiment of the present invention.
도 8은 검사자의 단말에 표시되는 화면을 나타내는 것으로 어휘력 테스트는 도 8의 (a)에 해당하는 종합 테스트, 도 8의 (b)에 해당하는 단어 테스트, 도 8의 (c)에 해당하는 단어 쓰임에 따라 테스트할 수 있다.8 is a view showing a screen displayed on the examiner's terminal. The vocabulary test is a comprehensive test corresponding to FIG. 8(a), a word test corresponding to FIG. 8(b), and a word corresponding to FIG. 8(c). It can be tested according to usage.
도 8의 (a)에 해당하는 종합 테스트에서 사용자는 해당 단어를 보고 단순히 뜻만을 체크하는 것이 아닌, 본적 있음, 발음 가능, 뜻을 아는 것, 철자 쓰기 가능, 전혀 모름을 판단하여 선택할 수 있다.In the comprehensive test corresponding to (a) of FIG. 8 , the user does not simply check the meaning of the word by looking at the word, but selects it by judging whether he has seen it, can pronounce it, knows the meaning, can write the spelling, or does not know at all.
단어를 얼마나 아는가에 대한 판단을 할 수 있으므로, 아는 단어와 모르는 단어의 구분과 동시에 발음과 철자까지 익힐 때까지 학습이 가능하며, 보다 완벽한 학습이 가능해진다.Since you can judge how much you know a word, it is possible to learn until you learn pronunciation and spelling as well as distinguish between known and unknown words, and more perfect learning is possible.
도 8의 (b)에 해당하는 단어 뜻 테스트에서는 단어 뜻을 구분하여 학습이 가능하다.In the word meaning test corresponding to (b) of FIG. 8 , it is possible to classify the meaning of the word and learn it.
도 8의 (c)에 해당하는 단어 쓰임 테스트에서는 문장을 읽고 문맥에 따라 어울리는 단어를 표시함으로써 독해 능력을 함께 향상 시키고, 빈칸 주변의 단어들과 해당 단어들 간의 연어(collocation)를 습득할 수 있다는 장점이 있다.In the word usage test corresponding to (c) of FIG. 8 , it is possible to improve reading comprehension ability together by reading sentences and displaying words suitable for each context, and to acquire words around blanks and collocations between the words. There are advantages.
도 9는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 독해 속도 및 이해력 측정 테스트 방법을 설명하기 위한 도면이다.9 is a diagram for explaining a test method for measuring reading comprehension speed and comprehension of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
독해 속도 측정 및 이해력 측정을 연구하기 위해서는 WPM(Word Per Minutes)의 개념을 도입한다.To study reading speed measurement and comprehension measurement, the concept of WPM (Word Per Minutes) is introduced.
수험생들이 가장 어려워하며 추상적으로 받아들이는 부분은 독해 속도와 이해이며, 본 발명의 일 실시예에서는 영어의 독해 속도와 이해력을 측정하고 향상시키기 위해서 WPM(Word per Minute)이라는 개념을 활용한다.The most difficult and abstract parts accepted by the test takers are reading speed and comprehension, and in an embodiment of the present invention, the concept of WPM (Word per Minute) is used to measure and improve the reading speed and comprehension of English.
여기서, WPM은 1분당 독해 할 수 있는 단어의 개수를 나타내는 개념을 의미한다.Here, WPM means a concept representing the number of words that can be read per minute.
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법은 독해 속도를 측정 할 수 있는 기능과 함께 이해력의 정도를 테스트 할 수 있도록 하며, 해당 기능을 반복적으로 사용할 경우 독해 속도와 이해력을 향상시킬 수 있도록 수능, 공무원 영어 시험에서 출제된 본문을 기반으로 테스트를 제작한다.A test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention allow testing of the degree of comprehension along with a function of measuring the reading comprehension speed, and In case of repeated use, the test is produced based on the text from the SAT and civil servant English test to improve reading speed and comprehension.
도 9의 (a)는 독해 속도를 측정하기 위한 것이며, 도 9의 (b)는 원문 해석에 따른 이해력을 측정하기 위한 것이고, 도 9의 (c)는 문제 해결 능력을 판단하기 위한 것이다.Fig. 9(a) is for measuring reading comprehension speed, Fig. 9(b) is for measuring comprehension according to text interpretation, and Fig. 9(c) is for determining problem-solving ability.
