KR102186494B1 - 대학의 통합적 성과 관리와 개인 맞춤형 학생 지원을 위한 적응적 빅데이터 분석 방법 및 시스템 - Google Patents
대학의 통합적 성과 관리와 개인 맞춤형 학생 지원을 위한 적응적 빅데이터 분석 방법 및 시스템 Download PDFInfo
- Publication number
- KR102186494B1 KR102186494B1 KR1020200027953A KR20200027953A KR102186494B1 KR 102186494 B1 KR102186494 B1 KR 102186494B1 KR 1020200027953 A KR1020200027953 A KR 1020200027953A KR 20200027953 A KR20200027953 A KR 20200027953A KR 102186494 B1 KR102186494 B1 KR 102186494B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- university
- report
- analysis
- mart
- Prior art date
Links
- 238000007405 data analysis Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000013461 design Methods 0.000 claims abstract description 38
- 230000007774 longterm Effects 0.000 claims abstract description 33
- 238000013075 data extraction Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 238000011161 development Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 230000007115 recruitment Effects 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 claims 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 abstract description 45
- 230000006872 improvement Effects 0.000 abstract description 6
- 238000013499 data model Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 25
- 238000005516 engineering process Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 238000013501 data transformation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000007790 scraping Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 208000005809 status epilepticus Diseases 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012800 visualization Methods 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2291—User-Defined Types; Storage management thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
- G06F16/287—Visualization; Browsing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 대학 중장기발전계획과 각종 재정지원사업의 예·결산 및 성과를 연계시켜 관리할 수 있는 적응적인 데이터 모델 및 방법을 통해 대학의 성과를 상시적·종합적으로 관리할 수 있도록 하고, 학생패널 데이터에 대한 빅데이터 분석 모형 적용을 통한 맞춤형 학생지원 프로그램 개발과 대학 핵심성과지표 향상을 위한 정책을 개발할 수 있도록 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 모델과 시스템에 관한 것이다. 이를 위해, 본 발명은 대학 운영계 DB, 문서파일, 인터넷/SNS 데이터 등으로 구성된 원천데이터 DB(110)로부터 데이터를 추출하고 변환하여 데이터마트 DB(140)에 적재하는 원천데이터 추출/변환/적재모듈(120)과, 데이터마트 DB(140)를 설계하는 데이터설계모듈(130)과, 데이터마트 DB(140)로부터 성과관리를 위한 각종 지표현황 분석결과를 담은 장표를 생성하는 장표생성모듈(150)과, 데이터마트 DB(140)의 데이터에 대해서 빅데이터 분석기법을 적용하여 의미 있는 분석결과를 도출하는 빅데이터분석모듈(160)과, 장표와 빅데이터 분석결과를 바탕으로 리포트를 자동 생성하는 리포트생성모듈(170)을 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템을 제공한다.
Description
본 발명은 대학의 통합적 성과 관리와 개인 맞춤형 학생 지원을 위한 적응적 빅데이터 분석 방법 및 시스템에 관한 것으로, 더욱 상세하게는 대학 중장기 발전계획과 각종 재정지원사업의 예·결산 및 성과를 연계시켜 관리할 수 있는 적응적인 빅데이터 모델을 통해 대학의 성과를 상시적·종합적으로 관리할 수 있도록 하고, 학생패널 데이터에 대한 빅데이터 분석 모형 적용을 통한 맞춤형 학생지원 프로그램 개발과 대학 핵심성과지표 향상을 위한 정책을 개발할 수 있도록 하는 대학의 통합적 성과 관리와 개인 맞춤형 학생 지원을 위한 빅데이터 분석 방법 및 시스템에 관한 것이다.
대학은 일반적으로 대학중장기발전계획을 수립하고 이에 근거하여 대학을 운영하고 성과를 관리한다. 대학중장기발전계획은 비전과 목표, 실행 전략과 과제로 구성되며, 각 실행과제에는 예산과 성과지표(performance index)가 포함되어 있고, 실행과제 별로 책임부서를 정하여 과제를 실행하고 예·결산을 관리하며 미리 설정된 연계 성과지표의 목표 값 대비 달성 값을 측정을 통해 정량적인 성과를 산출한다.
대학은 자체적으로 수립한 대학중장기발전계획의 실행과제 외에도 경쟁을 통해 선정된 재정지원사업을 수행하는데, 대학 재정지원사업은 일반적으로 사업 자체의 목적이 뚜렷하고 대학중장기발전계획과 사업목적의 연계성 제시를 요구하며, 사업의 성과를 측정하기 위한 성과지표를 제시하고 이를 달성할 수 있는 방안을 확인한다.
그러므로 대학중장기발전계획과 재정지원사업은 별개의 사안이 아니라 내용적으로 서로 연계되어 있는 것이며, 이를 추진하기 위한 예산과 추진 결과로 얻는 성과 또한 연계되어 있으므로 효과적인 예산 및 성과의 관리를 위해서는 통합적인 관리가 필수적이다.
하지만 대부분의 대학들은 중장기발전계획의 실행과제와 재정지원사업을 별개의 사안으로 인식하거나 추상적 연계 인식 수준에 머물러 있어서 내용 상 연계되어 있는 과제와 사업을 중복적으로 추진하는 비효율이 있을 수 있는데, 그 일례로서 A부서가 추진하는 a실행과제와 B부서가 추진하는 b사업이 서로 내용적으로 연계되어 있으나 A부서와 B부서가 이를 인식하지 못한다면 대학의 관점에서는 a실행과제와 b사업이 중복적으로 추진되는 문제가 발생하게 된다.
또한, 투입지표인 예산과 산출지표인 성과지표를 함께 고려하지 못하고 성과지표 목표 값의 달성정도를 가지고 과제나 사업의 성공 여부를 판단하는 경향이 있는데, 한정된 예산을 가지고 수십 내지 수백 개의 과제나 사업의 성과목표를 골고루 달성하려면 예산의 적절한 분배와 비용효과적인 성과 달성이 중요하지만 이를 간과하여 특정 부문으로 성과가 집중되는 문제가 발생할 수 있다.
