WO2021096150A1 - 언어 학습을 위한 커스텀 레슨 모듈을 생성하는 방법 - Google Patents

언어 학습을 위한 커스텀 레슨 모듈을 생성하는 방법 Download PDF

Info

Publication number
WO2021096150A1
WO2021096150A1 PCT/KR2020/015299 KR2020015299W WO2021096150A1 WO 2021096150 A1 WO2021096150 A1 WO 2021096150A1 KR 2020015299 W KR2020015299 W KR 2020015299W WO 2021096150 A1 WO2021096150 A1 WO 2021096150A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
user
foreign language
learning
computer
Prior art date
Application number
PCT/KR2020/015299
Other languages
English (en)
French (fr)
Inventor
팬 후앙고든
Original Assignee
팬 후앙고든
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 팬 후앙고든 filed Critical 팬 후앙고든
Publication of WO2021096150A1 publication Critical patent/WO2021096150A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/06—Foreign languages

Definitions

  • the present disclosure relates to a method of generating a lesson module for language learning, and specifically, to a method of generating a word learning database suitable for a user.
  • the present disclosure is conceived in response to the above-described background technology, and is intended to provide a method for generating a lesson module for language learning.
  • a computer program stored in a computer-readable storage medium includes instructions for causing at least one processor for generating a lesson module for learning a foreign language to perform the following steps, the steps comprising: generating first foreign language data suitable for a user; Generating first analysis data for the first foreign language data using a text analyzer, the first analysis data including word information and frequency information for each word included in the first foreign language data; And generating a lesson module using the first analysis data and reference data, the reference data indicating a word that the user already knows. It may include.
  • generating the first foreign language data suitable for the user may include determining to display a preset interface to the user; And storing foreign language data inputted by the user through the preset interface in a memory. It may include.
  • the determining to display the preset interface to the user may include recognizing at least one second foreign language data using the reference data; Generating recommended media content information including information on at least one media content corresponding to the at least one second foreign language data; And determining to display the recommended media content information.
  • the step of recognizing at least one second foreign language data using the reference data may include recognizing second analysis data of the at least one second foreign language data previously stored in a memory-the second analysis data Includes word information and frequency information for each word included in the second foreign language data; And comparing the reference data, the word information included in the second analysis data, and frequency information for each word, and determining whether each of the at least one second foreign language data satisfies a preset criterion. have.
  • the step of generating a lesson module using the first analysis data and reference data may refer to a dictionary API previously stored in a memory.
  • generating a lesson module using the first analysis data and reference data may include generating learning data based on a comparison between the first analysis data and the reference data.
  • generating training data based on the comparison between the first analysis data and the reference data may include: generating comparison data related to words not included in the reference data among the first analysis data; And generating example sentence data related to the comparison data.
  • determining to display the generated lesson module to the user Updating the lesson module by reflecting the result of displaying the lesson module to the user to the lesson module; And when the learning data related to the lesson module is not exhausted, determining to display the updated lesson module to the user.
  • updating the lesson module by reflecting a result of displaying the lesson module to the user to the lesson module may include generating a learning result; And adding a word known to the user to the reference data by using the learning result.
  • determining to display the updated lesson module to the user may include comparing the learning data related to the lesson module with the updated reference data, and the learning data It may include a step of determining whether or not there is a word that only exists.
  • the steps may further include determining to display the generated lesson module to a user according to a preset time interval.
  • the preset time interval may be set in advance by a user.
  • the preset time interval may be determined based on the number of words included in learning data related to the lesson module.
  • a computing device for generating a lesson module for learning a foreign language may include a memory; A processor; wherein the processor generates first foreign language data suitable for a user, and generates first analysis data for the first foreign language data using a text analyzer, and the first analysis data comprises: Including word information and frequency information for each word included in the first foreign language data -, a lesson module may be generated using reference data-The reference data indicates a word that the user already knows.
  • FIG. 1 is a block diagram illustrating a configuration of a computing device for generating a lesson module for learning a foreign language according to an embodiment of the present disclosure.
  • FIG. 2 is a flowchart illustrating an example of a method for generating a lesson module for learning a foreign language by a processor according to the present disclosure.
  • FIG. 3 is a flowchart illustrating an example in which the processor according to the present disclosure generates recommended media content information.
  • FIG. 4 is a flowchart illustrating an example in which the processor according to the present disclosure generates training data based on a comparison between first analysis data and reference data.
  • FIG. 5 is a flowchart illustrating an example of updating a lesson module by reflecting a result of displaying a lesson module to a user by a processor according to the present disclosure to a lesson module.
  • FIG. 6 shows a simplified and general schematic diagram of an exemplary computing environment in which embodiments of the present disclosure may be implemented.
  • first, second, and the like are used to describe various devices or components, it goes without saying that these devices or components are not limited by these terms. These terms are only used to distinguish one device or component from another device or component. Therefore, it goes without saying that the first device or component mentioned below may be a second device or component within the technical idea of the present invention.
  • first, second, and the like are used to describe various devices or components, it goes without saying that these devices or components are not limited by these terms. These terms are only used to distinguish one device or component from another device or component. Therefore, it goes without saying that the first element or component mentioned below may be a second device or component within the spirit of the present disclosure.
  • FIG. 1 is a block diagram illustrating a configuration of a computing device for generating a lesson module for learning a foreign language according to an embodiment of the present disclosure.
  • the computing device may include a processor 110, a memory 120, a display unit (not shown), and a communication unit (not shown).
  • the computing device may have more or fewer components than the above-listed components.
  • the computing device 100 is a wearable device capable of exchanging (or interlocking with) data with the computing device 100 according to the present invention, as well as conventional mobile devices such as a desktop, a smart phone, and a tablet.
  • it may be a smartwatch, smart glass, head mounted display (HMD).
  • the processor 110 In addition to the operation related to the application program, the processor 110 generally controls the overall operation of the computing device 100.
  • the processor 110 may provide or process appropriate information or functions to a user by processing signals, data, information, etc. input or output through the above-described components or by driving an application program stored in the memory 120.
  • the processor 110 may control at least some of the components to be examined together with FIG. 1 in order to drive the application program stored in the memory 120. Furthermore, in order to drive the application program, the processor 110 may operate by combining at least two or more of the components included in the computing device 100 with each other.
  • At least some of the components of the computing device may operate in cooperation with each other to implement the operation, control, or control method of the computing device according to various embodiments described below.
  • the operation, control, or control method of the computing device may be implemented on the computing device by driving at least one application program stored in the memory 120.
  • the memory 120 stores data supporting various functions of the computing device 100.
  • the memory 120 may store a plurality of application programs (application programs or applications) driven by the computing device 100, data for operation of the computing device 100, and instructions. At least some of these application programs may be downloaded from an external server through wireless communication. In addition, at least some of these application programs may exist on the computing device 100 from the time of shipment for basic functions of the computing device 100 (eg, incoming calls, outgoing functions, message reception, and outgoing functions). Meanwhile, the application program may be stored in the memory 120, installed on the computing device 100, and driven by the processor 110 to perform an operation (or function) of the computing device.
  • the memory 120 is a flash memory type, a hard disk type, a solid state disk type, an SDD type, a multimedia card micro type. ), card-type memory (e.g., SD or XD memory), random access memory (RAM), static random access memory (SRAM), read-only memory (ROM), electrically erasable programmable read (EEPROM) -only memory), programmable read-only memory (PROM), magnetic memory, magnetic disk, and optical disk.
  • card-type memory e.g., SD or XD memory
  • RAM random access memory
  • SRAM static random access memory
  • ROM read-only memory
  • EEPROM electrically erasable programmable read
  • PROM programmable read-only memory
  • magnetic memory magnetic disk, and optical disk.
  • the computing device 100 may be operated in connection with a web storage that performs a storage function of the memory 120 over the Internet.
  • a display unit displays (outputs) information processed by the computing device 100.
  • the display unit may display execution screen information of an application program driven by the computing device 100, or UI (User Interface) and GUI (Graphic User Interface) information according to such execution screen information.
  • UI User Interface
  • GUI Graphic User Interface
  • the display unit (not shown) includes a liquid crystal display (LCD), a thin film transistor-liquid crystal display (TFT LCD), an organic light-emitting diode (OLED), and a flexible display ( flexible display), a 3D display, and an e-ink display.
  • LCD liquid crystal display
  • TFT LCD thin film transistor-liquid crystal display
  • OLED organic light-emitting diode
  • flexible display flexible display
  • 3D display 3D display
  • e-ink display e-ink display
  • FIG. 2 is a flowchart illustrating an example of a method for generating a lesson module for learning a foreign language by a processor according to the present disclosure.
  • the processor 110 may generate first foreign language data suitable for a user (S100).
  • the user may be a person who wants to learn a foreign language through a lesson module generated by the method for generating a lesson module for learning a foreign language according to the present disclosure.
  • the foreign language data according to the present disclosure may be voice or text in a foreign language related to any media content.
  • the first foreign language data suitable for the user may mean foreign language data that the user is particularly interested in in order to engage in daily life, business relations, or hobbies.
  • foreign language data related to dramas frequently viewed by a user may be first foreign language data suitable for the user.
  • the second foreign language data to be described later in FIG. 3 may be foreign language data including many words that the user does not know well.
  • the processor 110 may generate recommended media content information related to at least one second foreign language data and provide it to a user. When a user selects one of the recommended media content and inputs it through a preset interface, foreign language data corresponding to the selected recommended media content may be determined as first foreign language data.
  • the foreign language data may mean caption data related to the media content.
  • the foreign language data may be text data obtained by converting the audio material into text.
  • the processor 110 may determine to display a preset interface to the user to generate first foreign language data suitable for the user. When a user inputs specific foreign language data through an interface, the processor 110 may store the input foreign language data in the memory 120.
  • the processor 110 may generate first analysis data for the first foreign language data using a text analyzer (S200).
  • the text analyzer may be a tool (eg, a program or source code) that analyzes a word included in a given text data and a frequency of each of the included words.
  • the text analyzer may be a tool for analyzing a word included in arbitrary foreign language data and a frequency of each of the included words.
  • the processor 110 may generate analysis data by analyzing a word included in arbitrary foreign language data and a frequency of each word using a text analyzer.
  • Analysis data according to the present disclosure may be data including word information and frequency information for each word included in foreign language data.
  • the analysis data is (“AAA”: 1 time, “BBB”: 1 time, “CCC”: 2 times, “DDD”: 1 time).
  • the analysis data includes information on which words are included in the foreign language data to be studied and which words appear more and less.
  • word information included in the analysis data and frequency information for each word are compared with reference data.
  • the processor 110 may generate a lesson module using the first analysis data and reference data (S300).
  • Reference data may mean a list of words that the user already knows.
  • the reference data may be predetermined before performing learning.
  • the reference data may be updated by performing learning by the user. The update of the reference data and the lesson module will be described later in detail with reference to FIG. 5.
  • the reference data may be determined in advance before the lesson module for learning a foreign language is generated according to the present disclosure, and may include “ABC”, “DEF”, and “GHI”.
  • the user already knows “ABC”, “DEF” and “GHI”.
  • the reference data includes “ABC”, “DEF”, “GHI”, “XYZ”, and “ABX”.
  • the processor 110 may include arbitrary data included in the analysis data in the reference data based on a preset criterion.
  • such a preset criterion may be “a case where a word is repeatedly matched over five times of learning”, and this may vary depending on which learning method the lesson module according to the present disclosure is based on.
  • the lesson module may be data configured for a series of sequences provided for user learning in relation to learning data.
  • the lesson module may be configured by including learning data in itself or simply referring to learning data stored in the memory 120.
  • the lesson module may be source code configured to sequentially display words and example sentences included in the learning data on a user's computing device.
  • the lesson module may be a source code configured to allow the processor 110 to determine to display words not included in the reference data among the analysis data and example sentences related to them in an order according to a preset criterion or in a random order.
  • the preset criterion may be based on the number of frequencies for each word included in the first analysis data.
  • the processor 110 determines to display a word with a high frequency for each word and an example sentence related thereto at the beginning of learning, or, conversely, a word with a low frequency for each word and an example sentence related thereto. You can decide to display it initially.
  • the learning data may include at least one of a word, a voice, and a screenshot or example sentence data in media content related to the word.
  • This is an example of the type of training data, and the type of training data is not limited thereto.
  • the learning data may be related to the lesson module and does not have to be included in the lesson module.
  • the learning data may be based on a result of comparing words that the user knows (reference data) and words included in the foreign language data that the user wants to learn (analysis data). That is, the training data may be based on words not included in the reference data among words included in the analysis data.
  • Generating a lesson module using analysis data and reference data may mean comparing the analysis data and words included in the reference data.
  • the processor 110 may generate training data based on a comparison between the analysis data and the reference data, and at this time, “compare” of the analysis data and the reference data may be an example of the use.
  • comparing the analysis data and the reference data may mean determining word information that exists in the analysis data but does not exist in the reference data.
  • comparing the analysis data and the reference data may mean determining word information that exists in the analysis data but does not exist in the reference data.
  • the processor 110 may generate training data by using a dictionary API previously stored in the memory together with the first analysis data and reference data. That is, the processor 110 can easily find the example sentence information by linking the word information generated as a result of comparing the first analysis data and the reference data to the dictionary API.
  • the processor 110 may determine to display the lesson module to the user (S400).
  • the processor 110 determines to display the lesson module to the user and displays it, thereby allowing the user to learn learning data related to the lesson module.
  • the processor 110 may determine to display the lesson module to the user, and drive the lesson module to display it to the user.
  • the processor 110 may provide learning based on learning data to a user according to a sequence recorded in the lesson module.
  • the processor 110 may determine to display the lesson module to the user according to a preset time interval. It is not necessary for the processor 110 to provide the lesson module to the user according to a preset time interval after step S400. That is, the processor 110 may pre-determine an interval for displaying the lesson modules irrespective of the generation of the lesson modules.
  • the processor 110 may determine to display the lesson module to the user according to a time interval preset by the user.
  • the user himself/herself is the person who knows his/her condition, learning tendency, and the interval at which the achievement of learning is high, so learning according to the time interval set by himself/herself can maximize the effect of learning.
  • the processor 110 may determine a time interval at which the lesson module is to be displayed based on the number of words included in the learning data related to the lesson module.
  • the processor 110 may speed up the time interval if the number of words included in the training data is large. In this case, it is possible to learn words again before the memory for many words is lost, so that learning efficiency is increased.
  • the processor 110 may update the lesson module (S500).
  • the processor 110 may update the lesson module based on the user's learning result.
  • the update of the lesson module may be associated with the update of the reference data.
  • the updating of the lesson module may include adjusting sequences related to a word newly added to the reference data.
  • the lesson module may decide to exclude the sequence related to “XYZ” or “ABX”.
  • the update of the reference data and the lesson module will be described later in detail with reference to FIG. 5.
  • the processor 110 may terminate foreign language learning when learning data related to the lesson module is exhausted as the lesson module is updated (S600, Yes). Otherwise, the processor 110 may determine to display the updated learning module to the user as in step S400 (S600, No).
  • the term'depletion' may mean a state in which the processor 110 includes all data that existed in the training data in the reference data, so that the training data no longer exists. From the user's point of view, it may mean a state in which the user is familiar with words and example sentences included in the learning data.
  • the learning data may include word or example sentence data.
  • the learning data may be related to the lesson module and does not have to be included in the lesson module.
  • the learning data may be based on a result of comparing words that the user knows (reference data) and words included in the foreign language data that the user wants to learn (analysis data). That is, the training data may be based on words not included in the reference data among words included in the analysis data.
