KR20210115233A - 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법 - Google Patents

온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법 Download PDF

Info

Publication number
KR20210115233A
KR20210115233A KR1020200030709A KR20200030709A KR20210115233A KR 20210115233 A KR20210115233 A KR 20210115233A KR 1020200030709 A KR1020200030709 A KR 1020200030709A KR 20200030709 A KR20200030709 A KR 20200030709A KR 20210115233 A KR20210115233 A KR 20210115233A
Authority
KR
South Korea
Prior art keywords
learning
content
solution
target
preference
Prior art date
Application number
KR1020200030709A
Other languages
English (en)
Other versions
KR102447128B1 (ko
Inventor
류도형
이창우
Original Assignee
국민대학교산학협력단
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 국민대학교산학협력단 filed Critical 국민대학교산학협력단
Priority to KR1020200030709A priority Critical patent/KR102447128B1/ko
Publication of KR20210115233A publication Critical patent/KR20210115233A/ko
Application granted granted Critical
Publication of KR102447128B1 publication Critical patent/KR102447128B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9536Search customisation based on social or collaborative filtering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

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

Abstract

본 발명은 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법에 관한 것으로, 보다 상세하게는 학습 테스트를 통해 학습 대상자를 진단하여 학습 대상자의 문제점 및 관심분야를 결정하는 학습 대상자 진단부, 문제점에 관한 솔루션을 결정하고 CBF(Contents Based Filtering) 기반의 학습 솔루션 컨텐츠를 추천하는 학습 솔루션 컨텐츠 추천부, 상기 관심분야에 관한 선호도를 결정하고 CF(Collaborative Filtering) 기반의 학습 선호 컨텐츠를 추천하는 학습 선호 컨텐츠 추천부 및 상기 학습 대상자의 모바일 단말의 내외부 환경을 기초로 현재 상황을 결정하고, 상기 현재 상황에 따라 상기 학습 솔루션 컨텐츠 및 상기 학습 선호 컨텐츠를 제공하는 상황 컨텐츠 제공부를 포함하고 학습 대상자가 월단위 구독 서비스를 이용하는 경우에 학습 솔루션 컨텐츠를 기초로 학습 멘토를 결정하는 것을 특징으로 한다.

