WO2018169115A1 - 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 - Google Patents

학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 Download PDF

Info

Publication number
WO2018169115A1
WO2018169115A1 PCT/KR2017/003021 KR2017003021W WO2018169115A1 WO 2018169115 A1 WO2018169115 A1 WO 2018169115A1 KR 2017003021 W KR2017003021 W KR 2017003021W WO 2018169115 A1 WO2018169115 A1 WO 2018169115A1
Authority
WO
WIPO (PCT)
Prior art keywords
learning
learner
evaluation item
weak
score
Prior art date
Application number
PCT/KR2017/003021
Other languages
English (en)
French (fr)
Inventor
김세훈
안명훈
오태형
정두섭
Original Assignee
비트루브 주식회사
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 비트루브 주식회사 filed Critical 비트루브 주식회사
Priority to US16/492,695 priority Critical patent/US11600196B2/en
Publication of WO2018169115A1 publication Critical patent/WO2018169115A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G06Q50/2057—Career enhancement or continuing education service
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/02—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student
    • G09B7/04—Electrically-operated teaching apparatus or devices working with questions and answers of the type wherein the student is expected to construct an answer to the question which is presented or wherein the machine gives an answer to the question presented by a student characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying a further explanation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B5/00—Electrically-operated educational appliances
    • G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
    • G09B5/12—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations different stations being capable of presenting different information simultaneously
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
    • G09B7/06—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers
    • G09B7/08—Electrically-operated teaching apparatus or devices working with questions and answers of the multiple-choice answer-type, i.e. where a given question is provided with a series of answers and a choice has to be made from the answers characterised by modifying the teaching programme in response to a wrong answer, e.g. repeating the question, supplying further information

