KR101826533B1 - Matching system for instructor in school - Google Patents
Matching system for instructor in school Download PDFInfo
- Publication number
- KR101826533B1 KR101826533B1 KR1020160081168A KR20160081168A KR101826533B1 KR 101826533 B1 KR101826533 B1 KR 101826533B1 KR 1020160081168 A KR1020160081168 A KR 1020160081168A KR 20160081168 A KR20160081168 A KR 20160081168A KR 101826533 B1 KR101826533 B1 KR 101826533B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- lecturer
- instructor
- lecture
- school
- Prior art date
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 59
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000012795 verification Methods 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 33
- 238000009826 distribution Methods 0.000 claims description 28
- 230000004044 response Effects 0.000 claims description 21
- 238000013398 bayesian method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000010365 information processing Effects 0.000 claims description 5
- 230000002269 spontaneous effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 35
- 230000000391 smoking effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000007115 recruitment Effects 0.000 description 6
- 238000010207 Bayesian analysis Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 208000006096 Attention Deficit Disorder with Hyperactivity Diseases 0.000 description 1
- 208000036864 Attention deficit/hyperactivity disease Diseases 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/105—Human resources
- G06Q10/1053—Employment or hiring
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/08—Auctions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Educational Technology (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
본 발명에 따른 학교 강사 매칭 시스템은, 강사와 학교를 구분하여 회원 가입 처리하는 회원가입 모듈; 상기 강사와 학교를 강의의 세부 목적에 따라 분류하여 각각 강사 데이터베이스와 학교 데이터베이스로 저장하고 강사 소개 정보와 학교 소개 정보를 노출하는 분류 모듈; 상기 강사의 객관적인 평가항목을 입력받아 세부 지표로 구분하여 객관적 평가 정보를 생성하여 상기 강사 데이터베이스로 저장하는 객관적 평가 처리부를 구비한 강사 검증모듈; 상기 강사와 학교 각각을 통해 강의 조건을 입력받는 매칭 조건 설정부와, 상기 강의 조건을 비교하여 일치 여부에 따라 학교와 강사를 소개하는 매칭 처리부를 포함하는 매칭 모듈; 상기 매칭 처리부에서 소개된 적어도 하나 이상의 강사 및 학교를 선택하도록 하여 강의 진행을 결정하는 강의 결정모듈;을 포함하는 것을 특징으로 한다.
본 발명에 따른 학교 강사 매칭 시스템에 의하면, 강사와 학교가 자신이 설정한 강의 조건에 적합한 각각의 대상을 합리적이고 객관적인 절차로 선별하여 학교 강사를 특화로 한 건전한 구인구직 환경을 조성할 수 있다는 효과를 가진다.A school lecturer matching system according to the present invention includes: a membership subscription module for classifying a lecturer and a school into a membership process; A class module for classifying the instructor and the school according to the detailed purpose of the lecture, storing the instructor database and the school database respectively, and exposing the teacher introduction information and the school introduction information; An instructor verification module that receives an objective evaluation item of the instructor, divides the objective evaluation item into detailed indicators, and generates objective evaluation information and stores the objective evaluation information in the instructor database; A matching condition setting unit that receives the lecture conditions through the lecturer and the school, and a matching processing unit that compares the lecture conditions and introduces the lecturers according to whether the lecture conditions match each other; And a lecture deciding module for deciding lecture progress by selecting at least one instructor and a school introduced in the matching processor.
According to the school lecturer matching system of the present invention, a lecturer and a school can select a suitable object according to the lecture condition set by the lecturer in a rational and objective procedure, thereby creating a healthy job seeking environment that is specialized for the lecturer of the school .
Description
본 발명은 학교 강사 매칭 시스템에 관한 것으로서, 보다 상세히는 학교 내 학생을 대상으로 특수 교육 내지 선택 사항 교육을 지도/수행하는 외부 강사를 초빙할 때 보다 안정적인 절차를 통해 실력 있고 검증된 외부 강사를 통해 해당 교육을 실행할 수 있도록 하는 학교 강사 매칭 시스템에 관한 것이다.The present invention relates to a school lecturer matching system, and more particularly, to an external lecturer who guides / performs special education or optional education for students in a school. And to enable the training to be carried out.
현재 학교에서 심폐소생술이나 흡연예방, 학교폭력, 돌봄 교실, 인성교육, 자유 학기제 등 학교 내의 교사를 활용하기 힘든 부분의 특수 교육 내지 강의를 수행하기 위하여 외부강사를 초빙해야 하는 경우가 많아지고 있는 실정이다. Currently, there are many cases where outside instructors are invited to perform special education or lectures in areas where it is difficult to use teachers in schools such as CPR, smoking prevention, school violence, caring class, personality education, to be.
그때마다 외부강사를 찾아 학생을 대상으로 해당 교육을 실시해야 하는데, 특수 목적에 부합하는 조건을 조율하는 것이 여간 힘들 뿐만 아니라 해당 교육 내용에 맞는 강사를 찾는 것이 어려워 교육의 질적 저하를 가져 올 가능성이 크다.At that time, it is necessary to find an external lecturer and conduct the corresponding education for the students. It is difficult to coordinate the conditions that meet the special purpose, and it is difficult to find an instructor that matches the contents of education, Big.
일반적으로, 학교에서는 외부강사(예를 들어 흡연예방교육 강사)를 구할 경우에 협회/단체/지인 등의 소개를 받거나 인터넷에서 강사를 검색하여 강사와 1:1로 연락 후 시간대와 수강인원, 강의내용, 비용 등을 논의해야 하고, 협의가 되지 않으면 새로운 강사를 검색하고 협의하는 과정을 반복해야 했다. 이러한 과정은 마치 공지의 구인/구직 방법과 유사하나 특정 강의시간에 특정한 교육 목적을 만족해야 하기 때문에 공지의 구인/구인 방법에 비하여 까다로운 조건을 더욱 요구하거나 즉시성이 강조된다는 특성이 있다.In general, when a school is looking for an outside instructor (for example, a smoking prevention education instructor), you can get an introduction from the association, group, or acquaintance or search the lecturer on the Internet and contact the lecturer 1: 1. Content, and cost, and if not, we had to repeat the process of searching for and consulting new instructors. This process is similar to the public recruitment / recruitment method, but it requires more demanding conditions or emphasizes immediacy than the public recruitment / recruitment method because it has to satisfy specific educational purpose at specific lecture hours.
특히 외부강사의 일정에 맞춰 강연일자가 바뀌거나 외부강사와 논의를 끝낸 후라도 외부강사의 일방적인 취소로 인해 학교에서는 갑자기 다른 외부강사를 구하거나, 구하지 못하면 담당교사가 대신 강의를 한다던지 강의 자체가 취소되는 일이 발생하는 등의 불미스러운 사태도 종종 발생하고 있다. In particular, even if the lecture date changes according to the schedule of the external lecturer or the discussion with the external lecturer is ended, the unilateral cancellation of the external lecturer causes the school to suddenly obtain another outside lecturer, or if the lecturer instructs the lecturer instead, There are occasional inconveniences such as cancellation.
게다가 학교의 특성상 강의 비용이 높지 않아 외부강사에게 교육품질(강사의 수준, 강의의 질)의 검증을 미리 요구하기가 쉽지 않을 뿐 아니라, 특히 지방이나 도서 산간지역으로 갈수록 강사초빙은 더 어려워질 수밖에 없다는 불편한 현실도 존재한다. 이와 같이 학교에서 학교의 해당 프로그램의 적절한 외부강사를 찾기가 쉽지 않은 것과 마찬가지로, 외부강사들 또한 개별 홍보나 영업의 한계로 인해 강의 자리를 찾기가 쉽지 않다는 애로사항이 존재한다.In addition, due to the nature of the school, the cost of lecture is not high, so it is not easy for the external lecturer to verify the quality of education (lecturer level, lecture quality) in advance. There is also an uncomfortable reality that there is no. As such, it is not easy for the school to find the right external instructor for the program in the school, and external instructors also have difficulties in finding the place for the lecture due to limitations of individual promotions or sales.
국내 선행기술을 참조하면 상당히 다양한 구인/구직 중개 사이트 내지 기술이 존재하고 있으나 이러한 기술은 범용적인 직업군을 대상으로 구인/구직 매칭을 수행하기 때문에 학교 내의 외부 강사만을 소개하는 전문성이 부족할 뿐 아니라 외부 강사에 대한 검증이 이루어지지 않는다는 문제가 존재한다.There are a lot of job search / job intermediation sites and technologies in reference to the domestic prior art. However, since this technique performs job / job matching based on the general job group, not only the lack of expertise to introduce only external instructors within the school, There is a problem that the lecturer is not verified.
더불어, 한국 공개 특허 제 10-2001-0078971호의 경우, 외국인강사 구인구직중개처리방법에 대해 게시하고 있으나 일반적인 구인구직중개 처리방법과 큰 차이가 없기 때문에 앞서 언급했던 강사 고유의 특정 매칭 방법을 제시하기에는 역부족하다는 한계를 가진다.Korean Patent Laid-Open No. 10-2001-0078971 also discloses a method for handling a job search brokerage, which is a foreign lecturer job, but since there is no significant difference from a general job search brokerage processing method, It is limited.
더불어 국내 특허 제 1578054호는 과외 조건에 기초하여 온라인 강사-학생 매칭 지원을 하는 것으로 공개되었으나, 주로 강사와 학생 간의 거리에 따른 할증 금액을 계산하는 방법에 치중되었을 뿐 강사의 실력이나 경험에 대한 검증을 수행하는 방법을 제시하고 있지 못하는 실정이다.In addition, Korean Patent No. 1578054 discloses that online tutor-student matching support is based on tutoring conditions, but it is mainly focused on how to calculate the surcharge amount depending on the distance between the instructor and the student, It does not suggest how to do it.
따라서 온라인을 통하여 학교 내에서 특수 교육을 수행하는 강사를 초빙하되 강사의 실력을 검증할 수 있을 뿐 아니라 강사 스케줄을 관리할 수 있으면서 보다 안정적으로 강사를 초빙할 수 있는 신규하고 진보한 강사 매칭 시스템이 개발될 필요가 절실하다.Therefore, a new and advanced lecturer matching system that can invite lecturers to perform special education in school through online but also to be able to verify the lecturer's ability as well as to manage lecturer schedule and invite lecturers more reliably There is a need to be developed.
본 발명은 상기 기술의 문제점을 극복하기 위해 안출된 것으로, 학교 및 특수 목적을 위하여 강의를 수행하는 강사를 연결하되 강사 및 학교에서 각각 설정한 세부 조건에 따라 보다 디테일하고 합리적인 구인 및 구직 절차를 제공하는 학교 강사 매칭 시스템을 제공하는 것을 주요 목적으로 한다.The present invention has been devised to overcome the problems of the above-described technology, and it is intended to provide a detailed and reasonable job search and job search procedure according to detailed conditions set by a lecturer and a school, The main purpose of this system is to provide a school lecturer matching system.
본 발명의 다른 목적은 강사를 검증하기 위한 객관적 평가 정보는 물론 계층분석 프로세싱에 의한 주관적 평가 정보를 제공하여 학교 측에서 보다 자세하게 강사를 평가할 수 있는 수단을 제공하는 것이다.Another object of the present invention is to provide a means for evaluating a lecturer more in detail at the school side by providing subjective evaluation information by hierarchical analysis processing as well as objective evaluation information for verifying a lecturer.
본 발명의 또 다른 목적은 강의가 결정된 강사가 부득이한 사정으로 강의를 수행하지 못할 때 강의를 대체할 수 있는 강사를 구하는 수단을 제공하는 것이다.Another object of the present invention is to provide a means for obtaining a lecturer who can substitute lectures when lecturers determined to be lecturers can not perform lectures due to unavoidable circumstances.
본 발명의 추가 목적은 매칭 이후 추출된 강사의 객관적 평가 정보중 강의 회수와 같이 수치로 표현되는 정보를 특정 시점에 의하여 재구성 처리함으로 도출된 정규분포곡선에 의하여 학교에서 보다 알기 쉽고 편리하게 강의 경력이 있는 강사를 최종적으로 결정할 수 있도록 하는 것이다.A further object of the present invention is to provide a method and apparatus for analyzing information expressed numerically, such as the number of times of lecture among objective evaluation information of a lecturer extracted after matching, by a normal distribution curve derived by processing at a specific point in time, To make the final decision of the instructor.
본 발명의 추가 목적은 프라이버시에 해당되는 강사의 정보를 특정 영역에 은닉 처리한 상태로 제공하되 설정된 조건에 따라 은닉을 해제할 수 있는 수단을 제공하는 것이다.It is a further object of the present invention to provide means by which information of a lecturer corresponding to privacy is provided in a state of being concealed in a specific area, and the concealment can be released according to a set condition.
상기 목적을 달성하기 위하여, 본 발명에 따른 학교 강사 매칭 시스템은, 강사와 학교를 구분하여 회원 가입 처리하는 회원가입 모듈; 상기 강사와 학교를 강의의 세부 목적에 따라 분류하여 각각 강사 데이터베이스와 학교 데이터베이스로 저장하고 강사 소개 정보와 학교 소개 정보를 노출하는 분류 모듈; 상기 강사의 객관적인 평가항목을 입력받아 세부 지표로 구분하여 객관적 평가 정보를 생성하여 상기 강사 데이터베이스로 저장하는 객관적 평가 처리부를 구비한 강사 검증모듈; 상기 강사와 학교 각각을 통해 강의 조건을 입력받는 매칭 조건 설정부와, 상기 강의 조건을 비교하여 일치 여부에 따라 학교와 강사를 소개하는 매칭 처리부를 포함하는 매칭 모듈; 상기 매칭 처리부에서 소개된 적어도 하나 이상의 강사 및 학교를 선택하도록 하여 강의 진행을 결정하는 강의 결정모듈;을 포함하는 것을 특징으로 한다.In order to achieve the above object, a school lecturer matching system according to the present invention includes: a membership subscription module for classifying a lecturer and a school into memberships; A class module for classifying the instructor and the school according to the detailed purpose of the lecture, storing the instructor database and the school database respectively, and exposing the teacher introduction information and the school introduction information; An instructor verification module that receives an objective evaluation item of the instructor, divides the objective evaluation item into detailed indicators, and generates objective evaluation information and stores the objective evaluation information in the instructor database; A matching condition setting unit that receives the lecture conditions through the lecturer and the school, and a matching processing unit that compares the lecture conditions and introduces the lecturers according to whether the lecture conditions match each other; And a lecture deciding module for deciding lecture progress by selecting at least one instructor and a school introduced in the matching processor.