  • the processor 110 if the learning data is not exhausted, the processor 110 returns to step S400 and determines to display the lesson module to the user. That is, the processor 110 may repeatedly perform learning until the training data is exhausted.
  • FIG. 3 is a flowchart illustrating an example in which the processor according to the present disclosure generates recommended media content information.
  • the processor 110 may recognize at least one second foreign language data using reference data (S210).
  • the reference data may mean a list of words that the user already knows.
  • the reference data may be predetermined before performing learning.
  • the reference data may be updated by performing learning by the user. The update of the reference data and the lesson module will be described later in detail with reference to FIG. 5.
  • the second foreign language data may be foreign language data including many words that a user does not know well.
  • the processor 110 may recognize second foreign language data stored in the memory 120.
  • the processor 110 may analyze the recognized second foreign language data using a text analyzer.
  • the processor 110 may compare the reference data with the second analysis data for the second foreign language data. In this case, if the second analysis data for the second foreign language data satisfies a preset criterion for comparison with the reference data, the processor 110 may generate recommended media content information corresponding to the second foreign language data.
  • a preset criterion may be that the analysis data for the second foreign language data has more than a certain number of words that are not included in the reference data.
  • the analysis data can be regarded as satisfying a preset criterion. Conversely, if less than 10% of words included in the analysis data are included in the reference data, it can be considered that the preset criteria are satisfied. Since the above figures are only exemplary, the scope of the rights should not be limited to the above figures.
  • the processor 110 may determine whether each of the at least one foreign language data is foreign language data that satisfies the preset criterion.
  • the processor 110 recognizes the second analysis data of the second foreign language data previously stored in the memory (as described above, the analysis data includes word information and word information included in any foreign language data). Including frequency information of each), reference data, word information, and frequency information of each word may be compared to determine whether each of the at least one second foreign language data satisfies a preset criterion.
  • the analysis data according to the present disclosure may be data including word information included in foreign language data and frequency information for each word.
  • the second analysis data is (“AAA”: 1 time, “BBB”: 1 Times, “CCC”: 2 times, “DDD”: 1 time).
  • comparing the analysis data and the reference data may mean word information that exists in the analysis data but does not exist in the reference data.
  • the comparison process only words that are present in foreign language data suitable for the user, but the user is not familiar with yet, can be used for learning. Accordingly, the amount of data required to generate the learning data is reduced, and a process of determining words and example sentence data for constituting the learning data can be efficiently performed. Furthermore, from the user's point of view, only words and examples related to them can be learned, which greatly increases the learning efficiency.
  • the processor 110 may generate recommended media content information including information on at least one media content corresponding to at least one foreign language data (S220).
  • Media content information may be metadata information on media content corresponding to the second foreign language data.
  • the media content information may be a media content title, a media content identification number, or the like.
  • the foreign language data may be subtitles for a specific episode of Friends.
  • the media content information is metadata information on the specific episode, and may be an episode name, an identification number capable of identifying the episode, and the like.
  • the processor 110 may provide recommended media content information to a user by using media content information corresponding to at least one second foreign language data determined to satisfy a predetermined criterion as described above.
  • the recommended media content information means information on media content including second foreign language data that satisfies a preset criterion.
  • the recommended media content information may be a title and a thumbnail of the media content.
  • the processor 110 may determine to display recommended media content information (S230).
  • the processor 110 may provide recommended media content information to a user, and such provision may be performed by displaying the corresponding information using a display unit (not shown). If the processor 110 recognizes an input in which one of the recommended media contents is selected (by the user), the foreign language data corresponding to the selected recommended media content may be determined as first foreign language data suitable for the user. However, since this is only an example of providing recommended media content information, the providing method is not limited thereto.
  • the processor 110 may recommend media content that includes a lot of words that the user does not know well and frequently appears to the user as a learning target. Thus, it is possible for the user to study more about words that are not yet known at the same time. Therefore, the efficiency of learning by the lesson module generated according to the present disclosure is improved.
  • FIG. 4 is a flowchart illustrating an example in which the processor according to the present disclosure generates training data based on a comparison between first analysis data and reference data.
  • FIG. 4 shows an example of a process of generating training data by comparing the first analysis data and reference data by the processor. This is only an example of generating training data based on the comparison between the first analysis data and the reference data. Therefore, the scope of the rights should not be limited to the description disclosed below.
  • the processor 110 may generate comparison data related to words not included in the reference data among the first analysis data (S310).
  • comparing the first analysis data with the reference data may mean determining word information that exists in the analysis data but does not exist in the reference data.
  • the comparison data generated by comparing the first analysis data and the reference data may be related to words determined to exist only in the analysis data as a result of the comparison between the analysis data and the reference data.
  • the comparison data may be data related to words that the user does not yet know.
  • the learning data is related to words not included in the reference data among words included in the first analysis data, and may include words or example sentence data.
  • the training data may match the comparison data.
  • the training data further includes example sentence data, voice data, and the like, the comparison data may not match the training data.
  • the processor 110 may generate example sentence data related to the comparison data (S320).
  • Example sentence data may be data about example sentences related to word information included in the comparison data. That is, it may be an example sentence including words that the processor 110 determines that the user does not know through comparison between analysis data and reference data.
  • the example sentence data may match the training data, but the type of data included in the training data as described above is not limited thereto.
  • the learning data may include various types of data such as words, example sentences, voices read by native speakers, and screen shots of media contents at the time when the words are used. That is, since the above-described types of data are examples of the type of learning data, the scope of rights for the learning data should not be limited thereto.
  • Illustrative sentence data, voice data, screen shot data, etc. included in the training data use dictionary APIs previously stored in the memory 120, or are already stored in memory in relation to specific words, or be received from an external computing device I can.
  • FIG. 5 is a flowchart illustrating an example of updating a lesson module by reflecting a result of displaying a lesson module to a user by a processor according to the present disclosure to a lesson module.
  • the processor 110 may generate a learning result (S510).
  • the learning result according to the present disclosure may include information on whether the user corrects or is incorrect each word/example included in the above-described learning data by the processor 110.
  • the learning result is that the user is “AAA”, “BBB”, “CCC” You may include information that you have corrected the match. Conversely, if the user incorrectly answers the questions about the words “DDD” and “EEE” and examples related to them, the learning result may include information that the user incorrectly made “DDD” and “EEE”.
  • the processor 110 may add a word known to the user to the reference data by using the learning result (S520).
  • the processor 110 may add the corresponding words to the reference data.
  • the reference data further includes “XYZ” and “ABX”.
  • the processor 110 may prevent the user from further learning a word determined to be known. Accordingly, the user can focus more on words that have not yet been learned in subsequent learning. Therefore, the user's learning can proceed more efficiently.
  • FIG. 6 shows a simplified and general schematic diagram of an exemplary computing environment in which embodiments of the present disclosure may be implemented.
  • modules herein include routines, procedures, programs, components, data structures, etc. that perform particular tasks or implement particular abstract data types.
  • the method of the present disclosure is not limited to single-processor or multiprocessor computer systems, minicomputers, mainframe computers, as well as personal computers, handheld computing devices, microprocessor-based or programmable household appliances, etc. (each of which is It will be appreciated that other computer system configurations may be implemented, including one that may operate in connection with one or more associated devices.
  • the described embodiments of the present disclosure may also be practiced in a distributed computing environment where certain tasks are performed by remote processing devices that are connected through a communication network.
  • program modules may be located in both local and remote memory storage devices.
  • Computers typically include a variety of computer-readable media.
  • Computer-readable media can be any computer-readable media, including volatile and nonvolatile media, transitory and non-transitory media, removable and non-transitory media. Includes removable media.
  • Computer-readable media may include computer-readable storage media and computer-readable transmission media.
  • Computer-readable storage media include volatile and nonvolatile media, temporary and non-transitory media, removable and non-removable media implemented in any method or technology for storing information such as computer readable instructions, data structures, program modules or other data. Includes the medium.
  • Computer-readable storage media include RAM, ROM, EEPROM, flash memory or other memory technology, CD-ROM, digital video disk (DVD) or other optical disk storage, magnetic cassette, magnetic tape, magnetic disk storage, or other magnetic storage. Devices, or any other medium that can be accessed by a computer and used to store desired information.
  • Computer-readable transmission media typically implement computer-readable instructions, data structures, program modules or other data on a modulated data signal such as a carrier wave or other transport mechanism. Includes all information delivery media.
  • modulated data signal refers to a signal in which one or more of the characteristics of the signal is set or changed so as to encode information in the signal.
  • computer-readable transmission media include wired media such as a wired network or direct-wired connection, and wireless media such as acoustic, RF, infrared, and other wireless media. Combinations of any of the above-described media are also intended to be included within the scope of computer-readable transmission media.
  • System bus 1108 couples system components, including but not limited to, system memory 1106 to processing device 1104.
  • the processing unit 1104 may be any of a variety of commercially available processors. Dual processors and other multiprocessor architectures may also be used as processing unit 1104.
  • the system bus 1108 may be any of several types of bus structures that may be additionally interconnected to a memory bus, a peripheral bus, and a local bus using any of a variety of commercial bus architectures.
  • System memory 1106 includes read-only memory (ROM) 1110 and random access memory (RAM) 1112.
  • the basic input/output system (BIOS) is stored in non-volatile memory 1110 such as ROM, EPROM, EEPROM, etc. This BIOS is a basic input/output system that helps transfer information between components in the computer 1102, such as during startup. Includes routines.
  • RAM 1112 may also include high speed RAM such as static RAM for caching data.
  • the computer 1102 also includes an internal hard disk drive (HDD) 1114 (e.g., EIDE, SATA)-this internal hard disk drive 1114 can also be configured for external use within a suitable chassis (not shown).
  • HDD hard disk drive
  • FDD magnetic floppy disk drive
  • optical disk drive 1120 e.g., CD-ROM For reading the disk 1122 or for reading from or writing to other high-capacity optical media such as DVD.
  • the hard disk drive 1114, magnetic disk drive 1116, and optical disk drive 1120 are each connected to the system bus 1108 by a hard disk drive interface 1124, a magnetic disk drive interface 1126, and an optical drive interface 1128.
  • the interface 1124 for implementing an external drive includes, for example, at least one or both of USB (Universal Serial Bus) and IEEE 1394 interface technologies.
  • drives and their associated computer readable media provide non-volatile storage of data, data structures, computer executable instructions, and the like.
  • drives and media correspond to storing any data in a suitable digital format.
  • the description of the computer-readable storage medium above refers to a removable optical medium such as a HDD, a removable magnetic disk, and a CD or DVD, those skilled in the art may include a zip drive, a magnetic cassette, a flash memory card, a cartridge, and the like. It will be appreciated that other types of computer-readable storage media, such as etc., may also be used in the exemplary operating environment and that any such media may contain computer-executable instructions for performing the methods of the present disclosure. .
  • a number of program modules including the operating system 1130, one or more application programs 1132, other program modules 1134, and program data 1136, may be stored in the drive and RAM 1112. All or part of the operating system, applications, modules and/or data may also be cached in RAM 1112. It will be appreciated that the present disclosure may be implemented on several commercially available operating systems or combinations of operating systems.
  • a user may input commands and information to the computer 1102 through one or more wired/wireless input devices, for example, a pointing device such as a keyboard 1138 and a mouse 1140.
  • Other input devices may include a microphone, IR remote control, joystick, game pad, stylus pen, touch screen, and the like.
  • These and other input devices are often connected to the processing unit 1104 through the input device interface 1142, which is connected to the system bus 1108, but the parallel port, IEEE 1394 serial port, game port, USB port, IR interface, It can be connected by other interfaces such as etc.
  • a monitor 1144 or other type of display device is also connected to the system bus 1108 through an interface such as a video adapter 1146.
  • the computer generally includes other peripheral output devices (not shown) such as speakers, printers, and the like.
  • Computer 1102 may operate in a networked environment using logical connections to one or more remote computers, such as remote computer(s) 1148, via wired and/or wireless communication.
  • the remote computer(s) 1148 may be a workstation, server computer, router, personal computer, portable computer, microprocessor-based entertainment device, peer device, or other common network node, and is generally referred to as computer 1102.
  • computer 1102. Although including many or all of the described components, only memory storage device 1150 is shown for simplicity.
  • the logical connections shown include wired/wireless connections to a local area network (LAN) 1152 and/or to a larger network, eg, a wide area network (WAN) 1154.
  • LAN and WAN networking environments are common in offices and companies, and facilitate enterprise-wide computer networks such as intranets, all of which can be connected to worldwide computer networks, for example the Internet.
  • the computer 1102 When used in a LAN networking environment, the computer 1102 is connected to the local network 1152 via a wired and/or wireless communication network interface or adapter 1156. Adapter 1156 may facilitate wired or wireless communication to LAN 1152, which also includes a wireless access point installed therein to communicate with wireless adapter 1156.
  • the computer 1102 When used in a WAN networking environment, the computer 1102 may include a modem 1158, connected to a communication server on the WAN 1154, or other Have means.
  • the modem 1158 which may be an internal or external and a wired or wireless device, is connected to the system bus 1108 through a serial port interface 1142.
  • program modules described for computer 1102 or portions thereof may be stored in remote memory/storage device 1150. It will be appreciated that the network connections shown are exemplary and other means of establishing communication links between computers may be used.
  • Computer 1102 is associated with any wireless device or entity deployed and operated in wireless communication, e.g., a printer, scanner, desktop and/or portable computer, portable data assistant (PDA), communication satellite, wireless detectable tag. It operates to communicate with any device or place, and a phone. This includes at least Wi-Fi and Bluetooth wireless technologies. Accordingly, the communication may be a predefined structure as in a conventional network or may simply be ad hoc communication between at least six devices.
  • wireless communication e.g., a printer, scanner, desktop and/or portable computer, portable data assistant (PDA), communication satellite, wireless detectable tag. It operates to communicate with any device or place, and a phone. This includes at least Wi-Fi and Bluetooth wireless technologies. Accordingly, the communication may be a predefined structure as in a conventional network or may simply be ad hoc communication between at least six devices.
  • Wi-Fi Wireless Fidelity
  • Wi-Fi is a wireless technology such as a cell phone that allows such devices, for example computers, to transmit and receive data indoors and outdoors, that is, anywhere within the coverage area of a base station.
  • Wi-Fi networks use a wireless technology called IEEE 802.11 (a, b, g, etc.) to provide a secure, reliable and high-speed wireless connection.
  • Wi-Fi can be used to connect computers to each other, to the Internet, and to a wired network (using IEEE 802.3 or Ethernet).
  • Wi-Fi networks can operate in unlicensed 2.4 and 5 GHz radio bands, for example, at a data rate of 11 Mbps (802.11a) or 54 Mbps (802.11b), or in products that include both bands (dual band). have.
  • a person of ordinary skill in the art of the present disclosure includes various exemplary logical blocks, modules, processors, means, circuits and algorithm steps described in connection with the embodiments disclosed herein, electronic hardware, (convenience). For the sake of clarity, it will be appreciated that it may be implemented by various forms of program or design code or a combination of both (referred to herein as "software"). To clearly illustrate this interchangeability of hardware and software, various illustrative components, blocks, modules, circuits, and steps have been described above generally in terms of their functionality. Whether such functionality is implemented as hardware or software depends on the particular application and design constraints imposed on the overall system. A person of ordinary skill in the art of the present disclosure may implement the described functions in various ways for each specific application, but such implementation decisions should not be interpreted as causing a departure from the scope of the present disclosure.
  • the various embodiments presented herein may be implemented as a method, apparatus, or article of manufacture using standard programming and/or engineering techniques.
  • article of manufacture includes a computer program or media accessible from any computer-readable device.
  • computer-readable storage media include magnetic storage devices (e.g., hard disks, floppy disks, magnetic strips, etc.), optical disks (e.g., CD, DVD, etc.), smart cards, and flash Memory devices (eg, EEPROM, cards, sticks, key drives, etc.).
  • machine-readable medium includes, but is not limited to, wireless channels and various other media capable of storing, holding, and/or transmitting instruction(s) and/or data.
  • the present invention can be used in a lesson module for learning a foreign language.