대학들은 학생들에게 개인정보 활용 동의하에 각종 조사나 진단을 통해서 기본 신상정보 외에도 학습능력, 심리상태, 수요도, 만족도 등 다양한 특성정보 즉, 학생패널 데이터를 수집하여 교육과정과 학생지원 프로그램의 개발이나 개선에 활용한다.
교육과정과 학생지원 프로그램의 성공적인 운영 여부는 충원율, 취업률 등 학생 관련한 대학의 핵심성과지표에 직접적으로 영향을 미치게 되는데, 이러한 핵심성과지표는 대학의 경쟁력을 측정하는 주요 기준으로서 각종 대학 평가에 중대한 영향을 미친다.
그리고 학생들마다 역량이나 의지, 환경 등이 다르기 때문에 충원율, 취업률 향상을 위한 학생지원은 각 학생들의 상황에 맞게 개인화된 맞춤형으로 전개되어야 효과적이며, 이를 위해서는 학생패널 데이터 분석을 통해 학생의 특성을 파악하고 그에 맞는 학생지원 프로그램을 개발하고 시행해야 한다.
하지만 대부분의 대학들은 학업지속여부나 취업성공여부와 학생들의 특성정보를 연계시켜 인과관계를 찾아내는 분석 모델과 방법을 확보하지 못하고 있으며 지표에 대한 대학이나 학과 단위의 현황 통계 데이터를 가지고 대책 마련을 하는 실정인데, 이는 대학이나 학과 단위 분석 결과로서의 의미는 있으나 이것만 가지고는 같은 학과의 학생이라도 학생의 특성에 맞게 지원 프로그램을 달리하는 개인맞춤형 학생지원 정책을 펴기에는 한계가 있다.
종래의 등록특허번호 제10-1996382호(등록일 2019년 06월 28일) 빅데이터를 이용한 플랫폼 기반 대학 정보 데이터 분석 시스템은 대학에서 발생하는 다양한 정보를 분석할 수 있도록 플랫폼을 기반으로 한 데이터 변환, 수집 및 분석을 할 수 있도록 성과지표를 등록하거나 삭제, 수정, 검색 및 각종 인증 프로세스 설정 등의 기능을 수행하는 핵심(Core) API를 통한 신규시스템 구축과 시스템 구축에 따른 대학의 성과분석 이력단절 문제를 극복하기 위한 업무프로세스 표준화를 특징으로 한다.
하지만 이는 성과지표와 프로세스에 대한 시스템적 관리와 표준화, 정규화를 통한 이기종 시스템 간의 데이터 통합에 관련된 사안에 초점을 맞춘 것으로 통합적 성과관리나 개인맞춤형 학생지원을 위한 데이터 모델에 대한 제시가 없는 문제가 있고, 데이터 모델에 근거하여 분석결과를 도출하기 위한 구체적인 방법을 제시하는데 한계가 있다.
개인맞춤형 지원 기술의 일례로서, 등록특허번호 제10-2046411호(등록일 2019년 11월 13일)에는 멀티미디어 콘텐츠에 대한 사용자의 재생 로그를 이용하여 개인화 된 플레이리스트를 구성하는 기술이 개시되어 있으며, 공개특허공보 제10-2018-0121466호(공개일 2018년 11월 07일)에는 딥러닝을 활용한 개인화 상품 추천 기술이 개시되어 있다.
하지만 이는 빅데이터 분석 기술을 활용한 개인맞춤형 지원 기술이라는 측면에서 본 발명과 유사성이 있으나 기술 적용 대상 분야가 엄연히 구별되고 이에 따라 분석 모델과 방법에 있어서도 차이가 있으며, 대학 기관에서 학생 수요조사 또는 대학의 필요에 따른 정책을 반영한 학생지원 프로그램의 개발은 일반적으로 이루어지고 있으나 개인맞춤형 학생지원 프로그램 개발을 위해 학생패널 데이터에 대한 분석 모델과 방법을 제시하지는 못하고 있다.
상기한 문제를 해결하기 위해 본 발명에서는 대학 중장기발전계획과 각종 재정지원사업의 예·결산 및 성과를 연계시켜 관리할 수 있는 적응적인 데이터 모델 및 방법을 통해 대학의 성과를 상시적·종합적으로 관리할 수 있게 하고, 학생패널 데이터에 대한 빅데이터 분석을 통해 맞춤형 학생지원 프로그램 개발 및 대학 핵심성과지표 향상을 위한 정책을 개발할 수 있게 하는 것을 목적으로 한다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상술한 목적을 달성하기 위한 본 발명의 특징에 의하면, 본 발명은 대학 운영계 DB, 문서파일, 인터넷/SNS 데이터 등으로 구성된 원천데이터 DB(110)로부터 데이터를 추출하고 변환하여 데이터마트 DB(140)에 적재하는 원천데이터 추출/변환/적재모듈(120)과, 데이터마트 DB(140)를 설계하는 데이터설계모듈(130)과, 데이터마트 DB(140)로부터 성과관리를 위한 각종 지표현황 분석결과를 담은 장표를 생성하는 장표생성모듈(150)과, 데이터마트 DB(140)의 데이터에 대해서 빅데이터 분석기법을 적용하여 의미 있는 분석결과를 도출하는 빅데이터분석모듈(160)과, 장표와 빅데이터 분석결과를 바탕으로 리포트를 자동 생성하는 리포트생성모듈(170)을 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템을 제공한다.
또한, 본 발명은 대학 운영계 DB, 문서파일, 인터넷/SNS 데이터 등으로 구성된 원천데이터 DB(110)로부터 데이터를 추출하고 변환하여 데이터마트 DB에 적재하는 단계와, 데이터마트 DB를 설계하는 단계와, 데이터마트 DB로부터 성과관리를 위한 각종 지표현황 분석결과를 담은 장표를 생성하는 단계와, 데이터마트 DB의 데이터에 대해서 빅데이터 분석기법을 적용하여 의미 있는 분석결과를 도출하는 단계와, 장표와 빅데이터 분석결과를 바탕으로 리포트를 자동 생성하는 단계를 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 방법을 제공한다.