또한, 상기 강사 검증 모듈은, 상기 강사의 성향을 판단하는 기준이 되는 파라미터를 적어도 두 개 병합하여 쌍대비교를 하는 계층분석방식(Analytic Hierarchy Process)을 적용한 복수 개의 설문을 수록한 계층분석 데이터베이스와, 상기 계층분석 데이터베이스의 설문을 상기 강사가 강의를 수행하였던 학생 및 학교 중 어느 하나에 제공하여 설문 조사를 하는 설문제공부와, 상기 설문에 대한 응답을 통해 상기 강사의 성향에 대한 계층분석 수치를 생성하고 상기 계층분석 수치를 포함한 주관적 평가 정보를 생성하는 계층분석 수치 산출수단으로 이루어진 주관적 평가 처리부를 포함하는 것을 특징으로 한다.The lecturer verification module may include a hierarchical analysis database storing a plurality of questionnaires to which a hierarchical analysis method (Analytic Hierarchy Process) for merging at least two parameters as criteria for judging the tendency of the lecturer, A questionnaire study in which the questionnaire of the hierarchical analysis database is provided to a student or a school where the lecturer has performed the lecture and a questionnaire is generated and a hierarchical analysis value of the lecturer's tendency is generated through a response to the questionnaire And a hierarchical analysis value calculation means for generating subjective evaluation information including the hierarchical analysis value.
더불어, 상기 강사 결정모듈은, 상기 매칭 모듈에서 추출된 적어도 하나 이상의 강사에 대한 상기 주관적 평가 정보 중에서 수치로 고저로 표출되는 정보로 재구성한 주관적 수치 정보를 특정 시점 별로 생성하는 주관적 수치 정보 생성 파트와, 상기 주관적 수치 정보를 현재시점까지에 대한 전체 정보인 기 수치정보와 특정 시점으로부터 현재시점까지의 정보인 추가 수치정보로 가공하는 주관적 수치정보 가공 파트 및, 기 수치정보를 기초로 하여 추가 수치정보에 대한 특성을 파악하고 추가 수치정보의 특성을 베이시안 방법을 통한 정규 분포 곡선으로 전환한 가공수치정보를 생성하여 상기 학교에 제공하는 베이시안 분석 파트를 구비한 수치 정보 제공부;를 추가로 포함하는 것을 특징으로 한다.In addition, the lecturer determining module may include a subjective numerical information generating part for generating subjective numerical information reconstructed from the subjective evaluation information for at least one instructor extracted from the matching module, A subjective numerical information processing part for processing the subjective numerical information into a numerical value information which is the entire information for the current time and the additional numerical information which is information from the specific time point to the current time point, And a numerical information providing unit provided with a Bayesian analysis part for generating the processed numerical information by converting the characteristics of the additional numerical information into the normal distribution curve through the Bayesian method and providing the processed numerical information to the school .
추가적으로, 상기 시스템은, 상기 강의 결정모듈과 연동되는 것으로, 상기 학교에서 강의를 진행하는 것으로 결정된 해당 강사에게 강의 결정 정보를 전송하는 강사 호출부와, 상기 강의 결정 정보를 전송한 이후 일정 시간동안 해당 강사의 강의 수락 정보의 전송 여부를 대기하는 강사 응답 대기부로 이루어진 강사 연결모듈; 상기 강의 수락 정보가 상기 학교로 전송되지 않을 시에 다른 강사를 대상으로 강의 결정을 처리하는 강사 대체모듈;을 추가로 포함하는 것을 특징으로 한다.In addition, the system may further include a lecturer call unit operable to intervene with the lecture decision module, the lecture call unit transmitting lecture decision information to a lecturer determined to proceed lecture at the lecture, A lecturer connection module composed of a lecturer response waiting unit waiting for the lecturer's acceptance of lecture acceptance information; And a lecturer replacement module for processing lecture decisions for other lecturers when the lecture acceptance information is not transmitted to the school.
추가적으로, 상기 시스템은, 상기 강사로부터 상기 강사 소개 정보 중 은닉 처리할 정보를 선택하여 은닉 영역으로 설정하여 은닉 처리하는 은닉 영역 설정부와, 상기 강사로부터 은닉 해제 조건 정보를 입력받는 해제 조건 설정부 및, 상기 은닉 해제 조건 정보를 바탕으로 상기 은닉 영역에 대한 은닉 처리를 해제하여 노출시키는 은닉 해제부를 구비한, 은닉 처리모듈;을 포함하는 것을 특징으로 한다.In addition, the system may further comprise: a hidden area setting unit for selecting information to be hidden from the instructor introduction information from the instructor as a hidden area and concealing information; a release condition setting unit for receiving the secret discard condition information from the instructor; And a concealment processing module for releasing and exposing the concealment processing for the concealed area based on the concealment condition information.
본 발명에 따른 학교 강사 매칭 시스템에 의하면,According to the school lecturer matching system of the present invention,
1) 강사와 학교가 자신이 설정한 강의 조건에 적합한 각각의 대상을 합리적이고 객관적인 절차로 선별하여 학교 강사를 특화로 한 건전한 구인구직 환경을 조성할 수 있고,1) A lecturer and a school can select a reasonable and objective procedure for each subject that meets the condition of the lecture set by the lecturer, so that a healthy job seeking environment can be created,
2) 강사의 스펙에 해당되는 객관적 평가 정보 뿐 아니라 강사의 성격, 평판과 같은 주관적 평가 정보를 추가로 제공하여 강사의 자질을 종합적으로 검증할 수 있는 기반을 제시하며,2) Provide subjective evaluation information such as the personality and reputation of the instructor as well as the objective evaluation information corresponding to the specifi- cations of the instructor to provide a basis for comprehensively verifying the qualities of the instructor,
3) 강사를 연결하거나 강의를 하는 것으로 결정된 강사가 스케줄을 이행하지 못하게 될 경우 신속하게 이를 대체할 강사를 선별할 수 있을 뿐 아니라,3) If a lecturer determined to link or teach a lecturer fails to follow the schedule, he or she will be able to quickly select the lecturer to replace it,
4) 조건에 적합한 복수의 강사를 선별한 다음 최종적으로 강의 회수에 따른 경험을 판단하되 특정 시점을 기준으로 해당 강사의 강의 회수를 정규분포곡선으로 가공 및 처리하여 보다 알기 위한 참조 정보를 제공함과 아울러,4) A plurality of lecturers suitable for the condition are selected, and finally the experience according to the number of lectures is judged, and the number of lectures of the lecturer is processed and processed into a normal distribution curve on the basis of a specific time point to provide reference information for further learning ,
5) 강사의 프라이버시 정보를 은닉 및 해제 처리함으로써 강사의 인적 정보를 보안 처리할 수 있는 효과를 가진다.5) The privacy information of the lecturer is concealed and released, so that the lecturer's personal information can be securely processed.
도 1은 본 발명에 따른 시스템의 기본 구성 연관 관계를 나타낸 블록도.
도 2는 본 발명에 따른 시스템의 구체적 구성을 도시한 블록도.
도 3은 본 발명의 주관적 처리부가 수행하는 개략적인 절차를 도시한 순서도.
도 4는 객관적 수치 정보의 추가에 따라 변화하는 상태를 정규 분포 곡선으로 도시한 개념도.
도 5는 본 발명의 시스템의 강사 소개 창을 도시한 예시도.
도 6은 본 발명의 은닉 처리 모듈의 프로세스를 도시한 순서도.BRIEF DESCRIPTION OF THE DRAWINGS Fig. 1 is a block diagram showing a basic constituent association relationship of a system according to the present invention; Fig.
2 is a block diagram showing a specific configuration of a system according to the present invention;
3 is a flowchart showing a schematic procedure performed by the subjective processing unit of the present invention;
FIG. 4 is a conceptual diagram showing a state in which a change is made according to addition of objective numerical information as a normal distribution curve. FIG.
5 is an exemplary view showing a lecturer introduction window of the system of the present invention.
6 is a flowchart showing the process of the concealment processing module of the present invention;
이하 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세하게 설명하도록 한다. 첨부된 도면은 축척에 의하여 도시되지 않았으며, 각 도면의 동일한 참조 번호는 동일한 구성 요소를 지칭한다. Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings. The accompanying drawings are not drawn to scale and wherein like reference numerals in the various drawings refer to like elements.
도 1은 본 발명에 따른 시스템의 기본 구성 연관 관계를 나타낸 블록도이다.1 is a block diagram illustrating a basic configuration association relationship of a system according to the present invention.
도 1을 보아 알 수 있듯이, 본 발명에 따른 시스템은 교육 수행 주체인 강사와 교육 수행 장소인 학교를 보다 합리적으로 연결하기 위한 기본적인 의의를 갖는 것으로서, 다수의 강사와 학교를 회원으로 가입시켜 강사/학교의 스케줄 내지 기타 세부 정보를 본 발명의 시스템에서 운용하는 웹/모바일 페이지의 정보 공개창(강사 소개창 또는 강사 소개 페이지)에 노출되도록 하여 구인자인 강사와 구직자인 학교에 대한 매칭을 수행하되 강사 PR과 검증은 물론 더 나아가 강사가 강의 취소를 하였을 때 이를 신속히 대처할 수 있는 기능을 제공하는 것을 특성으로 한다.As can be seen from FIG. 1, the system according to the present invention has a basic meaning for connecting a lecturer, which is an educational performing entity, and a school, which is an educational execution place, (The instructor introduction window or the instructor introduction page) of the web / mobile page operated by the system of the present invention in which the schedule of the school or other detailed information is operated in the system of the present invention, so as to match the instructor who is the candidate and the school as the job seeker, It also features PR and verification as well as the ability to promptly respond to lecturer cancellations.
강사 서버(10)는 강사 클라이언트 서버의 역할을 하는 것으로, 각각의 강사가 소지한 스마트폰, PC를 의미하고, 학교 서버(20)는 역시 학교 클라이언트 서버 역할을 수행하는 것으로서, 각 학교(학교 담당자)에서 보유한 스마트폰, PC를 의미한다.The
더불어 시스템 서버(30)는 강사 서버(10)와 학교 서버(20)를 연결함과 동시에 자체 운용하는 웹/모바일 페이지를 관리하는 기능을 수행하는 것으로서, 본 발명에서 실질적인 학교/강사의 매칭 기능을 수행하는 것이며 이는 하기에서 자세히 설명한다.In addition, the
도 2는 본 발명에 따른 시스템의 구체적 구성을 도시한 블록도이다.2 is a block diagram showing a specific configuration of a system according to the present invention.
도 2를 보아 알 수 있듯이, 본 발명에 따른 시스템은 회원 가입모듈(110), 분류 모듈(120), 강사 검증 모듈(130), 스케줄 관리모듈(140), 매칭 모듈(150), 강의 결정모듈(160)로 이루어진 것을 기본으로 하면서 강사 PR 모듈(170) 등의 모듈들을 추가로 포함하고, 이러한 각 모듈의 기능에 따라 강사 데이터베이스(1), 학교 데이터베이스(2), 스케줄 데이터베이스(3)를 구축할 수 있다.2, the system according to the present invention includes a
회원 가입모듈(110)은 교육(강의)의 수요자인 학교와, 교육(강의)의 제공자인 강사를 각각 구분하여 회원 가입을 유도하고 회원 가입에 따른 기본 입력 사항을 강사 데이터베이스(1) 및 학교 데이터베이스(2)로 저장하는 기능을 수행한다.The
즉, 본 발명에 따른 시스템 운영을 위한 웹/모바일 페이지 접속 시 강사와 학교를 구분하여 가입을 유도하고 특히 강사의 경우 소속감 및 전문성을 가지고 업무를 수행할 의무가 있기 때문에 권리 및 의무 사항을 구체적으로 규율한 계약서를 작성하도록 하고 강사로서 기본적인 자질 및 실력을 평가할 수 있는 포트폴리오, 경력, 전공, 기초강사교육 이수 증명서/자격증과 같은 서류 등의 기타 자료를 요구하고 이러한 계약서 작성 및 기타 자료의 입력이 이루어져 이를 평가한 경우에 본 발명에 따른 시스템에서 활동할 수 있는 자격이 부여된 강사로서 가입이 완료된다.In other words, since the lecturer and the school are separated from each other when the web / mobile page is accessed for the system operation according to the present invention, the lecturer is obliged to perform the work with the sense of belonging and expertise, You will be asked to fill out a contract that you have written, and you will be asked to provide other materials such as portfolio, career, major, basic training instructor certification / certification, and other materials that can evaluate basic qualities and skills as instructors. In the case of evaluating this, the enrollment is completed as an instructor qualified to act in the system according to the present invention.
계약의 내용은 임의로 적용이 가능하나, 예를 들어 정산 방식, 강의에 대한 저작권 귀속 주체 결정 방식, 특정 소스파일 입력에 따른 강의자료 업로딩 방식, 다른 강사의 교육 대행/연동 의무 등의 구체적인 내용을 규율하는 방식을 따를 수가 있다.The content of the contract can be arbitrarily applied. For example, the contents of the settlement method, the method of determining the copyright attribution subject to the lecture, the method of uploading lecture data by inputting a specific source file, I can follow the way.