Description

온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법{ONLINE SUBSCRIPTION SERVICE-BASED LEARNING SERVICES DEVICE AND METHOD}
본 발명은 온라인 구독 서비스 기반 영어 학습 서비스 기술에 관한 것으로, 보다 상세하게는, 학습 대상자의 문제점 및 관심분야를 분석하여 학습 대상자에게 맞춤형 컨텐츠를 제공할 수 있는 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법에 관한 것이다.
글로벌 시대에 영어의 중요성은 주지의 사실이다. 영어를 모국어로 하지 않은 세계 대다수 국가의 영어 학습에 대한 투자와 노력은 엄청나고, 영어 학습이 하나의 산업분야로 분류될 정도이다.
우리나라의 경우 조기 교육부터 시작해서 평생을 영어와 함께 살아가고 영어의 장벽을 뛰어 넘기 위해 많은 투자와 노력을 들이고 있으며, 이러한 현상은 세계화가 더 진행되는 과정에서 그 정도가 더욱 심해질 것이다.
한국의 영어학습자들은 학습된 무기력(learned helplessness) 상태로 영어학습에 대한 탈동기화가 극심한 상태이다. 학습된 무기력이란 반복된 실패의 경험으로 인해 그 환경을 피할 수 없거나 극복할 수 없는 환경이라고 판단하고 스스로 자포자기하는 상태를 말한다. 실제로 외국어학습은 누구나 수행할 수 있는 능력임에도 영어에 관한 잘못된 인식과 사회적 편향에 의해서 성인이 된 후에도 영어학습에 대한 불완전한 인식을 지니게 된다.
영어학습은 거의 온 국민이 이루지 못한 목에 걸린 가시같은 학습경험으로 사회생활에서도 학습실패 트라우마로 남아있는 경우가 많은 실정이기 때문에, 어떤 연령대에서도 어필할 수 있다. 또한 4차산업혁명 시대에 세계화, 국제화의 필요성이 중대한 시점이므로 영어학습의 필요성은 날로 증가하고 있다. 이런 기조로 국내 사회에서는 영어학습관련의 다채로운 프로그램들이 있으며 스마트폰 앱으로도 많이 개발되고 있다.
엄청난 양의 영어학습 앱의 홍수 속에 학습자들은 어떤 선택을 해야할지 모르고, 어떻게 학습을 해야 하는지 몰라서 결국은 영어 학습에 부정적 인식이 지속될 수밖에 없게 된다.
한국공개특허 제10-2014-0107261(2014.09.04)호는 멘토 참여를 용이하게 하는 언어 수업 시스템에 관한 것으로, 보다 상세하게는 디지털 처리 장치 및 언어 몰입 수업 환경을 생성하는 컴퓨터 프로그램을 포함하는 컴퓨터 기반 언어 몰입 수업 시스템들, 제품들, 프로그램들, 및 방법들이 본 명세서에 개시되어 있고, 상기 환경은 목표 언어와 연관되는 복수의 학습 활동들; 상기 목표 언어로 되는 보이스오버 오디오를 제공하는 소프트웨어 모듈; 및 상기 보이스오버 및/또는 텍스트를 상기 목표 언어로부터 지정된 언어로 번역하는 것을 제공하는 소프트웨어 모듈 상기 번역은 문자 번역 및 음성 번역 양자 모두이고, 보이스오버 및/또는 텍스트의 번역을 제공하는 상기 소프트웨어 모듈은 상기 목표 언어의 학습자에 대한 멘토에 의해 사용되도록 구성되어 있음을 포함한다.
본 발명은 학습 진단 검사 시스템 및 방법에 관한 것으로, 보다 상세하게는 학습 진단 프로그램이 구동되어 피진단학생의 학습 진단 결과가 데이터베이스로 적립되고, 이를 상위10%학생의 진단결과데이터와 1%학생의 진단결과 데이터와 상호 비교하게 하는 데이터 베이스와, 상기 진단의 종합 결과가 상호 비교되도록 막대그래프와 점그래프로 진단결과가 디스플레이 되도록 하는 데이터베이스와, 스터디 솔루션으로 종합결과표로 디스플레이하게 하는 데이터베이스로 서로 연동이 되도록 되어 있는 학습 진단 검사 시스템에 관한 것이다.
한국공개특허 제10-2014-0107261(2014.09.04)호 한국공개특허 제10-2010-0082643(2010.07.19)호
본 발명의 일 실시예는 학습 테스트를 통해서, 학습 대상자의 문제점 및 관심분야를 결정하고 이를 기초로 학습 컨텐츠를 추천할 수 있는 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법에 관한 것이다.
본 발명의 일 실시예는 학습 대상자의 모바일 단말의 내외부 환경을 기초로 현재 학습 대상자가 공부할 수 있는 상황인지를 파악하여 현재 상황에 따라 학습 컨텐츠를 제공할 수 있는 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법에 관한 것이다.
본 발명의 일 실시예는 학습 대상자가 유료 온라인 구독 서비스를 이용하는 경우에 해당 학습 대상자의 회원 등급을 확인하여 학습 대상자의 문제점 및 관심분야에 맞게 멘토를 추천할 수 있는 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법에 관한 것이다.
실시예들 중에서, 온라인 구독 서비스 기반 영어 학습 서비스 장치는 학습 테스트를 통해 학습 대상자를 진단하여 상기 학습 대상자의 문제점 및 관심분야를 결정하는 학습 대상자 진단부, 상기 문제점에 관한 솔루션을 결정하고 CBF(Contents Based Filtering) 기반의 학습 솔루션 컨텐츠를 추천하는 학습 솔루션 컨텐츠 추천부, 상기 관심분야에 관한 선호도를 결정하고 CF(Collaborative Filtering) 기반의 학습 선호 컨텐츠를 추천하는 학습 선호 컨텐츠 추천부 및 상기 학습 대상자의 모바일 단말의 내외부 환경을 기초로 현재 상황을 결정하고, 상기 현재 상황에 따라 상기 학습 솔루션 컨텐츠 및 상기 학습 선호 컨텐츠를 제공하는 상황 컨텐츠 제공부를 포함할 수 있다.
상기 학습 대상자 진단부는 상기 관심분야 별로 분류된 학습 테스트 모집단에서 상기 학습 대상자의 프로파일을 기초로 상기 학습 테스트를 위한 질의를 생성할 수 있다.
상기 학습 대상자 진단부는 학습 유형에 따라 상기 질의를 분류하고 상기 학습 테스트를 통해 상기 학습 대상자의 오답을 기초로 가장 취약한 순서대로 상기 학습 유형을 결정하여 상기 문제점을 결정할 수 있다.
상기 학습 대상자 진단부는 컨텐츠 유형에 따라 상기 질의를 분류하고 상기 학습 테스트를 통해 상기 학습 대상자의 질의 응답 속도를 기초로 가장 선호하는 순서대로 상기 관심분야를 결정할 수 있다.
상기 학습 솔루션 컨텐츠 추천부는 상기 문제점에 관한 솔루션의 결정 과정에서 상기 학습 대상자의 회원 등급을 확인하여 상기 학습 솔루션 컨텐츠를 기초로 학습 멘토를 결정하고, 상기 학습 멘토를 추천할 수 있다.
상기 학습 솔루션 컨텐츠 추천부는 상기 학습 대상자의 회원 등급을 확인하는 과정에서 상기 학습 대상자가 월단위 구독 서비스를 이용하는 경우에 상기 학습 솔루션 컨텐츠를 기초로 학습 멘토를 결정할 수 있다.
상기 학습 솔루션 컨텐츠 추천부는 상기 학습 솔루션 컨텐츠를 통해 상기 학습 멘토로부터 학습 방향을 수신하고 상기 학습 방향에 맞는 컨텐츠를 필터링 하여 상기 학습 솔루션 컨텐츠를 결정할 수 있다.
상기 학습 선호 컨텐츠 추천부는 상기 관심분야에 관한 선호도의 결정 과정에서 상기 학습 대상자에 의해 선택되었던 학습 선호 컨텐츠 집합을 생성하고, 상기 학습 선호 컨텐츠 집합을 기초로 선호도 튜플을 획득하여 학습 선호 컨텐츠 집합을 생성하며, 상기 학습 선호 컨텐츠 집합에서 상기 학습 선호 컨텐츠를 결정할 수 있다.
