KR20230050281A

KR20230050281A - Learning Efficiency Improvement System Using Academic Stress Analysis

Info

Publication number: KR20230050281A
Application number: KR1020230040479A
Authority: KR
Inventors: 박지환
Original assignee: 박지환
Priority date: 2020-04-27
Filing date: 2023-03-28
Publication date: 2023-04-14
Also published as: KR20210132399A

Abstract

The present invention relates to a learning efficiency improvement system using academic stress analysis and, more specifically, to a learning efficiency improvement system using academic stress analysis that, instead of viewing stress as a learning obstacle and suggesting that stress levels be lowered unconditionally, finds the optimal stress level that provides a user with maximum learning efficiency and provides a suggestion that increases stress or suggestion that reduces stress to increase or decrease stress to maintain the optimal stress level. The system includes: a data collection part; an activity analysis part; a stress analysis part; a correlation analysis part; and a stress adjustment part.

Description

Learning Efficiency Improvement System Using Academic Stress Analysis}

본 발명은 학업 스트레스 분석을 이용한 학습 효율 향상 시스템에 관한 것으로, 더욱 상세하게는, 스트레스를 학습 장애 요소로 보아 스트레스 레벨을 무조건 낮추도록 제안하는 것이 아니라, 사용자에게서 최대의 학습 효율이 나타나는 최적의 스트레스 레벨을 찾고, 해당 스트레스 레벨이 유지될 수 있도록, 스트레스를 증가시키는 제안 또는 스트레스를 감소시키는 제안을 제공하는 것을 특징으로 하는, 학업 스트레스 분석을 이용한 학습 효율 향상 시스템에 관한 것이다.The present invention relates to a learning efficiency improvement system using academic stress analysis, and more particularly, does not propose to lower the stress level unconditionally by considering stress as a learning obstacle, but to optimize the learning efficiency for the user. The present invention relates to a system for improving learning efficiency using an academic stress analysis, characterized by finding a level and providing a suggestion to increase or reduce the stress so that the corresponding stress level can be maintained.

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

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

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

극심한 학업 스트레스를 받는 상황에서는 학습 효율이 떨어지기 마련이고, 반대로, 학업 스트레스가 전혀 없는 상태에서는 긴장감, 의욕 등이 없어져, 학습 효율이 높아질 수 없는바, 적정 수준의 학업 스트레스가 유지될 수 있도록 하는 것이 학습 효율을 높이기 위해 무엇보다 중요하다고 할 것이다.In a situation of extreme academic stress, learning efficiency tends to decrease, and conversely, in a state where there is no academic stress at all, tension, motivation, etc. disappear, and learning efficiency cannot be increased. It will be said that it is more important than anything to increase learning efficiency.

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

도 1을 참고하여 설명하면, 상기 사용자의 움직임과 심박수에 기초한 스트레스 측정 장치(90)는, 가속도 센서, 광 센서, 반전지 전위(Half Cell Potential) 센서 중 적어도 하나를 이용하여 사용자의 움직임을 측정하는 움직임 측정부(91)와, 측정된 사용자의 움직임을 분석하는 움직임 분석부(92)와, 사용자의 움직임을 분석한 결과에 기초하여 사용자의 스트레스를 측정할지 여부를 판단하는 스트레스 측정 판단부(93)와, 사용자의 스트레스를 측정할 것으로 결정한 경우 심전도(ECG, Electrocardiogram) 측정 회로, 광용적맥파(PPG, Photo-plethysmography) 측정 회로 또는 압력 센서를 이용하여 사용자의 심박수를 측정하는 심박수 측정부(94)로부터 측정된 사용자의 심박수를 이용하여 스트레스를 평가하는 스트레스 평가부(95)와, 상기 스트레스 평가부(95)가 평가한 스트레스 레벨을 출력하는 출력부(96)를 포함한다.Referring to FIG. 1, the stress measuring device 90 based on the user's movement and heart rate measures the user's movement using at least one of an acceleration sensor, an optical sensor, and a half cell potential sensor. a motion measurement unit 91 that analyzes the measured motion of the user, a motion analysis unit 92 that analyzes the user's motion, and a stress measurement determination unit that determines whether or not to measure the user's stress based on the result of analyzing the user's motion ( 93), and a heart rate measuring unit for measuring the user's heart rate using an electrocardiogram (ECG) measuring circuit, a photo-plethysmography (PPG) measuring circuit, or a pressure sensor when it is determined to measure the user's stress ( It includes a stress evaluation unit 95 that evaluates stress using the user's heart rate measured from 94) and an output unit 96 that outputs the stress level evaluated by the stress evaluation unit 95.