본 발명은 대학 중장기발전계획과 각종 재정지원사업 추진과 관련된 대학의 예·결산 및 성과를 통합적으로 관리하여 예산의 중복 투자를 방지하고 추진 성과에 대하여 상시적이면서도 종합적인 모니터링을 가능하게 하여 대학 운영의 각 부문에서의 고른 성과 창출을 통해 대학 경쟁력 제고를 도울 수 있으며, 학생패널 데이터에 대한 빅데이터 분석을 통해 개인맞춤형 학생지원 프로그램 개발과 개선이 가능하도록 하여 충원율, 취업률 등 대학의 핵심성과지표를 향상시킬 수 있다.
도 1은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 빅데이터 분석 시스템의 구성도;
도 2는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 빅데이터 분석 시스템의 원천데이터 구성도;
도 3은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 빅데이터 분석 시스템의 원천데이터 추출/변환/적재 모듈 구성도;
도 4는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 데이터설계 모듈 구성도;
도 5는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 대학중장기 발전계획과 재정지원사업 예산 및 성과관리 데이터마트 예시도;
도 6은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 핵심성과지표와 학생패널 데이터마트 예시도;
도 7은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 인터넷/SNS 텍스트 데이터마트 예시도;
도 8은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 장표생성모듈 구성도;
도 9는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 장표 예시도;
도 10은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 빅데이터생성모듈 구성도;
도 11은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 빅데이터분석결과 예시도;
도 12는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 리포트생성모듈 구성도;
도 13은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 리포트 예시도이다.
도 2는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 빅데이터 분석 시스템의 원천데이터 구성도;
도 3은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 빅데이터 분석 시스템의 원천데이터 추출/변환/적재 모듈 구성도;
도 4는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 데이터설계 모듈 구성도;
도 5는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 대학중장기 발전계획과 재정지원사업 예산 및 성과관리 데이터마트 예시도;
도 6은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 핵심성과지표와 학생패널 데이터마트 예시도;
도 7은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 인터넷/SNS 텍스트 데이터마트 예시도;
도 8은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 장표생성모듈 구성도;
도 9는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 장표 예시도;
도 10은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 빅데이터생성모듈 구성도;
도 11은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 빅데이터분석결과 예시도;
도 12는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 리포트생성모듈 구성도;
도 13은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 리포트 예시도이다.
본 발명을 충분히 이해하기 위해서 본 발명의 바람직한 실시예를 첨부된 도 1 내지 도 13에 의거하여 상세히 설명한다.
본 발명의 실시예는 여러 가지 형태로 변형될 수 있으며, 본 발명의 범위가 아래에서 상세히 설명하는 실시예로 한정되는 것으로 해석되어서는 안 된다. 본 실시예는 당업계에서 통상적인 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위하여 제공되는 것이다.
한편, 도면과 상세한 설명에서 웹스크래핑, 텍스트 마이닝, ERD, 군집 등과 같이 이 분야의 종사자들이 용이하게 알 수 있는 구성 및 작용에 대한 도시 및 언급은 간략히 하거나 생략하였다.
특히, 도면의 도시 및 상세한 설명에 있어서 본 발명의 기술적 특징과 직접적으로 연관되지 않는 요소의 구체적인 기술적 구성 및 작용에 대한 상세한 설명 및 도시는 생략하고, 본 발명과 관련되는 기술적 구성만을 간략하게 도시하거나 설명하였다.
아래에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 수 있다.
도 1은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 빅데이터 분석 시스템의 구성도이다.
도 1에 도시된 바와 같이, 빅데이터 분석 시스템(100)은 원천데이터추출/변환/적재모듈(120), 데이터설계모듈(130), 장표생성모듈(150), 빅데이터분석모듈(160), 리포트생성모듈(170)을 포함하는 구성으로 이루어지며, 원천데이터 DB(110)와 데이터마트 DB(140)를 활용한다.
빅데이터 분석 시스템(100)은 대학의 요구사항에 따라 데이터마트를 적응적으로 설계하고 대학이 기보유한 데이터 또는 인터넷/SNS 상에 공개된 데이터를 수집하여 데이터마트를 구축하고, 이를 기반으로 대학 중장기발전계획과 각종 재정지원사업과 관련된 대학의 예산과 추진 성과를 통합적으로 관리하여 효과적으로 재정 및 성과를 관리할 수 있도록 하고, 학생패널 데이터 및 인터넷/SNS에 공개된 대학관련 데이터에 대한 빅데이터 분석을 수행하여 개인맞춤형 학생지원 프로그램의 개발과 개선이 가능하도록 하며, 이에 대한 리포트를 설계, 생성, 저장/출력하여 빅데이터 분석의 결과가 대학 대내외에 효과적으로 유통되고 전파될 수 있도록 한다.
도 2는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 빅데이터 분석 시스템의 원천데이터 구성도이다.
도 2에 도시된 바와 같이, 원천데이터 DB(110)는 운영계DB(111), 문서파일(112), 인터넷/SNS텍스트(113)를 포함하는 구성으로 이루어진다. 원천데이터 DB(110)에는 대학이 기보유한 각종 운영계 DB와 엑셀 등 파일 형식으로 관리되고 있는 데이터 등 대학 내부 데이터와 인터넷 사이트, SNS에 공개되어 있는 각종 텍스트 등 대학 외부 데이터가 포함된다.
운영계DB(111)는 대학이 보유하고 있는 각종 DB로서 학사, 재정, 인사, 학생지원 등의 정형적인 업무 데이터를 저장하고 있으며, 하나의 통합DB에서부터 수 개의 업무별 DB까지 존재 형태는 대학마다 상이하다.
문서파일(112)은 DB화 되지 못하고 부서별로 파일 형태로 관리되는 데이터로서 DB 구축 후에 발생한 신규업무나 개선업무 데이터가 기존 DB 구조에 수용될 수 없는 경우에 존재하며, 스프레드시트, 워드, 프레젠테이션 문서 등 다양한 형태로 존재할 수 있다.
인터넷/SNS텍스트(113)는 인터넷 사이트나 SNS에 공개되어 웹스크래핑(web scrapping)이 가능한 텍스트로서, 대학이나 학생 관련 텍스트를 수집하여 텍스트 마이닝(text mining)을 통해 대학의 평판이나 학생 관심사를 분석하는데 활용될 수 있다.
도 3은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 빅데이터 분석 시스템의 원천데이터 추출/변환/적재 모듈 구성도이다.
도 3에 도시된 바와 같이, 원천데이터추출/변환/적재모듈(120)은 데이터추출부(121), 데이터변환부(122), 데이터적재부(123)를 포함하는 구성으로 이루어진다.
원천데이터추출/변환/적재모듈(120)은 기본적으로 운영계DB(OLTP: online transaction processing)에서 분석계DB(DW: Data Warehouse)로 데이터를 주기적으로 이관하는 ETL(Extraction/Transformation/Loading) 프로세스를 준용하지만, 파일 데이터 이관과 웹스크래핑을 위한 별도의 이관 프로세스를 추가적으로 제공한다.
데이터추출부(121)는 원천데이터로부터 데이터마트에 필요한 대상 데이터를 지정하여 SQL, 파일처리 프로그램, 웹스크래핑 프로그램을 통해 추출한다.
데이터변환부(122)는 원천데이터로부터 추출된 데이터를 데이터마트의 데이터 구조와 포맷에 맞게 가공한다.
데이터적재부(123)는 원천데이터로부터 추출되어 변환된 데이터를 데이터마트에 삽입한다.
도 4는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 데이터설계 모듈 구성도이다.
도 4에 도시된 바와 같이, 데이터설계모듈(130)은 요구사항분석부(131), 공통코드정의부(132), 데이터설계도생성변경부(133), 데이터설계도반영부(134)를 포함하는 구성으로 이루어진다.
데이터설계모듈(130)은 대학 측으로부터 요구사항을 받아 무슨 데이터가 어떤 구조로 필요한지 분석하고 코드성 데이터에 대한 공통코드를 정의하여 데이터를 설계하고, 이를 바탕으로 데이터마트 구조를 생성한다.
데이터설계모듈(130)은 요구사항이 추가되거나 변경될 시에 이를 반영하도록 데이터설계도를 변경할 수 있고, 변경된 데이터설계도를 데이터마트 DB에 즉시 반영하여 적응적(adaptive)으로 데이터마트 DB가 운영/관리되도록 한다.
요구사항분석부(131)는 대학 측으로부터 요구사항을 받아 무슨 데이터가 어떤 구조로 필요한지 분석하고, 요구사항이 제대로 반영되었는지 추적 관리하며, 요구사항 변경을 관리한다.
공통코드정의부(132)는 코드로 관리할 필요가 있는 코드성 데이터를 분류하여 공통코드를 정의하고 관리한다.
데이터설계도생성변경부(133)는 분석된 요구사항과 정의된 공통코드를 기반으로 데이터를 설계하여 데이터설계도를 생성하고, 요구사항 변경 시에 데이터설계도를 수정한다.
데이터설계도반영부(134)는 데이터설계도에 따라 데이터마트 DB 구조를 생성하고, 설계 변경 시에 데이터마트 DB 구조를 재생성하며, 기존 데이터마트 DB의 데이터를 변경 데이터마트 DB에 이관한다.
도 5는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 대학중장기 발전계획과 재정지원사업 예산 및 성과관리 데이터마트 DB 예시도이다.
도 5는 데이터마트 ERD(Entity-Relationship Diagram) 예시(141)로서, 공통코드 관련 엔터티, 중장기발전계획 관련 엔터티, 재정지원사업 관련 엔터티, 성과지표 관련 엔터티, 조직 관련 엔터티로 구성된다.
공통코드 관련 엔터티는 (공통코드, 코드분류) 엔터티이고, 중장기발전계획 관련 엔터티는 (발전전략, 전략과제, 실행과제, 태스크, 발전계획 예·결산) 엔터티이고, 재정지원사업 관련 엔터티는 (사업, 프로그램, 세부프로그램, 활동, 사업 예·결산) 엔터티이고, 성과지표 관련 엔터티는 (성과지표, 중장기사업 성과지표 연관, 성과지표 현재 값 상세, 성과지표 계획현황, 성과지표 목표 값 상세, 성과지표계획달성현황, 성과지표 달성 값 상세) 엔터티이며, 조직 관련 엔터티는 (부서, 교직원) 엔터티이다.
141a는 중장기발전계획 태스크와 재정지원사업 활동이 (일대다) 관계로 연관되어 있음을 나타내며, 재정지원사업의 가장 하부 단위인 활동이 중장기발전계획의 가장 하부 단위인 태스크와 반드시 연관되므로 재정지원사업과 중장기발전계획의 예산과 성과가 통합적으로 관리되도록 하는 데이터 연계성을 제공한다.
141b1은 중장기발전계획의 태스크별 예·결산 데이터를 관리하고 141b2는 재정지원사업의 활동별 예·결산 데이터를 관리하는데, 141b2의 재정지원사업 활동은 141a에 근거하여 중장기발전계획 태스크와 반드시 연계되므로 재정지원사업과 중장기발전계획 예·결산은 통합적으로 관리될 수 있다. 그럼에도 불구하고, 141b1을 별도로 둔 이유는 재정지원사업과 연계되지 않은 중장기발전계획 태스크는 존재할 수 있으며 이는 141b1에서 관리되어야하기 때문이다.
141c는 성과지표와 중장기발전계획/재정지원사업과의 연관성을 나타내는데, 재정지원사업 프로그램, 재정지원사업 세부프로그램, 성과지표는 중장기발전계획 실행과제 중 하나와 연관됨을 표시한다. 엔터티 명에 Copy가 들어 있는 엔터티(회색바탕)는 복제 엔터티로서 다이어그램 표현상의 편의성을 고려한 것으로 원래의 엔터티와 동일한 엔터티이다.
도 6은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 핵심성과지표와 학생패널 데이터마트 DB 예시도이다.
도 6은 데이터마트 ERD(Entity-Relationship Diagram) 예시(142)로서, 공통코드 관련 엔터티, 대학핵심성과지표 관련 엔터티, 학생패널 관련 엔터티로 구성된다. 공통코드 관련 엔터티는 (공통코드, 코드분류) 엔터티이고, 대학핵심성과지표 관련 엔터티는 (학과, 입시현황, 취업현황, 재학생충원현황, 휴학자퇴현황) 엔터티이고, 학생패널 관련 엔터티는 (학적, 휴학자퇴, 장학금수혜, 선수학습능력, 선수학습능력상세, 대학생활 적응, 심리적 안정, 학생프로그램수요) 엔터티이다.
142a는 신입생충원율, 취업률, 재학생충원율 등 대학핵심성과지표를 관리하기 위한 엔터티들로서, 학과별로 핵심성과지표 현황을 관리하며 이것을 종합하여 대학 전체의 핵심성과지표를 관리한다.
142b는 학생 개개인의 패널데이터를 관리하는 엔터티들로서, 학적을 기본 엔터티로 하여 휴학자퇴 여부, 대학생활 적응정도, 장학금수혜 현황, 프로그램 수요도 등을 관리하는데 분석 목적이나 주제에 따라 패널데이터의 구성은 다르게 가져갈 수 있다.
도 7은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 인터넷/SNS 텍스트 데이터마트 DB 예시도이다.
도 7은 데이터마트 ERD(Entity-Relationship Diagram) 예시(143)로서, 공통코드 엔터티, 인터넷SNS사이트 엔터티, 게시 글 엔터티로 구성된다.
도 7은 인터넷/SNS 사이트를 대상으로 데이터수집 대상을 지정하여 인터넷SNS사이트 엔터티에 사이트정보를 저장하고 지정된 사이트를 대상으로 대학이나 학생 관련 게시 글을 주기적으로 웹스크래핑 하여 게시 글 엔터티에 저장한다.
도 8은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 장표생성모듈 구성도이다.
도 8에 도시된 바와 같이, 장표생성모듈(150)은 장표설계부(151), 장표생성부(152)를 포함하는 구성으로 이루어진다.
장표생성모듈(150)은 데이터마트로부터 관련된 데이터를 읽어 들여 장표설계부에서 설계된 장표 포맷에 따라 읽어 들인 데이터를 가공하여 장표를 생성하고 이를 리포트생성모듈(170)로 보내어 최종 분석리포트를 생성한다.
장표설계부(151)는 장표의 포맷을 설계한다. 그리고 장표생성부(122)는 장표설계부(151)에서 설계된 장표의 포맷에 따라 장표를 생성한다.
도 9는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 장표 예시도이다.
도 9는 장표 예시로서, 중장기발전계획의 실행과제 별 태스크 별 예산이 자체예산(교비)을 포함하여 재정지원사업 별로 어떻게 구성되어있는지를 보여준다.
도 10은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 빅데이터생성모듈 구성도이다.
도 10에 도시된 바와 같이, 빅데이터분석모듈(160)은 분석모형설정부(161), 데이터 전처리부(162), 데이터분석부(163), 분석결과 해석부(164)를 포함하는 구성으로 이루어진다.
빅데이터분석모듈(160)은 분석모형을 설정하고 분석모형에 따라 데이터마트로부터 분석에 필요한 데이터를 읽어 들여 데이터 품질 향상 작업과 함께 분석 가능한 형태로 데이터를 가공하여 데이터분석을 수행하고, 분석결과를 해석하거나 시각화하여 이를 리포트생성모듈로 보내어 최종 분석리포트를 생성한다.
분석모형설정부(161)는 빅데이터 분석모형을 설정한다.
데이터전처리부(162)는 분석대상 데이터를 분석이 용이한 포맷으로 가공하거나 분석의 효과성과 신뢰성을 높이는 방향으로 고품질화 시킨다.
데이터분석부(163)는 빅데이터 분석모형에 따라 분석 기법을 적용하여 데이터 분석을 수행한다.
분석결과해석부(164)는 데이터 분석의 결과를 해석하거나 해석이 용이한 형태로 시각화 또는 재구조화한다.
도 11은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 빅데이터 분석결과 예시도이다.
도 11에서 164a는 신입생 학업지속여부를 예측한 결과로서, 학과, 성별, 나이, 장학금수혜여부, 학습역량, 각종 조사 결과로 구성된 패널데이터를 분석하여 개인별 학업지속여부 예측 및 학업지속 확률을 보여주며, 학업지속 확률이 현저히 떨어지는 학생에 대한 맞춤형 지원책 수립에 기초자료를 제공할 수 있다.
164b는 휴학생 군집(cluster) 결과로서, 학과, 성별, 나이, 장학금수혜여부, 학습역량, 각종 조사 결과로 구성된 패널데이터를 분석하여 세 부류의 휴학생 군집을 찾아냈음을 보여주며, 휴학생 군집의 특성에 따라 맞춤형 휴학생 복학유도 프로그램을 개발하는데 기초자료를 제공할 수 있다.
도 12는 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 리포트생성모듈 구성도이다.
도 12에 도시된 바와 같이, 리포트생성모듈(170)은 리포트 설계부(171), 리포트생성부(172), 리포트저장출력부(173)를 포함하는 구성으로 이루어진다. 리포트생성모듈(170)은 보고용 리포트의 레이아웃을 설계하고 설계된 레이아웃에 따라 장표생성모듈에서 생성된 장표나 빅데이터분석모듈에서 생성된 분석결과를 활용하여 리포트를 생성하며, 생성된 리포트를 저장하거나 출력한다.
리포트설계부(171)는 보고용 리포트의 레이아웃을 설계한다.
리포트생성부(172)는 설계된 레이아웃에 따라 장표나 빅데이터 분석결과를 활용하여 리포트를 생성한다.
리포트저장출력부(173)는 생성된 리포트를 저장하거나 출력한다.
도 13은 본 발명의 실시예에 따른 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템의 분석결과 리포트 예시도이다.
도 13에서, 172a는 빅데이터분석모듈(160)에서 생성된 휴학생 군집(cluster) 시각화의 예이다.