상기 학습 선호 컨텐츠 추천부는 상기 학습 선호 컨텐츠를 통한 상기 학습 대상자의 학습 효과를 결정하여 상기 문제점을 다시 확인하고, 상기 문제점에 관한 솔루션을 재결정하여 상기 학습 솔루션 컨텐츠 추천부가 상기 학습 솔루션 컨텐츠를 재추천 할 수 있다.
상기 학습 선호 컨텐츠 추천부는 상기 학습자의 관심분야에 매칭되는 컨텐츠 중에 신규 컨텐츠를 특정 기간동안 우선으로 하여 상기 선호 컨텐츠로 추천할 수 있다.
상기 상황 컨텐츠 제공부는 상기 학습 대상자가 학습을 수행하는 시간을 분석하여 상기 현재 상황이 학습을 수행하는 시간 영역에 해당하는 경우에 상기 학습 솔루션 컨텐츠 및 상기 학습 선호 컨텐츠를 기초로 맞춤형 학습 컨텐츠를 생성하여 제공할 수 있다.
상기 상황 컨텐츠 제공부는 상기 모바일 단말의 특정 기준 이하의 지속적인 움직임이 감지되는 경우에는 상기 현재 상황을 이동 상황으로 결정하여 상기 맞춤형 학습 컨텐츠를 제공할 수 있다.
상기 상황 컨텐츠 제공부는 상기 모바일 단말의 웨이크업 상황이 감지되면 상기 학습 선호 컨텐츠에 가중치를 부여하여 상기 맞춤형 학습 컨텐츠를 생성할 수 있다.
실시예들 중에서, 온라인 구독 서비스 기반 영어 학습 서비스 방법은 학습 테스트를 통해 학습 대상자를 진단하여 상기 학습 대상자의 문제점 및 관심분야를 결정하는 학습 대상자 진단 단계;
상기 문제점에 관한 솔루션을 결정하고 CBF(Contents Based Filtering) 기반의 솔루션 컨텐츠를 추천하는 학습 솔루션 컨텐츠 추천 단계, 상기 관심분야에 관한 선호도를 결정하고 CF(Collaborative Filtering) 기반의 선호 컨텐츠를 추천하는 학습 선호 컨텐츠 추천 단계 및 상기 학습 대상자의 모바일 단말의 내외부 환경을 기초로 현재 상황을 결정하고, 상기 현재 상황에 따라 상기 학습 솔루션 컨텐츠 및 상기 학습 선호 컨텐츠를 제공하는 상황 컨텐츠 제공 단계를 포함할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법은 학습 테스트를 통해서, 학습 대상자의 문제점 및 관심분야를 결정하고 이를 기초로 학습 컨텐츠를 추천할 수 있다.
본 발명의 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법은 학습 대상자의 모바일 단말의 내외부 환경을 기초로 현재 학습 대상자가 공부할 수 있는 상황인지를 파악하여 현재 상황에 따라 학습 컨텐츠를 제공할 수 있다.
본 발명의 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법은 학습 대상자가 유료 온라인 구독 서비스를 이용하는 경우에 해당 학습 대상자의 회원 등급을 확인하여 학습 대상자의 문제점 및 관심분야에 맞게 멘토를 추천할 수 있다.
도 1은 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 시스템을 설명하는 도면이다.
도 2는 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치의 물리적 구성을 설명하는 도면이다.
도 3은 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치의 기능적 구성을 설명하는 도면이다.
도 4는 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치에 의해 컨텐츠를 제공하는 과정을 설명하는 블록도이다.
도 5는 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치에서 이루어지는 컨텐츠 제공 방법을 설명하는 도면이다.
도 6은 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치가 회원 등급을 판단하고 회원 등급에 따른 멘토를 추천하는 방법을 설명하는 순서도이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한, 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 시스템(100)을 설명하는 도면이다.
도 1을 참조하면, 온라인 구독 서비스 기반 영어 학습 서비스 시스템(100)은 모바일 단말(110), 온라인 구독 서비스 기반 영어 학습 서비스 장치(130) 및 데이터베이스(150)를 포함할 수 있다.
모바일 단말(110)은 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)에 의해 제공되는 학습 컨텐츠를 확인하고, 학습 테스트를 수행할 수 있으며, 학습 대상자의 현재 상황을 결정할 수 있는 컴퓨팅 장치에 해당할 수 있고, 스마트폰, 웨어러블 디바이스로 구현될 수 있으며, 반드시 이에 한정되지 않고, 태블릿 PC 등 다양한 디바이스로도 구현될 수 있다. 모바일 단말(110)은 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)와 네트워크를 통해 연결될 수 있고, 복수의 모바일 단말(110)들은 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)와 동시에 연결될 수 있다.
일 실시예에서, 모바일 단말(110)은 가속 센서 및 GPS를 통해 학습 대상자의 움직임을 파악할 수 있다. 예를 들어, 모바일 단말(110)은 학습 대상자가 학습 컨텐츠가 아닌 다른 동작을 수행하고 있는 경우에 해당 동작을 검출하여, 학습 컨텐츠를 제공할 수 있다. 다른 예를 들어, 모바일 단말(110)은 학습 대상자가 도보로 이동중임을 검출하는 경우에는 학습 컨텐츠를 제공하지 않을 수 있다.
온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 학습 테스트를 통해 학습 대상자를 진단하여 학습 대상자의 문제점 및 관심분야를 결정하고, 해당 문제점 및 관심분야를 기초로 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠를 추천하고, 학습 대상자의 현재 상황에 따라 해당 학습 컨텐츠를 제공하는 과정을 수행하는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 모바일 단말(110)과 블루투스, WiFi, 통신망 등을 통해 무선으로 연결될 수 있고, 네트워크를 통해 모바일 단말(110)과 데이터를 주고받을 수 있다.
데이터베이스(150)는 학습 테스트를 통해 학습 대상자를 진단하여 학습 대상자의 문제점 및 관심분야를 결정하고, 해당 문제점 및 관심분야를 기초로 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠를 추천하고, 학습 대상자의 현재 상황에 따라 해당 학습 컨텐츠를 제공하는 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 뿐만 아니라, 데이터베이스(150)는 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)가 학습 테스트를 통해 학습 대상자를 진단하여 학습 대상자의 문제점 및 관심분야를 결정하고, 해당 문제점 및 관심분야를 기초로 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠를 추천하고, 학습 대상자의 현재 상황에 따라 해당 학습 컨텐츠를 제공하는 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
