KR20230150227A - 직무 역량 기반의 교육 서비스 제공 방법 및 장치 - Google Patents

직무 역량 기반의 교육 서비스 제공 방법 및 장치 Download PDF

Info

Publication number
KR20230150227A
KR20230150227A KR1020230052446A KR20230052446A KR20230150227A KR 20230150227 A KR20230150227 A KR 20230150227A KR 1020230052446 A KR1020230052446 A KR 1020230052446A KR 20230052446 A KR20230052446 A KR 20230052446A KR 20230150227 A KR20230150227 A KR 20230150227A
Authority
KR
South Korea
Prior art keywords
job
competency
user
information
capabilities
Prior art date
Application number
KR1020230052446A
Other languages
English (en)
Inventor
김태현
천세희
Original Assignee
(주)더자람컴퍼니
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)더자람컴퍼니 filed Critical (주)더자람컴퍼니
Publication of KR20230150227A publication Critical patent/KR20230150227A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • G06Q50/205Education administration or guidance
    • G06Q50/2057Career enhancement or continuing education service
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/3332Query translation
    • G06F16/3334Selection or weighting of terms from queries, including natural language queries
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • G06F16/3344Query execution using natural language analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/9032Query formulation
    • G06F16/90332Natural language query formulation or dialogue systems
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/9035Filtering based on additional data, e.g. user or group profiles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311Scheduling, planning or task assignment for a person or group
    • G06Q10/063112Skill-based matching of a person or a group to a task
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • G06Q10/105Human resources
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • G06Q10/105Human resources
    • G06Q10/1053Employment or hiring
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Educational Technology (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

직무 역량 기반의 교육 서비스 제공 방법 및 장치가 제공된다. 본 발명의 일 실시예에 따른 직무 역량 기반의 교육 서비스 제공 방법은 컴퓨팅 장치에 의해 수행되고, 사용자 정보를 획득하는 단계, 상기 사용자 정보를 기초로 사용자의 보유 역량을 추정하는 단계, 상기 보유 역량을 기초로 제1 직무를 위한 상기 사용자의 육성 역량을 결정하는 단계, 및 상기 육성 역량을 기초로 하나 이상의 교육 컨텐츠에 대한 정보를 제공하는 단계를 포함할 수 있다.

Description

직무 역량 기반의 교육 서비스 제공 방법 및 장치{METHOD AND APPARATUS FOR PROVIDING EDUCATION SERVICE BASED ON JOB COMPETENCE}
본 발명은 직무 역량 기반의 교육 서비스 제공 방법 및 장치에 관한 것이다. 더욱 상세하게는, 직무에 필요한 역량 정보를 기초로 사용자에게 필요한 교육 서비스를 제공하는 직무 역량 기반의 교육 서비스 제공 방법 및 장치에 관한 것이다.
산업환경이 고도화됨에 따라, 사회에는 여러 직군에 따른 다양한 직무가 생겨나고 있다. 구직자의 입장에서 자신의 희망하는 직무에 채용되기 위해 어떤 역량이 필요한지를 아는 것은 매우 중요한 문제이다. 그러나, 직무가 점점 다양하고 세분화됨에 따라, 특정 직무에 채용되기 위한 필요 역량이 무엇이고, 이를 갖추기 위해 무엇을 해야 하는지, 구직자 스스로 알아내는 것은 점점 어려워지고 있다.
한편, 기업이 인재를 채용함에 있어서도, 해당 직무를 수행하기 위해 요구되는 역량을 갖춘 인재를 선별하는 것은 매우 중요한 문제이다. 그러나, 어떤 인재가 특정 직무에 필요한 역량을 올바로 갖추었는지 판단하는 것은 매우 어렵다. 기존에는, 학력, 전공, 자격증 유무를 기준으로 해당 인재가 직무 역량을 보유했는지를 판단하였으나, 사회환경의 변화에 따라 각 직무에서 요구하는 역량이 더욱 세분화, 전문화되면서 이러한 고전적인 방식은 더 이상 유효하지 않게 되었다.
대한민국 등록특허공보 제10-2314150호 (2021.10.15 공고)
본 발명의 실시예들을 통해 해결하고자 하는 기술적 과제는, 사용자의 역량을 파악함에 있어 단순한 학력 사항, 자격증 사항 등에만 의존하지 않고, 사용자의 직무 이력, 수강 이력, 또는 과제 수행 이력 등을 기초로 사용자의 보유 역량을 파악할 수 있는 직무 역량 기반의 교육 서비스 제공 방법 및 장치를 제공하는 것이다.
본 발명의 실시예들을 통해 해결하고자 하는 다른 기술적 과제는, 특정 직무의 필요 역량과 사용자의 현재 보유 역량을 비교, 분석하여, 해당 직무를 위해 사용자가 강화해야 할 육성 역량을 도출할 수 있는 직무 역량 기반의 교육 서비스 제공 방법 및 장치를 제공하는 것이다.
본 발명의 실시예들을 통해 해결하고자 하는 또 다른 기술적 과제는, 사용자의 육성 역량 배양을 위한 다양한 교육 컨텐츠 및 관련 정보를 제공함으로써, 사용자가 자신에게 부족한 역량을 효과적으로 육성할 수 있도록 하는 직무 역량 기반의 교육 서비스 제공 방법 및 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위한, 본 발명의 실시예들에 따른 직무 역량 기반의 교육 서비스 제공 방법은, 컴퓨팅 장치에 의해 수행되고, 사용자 정보를 획득하는 단계, 상기 사용자 정보를 기초로 사용자의 보유 역량을 추정하는 단계, 상기 보유 역량을 기초로 제1 직무를 위한 상기 사용자의 육성 역량을 결정하는 단계, 및 상기 육성 역량을 기초로 하나 이상의 교육 컨텐츠에 대한 정보를 제공하는 단계를 포함할 수 있다.
일 실시예로서, 상기 사용자 정보는, 사용자의 직무 이력, 수강 이력, 과제 수행 이력, 또는 설문 응답지를 포함할 수 있다.
일 실시예로서, 상기 보유 역량을 추정하는 단계는, 상기 사용자 정보로부터 경험 정보를 추출하는 단계, 및 상기 경험 정보를 기초로 하나 이상의 역량을 상기 사용자의 보유 역량으로 추정하는 단계를 포함할 수 있다.
일 실시예로서, 상기 육성 역량을 결정하는 단계는, 직무 역량 데이터베이스로부터 상기 제1 직무의 필요 역량을 조회하는 단계, 상기 필요 역량과 상기 보유 역량을 비교하는 단계, 및 상기 비교 결과에 기초하여 상기 육성 역량을 결정하는 단계를 포함할 수 있다.
일 실시예로서, 상기 육성 역량은, 역량 항목, 현재 수준, 및 필요 수준을 포함할 수 있다.
일 실시예로서, 상기 교육 컨텐츠에 대한 정보를 제공하는 단계는, 상기 육성 역량과 속성 정보가 매칭되는 제1 교육 컨텐츠를 검색하는 단계, 및 상기 검색된 제1 교육 컨텐츠에 대한 정보를 제공하는 단계를 포함할 수 있다.
일 실시예로서, 상기 속성 정보는, 자연어 처리 기반 인공지능 모델을 통해 상기 제1 교육 컨텐츠를 분석하여 추출된 직무 역량 키워드를 포함할 수 있다.
일 실시예로서, 상기 교육 컨텐츠에 대한 정보를 제공하는 단계는, 사용자 단말의 화면 상에서, 상기 제1 직무의 필요 역량 또는 상기 육성 역량과 함께 상기 하나 이상의 교육 컨텐츠에 대한 정보가 미리 결정된 기준에 따라 나열하거나 정렬 표시되도록 할 수 있다.
일 실시예로서, 상기 하나 이상의 교육 컨텐츠는, 상기 육성 역량과 연관된 강의, 아티클(Article), 멘토링(Mentoring), 커뮤니티 서비스, 일대일 커뮤니케이션 채널, 또는 다자간 커뮤니케이션 채널을 포함할 수 있다.
상기 기술적 과제를 해결하기 위한, 본 발명의 실시예들에 따른 직무 역량 기반의 교육 서비스 제공 장치는, 프로세서, 상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 로드(load)하는 메모리, 및 상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되, 상기 컴퓨터 프로그램은, 사용자 정보를 획득하는 동작, 상기 사용자 정보를 기초로 사용자의 보유 역량을 추정하는 동작, 상기 보유 역량을 기초로 제1 직무를 위한 상기 사용자의 육성 역량을 결정하는 동작, 및 상기 육성 역량을 기초로 하나 이상의 교육 컨텐츠에 대한 정보를 제공하는 동작을 수행하기 위한 인스트럭션들을 포함할 수 있다.
상기한 본 발명의 실시예들에 따르면, 사용자의 역량을 파악함에 있어 단순한 학력 사항, 자격증 사항 등에만 의존하지 않고, 사용자의 직무 이력, 수강 이력, 또는 과제 수행 이력 등을 기초로 사용자의 보유 역량을 파악할 수 있게 된다.
또한, 특정 직무의 필요 역량과 사용자의 현재 보유 역량을 비교, 분석하여, 해당 직무를 위해 사용자가 강화해야 할 육성 역량을 도출할 수 있게 된다.
또한, 사용자의 육성 역량 배양을 위한 다양한 교육 컨텐츠 및 관련 정보를 제공함으로써, 사용자가 자신에게 부족한 역량을 효과적으로 육성할 수 있도록 할 수 있다.
도 1은 본 발명의 다양한 실시예들이 구현되는 전체 시스템을 나타내는 개요도이다.
도 2는 도 1에 도시된 서비스 장치(100)의 예시적인 구성을 나타내는 블록도이다.
도 3은 본 발명의 일 실시예에 따른, 채용 공고 기반의 직무 역량 정보 제공 방법을 나타내는 순서도이다.
도 4는 도 3의 S120 단계를 부연설명하기 위한 도면이다.
도 5는 도 3의 S130 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다.
도 6 내지 도 9는 도 5의 실시예를 부연설명하기 위한 도면들이다.
도 10은 도 3의 S140 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다.
도 11 내지 도 13은 도 10의 실시예를 부연설명하기 위한 도면들이다.
도 14는 본 발명의 일 실시예에 따른, 직무 역량 기반의 교육 서비스 제공 방법을 나타내는 순서도이다.
도 15 내지 도 17은 도 14의 S210 단계를 부연설명하기 위한 도면들이다.
도 18은 도 14의 S220 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다.
도 19는 도 18의 실시예를 부연설명하기 위한 도면이다.
도 20은 도 14의 S230 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다.
도 21은 도 20의 실시예를 부연설명하기 위한 도면이다.
도 22는 도 14의 S240 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다.
도 23 내지 도 25는 도 22의 실시예를 부연설명하기 위한 도면들이다.
도 26은 본 발명의 다양한 실시예들을 구현하기 위해 사용되는 컴퓨팅 장치의 하드웨어 구성을 예시적으로 나타내는 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 실시예들을 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명의 기술적 사상은 이하의 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 이하의 실시예들은 본 발명의 기술적 사상을 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명의 기술적 사상은 청구항의 범주에 의해 정의될 뿐이다.
각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
도 1은 본 발명에 따른 다양한 서비스가 구현되는 전체 시스템 구성을 예시적으로 나타내는 도면이다. 도 1을 참조하면, 전체 시스템은 사용자 단말(10), 및 서비스 장치(100)를 포함할 수 있으며, 사용자 단말(10) 및 서비스 장치(100)는 상호 통신을 하며 본 발명이 제공하는 다양한 서비스를 구현할 수 있다.
일 실시예로서, 사용자 단말(10), 및 서비스 장치(100)는 네트워크를 통해 유선 또는 무선으로 연결될 수 있다.
이때, 네트워크를 이용한 상호간 통신을 위해 사용자 단말(10), 및 서비스 장치(100)는 인터넷 네트워크, LAN, WAN, PSTN(Public Switched Telephone Network), PSDN(Public Switched Data Network), 케이블 TV 망, WIFI, 이동 통신망 및 기타 무선 통신망 등을 통하여 데이터를 송수신할 수 있다. 또한, 사용자 단말(10), 및 서비스 장치(100)는 각 통신망에 상응하는 프로토콜로 통신하기 위한 각각의 통신 모듈을 포함할 수 있다.
그리고, 본 명세서에서 설명되는 사용자 단말(10) 및 서비스 장치(100)에는 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 네비게이션 등이 포함될 수 있으나, 본 발명의 범위가 이에 한정되는 아니며, 사용자 단말(10) 및 서비스 장치(100)에는 앞서 언급한 장치들 이외에도 사용자 입력 및 정보 표시 등이 가능한 다양한 장치가 포함될 수 있다.
한편, 사용자 단말(10) 및 서비스 장치(100) 간의 다양한 데이터 송수신은, 각 장치에 설치된 애플리케이션을 통해 수행되거나, 이메일, 단문 또는 장문 문자 메시지 포맷의 데이터를 통해 송수신될 수 있으며, 이동통신망 또는 전용 인터넷망을 통해 상기 애플리케이션 데이터, 이메일, 단문 또는 장문 문자 메시지 포맷의 데이터가 송수신될 수 있다.
이를 위해, 서비스 장치(100)는, 통신 프로토콜 변환, 파일(File) 서버, 콜렉트(Collect) 서버, 푸시 게이트웨이(Gateway) 서버, 전송 서버, 어카운트 서버, 어드민 서버, 수신 서버, 변환 서버, 메시징 서버, 푸시(push) 수신 서버, 푸시 발송 서버 기능 등의 전반적인 역할을 수행하는 서버 장치로 구현될 수 있다.
그리고, 서비스 장치(100)는, 필요에 따라 사용자 단말(10)과 송수신하는 데이터의 전부 또는 일부를 암호화하여 관리할 수 있다.
한편, 도 1의 서비스 장치(100)는 도 3의 채용 공고 기반의 직무 역량 정보 제공 방법을 수행하기 위한 직무 역량 정보 제공 장치, 또는 도 14의 직무 역량 기반의 교육 서비스 제공 방법을 수행하기 위한 교육 서비스 제공 장치일 수 있다.
도 2는 도 1에 도시된 서비스 장치(100)의 예시적인 구성을 나타내는 블록도이다. 도 2를 참조하면, 서비스 장치(100)는 직무 역량 체계 구성부(110), 사용자 역량 분석부(120), 교육 서비스 제공부(130), 및/또는 직무 역량 데이터베이스(140)를 포함할 수 있다.
직무 역량 체계 구성부(110)는 채용 공고를 수집하여, 채용 공고로부터 직무 역량과 관련된 키워드들을 추출하고, 추출된 키워드에 근거하여 각 직무별 필요 역량을 결정한 후, 이를 기초로 직무 역량 정보를 생성하고 데이터베이스화하는 구성요소이다. 직무 역량 체계 구성부(110)에 의해 생성된 직무 역량 정보는 직무 역량 데이터베이스(140)에 저장될 수 있다.
여기서, 직무 역량은 특정 업무나 특정 주제와 연관된 문제를 해결할 수 있는 능력을 의미하는 것으로, 직무 수행에 이용될 수 있는 지식, 전문성, 또는 특정한 기술을 의미한다. 간단하게, 본 발명에서는 직무 역량을 직무와 연관된 소정의 능력, 또는 역량으로 정의한다.
본 발명의 일 실시예에서, 직무 역량 체계 구성부(110)는 직무별 필요 역량을 고정적으로 지정하지 않고, 채용 공고를 주기적으로 수집하여 채용 공고에 나타내는 직무별 요구 역량을 기준으로 각 직무의 필요 역량을 정의한다.
예를 들어, [디자인]-[패션 디자이너] 직무에 대해 과거의 제1 시점의 채용 공고들에서 지원자들에게'상품기획','제품 디자인' 역량을 많이 요구했다면, 제1 시점에서 직무 역량 정보의 [디자인]-[패션 디자이너] 직무의 필요 역량은 '상품기획','제품 디자인'이 될 것이다. 이후, 시간이 흘러, 제2 시점에서, 채용 공고들이 [디자인]-[패션 디자이너] 직무의 지원자들에게'상품기획','UI 디자인'역량을 요구하는 것으로 바뀌었다면, 제2 시점에서 직무 역량 정보의 [디자인]-[패션 디자이너] 직무의 필요 역량은 '상품기획','UI 디자인'으로 변경 및 업데이트될 것이다. 한편, 본 발명에서 특정 직무는 위의 예와 같이 그 직군과 함께 표기될 수 있다. 예를 들어,'패션 디자이너'직무는 그 직군인'디자인'과 함께, [디자인]-[패션 디자이너]로써 표기될 수 있다.
이처럼, 채용 공고를 기초로 직무 역량을 정의하게 되면, 기존 NCS(국가직무능력표준)와 같은 직무 역량 체계에 비해, 채용 시장의 니즈 및 트렌드를 더욱 빠르고 정확하게 반영할 수 있으며, 채용 시장에서 기존에 없던 새로운 직무나 역량을 요구하는 경우에도 시스템의 변경이나 큰 업데이트 비용을 들이지 않고 이를 손쉽게 직무 역량 체계에 편입할 수 있게 된다.
일 실시예로서, 상기 직무 역량 정보는 특정 직무에 대한 필요 역량의 변화 경향을 나타내는 역량 트렌드 정보를 포함할 수 있다. 가령, 위의 예에서와 같이, [디자인]-[패션 디자이너] 직무에 대해 제1 시점과 제2 시점에서 필요 역량이 달라지게 되면, 필요 역량의 변화점에 대한 정보(즉, 제품 디자인이 필요 역량에서 제외되고, UI 디자인이 필요 역량에 새롭게 추가된 것)가 역량 트렌드 정보로서 직무 역량 정보에 포함될 수 있다.
사용자 역량 분석부(120)는 사용자 정보를 기초로 사용자가 보유한 직무 역량(이하,'보유 역량'이라 함)을 분석하고, 특정 직무와 연관되어 사용자가 더욱 새롭게 갖추거나 더욱 강화하여야 할 역량(이하,' 육성 역량'이라 함)을 도출하는 구성요소이다.
예를 들어, 사용자 정보를 기초로 판단한 결과 사용자가'상품 기획'역량을 보유한 것으로 추정되면, 상기'상품 기획'은 사용자의 보유 역량이 된다. 이때, 앞서의 예를 기초로 [디자인]-[패션 디자이너] 직무에 대해 사용자의 직무 역량을 분석하면, [디자인]-[패션 디자이너] 직무의 필요 역량 중'상품 기획'은 사용자가 기 보유한 보유 역량에 해당하나,'UI 디자인'역량은 사용자가 아직 갖추지 못한 역량으로서 사용자가 해당 직무를 위해 육성해야 할 육성 역량이 된다.
이렇게 사용자 역량 분석부(120)에 의해 도출된 보유 역량 또는 육성 역량에 대한 정보는 사용자에게 제공될 수 있다. 사용자는 이를 참고하여 자신의 부족한 역량을 손쉽게 파악하고 올바르게 자신의 직무 역량을 관리, 개발할 수 있다.
일 실시예로서, 사용자 정보는 사용자의 직무 이력, 수강 이력, 과제 수행 이력, 또는 설문 응답지를 포함할 수 있으나, 본 발명의 범위가 이에 한정되지는 않으며 사용자가 직접 입력하거나 사용자의 동의를 얻어 외부 서버나 홈페이지로부터 수집되는 임의의 데이터를 포함할 수 있다.
교육 서비스 제공부(130)는 사용자의 직무 역량 향상을 위해 필요한 교육 서비스를 제공하는 구성요소이다. 교육 서비스 제공부(130)는 사용자의 육성 역량을 기초로, 육성 역량의 향상 및 습득에 도움이 되는 교육 컨텐츠를 검색 또는 선별한 후, 이에 대한 정보를 사용자에게 제공한다.
가령, 앞서의 예를 참고하면, [디자인]-[패션 디자이너] 직무에 대한 사용자의 육성 역량은'UI 디자인'역량이다. 이때, 교육 서비스 제공부(130)는 복수의 교육 컨텐츠들 중'UI 디자인'역량의 교육, 육성과 연관된 제1 교육 컨텐츠를 검색 또는 선별하고, 제1 교육 컨텐츠에 대한 정보를 사용자에게 제공한다. 사용자는 제공된 정보를 참조하여, 필요한 경우 제1 교육 컨텐츠를 이용하게 된다.
일 실시예로서, 상기 제1 교육 컨텐츠는, 사용자의 육성 역량과 연관된 강의, 아티클(Article), 멘토링(Mentoring), 커뮤니티 서비스, 일대일 커뮤니케이션 채널, 또는 다자간 커뮤니케이션 채널을 포함할 수 있다. 즉, 교육 서비스 제공부(130)는 제1 교육 컨텐츠로서, 육성 역량을 강화하기 위한 동영상 강의에 대한 정보를 제공할 수도 있고, 육성 역량을 주제로 하는 아티클에 대한 정보를 제공할 수도 있고, 육성 역량을 개발하기 위한 조언을 얻을 수 있는 멘토링 서비스에 대한 정보를 제공할 수도 있고, 육성 역량 개발을 위한 사용자들 간 커뮤니티 서비스에 대한 정보를 제공할 수도 있고, 그러한 사용자들간 일대일 또는 다자간 커뮤니케이션 채널에 대한 정보를 제공할 수도 있다.
직무 역량 데이터베이스(140)는 서비스 장치(100)의 구동에 필요한 다양한 정보 및 데이터베이스를 저장, 제공하는 구성요소이다. 직무 역량 데이터베이스(140)는 예를 들어, 직무 역량 체계 구축부(110)에 의해 생성된 직무 역량 정보, 사용자 역량 분석부(120)에 의해 생성된 사용자 직무 역량 정보, 및/또는 사용자의 직무 역량 육성을 위한 다양한 교육 컨텐츠에 대한 정보를 저장하고, 이를 각 부(110, 120, 130)의 요청에 의해 제공할 수 있다.
일 실시예로서, 직무 역량 데이터베이스(140)는 도 26의 스토리지(590)를 포함하는 모듈일 수 있으나, 이에 한정되는 것은 아니다.
이하에서는, 도 2의 서비스 장치(100)에 의해 본 발명의 다양한 서비스들이 구현되는 방법을 구체적인 실시예와 함께 설명하기로 한다.
도 3은 본 발명의 일 실시예에 따른, 채용 공고 기반의 직무 역량 정보 제공 방법을 나타내는 순서도이다. 도 3의 직무 역량 정보 제공 방법 도 2의 서비스 장치(100)에 의해 수행되는 것으로, 이 때의 서비스 장치(100)는 채용 공고 기반의 직무 역량 정보 제공 장치로 지칭될 수 있다. 따라서, 이하의 단계들에서 수행 주체가 생략된 경우 그 수행 주체는 상기 직무 역량 정보 제공 장치인 것으로 전제한다.
S110 단계에서, 하나 이상의 채용 공고가 수집된다.
일 실시예로서, 상기 채용 공고는 외부의 서버, 게시판, 또는 구인 플랫폼으로부터 API를 이용하여, 외부의 서버, 게시판, 또는 구인 플랫폼에 게시된 채용 공고를 크롤링하는 방법에 의해 수집될 수 있다.
일 실시예로서, 상기 채용 공고는 주기적으로 반복 수집될 수 있다. 예를 들어, 상기 채용 공고는 미리 결정된 주기(예. 한달)에 따라, 매 주기마다 외부의 서버, 게시판, 또는 구인 플랫폼에 게시된 채용 공고를 자동으로 크롤링하는 방식으로 수집될 수도 있다.
S120 단계에서, 수집된 채용 공고에 포함된 텍스트를 분석하여 직무 역량 데이터가 추출된다.
일 실시예로서, 상기 직무 역량 데이터는 기계 학습된 인공지능 모델을 기반으로 채용 공고에 포함된 텍스트를 분석하여 채용 공고의 대상 직무와 요구 역량을 식별하고, 상기 대상 직무에 상기 요구 역량을 매칭한 값을 직무 역량 데이터로서 추출하는 방식으로 얻어질 수 있다. 여기서, 대상 직무는 채용 공고에 특정한 채용 대상 직무를 의미하고, 요구 역량은 대상 직무를 위해 요구되는 것으로 채용 공고로부터 추론되는 특정한 직무 역량을 의미한다. 이에 대한, 부연설명을 위해 도 4를 참조한다.
도 4를 참조하면, 채용 공고(20)를 기초로 직무 역량 데이터(30)를 추출하는 예시적인 방법이 설명된다. 도 4의 실시예는 직무 역량 구축부(110)에 의해 수행될 수 있다.
먼저, 수집된 채용 공고(20) 내 텍스트를 분석하여 직무 또는 직무 역량과 연관된 키워드가 식별된다. 이를 위해, 자연어 처리 기반의 기계학습된 인공지능 모델이 이용될 수 있다. 이때, 상기 인공지능 모델은 다수의 채용 공고를 학습 데이터로 학습하여, 채용 공고로부터 채용 공고가 요구하는 직무 및 요구 역량을 식별하도록 기계학습된 모델일 수 있다. 상기 인공지능 모델을 이용한 직무 역량 데이터(30) 추출 방법은 다음과 같다.
먼저, 수집된 채용 공고(20)가 인공지능 모델에 입력되면, 인공지능 모델은 채용 공고(20)로부터 거기에 포함된 텍스트를 추출하고, 자연어 처리 알고리즘을 통해 추출된 텍스트 내에 포함된 직무 또는 직무 역량과 연관된 키워드를 식별하고, 이를 기초로 해당 채용 공고(20)의 대상 직무 및 요구 역량을 식별한다.
가령, 도 4의 예를 참고하면, 인공지능 모델에 의해, 채용 공고(20)에 포함된 텍스트가 추출되고, 그 중 직무 또는 직무 역량과 관련된 키워드(21, 22, 23)들이 식별되고, 식별된 키워드(21, 22, 23) 중 직무와 연관된 키워드(21, 22)에 기초하여 채용 공고(20)의 대상 직무가 추론된다. 여기서, 추론된 대상 직무는 [디자인]-[패션 디자이너]인 것으로 가정한다.
일 실시예로서, 상기 대상 직무는 기존 직무 역량 정보에 정의된 것일 수도 있고, 채용 공고(20)에 포함된 키워드에 기초하여 신규로 생성된 것일 수도 있다. 예를 들어, 채용 공고(20)로부터 패션 디자이너의 키워드가 식별된 경우, 기존 직무 역량 정보에 그와 유사한 의류 디자이너의 직무가 존재한다면, 채용 공고(20)의 대상 직무를 기존 직무 역량 정보의 유사 직무로 간주하여, [디자인]-[의류 디자이너]로 대상 직무가 추론될 수 있다. 또는, 채용 공고(20)로부터 패션 디자이너의 키워드가 식별된 경우, 기존 직무 역량 정보에 그와 유사한 직무가 존재하더라도 이를 고려하지 않고, 채용 공고(20)로부터 식별된 키워드에 기초하여 [디자인]-[패션 디자이너] 직무를 신규로 정의하고 이를 채용 공고(20)의 대상 직무로 추론할 수도 있다.
그와 함께, 그 중 직무 또는 직무 역량과 관련된 키워드(21, 22, 23)들 중 직무 역량과 연관된 키워드(23)에 기초하여 채용 공고(20)의 요구 역량이 추론된다. 여기서, 추론된 요구 역량은 경력, 상품기획, 제품개발, 프로젝트 기획, 및 3년인 것으로 가정한다. 이때, 도 4의 예와 같이, 요구 역량에는 경력 연차(여기서는, 3년)가 포함될 수 있다.
일 실시예로서, 요구 역량은 행동 키워드 및 목적어 키워드의 쌍에 기초하여 식별될 수 있다. 도 4의 예를 들면, 키워드(23) 중 행동(act)와 연관된 키워드는 기획, 개발이 있고, 목적어(object)과 연관된 키워드는 상품, 제품, 프로젝트가 있다. 이 경우, 행동 키워드와 목적어 키워드가 조합된 하나의 키워드 쌍, 여기서는 상품기획, 제품개발, 또는 프로젝트 기획이 각각 개별 요구 역량으로서 식별될 수 있다.
이렇게, 채용 공고(20)로부터 대상 직무 및 요구 역량이 식별한 후, 대상 직무에 요구 역량을 매칭한 값을 직무 역량 데이터(30)로서 추출하게 된다.
다시 도 3으로 돌아가면, S130 단계에서, 추출된 직무 역량 데이터를 기초로 하나 이상의 직무에 대한 필요 역량이 결정된다. 이때, 특정 직무에 대한 필요 역량은 채용 공고를 기초로 추출된 직무 역량 데이터들 중에서 특정 직무와 연관된 데이터들만 따로 분류한 후, 분류된 데이터들에 공통적으로 포함된 역량을 식별하는 방식으로 결정될 수 있다.
이에 대한 부연설명을 위해 도 5 이하를 참조한다.
도 5는 도 3의 S130 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다.
S131 단계에서, 채용 공고를 기초로 추출된 다수의 직무 역량 데이터로부터 특정 직무(여기서는,'제1 직무'라 함)와 연관된 직무 역량 데이터(여기서는,'제1 데이터'라 함)가 추출된다. 여기서,'제1 직무와 연관'되었다 함은 대상 직무가 제1 직무인 것을 의미할 수 있다.
S132 단계에서, 추출된 제1 데이터로부터 제1 직무의 필요 역량이 결정된다. 이때, 각 직무 역량들의 제1 데이터 내 출현 빈도 및 반복 출현 횟수에 따라 제1 직무의 필요 역량이 결정될 수 있다. 이에 대해, 도 6을 참조하여 부연설명한다.
도 6의 예에서, 제1 직무는 [디자인]-[패션 디자이너] 직무인 것으로 가정된다. 도 6을 참조하면, 다수의 채용 공고를 기초로 추출된 직무 역량 데이터(30)가 있을 때, 그 중에서 제1 직무와 연관된 제1 데이터(41, 42, 43, 44, 45)가 추출된다.
그리고, 제1 데이터(41, 42, 43, 44, 45) 중 특정 역량의 출현 빈도 또는 반복 출현 횟수가 카운팅된다. 도 6을 예로 들면, 경력은 4회, 상품기획 및 UI 디자인은 각각 3회, 제품개발은 2회, 열정, 책임감, 거래처관리는 각각 1회 출현하였다. 또한, 경력 연차로서 3년이 3회, 5년이 1회, 1년이 1회 출현하였다.
그리고, 출현 빈도 또는 반복 출현 횟수를 기초로 제1 직무의 필요 역량이 결정되되, 출현 빈도 또는 반복 출현 횟수가 많은 요구 역량일수록 우선적으로 필요 역량으로 결정된다. 이때, 출현 빈도 또는 반복 출현 횟수와 연관된 미리 결정된 기준이 정의되고, 상기 기준을 만족하는 요구 역량이 필요 역량으로 결정될 수 있다.
예를 들어, 상기 미리 결정된 기준이 출현 빈도 또는 반복 출현 횟수가 상위 3위 이내일 것이면, 요구 역량 중 출현 빈도 또는 반복 출현 횟수가 많은 순으로 3개가 제1 직무의 필요 역량으로 결정될 수 있다.
또는, 상기 미리 결정된 기준이 출현 빈도 또는 반복 출현 횟수가 3회 이상일 것이면, 요구 역량 중 출현 빈도 또는 반복 출현 횟수가 3회 이상인 모든 역량들이 제1 직무의 필요 역량으로 결정될 수 있다.
일 실시예로서, 필요 역량에는 대표 연차가 포함될 수 있다. 이 경우, 제1 데이터(41, 42, 43, 44, 45) 내에서 출현 빈도 또는 반복출현 횟수가 가장 많은 경력 연차가 대표 연차가 될 수 있다. 도 6의 예에서는, 경력 연차 중 3년이 가장 많이 출현하였으므로 3년이 제1 직무의 대표 연차가 된다.
이러한 방식으로, 제1 직무에 대한 필요 역량이 결정된 예가 도 7에 도시된다. 도 7을 참조하면, 제1 직무인 [디자인]-[패션 디자이너]에 대해 경력, 상품기획, UI 디자인이 필요 역량으로 결정되고, 필요 역량에는 3년이 대표 연차로서 포함된 것(51)을 확인할 수 있다.
유사한 방식으로, 다양한 직무에 대해 필요 역량이 정의될 수 있다. 이에 대한 구체적인 예가, 도 8에 도시된다.
도 8을 참조하면, IT 직군 내 다양한 직무에 대해 필요 역량이 각각 정의된 예(52)가 도시된다. 가령, 도시된 것과 같이, IT 직군 내 백엔드 엔지니어, 서버 개발자, 웹 개발자, 안드로이드 개발자, iOS 개발자, 데이터 엔지니어의 각 직군에 대해 도 5 내지 도 7에서 설명된 방법으로 각각 필요 역량이 정의될 수 있고(52), 이를 데이터베이스화 하여 하나의 직무 역량 정보로 생성할 수도 있다.
한편, 각 직무의 경력 연차는 앞서 도 7과 같이 필요 역량 내에 하나의 대표 연차가 설정되는 방식으로 정의될 수도 있지만, 본 발명의 범위는 이에 한정되지 않는다. 가령, 도 9와 같이, 별도의 데이터 영역(53)을 통해, 채용 공고 내 경력 연차의 출현 빈도 또는 반복 출현 횟수를 구간별로 표시하는 방식으로 경력 연차가 정의되거나, 각 필요 역량 별로 경력 연차가 개별 표시되는 방식으로 경력 연차가 정의되거나, 그 둘이 조합된 방식으로 경력 연차가 정의될 수도 있다.
다시 도 3으로 돌아가면, S140 단계에서, 결정된 필요 역량을 기초로 하나 이상의 직무에 대한 직무 역량 정보가 제공된다. 이에 대한, 보다 구체적인 설명을 위해, 도 10 내지 도 13을 참조한다.
도 10은 도 3의 S140 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다. 도 10의 실시예에서는, 사용자에게 특정 직무의 필요 역량 등이 표시된 직무 역량 정보를 제공하는 실시예가 도시된다.
먼저 S141 단계에서, 사용자와 연관된 제1 직무가 확인된다.
이때, 제1 직무의 확인은 사용자 입력을 통해 확인되거나, 미리 저장된 사용자 프로필에 기초하여 확인될 수 있다. 가령, 도 11과 같이, 조회 대상 직군, 직무, 연차를 선택할 수 있는 사용자 인터페이스(61)를 제공한 후, 이를 통해 사용자가 입력한 사용자 입력을 기초로 제1 직무가 확인될 수 있다. 예를 들어, 사용자가 도 11의 사용자 인터페이스(61)를 통해'디자인'직군,'패션 디자이너'직무,'3년'연차를 선택하면, [디자인]-[패션 디자이너]가 제1 직무로서 확인되고, '3년'이 조회 대상 연차로서 확인될 수 있다. 또는, 미리 저장된 사용자 프로필에 기초하여, 사용자의 재직 경력을 조회한 후 그에 기초하여 제1 직무를 확인할 수 있다. 예를 들어, 사용자 프로필의 재직 경력에 [디자인]-[패션 디자이너] 직무에 3년간 근무한 것으로 기재된 경우, 상기 재직 경력에 기초하여 [디자인]-[패션 디자이너]가 제1 직무로서 확인되고, '3년'이 조회 대상 연차로서 확인될 수 있다.
S142 단계에서, 제1 직무의 필요 역량이 조회된다.
이때, 직무 역량 데이터베이스에 데이터로부터 제1 직무의 필요 역량을 검색, 출력하는 방식으로 제1 직무의 필요 역량이 조회될 수 있다.
S143 단계에서, 조회 결과를 기초로 사용자에게 제1 직무의 직무 역량 정보가 제공된다.
일 실시예로서, 제1 직무의 직무 역량 정보는 앞서 조회된 필요 역량과 함께, 연차 정보, 및/또는 역량 트렌드 정보를 더 포함할 수 있다. 여기서, 연차 정보는 제1 직무의 대표 연차를 나타내는 정보를 의미할 수 있다. 역량 트렌드 정보는 제1 직무의 시간의 흐름에 따른 필요 역량의 변화를 나타내는 정보를 의미할 수 있으며, 제1 시점과 제2 시점에서의 제1 직무의 필요 역량의 차이에 기초하여 생성될 수 있다.
이에 대한 구체적인 예가 도 12에 도시된다.
도 12를 참조하면, 제1 직무에 대한 직무 역량 정보가 제공되는 사용자 인터페이스(62)가 도시된다.
상기 사용자 인터페이스(62)에서 제1 영역(A)에는 제1 직무 및 그의 필요 역량이 표시될 수 있다. 본 실시예에서는, 제1 직무가 [디자인]-[패션 디자이너]이고, 제1 직무의 필요 역량이 경력, 상품기획, 제품기획, 프로젝트 기획, 시장조사, 및 콘텐츠 제작인 것으로 예시되었다.
상기 사용자 인터페이스(62)의 제2 영역(B)에는 제1 직무의 연차 정보가 표시될 수 있다. 본 실시예에서는, 제1 직무의 연차 정보로서 대표 연차인 3년이 표시되는 것으로 예시되었다. 다만, 본 발명의 범위는 이에 한정되지 않는다. 가령, 동일 직무에 대해 연차 별로 필요 역량이 상이한 경우, 연차 정보는 대표 연차와 함께, 또는 이를 대신하여 현재 표시된 필요 역량이 해당 직무의 몇 연차에게 요구되는 필요 역량인지를 나타내는 정보가 표시될 수 있다. 이 경우 제2 영역(B)에는 "3년차 [디자인]-[패션 디자이너]에게 필요한 역량이에요"와 같은 문구가 표시될 수 있다.
상기 사용자 인터페이스(62)의 제3 영역(C)에는 역량 트렌드 정보가 표시될 수 있다. 가령, 과거의 제1 시점(여기서는,'22.06.)에서 제1 직무의 필요 역량이 경력, 상품기획, 제품기획, 프로젝트 기획이었던 경우, 현재의 제2 시점을 기준으로 제1 직무의 필요 역량의 변화점이 역량 트렌드 정보로서 표시될 수 있다. 본 실시예에서는, 제1 시점과 대비하여 시장조사, 콘텐츠 제작이 제1 직무의 필요 역량으로 새롭게 추가된 내용이 역량 트렌드 정보로서 표시되는 것으로 예시되었다.
일 실시예로서, 상기 역량 트렌드 정보는 주요 직무 역량에 대한 정보를 더 포함할 수 있다. 이때 주요 직무 역량은 제1 직무의 필요 역량 중 미리 결정된 특정 기준을 충족하는 직무 역량으로서, 상기 특정 기준은 전체 채용 공고 중 제1 비율 이상의 공고에서 공통적으로 요구된 역량일 것일 수 있다. 예를 들어, 상기 제1 비율이 70%이고, 제1 직무의 포지션을 채용하는 전체 채용 공고 중 70% 이상의 공고에서 시장조사를 요구 역량으로 기재한 경우, 상기 시장조사는 제1 직무의 주요 직무 역량이 되고,'특히, 시장조사는 많은 기업들이 관심을 가진 눈여겨 볼 역량이에요'와 같이 역량 트렌드 정보로서 표시될 수 있다.
한편, 도 12에서는 하나의 직무에 대해 직무 역량 정보를 제공하는 경우가 예시되었지만, 본 발명의 범위는 이에 한정되지 않는다. 가령, 복수의 직무가 선택되고, 선택된 복수의 직무에 대한 직무 역량 정보들이 동시에 함께 제공될 수도 있다.
예를 들어, 도 13을 참조하면, 직무 역량 정보를 제공할 직무로서, UX 디자이너, UI GUI 디자이너, 웹 디자이너, 모바일 디자이너, 제품 디자이너, 그래픽 디자이너, 2D 디자이너, 및 패키지 디자이너가 선택된 경우, 도 13의 하단부와 같이, 사용자 인터페이스(63)를 통해 선택된 직무 각각에 대한 필요 역량이 함께 표시될 수 있다. 이때, 각 직무에 대해 미리 결정된 특정 기준을 만족하는 주요 직무 역량이 있는 경우, 주요 직무 역량을 하이라이트하거나 다른 색깔로 표기함으로써, 주요 직무 역량을 다른 필수 역량과 구분 표시할 수 있다. 도 13에서는, UI-디자인이 주요 직무 역량으로서 다른 필수 역량에 대해 구분 표시된 것을 예시하였다.
이상에서 설명한 본 발명의 실시예들에 따르면, 채용 공고를 기반으로 각 직무에 요구되는 필요 역량을 데이터베이스화 하고, 이를 기초로 사용자를 위한 직무 역량 정보를 제공할 수 있다. 또한, 직무별 필요 역량을 주기적으로 업데이트하여 그 변화 추이를 분석하고, 그에 기초하여 직무 역량 트렌드 정보를 제공할 수 있게 된다. 또한, 기존의 고정적인 직무 역량 체계에서 탈피하여, 시시각각 변하는 채용 시장의 니즈에 맞춰 가변적으로 직무 역량 체계를 구축, 업데이트할 수 있게 된다.
이하에서는, 직무와 관련된 사용자의 보유 역량을 추정하고, 이를 이용하여 직무 역량 기반의 교육 서비스를 제공하는 실시예들에 대해 설명한다.
도 14 본 발명의 일 실시예에 따른, 직무 역량 기반의 교육 서비스 제공 방법을 나타내는 순서도이다. 도 14의 교육 서비스 제공 방법 도 2의 서비스 장치(100)에 의해 수행되는 것으로, 이 때의 서비스 장치(100)는 직무 역량 기반의 교육 서비스 제공 장치로 지칭될 수 있다. 따라서, 이하의 단계들에서 수행 주체가 생략된 경우 그 수행 주체는 상기 교육 서비스 제공 장치인 것으로 전제한다.
S210 단계에서, 사용자 정보가 획득된다.
일 실시예로서, 상기 사용자 정보는 사용자의 직무 이력, 수강 이력, 과제 수행 이력, 또는 설문 응답지를 포함할 수 있다.
예를 들어, 사용자 정보는 도 15에 도시된 것과 같이 사용자가 입력한 사용자의 직무 이력을 포함할 수도 있고, 도 16에 도시된 것과 같이 사용자가 수강한 강의에 대한 수집된 수강 이력을 포함할 수도 있고, 도 17에 도시된 것과 같이 사용자가 과제 수행 내용 및 결과를 수집한 과제 수행 이력을 포함할 수도 있고, 사용자에게 설문 사항을 제시하고 그에 대한 사용자의 응답을 수집한 설문 응답지를 포함할 수도 있다.
일 실시예로서, 상기 직무 이력은 사용자의 직군, 직무, 경력 연차, 재직 회사의 산업군, 재직 회사의 성장 단계(예, 중소기업, 중견기업, 대기업, 벤처기업, 또는 투자단계 기업 등), 및/또는 사용자의 근무 평점을 포함할 수 있다.
일 실시예로서, 상기 수강 이력은 사용자가 수강한 강의의 강의명, 강사명, 강사 경력, 강의 커리큘럼 제목(대제목 또는 소제목), 강의 데이터(강의 음성 데이터 및 강의 텍스트 데이터), 및/또는 수강 성적을 포함할 수 있다.
일 실시예로서, 상기 과제 수행 이력은 사용자가 과제를 수행한 강의의 강의명, 강사명, 강사 경력, 과제 제목, 과제 문항, 과제 문항에 대한 사용자의 과제 답변, 및/또는 과제 성적을 포함할 수 있다.
S220 단계에서, 사용자 정보를 기초로 사용자의 보유 역량이 추정된다. 이때, 사용자 정보로부터 사용자의 경험 정보를 추출한 후, 추출된 경험 정보를 인공지능 모델을 통해 분석하여 사용자의 보유 역량을 추론하는 방식으로, 보유 역량이 추정될 수 있다. 이에 대한 구체적인 설명을 위해, 도 18을 참조한다.
도 18은 도 14의 S220 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다. 도 18에서는 사용자의 보유 역량을 추정하는 예시적인 방식이 설명된다.
S221 단계에서, 수집된 사용자 정보로부터 경험 정보가 추출된다.
S222 단계에서, 추출된 경험 정보를 기초로 하나 이상의 역량이 사용자의 보유 역량으로 추정된다. 이에 대한 부연설명을 위해 도 19를 참조한다.
도 19에서, 사용자 정보(70)로서 사용자의 직무 이력(71), 수강 이력(72), 과제 수행 이력(73), 및 설문 응답지(74)가 수집되고, 수집된 사용자 정보(70)로부터 사용자의 경험 정보(75)가 추출될 수 있다.
이때, 경험 정보(75)는 사용자 정보(70)를 가공하거나 사용자 정보(70)에 기초하여 파생된 정보로서, 예를 들어, 사용자 정보(70)에 포함된 텍스트를 추출하거나, 사용자 정보(70)에 포함된 음성을 텍스트로 변환하거나, 사용자 정보(70)에 포함된 이미지를 인식하여 그 내용을 키워드 형태로 출력한 것일 수 있다.
가령, 도 19를 예로 들면, 경험 정보(75)는 사용자의 직무 이력(71)으로부터 주요 경력을 나타내는 부분을 키워드 형태로 추출한 것('패션 디자인 경력 3년'), 사용자의 수강 이력(72)으로부터 사용자가 수강한 과목의 수강명 및 수준('상품기획 교육(중급)')을 키워드 형태로 추출한 것, 또는 사용자의 과제 수행 이력(73)으로부터 사용자가 수행한 과제의 과제명 및 과제 성적을 키워드 형태로 추출한 것('UI 디자인 과제(B+)')을 포함할 수 있다.
이를 위해, 자연어 처리 기반의 기계학습된 인공지능 모델이 이용될 수 있다. 이때, 상기 인공지능 모델은 텍스트, 음성 데이터, 또는 이미지 데이터를 학습 데이터로 학습하여, 텍스트, 음성 데이터, 또는 이미지 데이터로부터 직무 역량과 관련된 부분을 경험 정보로서 추출하도록 기계학습된 모델일 수 있다. 상기 인공지능 모델을 이용한 직무 역량 데이터(30) 추출 방법은 다음과 같다.
경험 정보(75)가 추출되면, 그로부터 대응되는 직무 역량이 식별되고, 상기 식별된 직무 역량은 사용자의 보유 역량으로 추정된다(76).
도 19에 도시된 예를 들면, 경험 정보(75) 중'패션 디자인 경력 3년'의 대응되는 직무 역량으로서 경력 및 3년이 식별되고, '상품기획 교육(중급)'의 대응되는 직무 역량으로서 상품기획이 식별되고, 'UI 디자인 과제(B+)'의 대응되는 직무 역량으로서 UI 디자인이 식별될 수 있다. 그리고, 식별된 각 역량인 경력, 3년, 상품기획, UI 디자인은 사용자의 보유 역량으로서 추정된다.
이를 위해, 자연어 처리 기반의 기계학습된 인공지능 모델이 다시 이용될 수 있다. 이때, 상기 인공지능 모델은 경험 정보가 입력되면 이를 분석하여 그와 연관된 직무 역량을 추론하도록 기계학습된 모델일 수 있다.
일 실시예로서, 경험 정보(75)를 기초로 보유 역량 수준을 추정할 수 있는 경우, 보유 역량의 연관 정보로서 보유 역량 수준이 추가될 수 있다. 예를 들어, 경험 정보(75) 내에'상품기획 교육(중급)','UI 디자인 과제(B+)'과 같이 보유 역량의 수준을 유추할 수 있는 키워드('중급','B+')이 포함된 경우, 이를 기초로 보유 역량에 대한 수준이 추정되고, 도 12에 도시된 바와 같이 보유 역량의 연관 정보로서 보유 역량 수준(상품기획 - 중, UI 디자인 - 중)이 추가될 수 있다.
다시 도 14로 돌아가면, S230 단계에서, 추정된 보유 역량을 기초로 제1 직무를 위한 육성 역량이 결정된다. 이에 대한 구체적인 설명을 위해 도 20 및 도 21을 참조한다.
도 20은 도 14의 S230 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다. 도 20의 실시예에서는, 추정된 보유 역량을 기초로, 특정 직무의 필요 역량과 사용자의 보유 역량을 비교하고, 그 결과에 따라 사용자가 해당 직무를 위해 개발 또는 강화해야 할 육성 역량을 결정하는 실시예가 도시된다.
먼저, S231 단계에서, 직무 역량 데이터베이스로부터 제1 직무의 필요 역량이 조회된다.
이때, 제1 직무는 사용자의 육성 역량을 도출할 대상 직무로서, 사용자 입력에 의해 선택되거나, 사용자 프로필에 기초하여 결정된 직무일 수 있다. 예를 들어, [패션]-[패션 디자이너] 직무와 관련하여 자신의 보유 역량 수준 및 육성 역량에 대한 정보를 얻기를 원하는 경우, 사용자는 사용자 인터페이스를 통해 [패션]-[패션 디자이너]를 입력할 수 있고, 이 경우 제1 직무는 상기 [패션]-[패션 디자이너]가 될 수 있다.
또는, 사용자 프로필 상에, 사용자가 [패션]-[패션 디자이너] 직무에 종사하는 것으로 기재되거나, [패션]-[패션 디자이너] 직무에 대한 직무 역량 정보를 제공하기로 미리 설정된 경우, 이 경우 제1 직무는 상기 [패션]-[패션 디자이너]가 될 수 있다.
제1 직무가 결정되면, 직무 역량 데이터베이스로부터 제1 직무의 필요 역량이 조회된다.
S232 단계에서, 조회된 필요 역량과 사용자의 보유 역량이 비교된다.
가령, 제1 직무의 필요 역량과 사용자의 보유 역량을 비교하여, 제1 직무의 필요 역량 중 사용자의 보유 역량에 포함된 직무 역량은 어떤 것이고, 제1 직무의 필요 역량 중 사용자의 보유 역량에 포함되지 않은 직무 역량은 어떤 것인지 등이 식별될 수 있다.
S233 단계에서, 상기 비교 결과에 기초하여 사용자가 제1 직무를 위해 개발 또는 강화해야 할 육성 역량이 결정된다.
예를 들어, 제1 직무의 필요 역량에 포함되어 있으나 사용자의 보유 역량에는 포함되지 않은 역량은, 제1 직무를 위해 사용자가 앞으로 획득해야 할 역량이므로, 육성 역량으로 결정될 수 있다.
또는, 제1 직무의 필요 역량에 포함되어 있고 사용자의 보유 역량에도 포함되어 있으나, 필요 역량에서의 필요 수준 대비 보유 역량에서의 현재 수준이 낮은 역량도, 제1 직무를 위해 사용자가 앞으로 더욱 향상시켜야 할 역량이므로, 육성 역량으로 결정될 수 있다.
도 20의 실시예에 대한 부연설명을 위해 도 21을 참조한다.
도 20의 실시예는 사용자 역량 분석부(120)에 의해 수행되는 것으로, 도 20에서, 제1 직무는 [디자인]-[패션 디자이너]이고, 제1 직무의 필요 역량은 경력, 3년, 상품기획, UI 디자인(상), 사업기획, 마케팅, 및 거래처 관리인 것으로 가정한다(81).
또한, 사용자의 보유 역량은 경력, 3년, 상품기획, UI 디자인(중)으로 추정되는 것으로 가정한다(82).
이때, 본 실시예에서는, 필요 역량 중 적어도 일부에 대해 필요 수준이 설정된 것으로 가정한다. 또는, 사용자의 보유 역량 중 적어도 일부에 대해 현재 수준이 추정된 것으로 가정한다. 예를 들어, 필요 역량 중 UI 디자인은 '상'으로 그 필요 수준이 설정되어 있고, 보유 역량 중 UI 디자인은 사용자의 현재 역량 수준이'중'으로 추정된다.
그리고, 제1 직무의 필요 역량(81)과 사용자의 보유 역량(82)이 비교되고, 비교 결과에 따라 제1 직무의 필요 역량(81) 중 경력, 3년, 상품기획은 사용자의 보유 역량(82)에 있지만, 제1 직무의 필요 역량(81) 중 사업기획, 마케팅, 거래처 관리는 사용자의 보유 역량(82)에 없는 것으로 식별될 것이다. 제1 직무의 필요 역량(81) 중 UI 디자인은 사용자의 보유 역량(82)에 있지만, 필요 수준 대비 사용자의 현재 역량이 낮은 것으로 식별될 것이다.
그리고, 상기 비교 결과에 따라, 제1 직무의 필요 역량(81) 중 하나 이상의 역량이 사용자의 육성 역량(83)으로 결정된다.
가령, 제1 직무의 필요 역량(81)에 포함되어 있으나 사용자의 보유 역량(82)에는 포함되지 않은 사업기획, 마케팅, 거래처 관리, 및/또는 제1 직무의 필요 역량(81) 및 사용자의 보유 역량(82)에 공통적으로 포함되어 있으나, 필요 역량에서의 필요 수준 대비 보유 역량에서의 현재 수준이 낮은 UI 디자인이 사용자의 육성 역량(83)으로 결정될 수 있다.
일 실시예로서, 상기 육성 역량은, 육성 역량의 역량 항목, 현재 수준, 및 필요 수준을 포함할 수 있다. 예를 들어, 육성 역량(83)은 육성 항목으로서 사업기획, 마케팅, 거래처 관리, 및 UI 디자인을 포함하고, 특정 육성 역량(UI 디자인)의 현재 수준(중) 및 필요 수준(상)을 포함할 수 있다.
다시 도 14로 돌아가서, S240 단계에서, 결정된 육성 역량을 기초로, 육성 역량을 개발 또는 향상시키기 위한 교육 컨텐츠에 대한 정보가 제공된다. 이에 대한 구체적인 설명을 위해, 도 22 이하를 참조한다.
도 22는 도 14의 S240 단계를 더욱 구체화한 일 실시예를 나타내는 순서도이다.
S241 단계에서, 앞서 결정된 육성 역량과 속성 정보가 매칭되는 제1 교육 컨텐츠가 검색된다. 이때, 제1 교육 컨텐츠는 육성 역량을 개발, 강화하는 데 도움이 되는 교육 컨텐츠로서, 예를 들어, 육성 역량이 사업기획인 경우, 속성 정보에 사업기획이 키워드로서 포함된 교육 컨텐츠가 제1 교육 컨텐츠로서 검색될 수 있다.
S242 단계에서, 검색된 제1 교육 컨텐츠에 대한 정보가 사용자에게 제공된다.
일 실시예로서, 제1 교육 컨텐츠에 대한 정보는, 사용자 단말의 화면 상에서, 제1 직무의 필요 역량 또는 육성 역량과 함께 하나 이상의 교육 컨텐츠에 대한 정보가 미리 결정된 기준에 따라 나열하거나 정렬 표시되는 방식으로 제공될 수 있다.
도 22의 실시예에 대한 부연 설명을 위해, 도 23 내지 도 25를 참조한다.
도 23에는, 교육 컨텐츠의 속성 정보를 기초로, 육성 역량과 매칭되는 교육 컨텐츠가 검색되는 예시적인 방식이 도시된다. 도 23에서 설명되는 실시예는 교육 서비스 제공부(130)에 의해 수행될 수 있다.
도 23을 참조하면, 먼저, 제1 직무를 위한 사용자의 육성 역량(83)이 조회되고, 육성 역량을 기초로 교육 컨텐츠를 검색하여, 속성 정보의 키워드가 육성 역량과 매칭되는 교육 컨텐츠들이 교육 컨텐츠로서 검색된다.
예를 들어, 육성 역량(83)에 사업기획, 마케팅, 거래처 관리, UI 디자인(중->상)이 포함된 경우, 교육 컨텐츠들의 속성 정보를 조회하여, 속성 정보(91a)에 마케팅이 키워드로 포함된 교육 컨텐츠 1(91), 속성 정보(92a)에 사업기획이 키워드로 포함된 교육 컨텐츠 2(92), 속성 정보(93a)에 거래처 관리가 키워드로 포함된 교육 컨텐츠 3(93), 및 속성 정보(94a)에 UI 디자인이 키워드로 포함된 교육 컨텐츠 4(94)가 각각 제1 교육 컨텐츠로서 검색될 수 있다.
일 실시예로서, 상기 제1 교육 컨텐츠는 도 23에 도시된 것과 같이, 육성 역량(83)과 연관된 강의(91, 94), 아티클(Article, 92), 또는 멘토링(Mentoring, 93)을 포함할 수 있다. 나아가, 상기 제1 교육 컨텐츠는 커뮤니티 서비스, 일대일 커뮤니케이션 채널 컨텐츠, 또는 다자간 커뮤니케이션 채널을 포함할 수도 있다.
한편, 일 실시예로서, 제1 교육 컨텐츠의 속성 정보는 자연어 처리 기반 인공지능 모델을 통해 상기 제1 교육 컨텐츠를 분석하여 추출된 직무 역량 키워드를 포함할 수 있다.
이에 대한 부연 설명을 위해 도 24를 참조하면, 도 24의 (a)와 같이, 제1 교육 컨텐츠가 동영상 강의(91)인 경우, 동영상 강의(91)로부터 음성 데이터가 추출되고, 추출된 음성 데이테를 텍스트로 변환한 후, 변환된 텍스트를 자연어 처리 기반 인공지능 모델을 통해 분석하여 변환된 텍스트로부터 하나 이상의 키워드가 도출될 수 있다. 그리고, 도출된 키워드를 포함하는 동영상 강의(91)의 속성 정보(91a)가 생성된다.
한편, 도 24의 (b)와 같이, 제1 교육 컨텐츠가 아티클(92)인 경우에는, 음성 데이터를 텍스트로 변환하는 과정이 생략될 수 있다. 이 경우, 아티클(92)로부터 텍스트가 추출되고, 추출된 텍스트를 자연어 처리 기반 인공지능 모델을 통해 분석하여 하나 이상의 키워드가 도출될 수 있다. 그리고, 도출된 키워드를 포함하는 아티클(92)의 속성 정보(92a)가 생성된다.
도 25에는 제1 교육 컨텐츠에 대한 정보를 제공하는 사용자 단말 상의 사용자 인터페이스가 예시적으로 도시된다.
도 25를 참조하면, 사용자 단말(10)을 통해 표시되는 사용자 인터페이스는, 상단의 제1 영역(11)에 제1 직무가 표시되고, 제2 영역(12)에 제1 직무의 필요 역량이 표시되며, 제3 영역(13)에 제1 직무에 대한 사용자의 육성 역량이 표시될 수 있다. 이때, 전체 직군 중 제1 직무가 속하는 직군의 비율 등의 추가 정보가 도표와 함께 더 표시될 수 있다.
그리고, 사용자 인터페이스의 하단에는, 제1 직무를 위한 제1 교육 컨텐츠(91, 92, 93, 94)가 표시될 수 있다. 상기 제1 교육 컨텐츠는 사용자의 육성 역량을 개발 또는 강화하는데 도움이 되는 교육 컨텐츠로서, 각각이 육성 역량 중 적어도 하나의 역량에 매칭되는 교육 컨텐츠일 수 있다.
예를 들어, 제1 교육 컨텐츠 중 교육 컨텐츠 1(91)은 육성 역량 중 마케팅에 매칭되고, 제1 교육 컨텐츠 중 교육 컨텐츠 2(92)는 육성 역량 중 사업기획에 매칭되고, 제1 교육 컨텐츠 중 교육 컨텐츠 3(93)은 육성 역량 중 거래처 관리에 매칭되고, 제1 교육 컨텐츠 중 교육 컨텐츠 4(94)는 육성 역량 중 UI 디자인에 매칭될 수 있다.
일 실시예로서, 각 교육 컨텐츠(91, 92, 93, 94)에는 그 속성 정보(91a, 92a, 93a, 94a)가 함께 표시되어, 해당 교육 컨텐츠에 대한 상세 정보를 사용자가 더욱 쉽게 파악할 수 있도록 할 수 있다.
이상에서 설명한 본 발명의 실시예들에 따르면, 채용 공고를 기반으로 각 직무에 요구되는 필요 역량을 데이터베이스화 하고, 이를 기초로 사용자를 위한 직무 역량 정보를 제공할 수 있다. 또한, 직무별 필요 역량을 주기적으로 업데이트하여 그 변화 추이를 분석하고, 그에 기초하여 직무 역량 트렌드 정보를 제공할 수 있게 된다. 또한, 기존의 고정적인 직무 역량 체계에서 탈피하여, 시시각각 변하는 채용 시장의 니즈에 맞춰 가변적으로 직무 역량 체계를 구축, 업데이트할 수 있게 된다.
나아가, 사용자의 역량을 파악함에 있어 단순한 학력 사항, 자격증 사항 등에만 의존하지 않고, 사용자의 직무 이력, 수강 이력, 또는 과제 수행 이력 등을 기초로 사용자의 보유 역량을 더욱 유연하게 파악할 수 있게 된다. 또한, 특정 직무의 필요 역량과 사용자의 현재 보유 역량을 비교, 분석하여, 해당 직무를 위해 사용자가 강화해야 할 육성 역량을 손쉽게 도출할 수 있게 된다. 또한, 사용자의 육성 역량 배양을 위한 다양한 교육 컨텐츠 및 관련 정보를 제공함으로써, 사용자가 자신에게 부족한 역량을 효과적으로 육성할 수 있도록 할 수 있다.
이하에서는, 도 26을 참조하여 본 발명의 다양한 실시예에서 설명된 방법들이 구현되는 예시적인 컴퓨팅 장치(500)에 대하여 설명하도록 한다. 예를 들어, 도 26의 컴퓨팅 장치(500)는 도 1의 사용자 단말(10), 또는 서비스 장치(100)일 수 있다.
도 26은 컴퓨팅 장치(500)를 나타내는 예시적인 하드웨어 구성도이다.
도 26에 도시된 바와 같이, 컴퓨팅 장치(500)는 하나 이상의 프로세서(510), 버스(550), 통신 인터페이스(570), 프로세서(510)에 의하여 수행되는 컴퓨터 프로그램(591)을 로드(load)하는 메모리(530)와, 컴퓨터 프로그램(591)를 저장하는 스토리지(590)를 포함할 수 있다. 다만, 도 26에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 26에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.
프로세서(510)는 컴퓨팅 장치(500)의 각 구성의 전반적인 동작을 제어한다. 프로세서(510)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서 중 적어도 하나를 포함하여 구성될 수 있다. 또한, 프로세서(510)는 본 발명의 다양한 실시예들에 따른 방법/동작을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 컴퓨팅 장치(500)는 하나 이상의 프로세서를 구비할 수 있다.
메모리(530)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(530)는 본 발명의 다양한 실시예들에 따른 방법/동작들을 실행하기 위하여 스토리지(590)로부터 하나 이상의 프로그램(591)을 로드(load) 할 수 있다. 메모리(530)의 예시는 RAM이 될 수 있으나, 이에 한정되는 것은 아니다.
버스(550)는 컴퓨팅 장치(500)의 구성 요소 간 통신 기능을 제공한다. 버스(550)는 주소 버스(Address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.
통신 인터페이스(570)는 컴퓨팅 장치(500)의 유무선 인터넷 통신을 지원한다. 통신 인터페이스(570)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 통신 인터페이스(570)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다.
스토리지(590)는 하나 이상의 컴퓨터 프로그램(591)을 비임시적으로 저장할 수 있다. 스토리지(590)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 지휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
컴퓨터 프로그램(591)은 본 발명의 다양한 실시예들에 따른 방법/동작들이 구현된 하나 이상의 인스트럭션(Instruction)들을 포함할 수 있다.
예를 들어, 컴퓨터 프로그램(591)은 하나 이상의 채용 공고를 수집하는 동작, 상기 채용 공고에 포함된 텍스트를 분석하여 직무 역량 데이터를 추출하는 동작, 상기 직무 역량 데이터를 기초로 하나 이상의 직무에 대한 필요 역량을 결정하는 동작, 및 상기 필요 역량을 기초로 상기 하나 이상의 직무에 대한 직무 역량 정보를 제공하는 동작을 수행하기 위한 인스트럭션들을 포함할 수 있다.
또는, 컴퓨터 프로그램(591)은 사용자 정보를 획득하는 동작, 상기 사용자 정보를 기초로 사용자의 보유 역량을 추정하는 동작, 상기 보유 역량을 기초로 제1 직무를 위한 상기 사용자의 육성 역량을 결정하는 동작, 및 상기 육성 역량을 기초로 하나 이상의 교육 컨텐츠에 대한 정보를 제공하는 동작을 수행하기 위한 인스트럭션들을 포함할 수 있다.
컴퓨터 프로그램(591)이 메모리(530)에 로드 되면, 프로세서(510)는 상기 하나 이상의 인스트럭션들을 실행시킴으로써 본 발명의 다양한 실시예들에 따른 방법/동작들을 수행할 수 있다.
지금까지 설명된 본 발명의 기술적 사상은 컴퓨터가 읽을 수 있는 매체 상에 컴퓨터가 읽을 수 있는 코드로 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체는, 예를 들어 이동형 기록 매체(CD, DVD, 블루레이 디스크, USB 저장 장치, 이동식 하드 디스크)이거나, 고정식 기록 매체(ROM, RAM, 컴퓨터 구비 형 하드 디스크)일 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체에 기록된 상기 컴퓨터 프로그램은 인터넷 등의 네트워크를 통하여 다른 컴퓨팅 장치에 전송되어 상기 다른 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 다른 컴퓨팅 장치에서 사용될 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 본 발명이 다른 구체적인 형태로도 실시될 수 있다는 것을 이해할 수 있다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명에 의해 정의되는 기술적 사상의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (10)