분류 모듈(120)은 강의 내지 교육의 목적/주제/대상 및 지역/장소와 같은 세부 카테고리에 따라 강사와 학교를 분류하고 세부 카테고리를 설정하여 이를 강사 데이터베이스(1)와 학교 데이터베이스(2)에 저장함과 아울러 강사 데이터베이스에서 추출한 강사 소개 정보와 학교 데이터베이스에서 추출한 학교 소개 정보를 본 발명의 시스템에서 관리하는 모바일/웹 페이지에 디스플레이하는 역할을 수행한다. The
즉, 분류 모듈(120)은 상기 회원 가입 정보에 기록된 키워드 내지 입력 사항을 근거로 수많은 학교와 강사를 특정 주제와 목적에 맞게 분류를 하여 강사 및 학교 담당자가 이를 모바일/웹 페이지를 통해 편리하게 확인할 수 있도록 하는 역할을 수행하는 것이다.That is, the
더불어, 분류 모듈(120)은 강사의 교육 주제/목적은 예를 들어 흡연예방, 인성교육, 장애인 교육- ADHD 교육과 같이 키워드에 의한 태그 설정 기능(태그 별 카데고리 설정 가능)을 제공하여 학교 담당자가 태그 입력에 따라 특정한 강사를 검색할 수 있도록 검색 및 분류에 대한 편의성을 강화하는 것도 가능하다.In addition, the
강사 PR 모듈(170)은 본 발명에 추가로 구비 가능한 구성으로서, 강사 서버(10)를 통해 강사 자신의 홍보와 실력 소개를 목적으로 제작한 포트폴리오와 시범 강의 동영상, 교육 자료(이미지, 텍스트, 영상 등)와 같은 홍보 컨텐츠를 강사 데이터베이스에 업로딩 및 저장하고 이를 모바일/웹 페이지에서 시각적으로 표시되는 강사 소개창(강사 소개 페이지)에 디스플레이하는 기능을 수행한다. The
이러한 강사 PR 모듈(170)을 통해, 학교 담당자가 이러한 강사의 홍보 컨텐츠를 확인함으로써 단순히 주변 소개 내지 후술할 지표에 의거하여 강사의 수준을 파악하기 힘들 때 보다 확실한 강의 품질 평가 자료로 활용할 수 있도록 하고, 강사 역시 자신을 보다 적극적으로 홍보할 수 있도록 하는 특성을 제공한다.Through the
강사 검증 모듈(130)은 강사의 자질이나 강의 실력 등을 검증하는 기능을 제공하는 것으로, 다시 말해 학교 측에서 강사를 선택할 수 있는 객관적이자 합리적인 척도를 제공하는 기반을 마련한다.The
특히 본 발명의 강사 검증 모듈(130)은 강사 자체의 객관적인 평가항목을 각각의 세부 지표로 세분화하여 객관적 평가 정보를 설정하는 기능은 물론 단순히 이러한 객관적 평가만으로 평가를 수행할 수도 있으나 이에만 의존할 경우 강사의 인성이나 인간적인 매력 등에 대한 평가가 누락될 수 있기 때문에 상기 객관적 평가 정보에 주관적 평가 정보를 더하여 통합 평가 정보를 설정하는 것을 핵심으로 한다.In particular, the
구체적으로, 본 발명의 강사 검증 모듈(130)은 주관적 평가 처리부(131)와 객관적 평가 처리부(132)를 포함한다.Specifically, the
우선, 주관적 평가 처리부(131)는 강사의 지인, 해당 강사의 강의를 들었던 학생, 해당 강사를 초빙했던 학교 담당자(이들을 평가자라고 한다)에 의해 평가되는 일명 주관적 평가 정보를 생성 및 처리하는 기능을 수행한다. 여기서 주관적 평가 정보는 각각의 강사에 대한 기본적인 성격, 성향, 자질 등을 수치 또는 등급으로서 입력 평가하도록 하여 팀원에 대한 ‘주관적 평가 정보’(A)를 생성하는 기능을 수행한다. 이러한 주관적 평가 정보(A)는 실제 강사의 컨디션이나 강의 진행 상황을 잘 알고 있는 평가자, 즉 강의를 실제 경험했던 사람에게 평가를 받아 후술할 객관적 평가 정보(B)를 보충/보완할 수 있는 데이터로서 활용이 될 수 있다.First, the subjective
다만, 주관적 평가 정보(A)는 다분히 평가자의 주관이 가미될 수 있기 때문에 이러한 주관적 수치(A)의 공정성과 신뢰성을 확보하기 위하여 주관적 평가 처리부(131)는 계층분석 데이터베이스(131a), 계층분석 정보 산출수단(131b)을 구비하고 있다.However, in order to secure the fairness and reliability of the subjective value (A), the subjective evaluation processing section (131) has the hierarchical analysis database (131a), the hierarchical analysis information And a calculation means 131b.
도 3은 본 발명의 주관적 처리부가 수행하는 개략적인 절차를 도시한 순서도이다.3 is a flowchart showing a schematic procedure performed by the subjective processing unit of the present invention.
AHP(analytic hierarchy process) 즉, 계층분석방법은 의사결정의 계층 구조를 구성하고 있는 요소 간의 쌍대비교를 통하여 평가자의 지식, 경험 및 직관을 포착하는 방법의 하나로서, 직면한 의사결정 문제를 구성하고 있는 모든 요소를 나열하여 계층의 형태로 만든 다음 그 계층을 이루고 있는 요소를 1대 1로 쌍대비교(paired comparison)를 하게 되며, 이를 통해 도출된 비교 결과를 선형대수학의 고유 벡터법에 의하여 요소들의 가중치를 구하고 각 계층에서 구한 요소들의 가중치를 상위계층에서 하위계층으로 곱하게 되면 의사결정 대안의 최종 가중치가 구해지고 결론적으로 의사결정을 내리게 되는 일련의 방법을 말한다. The analytic hierarchy process (AHP) is a method of capturing the knowledge, experience, and intuition of the evaluator through a pairwise comparison between the elements constituting the hierarchical structure of decision making. The result of the comparison is obtained by the eigenvector method of linear algebra. In this paper, we propose a new method for the comparison of the elements of a hierarchical structure. The weights are obtained by multiplying the weights of the elements obtained from each layer by the upper layer and the lower layer. The final weight of the decision solution is obtained and the decision is made in the conclusion.
즉, 이러한 계층분석방법을 본 발명에 적용하는 근거는, 일반적으로 강사의 정보 내지 성품과 같은 성향을 평가하는 과정에서, 예를 들어 강사의 성격을 결정하는 질문으로 ‘성격이 원만함’ 유무에 동그라미 표시를 하고 ‘대인 관계가 좋음’, ‘초등학생이 좋아함’, ‘여중생들에게 무난함’과 같은 설문의 호불호 판단 여부에 동그라미 표시를 하는 단편적인 방식으로 성격의 정도가 결정이 되고, 강사에 대한 컨디션, 자질을 결정하는 질문에서도‘강의의 기복이 있다’, ‘강의가 지루하고 재미없지만 강의 내용은 좋다.’라는 답변을 통하여 주관적 평가 정보가 결정이 되어, 만일 이러한 판단에 대해 동그라미(yes)- 1점, 가위표(no)- 0점 등으로 단순 수치화하여 이를 합산하는 방식으로 주관적 수치가 결정되면 결국 모든 강사들의 평가 정보(예를 들어, A~F 등급/ 1~100점과 같은 수치의 고저로 생성 가능)가 비슷비슷해져 그 개별적인 특성이 평준화되어 서로 별 차이가 없는 것으로 결정이 되는 경우가 많아 제대로 종합적인 주관적 평가 정보를 산출하는 것이 무리가 있었기 때문이다.In other words, the reason for applying the hierarchical analysis method to the present invention is that, in a process of evaluating a tendency such as information or character of a lecturer, for example, a question to determine the personality of a lecturer, The degree of personality is determined in a piecemeal manner in which a circle is marked on whether or not the questionnaire such as "good interpersonal relationship", "elementary school student likes", "good for middle school students" The subjective evaluation information is determined through the answer of "there is a lecture relief", "the lecture is boring and it is not fun, but the contents of the lecture is good" in the question that determines the physical condition and the quality, (1), scissors (0) - 0 points, etc., and adding them together, the subjective values are determined. Finally, evaluation information of all instructors For example, A ~ F grades / 1 ~ 100 points can be generated with high and low values), the individual characteristics are leveled, and it is determined that there is no difference between them. Because it was impossible to do.
구체적으로 본 발명에 적용되는 계층분석방법 즉, 강사의 성향 등을 보다 체계적으로 계층별로 분류하는 방법은 성별, 나이, 성격, 강의 내용 등에 대한 자신 및 상대방의 조건을 결정할 때 하나의 분리된 단순 조건(예를 들어, 성격 관련 질문에서는 성격의 좋은 정도 자체 만에 관련된 질문을 하는 일반적인 설문 방법)에 대해 질의하는 것이 아니라, 미리 정해진 여러 타입의 설문을 마련하여 각 설문별로 2가지의 조건에 대해 서로 비교될 수 있는 질의를 1:1 방식으로 쌍대 비교를 함으로써 양 조건이 서로 분리되지 않고 종합적으로 평가됨과 동시에 각 조건에 대해 계층화를 하여 계층 간의 점수(수치)를 가중치 부여를 통해 최적의 조건 분석을 할 수 있는 방식을 따르게 한다. More specifically, the hierarchical analysis method of the present invention, that is, the method of classifying the tendencies of instructors more systematically, is a method for determining one's own and other's conditions for sex, age, personality, (For example, a general questionnaire that asks personality-related questions to ask questions that are only related to the goodness of personality itself), but rather a set of predefined types of questionnaires, In the 1: 1 method, the two types of queries are comprehensively evaluated without being separated from each other, and at the same time, they are layered for each condition, and the scores (numerical values) between the layers are weighted to provide optimal condition analysis Have them follow the way they can.
예를 들어, 본 발명에 따른 계층분석 이론에 기반을 둔 방식에 의할 경우 성격과 컨디션의 비교 설문에서는, “A 질문: 강사 홍길동은 성격은 원만하나, 강의 내용의 기복이 심한 편이다. B 질문: 강사 홍길동은 욱하는 성질이 있으나, 재미가 있어 여중생들에게 인기가 많은 편이다.”라고 성격과 강의 내용에 대한 2가지 조건을 종합한 설문 A, B를 서로 쌍대 비교를 하여 “1-왼쪽이 아주 좋다. 2-왼쪽이 대체로 좋은 편이다. 3-왼쪽이 조금 더 좋다. 4-비슷하다. 5-오른쪽이 조금 더 좋다. 6-오른쪽이 일반적으로 좋은 편이다. 7-오른쪽이 아주 좋다.”라는 7개의 답변을 객관식으로 마련하게 되고 이로써 얻어진 점수가 각 설문별로 차별화되어 미리 선정되거나 특정하게 선별된 가중치를 통해 설문별 점수 산정이 특화되고 최종적으로 종합적인 각 조건별로 특정 강사의 성향이 복수 개의 주관적 평가 정보로서 구체적으로 도출/평가될 수가 있다.For example, according to the method based on the hierarchical analysis theory according to the present invention, in the questionnaire of the comparison of personality and physical condition, "A Question: Hong Kil-dong lecturer is only a person, but the lecture content is severe. B Question: Professor Hong Gil-dong has a good temperament, but it is very popular among middle school students because it is fun. "The questionnaires A and B, which compose the two conditions of personality and lecture contents, - The left is very good. 2 - The left side is generally good. 3- The left is a little better. 4. It is similar. 5- Right is a little better. 6- Right is generally good. 7-Right is very good. "The score obtained by this question is differentiated according to each question, and the score of questionnaire is specialized by pre-selected or specially selected weight. Finally, The tendency of the specific instructor can be specifically derived / evaluated as a plurality of subjective evaluation information.
즉, 본 발명에 따른 계층분석 데이터베이스(131a)는 바로 상기와 같은 종합적인 계층분석 방식에 따른 양자 조건 에 대해 1:1 쌍대 비교를 한 복수 개의 설문을 수록한 독특한 데이터베이스를 말한다.That is, the
계층분석 데이터베이스(131a)는 강사에 대한 주관적 성향을 평가할 수 있도록 각각 특화된 설문이 설문제공부를 통해 강사에게 실제 수업을 받았던 학생이나 학교에 제시될 수 있다.The
다시 말해, 본 발명에 따른 계층분석 데이터베이스(131a)는 상기 언급한 계층분석방법(AHP)에 토대하여 각 설문을 예를 들어 성격 대 강의 내용, 강의 내용 대 잠재 자질, 잠재 자질 대 성격 등과 같이, 더 나아가 강의 내용에서도 강의 깊이와 강의의 재미 등에 대한 세부 평가항목을 설정하여 이들을 쌍대비교 형식으로 강사를 평가할 수 있는 평가자에게 디스플레이 된 설문을 의미하는 것이다.In other words, the
또한 계층분석 수치 산출수단(131b)은 이러한 계층분석 데이터베이스(131a)에 대해 구해진 답변을 통해 수치로서 표현되는 고유한 ‘계층분석 수치’(A')를 도출하는 것으로, 특히 계층분석 수치 산출수단(131b)은 양자의 조건에서 상대적인 선호도를 예측하되 구체적으로는 각 수치에 따른 고저(高低)에 따라 각각의 자신이 선호하는 특정 조건이 타 조건에 비하여 얼마나 선호되고 그렇지 않은가를 합리적이고 구체적으로 측정하여 이를 객관적으로 수치화하는 기능을 수행하는 것이다.In addition, the hierarchical analysis value calculation means 131b derives a unique 'hierarchical analysis value' A 'expressed as a numerical value through an answer obtained for the
이러한 과정을 통하여, 강사에 대한 주관적 평가에서 보다 합리적이고 과학적으로 평가가 이루어진 자신의 계층분석 수치(A')를 얻을 수 있고 계층분석 수치 산출수단(131b)은 이러한 계층분석 수치(A')를 포함하여 최종적으로 주관적 평가 정보(A)를 생성하며, 이러한 주관적 평가 정보(A)는 상기 객관적 평가 정보와 함께 해당 강사의 정보, 즉 강사 데이터베이스로 저장이 되고 더불어 웹/모바일 페이지의 강소 소개 페이지와 같은 사이버 공간에서 학교 담당자에게 소팅(sorting)된 상태로 디스플레이가 되며 후속적으로 다양한 응용 용도로도 활용이 된다.Through this process, it is possible to obtain the hierarchical analysis value A 'of the user's own rational and scientific evaluation in the subjective evaluation of the instructor, and the hierarchical analysis value calculation means 131b calculates the hierarchical analysis value A' The subjective evaluation information A is stored together with the objective evaluation information, the information of the instructor, that is, the instructor database, and the Jiangsu introduction page of the web / mobile page In the same cyber space, the display is sorted by the school staff in order to be used for a variety of applications.
객관적 평가 처리부(132)는 강사의 객관적 사실, 즉 경력, 전공, 강의 회수, 성별, 강의후기 수, 강의 댓글 수와 강의 경험을 토대로 축적한 데이터를 분류/등급/수치화하여‘객관적 평가 정보’(B)로 생성하는 기능을 수행한다. The objective
이러한 객관적 평가 정보는 평가 항목 별로 개별 데이터가 분류되어 있고 이러한 객관적 평가 처리부(132)는 각 분류 처리된 객관적 평가 정보(B)를 소팅하기도 하고 이를 모바일/웹 페이지의 강사 소개창에서 디스플레이하는 역할을 가진다. In the objective evaluation information, individual data is classified according to evaluation items, and the
즉, 상기 객관적 평가 처리부(132)에 의해 생성된 객관적 평가 정보(B)는 기본적으로 각 강사의 경험이나 실력을 파악할 수 있는 자료로 활용될 수 있을 뿐 아니라, 학교 담당자를 통하여 강의를 결정하는 중요한 매칭 기반을 제공할 수 있음과 동시에, 상술한 주관적 평가 정보(A)와의 융합으로서 해당 강사를 파악할 수 있는 통합 정보로서의 의미를 가진다.In other words, the objective evaluation information (B) generated by the objective
더불어, 후술할 매칭 모듈에서의 매칭의 편의성을 위하여 이와 같은 주관적 평가 정보와 객관적 평가 정보는 세부 항목별로 특정 등급이나 코드 형식으로 저장되는 것이 가능하다.In addition, for convenience of matching in a matching module to be described later, such subjective evaluation information and objective evaluation information can be stored in a specific grade or code format for each sub-item.