도 2는 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)의 물리적 구성을 설명하는 도면이다.
도 2를 참조하면, 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 프로세서(210), 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)를 포함하여 구현될 수 있다.
프로세서(210)는 학습 테스트를 통해 학습 대상자를 진단하여 학습 대상자의 문제점 및 관심분야를 결정하고, 해당 문제점 및 관심분야를 기초로 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠를 추천하고, 학습 대상자의 현재 상황에 따라 해당 학습 컨텐츠를 제공하는 과정에서 동작을 수행하는 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(230)를 관리할 수 있으며, 메모리(230)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(210)는 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)의 동작 전반을 제어할 수 있고, 메모리(230), 사용자 입출력부(250) 및 네트워크 입출력부(270)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(210)는 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(230)는 SSD(Solid State Drive) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
사용자 입출력부(250)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(250)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(250)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 서버로서 수행될 수 있다.
네트워크 입출력부(270)는 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.
도 3은 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)의 기능적 구성을 설명하는 도면이다.
도 3을 참조하면, 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 학습 대상자 진단부(310), 학습 솔루션 컨텐츠 추천부(330), 학습 선호 컨텐츠 추천부(350), 상황 컨텐츠 제공부(370) 및 제어부(390)를 포함할 수 있다.
학습 대상자 진단부(310)는 학습 테스트를 통해 학습 대상자를 진단하여 학습 대상자의 문제점 및 관심분야를 결정할 수 있다. 학습 테스트는 학습 대상자에게 제공되기 위해 기 생성된 질의가 될 수 있다. 예를 들어, 학습 테스트는 각 학습 분야별로 생성될 수 있으며, 질의 방식으로 수행될 수 있다. 학습 테스트에 대한 학습 대상자의 응답은 객관식 또는 주관식으로 이루어질 수 있다. 예를 들어, 유료 온라인 구독 서비스를 이용하는 학습 대상자의 경우에는 멘토에 의해서 학습 테스트가 진행될 수 있고, 멘토는 기 생성된 학습 테스트를 학습 대상자에게 제공할 수 있고, 학습 테스트의 결과를 직접 학습 대상자에게 피드백 할 수 있다. 다른 예를 들어, 멘토는 학습 대상자의 학습 테스트 결과에 대해서 학습 대상자와 상담 후에 재결정할 수 있다. 학습 대상자는 해당 장치를 이용하는 사용자가 될 수 있다. 학습 대상자 진단부(310)는 학습 대상자의 집중 능력, 성과, 학업 단계 및 과제 성취도 등에 대한 평가를 수행하여 학습 대상자의 문제점을 파악할 수 있다. 예를 들어, 학습 대상자 진단부(310)는 평가를 수행한 항목에 대한 점수를 측정하고 해당 항목에 대한 점수가 특정치 이하인 경우에 해당 항목을 문제점으로 결정할 수 있다. 다른 예를 들어, 학습 대상자 진단부(310)는 기 평가한 학생들의 항목에 대한 점수 평균치를 계산하고 평균치에 미치지 못하는 경우에 해당 항목을 문제점으로 결정할 수 있다. 학습 대상자 진단부(310)는 학습 테스트를 통해 학습 대상자가 선호하는 관심분야를 결정할 수 있다. 예를 들어, 학습 대상자 진단부(310)는 학습 테스트에 대한 학습 대상자의 선호도 조사에 따라서 관심분야를 결정할 수 있다. 각각의 관심분야들은 서로 간의 유사도가 결정될 수 있다. 예를 들어, 관심분야 A1과 A2 간의 유사도는 80이고, A1과 C1 간의 유사도는 20으로 결정될 수 있다. 학습 대상자 진단부(310)는 특정 유사도 이상의 관심분야에 대해서 2차 관심분야로 결정할 수 있다. 예를 들어, 학습 대상자 진단부(310)는 학습 테스트를 통해 학습 대상자의 관심분야가 A1으로 결정된 경우에는 A2를 2차 관심분야로 결정할 수 있다.
일 실시예에서, 학습 대상자 진단부(310)는 관심분야 별로 분류된 학습 테스트 모집단에서 학습 대상자의 프로파일을 기초로 학습 테스트를 위한 질의를 생성할 수 있다. 학습 대상자의 프로파일은 학습 대상자의 나이, 성별, 학습 분야, 소속 및 레퍼런스 스코어 등에 대한 정보를 포함할 수 있다. 예를 들어, 학습 대상자 진단부(310)는 기 생성된 학습 테스트 집합 중에서 영어 학습 분야에 대해서만 학습 테스트가 진행될 수 있도록 영어 학습과 관련된 질문만을 해당 학습 테스트에 필요한 질의로 생성할 수 있다. 예를 들어, 레퍼런스 스코어는 해당 학습 분야에 대한 학습 대상자의 점수가 될 수 있다.
일 실시예에서, 학습 대상자 진단부(310)는 학습 유형에 따라 질의를 분류하고 학습 테스트를 통해 학습 대상자의 오답을 기초로 가장 취약한 순서대로 학습 유형을 결정하여 문제점을 결정할 수 있다. 예를 들어, 학습 유형은 영어학습에 있어서 말하기, 듣기 및 독해 영역으로 나뉠 수 있다. 예를 들어, 학습 대상자 진단부(310)는 기 생성된 학습 테스트에 대해서 학습 유형별로 질의를 분류하여 해당 학습 대상자가 선택한 학습 유형에 따라 질의를 생성할 수 있다. 학습 대상자 진단부(310)는 학습 대상자의 답안을 기초로 학습 유형별로 스코어를 산출할 수 있고, 해당 스코어가 낮은 순으로 높은 문제점이라 결정할 수 있다. 예를 들어, 학습 대상자 진단부(310)는 학습 대상자의 영어 듣기 영역의 점수가 30점이고 영어 쓰기 영역의 점수가 70점인 경우에 쓰기 영역에 비해 상대적으로 듣기 영역이 해당 학습 대상자의 문제점이라 결정할 수 있다.
일 실시예에서, 학습 대상자 진단부(310)는 컨텐츠 유형에 따라 질의를 분류하고 학습 테스트를 통해 학습 대상자의 질의 응답 속도를 기초로 가장 선호하는 순서대로 관심분야를 결정할 수 있다. 예를 들어, 학습 대상자 진단부(310)는 영화, 만화 및 유튜브 등의 컨텐츠 유형 중에 학습 테스트를 통해 학습 대상자가 가장 선호하는 컨텐츠 유형을 결정할 수 있다. 다른 예를 들어, 학습 대상자 진단부(310)는 학습 테스트를 컨텐츠 유형 별로 수행하여, 학습 대상자의 질의 응답 속도가 가장 빠른 컨텐츠 유형을 결정하고, 질의 응답 속도에 따라 가장 빠른 컨텐츠 유형에 대해서 관심도가 높은 관심분야로 결정할 수 있다.
