KR20220117120A - 수학 교과 이론을 기준으로 한 수학 강의 영상 공유 플랫폼 - Google Patents

수학 교과 이론을 기준으로 한 수학 강의 영상 공유 플랫폼 Download PDF

Info

Publication number
KR20220117120A
KR20220117120A KR1020210182086A KR20210182086A KR20220117120A KR 20220117120 A KR20220117120 A KR 20220117120A KR 1020210182086 A KR1020210182086 A KR 1020210182086A KR 20210182086 A KR20210182086 A KR 20210182086A KR 20220117120 A KR20220117120 A KR 20220117120A
Authority
KR
South Korea
Prior art keywords
user
school
math
video
lecture
Prior art date
Application number
KR1020210182086A
Other languages
English (en)
Inventor
이승훈
Original Assignee
이승훈
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 이승훈 filed Critical 이승훈
Publication of KR20220117120A publication Critical patent/KR20220117120A/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
    • G06Q50/10—Services
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers

Landscapes

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

Abstract

수학 강의 영상 공유 플랫폼 시스템의 수학 강의 영상 제공 방법이 제공된다. 수학 강의 영상 제공 방법은, 사용자의 주소, 학교, 학년, 학기, 교과이론, 이해수준, 수학점수 중 적어도 일부를 포함하는 사용자 정보에 기초하여, 사용자에게 플랫폼 데이터 베이스 서버에 저장된 예상 문제를 디지털 수학 학습 장치를 통해 제공하는 단계, 사용자가 예상 문제를 푼 결과가 정답인 경우, 디지털 수학 학습 장치에 구비된 카메라 및 마이크를 이용하여 사용자가 직접 문제 풀이 내용을 설명하는 제작 영상을 촬영할 수 있도록 촬영 버튼이 활성화되는 단계, 촬영된 제작 영상을 학교, 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑(mapping)하는 단계, 맵핑 정보에 기초하여 촬영된 제작 영상을 태깅(tagging)하는 단계, 태깅된 제작 영상을 업로드함으로써 플랫폼 데이터 베이스 서버에 저장하는 단계 및 사용자가 예상 문제를 푼 결과가 오답인 경우, 플랫폼 데이터 베이스 서버에 저장된 다른 사용자의 제작 영상 및 예상 문제에 대응되는 교과이론 강의 영상 중 적어도 하나를 사용자에게 제공하는 단계를 포함한다.

Description

수학 교과 이론을 기준으로 한 수학 강의 영상 공유 플랫폼{Video Sharing Platform for Mathematics Lectures Based on Mathematics Curriculum}
본 발명은 수학 강의 영상 플랫폼 서비스에 관한 것으로, 강의 영상 내용의 기준이 소단원보다 세부적인 학년당 300여개의 교과이론이 되면서 영상의 길이 5분 이하, 강사나 교사가 아니어도 누구나 교과이론과 문제에 대한 아이디어가 있다면 영상을 촬영하여 공유할 수 있는 시스템에 관한 것이다.
기존 학습 플랫폼（동영상 강의 사이트나 과외 매칭）은 학습의 기준이 소단원（강의시간 50분）이었다. 강의 영상 촬영과 판매에서의 경제적 효과를 고려한 기준이었으며, 공부한다는 사회 통념상 정해진 50분이라고 할 수 있다.
지금의 10대 학생들은 다양성이 더욱 심화되어가고, 과거 출판물로 공부하던 시대에 비해 오랜 시간 자리에 앉아서 공부한는 습관이 자리잡지 못하였다. 따라서, 과거의 시각에서 만들어진 학습 플랫폼으로는 변화하는 시대의 학생들을 만족시키지 못하고 있다.
그리고 코로나 사태 이후로 비대면 온라인 교육의 중요성이 부각되면서 다양한 시각에서 만들어진 학습 영상이 더욱 필요한 시대가 되었다.
특허문헌 001 한국공개특허공보 제10-2006-0100927호(2006.09.21.) 특허문헌 002 한국공개특허공보 제10-2012-0107215호(2012.10.02.) 특허문헌 003 한국공개특허공보 제10-2020-0010775호(2020.01.31.) 특허문헌 004 한국공개특허공보 제10-2015-0012834호(2015.02.04.)
본 발명은 서비스 이용자가 서비스를 제공할 수도 있는 수학 강의 영상 공유 플랫폼 시스템을 제공하기 위한 것이다.
본 발명은 서비스 이용자의 수준에 맞는 수학 강의 영상 공유 플랫폼 서비스를 제공하기 위한 것이다.
본 발명은 교과이론을 기준으로 강의 영상이 제작되어 강의영상 시간이 짧고, 누구나 참여하여 창의적인 해설이 가능한 수학 강의 영상 공유 플랫폼 서비스를 제공하기 위한 것이다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 발명의 일측면에 따르면, 50여개의 소단원을 기준으로 강의 영상이 제작되던 기존 방식과 달리 학년당 300여개 수학교과이론을 기준으로 강의 영상이 제작되어 더욱 세분화된 학습 영상을 공유할 수 있는 플랫폼 서비스가 제공될 수 있다.
또한, 300여개 수학교과이론에는 대표문제를 비롯한 심화문제 등이 배치되어 있는데, 사용자는 이 문제를 기준으로 학습（강의 및 해설）영상을 제작하여 공유하는 플랫폼 서비스가 제공될 수 있다.
또한, 300여개 수학교과이론의 대표문제 등이 기준이 되면서 교사나 강사가 아니어도 누구나 쉽게 강의 영상을 제작하여 공유할 수 있는 플랫폼 서비스가 제공될 수 있다.
또한, 수학교과이론과 대표문제가 기준이 되면서 더욱 빠르고 쉽게 설명하거나 암기할 수 있는 참신한 아이디어의 강의 영상이 공유되는 플랫폼 서비스가 제공될 수 있다.
발명의 또 다른 측면에 따르면, 수학 강의 영상을 제작하여 본인의 유튜브 계정에 올린 뒤 시스템에 접속하여 링크 연결로 서비스를 제공할 수도 있다.
본 발명의 일 실시 예에 의하면, 서비스 이용자가 서비스를 제공할 수도 있는 수학 강의 영상 공유 플랫폼 시스템이 제공될 수 있다.
또한, 본 발명의 일 실시 예에 의하면, 현재 10대 학생들 서비스 이용자의 수준에 맞는 수학 강의 영상 공유 플랫폼 서비스가 제공될 수 있다.
또한, 본 발명의 일 실시 예에 의하면, 교과 이론 기준으로 강의 영상이 제작되어 강의 영상 시간이 짧고, 누구나 참여하여 창의적인 해설이 가능한 수학 강의 영상 공유 플랫폼 서비스가 제공될 수 있다.
본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 일 실시 예에 따른 수학 강의영상 공유 플랫폼 시스템을 나타내는 도면이다.
도 2는 본 발명의 일 실시 예에 따른 클라이언트 서버 구조를 나타내는 도면이다.
도 3은 본 발명의 일 실시 예에 따라 수학 강의영상 공유 플랫폼 시스템에 제공되는 교과이론을 예시하는 도면이다.
도 4는 본 발명의 일 실시 예에 따라 수학 강의영상 공유 플랫폼 시스템에 제공되는 대표문제를 예시하는 도면이다.
도 5는 본 발명의 일 실시 예에 따른 플랫폼 데이터 베이스 서버 구조를 나타내는 도면이다.
도 6은 본 발명의 일 실시 예에 따른 플랫폼 데이터 베이스 서버 구조를 나타내는 도면이다.
도 7은 본 발명의 일 실시 예에 따른 수학 강의영상 공유 플랫폼 시스템을 나타내는 도면이다.
도 8은 본 발명의 일 실시 예에 따른 수학 강의영상 공유 플랫폼 시스템의 수학 강의 영상 제공 방법을 나타내는 도면이다.
도 9는 도 8의 단계(S110)를 설명하기 위한 순서도이다.
도 10은 도 8의 단계(S130)를 설명하기 위한 순서도이다.
도 11은 도 8의 단계(S140)를 설명하기 위한 순서도이다.
도 12a 및 도 12b는 예상 문제 제공 화면을 설명하기 위한 도면이다.
도 13은 본 발명의 일 실시 예에 따른 수학 강의 영상 공유 서비스 제공 방법을 나타내는 순서도이다.
도 14는 본 발명의 일 실시 예에 따른 수학 강의 영상 공유 플랫폼 서비스의 전체 구조를 타나내는 도면이다.
도 15는 본 발명의 일 실시 예에 따른 수학 강의 플랫폼 서비스를 나타내는 도면이다.
명세서 전체에 걸쳐 동일 참조 부호는 동일 구성요소를 지칭한다. 본 명세서가 실시예들의 모든 요소들을 설명하는 것은 아니며, 본 발명이 속하는 기술분야에서 일반적인 내용 또는 실시예들 간에 중복되는 내용은 생략한다. 명세서에서 사용되는 '부, 모듈, 부재, 블록'이라는 용어는 소프트웨어 또는 하드웨어로 구현될 수 있으며, 실시예들에 따라 복수의 '부, 모듈, 부재, 블록'이 하나의 구성요소로 구현되거나, 하나의 '부, 모듈, 부재, 블록'이 복수의 구성요소들을 포함하는 것도 가능하다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐 아니라, 간접적으로 연결되어 있는 경우를 포함하고, 간접적인 연결은 무선 통신망을 통해 연결되는 것을 포함한다.
또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
명세서 전체에서, 어떤 부재가 다른 부재 "상에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.
제1, 제2 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위해 사용되는 것으로, 구성요소가 전술된 용어들에 의해 제한되는 것은 아니다.
단수의 표현은 문맥상 명백하게 예외가 있지 않는 한, 복수의 표현을 포함한다.
각 단계들에 있어 식별부호는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 실시될 수 있다.
이하, 본 발명의 실시 예를 첨부된 도면들을 참조하여 더욱 상세하게 설명한다. 본 발명의 실시 예는 여러 가지 형태로 변형할 수 있으며, 본 발명의 범위가 아래의 실시 예들로 한정되는 것으로 해석되어서는 안된다. 본 실시 예는 당업계에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해 제공되는 것이다. 따라서 도면에서의 요소의 형상은 보다 명확한 설명을 강조하기 위해 과장되었다.
도 1은 본 발명의 일 실시 예에 따른 수학 강의영상 공유 플랫폼 시스템을 나타내는 도면이다.
도 1을 참조하면, 수학 강의영상 공유 플랫폼 시스템(1)은 사용자의 디지털 수학 학습장치(10), 클라이언트 서버(20), 및 플랫폼 데이터 베이스 서버(30)를 포함할 수 있다.
디지털 수학 학습장치(10)는 네트워크를 통해 접속할 수 있는 컴퓨터나 휴대용 단말기로 구현될 수 있다. 여기서, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 태블릿 PC, 슬레이트 PC 등을 포함하고, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치와 시계, 반지, 팔찌, 발찌, 목걸이, 안경, 콘택트 렌즈, 또는 머리 착용형 장치(head-mounted-device(HMD) 등과 같은 웨어러블 장치를 포함할 수 있다.
디지털 수학 학습장치(10)는 네트워크를 통해 클라이언트 서버(20)로부터 플랫폼 데이터 베이스 서버(30)에 저장된 강의 영상을 전송받을 수 있다. 디지털 수학 학습장치(10)는 클라이언트 서버(20)로부터 수신한 플랫폼 데이터 베이스 서버(30)에 저장된 수학 문제 및 강의 영상을 사용자에게 제공하기 위한 어플리케이션을 저장 및 실행할 수 있다. 디지털 수학 학습장치(10)는 강의 영상을 출력하는 디스플레이부를 구비할 수 있다.
디지털 수학 학습장치(10)는 사용자로부터 사용자 정보를 입력받을 수 있다. 사용자 정보는 사용자의 주소, 학교, 학년, 학기, 교과이론, 이해수준, 수학점수 중 적어도 일부를 포함할 수 있다. 디지털 수학 학습장치(10)는 사용자로부터 강의 사용자 정보를 입력받기 위한 키보드, 터치 패드, 마우스 중 적어도 하나를 구비할 수 있다. 디지털 수학 학습장치(10)는 입력된 사용자 정보를 저장할 수 있고, 네트워크를 통해 클라이언트 서버(20)에 전송할 수 있다.
디지털 수학 학습장치(10)는 사용자로부터 사용자가 직접 촬영한 문제 풀이 영상을 입력받을 수 있다. 디지털 수학 학습장치(10)는 사용자가 직접 촬영한 제작 영상을 입력받기 위한 카메라 및 마이크를 구비할 수 있다. 디지털 수학 학습장치(10)는 서비스 이용자가 직접 촬영한 제작 영상을 저장할 수 있고, 네트워크를 통해 클라이언트 서버(20)로 전송할 수 있고, 플랫폼 데이터 베이스 서버(30)에 저장할 수 있다.
네트워크는 인터넷(internet), 인트라넷(intranet), 엑스트라넷(extranet), LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 등 디지털 수학 학습장치(10), 클라이언트 서버(20), 및 플랫폼 데이터 베이스 서버(30)가 접속할 수 있는 모든 네트워크를 포함할 수 있다.
클라이언트 서버(20)는 디지털 수학 학습장치(10)에 수학 강의 영상을 제공하기 위한 컴퓨팅 자원을 제공할 수 있다. 클라이언트 서버(20)는 클라우드 기반의 시스템으로 구현될 수 있으며, 내부에 다양한 서버, 장치, 디바이스, 단말 등을 포함할 수 있다. 예를 들어, 클라이언트 서버(20)는 애플리케이션 서버, 제어 서버, 데이터 수집 서버, 데이터 저장 서버, 데이터 처리 서버, API(Application Programming Interface) 제공 서버, 데이터 표시 서버, 특정 기능을 제공하기 위한 서버 등 다양한 종류의 서버를 포함할 수 있다. 클라이언트 서버(20)는 단일 시스템으로 구성되어 데이터 수집, 데이터 저장, 데이터 처리, API 제공, 데이터 표시 등의 프로세스를 수행할 수 있다. 그러나 이에 제한되지 않으며, 클라이언트 서버(20)는 복수의 서버들이 동시에 프로세스를 처리할 수도 있다. 클라이언트 서버(20)는 하나 이상의 프로세서 및 프로세서와 전기적으로 연결되고 프로세서에서 수행되는 적어도 하나의 코드(Code)가 저장된 메모리를 포함할 수 있다.
클라이언트 서버(20)는 네트워크를 통해 디지털 수학 학습장치(10) 및 플랫폼 데이터 베이스 서버(30)와 통신상 연결될 수 있다. 클라이언트 서버(20)는 디지털 수학 학습장치(10)를 통해 입력되는 사용자 정보를 수집할 수 있다. 클라이언트 서버(20)는 디지털 수학 학습장치(10)를 통해 입력되는 사용자 정보에 기초하여 플랫폼 데이터 베이스 서버(30)에 저장된 대표 문제를 출력할 수 있다. 예를 들어, 디지털 수학 학습장치(10)를 통해 수학 강의영상 공유 플랫폼 시스템(1)에 접속한 사용자가 클라이언트 서버(20)의 교과 이론을 선택하면, 클라이언트 서버(20)는 교과 이론에 대응되는 대표 문제를 디지털 수학 학습장치(10)로 전송할 수 있다.
클라이언트 서버(20)는 디지털 수학 학습장치(10)를 통해 입력되는 사용자 정보에 기초하여 대표 문제에 대응되는 강의 영상을 제공할 수 있다. 예를 들어, 디지털 수학 학습장치(10)를 통해 수학 강의영상 공유 플랫폼 시스템(1)에 접속한 사용자가 클라이언트 서버(20)의 교과 이론을 선택하면, 클라이언트 서버(20)는 교과 이론에 대응되는 대표 문제 각각에 대한 강의 영상을 디지털 수학 학습장치(10)로 전송할 수 있다. 예를 들어, 디지털 수학 학습장치(10)를 통해 수학 강의영상 공유 플랫폼 시스템(1)에 접속한 사용자가 대표 문제를 푼 결과가 오답인 경우, 클라이언트 서버(20)는 대표 문제에 대응되는 강의 영상을 디지털 수학 학습장치(10)로 전송할 수도 있다.
클라이언트 서버(20)는 인공지능 모델을 이용하여 디지털 수학 학습 장치(10)를 이용하여 사용자가 직접 촬영한 제작 영상을 분류할 수 있다. 예를 들어, 클라이언트 서버(20)는 사용자의 제작 영상을 사용자 정보에 포함된 학교 정보, 학년 정보, 및 학기 정보 중 적어도 하나에 기초하여 분류할 수 있다. 예를 들어, 클라이언트 서버(20)는 사용자의 제작 영상을 대단원, 중단원, 소단원, 및 교과이론 각각에 대하여 맵핑(mapping)하고, 맵핑 결과에 따라 태깅(tagging)함으로써 분류할 수 있다. 클라이언트 서버(20)는 태깅된 제작 영상을 플랫폼 데이터 베이스 서버(30)에 저장하기 위해 플랫폼 데이터 베이스 서버(30)로 전송할 수 있다.
클라이언트 서버(20)는 다른 사용자에 의해 촬영된 제작 영상을 디지털 수학 학습 장치(10)를 사용하는 사용자에게 제공할 수 있다. 클라이언트 서버(20)는 인공지능 모델을 이용하여 다른 사용자들이 촬영한 제작 영상을 추천할 수 있다. 예를 들어, 디지털 수학 학습 장치(10)를 사용하는 사용자의 특정 교과이론에 대한 오답율이 임계값을 초과하는 경우, 클라이언트 서버(20)는 다른 사용자들이 촬영한 제작영상들 중에서 교과이론이 일치하고, 시청 횟수 및 추천 수가 높은 순서대로 표시하도록 학습될 수 있다.
플랫폼 데이터 베이스 서버(30)는 수학 강의영상 공유 플랫폼 시스템(1)에 필요한 데이터를 저장할 수 있다. 플랫폼 데이터 베이스 서버(30)는 교과 이론에 대응되는 대표 문제, 대표 문제 별로 구비된 강의 영상 및 사용자에 의해 직접 촬영된 제작 영상을 저장할 수 있고, 교과 이론에 대응되는 대표 문제, 대표 문제 별로 구비된 강의 영상 및 사용자에 의해 직접 촬영된 제작 영상을 클라이언트 서버(20)에 제공할 수 있다.
본 발명의 일 실시 예에 따른 수학 강의 영상 공유 플랫폼 시스템(1)은 초등학생, 중학생, 고등학생 등일 수 있는 서비스 이용자가 디지털 수학 학습장치(10)를 통하여 수학 강의 영상을 선택하고 학습할 수 있을 뿐 아니라, 자신이 직접 강의 영상을 제작하여 서비스를 제공할 수 있다.
도 1에 도시된 수학 강의영상 공유 플랫폼 시스템(1)의 구성 요소들의 성능에 대응하여 적어도 하나의 구성요소가 추가되거나 삭제될 수 있다. 또한, 구성 요소들의 상호 위치는 시스템의 성능 또는 구조에 대응하여 변경될 수 있다는 것은 당해 기술 분야에서 통상의 지식을 가진 자에게 용이하게 이해될 것이다.
도 2는 본 발명의 일 실시 예에 따른 클라이언트 서버 구조를 나타내는 도면이다. 도 3은 본 발명의 일 실시 예에 따라 수학 강의영상 공유 플랫폼 시스템에 제공되는 교과이론을 예시하는 도면이다. 도 4는 본 발명의 일 실시 예에 따라 수학 강의영상 공유 플랫폼 시스템에 제공되는 대표문제를 예시하는 도면이다. 상세하게는, 도 2는 도 1의 클라이언트 서버(20)의 구조를 나타내는 도면이고, 도 3은 도 2의 클라이언트 서버(20)의 교과이론을 예시하는 중학 수학 단원 및 교과이론을 설명하기 위한 도면이고, 도 4는 도 2의 클라이언트 서버(20)의 교과이론에 대응되는 대표문제를 예시하는 도면이다. 이하에서는 도 2 내지 도 4에 대하여 설명하되, 도 1을 참조하여 설명한다.
도 2를 참조하면, 클라이언트 서버(20)는 사용자에게 대표 문제(22)를 제공할 수 있다. 예를 들어, 디지털 수학 학습장치(10)를 통해 수학 강의영상 공유 플랫폼 시스템(1)에 접속한 사용자가 클라이언트 서버(20)의 교과 이론(21)을 선택하면, 클라이언트 서버(20)는 교과 이론(21)에 대응되는 대표 문제(22)를 디지털 수학 학습장치(10)로 전송할 수 있다.
도 3을 참조하면, 교과 이론(21)은 중학 수학을 학년 별 및 학기 별로 구분하고, 구분된 학기 별 중학 수학을 대단원, 중단원 및 소단원으로 구분하고, 소단원을 상세 이론에 따라 분류한 것을 의미할 수 있다. 즉, 소단원을 구성하는 복수의 수학 이론들 각각을 '교과 이론'이라고 지칭할 수 있다. 교과 이론(21)은 사용자에 의해 입력될 수 있다. 소단원 별로 서로 다른 개수의 교과 이론(21)이 포함될 수 있다. 예를 들어, 제1 소단원은 13개의 교과 이론(21)을 포함할 수 있고, 제2 소단원은 11개의 교과 이론(21)을 포함할 수 있다. 소단원 별로 포함되는 교과 이론(21)의 수는 다양하게 가변될 수 있다.