172b는 빅데이터분석모듈(160)에서 생성된 휴학생 군집(cluster)에 대한 해석한 예이며, 각 군집 별로 특성을 정의하고 특성에 맞는 학생지원 프로그램을 제시할 수 있다.
172c는 장표생성모듈(150)에서 생성된 휴학생 군집(cluster) 별 특성 정보의 평균값을 구한 장표의 예이다.
이상의 설명은 본 발명을 예시적으로 설명한 것에 불과하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술적 사상에서 벗어나지 않는 범위에서 다양한 변형이 가능할 것이다.
따라서 본 발명의 명세서에 개시된 실시예들은 본 발명을 한정하는 것이 아니다. 본 발명의 범위는 아래의 특허청구범위에 의해 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술도 본 발명의 범위에 포함되는 것으로 해석해야 할 것이다.
100: 빅데이터 분석 시스템 110: 원천데이터
111: 운영계DB 112: 문서파일
113 : 인터넷/SNS텍스트 120 : 원천데이터 추출/변환/적재모듈
121 : 데이터추출부 122 : 데이터변환부
123 : 데이터적재부 130 : 데이터설계모듈
131 : 요구사항분석부 132 : 공통코드정의부
133 : 데이터설계도생성변경부 134 : 데이터설계도반영부
140 : 데이터마트 141 : 예산 및 성과관리 데이터마트
142 : 핵심성과지표와 학생패널 데이터마트
143 : 인터넷/SNS 텍스트 데이터마트
150 : 장표생성모듈 151 : 장표설계부
152 : 장표생성부 160 : 빅데이터분석모듈
161 : 분석모형설정부 162 : 데이터전처리부
163 : 데이터분석부 164 : 분석결과해석부
170 : 리포트생성모듈 171 : 리포트설계부
172 : 리포트생성부 173 : 리포트저장출력부
111: 운영계DB 112: 문서파일
113 : 인터넷/SNS텍스트 120 : 원천데이터 추출/변환/적재모듈
121 : 데이터추출부 122 : 데이터변환부
123 : 데이터적재부 130 : 데이터설계모듈
131 : 요구사항분석부 132 : 공통코드정의부
133 : 데이터설계도생성변경부 134 : 데이터설계도반영부
140 : 데이터마트 141 : 예산 및 성과관리 데이터마트
142 : 핵심성과지표와 학생패널 데이터마트
143 : 인터넷/SNS 텍스트 데이터마트
150 : 장표생성모듈 151 : 장표설계부
152 : 장표생성부 160 : 빅데이터분석모듈
161 : 분석모형설정부 162 : 데이터전처리부
163 : 데이터분석부 164 : 분석결과해석부
170 : 리포트생성모듈 171 : 리포트설계부
172 : 리포트생성부 173 : 리포트저장출력부
Claims (14)
- 대학 운영계 DB, 문서파일 및 인터넷/SNS 데이터로 구성된 원천데이터 DB(110)로부터 데이터를 추출하고 변환하여 데이터마트 DB(140)에 적재하는 원천데이터 추출/변환/적재모듈(120)과,
데이터마트 DB(140)를 설계하는 데이터설계모듈(130)과,
데이터마트 DB(140)로부터 성과관리를 위한 각종 지표현황 분석결과를 담은 장표를 생성하는 장표생성모듈(150)과,
데이터마트 DB(140)의 데이터에 대해서 빅데이터 분석기법을 적용하여 의미 있는 분석결과를 도출하는 빅데이터분석모듈(160)과,
장표와 빅데이터 분석결과를 바탕으로 리포트를 자동 생성하는 리포트생성모듈(170)을 포함하며,
상기 데이터마트 DB(140)는 대학중장기발전계획과 재정지원사업 예산 및 성과관리를 위한 데이터마트(141)와, 대학의 핵심성과지표와 학생패널데이터 저장 및 관리를 위한 데이터마트(142)와, 인터넷/SNS 텍스트 데이터마트(143)를 포함하여,
상기 대학중장기발전계획은 발전전략, 전략과제, 실행과제, 태스크 및 발전계획 예결산으로 구성되고, 상기 재정지원사업은 사업, 프로그램, 세부프로그램, 활동 및 사업 예결산으로 구성되고, 상기 대학 핵심성과지표는 학과별 입시현황, 재학생충원현황, 휴자퇴현황, 취업현황으로 구성되고, 상기 학생패널데이터는 학생 개인별 대학생활적응, 심리적안정, 학생프로그램수요, 장학금수혜, 선수학습능력상세, 휴자퇴현황으로 구성되고, 상기 대학중장기발전계획의 태스크에는 상기 재정지원사업의 활동이 복수개 연관되어 있는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템. - 제 1 항에 있어서,
상기 원천데이터 추출/변환/적재모듈(120)은,
원천데이터 DB로부터 분석대상이 되는 데이터를 추출하는 데이터추출부(121)와,
오류 데이터를 정제하거나 데이터를 데이터마트 DB의 설계구조에 맞게 바꾸어주는 데이터변환부(122)와,
추출/변환된 데이터를 데이터마트 DB에 옮기는 데이터적재부(123)를 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템. - 제 1 항에 있어서,
상기 데이터설계모듈(130)은,
사용자의 요구사항을 분석하는 요구사항 분석부(131)와,
분석된 요구사항에 따라 코드로 일반화시켜 관리가 필요한 데이터를 정의하는 공통코드정의부(132)와,
요구사항에 따라 엔터티 및 엔터티 간의 연관관계를 정의 또는 재정의하여 데이터설계도에 반영하는 데이터설계도생성변경부(133)와,
데이터설계도 생성 또는 변경에 따라 데이터마트 DB를 구성하거나 재구조화하는 데이터설계도반영부(134)를 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템. - 삭제
- 제 1 항에 있어서,
상기 장표생성모듈(150)은,
대학의 사업현황이나 성과분석결과를 제시하는 장표의 포맷을 설계하는 장표설계부(151)와,
설계된 장표 포맷에 따라 장표를 생성하는 장표생성부(152)를 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템. - 제 1 항에 있어서,
상기 빅데이터분석모듈(160)은,
개인 맞춤형 학생 지원을 위한 빅데이터 분석모형을 설정하는 분석모형설정부(161)와,
학생패널데이터를 포함한 데이터마트 DB에 저장된 분석대상 데이터를 분석이 용이한 포맷으로 가공하거나 분석의 효과성과 신뢰성을 높이는 방향으로 고품질화 시키는 데이터전처리부(162)와,
빅데이터 분석 기법을 적용하여 데이터 분석을 수행하는 데이터분석부(163)와,
데이터 분석의 결과를 사용자가 해석하기 쉬운 형태로 시각화하거나 재구조화하는 분석결과해석부(164)를 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템. - 제 1 항에 있어서,
상기 리포트생성모듈(170)은 대학중장기발전계획 및 재정지원사업 현황 및 성과분석 장표 또는 개인 맞춤형 학생 지원을 위한 빅데이터분석결과를 리포팅하기 위한 모듈로서,
분석결과 리포트의 레이아웃을 설계하는 리포트설계부(171)와,
설계된 레이아웃대로 리포트를 생성하는 리포트생성부(172)와,
생성된 리포트를 저장하고 출력하는 리포트저장출력부(173)를 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 시스템. - 빅데이터 분석 시스템에서 수행되는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 방법에 있어서,
대학 운영계 DB, 문서파일 및 인터넷/SNS 데이터로 구성된 원천데이터 DB(110)로부터 데이터를 추출하고 변환하여 데이터마트 DB에 적재하는 단계와,
데이터마트 DB를 설계하는 단계와,
데이터마트 DB로부터 성과관리를 위한 각종 지표현황 분석결과를 담은 장표를 생성하는 단계와,
데이터마트 DB의 데이터에 대해서 빅데이터 분석기법을 적용하여 의미 있는 분석결과를 도출하는 단계와,
장표와 빅데이터 분석결과를 바탕으로 리포트를 자동 생성하는 단계를 포함하며,
상기 데이터마트 DB는 대학중장기발전계획과 재정지원사업 예산 및 성과관리를 위한 데이터마트와, 대학의 핵심성과지표와 학생패널데이터 저장 및 관리를 위한 데이터마트와, 인터넷/SNS 텍스트 데이터마트를 포함하여,
상기 대학중장기발전계획은 발전전략, 전략과제, 실행과제, 태스크 및 발전계획 예결산으로 구성되고, 상기 재정지원사업은 사업, 프로그램, 세부프로그램, 활동 및 사업 예결산으로 구성되고, 상기 대학 핵심성과지표는 학과별 입시현황, 재학생충원현황, 휴자퇴현황, 취업현황으로 구성되고, 상기 학생패널데이터는 학생 개인별 대학생활적응, 심리적안정, 학생프로그램수요, 장학금수혜, 선수학습능력상세, 휴자퇴현황으로 구성되고, 상기 대학중장기발전계획의 태스크에는 상기 재정지원사업의 활동이 복수개 연관되어 있는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 방법. - 제 8 항에 있어서,
상기 데이터마트 DB에 적재하는 단계는,
원천데이터 DB로부터 분석대상이 되는 데이터를 추출하는 과정과,
오류 데이터를 정제하거나 데이터를 데이터마트 DB의 설계구조에 맞게 바꾸어주는 단계와,
추출/변환된 데이터를 데이터마트 DB에 옮기는 단계를 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 방법. - 제 8 항에 있어서,
상기 데이터마트 DB를 설계하는 단계는,
사용자의 요구사항을 분석하는 과정과,
분석된 요구사항에 따라 코드로 일반화시켜 관리할 필요가 있는 데이터를 정의하는 과정과,
요구사항에 따라 엔터티 및 엔터티 간의 연관관계를 정의 또는 재정의하여 데이터설계도에 반영하는 과정과,
데이터설계도의 생성 또는 변경에 따라 데이터마트 DB를 구성 또는 재구성하는 과정을 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 방법. - 삭제
- 제 8 항에 있어서,
상기 장표를 생성하는 단계는,
대학의 사업현황이나 성과분석결과를 제시하는 장표의 포맷을 설계하는 과정과,
설계된 장표 포맷에 따라 장표를 생성하는 과정을 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 방법. - 제 8 항에 있어서,
상기 분석결과를 도출하는 단계는
개인 맞춤형 학생 지원을 위한 빅데이터 분석모형을 설정하는 과정과,
학생패널데이터를 포함한 데이터마트 DB에 저장된 분석대상 데이터를 분석이 용이한 포맷으로 가공하거나 분석의 효과성과 신뢰성을 높이는 방향으로 고품질화 시키는 과정과,
빅데이터 분석 기법을 적용하여 데이터 분석을 수행하는 과정과,
데이터 분석의 결과를 사용자가 해석하기 쉬운 형태로 시각화하거나 재구조화하는 과정을 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 방법. - 제 8 항에 있어서,
상기 리포트를 자동 생성하는 단계는 대학중장기발전계획 및 재정지원사업 현황 및 성과분석 장표 또는 개인 맞춤형 학생 지원을 위한 빅데이터분석결과를 자동으로 리포팅하기 위한 단계로서,
분석결과 리포트의 레이아웃을 설계하는 과정과,
설계된 레이아웃대로 리포트를 생성하는 과정과,
생성된 리포트를 저장하고 출력하는 과정을 포함하는 것을 특징으로 하는 대학의 통합적 성과관리와 개인맞춤형 학생지원을 위한 적응적 빅데이터 분석 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200027953A KR102186494B1 (ko) | 2020-03-05 | 2020-03-05 | 대학의 통합적 성과 관리와 개인 맞춤형 학생 지원을 위한 적응적 빅데이터 분석 방법 및 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200027953A KR102186494B1 (ko) | 2020-03-05 | 2020-03-05 | 대학의 통합적 성과 관리와 개인 맞춤형 학생 지원을 위한 적응적 빅데이터 분석 방법 및 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102186494B1 true KR102186494B1 (ko) | 2020-12-03 |
Family
ID=73779605
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200027953A KR102186494B1 (ko) | 2020-03-05 | 2020-03-05 | 대학의 통합적 성과 관리와 개인 맞춤형 학생 지원을 위한 적응적 빅데이터 분석 방법 및 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102186494B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220143327A (ko) * | 2021-04-16 | 2022-10-25 | 한국해양대학교 산학협력단 | Ai 기반 대학 학생 분석 및 관리 지원 시스템 |
| KR20230064861A (ko) | 2021-11-04 | 2023-05-11 | 김준호 | 포트폴리오 분석을 통한 교육기관 매칭 시스템 및 방법 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070055121A (ko) * | 2005-11-25 | 2007-05-30 | 한국전자통신연구원 | Ｓｌａ 정보의 통계 분석 시스템 및 그 방법 |
| KR20170094935A (ko) * | 2016-02-12 | 2017-08-22 | 중소기업은행 | 기업정보 제공 시스템 및 방법 |
| KR20180121466A (ko) | 2017-04-06 | 2018-11-07 | 네이버 주식회사 | 딥러닝을 활용한 개인화 상품 추천 |
| KR101946551B1 (ko) * | 2017-09-07 | 2019-02-11 | 단국대학교 산학협력단 | 대학 행정서비스 평가를 위한 진단지표 생성 서버 및 방법 |
| KR101996382B1 (ko) | 2018-02-14 | 2019-07-03 | 동서대학교 산학협력단 | 빅데이터를 이용한 플랫폼 기반 대학 정보 데이터 분석 시스템 |
| KR102046411B1 (ko) | 2018-11-27 | 2019-11-19 | 네이버 주식회사 | 멀티미디어 컨텐츠에 대한 사용자의 재생 로그를 이용하여 개인화 된 플레이리스트를 구성하는 방법 및 시스템 |
-
2020
- 2020-03-05 KR KR1020200027953A patent/KR102186494B1/ko active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070055121A (ko) * | 2005-11-25 | 2007-05-30 | 한국전자통신연구원 | Ｓｌａ 정보의 통계 분석 시스템 및 그 방법 |