도 5는 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)를 통해 제공되는 학습 테스트 및 콘텐츠 제공 과정을 설명하는 도면으로서, 도 5를 참조하면, 학습 대상자 진단부(310)는 무료 버전인 경우에 간단한 질문 및 영어 실력 진단 단계를 통해서, 학습 대상자의 문제점 및 관심분야를 결정할 수 있다. 다른 예를 들어, 학습 대상자 진단부(310)는 온라인 구독 서비스를 통해 유료 버전을 이용하는 학습 대상자 에게는 멘토를 매칭시켜 학습 대상자의 문제점 및 관심분야에 대해서 더 세부적으로 결정할 수 있다.
학습 솔루션 컨텐츠 추천부(330)는 문제점에 관한 솔루션을 결정하고 CBF(Contents Based Filtering) 기반의 학습 솔루션 컨텐츠를 추천할 수 있다. 학습 솔루션 컨텐츠 추천부(330)는 학습 대상자 진단부(310)에 의해 결정된 문제점에 대해서 학습 유형을 나누어서 솔루션을 결정할 수 있다. 예를 들어, 학습 솔루션 컨텐츠 추천부(330)는 학습 대상자의 문제점이 쓰기 영역에 있는 경우, 쓰기 영역에 대응하는 복수개의 솔루션들을 결정할 수 있다. 예를 들어, 학습 솔루션 컨텐츠 추천부(330)는 학습 솔루션 컨텐츠 집합에서 학습 대상자의 문제점에 대응하는 솔루션을 선택하여 학습 솔루션 컨텐츠를 추천할 수 있다. CBF(Contents Based Filtering)는 처음 학습 대상자가 선택하는 학습 솔루션 컨텐츠를 기반으로 다른 학습 솔루션 컨텐츠를 추천하는 필터링 방식이 될 수 있다. 예를 들어, 학습 솔루션 컨텐츠 추천부(330)는 학습 대상자의 문제점에 관한 복수개의 솔루션들을 학습 대상자에게 제공하고, 학습 대상자에 의해 선택된 솔루션과 연관성이 있는 학습 솔루션 컨텐츠를 학습 대상자에게 추천할 수 있다.
일 실시예에서, 학습 솔루션 컨텐츠 추천부(330)는 문제점에 관한 솔루션의 결정 과정에서 학습 대상자의 회원 등급을 확인하여 학습 솔루션 컨텐츠를 기초로 학습 멘토를 결정하고, 학습 멘토를 추천할 수 있다. 학습 대상자의 회원 등급은 학습 대상자의 유료 온라인 구독 서비스 가입 여부에 따라서 결정될 수 있다. 예를 들어, 학습 대상자가 유료 온라인 구독 서비스를 가입한 경우에는 해당 학습 대상자를 유료 회원으로 분류할 수 있다. 학습 솔루션 컨텐츠 추천부(330)는 유료 회원으로 분류된 학습 대상자에 대해서 문제점에 관한 솔루션을 제시할 수 있는 학습 멘토를 추천할 수 있다. 예를 들어, 학습 솔루션 컨텐츠 추천부(330)는 학습 대상자의 복수개의 문제점에 의해서 결정되는 커리큘럼 솔루션을 제공할 수 있는 학습 멘토를 추천할 수 있다. 커리큘럼 솔루션은 복수개의 문제점 중에 선행적으로 해결되어야 할 제1 문제점 내지 제N 문제점을 결정하고, 해당 문제점을 순차적으로 해결하는 학습 커리큘럼이 될 수 있다. 학습 솔루션 컨텐츠 추천부(330)는 학습 대상자의 복수개의 문제점에 대해 선행적으로 해결되어야 할 문제점을 결정하고 해당 솔루션을 제공할 수 있는 학습 멘토를 추천할 수 있다.
일 실시예에서, 학습 솔루션 컨텐츠 추천부(330)는 학습 솔루션 컨텐츠를 통해 학습 멘토로부터 학습 방향을 수신하고 학습 방향에 맞는 컨텐츠를 필터링 하여 학습 솔루션 컨텐츠를 결정할 수 있다. 예를 들어, 학습 솔루션 컨텐츠 추천부(330)는 멘토가 학습 대상자의 문제점을 파악한 후에 해당 학습 대상자의 학습 방향에 맞는 학습 방향을 제공하는 경우에 해당 학습 방향과 대응하는 컨텐츠를 필터링 하여 학습 솔루션 컨텐츠를 결정할 수 있다.
학습 선호 컨텐츠 추천부(350)는 관심분야에 관한 선호도를 결정하고 CF(Collaborative Filtering) 기반의 학습 선호 컨텐츠를 추천할 수 있다. 학습 선호 컨텐츠 추천부(350)는 기 결정된 학습 대상자의 관심분야에 대한 선호도를 단계별로 나누어서 결정할 수 있다. 학습 선호 컨텐츠 추천부(350)는 학습 유형별로 나누어 진 관심 분야에 대한 선호도를 결정할 수 있다. 예를 들어, 학습 선호 컨텐츠 추천부(350)는 학습 유형중 듣기 영역에 대해서는 관심 분야를 드라마로, 쓰기 영역에 대해서는 편지 작성으로 결정할 수 있다.
일 실시예에서, 학습 선호 컨텐츠 추천부(350)는 관심분야에 관한 선호도를 학습 대상자 관점 및 교육자 관점으로 나누어서 결정할 수 있다. 예를 들어, 학습 선호 컨텐츠 추천부(350)는 교육자 관점에서 기 설정된 컨텐츠에 대한 학습 능률을 해당 교육자 관점의 학습 컨텐츠에 적용할 수 있다. 예를 들어, 학습 선호 컨텐츠 추천부(350)는 학습 대상자가 제1 관심분야에 관한 선호도가 높은 경우에 제1 관심분야와 특정 기준 이상으로 유사한 제2 관심분야가 학습 능률이 더 높게 결정되어 있는 경우에는 제1 관심분야 보다 제2 관심분야에 더 큰 가중치를 두어 해당 학습 선호 컨텐츠를 추천할 수 있다.
일 실시예에서, 학습 선호 컨텐츠 추천부(350)는 관심분야에 관한 선호도의 결정 과정에서 학습 대상자에 의해 선택되었던 학습 선호 컨텐츠 집합을 생성하고, 학습 선호 컨텐츠 집합을 기초로 선호도 튜플을 획득하여 학습 선호 컨텐츠 집합을 생성하며, 학습 선호 컨텐츠 집합에서 학습 선호 컨텐츠를 결정할 수 있다. 예를 들어, 학습 선호 컨텐츠 추천부(350)는 결정된 관심분야에 관한 선호도를 기초로 제공된 학습 선호 컨텐츠 중에서 학습 대상자에 의해 선택된 학습 선호 컨텐츠 집합을 생성할 수 있다. 학습 선호 컨텐츠 추천부(350)는 학습 선호 컨텐츠 집합의 개별 학습 선호 컨텐츠에 대해 선호도의 순서대로 튜플을 생성할 수 있다. 예를 들어, 튜플은 유한한 순서를 가지는 요소들을 포함하는 집합으로써, 내포된 순서쌍으로 구성될 수 있다.
일 실시예에서, 학습 선호 컨텐츠 추천부(350)는 학습 선호 컨텐츠를 통한 학습 대상자의 학습 효과를 결정하여 문제점을 다시 확인하고, 문제점에 관한 솔루션을 재결정하여 학습 솔루션 컨텐츠 추천부(330)가 학습 솔루션 컨텐츠를 재추천 하도록 할 수 있다. 학습 선호 컨텐츠 추천부(350)는 학습 대상자가 추천된 학습 선호 컨텐츠를 기초로 학습하도록 한 후에 성취 테스트를 통해 학습 대상자의 학습 효과를 결정할 수 있다. 학습 선호 컨텐츠 추천부(350)는 학습 효과를 결정한 후에 학습 대상자의 문제점이 해결되었는지 확인하고 학습 대상자로 하여금 다시 학습 테스트를 수행하도록 하여 학습 대상자의 문제점을 다시 확인하고 솔루션을 재결정할 수 있다.
일 실시예에서, 학습 선호 컨텐츠 추천부(350)는 학습자의 관심분야에 매칭되는 컨텐츠 중에 신규 컨텐츠를 특정 기간동안 우선으로 하여 선호 컨텐츠로 추천할 수 있다. 예를 들어, 학습 선호 컨텐츠 추천부(350)는 데이터베이스(150)에 업로드 되는 신규 컨텐츠를 사용자가 설정한 특정 기간동안 우선으로 하여 선호 컨텐츠로 추천할 수 있다.
