KR20210132399A - Learning Efficiency Improvement System Using Academic Stress Analysis - Google Patents

Learning Efficiency Improvement System Using Academic Stress Analysis Download PDF

Info

Publication number
KR20210132399A
KR20210132399A KR1020200050729A KR20200050729A KR20210132399A KR 20210132399 A KR20210132399 A KR 20210132399A KR 1020200050729 A KR1020200050729 A KR 1020200050729A KR 20200050729 A KR20200050729 A KR 20200050729A KR 20210132399 A KR20210132399 A KR 20210132399A
Authority
KR
South Korea
Prior art keywords
stress
module
user
data
activity
Prior art date
Application number
KR1020200050729A
Other languages
Korean (ko)
Inventor
박지환
Original Assignee
박지환
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 박지환 filed Critical 박지환
Priority to KR1020200050729A priority Critical patent/KR20210132399A/en
Publication of KR20210132399A publication Critical patent/KR20210132399A/en
Priority to KR1020230040479A priority patent/KR20230050281A/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/486—Bio-feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Business, Economics & Management (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Physiology (AREA)
  • Tourism & Hospitality (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Cardiology (AREA)
  • Social Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Educational Technology (AREA)
  • Primary Health Care (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Anesthesiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Educational Administration (AREA)
  • Biodiversity & Conservation Biology (AREA)

Abstract

The present invention relates to a learning efficiency improvement system using academic stress analysis and, more specifically, to a learning efficiency improvement system using academic stress analysis, which finds an optimal stress level bringing maximum learning efficiency to a user and provides a stress increasing suggestion or a stress decreasing suggestion to maintain the stress level instead of blindly suggesting lowering the stress level regarding a stress as a learning disability factor.

Description

학업 스트레스 분석을 이용한 학습 효율 향상 시스템 {Learning Efficiency Improvement System Using Academic Stress Analysis}Learning Efficiency Improvement System Using Academic Stress Analysis

본 발명은 학업 스트레스 분석을 이용한 학습 효율 향상 시스템에 관한 것으로, 더욱 상세하게는, 스트레스를 학습 장애 요소로 보아 스트레스 레벨을 무조건 낮추도록 제안하는 것이 아니라, 사용자에게서 최대의 학습 효율이 나타나는 최적의 스트레스 레벨을 찾고, 해당 스트레스 레벨이 유지될 수 있도록, 스트레스를 증가시키는 제안 또는 스트레스를 감소시키는 제안을 제공하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템에 관한 것이다.The present invention relates to a system for improving learning efficiency using an analysis of academic stress, and more specifically, it is not suggested to unconditionally lower the stress level by considering stress as a learning obstacle, but the optimal stress in which the maximum learning efficiency is shown in the user. It relates to a system for improving learning efficiency using academic stress analysis, characterized in that it provides a suggestion for increasing stress or reducing stress so that the level is found and the corresponding stress level can be maintained.

사람은 저마다 다른 성향을 가지고 있어, 자신의 학습 효율을 높이는 나름의 방식이 존재한다. 예를 들어, 음악이 흘러나오는 카페에 앉아 공부할 때 오히려 집중을 잘 하는 사람이 있는가 하면, 작은 소리도 들리지 않을 만큼 조용한 공간에 있어야 집중이 잘 되는 사람도 있고, 이른 아침에 공부가 잘되는 사람이 있는가 하면, 반대로 모두가 잠든 늦은 밤에 공부가 잘 되는 사람도 있다. Each person has different tendencies, and there are ways to increase their own learning efficiency. For example, some people are better at concentrating when they study while sitting in a cafe with music playing. Some people have a better concentration when they are in a quiet space where they can't hear even a small noise, and some people study well in the early morning. Conversely, some people study well late at night when everyone is asleep.

본인의 기술이나 능력을 발전시키기 위한 자기 개발은 인생 전반에 걸쳐 계속되는바, 학습 효율을 높이는 것은 매우 중요한 일이 아닐 수 없다.Self-development to develop one's skills and abilities continues throughout life, so improving learning efficiency is very important.

학습 효율은, 학습에 투입한 시간 대비 그 시간 동안 얻은 학습의 성과로 정의될 수 있을 것이다. 많은 연구 문헌에 따르면, 이러한 학습 효율은 학업 스트레스에 큰 영향을 받는다는 것이 입증되고 있다.Learning efficiency may be defined as the result of learning obtained during that time compared to the time invested in learning. According to a number of research literature, it is proved that such learning efficiency is greatly affected by academic stress.

극심한 학업 스트레스를 받는 상황에서는 학습 효율이 떨어지기 마련이고, 반대로, 학업 스트레스가 전혀 없는 상태에서는 긴장감, 의욕 등이 없어져, 학습 효율이 높아질 수 없는바, 적정 수준의 학업 스트레스가 유지될 수 있도록 하는 것이 학습 효율을 높이기 위해 무엇보다 중요하다고 할 것이다.In a situation where students are subjected to extreme academic stress, learning efficiency tends to decrease. Conversely, in the absence of academic stress, tension and motivation disappear, and learning efficiency cannot be increased. It will be said that it is the most important thing to increase the learning efficiency.

도 1은 종래 기술인 사용자의 움직임과 심박수에 기초한 스트레스 측정 장치(90)에 관한 도면으로, 이는 한국공개특허공보 제10-2014-0095291호에 개시되어 있다.1 is a prior art view of a stress measuring apparatus 90 based on a user's movement and heart rate, which is disclosed in Korean Patent Application Laid-Open No. 10-2014-0095291.

도 1을 참고하여 설명하면, 상기 사용자의 움직임과 심박수에 기초한 스트레스 측정 장치(90)는, 가속도 센서, 광 센서, 반전지 전위(Half Cell Potential) 센서 중 적어도 하나를 이용하여 사용자의 움직임을 측정하는 움직임 측정부(91)와, 측정된 사용자의 움직임을 분석하는 움직임 분석부(92)와, 사용자의 움직임을 분석한 결과에 기초하여 사용자의 스트레스를 측정할지 여부를 판단하는 스트레스 측정 판단부(93)와, 사용자의 스트레스를 측정할 것으로 결정한 경우 심전도(ECG, Electrocardiogram) 측정 회로, 광용적맥파(PPG, Photo-plethysmography) 측정 회로 또는 압력 센서를 이용하여 사용자의 심박수를 측정하는 심박수 측정부(94)로부터 측정된 사용자의 심박수를 이용하여 스트레스를 평가하는 스트레스 평가부(95)와, 상기 스트레스 평가부(95)가 평가한 스트레스 레벨을 출력하는 출력부(96)를 포함한다.Referring to FIG. 1 , the stress measuring apparatus 90 based on the user's movement and heart rate measures the user's movement using at least one of an acceleration sensor, an optical sensor, and a Half Cell Potential sensor. a motion measurement unit 91 to perform a motion measurement unit 91, a motion analysis unit 92 to analyze the measured user's motion, and a stress measurement determination unit to determine whether to measure the user's stress based on the result of analyzing the user's motion ( 93) and a heart rate measuring unit ( 94), a stress evaluation unit 95 for evaluating stress using the heart rate of the user, and an output unit 96 for outputting the stress level evaluated by the stress evaluation unit 95.

또한, 상기 출력부(96)는 스트레스 레벨을 시각적으로 표시하는 표시부(961)와, 출력된 스트레스 레벨을 외부의 통신 장치로 전달하는 통신부(962)와, 출력된 스트레스 레벨을 청각적으로 표시하는 스피커부(963)와, 출력된 스트레스 레벨을 저장하며 추후에 스트레스 레벨을 제공하는 데이터저장부(964)를 포함한 특징이 있다.In addition, the output unit 96 includes a display unit 961 that visually displays the stress level, a communication unit 962 that transmits the output stress level to an external communication device, and a audible display of the output stress level. It has a feature including a speaker unit 963 and a data storage unit 964 that stores the output stress level and provides the stress level later.

하지만, 이러한 종래 기술(90)은, 스트레스를 측정하거나, 측정한 결과값을 제공하는 데에만 집중하고 있을 뿐, 적정 수준으로 스트레스를 유지할 수 있도록 하는 방안 등에 대해서는 전혀 고려하고 있지 않다.However, the prior art 90 focuses only on measuring the stress or providing a measured result value, and does not consider a method for maintaining the stress at an appropriate level.

스트레스를 측정하는 것의 궁극적인 목적은 측정된 스트레스를 기반으로 스트레스를 해소하거나, 보다 바람직하게는 적정 스트레스가 유지될 수 있도록 하는 것임에도 불구하고, 종래 기술(90)는 이러한 근본적인 문제를 해결하지 못하고, 단순히 심박수 등과 같은 데이터 측정만에 치우쳐 있는 것이다.Although the ultimate purpose of measuring stress is to relieve stress based on the measured stress or, more preferably, to allow proper stress to be maintained, the prior art 90 fails to solve this fundamental problem and , it is biased towards simply measuring data such as heart rate.

이에 관련 업계에서는, 학업 스트레스를 측정해 정량화하고, 정량화된 데이터를 사용자와의 관계에서 분석하며, 분석된 결과를 통해 단순히 스트레스를 최소화시키는 것이 아니라, 적정 스트레스를 유지할 수 있도록 하는 기술의 개발을 요구하고 있는 실정이다.Accordingly, the related industry demands the development of a technology that measures and quantifies academic stress, analyzes the quantified data in relation to the user, and maintains appropriate stress, rather than simply minimizing stress through the analyzed results. is currently doing.

한국공개특허공보 제10-2014-0095291호 (2014.08.01.)Korean Patent Publication No. 10-2014-0095291 (2014.08.01.)

본 발명은 상기와 같은 문제점을 해결하고자 안출된 것으로,The present invention has been devised to solve the above problems,

본 발명의 목적은, 사용자가 최대의 학습 효율을 보이는 최적의 스트레스 레벨을 찾아 해당 스트레스 레벨이 유지될 수 있도록 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템을 제공하는 것이다.An object of the present invention is to provide a system for improving learning efficiency using academic stress analysis, in which a user finds an optimal stress level showing the maximum learning efficiency and allows the corresponding stress level to be maintained.

본 발명의 다른 목적은, 스트레스를 무조건 학습 장애 요소로 보아 스트레스 레벨을 낮추는 데에만 집중하는 것이 아닌, 적절한 스트레스는 학습 효율을 보다 높일 수 있다는 판단 아래 사용자별 최적의 스트레스 레벨을 파악해, 스트레스를 감소시키는 것 뿐만 아니라, 필요에 따라서는 스트레스를 증가시켜 최적의 스트레스 레벨이 유지될 수 있도록 하는 것이다.Another object of the present invention is to reduce stress by identifying the optimal stress level for each user under the judgment that appropriate stress can further increase learning efficiency, rather than focusing only on lowering the stress level by viewing stress as an unconditional learning obstacle factor. As well as increasing the stress if necessary, it is possible to maintain an optimal stress level.

본 발명의 또 다른 목적은, 사용자에게 최적의 스트레스 레벨이 유지될 수 있도록 하는 스트레스 조절 요인을 제공함으로써, 사용자가 시스템에서 제공되는 제안을 받아 자신의 학습 효율을 극대화할 수 있도록 하는 것이다.Another object of the present invention is to provide a stress control factor that allows the user to maintain an optimal stress level, so that the user can maximize his or her learning efficiency by receiving a proposal from the system.

본 발명의 또 다른 목적은, 실시간으로 사용자의 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV), 산소 포화도(Saturation of partial Pressure Oxygen, SpO2), 피부 온도(Skin Temperature, ST), 혈압(Blood Pressure, BP) 등 생물학적 특성(Health Care Information)과 관련된 신체 데이터를 측정함으로써, 사용자의 학습 효율과 스트레스의 상관 관계 분석이 가능하도록 하는 것이다.Another object of the present invention is, in real time, the user's heart rate (Heart Rate, HR), heart rate variability (HRV), oxygen saturation (Saturation of partial pressure Oxygen, SpO 2 ), skin temperature (Skin Temperature, ST) and blood pressure (BP), etc., related to biological characteristics (Health Care Information) are measured to enable correlation analysis between the user's learning efficiency and stress.

본 발명의 또 다른 목적은, 사용자 주변의 소음·조도·온도·습도 데이터, GPS(Global Positioning System)를 이용한 사용자의 위치 데이터, 자이로 센서(Gyro sensor)를 통한 사용자의 운동 데이터 등 사용자 신체 이외의 정보인 환경 데이터를 실시간으로 측정하여, 사용자에게 학습 효율을 극대화시킬 수 있는 주변 환경 조절 방안을 제공하는 것이다.Another object of the present invention is to provide information other than the user's body, such as noise/illuminance/temperature/humidity data around the user, location data of the user using a Global Positioning System (GPS), and movement data of the user through a gyro sensor. By measuring environmental data, which is information, in real time, it is to provide a method for adjusting the surrounding environment that can maximize learning efficiency to the user.

본 발명의 또 다른 목적은, 사용자가 각종 데이터를 직접 입력할 수 있도록 하여 사용자의 상태가 정확히 평가될 수 있도록 하고, 사용자가 입력한 입력 데이터는 웨어러블 디바이스(Wearable Devices)를 통해 측정된 신체 데이터나 각종 정보 수집기를 통해 측정된 환경 데이터보다 우선시 되도록 함으로써, 웨어러블 디바이스(Wearable Devices)나 정보 수집기를 통해 측정된 데이터를 보정·보완할 수 있도록 하는 것이다.Another object of the present invention is to allow the user to directly input various data so that the user's condition can be accurately evaluated, and the input data input by the user is the body data measured through a wearable device or By giving priority to environmental data measured through various information collectors, data measured through wearable devices or information collectors can be corrected and supplemented.

본 발명의 또 다른 목적은, 사용자에게 설문을 제공하고, 설문에 대한 사용자의 입력 데이터를 리커트 척도를 이용해 8 구간의 스트레스 레벨로 평가함으로써, 사용자별 최적 스트레스를 정량화하는 것이다.Another object of the present invention is to quantify optimal stress for each user by providing a questionnaire to a user and evaluating the user's input data for the questionnaire as a stress level of 8 sections using a Likert scale.

본 발명의 또 다른 목적은, 활동분석부를 구성하여, 시간대별로 사용자가 어떠한 활동을 했는지 판단하고, 활동 종류에 따른 학습 효율 관계, 활동 선후에 따른 학습 효율 관계 등을 파악해 사용자가 최대의 학습 효율을 보일 수 있는 방안을 제공하는 것이다.Another object of the present invention is to configure the activity analysis unit, determine what kind of activity the user did by time period, and determine the learning efficiency relationship according to the type of activity, the learning efficiency relationship according to the activity before and after the activity, so that the user can maximize the learning efficiency. It provides a way to be seen.

본 발명의 또 다른 목적은, 활동입력판단모듈을 통해 사용자가 입력한 활동 데이터가 있는지를 파악하고, 입력한 활동 데이터가 있는 경우에는 그 데이터로 사용자의 활동을 특정하고, 입력한 활동 데이터가 없는 경우에는 활동추론모듈을 통해 사용자의 활동을 추론할 수 있도록 하는 것이다.Another object of the present invention is to determine whether there is activity data input by the user through the activity input determination module, and if there is input activity data, specify the user's activity with the data, and if there is no input activity data In this case, the user's activity can be inferred through the activity inference module.

본 발명의 또 다른 목적은, 시간대별로 사용자의 스트레스가 어떠했는지를 판단하되, 사용자로부터 스트레스에 관한 입력 데이터가 있는 경우에는 그에 의하고, 스트레스에 관한 입력 데이터가 없는 경우에는 신체 데이터를 통해 사용자의 스트레스 레벨을 추론할 수 있도록 하는 것이다.Another object of the present invention is to determine what the user's stress was by time period, depending on if there is input data about stress from the user, and if there is no input data about stress, the user's stress through body data This is to allow the level to be inferred.

본 발명의 또 다른 목적은, 상관분석부를 구성하여, 사용자가 최대 학습 효율을 보인 최적의 스트레스 레벨을 결정하고, 스트레스 레벨에 영향을 주는 조절 요인을 찾아내는 것이다.Another object of the present invention is to configure a correlation analysis unit to determine an optimal stress level at which a user exhibits maximum learning efficiency, and to find an adjustment factor affecting the stress level.

본 발명의 또 다른 목적은, 사용자가 입력한 학습 효율 데이터 가운데 최대의 학습 효율을 기록한 시점을 특정하고, 특정된 시점의 스트레스 레벨을 추출하여 학습 효율을 극대화할 수 있는 최적 스트레스 레벨로 특정하는 것이다.Another object of the present invention is to specify a point in time at which the maximum learning efficiency is recorded among the learning efficiency data input by the user, and to extract the stress level at the specified point in time to specify it as an optimal stress level capable of maximizing the learning efficiency. .