도 9의 (a)에서 독해 속도를 측정하기 위해 먼저 학습할 지문 정보(710)를 선택할 수 있다.In (a) of FIG. 9 , in order to measure the reading speed, the
도 9의 (a)에서는 경찰 공무원 출제 시험을 예로 들어 표시하였지만 이에 한정되는 것은 아니며, 수능, 토익, 토플, 경찰 공무원, 7급/9급 공무원 등 다양한 출제 분야를 반영할 수 있다.In (a) of FIG. 9 , the police officer exam is shown as an example, but the present invention is not limited thereto, and various exam fields such as the SAT, TOEIC, TOEFL, police officer, and grade 7/9 official may be reflected.
종래의 경우 수능, 공무원 수험생에 특화된 영어 수준 측정 및 점수 예측과 관련된 서비스를 제공하지 않고, 전반적인 영어 수준(리딩, 리스닝, 스피킹)을 측정하는 테스트만 존재하지만, 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템은 검사자의 시험에 따라 해당 시험에 특화된 지문 선정과 어휘 선정에 따른 테스트 제공이 가능하므로 사용자 맞춤 학습 개념을 활용한 최적화된 학습 제공이 가능해진다.In the conventional case, there is only a test for measuring the overall English level (reading, listening, speaking), without providing services related to the English level measurement and score prediction specialized for the CSAT and civil servant examinees, but the artificial intelligence according to an embodiment of the present invention The test score prediction system using intelligence and big data makes it possible to provide optimized learning using a user-customized learning concept because it is possible to select a fingerprint specialized for the test and provide a test according to the selection of vocabulary according to the examiner's test.
읽기 가이드 정보(720)는 사용자의 독해 속도를 측정하고 예상 시험 완료 시간을 제시한다.The reading
이에 따라, 검사자가 실제 시험시간에서의 속도를 맞추기 위한 훈련을 수행할 수 있다.Accordingly, the examiner can perform training to match the speed in the actual test time.
도 9의 (b)와 (c)에서는 원문 해석을 수행할 때 이해력을 측정하며, 지문에 제공되는 단어의 개수(730)에 따라 독해 속도에 따른 해석 능력을 판단할 수 있다.In (b) and (c) of FIG. 9 , comprehension is measured when the text is interpreted, and the interpretability according to the reading comprehension speed can be determined according to the number of
도 10 및 도 11은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 점수 예측 모델 생성 방법을 설명하기 위한 도면이다.10 and 11 are diagrams for explaining a method of generating a score prediction model of a test score prediction system using artificial intelligence and big data and a method of providing evaluation information thereof according to an embodiment of the present invention.
도 10은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템에서 데이터를 수집하고 시각화하는 절차를 나타낸 것이다.10 shows a procedure for collecting and visualizing data in a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
도 10의 (a)에서, 수험생 영어 점수 예측 모델 제작을 위해 수험생 데이터를 수집하여 실시간으로 데이터를 저장하고 검색할 수 있다.In (a) of FIG. 10 , it is possible to store and search the data in real time by collecting examinee data in order to produce a model for predicting an examinee's English score.
구체적으로, 대규모 정보를 저장하고 검색하기 위해 사용하는 오픈소스, elasticsearch를 활용해 실시간으로 사용자 데이터를 저장하고 검색할 수 있다.Specifically, it is possible to store and search user data in real time by using elasticsearch, an open source used to store and search large-scale information.
도 10의 (b)에서, 저장된 데이터를 별도로 분산 저장하여 다양한 분석을 실시할 수 있다.In (b) of FIG. 10 , various analyzes may be performed by separately storing and distributing the stored data.
도 10의 (c)에서, 저장된 데이터와 분석된 결과를 시각화하여 데이터 현황을 모니터링 할 수 있다.In (c) of FIG. 10 , the data status can be monitored by visualizing the stored data and the analyzed results.
이후, 딥러닝 알고리즘을 활용하여 점수 예측 모델을 생성하고 관리 시스템을 구축한다.After that, a score prediction model is created using a deep learning algorithm and a management system is built.