상황 컨텐츠 제공부(370)는 학습 대상자의 모바일 단말(110)의 내외부 환경을 기초로 현재 상황을 결정하고, 현재 상황에 따라 학습 솔루션 컨텐츠 및 상기 학습 선호 컨텐츠를 제공할 수 있다. 예를 들어, 상황 컨텐츠 제공부(370)는 모바일 단말(110)의 가속도 센서 및 GPS 센서 등을 통해서 학습 대상자의 움직임을 확인할 수 있다. 다른 예를 들어, 상황 컨텐츠 제공부(370)는 모바일 단말(110)에서 수행되는 엑티비티를 확인할 수 있다. 상황 컨텐츠 제공부(370)는 학습 대상자의 현재 상황이 학습을 할 수 있는 상황인 경우에 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠를 제공할 수 있다.
일 실시예에서, 상황 컨텐츠 제공부(370)는 학습 대상자가 학습을 수행하는 시간을 분석하여 현재 상황이 학습을 수행하는 시간 영역에 해당하는 경우에 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠를 기초로 맞춤형 학습 컨텐츠를 생성하여 제공할 수 있다. 학습 컨텐츠는 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠를 포함할 수 있다. 예를 들어, 상황 컨텐츠 제공부(370)는 듣기 영역의 학습을 수행시킬 수 있는 학습 솔루션 컨텐츠 영역에서 학습 대상자가 선호하는 드라마 영역의 학습 선호 컨텐츠 영역이 오버랩되는 학습 컨텐츠를 학습 대상자에게 제공할 수 있다. 예를 들어, 학습 대상자는 학습을 수행할 특정 시간을 설정할 수 있다. 다른 예를 들어, 상황 컨텐츠 제공부(370)는 학습 대상자가 공부하는 시간의 패턴을 분석하여 요일 및 시간대를 기준으로 학습을 제안할 수 있다. 예를 들어, 상황 컨텐츠 제공부(370)는 학습 대상자가 월요일 9:00 부터 학습을 2번 이상 수행한 경우에, 월요일 8:50에 알림을 통해 진도 체크 및 오늘의 맞춤형 컨텐츠를 추천할 수 있다. 맞춤형 학습 컨텐츠는 상기에서 설명한 바와 같이 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠가 오버랩 되는 영역의 학습 컨텐츠가 될 수 있다.
일 실시예에서, 상황 컨텐츠 제공부(370)는 모바일 단말의 특정 기준 이하의 지속적인 움직임이 감지되는 경우에는 현재 상황을 이동 상황으로 결정하여 맞춤형 학습 컨텐츠를 제공할 수 있다. 예를 들어, 지속적인 움직임은 버스를 타고 이동하는 상황 혹은 지하철을 타고 이동하는 상황이 될 수 있다. 상황 컨텐츠 제공부(370)는 해당 지속적인 움직임이 감지되는 경우에 학습 대상자에게 이동 시간을 질의하고, 해당 이동 시간에 맞는 맞춤형 학습 컨텐츠를 제공할 수 있다. 다른 예를 들어, 상황 컨텐츠 제공부(370)는 해당 이동 시간에 맞는 시리즈 물로 구성된 맞춤형 학습 컨텐츠를 제공할 수 있다.
일 실시예에서, 상황 컨텐츠 제공부(370)는 모바일 단말(110)의 웨이크업 상황이 감지되면 학습 선호 컨텐츠에 가중치를 부여하여 맞춤형 학습 컨텐츠를 생성할 수 있다. 상황 컨텐츠 제공부(370)는 학습 대상자가 모바일 단말(110)을 특정 시간동안 이용하고 있지 않다가, 모바일 단말(110)을 사용하게 되는 웨이크업 상황이 감지되는 경우에 맞춤형 학습 컨텐츠를 생성하여 학습 대상자에게 제공할 수 있다.
일 실시예에서, 상황 컨텐츠 제공부(370)는 시간 별로 맞춤형 학습 컨텐츠를 생성할 수 있다. 예를 들어, 상황 컨텐츠 제공부(370)는 아침 시간 대에는 학습 대상자에게 오늘의 날씨와 같은 컨텐츠를 제공할 수 있다.
제어부(370)는 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)의 전체적인 동작을 제어하고, 학습 대상자 진단부(310), 학습 솔루션 컨텐츠 추천부(330), 학습 선호 컨텐츠 추천부(350) 및 상황 컨텐츠 제공부(370) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 4는 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)에 의해 컨텐츠를 제공하는 과정을 설명하는 블록도이다.
도 4를 참조하면, 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 학습 대상자 진단부(310)를 통해, 학습 테스트를 통해 학습 대상자를 진단하여 학습 대상자의 문제점 및 관심분야를 결정할 수 있다(S410).
온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 학습 솔루션 컨텐츠 추천부(330)를 통해, 문제점에 관한 솔루션을 결정하고 CBF(Contents Based Filtering) 기반의 솔루션 컨텐츠를 추천할 수 있다(S430).
온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 학습 선호 컨텐츠 추천부(350)를 통해, 관심분야에 관한 선호도를 결정하고 CF(Collaborative Filtering) 기반의 선호 컨텐츠를 추천할 수 있다(S450).
온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 상황 컨텐츠 제공부(370)를 통해, 학습 대상자의 모바일 단말의 내외부 환경을 기초로 현재 상황을 결정하고, 현재 상황에 따라 학습 솔루션 컨텐츠 및 학습 선호 컨텐츠를 제공할 수 있다(S470).
도 6은 일 실시예에 따른 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)가 회원 등급을 판단하고 회원 등급에 따른 멘토를 추천하는 방법을 설명하는 순서도이다.
도 6을 참조하면, 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 학습 대상자로부터 학습 대상자 정보를 수신하여 학습 대상자 프로파일을 생성할 수 있다. 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 해당 학습 대상자가 무료 회원인 경우에는 학습 대상자의 문제점을 결정하고 해당 문제점에 관한 학습 솔루션 컨텐츠를 추천할 수 있다. 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 해당 학습 대상자가 유료 회원인 경우에는 담당 멘토를 지정하고 해당 학습 대상자의 문제점 및 관심분야를 기초로 담당 멘토와의 상담을 제공할 수 있다. 온라인 구독 서비스 기반 영어 학습 서비스 장치(130)는 학습 대상자에게 교육 커리큘럼에 대해서 구독을 할 지 질의할 수 있고 해당 학습 대상자가 교육 커리큘럼에 대해서 구독을 하지 않는 경우에는 다시 학습 대상자에게 멘토 상담을 제공할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 온라인 구독 서비스 기반 영어 학습 서비스 시스템
110: 모바일 단말
130: 온라인 구독 서비스 기반 영어 학습 서비스 장치
150: 데이터베이스
210: 프로세서 230: 메모리
250: 사용자 입출력부 270: 네트워크 입출력부
310: 학습 대상자 진단부 330: 학습 솔루션 컨텐츠 추천부
350: 학습 선호 컨텐츠 추천부 370: 상황 컨텐츠 제공부
390: 제어부