  1. 컴퓨팅 장치에 의해 수행되는 직무 역량 기반의 교육 서비스 제공 방법에 있어서,
    사용자 정보를 획득하는 단계;
    상기 사용자 정보를 기초로 사용자의 보유 역량을 추정하는 단계;
    상기 보유 역량을 기초로 제1 직무를 위한 상기 사용자의 육성 역량을 결정하는 단계; 및
    상기 육성 역량을 기초로 하나 이상의 교육 컨텐츠에 대한 정보를 제공하는 단계를 포함하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  2. 제1 항에 있어서,
    상기 사용자 정보는,
    사용자의 직무 이력, 수강 이력, 과제 수행 이력, 또는 설문 응답지를 포함하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  3. 제1 항에 있어서,
    상기 보유 역량을 추정하는 단계는,
    상기 사용자 정보로부터 경험 정보를 추출하는 단계; 및
    상기 경험 정보를 기초로 하나 이상의 역량을 상기 사용자의 보유 역량으로 추정하는 단계를 포함하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  4. 제1 항에 있어서,
    상기 육성 역량을 결정하는 단계는,
    직무 역량 데이터베이스로부터 상기 제1 직무의 필요 역량을 조회하는 단계;
    상기 필요 역량과 상기 보유 역량을 비교하는 단계; 및
    상기 비교 결과에 기초하여 상기 육성 역량을 결정하는 단계를 포함하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  5. 제1 항에 있어서,
    상기 육성 역량은,
    역량 항목, 현재 수준, 및 필요 수준을 포함하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  6. 제1 항에 있어서,
    상기 교육 컨텐츠에 대한 정보를 제공하는 단계는,
    상기 육성 역량과 속성 정보가 매칭되는 제1 교육 컨텐츠를 검색하는 단계; 및
    상기 검색된 제1 교육 컨텐츠에 대한 정보를 제공하는 단계를 포함하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  7. 제6 항에 있어서,
    상기 속성 정보는,
    자연어 처리 기반 인공지능 모델을 통해 상기 제1 교육 컨텐츠를 분석하여 추출된 직무 역량 키워드를 포함하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  8. 제1 항에 있어서,
    상기 교육 컨텐츠에 대한 정보를 제공하는 단계는,
    사용자 단말의 화면 상에서, 상기 제1 직무의 필요 역량 또는 상기 육성 역량과 함께 상기 하나 이상의 교육 컨텐츠에 대한 정보가 미리 결정된 기준에 따라 나열하거나 정렬 표시되도록 하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  9. 제1 항에 있어서,
    상기 하나 이상의 교육 컨텐츠는,
    상기 육성 역량과 연관된 강의, 아티클(Article), 멘토링(Mentoring), 커뮤니티 서비스, 일대일 커뮤니케이션 채널, 또는 다자간 커뮤니케이션 채널을 포함하는,
    직무 역량 기반의 교육 서비스 제공 방법.
  10. 프로세서;
    상기 프로세서에 의해 실행되는 컴퓨터 프로그램을 로드(load)하는 메모리; 및
    상기 컴퓨터 프로그램을 저장하는 스토리지를 포함하되,
    상기 컴퓨터 프로그램은,
    사용자 정보를 획득하는 동작,
    상기 사용자 정보를 기초로 사용자의 보유 역량을 추정하는 동작,
    상기 보유 역량을 기초로 제1 직무를 위한 상기 사용자의 육성 역량을 결정하는 동작, 및
    상기 육성 역량을 기초로 하나 이상의 교육 컨텐츠에 대한 정보를 제공하는 동작을 수행하기 위한 인스트럭션들을 포함하는,
    직무 역량 기반의 교육 서비스 제공 장치.
KR1020230052446A 2022-04-21 2023-04-21 직무 역량 기반의 교육 서비스 제공 방법 및 장치 KR20230150227A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220049334 2022-04-21
KR20220049334 2022-04-21

Publications (1)

Publication Number Publication Date
KR20230150227A true KR20230150227A (ko) 2023-10-30

Family

ID=88558004

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020230052445A KR20230150226A (ko) 2022-04-21 2023-04-21 채용 공고 기반의 직무 역량 정보 제공 방법 및 장치
KR1020230052446A KR20230150227A (ko) 2022-04-21 2023-04-21 직무 역량 기반의 교육 서비스 제공 방법 및 장치

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020230052445A KR20230150226A (ko) 2022-04-21 2023-04-21 채용 공고 기반의 직무 역량 정보 제공 방법 및 장치

Country Status (1)

Country Link
KR (2) KR20230150226A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102314150B1 (ko) 2018-12-06 2021-10-15 엄신조 딥러닝 기반 직업별 직무역량 표준화 및 인공지능을 이용한 취업 준비 가이드 제공 방법 및 서버

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102314150B1 (ko) 2018-12-06 2021-10-15 엄신조 딥러닝 기반 직업별 직무역량 표준화 및 인공지능을 이용한 취업 준비 가이드 제공 방법 및 서버

Also Published As

Publication number Publication date
KR20230150226A (ko) 2023-10-30

Similar Documents

Publication Publication Date Title
US10268653B2 (en) Goal-oriented user matching among social networking environments
De Guinea et al. A meta-analysis of the consequences of virtualness on team functioning
Sanz-Martínez et al. Creating collaborative groups in a MOOC: a homogeneous engagement grouping approach
US20140074740A1 (en) Systems and methods for providing career advice to college students
US11586656B2 (en) Opportunity network system for providing career insights by determining potential next positions and a degree of match to a potential next position
CN110474944B (zh) 网络信息的处理方法、装置及存储介质
Zhang et al. Mapping the study of learning analytics in higher education
Arora et al. Learner groups in massive open online courses
Schuff Data science for all: a university-wide course in data literacy
Thakuriah et al. Digital infomediaries and civic hacking in emerging urban data initiatives
Ismail et al. Data scientist skills
Traphagan et al. Changes in college students' perceptions of use of web-based resources for academic tasks with Wikipedia projects: A preliminary exploration
Mandal et al. Extending media richness theory to explain social media adoption by microbusinesses
US20160004990A1 (en) Computer systems and user interfaces for learning, talent discovery, relationship management, and campaign development
Berg A global perspective on ethics: new resources for teaching and discussing media ethics and journalism ethics
KR20230150227A (ko) 직무 역량 기반의 교육 서비스 제공 방법 및 장치
US20210027251A1 (en) Computer systems and methods for searching multi-dimensional content
Ababneh et al. Social media usage in education: big data perspective
Behrendt et al. Business Intelligence 2.0
Fish et al. Targeting disciplines for GIS outreach using bibliometric analysis
Prorok et al. Application of the Design Thinking Method in Customer Experience Management
Faraoni et al. Social media strategy in the italian fashion industry: A new model of analysis
Ramadhan et al. A proposed methodology to develop an e-Government system based on Soft Systems Methodology (SSM) and Focus Group Discussion (FGD)
Jung et al. A scoping review on graduate employability in an era of ‘Technological Unemployment’
Agostino et al. What can social media data add to the knowledge of arts and humanities? An empirical investigation on Twitter at Teatro Alla Scala