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

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

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

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

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

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

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

본 발명의 다른 목적은, 스트레스를 무조건 학습 장애 요소로 보아 스트레스 레벨을 낮추는 데에만 집중하는 것이 아닌, 적절한 스트레스는 학습 효율을 보다 높일 수 있다는 판단 아래 사용자별 최적의 스트레스 레벨을 파악해, 스트레스를 감소시키는 것 뿐만 아니라, 필요에 따라서는 스트레스를 증가시켜 최적의 스트레스 레벨이 유지될 수 있도록 하는 것이다.Another object of the present invention is to reduce stress by identifying the optimal stress level for each user under the judgment that appropriate stress can increase learning efficiency, rather than focusing only on lowering the stress level by considering stress as a learning impediment unconditionally. Not only that, but also to increase the stress as needed so that the optimal stress level can be maintained.

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

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

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

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

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

본 발명의 또 다른 목적은, 활동분석부를 구성하여, 시간대별로 사용자가 어떠한 활동을 했는지 판단하고, 활동 종류에 따른 학습 효율 관계, 활동 선후에 따른 학습 효율 관계 등을 파악해 사용자가 최대의 학습 효율을 보일 수 있는 방안을 제공하는 것이다.Another object of the present invention is to configure an activity analysis unit to determine what activities a user has performed for each time period, and to determine the learning efficiency relationship according to the type of activity and the learning efficiency relationship according to the activity sequence, so that the user can achieve maximum learning efficiency. It is to provide a way to see.

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

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

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

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

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

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

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

본 발명의 또 다른 목적은, 스트레스조정모듈과 연결된 제안요인특정모듈이 사용자에게 제안된 스트레스 조절 요인을 특정하면, 제안수용판단모듈이 데이터수집부를 통해 수집되는 데이터를 확인해 사용자가 제안된 스트레스 조절 요인에 따랐는지를 확인하고, 사용자가 제안된 스트레스 조절 요인을 받아들여 그에 따라 스트레스 요인을 조절했음에도 불구하고, 스트레스 레벨이 최적 스트레스 레벨로 되지 않았다면, 조절요인특정모듈에 의한 데이터 특정시 해당 스트레스 조절 요인은 스트레스 레벨 조정에 필요한 조절 요인으로 더이상 특정되지 않도록 하는 것이다.Another object of the present invention is that when the suggestion factor specification module connected to the stress adjustment module specifies the stress control factor suggested to the user, the suggestion acceptance decision module checks the data collected through the data collection unit so that the user can use the suggested stress control factor. If the stress level has not reached the optimal stress level despite the user accepting the proposed stress control factor and adjusting the stress factor accordingly, the corresponding stress control factor when specifying the data by the control factor specification module is no longer specified as a regulatory factor necessary for adjusting stress levels.

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

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

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

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

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

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

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

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

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

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

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

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

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 활동추론모듈은, 사용자 활동에 관한 입력 데이터가 있는 시간대의 사용자 데이터를 입력값으로 하고, 해당 시간대의 사용자 활동에 관한 입력 데이터를 결과값으로 하여, 활동 학습 모델을 생성하는 활동학습모듈과, 상기 활동학습모듈과 연결되어 생성된 상기 활동 학습 모델을 통해 사용자 활동에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 활동을 예측하는 활동예측모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the activity reasoning module takes user data of a time zone in which input data on user activity exists as an input value, and input data on user activity of the corresponding time zone as a result value. Predicting user activity by using user data in a time zone without input data on user activity as an input value through an activity learning module that generates an activity learning model and the activity learning model generated in connection with the activity learning module It is characterized in that it includes an activity prediction module that does.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 스트레스분석부는, 시간대별 사용자 스트레스에 관한 입력 데이터의 수신 유무를 판단하는 스트레스입력판단모듈과, 상기 스트레스입력판단모듈과 연결되어 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 스트레스 레벨을 추론하는 스트레스추론모듈과, 상기 스트레스추론모듈과 연결되어 사용자 스트레스에 관한 입력 데이터가 있는 시간대의 사용자 스트레스 레벨을 특정하는 스트레스특정모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the stress analysis unit is connected to a stress input determination module for determining whether or not input data related to user stress for each time period is received, and the stress input determination module is connected to determine user stress. A stress inference module that infers the user's stress level in a time zone without input data about the user's stress, and a stress specific module that is connected to the stress inference module and specifies the user's stress level in the time zone with input data on the user's stress do.

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 스트레스추론모듈은, 사용자 스트레스에 관한 입력 데이터가 있는 시간대의 사용자 데이터를 입력값으로 하고, 해당 시간대의 사용자 스트레스 레벨을 결과값으로 하여, 스트레스 학습 모델을 생성하는 스트레스학습모듈과, 상기 스트레스학습모듈과 연결되어 생성된 상기 스트레스 학습 모델을 통해 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 스트레스 레벨을 예측하는 스트레스예측모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the stress inference module takes user data of a time zone in which input data on user stress is present as an input value, and uses the user stress level of the corresponding time zone as a result value, A stress learning module that generates a stress learning model, and the stress learning model generated in connection with the stress learning module Stress predicting the user's stress level by using user data in a time zone when there is no input data on user stress as an input value Characterized in that it includes a prediction module.

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

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

본 발명의 또 다른 실시예에 따르면, 본 발명은, 상기 제안수용판단모듈은, 상기 데이터수집부와 연결되어 사용자에게 제공한 스트레스 조절 요인과 관련된 데이터를 추출하는 관련데이터추출모듈과, 상기 관련데이터추출모듈과 연결되어 추출된 데이터에 사용자에게 제공한 스트레스 조절 요인이 반영되어 있는지 여부를 확인하는 반영확인모듈을 포함하는 것을 특징으로 한다.According to another embodiment of the present invention, the proposal acceptance decision module includes a related data extraction module that is connected to the data collection unit and extracts data related to stress control factors provided to the user; It is characterized in that it includes a reflection confirmation module that is connected to the extraction module and checks whether or not the stress control factor provided to the user is reflected in the extracted data.

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

본 발명은 앞서 본 실시예와 하기에 설명할 구성과 결합, 사용관계에 의해 다음과 같은 효과를 얻을 수 있다.The present invention can obtain the following effects by combining and using the above embodiments and configurations to be described below.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

본 발명은, 스트레스조정모듈과 연결된 제안요인특정모듈이 사용자에게 제안된 스트레스 조절 요인을 특정하면, 제안수용판단모듈이 데이터수집부를 통해 수집되는 데이터를 확인해 사용자가 제안된 스트레스 조절 요인에 따랐는지를 확인하고, 사용자가 제안된 스트레스 조절 요인을 받아들여 그에 따라 스트레스 요인을 조절했음에도 불구하고, 스트레스 레벨이 최적 스트레스 레벨로 되지 않았다면, 조절요인특정모듈에 의한 데이터 특정시 해당 스트레스 조절 요인은 스트레스 레벨 조정에 필요한 조절 요인으로 더이상 특정되지 않도록 하는 효과를 가진다.In the present invention, when the suggestion factor specification module connected to the stress adjustment module specifies the stress control factor suggested to the user, the suggestion acceptance decision module checks the data collected through the data collection unit to determine whether the user has complied with the suggested stress control factor. If the stress level does not reach the optimal stress level even though the user accepts the suggested stress control factor and adjusts the stress factor accordingly, the stress control factor adjusts the stress level when the data is specified by the control factor specification module. It has the effect of not being specified anymore as a control factor necessary for

본 발명은, 업데이트모듈을 구성해 조절요인특정모듈이 갱신될 수 있도록 함으로써, 패턴 분석에 의한 조절 요인 특정의 정확성을 보완하고, 스트레스 레벨 조절에 핵심적인 조절 요인만 특정되도록 하여, 사용자에게 보다 정확한 스트레스 레벨 조절 제안을 할 수 있도록 하는 효과를 도출한다.The present invention configures an update module so that the regulation factor specification module can be updated, thereby supplementing the accuracy of the regulation factor specification by pattern analysis and specifying only the regulation factors that are key to stress level control, providing users with more accurate information. It derives the effect of being able to make stress level adjustment suggestions.

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

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

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

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

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

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

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

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

상기 활동입력판단모듈(21)은, 시간대별 사용자 활동에 관한 입력 데이터의 수신 유무를 판단하는 구성이다. 사용자는 단말 등을 통해 자신의 활동 내용에 대해 입력 할 수도 있다. 예를 들어, 오전 9시에는 휴식을 취했다고 입력할 수 있으며, 오전 11시에는 공부를 했다는 입력을 할 수도 있다. 다만, 사용자의 입력에만 의존할 경우, 입력이 없던 시간대에서는 사용자의 활동을 특정할 수 없게 되는바, 상기 활동입력판단모듈(21)은 사용자의 입력 데이터가 있는지 여부를 판단해 입력 데이터가 있는 시간대는 후술할 활동특정모듈(25)을 통해 입력 데이터에 나타난 사용자의 활동이 활동 데이터로 특정될 수 있도록 하고, 입력 데이터가 없는 시간대는 후술할 활동추론모듈(23)을 통해 해당 시간대의 사용자 활동을 예측하도록 할 수 있다.The activity input determination module 21 is a component that determines whether input data related to user activity for each time period is received. The user may input his or her activity contents through a terminal or the like. For example, you can enter that you took a break at 9:00 am, and you can enter that you studied at 11:00 am. However, when relying only on the user's input, the user's activity cannot be specified in a time zone without input. allows the user's activity shown in the input data to be specified as activity data through the activity specification module 25 to be described later, and in the time zone without input data, the user activity of the corresponding time zone through the activity inference module 23 to be described later can be predicted.

상기 활동추론모듈(23)은, 상기 활동입력판단모듈(21)과 연결되어 사용자 활동에 관한 입력 데이터가 없는 시간대의 사용자 활동을 추론하는 구성을 말한다. 전술한 예를 다시 들면, 사용자가 오전 9시에는 휴식을 취했고, 오전 11시에는 공부를 했다고 입력했으나, 오전 10시의 활동을 입력하지 않았으므로, 오전 10시에 해당하는 사용자의 활동을 특정할 수 없는 문제가 발생한다. 이 경우, 후술할 스트레스요인분석모듈(43)에서 데이터 패턴을 비교할 때, 오전 10시 부분의 값이 없게 되는바, 데이터 패턴이 왜곡되고, 이는 결국, 부정확한 조절 요인의 특정으로 이어져, 사용자에게 최적 스트레스 레벨 유지를 위한 적절한 조절 요인 제공을 할 수 없도록 한다. 이에 상기 활동추론모듈(23)은 활동 입력이 없는 구간의 사용자 활동을, 상기 데이터수집부(10)에 수집된 사용자 데이터를 통해 예측함으로써, 전술한 문제를 예방한다. 이러한 상기 활동추론모듈(23)은, 활동학습모듈(231), 활동예측모듈(233)을 포함한다.The activity inference module 23 is connected to the activity input determination module 21 and refers to a component that infers user activity in a time zone in which there is no user activity input data. Taking the above example again, the user inputs that he took a break at 9:00 am and studied at 11:00 am, but did not enter the activity at 10:00 am, so the user's activity corresponding to 10:00 am is specified. An impossible problem arises. In this case, when data patterns are compared in the stress factor analysis module 43 to be described later, there is no value at 10:00 am, and the data pattern is distorted, which eventually leads to the specification of an inaccurate adjustment factor, which informs the user Inability to provide adequate control factors to maintain optimal stress levels. Accordingly, the activity reasoning module 23 prevents the above-described problem by predicting user activity in a section without activity input through user data collected in the data collecting unit 10 . The activity reasoning module 23 includes an activity learning module 231 and an activity prediction module 233 .

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

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

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

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

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

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

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

상기 스트레스예측모듈(333)은, 상기 스트레스학습모듈(331)과 연결되어 생성된 상기 스트레스 학습 모델을 통해 사용자 스트레스에 관한 입력 데이터가 없는 시간대의 사용자 데이터를 입력값으로 하여 사용자 스트레스 레벨을 예측하는 구성을 말한다. 예를 들어, 사용자가 스트레스 레벨을 L3으로 입력한 시점에서의 심장 박동수(Heart Rate, HR), 심박 변이도(Heart Rate Variability, HRV)와 유사한 신체 데이터가 수집된 시점이 있을 경우, 해당 시점의 스트레스 레벨이 입력되지 않았어도, 상기 스트레스학습모듈(331)을 통해 생성된 스트레스 학습 모델은 해당 시점의 스트레스 레벨을 L3으로 예측할 수 있게 된다. The stress prediction module 333 is connected to the stress learning module 331 to predict the user stress level by taking user data of a time zone without input data on user stress as an input value through the generated stress learning model. say composition. For example, if there is a time point at which body data similar to heart rate (HR) and heart rate variability (HRV) are collected at the time when the user inputs the stress level as L3, the stress at that time Even if the level is not input, the stress learning model generated through the stress learning module 331 can predict the stress level at that time as L3.

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

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

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

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

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

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

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

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

상기 데이터패턴추출모듈(433)은, 시간에 따른 데이터 패턴을 추출하는 구성으로, 상기 데이터수집부(10) 및 상기 활동분석부(20)와 연결되어 사용자 데이터 또는 활동 데이터로부터 데이터 패턴을 추출한다. 예를 들어, 실시간으로 사용자 주변의 온도 데이터가 수신될 경우, 상기 데이터패턴추출모듈(433)은 온도 수치를 연속적인 그래프 형식으로 표현할 수 있으며, 이렇게 표현된 그래프의 증가와 감소 형태가 데이터 패턴을 의미한다. 또한, 활동 데이터에서 사용자의 활동이 오후 1시부터 오후 2시까지는 휴식, 오후 2시부터 오후 3시까지는 공부, 오후 3시부터 오후 4시까지는 공부, 오후 4시부터 오후 5시까지는 휴식, 오후 5시부터 오후 6시까지는 공부로 추론 또는 특정되었다면, 이러한 시간에 따른 활동 내용의 변화 양상도 데이터 패턴에 포함될 수 있다.The data pattern extraction module 433 is configured to extract data patterns according to time, and is connected to the data collection unit 10 and the activity analysis unit 20 to extract data patterns from user data or activity data. . For example, when temperature data around the user is received in real time, the data pattern extraction module 433 can express the temperature value in the form of a continuous graph, and the form of increase and decrease in the expressed graph forms the data pattern. it means. In addition, in the activity data, the user's activity is rest from 1:00 PM to 2:00 PM, study from 2:00 PM to 3:00 PM, study from 3:00 PM to 4:00 PM, rest from 4:00 PM to 5:00 PM, and afternoon If the period from 5:00 to 6:00 PM is inferred or specified as study, the pattern of change in activity content according to this time may also be included in the data pattern.

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

상기 조절요인특정모듈(437)은, 상기 비교모듈(435)과 연결되어 상기 스트레스 레벨 패턴과 유사한 데이터 패턴을 보이는 데이터를 특정하는 구성을 말한다. 예를 들어, 온도가 증가하는 구간에서는 스트레스 레벨이 증가하였고 온도가 감소하는 구간에서는 스트레스 레벨이 함께 감소했다면, 온도의 증감소에 따라 스트레스 레벨도 함께 증감소하기 때문에, 온도는 스트레스 레벨 조절의 주요 요인으로 특정될 수 있다. 또한, 상기 비교모듈(435)이 스트레스 레벨 패턴의 그래프 파형과, 데이터 패턴의 그래프 파형의 유사 정도를 수치로 평가할 경우, 상기 조절요인특정모듈(437)은 평가된 수치 가운데, 일정 수치, 예를 들어 80% 이상 유사도를 보이는 파형에 해당하는 그래프의 데이터를 스트레스 레벨 조절 요인으로 특정할 수도 있다. 뿐만 아니라, 활동 데이터와 같이 그래프 형태로 표현하기 어려운 데이터 패턴은 활동 내용 자체를 분석하게 되는데, 예를 들어, 오후 1시부터 오후 2시까지 국어공부를 할 때 스트레스 레벨은 L3, 오후 2시부터 오후 3시까지 영어공부를 할 때 스트레스 레벨은 L5, 오후 3시부터 오후 4시까지 수학공부를 할 때 스트레스 레벨은 L7 등으로 평가되었다면, 국어공부는 스트레스 레벨을 낮추는 조절 요인이 되고, 수학공부는 스트레스 레벨을 높이는 조절 요인으로 특정될 수 있다.The controlling factor specification module 437 is connected to the comparison module 435 and refers to a configuration for specifying data showing a data pattern similar to the stress level pattern. For example, if the stress level increases in the period where the temperature increases and decreases in the period where the temperature decreases, the stress level also increases and decreases as the temperature increases and decreases, so temperature is the main factor in controlling the stress level. It can be specified as a factor. In addition, when the comparison module 435 evaluates the degree of similarity between the graph waveform of the stress level pattern and the graph waveform of the data pattern as a numerical value, the adjustment factor specification module 437 selects a certain numerical value, for example, from among the evaluated numerical values. For example, graph data corresponding to waveforms showing a similarity of 80% or more may be specified as a stress level control factor. In addition, data patterns that are difficult to express in graph form, such as activity data, are analyzed by the activity itself. For example, when studying Korean from 1:00 pm to 2:00 pm, the stress level is L3, and from 2:00 pm If the stress level was evaluated as L5 when studying English until 3:00 pm and L7 when studying math from 3:00 pm to 4:00 pm, Korean language study becomes a controlling factor to lower the stress level, and mathematics study can be specified as a regulating factor that increases the stress level.

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

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

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

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

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

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

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

상기 제안요인특정모듈(61)은, 스트레스조정부(50)의 스트레스조정모듈(55)과 연결되어 사용자에게 제공한 스트레스 조절 요인을 특정하는 구성을 말한다. 상기 유효성확인부(60)에 의하면, 사용자에게 제안된 스트레스 조절 요인이 무엇이며, 사용자가 제공된 스트레스 조절 요인에 따라 행동했는지 여부를 파악해야 하는바, 상기 제안요인특정모듈(61)에 의해 가장 먼저 사용자에게 제공된 스트레스 조절 요인이 파악되게 된다. 예를 들어 사용자 측에 주변 소음이나 온도를 높이라는 제안이 이루어졌다면, 상기 제안요인특정모듈(61)은 주변 소음과 주변 온도 증가를 제안 요인으로 특정한다.The suggested factor specifying module 61 is connected to the stress adjusting module 55 of the stress adjusting unit 50 and refers to a component that specifies the stress adjusting factor provided to the user. According to the validation unit 60, it is necessary to determine what stress control factors are suggested to the user and whether or not the user has acted according to the provided stress control factors. Stress control factors provided to the user are identified. For example, if a proposal to increase the ambient noise or temperature is made by the user, the suggestion factor specifying module 61 specifies the increase in ambient noise and ambient temperature as suggested factors.

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

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

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

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

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

상기 스트레스판단모듈(653)은, 상기 스트레스확인모듈(651)과 연결되어 확인된 사용자의 스트레스 레벨이 상기 최적스트레스특정모듈(415)에 의한 최적 스트레스 레벨과 동일한지 여부를 판단하는 구성을 말한다. 상기 스트레스판단모듈(653)은 제안 사항에 따라 행동한 사용자의 스트레스 레벨이 당초 시스템(1)이 평가한 최적 스트레스 레벨로 변화되었는지를 판단함으로써, 제안 내용의 정확성을 검증하는 구성으로 볼 수 있다. 만일 사용자의 스트레스 레벨이 최적 스트레스 레벨로 변화했다면, 제안 내용은 정확했다고 평가될 수 있고, 사용자의 스트레스 레벨이 최적 스트레스 레벨로 변화하지 않았다면, 제안 내용은 부정확했다고 평가될 수 있다.The stress determination module 653 is connected to the stress check module 651 and determines whether or not the checked stress level of the user is the same as the optimal stress level by the optimal stress specification module 415 . The stress determination module 653 can be regarded as a component that verifies the accuracy of the proposed content by determining whether the stress level of the user who acted according to the suggested item has changed to the optimal stress level initially evaluated by the system 1 . If the user's stress level changes to the optimum stress level, the suggestion may be evaluated as correct, and if the user's stress level does not change to the optimal stress level, the suggestion may be evaluated as incorrect.

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

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

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

Claims

a data collection unit receiving user data;
an activity analysis unit that is connected to the data collection unit and generates activity data by analyzing the received user data;
a stress analysis unit connected to the data collection unit and generating stress data by analyzing the received user data;
Correlation analysis that determines the optimal stress level at which the maximum learning efficiency is displayed by being connected to the data collection unit, the activity analysis unit, and the stress analysis unit, and specifies a control factor that shows a data pattern similar to the stress level pattern based on the same time period. wealth,
Connected to the correlation analysis unit, when the current stress level is lower than the determined optimal stress level, it is proposed to increase the stress with the specified control factor, and the current stress level is higher than the determined optimal stress level. In this case, including a stress adjustment unit that proposes to reduce the stress with the specified control factor,
On the premise that an increase in stress can be a positive factor in learning, learning using academic stress analysis is characterized in that only control factors effective for changing the user's current stress level to the optimal stress level are selectively provided. Efficiency enhancement system.

According to claim 1,
The correlation analysis unit comprises a stress efficiency analysis module for specifying an optimal stress level for improving the user's learning efficiency, the system for improving learning efficiency using academic stress analysis.

According to claim 2,
The stress efficiency analysis module includes an efficiency data extraction module for extracting learning efficiency data from the data collection unit, a maximum efficiency specification module for specifying a maximum learning efficiency among extracted learning efficiency data connected to the efficiency data extraction module, A learning efficiency improvement system using academic stress analysis, characterized in that it includes an optimal stress specific module that specifies a stress level when the maximum learning efficiency is shown in connection with the maximum efficiency specific module.

According to claim 2,
The correlation analysis unit is connected to the stress efficiency analysis module and includes a stress factor analysis module for specifying a stress control factor affecting the user's stress, learning efficiency improvement system using academic stress analysis.

According to claim 4,
The stress factor analysis module is connected to a stress pattern extraction module for extracting a stress level pattern over time, a data pattern extraction module for extracting a data pattern over time, the stress pattern extraction module and the data pattern extraction module, Study stress analysis comprising a comparison module for comparing the stress level pattern and the data pattern, and a control factor specification module connected to the comparison module and specifying data showing a data pattern similar to the stress level pattern Learning efficiency improvement system using .

According to claim 1,
The stress adjustment unit includes a current stress extraction module that is connected to the stress specific module of the stress analysis unit to extract the user's current stress level, and an optimal stress extraction module that is connected to the optimal stress specific module of the correlation analysis unit and extracts the user's optimal stress level. And, a stress adjustment module that is connected to the control factor specific module of the correlation analysis unit and provides the user with control factors for increasing and decreasing the user's stress,
The stress adjustment module includes a stress increasing module providing a factor for increasing the user's stress level to the user and a stress reducing module providing a factor for reducing the user's stress level to the user. A learning efficiency improvement system using analytics.

According to claim 1,
The activity analyzer includes an activity input determination module for determining whether input data on user activity for each time period has been received, and an activity inference module for inferring user activity in a time zone in which there is no user activity input data connected to the activity input determination module. module, and an activity specification module that is connected to the activity input determination module and specifies user activity in a time zone in which input data on user activity exists;
The activity reasoning module includes an activity learning module for generating an activity learning model by using user data of a time zone with user activity input data as an input value and using input data of the user activity of the corresponding time zone as a result value; Academic stress, characterized in that it comprises an activity prediction module for predicting user activity by taking user data of a time zone in which there is no input data on user activity as an input value through the activity learning model generated in connection with the activity learning module. A learning efficiency improvement system using analytics.

According to claim 1,
The stress analyzer includes a stress input determination module for determining whether input data on user stress for each time period is received, and a stress input determination module connected to the stress input determination module to infer the user's stress level in a time zone in which there is no input data on user stress. Including an inference module and a stress specific module connected to the stress inference module and specifying a user stress level in a time zone in which input data on user stress is present;
The stress reasoning module includes a stress learning module for generating a stress learning model by taking user data of a time zone with input data on user stress as an input value and using the user stress level of the corresponding time zone as a result value, and the stress learning A stress prediction module that predicts the user's stress level by taking user data in a time zone without input data on user stress as an input value through the stress learning model generated in connection with the module. Academic stress analysis, characterized in that it includes Learning efficiency improvement system used.

According to claim 1,
The learning efficiency improvement system, one side is connected to the stress adjustment unit, the other side is connected to the data collection unit and the stress analysis unit, to determine whether the stress control factor provided by the stress adjustment unit is an effective stress control factor A learning efficiency improvement system using an academic stress analysis, characterized in that it further comprises a validation unit.

According to claim 9,
The validation unit is connected to the stress adjustment unit and proposes a suggestion factor specification module for specifying the stress control factor provided to the user, and a suggestion factor specification module connected to the suggestion factor specification module to confirm whether the user has accepted the provided stress control factor. A learning efficiency improvement system using academic stress analysis, characterized in that it includes an acceptance judgment module and a proposal utility verification module that verifies the effect of the stress control factor provided in connection with the proposal acceptance judgment module.

According to claim 10,
The proposal acceptance decision module includes a related data extraction module that is connected to the data collection unit and extracts data related to stress control factors provided to the user, and stress provided to the user in the extracted data connected to the related data extraction module. A system for improving learning efficiency using academic stress analysis, characterized in that it includes a reflection confirmation module that checks whether the adjustment factor is reflected.

According to claim 11,
The proposed utility verification module has one side connected to the reflection confirmation module and the other side connected to the stress specific module, and when the reflection of the stress control factor provided to the user is confirmed through the reflection confirmation module, the stress specific module a stress check module for checking the stress level of the user from the stress check module, a stress determination module for determining whether the stress level of the user confirmed by being connected to the stress check module is the same as the optimal stress level by the optimal stress specific module, and the stress determination module. When the stress level of the user confirmed by being connected to the determination module is different from the optimal stress level by the optimal stress specification module, the stress control factor provided to the user is excluded when the data is specified by the control factor specification module. Learning efficiency improvement system using academic stress analysis, characterized in that it comprises an update module for updating.