Definitions

  • the present invention relates to methods, systems, and non-transitory computer readable recording media that support learning.
  • the learner when a learner is provided with a problem for diagnosing learning ability on a learning site, and the learner inputs an answer to the problem, the learner is automatically scored to calculate an evaluation score, and the evaluation score is a predetermined score or more.
  • an online learning provision method was introduced in which the process of moving to the next process and repeating the problems of the previous process if the score is less than a predetermined score was introduced.
  • the present inventors determine the learner's weak learning factor through the learner's score for at least one evaluation item included in the scorecard applied to the narrative answer for the learner's descriptive answer that solves the learning problem, and the determined weakness is determined.
  • the present invention aims to solve all of the above-mentioned problems of the prior art.
  • Another object of the present invention is to extract the learner's weak learning element by referring to the evaluation items included in the scorecard applied to the learner's narrative answer.
  • a method for supporting learning comprising: obtaining a score of the learner for at least one evaluation item included in a scorecard applied to a descriptive answer of a learner who has solved a learning problem; Determining a weak learning factor of the learner with reference to a score and at least one learning factor associated with the at least one assessment item, and determining a supplemental learning path to be provided to the learner with reference to the determined weak learning factor
  • a method comprising the steps of:
  • a system for supporting learning the evaluation item information obtaining unit for obtaining the learner's score for at least one evaluation item included in the scorecard applied to the descriptive answer of the learner who solved the learning problem
  • a weak learning factor determining unit that determines a weak learning factor of the learner by referring to the obtained score and at least one learning factor associated with the at least one evaluation item, and the learner by referring to the determined weak learning factor
  • a system includes a supplementary learning path determiner that determines a supplemental learning path to be provided to a user.
  • non-transitory computer readable recording medium for recording another method for implementing the present invention, another system, and a computer program for executing the method.
  • FIG. 1 is a diagram illustrating a schematic configuration of an entire system for supporting learning according to an embodiment of the present invention.
  • FIG. 2 is a diagram illustrating in detail the internal configuration of the learning support system according to an embodiment of the present invention.
  • FIG. 3 is a diagram exemplarily illustrating a scoring table applied to a narrative answer of a learner who solves a learning problem according to an exemplary embodiment of the present invention.
  • FIG. 1 is a diagram illustrating a schematic configuration of an entire system for supporting learning according to an embodiment of the present invention.
  • the entire system may include a communication network 100, a learning support system 200, and a learner device 300.
  • the communication network 100 may be configured regardless of a communication mode such as wired communication or wireless communication, and includes a local area network (LAN) and a metropolitan area network (MAN). ), And various communication networks such as a wide area network (WAN).
  • LAN local area network
  • MAN metropolitan area network
  • WAN wide area network
  • the communication network 100 as used herein may be a known Internet or World Wide Web (WWW).
  • WWW World Wide Web
  • the communication network 100 may include, at least in part, a known wired / wireless data communication network, a known telephone network, or a known wired / wireless television communication network without being limited thereto.
  • the communication network 100 is a wireless data communication network, and includes Wi-Fi communication, Wi-Fi Direct communication, Long Term Evolution communication, Bluetooth communication (for example, low power Bluetooth Low). Energy communication), infrared communication, ultrasonic communication, and the like, at least in part.
  • the learning support system 200 may perform communication with the learner device 300 to be described later through the communication network 100, and apply it to the descriptive answer of the learner who solves the learning problem.
  • Obtain a learner's score for at least one evaluation item included in the scorecard determine the learner's weak learning factor by referring to the obtained score and at least one learning element associated with the at least one evaluation item, and The weak learning factor can be used to determine the supplementary learning path to be provided to the learner.
  • the learning support system 200 has been described as above, but this description is exemplary, and at least some of the functions or components required for the learning support system 200 will be described later as needed. Or it will be apparent to those skilled in the art that they may be implemented within an external system (not shown) or may be included in the learner device 300 or an external system (not shown).
  • the learner device 300 is a digital device that includes a function to enable communication after connecting to the learning support system 200 through the communication network 100, a smartphone, a tablet As long as a portable digital device having a memory means such as a PC and a microprocessor equipped with arithmetic capability, it can be adopted as the learner device 300 according to the present invention.
  • the learner device 300 may include an application supporting the learner so as to provide a learner support function according to the present invention.
  • an application may be downloaded from the learning support system 200 or an external application distribution server (not shown).
  • FIG. 2 is a diagram illustrating in detail the internal configuration of the learning support system 200 according to an embodiment of the present invention.
  • the learning support system 200 may be a digital device having a computing power by including a memory means and a microprocessor.
  • the learning support system 200 may be a server system.
  • the learning support system 200 includes an evaluation item information obtaining unit 210, a weak learning element determining unit 220, a supplementary learning path determining unit 230, a communication unit 240, and a control unit 250. It may be configured to include).
  • the evaluation item information acquisition unit 210, the weak learning element determination unit 220, supplementary learning path determination unit 230, the communication unit 240 and the control unit 250 at least some of them May be a program module communicating with an external system.
  • Such program modules may be included in the learning support system 200 in the form of an operating system, an application module, or other program modules, and may be physically stored in various known storage devices.
  • program modules may be stored in a remote storage device that can communicate with the learning support system 200.
  • program modules include, but are not limited to, routines, subroutines, programs, objects, components, data structures, etc. that perform particular tasks or execute particular abstract data types, described below, in accordance with the present invention.
  • the evaluation item information acquisition unit 210 provides a function of obtaining a learner's score for at least one evaluation item included in a scorecard applied to a descriptive answer of a learner who solves a learning problem. Can be done.
  • the scorecard applied to the narrative answer may include at least one evaluation item for each learning problem, and the evaluation item has a score according to the scoring for the descriptive answer of the learner who solved the learning problem.
  • At least one part of the course required to be performed by the learner in order to solve the learning problem e.g., a concept included in an intermediate course in the case of a mathematics or science subject
  • a dietary or linguistic or philosophical subject which may be a concept or process of logic / discussion included in an intermediate course
  • some correct answer or some answer to a learning problem e.g., a concept included in an intermediate course in the case of a mathematics or science subject
  • the evaluation item information obtaining unit 210 describes the descriptive form according to the scoring table including at least one evaluation item.
  • a score given to each evaluation item for the narrative answer can be obtained as the learner's score.
  • the evaluation item information obtaining unit 210 scores a score for each of the evaluation items (1), (2), and (3). Can be obtained as
  • At least one evaluation item included in the scorecard is (1) 'proof Is the process logical? ' (2) 'Did you present the right family?' And (3) 'Did the appropriate meaning be derived from the result?', And the evaluation item information obtaining unit 210 uses the score for each of the evaluation items (1), (2), and (3) as the learner's score. Can be obtained.
  • the evaluation item information acquisition unit 210 is a grading result (or a scorecard) of a learner's narrative answer obtained through optical character recognition (OCR) or an electronic input of the learner. Scores based on at least one evaluation item may be obtained from the scoring results (or scorecards) for the narrative answer.
  • OCR optical character recognition
  • the weak learning factor determination unit 220 refers to a score obtained through the evaluation item information acquisition unit 210 and at least one learning element associated with at least one evaluation item. Determine the learner's weak learning factors.
  • the learning element associated with an assessment item may be a unit of knowledge required by the learner in order to determine that the learner has performed or understood the assessment item, for example, a unit or curriculum in the curriculum. It can be a concept, a formula, a symbol, a type, a difficulty level, etc. in the curriculum.
  • the weak learning factor determination unit 220 refers to at least one evaluation item having a score of an evaluation item obtained below a predetermined level and at least one learning element associated with the evaluation item. To determine vulnerable learning factors. That is, such a weak learning element according to an embodiment of the present invention may be some or all of at least one learning element associated with at least one evaluation item whose score of the obtained evaluation item is less than a predetermined level.
  • the weak learning element determining unit 220 may have a weight or frequency of appearance of at least one learning element associated with a plurality of evaluation items whose score of the evaluation item is less than a predetermined level. Learning factors that are above the predetermined level can be determined as learner's weak learning factors.
  • the weak learning element determining unit 220 the appearance frequency and evaluation items of at least one learning element associated with a plurality of evaluation items having a score of the evaluation item is less than a predetermined level.
  • the weights according to the scores of the learning factors with a weakness index determined by a predetermined level or more can be determined as the learner's weak learning factors.
  • the weak learning factor determination unit 220 the evaluation items scored less than the predetermined level of evaluation items A (3 points), B (5 points) and C (points) 10 points), and the learning factors associated with the three assessment items above are a and b, a and c and b and c, respectively, where a has a fragility index of 8 (ie, 3 + 5) and b is a fragility index. Is 13 (ie, 3 + 10) and c has a fragility index of 15 (ie, 5 + 10), so that learning elements b and c having a relatively high vulnerability index can be determined as a weak learning factor.
  • the weak learning element determining unit 220 includes at least one student's score and at least one score of at least one other evaluation item included in a scorecard applied to a descriptive answer of a learner who solves another learning problem.
  • the learner's weak learning factor may be determined further by referring to at least one learning factor associated with another assessment item of.
  • the weak learning factor determination unit 220 scores the evaluation item among at least one other evaluation item included in the scorecard applied to the descriptive answer of the learner who solves the other learning problem. May determine a learner's weak learning factor by referring to at least one learning factor associated with an assessment item below a predetermined level.