본 발명의 또 다른 목적은, 시간에 따른 스트레스 레벨 패턴을 추출하고, 시간에 따른 데이터 패턴을 추출하며, 상기 스트레스 레벨 패턴과 상기 데이터 패턴을 비교해 상기 스트레스 레벨 패턴과 유사한 데이터 패턴을 보이는 데이터를 스트레스 레벨에 영향을 주는 조절 요인으로 특정함으로써, 사용자의 학습 효율을 극대화할 수 있는 최적의 스트레스 레벨을 유지시키는데 필요한 스트레스 조절 요인들이 자동으로 추출될 수 있도록 하는 것이다.Another object of the present invention is to extract a stress level pattern over time, extract a data pattern over time, and compare the stress level pattern with the data pattern to stress data showing a data pattern similar to the stress level pattern. By specifying the control factors affecting the level, the stress control factors necessary to maintain the optimum stress level that can maximize the learning efficiency of the user can be automatically extracted.

본 발명의 또 다른 목적은, 스트레스특정모듈로부터 사용자의 현재 스트레스 레벨을 특정하고, 최적스트레스특정모듈로부터 사용자의 최적 스트레스 레벨을 특정하여, 현재 스트레스 레벨로부터 최적 스트레스 레벨에 이르는 스트레스 조절 요인을 조절요인특정모듈에서 추출해 사용자에게 제공하는 것이다.Another object of the present invention is to specify the user's current stress level from the stress specifying module, specify the user's optimal stress level from the optimal stress specifying module, and adjust the stress control factor from the current stress level to the optimal stress level as a control factor It is extracted from a specific module and provided to the user.

본 발명의 또 다른 목적은, 스트레스증가모듈과 스트레스감소모듈을 별도로 구성해, 최적 스트레스 레벨보다 현재 스트레스 레벨이 낮은 경우에는 스트레스증가모듈을 통해 스트레스를 증가시키는 조절 요인이 제공되도록 하고, 최적 스트레스 레벨보다 현재 스트레스 레벨이 높은 경우에는 스트레스감소모듈을 통해 스트레스를 감소시키는 조절 요인이 제공되도록 하는 것이다.Another object of the present invention is to separately configure the stress increasing module and the stress reducing module so that, when the current stress level is lower than the optimum stress level, a control factor for increasing the stress is provided through the stress increasing module, and the optimum stress level When the current stress level is higher, the stress reduction module provides a control factor for reducing stress.

본 발명의 또 다른 목적은, 스트레스조정모듈과 연결된 제안요인특정모듈이 사용자에게 제안된 스트레스 조절 요인을 특정하면, 제안수용판단모듈이 데이터수집부를 통해 수집되는 데이터를 확인해 사용자가 제안된 스트레스 조절 요인에 따랐는지를 확인하고, 사용자가 제안된 스트레스 조절 요인을 받아들여 그에 따라 스트레스 요인을 조절했음에도 불구하고, 스트레스 레벨이 최적 스트레스 레벨로 되지 않았다면, 조절요인특정모듈에 의한 데이터 특정시 해당 스트레스 조절 요인은 스트레스 레벨 조정에 필요한 조절 요인으로 더이상 특정되지 않도록 하는 것이다.Another object of the present invention is, when the suggested factor specifying module connected to the stress control module specifies the stress control factor suggested to the user, the suggestion acceptance determination module confirms the data collected through the data collection unit and provides the user with the suggested stress control factor If the stress level does not reach the optimal stress level even though the user has accepted the suggested stress control factor and adjusted the stress factor accordingly, the corresponding stress control factor when specifying data by the modulating factor specific module is no longer specified as a regulatory factor necessary for adjusting the stress level.

본 발명의 또 다른 목적은, 업데이트모듈을 구성해 조절요인특정모듈이 갱신될 수 있도록 함으로써, 패턴 분석에 의한 조절 요인 특정의 정확성을 보완하고, 스트레스 레벨 조절에 핵심적인 조절 요인만 특정되도록 하여, 사용자에게 보다 정확한 스트레스 레벨 조절 제안을 할 수 있도록 하는 것이다.Another object of the present invention is to configure the update module so that the modulating factor specific module can be updated, thereby supplementing the accuracy of specifying the modulating factor by pattern analysis, and specifying only the modulating factor that is essential for controlling the stress level, The goal is to provide users with more accurate stress level control suggestions.

본 발명은 앞서 본 목적을 달성하기 위해서 다음과 같은 구성을 가진 실시예에 의해서 구현된다.The present invention is implemented by an embodiment having the following configuration in order to achieve the above object.

본 발명의 일 실시예에 따르면, 본 발명은, 사용자 데이터를 수신하는 데이터수집부와, 상기 데이터수집부와 연결되어 수신된 상기 사용자 데이터를 분석해 활동 데이터를 생성하는 활동분석부와, 상기 데이터수집부와 연결되어 수신된 상기 사용자 데이터를 분석해 스트레스 데이터를 생성하는 스트레스분석부와, 상기 데이터수집부, 상기 활동분석부 및 상기 스트레스분석부와 연결되어 최대 학습 효율이 나타난 최적의 스트레스 레벨을 결정하고 스트레스에 영향을 주는 조절 요인을 특정하는 상관분석부와, 상기 상관분석부와 연결되어 사용자가 상기 최적의 스트레스 레벨을 유지할 수 있도록 사용자에게 스트레스 증가 요인 또는 스트레스 감소 요인을 제안하는 스트레스조정부를 포함하는 것을 특징으로 한다.According to an embodiment of the present invention, a data collection unit for receiving user data, an activity analysis unit connected to the data collection unit to analyze the received user data to generate activity data, and the data collection unit A stress analysis unit for generating stress data by analyzing the received user data in connection with the unit, the data collection unit, the activity analysis unit, and the stress analysis unit to determine the optimal stress level showing the maximum learning efficiency, A correlation analysis unit for specifying a control factor affecting stress, and a stress control unit connected to the correlation analysis unit to suggest a stress increasing factor or a stress reducing factor to the user so that the user can maintain the optimal stress level characterized in that

본 발명의 다른 실시예에 따르면, 본 발명은, 상기 상관분석부는, 사용자의 학습 효율을 향상시키는 최적의 스트레스 레벨을 특정하는 스트레스효율분석모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the correlation analysis unit is characterized in that it includes a stress efficiency analysis module for specifying an optimal stress level for improving the learning efficiency of the user.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 스트레스효율분석모듈은, 상기 데이터수집부에서 학습 효율 데이터를 추출하는 효율데이터추출모듈과, 상기 효율데이터추출모듈과 연결되어 추출된 학습 효율 데이터 가운데 최대 학습 효율을 특정하는 최대효율특정모듈과, 상기 최대효율특정모듈과 연결되어 특정된 최대 학습 효율을 보일 때의 스트레스 레벨을 특정하는 최적스트레스특정모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in the present invention, the stress efficiency analysis module includes an efficiency data extraction module for extracting learning efficiency data from the data collection unit, and learning efficiency extracted by being connected to the efficiency data extraction module It is characterized in that it comprises a maximum efficiency specifying module for specifying the maximum learning efficiency among the data, and an optimal stress specifying module for specifying a stress level when the maximum learning efficiency is specified in connection with the maximum efficiency specifying module.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 상관분석부는, 상기 스트레스효율분석모듈과 연결되어 사용자의 스트레스에 영향을 미치는 스트레스 조절 요인을 특정하는 스트레스요인분석모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the correlation analysis unit comprises a stress factor analysis module connected to the stress efficiency analysis module to specify a stress control factor affecting the user's stress. do.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 스트레스요인분석모듈은, 시간에 따른 스트레스 레벨 패턴을 추출하는 스트레스패턴추출모듈과, 시간에 따른 데이터 패턴을 추출하는 데이터패턴추출모듈과, 상기 스트레스패턴추출모듈 및 상기 데이터패턴추출모듈과 연결되어 상기 스트레스 레벨 패턴과 상기 데이터 패턴을 비교하는 비교모듈과, 상기 비교모듈과 연결되어 상기 스트레스 레벨 패턴과 유사한 데이터 패턴을 보이는 데이터를 특정하는 조절요인특정모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the stress factor analysis module includes a stress pattern extraction module for extracting a stress level pattern according to time, a data pattern extraction module for extracting a data pattern according to time, A comparison module connected to the stress pattern extraction module and the data pattern extraction module to compare the stress level pattern with the data pattern, and a control for specifying data showing a data pattern similar to the stress level pattern by being connected to the comparison module It is characterized in that it includes a factor specific module.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 스트레스조정부는, 스트레스분석부의 스트레스특정모듈과 연결되어 사용자의 현재 스트레스 레벨을 추출하는 현재스트레스추출모듈과, 상관분석부의 최적스트레스특정모듈과 연결되어 사용자의 최적 스트레스 레벨을 추출하는 최적스트레스추출모듈과, 상관분석부의 조절요인특정모듈과 연결되어 사용자의 스트레스 증가 또는 감소를 위한 조절 요인을 사용자에게 제공하는 스트레스조정모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the stress adjustment unit, the current stress extraction module for extracting the user's current stress level in connection with the stress specifying module of the stress analysis unit, and the optimal stress specifying module of the correlation analysis unit and It is characterized in that it comprises an optimal stress extraction module connected to extract the user's optimal stress level, and a stress adjustment module connected to the adjustment factor specific module of the correlation analysis unit to provide the user with adjustment factors for increasing or decreasing the user's stress. do.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 스트레스조정모듈은, 사용자에게 사용자의 스트레스 레벨을 증가시키는 요인을 제공하는 스트레스증가모듈과, 사용자에게 사용자의 스트레스 레벨을 감소시키는 요인을 제공하는 스트레스감소모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in the present invention, the stress adjustment module provides a stress increasing module that provides a factor for increasing the user's stress level to the user, and a factor for reducing the user's stress level to the user. It is characterized in that it includes a stress reduction module.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 데이터수집부는, 사용자의 신체와 관련된 신체 데이터를 수집하는 신체데이터수집모듈과, 사용자의 주변과 관련된 환경 데이터를 수집하는 환경데이터수집모듈과, 사용자가 입력한 입력 데이터를 수집하는 입력데이터수집모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the data collection unit comprises: a body data collection module for collecting body data related to the user's body; and an environment data collection module for collecting environmental data related to the user's surroundings; , characterized in that it comprises an input data collection module for collecting input data input by the user.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 입력 데이터는, 상기 신체 데이터 및 상기 환경 데이터 보다 우선시 되는 것을 특징으로 한다.According to another embodiment of the present invention, the input data has priority over the body data and the environment data.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 활동분석부는, 시간대별 사용자 활동에 관한 입력 데이터의 수신 유무를 판단하는 활동입력판단모듈과, 상기 활동입력판단모듈과 연결되어 사용자 활동에 관한 입력 데이터가 없는 시간대의 사용자 활동을 추론하는 활동추론모듈과, 상기 활동입력판단모듈과 연결되어 사용자 활동에 관한 입력 데이터가 있는 시간대의 사용자 활동을 특정하는 활동특정모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the activity analysis unit is connected to an activity input determination module that determines whether input data regarding user activity by time period is received or not, and the activity input determination module is connected to the user activity It characterized in that it comprises an activity inference module for inferring user activity in a time zone in which there is no input data related to it, and an activity specific module connected to the activity input determination module to specify user activity in a time zone having input data related to user activity. .

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 활동추론모듈은, 사용자 활동에 관한 입력 데이터가 있는 시간대의 사용자 데이터를 입력값으로 하고, 해당 시간대의 사용자 활동에 관한 입력 데이터를 결과값으로 하여, 활동 학습 모델을 생성하는 활동학습모듈과, 상기 활동학습모듈과 연결되어 생성된 상기 활동 학습 모델을 통해 사용자 활동에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 활동을 예측하는 활동예측모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in the present invention, the activity inference module takes user data of a time zone in which input data related to user activity is input as an input value, and uses input data related to user activity in the corresponding time zone as a result value In this way, the activity learning module for generating an activity learning model, and the activity learning model generated in connection with the activity learning module, user data of a time period in which there is no input data about user activity as an input value to predict user activity It is characterized in that it includes an activity prediction module.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 스트레스분석부는, 시간대별 사용자 스트레스에 관한 입력 데이터의 수신 유무를 판단하는 스트레스입력판단모듈과, 상기 스트레스입력판단모듈과 연결되어 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 스트레스 레벨을 추론하는 스트레스추론모듈과, 상기 스트레스추론모듈과 연결되어 사용자 스트레스에 관한 입력 데이터가 있는 시간대의 사용자 스트레스 레벨을 특정하는 스트레스특정모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in the present invention, the stress analysis unit is connected to a stress input determination module for determining whether input data related to user stress for each time period is received or not, and the stress input determination module is connected to the user stress. A stress inference module for inferring a user stress level in a time zone in which there is no input data related to it, and a stress specifying module connected to the stress inference module to specify a user stress level in a time zone having input data related to user stress. do.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 스트레스추론모듈은, 사용자 스트레스에 관한 입력 데이터가 있는 시간대의 사용자 데이터를 입력값으로 하고, 해당 시간대의 사용자 스트레스 레벨을 결과값으로 하여, 스트레스 학습 모델을 생성하는 스트레스학습모듈과, 상기 스트레스학습모듈과 연결되어 생성된 상기 스트레스 학습 모델을 통해 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 스트레스 레벨을 예측하는 스트레스예측모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, in the present invention, the stress inference module uses user data of a time zone having input data regarding user stress as an input value, and using the user stress level of the corresponding time zone as a result value, A stress learning module for generating a stress learning model, and a stress learning model connected to the stress learning module to predict a user stress level using user data in a time period when there is no input data on user stress as an input value It is characterized in that it includes a prediction module.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 학습 효율 향상 시스템은, 일측은 상기 스트레스조정부에 연결되고, 타측은 상기 데이터수집부 및 상기 스트레스분석부에 연결되어, 상기 스트레스조정부에 의해 제공된 스트레스 조절 요인이 유효한 스트레스 조절 요인인지 여부를 확인하는 유효성확인부를 추가로 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the learning efficiency improvement system, one side is connected to the stress adjustment unit, the other end is connected to the data collection unit and the stress analysis unit, by the stress adjustment unit It is characterized in that it further comprises a validation unit for checking whether the provided stress control factor is an effective stress control factor.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 유효성확인부는, 스트레스조정부의 스트레스조정모듈과 연결되어 사용자에게 제공한 스트레스 조절 요인을 특정하는 제안요인특정모듈과, 상기 제안요인특정모듈과 연결되어 사용자가 제공된 스트레스 조절 요인을 받아들였는지 여부를 확인하는 제안수용판단모듈과, 상기 제안수용판단모듈과 연결되어 제공한 스트레스 조절 요인의 효과를 검증하는 제안효용검증모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the validity check unit is connected to the stress adjustment module of the stress adjustment unit, and a suggested factor specifying module for specifying a stress adjusting factor provided to the user, the suggested factor specifying module and It is characterized in that it comprises a proposal acceptance judgment module connected to confirm whether the user has accepted the provided stress control factor, and a proposal utility verification module connected to the proposal acceptance judgment module and verifying the effect of the provided stress control factor. do.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 제안수용판단모듈은, 상기 데이터수집부와 연결되어 사용자에게 제공한 스트레스 조절 요인과 관련된 데이터를 추출하는 관련데이터추출모듈과, 상기 관련데이터추출모듈과 연결되어 추출된 데이터에 사용자에게 제공한 스트레스 조절 요인이 반영되어 있는지 여부를 확인하는 반영확인모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the proposal acceptance determination module includes a related data extraction module for extracting data related to a stress control factor provided to a user by being connected to the data collection unit, and the related data It is characterized in that it includes a reflection confirmation module for checking whether the stress control factor provided to the user is reflected in the extracted data in connection with the extraction module.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 제안효용검토모듈은, 일측은 상기 반영확인모듈과 연결되고, 타측은 스트레스특정모듈과 연결되어, 상기 반영확인모듈을 통해 사용자에게 제공한 스트레스 조절 요인의 반영이 확인될 경우, 상기 스트레스특정모듈로부터 사용자의 스트레스 레벨을 확인하는 스트레스확인모듈과, 상기 스트레스확인모듈과 연결되어 확인된 사용자의 스트레스 레벨이 최적스트레스특정모듈에 의한 최적 스트레스 레벨과 동일한지 여부를 판단하는 스트레스판단모듈과, 상기 스트레스판단모듈과 연결되어 확인된 사용자의 스트레스 레벨이 최적스트레스특정모듈에 의한 최적 스트레스 레벨과 상이할 경우, 사용자에게 제공한 스트레스 조절 요인이 조절요인특정모듈에 의한 데이터 특정시 제외되도록 상기 조절요인특정모듈을 갱신하는 업데이트모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the present invention, the proposal utility review module, one side is connected to the reflection confirmation module, the other side is connected to the stress specific module, provided to the user through the reflection confirmation module When it is confirmed that the reflection of the stress control factor is confirmed, the stress checking module for checking the user's stress level from the stress specifying module, and the user's stress level connected to the stress checking module and confirmed is the optimal stress level by the optimal stress specifying module When the stress determination module for determining whether or not the same as the stress determination module and the user's stress level confirmed in connection with the stress determination module are different from the optimum stress level by the optimum stress specifying module, the stress control factor provided to the user is the adjustment factor and an update module for updating the adjustment factor specifying module to be excluded when specifying data by a specific module.

본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.The present invention can obtain the following effects by the configuration, combination, and use relationship described below with the present embodiment.

본 발명은, 사용자가 최대의 학습 효율을 보이는 최적의 스트레스 레벨을 찾아 해당 스트레스 레벨이 유지될 수 있도록 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템을 제공하는 효과를 가진다.The present invention has the effect of providing a system for improving learning efficiency using academic stress analysis, in which a user finds an optimal stress level showing the maximum learning efficiency and allows the corresponding stress level to be maintained.

본 발명은, 스트레스를 무조건 학습 장애 요소로 보아 스트레스 레벨을 낮추는 데에만 집중하는 것이 아닌, 적절한 스트레스는 학습 효율을 보다 높일 수 있다는 판단 아래 사용자별 최적의 스트레스 레벨을 파악해, 스트레스를 감소시키는 것 뿐만 아니라, 필요에 따라서는 스트레스를 증가시켜 최적의 스트레스 레벨이 유지될 수 있도록 하는 효과를 도출한다.The present invention does not focus only on lowering the stress level by viewing stress as an unconditional learning obstacle factor, but reduces the stress by identifying the optimal stress level for each user under the judgment that appropriate stress can further increase learning efficiency Rather, the effect of increasing the stress as necessary to maintain the optimal stress level is derived.

본 발명은, 사용자에게 최적의 스트레스 레벨이 유지될 수 있도록 하는 스트레스 조절 요인을 제공함으로써, 사용자가 시스템에서 제공되는 제안을 받아 자신의 학습 효율을 극대화할 수 있도록 하는 효과가 있다.The present invention has the effect of allowing the user to maximize his/her learning efficiency by receiving a proposal provided by the system by providing the user with a stress control factor that allows the optimal stress level to be maintained.

본 발명은, 실시간으로 사용자의 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV), 산소 포화도(Saturation of partial Pressure Oxygen, SpO2), 피부 온도(Skin Temperature, ST), 혈압(Blood Pressure, BP) 등 생물학적 특성(Health Care Information)과 관련된 신체 데이터를 측정함으로써, 사용자의 학습 효율과 스트레스의 상관 관계 분석이 가능하도록 하는 효과를 가진다.The present invention, in real time, the user's heart rate (Heart Rate, HR), heart rate variability (HRV), oxygen saturation (Saturation of partial pressure Oxygen, SpO 2 ), skin temperature (Skin Temperature, ST), blood pressure By measuring body data related to biological characteristics (Health Care Information) such as (Blood Pressure, BP), it has the effect of enabling correlation analysis between user learning efficiency and stress.

본 발명은, 사용자 주변의 소음·조도·온도·습도 데이터, GPS(Global Positioning System)를 이용한 사용자의 위치 데이터, 자이로 센서(Gyro sensor)를 통한 사용자의 운동 데이터 등 사용자 신체 이외의 정보인 환경 데이터를 실시간으로 측정하여, 사용자에게 학습 효율을 극대화시킬 수 있는 주변 환경 조절 방안을 제공하는 효과를 도출한다.The present invention provides environmental data that is information other than the user's body, such as noise/illuminance/temperature/humidity data around the user, location data of the user using GPS (Global Positioning System), and movement data of the user through a gyro sensor. is measured in real time to derive the effect of providing the user with a method to control the surrounding environment that can maximize learning efficiency.

본 발명은, 사용자가 각종 데이터를 직접 입력할 수 있도록 하여 사용자의 상태가 정확히 평가될 수 있도록 하고, 사용자가 입력한 입력 데이터는 웨어러블 디바이스(Wearable Devices)를 통해 측정된 신체 데이터나 각종 정보 수집기를 통해 측정된 환경 데이터보다 우선시 되도록 함으로써, 웨어러블 디바이스(Wearable Devices)나 정보 수집기를 통해 측정된 데이터를 보정·보완할 수 있도록 하는 효과가 있다.The present invention allows the user to directly input various data so that the user's condition can be accurately evaluated, and the input data input by the user is the body data measured through a wearable device or various information collectors. By giving priority to the environmental data measured through the above, there is an effect of correcting and supplementing the data measured through a wearable device or an information collector.

본 발명은, 사용자에게 설문을 제공하고, 설문에 대한 사용자의 입력 데이터를 리커트 척도를 이용해 8 구간의 스트레스 레벨로 평가함으로써, 사용자별 최적 스트레스를 정량화하는 효과를 가진다.The present invention has the effect of quantifying the optimal stress for each user by providing a questionnaire to the user and evaluating the user's input data for the questionnaire as a stress level of 8 sections using a Likert scale.

본 발명은, 활동분석부를 구성하여, 시간대별로 사용자가 어떠한 활동을 했는지 판단하고, 활동 종류에 따른 학습 효율 관계, 활동 선후에 따른 학습 효율 관계 등을 파악해 사용자가 최대의 학습 효율을 보일 수 있는 방안을 제공하는 효과를 도출한다.The present invention configures the activity analysis unit to determine what kind of activity the user did for each time period, and to identify the learning efficiency relationship according to the type of activity, the learning efficiency relationship according to the activity before and after the activity, so that the user can show the maximum learning efficiency. to derive the effect of providing

본 발명은, 활동입력판단모듈을 통해 사용자가 입력한 활동 데이터가 있는지를 파악하고, 입력한 활동 데이터가 있는 경우에는 그 데이터로 사용자의 활동을 특정하고, 입력한 활동 데이터가 없는 경우에는 활동추론모듈을 통해 사용자의 활동을 추론할 수 있도록 하는 효과가 있다.The present invention determines whether there is activity data input by the user through the activity input determination module, and if there is input activity data, the user's activity is specified by the data, and activity inference is made when there is no activity data input It has the effect of inferring the user's activity through the module.

본 발명은, 시간대별로 사용자의 스트레스가 어떠했는지를 판단하되, 사용자로부터 스트레스에 관한 입력 데이터가 있는 경우에는 그에 의하고, 스트레스에 관한 입력 데이터가 없는 경우에는 신체 데이터를 통해 사용자의 스트레스 레벨을 추론할 수 있도록 하는 효과를 가진다.The present invention determines what the user's stress is for each time period, and when there is input data about stress from the user, it is based on it, and when there is no input data about stress, the user's stress level can be inferred through body data. have the effect of making it possible.

본 발명은, 상관분석부를 구성하여, 사용자가 최대 학습 효율을 보인 최적의 스트레스 레벨을 결정하고, 스트레스 레벨에 영향을 주는 조절 요인을 찾아내는 효과를 도출한다.The present invention derives the effect of determining the optimal stress level at which the user exhibits the maximum learning efficiency by configuring the correlation analysis unit, and finding an adjustment factor affecting the stress level.

본 발명은, 사용자가 입력한 학습 효율 데이터 가운데 최대의 학습 효율을 기록한 시점을 특정하고, 특정된 시점의 스트레스 레벨을 추출하여 학습 효율을 극대화할 수 있는 최적 스트레스 레벨로 특정하는 효과가 있다.The present invention has the effect of specifying a time point at which the maximum learning efficiency is recorded among the learning efficiency data input by the user, and extracting the stress level at the specified time point as an optimal stress level capable of maximizing the learning efficiency.

본 발명은, 시간에 따른 스트레스 레벨 패턴을 추출하고, 시간에 따른 데이터 패턴을 추출하며, 상기 스트레스 레벨 패턴과 상기 데이터 패턴을 비교해 상기 스트레스 레벨 패턴과 유사한 데이터 패턴을 보이는 데이터를 스트레스 레벨에 영향을 주는 조절 요인으로 특정함으로써, 사용자의 학습 효율을 극대화할 수 있는 최적의 스트레스 레벨을 유지시키는데 필요한 스트레스 조절 요인들이 자동으로 추출될 수 있도록 하는 효과를 가진다.The present invention extracts a stress level pattern according to time, extracts a data pattern according to time, and compares the stress level pattern with the data pattern to influence the stress level by comparing data showing a data pattern similar to the stress level pattern. By specifying the state as a control factor, it has the effect of automatically extracting the stress control factors necessary to maintain the optimum stress level that can maximize the learning efficiency of the user.

본 발명은, 스트레스특정모듈로부터 사용자의 현재 스트레스 레벨을 특정하고, 최적스트레스특정모듈로부터 사용자의 최적 스트레스 레벨을 특정하여, 현재 스트레스 레벨로부터 최적 스트레스 레벨에 이르는 스트레스 조절 요인을 조절요인특정모듈에서 추출해 사용자에게 제공하는 효과를 도출한다.The present invention specifies the user's current stress level from the stress specifying module, the user's optimal stress level from the optimal stress specifying module, and extracts the stress control factors from the current stress level to the optimal stress level from the adjustment factor specifying module. It derives the effect provided to the user.

본 발명은, 스트레스증가모듈과 스트레스감소모듈을 별도로 구성해, 최적 스트레스 레벨보다 현재 스트레스 레벨이 낮은 경우에는 스트레스증가모듈을 통해 스트레스를 증가시키는 조절 요인이 제공되도록 하고, 최적 스트레스 레벨보다 현재 스트레스 레벨이 높은 경우에는 스트레스감소모듈을 통해 스트레스를 감소시키는 조절 요인이 제공되도록 하는 효과가 있다.The present invention configures the stress increasing module and the stress reducing module separately so that, when the current stress level is lower than the optimum stress level, a control factor for increasing the stress is provided through the stress increasing module, and the current stress level is higher than the optimum stress level In this high case, there is an effect that a control factor to reduce stress is provided through the stress reduction module.

본 발명은, 스트레스조정모듈과 연결된 제안요인특정모듈이 사용자에게 제안된 스트레스 조절 요인을 특정하면, 제안수용판단모듈이 데이터수집부를 통해 수집되는 데이터를 확인해 사용자가 제안된 스트레스 조절 요인에 따랐는지를 확인하고, 사용자가 제안된 스트레스 조절 요인을 받아들여 그에 따라 스트레스 요인을 조절했음에도 불구하고, 스트레스 레벨이 최적 스트레스 레벨로 되지 않았다면, 조절요인특정모듈에 의한 데이터 특정시 해당 스트레스 조절 요인은 스트레스 레벨 조정에 필요한 조절 요인으로 더이상 특정되지 않도록 하는 효과를 가진다.In the present invention, when the suggested factor specifying module connected to the stress control module specifies the stress control factor suggested to the user, the suggestion acceptance determination module checks the data collected through the data collection unit to determine whether the user complies with the suggested stress control factor If the stress level does not reach the optimal stress level even though the user accepts the suggested stress control factor and adjusts the stress factor accordingly, the corresponding stress control factor adjusts the stress level when specifying the data by the modulating factor specific module. It has the effect that it is no longer specified as a regulatory factor necessary for

본 발명은, 업데이트모듈을 구성해 조절요인특정모듈이 갱신될 수 있도록 함으로써, 패턴 분석에 의한 조절 요인 특정의 정확성을 보완하고, 스트레스 레벨 조절에 핵심적인 조절 요인만 특정되도록 하여, 사용자에게 보다 정확한 스트레스 레벨 조절 제안을 할 수 있도록 하는 효과를 도출한다.The present invention supplements the accuracy of specifying adjustment factors by pattern analysis by configuring an update module so that the adjustment factor specific module can be updated, and by specifying only the adjustment factors that are essential for stress level control, more accurate to the user It derives the effect of making a stress level control suggestion.

도 1은 종래 기술인 사용자의 움직임과 심박수에 기초한 스트레스 측정 장치(90)에 관한 도면.
도 2는 본 발명의 일 실시예에 따른 학업 스트레스 분석을 이용한 학습 효율 향상 시스템을 도시한 도면.
도 3은 데이터수집부를 도시한 도면.
도 4는 활동분석부를 도시한 도면.
도 5는 스트레스분석부를 도시한 도면.
도 6은 상관분석부를 도시한 도면.
도 7은 데이터패턴과 스트레스패턴을 비교 도시한 도면.
도 8은 스트레스조정부를 도시한 도면.
도 9는 유효성확인부를 도시한 도면.1 is a diagram of a prior art stress measuring apparatus 90 based on a user's movement and heart rate.
2 is a diagram illustrating a system for improving learning efficiency using academic stress analysis according to an embodiment of the present invention.
3 is a diagram illustrating a data collection unit;
4 is a view showing an activity analysis unit.
5 is a view showing a stress analysis unit.
6 is a diagram illustrating a correlation analysis unit.
7 is a diagram illustrating a comparison between a data pattern and a stress pattern.
8 is a view showing a stress adjusting unit.
9 is a view showing a validation unit.

이하에서는 본 발명에 따른 학업 스트레스 분석을 이용한 학습 효율 향상 시스템의 바람직한 실시 예들을 첨부된 도면을 참고하여 상세히 설명한다. 하기에서 본 발명을 설명함에 있어 공지의 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하도록 한다. 특별한 정의가 없는 한 본 명세서의 모든 용어는 본 발명이 속하는 기술분야의 통상의 지식을 가진 기술자가 이해하는 당해 용어의 일반적 의미와 동일하고 만약 본 명세서에서 사용된 용어의 의미와 충돌하는 경우에는 본 명세서에서 사용된 정의에 따른다.Hereinafter, preferred embodiments of a system for improving learning efficiency using academic stress analysis according to the present invention will be described in detail with reference to the accompanying drawings. In the following description of the present invention, if it is determined that a detailed description of a well-known function or configuration may unnecessarily obscure the gist of the present invention, the detailed description thereof will be omitted. Unless otherwise defined, all terms in this specification have the same general meaning as understood by those of ordinary skill in the art to which the present invention belongs, and in case of conflict with the meaning of the terms used in this specification, the According to the definition used in the specification.

본 발명인 학업 스트레스 분석을 이용한 학습 효율 향상 시스템(1)은, 스트레스를 학습 장애 요소로 보아 스트레스 레벨을 무조건 낮추도록 제안하는 것이 아니라, 사용자에게서 최대의 학습 효율이 나타나는 최적의 스트레스 레벨을 찾고, 해당 스트레스 레벨이 유지될 수 있도록, 스트레스를 증가시키는 제안 또는 스트레스를 감소시키는 제안을 제공하는 시스템을 말한다. 도 2는 본 발명의 일 실시예에 따른 학업 스트레스 분석을 이용한 학습 효율 향상 시스템(1)을 도시한 도면으로, 도 2를 참고하면, 상기 학업 스트레스 분석을 이용한 학습 효율 향상 시스템(1)은, 데이터수집부(10), 활동분석부(20), 스트레스분석부(30), 상관분석부(40), 스트레스조정부(50), 유효성확인부(60)를 포함한다.The present inventor's system for improving learning efficiency using academic stress analysis (1) does not suggest that the stress level be unconditionally lowered by considering stress as a learning obstacle, but finds the optimal stress level that shows the maximum learning efficiency in the user, and It refers to a system that provides a suggestion to increase stress or a suggestion to reduce stress so that the stress level can be maintained. 2 is a view showing a learning efficiency improvement system 1 using academic stress analysis according to an embodiment of the present invention. Referring to FIG. 2 , the learning efficiency improvement system 1 using the academic stress analysis system 1 is, It includes a data collection unit 10 , an activity analysis unit 20 , a stress analysis unit 30 , a correlation analysis unit 40 , a stress adjustment unit 50 , and a validation unit 60 .

상기 데이터수집부(10)는, 사용자 데이터를 수신하는 구성으로, 상기 사용자 데이터란, 사용자와 관련된 데이터를 모두 포함하는 광의의 개념으로, 크게 신체 데이터, 환경 데이터, 입력 데이터로 구분될 수 있다. 상기 데이터수집부(10)는 사용자 측으로부터 전송된 데이터를 수신해 저장할 수 있으며, 후술할 활동분석부(20), 스트레스분석부(30), 상관분석부(40), 유효성확인부(60)와 연결되어 수집한 데이터를 제공하는 기능을 한다. 상기 데이터수집부(10)는 사용자 측으로부터 실시간으로 데이터를 수신할 수도 있고, 일정한 시간 간격으로 데이터를 수신할 수도 있으며, 불규칙적으로 데이터를 수신할 수도 있다. 도 3을 참고하면, 이러한 상기 데이터수집부(10)는, 신체데이터수집모듈(11)과, 환경데이터수집모듈(13)과, 입력데이터수집모듈(15)을 포함한다.The data collection unit 10 is configured to receive user data. The user data is a broad concept that includes all user-related data, and can be largely divided into body data, environment data, and input data. The data collection unit 10 may receive and store data transmitted from the user side, and may include an activity analysis unit 20, a stress analysis unit 30, a correlation analysis unit 40, and a validation unit 60 to be described later. It functions to provide the collected data in connection with the The data collection unit 10 may receive data in real time from the user side, may receive data at regular time intervals, or may receive data irregularly. Referring to FIG. 3 , the data collection unit 10 includes a body data collection module 11 , an environment data collection module 13 , and an input data collection module 15 .

상기 신체데이터수집모듈(11)은, 사용자의 신체와 관련된 신체 데이터를 수집하는 구성으로, 상기 신체 데이터는, 웨어러블 디바이스(Wearable Devices) 등을 통해 측정되는 사용자의 생물학적 특성(Health Care Information)과 관련된 데이터를 말한다. 바람직하게는, 상기 신체 데이터로, 사용자의 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV), 산소 포화도(Saturation of partial Pressure Oxygen, SpO2), 피부 온도(Skin Temperature, ST), 혈압(Blood Pressure, BP) 등이 포함될 수 있다. 생물학적 특성(Health Care Information)과 관련된 신체 데이터를 측정함으로써 사용자의 학습 효율과 스트레스의 상관 관계 분석이 가능해 진다.The body data collection module 11 is configured to collect body data related to the user's body, and the body data is related to the user's biological characteristics (Health Care Information) measured through wearable devices, etc. say data. Preferably, as the body data, the user's heart rate (Heart Rate, HR), heart rate variability (HRV), oxygen saturation (Saturation of partial pressure Oxygen, SpO 2 ), skin temperature (Skin Temperature, ST) ), blood pressure (BP), and the like. By measuring body data related to biological characteristics (Health Care Information), it becomes possible to analyze the correlation between user's learning efficiency and stress.

상기 환경데이터수집모듈(13)은, 사용자의 주변과 관련된 환경 데이터를 수집하는 구성을 말한다. 상기 환경 데이터는, 정보 수집기 등을 통해 측정되는 사용자 신체 이외의 정보를 가진 데이터를 말하며, 사용자 주변의 소음·조도·온도·습도 데이터, GPS(Global Positioning System)를 이용한 사용자의 위치 데이터, 자이로 센서(Gyro sensor)를 통한 사용자의 운동 데이터 등을 포함하는 개념이다. 상기 환경데이터수집모듈(13)을 통해 수집된 환경 데이터는, 사용자에게 학습 효율을 극대화시킬 수 있는 주변 환경 조절 방안을 제공하는데 사용될 수 있다.The environment data collection module 13 refers to a configuration for collecting environmental data related to the user's surroundings. The environmental data refers to data having information other than the user's body measured through an information collector, etc., noise, illuminance, temperature and humidity data around the user, location data of the user using GPS (Global Positioning System), and a gyro sensor It is a concept including the user's exercise data through (gyro sensor). The environmental data collected through the environmental data collection module 13 may be used to provide a user with a method for adjusting the surrounding environment that can maximize learning efficiency.

상기 입력데이터수집모듈(15)은, 사용자가 입력한 입력 데이터를 수집하는 구성으로, 상기 입력 데이터는, 단말 등을 통해 사용자가 시스템(1)에 입력한 각종 데이터를 말하며, 상기 입력 데이터에는 학습 효율 데이터, 스트레스 데이터 등이 포함될 수 있다. 예를 들어, 상기 학습 효율 데이터는, 특정 시간 동안 외운 영어 단어의 개수, 읽은 책 페이지의 수, 수치로 표현한 학습 만족도 등의 정량적인 데이터가 될 수 있다. 상기 스트레스 데이터는, 사용자가 느끼는 스트레스 정도를 표현한 데이터를 의미하며, 바람직하게는 8 구간(L0, L1, L2, L3, L4, L5, L6, L7)으로 분류된 스트레스 레벨로 표현될 수 있다. 레벨 숫자가 커질수록 스트레스가 큰 것으로 평가될 수 있으며, 이러한 스트레스 레벨은 사용자가 느끼는 바에 따라 직접 특정이 될 수도 있겠지만, 보다 바람직하게는, 사용자에게 리커트 척도가 사용된 설문지가 제공되고, 제시된 문장에 대해 사용자가 얼마나 동의하는지 답변하도록 함으로써, 답변에 따른 점수를 카운팅해 정해질 수도 있다. 또한, 상기 입력 데이터에는, 사용자가 직접 입력한 신체 데이터, 환경 데이터 등도 포함될 수 있는데, 사용자가 입력한 입력 데이터는 웨어러블 디바이스(Wearable Devices) 등에 의해 측정된 신체 데이터 및 정보 수집기 등을 통해 측정된 환경 데이터 보다 우선시 될 수 있다. 이를 통해, 웨어러블 디바이스(Wearable Devices)나 정보 수집기를 통해 측정된 데이터는 수정·보완될 수 있다.The input data collection module 15 is configured to collect input data input by the user, and the input data refers to various data input by the user into the system 1 through a terminal, etc., and the input data includes learning Efficiency data, stress data, etc. may be included. For example, the learning efficiency data may be quantitative data such as the number of English words memorized for a specific time, the number of read book pages, and learning satisfaction expressed in numerical terms. The stress data means data expressing the degree of stress felt by the user, and preferably, it may be expressed as a stress level classified into 8 sections (L0, L1, L2, L3, L4, L5, L6, L7). The higher the level number, the greater the stress may be evaluated, and this stress level may be directly specified according to the feeling of the user, but more preferably, the user is provided with a questionnaire using the Likert scale, and the presented sentence By asking the user to answer how much they agree with it, it may be determined by counting the points according to the answer. In addition, the input data may include body data and environment data directly input by a user, and the input data input by the user includes body data measured by wearable devices, etc. and environment measured through an information collector, etc. data can be prioritized. Through this, data measured through wearable devices or information collectors can be corrected and supplemented.

상기 활동분석부(20)는, 상기 데이터수집부(10)와 연결되어 수신된 상기 사용자 데이터를 분석해 활동 데이터를 생성하는 구성을 말한다. 상기 활동분석부(20)의 일측은 상기 데이터수집부(10)에 연결이 되고, 타측은 후술할 상관분석부(40)에 연결될 수 있다. 상기 활동분석부(20)는 시간대별로 사용자가 어떠한 활동을 했는지를 특정하고, 생성된 활동 데이터는 활동 종류에 따른 학습 효율 관계, 활동 선후에 따른 학습 효율 관계 등을 파악하는데 이용된다. 도 4를 참고하여 설명하면, 이러한 상기 활동분석부(20)는, 활동입력판단모듈(21), 활동추론모듈(23), 활동특정모듈(25)을 포함한다.The activity analysis unit 20 refers to a configuration that is connected to the data collection unit 10 and analyzes the received user data to generate activity data. One side of the activity analysis unit 20 may be connected to the data collection unit 10 , and the other side may be connected to a correlation analysis unit 40 to be described later. The activity analysis unit 20 specifies what kind of activity the user has performed for each time period, and the generated activity data is used to identify a learning efficiency relationship according to an activity type, a learning efficiency relationship according to an activity precedence, and the like. Referring to FIG. 4 , the activity analysis unit 20 includes an activity input determination module 21 , an activity inference module 23 , and an activity specific module 25 .

상기 활동입력판단모듈(21)은, 시간대별 사용자 활동에 관한 입력 데이터의 수신 유무를 판단하는 구성이다. 사용자는 단말 등을 통해 자신의 활동 내용에 대해 입력 할 수도 있다. 예를 들어, 오전 9시에는 휴식을 취했다고 입력할 수 있으며, 오전 11시에는 공부를 했다는 입력을 할 수도 있다. 다만, 사용자의 입력에만 의존할 경우, 입력이 없던 시간대에서는 사용자의 활동을 특정할 수 없게 되는바, 상기 활동입력판단모듈(21)은 사용자의 입력 데이터가 있는지 여부를 판단해 입력 데이터가 있는 시간대는 후술할 활동특정모듈(25)을 통해 입력 데이터에 나타난 사용자의 활동이 활동 데이터로 특정될 수 있도록 하고, 입력 데이터가 없는 시간대는 후술할 활동추론모듈(23)을 통해 해당 시간대의 사용자 활동을 예측하도록 할 수 있다.The activity input determination module 21 is configured to determine whether input data related to user activity for each time period is received. The user may also input his/her activity contents through a terminal or the like. For example, you may input that you took a break at 9 am, and you may input that you studied at 11 am. However, when relying only on the user's input, the user's activity cannot be specified in the time period when there is no input. The activity input determination module 21 determines whether there is the user's input data, allows the activity of the user shown in the input data to be specified as activity data through the activity specific module 25 to be described later, and the time period without input data determines the user activity of the corresponding time zone through the activity inference module 23 to be described later. can be predicted.

상기 활동추론모듈(23)은, 상기 활동입력판단모듈(21)과 연결되어 사용자 활동에 관한 입력 데이터가 없는 시간대의 사용자 활동을 추론하는 구성을 말한다. 전술한 예를 다시 들면, 사용자가 오전 9시에는 휴식을 취했고, 오전 11시에는 공부를 했다고 입력했으나, 오전 10시의 활동을 입력하지 않았으므로, 오전 10시에 해당하는 사용자의 활동을 특정할 수 없는 문제가 발생한다. 이 경우, 후술할 스트레스요인분석모듈(43)에서 데이터 패턴을 비교할 때, 오전 10시 부분의 값이 없게 되는바, 데이터 패턴이 왜곡되고, 이는 결국, 부정확한 조절 요인의 특정으로 이어져, 사용자에게 최적 스트레스 레벨 유지를 위한 적절한 조절 요인 제공을 할 수 없도록 한다. 이에 상기 활동추론모듈(23)은 활동 입력이 없는 구간의 사용자 활동을, 상기 데이터수집부(10)에 수집된 사용자 데이터를 통해 예측함으로써, 전술한 문제를 예방한다. 이러한 상기 활동추론모듈(23)은, 활동학습모듈(231), 활동예측모듈(233)을 포함한다.The activity inference module 23 is connected to the activity input determination module 21 and refers to a configuration for inferring user activity in a time period in which there is no input data regarding user activity. Taking the above example again, the user entered that he took a break at 9 am and studied at 11 am, but did not input the activity at 10 am, so the user's activity corresponding to 10 am was specified. There is a problem that cannot be done. In this case, when comparing data patterns in the stress factor analysis module 43, which will be described later, there is no value at 10 am, and the data pattern is distorted, which eventually leads to the specification of an inaccurate adjustment factor, to the user. Inability to provide adequate control factors to maintain optimal stress levels. Accordingly, the activity inference module 23 prevents the above-described problem by predicting user activity in a section in which there is no activity input through the user data collected in the data collection unit 10 . The activity inference module 23 includes an activity learning module 231 and an activity prediction module 233 .

상기 활동학습모듈(231)은, 사용자 활동에 관한 입력 데이터가 있는 시간대의 사용자 데이터를 입력값으로 하고, 해당 시간대의 사용자 활동에 관한 입력 데이터를 결과값으로 하여, 활동 학습 모델을 생성하는 구성을 말한다. 학습망은 바람직하게는 합성곱 신경망(Convolutional Neural Network, CNN)의 형태로 구성될 수 있다. 예를 들어, 사용자가 활동 내용을 입력한 시점에서의 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV), 산소 포화도(Saturation of partial Pressure Oxygen, SpO2), 피부 온도(Skin Temperature, ST), 혈압(Blood Pressure, BP), 사용자 주변의 소음·조도·온도·습도 데이터, GPS(Global Positioning System)를 이용한 사용자의 위치 데이터, 자이로 센서(Gyro sensor)를 통한 사용자의 운동 데이터 등을 입력값으로 하고, 활동에 관한 입력 데이터를 결과값으로 하여 학습을 수행할 수 있다.The activity learning module 231 is configured to generate an activity learning model by taking user data of a time zone in which there is input data regarding user activity as an input value, and using input data related to user activity in the corresponding time zone as a result value. say The learning network may preferably be configured in the form of a convolutional neural network (CNN). For example, heart rate (HR), heart rate variability (HRV), oxygen saturation (Saturation of partial pressure Oxygen, SpO 2 ), skin temperature (Skin) at the time the user inputs activity Temperature, ST), blood pressure (BP), noise/illuminance/temperature/humidity data around the user, user's location data using GPS (Global Positioning System), user's exercise data through the gyro sensor Learning may be performed using input data related to the activity as an input value and the like as an input value.

상기 활동예측모듈(233)은, 상기 활동학습모듈(231)과 연결되어 생성된 상기 활동 학습 모델을 통해 사용자 활동에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 활동을 예측하는 구성을 말한다. 예를 들어, 사용자가 휴식을 취했다고 입력한 시점에서의 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV), 산소 포화도(Saturation of partial Pressure Oxygen, SpO2), 피부 온도(Skin Temperature, ST), 혈압(Blood Pressure, BP) 등과 유사한 사용자 데이터가 수집되었을 경우, 해당 시점의 활동 내역이 입력되지 않았어도, 상기 활동 학습 모델을 통해 해당 시점에서 사용자가 휴식을 취하였다고 예측할 수 있게 된다.The activity prediction module 233 is configured to predict user activity using, as an input value, user data in a time zone in which there is no input data regarding user activity through the activity learning model generated in connection with the activity learning module 231 say For example, heart rate (HR), heart rate variability (HRV), oxygen saturation (Saturation of partial pressure Oxygen, SpO 2 ), skin temperature ( When user data similar to Skin Temperature (ST), blood pressure (BP), etc. are collected, even if the activity history at the time point is not input, it is possible to predict that the user took a break at the time point through the activity learning model. do.

상기 활동특정모듈(25)은, 상기 활동입력판단모듈(21)과 연결되어 사용자 활동에 관한 입력 데이터가 있는 시간대의 사용자 활동을 특정하는 구성을 말한다. 상기 활동입력판단모듈(21)을 통해 특정 시점에 대한 사용자의 활동 입력이 없다고 판단된 경우에는 상기 활동예측모듈(233)을 통해 사용자의 활동이 추론될 것이나, 상기 활동입력판단모듈(21)을 통해 특정 시점에서의 사용자의 활동 입력이 있다고 판단된 경우 상기 활동특정모듈(25)에 의해 사용자가 입력한 활동 내용이 특정 시점의 사용자 활동으로 지정되게 된다.The activity specifying module 25 is connected to the activity input determination module 21 and refers to a configuration for specifying user activity in a time zone in which input data regarding user activity is present. When it is determined through the activity input determination module 21 that there is no user's activity input for a specific time point, the user's activity will be inferred through the activity prediction module 233, but the activity input determination module 21 If it is determined that there is a user's activity input at a specific time through the activity specification module 25, the activity content input by the user is designated as the user's activity at a specific time.

상기 스트레스분석부(30)는, 상기 데이터수집부(10)와 연결되어 수신된 상기 사용자 데이터를 분석해 스트레스 데이터를 생성하는 구성으로, 상기 스트레스분석부(30)의 일측은 상기 데이터수집부(10)에 연결이 되고, 타측은 후술할 상관분석부(40)에 연결될 수 있다. 상기 스트레스분석부(30)는 시간대별로 사용자의 스트레스 레벨이 어떠했는지를 나타내는 스트레스 데이터를 생성하게 되고, 생성된 스트레스 데이터는 후술할 상관분석부(40)의 스트레스패턴추출모듈(431)에 의한 패턴 분석에 이용될 수 있다. 도 5를 참고하면, 이러한 상기 스트레스분석부(30)는, 스트레스입력판단모듈(31), 스트레스추론모듈(33), 스트레스특정모듈(35)을 포함한다.The stress analysis unit 30 is connected to the data collection unit 10 and analyzes the received user data to generate stress data, and one side of the stress analysis unit 30 is connected to the data collection unit 10 ), and the other end may be connected to a correlation analysis unit 40 to be described later. The stress analysis unit 30 generates stress data indicating what the user's stress level was for each time period, and the generated stress data is a pattern by the stress pattern extraction module 431 of the correlation analysis unit 40 to be described later. can be used for analysis. Referring to FIG. 5 , the stress analysis unit 30 includes a stress input determination module 31 , a stress inference module 33 , and a stress specifying module 35 .

상기 스트레스입력판단모듈(31)은, 시간대별 사용자 스트레스에 관한 입력 데이터의 수신 유무를 판단하는 구성을 말한다. 전술한 바와 같이, 사용자는 단말 등을 통해 자신의 스트레스 레벨을 직접 입력할 수도 있고, 리커트 척도가 사용된 스트레스 관련 설문에 응답함으로써 스트레스 레벨을 입력할 수도 있다. 다만 사용자에게 스트레스 레벨 입력이 강제되지 않아, 모든 시간대에 스트레스 레벨이 입력되는 상황을 기대할 수 없는바, 상기 스트레스입력판단모듈(31)을 통해 우선적으로, 스트레스 레벨의 입력 유무를 판단해, 스트레스 레벨이 입력된 경우에는 해당 스트레스 레벨을 특정 시점의 스트레스 레벨로 특정하고, 스트레스 레벨이 입력되지 않은 경우에는 후술할 스트레스추론모듈(33)을 통한 스트레스 레벨 예측이 이루어지도록 할 수 있다.The stress input determination module 31 refers to a configuration for determining whether input data related to user stress for each time period is received. As described above, the user may directly input his/her stress level through a terminal or the like, or may input the stress level by responding to a stress-related questionnaire using a Likert scale. However, since the user is not forced to input the stress level, it is not possible to expect a situation in which the stress level is input at all times. Through the stress input determination module 31, it is preferentially determined whether a stress level is input or not, the stress level In this case, the corresponding stress level is specified as the stress level at a specific point in time, and when the stress level is not input, the stress level can be predicted through the stress inference module 33 to be described later.

상기 스트레스추론모듈(33)은, 상기 스트레스입력판단모듈(31)과 연결되어 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 스트레스 레벨을 추론하는 구성을 말한다. 후술할 상관분석부(40)의 스트레스요인분석모듈(43)에 의해서는 시간대별 스트레스 레벨 패턴이 추출될 수 있는데, 전술한 바와 같이, 사용자에게는 스트레스 레벨 입력이 강제되지 않는바, 사용자의 입력에만 의존해서는 스트레스 레벨이 특정되지 않는 구간이 발생할 수 있다. 이 경우, 해당 구간에서는 스트레스 레벨값이 없게 되는바, 스트레스 레벨 패턴을 파악하고자 할 때, 스트레스 레벨값이 존재하지 않는 부분에 의하여 그래프 패턴이 왜곡될 여지가 있다. 이러한 문제를 방지하기 위해, 상기 스트레스추론모듈(33)은 사용자에 의한 스트레스 레벨 입력이 없는 시점에 대해서는 상기 데이터수집부(10)에 의해 수집되는 사용자 데이터를 기초로 사용자의 스트레스 레벨을 예측하게 된다. 이를 위해 상기 스트레스추론모듈(33)은, 스트레스학습모듈(331), 스트레스예측모듈(333)을 포함한다.The stress inference module 33 is connected to the stress input determination module 31 and refers to a configuration for inferring a user stress level in a time period when there is no input data related to user stress. A stress level pattern for each time period can be extracted by the stress factor analysis module 43 of the correlation analysis unit 40 to be described later. As described above, the user is not forced to input the stress level, and only Depending on the dependence, a section in which the stress level is not specified may occur. In this case, since there is no stress level value in the corresponding section, the graph pattern may be distorted by a portion where the stress level value does not exist when trying to grasp the stress level pattern. In order to prevent this problem, the stress inference module 33 predicts the user's stress level based on the user data collected by the data collection unit 10 for a point in time when there is no input of the stress level by the user. . To this end, the stress inference module 33 includes a stress learning module 331 and a stress prediction module 333 .

상기 스트레스학습모듈(331)은, 사용자 스트레스에 관한 입력 데이터가 있는 시간대의 사용자 데이터를 입력값으로 하고, 해당 시간대의 사용자 스트레스 레벨을 결과값으로 하여, 스트레스 학습 모델을 생성하는 구성을 말한다. 학습망은 합성곱 신경망(Convolutional Neural Network, CNN)의 형태로 구성됨이 바람직할 수 있다. 보다 바람직하게는, 사용자 데이터 중 스트레스에 대한 즉각적인 반응으로 평가될 수 있는, 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV)가 학습을 위한 입력값으로 사용될 수 있다. 따라서, 상기 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV)를 입력값으로 하고, 스트레스 레벨에 관한 입력 데이터를 결과값으로 하여 학습이 수행된다.The stress learning module 331 refers to a configuration for generating a stress learning model by taking user data of a time zone in which there is input data on user stress as an input value and using the user stress level of the corresponding time zone as a result value. The learning network may be preferably configured in the form of a convolutional neural network (CNN). More preferably, heart rate (HR) and heart rate variability (HRV), which can be evaluated as an immediate response to stress among user data, may be used as input values for learning. Accordingly, learning is performed by using the heart rate (HR) and heart rate variability (HRV) as input values and input data regarding the stress level as a result value.

상기 스트레스예측모듈(333)은, 상기 스트레스학습모듈(331)과 연결되어 생성된 상기 스트레스 학습 모델을 통해 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 스트레스 레벨을 예측하는 구성을 말한다. 예를 들어, 사용자가 스트레스 레벨을 L3으로 입력한 시점에서의 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV)와 유사한 신체 데이터가 수집된 시점이 있을 경우, 해당 시점의 스트레스 레벨이 입력되지 않았어도, 상기 스트레스학습모듈(331)을 통해 생성된 스트레스 학습 모델은 해당 시점의 스트레스 레벨을 L3으로 예측할 수 있게 된다. The stress prediction module 333 is configured to predict a user stress level using, as an input value, user data in a time period in which there is no input data regarding user stress through the stress learning model generated in connection with the stress learning module 331. say composition. For example, if there is a point in time when body data similar to heart rate (HR) and heart rate variability (HRV) are collected when the user inputs the stress level as L3, the stress at that point in time Even if the level is not input, the stress learning model generated through the stress learning module 331 can predict the stress level at the corresponding time point as L3.

상기 스트레스특정모듈(35)은, 상기 스트레스추론모듈(33)과 연결되어 사용자 스트레스에 관한 입력 데이터가 있는 시간대의 사용자 스트레스 레벨을 특정하는 구성을 말한다. 상기 스트레스입력판단모듈(31)을 통해 특정 시점에 대한 사용자의 스트레스 레벨 입력이 없다고 판단된 경우에는 상기 스트레스예측모듈(333)을 통해 사용자의 스트레스 레벨이 추론될 것이나, 상기 스트레스입력판단모듈(31)을 통해 특정 시점에서의 사용자의 스트레스 레벨 입력이 있다고 판단된 경우 상기 스트레스특정모듈(35)에 의해 사용자가 입력한 스트레스 레벨이 특정 시점의 사용자 스트레스 레벨로 지정되게 된다.The stress specification module 35 is connected to the stress inference module 33 and refers to a configuration for specifying a user stress level in a time period in which input data related to user stress is present. When it is determined through the stress input determination module 31 that there is no input of the user's stress level for a specific point in time, the stress level of the user is inferred through the stress prediction module 333, but the stress input determination module 31 ), when it is determined that there is a user's stress level input at a specific point in time, the stress level input by the user is designated as the user's stress level at the specific point in time by the stress specifying module 35 .

상기 상관분석부(40)는, 상기 데이터수집부(10), 상기 활동분석부(20) 및 상기 스트레스분석부(30)와 연결되어 최대 학습 효율이 나타난 최적의 스트레스 레벨을 결정하고 스트레스에 영향을 주는 조절 요인을 특정하는 구성을 말한다. 즉, 상기 상관분석부(40)를 통해 각 사용자가 최대 학습 효율을 발휘할 수 있는 특정 스트레스 레벨값이 도출될 수 있으며, 사용자의 스트레스 레벨값에 영향을 주는 스트레스 조절 요인들이 맞춤형으로 도출될 수 있다. 도 6은 상관분석부(40)를 도시한 도면으로, 상기 상관분석부(40)는, 스트레스효율분석모듈(41)과 스트레스요인분석모듈(43)을 포함한다.The correlation analysis unit 40 is connected to the data collection unit 10, the activity analysis unit 20, and the stress analysis unit 30 to determine the optimal stress level at which the maximum learning efficiency appears, and to influence the stress It refers to a configuration that specifies the modulating factors that give That is, a specific stress level value at which each user can exhibit maximum learning efficiency can be derived through the correlation analysis unit 40, and stress control factors affecting the user's stress level value can be customized. . 6 is a diagram illustrating a correlation analysis unit 40 , wherein the correlation analysis unit 40 includes a stress efficiency analysis module 41 and a stress factor analysis module 43 .

상기 스트레스효율분석모듈(41)은, 사용자의 학습 효율을 향상시키는 최적의 스트레스 레벨을 특정하는 구성으로, 최적의 스트레스 레벨은 사용자가 입력한 학습 효율 데이터 가운데 최대의 학습 효율을 기록한 시점에서의 스트레스 레벨로 정의될 수 있다. 앞서 설명한 바와 같이, 상기 학습 효율 데이터는, 특정 시간 동안 외운 영어 단어의 개수, 읽은 책 페이지의 수, 수치로 표현한 학습 만족도 등의 정량적인 데이터를 말하며, 이러한 학습 효율 데이터는 전술한 바와 같이, 사용자측의 수치 입력을 통해 입력 데이터의 형태로 상기 데이터수집부(10)에 수신될 수도 있겠으나, 별도의 측정 장비를 통해 자동으로 측정되어 사용자 데이터의 형태로 상기 데이터수집부(10)에 수신될 수도 있다. 이러한 상기 스트레스효율분석모듈(41)은, 효율데이터추출모듈(411), 최대효율특정모듈(413), 최적스트레스특정모듈(415)을 포함한다.The stress efficiency analysis module 41 is configured to specify an optimal stress level for improving the learning efficiency of the user, and the optimal stress level is the stress at the time of recording the maximum learning efficiency among the learning efficiency data input by the user. level can be defined. As described above, the learning efficiency data refers to quantitative data such as the number of English words memorized for a specific time, the number of book pages read, and learning satisfaction expressed in numerical terms. may be received by the data collection unit 10 in the form of input data through numerical input of have. The stress efficiency analysis module 41 includes an efficiency data extraction module 411 , a maximum efficiency specification module 413 , and an optimal stress specification module 415 .

상기 효율데이터추출모듈(411)은, 상기 데이터수집부(10)에서 학습 효율 데이터를 추출하는 구성으로, 상기 효율데이터추출모듈(411)은 후술할 최대효율특정모듈(413)과 연결되어, 최대효율특정모듈(413)에 추출된 학습 효율 데이터를 제공하게 된다.The efficiency data extraction module 411 is configured to extract learning efficiency data from the data collection unit 10, and the efficiency data extraction module 411 is connected to a maximum efficiency specific module 413 to be described later, and the maximum The extracted learning efficiency data is provided to the efficiency specific module 413 .

상기 최대효율특정모듈(413)은, 상기 효율데이터추출모듈(411)과 연결되어 추출된 학습 효율 데이터 가운데 최대 학습 효율을 특정하는 구성을 말한다. 전술한 바와 같이 상기 학습 효율 데이터는 정량적인 데이터인바, 수치 비교를 통해 최대값을 도출해 낼 수 있다. 예를 들어, 오전 10시에서 오전 11시 사이에 암기한 영어 단어의 수가 40 개, 오후 1시에서 오후 2시 사이에 암기한 영어 단어의 수가 50 개, 오후 4시에서 오후 5시 사이에 암기한 영어 단어의 수가 30 개일 경우, 최대 학습 효율은 오후 1시에서 오후 2시 사이에서 나타난 것으로 볼 수 있다.The maximum efficiency specifying module 413 refers to a configuration for specifying the maximum learning efficiency among the extracted learning efficiency data in connection with the efficiency data extraction module 411 . As described above, since the learning efficiency data is quantitative data, a maximum value may be derived through numerical comparison. For example, the number of English words memorized between 10am and 11am is 40, the number of English words memorized between 1pm and 2pm is 50, and the number of words memorized between 4pm and 5pm When the number of English words is 30, it can be seen that the maximum learning efficiency appears between 1:00 pm and 2:00 pm.

상기 최적스트레스특정모듈(415)은, 상기 최대효율특정모듈(413)과 연결되어 특정된 최대 학습 효율을 보일 때의 스트레스 레벨을 특정하는 구성을 말한다. 앞서 제시한 예를 들어 설명하면, 최대 학습 효율은 영어 단어를 가장 많이 암기한 오후 1시에서 오후 2시 사이에 나타났는바, 해당 구간에서의 스트레스 레벨이 최적 스트레스 레벨로 평가될 수 있다. 만일 최대 학습 효율이 나타난 구간에서의 스트레스 레벨이 변화하는 경우에는, 그 변화 그대로를 최적 스트레스 레벨로 특정할 수도 있으며, 해당 구간의 시기와 종기의 스트레스 레벨의 평균값을 최적 스트레스 레벨 값으로 특정할 수도 있는 등 다양한 특정 방식이 사용될 수 있다.The optimal stress specifying module 415 is connected to the maximum efficiency specifying module 413 and refers to a configuration for specifying a stress level when the specified maximum learning efficiency is shown. To explain with the example presented above, the maximum learning efficiency appeared between 1:00 pm and 2:00 pm when English words were memorized the most, and the stress level in the corresponding section may be evaluated as the optimal stress level. If the stress level in the section showing the maximum learning efficiency changes, the change may be specified as the optimum stress level, and the average value of the stress level at the time and end of the corresponding section may be specified as the optimum stress level value. A variety of specific methods may be used, such as

상기 스트레스요인분석모듈(43)은, 상기 스트레스효율분석모듈(41)과 연결되어 사용자의 스트레스에 영향을 미치는 스트레스 조절 요인을 특정하는 구성을 말한다. 바람직하게는 상기 스트레스요인분석모듈(43)은 시간대별로 파악된 사용자의 스트레스 레벨 값 변화와 유사한 패턴을 보이는 데이터를 핵심 스트레스 조절 요인으로 특정할 수 있다. 사용자 데이터는 크게 신체 데이터, 환경 데이터로 구분될 수 있는데, 상기 신체 데이터는 스트레스에 의한 신체 변화를 보여주는 것이므로, 스트레스 조절 요인은 소음·조도·온도·습도 데이터, GPS(Global Positioning System)를 이용한 사용자의 위치 데이터, 자이로 센서(Gyro sensor)를 통한 사용자의 운동 데이터 등의 환경 데이터가 됨이 바람직할 수 있다. 이러한 상기 스트레스요인분석모듈(43)은, 스트레스패턴추출모듈(431), 데이터패턴추출모듈(433), 비교모듈(435), 조절요인특정모듈(437)을 포함한다.The stress factor analysis module 43 is connected to the stress efficiency analysis module 41 and refers to a configuration for specifying a stress control factor affecting the user's stress. Preferably, the stress factor analysis module 43 may specify, as the core stress control factor, data showing a pattern similar to the change in the user's stress level value identified for each time period. User data can be largely divided into body data and environmental data. Since the body data shows changes in the body due to stress, stress control factors include noise, illumination, temperature, humidity data, and a user using GPS (Global Positioning System). It may be desirable to be environmental data such as location data of the user, movement data of the user through a gyro sensor. The stress factor analysis module 43 includes a stress pattern extraction module 431 , a data pattern extraction module 433 , a comparison module 435 , and a control factor specific module 437 .

상기 스트레스패턴추출모듈(431)은, 시간에 따른 스트레스 레벨 패턴을 추출하는 구성으로, 상기 스트레스분석부(30)와 연결될 수 있다. 상기 스트레스분석부(30)에 의해 시간별 스트레스 레벨이 추론 또는 특정된 스트레스 데이터가 생성되면, 상기 스트레스패턴추출모듈(431)이 상기 스트레스 데이터를 가져와 이를 연속적인 그래프 형식으로 표현하게 되는데, 이때 표현된 그래프의 증가와 감소 형태를 스트레스 레벨 패턴으로 볼 수 있다. The stress pattern extraction module 431 is configured to extract a stress level pattern according to time, and may be connected to the stress analyzer 30 . When the stress level inferred or specified by the stress analysis unit 30 over time is generated, the stress pattern extraction module 431 brings the stress data and expresses it in a continuous graph format. The increase and decrease of the graph can be seen as a stress level pattern.

상기 데이터패턴추출모듈(433)은, 시간에 따른 데이터 패턴을 추출하는 구성으로, 상기 데이터수집부(10) 및 상기 활동분석부(20)와 연결되어 사용자 데이터 또는 활동 데이터로부터 데이터 패턴을 추출한다. 예를 들어, 실시간으로 사용자 주변의 온도 데이터가 수신될 경우, 상기 데이터패턴추출모듈(433)은 온도 수치를 연속적인 그래프 형식으로 표현할 수 있으며, 이렇게 표현된 그래프의 증가와 감소 형태가 데이터 패턴을 의미한다. 또한, 활동 데이터에서 사용자의 활동이 오후 1시부터 오후 2시까지는 휴식, 오후 2시부터 오후 3시까지는 공부, 오후 3시부터 오후 4시까지는 공부, 오후 4시부터 오후 5시까지는 휴식, 오후 5시부터 오후 6시까지는 공부로 추론 또는 특정되었다면, 이러한 시간에 따른 활동 내용의 변화 양상도 데이터 패턴에 포함될 수 있다.The data pattern extraction module 433 is configured to extract data patterns according to time, and is connected to the data collection unit 10 and the activity analysis unit 20 to extract data patterns from user data or activity data. . For example, when the temperature data around the user is received in real time, the data pattern extraction module 433 may express the temperature value in a continuous graph format, and the increase and decrease of the graph expressed in this way is the data pattern. it means. In addition, in the activity data, the user's activity is from 1 pm to 2 pm rest, 2 pm to 3 pm study, 3 pm to 4 pm study, 4 pm to 5 pm rest, pm If the period from 5 pm to 6 pm is inferred or specified as study, the change pattern of the activity content over time may also be included in the data pattern.

상기 비교모듈(435)은, 상기 스트레스패턴추출모듈(431) 및 상기 데이터패턴추출모듈(433)과 연결되어 상기 스트레스 레벨 패턴과 상기 데이터 패턴을 비교하는 구성을 말한다. 상기 스트레스 레벨 패턴과 상기 데이터 패턴을 비교해 상기 스트레스 레벨 패턴과 유사한 데이터 패턴을 보이는 데이터를 스트레스 레벨에 영향을 주는 조절 요인으로 특정함으로써, 사용자의 학습 효율을 극대화할 수 있는 최적의 스트레스 레벨을 유지시키는데 필요한 스트레스 조절 요인들이 자동으로 추출될 수 있게 된다. 바람직하게는, 오전 9시에 측정된 스트레스 레벨은 오전 9시에 측정된 데이터와 비교되고, 오전 10시에 측정된 스트레스 레벨은 오전 10시에 측정된 데이터와 비교되는 것과 같이, 상기 스트레스 레벨 패턴과 상기 데이터 패턴은 시간을 기준으로 비교될 수 있다. 또한, 상기 비교모듈(435)은 그래프의 파형을 비교해 파형의 유사 정도를 수치로 평가할 수도 있다. 도 7은 데이터패턴과 스트레스패턴을 비교 도시한 도면으로, 소음에 관한 시간별 데이터가 선형 그래프로 표현되고 있고, 스트레스 레벨에 관한 시간별 데이터가 선형 그래프로 표현되어 있다. 도 7을 참고하면, 소음 수치가 증가하면 스트레스 레벨도 증가하고, 소음 수치가 감소하면 스트레스 레벨도 감소하여, 이들의 그래프 패턴이 유사하게 나타나는 것을 알 수가 있는바, 이러한 비교를 통해 스트레스 레벨에 소음이 영향을 주고 있다는 사실을 도출해 낼 수 있다. 활동 데이터와 같이 그래프 형태로 표현하기 어려운 데이터 패턴은 활동 내용 자체를 스트레스 레벨 패턴과 비교하게 된다. 사용자의 활동이 오후 1시부터 오후 2시까지는 휴식, 오후 2시부터 오후 3시까지는 공부, 오후 3시부터 오후 4시까지는 공부, 오후 4시부터 오후 5시까지는 휴식, 오후 5시부터 오후 6시까지는 공부로 추론 또는 특정되었다면, 시간을 기준으로, 오후 1시에서 오후 2시 사이, 오후 2시에서 오후 3시 사이, 오후 3시에서 오후 4시 사이, 오후 4시에서 오후 5시 사이 및 오후 5시에서 오후 6시 사이의 스트레스 레벨 값이 비교될 수 있다.The comparison module 435 is connected to the stress pattern extraction module 431 and the data pattern extraction module 433 to compare the stress level pattern with the data pattern. By comparing the stress level pattern with the data pattern and specifying data showing a data pattern similar to the stress level pattern as a control factor affecting the stress level, the optimal stress level that can maximize the learning efficiency of the user is maintained. Required stress control factors can be extracted automatically. Preferably, the stress level pattern measured at 9 am is compared to data measured at 9 am, and the stress level measured at 10 am is compared to data measured at 10 am. and the data pattern may be compared based on time. In addition, the comparison module 435 may compare the waveforms of the graph and evaluate the similarity of the waveforms numerically. 7 is a diagram illustrating a comparison between a data pattern and a stress pattern, in which time data regarding noise is expressed as a linear graph, and time data regarding a stress level is expressed as a linear graph. Referring to FIG. 7 , as the noise level increases, the stress level also increases, and when the noise level decreases, the stress level also decreases, and it can be seen that their graph patterns appear similarly. It can be deduced that this influences. For data patterns that are difficult to express in graph form, such as activity data, the activity content itself is compared with the stress level pattern. The user's activity is resting from 1pm to 2pm, studying from 2pm to 3pm, studying from 3pm to 4pm, resting from 4pm to 5pm, resting from 5pm to 6pm 1:00 p.m. to 2:00 p.m., 2:00 p.m. to 3:00 p.m., 3:00 p.m. to 4:00 p.m., 4:00 p.m. to 5:00 p.m. and Stress level values between 5 pm and 6 pm may be compared.

상기 조절요인특정모듈(437)은, 상기 비교모듈(435)과 연결되어 상기 스트레스 레벨 패턴과 유사한 데이터 패턴을 보이는 데이터를 특정하는 구성을 말한다. 예를 들어, 온도가 증가하는 구간에서는 스트레스 레벨이 증가하였고 온도가 감소하는 구간에서는 스트레스 레벨이 함께 감소했다면, 온도의 증감소에 따라 스트레스 레벨도 함께 증감소하기 때문에, 온도는 스트레스 레벨 조절의 주요 요인으로 특정될 수 있다. 또한, 상기 비교모듈(435)이 스트레스 레벨 패턴의 그래프 파형과, 데이터 패턴의 그래프 파형의 유사 정도를 수치로 평가할 경우, 상기 조절요인특정모듈(437)은 평가된 수치 가운데, 일정 수치, 예를 들어 80% 이상 유사도를 보이는 파형에 해당하는 그래프의 데이터를 스트레스 레벨 조절 요인으로 특정할 수도 있다. 뿐만 아니라, 활동 데이터와 같이 그래프 형태로 표현하기 어려운 데이터 패턴은 활동 내용 자체를 분석하게 되는데, 예를 들어, 오후 1시부터 오후 2시까지 국어공부를 할 때 스트레스 레벨은 L3, 오후 2시부터 오후 3시까지 영어공부를 할 때 스트레스 레벨은 L5, 오후 3시부터 오후 4시까지 수학공부를 할 때 스트레스 레벨은 L7 등으로 평가되었다면, 국어공부는 스트레스 레벨을 낮추는 조절 요인이 되고, 수학공부는 스트레스 레벨을 높이는 조절 요인으로 특정될 수 있다.The adjustment factor specifying module 437 is connected to the comparison module 435 and refers to a configuration for specifying data showing a data pattern similar to the stress level pattern. For example, if the stress level increases in the section where the temperature increases and the stress level decreases in the section where the temperature decreases, the stress level also increases and decreases according to the increase or decrease of the temperature, so temperature is the main factor in controlling the stress level. factors can be specified. In addition, when the comparison module 435 evaluates the similarity between the graph waveform of the stress level pattern and the graph waveform of the data pattern numerically, the adjustment factor specifying module 437 selects a certain number, for example, from among the evaluated values. For example, data of a graph corresponding to a waveform showing a similarity of 80% or more may be specified as a stress level control factor. In addition, data patterns that are difficult to express in graph form, such as activity data, analyze the activity content itself. For example, when studying Korean from 1 pm to 2 pm, the stress level is L3, from 2 pm If the stress level when studying English until 3 pm was evaluated as L5 and when studying math from 3 pm to 4 pm, the stress level was evaluated as L7, etc. can be specified as a modulating factor that increases the stress level.

상기 스트레스조정부(50)는, 상기 상관분석부(40)와 연결되어 사용자가 상기 최적의 스트레스 레벨을 유지할 수 있도록 사용자에게 스트레스 증가 요인 또는 스트레스 감소 요인을 제안하는 구성을 말한다. 즉, 사용자의 현재 스트레스 레벨을 특정하고, 사용자의 최적 스트레스 레벨을 특정하여, 현재 스트레스 레벨로부터 최적 스트레스 레벨에 이르는 스트레스 조절 요인을 사용자에게 제공하는 것이다. 도 8을 참고하면, 이러한 상기 스트레스조정부(50)는, 현재스트레스추출모듈(51), 최적스트레스추출모듈(53), 스트레스조정모듈(55)를 포함한다.The stress adjusting unit 50 is connected to the correlation analysis unit 40 to suggest a stress increasing factor or a stress reducing factor to the user so that the user can maintain the optimal stress level. That is, the user's current stress level is specified, the user's optimum stress level is specified, and a stress control factor ranging from the current stress level to the optimum stress level is provided to the user. Referring to FIG. 8 , the stress adjustment unit 50 includes a current stress extraction module 51 , an optimal stress extraction module 53 , and a stress adjustment module 55 .

상기 현재스트레스추출모듈(51)은, 상기 스트레스분석부(30)의 스트레스특정모듈(37)과 연결되어 사용자의 현재 스트레스 레벨을 추출하는 구성을 말한다. 전술한 바와 같이, 상기 스트레스분석부(30)에 의하면, 사용자가 단말 등을 통해 입력한 입력 데이터에 의해 스트레스 레벨이 직접 특정되거나, 신체 데이터, 환경 데이터 등 사용자 데이터를 통해 사용자의 스트레스 레벨이 추론될 수 있는데, 이러한 특정 또는 추론에 의해 스트레스 레벨이 실시간으로 측정될 수 있으므로, 상기 현재스트레스추출모듈(51)은 상기 스트레스분석부(30)가 실시간으로 생성하는 스트레스 레벨 값을 추출하게 된다.The current stress extraction module 51 is connected to the stress specifying module 37 of the stress analysis unit 30 to extract the user's current stress level. As described above, according to the stress analysis unit 30, the stress level is directly specified by the input data input by the user through a terminal, or the user's stress level is inferred through user data such as body data and environment data. Since the stress level can be measured in real time by this specific or inference, the current stress extraction module 51 extracts the stress level value generated by the stress analyzer 30 in real time.

상기 최적스트레스추출모듈(53)은, 상기 상관분석부(40)의 최적스트레스특정모듈(415)과 연결되어 사용자의 최적 스트레스 레벨을 추출하는 구성을 말한다. 상기 효율데이터추출모듈(411)은 상기 데이터수집부(10)에서 학습 효율 데이터를 추출하고, 상기 최대효율특정모듈(413)은 상기 효율데이터추출모듈(411)과 연결되어 추출된 학습 효율 데이터 가운데 최대 학습 효율을 특정하며, 상기 최적스트레스특정모듈(415)은 상기 최대효율특정모듈(413)과 연결되어 특정된 최대 학습 효율을 보일 때의 스트레스 레벨을 특정하는바, 이러한 과정을 통해 특정된 최적 스트레스 레벨이 상기 최적스트레스추출모듈(53)에 의해 추출되어 후술할 스트레스조정모듈(55)에 전달된다.The optimal stress extraction module 53 is connected to the optimal stress specifying module 415 of the correlation analysis unit 40 to extract the user's optimal stress level. The efficiency data extraction module 411 extracts learning efficiency data from the data collection unit 10, and the maximum efficiency specific module 413 is connected to the efficiency data extraction module 411, and among the extracted learning efficiency data The maximum learning efficiency is specified, and the optimum stress specifying module 415 is connected to the maximum efficiency specifying module 413 and specifies the stress level when the specified maximum learning efficiency is shown. The stress level is extracted by the optimal stress extraction module 53 and transmitted to the stress adjustment module 55 to be described later.

상기 스트레스조정모듈(55)은, 상기 현재스트레스추출모듈(51)과 상기 최적스트레스추출모듈(53)과 연결되어, 상기 현재스트레스추출모듈(51)로부터 사용자의 현재 스트레스 레벨 값을 수신하고, 상기 최적스트레스추출모듈(53)로부터 사용자의 최적 스트레스 레벨 값을 수신하여, 상기 현재 스트레스 레벨 값과, 상기 최적 스트레스 레벨 값을 비교해, 상기 현재 스트레스 레벨 값이 상기 최적 스트레스 레벨 값에 이를 수 있는 스트레스 조절 요인을 파악해 사용자에게 제공하는 것이다. 상기 스트레스조정모듈(55)은, 상기 상관분석부(40)의 조절요인특정모듈(437)과 연결되어 사용자의 스트레스 증가 또는 감소를 위한 조절 요인을 사용자에게 제공할 수 있다. 이러한 상기 스트레스조정모듈(55)은, 스트레스증가모듈(551), 스트레스감소모듈(553)을 포함한다.The stress adjustment module 55 is connected to the current stress extraction module 51 and the optimal stress extraction module 53, and receives the user's current stress level value from the current stress extraction module 51, and the Stress control that receives the optimal stress level value of the user from the optimal stress extraction module 53, compares the current stress level value with the optimal stress level value, and allows the current stress level value to reach the optimal stress level value It is to identify factors and provide them to users. The stress adjustment module 55 may be connected to the adjustment factor specifying module 437 of the correlation analysis unit 40 to provide adjustment factors for increasing or decreasing the user's stress to the user. The stress adjustment module 55 includes a stress increasing module 551 and a stress reducing module 553 .

상기 스트레스증가모듈(551)은, 사용자에게 사용자의 스트레스 레벨을 증가시키는 요인을 제공하는 구성으로, 상기 현재스트레스추출모듈(51)에 의해 특정된 현재 스트레스 레벨 값이, 상기 최적스트레스추출모듈(53)에 의해 특정된 최적 스트레스 레벨 값보다 작을 경우에 활성화될 수 있다. 상기 스트레스증가모듈(551)에 의해, 사용자는 자신의 현재 스트레스 레벨을 높이는 방안들을 제안받을 수 있게 된다. 예를 들어, 스트레스 레벨이 L5일 때 최대 학습 효율을 가지는 사용자가 현재 스트레스 레벨이 L3이라면, 해당 사용자의 스트레스 레벨을 높이기 위해, 주변 조도를 밝게 하거나, 주변 소음이나 온도를 높이라는 등의 제안이 제공될 수 있고, 수학 공부를 할 때 스트레스 레벨이 증가하는 사용자이었다면, 수학 공부를 하라고 안내할 수도 있다.The stress increasing module 551 is configured to provide the user with a factor that increases the user's stress level, and the current stress level value specified by the current stress extraction module 51 is the optimal stress extraction module 53 ) can be activated when it is less than the optimal stress level value specified by By the stress increasing module 551 , the user can be offered suggestions for increasing his or her current stress level. For example, when the stress level is L5, if the current stress level is L3 for the user with the maximum learning efficiency, suggestions such as brightening the ambient light or increasing the ambient noise or temperature to increase the user's stress level are suggested. It may be provided, and if the user has an increased stress level when studying mathematics, it may be guided to study mathematics.

상기 스트레스감소모듈(553)은, 사용자에게 사용자의 스트레스 레벨을 감소시키는 요인을 제공하는 구성을 말한다. 상기 스트레스감소모듈(553)은, 상기 현재스트레스추출모듈(51)에 의해 특정된 현재 스트레스 레벨 값이, 상기 최적스트레스추출모듈(53)에 의해 특정된 최적 스트레스 레벨 값보다 클 경우에 동작할 수 있다. 사용자는 상기 스트레스감소모듈(553)에 의해 자신의 현재 스트레스 레벨을 낮추는 스트레스 조절 방안들을 제안받을 수 있게 된다. 그 예로, 스트레스 레벨이 L4일 때 최대 학습 효율을 가지는 사용자가 현재 스트레스 레벨이 L7이고, 해당 사용자가 온도, 소음, 밝기가 낮은 환경에서 스트레스 레벨이 감소 경향을 보였다면, 해당 사용자에게 주변 온도, 소음, 밝기를 낮추라는 제안을 할 수 있으며, 스트레스 레벨이 낮은 활동으로 평가되었던 국어 공부를 하라는 등의 제안을 할 수 있다.The stress reduction module 553 refers to a configuration that provides a factor for reducing the user's stress level to the user. The stress reduction module 553 may operate when the current stress level value specified by the current stress extraction module 51 is greater than the optimum stress level value specified by the optimum stress extraction module 53. have. The user can be offered stress control methods for lowering his or her current stress level by the stress reduction module 553 . For example, when the stress level is L4, if the current stress level of the user with the maximum learning efficiency is L7, and the user shows a tendency to decrease the stress level in an environment with low temperature, noise, and brightness, the user is given the ambient temperature, You can suggest lowering the noise and brightness, and suggesting that you study Korean, which was evaluated as an activity with a low stress level.

상기 유효성확인부(60)는, 일측은 상기 스트레스조정부(50)에 연결되고, 타측은 상기 데이터수집부(10) 및 상기 스트레스분석부(30)에 연결되어, 상기 스트레스조정부(50)에 의해 제공된 스트레스 조절 요인이 유효한 스트레스 조절 요인인지 여부를 확인하는 구성을 말한다. 구체적으로, 상기 유효성확인부(60)는, 사용자가 제안된 스트레스 조절 요인에 따라 행동했는지를 확인하고, 제안 내용을 사용자가 수용했음에도 불구하고, 스트레스 레벨이 최적 스트레스 레벨로 변화하지 않았다고 판단된 경우에는, 조절 요인 특정에 문제가 있음을 인식해, 상기 조절요인특정모듈(437)의 판단 로직을 업데이트하게 된다. 도 9를 참고하면, 이러한 상기 유효성확인부(60)는, 제안요인특정모듈(61), 제안수용판단모듈(63), 제안효용검증모듈(65)을 포함한다.The validation unit 60, one side is connected to the stress adjustment unit 50, the other side is connected to the data collection unit 10 and the stress analysis unit 30, by the stress adjustment unit 50 Refers to a configuration that checks whether a given stress modulator is a valid stress modulator. Specifically, the validation unit 60 checks whether the user has acted according to the suggested stress control factor, and when it is determined that the stress level has not changed to the optimal stress level despite the user accepting the suggestion, In , recognizing that there is a problem in specifying the adjustment factor, the determination logic of the adjustment factor specifying module 437 is updated. Referring to FIG. 9 , the validation unit 60 includes a proposal factor specifying module 61 , a proposal acceptance determination module 63 , and a proposal utility verification module 65 .

상기 제안요인특정모듈(61)은, 스트레스조정부(50)의 스트레스조정모듈(55)과 연결되어 사용자에게 제공한 스트레스 조절 요인을 특정하는 구성을 말한다. 상기 유효성확인부(60)에 의하면, 사용자에게 제안된 스트레스 조절 요인이 무엇이며, 사용자가 제공된 스트레스 조절 요인에 따라 행동했는지 여부를 파악해야 하는바, 상기 제안요인특정모듈(61)에 의해 가장 먼저 사용자에게 제공된 스트레스 조절 요인이 파악되게 된다. 예를 들어 사용자 측에 주변 소음이나 온도를 높이라는 제안이 이루어졌다면, 상기 제안요인특정모듈(61)은 주변 소음과 주변 온도 증가를 제안 요인으로 특정한다.The suggested factor specifying module 61 is connected to the stress adjusting module 55 of the stress adjusting unit 50 and refers to a configuration for specifying a stress adjusting factor provided to the user. According to the validation unit 60, it is necessary to determine what the stress control factor suggested to the user and whether the user acted according to the stress control factor provided to the user. The stress control factors provided to the user are identified. For example, if a suggestion to increase the ambient noise or temperature is made on the user's side, the suggestion factor specifying module 61 specifies the ambient noise and the ambient temperature increase as suggested factors.

상기 제안수용판단모듈(63)은, 상기 제안요인특정모듈(61)과 연결되어 사용자가 시스템(1)에 의해 제공된 스트레스 조절 요인을 받아들였는지 여부를 확인하는 구성을 말한다. 상기 스트레스조정모듈(55)을 통해 사용자에게 스트레스 조절 요인이 제공되었어도, 사용자 측에서 이에 따르지 않았다면, 스트레스 레벨이 최적 스트레스 레벨로 변화될 수 없으므로, 상기 제안수용판단모듈(63)을 통해 사용자가 제안된 스트레스 조절 방안을 따라 행동했는지를 파악하게 된다. 이러한 상기 제안수용판단모듈(63)은, 관련데이터추출모듈(631), 반영확인모듈(633)을 포함한다.The proposal acceptance determination module 63 refers to a configuration that is connected to the proposal factor specifying module 61 to confirm whether the user has accepted the stress control factor provided by the system 1 . Even if the stress control factor is provided to the user through the stress adjustment module 55, if the user does not comply with it, the stress level cannot be changed to the optimal stress level. You will find out if you have followed the stress management plan you have been working on. The proposal acceptance determination module 63 includes a related data extraction module 631 and a reflection confirmation module 633 .

상기 관련데이터추출모듈(631)은, 상기 데이터수집부(10)와 연결되어 사용자에게 제공한 스트레스 조절 요인과 관련된 데이터를 추출하는 구성을 말한다. 예를 들어 설명하면, 상기 제안요인특정모듈(61)에 의해 소음 감소와 온도 감소가 제안 요인으로 특정되었을 경우, 상기 관련데이터추출모듈(631)은 특정된 제안 요인과 관련된 소음 데이터 및 온도 데이터에 관한 정보를 상기 데이터수집부(10)로부터 추출하게 된다.The related data extraction module 631 is connected to the data collection unit 10 and refers to a configuration for extracting data related to the stress control factor provided to the user. For example, when noise reduction and temperature reduction are specified as the suggested factors by the suggested factor specifying module 61, the related data extraction module 631 provides noise data and temperature data related to the specified suggested factor. related information is extracted from the data collection unit 10 .

상기 반영확인모듈(633)은, 상기 관련데이터추출모듈(631)과 연결되어 추출된 데이터에 사용자에게 제공한 스트레스 조절 요인이 반영되어 있는지 여부를 확인하는 구성을 말한다. 앞서 설명한 예를 다시 들면, 상기 관련데이터추출모듈(631)을 통해 상기 데이터수집부(10)로부터 실시간으로 수신된 소음 데이터와 온도 데이터가 추출되면, 상기 반영확인모듈(633)은 실제 사용자 주변 소음이 감소되었는지 여부와, 사용자 주변 온도가 감소되었는지 여부를 확인하게 된다. 사용자 주변 소음 및 온도가 감소된 경우 상기 반영확인모듈(633)은 후술할 제안효용검증모듈(65)의 동작을 지시하게 되고, 사용자 주변 소음 또는 온도가 변화되지 않거나 오히려 증가한 경우에는 상기 반영확인모듈(633)은 후술할 제안효용검증모듈(65)의 동작을 지시하지 않을 수 있다.The reflection confirmation module 633 is connected to the related data extraction module 631 and refers to a configuration for confirming whether the stress control factor provided to the user is reflected in the extracted data. For the example described above, again, when noise data and temperature data received in real time from the data collection unit 10 are extracted through the related data extraction module 631, the reflection confirmation module 633 is the actual user surrounding noise. It is checked whether the temperature has been reduced and whether the user's ambient temperature has been reduced. When the user ambient noise and temperature are reduced, the reflection confirmation module 633 instructs the operation of the proposed utility verification module 65 to be described later, and when the user ambient noise or temperature does not change or rather increases, the reflection confirmation module Reference numeral 633 may not indicate the operation of the proposal utility verification module 65, which will be described later.

상기 제안효용검증모듈(65)은, 상기 제안수용판단모듈(63)과 연결되어 제공한 스트레스 조절 요인의 효과를 검증하는 구성으로, 상기 반영확인모듈(633)의 확인 결과, 사용자가 제안된 스트레스 조절 방안에 따라 행동했을 경우, 상기 제안효용검증모듈(65)은 시스템(1) 상에서 제안했던 스트레스 조절 요인이 실제 사용자의 스트레스 레벨을 적절히 변화시키는데 사용되었는지를 판단하고, 문제가 있을 경우 이를 개선하게 된다. 이를 위해 상기 제안효용검증모듈(65)은, 스트레스확인모듈(651), 스트레스판단모듈(653), 업데이트모듈(655)를 포함한다.The proposal utility verification module 65 is a configuration for verifying the effect of a stress control factor provided in connection with the proposal acceptance determination module 63. As a result of the confirmation of the reflection confirmation module 633, the user's suggested stress When acting according to the adjustment method, the proposed utility verification module 65 determines whether the stress adjustment factor proposed in the system 1 is used to appropriately change the actual user's stress level, and if there is a problem, it is improved do. To this end, the proposed utility verification module 65 includes a stress confirmation module 651 , a stress determination module 653 , and an update module 655 .

상기 스트레스확인모듈(651)은, 일측은 상기 반영확인모듈(633)과 연결되고, 타측은 상기 스트레스특정모듈(35)과 연결되어, 상기 반영확인모듈(633)을 통해 사용자에게 제공한 스트레스 조절 요인의 반영이 확인될 경우, 상기 스트레스특정모듈(37)로부터 사용자의 스트레스 레벨을 확인하는 구성을 말한다. 예를 들어, 사용자에게 주변의 조도를 높이라는 제안을 했을 경우, 이러한 제안에 따라 사용자가 주변 조명의 조도를 높여 실제 데이터수집부(10)에 들어온 조도 데이터의 수치가 높아졌다면, 사용자가 시스템(1)에서 제안한 사항에 따랐음이 확인되고, 이 경우 상기 스트레스확인모듈(651)은 사용자의 현재 스트레스 레벨을 측정하게 된다.The stress confirmation module 651, one side is connected to the reflection confirmation module 633, the other side is connected to the stress specifying module 35, the stress control provided to the user through the reflection confirmation module 633 When it is confirmed that the factor is reflected, it refers to a configuration for confirming the user's stress level from the stress specifying module 37 . For example, when a suggestion to increase the ambient illuminance is made to the user, if the user increases the illuminance of the ambient light according to this suggestion and the value of the illuminance data actually entered into the data collection unit 10 increases, the user It is confirmed that the suggestion in 1) has been followed, and in this case, the stress checking module 651 measures the user's current stress level.

상기 스트레스판단모듈(653)은, 상기 스트레스확인모듈(651)과 연결되어 확인된 사용자의 스트레스 레벨이 상기 최적스트레스특정모듈(415)에 의한 최적 스트레스 레벨과 동일한지 여부를 판단하는 구성을 말한다. 상기 스트레스판단모듈(653)은 제안 사항에 따라 행동한 사용자의 스트레스 레벨이 당초 시스템(1)이 평가한 최적 스트레스 레벨로 변화되었는지를 판단함으로써, 제안 내용의 정확성을 검증하는 구성으로 볼 수 있다. 만일 사용자의 스트레스 레벨이 최적 스트레스 레벨로 변화했다면, 제안 내용은 정확했다고 평가될 수 있고, 사용자의 스트레스 레벨이 최적 스트레스 레벨로 변화하지 않았다면, 제안 내용은 부정확했다고 평가될 수 있다.The stress determination module 653 refers to a configuration for determining whether the user's stress level confirmed by being connected to the stress checking module 651 is the same as the optimum stress level by the optimum stress specifying module 415 . The stress determination module 653 can be viewed as a configuration for verifying the accuracy of the proposal by determining whether the stress level of the user acting according to the proposal has changed to the optimal stress level initially evaluated by the system 1 . If the user's stress level has changed to the optimal stress level, the suggestion may be evaluated to be correct, and if the user's stress level has not changed to the optimal stress level, the suggestion may be evaluated to be inaccurate.

상기 업데이트모듈(655)은, 상기 스트레스판단모듈(653)과 연결되어 확인된 사용자의 스트레스 레벨이 상기 최적스트레스특정모듈(415)에 의한 최적 스트레스 레벨과 상이할 경우, 사용자에게 제공한 스트레스 조절 요인이 상기 조절요인특정모듈(437)에 의한 데이터 특정시 제외되도록 상기 조절요인특정모듈(437)을 갱신하는 구성을 말한다. 예를 들어 설명하면, 상기 조절요인특정모듈(437)에서 시간에 따라 변화하는 스트레스 레벨과 비슷한 패턴을 보이는 데이터로 습도 데이터가 파악되어 습도 데이터를 스트레스 조절 요인으로 특정했다면, 사용자의 스트레스 레벨을 최적 스트레스 레벨로 만들기 위해 사용자 주변의 습도를 높이거나 낮추라는 제안이 제공될 수 있다. 그런데, 사용자가 이러한 제안에 따라 행동했음에도, 사용자의 스트레스 레벨이 최적 스트레스 레벨로 되지 않았다면, 습도는 사용자 스트레스 조절의 핵심 요인이 아니라는 사실이 밝혀지게 된다. 이 경우, 상기 업데이트모듈(655)은 앞으로의 스트레스 조절 요인 특정시 습도가 조절 요인으로 특정되지 않도록 상기 조절요인특정모듈(437)의 알고리즘을 변경하게 된다. 상기 조절요인특정모듈(437)은 앞서 설명한 바와 같이, 상기 비교모듈(435)과 연결되어 상기 스트레스 레벨 패턴과 유사한 데이터 패턴을 보이는 데이터를 특정하는 것인바, 패턴 비교에 의한 데이터 선정에서 완전성이 담보되지 않는 문제가 있다. 이러한 문제를 해결하기 위해, 상기 업데이트모듈(655)을 구성해 상기 조절요인특정모듈(437)이 갱신될 수 있도록 함으로써, 패턴 분석에 의한 조절 요인 특정의 정확성을 보완하고, 스트레스 레벨 조절에 핵심적인 조절 요인만 특정되도록 하여, 사용자에게 보다 정확한 스트레스 레벨 조절 제안을 할 수 있게 된다.The update module 655 is a stress control factor provided to the user when the user's stress level confirmed by being connected to the stress determination module 653 is different from the optimal stress level by the optimal stress specifying module 415 . This refers to a configuration in which the adjustment factor specifying module 437 is updated to be excluded when the data is specified by the adjustment factor specifying module 437 . For example, if the humidity data is identified as data showing a pattern similar to the stress level that changes over time in the control factor specifying module 437 and the humidity data is specified as a stress control factor, the user's stress level is optimized Suggestions may be given to increase or decrease the humidity around the user to bring it to a stress level. However, if the user's stress level does not reach the optimum stress level even though the user has acted according to the suggestion, it is revealed that humidity is not a key factor in controlling the user's stress. In this case, the update module 655 changes the algorithm of the adjustment factor specifying module 437 so that humidity is not specified as the adjustment factor when specifying the stress control factor in the future. As described above, the adjustment factor specifying module 437 is connected to the comparison module 435 to specify data showing a data pattern similar to the stress level pattern, and integrity is guaranteed in data selection by pattern comparison. There is a problem that doesn't work. In order to solve this problem, by configuring the update module 655 so that the adjustment factor specifying module 437 can be updated, the accuracy of specifying the adjustment factor by pattern analysis is supplemented, and the key to controlling the stress level is By specifying only the adjustment factor, it is possible to provide a more accurate stress level adjustment suggestion to the user.

이상의 상세한 설명은 본 발명을 예시하는 것이다. 또한, 전술한 내용은 본 발명의 바람직한 실시 형태를 나타내어 설명하는 것이며, 본 발명은 다양한 다른 조합, 변경 및 환경에서 사용할 수 있다. 즉 본 명세서에 개시된 발명의 개념의 범위, 저술한 개시 내용과 균등한 범위 및/또는 당업계의 기술 또는 지식의 범위내에서 변경 또는 수정이 가능하다. 저술한 실시예는 본 발명의 기술적 사상을 구현하기 위한 최선의 상태를 설명하는 것이며, 본 발명의 구체적인 적용 분야 및 용도에서 요구되는 다양한 변경도 가능하다. 따라서 이상의 발명의 상세한 설명은 개시된 실시 상태로 본 발명을 제한하려는 의도가 아니다. 또한 첨부된 청구범위는 다른 실시 상태도 포함하는 것으로 해석되어야 한다.The above detailed description is illustrative of the present invention. In addition, the above description shows and describes preferred embodiments of the present invention, and the present invention can be used in various other combinations, modifications, and environments. That is, changes or modifications are possible within the scope of the concept of the invention disclosed herein, the scope equivalent to the written disclosure, and/or within the scope of skill or knowledge in the art. The written embodiment describes the best state for implementing the technical idea of the present invention, and various changes required in the specific application field and use of the present invention are possible. Accordingly, the detailed description of the present invention is not intended to limit the present invention to the disclosed embodiments. Also, the appended claims should be construed as including other embodiments.

10: 데이터수집부
11: 신체데이터수집모듈
13: 환경데이터수집모듈
15: 입력데이터수집모듈
20: 활동분석부
21: 활동입력판단모듈
23: 활동추론모듈
231: 활동학습모듈
233: 활동예측모듈
25: 활동특정모듈
30: 스트레스분석부
31: 스트레스입력판단모듈
33: 스트레스추론모듈
331: 스트레스학습모듈
333: 스트레스예측모듈
35: 스트레스특정모듈
40: 상관분석부
41: 스트레스효율분석모듈
411: 효율데이터추출모듈
413: 최대효율특정모듈
415: 최적스트레스특정모듈
43: 스트레스요인분석모듈
431: 스트레스패턴추출모듈
433: 데이터패턴추출모듈
435: 비교모듈
437: 조절요인특정모듈
50: 스트레스조정부
51: 현재스트레스추출모듈
53: 최적스트레스추출모듈
55: 스트레스조정모듈
551: 스트레스증가모듈
553: 스트레스감소모듈
60: 유효성확인부
61: 제안요인특정모듈
63: 제안수용판단모듈
631: 관련데이터추출모듈
633: 반영확인모듈
65: 제안효용검증모듈
651: 스트레스확인모듈
653 :스트레스판단모듈
653: 업데이트모듈10: data collection unit
11: Body data collection module
13: Environment data collection module
15: input data collection module
20: Activity analysis department
21: activity input judgment module
23: Activity inference module
231: activity learning module
233: activity prediction module
25: Activity specific module
30: stress analysis unit
31: stress input judgment module
33: stress inference module
331: stress learning module
333: stress prediction module
35: stress specific module
40: correlation analysis unit
41: stress efficiency analysis module
411: efficiency data extraction module
413: maximum efficiency specific module
415: optimal stress specific module
43: Stress factor analysis module
431: stress pattern extraction module
433: data pattern extraction module
435: comparison module
437: modulating factor specific module
50: stress control unit
51: current stress extraction module
53: optimal stress extraction module
55: stress adjustment module
551: stress increase module
553: stress reduction module
60: validation unit
61: Suggestion factor specific module
63: Proposal acceptance judgment module
631: related data extraction module
633: reflection confirmation module
65: Proposal utility verification module
651: stress check module
653: stress judgment module
653: update module

Claims (17)

사용자 데이터를 수신하는 데이터수집부와,
상기 데이터수집부와 연결되어 수신된 상기 사용자 데이터를 분석해 활동 데이터를 생성하는 활동분석부와,
상기 데이터수집부와 연결되어 수신된 상기 사용자 데이터를 분석해 스트레스 데이터를 생성하는 스트레스분석부와,
상기 데이터수집부, 상기 활동분석부 및 상기 스트레스분석부와 연결되어 최대 학습 효율이 나타난 최적의 스트레스 레벨을 결정하고 스트레스에 영향을 주는 조절 요인을 특정하는 상관분석부와,
상기 상관분석부와 연결되어 사용자가 상기 최적의 스트레스 레벨을 유지할 수 있도록 사용자에게 스트레스 증가 요인 또는 스트레스 감소 요인을 제안하는 스트레스조정부를 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.a data collection unit for receiving user data;
an activity analysis unit that is connected to the data collection unit and analyzes the received user data to generate activity data;
a stress analysis unit connected to the data collection unit and analyzing the received user data to generate stress data;
a correlation analysis unit connected to the data collection unit, the activity analysis unit, and the stress analysis unit to determine the optimal stress level at which the maximum learning efficiency appears, and to specify an adjustment factor affecting the stress;
A system for improving learning efficiency using academic stress analysis, characterized in that it includes a stress adjustment unit that is connected to the correlation analysis unit and suggests a stress increasing factor or a stress decreasing factor to the user so that the user can maintain the optimal stress level. 제1항에 있어서,
상기 상관분석부는, 사용자의 학습 효율을 향상시키는 최적의 스트레스 레벨을 특정하는 스트레스효율분석모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.According to claim 1,
The correlation analysis unit, learning efficiency improvement system using academic stress analysis, characterized in that it comprises a stress efficiency analysis module for specifying an optimal stress level for improving the learning efficiency of the user. 제2항에 있어서,
상기 스트레스효율분석모듈은, 상기 데이터수집부에서 학습 효율 데이터를 추출하는 효율데이터추출모듈과, 상기 효율데이터추출모듈과 연결되어 추출된 학습 효율 데이터 가운데 최대 학습 효율을 특정하는 최대효율특정모듈과, 상기 최대효율특정모듈과 연결되어 특정된 최대 학습 효율을 보일 때의 스트레스 레벨을 특정하는 최적스트레스특정모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.3. The method of claim 2,
The stress efficiency analysis module, an efficiency data extraction module for extracting learning efficiency data from the data collection unit, and a maximum efficiency specifying module for specifying the maximum learning efficiency among the extracted learning efficiency data in connection with the efficiency data extraction module; Learning efficiency improvement system using academic stress analysis, characterized in that it comprises an optimal stress specific module for specifying a stress level when the maximum efficiency specific module is connected to the specified maximum learning efficiency. 제2항에 있어서,
상기 상관분석부는, 상기 스트레스효율분석모듈과 연결되어 사용자의 스트레스에 영향을 미치는 스트레스 조절 요인을 특정하는 스트레스요인분석모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.3. The method of claim 2,
The correlation analysis unit is connected to the stress efficiency analysis module, characterized in that it comprises a stress factor analysis module for specifying a stress control factor affecting the user's stress, learning efficiency improvement system using academic stress analysis. 제4항에 있어서,
상기 스트레스요인분석모듈은, 시간에 따른 스트레스 레벨 패턴을 추출하는 스트레스패턴추출모듈과, 시간에 따른 데이터 패턴을 추출하는 데이터패턴추출모듈과, 상기 스트레스패턴추출모듈 및 상기 데이터패턴추출모듈과 연결되어 상기 스트레스 레벨 패턴과 상기 데이터 패턴을 비교하는 비교모듈과, 상기 비교모듈과 연결되어 상기 스트레스 레벨 패턴과 유사한 데이터 패턴을 보이는 데이터를 특정하는 조절요인특정모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.5. The method of claim 4,
The stress factor analysis module is connected to a stress pattern extraction module for extracting a stress level pattern according to time, a data pattern extraction module for extracting a data pattern according to time, the stress pattern extraction module and the data pattern extraction module, Study stress analysis, characterized in that it comprises a comparison module for comparing the stress level pattern with the data pattern, and a control factor specifying module connected to the comparison module to specify data showing a data pattern similar to the stress level pattern. Learning efficiency improvement system using 제1항에 있어서,
상기 스트레스조정부는, 스트레스분석부의 스트레스특정모듈과 연결되어 사용자의 현재 스트레스 레벨을 추출하는 현재스트레스추출모듈과, 상관분석부의 최적스트레스특정모듈과 연결되어 사용자의 최적 스트레스 레벨을 추출하는 최적스트레스추출모듈과, 상관분석부의 조절요인특정모듈과 연결되어 사용자의 스트레스 증가 또는 감소를 위한 조절 요인을 사용자에게 제공하는 스트레스조정모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.According to claim 1,
The stress adjustment unit, a current stress extraction module for extracting the user's current stress level by being connected to the stress specifying module of the stress analysis unit, and an optimal stress extraction module for extracting the user's optimal stress level by being connected to the optimal stress specifying module of the correlation analysis unit And, a system for improving learning efficiency using academic stress analysis, characterized in that it comprises a stress adjustment module connected to the adjustment factor specific module of the correlation analysis unit to provide the user with an adjustment factor for increasing or decreasing the user's stress. 제6항에 있어서,
상기 스트레스조정모듈은, 사용자에게 사용자의 스트레스 레벨을 증가시키는 요인을 제공하는 스트레스증가모듈과, 사용자에게 사용자의 스트레스 레벨을 감소시키는 요인을 제공하는 스트레스감소모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.7. The method of claim 6,
The stress adjustment module comprises a stress increasing module providing a factor for increasing the user's stress level to the user, and a stress reducing module providing the user with a factor reducing the user's stress level, Academic stress A system for improving learning efficiency using analytics. 제1항에 있어서,
상기 데이터수집부는, 사용자의 신체와 관련된 신체 데이터를 수집하는 신체데이터수집모듈과, 사용자의 주변과 관련된 환경 데이터를 수집하는 환경데이터수집모듈과, 사용자가 입력한 입력 데이터를 수집하는 입력데이터수집모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.According to claim 1,
The data collection unit includes a body data collection module for collecting body data related to the user's body, an environment data collection module for collecting environmental data related to the user's surroundings, and an input data collection module for collecting input data input by the user A system for improving learning efficiency using academic stress analysis, characterized in that it comprises a. 재8항에 있어서,
상기 입력 데이터는, 상기 신체 데이터 및 상기 환경 데이터 보다 우선시 되는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.The method of claim 8,
The input data, characterized in that priority over the body data and the environment data, learning efficiency improvement system using academic stress analysis. 제1항에 있어서,
상기 활동분석부는, 시간대별 사용자 활동에 관한 입력 데이터의 수신 유무를 판단하는 활동입력판단모듈과, 상기 활동입력판단모듈과 연결되어 사용자 활동에 관한 입력 데이터가 없는 시간대의 사용자 활동을 추론하는 활동추론모듈과, 상기 활동입력판단모듈과 연결되어 사용자 활동에 관한 입력 데이터가 있는 시간대의 사용자 활동을 특정하는 활동특정모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.According to claim 1,
The activity analysis unit includes an activity input determination module for determining whether input data regarding user activity for each time period is received or not, and an activity inference for inferring user activity in a time zone in which there is no input data regarding user activity by being connected to the activity input determination module. A system for improving learning efficiency using academic stress analysis, comprising: a module; 제10항에 있어서,
상기 활동추론모듈은, 사용자 활동에 관한 입력 데이터가 있는 시간대의 사용자 데이터를 입력값으로 하고, 해당 시간대의 사용자 활동에 관한 입력 데이터를 결과값으로 하여, 활동 학습 모델을 생성하는 활동학습모듈과, 상기 활동학습모듈과 연결되어 생성된 상기 활동 학습 모델을 통해 사용자 활동에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 활동을 예측하는 활동예측모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.11. The method of claim 10,
The activity inference module includes an activity learning module for generating an activity learning model by taking user data of a time zone in which input data regarding user activity is present as an input value, and using input data related to user activity in the corresponding time zone as a result value; Academic stress, characterized in that it includes an activity prediction module for predicting user activity by using user data in a time period when there is no input data on user activity through the activity learning model generated in connection with the activity learning module as an input value A system for improving learning efficiency using analytics. 제1항에 있어서,
상기 스트레스분석부는, 시간대별 사용자 스트레스에 관한 입력 데이터의 수신 유무를 판단하는 스트레스입력판단모듈과, 상기 스트레스입력판단모듈과 연결되어 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 스트레스 레벨을 추론하는 스트레스추론모듈과, 상기 스트레스추론모듈과 연결되어 사용자 스트레스에 관한 입력 데이터가 있는 시간대의 사용자 스트레스 레벨을 특정하는 스트레스특정모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.According to claim 1,
The stress analysis unit includes a stress input determination module for determining whether input data regarding user stress is received for each time period, and a stress for inferring a user stress level in a time period in which there is no input data regarding user stress by being connected to the stress input determination module. A system for improving learning efficiency using academic stress analysis, comprising: an inference module; and a stress specific module connected to the stress inference module to specify a user stress level in a time zone in which input data regarding user stress is present. 제12항에 있어서,
상기 스트레스추론모듈은, 사용자 스트레스에 관한 입력 데이터가 있는 시간대의 사용자 데이터를 입력값으로 하고, 해당 시간대의 사용자 스트레스 레벨을 결과값으로 하여, 스트레스 학습 모델을 생성하는 스트레스학습모듈과, 상기 스트레스학습모듈과 연결되어 생성된 상기 스트레스 학습 모델을 통해 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 스트레스 레벨을 예측하는 스트레스예측모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.13. The method of claim 12,
The stress inference module includes a stress learning module configured to generate a stress learning model by taking user data in a time zone in which input data regarding user stress is present as an input value, and using the user stress level in the corresponding time zone as a result value; Study stress analysis, characterized in that it includes a stress prediction module for predicting a user stress level by using user data in a time period when there is no input data about user stress through the stress learning model generated in connection with the module as an input value Learning efficiency improvement system using. 제1항에 있어서,
상기 학습 효율 향상 시스템은, 일측은 상기 스트레스조정부에 연결되고, 타측은 상기 데이터수집부 및 상기 스트레스분석부에 연결되어, 상기 스트레스조정부에 의해 제공된 스트레스 조절 요인이 유효한 스트레스 조절 요인인지 여부를 확인하는 유효성확인부를 추가로 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.According to claim 1,
The learning efficiency improvement system, one side is connected to the stress control unit, the other side is connected to the data collection unit and the stress analysis unit, to determine whether the stress control factor provided by the stress control unit is an effective stress control factor Learning efficiency improvement system using academic stress analysis, characterized in that it further comprises a validation unit. 제14항에 있어서,
상기 유효성확인부는, 스트레스조정부의 스트레스조정모듈과 연결되어 사용자에게 제공한 스트레스 조절 요인을 특정하는 제안요인특정모듈과, 상기 제안요인특정모듈과 연결되어 사용자가 제공된 스트레스 조절 요인을 받아들였는지 여부를 확인하는 제안수용판단모듈과, 상기 제안수용판단모듈과 연결되어 제공한 스트레스 조절 요인의 효과를 검증하는 제안효용검증모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.15. The method of claim 14,
The validity check unit is connected to the stress adjustment module of the stress adjustment unit, a suggested factor specifying module for specifying the stress control factor provided to the user, and whether the user has accepted the provided stress control factor by being connected to the suggested factor specifying module A system for improving learning efficiency using academic stress analysis, characterized in that it comprises a proposal acceptance judgment module for confirming, and a proposal utility verification module for verifying the effect of a stress control factor provided in connection with the proposal acceptance judgment module. 제15항에 있어서,
상기 제안수용판단모듈은, 상기 데이터수집부와 연결되어 사용자에게 제공한 스트레스 조절 요인과 관련된 데이터를 추출하는 관련데이터추출모듈과, 상기 관련데이터추출모듈과 연결되어 추출된 데이터에 사용자에게 제공한 스트레스 조절 요인이 반영되어 있는지 여부를 확인하는 반영확인모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.16. The method of claim 15,
The proposal acceptance determination module includes a related data extraction module for extracting data related to a stress control factor provided to the user in connection with the data collection unit, and a stress provided to the user in connection with the related data extraction module and extracted data Learning efficiency improvement system using academic stress analysis, characterized in that it comprises a reflection confirmation module to check whether the adjustment factor is reflected. 제16항에 있어서,
상기 제안효용검토모듈은, 일측은 상기 반영확인모듈과 연결되고, 타측은 스트레스특정모듈과 연결되어, 상기 반영확인모듈을 통해 사용자에게 제공한 스트레스 조절 요인의 반영이 확인될 경우, 상기 스트레스특정모듈로부터 사용자의 스트레스 레벨을 확인하는 스트레스확인모듈과, 상기 스트레스확인모듈과 연결되어 확인된 사용자의 스트레스 레벨이 최적스트레스특정모듈에 의한 최적 스트레스 레벨과 동일한지 여부를 판단하는 스트레스판단모듈과, 상기 스트레스판단모듈과 연결되어 확인된 사용자의 스트레스 레벨이 최적스트레스특정모듈에 의한 최적 스트레스 레벨과 상이할 경우, 사용자에게 제공한 스트레스 조절 요인이 조절요인특정모듈에 의한 데이터 특정시 제외되도록 상기 조절요인특정모듈을 갱신하는 업데이트모듈을 포함하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템.17. The method of claim 16,
The proposed utility review module, when one side is connected to the reflection confirmation module and the other side is connected to the stress specifying module, and the reflection of the stress control factor provided to the user through the reflection confirmation module is confirmed, the stress specifying module a stress checking module for checking the user's stress level from When the user's stress level confirmed by connection with the judgment module is different from the optimal stress level by the optimal stress specific module, the control factor specific module so that the stress control factor provided to the user is excluded from the data specification by the control factor specific module Learning efficiency improvement system using academic stress analysis, characterized in that it comprises an update module to update the.
KR1020200050729A 2020-04-27 2020-04-27 Learning Efficiency Improvement System Using Academic Stress Analysis KR20210132399A (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020200050729A KR20210132399A (en) 2020-04-27 2020-04-27 Learning Efficiency Improvement System Using Academic Stress Analysis
KR1020230040479A KR20230050281A (en) 2020-04-27 2023-03-28 Learning Efficiency Improvement System Using Academic Stress Analysis

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200050729A KR20210132399A (en) 2020-04-27 2020-04-27 Learning Efficiency Improvement System Using Academic Stress Analysis

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020230040479A Division KR20230050281A (en) 2020-04-27 2023-03-28 Learning Efficiency Improvement System Using Academic Stress Analysis

Publications (1)

Publication Number Publication Date
KR20210132399A true KR20210132399A (en) 2021-11-04

Family

ID=78521797

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020200050729A KR20210132399A (en) 2020-04-27 2020-04-27 Learning Efficiency Improvement System Using Academic Stress Analysis
KR1020230040479A KR20230050281A (en) 2020-04-27 2023-03-28 Learning Efficiency Improvement System Using Academic Stress Analysis

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020230040479A KR20230050281A (en) 2020-04-27 2023-03-28 Learning Efficiency Improvement System Using Academic Stress Analysis

Country Status (1)

Country Link
KR (2) KR20210132399A (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230146194A (en) * 2022-04-12 2023-10-19 이관훈 Operating system for study cafe

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102636079B1 (en) * 2023-06-08 2024-02-14 주식회사 화신이앤엘 (E&L) Apparatus and method for providing customized math problems to learners

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140095291A (en) 2013-01-24 2014-08-01 삼성전자주식회사 Apparatus and method for measurement stresss based on movement and heart rate of user

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20140095291A (en) 2013-01-24 2014-08-01 삼성전자주식회사 Apparatus and method for measurement stresss based on movement and heart rate of user

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230146194A (en) * 2022-04-12 2023-10-19 이관훈 Operating system for study cafe

Also Published As

Publication number Publication date
KR20230050281A (en) 2023-04-14

Similar Documents

Publication Publication Date Title
Brothers et al. Effects of prediction and contextual support on lexical processing: Prediction takes precedence
KR20230050281A (en) Learning Efficiency Improvement System Using Academic Stress Analysis
KR101749706B1 (en) Method and system for expecting user's mood based on status information and biometric information acquired by using user equipment
US20170132946A1 (en) Method and system for providing feedback to user for improving performance level management thereof
US20200090812A1 (en) Machine learning for measuring and analyzing therapeutics
KR20090027024A (en) Method for analyzing stress based on biometric signal measured multiple
KR102053604B1 (en) Method for sleeping analysis and device for sleeping analysis using the same
KR20210103372A (en) Method and server for smart home control based on interactive brain-computer interface
US20240041398A1 (en) Method and system for providing feedback to user for improving performance level management thereof
EP3144875A1 (en) Emotion and mood data input, display, and analysis device
Belfi et al. Musical reward across the lifespan
KR20200029663A (en) Emotion recognition apparatus and control method THEREOF
Halpern et al. The inability to produce soft voice (IPSV): A tool to detect vocal change in school-teachers
Penner et al. The role of working memory in dichotic-listening studies of auditory laterality
KR20210010548A (en) Information processing device, information processing method and program
KR101118276B1 (en) Ubiquitous-learning middleware device for generating study emotion index related to study concentration from bio-signal emotion index and context information
KR20120097098A (en) Ubiquitous-learning study guiding device for improving study efficiency based on study emotion index generated from bio-signal emotion index and context information
WO2019123726A1 (en) Guidance support system, guidance support method, and guidance support program
JP7133207B2 (en) Information processing device and program
Proust Time and action: Impulsivity, habit, strategy
CN116344048A (en) Causal reasoning device for care of cognition disorder patient
Banks et al. Dynamic modeling of behavior change
JP2018181245A (en) Productivity determination device, productivity determination program, and productivity determination method
Hald et al. A preliminary evaluation of the interpersonal music-communication competence scales
Alhassan et al. Admemento: a prototype of activity reminder and assessment tools for patients with alzheimer’s disease

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X601 Decision of rejection after re-examination