이와 같은 강사 검증 모듈(130)을 통하여, 강사의 실력과 경험을 객관적으로 확인할 수 있을 뿐 아니라 주관적 요소까지 가미하여 보다 합리적으로 검증을 수행할 수 있는 기반은 물론 후술할 매칭 모듈(150)에서 보다 구체적인 매칭 기준을 제시할 수 있다.Through the
본 발명의 스케줄 관리모듈(140)은 각 강사의 강의 스케줄을 기록한 것은 물론 각 학교의 강의 예상 일정이나 실제 강의가 결정된 일정에 대한 스케줄을 입력받아 이를 각 강사/학교 별로 스케줄 데이터베이스(3)로 정리 및 생성/저장하는 기능을 수행한다. The
더불어, 스케줄 관리모듈(140)은 후술할 강의 결정모듈(160)을 통해 강의가 결정되면 학교 및 강사 스케줄에 이와 같이 결정된 강의 스케줄을 자동으로 입력하는 기능을 추가로 포함할 수 있다.In addition, the
본 발명의 매칭 모듈(150)은 학교의 강의 일정과 강의 목적과 같은 학교 측에서 요구하는 조건은 물론 강사 자체가 요구하는 강의 조건에 일치하는 강사를 매칭하는 기능을 제공하는 것으로서, 다시 말해 학교 측에서는 구인 신청을 하여 강사를 모집하는 것이고 강사 측에서는 구직 신청을 하여 학교를 선택하는 매칭 기능을 제공한다.The
구체적으로, 매칭 모듈(150)은 매칭 조건 설정부(151)와 매칭 처리부(152), 매칭 절차 제공부(153)로 이루어져 있다. Specifically, the
매칭 조건 설정부(151)는 학교/강사가 강의 조건을 적어도 하나 이상의 조건 항목을 본 발명의 시스템에서 별도로 제공하는 웹/모바일 페이지에서의 조건 설정창을 통해 입력하여 강의 조건을 설정하는 기능을 수행하는 것으로서, 여기서 학교의 강의 조건을 예시적으로 설명하면 강사의 성별/경력/강의 종목/강의 경험(회수/연차)/자격증 유무와 같은 항목이 존재할 수 있고, 강사의 강의 조건을 예시적으로 설명하면 강의비용/강의시간/장소/지역/강의대상 등이 있다 할 것이다.The matching
이러한 강의 조건, 즉 매칭 조건 설정은 상술한 강사 검증모듈(130)에서 설정한 주관적 평가정보와 객관적 평가 정보의 형식에 입각하여 이루어지도록 유도하는 것이 바람직한바, 다시 말해 매칭의 편의성과 매칭 가능성을 구현하기 위함이다. 예를 들어, 강사 나이, 경력, 강의 회수와 같이 수치로 표현되는 조건은 학교 담당자 내지 강사로 하여금 수치 그대로 조건 설정 창에 입력하도록 가이드하고, 남여, 자격증 유무 2등급으로 표현되는 조건은 제 1,2 코드로 코드 설정 내지 선택을 할 수 있으며, 강의과목, 강의대상 등과 같이 특정 키워드로 표현되는 항목은 객관식으로 이루어져 이를 선택하거나 아니면 키워드를 직접 입력하거나 텍스트 마이닝(text mining) 프로그램과 연동하여 특정 키워드에 대한 의미를 해석할 수 있다.It is preferable to derive the condition of the lecture, that is, the matching condition setting, based on the types of the subjective evaluation information and the objective evaluation information set by the
만일 키워드로 입력된 조건 항목은 조건 라이브러리의 변환 기능에 따라 기 설정된 등급 내지 코드로 변환하는 것도 가능하다. 여기서, 조건 라이브러리는 특정 키워드로 입력되는 조건 항목을 기 저장한 데이터베이스로서, 이를 객관적 평가 정보와 주관적 평가 정보와 매칭될 수 있는 특정 등급/코드로 표현될 수 있는 데이터로 변환하는 기능을 겸비하는 구성을 의미한다.If a conditional item entered as a keyword can be converted into a predetermined grade or code according to the conversion function of the conditional library. Here, the condition library is a database in which condition items inputted by a specific keyword are stored, and has a function of converting the objective evaluation information and the subjective evaluation information into a data that can be expressed by a specific grade / code .
예를 들어, 강의과목이 흡연교육일 경우 조건 라이브러리는 이에 관련된 단어군, 즉 ‘흡연교육’, ‘흡연’, ‘금연’과 같은 유사어 그룹을 “DG”라는 코드로 저장은 물론 코드 부여/설정을 할 수 있다는 의미이다. 이 때, 코드는 유사어 그룹에 대한 각 의미의 인접 여부에 따라 내림차순 내지 오름차순 별로 인접하게 설정할 수 있다. 예를 들어, D 코드는 H 코드보다 E 코드가 더욱 인접한 의미를 가진 것으로 코드 처리 내지 부여가 가능하다.For example, if the lecture is a smoking education, the condition library stores the related word groups such as 'smoking education', 'smoking', and 'quit smoking' It is possible to do. At this time, the code can be set to be adjacent to each other in descending order or ascending order depending on the proximity of each meaning to the similarity group. For example, a D code can be code processed or assigned as an E code having a more contiguous meaning than an H code.
더불어, 학교 측에서 입력하는 조건 항목은 강사의 주관적 평가 정보와의 비교 처리를 위하여, 강사의 인성, 품격, 자질 등을 판단할 수 있는 항목을 포함할 수 있다. 예를 들어, ‘인성이 좋은 강사 선호’, ‘ 욱하는 성격에 상관없이 카리스마가 있는 강사 선호’와 같이 상기 특정 키워드 군을 입력하도록 하고 이러한 키워드 군을 상기 주관적 평가 정보를 생성할 때 적용하였던 계층분석방법을 통하여 특정한 코드로 지정/분류할 수 있도록 한다. 이러한 코드는 세부 분류에 따라 2 내지 5자리수로서 디테일한 분류체계를 구비할 수 있음은 물론이다. In addition, the condition item input by the school may include an item for judging the personality, class, quality, etc. of the instructor for comparison with the subjective evaluation information of the instructor. For example, the user may input the specific keyword group such as 'favorable lecturer preferred' or 'charismatic lecturer irrespective of nature', and assigns the keyword group to the hierarchy which is applied when generating the subjective evaluation information It is possible to designate / classify by specific code through analysis method. It goes without saying that these codes may have a detailed classification system of 2 to 5 digits according to the detailed classification.
이와 같이 매칭 조건 설정부(151)는 강사 또는 학교에서 입력한 조건 항목을 특정 등급이나 코드로 변환 처리하는 기능을 포함한다.As described above, the matching
매칭 처리부(152)는 강사가 입력한 복수의 조건 항목(강사의 주관적/객관적 평가 정보 포함)과 학교가 입력한 조건 항목을 비교함으로써 그 일치 여부 내지 일치되는 비율/정도에 따라 매칭(연결 내지 소개)을 실질적으로 실행하는 것으로, 특히 학교에서 강사를 구인할 시 상가 강사 검증 모듈에서 생성한 강사의 주관적/객관적 평가 정보 역시 비교 대상에 포함될 수 있다. The matching
즉, 매칭 처리부(152)는 학교가 원하는 강사를 선별할 때, 학교의 조건 입력 항목(학교 측 강의 조건)을 강사 입력 항목(강사 측 강의 조건) 및 강사의 주관적/객관적 평가 정보와 각각 비교 처리하여 일치 여부에 따라 제 1 강사에서 제 n 강사(이 때, n은 2 내지 5. 즉, n이 5일 경우 5명의 강사를 선별한다는 의미)를 선별하는 기능을 수행한다.That is, the matching
이 때, 일치 여부의 정도는 일치값과 비일치값을 합산하여 분모로 설정하고 일치값을 분자로 설정하여 도출된 비율, 즉 매칭율%로 수치로서 산출되어 수치의 고저에 따라 일치 여부를 비교 산정하는 것도 가능하다.In this case, the degree of coincidence is calculated as the ratio derived by adding the coincidence value and the non-coincidence value to the denominator and setting the coincidence value to the numerator, that is, the matching ratio%, and comparing the coincidence It is also possible to estimate.
예를 들어, 학교의 조건 항목과 강사의 조건 항목 및 주관적/객관적 평가정보를 비교할 때 세부적인 복수의 비교 항목이 존재하는데, 비교 항목의 일치 개수, 일치하지 않을 경우에는 수치 차이 값(예를 들어 학교가 원하는 강사의 강의회수가 30회인 경우 30회에 근접하는 29회, 32회와 같이 수치 차이가 적은, 즉 매칭율%이 80% 이상에 해당되는 강의 회수를 가진 강사가 우선순위를 얻을 수 있는 방식)의 대소/고저 내지 수치의 인접 값의 대소/고저 차이에 따라 일치하는 정도(매칭율%)에 따라 제 1 내지 n 순위를 설정하여 매칭하는 역할을 수행한다. 이 때, 1명이 아니라 복수의 강사를 선별하는 이유는 후술하도록 한다.For example, when comparing the conditional items of the school with the conditional items of the instructor and the subjective / objective evaluation information, there are a plurality of detailed comparison items, the number of matching items of the comparison items, and the numerical difference values If the instructor's lecture number is 30, the instructor with the number of lectures with a numeric difference of less than 30%, such as 29 or 32, with a matching rate of 80% or more, (Matching rate%) according to the difference between the small / large values of the neighboring values of the numerical values and the large / small differences of the numerical values. At this time, reasons for selecting a plurality of instructors instead of one instructor will be described later.
매칭 절차 제공부(153)는 매칭을 수행하는 세부 절차를 다양하게 처리하여 시스템 운용의 효율성과 강사/학교 선택의 합리성을 보장하는 것으로서, 구체적으로 입찰 진행 파트(153a), 자동 매칭 파트(153b), 추천 파트(153c)를 포함한다.The
입찰 진행 파트(153a)는 강사/학교 측에서 입찰 방식으로 대상을 선정하는 기능을 제공하는 것으로, 강사 내지 학교 중 어느 하나인 입찰자로 하여금 조건 항목을 포함한 입찰 공고를 업로딩하고 역시 그 반대인 학교 내지 강사 중 어느 하나인 모집자를 모집(모집자가 지원하거나 알람을 통해 공고를 알리는 기능 모두 지원 가능)하여 입찰을 한 다음, 상기 매칭 처리부(152)의 상술한 기능에 따라 낙찰에 해당되는 비율, 즉 매칭율%를 지정하여 이 매칭율%에 해당하는 적어도 하나 이상의 낙찰자를 매칭율%의 고저에 따라 순차적으로 선정하는 절차와 기능을 제공한다. The
이 과정에서, 학교가 입찰을 수행하는 경우 강사가 입찰에 응하였을 때 비로소 강사의 프라이버시에 해당되는 정보(이력서, 강의계획서, 세부 신상명세 정보 등)이 학교 측에 전달되도록 하는 기능을 포함하는 것도 가능하다.In this process, when the school conducts the bidding, it is necessary to include the function of notifying the librarian of the information (resume, lecture plan, detailed personal information, etc.) corresponding to the librarian's privacy when the librarian responds to the bid It is possible.
자동 매칭 파트(153b)는 구인(강사)/구직자(학교)가 선정한 조건 항목과 매칭율%에 따라 상기 매칭 처리부(152)와 연동하여 모집 대상을 자동으로 선정하는 기능을 수행한다. 예를 들어, 학교 측에서 특정 조건에 해당되는 강사 모집을 하였을 때 구인 페이지에 업로딩한 강사의 주관적/객관적 평가 정보는 물론 구직 조건을 상호 비교 매칭하거나 학교/강사 스케줄을 기준으로 해당 일자에 강의가 가능한 학교/강사를 자동으로 추출하여 조건에 입각하는 정도, 즉 매칭율%에 따라 순차적으로 적어도 하나 이상의 모집 대상을 자동으로 추출하는 기능을 수행한다.The
추천 파트(153c)는 예를 들어 A 강사의 지인, 즉 선/후배 강사가 A 강사를 특정 학교에 추천하거나 반대로 B 학교를 B 학교 담당자 내지 특정인이 특정 강사에게 소개 및 추천하는 기능을 제공한다. The
이러한 매칭 절차 제공부(153)를 통하여 입찰 방식, 추천 방식, 자동 매칭 방식을 상황에 따라 탄력적으로 제공할 수 있어 학교와 강사를 매칭하는 다양한 절차를 추구할 수 있는 특성을 제공한다.Through the
본 발명의 강의 결정모듈(160)은 상기 매칭 모듈(150)에서 선정(소개)된 적어도 하나 이상의 강사/학교를 택일하여 최종적으로 강의를 결정하는 역할을 수행한다.The
예를 들어, 학교 측에서는 상기 매칭 모듈(150)을 통해 2명 이상의 강사를 선정하였을 때 해당 강사를 사전 면접을 볼 수 있고 강사 측에서는 복수의 학교에서 강의 요청이 있게 되었을 때 개별적으로 강의 비용을 문의/협의하거나 비용을 미리 정산하는 사전 절차를 병행하는 것이 가능하고, 이러한 병행 절차를 겸비하면서 최종적으로 강의 결정을 할 수 있다.For example, when a teacher selects two or more lecturers through the
또한, 이와 같이 강의가 결정되면 상술한 스케줄 관리모듈(140)과의 연동을 통하여 학교/강사 각각의 스케줄 데이터베이스(3)에 자동으로 강의 결정모듈(160)에서 결정된 강의 스케줄이 기록되는 것은 물론이다.When the lecture is determined as described above, it is needless to say that the lecture schedule determined by the
여기서, 본 발명의 강의 결정모듈(160)은 학교 측에서 상기 매칭 모듈(150)에 의해 선별/추출된 n 명의 강사의 객관적 평가 정보 중에서 특히 강의회수, 강의후기 수와 같이 수치의 고저로 표현되는 일명 ‘객관적 수치 정보’에 대한 특화 정보를 추가로 제공하는 것이 가능하다.Herein, the
즉, 강의 회수는 단순히 그 많고 적음도 중요하지만 최근에 강의가 많았는지 아니면 과거에 강의가 많았는지 평가 시점에 따라 강의의 질이 다를 수 있다는 특성이 있고, 강의 후기 역시 그 내용의 중요성도 중요하나 강의 후기가 많다는 것은 그만큼 해당 강사가 학생들에게 이슈가 되었다는 것을 방증할 수 있기 때문에 이를 참조하되 시간의 흐름에 따라 변화되는 정보를 정규분포곡선으로 처리한 그래프를 통해 보다 알기 쉽게 학교 측에 제공할 수 있도록 하는 구성을 제시한다.In other words, although the number of lectures is important, the quality of lectures can be different depending on whether the lectures have been recently lectured or the past lectures were more important. Because there are many post-lectures, it can be proved that the lecturer is an issue to the students. Therefore, it is possible to refer to the information that is changed according to the time, And the like.
이를 위하여, 강의 결정모듈(160)은 수치 정보 제공부(161)를 추가로 제공할 수 있다. For this, the
도 4는 주관적 수치 정보의 추가에 따라 변화하는 상태를 정규 분포 곡선으로 도시한 개념도이다.FIG. 4 is a conceptual diagram showing a state in which the subjective numerical information changes according to addition of a normal distribution curve. FIG.