Landscapes

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

Abstract

본 개시의 일 실시예에 따른, 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 외국어 학습용 레슨 모듈을 생성하는 하나 이상의 프로세서가 이하의 단계들을 수행하도록 하는 명령을 포함하며, 상기 단계들은: 사용자에게 적합한 제 1 외국어 데이터를 생성하는 단계; 텍스트 분석기를 이용하여, 상기 제 1 외국어 데이터에 대한 제 1 분석 데이터를 생성하는 단계-상기 제 1 분석 데이터는, 상기 제 1 외국어 데이터에 포함된 단어 정보 및 단어별 빈도 정보를 포함함-; 및 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성하는 단계-상기 참조 데이터는, 상기 사용자가 이미 알고 있는 단어를 나타냄-;를 포함할 수 있다.

Description

언어 학습을 위한 커스텀 레슨 모듈을 생성하는 방법
본 개시는 언어 학습용 레슨 모듈 생성 방법에 관한 것으로서, 구체적으로 사용자에게 적합한 단어 학습 데이터베이스를 생성하는 방법에 관한 것이다.
종래, 외국어 교육은 ① 1 인의 교습자와 다수의 학습자 간의 강의 형식 ② 1 대 1 튜터링(Tutoring) 방식 ③ 소프트웨어를 이용한 단어 학습을 이용하여 이루어져 왔다. 1 인의 교습자와 다수의 학습자 간의 강의 형식은 가장 흔하지만, 이 경우 학습자는 교습자, 특히 원어민 교습자와 당해 언어를 이용하여 의사소통할 기회를 갖기 어렵다. 1 대 1 튜터링 방식은 실제 상황을 연습하기에 적합한 교습 방식이지만, 튜터에 의하여 학습자의 실수 또는 잘못된 습관이 적절히 교정되지 않으면 학습 효과가 떨어진다. 소프트웨어를 이용한 언어 교육은 자연스러운 언어 사용의 문맥을 익히기에 어려워 효율적이지 않다.
따라서, 외국어 교육 분야에 있어서 학습자들의 실수를 지속적으로 찾아내고, 이 부분을 집중적으로 학습시키는 방법에 대한 수요가 당업계에 존재한다.
본 개시는 전술한 배경기술에 대응하여 안출된 것으로, 언어 학습용 레슨 모듈 생성 방법을 제공하고자 한다.
본 개시의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위한 본 개시의 일 실시예에 따라, 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램이 개시된다. 상기 컴퓨터 프로그램은 외국어 학습용 레슨 모듈을 생성하는 하나 이상의 프로세서가 이하의 단계들을 수행하도록 하는 명령을 포함하며, 상기 단계들은: 사용자에게 적합한 제 1 외국어 데이터를 생성하는 단계; 텍스트 분석기를 이용하여, 상기 제 1 외국어 데이터에 대한 제 1 분석 데이터를 생성하는 단계-상기 제 1 분석 데이터는, 상기 제 1 외국어 데이터에 포함된 단어 정보 및 단어별 빈도 정보를 포함함-; 및 상기 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성하는 단계-상기 참조 데이터는, 상기 사용자가 이미 알고 있는 단어를 나타냄-; 를 포함할 수 있다.
또한, 상기 사용자에게 적합한 제 1 외국어 데이터를 생성하는 단계는, 기 설정된 인터페이스를 상기 사용자에게 디스플레이하도록 결정하는 단계; 및 상기 사용자가 상기 기 설정된 인터페이스를 통해 입력한 외국어 데이터를 메모리에 저장하는 단계; 를 포함할 수 있다.
또한, 상기 기 설정된 인터페이스를 상기 사용자에게 디스플레이하도록 결정하는 단계는, 상기 참조 데이터를 이용하여, 적어도 하나의 제 2 외국어 데이터를 인식하는 단계; 상기 적어도 하나의 제 2 외국어 데이터에 대응하는 적어도 하나의 미디어 컨텐츠의 정보를 포함하는 추천 미디어 컨텐츠 정보를 생성하는 단계; 및 상기 추천 미디어 컨텐츠 정보를 디스플레이하도록 결정하는 단계;를 포함할 수 있다.
또한, 상기 참조 데이터를 이용하여, 적어도 하나의 제 2 외국어 데이터를 인식하는 단계는, 메모리에 기 저장된, 상기 적어도 하나의 제 2 외국어 데이터의 제 2 분석 데이터를 인식하는 단계-상기 제 2 분석 데이터는, 상기 제 2 외국어 데이터에 포함된 단어 정보 및 단어별 빈도 정보를 포함함-; 및 상기 참조 데이터, 상기 제 2 분석 데이터에 포함된 상기 단어 정보 및 단어별 빈도 정보를 비교하여 상기 적어도 하나의 제 2 외국어 데이터 각각이 기 설정된 기준을 만족하는지 여부를 결정하는 단계;를 포함할 수 있다.
또한, 상기 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성하는 단계는, 메모리에 기 저장된 사전 API를 참조할 수 있다.
또한, 상기 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성하는 단계는, 상기 제 1 분석 데이터와 상기 참조 데이터 간의 비교에 기초하여 학습 데이터를 생성하는 단계;를 포함할 수 있다.
또한, 상기 제 1 분석 데이터와 상기 참조 데이터 간의 비교에 기초하여 학습 데이터를 생성하는 단계는, 상기 제 1 분석 데이터 중 상기 참조 데이터에 포함되지 않은 단어와 관련된 비교 데이터를 생성하는 단계; 및 상기 비교 데이터와 관련된 예문 데이터를 생성하는 단계;를 포함할 수 있다.
또한, 생성된 상기 레슨 모듈을 상기 사용자에게 디스플레이하도록 결정하는 단계; 상기 레슨 모듈을 상기 사용자에게 디스플레이한 결과를 상기 레슨 모듈에 반영함으로서 상기 레슨 모듈을 업데이트하는 단계; 및 상기 레슨 모듈과 관련된 학습 데이터가 고갈되지 않은 경우, 업데이트된 레슨 모듈을 사용자에게 디스플레이하도록 결정하는 단계;를 더 포함할 수 있다.
또한, 상기 레슨 모듈을 상기 사용자에게 디스플레이한 결과를 상기 레슨 모듈에 반영함으로서 상기 레슨 모듈을 업데이트하는 단계는, 학습 결과를 생성하는 단계; 및 상기 학습 결과를 이용하여 상기 참조 데이터에 상기 사용자가 알고 있는 단어를 추가하는 단계;를 포함할 수 있다.
또한, 상기 레슨 모듈과 관련된 학습 데이터가 고갈되지 않은 경우, 업데이트된 레슨 모듈을 사용자에게 디스플레이하도록 결정하는 단계는, 상기 레슨 모듈과 관련된 상기 학습 데이터와 상기 업데이트 된 참조 데이터를 비교하여, 상기 학습 데이터에만 존재하는 단어가 있는지 여부를 판단하는 단계;를 포함할 수 있다.
또한, 상기 단계들은, 생성된 상기 레슨 모듈을, 기 설정된 시간 간격에 따라 사용자에게 디스플레이하도록 결정하는 단계;를 더 포함할 수 있다.
또한, 상기 기 설정된 시간 간격은, 사용자에 의해 미리 설정될 수 있다.
또한, 상기 기 설정된 시간 간격은, 상기 레슨 모듈과 관련된 학습 데이터에 포함된 단어의 수에 기초하여 결정될 수 있다.
본 개시의 일 실시예에 따른, 외국어 학습용 레슨 모듈을 생성하는 컴퓨팅 장치가 개시된다. 상기 컴퓨팅 장치는, 메모리; 프로세서;를 포함하고, 상기 프로세서는, 사용자에게 적합한 제 1 외국어 데이터를 생성하고, 텍스트 분석기를 이용하여, 상기 제 1 외국어 데이터에 대한 제 1 분석 데이터를 생성하고-상기 제 1 분석 데이터는, 상기 제 1 외국어 데이터에 포함된 단어 정보 및 단어별 빈도 정보를 포함함-, 참조 데이터를 이용하여 레슨 모듈을 생성할 수 있다-상기 참조 데이터는, 상기 사용자가 이미 알고 있는 단어를 나타냄-.
본 개시에서 얻을 수 있는 기술적 해결 수단은 이상에서 언급한 해결 수단들로 제한되지 않으며, 언급하지 않은 또 다른 해결 수단들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 개시를 통하여 사용자에게 적합한 단어 학습 데이터베이스를 제공할 수 있다.
본 개시에서 얻을 수 있는 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
다양한 양상들이 이제 도면들을 참조로 기재되며, 여기서 유사한 참조 번호들은 총괄적으로 유사한 구성요소들을 지칭하는데 이용된다. 이하의 실시예에서, 설명 목적을 위해, 다수의 특정 세부사항들이 하나 이상의 양상들의 총체적 이해를 제공하기 위해 제시된다. 그러나, 그러한 양상(들)이 이러한 구체적인 세부사항들 없이 실시될 수 있음은 명백할 것이다.
도 1은 본 개시의 일 실시예에 따른 외국어 학습용 레슨 모듈을 생성하기 위한 컴퓨팅 장치의 구성을 도시한 블록도이다.
도 2는 본 개시에 따른 프로세서가 외국어 학습용 레슨 모듈을 생성하는 방법의 일례를 나타낸 순서도이다.
도 3은, 본 개시에 따른 프로세서가 추천 미디어 컨텐츠 정보를 생성하는 일례를 나타낸 순서도이다.
도 4는, 본 개시에 따른 프로세서가 제 1 분석 데이터와 참조 데이터 간의 비교에 기초하여 학습 데이터를 생성하는 일례를 나타낸 순서도이다.
도 5는, 본 개시에 따른 프로세서가 레슨 모듈을 사용자에게 디스플레이한 결과를 레슨 모듈에 반영함으로서 레슨 모듈을 업데이트하는 일례를 나타낸 순서도이다.
도 6은 본 개시 내용의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.
다양한 실시예들 및/또는 양상들이 이제 도면들을 참조하여 개시된다. 하기 설명에서는 설명을 목적으로, 하나 이상의 양상들의 전반적 이해를 돕기 위해 다수의 구체적인 세부사항들이 개시된다. 그러나, 이러한 양상(들)은 이러한 구체적인 세부사항들 없이도 실행될 수 있다는 점 또한 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 감지될 수 있을 것이다. 이후의 기재 및 첨부된 도면들은 하나 이상의 양상들의 특정한 예시적인 양상들을 상세하게 기술한다. 하지만, 이러한 양상들은 예시적인 것이고 다양한 양상들의 원리들에서의 다양한 방법들 중 일부가 이용될 수 있으며, 기술되는 설명들은 그러한 양상들 및 그들의 균등물들을 모두 포함하고자 하는 의도이다. 구체적으로, 본 명세서에서 사용되는 "실시예", "예", "양상", "예시" 등은 기술되는 임의의 양상 또는 설계가 다른 양상 또는 설계들보다 양호하다거나, 이점이 있는 것으로 해석되지 않을 수도 있다.
이하, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략한다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 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. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
비록 제1, 제2 등이 다양한 소자나 구성요소들을 서술하기 위해서 사용되나, 이들 소자나 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자나 구성요소를 다른 소자나 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자나 구성요소는 본 발명의 기술적 사상 내에서 제2 소자나 구성요소 일 수도 있음은 물론이다.
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 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
더불어, 용어 "또는"은 배타적 "또는"이 아니라 내포적 "또는"을 의미하는 것으로 의도된다. 즉, 달리 특정되지 않거나 문맥상 명확하지 않은 경우에, "X는 A 또는 B를 이용한다"는 자연적인 내포적 치환 중 하나를 의미하는 것으로 의도된다. 즉, X가 A를 이용하거나; X가 B를 이용하거나; 또는 X가 A 및 B 모두를 이용하는 경우, "X는 A 또는 B를 이용한다"가 이들 경우들 어느 것으로도 적용될 수 있다. 또한, 본 명세서에 사용된 "및/또는"이라는 용어는 열거된 관련 아이템들 중 하나 이상의 아이템의 가능한 모든 조합을 지칭하고 포함하는 것으로 이해되어야 한다.
더불어, 본 명세서에서 사용되는 용어 "정보" 및 "데이터"는 종종 서로 상호교환 가능하도록 사용될 수 있다.
이하, 도면 부호에 관계 없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략한다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않는다.
비록 제 1, 제 2 등이 다양한 소자나 구성요소들을 서술하기 위해서 사용되나, 이들 소자나 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자나 구성요소를 다른 소자나 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제 1 소자나 구성요소는 본 개시의 기술적 사상 내에서 제 2 소자나 구성요소 일 수도 있음은 물론이다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
이하의 설명에서 사용되는 구성 요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
본 개시의 목적 및 효과, 그리고 그것들을 달성하기 위한 기술적 구성들은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 본 개시를 설명하는데 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 개시에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다.
그러나 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있다. 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자에게 개시의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 개시는 청구항의 범주에 의해 정의될 뿐이다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 1은 본 개시의 일 실시예에 따른 외국어 학습용 레슨 모듈을 생성하기 위한 컴퓨팅 장치의 구성을 도시한 블록도이다.
본 개시에 따른 컴퓨팅 장치는 프로세서(110), 메모리(120), 디스플레이부(미도시) 및 통신부(미도시)를 포함할 수 있다. 다만, 상술한 구성 요소들은 컴퓨팅 장치에 있어서 필수적인 것은 아니어서, 컴퓨팅 장치는 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성요소들을 가질 수 있다.
여기에서, 컴퓨팅 장치(100)는 데스크탑, 스마트 폰, 태블릿 등 통상적인 모바일 디바이스뿐 아니라, 본 발명에 따른 컴퓨팅 장치(100)와 데이터를 상호 교환하는 것이 가능한(또는 연동 가능한) 웨어러블 디바이스(wearable device, 예를 들어, 스마트워치(smartwatch), 스마트 글래스(smart glass), HMD(head mounted display))가 될 수 있다.