도 11은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 점수 예측 모델 생성 방법을 간략히 나타낸 것이다.11 schematically illustrates a method for generating a score prediction model of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
도 11의 (a)에서, 수험생 데이터를 수집하며, 구체적으로 다양한 분야의 데이터를 수집하기 위해 수능 수험생 전용 데이터와 공무원 전용 데이터를 구분하여 수집한다. 또한, 자사 플랫폼을 활용하여 계속적인 수험생 전용 데이터를 수집하여 실시간으로 업데이트한다.In (a) of FIG. 11 , examinee data is collected, and specifically, in order to collect data in various fields, data exclusively for CSAT examinees and data for civil servants are separately collected. In addition, it utilizes its platform to continuously collect data dedicated to examinees and update them in real time.
도 11의 (b)에서, 딥러닝 알고리즘을 사용하여 점수 예측 모델을 학습한다.In (b) of FIG. 11 , a score prediction model is trained using a deep learning algorithm.
기존 연구에서 사람이 불가능한 연산 방법 및 연산 횟수를 딥러닝 알고리즘으로 해결하며, 계속적으로 모델을 관리해주고 개선해나가도록 시스템을 설계한다.The system is designed to continuously manage and improve the model by solving the computation method and number of computations that are impossible for humans in existing research with a deep learning algorithm.
도 11의 (c)에서, 데이터 분석 및 모델을 설계한다.In Fig. 11(c), data analysis and model are designed.
차후, 수집되는 데이터를 활용한 새로운 모델을 시스템이 자체적으로 제작하며, 계속적으로 많은 전문 인력이 필요한 예측 부분을 인공 지능 시스템이 자체 해결할 수 있다. 다양한 국가의 영어 시험에 대한 분석도 가능할 수 있도록 시스템을 개발하여, 해외 시장을 진출할 때, 기존 시스템을 활용하여 진출하는 것이 가능하다.In the future, the system creates a new model using the collected data, and the artificial intelligence system can solve the prediction parts that continuously require a lot of experts. By developing a system to enable analysis of English tests in various countries, it is possible to enter overseas markets using the existing system.
도 12는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 점수 예측 모델을 설명하기 위한 도면이다.12 is a view for explaining a score prediction model of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
도 12에 나타난 바와 같이, 사용자 개인 데이터(나이, 학력, 시험 준비 기간 등), 출제 문제 기반 모의고사 데이터(어휘력, 독해속도, 이해력), 사용자 기존 시험 점수 데이터를 기반으로 빅데이터 분석 기술과 인공 지능 기술을 활용하여 데이터와 결과 사이의 경향성을 이용하여 검사자의 점수를 예측하고 평가 정보를 제공할 수 있다.12, big data analysis technology and artificial intelligence based on user personal data (age, academic background, test preparation period, etc.), question-based mock test data (vocabulary ability, reading comprehension, comprehension), and user existing test score data Techniques can be used to predict testers' scores and provide evaluation information using trends between data and results.
도 13은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 결과 리포트 전송을 설명하기 위한 도면이다.13 is a diagram for explaining transmission of a result report of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
결과 리포트 전송은 이메일로 전송하는 서비스를 이용할 수 있으며, 도 13에 나타난 바와 같이 수험생이 앱 또는 웹에서 테스트를 진행하면, 테스트 결과를 앱, 이메일, 또는 메신저 응용 프로그램을 통해 검사자에게 전송할 수 있다.The result report can be transmitted using an e-mail service, and as shown in FIG. 13 , when a test taker conducts a test on the app or the web, the test result can be transmitted to the examiner through the app, e-mail, or messenger application.
또한, 검사자와 연동된 상담 선생님 및 부모에게 각각 다른 결과 데이터를 전송할 수 있다. 예를 들어 상담 선생님에게는 취약 분야와 백분율을 위주로 한 정보를 제공할 수 있으며, 부모에게는 예측 점수와 함께 지도 방안 등을 전송할 수 있다.In addition, different result data may be transmitted to the counselor and the parent linked with the examiner. For example, a counselor can be provided with information focusing on areas of weakness and percentage, and a guidance plan along with a predicted score can be transmitted to parents.