도 4를 참조하여 주관적 수치 정보에 더욱 객관적이고 과학적인 평가를 반영하기 위하여 베이시안 방법을 통한 정규 분포로 전환한 가공수치정보를 추가로 제공함으로써 학교에서 강사를 최종적으로 결정하는데 도움을 줄 수 있다.Referring to FIG. 4, it is possible to help the teacher to finally determine the instructor in the school by providing further processed numerical information converted to a normal distribution through the Bayesian method in order to reflect more objective and scientific evaluation of the subjective numerical information .
구체적으로, 수치 정보 제공부(161)는 상기 매칭 모듈(150)에서 추출된 적어도 하나 이상의 강사(n명의 강사) 각각에 대한 상기 주관적 평가 정보 중에서 수치로 고저로 표출되는 정보(예를 들어, 강사의 강의 난이도라는 주관적 정보를 수치로 평가할 때 가장 난이도가 높은 평가 수치를 7, 가장 난이도가 낮은 평가 수치를 0와 같이 수치로 구별한 정보)로 재구성한 일명 ‘주관적 수치 정보’를 특정 시점 별로 생성하는 주관적 수치 정보 생성 파트(161a)와, 상기 주관적 수치 정보를 현재시점까지에 대한 전체 정보인 기 수치정보와 특정 시점으로부터 현재시점까지의 정보인 추가 수치정보로 가공하는 주관적 수치정보 가공 파트(161b) 및, 기 수치정보를 기초로 하여 추가 수치정보에 대한 특성을 파악하고 추가 수치정보의 특성을 베이시안 방법을 통한 정규 분포 곡선으로 전환한 가공수치정보를 생성하여 학교 서버에 제공하는 베이시안 분석 파트(161c)를 포함한다. More specifically, the numerical
즉, 기 수치정보의 균등분포곡선에 추가 수치정보를 추가하여 가공함에 따라 생성된 가공수치정보를 정규분포로 전환하는 베이시안 방법을 본 발명에서 적용함으로써 강의를 결정할 강사의 주관적 평가 정보에 대하여 시간의 흐름에 따라 변화된 전체 추이/분포를 알기 쉽게 디스플레이하여 학교 측에서 보다 쉽게 객관적이자 합리적으로 평가를 수행할 수 있는 기반을 제공하는 것이다. 여기서, 베이시안 방법에 대해서는 후술할 베이시안 분석 파트(161c)에서 상세하게 서술하기로 한다.That is, by applying the Bayesian method for converting the generated numerical value information into the normal distribution by adding additional numerical information to the even distribution curve of the parallax information, the subjective evaluation information of the lecturer to be determined by applying the present invention, It is possible to display the entire trend / distribution changed in accordance with the flow of the display, so that the school can easily perform an objective and rational evaluation. Here, the Bayesian method will be described in detail in the
주관적 수치 정보 생성 파트(161a)는 특정 시점(이 때, 시점은 시간의 흐름에 대한 ‘주기’로 이해할 수 있음)별로 해당 강사의 주관적 평가 정보를 파악하는 기능을 수행한다. 예를 들어, 특정 강사로부터 2013년 1월~2013년 12월을 제 1 시점, 2014년 1월~2014년 12월을 제 2 시점과 같이 각각의 시점 별로 해당 강사의 주관적 평가 정보의 생성 시점을 구분 확인하고 가령 2013년 1월~2013년 12월의 경우 ‘5점’으로 확인될 때 바로 이 ‘5’라는 수치가 바로 해당 제 1 시점에서의 주관적 수치정보로 파악 및 생성되는 것이다. The subjective numerical
주관적 수치정보 가공 파트(161b)에서, 기 수치정보는 강사의 강의 시작 시점부터 현재까지의 모든 주관적 평가 정보(시점 별로 나눈 평균치이거나 특정 시점에 대한 수치 정보의 집합체일 수도 있음)를 가리키는 것이며, 추가 수치정보는 현재 시점으로부터 학교가 지정한 특정 시점(예를 들어 현재가 2016년 1월일 경우 학교가 지정한 2015년 1월부터 현재의 2016년 1월)까지의 수치 정보를 가리키는 것이다. 바람직한 결과의 도출을 위해서 특정 시점의 시작점은 강사가 강의를 시작한 시점을 지정하여야 중간의 누락이나 공백 없이 베이시안 방법을 통한 분석이 효과적으로 활용될 수 있다. In the subjective numerical information processing part 161b, the parity information indicates all the subjective evaluation information (the average value divided by the viewpoint or a collection of numerical information about the specific time point) from the start time of the instructor's lecture to the present, The numerical information refers to the numerical information from the present time to a specific time point designated by the school (for example, from January 2015 to January 2016 specified by the school in the case of January 2016). In order to derive a desirable result, the starting point at a specific point in time can be effectively utilized by the Bayesian method without any missing or blank space.
기 수치정보로서 수치화된 정보가 균등 분포가 되도록 각 확률 변수에 대응되는 하나의 정보가 입력된다. 따라서 상기 베이시안 방법을 적용하는데 있어 기 수치정보가 균등 분포가 되도록 각 확률 변수와 관계된 기 수치정보 중 중복된 데이터를 삭제하는 과정이 더욱 포함될 수 있다.One piece of information corresponding to each random variable is input so that the digitized information as the ephemeris information is evenly distributed. Therefore, in applying the Bayesian method, it is possible to further include a process of deleting duplicated data among the parity information related to each random variable so that the numerical information is uniformly distributed.
추가 수치정보는 현재 시점으로부터 학교(학교 서버)가 지정한 특정 시점까지의 수치 정보로서 이를 가공하여 기 수치정보와 대응되는 정보로 도출한다. 이 때, 학교 서버에 특정 시점을 입력하는 기능을 포함할 수 있다. 최종적으로는 기 수치정보를 기초로 상기 추가 수치정보의 특성을 파악하여 베이시안 방법을 통한 정규 분포로 전환하여 정보를 제공한다.The additional numerical information is the numerical information from the present time to the specific time point designated by the school (school server), and is derived from the information corresponding to the numerical information. At this time, it may include a function of inputting a specific time point to the school server. Finally, the characteristic of the additional numerical information is grasped based on the ephemeris information, and the information is provided by switching to a normal distribution through the Bayesian method.
베이시안 분석 파트(161c)의 기능을 더욱 상세하게 설명하면, 균등 분포화된 상기 기 수치정보에 상기 추가 수치정보를 추가함에 따라 실시간으로 정규 분포로 전환하는데, 이 때 베이시안이 적용된 하기의 수학식이 적용될 수 있다.The function of the
수학식, , ≪
여기서, 는 베이시안 방법의 의해 계산된 평균값, 는 베이시안 방법에 의해 계산된 표준편차, 는 새로운 데이터의 평균, 는 기존 데이터의 평균, 는 새로운 데이터의 표준편차, 는 기존 데이터의 표준편차, 는 데이터의 개수를 나타낸다. The mean of the new data, the mean of the existing data, the standard deviation of the new data, the standard deviation of the existing data, and the standard deviation of the new data are calculated by the Bayesian method. It represents the number of data.
베이시안이란 양적 정보 분석 방법의 하나로, 복수의 확률 변수에 대한 데이터를 설정하고, 추가적으로 투입되는 데이터에 대한 확률 변화의 추이를 통계학적을 추론하는 방법, 즉 검증되거나 반복적인 사전 가설(prior probability)을 통하여 사후 확률(posterior probability)을 예측하는 방법을 의미한다.Bayesian is one of the quantitative information analysis methods, in which data for multiple random variables are set up, and a method of deducing statistical inference of the transition of probability changes to the input data, that is, The probability of a posterior probability is estimated.
즉 앞서 언급한 기 수치정보의 변화 및 반복에 의하여 사후확률이 균등 분포를 형성하면서 수치의 고저로 알기 쉽게 표현할 수 있는 방법인 것이다.In other words, it is a method which can easily express the posterior probability as a uniform distribution of the numerical value by the change and repetition of the above mentioned numerical information.
이하에서는 도면에 도시된 정규 분포가 나타내는 의미에 대해 실적정보로 예를 들되, 특히 주관적 수치 정보 중에서 ‘강의 난이도’에 대한 수치정보를 예를 들어 설명한다.Hereinafter, the meaning represented by the normal distribution shown in the figure is exemplified as the performance information, and numerical information about 'difficulty of lecture' among the subjective numerical information will be described as an example.
먼저, 기 수치정보를 기준으로 이를‘ 강의 난이도 = 5’를 평균으로 기 설정 처리한다. First, the learner's difficulty level is set to 5 as an average based on the numerical information.
여기서, 수치 처리된 기 수치정보는 동일한 값을 갖는 다른 방식의 수치화된 수치정보에 관한 정보가 중복 입력되는 것이 불가능하거나 또는 중복데이터 삭제 파트(161d)를 추가하여 입력된 데이터 중 동일한 값을 갖는 중복된 정보의 데이터를 삭제하는 방법으로 균등 분포를 형성할 수도 있다.Here, numerical value information subjected to the numerical processing can not be duplicated input of the information about the numerical numerical information of another method having the same value, or the redundant
여기에, 수치화된 추가 수치정보가 균등 분포화된 기 수치정보에 추가됨으로써, 상기 균등 분포는 정규 분포 그래프 형태로 변형되어 모바일/웹 페이지로 출력되거나 아니면 학교 서버(20)에 데이터로서 제공될 수 있다.By adding the numerical additional numerical information to the uniformly distributed ephemeris information, the uniform distribution can be transformed into a normal distribution graph form and outputted to the mobile / web page or can be provided as data to the
먼저, 첫 번째 데이터 세트(data set 1)가 균등 분포화된 기 수치정보에 추가되었을 때, 강의 난이도는 4(4점)의 평균을 갖는 정규 분포 곡선(a)이 형성된다. 그리고 상기 정규 분포 곡선(a)은 표준 편차가 상대적으로 크게 나타나고 있다.First, when the first data set (data set 1) is added to the uniformly distributed numerical information, a normal distribution curve (a) having an average of 4 (4 points) is formed. The normal distribution curve (a) shows a relatively large standard deviation.
다음으로 두 번째 데이터 세트(data set 2)가 상기 첫 번째 데이터 세트(data set 1)와 균등 분포화된 기 수치정보에 추가 되었을 때, 6의 평균을 갖는 정규 분포 곡선(b)이 형성된다. 상기 정규 분포 곡선(b)은 표준 편차는 상기 정규 분포 곡선(a)보다 상대적으로 작게 나타난다.Next, when a second data set (data set 2) is added to the ephemeris information uniformly distributed with the first data set (data set 1), a normal distribution curve b having an average of 6 is formed. The normal distribution curve (b) has a standard deviation smaller than the normal distribution curve (a).
다음으로 세 번째 데이터 세트(data set 3)가 상기 첫 번째 데이터 세트(data set 1)와 상기 두 번째 데이터 세트(data set 2)와 균등 분포화된 기 수치정보에 추가되었을 때, 4.5의 평균을 갖는 정규 분포 곡선(c)이 형성된다. 상기 정규 분포 곡선(c)은 표준 편차는 상기 정규 분포 곡선(b)보다 상대적으로 작게 나타난다.Next, when a third data set (data set 3) is added to the parametric information evenly distributed with the first data set (data set 1) and the second data set (data set 2), an average of 4.5 A normal distribution curve c is formed. The normal distribution curve (c) has a standard deviation smaller than the normal distribution curve (b).
마지막으로 네 번째 데이터 세트(data set 4)가 상기 첫 번째 데이터 세트(data set 1)와 상기 두 번째 데이터 세트(data set 2)와 세 번째 데이터 세트(data set 3)와 균등 분포화된 기 수치정보에 추가 되었을 때, 5의 평균을 갖는 정규 분포 곡선(d)이 형성된다. 상기 정규 분포 곡선(d)은 표준 편차는 상기 정규 분포 곡선(c)보다 상대적으로 작게 나타난다. 결론적으로 정규 분포 곡선(d)에 의하여 보다 높은 개연성, 즉 사후 확률을 보이면서 강의 난이도가 5점에 수렴되는 것을 알 수 있으며, 이를 통해 시간의 변화에 따라 강의 난이도의 편차가 있지만 결국 강의 난이도가 중간에 해당되는 것으로 평가되었다는 해당 강사의 성향을 알기 쉽게 파악할 수 있다. Finally, a fourth data set (data set 4) is divided into the first data set (data set 1), the second data set (data set 2) and the third data set (data set 3) When added to the information, a normal distribution curve d having an average of 5 is formed. The normal distribution curve (d) has a standard deviation that is relatively smaller than the normal distribution curve (c). As a result, it can be seen that the degree of difficulty of the lecture converges to 5 points with a higher likelihood, that is, posterior probability, by the normal distribution curve (d), and the difficulty of the lecture varies with time, Of the respondents were evaluated as being appropriate.
즉 이와 같은 수치 정보 제공부(161)에 의하여, 학교 서버(20)는 상술한 바와 같이 새로운 정보, 즉 특정 강사의 시점별 주관적 평가 정보가 각 세부 항목에 따라 추가됨에 따라, 추가된 정규 분포의 추이를 파악하여 원하는 시점은 물론 시간의 흐름에 따라 변화되는 강사의 특정한 주관적 평가 정보를 한 눈으로 보다 알기 쉽게 판단할 수 있도록 함과 동시에 베이시안 방법을 주관적 평가 정보를 구분 처리하는 것으로 독창적으로 응용한 특징을 제공한다.That is, by the numerical
이러한 베이시안 방법의 적용을 통해 주관적 평가 정보의 단순한 평균값이나 나열식 점수에 비해 일목요연하게 추가 수치정보의 편차를 파악하거나 미리 파악된 강사의 주관적 평가 정보를 기초로 사후 강사의 성향을 예측할 수 있는 자료로 활용될 수 있으므로 실제 평가에 유효한 데이터로 사용될 수 있는 강사의 특정 시점 이후부터의 주관적 평가 정보, 즉 수치정보를 시간의 흐름에 따라 변화된 추이를 알기 쉽게 확인할 뿐 아니라 단순히 연차가 높은 강사(사전지식 내지 기 수치정보의 추가 빈도수가 높아질 수 있음)에게 호감을 갖는 문제를 탈피할 수 있는 객관적 분석자료를 제공할 수 있음과 동시에 강사의 성향을 파악한 주관적 평가 정보의 활용도를 높이면서 적합한 강사를 최종적으로 결정할 수 있는 기반을 제공할 수 있다.By applying this Bayesian method, it is possible to grasp the deviation of the additional numerical information in a clearer way than the simple average value or the ranking score of the subjective evaluation information, or to predict the tendency of the post-instructor based on the subjective evaluation information of the instructor It is possible to easily identify the change in the subjective evaluation information, that is, the numerical information, from a specific point in time after the lecturer, which can be used as data valid for the actual evaluation, (Eg, the number of additional numerical information can be increased). In addition, it is possible to provide an objective analytical data for avoiding problems that are appealing to the user, and at the same time, It can provide a basis for decision-making.