프로세서(110)는 응용 프로그램과 관련된 동작 외에도, 통상적으로 컴퓨팅 장치(100)의 전반적인 동작을 제어한다. 프로세서(110)는 위에서 살펴본 구성요소들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리하거나 메모리(120)에 저장된 응용 프로그램을 구동함으로서, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
또한, 프로세서(110)는 메모리(120)에 저장된 응용 프로그램을 구동하기 위하여, 도 1과 함께 살펴볼 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(110)는 상기 응용 프로그램의 구동을 위하여, 컴퓨팅 장치(100)에 포함된 구성요소들 중 적어도 둘 이상을 서로 조합하여 동작시킬 수 있다.
컴퓨팅 장치의 각 구성요소들 중 적어도 일부는, 이하에서 설명되는 다양한 실시 예들에 따른 컴퓨팅 장치의 동작, 제어, 또는 제어방법을 구현하기 위하여 서로 협력하여 동작할 수 있다. 또한, 상기 컴퓨팅 장치의 동작, 제어, 또는 제어방법은 상기 메모리(120)에 저장된 적어도 하나의 응용 프로그램의 구동에 의하여 컴퓨팅 장치상에서 구현될 수 있다.
또한, 메모리(120)는 컴퓨팅 장치(100)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(120)는 컴퓨팅 장치(100)에서 구동되는 다수의 응용 프로그램(application program 또는 애플리케이션(application)), 컴퓨팅 장치(100)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 이러한 응용 프로그램 중 적어도 일부는, 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 또한 이러한 응용 프로그램 중 적어도 일부는, 컴퓨팅 장치(100)의 기본적인 기능(예를 들어, 전화 착신, 발신 기능, 메시지 수신, 발신 기능)을 위하여 출고 당시부터 컴퓨팅 장치(100)상에 존재할 수 있다. 한편, 응용 프로그램은, 메모리(120)에 저장되고, 컴퓨팅 장치(100) 상에 설치되어, 프로세서(110)에 의하여 상기 컴퓨팅 장치의 동작(또는 기능)을 수행하도록 구동될 수 있다.
메모리(120)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM(electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. 컴퓨팅 장치(100)는 인터넷(internet)상에서 상기 메모리(120)의 저장 기능을 수행하는 웹 스토리지(web storage)와 관련되어 동작될 수도 있다.
디스플레이부(미도시)는 컴퓨팅 장치(100)에서 처리되는 정보를 표시(출력)한다. 예를 들어, 디스플레이부(미도시)는 컴퓨팅 장치(100)에서 구동되는 응용 프로그램의 실행 화면 정보, 또는 이러한 실행 화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(미도시)는 액정 디스플레이(liquid crystal display, LCD), 박막 트랜지스터 액정 디스플레이(thin film transistor-liquid crystal display, TFT LCD), 유기 발광 다이오드(organic light-emitting diode, OLED), 플렉서블 디스플레이(flexible display), 3차원 디스플레이(3D display), 전자잉크 디스플레이(e-ink display) 중에서 적어도 하나를 포함할 수 있다.
도 2는 본 개시에 따른 프로세서가 외국어 학습용 레슨 모듈을 생성하는 방법의 일례를 나타낸 순서도이다.
도 2를 참조하면, 프로세서(110)는 사용자에게 적합한 제 1 외국어 데이터를 생성할 수 있다(S100).
여기서 사용자는 본 개시에 따른 외국어 학습용 레슨 모듈 생성 방법에 의해 생성된 레슨 모듈을 통해 외국어를 학습하고자 하는 자 일 수 있다.
본 개시에 따른 외국어 데이터는 임의의 미디어 컨텐츠와 관련된, 외국어로 된 음성 또는 문자일 수 있다.
구체적으로, 사용자에게 적합한 제 1 외국어 데이터는, 사용자가 일상 생활, 비즈니스 관계 또는 취미 생활 등을 영위하기 위하여 특별히 관심을 갖고 있는 외국어 데이터를 의미할 수 있다. 가령, 임의의 사용자가 자주 보는 드라마와 관련된 외국어 데이터는 사용자에게 적합한 제 1 외국어 데이터일 수 있다. 또한, 도 3에서 후술할 제 2 외국어 데이터는, 사용자가 잘 모르는 단어가 많이 포함된 외국어 데이터일 수 있다. 프로세서(110)는, 적어도 하나의 제 2 외국어 데이터와 관련된 추천 미디어 컨텐츠 정보를 생성하여, 이를 사용자에게 제공할 수 있다. 사용자가 추천 미디어 컨텐츠 중 하나를 선택하여 기 설정된 인터페이스를 통해 입력할 경우, 선택된 추천 미디어 컨텐츠에 대응하는 외국어 데이터는 제 1 외국어 데이터로 결정될 수 있다.
미디어 컨텐츠가 영화 혹은 드라마인 경우, 외국어 데이터는 당해 미디어 컨텐츠와 관련된 자막 데이터를 의미할 수 있다. 미디어 컨텐츠가 음악 또는 음성 자료일 경우, 외국어 데이터는 해당 음성 자료를 문자화 한 텍스트 데이터일 수 있다.
본 개시에 따른 몇몇 실시예에서, 프로세서(110)는 상기 사용자에게 적합한 제 1 외국어 데이터를 생성하기 위해 기 설정된 인터페이스를 사용자에게 디스플레이하도록 결정할 수 있다. 사용자가 인터페이스를 통해 특정 외국어 데이터를 입력하면, 프로세서(110)는 입력된 외국어 데이터를 메모리(120)에 저장할 수 있다.
기존의 외국어 학습은 사용자의 니즈(needs)와 무관하게 정해진 교재와 커리큘럼을 따라 이루어지는 부분이 크다. 지속성이 중요한 외국어 학습에 있어서, 기존의 방식은 사용자(학습자)에게 지속적인 관심 및 흥미의 유발이 어렵다. 따라서 이는 외국어 사용자의 학습 성취도를 낮게 만든다.
본 개시와 같이 사용자에게 적합한(사용자의 니즈에 맞춘) 자료를 바탕으로 학습을 제공한다면, 사용자에게 지속적인 관심과 흥미를 유발시킬 수 있다. 따라서, 외국어 학습의 지속성이 확보되어 학습 성취도를 높일 수 있다.
프로세서(110)는, 텍스트 분석기를 이용하여 제 1 외국어 데이터에 대한 제 1 분석 데이터를 생성할 수 있다(S200).
본 개시에 따른 텍스트 분석기는, 주어진 텍스트 데이터에 포함된 단어, 포함된 단어 각각의 빈도를 분석하는 도구(예를 들면, 프로그램 또는 소스 코드)일 수 있다. 본 개시에 따른 몇몇 실시예에서 텍스트 분석기는 임의의 외국어 데이터에 포함된 단어, 포함된 단어 각각의 빈도를 분석하는 도구일 수 있다. 프로세서(110)는 텍스트 분석기를 이용하여 임의의 외국어 데이터에 포함된 단어 및 단어 별 빈도를 분석하여, 분석 데이터를 생성할 수 있다.
본 개시에 따른 분석 데이터란, 외국어 데이터에 포함된 단어 정보 및 단어별 빈도 정보를 포함하는 데이터 일 수 있다.
예를 들어, 제 1 외국어 데이터에 “AAA”, “BBB”, “CCC”, “CCC”, “DDD” 가 존재한다면, 분석 데이터는 (“AAA”: 1회, “BBB”: 1회, “CCC”: 2회, “DDD”: 1회) 일 수 있다.
분석 데이터는 학습의 대상인 외국어 데이터에 어떤 단어들이 포함되어 있는지, 또 어떤 단어가 많이 나오고 적게 나오는지에 관한 정보를 포함하고 있다. 추후 학습 데이터를 생성할 때, 분석 데이터에 포함된 단어 정보 및 단어 별 빈도 정보와 참조 데이터를 비교하게 된다. 이 때 단계(S200)에서 생성된 분석 데이터에 기초하여, 사용자가 알지 못하는 단어가 외국어 데이터에 얼마나 포함되어 있는지, 사용자가 알지 못하는 단어가 외국어 데이터에 얼마나 자주 나오는지를 인식할 수 있다. 따라서 학습자에게 더 효과적인 학습을 제공할 수 있다.
프로세서(110)는, 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성할 수 있다(S300).
본 개시에 따른 참조 데이터는, 사용자가 이미 알고 있는 단어들의 목록을 의미할 수 있다. 참조 데이터는 학습을 수행하기 전 미리 결정되어 있을 수 있다. 또, 참조 데이터는 사용자에 의한 학습의 수행에 의해 업데이트 될 수 있다. 참조 데이터 및 레슨 모듈의 업데이트와 관련하여 도 5에서 자세히 후술한다.
예를 들어, 참조 데이터는 본 개시에 따라 외국어 학습용 레슨 모듈이 생성되기 전 미리 결정되어, “ABC”, “DEF”, “GHI”를 포함하고 있을 수 있다. 이 경우, 사용자는 “ABC”, “DEF”, “GHI”를 이미 알고 있는 상태이다. 본 개시에 따라 생성된 외국어 학습용 레슨 모듈을 통해 사용자가 학습을 진행한 후, 사용자가 “XYZ”, “ABX”라는 단어를 습득하게 되었다고 가정하자. 이 경우, 참조 데이터는 “ABC”, “DEF”, “GHI”, “XYZ”, “ABX”를 포함하게 된다.
다만, 사용자가 특정한 한 번의 학습에서 어떤 단어를 맞췄다고 해서 이 단어가 바로 참조 데이터에 포함되는 것은 아니다. 프로세서(110)는 기 설정된 기준에 근거하여, 분석 데이터에 포함된 임의의 데이터를 참조 데이터에 포함시킬 수 있다.
일례로, 이러한 기 설정된 기준은 “어떤 단어를 5회의 학습에 걸쳐 반복적으로 맞춘 경우” 일 수 있으며, 이는 본 개시에 따른 레슨 모듈이 어떤 학습법에 근거하는가에 따라 달라질 수 있다.
본 개시에 따른 레슨 모듈은 학습 데이터와 관련하여, 사용자의 학습을 위해 제공되는 일련의 시퀀스를 위해 구성된 데이터일 수 있다. 레슨 모듈은 그 자체에 학습 데이터를 포함하는 방식이나, 메모리(120)에 저장된 학습 데이터를 단순히 참조하는 방식으로 구성될 수 있다.
일례로, 레슨 모듈은 학습 데이터에 포함된 단어 및 예문들을 사용자의 컴퓨팅 장치에 순차적으로 디스플레이하기 위해 구성된 소스 코드일 수 있다. 이 경우, 레슨 모듈은, 프로세서(110)가 분석 데이터 중 참조 데이터에 포함되지 않은 단어들 및 이들과 관련된 예문들을 기 설정된 기준에 따른 순서 또는 무작위적 순서로 디스플레이하도록 결정할 수 있도록 구성된 소스 코드일 수 있다. 이 때 기 설정된 기준은, 제 1 분석 데이터에 포함된 단어별 빈도 수에 따를 수 있다. 즉, 레슨 모듈의 구성에 따라, 프로세서(110)는 단어별 빈도가 높은 단어 및 그와 관련된 예문을 학습의 초기에 디스플레이하도록 결정하거나, 반대로 단어별 빈도가 낮은 단어 및 그와 관련된 예문을 학습의 초기에 디스플레이하도록 결정할 수 있다.
본 개시에 따른 학습 데이터는 단어, 음성, 해당 단어와 관련된 미디어 컨텐츠에서의 스크린샷 또는 예문 데이터 중 적어도 하나를 포함할 수 있다. 이는 학습 데이터의 유형의 예시일 뿐 학습 데이터의 유형은 이에 한정되지 않는다. 학습 데이터는 레슨 모듈과 관련될 수 있으며, 반드시 레슨 모듈에 포함되어야 하는 것은 아니다. 특히, 학습 데이터는 사용자가 알고 있는 단어들(참조 데이터)과 사용자가 학습하고자 하는 외국어 데이터에 포함된 단어들(분석 데이터)의 비교 결과에 기초할 수 있다. 즉, 학습 데이터는 분석 데이터에 포함된 단어들 중 참조 데이터에 포함되지 않은 단어들에 기초할 수 있다.
본 개시에 따라 분석 데이터와 참조 데이터를 이용하여 레슨 모듈을 생성하는 것은, 분석 데이터와 참조 데이터에 포함된 단어들을 비교하는 것을 의미할 수 있다.
일례로, 프로세서(110)는 분석 데이터와 참조 데이터 간의 비교에 기초하여 학습 데이터를 생성할 수 있고, 이 때 분석 데이터와 참조 데이터를 “비교”하는 것은 상기 이용의 일 예시일 수 있다.
상술한 바와 같이, 분석 데이터와 참조 데이터를 비교하는 것은 분석 데이터에는 존재하지만 참조 데이터에는 존재하지 않는 단어 정보들을 결정하는 것을 의미할 수 있다. 비교 과정을 통해서, 사용자에게 적합한 제 1 외국어 데이터에는 존재하지만, 사용자가 아직 잘 모르는 단어들만을 학습에 이용할 수 있다. 따라서, 학습 데이터를 생성하기 위해 요구되는 데이터의 양이 줄어들고, 학습 데이터를 구성하기 위한 단어 및 예문 데이터 등의 결정 과정 등이 효율적으로 수행될 수 있다. 나아가, 사용자 측면에서는 잘 모르는 단어 및 그와 관련된 예문만을 학습할 수 있어 학습의 효율이 크게 증대된다.
또한, 프로세서(110)는 메모리에 기 저장된 사전 API를, 제 1 분석 데이터 및 참조 데이터와 함께 이용하여 학습 데이터를 생성할 수 있다. 즉, 프로세서(110)는 제 1 분석 데이터와 참조 데이터의 비교 결과 생성된 단어 정보들을 사전 API에 연동함으로써, 그 예문 정보들을 쉽게 찾아낼 수 있다.
메모리에 이미 저장된 사전 API를 이용하면, 외부 컴퓨팅 장치와 별도의 통신이 요구되지 않기 때문에, 학습 데이터의 구성이 더 빠르게 이루어질 수 있다.
프로세서(110)는, 레슨 모듈을 사용자에게 디스플레이하도록 결정할 수 있다(S400).
프로세서(110)는 레슨 모듈을 사용자에게 디스플레이하도록 결정하고 이를 디스플레이함으로서, 레슨 모듈과 관련된 학습 데이터를 사용자에게 학습시킬 수 있다.
즉, 프로세서(110)는 레슨 모듈을 사용자에게 디스플레이하도록 결정하고, 레슨 모듈을 구동하여 사용자에게 디스플레이할 수 있다.
예를 들어, 프로세서(110)는 레슨 모듈에 기록된 시퀀스에 따라 사용자에게 학습 데이터에 기반한 학습을 제공할 수 있다.
이 때, 프로세서(110)는 레슨 모듈을 기 설정된 시간 간격에 따라 사용자에게 디스플레이하도록 결정할 수 있다. 프로세서(110)가 레슨 모듈을 기 설정된 시간 간격에 따라 사용자에게 제공하는 것은 반드시 단계(S400) 이후에 이루어져야 하는 것은 아니다. 즉, 프로세서(110)는 레슨 모듈의 생성과 무관하게 레슨 모듈을 디스플레이하는 간격을 미리 결정할 수 있다.
일정한 시간 간격에 따라 외국어 학습을 수행하는 경우, 학습의 효율이 증대하는 것으로 일반적으로 알려져 있다. 이는, 망각 곡선에 근거하여 특정한 단어에 대한 기억을 장기 기억(Long-term memory)화 시키는 것이다. 따라서, 상술한 바와 같이 사용자에게 적합한 데이터로 기 설정된 시간 간격에 따라 외국어 학습을 수행하면, 학습의 효과가 극대화될 수 있다.
일 실시예로, 프로세서(110)는 사용자에 의해 미리 설정된 시간 간격에 따라 사용자에게 레슨 모듈을 디스플레이하도록 결정할 수 있다.
사용자 본인은 본인의 컨디션, 학습 성향, 학습의 성취도가 높은 간격에 대해 가장 잘 알고 있는 당사자이므로, 스스로 설정한 시간 간격에 따라 학습을 수행하면 학습의 효과가 극대화될 수 있다.
또 다른 일례로, 프로세서(110)는 레슨 모듈과 관련된 학습 데이터에 포함된 단어의 수에 기초하여 레슨 모듈이 디스플레이 될 시간 간격을 결정할 수 있다.
이 경우, 프로세서(110)는 학습 데이터에 포함된 단어의 수가 많으면 시간 간격을 빠르게 할 수 있다. 이 경우, 많은 단어에 대한 기억이 소실되기 전에 다시 단어에 대한 학습을 수행할 수 있어, 학습 효율이 증대된다.
프로세서(110)는, 레슨 모듈을 업데이트할 수 있다(S500).
프로세서(110)는 사용자의 학습 결과에 기초하여 레슨 모듈을 업데이트할 수 있다. 레슨 모듈의 업데이트는 참조 데이터의 업데이트와 연관될 수 있다. 또, 레슨 모듈의 업데이트는 참조 데이터에 새로이 추가된 단어와 관련된 시퀀스들을 조정하는 것을 포함할 수 있다.
예를 들어, 사용자는 학습 결과 사용자가 “XYZ”, “ABX”라는 단어를 알게 되었다고 판단한 경우, 레슨 모듈이 “XYZ” 또는 “ABX”와 관련한 시퀀스를 제외하도록 결정할 수 있다. 참조 데이터 및 레슨 모듈의 업데이트와 관련하여 도 5에서 자세히 후술한다.
레슨 모듈을 업데이트 함으로써, 사용자가 학습을 통하여 알게된 단어들은 추가적인 학습이 수행되지 않게 한다. 따라서, 더 효율적인 학습이 가능하게 된다.
프로세서(110)는, 상기 레슨 모듈에 대한 업데이트를 수행함에 따라, 레슨 모듈과 관련된 학습 데이터가 고갈된 경우 외국어 학습을 종료할 수 있다(S600, Yes). 그렇지 않으면, 프로세서(110)는 업데이트 된 학습 모듈을 단계(S400)에서와 같이 사용자에게 디스플레이하도록 결정할 수 있다(S600, No).
본 개시에 따른 '고갈'이란, 프로세서(110)가 학습 데이터에 존재했던 모든 데이터를 참조 데이터에 포함시키게 되어 학습 데이터가 더 이상 존재하지 않게 된 상태를 의미할 수 있다. 사용자 입장에서는, 학습 데이터에 포함된 단어 및 예문들을 사용자가 숙지하게 된 상태를 의미할 수 있다.
상술한 바와 같이, 본 개시에 따른 학습 데이터는 단어 또는 예문 데이터를 포함할 수 있다. 학습 데이터는 레슨 모듈과 관련될 수 있으며, 반드시 레슨 모듈에 포함되어야 하는 것은 아니다. 특히, 학습 데이터는 사용자가 알고 있는 단어들(참조 데이터)과 사용자가 학습하고자 하는 외국어 데이터에 포함된 단어들(분석 데이터)의 비교 결과에 기초할 수 있다. 즉, 학습 데이터는 분석 데이터에 포함된 단어들 중 참조 데이터에 포함되지 않은 단어들에 기초할 수 있다.
도 1에서 보이는 바와 같이, 프로세서(110)는 학습 데이터가 고갈되지 않았다면, 단계(S400)으로 돌아가 레슨 모듈을 사용자에게 디스플레이하도록 결정할 수 있다. 즉, 프로세서(110)는 학습 데이터가 고갈될 때까지 학습을 반복적으로 수행할 수 있다.
이에 따라, 모르는 단어에 대한 학습이 완전히 이루어질 수 있어, 사용자의 학습 성취도가 높아질 수 있다.
도 3은, 본 개시에 따른 프로세서가 추천 미디어 컨텐츠 정보를 생성하는 일례를 나타낸 순서도이다.
도 3을 참조하면, 프로세서(110)는, 참조 데이터를 이용하여, 적어도 하나의 제 2 외국어 데이터를 인식할 수 있다(S210).
참조 데이터는 도 2에서 상술한 바와 같이, 사용자가 이미 알고 있는 단어들의 목록을 의미할 수 있다. 참조 데이터는 학습을 수행하기 전 미리 결정되어 있을 수 있다. 또, 참조 데이터는 사용자에 의한 학습의 수행에 의해 업데이트 될 수 있다. 참조 데이터 및 레슨 모듈의 업데이트와 관련하여 도 5에서 자세히 후술한다.
본 개시의 몇몇 실시예에 따른 제 2 외국어 데이터는, 사용자가 잘 모르는 단어가 많이 포함된 외국어 데이터일 수 있다.
예를 들어, 프로세서(110)는 메모리(120)에 저장된 제 2 외국어 데이터를 인식할 수 있다. 프로세서(110)는 인식한 제 2 외국어 데이터를, 텍스트 분석기를 이용해 분석할 수 있다. 프로세서(110)는 제 2 외국어 데이터에 대한 분석이 수행되어 제 2 분석 데이터가 생성되면, 참조 데이터와 제 2 외국어 데이터에 대한 제 2 분석 데이터를 비교할 수 있다. 이 때, 제 2 외국어 데이터에 대한 제 2 분석 데이터가 참조 데이터와의 비교에 있어 기 설정된 기준을 만족하면, 프로세서(110)는 제 2 외국어 데이터에 대응하는 추천 미디어 컨텐츠 정보를 생성할 수 있다. 이러한 기 설정된 기준은, 제 2 외국어 데이터에 대한 분석 데이터가 참조 데이터에 포함되지 않은 단어를 일정 수 이상 가지고 있는 것일 수 있다. 예를 들어, 분석 데이터에 포함된 데이터 중 90% 이상의 단어가 참조 데이터에 포함되어 있다면, 이 분석 데이터는 기 설정된 기준을 만족한다고 볼 수 있다. 반대로, 분석 데이터에 포함된 단어 중 10% 미만의 단어가 참조 데이터에 포함되어 있다면, 이는 기 설정된 기준을 만족한다고 볼 수 있다. 상기 수치들은 예시적인 것에 불과하므로, 권리범위는 상술한 수치들에 한정되어서는 안된다.
프로세서(110)는 적어도 하나의 외국어 데이터에 대해, 그 각각이 상기 기 설정된 기준을 만족하는 외국어 데이터인지 여부를 결정할 수 있다.
본 개시의 몇몇 실시예에 따르면, 프로세서(110)는 메모리에 기 저장된 제 2 외국어 데이터의 제 2 분석 데이터를 인식하고(상술한 바와 같이, 분석 데이터는 임의의 외국어 데이터에 포함된 단어 정보 및 단어별 빈도 정보를 포함한다), 참조 데이터, 단어 정보 및 단어별 빈도 정보를 비교하여 하나 이상의 제 2 외국어 데이터 각각이 기 설정된 기준을 만족하는지 여부를 결정할 수 있다.
도 2에서 전술한 바와 같이, 본 개시에 따른 분석 데이터란, 외국어 데이터에 포함된 단어 정보 및 단어별 빈도 정보를 포함하는 데이터 일 수 있다.
예를 들어, 제 2 외국어 데이터에 “AAA”, “BBB”, “CCC”, “CCC”, “DDD” 가 존재한다면, 제 2 분석 데이터는 (“AAA”: 1회, “BBB”: 1회, “CCC”: 2회, “DDD”: 1회) 일 수 있다.
도 2에서 전술한 바와 같이, 분석 데이터와 참조 데이터를 비교하는 것은 분석 데이터에는 존재하지만 참조 데이터에는 존재하지 않는 단어 정보들을 의미할 수 있다. 비교 과정을 통해서, 사용자에게 적합한 외국어 데이터에는 존재하지만, 사용자가 아직 잘 모르는 단어들만을 학습에 이용할 수 있다. 따라서, 학습 데이터를 생성하기 위해 요구되는 데이터의 양이 줄어들고, 학습 데이터를 구성하기 위한 단어 및 예문 데이터 등의 결정 과정 등이 효율적으로 수행될 수 있다. 나아가, 사용자 측면에서는 잘 모르는 단어 및 그와 관련된 예문만을 학습할 수 있어 학습의 효율이 크게 증대된다.
프로세서(110)는, 적어도 하나의 외국어 데이터에 대응하는 적어도 하나의 미디어 컨텐츠의 정보를 포함하는 추천 미디어 컨텐츠 정보를 생성할 수 있다(S220).
본 개시에 따른 미디어 컨텐츠 정보는, 제 2 외국어 데이터에 대응하는 미디어 컨텐츠에 대한 메타 데이터 정보일 수 있다.
예를 들어, 미디어 컨텐츠 정보는 미디어 컨텐츠 제목, 미디어 컨텐츠 식별 번호 등일 수 있다.
가령, 사용자가 프렌즈(Friends)라는 미국 시트콤을 이용하여 영어를 공부하고자 할 경우, 외국어 데이터는 프렌즈의 특정 에피소드에 대한 자막일 수 있다. 이 경우, 미디어 컨텐츠 정보는 상기 특정 에피소드에 대한 메타 데이터 정보로서, 에피소드 명, 해당 에피소드를 식별할 수 있는 식별 번호 등일 수 있다.
프로세서(110)는, 상술한 바에 의하여 기 설정된 기준을 만족한다고 판단된 적어도 하나의 제 2 외국어 데이터에 대응하는 미디어 컨텐츠 정보를 이용하여, 사용자에게 추천 미디어 컨텐츠 정보를 제공할 수 있다.
즉, 추천 미디어 컨텐츠 정보는 기 설정된 기준을 만족하는 제 2 외국어 데이터를 포함하는 미디어 컨텐츠들에 대한 정보를 의미한다. 이러한 추천 미디어 컨텐츠 정보는 상기 미디어 컨텐츠의 제목, 썸네일 등일 수 있다.
프로세서(110)는, 추천 미디어 컨텐츠 정보를 디스플레이하도록 결정할 수 있다(S230).
프로세서(110)는 추천 미디어 컨텐츠 정보를 사용자에게 제공할 수 있고, 이러한 제공은 디스플레이부(미도시)를 이용하여 해당 정보들을 디스플레이하는 방식으로 이루어질 수 있다. 만약 프로세서(110)가 (사용자에 의해) 추천 미디어 컨텐츠 중 하나가 선택되는 입력을 인식하면, 선택된 추천 미디어 컨텐츠에 대응하는 외국어 데이터는 사용자에게 적합한 제 1 외국어 데이터로 결정될 수 있다. 다만 이는 추천 미디어 컨텐츠 정보를 제공하는 일례에 불과하므로, 제공 방식은 이에 한정되지 않는다.
상술한 단계들에 의하여, 프로세서(110)는 사용자가 잘 모르는 단어들이 많이 포함되고, 자주 나오는 미디어 컨텐츠를 사용자에게 학습 대상으로 추천할 수 있다. 따라서, 사용자가 같은 시간에 아직 알지 못하는 단어에 대해 더 많이 공부할 수 있게 된다. 따라서, 본 개시에 따라 생성된 레슨 모듈에 의한 학습의 효율이 향상된다.
도 4는, 본 개시에 따른 프로세서가 제 1 분석 데이터와 참조 데이터 간의 비교에 기초하여 학습 데이터를 생성하는 일례를 나타낸 순서도이다.
도 4 에서는, 프로세서가 제 1 분석 데이터와 참조 데이터를 비교하여 학습 데이터를 생성하는 과정의 일례를 도시하고 있다. 이는 제 1 분석 데이터와 참조 데이터 간의 비교에 기초하여 학습 데이터를 생성하는 일례에 불과하다. 따라서 권리범위는 아래에 개시된 설명에 제한되지 않아야 할 것이다.
프로세서(110)는, 제 1 분석 데이터 중 참조 데이터에 포함되지 않은 단어와 관련된 비교 데이터를 생성할 수 있다(S310).
상술한 바와 같이, 제 1 분석 데이터와 참조 데이터를 비교하는 것은 분석 데이터에는 존재하지만 참조 데이터에는 존재하지 않는 단어 정보들을 결정하는 것을 의미할 수 있다.
제 1 분석 데이터와 참조 데이터의 비교에 의해 생성되는 비교 데이터는 상기 분석 데이터와 참조 데이터 간의 비교 결과 분석 데이터에만 존재한다고 결정된 단어들과 관련될 수 있다.
즉, 사용자 입장에서 비교 데이터는 사용자가 아직 모르는 단어들과 관련된 데이터일 수 있다.
상술한 바와 같이, 학습 데이터는 제 1 분석 데이터에 포함된 단어들 중 참조 데이터에 포함되지 않은 단어들과 관련되며, 단어 또는 예문 데이터를 포함할 수 있다.
따라서, 학습 데이터가 단어 데이터만을 포함한다면 상기 비교 데이터와 일치할 수도 있다. 그러나, 상기 학습 데이터가 예문 데이터, 음성 데이터 등을 더 포함한다면 비교 데이터는 학습 데이터와 일치하지 않을 수 있다.
프로세서(110)는, 상기 비교 데이터와 관련된 예문 데이터를 생성할 수 있다(S320).
본 개시의 몇몇 실시예에 따른 예문 데이터는, 비교 데이터에 포함된 단어 정보와 관련된 예문들에 관한 데이터일 수 있다. 즉, 프로세서(110)가 분석 데이터와 참조 데이터 간의 비교를 통해 사용자가 모른다고 결정한 단어들이 포함된 예문일 수 있다.
또한, 이러한 예문 데이터는 학습 데이터와 일치할 수 있지만, 상술한 바와 같이 학습 데이터에 포함되는 데이터의 유형은 이에 한정되지 않는다. 따라서, 학습 데이터는 단어, 예문, 예문을 원어민이 읽은 음성, 당해 단어가 사용되는 시점의 미디어 컨텐츠의 스크린 샷 등 다양한 유형의 데이터를 포함할 수 있다. 즉, 상술한 유형의 데이터들은 학습 데이터 유형의 예시이므로, 학습 데이터에 관한 권리범위는 이에 한정되어서는 안된다.
학습 데이터에 포함되는 예문 데이터, 음성 데이터, 스크린 샷 데이터 등은 메모리(120)에 기 저장되어 있는 사전 API를 이용하거나, 혹은 특정 단어와 관련하여 이미 메모리에 저장되어 있거나, 외부 컴퓨팅 장치로부터 수신될 수 있다.
일반적으로, 외국어 학습에 있어, 단어의 철자와 뜻만을 암기하는 것보다, 단어가 사용되는 맥락을 이해하기 위해 예문을 통해 단어 공부를 하는 것이 권장된다. 따라서, 상술한 바와 같이 예문 데이터를 생성하여 이를 학습 데이터에 포함시키게 되면, 사용자의 학습 성취도가 높아질 것이다.
도 5는, 본 개시에 따른 프로세서가 레슨 모듈을 사용자에게 디스플레이한 결과를 레슨 모듈에 반영함으로서 레슨 모듈을 업데이트하는 일례를 나타낸 순서도이다.
도 5를 참조하면, 프로세서(110)는 학습 결과를 생성할 수 있다(S510).
본 개시에 따른 학습 결과는, 프로세서(110)가 상술한 학습 데이터에 포함된 단어/예문 각각을 사용자가 맞췄는지, 틀렸는지에 관한 정보를 포함할 수 있다.
예를 들어, 사용자가 “AAA”, “BBB”, “CCC”라는 단어 및 이들과 관련된 예문들에 관한 문제의 정답을 맞췄다면, 학습 결과는 사용자가 “AAA”, “BBB”, “CCC”를 맞췄다는 정보를 포함할 수 있다. 반대로, 사용자가 “DDD”, “EEE”라는 단어 및 이들과 관련된 예문들에 관한 문제의 정답을 틀렸다면, 학습 결과는 사용자가 “DDD”, “EEE”를 틀렸다는 정보를 포함할 수 있다.
프로세서(110)는, 학습 결과를 이용하여 참조 데이터에 사용자가 알고 있는 단어를 추가할 수 있다(S520).
프로세서(110)는, 학습 결과를 통해 사용자가 학습 데이터에 포함된 임의의 단어의 정답을 맞췄다는 정보를 인식하면, 참조 데이터에 해당 단어들을 추가할 수 있다.
예를 들어, 본 개시에 따라 생성된 외국어 학습용 레슨 모듈을 통해 사용자가 학습을 진행한 후, 사용자가 “XYZ”, “ABX”라는 단어를 습득하게 되었다고 가정하자. 이 경우, 참조 데이터는 “XYZ”, “ABX”를 더 포함하게 된다.
상술한 바에 의하여, 프로세서(110)는 사용자가 알게 되었다고 판단된 단어에 대해 더 이상 학습을 진행하지 않도록 할 수 있다. 따라서, 사용자는 이후의 학습에서 아직 습득이 완료되지 않은 단어에 더 집중할 수 있게 된다. 따라서, 사용자의 학습이 더 효율적으로 진행될 수 있다.
도 6은 본 개시 내용의 실시예들이 구현될 수 있는 예시적인 컴퓨팅 환경에 대한 간략하고 일반적인 개략도를 도시한다.
본 개시가 일반적으로 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령어와 관련하여 전술되었지만, 당업자라면 본 개시가 기타 프로그램 모듈들과 결합되어 및/또는 하드웨어와 소프트웨어의 조합으로서 구현될 수 있다는 것을 잘 알 것이다.
일반적으로, 본 명세서에서의 모듈은 특정의 태스크를 수행하거나 특정의 추상 데이터 유형을 구현하는 루틴, 프로시져, 프로그램, 컴포넌트, 데이터 구조, 기타 등등을 포함한다. 또한, 당업자라면 본 개시의 방법이 단일-프로세서 또는 멀티프로세서 컴퓨터 시스템, 미니컴퓨터, 메인프레임 컴퓨터는 물론 퍼스널 컴퓨터, 핸드헬드 컴퓨팅 장치, 마이크로프로세서-기반 또는 프로그램가능 가전 제품, 기타 등등(이들 각각은 하나 이상의 연관된 장치와 연결되어 동작할 수 있음)을 비롯한 다른 컴퓨터 시스템 구성으로 실시될 수 있다는 것을 잘 알 것이다.
본 개시의 설명된 실시예들은 또한 어떤 태스크들이 통신 네트워크를 통해 연결되어 있는 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘다에 위치할 수 있다.
컴퓨터는 통상적으로 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터에 의해 액세스 가능한 매체는 그 어떤 것이든지 컴퓨터 판독가능 매체가 될 수 있고, 이러한 컴퓨터 판독가능 매체는 휘발성 및 비휘발성 매체, 일시적(transitory) 및 비일시적(non-transitory) 매체, 이동식 및 비-이동식 매체를 포함한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 판독가능 저장 매체 및 컴퓨터 판독가능 전송 매체를 포함할 수 있다.
컴퓨터 판독가능 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보를 저장하는 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성 매체, 일시적 및 비-일시적 매체, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 판독가능 저장 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital video disk) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 또는 컴퓨터에 의해 액세스될 수 있고 원하는 정보를 저장하는 데 사용될 수 있는 임의의 기타 매체를 포함하지만, 이에 한정되지 않는다.
컴퓨터 판독가능 전송 매체는 통상적으로 반송파(carrier wave) 또는 기타 전송 메커니즘(transport mechanism)과 같은 피변조 데이터 신호(modulated data signal)에 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터등을 구현하고 모든 정보 전달 매체를 포함한다. 피변조 데이터 신호라는 용어는 신호 내에 정보를 인코딩하도록 그 신호의 특성들 중 하나 이상을 설정 또는 변경시킨 신호를 의미한다. 제한이 아닌 예로서, 컴퓨터 판독가능 전송 매체는 유선 네트워크 또는 직접 배선 접속(direct-wired connection)과 같은 유선 매체, 그리고 음향, RF, 적외선, 기타 무선 매체와 같은 무선 매체를 포함한다. 상술된 매체들 중 임의의 것의 조합도 역시 컴퓨터 판독가능 전송 매체의 범위 안에 포함되는 것으로 한다.
컴퓨터(1102)를 포함하는 본 개시의 여러가지 측면들을 구현하는 예시적인 환경(1100)이 나타내어져 있으며, 컴퓨터(1102)는 처리 장치(1104), 시스템 메모리(1106) 및 시스템 버스(1108)를 포함한다. 시스템 버스(1108)는 시스템 메모리(1106)(이에 한정되지 않음)를 비롯한 시스템 컴포넌트들을 처리 장치(1104)에 연결시킨다. 처리 장치(1104)는 다양한 상용 프로세서들 중 임의의 프로세서일 수 있다. 듀얼 프로세서 및 기타 멀티프로세서 아키텍처도 역시 처리 장치(1104)로서 이용될 수 있다.
시스템 버스(1108)는 메모리 버스, 주변장치 버스, 및 다양한 상용 버스 아키텍처 중 임의의 것을 사용하는 로컬 버스에 추가적으로 상호 연결될 수 있는 몇가지 유형의 버스 구조 중 임의의 것일 수 있다. 시스템 메모리(1106)는 판독 전용 메모리(ROM)(1110) 및 랜덤 액세스 메모리(RAM)(1112)를 포함한다. 기본 입/출력 시스템(BIOS)은 ROM, EPROM, EEPROM 등의 비휘발성 메모리(1110)에 저장되며, 이 BIOS는 시동 중과 같은 때에 컴퓨터(1102) 내의 구성요소들 간에 정보를 전송하는 일을 돕는 기본적인 루틴을 포함한다. RAM(1112)은 또한 데이터를 캐싱하기 위한 정적 RAM 등의 고속 RAM을 포함할 수 있다.
컴퓨터(1102)는 또한 내장형 하드 디스크 드라이브(HDD)(1114)(예를 들어, EIDE, SATA)―이 내장형 하드 디스크 드라이브(1114)는 또한 적당한 섀시(도시 생략) 내에서 외장형 용도로 구성될 수 있음―, 자기 플로피 디스크 드라이브(FDD)(1116)(예를 들어, 이동식 디스켓(1118)으로부터 판독을 하거나 그에 기록을 하기 위한 것임), 및 광 디스크 드라이브(1120)(예를 들어, CD-ROM 디스크(1122)를 판독하거나 DVD 등의 기타 고용량 광 매체로부터 판독을 하거나 그에 기록을 하기 위한 것임)를 포함한다. 하드 디스크 드라이브(1114), 자기 디스크 드라이브(1116) 및 광 디스크 드라이브(1120)는 각각 하드 디스크 드라이브 인터페이스(1124), 자기 디스크 드라이브 인터페이스(1126) 및 광 드라이브 인터페이스(1128)에 의해 시스템 버스(1108)에 연결될 수 있다. 외장형 드라이브 구현을 위한 인터페이스(1124)는 예를 들어, USB(Universal Serial Bus) 및 IEEE 1394 인터페이스 기술 중 적어도 하나 또는 그 둘다를 포함한다.
이들 드라이브 및 그와 연관된 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령어, 기타 등등의 비휘발성 저장을 제공한다. 컴퓨터(1102)의 경우, 드라이브 및 매체는 임의의 데이터를 적당한 디지털 형식으로 저장하는 것에 대응한다. 상기에서의 컴퓨터 판독가능 저장 매체에 대한 설명이 HDD, 이동식 자기 디스크, 및 CD 또는 DVD 등의 이동식 광 매체를 언급하고 있지만, 당업자라면 집 드라이브(zip drive), 자기 카세트, 플래쉬 메모리 카드, 카트리지, 기타 등등의 컴퓨터에 의해 판독가능한 다른 유형의 저장 매체도 역시 예시적인 운영 환경에서 사용될 수 있으며 또 임의의 이러한 매체가 본 개시의 방법들을 수행하기 위한 컴퓨터 실행가능 명령어를 포함할 수 있다는 것을 잘 알 것이다.
운영 체제(1130), 하나 이상의 애플리케이션 프로그램(1132), 기타 프로그램 모듈(1134) 및 프로그램 데이터(1136)를 비롯한 다수의 프로그램 모듈이 드라이브 및 RAM(1112)에 저장될 수 있다. 운영 체제, 애플리케이션, 모듈 및/또는 데이터의 전부 또는 그 일부분이 또한 RAM(1112)에 캐싱될 수 있다. 본 개시가 여러가지 상업적으로 이용가능한 운영 체제 또는 운영 체제들의 조합에서 구현될 수 있다는 것을 잘 알 것이다.
사용자는 하나 이상의 유선/무선 입력 장치, 예를 들어, 키보드(1138) 및 마우스(1140) 등의 포인팅 장치를 통해 컴퓨터(1102)에 명령 및 정보를 입력할 수 있다. 기타 입력 장치(도시 생략)로는 마이크, IR 리모콘, 조이스틱, 게임 패드, 스타일러스 펜, 터치 스크린, 기타 등등이 있을 수 있다. 이들 및 기타 입력 장치가 종종 시스템 버스(1108)에 연결되어 있는 입력 장치 인터페이스(1142)를 통해 처리 장치(1104)에 연결되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스, 기타 등등의 기타 인터페이스에 의해 연결될 수 있다.
모니터(1144) 또는 다른 유형의 디스플레이 장치도 역시 비디오 어댑터(1146) 등의 인터페이스를 통해 시스템 버스(1108)에 연결된다. 모니터(1144)에 부가하여, 컴퓨터는 일반적으로 스피커, 프린터, 기타 등등의 기타 주변 출력 장치(도시 생략)를 포함한다.
컴퓨터(1102)는 유선 및/또는 무선 통신을 통한 원격 컴퓨터(들)(1148) 등의 하나 이상의 원격 컴퓨터로의 논리적 연결을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1148)는 워크스테이션, 서버 컴퓨터, 라우터, 퍼스널 컴퓨터, 휴대용 컴퓨터, 마이크로프로세서-기반 오락 기기, 피어 장치 또는 기타 통상의 네트워크 노드일 수 있으며, 일반적으로 컴퓨터(1102)에 대해 기술된 구성요소들 중 다수 또는 그 전부를 포함하지만, 간략함을 위해, 메모리 저장 장치(1150)만이 도시되어 있다. 도시되어 있는 논리적 연결은 근거리 통신망(LAN)(1152) 및/또는 더 큰 네트워크, 예를 들어, 원거리 통신망(WAN)(1154)에의 유선/무선 연결을 포함한다. 이러한 LAN 및 WAN 네트워킹 환경은 사무실 및 회사에서 일반적인 것이며, 인트라넷 등의 전사적 컴퓨터 네트워크(enterprise-wide computer network)를 용이하게 해주며, 이들 모두는 전세계 컴퓨터 네트워크, 예를 들어, 인터넷에 연결될 수 있다.
LAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 유선 및/또는 무선 통신 네트워크 인터페이스 또는 어댑터(1156)를 통해 로컬 네트워크(1152)에 연결된다. 어댑터(1156)는 LAN(1152)에의 유선 또는 무선 통신을 용이하게 해줄 수 있으며, 이 LAN(1152)은 또한 무선 어댑터(1156)와 통신하기 위해 그에 설치되어 있는 무선 액세스 포인트를 포함하고 있다. WAN 네트워킹 환경에서 사용될 때, 컴퓨터(1102)는 모뎀(1158)을 포함할 수 있거나, WAN(1154) 상의 통신 서버에 연결되거나, 또는 인터넷을 통하는 등, WAN(1154)을 통해 통신을 설정하는 기타 수단을 갖는다. 내장형 또는 외장형 및 유선 또는 무선 장치일 수 있는 모뎀(1158)은 직렬 포트 인터페이스(1142)를 통해 시스템 버스(1108)에 연결된다. 네트워크화된 환경에서, 컴퓨터(1102)에 대해 설명된 프로그램 모듈들 또는 그의 일부분이 원격 메모리/저장 장치(1150)에 저장될 수 있다. 도시된 네트워크 연결이 예시적인 것이며 컴퓨터들 사이에 통신 링크를 설정하는 기타 수단이 사용될 수 있다는 것을 잘 알 것이다.
컴퓨터(1102)는 무선 통신으로 배치되어 동작하는 임의의 무선 장치 또는 개체, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대용 컴퓨터, PDA(portable data assistant), 통신 위성, 무선 검출가능 태그와 연관된 임의의 장비 또는 장소, 및 전화와 통신을 하는 동작을 한다. 이것은 적어도 Wi-Fi 및 블루투스 무선 기술을 포함한다. 따라서, 통신은 종래의 네트워크에서와 같이 미리 정의된 구조이거나 단순하게 적어도 6개의 장치 사이의 애드혹 통신(ad hoc communication)일 수 있다.
Wi-Fi(Wireless Fidelity)는 유선 없이도 인터넷 등으로의 연결을 가능하게 해준다. Wi-Fi는 이러한 장치, 예를 들어, 컴퓨터가 실내에서 및 실외에서, 즉 기지국의 통화권 내의 아무 곳에서나 데이터를 전송 및 수신할 수 있게 해주는 셀 전화와 같은 무선 기술이다. Wi-Fi 네트워크는 안전하고 신뢰성 있으며 고속인 무선 연결을 제공하기 위해 IEEE 802.11(a,b,g, 기타)이라고 하는 무선 기술을 사용한다. 컴퓨터를 서로에, 인터넷에 및 유선 네트워크(IEEE 802.3 또는 이더넷을 사용함)에 연결시키기 위해 Wi-Fi가 사용될 수 있다. Wi-Fi 네트워크는 비인가 2.4 및 5 GHz 무선 대역에서, 예를 들어, 11Mbps(802.11a) 또는 54 Mbps(802.11b) 데이터 레이트로 동작하거나, 양 대역(듀얼 대역)을 포함하는 제품에서 동작할 수 있다.
본 개시의 기술 분야에서 통상의 지식을 가진 자는 여기에 개시된 실시예들과 관련하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 프로세서들, 수단들, 회로들 및 알고리즘 단계들이 전자 하드웨어, (편의를 위해, 여기에서 "소프트웨어"로 지칭되는) 다양한 형태들의 프로그램 또는 설계 코드 또는 이들 모두의 결합에 의해 구현될 수 있다는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 호환성을 명확하게 설명하기 위해, 다양한 예시적인 컴포넌트들, 블록들, 모듈들, 회로들 및 단계들이 이들의 기능과 관련하여 위에서 일반적으로 설명되었다. 이러한 기능이 하드웨어 또는 소프트웨어로서 구현되는지 여부는 특정한 애플리케이션 및 전체 시스템에 대하여 부과되는 설계 제약들에 따라 좌우된다. 본 개시의 기술 분야에서 통상의 지식을 가진 자는 각각의 특정한 애플리케이션에 대하여 다양한 방식들로 설명된 기능을 구현할 수 있으나, 이러한 구현 결정들은 본 개시의 범위를 벗어나는 것으로 해석되어서는 안 될 것이다.
여기서 제시된 다양한 실시예들은 방법, 장치, 또는 표준 프로그래밍 및/또는 엔지니어링 기술을 사용한 제조 물품(article)으로 구현될 수 있다. 용어 "제조 물품"은 임의의 컴퓨터-판독가능 장치로부터 액세스 가능한 컴퓨터 프로그램 또는 매체(media)를 포함한다. 예를 들어, 컴퓨터-판독가능 저장 매체는 자기 저장 장치(예를 들면, 하드 디스크, 플로피 디스크, 자기 스트립, 등), 광학 디스크(예를 들면, CD, DVD, 등), 스마트 카드, 및 플래쉬 메모리 장치(예를 들면, EEPROM, 카드, 스틱, 키 드라이브, 등)를 포함하지만, 이들로 제한되는 것은 아니다. 용어 "기계-판독가능 매체"는 명령(들) 및/또는 데이터를 저장, 보유, 및/또는 전달할 수 있는 무선 채널 및 다양한 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다.
제시된 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조는 예시적인 접근들의 일례임을 이해하도록 한다. 설계 우선순위들에 기반하여, 본 개시의 범위 내에서 프로세스들에 있는 단계들의 특정한 순서 또는 계층 구조가 재배열될 수 있다는 것을 이해하도록 한다. 첨부된 방법 청구항들은 샘플 순서로 다양한 단계들의 엘리먼트들을 제공하지만 제시된 특정한 순서 또는 계층 구조에 한정되는 것을 의미하지는 않는다.
제시된 실시예들에 대한 설명은 임의의 본 개시의 기술 분야에서 통상의 지식을 가진 자가 본 개시를 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 개시의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 개시의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 개시는 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.
상기와 같이 발명의 실시를 위한 최선의 형태에서 관련 내용을 기술하였다.
본 발명은 외국어 학습용 레슨 모듈에 사용될 수 있다.

Claims (14)

  1. 컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 외국어 학습용 레슨 모듈을 생성하는 하나 이상의 프로세서가 이하의 단계들을 수행하도록 하는 명령을 포함하며, 상기 단계들은:
    사용자에게 적합한 제 1 외국어 데이터를 생성하는 단계;
    텍스트 분석기를 이용하여, 상기 제 1 외국어 데이터에 대한 제 1 분석 데이터를 생성하는 단계-상기 제 1 분석 데이터는, 상기 제 1 외국어 데이터에 포함된 단어 정보를 포함함-; 및
    상기 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성하는 단계-상기 참조 데이터는, 상기 사용자가 이미 알고 있는 단어를 나타냄-;
    를 포함하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  2. 제 1 항에 있어서,
    상기 사용자에게 적합한 제 1 외국어 데이터를 생성하는 단계는,
    기 설정된 인터페이스를 상기 사용자에게 디스플레이하도록 결정하는 단계; 및
    상기 사용자가 상기 기 설정된 인터페이스를 통해 입력한 외국어 데이터를 메모리에 저장하는 단계;
    를 포함하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  3. 제 2 항에 있어서,
    상기 기 설정된 인터페이스를 상기 사용자에게 디스플레이하도록 결정하는 단계는,
    상기 참조 데이터를 이용하여, 적어도 하나의 제 2 외국어 데이터를 인식하는 단계;
    상기 적어도 하나의 제 2 외국어 데이터에 대응하는 적어도 하나의 미디어 컨텐츠의 정보를 포함하는 추천 미디어 컨텐츠 정보를 생성하는 단계; 및
    상기 추천 미디어 컨텐츠 정보를 디스플레이하도록 결정하는 단계;
    를 포함하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  4. 제 3 항에 있어서,
    상기 참조 데이터를 이용하여, 적어도 하나의 제 2 외국어 데이터를 인식하는 단계는,
    메모리에 기 저장된, 상기 적어도 하나의 제 2 외국어 데이터의 제 2 분석 데이터를 인식하는 단계-상기 제 2 분석 데이터는, 상기 제 2 외국어 데이터에 포함된 단어 정보를 포함함-; 및
    상기 참조 데이터, 상기 제 2 분석 데이터에 포함된 상기 단어 정보 및 단어별 빈도 정보를 비교하여 상기 적어도 하나의 제 2 외국어 데이터 각각이 기 설정된 기준을 만족하는지 여부를 결정하는 단계;
    를 포함하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  5. 제 1 항에 있어서,
    상기 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성하는 단계는,
    메모리에 기 저장된 사전 API를 참조하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  6. 제 1 항에 있어서,
    상기 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성하는 단계는,
    상기 제 1 분석 데이터와 상기 참조 데이터 간의 비교에 기초하여 학습 데이터를 생성하는 단계;
    를 포함하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  7. 제 6 항에 있어서,
    상기 제 1 분석 데이터와 상기 참조 데이터 간의 비교에 기초하여 학습 데이터를 생성하는 단계는,
    상기 제 1 분석 데이터 중 상기 참조 데이터에 포함되지 않은 단어와 관련된 비교 데이터를 생성하는 단계; 및
    상기 비교 데이터와 관련된 예문 데이터를 생성하는 단계;
    를 포함하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  8. 제 1 항에 있어서,
    생성된 상기 레슨 모듈을 상기 사용자에게 디스플레이하도록 결정하는 단계;
    상기 레슨 모듈을 상기 사용자에게 디스플레이한 결과를 상기 레슨 모듈에 반영함으로서 상기 레슨 모듈을 업데이트하는 단계; 및
    상기 레슨 모듈과 관련된 학습 데이터가 고갈되지 않은 경우, 업데이트된 레슨 모듈을 사용자에게 디스플레이하도록 결정하는 단계;
    를 더 포함하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  9. 제 8 항에 있어서,
    상기 레슨 모듈을 상기 사용자에게 디스플레이한 결과를 상기 레슨 모듈에 반영함으로서 상기 레슨 모듈을 업데이트하는 단계는,
    학습 결과를 생성하는 단계; 및
    상기 학습 결과를 이용하여 상기 참조 데이터에 상기 사용자가 알고 있는 단어를 추가하는 단계;
    를 포함하는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  10. 제 9 항에 있어서,
    상기 레슨 모듈과 관련된 학습 데이터가 고갈되지 않은 경우, 업데이트된 레슨 모듈을 사용자에게 디스플레이하도록 결정하는 단계는,
    상기 레슨 모듈과 관련된 상기 학습 데이터와 상기 업데이트 된 참조 데이터를 비교하여, 상기 학습 데이터에만 존재하는 단어가 있는지 여부를 판단하는 단계;
    를 포함하는,
    컴퓨터 판독가능한 저장매체에 저장된 컴퓨터 프로그램.
  11. 제 1 항에 있어서,
    생성된 상기 레슨 모듈을, 기 설정된 시간 간격에 따라 사용자에게 디스플레이하도록 결정하는 단계;
    를 더 포함하는,
    컴퓨터 판독가능한 저장 매체에 저장된 컴퓨터 프로그램.
  12. 제 11 항에 있어서,
    상기 기 설정된 시간 간격은,
    사용자에 의해 미리 설정된,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  13. 제 11 항에 있어서,
    상기 기 설정된 시간 간격은,
    상기 레슨 모듈과 관련된 학습 데이터에 포함된 단어의 수에 기초하여 결정되는,
    컴퓨터 판독 가능한 저장매체에 저장된 컴퓨터 프로그램.
  14. 외국어 학습용 레슨 모듈을 생성하는 컴퓨팅 장치로서,
    메모리;
    프로세서;
    를 포함하고,
    상기 프로세서는,
    사용자에게 적합한 제 1 외국어 데이터를 생성하고,
    텍스트 분석기를 이용하여, 상기 제 1 외국어 데이터에 대한 제 1 분석 데이터를 생성하고-상기 제 1 분석 데이터는, 상기 제 1 외국어 데이터에 포함된 단어 정보를 포함함-,
    상기 제 1 분석 데이터 및 참조 데이터를 이용하여 레슨 모듈을 생성하는-상기 참조 데이터는, 상기 사용자가 이미 알고 있는 단어를 나타냄-,
    외국어 학습용 레슨 모듈을 생성하는 컴퓨팅 장치.
PCT/KR2020/015299 2019-11-13 2020-11-04 언어 학습을 위한 커스텀 레슨 모듈을 생성하는 방법 WO2021096150A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2019-0144801 2019-11-13
KR1020190144801A KR20210057954A (ko) 2019-11-13 2019-11-13 언어 학습을 위한 커스텀 레슨 모듈을 생성하는 방법

Publications (1)

Publication Number Publication Date
WO2021096150A1 true WO2021096150A1 (ko) 2021-05-20

Family

ID=75912160

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/015299 WO2021096150A1 (ko) 2019-11-13 2020-11-04 언어 학습을 위한 커스텀 레슨 모듈을 생성하는 방법

Country Status (2)

Country Link
KR (1) KR20210057954A (ko)
WO (1) WO2021096150A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114492669A (zh) * 2022-02-16 2022-05-13 平安科技（深圳）有限公司 关键词推荐模型训练方法、推荐方法和装置、设备、介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220169883A (ko) * 2021-06-21 2022-12-28 (주)뤼이드 외국어 학습자의 어휘 실력 예측과 향상을 위한 딥러닝 기반의 단어 추천 방법
WO2024135874A1 (ko) * 2022-12-20 2024-06-27 주식회사 하비텐 방송 소스들의 라벨 빅데이터를 활용한 비대면 외국어 학습 영상 ai 주문 추천 시스템

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110124417A (ko) * 2010-05-11 2011-11-17 주식회사 코원시스템 외국어 단어 학습 콘텐츠 제공 시스템 및 그 방법
KR20120132983A (ko) * 2011-05-30 2012-12-10 한찬희 학습자 단어장 작성과 이를 이용한 암기 학습 방법 및 장치
KR20160103660A (ko) * 2015-02-25 2016-09-02 주식회사 티쓰리엔터테인먼트 수준별 맞춤 주기반복을 통한 외국어 학습 시스템 및 그 방법
KR101781458B1 (ko) * 2016-04-29 2017-09-26 (주)웅진컴퍼스 언어 학습 서비스 제공 시스템 및 언어 학습 서비스 제공 방법
KR20190083532A (ko) * 2018-01-04 2019-07-12 주식회사 티쓰리엔터테인먼트 학습자가 선택한 동영상을 학습 콘텐츠로 활용하는 외국어 학습시스템 및 이의 학습 콘텐츠 생성방법

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100198788B1 (ko) 1996-12-09 1999-06-15 정선종 차동 펄스 부호 변조기를 포함한 양자화/역양자화 회로

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110124417A (ko) * 2010-05-11 2011-11-17 주식회사 코원시스템 외국어 단어 학습 콘텐츠 제공 시스템 및 그 방법
KR20120132983A (ko) * 2011-05-30 2012-12-10 한찬희 학습자 단어장 작성과 이를 이용한 암기 학습 방법 및 장치
KR20160103660A (ko) * 2015-02-25 2016-09-02 주식회사 티쓰리엔터테인먼트 수준별 맞춤 주기반복을 통한 외국어 학습 시스템 및 그 방법
KR101781458B1 (ko) * 2016-04-29 2017-09-26 (주)웅진컴퍼스 언어 학습 서비스 제공 시스템 및 언어 학습 서비스 제공 방법
KR20190083532A (ko) * 2018-01-04 2019-07-12 주식회사 티쓰리엔터테인먼트 학습자가 선택한 동영상을 학습 콘텐츠로 활용하는 외국어 학습시스템 및 이의 학습 콘텐츠 생성방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114492669A (zh) * 2022-02-16 2022-05-13 平安科技（深圳）有限公司 关键词推荐模型训练方法、推荐方法和装置、设备、介质
WO2023155304A1 (zh) * 2022-02-16 2023-08-24 平安科技（深圳）有限公司 关键词推荐模型训练方法、推荐方法和装置、设备、介质

Also Published As

Publication number Publication date
KR20210057954A (ko) 2021-05-24

Similar Documents

Publication Publication Date Title
WO2021096150A1 (ko) 언어 학습을 위한 커스텀 레슨 모듈을 생성하는 방법
WO2018034552A1 (en) Language translation device and language translation method
WO2020180013A1 (en) Apparatus for vision and language-assisted smartphone task automation and method thereof
WO2019112342A1 (en) Voice recognition apparatus and operation method thereof cross-reference to related application
WO2017150860A1 (en) Predicting text input based on user demographic information and context information
WO2014107006A1 (en) Display apparatus and control method thereof
WO2016093552A2 (en) Terminal device and data processing method thereof
WO2018026200A1 (en) Language translation device and language translation method
WO2015020354A1 (en) Apparatus, server, and method for providing conversation topic
WO2014142541A1 (en) Computing system with relationship model mechanism and method of operation thereof
WO2020107761A1 (zh) 广告文案处理方法、装置、设备及计算机可读存储介质
EP3414758A1 (en) Method and electronic device for performing voice based actions
WO2015072803A1 (ko) 단말기 및 단말기의 제어 방법
WO2017209571A1 (en) Method and electronic device for predicting response
WO2011068284A1 (ko) 어학학습 전자기기 구동 방법, 시스템 및 이를 응용한 동시통역 학습기
EP3230902A2 (en) Terminal device and data processing method thereof
WO2020032655A1 (en) Method for executing function based on voice and electronic device supporting the same
WO2019112117A1 (ko) 텍스트 콘텐츠 작성자의 메타정보를 추론하는 방법 및 컴퓨터 프로그램
WO2015064839A1 (ko) 학습 관리 서버 및 학습 관리 방법
WO2015170799A1 (ko) 메시지 제공 방법 및 메시지 제공 장치
WO2018182072A1 (ko) 가상현실 및 증강현실 콘텐츠에서 학습 데이터를 추출하는 시스템 및 방법
WO2018124464A1 (ko) 전자 장치 및 전자 장치의 검색 서비스 제공 방법
WO2014104620A1 (ko) 학습 컨텐츠 관리 방법 및 장치
WO2016117854A1 (ko) 음성 신호를 기초로 한 텍스트 편집 장치 및 텍스트 편집 방법
WO2017116203A1 (ko) 외국어 독해 지원 방법 및 장치

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: 20886762

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 19/09/2022)

122 Ep: pct application non-entry in european phase

Ref document number: 20886762

Country of ref document: EP

Kind code of ref document: A1