| KR20170094935A (ko) * | 2016-02-12 | 2017-08-22 | 중소기업은행 | 기업정보 제공 시스템 및 방법 |
| KR20180121466A (ko) | 2017-04-06 | 2018-11-07 | 네이버 주식회사 | 딥러닝을 활용한 개인화 상품 추천 |
| KR101946551B1 (ko) * | 2017-09-07 | 2019-02-11 | 단국대학교 산학협력단 | 대학 행정서비스 평가를 위한 진단지표 생성 서버 및 방법 |
| KR101996382B1 (ko) | 2018-02-14 | 2019-07-03 | 동서대학교 산학협력단 | 빅데이터를 이용한 플랫폼 기반 대학 정보 데이터 분석 시스템 |
| KR102046411B1 (ko) | 2018-11-27 | 2019-11-19 | 네이버 주식회사 | 멀티미디어 컨텐츠에 대한 사용자의 재생 로그를 이용하여 개인화 된 플레이리스트를 구성하는 방법 및 시스템 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220143327A (ko) * | 2021-04-16 | 2022-10-25 | 한국해양대학교 산학협력단 | Ai 기반 대학 학생 분석 및 관리 지원 시스템 |
| KR102661319B1 (ko) * | 2021-04-16 | 2024-04-30 | 국립한국해양대학교산학협력단 | Ai 기반 대학 학생 분석 및 관리 지원 시스템 |
| KR20230064861A (ko) | 2021-11-04 | 2023-05-11 | 김준호 | 포트폴리오 분석을 통한 교육기관 매칭 시스템 및 방법 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Alattar et al. | Management accounting information in micro enterprises in Gaza | |
| Lane | Democratizing our data: A manifesto | |
| KR102186494B1 (ko) | 대학의 통합적 성과 관리와 개인 맞춤형 학생 지원을 위한 적응적 빅데이터 분석 방법 및 시스템 | |
| Grander et al. | Big data as a value generator in decision support systems: A literature review | |
| Brombacher et al. | Improving product quality and reliability with customer experience data | |
| Yang et al. | Improvement of e-government service process via a grey relation agent mechanism | |
| Adekunle et al. | Challenges confronting construction information management | |
| Boon et al. | On the bureaucracy of bureaucracies: Analysing the size and organization of overhead in public organizations | |
| Singh et al. | Total Interpretive Structural Modeling-Polarity (TISM-P) to analyze the impact of energy on the sustainability performance of hotels: a case study | |
| Mekonnen | Examining the effect of teleworking on employees' job performance | |
| Pazzaglia et al. | Survey Methods for Educators: Analysis and Reporting of Survey Data (Part 3 of 3). REL 2016-164. | |
| Abdulla et al. | Government-to-Government e-Government: A Case Study of Challenges Facing User Adoption in KwaZulu-Natal. | |
| Lamola | Moulding information systems components and agitations for the adoption of enterprise application architecture for supply chain management | |
| Poor | Applying aspects of data governance from the private sector to public higher education | |
| Cen et al. | The rise of conscious consumers: The impact of corporate workplace equality on household spending | |
| Dumbacher et al. | SABLE: Tools for web crawling, web scraping, and text classification | |
| Oliveira | ETL for Data Science?: A Case Study | |
| Sonnenberger et al. | Adoption of enterprise architecture management in small and medium enterprises | |
| Nascimento et al. | A TOPSIS‐Based Decision Model to Establish Priorities for Sequencing the Design of Construction Projects in the Public Sector | |
| Van Der Loo | Computing in the statistical office | |
| National Research Council et al. | Communicating Science and Engineering Data in the Information Age | |
| Wenger et al. | An Analytic Inventory of DHS Headquarters Business Processes | |
| de Castro et al. | Rastro-DM: data mining with a trail | |
| Borchers et al. | Toward the ML-based Analysis of Citizens' Inputs from E-Participation in Urban Planning | |
| Nekvasil et al. | Towards savvy adoption of semantic technology: From published use cases to category-specific adopter readiness models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |