KR20220094590A - 학습자의 성적 예측 방법 및 서버 - Google Patents

학습자의 성적 예측 방법 및 서버 Download PDF

Info

Publication number
KR20220094590A
KR20220094590A KR1020200185957A KR20200185957A KR20220094590A KR 20220094590 A KR20220094590 A KR 20220094590A KR 1020200185957 A KR1020200185957 A KR 1020200185957A KR 20200185957 A KR20200185957 A KR 20200185957A KR 20220094590 A KR20220094590 A KR 20220094590A
Authority
KR
South Korea
Prior art keywords
area
learner
learning
subject
grades
Prior art date
Application number
KR1020200185957A
Other languages
English (en)
Inventor
김시원
노건태
Original Assignee
서울사이버대학교 산학협력단
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 서울사이버대학교 산학협력단 filed Critical 서울사이버대학교 산학협력단
Priority to KR1020200185957A priority Critical patent/KR20220094590A/ko
Publication of KR20220094590A publication Critical patent/KR20220094590A/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
    • G06Q50/20—Education
    • 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
    • G06Q50/01—Social networking
    • 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
    • G06Q50/30—

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

학습자의 성적 예측 방법 및 서버가 개시된다. 본 발명의 실시 예에 따른 학습자의 성적 예측 방법은, 기설정된 수집주기별로 학습자들의 성적예측용 데이터를 수집하는 단계, 수집된 성적예측용 데이터를 교수학습 영역으로 매핑하는 단계, 매핑 결과를 이용하여 학습개인별 학습역량을 등급화하는 단계, 및 등급화된 학습자 개인별 학습역량을 해당 학습자에게 피드백하는 단계를 포함한다.

Description

학습자의 성적 예측 방법 및 서버 {Method and server for forecasting school record of learner}
본 발명은 학습자의 성적 예측 방법 및 서버에 관한 것으로서, 보다 상세하게는, 학습자들의 학습 행태를 추적하여 성적을 예측하는 학습자의 성적 예측 방법 및 서버에 관한 것이다.
매년 대학에서는 재학생들이 입학한 학교 혹은 학과를 중도에 포기하고 그만두는 경우가 빈번하게 일어난다. 이러한 일이 빈번하게 일어나는 이유는, 학교생활에 적응하지 못하거나, 학업이 자신의 적성에 맞지 않거나, 학업 자체를 이어갈 수 없는 개인적인 사정이 발생하는 등 여러 가지 원인이 있을 수 있다.
이렇게 학업에 흥미를 잃게 되는 원인은 여러 가지이나 그 결과로 나타나는 대표적인 현상 지표는 바로 학업성취도(성적)의 하락이다. 즉, 학생이 어떤 이유에서든 학업 자체에 특정 태도(예를 들면, 긍정적이든, 부정적이든)를 가지게 되면 그 태도는 학습활동에 영향을 미치게 되고, 학습활동의 결과는 성적(성취도)에 영향을 미치게 되기 때문이다.
현재까지 많은 대학들이 학생들의 학업을 지원하고 유지시키기 위해 많은 노력을 하고 있으나, 대부분 그 지원 대상자를 결정하는데 사용하는 지표가 여전히 최종 결과물인 성적이다.
그러다보니, 대학에서 지원을 결정한 시점에는 이미 해당 학생이 더 이상의 지원을 거부하고 학업을 포기하기로 결정한 상태이기 때문에, 그 지원의 시의적절성이 부족할 수 밖에 없는 상황이다.
이에 이렇게 성적이라는 결과가 나온 후가 아닌 학업의 수행 과정에서 성취가 부족해보이고 지원이 필요한 학생을 선별하기 위해, 지도 교수제, 선후배간 멘토링제 등을 운영하고 있으나, 지도 교수가 많은 학생들을 관리하는데 한계가 있고, 경험이 적은 선배 학생들이 학업 성취가 부족해 보이는 학생을 구별하는 것 역시 쉬운 일이 아니므로, 실질적인 효과를 기대할 수 없다.
그러므로, 재학생들이 학교 생활을 이어가고 있는 중에 이루어지는 학습활동을 기계적으로 모니터링, 재학생들의 학업 성취도를 사전에 예측하여 지원이 필요한 학생의 선별, 나아가 학업 이탈의 원인을 찾아내어 해소함으로써 재학생의 학업을 유지, 지원할 수 있는 방안이 요구된다.
국내공개특허 제10-20200051147호(2020. 05. 13. 공개)
전술한 문제점을 해결하기 위하여 본 발명이 이루고자 하는 기술적 과제는, 학습자의 온라인 상에서의 학습과 관련된 활동내역을 추적 및 분석함으로써, 학습자의 성적을 사전에 예측할 수 있는 학습자의 성적 예측 방법 및 서버를 제시하는 데 있다.
본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 기술적 과제를 해결하기 위한 수단으로서, 본 발명의 실시 예에 따른 학습자의 성적 예측 방법은, 기설정된 수집주기별로 학습자들의 성적예측용 데이터를 수집하는 단계, 수집된 성적예측용 데이터를 교수학습 영역으로 매핑하는 단계, 매핑 결과를 이용하여 학습개인별 학습역량을 등급화하는 단계, 및 등급화된 학습자 개인별 학습역량을 해당 학습자에게 피드백하는 단계를 포함한다.
바람직하게, 성적예측용 데이터는, 성별, 연령, 학년, 게시판의 글 등록수, 댓글 수, 과제 제출일수, 컨텐츠 클릭수, 컨텐츠 수강시간, 및 평가에 대한 최초 정답율을 포함할 수 있다.
또한 바람직하게, 교수학습 영역은, 교과흥미 영역, 주의집중 영역, 자기통제 영역, 모니터링 영역, 및 참여소통 영역을 포함할 수 있다.
또한 바람직하게, 매핑하는 단계에서, 교과흥미 영역에는 컨텐츠 클릭수를 매핑하고, 주의집중 영역에는 과제 제출일수를 매핑하고, 자기통제 영역에는 과제 제출일수를 매핑하고, 모니터링 영역에는 평가에 대한 최초 정답율을 매핑하며, 참여소통 영역에는 게시판의 글 등록수 및 댓글수를 매핑할 수 있다.
또한 바람직하게, 등급화하는 단계는, 교수학습 영역별로 데이터 각각의 최소값을 0이 되도록 설정하는 단계, 및 과목별로 학습자에 대한 상대적 위치를 계산하는 단계를 포함할 수 있다.
또한 바람직하게, 계산하는 단계는, 과목별 및 교수학습 영역별로 최대값을 추출하는 단계, 및 추출된 과목별 및 교수학습 영역별 최대값을 이용하여 백분위 값을 산출하는 단계를 포함할 수 있다.
또한 바람직하게, 산출하는 단계에서, 추출된 최대값이 0일 경우에는 개인별 백분위 값을 50으로 결정할 수 있다.
또한 바람직하게, 피드백하는 단계는, 과목별 및 개인별로 학습 역량을 레이더 차트 형태로 생성하여 학습자에게 제공할 수 있다.
한편, 본 발명의 다른 실시 예에 따른 학습자의 성적 예측 서버는, 기설정된 수집주기별로 학습자들의 성적예측용 데이터를 수집하는 수집부, 수집된 성적예측용 데이터를 교수학습 영역으로 매핑하는 매핑부, 매핑 결과를 이용하여 학습개인별 학습역량을 등급화하는 등급화부, 및 등급화된 학습자 개인별 학습역량을 해당 학습자에게 피드백하는 피드백부를 포함한다.
바람직하게, 성적예측용 데이터는, 성별, 연령, 학년, 게시판의 글 등록수, 댓글 수, 과제 제출일수, 컨텐츠 클릭수, 컨텐츠 수강시간, 및 평가에 대한 최초 정답율을 포함할 수 있다.
또한 바람직하게, 교수학습 영역은, 교과흥미 영역, 주의집중 영역, 자기통제 영역, 모니터링 영역, 및 참여소통 영역을 포함할 수 있다.
또한 바람직하게, 매핑부는, 교과흥미 영역에는 컨텐츠 클릭수를 매핑하고, 주의집중 영역에는 과제 제출일수를 매핑하고, 자기통제 영역에는 과제 제출일수를 매핑하고, 모니터링 영역에는 평가에 대한 최초 정답율을 매핑하며, 참여소통 영역에는 게시판의 글 등록수 및 상기 댓글수를 매핑할 수 있다.
또한 바람직하게, 등급화부는, 교수학습 영역별로 데이터 각각의 최소값을 0이 되도록 설정하고, 과목별로 학습자에 대한 상대적 위치를 계산할 수 있다.
또한 바람직하게, 등급화부는, 과목별 및 교수학습 영역별로 최대값을 추출하고, 추출된 과목별 및 교수학습 영역별 최대값을 이용하여 백분위 값을 산출할 수 있다.
또한 바람직하게, 등급화부는, 추출된 최대값이 0일 경우에는 개인별 백분위 값을 50으로 결정할 수 있다.
또한 바람직하게, 피드백부는, 과목별 및 개인별로 학습 역량을 레이더 차트 형태로 생성하여 학습자에게 제공할 수 있다.
본 발명에 따르면, 학습자가 온라인 상에서 학습하는 과정동안 발생하는 학습행태를 수집 및 분석함으로써, 학습자의 성적을 사전에 예측할 수 있는 학습자의 성적 예측 방법 및 서버를 제공하는 효과가 있다.
또한, 학습자의 성적을 예측함으로써, 학습자가 성적을 비관하거나 학교 생활에 적응하지 못하는 상황을 사전에 파악함으로써, 학습자에게 객관적인 자료에 의한 조언을 제시할 수 있는 효과가 있다.
본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 효과들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 바람직한 실시예에 따른 학습자의 성적 예측 서버의 블럭도,
도 2는 본 발명의 바람직한 실시예에 따른 학습자의 등급을 예시한 도면,
도 3은 본 발명의 바람직한 실시예에 따른 학습자의 성적예측용 데이터를 수치화한 예를 나타낸 도면,
도 4는 본 발명의 바람직한 실시예에 따른 학습자의 성적예측용 데이터에 로그를 적용한 상태를 예시한 도면,
도 5는 본 발명의 바람직한 실시예에 따른 학습자의 성적예측용 데이터를 교수학습 영역으로 치환한 결과를 예시한 도면,
도 6은 본 발명의 바람직한 실시예에 따른 학습자의 샘플 데이터를 예시한 도면,
도 7은 본 발명의 바람직한 실시예에 따른 학습자에게 제공되는 피드백 결과를 예시한 도면, 그리고,
도 8은 본 발명의 바람직한 실시예에 따른 학습자의 성적 예측 방법을 설명하기 위한 흐름도이다.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시 예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시 예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시 예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
본 명세서에서, 어떤 구성요소가 다른 구성요소 상에 있다고 언급되는 경우에 그것은 다른 구성요소 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 구성요소가 개재될 수도 있다는 것을 의미한다. 또한, 도면들에 있어서, 구성요소들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다.
어떤 엘리먼트, 구성요소, 장치, 또는 시스템이 프로그램 또는 소프트웨어로 이루어진 구성요소를 포함한다고 언급되는 경우, 명시적인 언급이 없더라도, 그 엘리먼트, 구성요소, 장치, 또는 시스템은 그 프로그램 또는 소프트웨어가 실행 또는 동작하는데 필요한 하드웨어(예를 들면, 메모리, CPU 등)나 다른 프로그램 또는 소프트웨어(예를 들면 운영체제나 하드웨어를 구동하는데 필요한 드라이버 등)를 포함하는 것으로 이해되어야 할 것이다.
또한, 어떤 엘리먼트(또는 구성요소)가 구현됨에 있어서 특별한 언급이 없다면, 그 엘리먼트(또는 구성요소)는 소프트웨어, 하드웨어, 또는 소프트웨어 및 하드웨어 어떤 형태로도 구현될 수 있는 것으로 이해되어야 할 것이다.
또한, 본 명세서에서 사용된 용어는 실시 예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
도 1은 본 발명의 바람직한 실시예에 따른 학습자의 성적 예측 서버의 블럭도이다.
도 1을 참조하면, 본 발명의 바람직한 실시예에 따른 학습자의 성적 예측 서버(이하, '성적 예측 서버'라 한다)(100)는 수집부(110), 매핑부(120), 등급화부(130), 피드백부(140), 저장부(150), 네트워크 인터페이스부(160), 및 제어부(170)를 포함한다.
수집부(110)는 기설정된 수집주기별로 학습자들의 성적예측용 데이터를 수집한다. 여기서, 성적예측용 데이터는, 성별, 연령, 학년, 게시판의 글 등록수, 댓글 수, 과제 제출일수, 컨텐츠 클릭수, 컨텐츠 수강시간, 및 평가에 대한 최초 정답율을 포함한다.
정보통신 기술이 발달함에 따라, 오프라인 강의보다 온라인 강의 비중이 증가하고 있다. 특히, 사이버 대학교의 경우 학습자와 교수, 및 학교 간에 대부분의 소통이 온라인을 통해 이루어진다. 그러므로, 온라인 상에서 학습자가 각종 게시판을 사용하는 행태를 분석함으로써, 학습자의 학습 상황 및 학교 생활의 적응 상황 등을 파악할 수 있다.
이러한 과정에서, 학습자가 온라인 상에서 사용하는 다양한 요소들 중, 성별, 연령, 학년, 게시판의 글 등록수, 댓글 수, 과제 제출일수, 컨텐츠 클릭수, 컨텐츠 수강시간, 및 평가에 대한 최초 정답율이 학습자의 성적을 예측하는데 필요한 요소임을 파악하였다.
이에 따라, 수집부(110)는 학습자들이 사용하는 다양한 게시판을 모니터링하여, 학습자들의 성적예측용 데이터를 수집한다. 기언급한 바와 같이, 성적예층용 데이터는 성별, 연령, 학년, 게시판의 글 등록수, 댓글 수, 과제 제출일수, 컨텐츠 클릭수, 컨텐츠 수강시간, 및 평가에 대한 최초 정답율을 포함하나, 이는 여기에 한정된 것은 아니며, 필요에 의해서 포함 혹은 미포함될 수 있다.
매핑부(120)는 수집부(110)에 의해 수집된 성적예측용 데이터를 교수학습 영역으로 매핑한다. 여기서, 교수학습 영역은, 교과흥미 영역, 주의집중 영역, 자기통제 영역, 모니터링 영역, 및 참여소통 영역을 포함한다.
교과흥미 영역 및 주의집중 영역은, 학습자의 기분, 감정, 성취와 관계없이 해당 교과에 지속적으로 집중하고 관심을 가지고 있는지를 판단하기 위한 영역이다. 즉, 여기서의 흥미는 기분이나 감정을 의미하는 것이 아니다. 교과흥미 영역 및 주의집중 영역을 판단하기 위한 요소로는 게시판 조회수, 토론 게시판 조회수 및 답글수, 검색 빈도 등이 사용될 수 있다.
자기통제 영역은, 스스로를 통제하고 성찰하며, 자신의 환경을 통제하고 있는지를 판단하기 위한 영역이다. 자기 통제 영역을 판단하기 위한 요소로는 과제 제출 시간, 질문 횟수 등이 사용될 수 있다.
모니터링 영역은, 스스로의 학습 활동에 대한 사고, 계획, 모니터링, 전략, 평가를 잘 하고 있는지를 판단하기 위한 영역이며, ICT 활용 역량을 간접적으로 확인할 수 있다. 모니터링 영역을 판단하기 위한 요소로는 로그인 횟수, 반복 재방문 횟수, 형성평가 문제풀이 수 등이 사용될 수 있다.
참여소통 영역은, 학습 활동 및 커뮤니케이션 등에 원활하게 참여하고 있는지를 판단하기 위한 영역이다. 참여소통 영역을 판단하기 위한 요소로는 게시글 수, 주도적인 역할 및 동료의 참여 유도 등이 사용될 수 있다.
본 실시예에서, 매핑부(120)는 교과흥미 영역에는 컨텐츠 클릭수를 매핑하고, 주의집중 영역에는 과제 제출일수를 매핑하고, 자기통제 영역에는 과제 제출일수를 매핑하고, 모니터링 영역에는 평가에 대한 최초 정답율을 매핑하며, 참여소통 영역에는 게시판의 글 등록수 및 댓글수를 매핑한다.
등급화부(130)는 매핑부(120)의 매핑 결과를 이용하여 학습개인별 학습역량을 등급화한다. 등급화부(130)는 교수학습 영역별로 데이터 각각의 최소값을 0이 되도록 설정한 후, 과목별로 학습자에 대한 상대적 위치를 계산한다.
이후, 등급화부(130)는 각 데이터값에 로그(log)를 적용한다. 성적예측용 데이터값이 소수점 단위로 몰려있는 특징을 가지므로, 이를 해소하기 위해 모든 값에 로그를 적용하도록 한다. 로그를 적용하더라도 각 데이터들의 상대적인 위치는 변동이 발생하지 않는다.
또한, 등급화부(130)는, 학습자에 대한 상대적 위치를 계산함에 있어, 과목별 및 교수학습 영역별로 최대값을 추출하고, 추출된 과목별 및 교수학습 영역별 최대값을 이용하여 백분위 값을 산출한다.
피드백부(140)는 등급화부(130)에 의해 등급화된 학습자 개인별 학습역량을 해당 학습자에게 피드백한다. 바람직하게, 피드백부(140)는 학습자에게 과목별로 학습역량을 피드백하는 것이 좋다.
저장부(150)는 성적 예측 서버(100)의 동작에 필요한 모든 정보를 저장한다. 성적 예측 서버(100)에서는 학습자의 개인정보를 저장할 수 있다. 예를 들면, 성적 예측 서버(100)에서 S대학의 성적 예측을 하는 경우, S대학의 신입생 전체에 대한 개인정보 및 S대학에서 운영하는 각종 게시판에 관련된 정보를 저장하고 있을 수 있다.
네트워크 인터페이스부(160)는 성적 예측 서버(100)의 네트워크 인터페이스를 지원한다. 네트워크 인터페이스부(160)를 통해 성적 예측 서버(100)는 각 대학의 서버(미도시)와 네트워크 통신을 수행할 수 있다.
제어부(170)는 성적 예측 서버(100)의 전반적인 동작을 제어한다. 즉, 제어부(170)는 수집부(110), 매핑부(120), 등급화부(130), 피드백부(140), 저장부(150), 및 네트워크 인터페이스부(160)들 간의 신호 입출력을 제어한다.
도 2는 본 발명의 바람직한 실시예에 따른 학습자의 등급을 예시한 도면이다.
등급화부(130)는 학습자들을 기설정된 등급으로 나누어 등급화할 수 있다. 예를 들면, 4개 등급을 설정한 후 학습자 개별적 상대적 위치로 치환하여 학습자 개인의 예측된 성적의 위치를 결정할 수 있다.
도시한 바와 같이, 본 실시예에서는 1분위, 2분위, 3분위, 및 4분위로 등급을 설정하면, 3분위 및 4분위(A)는 하위 25%에 해당하고, 1분위 및 2분위(B)는 상위 25%에 해당하는 것으로 본다. 이를 토대로, 3분위 및 4분위(A)에 해당하는 학습자에게 개별적인 피드백을 제시하여 학습자가 학교로부터 이탈할 가능성을 최소화하고자 하는 노력을 할 수 있다.
도 3은 본 발명의 바람직한 실시예에 따른 학습자의 성적예측용 데이터를 수치화한 예를 나타낸 도면이다.
등급화부(130)에서 성적예측용 데이터를 수치화한 상태를 도 3에 예시하였다. 이러한 테이블을 이용하여, 등급화부(130)에서는 각 데이터별 최소값을 0으로 설정한다. 예를 들면, "과목클릭수"의 최소값은 "1"이므로 모든 데이터값에서 "-1"을 하고, "과제제출일수"의 최소값은 "-38"이므로 모든 데이터값에서 "+38"을 한다.
도 4는 본 발명의 바람직한 실시예에 따른 학습자의 성적예측용 데이터에 로그를 적용한 상태를 예시한 도면이다.
도 3의 테이블에서 예시한 바와 같이, 성적예측용 데이터의 대부분의 값이 소수점 단위로 몰려있는 특징이 있다. 이를 해소하기 위하여, 본 실시예에서는 성적예측용 데이터의 모든 값에 로그를 적용하였다. 로그를 적용하더라도 성적예측용 데이터 값의 상대적인 위치에는 변동이 발생하지 않는다.
(a)는 로그를 적용하지 않았을 때 성적예측용 데이터의 값의 분포를 나타낸 것이고, (b)는 로그를 적용한 이후에 성적예측용 데이터의 값의 분포를 나타낸 것이다. (a)와 (b)를 비교하여 볼 때, 성적예측용 데이터 값의 상대적인 위치는 변동되지 않음을 알 수 있다.
도 5는 본 발명의 바람직한 실시예에 따른 학습자의 성적예측용 데이터를 교수학습 영역으로 치환한 결과를 예시한 도면이다.
매핑부(120)에서는 성적예측용 데이터를 교수학습 영역으로 매핑한다. 이에 따라, 등급화부(130)에서는 도 3에 예시한 성적예측용 데이터의 수치화 테이블의 각 요소를 각각 매핑된 교수학습 영역으로 치환하여 도 5에 예시한 바와 같은 테이블을 생성한다.
본 실시예에서 예시한 테이블을 이용하여, 각 과목별로 학습자 개인별 상대적인 위치 점수를 계산한다. 이때, 과목별로 데이터 그룹을 만든 후 해당 그룹 내에서 각 교수학습 영역별 최대값을 100으로 두고, 해당 그룹 내에서 개인별 요소값을 백분위로 환산한다. 이때, 과목별 및 영역별 최대값이 0일 경우에는 개인별 백분위 값은 50.0으로 설정한다.
도 6은 본 발명의 바람직한 실시예에 따른 학습자의 샘플 데이터를 예시한 도면이다.
(a)는 백분위값으로 치환되기 이전의 특정 학습자의 샘플 데이터를 예시한 것이고, (b)는 백분위 값으로 치환된 후의 특정 학습자의 샘플 데이터를 예시한 것이다.
(a)에서 1번 과목과 2번 과목의 실제 과목클릭수를 비교해 보면, 2번 과목이 더 많다. 하지만, (b)에서 1번 과목과 2번 과목의 교과흥미 점수는 1번 과목이 더 높다.
이는, 물리적인 과목클릭수는 2번 과목이 더 많지만, 1번 과목의 상대적인 위치가 더 높기 때문이다. 즉, 등급은 해당 과목내의 학생들과 비교가 되기 때문에, 과목별로 백분위 환산점수를 산출하여 반영하는 것이 바람직하다.
(a)에서 0번 과목의 정답율이 0인데, (b)에서 0번 과목의 모니터링 점수가 50인 이유는, 해당 과목에서 형성평가 문항이 없었기 때문으로, 이 과목 학생들의 모니터링 점수는 전원 50이 된다.
도 7은 본 발명의 바람직한 실시예에 따른 학습자에게 제공되는 피드백 결과를 예시한 도면이다.
피드백부(140)는 도 6의 (b)에서 예시한 바와 같은 테이블을 이용하여 과목별 및 개인별로 학습 역량을 다양한 형태로 학습자가 용이하게 확인할 수 있도록 피드백한다. 바람직하게, 피드백부(140)는 레이더 차트 형태로 생성하여 학습자에게 학습 역량에 관한 데이터를 제공할 수 있다.
도 8은 본 발명의 바람직한 실시예에 따른 학습자의 성적 예측 방법을 설명하기 위한 흐름도이다.
여기에서는 도 1 내지 도 8을 참조하여, 본 발명의 바람직한 실시예에 따른 학습자의 성적 예측 방법을 설명한다.
수집부(110)는 성적예측용 데이터를 수집한다(S200). 수집부(110)에서 성적예측용 데이터를 수집하는 기간은 학습기관에서 설정한 기간동안으로 설정한다. 예를 들면, 해당 년도의 1학기 동안을 성적예측용 데이터 수집기간으로 설정할 수 있다.
수집부(110)에서 성적예측용 데이터를 수집한 후, 매핑부(120)에서는 성적예측용 데이터를 교수학습 영역으로 매핑한다(S210).
매핑부(120)에서 성적예측용 데이터와 교수학습 영역의 매핑이 완료되면, 등급화부(130)에서는 학습역량의 등급화 동작을 진행한다. 등급화부(130)의 등급화 동작은, 교수학습 영역별로 데이터 각각의 최소값을 0이 되도록 설정한 후, 과목별로 학습자에 대한 상대적 위치를 계산하는 과정을 포함한다(S220).
등급화부(130)에 의한 학습자의 등급화 동작이 완료되면, 피드백부(140)에서는 학습자의 학습역량을 기설정된 차트 형태로 피드백 데이터를 생성한 후 학습자에게 피드백을 진행한다(S230).
이러한 과정에 의해, 기설정된 성적예측용 데이터 수집기간 예를 들면, 신입생이 입학한 이후 1학기 동안 학습자가 온라인 게시판을 통해 학습을 수행하는 행태를 분석함으로써, 학습자의 성적을 예측한다. 이에 의해, 성적이 저조할 것으로 예상되는 학습자에게 피드백을 진행함으로써, 학습자가 성적 및 학교 생활 부적응으로 학습기관을 그만두는 상황을 미연에 방지하기 위한 상담 및 멘토링을진행할 수 있다.
본 발명이 속하는 기술분야의 당업자는 본 발명이 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100 : 성적 예측 서버 110 : 수집부
120 : 매핑부 130 : 등급화부
140 : 피드백부 150 : 저장부
160 : 네트워크 인터페이스부 170 : 제어부

Claims (16)

  1. 기설정된 수집주기별로 학습자들의 성적예측용 데이터를 수집하는 단계;
    상기 수집된 성적예측용 데이터를 교수학습 영역으로 매핑하는 단계;
    상기 매핑 결과를 이용하여 학습개인별 학습역량을 등급화하는 단계; 및
    상기 등급화된 학습자 개인별 학습역량을 해당 학습자에게 피드백하는 단계;를 포함하는 것을 특징으로 하는 학습자의 성적 예측 방법.
  2. 제 1 항에 있어서,
    상기 성적예측용 데이터는, 성별, 연령, 학년, 게시판의 글 등록수, 댓글 수, 과제 제출일수, 컨텐츠 클릭수, 컨텐츠 수강시간, 및 평가에 대한 최초 정답율을 포함하는 것을 특징으로 하는 학습자의 성적 예측 방법.
  3. 제 2 항에 있어서,
    상기 교수학습 영역은, 교과흥미 영역, 주의집중 영역, 자기통제 영역, 모니터링 영역, 및 참여소통 영역을 포함하는 것을 특징으로 하는 학습자의 성적 예측 방법.
  4. 제 3 항에 있어서,
    상기 매핑하는 단계에서, 상기 교과흥미 영역에는 상기 컨텐츠 클릭수를 매핑하고, 상기 주의집중 영역에는 상기 과제 제출일수를 매핑하고, 상기 자기통제 영역에는 상기 과제 제출일수를 매핑하고, 상기 모니터링 영역에는 상기 평가에 대한 최초 정답율을 매핑하며, 상기 참여소통 영역에는 상기 게시판의 글 등록수 및 상기 댓글수를 매핑하는 것을 특징으로 하는 학습자의 성적 예측 방법.
  5. 제 1 항에 있어서,
    상기 등급화하는 단계는,
    상기 교수학습 영역별로 상기 데이터 각각의 최소값을 0이 되도록 설정하는 단계; 및
    상기 과목별로 상기 학습자에 대한 상대적 위치를 계산하는 단계;를 포함하는 것을 특징으로 하는 학습자의 성적 예측 방법.
  6. 제 5 항에 있어서,
    상기 계산하는 단계는,
    상기 과목별 및 상기 교수학습 영역별로 최대값을 추출하는 단계; 및
    상기 추출된 과목별 및 상기 교수학습 영역별 최대값을 이용하여 백분위 값을 산출하는 단계;를 포함하는 것을 특징으로 하는 학습자의 성적 예측 방법.
  7. 제 6 항에 있어서,
    상기 산출하는 단계에서, 추출된 최대값이 0일 경우에는 개인별 백분위 값을 50으로 결정하는 것을 특징으로 하는 학습자의 성적 예측 방법.
  8. 제 1 항에 있어서,
    상기 피드백하는 단계는, 상기 과목별 및 개인별로 상기 학습 역량을 레이더 차트 형태로 생성하여 상기 학습자에게 제공하는 것을 특징으로 하는 학습자의 성적 예측 방법.
  9. 기설정된 수집주기별로 학습자들의 성적예측용 데이터를 수집하는 수집부;
    상기 수집된 성적예측용 데이터를 교수학습 영역으로 매핑하는 매핑부;
    상기 매핑 결과를 이용하여 학습개인별 학습역량을 등급화하는 등급화부; 및
    상기 등급화된 학습자 개인별 학습역량을 해당 학습자에게 피드백하는 피드백부;를 포함하는 것을 특징으로 하는 학습자의 성적 예측 서버.
  10. 제 9 항에 있어서,
    상기 성적예측용 데이터는, 성별, 연령, 학년, 게시판의 글 등록수, 댓글 수, 과제 제출일수, 컨텐츠 클릭수, 컨텐츠 수강시간, 및 평가에 대한 최초 정답율을 포함하는 것을 특징으로 하는 학습자의 성적 예측 서버.
  11. 제 10 항에 있어서,
    상기 교수학습 영역은, 교과흥미 영역, 주의집중 영역, 자기통제 영역, 모니터링 영역, 및 참여소통 영역을 포함하는 것을 특징으로 하는 학습자의 성적 예측 서버.
  12. 제 11 항에 있어서,
    상기 매핑부는, 상기 교과흥미 영역에는 상기 컨텐츠 클릭수를 매핑하고, 상기 주의집중 영역에는 상기 과제 제출일수를 매핑하고, 상기 자기통제 영역에는 상기 과제 제출일수를 매핑하고, 상기 모니터링 영역에는 상기 평가에 대한 최초 정답율을 매핑하며, 상기 참여소통 영역에는 상기 게시판의 글 등록수 및 상기 댓글수를 매핑하는 것을 특징으로 하는 학습자의 성적 예측 서버.
  13. 제 9 항에 있어서,
    상기 등급화부는, 상기 교수학습 영역별로 상기 데이터 각각의 최소값을 0이 되도록 설정하고, 과목별로 상기 학습자에 대한 상대적 위치를 계산하는 것을 특징으로 하는 학습자의 성적 예측 서버.
  14. 제 13 항에 있어서,
    상기 등급화부는, 상기 과목별 및 상기 교수학습 영역별로 최대값을 추출하고, 상기 추출된 과목별 및 상기 교수학습 영역별 최대값을 이용하여 백분위 값을 산출하는 것을 특징으로 하는 학습자의 성적 예측 서버.
  15. 제 14 항에 있어서,
    상기 등급화부는, 상기 추출된 최대값이 0일 경우에는 개인별 백분위 값을 50으로 결정하는 것을 특징으로 하는 학습자의 성적 예측 서버.
  16. 제 9 항에 있어서,
    상기 피드백부는, 상기 과목별 및 개인별로 상기 학습 역량을 레이더 차트 형태로 생성하여 상기 학습자에게 제공하는 것을 특징으로 하는 학습자의 성적 예측 서버.
KR1020200185957A 2020-12-29 2020-12-29 학습자의 성적 예측 방법 및 서버 KR20220094590A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200185957A KR20220094590A (ko) 2020-12-29 2020-12-29 학습자의 성적 예측 방법 및 서버

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200185957A KR20220094590A (ko) 2020-12-29 2020-12-29 학습자의 성적 예측 방법 및 서버

Publications (1)

Publication Number Publication Date
KR20220094590A true KR20220094590A (ko) 2022-07-06

Family

ID=82400051

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200185957A KR20220094590A (ko) 2020-12-29 2020-12-29 학습자의 성적 예측 방법 및 서버

Country Status (1)

Country Link
KR (1) KR20220094590A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200051147A (ko) 2018-11-05 2020-05-13 신한대학교 산학협력단 학생관리장치 및 그 장치의 구동방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200051147A (ko) 2018-11-05 2020-05-13 신한대학교 산학협력단 학생관리장치 및 그 장치의 구동방법

Similar Documents

Publication Publication Date Title
Jones et al. Adaptive robotic tutors that support self-regulated learning: A longer-term investigation with primary school children
San-Martín et al. The determinants of teachers’ continuance commitment to e-learning in higher education
Kırchner et al. Leadership development programs: An integrated review of literature
Chrysafiadi et al. A framework for creating automated online adaptive tests using multiple-criteria decision analysis
Papanastasiou A residual analysis of effective schools and effective teaching in mathematics
Glick et al. Predicting Success, Preventing Failure: Using Learning Analytics to Examine the Strongest Predictors of Persistence and Performance in an Online English Language Course
Quadri et al. The benefits of learning analytics to higher education institutions: A scoping review
Haviz et al. Teaching quantitative research method with three methods of learning
Iliya Formative and summative assessment in educational enterprise
Jackson et al. Mentoring for employability: a state-level impact study
Jurenka et al. The learning styles of the generation group Z and their influence on learning results in the learning process
Duru et al. An overview of studies about students' performance analysis and learning analytics in MOOCs
Papamitsiou et al. Supporting learners in a crisis context with smart self-assessment
Nguyen et al. Situation and Proposals for Implementing Artificial Intelligence-based Instructional Technology in Vietnamese Secondary Schools
Berková et al. Motivation of Students of Economic and Technical Study Programmes as a Tool of Competitiveness of Universities and Colleges: Empirical Study.
Kardan et al. A decision support system for course offering in online higher education institutes
Yun et al. An Analysis of University Students' Needs for Learning Support Functions of Learning Management System Augmented with Artificial Intelligence Technology.
Nair et al. Analysis of student satisfaction in the current online teaching scenario
El-Sheikh et al. Developing corrective actions to improve academic advising process
Serral Asensio et al. Conceptualizing the domain of automated feedback for learners
Reiners et al. Six key topics for automated assessment utilisation and acceptance
Koong et al. The learning effectiveness analysis of JAVA programming with automatic grading system
KR20220094590A (ko) 학습자의 성적 예측 방법 및 서버
Skalka et al. E-learning and quality: the quality evaluation model for e-learning courses
Pinxten et al. Comparison of first-year student conceptions on their future roles as engineers between Belgium and The Netherlands

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application