KR20220051592A - 인터넷 강의 추천 시스템 및 그 동작 방법 - Google Patents

인터넷 강의 추천 시스템 및 그 동작 방법 Download PDF

Info

Publication number
KR20220051592A
KR20220051592A KR1020200135176A KR20200135176A KR20220051592A KR 20220051592 A KR20220051592 A KR 20220051592A KR 1020200135176 A KR1020200135176 A KR 1020200135176A KR 20200135176 A KR20200135176 A KR 20200135176A KR 20220051592 A KR20220051592 A KR 20220051592A
Authority
KR
South Korea
Prior art keywords
lecture
unit
information
image
learner
Prior art date
Application number
KR1020200135176A
Other languages
English (en)
Inventor
문의선
Original Assignee
이투스교육 주식회사
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 이투스교육 주식회사 filed Critical 이투스교육 주식회사
Priority to KR1020200135176A priority Critical patent/KR20220051592A/ko
Publication of KR20220051592A publication Critical patent/KR20220051592A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/73—Querying
    • G06F16/732—Query formulation
    • G06F16/7343—Query language or query format
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Educational Technology (AREA)
  • Signal Processing (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

인터넷 강의 추천 시스템이 개시된다. 인터넷 강의 추천 시스템은 인터넷 강의 영상을 저장하는 스토리지부; 상기 강의 영상에 대한 메타 정보 및 상기 강의 영상의 스토리지 위치를 저장하는 컨텐츠 DB부; 재생 중인 영상에서 STT(Speech To Text)를 이용하여 키워드를 추출하는 음성 인식부; 상기 키워드를 상기 컨텐츠 DB부의 메타정보와 비교하여 상기 스토리지부에서 관련 강의를 검색하는 관련 강의 검색부; 및 재생 중인 영상에서 추출된 키워드 및 상기 키워드를 이용하여 검색된 관련 강의 목록을 디스플레이 하는 사용자 표시부를 포함한다.

Description

인터넷 강의 추천 시스템 및 그 동작 방법{SYSTEM FOR RECOMMENDING ONLINE LECTURES, AND OPERATING METHOD THEREOF}
본 개시는 학습자에게 인터넷 강의를 추천해 주는 시스템 및 그 동작 방법에 관한 것이다.
최근 언택트(untact)의 흐름 속에서, 강의 방식 또한 온라인 강의가 선호되면서 온라인 강의 시장이 커지고 있다. 온라인 강의는 오프라인 강의에 비해 공간과 시간의 제약을 받지 않는다는 장점이 있지만, 학습자의 수준과 이해도를 반영한 수업이 힘들다는 단점 또한 존재한다. 오프라인 수업의 경우 비교적 수준이 비슷한 수강 집단을 구성함으로써 어느 정도 맞춤형 교육이 가능했으나, 규모와 수준을 통제하기 어려운 온라인 강의에서는 수준별 그룹화가 힘들다.
관련 선행기술로, 한국 공개특허공보 제2007-0061069호(발명의 명칭: 개별 맞춤 학습이 가능한 온라인 교육 시스템 및 그 방법, 출원인: 한국전자통신연구원)가 있다. 해당 공개특허공보에는 인터넷과 컴퓨터를 활용한 온라인 교육 시스템 및 그 방법이 개시된다. 보다 구체적으로, 선행기술의 온라인 교육 시스템은 강사 클라이언트와 학생 클라이언트 및 교육용 서버가 네트워크를 통해 연계되어 구성되는 온라인 교육시스템에 있어서, 상기 교육용 서버는 학생 클라이언트 상의 학습자가 지닌 강의 이해도를 평가할 수 있는 문제를 출제하여 학습자를 테스트하고, 테스트 결과를 분석하여 제시하는 평가부; 및 상기 평가부의 테스트 결과에 따라 학습자에게 적합한 보충학습 자료를 검색하여 학습자에게 제공하는 추천부를 포함한다.
학습자의 수준 차이가 발생하는 요인은 크게 이해력의 차이와 선수과정에 대한 이해도의 차이가 있다. 이해력의 차이는 반복학습을 통해 극복할 수 있으나, 선수과정에 대한 이해도의 차이는 이전 학습 단계에서 숙지했어야 할 내용에 대해 각기 다른 수준으로 학습한 결과로 발생하는 것으로, 극복을 위해서는 적절한 선수과정 및 적절한 난이도의 수업이 필요하다. 하지만 학습자는 선수과정이 무엇인지 파악하기 어렵고, 해당 선수과정에 대한 강의나 교재를 자신의 수준에 맞게 찾아내기 어렵다.
다만, 기술적 과제는 상술한 기술적 과제들로 한정되는 것은 아니며, 또 다른 기술적 과제들이 존재할 수 있다.
일 실시예에 따른 인터넷 강의 추천 시스템은, 인터넷 강의 영상을 저장하는 스토리지부; 상기 강의 영상에 대한 메타 정보 및 상기 강의 영상의 스토리지 위치를 저장하는 컨텐츠 DB부; 영상에서 STT(Speech To Text)를 이용하여 키워드를 추출하는 음성 인식부; 상기 키워드를 상기 컨텐츠 DB부의 메타정보와 비교하여 상기 스토리지부에서 관련 강의를 검색하는 관련 강의 검색부; 및 영상에서 추출된 키워드 및 상기 키워드를 이용하여 검색된 관련 강의 목록을 디스플레이 하는 사용자 표시부를 포함한다.
상기 음성 인식부는, 상기 영상에서 키워드를 추출할 때, 상기 영상의 메타정보를 활용하여, 강의 내용과 무관한 키워드는 제외할 수 있다.
상기 관련 강의 검색부는, 상기 키워드를 이용하여 관련 강의를 검색할 때, 상기 키워드를 추출한 영상의 메타정보와, 상기 영상을 시청하는 학습자의 학습자 정보를 활용하여 학습자별로 맞춤 검색할 수 있다.
상기 사용자 표시부는, 상기 관련 강의 목록을 디스플레이 할 때, 상기 관련 강의에 대한 상세 정보를 볼 수 있는 링크 정보도 함께 디스플레이 할 수 있다.
상기 메타정보는, 강사, 제작일, 제공기간, 가격, 과목, 강의 주제, 단원 정보, 주요 키워드, 강의 내용 요약 및 학습 대상자의 학년, 수강 목적, 목표 수준 중 적어도 하나를 포함하는 학습 대상자 정보 중 적어도 하나를 포함할 수 있다.
일 실시예에 따른 인터넷 강의 추천 시스템은 학습자에 대한 정보를 저장하는 학습자 정보 DB부를 더 포함하고, 상기 학습자 정보는 학습자의 수강이력 및 학습자 수준을 파악할 수 있는 데이터 중 적어도 하나를 포함할 수 있다.
일 실시예에 따른 인터넷 강의 추천 시스템은 제작된 강의 영상을 상기 스토리지부에 저장하고, 상기 제작된 영상의 메타정보를 상기 컨텐츠 DB부에 저장하는 영상 등록부; 및 학습자가 시청하고자 하는 강의 영상을 송출하는 영상 송출부를 더 포함할 수 있다.
일 실시예에 따른 인터넷 강의 추천 시스템의 동작 방법은, 스토리지부에서, 인터넷 강의 영상을 유지하는 단계; 컨텐츠 DB부에서, 상기 강의 영상에 대한 메타 정보 및 상기 강의 영상의 저장 위치를 유지하는 단계; 음성 인식부에서, 영상으로부터 STT(Speech To Text)를 이용하여 키워드를 추출하는 단계; 관련 강의 검색부에서, 상기 키워드를 상기 컨텐츠 DB부의 메타정보와 비교하여 상기 스토리지부에서 관련 강의를 검색하는 단계; 및 사용자 표시부에서, 영상에서 추출된 키워드 및 상기 키워드를 이용하여 검색된 관련 강의 목록을 디스플레이 하는 단계를 포함한다.
상기 음성 인식부에서 영상으로부터 STT(Speech To Text)를 이용하여 키워드를 추출하는 단계는, 상기 영상의 메타정보를 활용하여, 강의 내용과 무관한 키워드는 제외하는 단계를 포함할 수 있다.
상기 관련 강의 검색부에서 상기 키워드를 상기 컨텐츠 DB부의 메타정보와 비교하여 상기 스토리지부에서 관련 강의를 검색하는 단계는, 상기 키워드를 추출한 영상의 메타정보와, 상기 영상을 시청하는 학습자의 학습자 정보를 활용하여 학습자별로 맞춤 검색하는 단계를 포함할 수 있다.
상기 사용자 표시부에서, 영상에서 추출된 키워드 및 상기 키워드를 이용하여 검색된 관련 강의 목록을 디스플레이 하는 단계는, 상기 관련 강의에 대한 상세 정보를 볼 수 있는 링크 정보도 함께 디스플레이 하는 단계를 포함할 수 있다.
상기 메타정보는, 강사, 제작일, 제공기간, 가격, 과목, 강의 주제, 단원 정보, 주요 키워드, 강의 내용 요약 및 학습 대상자의 학년, 수강 목적, 목표 수준 중 적어도 하나를 포함하는 학습 대상자 정보 중 적어도 하나를 포함할 수 있다.
일 실시예에 따른 인터넷 강의 추천 시스템의 동작 방법은, 학습자 정보 DB부에서 학습자에 대한 정보를 유지하는 단계를 더 포함하고, 상기 학습자 정보는 학습자의 수강이력 및 학습자 수준을 파악할 수 있는 데이터 중 적어도 하나를 포함할 수 있다.
일 실시예에 따른 인터넷 강의 추천 시스템의 동작 방법은, 영상 등록부에서, 제작된 강의 영상을 상기 스토리지부에 저장하고, 상기 제작된 영상의 메타정보 및 스토리지 위치를 상기 컨텐츠 DB부에 저장하는 단계; 및 영상 송출부에서, 학습자가 시청하고자 하는 강의 영상을 송출하는 단계를 더 포함할 수 있다.
본 강의 추천 시스템은 별도의 복잡하고 정교한 강의 설계 과정 없이도 강사의 강의로부터 STT(Speech-To-Text)를 통해 키워드를 추출하고, 해당 키워드에 대응하는 선수과정 또는 관련된 학습내용 등을 추천한다.
도 1은 일 실시예에 따른 인터넷 강의 추천 시스템을 설명하기 위한 도면이다.
도 2는 일 실시예에 따른 키워드 추출 과정을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 관련 강의 검색 과정을 설명하기 위한 도면이다.
도 4는 일 실시예에 따라 키워드 및 관련 강의 목록이 디스플레이되는 것을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 인터넷 강의 추천 시스템의 동작 방법을 설명하기 위한 흐름도이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
<인터넷 강의 추천 시스템>
도 1은 일 실시예에 따른 인터넷 강의 추천 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 일 실시예에 따른 인터넷 강의 추천 시스템(100)이 도시된다. 인터넷 강의 추천 시스템(100)은 인터넷 강의 영상(113)을 저장하는 스토리지부(110), 강의 영상(113)에 대한 메타 정보(123) 및 강의 영상(113)의 스토리지 위치(126)를 저장하는 컨텐츠 DB부(120), 영상에서 STT(Speech To Text)를 이용하여 키워드를 추출하는 음성 인식부(130), 키워드를 컨텐츠 DB부(120)의 메타 정보(123)와 비교하여 스토리지부(110)에서 관련 강의를 검색하는 관련 강의 검색부(140) 및 영상에서 추출된 키워드 및 상기 키워드를 이용하여 검색된 관련 강의 목록을 디스플레이하는 사용자 표시부(150)를 포함한다.
강의 영상(113)에 대한 메타 정보(123)는 강사, 제작일, 제공기간, 가격, 과목, 강의 주제, 단원 정보, 주요 키워드, 강의 내용 요약 및, 학습 대상자의 학년(문과인지 이과인지도 포함), 수강 목적(입시, 자격증 등), 목표 수준 중 적어도 하나를 포함하는 학습 대상자 정보 중 적어도 하나를 포함할 수 있다.
인터넷 강의 추천 시스템(100)은 제작된 강의 영상을 스토리지부(110)에 저장하고, 제작된 영상의 메타정보를 컨텐츠 DB부(120)에 저장하는 영상 등록부(180) 및 학습자가 시청하고자 하는 강의 영상을 송출하는 영상 송출부(170)를 더 포함할 수 있다. 영상 송출부(170)는 미리 제작되어 영상 등록과정을 거쳐 스토리지부(110)에 저장된 영상을 송출할 수도 있고, 라이브 방송 형태로 제공되는 영상을 송출할 수도 있다.
인터넷 강의 추천 시스템(100)은 학습자의 수강이력 및 학습자 수준을 파악할 수 있는 데이터 중 적어도 하나를 포함하는 학습자 정보(165)를 저장하는 학습자 정보 DB부(160)를 더 포함할 수 있다.
스토리지부(110)는 강의 영상(113)을 저장하는데, 도 1에서는 설명의 편의를 위해 한 개로 도시되었지만 수많은 강의 영상을 저장할 수 있다. 강의 영상(113)이 처음에 제작된 후, 영상 등록부(180)에 의해 스토리지부(110)에 저장될 수 있으며, 이 때 해당 강의 영상에 대한 다양한 메타 정보(123)와 해당 영상이 스토리지부(110) 내에서 저장되는 스토리지 위치(126)가 생성되어 영상 등록부(180)에 의해 컨텐츠 DB부(120)에 저장될 수 있다.
음성 인식부(130)는 영상에서 STT를 이용하여 키워드를 추출하는데, 메타 정보(123) 등을 활용하여 강의 내용과 무관한 키워드는 필터링(filtering)할 수도 있다. 음성 인식부(130)의 키워드 추출 과정은 도 2에서 상세히 설명한다. 음성 인식부(130)는 일반적인 온라인 강의의 경우 영상등록부(180)가 영상을 등록하는 과정에서 실행될 수 있고, 라이브 영상의 경우에는 영상이 등록되지 않고 송출되기 때문에, 영상 송출부(170)가 영상을 송출하는 과정에서 실행될 수도 있다. 음성 인식부(130)는 키워드를 추출할 때 영상 내에서 해당 키워드가 발화된 시점 정보도 파악할 수 있다. 음성 인식부(130)는 추출한 키워드 및 시점 정보를 컨텐츠 DB부(120)에 저장할 수 있고, 또는 도 1에 도시하지는 않았지만 별도의 전용 DB에 저장할 수도 있다.
관련 강의 검색부(140)는 음성 인식부(130)가 추출한 키워드를 컨텐츠 DB부(120)에 저장된 다른 영상들의 메타정보(123)와 비교하여, 관련된 영상의 위치(126)를 통해 스토리지부(110)에서 관련 강의를 검색한다. 이 때 메타 정보에 저장된 학습 대상자 정보, 목표 수준 등과, 각각의 학습자 정보를 활용하여 개인화 된 맞춤형 추천도 가능하다. 관련 강의 검색부(140)가 강의를 검색하는 과정은 도 3에서 상세히 설명한다.
사용자 표시부(150)는 키워드 및 관련 강의 목록을 학습자가 영상의 일측에 오버레이하여 디스플레이(display)한다. 영상에 오버레이되는 키워드 및 관련 강의 목록에는 관련 강의 목록에 대한 상세 정보를 노출하는 페이지로의 링크 정보가 포함될 수 있다. 이에 대해서는 도 4를 참조하여 상세히 설명한다.
도 2는 일 실시예에 따른 키워드 추출 과정을 설명하기 위한 도면이다.
도 2를 참조하면, 음성 인식부(130)에서 키워드를 추출하는 과정이 도시된다. 도 1에서 설명한 바와 같이, 음성 인식부(130)는 일반적인 온라인 강의의 경우 영상 등록부(180)가 영상을 등록하는 과정에서 실행되거나, 라이브 영상의 경우 영상 송출부(170)가 영상을 송출하는 과정에서 실행될 수 있다. 음성 인식부(130)는 STT(Speech To Text)를 활용하여 영상으로부터 키워드를 추출한다. 예를 들어 도 2를 참조하면, 영상에서 강사가 발화하는 상황이 도시된다. 비록 도 2에서 210, 230의 경우에는 설명의 편의를 위해 말풍선으로 도시되었지만, 실제로는 오디오로 구현될 것이다. 음성 인식부(130)는 강사의 발화 내용인 210과 230을 STT를 활용하여 추출하는데, 모든 발화 내용을 추출한다고 하면 도 2의 경우 "오늘 날씨가 참 좋은데 수업 듣느라 고생이 많아요."라는 발화내용(210)과, "오늘은 삼각함수의 미분과 적분의 심화 과정을??"라는 발화내용(230)이 추출될 것이다. 도 2에서는 영상 재생 과정에서 음성 인식부가(130)가 키워드를 추출하는 것으로 표현되어 있지만 이에 제한되지 않고, 앞에서 설명한 바와 같이, 영상 등록부(180)가 영상을 등록하거나 영상 송출부(170)가 영상을 송출하는 과정에서 음성 인식부(130)가 실행되어 키워드를 추출할 수 있다.
이렇게 모든 발화내용을 필터링(filtering)없이 추출한다면 음성 인식부(130)가 불필요하게 많은 내용을 분석하여야 하고, 시스템의 리소스가 낭비될 수 있다. 따라서 음성 인식부(130)는 영상의 메타 정보를 활용하여 강의 내용과 무관한 키워드는 필터링할 수 있다. 예를 들어, 도 2의 영상의 메타정보에는 강의 주제, 단원 정보, 예를 들어 '삼각함수의 미분과 적분'이라는 내용이 포함되어 있고, 음성 인식부(130)는 210과 같이 강의 내용과 무관한 키워드는 제외하고, 230에서도 '삼각함수', '미분', '적분'과 같이 강의 내용과 관련있는 키워드만 추출할 수 있다. 온라인 강의는 일반적으로 오프라인 강의를 녹화하여 온라인으로 재판매하는 경우가 많고, 오프라인 강의 중에는 강사가 학생들의 집중도 향상을 위해 수업 중간에 농담을 하거나 분위기를 환기하기 위한 이야기를 하는 경우가 종종 있기 때문에, 무관한 키워드를 필터링하는 과정은 여기서 제안하는 강의 추천 시스템의 효율을 향상시킬 수 있다. 음성 인식부(130)는 키워드뿐만 아니라 영상 내에서 해당 키워드가 발화된 시점에 관한 정보도 추출할 수 있고, 키워드 및 시점 정보는 컨텐츠 DB부(120)에 저장되거나, 도시되지는 않았지만 별도의 전용 DB에 저장될 수 있다.
도 3은 일 실시예에 따른 관련 강의 검색 과정을 설명하기 위한 도면이다.
도 3을 참조하면, 관련 강의 검색부(140)가 음성 인식부(130)가 추출한 키워드를 컨텐츠 DB부(120)에 저장된 다른 영상들의 메타정보와 비교하여, 관련 영상을 검색하는 과정이 도시된다. 도 3에서는 음성 인식부(130)가 영사에서 추출한 키워드가 "삼각 함수"인 경우(310)를 설명한다. 관련 강의 검색부(140)는 키워드 "삼각 함수"를, 컨텐츠 DB부(120)에 저장된 다른 영상들의 메타정보와 비교한다. 메타정보에는 주요 키워드, 강의 주제, 학습 대상자 정보 등이 포함되어 있으므로, 관련 강의 검색부(140)는 메타정보에 해당 키워드를 포함하는 강의들을 찾아낼 수 있다. 도 3의 경우에는, 강의 제목 또는 주요 키워드에 키워드 "삼각 함수"가 포함된 강의들(331 내지 334)이 검색된다. 컨텐츠 DB부(120)에는 메타 정보(123)뿐만 아니라, 해당 강의의 스토리지부(110) 내의 위치(126)도 저장되어 있기 때문에, 관련 강의 검색부(140)는 영상 위치(126)를 통해 스토리지부(110)의 강의 영상을 검색할 수 있다.
관련 강의 검색부(140)는 강의를 검색할 때 다른 강의에 대한 메타정보만을 활용하는 것이 아니라, 현재 영상을 수강하고 있는 "학습자"에 대한 정보도 활용하여 맞춤형 검색도 가능하다. 도 1에서 설명하였듯이, 학습자 정보(165)는 학습자의 수강이력 뿐만 아니라, 학습자 수준을 파악할 수 있는 데이터, 예를 들어 모의고사 성적 등도 포함할 수 있다. 도 3을 참조하면, 학습자 정보(165)를 참고한 맞춤형 검색 과정도 도시되어 있는데, 학습자 정보(165)를 보면 학습자의 이름, 수강이력, 학습자 수준, 학년, 문/이과 등의 정보가 포함되어 있다. 관련 강의 검색부(140)는 학습자 정보(165)와 다른 강의들의 메타 정보(123)를 비교(330)하여 331 내지 334의 강의들 중 학습자에게 맞는 강의를 검색한다. 예를 들어, 메타 정보를 통해 검색된 강의들 중 학습자가 수강했던 강의는 제외할 수 있고, 학습자 수준에 맞지 않는 강의도 제외할 수 있다. 도 3의 경우, 다른 강의들의 메타 정보(123)를 통해 검색된 강의들(331 내지 334)을 학습자 정보(165)와 비교(330)하면, 비록 수강 이력에 수강했던 강좌는 없지만, 학습자 수준이 초급이기 때문에 관련 강의 검색부(140)는 학습 대상자 정보가 고급인 강의 333 및 334는 추천에서 제외할 수 있다.
이를 통해 삼각함수의 정의에 대한 강의(331) 및 삼각함수 공식에 관한 강의(332)가 최종적으로 추천(350)된다. 다만 도 3에서 관련 강의 검색부(140)가 검색하는 과정은 예시일 뿐 이에 한정되지 않고, 다른 방법으로 구현될 수도 있다. 예를 들어, 도 3에서는 관련 검색부(140)가 학습자 수준이 초급이지만 학습 대상자 정보가 중급인 강좌(332)도 추천하는 것으로 도시되었지만, 다른 실시예에서는 학습 대상자 정보가 초급인 강좌(331)까지만 추천할 수도 있다.
도 4는 일 실시예에 따라 키워드 및 관련 강의 목록이 디스플레이되는 것을 설명하기 위한 도면이다.
도 4를 참조하면, 도 2에서 추천된 키워드 및 도 3에서 검색된 관련 강의 목록이 실제로 재생 중인 영상 옆에 디스플레이되는 실시예가 도시된다. 도 2와 도 3에 이어, 도 4에서는 재생 중인 영상에서 강사가 "오늘은 삼각 함수의 미분과 적분의 심화 과정을??"이라고 발화하고(410), 이 중 음성 인식부(130)에 의해 키워드가 추출되고, 관련 강의 검색부(140)는 키워드를 기초로 관련 강의를 검색한다. 음성 인식부(130)에서 '삼각함수', '미분', '적분'이라는 키워드가 추출되는 과정은 도 2에서 설명한 바와 동일하게 진행된다. 관련 강의 검색부(140)에서 관련 강의를 검색하는 과정은 도 3에서 설명한 바와 같이 동일하게 진행된다. 도 3에서는 키워드가 '삼각함수'인 경우에 대해 설명하였는데, 도 4에서는 키워드가 '삼각함수', '미분', '적분' 세 개이므로 각 키워드에 대한 관련 강의 검색이 이뤄지고, 도 4에 도시된 바와 같이 '삼각함수'에 대한 관련 강의 451 및 452, '미분'에 대한 관련 강의 453, '적분'에 대한 관련 강의 454가 검색된다.
사용자 표시부(150)는 키워드(430) 및 검색된 관련 강의(450) 목록을 디스플레이하는 부분으로, 도 4에 도시된 바와 같이 학습자가 재생 중인 영상의 끊임없이 영상에 오버레이(overlay)되어 디스플레이되므로, 학습자는 심리스하게(seamlessly) 추천 강의 목록을 확인할 수 있다.
도 1에서 설명한 바와 같이, 사용자 표시부(150)는 키워드(430), 관련 강의(450) 목록뿐만 아니라, 관련 강의에 대한 상세 정보를 확인할 수 있는 링크 정보(470)도 함께 디스플레이 할 수 있다. 상세 정보는 관련 강의와 관련한 정보로, 예를 들어 메타 정보의 강사, 가격, 강의 주제, 단원 정보 등이 될 수 있고, 링크를 클릭하면 해당 강의에 대한 설명을 확인할 수 있을 뿐만 아니라, 해당 강의를 구매할 수 있는 결제 페이지로 이동하도록 구성될 수도 있다. 학습자가 링크 정보(470)를 클릭하여 상세 정보가 노출되는 페이지로 이동한 경우, 재생 중인 강의의 어느 시점에서 링크 정보(470)의 클릭이 수행되었는지를 표시하는 타임스탬프(time stamp) 정보가 학습자 정보에 업데이트되고, 학습자는 업데이트된 학습자 정보에 기초하여 추후 재생 중이었던 강의의 이어 보기를 할 수 있다. 이를 통해 학습자는 재생 중인 강의를 멈추고 링크를 클릭하여 관련 강의에 대한 정보를 확인하더라도, 기존에 재생 중이던 강의를 어디까지 들었는지 찾아볼 필요 없이 시청할 수 있다.
일반적인 녹화 강의가 아닌, 라이브로 진행되는 강의의 경우에도 실시간으로 동일하게 적용될 수 있다. 라이브 강의의 경우 영상 송출부(170)가 라이브 영상을 송출하는 과정에서 음성 인식부(130)가 실행되고, 키워드를 추출해 관련 검색부(140)가 관련 강의를 검색하면 사용자 표시부(150)는 키워드 및 관련 강의 목록을 라이브 영상에 디스플레이(display)한다. 이 때도 마찬가지로 관련 강의에 관한 링크 정보(470)가 키워드 및 관련 강의와 함께 디스플레이될 수 있는데, 라이브 강의의 경우에는 강의 도중 링크 정보를 확인하면 라이브로 진행되는 강의를 시청할 수 없으므로, 녹화 강의에서 사용되는 타임 스탬프(time stamp) 방식과 다른 북마크(bookmark) 방식이 사용된다. 학습자가 라이브 강의 도중 사용자 표시부(150)에 디스플레이된 링크 정보를 클릭하는 경우, 키워드 및 관련 강의 목록이 북마크되어 학습자는 라이브 강의가 종료된 후 북마크된 관련 강의 목록을 다시 확인할 수 있다.
<인터넷 강의 추천 시스템의 동작 방법>
도 5는 일 실시예에 따른 인터넷 강의 추천 시스템의 동작 방법을 설명하기 위한 흐름도이다.
도 5를 참조하면, 일 실시예에 따른 인터넷 강의 추천 시스템(100)이 동작하는 흐름이 도시된다. 인터넷 강의 추천 시스템(100)의 동작 방법은 스토리지부(110)에서 인터넷 강의 영상을 유지하고, 컨텐츠 DB부(120)에서 메타 정보 및 영상의 스토리지부 내 저장 위치를 유지한다(510). 도 1에서 설명한 바와 같이, 메타 정보는 강사, 제작일, 제공기간, 가격, 과목, 강의 주제, 단원 정보, 주요 키워드, 강의 내용 요약 및, 학습 대상자의 학년(문과인지 이과인지도 포함), 수강 목적(입시, 자격증 등), 목표 수준 중 적어도 하나를 포함하는 학습 대상자 정보 중 적어도 하나를 포함할 수 있다.
인터넷 강의 추천 시스템(100)의 동작 방법은 학습자 정보 DB부(160)에서 학습자에 대한 정보(165)를 유지하는 단계를 더 포함할 수 있고, 학습자 정보(165)는 학습자의 수강이력 및 학습자 수준을 파악할 수 있는 데이터 중 적어도 하나를 포함할 수 있다.
인터넷 강의 추천 시스템(100)의 동작 방법은 영상 등록부(180)에서, 제작된 강의 영상을 스토리지부(110)에 저장하고, 제작된 영상의 메타정보 및 영상의 스토리지 위치를 컨텐츠 DB부(120)에 저장하는 단계; 및 영상 송출부(170)에서, 학습자가 시청하고자 하는 강의 영상을 송출하는 단계를 더 포함할 수 있다. 영상 송출부(170)는 미리 제작되어 영상 등록과정을 거쳐 스토리지부에 저장된 영상을 송출할 수도 있고, 라이브 방송 형태로 제공되는 영상을 송출할 수도 있다.
인터넷 강의 추천 시스템(100)의 동작 방법은 인터넷 강의 영상, 메타 정보, 저장 위치를 유지(510)하고, 음성 인식부(130)에서는 영상에서 STT(Speech To Text)를 이용하여 키워드를 추출(520)한다. 음성 인식부(130)는 일반적인 온라인 강의의 경우 영상등록부(180)가 영상을 등록하는 과정에서 실행될 수 있고, 라이브 영상의 경우에는 영상이 등록되지 않고 송출되기 때문에, 영상 송출부(170)가 영상을 송출하는 과정에서 실행될 수도 있다. 음성 인식부(130)가 영상에서 키워드를 추출하는 과정은 도 2에서 설명한 바와 같이 진행되며, 영상의 메타정보를 활용하여 강의 내용과 무관한 키워드는 필터링(filtering)될 수 있다. 또한, 음성 인식부(130)는 키워드를 추출할 때 영상 내에서 해당 키워드가 발화된 시점 정보도 파악할 수 있다. 음성 인식부(130)는 추출한 키워드 및 시점 정보를 컨텐츠 DB부(120)에 저장할 수 있고, 또는 별도의 전용 DB에 저장할 수도 있다.
관련 강의 검색부(140)에서는 추출된 키워드를 컨텐츠 DB부(120)의 메타정보와 비교하여 스토리지부에서 관련 강의를 검색(530)한다. 관련 강의 검색부(140)는 메타 정보와 비교하여 관련 강의를 검색하고, 컨텐츠 DB부(120)의 영상 위치에 대한 정보를 이용하여 해당 영상에 대한 액세스도 가진다. 관련 강의를 검색하는 구체적인 과정은 도 3에서 설명한 바와 같이 진행되며, 영상의 메타정보, 영상을 시청하는 학습자의 학습자 정보를 활용하여 학습자별로 맞춤 검색할 수도 있다.
사용자 표시부(150)는 음성 인식부(130)가 추출한 키워드 및 관련 검색부(140)가 검색한 강의 목록을 재생 중인 영상에 디스플레이(540)한다. 사용자 표시부(150)가 재생 중인 영상에 디스플레이되는 실시예는 도 4에서 설명한 바와 같이 진행되며, 사용자는 재생 중인 영상을 멈추지 않고, 심리스하게(seamlessly) 추천 강의 목록을 확인할 수 있다. 사용자 표시부(150)는 키워드, 관련 강의 목록 뿐 아니라, 관련 강의에 대한 상세 정보를 확인할 수 있는 링크 정보도 함께 디스플레이 할 수 있다. 도 4에서 설명한 바와 같이, 상세 정보는 관련 강의와 관련한 정보로, 예를 들어 메타 정보의 강사, 가격, 강의 주제, 단원 정보 등이 될 수 있고, 링크를 클릭하면 해당 강의에 대한 설명을 확인할 수 있을 뿐만 아니라, 해당 강의를 구매할 수 있는 결제 페이지로 이동하도록 구성될 수도 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (15)

  1. 인터넷 강의 추천 시스템에 있어서,
    인터넷 강의 영상을 저장하는 스토리지부;
    상기 강의 영상에 대한 메타 정보 및 상기 강의 영상의 스토리지 위치를 저장하는 컨텐츠 DB부;
    영상에서 STT(Speech To Text)를 이용하여 키워드를 추출하는 음성 인식부;
    상기 키워드를 상기 컨텐츠 DB부의 메타정보와 비교하여 상기 스토리지부에서 관련 강의를 검색하는 관련 강의 검색부; 및
    영상에서 추출된 키워드 및 상기 키워드를 이용하여 검색된 관련 강의 목록을 디스플레이 하는 사용자 표시부;
    를 포함하는,
    인터넷 강의 추천 시스템.
  2. 제1항에 있어서,
    상기 음성 인식부는,
    상기 영상에서 키워드를 추출할 때, 상기 영상의 메타정보를 활용하여, 강의 내용과 무관한 키워드는 제외하는,
    인터넷 강의 추천 시스템.
  3. 제1항에 있어서,
    상기 관련 강의 검색부는,
    상기 키워드를 이용하여 관련 강의를 검색할 때,
    상기 키워드를 추출한 영상의 메타정보와, 상기 영상을 시청하는 학습자의 학습자 정보를 활용하여 학습자별로 맞춤 검색하는,
    인터넷 강의 추천 시스템.
  4. 제1항에 있어서,
    상기 사용자 표시부는,
    상기 관련 강의 목록을 디스플레이 할 때,
    상기 관련 강의에 대한 상세 정보를 볼 수 있는 링크 정보도 함께 디스플레이 하는,
    인터넷 강의 추천 시스템.
  5. 제1항에 있어서,
    상기 메타정보는,
    강사, 제작일, 제공기간, 가격, 과목, 강의 주제, 단원 정보, 주요 키워드, 강의 내용 요약 및
    학습 대상자의 학년, 수강 목적, 목표 수준 중 적어도 하나를 포함하는 학습 대상자 정보
    중 적어도 하나를 포함하는,
    인터넷 강의 추천 시스템.
  6. 제1항에 있어서,
    학습자에 대한 정보를 저장하는 학습자 정보 DB부를 더 포함하고,
    상기 학습자 정보는 학습자의 수강이력 및 학습자 수준을 파악할 수 있는 데이터 중 적어도 하나를 포함하는,
    인터넷 강의 추천 시스템.
  7. 제1항에 있어서,
    제작된 강의 영상을 상기 스토리지부에 저장하고, 상기 제작된 영상의 메타정보를 상기 컨텐츠 DB부에 저장하는 영상 등록부; 및
    학습자가 시청하고자 하는 강의 영상을 송출하는 영상 송출부
    를 더 포함하는,
    인터넷 강의 추천 시스템.
  8. 인터넷 강의 추천 시스템의 동작 방법에 있어서,
    스토리지부에서, 인터넷 강의 영상을 유지하는 단계;
    컨텐츠 DB부에서, 상기 강의 영상에 대한 메타 정보 및 상기 강의 영상의 저장 위치를 유지하는 단계;
    음성 인식부에서, 영상으로부터 STT(Speech To Text)를 이용하여 키워드를 추출하는 단계;
    관련 강의 검색부에서, 상기 키워드를 상기 컨텐츠 DB부의 메타정보와 비교하여 상기 스토리지부에서 관련 강의를 검색하는 단계; 및
    사용자 표시부에서, 영상에서 추출된 키워드 및 상기 키워드를 이용하여 검색된 관련 강의 목록을 디스플레이 하는 단계;
    를 포함하는,
    인터넷 강의 추천 시스템의 동작 방법.
  9. 제8항에 있어서,
    상기 음성 인식부에서 영상으로부터 STT(Speech To Text)를 이용하여 키워드를 추출하는 단계는,
    상기 영상의 메타정보를 활용하여, 강의 내용과 무관한 키워드는 제외하는 단계를 포함하는,
    인터넷 강의 추천 시스템의 동작 방법.
  10. 제8항에 있어서,
    상기 관련 강의 검색부에서 상기 키워드를 상기 컨텐츠 DB부의 메타정보와 비교하여 상기 스토리지부에서 관련 강의를 검색하는 단계는,
    상기 키워드를 추출한 영상의 메타정보와, 상기 영상을 시청하는 학습자의 학습자 정보를 활용하여 학습자별로 맞춤 검색하는 단계를 포함하는,
    인터넷 강의 추천 시스템의 동작 방법.
  11. 제8항에 있어서,
    상기 사용자 표시부에서, 영상에서 추출된 키워드 및 상기 키워드를 이용하여 검색된 관련 강의 목록을 디스플레이 하는 단계는,
    상기 관련 강의에 대한 상세 정보를 볼 수 있는 링크 정보도 함께 디스플레이 하는 단계를 포함하는,
    인터넷 강의 추천 시스템의 동작 방법.
  12. 제8항에 있어서,
    상기 메타정보는,
    강사, 제작일, 제공기간, 가격, 과목, 강의 주제, 단원 정보, 주요 키워드, 강의 내용 요약 및
    학습 대상자의 학년, 수강 목적, 목표 수준 중 적어도 하나를 포함하는 학습 대상자 정보
    중 적어도 하나를 포함하는,
    인터넷 강의 추천 시스템의 동작 방법.
  13. 제8항에 있어서,
    학습자 정보 DB부에서 학습자에 대한 정보를 유지하는 단계를 더 포함하고,
    상기 학습자 정보는 학습자의 수강이력 및 학습자 수준을 파악할 수 있는 데이터 중 적어도 하나를 포함하는,
    인터넷 강의 추천 시스템의 동작 방법.
  14. 제8항에 있어서,
    영상 등록부에서, 제작된 강의 영상을 상기 스토리지부에 저장하고, 상기 제작된 영상의 메타정보 및 스토리지 위치를 상기 컨텐츠 DB부에 저장하는 단계; 및
    영상 송출부에서, 학습자가 시청하고자 하는 강의 영상을 송출하는 단계
    를 더 포함하는,
    인터넷 강의 추천 시스템의 동작 방법.
  15. 하드웨어와 결합되어 제8항 내지 제14항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
KR1020200135176A 2020-10-19 2020-10-19 인터넷 강의 추천 시스템 및 그 동작 방법 KR20220051592A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200135176A KR20220051592A (ko) 2020-10-19 2020-10-19 인터넷 강의 추천 시스템 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200135176A KR20220051592A (ko) 2020-10-19 2020-10-19 인터넷 강의 추천 시스템 및 그 동작 방법

Publications (1)

Publication Number Publication Date
KR20220051592A true KR20220051592A (ko) 2022-04-26

Family

ID=81391515

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200135176A KR20220051592A (ko) 2020-10-19 2020-10-19 인터넷 강의 추천 시스템 및 그 동작 방법

Country Status (1)

Country Link
KR (1) KR20220051592A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102545629B1 (ko) 2022-08-16 2023-06-21 주식회사 루카스에듀테인먼트 온라인 강의 플랫폼 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102601471B1 (ko) 2022-08-24 2023-11-13 주식회사 프라임에듀넷 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템
KR102610999B1 (ko) 2023-09-04 2023-12-07 라이트하우스(주) 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템
EP4354428A1 (en) 2022-10-13 2024-04-17 ActionPower Corp. Method for determining content associated with voice signal

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102545629B1 (ko) 2022-08-16 2023-06-21 주식회사 루카스에듀테인먼트 온라인 강의 플랫폼 서비스 제공 장치, 시스템, 방법 및 프로그램
KR102601471B1 (ko) 2022-08-24 2023-11-13 주식회사 프라임에듀넷 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템
EP4354428A1 (en) 2022-10-13 2024-04-17 ActionPower Corp. Method for determining content associated with voice signal
US11971920B1 (en) 2022-10-13 2024-04-30 Actionpower Corp. Method for determining content associated with voice signal
KR102610999B1 (ko) 2023-09-04 2023-12-07 라이트하우스(주) 인공지능 기반 데이터베이스화된 동영상 강의의 검색 및 추천 서비스 제공 방법, 장치 및 시스템

Similar Documents

Publication Publication Date Title
KR20220051592A (ko) 인터넷 강의 추천 시스템 및 그 동작 방법
CN109801193B (zh) 一种具有语音评价功能的跟随教学系统
US9812028B1 (en) Automated generation and presentation of lessons via digital media content extraction
US20180061256A1 (en) Automated digital media content extraction for digital lesson generation
US20170213469A1 (en) Digital media content extraction and natural language processing system
US8140544B2 (en) Interactive digital video library
US20190287416A1 (en) System and method for automated course individualization via learning behaviors and natural language processing
US20160293036A1 (en) System and method for adaptive assessment and training
US20170287356A1 (en) Teaching systems and methods
US20150242974A1 (en) Adaptive e-learning engine with embedded datagraph structure
US20060115800A1 (en) System and method for improving reading skills of a student
US9536439B1 (en) Conveying questions with content
US20070245305A1 (en) Learning content mentoring system, electronic program, and method of use
CN111711834B (zh) 录播互动课的生成方法、装置、存储介质以及终端
Mohsen et al. Partial versus full captioning mode to improve L2 vocabulary acquisition in a mobile-assisted language learning setting: words pronunciation domain
CN111614986A (zh) 基于在线教育的弹幕生成方法、系统、设备及存储介质
CN113254708A (zh) 一种视频搜索方法、装置、计算机设备及存储介质
KR20160039505A (ko) 학습 컨텐츠 구성 장치 및 그 방법
Anari et al. The effects of multimodality on reading comprehension and vocabulary retention among Iranian EFL learners
US20160173948A1 (en) Dynamic video presentation based upon results of online assessment
Camiciottoli Teaching lecture comprehension skills through OpenCourseWare video-recorded lectures: A research-informed classroom application
US20210121774A1 (en) Memory puzzle system
WO2006051775A1 (ja) 携帯型語学学習装置及び携帯型語学学習システム
Braun et al. When Worlds Collide: AI-created, human-mediated video description services and the user experience
KR102293115B1 (ko) 언어 학습 서비스 방법 및 장치

Legal Events

Date Code Title Description
E902 Notification of reason for refusal