도 14 및 도 15는 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템 및 이의 평가 정보 제공 방법의 결과 리포트 설명하기 위한 도면이다.14 and 15 are diagrams for explaining a result report of a test score prediction system using artificial intelligence and big data and a method for providing evaluation information thereof according to an embodiment of the present invention.
도 14는 Deep Insight를 활용한 시험 점수 예측 보고서를 예로 들어 나타낸 것이다.14 is an example of a test score prediction report using Deep Insight.
시험 예상 점수는 검사자가 기 마련된 테스트를 진행하였을 때의 결과를 기반으로, 실제 시험을 보았을 때의 결과를 예측하여 나타낸 것이며, 검사자의 독해 시간 측정 결과에 따라 예상 독해 시간을 산출할 수 있다.The expected test score is a result of the actual test based on the result of the examiner performing a pre-prepared test, and the expected reading time can be calculated according to the tester's reading comprehension time measurement result.
이에 따라, 점수 분포도와 합격권에 해당하는 지점을 기준으로 검사자의 현재 위치에 해당하는 지점을 표시할 수 있다.Accordingly, a point corresponding to the current position of the examiner may be displayed based on the score distribution map and the point corresponding to the pass.
이때, 점수 예측부가 상기 모델링 데이터와 상기 검사자의 테스트 평가 데이터를 비교하여, 상위 백분율로 나타내고, 해당 백분율에 따라 점수를 예측하며, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력의 개별 점수 및 합계 점수를 산정하여 나타낸다.At this time, the score prediction unit compares the modeling data with the test evaluation data of the examiner, represents it as an upper percentage, predicts a score according to the percentage, and individual scores and sums of the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension The score is calculated and displayed.
영역별 상태는 어휘력과 독해력으로 구분하여 나타내며, 점수 예측부는, 상기 모델링 데이터로부터 기 마련된 테스트 결과의 평균 점수와 기 설정된 백분율 내에 속하는 합격권 점수를 산정하고, 리포트 작성부는 상기 학습 수준 측정부에서 측정된 상기 검사자의 학습 수준을 종합하여 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력의 개별 점수에 따른 상기 검사자의 현재 수준을 상기 평균 점수와 상기 합격권 점수 내에 표시하여 나타낸다.The status for each area is divided into vocabulary and reading comprehension, and the score prediction unit calculates the average score of the pre-prepared test results from the modeling data and the pass score that falls within a preset percentage, and the report writing unit calculates the score measured by the learning level measurement unit. The tester's learning level is synthesized and the tester's current level according to individual scores of the tester's vocabulary ability, reading comprehension speed, and test sentence comprehension is displayed within the average score and the pass score.
도 14에 나타난 바와 같이, 수험생 평균, 시험 합격권에 해당하는 점수와 현재 검사자의 점수를 시각적으로 판단할 수 있으므로, 보다 명확히 검사자의 현재 수준을 파악할 수 있다.As shown in FIG. 14 , since it is possible to visually determine the average of the examinee, the score corresponding to the pass, and the current examiner's score, the examinee's current level can be more clearly identified.
또한, 도 15에 나타난 바와 같이, 검사자의 어휘 능력을 단어의 뜻(Meaning), 단어의 형태(Form), 단어의 쓰임(Use)에 따라 분류하여 분류된 항목에 따라 어휘 능력을 측정할 수 있으며, 독해 속도는 정답률을 반영하여 나타낼 수 있다.In addition, as shown in Fig. 15, the vocabulary ability of the examiner is classified according to the meaning of the word, the form of the word, and the use of the word, and the vocabulary ability can be measured according to the classified items. , the reading comprehension rate can be expressed by reflecting the correct answer rate.
도 16은 본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 평가 정보 제공 방법을 나타낸 흐름도이다.16 is a flowchart illustrating a method for providing evaluation information in a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention.
본 발명의 일 실시예에 따른 인공지능 및 빅데이터를 활용한 시험 점수 예측 시스템의 평가 정보 제공 방법은 단계 S100에서 검사자에게 기 마련된 테스트를 제공하고, 상기 검사자가 상기 테스트를 진행하는 동안 상기 검사자의 테스트 평가 데이터를 수집한다.In the method for providing evaluation information of a test score prediction system using artificial intelligence and big data according to an embodiment of the present invention, a pre-prepared test is provided to an examiner in step S100, and while the examiner performs the test, the examiner's Collect test evaluation data.
단계 S200에서 검사자의 테스트 평가 데이터를 기반으로, 상기 검사자의 학습 수준을 측정한다.In step S200, the examiner's learning level is measured based on the examiner's test evaluation data.
여기서, 상기 검사자의 테스트 평가 데이터는, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력을 포함한다.Here, the test evaluation data of the examiner includes the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension.
검사자의 학습 수준을 측정하는 단계(S200)는, 상기 검사자의 어휘 능력을 단어의 뜻(Meaning), 단어의 형태(Form), 단어의 쓰임(Use)에 따라 분류하여 분류된 항목에 따라 어휘 능력을 측정한다.In the step of measuring the examiner's learning level (S200), the examiner's vocabulary ability is classified according to word meaning, word form, and word use, and vocabulary ability according to the classified items. measure
또한, 상기 검사자의 독해 속도를 상기 기 마련된 테스트의 문장에서 상기 검사자가 설정된 시간 동안 독해 가능한 단어의 개수를 이용하여 측정하며, 상기 검사자가 설정된 시간 동안 독해 가능한 단어의 개수에 따라 상기 테스트 문장 이해력을 점수로 환산하여 이해력 정도를 예측한다.In addition, the examiner's reading comprehension speed is measured using the number of words that the examiner can read for a set time in the prepared test sentence, and the test sentence comprehension is measured according to the number of words that the examiner can read for a set time. It is converted into a score to predict the degree of comprehension.
단계 S300에서 점수 예측 모델을 이용하여 상기 평가 데이터로부터 상기 검사자의 점수를 예측하고, 점수 예측 정보와 상기 검사자의 학습 수준에 따른 진단 결과를 종합하여 결과 리포트를 작성한다.In step S300, the examiner's score is predicted from the evaluation data using the score prediction model, and a result report is created by synthesizing the score prediction information and the diagnosis result according to the examiner's learning level.
상기 검사자의 점수를 예측하는 단계는, 상기 검사자의 테스트 평가 데이터의 각각의 항목들을 상기 점수 예측 모델의 항목들과 비교하여 점수를 예측한다.The predicting of the examiner's score may include predicting a score by comparing each item of the examiner's test evaluation data with items of the score prediction model.
이상의 설명은 본 발명의 일 실시예에 불과할 뿐, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명의 본질적 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현할 수 있을 것이다. 따라서 본 발명의 범위는 전술한 실시예에 한정되지 않고 특허 청구 범위에 기재된 내용과 동등한 범위 내에 있는 다양한 실시 형태가 포함되도록 해석되어야 할 것이다.The above description is only one embodiment of the present invention, and those of ordinary skill in the art to which the present invention pertains will be able to implement in a modified form without departing from the essential characteristics of the present invention. Therefore, the scope of the present invention is not limited to the above-described embodiments, but should be construed to include various embodiments within the scope equivalent to the content described in the claims.
Claims (15)
점수 예측 모델을 이용하여 상기 평가 데이터로부터 상기 검사자의 점수를 예측하여 점수 예측 정보를 생성하는 점수 예측부; 및
상기 점수 예측 정보와 진단 결과를 종합하여 결과 리포트를 작성하는 리포트 작성부;를 포함하는 것을 특징으로 하는 시험 점수 예측 시스템.an evaluation data collection unit that provides a pre-prepared test to an examiner and collects test evaluation data of the examiner while the examiner performs the test;
a score prediction unit for predicting the examiner's score from the evaluation data using a score prediction model to generate score prediction information; and
and a report writing unit that creates a result report by synthesizing the score prediction information and the diagnosis result.
상기 점수 예측 모델 생성을 위해 이전에 상기 기 마련된 테스트를 진행한 다수의 사용자로부터 모델링 데이터를 수집하고, 딥러닝 알고리즘을 기반으로 수집한 상기 모델링 데이터를 이용하여 점수 예측 모델을 생성하는 점수 예측 모델 생성부;를 더 포함하는 것을 특징으로 하는 시험 점수 예측 시스템.According to claim 1,
To generate the score prediction model, modeling data is collected from a plurality of users who have previously performed the pre-prepared test, and a score prediction model is generated using the modeling data collected based on a deep learning algorithm to generate a score prediction model. Test score prediction system, characterized in that it further comprises;
상기 검사자의 테스트 평가 데이터를 기반으로, 상기 검사자의 학습 수준을 측정하는 학습 수준 측정부;를 더 포함하는 것을 특징으로 하는 시험 점수 예측 시스템.3. The method of claim 2,
The test score prediction system according to claim 1, further comprising: a learning level measuring unit configured to measure a learning level of the examiner based on the test evaluation data of the examiner.
상기 모델링 데이터는, 상기 사용자의 개인 정보, 기 설정된 기간 이내의 실제 해당 시험 점수, 상기 기 마련된 테스트의 풀이 속도 및 상기 기 마련된 테스트의 점수를 포함하는 것을 특징으로 하는 시험 점수 예측 시스템.3. The method of claim 2,
The modeling data, the user's personal information, the actual test score within a preset period, the test score prediction system, characterized in that it includes the preset test solving speed and the preset test score.
상기 검사자의 테스트 평가 데이터는, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력을 포함하며,
상기 점수 예측부는, 상기 검사자의 테스트 평가 데이터의 각각의 항목들을 상기 점수 예측 모델의 항목들과 비교하여 점수를 예측하는 것을 특징으로 하는 시험 점수 예측 시스템.4. The method of claim 3,
The test evaluation data of the examiner includes the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension,
The score prediction unit compares each item of the test evaluation data of the examiner with the items of the score prediction model to predict a score.
상기 점수 예측 모델 생성부는,
RNN(Recurrent Neural Networks)을 포함하여 인공 신경망을 구축하며, BTPP(Backpropagation Through Time) 알고리즘을 이용하여 신경망 학습을 진행하는 것을 특징으로 하는 시험 점수 예측 시스템.3. The method of claim 2,
The score prediction model generation unit,
A test score prediction system, characterized in that an artificial neural network is constructed including RNN (Recurrent Neural Networks), and neural network learning is performed using a BTPP (Backpropagation Through Time) algorithm.
상기 점수 예측부는, 상기 모델링 데이터와 상기 검사자의 테스트 평가 데이터를 비교하여, 상위 백분율로 나타내고, 해당 백분율에 따라 점수를 예측하며,
상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력의 개별 점수 및 합계 점수를 산정하는 것을 특징으로 하는 시험 점수 예측 시스템.6. The method of claim 5,
The score prediction unit compares the modeling data with the test evaluation data of the examiner, represents the upper percentage, and predicts the score according to the percentage,
The test score prediction system, characterized in that the individual scores and total scores of the examiner's vocabulary ability, reading speed, and test sentence comprehension are calculated.
상기 학습 수준 측정부는,
상기 검사자의 어휘 능력을 단어의 뜻(Meaning), 단어의 형태(Form), 단어의 쓰임(Use)에 따라 분류하여 분류된 항목에 따라 어휘 능력을 측정하는 것을 특징으로 하는 시험 점수 예측 시스템.4. The method of claim 3,
The learning level measurement unit,
The test score prediction system, characterized in that the vocabulary ability of the examiner is classified according to the meaning of the word, the form of the word, and the use of the word, and the vocabulary ability is measured according to the classified items.
상기 점수 예측부는, 상기 모델링 데이터로부터 기 마련된 테스트 결과의 평균 점수와 기 설정된 백분율 내에 속하는 합격권 점수를 산정하고,
상기 리포트 작성부는, 상기 학습 수준 측정부에서 측정된 상기 검사자의 학습 수준을 종합하여 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력의 개별 점수에 따른 상기 검사자의 현재 수준을 상기 평균 점수와 상기 합격권 점수 내에 표시하여 나타내는 것을 특징으로 하는 시험 점수 예측 시스템.9. The method of claim 8,
The score prediction unit calculates an average score of a pre-prepared test result from the modeling data and a pass score that falls within a preset percentage,
The report writing unit may be configured to synthesize the examinee's learning level measured by the learning level measuring unit and to calculate the present level of the examiner according to individual scores of the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension with the average score and the pass mark. A test score prediction system, characterized in that it is indicated by marking within the score.
상기 검사자의 학습 수준을 반영하여, 상기 검사자에게 제공하는 테스트의 난이도를 조정하는 테스트 업데이트부;를 더 포함하는 것을 특징으로 하는 시험 점수 예측 시스템.4. The method of claim 3,
The test score prediction system further comprising a; a test update unit that reflects the learning level of the examiner and adjusts the difficulty of the test provided to the examiner.
검사자의 테스트 평가 데이터를 기반으로, 상기 검사자의 학습 수준을 측정하는 단계; 및
점수 예측 모델을 이용하여 상기 평가 데이터로부터 상기 검사자의 점수를 예측하고, 점수 예측 정보와 상기 검사자의 학습 수준에 따른 진단 결과를 종합하여 결과 리포트를 작성하는 단계;를 포함하는 것을 특징으로 하는 시험 점수 예측 시스템의 평가 정보 제공 방법.providing a pre-prepared test to an examiner, and collecting test evaluation data of the examiner while the examiner performs the test;
measuring a learning level of the examiner based on the examiner's test evaluation data; and
predicting the examiner's score from the evaluation data using a score prediction model, and compiling the score prediction information and the diagnosis result according to the examinee's learning level to create a result report; A method of providing evaluation information in a prediction system.
상기 검사자의 테스트 평가 데이터는, 상기 검사자의 어휘 능력, 독해 속도 및 테스트 문장 이해력을 포함하며,
상기 검사자의 점수를 예측하는 단계는, 상기 검사자의 테스트 평가 데이터의 각각의 항목들을 상기 점수 예측 모델의 항목들과 비교하여 점수를 예측하는 것을 특징으로 하는 시험 점수 예측 시스템의 평가 정보 제공 방법.12. The method of claim 11,
The test evaluation data of the examiner includes the examiner's vocabulary ability, reading comprehension speed, and test sentence comprehension,
The predicting of the examiner's score comprises predicting a score by comparing each item of the examiner's test evaluation data with items of the score prediction model.
상기 검사자의 학습 수준을 측정하는 단계는,
상기 검사자의 어휘 능력을 단어의 뜻(Meaning), 단어의 형태(Form), 단어의 쓰임(Use)에 따라 분류하여 분류된 항목에 따라 어휘 능력을 측정하는 것을 특징으로 하는 시험 점수 예측 시스템의 평가 정보 제공 방법.12. The method of claim 11,
Measuring the level of learning of the examiner,
Evaluation of the test score prediction system, characterized in that the vocabulary ability of the examiner is classified according to the meaning of the word, the form of the word, and the use of the word, and the vocabulary ability is measured according to the classified items HOW TO PROVIDE INFORMATION.
상기 검사자의 학습 수준을 측정하는 단계는,
상기 검사자의 독해 속도를 상기 기 마련된 테스트의 문장에서 상기 검사자가 설정된 시간 동안 독해 가능한 단어의 개수를 이용하여 측정하는 것을 특징으로 하는 시험 점수 예측 시스템의 평가 정보 제공 방법.14. The method of claim 13,
Measuring the level of learning of the examiner,
The method for providing evaluation information of a test score prediction system, characterized in that the test score prediction system measures the reading speed of the examiner by using the number of words that the examiner can read for a set time in the prepared test sentences.
상기 검사자의 학습 수준을 측정하는 단계는,
상기 검사자가 설정된 시간 동안 독해 가능한 단어의 개수에 따라 상기 테스트 문장 이해력을 점수로 환산하여 이해력 정도를 예측하는 것을 특징으로 하는 시험 점수 예측 시스템의 평가 정보 제공 방법.13. The method of claim 12,
Measuring the level of learning of the examiner,
The evaluation information providing method of the test score prediction system, characterized in that the examiner converts the test sentence comprehension into a score according to the number of words that can be read for a set time to predict the comprehension level.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200015613A KR20210101533A (en) | 2020-02-10 | 2020-02-10 | Test Score Prediction System using Artificial Intelligence and Big Data and Method of Providing Evaluation Information Thereof |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200015613A KR20210101533A (en) | 2020-02-10 | 2020-02-10 | Test Score Prediction System using Artificial Intelligence and Big Data and Method of Providing Evaluation Information Thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210101533A true KR20210101533A (en) | 2021-08-19 |
Family
ID=77492822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200015613A KR20210101533A (en) | 2020-02-10 | 2020-02-10 | Test Score Prediction System using Artificial Intelligence and Big Data and Method of Providing Evaluation Information Thereof |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210101533A (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113778454A (en) * | 2021-09-22 | 2021-12-10 | 重庆海云捷迅科技有限公司 | Automatic evaluation method and system for artificial intelligence experiment platform |
| KR102406416B1 (en) * | 2021-08-20 | 2022-06-08 | (주)뤼이드 | Method for, device for, and system for evaluating learning ability |
| WO2023022406A1 (en) * | 2021-08-20 | 2023-02-23 | (주)뤼이드 | Learning ability evaluation method, learning ability evaluation device, and learning ability evaluation system |
| KR102571824B1 (en) * | 2022-04-26 | 2023-08-29 | (주)뤼이드 | Fitting method of score prediction model |
-
2020
- 2020-02-10 KR KR1020200015613A patent/KR20210101533A/en not_active Application Discontinuation
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102406416B1 (en) * | 2021-08-20 | 2022-06-08 | (주)뤼이드 | Method for, device for, and system for evaluating learning ability |
| WO2023022406A1 (en) * | 2021-08-20 | 2023-02-23 | (주)뤼이드 | Learning ability evaluation method, learning ability evaluation device, and learning ability evaluation system |
| CN113778454A (en) * | 2021-09-22 | 2021-12-10 | 重庆海云捷迅科技有限公司 | Automatic evaluation method and system for artificial intelligence experiment platform |
| CN113778454B (en) * | 2021-09-22 | 2024-02-20 | 重庆海云捷迅科技有限公司 | Automatic evaluation method and system for artificial intelligent experiment platform |
| KR102571824B1 (en) * | 2022-04-26 | 2023-08-29 | (주)뤼이드 | Fitting method of score prediction model |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20210101533A (en) | Test Score Prediction System using Artificial Intelligence and Big Data and Method of Providing Evaluation Information Thereof | |
| Hussein et al. | Automated language essay scoring systems: A literature review | |
| Juhaňák et al. | Using process mining to analyze students' quiz-taking behavior patterns in a learning management system | |
| Li | The construct validity of language aptitude: A meta-analysis | |
| Feldman et al. | Automatic detection of learning styles: state of the art | |
| Xi et al. | Methods of test validation | |
| Al-Azawei et al. | State of the art of learning styles-based adaptive educational hypermedia systems (LS-BAEHSs) | |
| Dao et al. | Can ChatGPT pass the Vietnamese National High School Graduation Examination? | |
| Hahn et al. | A systematic review of the effects of automatic scoring and automatic feedback in educational settings | |
| Zhigalev et al. | Pedagogical measuring of education quality | |
| Singleton | Computer-based assessment of reading | |
| Nascimento et al. | An empirical study to evaluate the feasibility of a UX and usability inspection technique for mobile applications | |
| Bass et al. | Human-automated judge learning: A methodology for examining human interaction with information analysis automation | |
| CN110956142A (en) | Intelligent interactive training system | |
| Sorour et al. | Evaluation of effectiveness of time-series comments by using machine learning techniques | |
| KR101382132B1 (en) | Evaluation System of Learning Pattern | |
| Was | Discrimination in measures of knowledge monitoring accuracy | |
| Wahlen et al. | Automated scoring of teachers’ pedagogical content knowledge–a comparison between human and machine scoring | |
| Nakatsuhara et al. | Measuring L2 speaking | |
| CN113919983A (en) | Test question portrait method, device, electronic equipment and storage medium | |
| JP2008026583A (en) | Adaptive test system and its method | |
| Kim et al. | Exploring alternative performance evaluation method in nautical simulations | |
| Pinto et al. | Deep Learning for Educational Data Science | |
| Pashev et al. | ‘Domain specific automated essay scoring using cloud based NLP API | |
| Boussaha et al. | Architecture of a specific platform for training practical works: integration of learners' assessment component |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |