KR20220117431A - 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램 - Google Patents

Abstract

인지능력 개발 시스템은, 인지능력 개발 컨텐츠를 사용자에게 제공하도록 구성된 컨텐츠 제공 모듈; 상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하도록 구성된 입력 모듈; 상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하도록 구성된 분석 모듈; 및 미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 저장하며, 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝(machine learning) 모듈을 포함한다. 상기 인지능력 개발 시스템에 의하면, 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램 형태의 컨텐츠를 사용자에게 제공하고 개인별 특성이 반영된 맞춤형 치매 예방 기능을 수행할 수 있다. 또한, 상기 인지능력 개발 시스템은 사용자가 기관에 와서 시행하는 기관형뿐만 아니라 네트워크를 통한 통신을 통하여 사용자들을 관리하는 재가형으로도 구현될 수 있어, 많은 사용자들이 상기 인지능력 개발 시스템에 의한 치매 예방 프로그램의 혜택을 받도록 할 수 있다.

Description

인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램{SYSTEM AND METHOD FOR IMPROVING COGNITIVE ABILITY AND COMPUTER PROGRAM FOR THE SAME}

실시예들은 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램에 대한 것이다. 보다 상세하게는, 실시예들은 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램을 통해 개인별 특성이 반영된 맞춤형 치매 예방을 수행하며, 사용자가 기관에 와서 시행하는 기관형뿐만 아니라 재가형으로도 구현이 가능하여 다수의 사용자들에 의한 사용이 가능한 인지능력 개발 시스템 관련 기술에 대한 것이다.

의학의 발달에 의해 평균 수명이 증가하면서, 전세계적으로 고령화가 진행되고 있다. 한국의 경우 2000년에 65세 이상 노인 인구의 비율이 전체 인구의 7.2%로서 고령화 사회에 진입하였으며, 2017년에는 노인 인구 비율이 14%를 넘어 고령 사회로 진입하였다. 2030년에는 한국의 노인 인구 비율은 24.3%에 이르러 한국은 초고령 사회가 될 것으로 예측되고 있다.

이와 같은 급속한 고령화에 의한 영향으로, 치매 인구가 급격하게 증가하는 추세에 있다. 전 세계 치매 인구는 2010년 기준으로 약 3,560만명에 이르며, 2050년에는 치매 인구가 약 3배 증가하여 1억 1,540만명에 이를 것으로 예상된다. 한국에서도 2005년 인구 센서스 기준 연령, 성별, 교육, 거주지역 표준화 치매 유병률을 기준으로 추산한 향후 연도별 치매 유병률은 2012년에 9.08%, 2020년에 9.74%, 2030년에 9.61%, 2040년에 11.21%, 그리고 2050년에 13.17%로 증가되어 2027년에는 치매 인구가 100만명을 초과하고, 2050년에는 치매 인구가 212만명에 이를 것으로 예측되고 있다.

치매 인구가 급격히 증가함에 따라, 치매의 치료 및 관리 비용 또한 증가하고 있다. 치매의 사회적 비용은 암, 심장질환, 뇌졸중의 세 가지 질병을 모두 합한 비용을 초과하는 것으로 추정되며, 한국의 경우 치매로 인한 연간 총 진료비는 2010년 기준 8,100억원으로 노인성질환 중 2위이고, 1인당 치매 진료비는 연간 310만원으로 5대 만성질환 중 가장 높은 것으로 나타나고 있다. 또한, 한국의 국가 총 치매 비용은 연간 8조 7천억원으로 10년마다 두배씩 증가할 것으로 추정된다.

급격히 증가하는 치매로 인한 사회적 및 경제적 부담을 줄이기 위해서는, 치매 고위험군의 조기 발견을 통한 적극적 치료를 통하여 치매의 발병을 지연시킬 필요가 있다. 이를 위한 종래의 기술로, 등록특허공보 제10-1295187호는 선별된 콘텐츠에 대하여 전달한 사용자의 피드백에 따른 획득점수에 따라 사용자의 성취도를 부여함으로써 치매 예방 기능을 수행하는 뇌기능 향상 시스템 및 그 운용방법을 개시한다.

그러나, 치매 예방 및 치료를 위한 종래의 인지 중재 치료법은 병원 등 기관에 방문하여 전문가의 주관 하에 시행하여야 하므로 1회에 5~12만원에 달하는 높은 치료 비용을 지불하여야 하는 것이 대부분이다. 또한, 컴퓨팅 장치를 이용한 인지 중재 치료 프로그램도 개발되었으나, 장치 1대에 5천만원에 달하는 높은 비용으로 인하여 일반적인 사용자들이 사용하기 어려운 한계가 있다.

등록특허공보 제10-1295187호

본 발명의 일 측면에 따르면, 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램의 형태로 구현되어 개인별 특성이 반영된 맞춤형 치매 예방 기능을 수행할 수 있고, 사용자가 기관에 와서 시행하는 기관형뿐만 아니라 네트워크를 통한 통신을 통하여 사용자들을 관리하는 재가형으로도 구현될 수 있는 인지능력 개발 시스템과 방법 및 이를 위한 컴퓨터 프로그램을 제공할 수 있다.

일 실시예에 따른 인지능력 개발 시스템은, 인지능력 개발 컨텐츠를 사용자에게 제공하도록 구성된 컨텐츠 제공 모듈; 상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하도록 구성된 입력 모듈; 상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하도록 구성된 분석 모듈; 및 미리 설정된 훈련 데이터 셋(training data set)을 이용한 머신러닝에 의한 학습 결과를 저장하며, 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝(machine learning) 모듈을 포함한다.

일 실시예에서, 상기 입력 모듈은, 상기 훈련 데이터 셋을 수신하도록 더 구성되며, 상기 훈련 데이터 셋에 포함된 데이터에 대해 미리 설정된 맞춤형 컨텐츠를 이용하여 상기 훈련 데이터 셋을 라벨링(labeling)하고, 라벨링된 데이터를 상기 머신러닝 모듈에 제공하도록 구성된 데이터 라벨링부를 포함한다.

일 실시예에서, 상기 분석 모듈은, 상기 복수 개의 인지 영역별 인지 점수, 상기 복수 개의 인지 영역별 소모 시간, 상기 복수 개의 인지 영역별 진행율 및 상기 복수 개의 인지 영역별 참여율 중 하나 이상에 기초하여 상기 성과 정보를 결정하도록 더 구성된다.

일 실시예에서, 상기 입력 모듈은 상기 사용자의 개인 정보를 수신하도록 더 구성된다. 이때, 상기 분석 모듈은, 상기 사용자의 개인 정보를 이용하여, 상기 인지 점수, 상기 소모 시간, 상기 진행율 및 상기 참여율 중 하나 이상으로부터 상기 성과 정보를 도출하기 위한 기준값을 결정하도록 더 구성된다.

일 실시예에서, 상기 머신러닝 모듈은, 상기 훈련 데이터 셋을 이용한 머신러닝을 수행함으로써 상기 학습 결과를 생성하도록 구성된 머신러닝 모델 학습부; 및 상기 학습 결과를 이용하여 상기 복수 개의 인지 영역별 성과 정보에 상응하는 상기 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝 모델 판정부를 포함한다.

일 실시예에 따른 인지능력 개발 방법은, 인지능력 개발 시스템이 미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 생성하는 단계; 상기 인지능력 개발 시스템에 상기 학습 결과를 저장하는 단계; 상기 인지능력 개발 시스템이 인지능력 개발 컨텐츠를 사용자에게 제공하는 단계; 상기 인지능력 개발 시스템이 상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하는 단계; 상기 인지능력 개발 시스템이 상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하는 단계; 및 상기 인지능력 개발 시스템이 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하는 단계를 포함한다.

일 실시예에서, 상기 학습 결과를 생성하는 단계는, 상기 인지능력 개발 시스템이 상기 훈련 데이터 셋을 수신하는 단계; 및 상기 인지능력 개발 시스템이 상기 훈련 데이터 셋에 포함된 데이터에 대해 미리 설정된 맞춤형 컨텐츠를 이용하여 상기 훈련 데이터 셋을 라벨링하는 단계를 더 포함하는 인지능력 개발 방법.

일 실시예에서, 상기 성과 정보를 산출하는 단계는, 상기 인지능력 개발 시스템이, 상기 복수 개의 인지 영역별 인지 점수, 상기 복수 개의 인지 영역별 소모 시간, 상기 복수 개의 인지 영역별 진행율 및 상기 복수 개의 인지 영역별 참여율 중 하나 이상에 기초하여 상기 성과 정보를 결정하는 단계를 포함한다.

일 실시예에 따른 인지능력 개발 방법은, 상기 성과 정보를 산출하는 단계 전에, 상기 인지능력 개발 시스템이 상기 사용자의 개인 정보를 수신하는 단계; 및 상기 인지능력 개발 시스템이, 상기 사용자의 개인 정보를 이용하여, 상기 인지 점수, 상기 소모 시간, 상기 진행율 및 상기 참여율 중 하나 이상으로부터 상기 성과 정보를 도출하기 위한 기준값을 결정하는 단계를 더 포함한다.

일 실시예에 따른 컴퓨터 프로그램은 하드웨어와 결합되어 전술한 실시예들에 따른 인지능력 개발 방법을 실행하기 위한 것으로서 컴퓨터로 판독 가능한 기록매체에 저장된 것일 수 있다.

본 발명의 일 측면에 따른 인지능력 개발 시스템 및 방법에 의하면, 인지, 동기, 혈관, 운동, 영양 등 치매 예방에 중요한 다중 영역에 대한 중재가 포함된 종합 프로그램을 통해 개인별 특성이 반영된 맞춤형 치매 예방을 수행할 수 있는 이점이 있다.

또한, 본 발명의 일 측면에 따른 인지능력 개발 시스템 및 방법은 노인복지관이나 치매안심센터에서는 기관에 와서 시행하는 기관형뿐만 아니라 사용자가 네트워크를 통해 관리를 받으며 치매 예방을 수행하는 재가형 프로그램을 통해서도 구현될 수 있어, 내방이 어려운 노인들도 인터넷을 통해 사용이 가능하여 종래에 비해 더 많은 사용자들이 치매 예방 프로그램의 혜택을 받도록 할 수 있다.

나아가, 본 발명의 일 측면에 따른 인지능력 개발 시스템 및 방법을 이용하면 사용자들이 지속적으로 참여하도록 맞춤형으로 프로그램을 구성함으로써, 치매 예방에 도움이 되도록 사용자들의 생활습관을 교정하고 사용자들이 정확한 지식에 기반한 활동을 꾸준히 실천하도록 동기를 강화할 수 있는 이점이 있다.

도 1은 일 실시예에 따른 인지능력 개발 시스템의 개략적인 블록도이다.
도 2는 일 실시예에 따른 인지능력 개발 방법의 각 단계를 도시하는 순서도이다.
도 3은 일 실시예에 따른 인지능력 개발 방법에 의한 데이터 처리 과정을 설명하기 위한 개념도이다.
도 4a 내지 4f는 일 실시예에 따른 인지능력 개발 시스템에 의해 제공되는 컨텐츠의 화면을 나타내는 예시적인 이미지이다.
도 5는 일 실시예에 따른 인지능력 개발 시스템에 의해 사용자 장치상에 출력되는 인지 점수를 나타내는 예시적인 그래프이다.

이하에서, 도면을 참조하여 본 발명의 실시예들에 대하여 상세히 살펴본다.

도 1은 일 실시예에 따른 인지능력 개발 시스템의 개략적인 블록도이다.

도 1을 참조하면, 본 실시예에 따른 인지능력 개발 시스템(2)은 컨텐츠 제공 모듈(21), 입력 모듈(22), 분석 모듈(23) 및 머신러닝(machine learning) 모듈(24)을 포함한다. 또한, 각각의 모듈(21-24)은 하나 또는 복수의 기능 부(unit)를 포함할 수 있다.

실시예들에 따른 인지능력 개발 시스템(2)과 이에 포함된 각 모듈(21-24) 또는 부는, 전적으로 하드웨어이거나, 또는 부분적으로 하드웨어이고 부분적으로 소프트웨어인 측면을 가질 수 있다. 예컨대, 인지능력 개발 시스템(2)의 각 모듈(21-24) 또는 부는 특정 형식 및 내용의 데이터를 처리하거나 또는/또한 전자통신 방식으로 주고받기 위한 하드웨어 및 이에 관련된 소프트웨어를 통칭할 수 있다. 본 명세서에서 "부", "모듈", "장치", "단말기", "서버" 또는 "시스템" 등의 용어는 하드웨어 및 해당 하드웨어에 의해 구동되는 소프트웨어의 조합을 지칭하는 것으로 의도된다. 예를 들어, 하드웨어는 CPU 또는 다른 프로세서(processor)를 포함하는 데이터 처리 기기일 수 있다. 또한, 하드웨어에 의해 구동되는 소프트웨어는 실행중인 프로세스, 객체(object), 실행파일(executable), 실행 스레드(thread of execution), 프로그램(program) 등을 지칭할 수 있다.

또한, 인지능력 개발 시스템(2)을 구성하는 각각의 요소는 반드시 서로 물리적으로 구분되는 별개의 장치를 지칭하는 것으로 의도되지 않는다. 즉, 도 1의 컨텐츠 제공 모듈(21), 입력 모듈(22), 분석 모듈(23) 및 머신러닝 모듈(24)은 인지능력 개발 시스템(2)을 구성하는 하드웨어를 해당 하드웨어에 의해 수행되는 동작에 따라 기능적으로 구분한 것일 뿐, 반드시 각각의 부가 서로 독립적으로 구비되어야 하는 것이 아니다. 물론, 실시예에 따라서는 컨텐츠 제공 모듈(21), 입력 모듈(22), 분석 모듈(23) 및 머신러닝 모듈(24) 중 하나 이상이 서로 물리적으로 구분되는 별개의 장치로 구현되는 것도 가능하다.

컨텐츠 제공 모듈(21)은 인지능력 개발을 위한 컨텐츠를 사용자에게 제공하도록 구성된다. 예를 들어, 컨텐츠 제공 모듈(21)은 사용자 장치(1)에 구비된 디스플레이 수단 및 소리 출력 수단 등을 이용하여 컨텐츠를 사용자에게 제시할 수 있도록 사용자 장치(1)에 컨텐츠를 전송하기 위한 부분일 수 있다. 이상의 동작을 위하여, 인지능력 개발 시스템(2)은 유선 및/또는 무선 네트워크를 통하여 사용자 장치(1)와 통신할 수 있다. 본 명세서에서 유선 및/또는 무선 네트워크를 통한 통신 방법은 객체와 객체가 네트워킹 할 수 있는 모든 통신 방법을 포함할 수 있으며, 유선 통신, 무선 통신, 3G, 4G, 혹은 그 이외의 방법으로 제한되지 않는다.

도 1에서 사용자 장치(1)는 태블릿(tablet) 컴퓨터의 형태로 도시되었으나, 이는 예시적인 것으로서, 사용자 장치(1)는 스마트폰(smartphone) 등 모바일 컴퓨팅 장치, 노트북 컴퓨터, 개인용 컴퓨터(Personal Computer; PC) 등 임의의 컴퓨팅 장치로 구성될 수 있다.

일 실시예에서, 인지능력 개발 시스템(2)은 적어도 부분적으로 사용자 장치(1)상에서 실행되는 애플리케이션(또는, 앱(app))과 통신함으로써 애플리케이션의 기능 수행을 가능하게 하는 애플리케이션 서버의 기능을 수행할 수 있다. 또는/또한, 인지능력 개발 시스템(2)은 적어도 부분적으로 사용자 장치(1)상에서 실행되는 웹 브라우저(web browser) 등을 통하여 접속 가능한 소정의 웹 페이지(web page)를 제공하는 웹 서버(web server)의 기능을 수행할 수도 있다.

그러나 이는 예시적인 것으로서, 다른 실시예에서는 인지능력 개발 시스템(2) 자체가 사용자가 사용하는 장치의 형태로 구성될 수 있으며, 이 경우 사용자는 인지능력 개발 시스템(2)을 통해 직접 컨텐츠를 이용할 수 있으므로 도 1에 도시된 사용자 장치(1)는 생략될 수도 있다.

본 발명의 실시예들에서, 컨텐츠 제공 모듈(21)을 통하여 제시되는 인지능력 개발 컨텐츠는 복수 개의 인지 영역에 관련된 것일 수 있다. 본 명세서에서 복수 개의 인지 영역이란, 치매 등으로 인한 인지능력의 저하를 방지하거나 저하 속도를 늦추는 등 인지능력을 개선하기 위하여 서로 상이한 관점에서 사용자의 인지능력 개선을 위한 활동을 유도하기 위한 다각적인 분야들 의미한다.

예를 들어, 일 실시예에서 인지능력 개발 시스템(2)은 인지능력의 개선을 위하여 관리가 필요한 내용들을 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역으로 구분할 수 있다. 이때, 인지능력 개발 시스템(2)에 의해 제공되는 인지능력 개발 컨텐츠는 전술한 5개의 인지 영역 중 하나 또는 복수의 인지 영역의 능력 개선을 목표로 하며, 특정한 인지 영역의 강화를 목표로 개발된 것일 수 있으며 이를 본 명세서에서는 인지능력 개발 컨텐츠의 특성으로 지칭한다. 예를 들어, 인지능력 개발 컨텐츠는 특정 분야의 능력 강화를 목적으로 하는 게임의 형식을 가질 수 있다.

입력 모듈(22)은, 컨텐츠 제공 모듈(21)을 통해 사용자에게 제공된 컨텐츠에 대한 사용자의 학습 데이터를 사용자 장치(1)로부터 수신하도록 구성된다. 또는, 인지능력 개발 시스템(2)이 사용자의 개인용 컴퓨터 등 사용자 장치 형태로 구현되는 경우, 입력 모듈(22)은 키보드나 터치스크린 등의 입력 수단(미도시)을 통해 학습 데이터를 입력받을 수 있다.

분석 모듈(23)은, 입력 모듈(22)에 입력된 학습 데이터를 분석하여 복수 개의 인지 영역별 성과 정보를 산출하도록 구성된다. 예를 들어, 분석 모듈(23)은 각 인지 영역의 컨텐츠(예컨대, 게임)에 대한 인지 점수, 각 영역의 컨텐츠에 대한 소모 시간, 영역별 진행율 및/또는 참여율 등을 토대로 성과 정보를 결정할 수 있다.

이를 위하여, 일 실시예에서 분석 모듈(23)은 각 영역에 대한 사용자의 학습 결과인 인지 점수를 분석하는 결과 분석부(231) 및/또는 각 영역의 컨텐츠의 목표 달성에 대해 소요된 시간과 컨텐츠에 대한 사용자의 응답 시간 등 소모 시간에 대한 정보를 분석하는 과정 분석부(232)를 포함할 수 있다.

또한 일 실시예에서, 분석 모듈(23)은 프로파일링(profiling)부(233)를 더 포함한다. 본 실시예에서 사용자는 입력 모듈(22)을 통하여 자신의 개인 정보, 예컨대, 성별, 나이, 거주환경(세대 구성원 수 등), 과거의 치매 진단 여부 등 병력과 같은 정보를 입력할 수 있다. 프로파일링부(233)는, 이러한 개인 정보를 토대로, 학습 데이터로부터 성과 정보를 도출하기 위한 기준값을 결정하도록 구성된다. 이때 기준값이란, 인지 점수나 소모 시간을 성과값으로 변환하기 위한 구간에 대한 정보, 인지 점수나 소모 시간에 적용되기 위한 가중치 정보, 또는 사용자의 성별/나이/거주환경/병력 등이 성과값에 영향을 미치도록 하는 다른 임의의 방식의 조정값을 지칭할 수 있다.

머신러닝 모듈(24)은, 사전에 입력된 훈련 데이터 셋(training data set)을 이용하여 머신러닝에 의한 학습을 수행한 결과를 저장하고, 있으며, 분석 모듈(23)에 의해 얻어진 성과 정보에 대해 머신러닝의 학습 결과를 적용함으로써 사용자 맞춤형 컨텐츠의 특성을 결정하는 기능을 한다.

이상의 동작을 위하여, 머신러닝 모듈(240)은 훈련 데이터 셋을 이용한 머신 러닝을 수행하는 머신러닝 모델 학습부(241)와, 학습 결과를 기반으로 사용자의 성과 정보에 대한 맞춤형 컨텐츠를 판정하는 머신러닝 모델 판정부(242)를 포함할 수 있다.

일 실시예에서, 입력 모듈(22)은 훈련 데이터 셋을 입력받고 이를 머신러닝을 위하여 머신러닝 모델 학습부(241)에 입력하는 기능을 더 수행할 수 있다. 이때, 입력 모듈(22)은 데이터 라벨링(labeling)부(222)를 포함할 수 있다. 데이터 라벨링부(222)는, 훈련 데이터 셋에 포함된 데이터들에 대하여 해당 데이터를 제공한 사용자의 인지능력 개선에 적합한 것으로 전문가나 임상 결과 등에 의하여 결정된 맞춤형 컨텐츠 정보(즉, 정답)를 이용하여 훈련 데이터 셋의 데이터들을 라벨링하고, 라벨링된 데이터를 머신러닝 모델 학습부(241)에 제공할 수 있다.

또한, 입력 모듈(22)은 개인 정보 처리부(223)를 더 포함할 수도 있다. 개인 정보 처리부(223)는, 머신러닝 모델 학습부(241)가 훈련 데이터 셋을 이용한 학습을 수행함에 있어서, 각 사용자의 민감한 개인 정보가 노출되지 않도록 개인 정보에 대한 마스킹(masking)을 수행할 수 있다. 이때 마스킹이란, 민감한 정보 자체를 훈련 데이터 셋으로부터 삭제하는 것을 의미할 수도 있으며, 또는 해당 정보를 삭제하지 않더라도 데이터 레코드들과 이를 제공한 개인을 매칭(matching)시키는 것이 불가능하도록 데이터를 분할, 조합 또는 재구성하는 것을 지칭할 수 있다.

머신러닝 모듈(24)의 머신러닝 모델 판정부(242)는, 머신러닝 모델 학습부(241)에 의하여 선행 누적된 데이터를 바탕으로 사용자의 성과 정보에 상응하는 사용자의 유형을 판정하고, 해당 사용자에게 적합한 맞춤형 컨텐츠의 특성을 결정할 수 있다. 예를 들어, 사용자의 유형을 판정한다는 것은 복수의 인지 영역에서 사용자가 보여준 성과의 패턴을 기준으로 사용자들을 분류(classification)하거나 군집화(clustering)하는 것을 의미할 수 있으며, 머신러닝 모델 판정부(242)는 이러한 유형을 이용하여 해당 사용자 분류 또는 군집의 인지능력 개선에 적합한 맞춤형 컨텐츠를 결정할 수 있다.

도 2는 일 실시예에 따른 인지능력 개발 방법의 각 단계를 도시하는 순서도이다. 설명의 편의를 위하여, 도 1 및 도 2를 참조하여 본 실시예에 따른 인지능력 개발 방법에 대하여 설명한다.

도 2를 참조하면, 먼저 머신러닝 기반의 학습 과정으로서 인지능력 개발 시스템(2)의 입력 모듈(22)은 훈련 데이터 셋을 수신할 수 있다(S11). 훈련 데이터 셋은 관리자의 사용자 장치로부터 입력 모듈(22)에 입력 또는 전송되거나, 또는 외부의 서버(미도시)로부터 수신될 수 있다.

훈련 데이터 셋을 이용하여 머신러닝을 수행하기 위한 전처리 과정으로서, 입력 모듈(22)의 데이터 라벨링부(222)는 훈련 데이터 셋의 각 데이터들에 의하여 전문가나 임상 등을 토대로 결정된 맞춤형 컨텐츠 정보를 이용하여 데이터들을 라벨링할 수 있다(S12). 또한, 입력 모듈(22)의 개인 정보 처리부(223)는 훈련 데이터 셋의 데이터들로부터 민감한 정보를 제거하거나 민감한 정보가 데이터 제공자 개인과 연관되지 않도록 하는 마스킹을 수행할 수도 있다(S12).

인지능력 개발 시스템(2)의 머신러닝 모듈(24)은, 라벨링 및 마스킹 등이 완료된 데이터를 입력받고 이를 이용하여 학습 데이터로부터 맞춤형 컨텐츠를 결정하기 위한 학습 결과를 생성할 수 있다(S13). 예를 들어, 학습 결과란 학습 데이터의 패턴을 기반으로 사용자의 유형을 판정하고, 해당 유형의 사용자에게 적용되기에 적합한 컨텐츠의 특성, 예컨대, 컨텐츠에 상응하는 인지 영역의 종류 및 개수 등을 결정하기 위한 것일 수 있다.

이상에서 설명한 머신러닝에 의한 학습 과정(S11-S13)은, 머신러닝 모듈(24)의 머신러닝 모델 학습부(241)에 의하여 수행될 수 있다. 그러나 다른 실시예에서, 머신러닝 모듈(24)은 외부의 장치나 서버 등으로부터 머신러닝 결과에 해당하는 알고리즘 및 파라미터 등을 수신하고 이를 기반으로 동작할 수도 있으며, 이 경우 전술한 학습 과정(S11-S13)은 생략될 수 있다.

머신러닝에 의한 학습 결과를 기반으로 대상 사용자에게 맞춤형 컨텐츠를 제공하기 위하여, 먼저 인지능력 개발 시스템(2)의 컨텐츠 제공 모듈(21)은 복수 개의 인지 영역별 특성을 갖는 인지능력 개발 컨텐츠를 사용자에게 제공할 수 있다(S21).

다음으로, 인지능력 개발 시스템(2)의 입력 모듈(22)은 제공된 컨텐츠에 대한 사용자의 학습 데이터를 수신할 수 있다(S22). 예를 들어, 학습 데이터란 예컨대 게임과 같은 형식을 가지는 컨텐츠를 통하여 제공되는 과제를 사용자가 해결함으로써 달성한 인지 점수나, 해당 과제의 달성에 사용자가 소모한 시간, 컨텐츠 내의 일련의 과제들에 대한 사용자의 진행율이나 참여율 등을 포함할 수 있다.

일 실시에에서, 입력 모듈(22)는 학습 데이터의 수신과 동시에 또는 학습 데이터의 수신 전 또는 후에 컨텐츠에 참여하는 사용자의 개인 정보를 더 수신할 수도 있다(S23). 예를 들어, 개인 정보는 사용자의 성별/나이/거주환경/병력 등의 정보를 포함할 수 있으나, 이에 한정되는 것은 아니다.

인지능력 개발 시스템(2)의 분석 모듈(23)은, 사용자의 학습 데이터로부터 해당 학습 데이터가 나타내는 사용자의 유형을 판정하기에 적합한 성과 정보를 도출할 수 있다(S24). 예를 들어, 성과 정보는 사용자가 컨텐츠에 대하여 달성한 인지 점수, 소모 시간, 진행율, 참여율 등을 지칭하는 것이거나, 또는 소정의 기준(등급, 문턱값, 가중치 등)에 의하여 이러한 정보를 성과값으로 변환한 것일 수 있다.

인지능력 개발 시스템(2)의 머신러닝 모듈(24)은, 분석 모듈(23)에 의하여 도출된 성과 정보에 기초하여 사용자 맞춤형 컨텐츠를 결정할 수 있다(S25). 이는, 머신러닝 모델을 통해 결정된 사용자의 유형을 토대로, 해당 사용자에게 다음에 제시되기에 적합한 인지능력 개발 컨텐츠의 특성(종류, 난이도, 제한 시간 등)을 결정하는 것을 의미할 수 있으며, 이에 대해서는 상세히 후술한다.

도 3은 일 실시예에 따른 인지능력 개발 방법에 의한 데이터 처리 과정을 설명하기 위한 개념도이다.

도 3을 참조하면, 본 발명의 실시예들에 따른 인지능력 개발 방법에서는 사용자의 학습 데이터로부터 사용 이력, 진행율, 인지 점수 및/또는 참여율 등의 정보를 도출하고, 이를 성과 정보로 이용하여 사용자에게 제공되기 위한 맞춤형 컨텐츠를 결정할 수 있다.

본 명세서에서 인지 점수란, 복수의 인지 영역을 가지는 다중 영역 중재 기반의 컨텐츠를 통해 제공되는 과제에 대하여 사용자가 달성한 점수를 지칭한다. 예컨대, 인지능력 개발 컨텐츠가 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역을 가지는 컨텐츠일 경우, 인지 점수란 {30, 40, 10, 5, 80} 등과 같이 각 인지 영역에 대한 점수들을 데이터 레코드로 포함하는 데이터 셋일 수 있다.

도 4a 내지 4f는 일 실시예에 따른 인지능력 개발 시스템에 의해 제공되는 컨텐츠의 화면을 나타내는 예시적인 이미지로서, 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역 중 인지 훈련에 해당하는 컨텐츠의 화면을 나타낸다.

도 4a를 참조하면, 인지 훈련에 참여하는 사용자는 화면상에 제시된 문제 이미지(402)를 보고, 정답 이미지(403)에 포함된 복수 개의 숫자 패널 중 문제 이미지(402)에 표시된 숫자와 동일한 합계를 도출하기 위한 복수 개의 패널을 선택할 수 있다. 이때, 컨텐츠는 화면상의 레벨 이미지(401)에 나타난 것과 같이 복수 개의 난이도에 해당하는 난이도별 과제들을 포함할 수 있으며, 낮은 레벨의 과제를 달성해 나갈수록 점차 제시되는 과제의 난이도가 증가하도록 컨텐츠가 구성될 수 있다. 또한, 타이머 이미지(404)로 표시된 것과 같이 사용자가 과제를 해결하는 데에 소모하는 시간이 인지능력 개발 시스템에 의하여 기록될 수 있다.

도 4b를 참조하면, 다른 형태의 인지 훈련에 대한 예시로서 사용자는 과제로 제시된 문제 이미지(412, 413)로부터 출발시간과 소요시간을 확인하고, 출발시간에 소요시간을 더한 도착시간을 산출하고 이를 정답 이미지(415)로 선택하는 과제를 수행할 수 있다. 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(411) 및/또는 소모 시간을 나타내는 타이머 이미지(414)가 화면상에 더 표시될 수도 있다.

도 4c를 참조하면, 또 다른 형태의 인지 훈련에 대한 예시로서 사용자는 과제로 제시된 문제 이미지(422) 내의 문구를 읽어 문제를 확인하고, 화면상에 표시된 정답 이미지(423)들 중 문제에 대한 답에 해당하는 이미지를 선택하는 과제를 수행할 수 있다. 도 4c에 도시된 예시의 경우, 왼쪽으로 헤엄치는 반달무늬 주황색 물고기는 화면 상단의 좌측과 중앙에 위치하고 있으므로, 이를 제외한 나머지 물고기들을 선택함으로써 해당 과제를 달성할 수 있다. 이때 사용자가 선택한 물고기의 숫자는 카운터 이미지(424)를 통해 표시될 수 있다. 또한, 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(421)가 화면상에 더 표시될 수도 있다.

도 4d를 참조하면, 또 다른 형태의 인지 훈련에 대한 예시로서 사용자는 문제 이미지(432)로 제시된 일련의 화살표를 보고 이에 기초하여 정답 제시 공간(435) 내의 출발 지점(436)으로부터 위치 이동을 실시함으로써 정답에 해당하는 보물이 위치하는 지점(437)에 도달하는 과제를 실시할 수 있다. 이때, 사용자의 선택에 따른 위치 이동은 도 4d에 도시된 것과 같은 점선이나, 가상의 캐릭터, 포인터 등에 의해 사용자가 인지할 수 있도록 표시될 수도 있다. 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(431) 및/또는 소모 시간을 나타내는 타이머 이미지(434)가 화면상에 더 표시될 수도 있다.

도 4e를 참조하면, 또 다른 형태의 인지 형태의 훈련에 대한 예시로서 사용자는 소정의 숫자가 표시된 복수 개의 문제 이미지(443)를 보고 화면 상에 표시된 문제 이미지(443)들을 숫자가 적은 순서에서 많은 순서로(또는, 그 반대로) 선택하는 과제를 수행할 수 있다. 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(441) 및/또는 소모 시간을 나타내는 타이머 이미지(444)가 화면상에 더 표시될 수도 있다.

도 4f를 참조하면, 또 다른 형태의 인지 훈련에 대한 예시로서 사용자는 문제 이미지(452)로 제시된 사물들을 보고 사물들을 시간에 따른 순서대로 선택하는 과제를 수행할 수 있다. 예컨대, 도 4f에 도시된 예시의 경우 토마토의 싹이 자라 토마토가 열린 후, 토마토가 성숙하면 색이 붉은 색이 되는 것이므로 문제 이미지(452)에 제시된 사물들을 좌측으로부터 우측의 순서대로 선택하는 것이 정답이 된다. 이때, 사용자는 제한된 횟수만큼만 과제 해결을 시도할 수 있도록 컨텐츠가 구성될 수도 있으며, 이 경우 사용자가 과제 해결을 시도한 횟수(또는, 남은 시도 가능 횟수)가 카운터 이미지(453)에 의해 화면상에 표시될 수도 있다. 또한, 도 4a에 예시된 컨텐츠 화면과 마찬가지로, 본 컨텐츠의 경우에도 과제의 난이도를 타나내는 레벨 이미지(461) 및/또는 소모 시간을 나타내는 타이머 이미지(464)가 화면상에 더 표시될 수도 있다.

일 실시예에 따른 인지능력 개발 시스템은, 도 4a 내지 4f를 참조하여 예시한 것과 같은 인지 훈련 컨텐츠에 대해 사용자가 달성한 난이도(즉, 레벨)나 사용자가 과제의 달성에 소모한 시간을 토대로 인지 훈련 영역의 인지 점수를 결정할 수 있다. 또한, 5개의 인지 영역 중 인지 훈련을 제외한 혈관질환 관리, 운동, 영양 관리 및 동기 강화의 각 영역의 점수는 다음과 같이 결정될 수 있다.

먼저, 혈관질환 관리 영역의 인지 점수는, 컨텐츠를 통해 사용자에게 복약 지도 및 관리, 혈관성 위험 질환 교육 등을 실시하고, 교육 이후 사용자에게 교육 내용에 관련된 질문을 제시하여 이에 대한 사용자의 응답을 토대로 결정될 수 있다. 또는/또한, 혈관질환 관리 영역의 인지 점수는 대표적인 위험인자에 해당하는 당뇨, 고혈압, 이상지질혈증, 비만, 과음, 흡연 등의 유무를 토대로 결정될 수도 있다. 예컨대, 컨텐츠를 통하여 사용자가 전술한 위험인자 중 몇 가지에 해당되는지 여부를 확인할 수 있는 질문을 제시하고, 이에 대한 사용자의 응답을 통하여 혈관질환 관리 영역의 인지 점수를 결정할 수 있다. 예컨대, 사용자가 가지고 있는 위험인자가 많을수록 인지 점수는 낮게 부여될 것이다.

다음으로, 운동 분야의 인지 점수는 신체 활동에 대한 사용자의 참여도를 토대로 결정될 수 있다. 신체 활동이란 인지능력 개발 시스템의 운영자에 의하여 주기적으로 시행되는 기관 주도의 활동으로서, 이에 대한 사용자의 출석 회수를 토대로 인지 점수를 결정할 수 있다. 이때, 기관 주도의 신체 활동은 개인의 체력 수준에 따라 저체력군 및 일반체력군, 근력 강화형 및 유산소 강화형 등으로 차별화된 형태를 가질 수도 있다. 그러나 이는 예시적인 것으로서, 기관 주도의 활동에 사용자가 참여하는 것이 불가능할 경우에는, 사용자 스스로 신체 활동을 하도록 유도하고 설문을 통해 신체 활동의 빈도 및 지속 시간 등을 확인하여 이를 토대로 인지 점수를 결정할 수도 있다.

다음으로, 영양 분야의 인지 점수는 사용자가 섭취하는 식단을 토대로 결정될 수 있다. 예를 들어, 인지능력 개발 시스템을 통하여 사용자가 야채, 생선, 견과류, 과일, 올리브유 및 통곡물 등을 균형 있게 섭취하도록 유도하며, 또한 몸에 좋지 않은 주류, 단당류, 튀김류, 치즈, 버터, 가공식품은 섭취량을 줄이도록 유도할 수 있다. 다음으로, 사용자가 섭취하는 영양을 확인하기 위하여 인지능력 개발 컨텐츠를 통해 사용자에게 설문을 제시하고, 이에 대한 사용자의 응답을 통하여 영양 분야의 인지 점수를 결정할 수 있다. 또는, 인지능력 개발 컨텐츠를 통하여 사용자가 자신이 섭취하는 식단의 사진을 인지능력 개발 시스템에 업로드하도록 하고, 인지능력 개발 시스템에서 이미지 처리 기법을 통하여 사진 상의 객체들을 인식함으로써 사용자가 섭취하는 식단에 포함된 영양소의 종류를 결정하고, 이를 토대로 영양 분야의 사용자의 인지 점수를 결정할 수도 있다.

다음으로, 동기강화 분야의 인지 점수는 인지능력 개발 프로그램에 참여하는 사용자 또는 사용자의 관련자(예컨대, 가족 등 보호자)가 시청하기 위한 영상 컨텐츠 등을 제시하고, 해당 컨텐츠의 시청이 완료되었는지 여부, 컨텐츠의 전체 재생시간 중 시청이 완료된 시간의 비율, 및/또는 복수의 컨텐츠가 있는 경우 전체 컨텐츠 중에서 시청된 컨텐츠의 비율 등을 토대로 동기강화 분야의 인지 점수를 결정할 수 있다. 또는, 다른 실시예에서 인지능력 개발 시스템은 사용자가 컨텐츠를 통해 자신의 동기 부여 상태를 선택하도록 함으로써, 사용자가 자가 평가한 내용을 토대로 인지 점수를 결정할 수도 있다. 예를 들어, 사용자가 가족들의 응원 영상을 컨텐츠를 통해 시청하도록 하고, 응원 영상의 시청 후 사용자가 자가 평가한 동기부여 상태롤 토대로 동기강화 분야의 인지 점수를 결정할 수 있다.

이상에서 설명한 것과 같이, 일 실시예에 따른 인지능력 개발 시스템은 인지능력 개발을 위한 인지 영역을 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 영역으로 나누고, 컨텐츠를 기반으로 각 영역에 대한 사용자의 인지 점수를 도출할 수 있다.

도 5는 일 실시예에 따른 인지능력 개발 시스템에 의해 사용자 장치상에 출력되는 인지 점수를 나타내는 예시적인 그래프이다.

도 5를 참조하면, 일 실시예에 따른 인지능력 개발 시스템은 컨텐츠를 통한 사용자의 학습을 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역으로 구분하여, 각 영역에서 사용자가 컨텐츠에 대하여 달성한 인지 점수를 토대로 사용자의 인지 능력을 오각형 형태의 그래프로 나타낼 수 있다. 그러나 이는 예시적인 것으로서, 실시예들에 따른 인지능력 개발 시스템에 의해 구분되는 인지 영역의 종류 및 개수나, 각 영역의 인지 점수를 표출하는 방식은 본 명세서에 설명된 형태로 한정되는 것은 아니다.

다시 도 3을 참조하면, 본 발명의 실시예들에 따른 인지능력 개발 시스템은 전술한 것과 같이 산출되는 인지 영역별 인지 점수에 더하여 진행율, 사용 이력, 및 참여율 등을 더 이용하여 컨텐츠에 대한 사용자의 성과 정보를 산출할 수 있다.

본 명세서에서 진행율이란, 다중 영역 중재 기반의 컨텐츠 전체에서 제공되는 과제들에 대한 사용자의 달성율을 지칭한다. 예를 들어, 인지능력 개발 컨텐츠가 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역에 대해 각각 5개씩의 총 25개의 과제를 포함하며, 사용자가 이 중 5개의 과제를 달성하였을 경우, 진행율은 20%로 정의될 수 있다. 그러나 이는 예시적인 것으로서, 다른 실시예에서 진행율은 각각의 인지 영역별로 정의될 수도 있다.

또 다른 실시예에서, 진행율은 달성한 과제의 수가 아니라 과제에 대해 달성한 인지 점수의 총합으로 결정될 수도 있다. 예를 들어, 전술한 예에서 25개 과제를 통해 사용자가 달성 가능한 인지 점수의 총합이 2500점이며, 5개의 과제를 통하여 달성한 사용자의 평균 인지 점수가 80점일 경우, 진행율은 [사용자가 달성한 점수 총합]을 [과제를 통해 달성 가능한 점수의 총합]으로 나눈 값으로서 80/2500, 즉, 3.2%로 정의될 수도 있다.

일 실시예에서, 사용 이력은 사용자가 다중 영역 중재를 위한 컨텐츠 중 어떤 컨텐츠를 소비하는지에 대한 사용자의 소비 유형을 파악할 수 있는 정보를 지칭한다. 예를 들어, 사용 이력이란 사용자의 컨텐츠 검색 이력이나, 각 컨텐츠에 대해 사용자가 소모한 시간, 또는 특정 인지 영역의 컨텐츠들에 대해 사용자가 소모한 시간의 총 합계 등과 같은 정보를 포함할 수 있다.

일 실시예에서, 참여율은 소정의 기간 동안 반복적으로 진행되도록 의도된 컨텐츠 학습에 대하여 사용자가 실제로 참여한 정도를 나타내는 정보일 수 있다. 예컨대, 실시예들에 따른 인지능력 개발 시스템은 사용자가 병원이나 클리닉 등에 내원하여 사용하는 기관형으로 구현되거나, 또는 사용자가 자신의 집에서 네트워크를 통하여 접속하여 사용이 가능한 재가형으로 구현될 수 있다. 이때, 참여율이란 일정 기간(예컨대, 1달) 동안 진행 가능한 학습 회수에서 사용자가 실제로 학습을 수행한 학습의 회수(또는, 학습일수)를 지칭하는 것일 수 있다.

또한, 다른 실시예에서 참여율이란 사용자가 컨텐츠를 통한 학습을 연속적으로 수행한 일 수에 대한 정보로 정의될 수도 있다. 예를 들어, 사용자가 사전에 결정된 학습 스케쥴에 따른 학습 일정을 누락 없이 준수한 학습 회수를 참여율로 정의할 수 있으나, 이에 한정되는 것은 아니다.

일 실시예에서는, 사용자의 학습 데이터로부터 맞춤형 컨텐츠를 결정함에 있어서 사용자에게 제공된 컨텐츠에 해당하는 화면의 로그(log) 정보가 더 이용될 수도 있다. 본 명세서에서 화면의 로그 정보란, 컨텐츠에 상응하여 표시되는 각 화면에서 사용자가 머무른 시간을 산출하거나, 화면과 화면 사이의 전환에 소요된 시간을 산출하거나, 또는 각 화면 내에서 사용자 입력 수단(예컨대, 마우스)을 이용하여 이루어진 조작의 궤적을 탐지한 것을 지칭할 수 있다. 예를 들어, 컨텐츠 화면 상에서 마우스를 이용한 사용자의 포인터 조작 궤적을 추적하여 포인터가 장시간 머무런 화면상의 지점의 위치를 화면 로그를 이용하여 분석하거나, 사용자가 화면에서 머무른 시간을 로그를 이용하여 분석함으로써 컨텐츠에 대한 사용자의 실제 참여 정보를 산출할 수 있고, 이러한 참여 정보는 전술한 참여율을 대체하여 또는 이를 보조하여 사용될 수도 있다.

실시예들에 따른 인지능력 개발 시스템은, 이상의 과정에 의하여 학습 데이터로부터 도출되는 인지 점수, 진행율, 사용 이력 참여율 및 화면 로그 정보 등을 사용자의 성과 정보로 도출할 수 있다. 또한, 인지능력 개발 시스템은 사용자의 성과 정보를 머신러닝의 학습 결과에 기반하여 분석함으로써 해당 사용자의 유형을 판정하고, 해당 사용자의 인지능력 개선에 적합한 맞춤형 컨텐츠를 결정하여 사용자에게 제시할 수 있다.

예를 들어, 훈련 데이터 셋을 이용한 학습 결과는 사용자들을 성과 정보에 따라 복수 개의 그룹으로 클러스터링하고, 각 그룹에 대해 해당 그룹의 사용자들의 인지능력 개선에 적합한 컨텐츠의 특성을 매칭시킨 것을 의미할 수 있다. 예를 들어, 훈련 데이터 셋의 사용자들의 인지 점수, 진행율, 참여율, 사용 이력 및 화면 로그 등을 종합적으로 분석한 결과에 기반하여, 사용자들의 성과 정보는 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역 각각의 성과를 나타내는 5차원의 값인 데이터 레코드 형태로 표시될 수 있다.

훈련 데이터 셋에 포함된 각 학습 데이터들은 각각 5차원 데이터 레코드 형태로 표현되고, 이에 대한 군집화를 통하여 각 그룹(즉, 클러스터)의 중심점에 해당하는 데이터 레코드가 결정될 수 있다. 이때, 인지능력 개발 컨텐츠는 혈관질환 관리, 인지 훈련, 운동, 영양 관리 및 동기 강화의 5개의 인지 영역 중 해당 컨텐츠를 통해 개선이 가능한 분야를 정의하는 특성 정보를 가질 수 있다. 특성 정보는 사전에 전문가에 의하여 설정될 수 있으며, 하나의 컨텐츠를 통해 복수의 영역에 대한 강화가 이루어지는 경우도 있으므로, 인지능력 개발 컨텐츠들 또한 5개의 영역 각각에 대한 특성값을 가지는 5차원의 데이터 레코드 형태로 표현될 수 있다.

즉, 본 실시예에서 머신 러닝에 의한 학습 결과란, 훈련 데이터 셋의 사용자 학습 데이터를 클러스터링하여 생성된 각 데이터 그룹의 중심 데이터 레코드에 해당하는 5차원의 데이터와, 각 데이터 그룹의 인지능력 개발에 적합한 것으로 설정된 인지능력 개발 컨텐츠의 5차원의 특성값을 포함할 수 있다.

이때, 대상 사용자로부터 학습 데이터가 수신되면, 인지능력 개발 시스템에서는 학습 결과를 기반으로 대상 사용자의 성과 정보가 어떤 데이터 그룹에 해당하는지를 결정할 수 있다. 즉, 이는 사용자의 성과 정보를 토대로 사용자의 유형을 판정하는 것을 의미한다. 사용자의 유형 판정은, 각 인지 영역에 해당하는 5개의 좌표축을 가지는 5차원의 데이터 공간 내에서, 각 데이터 그룹의 중심점에 해당하는 데이터 레코드들과 사용자의 성과 정보 사이의 거리를 산출하고, 이 중 가장 가까이 위치한 데이터 레코드를 중심점으로 하는 데이터 그룹을 결정하는 방식으로 이루어질 수 있다. 다음으로, 해당 데이터 그룹에 대해 결정되어 있는 인지능력 개발 컨텐츠를 해당 사용자의 맞춤형 컨텐츠로 결정할 수 있다.

또 다른 실시예에서, 사용자의 유형 판정은 반드시 사용자의 성과 정보가 어느 하나의 데이터 그룹에 속하는 것으로 판정하는 것을 의미하지 않으며, 복수의 데이터 그룹 각각에 대한 사용자의 성과 정보의 유사도를 산출하고 이를 기반으로 각 데이터 그룹에 해당하는 맞춤형 컨텐츠를 병합하는 방식으로 해당 사용자의 맞춤형 컨텐츠를 결정할 수도 있다.

즉, 각 인지 영역에 해당하는 5개의 좌표축을 가지는 5차원의 데이터 공간 내에서, 각 데이터 그룹의 중심점에 해당하는 데이터 레코드들과 사용자의 성과 정보 사이의 거리는 (a, b, c, d, e)와 같은 5차원 데이터 형태를 갖는다. 예컨대, a는 제1 데이터 그룹의 중심점과 사용자의 성과 정보 사이의 5차원 거리를 의미하며, b는 제2 데이터 그룹의 중심점과 사용자의 성과 정보 사이의 5차원 거리를 의미한다. 이때, 제1 내지 제5 데이터 그룹에 해당하는 맞춤형 컨텐츠를 각각 A, B, C, D, E로 지칭하면, 사용자의 성과 정보로부터 각 데이터 그룹의 중심점까지의 거리가 가까울수록 해당 데이터 그룹에 상응하는 맞춤형 컨텐츠가 더 높은 비율로 포함되도록 컨텐츠 사이의 비율을 정의하고, 이를 토대로 컨텐츠들을 병합함으로써 사용자의 맞춤형 컨텐츠를 새롭게 결정할 수 있다.

예를 들어, 전술한 예에서 각 데이터 그룹의 중심점과 사용자의 성과 정보 사이의 거리는 (a, b, c, d, e)이며, 새롭게 생성될 컨텐츠에서 맞춤형 컨텐츠 A, B, C, D, E 사이의 병합 비율은 거리의 역수에 비례하여 (1/a, 1/b, 1/c, 1/d, 1/e)로 결정될 수 있다. 이때, 컨텐츠를 병합한다는 것은 각 도 4a 내지 4f를 참조하여 전술한 것과 같이 각 컨텐츠에 포함된 복수의 과제 중 일부를 다른 컨텐츠에 포함된 과제와 병합하여 서로 상이한 컨텐츠의 과제들이 병합된 새로운 컨텐츠를 생성하는 것을 의미할 수 있다.

또는, 인지능력 개발 시스템의 머신러닝 모듈은 사용자의 성과 정보를 머신러닝 기반의 분석 모델에 대한 입력값으로 사용하여 머신러닝 기반의 분석 모델에 대한 학습을 수행하고, 학습 결과 5차원 벡터의 특징값을 특정 과제 또는 특정 과제들의 병합을 포함하는 컨텐츠에 상응하는 것으로 분류(classification)하는 과정을 통하여 사용자에게 적합한 컨텐츠의 종류를 결정할 수도 있다.

분류를 위하여, 머신러닝 모듈은 성과 정보가 일정한 특성값(예컨대, 5차원 데이터의 크기, 각 데이터 항목의 값, 각 데이터 항목의 값의 평균, 각 데이터 항목의 값들의 표준 편차 등)을 가지는 사용자들에 대하여 효과가 있는 것으로 알려진 컨텐츠의 특성(과제의 종류 등)을 포함하는 학습 데이터를 입력받아 분석 모델에 대한 학습을 수행하고, 학습 결과 결정된 파라미터를 기반으로 분석 대상인 미지의 사용자의 성과 정보에 상응하는 컨텐츠를 분류할 수 있다. 이때 분석 모델에 대한 입력값으로는 사용자의 성과 정보인 5차원 데이터 자체가 이용될 수도 있고, 또는 전술한 클러스터링의 결과 얻어지는 각 데이터 그룹의 중심점과 사용자의 성과 정보 사이의 거리를 나타내는 5차원 벡터 (a, b, c, d, e), 또는 상기 거리의 역수를 나타내는 5차원 벡터 (1/a, 1/b, 1/c, 1/d, 1/e)가 이용될 수도 있다.

그러나, 이상에서 설명한 사용자 맞춤형 컨텐츠의 결정 방식은 예시적인 것으로서, 실시예들에 따른 인지능력 개발 시스템이 머신러닝을 기반으로 사용자의 학습 데이터로부터 맞춤형 컨텐츠를 결정하는 방식은 전술한 예에 한정되는 것은 아니다.

한편, 이상에서 설명한 실시예들에 따른 인지능력 개발 방법에 의한 동작은 적어도 부분적으로 컴퓨터 프로그램으로 구현되고 컴퓨터로 읽을 수 있는 기록매체에 기록될 수 있다. 실시예들에 따른 인지능력 개발 방법에 의한 동작을 구현하기 위한 프로그램이 기록되고 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수도 있다. 또한, 본 실시예를 구현하기 위한 기능적인 프로그램, 코드 및 코드 세그먼트(segment)들은 본 실시예가 속하는 기술 분야의 통상의 기술자에 의해 용이하게 이해될 수 있을 것이다.

이상에서 살펴본 본 발명은 도면에 도시된 실시예들을 참고로 하여 설명하였으나 이는 예시적인 것에 불과하며 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 실시예의 변형이 가능하다는 점을 이해할 것이다. 그러나, 이와 같은 변형은 본 발명의 기술적 보호범위 내에 있다고 보아야 한다. 따라서, 본 발명의 진정한 기술적 보호범위는 첨부된 청구범위의 기술적 사상에 의해서 정해져야 할 것이다.

Claims (10)

1. 인지능력 개발 컨텐츠를 사용자에게 제공하도록 구성된 컨텐츠 제공 모듈;
   상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하도록 구성된 입력 모듈;
   상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하도록 구성된 분석 모듈; 및
   미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 저장하며, 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝 모듈을 포함하는 인지능력 개발 시스템.
   
2. 제1항에 있어서,
   상기 입력 모듈은,
   상기 훈련 데이터 셋을 수신하도록 더 구성되며,
   상기 훈련 데이터 셋에 포함된 데이터에 대해 미리 설정된 맞춤형 컨텐츠를 이용하여 상기 훈련 데이터 셋을 라벨링하고, 라벨링된 데이터를 상기 머신러닝 모듈에 제공하도록 구성된 데이터 라벨링부를 포함하는 인지능력 개발 시스템.
   
3. 제1항에 있어서,
   상기 분석 모듈은, 상기 복수 개의 인지 영역별 인지 점수, 상기 복수 개의 인지 영역별 소모 시간, 상기 복수 개의 인지 영역별 진행율 및 상기 복수 개의 인지 영역별 참여율 중 하나 이상에 기초하여 상기 성과 정보를 결정하도록 더 구성된 인지능력 개발 시스템.
   
4. 제3항에 있어서,
   상기 입력 모듈은 상기 사용자의 개인 정보를 수신하도록 더 구성되며,
   상기 분석 모듈은, 상기 사용자의 개인 정보를 이용하여, 상기 인지 점수, 상기 소모 시간, 상기 진행율 및 상기 참여율 중 하나 이상으로부터 상기 성과 정보를 도출하기 위한 기준값을 결정하도록 더 구성된 인지능력 개발 시스템.
   
5. 제1항에 있어서,
   상기 머신러닝 모듈은,
   상기 훈련 데이터 셋을 이용한 머신러닝을 수행함으로써 상기 학습 결과를 생성하도록 구성된 머신러닝 모델 학습부; 및
   상기 학습 결과를 이용하여 상기 복수 개의 인지 영역별 성과 정보에 상응하는 상기 인지능력 개발 컨텐츠의 특성을 결정하도록 구성된 머신러닝 모델 판정부를 포함하는 인지능력 개발 시스템.
   
6. 인지능력 개발 시스템이 미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 생성하는 단계;
   상기 인지능력 개발 시스템에 상기 학습 결과를 저장하는 단계;
   상기 인지능력 개발 시스템이 인지능력 개발 컨텐츠를 사용자에게 제공하는 단계;
   상기 인지능력 개발 시스템이 상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하는 단계;
   상기 인지능력 개발 시스템이 상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하는 단계; 및
   상기 인지능력 개발 시스템이 상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하는 단계를 포함하는 인지능력 개발 방법.
   
7. 제6항에 있어서,
   상기 학습 결과를 생성하는 단계는,
   상기 인지능력 개발 시스템이 상기 훈련 데이터 셋을 수신하는 단계; 및
   상기 인지능력 개발 시스템이 상기 훈련 데이터 셋에 포함된 데이터에 대해 미리 설정된 맞춤형 컨텐츠를 이용하여 상기 훈련 데이터 셋을 라벨링하는 단계를 더 포함하는 인지능력 개발 방법.
   
8. 제6항에 있어서,
   상기 성과 정보를 산출하는 단계는, 상기 인지능력 개발 시스템이, 상기 복수 개의 인지 영역별 인지 점수, 상기 복수 개의 인지 영역별 소모 시간, 상기 복수 개의 인지 영역별 진행율 및 상기 복수 개의 인지 영역별 참여율 중 하나 이상에 기초하여 상기 성과 정보를 결정하는 단계를 포함하는 인지능력 개발 방법.
   
9. 제8항에 있어서,
   상기 성과 정보를 산출하는 단계 전에,
   상기 인지능력 개발 시스템이 상기 사용자의 개인 정보를 수신하는 단계; 및
   상기 인지능력 개발 시스템이, 상기 사용자의 개인 정보를 이용하여, 상기 인지 점수, 상기 소모 시간, 상기 진행율 및 상기 참여율 중 하나 이상으로부터 상기 성과 정보를 도출하기 위한 기준값을 결정하는 단계를 더 포함하는 인지능력 개발 방법.
   
10. 하드웨어와 결합되어,
    미리 설정된 훈련 데이터 셋을 이용한 머신러닝에 의한 학습 결과를 생성하는 단계;
    인지능력 개발 컨텐츠를 사용자에게 제공하는 단계;
    상기 인지능력 개발 컨텐츠에 대한 사용자의 학습 데이터를 수신하는 단계;
    상기 학습 데이터에 기초하여 복수 개의 인지 영역별 성과 정보를 산출하는 단계; 및
    상기 복수 개의 인지 영역별 성과 정보 및 상기 학습 결과를 이용하여 상기 사용자에게 제공될 인지능력 개발 컨텐츠의 특성을 결정하는 단계를 실행하도록 컴퓨터로 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.

Images