도 4를 참조하면, 대표 문제(22)는 교과 이론(21)에 따라 제공될 수 있다. 대표 문제(22)는 내신 문제 출제 유형에 부합하는 문제들로 구성될 수 있다. 대표 문제(22)는 복수의 예상 문제들로 구성될 수 있다. 대표 문제(22)는 적어도 다섯개 이상의 예상 문제들로 구성될 수 있다. 예를 들어, 대표 문제(22)는 교과 이론(21)의 제1 개념을 반영한 제1 문제, 교과 이론(21)의 제2 개념을 반영한 제2 문제, 교과 이론(21)의 제1 개념과 제2 개념을 조합한 제3 문제, 교과 이론(21)의 제1 개념의 응용된 개념과 제2 개념을 조합한 제4 문제, 및 교과 이론(21)의 제1 개념의 응용된 개념과 제2 개념의 응용된 개념을 조합한 제5 문제로 구성될 수 있다. 그러나 이에 제한되지 않으며, 대표 문제(22)는 수능 문제 출제 유형에 부합하는 문제들로 구성될 수도 있다.
도 5는 본 발명의 일 실시 예에 따른 플랫폼 데이터 베이스 서버 구조를 나타내는 도면이다. 상세하게는, 도 5는 도 1의 플랫폼 데이터 베이스 서버(30)의 구조를 나타내는 도면이다. 이하에서는 도 1 내지 도 4를 참조하여 설명한다.
도 5를 참조하면, 플랫폼 데이터 베이스 서버(30)는 교과 이론에 대응되는 대표 문제(22) 및 대표 문제(22) 별로 구비된 강의 영상(23)을 클라이언트 서버(20)에 제공할 수 있다. 플랫폼 데이터 베이스 서버(30)는 교과이론 문제 데이터 베이스(31) 및 교과이론 강의 영상 데이터 베이스(32)를 포함할 수 있다. 교과이론 문제 데이터 베이스(31) 및 교과이론 강의 영상 데이터 베이스(32)는 도 1의 수학 강의영상 공유 플랫폼 시스템(1)에 필요한 데이터를 저장할 수 있다.
교과이론 문제 데이터 베이스(31)는 도 3을 참조하여 전술된 교과 이론에 대응되는 대표 문제(22)를 저장할 수 있다. 교과이론 문제 데이터 베이스(31)는 교과 이론 각각에 대한 복수의 예상 문제를 포함하는 대표 문제(22)를 저장할 수 있다. 교과이론 문제 데이터 베이스(31)는 교과 이론에 각각에 대하여 적어도 다섯 개의 예상 문제를 포함하는 대표 문제(22)를 저장할 수 있다.
교과이론 강의 영상 데이터 베이스(32)는 도 3을 참조하여 전술된 교과 이론에 대응되는 강의 영상(23)을 저장할 수 있다. 강의영상(23)은 각 교과 이론에 대응될 수 있다. 강의 영상(23)은 교과이론에 대한 통합적인 설명을 제공하고, 대표 문제(22)에 포함된 예상 문제들 중 적어도 일부에 대한 풀이를 해설하는 영상일 수 있다. 강의 영상(23)은 교사 및/또는 강사에 의해 촬영된 영상일 수 있다. 강의 영상은 적어도 10분 이상 소요되는 영상일 수 있다. 그러나, 이에 제한되지 않으며, 교과이론 강의 영상 데이터 베이스(32)는 소단원 또는 중단원에 대응되는 강의영상을 포함할 수 있다.
교과이론 문제 데이터 베이스(31) 및 교과이론 강의 영상 데이터 베이스(32)에 저장된 정보는 필요에 따라 클라이언트 서버(20)에 제공될 수 있다. 도 5에서 교과이론 문제 데이터 베이스(31) 및 교과이론 강의 영상 데이터 베이스(32)는 플랫폼 데이터 베이스 서버(30)에 포함되는 구성인 것으로 도시되나 이에 제한되지 않으며, 다른 실시 예에서 교과이론 문제 데이터 베이스(31) 및 교과이론 강의 영상 데이터 베이스(32)는 클라이언트 서버(20)에 포함되는 구성으로 운용될 수도 있다.
도 6은 본 발명의 일 실시 예에 따른 플랫폼 데이터 베이스 서버 구조를 나타내는 도면이다. 상세하게는, 도 6은 도 5의 플랫폼 데이터 베이스 서버(30)의 구조를 나타내는 도면이다. 이하에서는 도 1 내지 도 5를 참조하여 설명한다.
도 6을 참조하면, 플랫폼 데이터 베이스 서버(30)는 제작 영상 데이터 베이스(33)를 더 포함할 수 있다.
제작 영상 데이터 베이스(33)는 사용자에 의해 직접 촬영된 제작 영상을 저장할 수 있다. 제작 영상 데이터 베이스(33)에 저장된 제작 영상은 클라이언트 서버(20)에 의해 맵핑(mapping) 및 태깅(tagging)된 영상일 수 있다. 예를 들어, 클라이언트 서버(20)는 사용자에 의해 제작된 영상을 분석하여 학교, 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑하고, 맵핑 결과에 기초하여 태깅할 수 있고, 태깅된 제작 영상이 제작 영상 데이터 베이스(33)에 저장될 수 있다.
사용자에 의해 촬영된 제작 영상은 사용자가 직접 업로드함에 따라 제작 영상 데이터 베이스(33)에 저장될 수 있다. 제작 영상 데이터 베이스(33)는 복수의 사용자들에 의해 촬영된 제작 영상들을 저장할 수 있다. 제작 영상 데이터 베이스(33)에 저장된 제작 영상들은 클라이언트 서버(20)를 통해 디지털 수학학습장치(10)에 제공될 수 있다. 예를 들어, 제작 영상 데이터 베이스(33)에 저장된 제작 영상들은 클라이언트 서버(20)에서 선별됨으로써 디지털 수학학습장치(10)에 제공될 수도 있다. 클라이언트 서버(20)는 다양한 기준으로 제작 영상들을 선별하여 사용자에게 제공할 수 있다. 예를 들어, 클라이언트 서버(20)는 다른 사용자들의 별점, 추천수, 시청 횟수 등을 이용하여 제작 영상들을 선별하도록 학습된 인공지능 모델을 이용할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 수학 강의영상 공유 플랫폼 시스템을 나타내는 도면이다. 상세하게는, 도 1의 수학 강의영상 공유 플랫폼 시스템(1)의 다른 실시예를 나타내는 도면이다. 이하에서는 도 1 내지 도 5를 참조하여 설명하고, 중복되는 설명은 생략한다.
도 7을 참조하면, 수학 강의영상 공유 플랫폼 시스템(2)은 디지털 수학 학습 장치(10), 클라이언트 서버(20) 및 플랫폼 데이터 베이스 서버(30)를 포함할 수 있다.
플랫폼 데이터 베이스 서버(30)는 학군 데이터 베이스(34) 및 기출문제 데이터 베이스(35)를 더 포함할 수 있다. 학군 데이터 베이스(34)는 전국의 초등학교, 중학교, 및 고등학교의 위치 및 정보를 저장할 수 있다. 학군 데이터 베이스(34)는 사용자의 위치 정보에 기초하여 대상 학교를 결정하기 위해 이용될 수 있다. 기출문제 데이터 베이스(35)는 전국의 초등학교, 중학교, 및 고등학교의 기출문제들을 저장할 수 있다. 기출문제 데이터 베이스(35)에 저장된 기출문제들은 대응되는 학교명이 태깅(Taggig)되어 있을 수 있다. 기출문제 데이터 베이스(35)에 저장된 기출문제들은 각 학교의 출제 수준을 예측하기 위해 이용될 수 있다.
디지털 수학 학습 장치(10)는 GPS(11)를 더 포함할 수 있다. GPS(11)는 사용자의 위치 정보를 추출할 수 있고, 추출된 사용자의 위치 정보를 클라이언트 서버(20)로 전송할 수 있다. 디지털 수학 학습 장치(10)는 사용자 정보를 입력받을 수 있다. 사용자 정보에 사용자의 학교 정보가 포함된 경우, 클라이언트 서버(20)는 사용자의 학교 정보 및 기출문제 데이터 베이스(35)에 저장된 해당 학교의 기출 문제들에 기초하여 해당 학교의 출제 수준을 분석할 수 있다. 그에 따라, 클라이언트 서버(20)는 해당 학교의 기출 문제를 디지털 수학 학습 장치(10)를 통해 출력할 수 있고, 교과이론 문제 데이터 베이스(31)에 저장된 수학 문제들 중에서 해당 학교의 출제 수준에 부합하는 예상 문제를 디지털 수학 학습 장치(10)를 통해 출력할 수도 있다.
사용자 정보에 사용자의 학교 정보가 포함되지 않는 경우, 클라이언트 서버(20)는 디지털 수학 학습 장치(10)에 구비된 GPS(11)를 통해 추출된 사용자의 위치 정보를 이용하여 사용자의 실거주지를 판단할 수 있다. 클라이언트 서버(20)는 플랫폼 데이터 베이스 서버(30)에 포함된 학군 데이터 베이스(34)에 기초하여, 기 결정된 사용자의 실거주지 주변에 위치한 대상 학교를 결정할 수 있다. 아울러, 클라이언트 서버(20)는 결정된 대상 학교 및 기출문제 데이터 베이스(35)에 저장된 대상 학교의 기출 문제에 기초하여, 대상 학교의 출제 수준을 분석할 수 있다. 클라이언트 서버(20)는 대상 학교의 기출 문제를 디지털 수학 학습 장치(10)를 통해 출력할 수 있고, 교과이론 문제 데이터 베이스(31)에 저장된 수학 문제들 중에서 대상 학교의 출제 수준에 부합하는 예상 문제를 디지털 수학 학습 장치(10)를 통해 출력할 수 있다.
클라이언트 서버(20)는 영상 추출부(24)를 더 포함할 수 있다. 영상 추출부(24)는 디지털 수학 학습 장치(10)를 이용하여 사용자가 직접 촬영한 영상을 분석함으로써 제작 영상을 학교, 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑할 수 있고, 맵핑 정보에 기초하여 제작 영상을 태깅할 수 있다.
영상 추출부(24)는 사용자에 의해 촬영된 제작 영상의 영상 데이터에 기초하여 제작 영상을 맵핑 및 태깅할 수 있다. 영상 추출부(24)는 사용자에 의해 촬영된 제작 영상을 복수의 프레임들로 분할할 수 있다. 영상 추출부(24)는 중복되는 프레임을 삭제함으로써 저장 용량을 절약할 수 있다. 영상 추출부(24)는 복수의 프레임들 각각을 광학 문자 인식(OCR, Optical Character Reader)으로 스캔함으로써 제작 영상의 텍스트들을 인식할 수 있다. 영상 추출부(24)는 인식된 텍스트들을 하나 이상의 컨볼루션 레이어를 포함하는 컨볼루션 신경망(Convolutional Neural Network; CNN)에 적용함으로써 유사한 텍스트들끼리 그룹화할 수 있다. 영상 추출부(24)는 그룹화된 텍스트들의 종류 및 갯수에 기초하여 제작 영상을 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑할 수 있다.
영상 추출부(24)는 사용자에 의해 촬영된 제작 영상의 음성 데이터에 기초하여 제작 영상을 맵핑 및 태깅할 수 있다. 영상 추출부(24)는 사용자에 의해 촬영된 제작 영상의 오디오 데이터를 텍스트 데이터로 변환할 수 있고, 변환된 텍스트 데이터를 분절함으로써 단어 단위로 토큰화 할 수 있다. 상기 토큰화된 텍스트 데이터를 자언어 처리 모델에 적용함으로써 제작 영상을 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑할 수 있다.
도 8은 본 발명의 일 실시 예에 따른 수학 강의영상 공유 플랫폼 시스템의 수학 강의 영상 제공 방법을 나타내는 도면이다. 상세하게는, 도 7의 수학 강의 영상 공유 플랫폼 시스템(2)의 수학 강의 영상 제공 방법을 나타내는 도면이다. 이하에서는 도 1 내지 도 7을 참조하여 설명하고, 중복되는 설명은 생략한다.
도 8을 참조하면, 수학 강의 영상 제공 방법(S100)은 단계들(S110, S120, S130, S140)을 포함할 수 있다.
단계(S110)에서, 클라이언트 서버(20)는 디지털 수학 학습 장치(10)에 입력되는 사용자 정보 및/또는 GPS(11)를 통해 추출되는 사용자의 위치 정보에 기초하여 플랫폼 데이터 베이스 서버(30)에 저장된 예상 문제를 제공할 수 있다. 클라이언트 서버(20)는 사용자 정보 및/또는 GPS(11)를 통해 추출되는 사용자의 위치 정보와 기출문제 데이터 베이스(35)에 기초하여 해당 학교의 출제 수준을 분석할 수 있고, 분석 결과에 따라 해당 학교의 출제 수준에 부합하는 예상 문제를 제공할 수 있다. 예상 문제는 디지털 수학 학습 장치(10)를 통해 출력될 수 있다.
단계(S120)에서, 사용자는 예상 문제를 풀이할 수 있고, 클라이언트 서버(20)는 사용자의 풀이가 정답인지 또는 오답인지 판단할 수 있다.
단계(S130)에서, 사용자의 예상 문제 풀이 결과가 정답인 경우, 사용자가 디지털 수학 학습 장치(10)에 구비된 카메라 및 마이크를 이용하여 사용자가 직접 풀이 영상을 촬영할 수 있도록 촬영 버튼이 활성화될 수 있다.
단계(S140)에서, 사용자의 예상 문제 풀이 결과가 오답인 경우, 클라이언트 서버(20)는 제작 영상 데이터 베이스(33)에 저장된 다른 사용자의 제작 영상 및 교과 이론 강의 영상 데이터 베이스(32)에 저장된 강의 영상 중 적어도 하나를 사용자에게 제공할 수 있다. 제작 영상 데이터 베이스(33)에 저장된 다른 사용자의 제작 영상은 다른 사용자가 직접 촬영하여 해당 교과이론이 태깅된 풀이 영상일 수 있다.
도 9는 도 8의 단계(S110)를 설명하기 위한 순서도이다.
도 9를 참조하면, 예상 문제 제공 단계(S110)는 단계들(S111, S112, S113, S114)을 포함할 수 있다.
단계(S111)에서, 클라이언트 서버(20)는 사용자 정보에 사용자의 학교 정보가 포함되어 있는지 판단할 수 있다.
단계(S112)에서, 사용자 정보에 사용자의 학교 정보가 포함되지 않는 경우, 클라이언트 서버(20)는 디지털 수학 학습 장치에 구비된 GPS(11)를 이용하여 추출된 사용자의 위치 정보를 통해 사용자의 실거주지를 판단할 수 있다. 예를 들어, 클라이언트 서버(20)는 사용자의 위치 정보 중 가장 빈도가 높은 위치 정보에 기초하여 사용자의 실거주지를 판단할 수 있다.
단계(S113)에서, 클라이언트 서버(20)는 학군 데이터 베이스(34)에 기초하여, 사용자의 실거주지 주변에 위치한 대상 학교를 결정할 수 있다. 예를 들어, 대상 학교는 사용자의 실거주지로부터 반경 10km 이내의 학교로 결정될 수 있다.
단계(S114)에서, 사용자 정보에 사용자의 학교 정보가 포함되지 않는 경우, 클라이언트 서버(20)는 결정된 대상 학교 및 기출문제 데이터 베이스(35)에 저장된 대상 학교의 기출문제들에 기초하여, 대상 학교의 출제 수준을 분석할 수 있다. 그에 따라, 클라이언트 서버(20)는 대상 학교의 기출 문제 및/또는 대학 학교의 출제 수준에 부합하는 예상 문제를 디지털 수학 학습 장치(10)를 통해 사용자에게 제공할 수 있다.
사용자 정보에 사용자의 학교 정보가 포함된 경우, 클라이언트 서버(20)는 사용자의 학교 정보 및 플랫폼 데이터 베이스 서버(30)에 포함된 기출문제 데이터 베이스(35)에 기초하여 해당 학교의 출제 수준을 분석할 수 있다. 그에 따라, 클라이언트 서버(20)는 해당 학교의 기출문제 및/또는 해당 학교의 출제 수준에 부합하는 예상 문제를 디지털 수학 학습 장치(10)를 통해 사용자에게 제공할 수 있다.
도 10은 도 8의 단계(S130)를 설명하기 위한 순서도이다.
도 10을 참조하면, 풀이 영상 촬영 단계(S130)는 단계들(S131, S132, S133)을 포함할 수 있다.
단계(S131)에서, 사용자의 예상 문제 풀이 결과가 정답인 경우, 디지털 수학 학습 장치(10)에 구비된 카메라 및 마이크를 이용하여 사용자가 직접 풀이 영상을 제작할 수 있도록 촬영 버튼이 활성화될 수 있다.
단계(S132)에서, 클라이언트 서버(20)는 사용자에 의해 촬영된 제작 영상을 맵핑 및 태깅할 수 있다.
클라이언트 서버(20)는 사용자에 의해 촬영된 제작 영상을 복수의 프레임들로 분할하고, 복수의 프레임들 각각을 광학 문자 인식(OCR, Optical Character Reader)으로 스캔함으로써 제작 영상의 텍스트를 인식할 수 있다. 클라이언트 서버(20)는 인식된 텍스트들을 하나 이상의 컨볼루션 레이어를 포함하는 컨볼루션 신경망(Convolutional Neural Network; CNN)에 적용함으로써 유사한 텍스트들끼리 그룹화할 수 있다. 클라이언트 서버(20)는 그룹화된 텍스트들의 종류 및 갯수에 기초하여 제작 영상을 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑할 수 있다.
클라이언트 서버(20)는 사용자에 의해 촬영된 제작 영상의 음성 데이터에 기초하여 제작 영상을 맵핑 및 태깅할 수 있다. 클라이언트 서버(20)는 사용자에 의해 촬영된 제작 영상의 오디오 데이터를 텍스트 데이터로 변환할 수 있고, 변환된 텍스트 데이터를 분절함으로써 단어 단위로 토큰화 할 수 있다. 상기 토큰화된 텍스트 데이터를 자언어 처리 모델에 적용함으로써 제작 영상을 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑할 수 있다.
클라이언트 서버(20)는 맵핑 결과에 기초하여 제작 영상을 태깅할 수 있다. 예를 들어, 사용자가 제작한 영상은 "한글중학교_중1_1학기_정수와 유리수_정수와 유리수의 계산_유리수의 뺄셈_부호가 생략된 유리수의 뺄셈"과 같이 태깅될 수 있다.
단계(S133)에서, 사용자가 태깅된 제작 영상을 업로드함에 따라 제작 영상데이터 베이스(33)에 태깅된 제작 영상이 저장될 수 있다.
도 11은 도 8의 단계(S140)를 설명하기 위한 순서도이다.
도 11을 참조하면, 풀이 영상 표시 단계(S140)는 단계들(S141, S142, S143, S144)을 포함할 수 있다.
단계(S141)에서, 사용자가 제공된 예상 문제를 푼 결과가 오답인 경우, 클라이언트 서버(20)는 사용자 정보에 포함된 학교 정보 및/또는 대상 학교가 태깅된 제작 영상이 존재하는지 검색할 수 있다.
단계(S142)에서, 학교 정보 또는 대상 학교가 태깅된 제작 영상이 존재하는 경우, 클라이언트 서버(20)는 학교 정보 또는 대상 학교가 태깅된 제작 영상을 우선적으로 출력할 수 있다.
단계(S143)에서, 학교 정보 또는 대상 학교가 태깅된 제작 영상이 존재하지 않는 경우, 클라이언트 서버(20)는 학교 정보 또는 대상 학교의 출제 수준과 유사도가 가장 높은 학교가 태깅된 제작 영상을 우선적으로 출력할 수 있다.
단계(S144)에서, 클라이언트 서버(20)는 사용자의 오답 유형을 분석할 수 있다. 예를 들어, 클라이언트 서버(20)는 사용자의 오답 이력을 수집할 수 있고, 수집된 오답 이력에 기초하여, 특정 교과 이론에 대한 오답 횟수가 임계 값보다 높으면 해당 교과 이론이 태깅된 제작 영상을 자동으로 출력할 수 있다. 클라이언트 서버(20)는 교과 이론별 오답 횟수, 제작 영상의 시청 횟수, 제작 영상 시청 후의 정답 횟수에 기초하여 제작 영상의 기여율을 계산할 수 있다. 클라이언트 서버(20)는 기여율이 높은 제작 영상을 해당 교과 이론 학습시 우선적으로 제공할 수 있다.
다른 실시 예에서, 디지털 수학 학습 장치(10)는 사용자의 문제 풀이 기록을 입력받을 수 있다. 사용자의 문제 풀이 기록은 문제 풀이 내용이 포함된 이미지 데이터 또는 사용자의 시간에 따른 동적 기입 기록이 포함된 동영상 데이터를 포함할 수 있다. 클라이언트 서버(20)는 이미지 데이터 또는 동영상 데이터의 문자, 숫자, 수식, 기호 등을 분리하여 인식할 수 있다. 예를 들어, 이미지 데이터의 경우, 클라이언트 서버(20)는 광학 문자 인식(OCR, Optical Character Reader) 및 컨볼루션 신경망(Convolutional Neural Network; CNN)을 이용하여 이미지 데이터의 문자, 숫자, 수식, 기호 등을 분리하여 인식할 수 있다. 클라이언트 서버(20)는 특정 픽셀이 문자, 숫자, 수식, 기호 등에 해당할 확률을 추론함으로써 고도화된 분류 작업을 수행할 수 있다.
예를 들어, 동영상 데이터의 경우, 클라이언트 서버(20)는 동영상 데이터를 복수의 프레임들로 나누어 분석할 수 있다. 동영상 데이터의 경우, 각 프레임의 선후 관계에 따라 문자, 숫자, 수식, 기호 등을 분리하여 인식하도록 인공지능 모델이 학습될 수 있다. 또한, 인공지능 모델은 복수의 프레임마다 differential 연산을 수행함으로써 중복되는 프레임을 제외한 나머지 프레임들에 대하여만 저장함으로써 저장 공간을 절약할 수 있다.
클라이언트 서버(20)는 사용자의 문제 풀이 기록을 분석함으로써 어느 부분에서 오류가 발생하였는지 체크할 수 있고, 이에 기초하여 추천되는 문제 풀이 정보를 제공할 수 있다. 다른 실시 예에서, 클라이언트 서버(20)는 사용자의 문제 풀이 요청에 기초하여 다양한 풀이 방법을 사용자에게 제공할 수 있다. 예를 들어, 클라이언트 서버(20)는 사용자의 문제 풀이 기록을 분석하여 사용자의 문제 풀이 기록과 다른 문제 풀이 정보를 제공할 수 있다. 클라이언트 서버(20)는 사용자의 문제 풀이 요청 횟수가 임계 값 이상인 경우 해당 교과이론의 개념강의, 요약된 학습 내용, 학습 팁 등을 제공할 수 있다.
도 12a 및 도 12b는 예상 문제 제공 화면을 설명하기 위한 도면이다. 상세하게는, 도 8의 단계(S110)에서 예상 문제가 제공되는 디지털 수학 학습 장치의 디스플레이 화면을 설명하기 위한 도면이다.
도 12a를 참조하면, 디지털 수학 학습 장치(10)는 디지털 수학 학습 장치(10)에 구비된 디스플레이 화면(12)의 왼쪽 및 오른쪽을 구분하여 표시하는 이분할 UI(User Interface)를 이용하여, 왼쪽 영역(D1)에 예상 문제를 출력하고, 오른쪽 영역(D2)에 사용자의 요청을 입력받는 팁 요청 탭(15)을 출력할 수 있다. 사용자는 팁 요청 탭(15)을 클릭함으로써 왼쪽 영역(D1)에 출력되는 예상 문제에 대한 학습 팁을 요청할 수 있다.
도 12b를 참조하면, 오른쪽 영역(D2)에 사용자의 요청에 기초하여 예상문제에 적용될 수 있는 학습 팁을 출력할 수 있다. 즉, 사용자가 팁 요청 탭(15)을 클릭한 경우, 오른쪽 영역(D2)에 학습 팁이 출력될 수 있다. 학습 팁은 왼쪽 영역(D1)에 출력되는 예상 문제와 관련된 수학 개념, 관련 단원, 관련 수학 문제, 및 선결적으로 학습이 필요한 관련 단원의 링크 중 적어도 하나를 포함할 수 있다.
클라이언트 서버(20)는 예상 문제의 풀이 횟수를 사용자의 팁 요청 횟수로 나눔으로써 사용자의 팁 요청율을 계산할 수 있다. 즉, 사용자의 팁 요청율은 예상 문제의 풀이 횟수와 사용자의 팁 요청 횟수의 비율을 의미할 수 있다. 클라이언트 서버(20)는 사용자의 팁 요청율이 임계율을 초과하는 경우, 학습 팁에 대한 업데이트 요청을 생성할 수 있다. 예를 들어, 클라이언트 서버(20)는 사용자의 팁 요청율이 70%를 초과하는 경우, 학습 팁에 대한 업데이트 요청을 생성할 수 있다.
도 13은 본 발명의 일 실시 예에 따른 수학 강의 영상 공유 서비스 제공 방법을 나타내는 순서도이다.
도 13을 참조하면, 수학 강의 영상 공유 플랫폼 시스템(1)은 교과이론과 그에 따른 대표문제를 기준으로 수학 강의 영상이 배치되어 시청하거나, 사용자가 직접 제작하여 업로드할 수 있다. 예를 들어, 중학교 2학년 학생이 1학기(S1)를 선택하면 1학기에 해당하는 교과 이론(21)과 그에 해당하는 대표문제(22)가 디지털수학학습장치(10)에 디스플레이에 나열되고, 문제를 학습(S2)하게 된다. 오답이 발생하거나 학습이 완료될 경우 강의 영상을 선택(S3)하여 시청할 수 있는데, 강의 영상은 사용자가 선택하여 시청할 수 있으며, 동시에 직접 제작하여 업로드할 수 있다. 사용자가 제작하여 업로드한 동영상은 클라이언트서버(20)에서 다른 사용자들에 의해별점 및 추천을 통하여 업로드가 유지되거나 삭제될 수 있다.
도 14는 본 발명의 일 실시 예에 따른 수학 강의 영상 공유 플랫폼 서비스의 전체 구조를 타나내는 도면이고, 도 15는 본 발명의 일 실시 예에 따른 수학 강의 플랫폼 서비스를 나타내는 도면이다.
도 15를 참조하면, 복수의 사용자들은 네트워크를 통해 수학 강의 영상 공유 플랫폼 시스템(1)에 접속할 수 있고, 수학 강의 영상 공유 플랫폼 시스템(1)에 제작 영상을 제공할 수 있다. 복수의 사용자들은 초등학생, 중학생, 또는 고등학생일 수 있고, 복수의 사용자들이 제공하는 제작 영상은 교과 이론 단위로 구성된 5분 남짓의 짧은 동영상일 수 있다.
수학 강의 영상 공유 플랫폼 시스템(1)은 소단원 단위의 강의 영상을 제공할 수 있다. 소단원 단위의 강의 영상은 소단원 내 교과 이론을 통합적으로 설명하는 내용을 포함할 수 있다. 소단원 단위의 강의 영상은 교사 및 강사가 촬영하는 영상으로써 40분 이상 50분 이하의 시간이 소요될 수 있고, 교과이론 별로 제공되는 대표 문제들 중 일부만을 선별하여 설명하는 내용을 포함할 수 있다. 소단원 단위의 강의 영상은 강의 영상 데이터 베이스에 저장될 수 있다.
한편, 개시된 실시예들은 컴퓨터에 의해 실행 가능한 명령어를 저장하는 기록매체의 형태로 구현될 수 있다. 명령어는 프로그램 코드의 형태로 저장될 수 있으며, 프로세서에 의해 실행되었을 때, 프로그램 모듈을 생성하여 개시된 실시예들의 동작을 수행할 수 있다. 기록매체는 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
컴퓨터가 읽을 수 있는 기록매체로는 컴퓨터에 의하여 해독될 수 있는 명령어가 저장된 모든 종류의 기록 매체를 포함한다. 예를 들어, ROM(Read Only Memory), RAM(Random Access Memory), 자기 테이프, 자기 디스크, 플래쉬 메모리, 광 데이터 저장장치 등이 있을 수 있다.
이상에서와 같이 첨부된 도면을 참조하여 개시된 실시예들을 설명하였다. 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고도, 개시된 실시예들과 다른 형태로 본 발명이 실시될 수 있음을 이해할 것이다. 개시된 실시예들은 예시적인 것이며, 한정적으로 해석되어서는 안 된다.

Claims (10)

  1. 수학 강의 영상 공유 플랫폼 시스템의 수학 강의 영상 제공 방법에 있어서,
    사용자의 주소, 학교, 학년, 학기, 교과이론, 이해수준, 수학점수 중 적어도 일부를 포함하는 사용자 정보에 기초하여, 상기 사용자에게 플랫폼 데이터 베이스 서버에 저장된 예상 문제를 디지털 수학 학습 장치를 통해 제공하는 단계;
    상기 사용자가 상기 예상 문제를 푼 결과가 정답인 경우, 상기 디지털 수학 학습 장치에 구비된 카메라 및 마이크를 이용하여 상기 사용자가 직접 문제 풀이 내용을 설명하는 제작 영상을 촬영할 수 있도록 촬영 버튼이 활성화되는 단계;
    상기 촬영된 제작 영상을 학교, 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑(mapping)하는 단계;
    상기 맵핑 정보에 기초하여 상기 촬영된 제작 영상을 태깅(tagging)하는 단계;
    상기 태깅된 제작 영상을 업로드함으로써 상기 플랫폼 데이터 베이스 서버에 저장하는 단계; 및
    상기 사용자가 상기 예상 문제를 푼 결과가 오답인 경우, 상기 플랫폼 데이터 베이스 서버에 저장된 다른 사용자의 제작 영상 및 상기 예상 문제에 대응되는 교과이론 강의 영상 중 적어도 하나를 상기 사용자에게 제공하는 단계
    를 포함하는 것을 특징으로 하는 수학 강의 영상 제공 방법.
  2. 제1항에 있어서,
    상기 사용자에게 예상 문제를 제공하는 단계는,
    상기 사용자 정보에 상기 사용자의 학교 정보가 포함되어 있는지 판단하는 단계;
    상기 사용자 정보에 상기 사용자의 학교 정보가 포함된 경우, 상기 사용자의 학교 정보 및 상기 플랫폼 데이터 베이스 서버에 포함된 기출문제 데이터 베이스에 저장된 해당 학교의 기출 문제에 기초하여 상기 해당 학교의 출제 수준을 분석함으로써, 상기 해당 학교의 출제 수준에 부합하는 상기 예상 문제를 상기 디지털 수학 학습 장치를 통해 제공하는 단계;
    상기 사용자 정보에 상기 사용자의 학교 정보가 포함되지 않는 경우, 상기 디지털 수학 학습 장치에 구비된 GPS를 이용하여 상기 사용자의 위치 정보를 추출함으로써 상기 사용자의 실거주지를 판단하는 단계;
    상기 플랫폼 데이터 베이스 서버에 포함된 학군 데이터 베이스에 기초하여, 상기 결정된 사용자의 실거주지 주변에 위치한 대상 학교를 결정하는 단계; 및
    상기 대상 학교 및 상기 기출문제 데이터 베이스에 저장된 상기 대상 학교의 기출 문제에 기초하여 상기 대상 학교의 출제 수준을 분석함으로써, 상기 대상 학교의 출제 수준에 부합하는 상기 예상 문제를 상기 디지털 수학 학습 장치를 통해 제공하는 단계
    를 포함하는 것을 특징으로 하는 수학 강의 영상 제공 방법.
  3. 제2항에 있어서,
    상기 촬영된 제작 영상을 맵핑하는 단계는,
    상기 촬영된 제작 영상을 복수의 프레임들로 분할하는 단계;
    상기 복수의 프레임들 각각을 광학 문자 인식(OCR, Optical Character Reader)으로 스캔함으로써 상기 촬영된 제작 영상의 텍스트를 인식하는 단계;
    상기 인식된 텍스트들을 하나 이상의 컨볼루션 레이어를 포함하는 컨볼루션 신경망(Convolutional Neural Network; CNN)에 적용함으로써 유사한 텍스트들끼리 그룹화하는 단계; 및
    상기 그룹화된 텍스트들의 종류 및 갯수에 기초하여 상기 촬영된 제작 영상을 상기 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑하는 단계
    를 포함하는 것을 특징으로 하는 수학 강의 영상 제공 방법.
  4. 제3항에 있어서,
    상기 촬영된 제작 영상을 맵핑하는 단계는,
    상기 촬영된 제작 영상의 오디오 데이터를 텍스트 데이터로 변환하는 단계;
    상기 텍스트 데이터를 분절함으로써 단어 단위로 토큰화하는 단계; 및
    상기 단어 단위로 토큰화된 텍스트 데이터를 자언어 처리 모델에 적용함으로써 상기 촬영된 제작 영상을 상기 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑하는 단계
    를 더 포함하는 것을 특징으로 하는 수학 강의 영상 제공 방법.
  5. 제4항에 있어서,
    상기 예상 문제를 디지털 수학 학습 장치를 통해 제공하는 단계는,
    상기 디지털 수학 학습 장치에 구비된 디스플레이 화면의 왼쪽 및 오른쪽을 구분하여 표시하는 이분할 UI(User Interface)를 이용하여, 왼쪽 영역에 상기 예상 문제를 출력하고, 오른쪽 영역에 상기 사용자의 요청에 기초하여 상기 예상문제에 적용될 수 있는 학습 팁을 출력하는 단계를 포함하고,
    상기 학습 팁은 상기 예상 문제와 관련된 수학 개념, 관련 단원, 관련 수학 문제, 및 선결적으로 학습이 필요한 관련 단원의 링크 중 적어도 하나를 포함하는 것을 특징으로 하는 수학 강의 영상 제공 방법.
  6. 제5항에 있어서,
    상기 예상 문제를 제공하는 단계는,
    상기 예상 문제의 풀이 횟수에 대한 상기 사용자의 요청 횟수의 비율로 계산되는 상기 사용자의 팁 요청율이 임계율을 초과하는 경우, 상기 학습 팁에 대한 업데이트 요청을 생성하는 단계
    를 더 포함하는 것을 특징으로 하는 수학 강의 영상 제공 방법.
  7. 제6항에 있어서,
    상기 사용자가 상기 예상 문제를 푼 결과가 오답인 경우, 상기 플랫폼 데이터 베이스 서버에 저장된 다른 사용자의 제작 영상 및 상기 예상 문제에 대응되는 교과이론 강의 영상 중 적어도 하나를 상기 사용자에게 제공하는 단계는,
    상기 학교 정보 또는 상기 대상 학교가 태깅된 상기 제작 영상이 존재하는지 검색하는 단계;
    상기 학교 정보 또는 상기 대상 학교가 태깅된 제작 영상이 존재하는 경우, 상기 학교 정보 또는 상기 대상 학교가 태깅된 제작 영상을 우선적으로 출력하는 단계; 및
    상기 학교 정보 또는 상기 대상 학교가 태깅된 제작 영상이 존재하지 않는 경우, 상기 학교 정보 또는 상기 대상 학교의 출제 수준과 유사도가 가장 높은 학교가 태깅된 제작 영상을 우선적으로 출력하는 단계
    를 포함하는 것을 특징으로 하는 수학 강의 영상 제공 방법.
  8. 제7항에 있어서,
    상기 사용자가 상기 예상 문제를 푼 결과가 오답인 경우, 오답 이력을 수집하는 단계;
    상기 수집된 오답 이력에 기초하여, 특정 교과 이론에 대한 오답 횟수가 임계 값보다 높으면 해당 교과 이론이 태깅된 상기 제작 영상을 자동으로 출력하는 단계;
    상기 교과 이론별 오답 횟수, 상기 제작 영상의 시청 횟수, 상기 제작 영상 시청 후의 정답 횟수에 기초하여 상기 제작 영상의 기여율을 계산하는 단계; 및
    상기 기여율이 가장 높은 제작 영상을 해당 교과 이론 학습시 우선적으로 출력하는 단계를 더 포함하는 것을 특징으로 하는 수학 강의 영상 제공 방법.
  9. 제1항 내지 제8항 중 어느 한 항의 수학 강의 영상 제공 방법을 수행하는 프로그램이 저장된 컴퓨터로 기록 가능한 기록 매체.
  10. 하나 이상의 프로세서; 및
    상기 프로세서와 전기적으로 연결되고 상기 프로세서에서 수행되는 적어도 하나의 코드(Code)가 저장된 메모리를 포함하며,
    상기 메모리는,
    사용자에게 교과이론 문제 데이터 베이스에 저장된 예상 문제를 디지털 수학 학습 장치를 통해 제공하고, 상기 사용자가 상기 예상 문제를 푼 결과가 정답인 경우, 상기 디지털 수학 학습 장치에 구비된 카메라 및 마이크를 이용하여 상기 사용자가 직접 문제 풀이 내용을 설명하는 제작 영상을 촬영할 수 있도록 촬영 버튼을 활성화시키고, 복수의 프레임들로 분할하여 상기 복수의 프레임들 각각을 광학 문자 인식(OCR, Optical Character Reader)으로 스캔함으로써 상기 촬영된 제작 영상의 텍스트를 인식하고, 상기 인식된 텍스트들을 하나 이상의 컨볼루션 레이어를 포함하는 컨볼루션 신경망(Convolutional Neural Network; CNN)에 적용함으로써 유사한 텍스트들끼리 그룹화하고, 상기 그룹화된 텍스트들의 종류 및 갯수에 기초하여 상기 촬영된 제작 영상을 학교, 학년, 학기, 대단원, 중단원, 소단원 및 교과이론 각각에 대하여 맵핑(mapping)하고, 상기 맵핑 정보에 기초하여 상기 촬영된 제작 영상을 태깅(tagging)하고, 상기 태깅된 제작 영상을 업로드함으로써 상기 플랫폼 데이터 베이스 서버에 저장하는 코드가 저장되는 것을 특징으로 하는 서버.
KR1020210182086A 2021-02-15 2021-12-17 수학 교과 이론을 기준으로 한 수학 강의 영상 공유 플랫폼 KR20220117120A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20210019598 2021-02-15
KR1020210019598 2021-02-15

Publications (1)

Publication Number Publication Date
KR20220117120A true KR20220117120A (ko) 2022-08-23

Family

ID=83092823

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210182086A KR20220117120A (ko) 2021-02-15 2021-12-17 수학 교과 이론을 기준으로 한 수학 강의 영상 공유 플랫폼

Country Status (1)

Country Link
KR (1) KR20220117120A (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060100927A (ko) 2006-02-20 2006-09-21 전원 정답 확인이 용이한 학습참고서
KR20120107215A (ko) 2011-03-21 2012-10-02 에스케이텔레콤 주식회사 수학교육 서비스 시스템, 수학교육 서비스 제공장치, 학습자 단말기, 수학문제 제공을 위한 클라우드 컴퓨팅 서비스 장치, 수학문제 학습 서비스 제공방법, 및 클라우드 컴퓨팅 서비스 제공방법
KR20150012834A (ko) 2013-07-26 2015-02-04 박주섭 사용자의 학습 수준 및 학습 성향에 따라 재구성이 가능한 디지털 수학학습 장치 및 방법
KR20200010775A (ko) 2018-07-23 2020-01-31 (주)비에이치소프트 수학 교육 서비스 제공 방법, 학습 관리 서버 및 수학 교육 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060100927A (ko) 2006-02-20 2006-09-21 전원 정답 확인이 용이한 학습참고서
KR20120107215A (ko) 2011-03-21 2012-10-02 에스케이텔레콤 주식회사 수학교육 서비스 시스템, 수학교육 서비스 제공장치, 학습자 단말기, 수학문제 제공을 위한 클라우드 컴퓨팅 서비스 장치, 수학문제 학습 서비스 제공방법, 및 클라우드 컴퓨팅 서비스 제공방법
KR20150012834A (ko) 2013-07-26 2015-02-04 박주섭 사용자의 학습 수준 및 학습 성향에 따라 재구성이 가능한 디지털 수학학습 장치 및 방법
KR20200010775A (ko) 2018-07-23 2020-01-31 (주)비에이치소프트 수학 교육 서비스 제공 방법, 학습 관리 서버 및 수학 교육 시스템

Similar Documents

Publication Publication Date Title
CN109359215B (zh) 视频智能推送方法和系统
US11790641B2 (en) Answer evaluation method, answer evaluation system, electronic device, and medium
CN110598770B (zh) 一种多空间融合学习环境构建方法和装置
CN107230174B (zh) 一种基于网络的在线互动学习系统和方法
US10922991B2 (en) Cluster analysis of participant responses for test generation or teaching
US9685095B2 (en) Systems and methods for assessment administration and evaluation
KR102013955B1 (ko) 소프트웨어 전문가 실무교육과 평가를 위한 스마트 교육 시스템 및 그 서비스 제공 방법
CN115329200A (zh) 一种基于知识图谱和用户相似度的教学资源推荐方法
Xu et al. The design of personalized learning resource recommendation system for ideological and political courses
WO2019150393A1 (en) Method and apparatus for learning, monitoring and managing the educational progress
KR102492466B1 (ko) 수학문항의 단원과 난이도를 자동으로 분류하는 방법
CN115081965B (zh) 一种学情大数据分析系统及学情服务器
Saleh et al. Predicting student performance using data mining and learning analysis technique in Libyan Higher Education
KR20220117120A (ko) 수학 교과 이론을 기준으로 한 수학 강의 영상 공유 플랫폼
TW201440016A (zh) 網路化實作評量系統與其方法
Shapsough et al. Using machine learning to automate classroom observation for low-resource environments
KR20220123168A (ko) 수학문항의 단원과 난이도를 자동으로 분류하는 방법
CN110827178A (zh) 通过人工智能制定学习计划的系统和方法
Kassim et al. Mobile Learning Module System with Logo Characterization
Udugahapattuwa et al. A model for enhancing user experience in an e-learning system: A review on student behavior and content formatting
Ayyoub et al. Learning Style Identification Using Semi-Supervised Self-Taught Labeling
Khan Data driven decision making in digital education: A case study from Finland and Russia
KR102678364B1 (ko) 온라인 기반 멀티 학습 시스템
Li Educational Content Linking for Enhancing Learning Need Remediation in MOOCs
Chandra et al. Big Data Infrastructure and Analytics for Education 4.0

Legal Events

Date Code Title Description
E902 Notification of reason for refusal