Claims (14)

  1. 학습 테스트를 통해 학습 대상자를 진단하여 상기 학습 대상자의 문제점 및 관심분야를 결정하는 학습 대상자 진단부;
    상기 문제점에 관한 솔루션을 결정하고 CBF(Contents Based Filtering) 기반의 학습 솔루션 컨텐츠를 추천하는 학습 솔루션 컨텐츠 추천부;
    상기 관심분야에 관한 선호도를 결정하고 CF(Collaborative Filtering) 기반의 학습 선호 컨텐츠를 추천하는 학습 선호 컨텐츠 추천부; 및
    상기 학습 대상자의 모바일 단말의 내외부 환경을 기초로 현재 상황을 결정하고, 상기 현재 상황에 따라 상기 학습 솔루션 컨텐츠 및 상기 학습 선호 컨텐츠를 제공하는 상황 컨텐츠 제공부를 포함하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  2. 제1항에 있어서, 상기 학습 대상자 진단부는
    상기 관심분야 별로 분류된 학습 테스트 모집단에서 상기 학습 대상자의 프로파일을 기초로 상기 학습 테스트를 위한 질의를 생성하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  3. 제2항에 있어서, 상기 학습 대상자 진단부는
    학습 유형에 따라 상기 질의를 분류하고 상기 학습 테스트를 통해 상기 학습 대상자의 오답을 기초로 가장 취약한 순서대로 상기 학습 유형을 결정하여 상기 문제점을 결정하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  4. 제2항에 있어서, 상기 학습 대상자 진단부는
    컨텐츠 유형에 따라 상기 질의를 분류하고 상기 학습 테스트를 통해 상기 학습 대상자의 질의 응답 속도를 기초로 가장 선호하는 순서대로 상기 관심분야를 결정하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  5. 제1항에 있어서, 상기 학습 솔루션 컨텐츠 추천부는
    상기 문제점에 관한 솔루션의 결정 과정에서 상기 학습 대상자의 회원 등급을 확인하여 상기 학습 솔루션 컨텐츠를 기초로 학습 멘토를 결정하고, 상기 학습 멘토를 추천하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  6. 제5항에 있어서, 상기 학습 솔루션 컨텐츠 추천부는
    상기 학습 대상자의 회원 등급을 확인하는 과정에서 상기 학습 대상자가 월단위 구독 서비스를 이용하는 경우에 상기 학습 솔루션 컨텐츠를 기초로 학습 멘토를 결정하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  7. 제5항에 있어서, 상기 학습 솔루션 컨텐츠 추천부는
    상기 학습 솔루션 컨텐츠를 통해 상기 학습 멘토로부터 학습 방향을 수신하고 상기 학습 방향에 맞는 컨텐츠를 필터링 하여 상기 학습 솔루션 컨텐츠를 결정하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  8. 제1항에 있어서, 상기 학습 선호 컨텐츠 추천부는
    상기 관심분야에 관한 선호도의 결정 과정에서 상기 학습 대상자에 의해 선택되었던 학습 선호 컨텐츠 집합을 생성하고, 상기 학습 선호 컨텐츠 집합을 기초로 선호도 튜플을 획득하여 학습 선호 컨텐츠 집합을 생성하며, 상기 학습 선호 컨텐츠 집합에서 상기 학습 선호 컨텐츠를 결정하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  9. 제8항에 있어서, 상기 학습 선호 컨텐츠 추천부는
    상기 학습 선호 컨텐츠를 통한 상기 학습 대상자의 학습 효과를 결정하여 상기 문제점을 다시 확인하고, 상기 문제점에 관한 솔루션을 재결정하여 상기 학습 솔루션 컨텐츠 추천부가 상기 학습 솔루션 컨텐츠를 재추천 하도록 하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  10. 제1항에 있어서, 상기 학습 선호 컨텐츠 추천부는
    상기 학습자의 관심분야에 매칭되는 컨텐츠 중에 신규 컨텐츠를 특정 기간동안 우선으로 하여 상기 선호 컨텐츠로 추천하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  11. 제1항에 있어서, 상기 상황 컨텐츠 제공부는
    상기 학습 대상자가 학습을 수행하는 시간을 분석하여 상기 현재 상황이 학습을 수행하는 시간 영역에 해당하는 경우에 상기 학습 솔루션 컨텐츠 및 상기 학습 선호 컨텐츠를 기초로 맞춤형 학습 컨텐츠를 생성하여 제공하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  12. 제11항에 있어서, 상기 상황 컨텐츠 제공부는
    상기 모바일 단말의 특정 기준 이하의 지속적인 움직임이 감지되는 경우에는 상기 현재 상황을 이동 상황으로 결정하여 상기 맞춤형 학습 컨텐츠를 제공하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  13. 제12항에 있어서, 상기 상황 컨텐츠 제공부는
    상기 모바일 단말의 웨이크업 상황이 감지되면 상기 학습 선호 컨텐츠에 가중치를 부여하여 상기 맞춤형 학습 컨텐츠를 생성하는 것을 특징으로 하는 온라인 구독 서비스 기반 영어 학습 서비스 장치.
  14. 학습 테스트를 통해 학습 대상자를 진단하여 상기 학습 대상자의 문제점 및 관심분야를 결정하는 학습 대상자 진단 단계;
    상기 문제점에 관한 솔루션을 결정하고 CBF(Contents Based Filtering) 기반의 솔루션 컨텐츠를 추천하는 학습 솔루션 컨텐츠 추천 단계;
    상기 관심분야에 관한 선호도를 결정하고 CF(Collaborative Filtering) 기반의 선호 컨텐츠를 추천하는 학습 선호 컨텐츠 추천 단계; 및
    상기 학습 대상자의 모바일 단말의 내외부 환경을 기초로 현재 상황을 결정하고, 상기 현재 상황에 따라 상기 학습 솔루션 컨텐츠 및 상기 학습 선호 컨텐츠를 제공하는 상황 컨텐츠 제공 단계를 포함하는 온라인 구독 서비스 기반 영어 학습 서비스 방법.

KR1020200030709A 2020-03-12 2020-03-12 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법 KR102447128B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200030709A KR102447128B1 (ko) 2020-03-12 2020-03-12 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200030709A KR102447128B1 (ko) 2020-03-12 2020-03-12 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법

Publications (2)

Publication Number Publication Date
KR20210115233A true KR20210115233A (ko) 2021-09-27
KR102447128B1 KR102447128B1 (ko) 2022-09-26

Family

ID=77926026

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200030709A KR102447128B1 (ko) 2020-03-12 2020-03-12 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102447128B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102657155B1 (ko) * 2023-11-09 2024-04-15 주식회사 너닮나담 NIE(Newspaper In Education)에서 수강자의 피드백에 기반한 학습자료 선정 및 최적화 방법, 장치 및 시스템

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100407113B1 (ko) * 2000-06-01 2003-11-28 손정환 인터넷을 이용한 단계별 교육 방법 및 그 시스템
KR20090053339A (ko) * 2007-11-23 2009-05-27 유민구 내재적 연관 검사를 이용하는 사용자 성향 평가 시스템 및그 사용자 성향 평가 방법
KR20100042223A (ko) * 2008-10-15 2010-04-23 황선원 학습자료 자동출력장치 및 방법
KR20100082643A (ko) 2009-01-09 2010-07-19 주식회사 티엠디교육그룹 학습 진단 검사 시스템 및 방법
KR20140005172A (ko) * 2010-11-15 2014-01-14 에이지 오브 러닝, 인코포레이티드 몰입형 및 대화형 컴퓨터-구현 시스템
KR20140107261A (ko) 2011-11-21 2014-09-04 에이지 오브 러닝, 인코포레이티드 멘토 참여를 용이하게 하는 언어 수업 시스템
KR101640867B1 (ko) * 2014-11-24 2016-07-19 김영한 기계학습 기반 학습자 맞춤형 학습과정 제공 방법 및 학습자 맞춤형 학습 시스템
KR101754723B1 (ko) * 2015-08-25 2017-07-06 건국대학교 산학협력단 개인 맞춤형 교과목 추천 방법 및 그 장치

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100407113B1 (ko) * 2000-06-01 2003-11-28 손정환 인터넷을 이용한 단계별 교육 방법 및 그 시스템
KR20090053339A (ko) * 2007-11-23 2009-05-27 유민구 내재적 연관 검사를 이용하는 사용자 성향 평가 시스템 및그 사용자 성향 평가 방법
KR20100042223A (ko) * 2008-10-15 2010-04-23 황선원 학습자료 자동출력장치 및 방법
KR20100082643A (ko) 2009-01-09 2010-07-19 주식회사 티엠디교육그룹 학습 진단 검사 시스템 및 방법
KR20140005172A (ko) * 2010-11-15 2014-01-14 에이지 오브 러닝, 인코포레이티드 몰입형 및 대화형 컴퓨터-구현 시스템
KR20140107261A (ko) 2011-11-21 2014-09-04 에이지 오브 러닝, 인코포레이티드 멘토 참여를 용이하게 하는 언어 수업 시스템
KR101640867B1 (ko) * 2014-11-24 2016-07-19 김영한 기계학습 기반 학습자 맞춤형 학습과정 제공 방법 및 학습자 맞춤형 학습 시스템
KR101754723B1 (ko) * 2015-08-25 2017-07-06 건국대학교 산학협력단 개인 맞춤형 교과목 추천 방법 및 그 장치

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102657155B1 (ko) * 2023-11-09 2024-04-15 주식회사 너닮나담 NIE(Newspaper In Education)에서 수강자의 피드백에 기반한 학습자료 선정 및 최적화 방법, 장치 및 시스템

Also Published As

Publication number Publication date
KR102447128B1 (ko) 2022-09-26

Similar Documents

Publication Publication Date Title
Martinez Abad et al. Data-mining techniques in detecting factors linked to academic achievement
Paquette et al. Comparing machine learning to knowledge engineering for student behavior modeling: a case study in gaming the system
Pedro et al. Predicting college enrollment from student interaction with an intelligent tutoring system in middle school
Moreno-Marcos et al. Analysing the predictive power for anticipating assignment grades in a massive open online course
Brooks et al. The data-assisted approach to building intelligent technology-enhanced learning environments
US20190318436A1 (en) Free learning analytics methods and systems
US10516691B2 (en) Network based intervention
Wesiak et al. Iterative augmentation of a medical training simulator: Effects of affective metacognitive scaffolding
US11037460B2 (en) Cognitive robotic assistance for education
Aguilar Examining the relationship between comparative and self-focused academic data visualizations in at-risk college students' academic motivation
US20180232127A1 (en) Structured response summarization of electronic messages
Xu et al. Leveraging artificial intelligence to predict young learner online learning engagement
US10817888B2 (en) System and method for businesses to collect personality information from their customers
Goodman-Deane et al. Digital technology competence and experience in the UK population: who can do what
Glahn et al. Designing for context-aware and contextualized learning
O'Hanlon et al. The attainment of pupils in Gaelic-medium primary education in Scotland
Kaufman Implementing novel, flexible, and powerful survey designs in R Shiny
KR102447128B1 (ko) 온라인 구독 서비스 기반 영어 학습 서비스 장치 및 방법
Zhang et al. Sequential pattern mining in educational data: The application context, potential, strengths, and limitations
Ding et al. EduAware: using tablet-based navigation gestures to predict learning module performance
Li et al. The effects of learners’ background and social network position on content-related MOOC interaction
Yu et al. Design of an algorithm for recommending elective courses based on collaborative filtering
Samsari et al. Sentiment analysis on students stress and depression due to Online Distance Learning during the COVID-19 pandemic
Isotani et al. Artificial Intelligence in Education: 20th International Conference, AIED 2019, Chicago, IL, USA, June 25-29, 2019, Proceedings, Part I
Sommer et al. A web-based recommendation system for engineering education e-learning solutions

Legal Events

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