  • the weak learning factor determination unit 220 includes the evaluation items of at least one evaluation item included in the scorecard applied to the descriptive answer of the learner who solved the first learning problem.
  • the learning factor associated with an assessment that has a score below a certain level (for example, a learning factor, b learning factor, and c learning factor) has a learning factor of 5, b learning factor of 1, and c learning factor of 4
  • a learning element one time in a learning element that is associated with an evaluation item whose score of the evaluation item is less than a predetermined level among the at least one evaluation item included in the scorecard applied to the descriptive answer of the learner who solved the second learning problem.
  • the weak learning factor determination unit 220 evaluates the score of the evaluation item among at least one evaluation item included in the scorecard applied to the descriptive answer of the learner who solved the learning problem. Not only the first learning element corresponding to the item but also the second learning element in a predetermined relationship with the first learning element may be determined as the weak learning element. According to an embodiment of the present invention, at least one of the first learning element and the second learning element may be determined as a weak learning element.
  • the weak learning element determiner 220 determines a second learning element that is at least a part of the learning element having a prior knowledge or a post-knowledge relationship with the first learning element as the weak learning element. Can be.
  • the second learning element when the 'operation of the set' is the first learning element, the second learning element may be preceded by the first learning element such as 'definition of the set' or 'operation of the set'. It may be a learning element in a knowledge relationship or a learning element in a trailing knowledge relationship with the first learning element, such as' D'Morgan's law using a set operation.
  • the second learning element is a learning having a prior knowledge relationship with the first learning element, such as the concept of argument. Element or a learning element that is in a trailing knowledge relationship with the first learning element, such as 'dispute against argument'.
  • the weak learning element determiner 220 may refer to tagging information provided for at least one evaluation item in order to obtain at least one learning element associated with the evaluation item.
  • the tagging information may include at least one learning element encoded (for example, 'A001' (concept of sets), 'A101' (concept of argument), etc.). have.
  • the weak learning element determiner 220 information about at least one learning element corresponding to the evaluation item in order to obtain information about at least one learning element associated with the evaluation item. You can also refer to the stored lookup table.
  • the weak learning factor determiner 220 analyzes a word, a sentence, a formula, and the like of at least one evaluation item through a deep learning or machine learning algorithm. At least one learning element associated with at least one evaluation item may be obtained, and tagging information may be assigned to the at least one evaluation item based on the obtained at least one learning element.
  • a deep learning or machine learning algorithm includes a K-Nearest Neighbors (K-NN) algorithm, a Recurrent Neural Network (RNN) algorithm, a composite product neural network (CNN); Convolutional Neural Network) algorithm and the like.
  • weak learning factor determination unit 220 when the endpoint is "entity obtain correctly the A c?", as a learning element is associated to the evaluation items, "complement And 'understand concepts for sets', each learning element is coded into 'A201' (concept of sets) and 'A001' (concept of sets), and includes coded information. The tagging information can be given to the corresponding evaluation item.
  • the weak learning factor determination unit 220 is an associated learning factor for the evaluation item when the evaluation item is 'is the argument process logical?' Tagging information including the concept of argument 'and' type of argument ', the coding of each learning element into' A101 '(concept of argument) and' A102 '(type of argument), and the encoded information. Can be assigned to the evaluation items.
  • the supplementary learning path determiner 230 may determine the supplementary learning path to be provided to the learner by referring to the weak learning element determined by the weak learning element determiner 220.
  • the supplementary learning path may be specified by at least one supplementary learning problem for supplementing the learner's weak learning element.
  • the supplementary learning path determiner 230 refers to the determined weakness learning element and includes a single problem, a weakness learning element and a plurality of other learning elements each containing one weakness learning element. At least one of the likelihood of combining similar and vulnerable learning elements and other learning problem pools of learners whose incorrect answer is determined based on history (eg, a combination of vulnerable learning elements determined from vulnerable learning elements and other learning problems). By specifying as a supplementary learning problem, one can determine the supplementary learning path to be provided to the learner.
  • the supplemental learning path determiner 230 predicts a single problem, a similar problem, and an incorrect answer based on a score of an evaluation item associated with a weak learning element and a frequency of appearance of the weak learning element. At least one of the problems may be specified as a supplemental learning problem to be provided to the learner. More specifically, according to one embodiment of the invention, the supplementary learning path determiner 230, the average score of the evaluation item score associated with the weak learning element is lower than the predetermined level or the frequency of appearance of the weak learning element is If the level is above a predetermined level, a single problem may be determined as a supplementary learning problem provided to the learner for basic learning about the weak learning element.
  • the supplementary learning path determiner 230 includes a learner's score and at least one score of at least one other evaluation item included in a scorecard applied to a descriptive answer of a learner who solves another learning problem.
  • the supplementary learning path to be provided to the learner may be determined by further referring to at least one learning element associated with one other evaluation item.
  • the weak learning element is a weak learning element in the learning element associated with at least one other evaluation item for another learning problem solved by the learner
  • the supplementary learning path determiner 230 may determine a single problem as a supplementary learning problem when the frequency of determining the vulnerable learning element as the vulnerable learning element is higher than a predetermined level. If the frequency is less than the predetermined level, the error can be identified as a supplementary learning problem, and if the frequency is a predetermined level, the similar problem can be specified as the supplementary learning problem.
  • the communication unit 240 is capable of transmitting and receiving data to and from the evaluation item information acquisition unit 210, the weak learning element determination unit 220 and the supplementary learning path determination unit 230. To perform the function.
  • control unit 250 is the data of the evaluation item information acquisition unit 210, the weak learning element determination unit 220, supplementary learning path determination unit 230 and the communication unit 240 Can control the flow. That is, the controller 250 according to the present invention controls the data flow from / to the outside of the learning support system 200 or the data flow between each component of the learning support system 200, thereby obtaining the evaluation item information obtaining unit 210. ), The weak learning element determiner 220, the supplementary learning path determiner 230, and the communicator 240 may control to perform unique functions.
  • FIG. 3 is a diagram exemplarily illustrating a scoring table applied to a narrative answer of a learner who solves a learning problem according to an exemplary embodiment of the present invention.
  • each of at least one evaluation item 303 and at least one evaluation item for the learning problem 301, 302 is assigned.
  • the learning support system 200 includes at least one evaluation item 303 included in the scorecard 320 from the scorecard 320 applied to the descriptive answer of the learner who solved the learning problem.
  • the learner's score 305 for each may be obtained.
  • the learning support system 200 includes the evaluation items 306 of the at least one evaluation item 303 included in the scorecard 320 whose evaluation score 305 is less than a predetermined level. 307, 308 can be extracted.
  • the learning support system 200 includes the evaluation items 306 and 307 having an evaluation score 305 below a predetermined level based on tagging information assigned to the at least one evaluation item 303.
  • the at least one coded learning element (309, 310, 311) associated with 308 the learning elements 'C302' and 'C516' which are commonly included among the evaluation items having an evaluation score below a predetermined level. Can be determined.
  • the learning support system 200 uses at least one of a single problem, a similar problem, and a wrong answer prediction problem associated with the weak learning elements 'C302' and 'C516' as a supplementary learning problem. By specifying, you can determine the supplementary learning path that will be provided to the learner.
  • the present invention includes a multiple choice question, a short answer question, or a narrative problem. It can also be used in cases where the test has been solved.
  • the learning support system 200 may obtain an optical mark reader (OMR) answer image of a learner who has solved a test including at least one learning question among multiple-choice, short-answer and descriptive questions. .
  • OMR optical mark reader
  • the learning support system 200 may obtain information about a learner code and a test that can identify the learner from the OMR answer image.
  • the learning support system 200 based on the information about the test obtained, automatic scoring problems (eg, multiple choice or short answer) and automatic scoring that can be automatically scored. Distinguish this difficult manual scoring problem (e.g., descriptive problem), recognize the answer to the question from the OMR answer image written by the student for the automatic scoring problem, and automatically score the manual scoring problem.
  • a scorecard including at least one evaluation item for each problem may be generated, and an image including an answer region of a manual scoring problem may be extracted from the learner's OMR answer image and provided to the scorer.
  • the learning support system 200 determines that the learner of at least one evaluation item is included in the scorecard. You can earn points.
  • the learning support system 200 includes at least one score associated with the automatic scoring problem and the manual scoring problem and at least one evaluation item associated with the automatic scoring problem and the manual scoring problem.
  • the learner's weak learning factor may be determined, and the supplementary learning path to be provided to the learner may be determined with reference to the determined weak learning factor.
  • Embodiments according to the present invention described above can be implemented in the form of program instructions that can be executed by various computer components and recorded in a computer-readable recording medium.
  • the computer-readable recording medium may include program instructions, data files, data structures, etc. alone or in combination.
  • Program instructions recorded on the computer-readable recording medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the computer software arts.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks and magnetic tape, optical recording media such as CD-ROMs and DVDs, and magneto-optical media such as floptical disks. medium) and hardware devices specifically configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like.
  • Examples of program instructions include not only machine code generated by a compiler, but also high-level language code that can be executed by a computer using an interpreter or the like.
  • the hardware device may be modified with one or more software modules to perform the processing according to the present invention, and vice versa.

Landscapes

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

Abstract

본 발명은 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체에 관한 것이다. 본 발명의 일 태양에 따르면, 학습을 지원하는 방법으로서, 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목에 대한 상기 학습자의 점수를 획득하는 단계, 상기 획득되는 점수 및 상기 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 상기 학습자의 취약 학습 요소를 결정하는 단계, 및 상기 결정되는 취약 학습 요소를 참조하여 상기 학습자에게 제공될 보충 학습 경로를 결정하는 단계를 포함하는 방법이 제공된다.

Description

학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
본 발명은 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체에 관한 것이다.
인터넷과 멀티미디어 기술의 발달과 함께 언제 어디서든지 학습자가 학습을 위한 강의를 제공받을 수 있게 되었을 뿐만 아니라, 학습에 대한 다양한 평가를 수행하고, 수행한 학습 평가에 대한 피드백까지 받을 수 있게 되었다.
이에 관한 종래 기술의 일 예로서, 학습자가 학습 사이트 상에서 학습 능력 진단을 위한 문제를 제공 받고, 학습자가 문제에 대한 답을 입력하면 자동으로 채점되어 평가 점수가 산출되고, 평가 점수가 소정 점수 이상일 경우에는 다음 과정으로 이동하고, 소정 점수 미만이면 이전 과정의 문제를 반복하는 온라인 학습 제공 방법이 소개된 바 있다.
하지만, 위와 같은 종래 기술을 비롯하여 지금까지 소개된 기술에 의하면, 온라인 상에서 학습자에게 제공될 수 있는 문제 유형은 자동 채점 등의 문제로 인해 객관식이나 단순한 단답식 문제 유형으로 한정될 수 밖에 없었고, 평가가 수행된 후에도 학습자의 보충 학습을 위하여 학습자가 오답한 문제와 동일한 과정의 문제만이 학습자에게 제공하고 있을 뿐이었다. 특히, 다른 유형의 문제와 달리, 서술형 문제 유형은 채점자의 주관적인 판단과 수작업에 의하여 답안이 평가될 수 밖에 없었기 때문에 그 서술형 문제에 대한 학습자의 취약점을 알아내기는 어려운 실정이었다.
이에 본 발명자는, 학습 문제를 풀이한 학습자의 서술형 답안에 대하여 그 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목에 대한 학습자의 점수를 통해 학습자의 취약 학습 요소를 결정하고, 결정되는 취약 학습 요소를 참조하여 학습자에게 제공될 보충 학습 경로를 결정하는 기술을 제안하는 바이다.
본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은 학습자의 서술형 답안에 적용되는 채점표에 포함되는 평가 항목을 참조하여 학습자의 취약 학습 요소를 추출하는 것을 다른 목적으로 한다.
또한, 본 발명은 학습자의 취약 학습 요소를 보충하기 위하여 취약 학습 요소와 연관되는 보충 학습 경로를 결정하는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 학습을 지원하는 방법으로서, 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목에 대한 상기 학습자의 점수를 획득하는 단계, 상기 획득되는 점수 및 상기 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 상기 학습자의 취약 학습 요소를 결정하는 단계, 및 상기 결정되는 취약 학습 요소를 참조하여 상기 학습자에게 제공될 보충 학습 경로를 결정하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 학습을 지원하는 시스템으로서, 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목에 대한 상기 학습자의 점수를 획득하는 평가 항목 정보 획득부, 상기 획득되는 점수 및 상기 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 상기 학습자의 취약 학습 요소를 결정하는 취약 학습 요소 결정부, 및 상기 결정되는 취약 학습 요소를 참조하여 상기 학습자에게 제공될 보충 학습 경로를 결정하는 보충 학습 경로 결정부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 학습자의 서술형 답안에 적용되는 채점표에 포함되는 평가 항목을 참조하여 학습자의 취약 학습 요소를 추출할 수 있게 된다.
또한, 본 발명에 의하면, 학습자의 취약 학습 요소를 보충하기 위하여 취약 학습 요소와 연관되는 보충 학습 경로를 결정할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따라 학습을 지원하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 학습 지원 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 3은 본 발명의 일 실시예에 따라 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표를 예시적으로 나타내는 도면이다.
<부호의 설명>
100: 통신망
200: 학습 지원 시스템
210: 평가 항목 정보 획득부
220: 취약 학습 요소 결정부
230: 보충 학습 경로 결정부
240: 통신부
250: 제어부
300: 학습자 디바이스
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따라 학습을 지원하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 학습 지원 시스템(200) 및 학습자 디바이스(300)를 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드와이드웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(Long Term Evolution) 통신, 블루투스 통신(예를 들면, 저전력 블루투스(Bluetooth Low Energy) 통신), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방식을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
다음으로, 본 발명의 일 실시예에 따른 학습 지원 시스템(200)은 통신망(100)을 통하여 후술할 학습자 디바이스(300)와의 통신을 수행할 수 있고, 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목에 대한 학습자의 점수를 획득하고, 획득되는 점수 및 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 학습자의 취약 학습 요소를 결정하고, 결정되는 취약 학습 요소를 참조하여 학습자에게 제공될 보충 학습 경로를 결정하는 기능을 수행할 수 있다.
본 발명에 따른 학습 지원 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다. 한편, 학습 지원 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 학습 지원 시스템(200)에 대하여 요구되는 기능이나 구성요소의 적어도 일부가 필요에 따라 후술할 학습자 디바이스(300) 또는 외부 시스템(미도시됨) 내에서 실현되거나 학습자 디바이스(300) 또는 외부 시스템(미도시됨)에 포함될 수도 있음은 당업자에게 자명하다.
다음으로, 본 발명의 일 실시예에 따른 학습자 디바이스(300)는 통신망(100)을 통해 학습 지원 시스템(200)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿 PC 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 휴대 가능한 디지털 기기라면 얼마든지 본 발명에 따른 학습자 디바이스(300)로서 채택될 수 있다.
한편, 본 발명의 일 실시예에 따르면, 학습자 디바이스(300)에는 학습자에게 본 발명에 따른 학습 지원 기능을 제공할 수 있도록 이를 지원하는 애플리케이션이 포함되어 있을 수 있다. 이와 같은 애플리케이션은 학습 지원 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다.
학습 지원 시스템의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 학습 지원 시스템(200)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 학습 지원 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다.
본 발명의 일 실시예에 따른 학습 지원 시스템(200)은 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기일 수 있다. 이러한 학습 지원 시스템(200)은 서버 시스템일 수 있다. 도 2에 도시된 바와 같이, 학습 지원 시스템(200)은 평가 항목 정보 획득부(210), 취약 학습 요소 결정부(220), 보충 학습 경로 결정부(230), 통신부(240) 및 제어부(250)를 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따르면, 평가 항목 정보 획득부(210), 취약 학습 요소 결정부(220), 보충 학습 경로 결정부(230), 통신부(240) 및 제어부(250)는 그 중 적어도 일부가 외부의 시스템과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 학습 지원 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 학습 지원 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
먼저, 본 발명의 일 실시예에 따른 평가 항목 정보 획득부(210)는 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목에 대한 학습자의 점수를 획득하는 기능을 수행할 수 있다. 본 발명의 일 실시예에 따라 서술형 답안에 적용되는 채점표는 학습 문제별로 적어도 하나의 평가 항목을 포함하고 있을 수 있으며, 그 평가 항목은 학습 문제를 풀이한 학습자의 서술형 답안에 대하여 배점에 따른 점수가 부여되기 위한 소정의 세부 기준 항목으로서, 예를 들면, 그 학습 문제를 풀이하기 위하여 학습자가 수행하도록 요구되는 적어도 하나의 일부 과정(예를 들어, 수학 또는 과학 과목인 경우에 중간 과정에 포함되는 개념 또는 식일 수 있고, 언어(국어) 또는 철학 과목인 경우에 중간 과정에 포함되는 논리/논증의 개념 또는 과정일 수 있다.) 또는 그 학습 문제에 대한 일부 정답 또는 일부 해답일 수 있다.
구체적으로, 본 발명의 일 실시예에 따라 평가 항목 정보 획득부(210)는, 학습자가 어떤 학습 문제를 풀이하여 서술형 답안을 작성하는 경우에, 적어도 하나의 평가 항목을 포함하는 채점표에 따라 그 서술형 답안이 채점된 결과로서 그 서술형 답안에 대하여 평가 항목별로 부여되는 점수를 그 학습자의 점수로서 획득할 수 있다.
예를 들면, 본 발명의 일 실시예에 따르면, 어떤 학습 문제에 대한 정답을 구하기 위하여 (1) A를 구하고, (2) A를 이용하여 B를 구하고, (3) B를 이용하여 C를 구하는 과정으로 풀이되어야 하는 경우, 채점표에 포함되는 적어도 하나의 평가 항목은 (1) 'A를 바르게 구하였는가' (2) 'A를 통해 B를 바르게 구하였는가?' 및 (3) 'B를 통해 C를 바르게 구하였는가?'일 수 있으며, 평가 항목 정보 획득부(210)는, 평가 항목 (1), (2) 및 (3) 각각에 대한 점수를 학습자의 점수로서 획득할 수 있다.
다른 예를 들면, 본 발명의 일 실시예에 따르면, 어떤 학습 문제에 대한 정답이 어떤 가정을 세우고 그 결론을 도출하여야 되는 것인 경우, 채점표에 포함되는 적어도 하나의 평가 항목은 (1) '증명 과정이 논리적인가?' (2) '올바른 가정을 제시하였는가?' 및 (3) '결과로부터 적절한 의미를 도출하였는가?'일 수 있으며, 평가 항목 정보 획득부(210)는, 평가 항목 (1), (2) 및 (3) 각각에 대한 점수를 학습자의 점수로서 획득할 수 있다.
한편, 본 발명의 일 실시예에 따라 평가 항목 정보 획득부(210)는 광학 문자 인식(OCR; optical character recognition)을 통해 획득되는 학습자의 서술형 답안의 채점 결과(또는 채점표) 또는 전자 입력된 학습자의 서술형 답안에 대한 채점 결과(또는 채점표)로부터 적어도 하나의 평가 항목에 따른 점수를 획득할 수도 있다.
다음으로, 본 발명의 일 실시예에 따른 취약 학습 요소 결정부(220)는 평가 항목 정보 획득부(210)를 통해 획득되는 점수 및 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 학습자의 취약 학습 요소를 결정할 수 있다. 본 발명의 일 실시예에 따라 평가 항목과 연관되는 학습 요소는, 학습자가 그 평가 항목을 수행 또는 이해하였다고 판단되기 위하여 학습자에게 요구되는 지식 단위일 수 있으며, 예를 들면, 교과 과정 상의 단원 또는 커리큘럼일 수 있으며, 그 교과 과정 상에서의 개념, 수식, 기호, 유형, 난이도 등일 수 있다.
구체적으로, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는, 획득되는 평가 항목의 점수가 소정 수준 미만인 적어도 하나의 평가 항목 및 그 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 취약 학습 요소를 결정할 수 있다. 즉, 본 발명의 일 실시예에 따른 이러한 취약 학습 요소는, 획득되는 평가 항목의 점수가 소정 수준 미만인 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소 중 일부 또는 전부일 수 있다.
예를 들면, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는, 평가 항목의 점수가 소정 수준 미만인 복수의 평가 항목과 연관되는 적어도 하나의 학습 요소 중 그 비중이나 출현되는 빈도가 기설정된 수준 이상인 학습 요소를 학습자의 취약 학습 요소로서 결정할 수 있다.
다른 예를 들면, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는, 평가 항목의 점수가 소정 수준 미만인 복수의 평가 항목과 연관되는 적어도 하나의 학습 요소 중 그 출현 빈도 및 평가 항목의 배점에 따른 가중치를 함께 참조함으로써 결정되는 취약 지수가 소정 수준 이상인 학습 요소를 학습자의 취약 학습 요소로서 결정할 수 있다. 상세하게는, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는, 평가 항목의 점수가 소정 수준 미만인 평가 항목이 A(배점 3점), B(배점 5점) 그리고 C(배점 10점)이고, 위의 세 가지 평가 항목과 연관되는 학습 요소가 각각 a 및 b, a 및 c 그리고 b 및 c인 경우, a는 취약 지수가 8(즉, 3 + 5), b는 취약 지수가 13(즉, 3 + 10) 그리고 c는 취약 지수가 15(즉, 5 + 10)이므로, 취약 지수가 상대적으로 높은 학습 요소 b 및 c를 취약 학습 요소로 결정할 수 있다.
또한, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는 다른 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 다른 평가 항목에 대한 학습자의 점수 및 적어도 하나의 다른 평가 항목과 연관되는 적어도 하나의 학습 요소를 더 참조하여, 학습자의 취약 학습 요소를 결정할 수 있다.
구체적으로, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는, 다른 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 다른 평가 항목 중에서 그 평가 항목의 점수가 소정 수준 미만인 평가 항목에 연관되는 적어도 하나의 학습 요소를 참조하여 학습자의 취약 학습 요소를 결정할 수 있다.
예를 들면, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는, 제1 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목 중 그 평가 항목의 점수가 소정 수준 미만인 평가 항목에 연관되는 학습 요소(예를 들면, a 학습 요소, b 학습 요소 및 c 학습 요소)에 a 학습 요소가 5번, b 학습 요소가 1번 및 c 학습 요소가 4번 포함되고, 제2 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목 중 그 평가 항목의 점수가 소정 수준 미만인 평가 항목에 연관되는 학습 요소에 a 학습 요소가 1번, b 학습 요소가 2번 및 c 학습 요소가 3번 포함되는 경우에, 평가 항목의 점수가 소정 수준 미만인 평가 항목에 연관되는 학습 요소 중 학습 요소의 누적 수가 가장 많은 c 학습 요소를 취약 학습 요소로 결정할 수 있다.
또한, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목 중 평가 항목의 점수가 소정 수준 미만인 평가 항목에 대응되는 제1 학습 요소뿐만 아니라 그 제1 학습 요소와 기설정된 관계에 있는 제2 학습 요소를 취약 학습 요소로서 결정할 수 있다. 본 발명의 일 실시예에 따르면, 제1 학습 요소 및 제2 학습 요소 중 적어도 하나가 취약 학습 요소로서 결정될 수 있다.
구체적으로, 본 발명의 일 실시예에 따라, 취약 학습 요소 결정부(220)는, 제1 학습 요소와 선행 지식 또는 후행 지식 관계에 있는 학습 요소 중 적어도 일부인 제2 학습 요소를 취약 학습 요소로서 결정할 수 있다.
예를 들면, 본 발명의 일 실시예에 따라, '여집합의 연산'이 제1 학습 요소인 경우, 제2 학습 요소는 '집합의 정의' 또는 '집합의 연산'과 같이 제1 학습 요소와 선행 지식 관계에 있는 학습 요소거나 '여집합 연산을 이용한 드모르간의 법칙'과 같이 제1 학습 요소와 후행 지식 관계에 있는 학습 요소일 수 있다.
다른 예를 들면, 본 발명의 일 실시예에 따라, '귀납 추리 논증'이 제1 학습 요소인 경우, 제2 학습 요소는 '논증의 개념'과 같이 제1 학습 요소와 선행 지식 관계에 있는 학습 요소거나 '논증에 대한 반박'과 같이 제1 학습 요소와 후행 지식 관계에 있는 학습 요소일 수 있다.
또한, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는 평가 항목과 연관되는 적어도 하나의 학습 요소를 획득하기 위하여 적어도 하나의 평가 항목에 대하여 부여되는 태깅(tagging) 정보를 참조할 수 있다. 본 발명의 일 실시예에 따라 이러한 태깅 정보에는, 적어도 하나의 학습 요소가 코드화(예를 들면, 'A001'(집합에 대한 개념), 'A101'(논증의 개념) 등)되어 포함되어 있을 수 있다.
한편, 본 발명의 일 실시예에 따라, 취약 학습 요소 결정부(220)는 평가 항목과 연관되는 적어도 하나의 학습 요소에 대한 정보를 획득하기 위하여 평가 항목에 대응되는 적어도 하나의 학습 요소에 관한 정보가 저장된 룩업 테이블을 참조할 수도 있다.
한편, 본 발명의 일 실시예에 따라 취약 학습 요소 결정부(220)는 적어도 하나의 평가 항목의 단어, 문장, 수식 등에 대하여 딥 러닝(deep learning) 또는 머신 러닝(machine learning) 알고리즘을 통해 분석함으로써 적어도 하나의 평가 항목에 연관되는 적어도 하나의 학습 요소를 획득하고, 획득된 적어도 하나의 학습 요소에 기초하여 태깅 정보를 적어도 하나의 평가 항목에 부여할 수도 있다. 본 발명의 일 실시예에 따른 딥 러닝 또는 머신 러닝 알고리즘에는, K-최근접 이웃(K-NN; K-Nearest Neighbors) 알고리즘, 순환 신경망(RNN; Recurrent Neural Network) 알고리즘, 합성곱 신경망(CNN; Convolutional Neural Network) 알고리즘 등이 포함될 수 있다.
예를 들면, 본 발명의 일 실시예에 따라, 취약 학습 요소 결정부(220)는, 평가 항목이 'Ac을 바르게 구하였는가?'인 경우, 평가 항목에 대한 연관되는 학습 요소로서, '여집합의 개념' 및 '집합에 대한 개념 이해'를 획득할 수 있고, 각각의 학습 요소를 'A201'(여집합의 개념) 및 'A001'(집합에 대한 개념)로 코드화하고, 코드화된 정보를 포함하는 태깅 정보를 해당 평가 항목에 부여할 수 있다.
다른, 예를 들면, 본 발명의 일 실시예에 따라, 취약 학습 요소 결정부(220)는, 평가 항목이 '논증 과정이 논리적인가?'인 경우, 평가 항목에 대한 연관되는 학습 요소로서, '논증의 개념' 및 '논증의 종류'를 획득할 수 있고, 각각의 학습 요소를 'A101'(논증의 개념) 및 'A102'(논증의 종류)로 코드화하고, 코드화된 정보를 포함하는 태깅 정보를 해당 평가 항목에 부여할 수 있다.
다음으로, 본 발명의 일 실시예에 따라 보충 학습 경로 결정부(230)는 취약 학습 요소 결정부(220)를 통해 결정되는 취약 학습 요소를 참조하여 학습자에게 제공될 보충 학습 경로를 결정할 수 있다. 본 발명의 일 실시예에 따라 이러한 보충 학습 경로는, 학습자의 취약 학습 요소를 보완하기 위한 적어도 하나의 보충 학습 문제에 의하여 특정되는 것일 수 있다.
구체적으로, 본 발명의 일 실시예에 따라 보충 학습 경로 결정부(230)는 결정되는 취약 학습 요소를 참조하여, 취약 학습 요소가 각각 하나씩 포함되는 단일 문제, 취약 학습 요소와 복수의 다른 학습 요소가 조합되는 유사 문제 및 취약 학습 요소와 학습자의 다른 학습 문제 풀이 이력에 기초하여 결정되는 오답 예상 문제(예를 들면, 취약 학습 요소와 다른 학습 문제로부터 결정되는 취약 학습 요소와 조합되는 문제) 중 적어도 하나를 보충 학습 문제로 특정함으로써 학습자에게 제공될 보충 학습 경로를 결정할 수 있다.
예를 들면, 본 발명의 일 실시예에 따라 보충 학습 경로 결정부(230)는, 취약 학습 요소와 연관되는 평가 항목의 점수 및 취약 학습 요소의 출현 빈도에 기초하여 단일 문제, 유사 문제 및 오답 예상 문제 중 적어도 하나를 학습자에게 제공될 보충 학습 문제로서 특정할 수 있다. 보다 상세하게는, 본 발명의 일 실시예에 따라, 보충 학습 경로 결정부(230)는, 취약 학습 요소와 연관되는 평가 항목 점수의 평균 점수가 소정 수준 미만으로 낮거나 취약 학습 요소의 출현 빈도가 소정 수준 이상인 경우, 그 취약 학습 요소에 대한 기초 학습을 위해 단일 문제를 학습자에게 제공되는 보충 학습 문제로 결정할 수 있다.
또한, 본 발명의 일 실시예에 따라 보충 학습 경로 결정부(230)는, 다른 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 다른 평가 항목에 대한 학습자의 점수 및 적어도 하나의 다른 평가 항목과 연관되는 적어도 하나의 학습 요소를 더 참조하여 학습자에게 제공될 보충 학습 경로를 결정할 수 있다.
구체적으로, 본 발명의 일 실시예에 따라 보충 학습 경로 결정부(230)는, 학습자가 풀이한 다른 학습 문제에 대한 적어도 하나의 다른 평가 항목과 연관되는 학습 요소에서 해당 취약 학습 요소가 취약 학습 요소로 결정되는 횟수(또는 빈도) 및 학습자가 풀이한 다른 학습 문제에 대한 적어도 하나의 다른 평가 항목 중 그 평가 항목의 점수가 소정 수준 미만인 평가 항목에 연관되는 학습 요소에 해당 취약 학습 요소가 포함되는 횟수(또는 빈도) 중 적어도 하나를 참조함으로써 학습자의 취약 학습 요소를 결정할 수 있다.
예를 들어, 본 발명의 일 실시예에 따라 보충 학습 경로 결정부(230)는, 취약 학습 요소가 다른 학습 문제에서 취약 학습 요소로 결정되는 빈도가 소정 수준 이상인 경우, 보충 학습 문제로서 단일 문제를 특정할 수 있고, 그 빈도가 소정 수준 미만인 경우, 보충 학습 문제로서 오답 예상 문제를 특정할 수 있고, 그 빈도가 전술한 소정 수준의 사잇값인 경우 보충 학습 문제로서 유사 문제를 특정할 수 있다.
다음으로, 본 발명의 일 실시예에 따른 통신부(240)는 평가 항목 정보 획득부(210), 취약 학습 요소 결정부(220) 및 보충 학습 경로 결정부(230)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(250)는 평가 항목 정보 획득부(210), 취약 학습 요소 결정부(220), 보충 학습 경로 결정부(230) 및 통신부(240) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(250)는 학습 지원 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 학습 지원 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 평가 항목 정보 획득부(210), 취약 학습 요소 결정부(220), 보충 학습 경로 결정부(230) 및 통신부(240)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
도 3은 본 발명의 일 실시예에 따라 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표를 예시적으로 나타내는 도면이다.
도 3을 참조하면, 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표(320)에는, 학습 문제(301, 302)에 대한 각각 적어도 하나의 평가 항목(303), 적어도 하나의 평가 항목의 배점(304) 및 적어도 하나의 평가 항목에 대한 점수(305) 등을 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따라 학습 지원 시스템(200)은 학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표(320)로부터 그 채점표(320)에 포함되는 적어도 하나의 평가 항목(303) 각각에 대한 학습자의 점수(305)를 획득할 수 있다.
그 다음에, 본 발명의 일 실시예에 따라 학습 지원 시스템(200)은 채점표(320)에 포함되는 적어도 하나의 평가 항목(303) 중 그 평가 점수(305)가 소정 수준 미만인 평가 항목(306, 307, 308)을 추출할 수 있다.
그 다음에, 본 발명의 일 실시예에 따라 학습 지원 시스템(200)은 적어도 하나의 평가 항목(303)에 부여된 태깅 정보에 기초하여 평가 점수(305)가 소정 수준 미만인 평가 항목(306, 307, 308)과 연관되는 적어도 하나의 코드화된 학습 요소(309, 310, 311) 중 평가 점수가 소정 수준 미만인 평가 항목 간에 공통적으로 포함되는 학습 요소 'C302' 및 'C516'을 해당 학습자의 취약 학습 요소로 결정할 수 있다.
그 다음에, 본 발명의 일 실시예에 따라 학습 지원 시스템(200)은 취약 학습 요소인 'C302' 및 'C516'과 연관되는 단일 문제, 유사 문제 및 오답 예상 문제 중 적어도 하나를 보충 학습 문제로 특정함으로써 해당 학습자에게 제공될 보충 학습 경로를 결정할 수 있다.
이상에서는, 학습 문제를 풀이한 서술형 답안에 적용되는 채점표를 이용하여 학습자의 학습을 지원하는 일 실시예에 대하여 주로 설명하였지만, 본 발명은, 학습자가 객관식 문제, 단답식 문제 또는 서술형 문제가 혼합되어 포함되어 있는 시험을 풀이한 경우에도 활용될 수 있다.
본 발명의 다른 실시예에 따라, 학습 지원 시스템(200)은 객관식, 단답식 및 서술형 문제 중 적어도 하나의 학습 문제를 포함하는 시험을 풀이한 학습자의 OMR(optical mark reader) 답안 이미지를 획득할 수 있다.
그 다음에, 본 발명의 다른 실시예에 따라, 학습 지원 시스템(200)은 OMR 답안 이미지로부터 학습자를 식별할 수 있는 학습자 코드 및 시험에 관한 정보를 획득할 수 있다.
그 다음에, 본 발명의 다른 실시예에 따라, 학습 지원 시스템(200)은, 획득되는 시험에 관한 정보에 기초하여, 자동 채점이 가능한 자동 채점 문제(예를 들면, 객관식 또는 단답식)와 자동 채점이 어려운 수동 채점 문제(예를 들면, 서술형 문제)를 구분하고, 자동 채점 문제에 대하여 학습자가 작성한 OMR 답안 이미지로부터 해당 문제에 대한 답안을 인식하여 자동 채점할 수 있으며, 수동 채점 문제에 대하여 수동 채점 문제별 적어도 하나의 평가 항목이 포함되는 채점표를 생성하고, 학습자의 OMR 답안 이미지로부터 수동 채점 문제의 답안 영역이 포함된 이미지를 추출하여 채점자에게 제공할 수 있다.
그 다음에, 본 발명의 다른 실시예에 따라, 채점표에 기초하여 채점자가 적어도 하나의 평가 항목별로 점수를 부여하면, 학습 지원 시스템(200)은 채점표에 포함되는 적어도 하나의 평가 항목에 대한 학습자의 점수를 획득할 수 있다.
그 다음에, 본 발명의 다른 실시예에 따라, 학습 지원 시스템(200)은 자동 채점 문제 및 수동 채점 문제에 대하여 획득되는 점수와 자동 채점 문제 및 수동 채점 문제의 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 학습자의 취약 학습 요소를 결정하고, 결정되는 취약 학습 요소를 참조하여 학습자에게 제공될 보충 학습 경로를 결정할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

Claims (10)

  1. 학습을 지원하는 방법으로서,
    학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목에 대한 상기 학습자의 점수를 획득하는 단계,
    상기 획득되는 점수 및 상기 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 상기 학습자의 취약 학습 요소를 결정하는 단계, 및
    상기 결정되는 취약 학습 요소를 참조하여 상기 학습자에게 제공될 보충 학습 경로를 결정하는 단계
    를 포함하는 방법.
  2. 제1항에 있어서,
    상기 취약 학습 요소 결정 단계에서, 상기 취약 학습 요소에는, 상기 학습자의 획득되는 점수가 소정 수준 미만인 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소가 포함되는
    방법.
  3. 제1항에 있어서,
    상기 학습자의 취약 학습 요소에는, 상기 획득되는 점수가 소정 수준 미만인 평가 항목에 대응되는 제1 학습 요소 및 상기 제1 학습 요소와 기설정된 관계에 있는 제2 학습 요소 중 적어도 하나가 포함되는
    방법.
  4. 제1항에 있어서,
    상기 취약 학습 요소 결정 단계에서, 다른 학습 문제를 풀이한 상기 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 다른 평가 항목에 대한 상기 학습자의 점수 및 상기 적어도 하나의 다른 평가 항목과 연관되는 적어도 하나의 학습 요소를 더 참조하여, 상기 학습자의 취약 학습 요소를 결정하는
    방법.
  5. 제1항에 있어서,
    상기 취약 학습 요소 결정 단계에서, 상기 적어도 하나의 평가 항목과 상기 적어도 하나의 학습 요소 사이의 연관 관계는, 상기 적어도 하나의 평가 항목에 대하여 부여되는 태깅(tagging) 정보에 의하여 특정되는
    방법.
  6. 제5항에 있어서,
    상기 태깅 정보에는, 상기 적어도 하나의 학습 요소를 코드화한 정보가 포함되는
    방법.
  7. 제1항에 있어서,
    상기 보충 학습 경로 결정 단계에서, 상기 보충 학습 경로는, 상기 취약 학습 요소와 연관되는 적어도 하나의 보충 학습 문제에 의하여 특정되는
    방법.
  8. 제1항에 있어서,
    상기 보충 학습 경로 결정 단계에서, 상기 적어도 하나의 보충 학습 문제에는 단일 문제, 유사 문제 및 오답 예상 문제 중 적어도 하나가 포함되는
    방법.
  9. 제1항 내지 제8항 중 어느 한 항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
  10. 학습을 지원하는 시스템으로서,
    학습 문제를 풀이한 학습자의 서술형 답안에 적용되는 채점표에 포함되는 적어도 하나의 평가 항목에 대한 상기 학습자의 점수를 획득하는 평가 항목 정보 획득부,
    상기 획득되는 점수 및 상기 적어도 하나의 평가 항목과 연관되는 적어도 하나의 학습 요소를 참조하여 상기 학습자의 취약 학습 요소를 결정하는 취약 학습 요소 결정부, 및
    상기 결정되는 취약 학습 요소를 참조하여 상기 학습자에게 제공될 보충 학습 경로를 결정하는 보충 학습 경로 결정부
    를 포함하는 시스템.
PCT/KR2017/003021 2017-03-13 2017-03-21 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 WO2018169115A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/492,695 US11600196B2 (en) 2017-03-13 2017-03-21 Method and system for supporting learning, and non-transitory computer-readable recording medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020170031255A KR101923564B1 (ko) 2017-03-13 2017-03-13 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
KR10-2017-0031255 2017-03-13

Publications (1)

Publication Number Publication Date
WO2018169115A1 true WO2018169115A1 (ko) 2018-09-20

Family

ID=63523409

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2017/003021 WO2018169115A1 (ko) 2017-03-13 2017-03-21 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체

Country Status (3)

Country Link
US (1) US11600196B2 (ko)
KR (1) KR101923564B1 (ko)
WO (1) WO2018169115A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109166386A (zh) * 2018-10-25 2019-01-08 重庆鲁班机器人技术研究院有限公司 儿童逻辑思维辅助训练方法、装置及机器人

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180365757A1 (en) * 2017-06-16 2018-12-20 Lang Enterprises LLC Web-based platform for the delivery and distribution of educational materials
KR102095681B1 (ko) * 2019-09-03 2020-03-31 주식회사 에이콘이즈 블록체인 기반 로보어드바이저 수험 학습 시스템
KR102297266B1 (ko) * 2019-09-27 2021-09-03 주식회사 에이치투케이 인공지능 기반의 유아 한글 커리큘럼 세부조정 장치 및 방법
KR102502673B1 (ko) * 2019-11-19 2023-02-23 주식회사 영가에듀 자기주도 학습을 위한 빅데이터 기반의 학습 관리 시스템 및 그 방법
KR102191672B1 (ko) * 2019-12-20 2020-12-16 주식회사 아이스크림에듀 학습 분석 및 인공지능 기반 맞춤형 학습 방법 및 시스템
KR102551717B1 (ko) * 2020-08-26 2023-07-05 주식회사 인사이터 학습 수준 및 취약 영역 기반의 사용자 맞춤형 학습 서비스 제공 방법
KR102265573B1 (ko) * 2020-09-29 2021-06-16 주식회사 팀기원매스 인공지능 기반 입시 수학 학습 커리큘럼 재구성 방법 및 시스템
KR102260907B1 (ko) * 2020-11-02 2021-06-04 (주)퍼플아카데미 영어 쓰기 학습 듀얼 피드백 제공 시스템 및 그 방법
CN112907409A (zh) * 2021-03-08 2021-06-04 北京有竹居网络技术有限公司 应用题求解方法、装置、介质及电子设备
KR102552374B1 (ko) * 2023-01-26 2023-07-06 윤현영 인공지능 기반 메타인지 영단어 학습 플랫폼 운용 서버 및 그 동작 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050025858A (ko) * 2003-09-08 2005-03-14 홍경태 디지털 멀티미디어 환경에서의 피드백에 의한 단계적 학습 방법
KR20060007608A (ko) * 2004-07-20 2006-01-26 조동기 학습 평가 클리닉 서비스 방법 및 그 시스템
KR20070119803A (ko) * 2006-06-16 2007-12-21 전영국 통계적 추론 기반 보충학습 시스템
KR20090001485A (ko) * 2007-04-18 2009-01-09 주식회사 아이오시스 주관식 문항 자동 채점을 통한 자가학습 방법
KR20120019884A (ko) * 2010-08-27 2012-03-07 에스케이텔레콤 주식회사 시험에 대한 분석 결과를 제공하기 위한 시스템, 이를 위한 서버, 이를 위한 단말 및 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록 매체

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030129576A1 (en) * 1999-11-30 2003-07-10 Leapfrog Enterprises, Inc. Interactive learning appliance and method
KR20020015151A (ko) 2000-08-21 2002-02-27 이승우 인터넷을 이용한 단계별 집중 학습방법
WO2002056279A1 (en) * 2001-01-09 2002-07-18 Prep4 Ltd. Training system and method for improving user knowledge and skills
US6554618B1 (en) * 2001-04-20 2003-04-29 Cheryl B. Lockwood Managed integrated teaching providing individualized instruction
US7286793B1 (en) * 2001-05-07 2007-10-23 Miele Frank R Method and apparatus for evaluating educational performance
US20030039948A1 (en) * 2001-08-09 2003-02-27 Donahue Steven J. Voice enabled tutorial system and method
US20040018479A1 (en) * 2001-12-21 2004-01-29 Pritchard David E. Computer implemented tutoring system
US20060099563A1 (en) * 2004-11-05 2006-05-11 Zhenyu Lawrence Liu Computerized teaching, practice, and diagnosis system
US20070172809A1 (en) * 2006-01-24 2007-07-26 Anshu Gupta Meta-data and metrics based learning
US20080057480A1 (en) * 2006-09-01 2008-03-06 K12 Inc. Multimedia system and method for teaching basal math and science
US20080227075A1 (en) * 2007-03-15 2008-09-18 Ctb/Mcgraw-Hill, Llc Method and system for redundant data capture from scanned documents
US8666298B2 (en) * 2008-05-15 2014-03-04 Coentre Ventures Llc Differentiated, integrated and individualized education
US8366449B2 (en) * 2008-08-13 2013-02-05 Chi Wang Method and system for knowledge diagnosis and tutoring
US20120244510A1 (en) * 2011-03-22 2012-09-27 Watkins Jr Robert Todd Normalization and Cumulative Analysis of Cognitive Educational Outcome Elements and Related Interactive Report Summaries
CA2872860C (en) * 2012-02-20 2022-08-30 Knowre Korea Inc. Method, system, and computer-readable recording medium for providing education service based on knowledge units
KR20150122689A (ko) * 2013-02-27 2015-11-02 자누아 에듀케이셔널 서비시즈, 엘엘씨 근원적인 학생 시험 오류 검출 시스템 및 방법
WO2014142620A1 (ko) * 2013-03-14 2014-09-18 ㈜엠피디에이 문항군과 관련 컨셉을 이용한 뉴럴 어댑티브 학습 장치 및 뉴럴 어댑티브 학습 방법
US9704102B2 (en) * 2013-03-15 2017-07-11 William Marsh Rice University Sparse factor analysis for analysis of user content preferences
US20140342342A1 (en) * 2013-05-14 2014-11-20 Case Western Reserve University Systems and methods that utilize touch-screen technology to provide user-centric educational training
US20150325138A1 (en) * 2014-02-13 2015-11-12 Sean Selinger Test preparation systems and methods
KR20160118395A (ko) * 2015-03-30 2016-10-12 주식회사 태큐브 학습 정보를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
KR101708294B1 (ko) * 2015-05-04 2017-02-20 주식회사 클래스큐브 학습 정보를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
US10679512B1 (en) * 2015-06-30 2020-06-09 Terry Yang Online test taking and study guide system and method
KR102104660B1 (ko) * 2018-04-23 2020-04-24 주식회사 에스티유니타스 사용자 맞춤형 학습 컨텐츠 제공 시스템 및 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20050025858A (ko) * 2003-09-08 2005-03-14 홍경태 디지털 멀티미디어 환경에서의 피드백에 의한 단계적 학습 방법
KR20060007608A (ko) * 2004-07-20 2006-01-26 조동기 학습 평가 클리닉 서비스 방법 및 그 시스템
KR20070119803A (ko) * 2006-06-16 2007-12-21 전영국 통계적 추론 기반 보충학습 시스템
KR20090001485A (ko) * 2007-04-18 2009-01-09 주식회사 아이오시스 주관식 문항 자동 채점을 통한 자가학습 방법
KR20120019884A (ko) * 2010-08-27 2012-03-07 에스케이텔레콤 주식회사 시험에 대한 분석 결과를 제공하기 위한 시스템, 이를 위한 서버, 이를 위한 단말 및 이를 위한 방법 및 이 방법이 기록된 컴퓨터로 판독 가능한 기록 매체

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109166386A (zh) * 2018-10-25 2019-01-08 重庆鲁班机器人技术研究院有限公司 儿童逻辑思维辅助训练方法、装置及机器人

Also Published As

Publication number Publication date
KR101923564B1 (ko) 2019-02-22
KR20180104460A (ko) 2018-09-21
US11600196B2 (en) 2023-03-07
US20200242956A1 (en) 2020-07-30

Similar Documents

Publication Publication Date Title
WO2018169115A1 (ko) 학습을 지원하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체
WO2012026674A2 (ko) 학습 플랜 분석 방법, 장치 및 시스템
WO2013125861A1 (ko) 지식 유닛에 기초하여 교육 서비스를 제공하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
CN108563780A (zh) 课程内容推荐方法和装置
CN101777273A (zh) 一种多方互动式学教系统
WO2018212394A1 (ko) 기계 학습 프레임워크를 운용하는 방법, 장치 및 컴퓨터 프로그램
Karaci Intelligent tutoring system model based on fuzzy logic and constraint-based student model
WO2020111314A1 (ko) 개념 그래프 기반 질의응답 장치 및 방법
WO2020004867A1 (ko) 자동 레이블링이 가능한 머신 러닝 방법 및 장치
US10354543B2 (en) Implementing assessments by correlating browsing patterns
WO2020218758A1 (ko) 학습자 맞춤형 교육 서비스를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2021095987A1 (ko) 다중타입 엔티티에 기반한 지식 보완 방법 및 장치
KR20210094317A (ko) 수학문제풀이를 활용하여 피드백학습 콘텐츠를 자동으로 제공하는 방법
WO2009119991A2 (ko) 인터넷상에서의 소리분석 기반 어학 학습방법 및 시스템
WO2024101754A1 (ko) 수학문항의 단원과 난이도 자동 분류 및 재편집이 가능한 ai 수학 튜터링 서비스 제공 시스템 및 이의 실행방법
WO2023022406A1 (ko) 학습 실력 평가 방법, 학습 실력 평가 장치 및 학습 실력 평가 시스템
Zulueta et al. Scenario-based microlearning strategy for improved basic science process skills in self-directed learning
WO2022245009A1 (ko) 메타인지능력 평가방법 및 이를 위한 평가시스템
WO2019160212A1 (ko) 아동의 학습 발달을 기반으로 한 콘텐츠 추천 시스템 및 그 방법
CN107067351A (zh) 一种教育信息采集和处理方法及云服务器
WO2022149758A1 (ko) 풀이 경험이 없는 추가된 문제 컨텐츠에 대한 예측된 정답 확률을 기초로, 문제를 평가하는 학습 컨텐츠 평가 장치, 시스템 및 그것의 동작 방법
KR20220123168A (ko) 수학문항의 단원과 난이도를 자동으로 분류하는 방법
KR20120011107A (ko) 언어 영역의 학습 정도를 진단하기 위한 시스템 및 방법
CN207249935U (zh) 一种智能化教育教学装置
WO2021029563A1 (ko) 학습 정보를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17901230

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 29/11/2019)

122 Ep: pct application non-entry in european phase

Ref document number: 17901230

Country of ref document: EP

Kind code of ref document: A1