본 발명에서 추가적으로 구비되는 강사 연결 모듈(180)은 상기 강의가 결정된 강사를 대상으로 강사의 직접적인 수락을 요구함과 동시에 일정 시간이 경과되었음에도 강사의 수락이 없을 경우 제 2 강사 등을 대상으로 신속하게 강의 연결하기 위한 것으로, 구체적으로는 강사 호출부(181)와 강사 응답 대기부(182)로 이루어져 있다.The
즉, 본 발명에 따른 시스템에서는 상기 강의 결정 모듈(160)에서 결정된 강사에게 강의를 의뢰하는 것을 기본으로 하되, 만일 강사가 정한 시간 이내 연락이 없거나 강사의 개인사정으로 강의가 취소되는 경우 강의 진행이 어려워지는 현실적인 문제를 해결하기 위하여 강사가 결정된 이후 곧바로 해당 강사에게 강의 결정 상황을 통보하여 해당 강사의 응답을 기다리는 기능을 제공하게 되는데 바로 상기 강사 연결 모듈(180)에서 이러한 강사 연결 기능을 자동으로 수행함과 동시에 후술할 강사 대체 모듈(190)에서 대체될 강사를 결정하기 위한 예비적 기반을 수립하는 것이다.That is, in the system according to the present invention, a lecture is requested to the lecturer determined by the
구체적으로, 강사 호출부(181)는 상기 강의 결정 모듈(160)과 연동되어 학교 서버(20)에서 강의를 진행하는 강사로 결정된 해당 강사에게 특정 강의 결정 메시지, 강의 시간, 강의가 이루어질 학교 정보(학교 명칭, 학교 주소, 학교 담당자 등)과 같은 일명 ‘강의 결정 정보’를 문자 메시지(SMS) 내지 웹/모바일 페이지에 구비된 마이 페이지로 전송되는 쪽지 내지 이메일 중 어느 하나의 방식으로 통보하는 역할을 수행한다.Specifically, the
더불어, 강사 응답 대기부(182)는 해당 강사가 상기 강의 결정 정보를 받은 이후 일정 시간, 바람직하게는 미리 결정된 시간(예를 들어 1일 이내)내에 강사의 강의 수락 의사 입력, 즉 강의 수락 정보의 전송 여부를 대기하는 역할을 가진다. In addition, the lecturer
강사가 응답을 하기 위해서는, 본 발명의 시스템을 위해 운영하는 시스템의 마이 페이지에 접속하여 답신 메일, 쪽지를 시스템 운영자에게 전송하거나 아니면 본 발명의 시스템과 연동된 문자 메시지 수신 서비스에서 강사의 전화번호를 확인하여 자동으로 인식하는 방법, 또는 스케줄에 자동 기입된 스케줄 항목에 구비된 수락 버튼을 클릭하는 방법 등으로 구현이 가능하다.In order for the lecturer to respond, the learner can access the MyPage of the system operating for the system of the present invention and send a reply e-mail and a note to the system operator, or the lecturer's telephone number in the text message receiving service interlocked with the system of the present invention A method of recognizing and automatically recognizing the schedule items, or a method of clicking an accept button provided in a schedule item automatically written in the schedule.
여기서, 일정 시간 내에서 강사의 응답을 기다리는 이유는 강사의 강의 진행 수락 의사를 입력받음으로 강사와 보다 긴밀하고 정확한 의사소통을 통해 작업 진행의 정확성을 담보할 뿐 아니라 만일 해당 강사가 부재중이거나 강의를 수행하지 못한다는 의사를 전달받은 경우 곧바로 다른 강사에게 디자인 작성 작업 의뢰를 할 수 있도록 함으로 강의가 이루어지지 못하는 위험성을 미연에 방지하기 위함이다.Here, the reason for waiting for the lecturer's response within a certain period of time is that the lecturer's intention to accept the lecture progression is input, so that the accuracy of the work progress is secured through more close and accurate communication with the lecturer, If you are told that you can not do it, you can immediately ask the other instructors to do the design work so as to prevent the lecture from being lived in advance.
본 발명에서 추가로 구비 가능한 강사 대체모듈(190)은 상기 강사 응답 대기부(182)를 통해 응답을 하지 않은 경우는 물론 강사가 강의 결정을 수락하지 않았을 때 신속하게 후속 순위를 가진 강사에게 강의 결정을 하는 역할을 수행한다.The
상술하였지만, 강사를 대체하게 되는 경우로서 강의 결정이 되었음에도 강사의 응답이 일정 시간 이후까지 없을 경우, 강의 확정을 요망하는 강의 개최자, 즉 학교 측에 상당한 리스크가 따를 수 있기 때문에 본 발명에 따른 시스템 차원에서 이러한 위험 상황을 신속하게 관리할 필요가 있다.However, if there is no lecturer's response until a certain time after the lecture decision is made, the lecture organizer who desires the lecture confirmation, that is, the school may take a considerable risk, This risk situation needs to be managed quickly.
구체적으로, 강사 대체모듈(190)은 순번 발생부(191), 강사 자발응답 대기부(192), 강사 강제 지정부(193)로 이루어져 있다.Specifically, the
순번 발생부(191)는 상기 매칭 처리부에서 결정된 후순위 강사, 즉 제 2 강사를 지정하는 기능을 제공하는 것으로, 강사의 회원 가입 시에 강의 수행 능력이 없는 다른 강사의 강의를 특정 상황(상술한 바와 같이 제 1 강사의 응답이 없는 경우) 시에 대행해야 한다는 의무 규정을 제시함으로 이루어질 수가 있다. 만일, 상기 매칭 결정부에서 에 하여 강의를 부여받은 강사마저 강의 수락을 하지 않는 경우에는 일정 패널티를 부여하는 강제 방식을 규정할 수 있다.The sequence
강사 자발 응답 대기부(192)는 상기 매칭 처리부에서 결정된 제 2 내지 n 강사를 대상으로 강의 요청 메시지를 통보하여 자발적으로 강의를 희망하는 강사의 응답, 즉 강의 수락 정보의 전송을 대기함으로 제일 먼저 응답을 한 강사에게 강의를 일임하는 기능을 수행한다. 이는 강사의 의사 결정을 통해 자발적인 참여를 유도하는 가장 바람직한 방법으로써, 특히 매칭 처리부에서 충분히 검증된 강사를 대상으로 하기 때문에 신뢰성도 보장하면서 강사의 수익 창출을 위해 유용하게 작용할 수 있다.The lecturer spontaneous
강사 강제 지정부(193)는 강사의 스케줄을 참조하여 상기 매칭 처리부(152)에서 추출된 복수의 강사 중 어느 하나의 특정 강사에게 강의를 일임하는 기능을 수행한다. 즉, 매칭 처리부(152)에서 결정된 제 2 내지 n 강사 중 어느 하나를 랜덤하게 결정하거나 아니면 학교 담당자의 결정을 기반으로 결정한 다음 결정된 강사에게 강의 요청을 수행하는 것이다. 물론 이 과정에서 결정된 강사가 응답이 없거나 강의 수락을 하지 않을 경우 매칭 처리부(152)에서 결정된 다른 강사 중 어느 하나에게 동일한 요청을 수행할 수 있다.The instructor
이러한 강사 대체모듈(190)의 순번 발생부(191), 강사 자발 응답 대기부(192), 강사 강제 지정부(193)는 각각의 상황에 알맞게 별개로 제공되는 것도 가능하나, 보다 합리적인 강사 대체 기준을 수립하기 위하여 복합적으로 동시 제공되는 것도 가능하다.The order
앞서 잠시 언급하였지만, 대체된 강사 역시 일정 시간 이후까지 응답이 없거나 강의 수락을 하지 않을 경우에는 다시금 강사 대체모듈(190)을 재가동하여 또 다른 강사를 선별하고 이유 없이 강의 결정 수락을 하지 않은 강사에게는 한층 강화된 가중 패널티를 부여하는 방식을 따르게 할 수 있다.If the instructor has not responded or accepted the lecture after a certain period of time, the instructor who has not yet accepted the lecture decision by selecting another lecturer and restarting the lecturer replacement module (190) It is possible to follow a method of giving an enhanced weighted penalty.
본 발명의 은닉 처리 모듈(200)은 강사의 프라이버시 보호를 보다 탄력적이자 효율적으로 운영하도록 하는 것으로서, 공개 대상이 되어 학교 관계자가 열람할 수 있는 강사 소개 창에서 표시되는 강사 소개 정보 및 스케줄 중 어느 하나에서 해당 강사가 지정한 일부 표시정보를 평상시에는 은닉 처리하여 공개하지 않으면서 강사의 프라이버시를 보호하다가 강사의 특수한 상황에 따라 공개가 필요한 시점에서 강사로부터 요청이 수신되는 경우 은닉을 해제하여 강사에게 필요한 노하우를 확인할 수 있게 하는 기능을 제공하는 역할을 수행한다.The
이러한 은닉 처리모듈(200)은 구체적으로 은닉 영역 설정부(201)와 해제 조건 설정부(202), 해제 상황 판단부(203), 은닉 해제부(204), 알림 발생부(205), 맞춤 안내정보 생성부(206)로 구성된다.The
먼저 은닉 영역 설정부(201)는 강사로 하여금 자신의 강사 소개 정보 및 스케줄 중 프라이버시라고 판단하여 일반적인 상황에서는 공개되지 않도록 은닉 처리할 정보를 복수개의 영역을 설정하여 이 영역, 즉 은닉 영역을 은닉 처리하는 기능을 제공한다.First, the hidden
강사 소개창(강사 소개 페이지)의 경우 강의 소개를 위해 공개, 즉 학교 측은 물론 다른 강사에게 공개되는 상황에 놓이는바, 특히 여자 강사의 경우 주소나 나이 등이 노출되는 것을 꺼리거나 대개의 강사 역시 자신의 스케줄이 모두 공개되는 것을 원치 않아 강의 참여를 주저하게 되는 경우가 발생한다. In the case of the lecturer introduction window (lecturer introduction page), it is open to the lecture introduction, that is, it is open to the other lecturers as well as the school. Especially, it is reluctant to expose the address or age in case of female lecturer, There is a case where the participant is hesitant to participate in the lecture.
이러한 문제를 방지하기 위하여, 평상시에는 강사 소개창 및 스케줄 표시 화면에서 특정 정보(예를 들어 주소, 나이)를 수록한 일부 영역을 은닉 처리(이와 같이 은닉 처리가 된 영역을 ‘은닉 영역’이라 함)하여 학교 서버, 즉 학교 담당자가 함부로 열람할 수 없게 하되 학교 담당자, 즉 학교 서버(학교 클라이언트 서버)로부터 지정된 은닉 해제 조건 정보에 따른 은닉 해제 요청 신호(은닉 해제 조건 정보 및 은닉 해제 요청 신호에 대해서는 후술하기로 한다.)가 전송되는 경우 상기 강사의 조작 또는 시스템에서 기 지정된 일정 시간동안 은닉 영역의 은닉 처리가 해제되어 강사에게 노출되도록 한다. In order to prevent such a problem, in some cases, some areas including specific information (for example, address and age) are usually displayed on the instructor introduction window and the schedule display screen in a usual manner (the area subjected to the hidden processing is referred to as a ' (Not shown) to the school server, that is, the school clerk, but does not allow the clerk to read the clandestination request signal (the clandestine release condition information and the clandestination release request signal The secret operation of the hidden area is canceled for a predetermined period of time in the operation or system of the instructor so as to be exposed to the instructor.
이와 같은 기능에 따르면, 강사의 입장에서 본다면 자신의 정보가 필요 이상으로 공개되는 것을 방지할 수 있고 학교 입장에서 본다면 강사의 정보 표시 운용을 통해 강사의 정보를 보다 소중하게 다루면서 동등한 협력 관계에서 강의 요청을 할 수 있도록 하는 특성을 제공한다. According to this function, it is possible to prevent the disclosure of the information of the instructor from the viewpoint of the instructor, and if viewed from the viewpoint of the school, the information display of the instructor is more important in handling the information of the instructor, And the like.
도 5는 본 발명의 시스템의 강사 소개 창을 도시한 예시도이다.5 is an exemplary view showing a lecturer introduction window of the system of the present invention.
도 5의 강사 소개 창(강사 소개 페이지)에 공개되는 강사 소개 정보에 대하여 보다 자세히 서술하면, 우선 강사 소개 정보는 기본 인적 정보, PR 정보는 물론 상술한 주관적 평가 정보, 객관적 평가 정보로 구성되고 스케줄 역시 이 강사 소개 정보에 포함될 수 있다. The instructor introduction information disclosed in the instructor introduction window (instructor introduction page) of FIG. 5 will be described in more detail. First, the instructor introduction information is composed of the basic personal information and the PR information as well as the subjective evaluation information and the objective evaluation information, This information can also be included in this tutorial introduction.
주관적 평가 정보 및 객관적 평가 정보는 세부 항목 당 설명 내용과 더불어 수치 내지 등급 표시되는 것이 가능하고, 스케줄 정보는 달력 내지 일정 표시 창을 매개로 시간별, 일간, 주간 등의 스케줄이 표시된다.The subjective evaluation information and the objective evaluation information can be displayed numerically or classically together with the description content per sub item, and the schedule information displays a schedule such as time, day, week, etc. through the calendar or schedule display window.
즉, 이러한 세부 정보들이 강사 소개 창 내에서 마치 블록과 같은 영역 내에서 소개/표시가 될 수 있고 이러한 영역들이 은닉 처리 대상이 될 수 있는 것이다.That is, these detailed information can be introduced / displayed in the area such as a block in the lecturer introduction window, and these areas can be subjected to confidential processing.
다시 은닉 처리 모듈(200)의 구성을 설명하면, 해제 조건 설정부(202)는 은닉 영역을 설정한 주체인 강사로부터 은닉 해제 요청 신호가 발생될 조건인 은닉 해제 조건 정보를 입력받는 기능을 제공한다.Describing the configuration of the hidden
여기서, 해제 조건을 예를 들면, 상기 매칭 모듈(150)에서 학교 서버(20)가 설정한 조건에 일치하여 학교 서버(20)에 매칭 대상으로서 제공되거나 특정 은닉 영역을 n차례 클릭하거나 학교 서버에서 설정한 n개의 조건(여기서, n는 3 이상)에 대해 해당 강사가 매칭되거나 해당 조건에 대한 텍스트(예를 들어, 나이, 주소) 값 등과 같은 상황 연동 조건이거나 은닉 해제 대상이 되는 영역 설정 조건과 같은 것들이 존재할 수 있다.Here, the release condition may be provided, for example, as a matching object to the
해제 상황 판단부(203)는 상기 은닉 해제 조건에 해당하는 상황이 발생하는 경우 하기할 은닉 해제부(204)로 은닉 해제 요청 신호를 전송하게 된다.When the situation corresponding to the hiding cancellation condition occurs, the
은닉 해제부(204)는 은닉 해제 요청 신호를 수신하는 경우 강사가 설정한 은닉 영역의 은닉 처리를 해제하는 기능을 수행한다.The
은닉 해제 요청 신호가 수신되는 경우 은닉 영역 전체의 은닉 처리가 해제될 수도 있으나, 전체 공개를 원하지 않는 강사가 존재할 수 있으므로 이러한 강사를 위해 은닉 해제선정파트(207)를 추가로 구비할 수 있다. 은닉 해제선정파트는 각각의 은닉 영역에 포함된 정보를 검색하여 강사가 은닉 해제 조건 정보를 지정하는데 사용한 정보와 일치하는 정보를 추출하여 해당 정보가 포함된 은닉 영역의 은닉 처리를 해제하는 기능을 갖는다. When the secret-release request signal is received, the concealment processing of the entire concealed area may be canceled. However, since there may be a lecturer who does not want to disclose the entire concealment, the
이러한 기능을 구현하기 위해 은닉 해제선정파트(207)는 복수의 은닉 영역에 포함된 정보를 은닉 영역 정보 DB에 영역별로 은닉 영역별 포함정보를 생성하여 저장하고 실시간으로 업데이트하는 은닉 영역 내 정보 수집수단(207a)과, 강사가 지정한 은닉 해제 조건 정보를 상기 은닉 영역 정보 DB에 저장된 정보와 비교하여 중복되는 정보를 검색하고 해당 정보가 포함된 은닉 영역의 은닉 처리를 해제하여 강사에게 표시하도록 영역별 은닉 해제 요청 신호를 생성하여 은닉 해제부(204)로 전송하는 표시선택 수단(207b)을 포함하여 구성된다. In order to implement this function, the
해제 상황 판단부(203)에서 설명한 예를 들면, 강사가 복수의 은닉 영역을 지정한 경우, 은닉 영역 정보 DB에 은닉 영역별로 포함된 정보를 실시간으로 업데이트하고, 강사가 은닉 해제 조건 정보로 학교 서버에서 설정한 n개의 조건(여기서, n는 3 이상) 및 해당 조건에 대한 텍스트에 대해 해당 강사가 매칭되는 것으로 지정하였을 때, 해당 상황이 발생하여 은닉 해제 요청 신호가 수신되는 경우 은닉 해제선정파트(207)의 표시선택 수단(207b)에서 은닉 영역 정보 DB에 수록된 정보 중 해당 조건으로 각각 검색하여 일치하는 정보를 1차로 도출한다. For example, when the instructor specifies a plurality of hidden areas, the information stored in the hidden area information DB is updated in real time in the hidden situation
이후 다시 이 조건에 대한 텍스트(text)들의 연계관계(위치, 문장관계 등)를 파악하여 최종적으로 강사의 은닉 해제 조건 정보에 포함된 데이터임을 검증하여 은닉 처리를 해제할 부분을 설정하고, 영역별 은닉 해제 요청 신호를 생성하는 것이다. 상기한 표시선택 수단의 동작방법에 대한 예시는 단순한 예제에 지나지 않으며, 일반적으로 빅데이터 분석 등에서 사용되는 텍스트 마이닝 방법이나 기타 다양한 검색 방법을 적용할 수 있음은 물론이다.Thereafter, the linkage of the texts (position, sentence relation, etc.) with respect to this condition is grasped to verify that the data is included in the hiding condition information of the lecturer, And generates a concealment request signal. The example of the operation method of the display selection means is merely an example, and it is needless to say that a text mining method and various other search methods generally used in big data analysis can be applied.
알림 발생부(205)는 은닉 해제 요청 신호가 발생하는 경우, 이를 감지하여 은닉 영역의 은닉 처리 해제 이전에 강사가 인식할 수 있도록 가청주파수의 안내정보를 강사 서버(PC 또는 스마트폰)를 통해 발생시키는 것이다. When the concealment cancellation request signal is generated, the
이 때, 안내정보는 단순한 기계음부터 호루라기 소리, 종소리, 나레이터 음성안내, 클래식 음악 등 일반적으로 사용되는 다양한 안내음이 포함될 수 있으며, 이를 통해 강사는 은닉 처리의 해제를 실시간으로 인식하여 특정 학교에 대한 강사로 선정될 수 있는 개연성을 확인하도록 한다. At this time, the guide information may include various general guide sounds such as a simple mechanical sound, a whistle sound, a bell sound, a narrative voice guide, a classical music, etc. Thus, the lecturer recognizes the release of the secret processing in real time, Identify the probabilities of being selected as instructors.
알림 발생부(205)에는 안내음성정보 발생파트를 추가로 구비할 수 있는 바, 은닉 해제 요청 신호가 발생한 경우 단순한 안내음이 아닌 강사가 은닉 해제 조건 정보로 입력한 내용을 음성신호로 강사에게 알림으로써 강사가 빠르고 정확하게 은닉 처리가 해제됨을 인식할 수 있도록 한다.The
맞춤 안내정보 생성부(206)는 알림 발생부(205)로부터 발생되는 안내정보의 주파수 대역을 제어하기 위해 강사가 인식할 수 있는 가청주파수 대역을 미리 파악하는 것으로서, 사람이 들을 수 있는 소리범위 즉 가청주파수 대역이 보통 10kHz에서 20kHz사이의 주파수 대역이라는 것에 착안한 것이다. 일반적으로 강사가 공공장소에서 위치할 수 있기 때문에 타인에게 안내신호의 발생으로 인한 피해를 방지하도록 강사 본인만 즉시 인식할 수 있는 정도의 최소 주파수의 소리로 알림신호를 발생시키기 위한 제어를 수행하는 것이다.The customized guide
구체적으로, 맞춤 안내정보 생성부(206)는 가청주파수 대역을 파악하기 위해 강사가 보유한 스피커 등의 음향출력 수단으로 음향을 출력하되 강사가 가청주파수 대역을 선택할 수 있도록 샘플 음향데이터를 저장한 샘플 음향데이터 DB로부터 각기 다른 가청주파수대별로 샘플 음향데이터를 출력하는 음향 예제 출력파트(206a)와, 출력된 샘플 음향데이터 중 강사로부터 하나 이상의 샘플 음향데이터를 선택받으면 맞춤 주파수 대역을 선정하는 음향 예제 선택파트(206b) 및, 맞춤 주파수 대역으로 상기 안내정보의 주파수 대역을 변환 및 저장하여 향후 출력될 안내정보의 가청주파수 대역을 설정하는 가청주파수 대역 설정파트(206c)로 구성된다. Specifically, the customized guide
음향 예제 출력파트(206a)를 더욱 상세하게 설명하면, 샘플 음향데이터 DB에 저장된 샘플 음향데이터(10kHz부터 20kHz까지의 주파수 대역 범위 내의 복수개의 샘플 음향 데이터)를 음향출력 수단을 통해 방출시키는 것이다. More specifically, the sound sample outputting part 206a emits sample sound data (a plurality of sample sound data within a frequency band from 10 kHz to 20 kHz) stored in the sample sound data DB through sound output means.
도 6은 본 발명의 은닉 처리 모듈의 프로세스를 도시한 순서도이다.6 is a flowchart showing the process of the concealment processing module of the present invention.
도 6을 참조하여 다시금 은닉 처리 모듈(200)을 설명하면, 은닉 영역 설정부(201)에서 강사로부터 은닉 처리될 은닉 영역을 입력받아 설정한다.Referring to FIG. 6, the hidden
해제 조건 설정부(202)에서는 강사로부터 은닉 해제 조건 정보를 입력받아 저장하며, 맞춤 안내정보 생성부(206)에서는 강사에게 샘플 음향데이터를 출력하여 강사로부터 선택된 샘플 음향데이터를 기준으로 안내정보의 가청주파수 대역을 변환 및 저장한다.The release
이후 은닉 해제 요청 신호가 발생하면, 알림 발생부(205)에서 강사에게 안내정보를 출력하여 강사로 하여금 은닉 영역의 은닉 처리가 해제될 것을 알리고, 은닉 해제부(204)에서 은닉 처리를 해제하여 학교 서버(20) 측에서 해당 강사의 실질적인 정보를 더욱 취득할 수 있도록 한다.When the hysteresis cancel request signal is generated, the
지금까지 설명한 바와 같이, 본 발명에 따른 학교 강사 매칭 시스템의 구성 및 작용을 상기 설명 및 도면에 표현하였지만 이는 예를 들어 설명한 것에 불과하여 본 발명의 사상이 상기 설명 및 도면에 한정되지 않으며, 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 다양한 변화 및 변경이 가능함은 물론이다.As described above, the configuration and operation of the school lecture matching system according to the present invention are described in the above description and drawings, but the present invention is not limited to the above description and drawings, It will be understood by those skilled in the art that various changes and modifications may be made without departing from the spirit of the invention.
1: 강사 데이터베이스 2: 학교 데이터베이스
3: 스케줄 데이터베이스 10: 강사 서버
20: 학교 서버 30: 시스템 서버
110: 회원 가입모듈 120: 분류 모듈
130: 강사 검증 모듈 131: 주관적 평가 처리부
131a: 계층분석 데이터베이스 131b: 계층분석 수치 산출수단
132: 객관적 평가 처리부 140: 스케줄 관리모듈
150: 매칭 모듈 151: 매칭 조건 설정부
152: 매칭 처리부 153: 매칭 절차 제공부
153a: 입찰 진행 파트 153b: 자동 매칭 파트
153c: 추천 파트 160: 강의 결정모듈
161: 수치 정보 제공부 161a: 주관적 수치 정보 생성 파트
161b: 주관적 수치정보 가공 파트 161c: 베이시안 분석 파트
161d: 중복 데이터 삭제 파트 170: 강사 PR 모듈
180: 강사 연결모듈 181: 강사 호출부
182: 강사 응답 대기부 190: 강사 대체 모듈
191: 순번 발생부 192: 강사 자발응답 대기부
193: 강사 강제 지정부 200: 은닉 처리모듈
201: 은닉 영역 설정부 202: 해제 조건 설정부
203: 해제 상황 판단부 204: 은닉 해제부
205: 알림 발생부 206: 맞춤 안내정보 생성부
206a: 음향 예제 출력파트 206b: 음향 예제 선택파트
206c: 가청주파수 대역 설정파트 207: 은닉 해제선정파트
207a: 은닉 영역 내 정보 수집수단 207b: 표시 선택수단1: Instructor Database 2: School Database
3: Schedule database 10: Lecturer server
20: School server 30: System server
110: Subscription module 120: Classification module
130: Lecturer verification module 131: Subjective evaluation processor
131a:
132: objective evaluation processing unit 140: schedule management module
150: matching module 151: matching condition setting unit
152: matching processor 153: matching procedure
153a: bid
153c: Recommendation Part 160: Lecture decision module
161: numerical
161b: Subjective numerical
161d: Delete duplicate data part 170: Lecturer PR module
180: lecturer connection module 181: lecturer call part
182: Lecturer response to donation 190: Lecturer replacement module
191: Sequence generation section 192: Lecturer spontaneous response standby section
193: instructor forcible administration part 200: secret processing module
201: hidden area setting unit 202: release condition setting unit
203: Release status determination unit 204:
205: notification generating unit 206: customized guide information generating unit
206a: Sound sample output part 206b: Sound sample selection part
206c: Setting the audible frequency band Part 207:
207a: Information in the hidden area collecting means 207b: Display selection means
Claims (11)
강사와 학교를 구분하여 회원 가입 처리하는 회원가입 모듈;
상기 강사와 학교를 강의의 세부 목적에 따라 분류하여 각각 강사 데이터베이스와 학교 데이터베이스로 저장하고 강사 소개 정보와 학교 소개 정보를 노출하는 분류 모듈;
상기 강사의 객관적인 평가항목을 입력받아 세부 지표로 구분하여 객관적 평가 정보를 생성하여 상기 강사 데이터베이스로 저장하는 객관적 평가 처리부를 구비한 강사 검증모듈;
상기 강사와 학교 각각을 통해 강의 조건을 입력받는 매칭 조건 설정부와, 상기 강의 조건을 비교하여 일치 여부에 따라 학교와 강사를 소개하는 매칭 처리부를 포함하는 매칭 모듈;
상기 매칭 처리부에서 소개된 적어도 하나 이상의 강사 및 학교를 선택하도록 하여 강의 진행을 결정하는 강의 결정모듈;
상기 강사로부터 상기 강사 소개 정보 중 은닉 처리할 정보를 선택하고 상기 은닉 처리할 정보가 포함된 강사 소개 정보 영역을 은닉 영역으로 설정하여 은닉 처리하는 은닉 영역 설정부와, 상기 강사로부터 은닉 해제 조건 정보를 입력받는 해제 조건 설정부 및, 상기 은닉 해제 조건 정보를 바탕으로 상기 은닉 영역에 대한 은닉 처리를 해제하여 노출시키는 은닉 해제부와, 상기 은닉 영역의 은닉 처리 해제 이전에 강사에게 안내 정보를 발생시키는 알림 발생부를 구비한, 은닉 처리모듈;을 포함하되,
상기 은닉 처리모듈은,
특정 주파수 대역 범위 내에서 서로 다른 주파수를 갖는 복수의 샘플 음향데이터를 저장한 샘플 음향데이터 DB로부터 샘플 음향데이터를 출력하는 음향 예제 출력파트와, 상기 강사로부터 하나 이상의 샘플 음향데이터를 선택받아 맞춤 주파수 대역을 선정하는 음향 예제 선택파트 및, 상기 안내정보를 상기 맞춤 주파수 대역으로 변환 및 저장하는 가청주파수 대역 설정파트로 구성된 맞춤 안내정보 생성부를 구비하고,
상기 알림 발생부는,
상기 맞춤 안내정보 생성부에서 저장된 맞춤 주파수 대역으로 상기 강사에게 상기 안내 정보를 출력하는 것을 특징으로 하는, 학교 강사 매칭 시스템.As a school lecturer matching system,
A membership subscription module for classifying a lecturer and a school and processing membership;
A class module for classifying the instructor and the school according to the detailed purpose of the lecture, storing the instructor database and the school database respectively, and exposing the teacher introduction information and the school introduction information;
An instructor verification module that receives an objective evaluation item of the instructor, divides the objective evaluation item into detailed indicators, and generates objective evaluation information and stores the objective evaluation information in the instructor database;
A matching condition setting unit that receives the lecture conditions through the lecturer and the school, and a matching processing unit that compares the lecture conditions and introduces the lecturers according to whether the lecture conditions match each other;
A lecture determining module for determining lecture progress by selecting at least one lecturer and a school introduced in the matching processor;
A hidden area setting unit for selecting information to be hidden from the instructor introduction information from the instructor and setting the instructor introduction information area including the information to be hidden processing as a hidden area for concealment processing; An unlock deciding unit for releasing and exposing the concealment processing for the concealed area based on the concealment decoupling condition information; and a notification for generating guidance information to the instructor before the concealment processing of the concealed area is canceled, And a concealment processing module having a generating unit,
Wherein the hidden processing module comprises:
An acoustic sample output part for outputting sample acoustic data from sample acoustic data DB storing a plurality of sample acoustic data having different frequencies within a specific frequency band range, And an audio frequency band setting part for converting and storing the guide information into the custom frequency band,
The notification generating unit may include:
And outputs the guidance information to the instructor in a custom frequency band stored in the customized guide information generator.
상기 강사 검증 모듈은,
상기 강사의 성향을 판단하는 기준이 되는 파라미터를 적어도 두 개 병합하여 쌍대비교를 하는 계층분석방식(Analytic Hierarchy Process)을 적용한 복수 개의 설문을 수록한 계층분석 데이터베이스와,
상기 계층분석 데이터베이스의 설문을 상기 강사가 강의를 수행하였던 학생 및 학교 중 어느 하나에 제공하여 설문 조사를 하는 설문제공부와,
상기 설문에 대한 응답을 통해 상기 강사의 성향에 대한 계층분석 수치를 생성하고 상기 계층분석 수치를 포함한 주관적 평가 정보를 생성하는 계층분석 수치 산출수단으로 이루어진 주관적 평가 처리부를 포함하는 것을 특징으로 하는, 학교 강사 매칭 시스템.The method according to claim 1,
The instructor verification module,
A hierarchical analysis database storing a plurality of questionnaires to which an analytic hierarchy process for merging at least two parameters as criteria for judging the tendency of the instructor and performing a pair comparison,
A questionnaire study in which a questionnaire of the hierarchical analysis database is provided to a student or a school where the lecturer has performed the lecture,
And a hierarchical analysis value calculation means for generating a hierarchical analysis value for the tendency of the instructor through a response to the questionnaire and generating subjective evaluation information including the hierarchical analysis value, Instructor Matching System.
상기 매칭 처리부는,
상기 학교의 강의 조건을 상기 강사의 강의 조건 및 해당 강사의 주관적 평가 정보 및 상기 객관적 평가 정보와 각각 비교 처리하여 일치 여부에 따라 제 1 강사에서 제 n 강사(n은 2 내지 5)를 선별하되,
상기 일치 여부는 일치값과 비일치값을 합산하여 분모로 설정하고 일치값을 분자로 설정하여 도출된 매칭율%이라는 수치로서 산출하는 기능을 포함하는 것을 특징으로 하는, 학교 강사 매칭 시스템.3. The method of claim 2,
The matching processing unit,
(N is 2 to 5) in the first lecturer according to whether or not the lecture condition of the school is matched with the lecture condition of the lecturer, the subjective evaluation information of the lecturer, and the objective evaluation information,
Wherein the matching includes calculating the sum of the matching value and the non-matching value as a denominator, and calculating the matched ratio as a numerical value derived by setting the matching value as a numerator.
상기 매칭 모듈은,
강사 내지 학교 중 어느 하나인 입찰자로 하여금 조건 항목을 포함한 입찰 공고를 업로딩하고 역시 학교 내지 강사 중 어느 하나인 모집자를 모집하여 입찰하고, 상기 매칭율%를 지정하여 지정된 매칭율%에 해당하는 적어도 하나 이상의 낙찰자를 매칭율%의 고저에 따라 순차적으로 선정하는 입찰 진행 파트를 구비한 매칭 절차 제공부를 추가로 포함하는 것을 특징으로 하는, 학교 강사 매칭 시스템.The method of claim 3,
The matching module includes:
A bidder who is either an instructor or a school uploads a bid notification including a condition item, and recruits a bidder who is either a school or a lecturer and bids the bidder, and specifies at least the matching rate% Further comprising a matching procedure providing unit having a bid progress part for sequentially selecting the winning bidder in accordance with the matching rate%.
상기 강의 결정모듈은,
상기 매칭 모듈에서 추출된 적어도 하나 이상의 강사에 대한 상기 주관적 평가 정보 중에서 수치로 고저로 표출되는 정보로 재구성한 주관적 수치 정보를 특정 시점 별로 생성하는 주관적 수치 정보 생성 파트와,
상기 주관적 수치 정보를 현재시점까지에 대한 전체 정보인 기 수치정보와 특정 시점으로부터 현재시점까지의 정보인 추가 수치정보로 가공하는 주관적 수치정보 가공 파트 및,
기 수치정보를 기초로 하여 추가 수치정보에 대한 특성을 파악하고 추가 수치정보의 특성을 베이시안 방법을 통한 정규 분포 곡선으로 전환한 가공수치정보를 생성하여 상기 학교에 제공하는 베이시안 분석 파트
를 구비한 수치 정보 제공부;를 추가로 포함하는 것을 특징으로 하는, 학교 강사 매칭 시스템.3. The method of claim 2,
The determination module of the above-
A subjective numerical information generating part for generating subjective numerical information reconstructed from the subjective evaluation information for at least one instructor extracted by the matching module,
A subjective numerical information processing part for processing the subjective numerical information into a numerical value information as whole information for a current time point and additional numerical information which is information from a specific time point to a current time point,
Based on the numerical information, the characteristic of the additional numerical information is grasped, and the processed numerical information obtained by converting the characteristic of the additional numerical information into the normal distribution curve through the Bayesian method is generated and provided to the school.
And a numerical information providing unit provided with the numerical information providing unit.
상기 수치 정보 제공부는,
상기 기 수치정보가 균등 분포가 되도록, 각 확률 변수와 관계된 상기 기 수치정보 중에서 중복된 데이터를 삭제하는 중복데이터삭제파트를 추가로 포함하는 것을 특징으로 하는, 학교 강사 매칭 시스템.6. The method of claim 5,
The numerical information providing unit,
Further comprising a duplicate data deletion part for deleting the redundant data from the ephemeris information related to each random variable so that the ephemeris information is evenly distributed.
상기 시스템은,
상기 강의 결정모듈과 연동되는 것으로, 상기 학교에서 강의를 진행하는 것으로 결정된 해당 강사에게 강의 결정 정보를 전송하는 강사 호출부와,
상기 강의 결정 정보를 전송한 이후 일정 시간동안 해당 강사의 강의 수락 정보의 전송 여부를 대기하는 강사 응답 대기부로 이루어진 강사 연결모듈;
상기 강의 수락 정보가 상기 학교로 전송되지 않을 시에 다른 강사를 대상으로 강의 결정을 처리하는 강사 대체모듈;을 추가로 포함하는 것을 특징으로 하는, 학교 강사 매칭 시스템.The method according to claim 1,
The system comprises:
A lecturer call part linked to the lecture decision module, for transmitting lecture decision information to a lecturer decided to lecture at the school,
And a lecturer response waiting unit for waiting for transmission of lecture acceptance information of the lecturer for a predetermined time after transmitting the lecture decision information.
And a lecturer replacement module for processing the lecture decision for another lecturer when the lecture acceptance information is not transmitted to the school.
상기 강사 대체모듈은,
상기 매칭 처리부에서 결정된 복수의 후순위 강사를 대상으로 강의 요청 메시지를 통보하여 강의 수락 의사 정보를 제일 먼저 학교에 전송한 강사에게 강의 결정 처리를 하는 강사 자발 응답 대기부를 포함하는 것을 특징으로 하는, 학교 강사 매칭 시스템.8. The method of claim 7,
The instructor replacement module,
And a lecturer spontaneous response waiting unit for notifying a lecture request message to a plurality of subordinate lecturers determined by the matching processing unit and making a lecture decision process to a lecturer who first transmits lecture acceptance intention information to a school, Matching system.
상기 은닉 해제부는,
상기 은닉 영역에 포함된 정보를 은닉 영역 정보 DB에 은닉 영역별로 저장한 은닉 영역별 포함정보를 생성하여 실시간으로 업데이트하는 은닉 영역 내 정보 수집수단과,
은닉 해제 요청 신호 수신 시, 상기 은닉 해제 조건 정보와 상기 은닉 영역별 포함정보의 일치 여부를 확인하고 일치 시 해당 은닉 영역의 은닉 처리를 해제하도록 영역별 은닉 해제 요청 신호를 생성하는 표시선택 수단
으로 구성되는, 은닉 해제 선정파트를 추가로 포함하는 것을 특징으로 하는, 학교 강사 매칭 시스템.
The method according to claim 1,
The hysteresis canceling unit,
A hidden area information collecting unit for generating and updating in real time the inclusion information for each hidden area in which the information included in the hidden area is stored for each hidden area in the hidden area information DB;
A display selecting means for checking whether or not the concealment release condition information and the inclusion information for each concealment area match with each other and generating a concealment release request signal for releasing the concealment process for the concealment area when the concealment release request signal is received,
≪ / RTI > further comprising an unscrambling selection part, wherein the unscrambling selection part is configured to:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160081168A KR101826533B1 (en) | 2016-06-28 | 2016-06-28 | Matching system for instructor in school |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160081168A KR101826533B1 (en) | 2016-06-28 | 2016-06-28 | Matching system for instructor in school |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180001972A KR20180001972A (en) | 2018-01-05 |
| KR101826533B1 true KR101826533B1 (en) | 2018-03-22 |
Family
ID=61001729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160081168A KR101826533B1 (en) | 2016-06-28 | 2016-06-28 | Matching system for instructor in school |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101826533B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102519461B1 (en) | 2022-10-28 | 2023-04-10 | 주식회사 어썸스쿨 | Instructor matching system through instructor training based on educational learning achievement rate |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109255522A (en) * | 2018-08-14 | 2019-01-22 | 殷肇良 | A kind of user management method |
| KR102004188B1 (en) * | 2018-10-24 | 2019-07-26 | 행복한성공컨설팅 주식회사 | Apparatus for proving of lecture service using big data |
| KR102211070B1 (en) * | 2018-12-21 | 2021-02-02 | 가톨릭대학교 산학협력단 | System for enterprise selection decision-making using analytic hierarchy process and method thereof |
| CN111860033A (en) * | 2019-04-24 | 2020-10-30 | 北京三好互动教育科技有限公司 | Attention recognition method and device |
| KR102072478B1 (en) * | 2019-05-21 | 2020-02-03 | 주식회사 타임리 | System and method for matching service of part time teacher |
| KR102262096B1 (en) * | 2019-09-02 | 2021-06-08 | 주식회사 에듀솔루션플러스 | Method and apparatus for mediating after-school activities based on big data and deep learning |
| KR102335261B1 (en) * | 2019-11-20 | 2021-12-07 | 디에스글로벌(주) | Manufacturing method midia for nail sticker |
| KR102313806B1 (en) * | 2019-11-19 | 2021-10-19 | 디에스글로벌(주) | Midia for nail sticker |
| KR102313808B1 (en) * | 2019-11-19 | 2021-10-19 | 디에스글로벌(주) | Midia for nail sticker |
| KR102313807B1 (en) * | 2019-11-19 | 2021-10-19 | 디에스글로벌(주) | Midia for nail sticker |
| KR102203048B1 (en) * | 2019-11-20 | 2021-01-14 | 곽제일 | Method for recommending education program in education service based on the simirality and system thereof |
| KR102312214B1 (en) * | 2020-04-28 | 2021-10-13 | 서정호 | Vr education system |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010026963A (en) * | 2008-07-24 | 2010-02-04 | Casio Comput Co Ltd | Schedule management device and schedule management program |
| JP2015191487A (en) * | 2014-03-28 | 2015-11-02 | 株式会社日立ソリューションズ | presentation server and mobile terminal |
| KR101628968B1 (en) * | 2015-07-29 | 2016-06-09 | 김재현 | Method for providing lecturer brokerage service |
-
2016
- 2016-06-28 KR KR1020160081168A patent/KR101826533B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010026963A (en) * | 2008-07-24 | 2010-02-04 | Casio Comput Co Ltd | Schedule management device and schedule management program |
| JP2015191487A (en) * | 2014-03-28 | 2015-11-02 | 株式会社日立ソリューションズ | presentation server and mobile terminal |
| KR101628968B1 (en) * | 2015-07-29 | 2016-06-09 | 김재현 | Method for providing lecturer brokerage service |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102519461B1 (en) | 2022-10-28 | 2023-04-10 | 주식회사 어썸스쿨 | Instructor matching system through instructor training based on educational learning achievement rate |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20180001972A (en) | 2018-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101826533B1 (en) | Matching system for instructor in school | |
| Timming | The effect of foreign accent on employability: A study of the aural dimensions of aesthetic labour in customer-facing and non-customer-facing jobs | |
| Woods et al. | School choice and competition: Markets in the public interest? | |
| Souto-Otero et al. | From governing through data to governmentality through data: Artefacts, strategies and the digital turn | |
| Olaniran | Social skills acquisition: A closer look at foreign students on college campuses and factors influencing their level of social difficulty in social situations | |
| Castaneda et al. | Is it possible to share tacit knowledge using information and communication technology tools? | |
| Beckwith et al. | Beyond tokenism: People with complex needs in leadership roles: A review of the literature | |
| Diedrich | ‘Who’s giving us the answers?’Interpreters and the validation of prior foreign learning | |
| Krupar et al. | Does nonformal education matter? Nonformal education, immigration, and skills in Canada | |
| Chermack et al. | Drivers and outcomes of scenario planning: a canonical correlation analysis | |
| Joanne Chan et al. | The indirect effects of Self‐Esteem and future work self on career adaptability factors: A study of chinese undergraduate students | |
| Sloan et al. | Algorithms and human freedom | |
| Collins et al. | Children’s rights to participation and protection: Examining Child and Youth Care College Curricula in Ontario | |
| Ortega‐Ochoa et al. | Empathic pedagogical conversational agents: a systematic literature review | |
| Bisson | Encountering Algorithms: An Investigation of Algorithmic Literacy Among Undergraduate Students | |
| Sunaryono et al. | Enhanced Salp Swarm Algorithm Based On Convolutional Neural Network Optimization For Automatic Epilepsy Detection | |
| Harirchian et al. | AI-enabled exploration of Instagram profiles predicts soft skills and personality traits to empower hiring decisions | |
| Hinsley | Cued up: How audience demographics influence reliance on news cues, confirmation bias and confidence in identifying misinformation | |
| Ruswa | Multi-dimensional student poverty at a South African university: A capabilities approach | |
| Delmont | The Lived Experiences of Women in the Information Technology Field as they Transition from One Leadership Level to the Next: A Phenomenological Study | |
| Teresa Brower et al. | Opportunity Structures for Student Activism, Diversity, and Institutional Change | |
| McCarthy | Cross-Project Knowledge Transfer Succession Planning for Family-Owned Businesses | |
| Herman | A performance management approach for provincial office-based educators | |
| Grobbink et al. | Combining crowds and machines | |
| Sammons | Our right to know: How campus police chiefs experience the Clery Act |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |