KR102260554B1 - 학습 컨텐츠 생성 방법 - Google Patents
학습 컨텐츠 생성 방법 Download PDFInfo
- Publication number
- KR102260554B1 KR102260554B1 KR1020190164663A KR20190164663A KR102260554B1 KR 102260554 B1 KR102260554 B1 KR 102260554B1 KR 1020190164663 A KR1020190164663 A KR 1020190164663A KR 20190164663 A KR20190164663 A KR 20190164663A KR 102260554 B1 KR102260554 B1 KR 102260554B1
- Authority
- KR
- South Korea
- Prior art keywords
- learning service
- service providing
- providing apparatus
- learner
- similarity
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001914 filtration Methods 0.000 claims abstract description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 9
- 230000014509 gene expression Effects 0.000 claims description 4
- 239000003607 modifier Substances 0.000 claims 2
- 238000012015 optical character recognition Methods 0.000 description 31
- 239000000284 extract Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000009193 crawling Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- G06K9/3258—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
본 발명의 일 실시예에 따른, 학습 컨텐츠 생성 장치에 의해 수행되는 학습 컨텐츠 생성 방법으로서, 상기 방법은, 학습자 단말로부터 이미지를 수신하는 단계와 상기 수신된 이미지에 대한 OCR 처리를 수행하는 단계와 상기 OCR 처리가 수행됨에 따라, 상기 이미지로부터 검색 요청 문제를 식별하는 단계와 상기 식별된 검색 요청 문제에 포함된 문자를 구성요소 단위로 분리하는 단계와 상기 식별된 검색 요청 문제에 포함된 수식 내의 키워드를 추출하는 단계와 상기 구성요소 단위로 분리된 문자 및 상기 추출된 키워드를 기초로, 미리 저장된 검색 대상 문제를 필터링하는 단계와 상기 필터링된 검색 대상 문제에 대한 유사도를 판단하는 단계와 상기 판단된 유사도를 기초로, 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제를 추출하는 단계와 상기 추출된 문제에 대한 제1 메타데이터 및 상기 검색 대상 문제에 대한 제2 메타데이터를 비교하는 단계와 상기 비교 결과를 기초로, 상기 검색 대상 문제 중, 상기 검색 요청 문제와 미리 설정된 관련도 기준 이상의 관련도를 갖는 관련 문제를 추출하는 단계와 상기 추출된 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제 및 상기 추출된 관련 문제 중 적어도 하나를 포함하는 학습 컨텐츠를 생성하는 단계와 상기 생성된 학습 컨텐츠를 상기 학습자의 단말에 송신하는 단계를 포함할 수 있다.
Description
본 발명은 학습 컨텐츠 생성 방법에 관한 것이다. 보다 자세하게는, 질문 이미지에 대한 OCR 처리 결과를 이용한 학습 컨텐츠 추천 방법에 관한 것이다.
학습자가 웹 상의 Q & A 게시판에 질문을 등록하면, 답변자가 질문에 대한 답변을 등록하고, 등록된 답변이 다시 학습자에게 제공되는 온라인 서비스가 이용되고 있다. 이러한 온라인 서비스에서 등록된 질문을 답변자에게 제공하기 위하여, 일반적으로 질문을 구성하는 텍스트의 키워드 기반 분류 및 검색 기술이 이용된다. 이 같은 키워드 기반 분류 및 검색 기술은, 특히 텍스트 기반의 범용 키워드로 구성된 질문의 경우, 등록된 질문이 다수의 답변자에게 노출되게 함으로써, 높은 답변 횟수 및 정확한 답변의 제공을 가능하게 하는 장점이 있다.
반면, 키워드 기반의 분류 및 검색 기술은, 질문에 수학식 또는 이미지가 포함된 문제와 같이 학습자가 질문 내용을 텍스트로 명확히 표현하기 곤란한 문제의 경우 효과적이지 않다. 텍스트 외에 수학식 또는 이미지를 포함하는 문제의 경우, 질문의 등록 자체가 용이치 않고, 키워드 기반 분류 및 검색도 어렵기 때문이다. 결과적으로, 질문이 키워드 검색으로 답변자에게 검색되지 않음으로써, 학습자가 답변을 제공받을 수 없게 되는 문제점이 발생한다.
그럼에도, 수학식이나 이미지가 포함된 문제에 대한 질문을 용이하게 등록하고, 효과적으로 분류 및 검색하는 방법은 제공되지 않고 있다. 특히, 이미지 형식의 질문을 분석하여, 매칭된 해설 정보를 즉각적으로 제공할 수 있는 학습 서비스는 제공되지 않고 있다.
본 발명이 해결하고자 하는 기술적 과제는, 이미지 형식의 질문을 분석하고, 분석 결과를 기초로 검색된 해설 정보를 학습자에게 제공하는 방법 및 장치를 제공하는 것이다.
구체적으로, 본 발명이 해결하고자 하는 기술적 과제는, 학습자 단말로부터 제공된 이미지에 대한 광학 문자 판독(Optical Character Recognition, 이하, OCR) 처리를 수행하여, 이미지에 포함된 질문과 동일하거나 유사한 문제를 검색하는 방법을 제공하는 것이다. 또한, 검색된 문제에 매칭된 해설 정보를 추출하여, 학습자 단말에 제공하는 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는, 문제 및 이에 대응된 해설 정보를 데이터베이스로 구축하고, 구축된 데이터베이스를 이용하여 학습 서비스를 제공하는 방법 및 장치를 제공하는 것이다.
구체적으로, 본 발명이 해결하고자 하는 다른 기술적 과제는, 학습자의 질문에 매칭된 문제가 데이터베이스에 존재하지 않는 경우, 질문을 신규 문제로 저장하는 방법을 제공하는 것이다. 또한, 답변자 단말로부터 신규 문제에 대한 해설 정보를 수신하여 학습자의 단말에 송신하는 방법을 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 학습자 단말과 답변자 단말 사이의 Q & A 메시징 인터페이스를 제공하는 방법 및 장치를 제공하는 것이다.
본 발명이 해결하고자 하는 또 다른 기술적 과제는, 학습자 단말의 학습 서비스 접속 위치에 기반한 학습 서비스 제공 방법 및 장치를 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 해결하기 위한 학습 서비스 제공 방법은, 학습자 단말로부터 이미지를 수신하는 단계와 상기 수신된 이미지에 대한 OCR 처리를 수행하는 단계와 상기 OCR 처리가 수행됨에 따라, 상기 이미지로부터 검색 요청 문제를 식별하는 단계와 미리 저장된 검색 대상 문제 중, 상기 검색 요청 문제와 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제를 검색하는 단계와 상기 검색의 결과, 상기 유사도를 갖는 문제가 추출된 경우, 상기 추출된 문제에 대응되는 해설 정보를 상기 학습자의 단말에 송신하는 단계를 포함한다.
상기 기술적 과제를 해결하기 위한 학습 서비스 제공 장치는, 하나 이상의 프로세서와 학습자 단말과 통신하는 네트워크 인터페이스와 상기 프로세서에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리와 상기 컴퓨터 프로그램, 검색 대상 문제 및 상기 검색 대상 문제에 매칭된 해설 정보를 저장하는 스토리지를 포함하되, 상기 컴퓨터 프로그램은, 상기 학습자 단말로부터 이미지를 수신하는 오퍼레이션과 상기 수신된 이미지에 대한 OCR 처리를 수행하는 오퍼레이션과 상기 OCR 처리가 수행됨에 따라, 상기 이미지로부터 검색 요청 문제를 식별하는 오퍼레이션과 상기 검색 대상 문제 중, 상기 검색 요청 문제와 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제를 검색하는 오퍼레이션과 상기 검색의 결과, 상기 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제가 추출된 경우, 상기 추출된 문제에 대응되는 해설 정보를 상기 학습자의 단말에 송신하는 오퍼레이션을 포함할 수 있다.
본 발명의 일 실시예에 따르면, 학습자는 질문을 이미지 파일 형식으로 손쉽게 등록하고, 등록된 질문에 대한 답변을 제공받을 수 있는 장점이 있다. 특히, 본 발명의 일 실시예에 따르면, 학습 서비스 제공 장치가 텍스트뿐만 아니라, 수학식, 도형, 그림 및 사진 등을 포함하는 학습자의 질문을 식별할 수 있으므로, 학습자가 다양한 과목의 문제에 대하여 질문하고 해설 정보를 제공받을 수 있다.
또한, 본 발명에 다른 실시예에 따르면, 학습자 단말과 답변자 단말 사이의 메시징 인터페이스가 제공되므로, 학습자가 실시간으로 질문하고 이에 대한 답변을 제공받을 수 있는 효과가 있다.
또한, 본 발명의 또 다른 실시예에 따르면, 학습자는 질문한 문제뿐만 아니라, 질문한 문제 기반으로 학습 서비스 제공 장치에서 추출된 다양한 문제를 추천 받을 수 있게 된다. 이에 따라, 학습자의 학습 경험이 극대화될 수 있다.
또한, 본 발명의 또 다른 실시예에 따르면, 학습자 단말의 학습 서비스 접속 위치에 따라 차등적인 학습 서비스가 제공되므로, 특정 접속 위치에서 학습자의 학습 몰입도가 증대되는 장점이 있다.
도 1은 본 발명의 일 실시예에 따른 학습 서비스 제공 시스템의 구성도이다.
도 2는 본 발명의 다른 실시예에 따른 학습 서비스 제공 장치의 블록(Block)도이다.
도 3은 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 방법의 순서도이다.
도 4는 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 장치의 문제 검색 방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 몇몇 실시예에서 참조되는, 학습 서비스 제공 장치에 저장된 문제 및 해설 정보를 설명하기 위한 예시도이다.
도 6 및 도 7은 본 발명의 몇몇 실시예에서 참조되는, 문제의 구성요소 및 가중치를 설명하기 위한 예시도이다.
도 8은 본 발명의 또 다른 실시예에 따른 학습자 단말에 해설 정보를 제공하는 방법에 대한 순서도이다.
도 9는 본 발명의 몇몇 실시예에서 참조되는, 학습자 단말과 답변자 단말 사이의 메시징 인터페이스의 예시이다.
도 10은 본 발명의 몇몇 실시예에서 참조되는, 추천 문제를 설명하기 위한 예시도이다.
도 11은 본 발명의 몇몇 실시예에서 참조되는, 학습자 질문 기반 학습 컨텐츠의 예시이다.
도 12는 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 시스템의 구성도이다.
도 13은 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 방법의 순서도이다.
도 2는 본 발명의 다른 실시예에 따른 학습 서비스 제공 장치의 블록(Block)도이다.
도 3은 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 방법의 순서도이다.
도 4는 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 장치의 문제 검색 방법을 설명하기 위한 순서도이다.
도 5는 본 발명의 몇몇 실시예에서 참조되는, 학습 서비스 제공 장치에 저장된 문제 및 해설 정보를 설명하기 위한 예시도이다.
도 6 및 도 7은 본 발명의 몇몇 실시예에서 참조되는, 문제의 구성요소 및 가중치를 설명하기 위한 예시도이다.
도 8은 본 발명의 또 다른 실시예에 따른 학습자 단말에 해설 정보를 제공하는 방법에 대한 순서도이다.
도 9는 본 발명의 몇몇 실시예에서 참조되는, 학습자 단말과 답변자 단말 사이의 메시징 인터페이스의 예시이다.
도 10은 본 발명의 몇몇 실시예에서 참조되는, 추천 문제를 설명하기 위한 예시도이다.
도 11은 본 발명의 몇몇 실시예에서 참조되는, 학습자 질문 기반 학습 컨텐츠의 예시이다.
도 12는 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 시스템의 구성도이다.
도 13은 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 방법의 순서도이다.
이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 게시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 게시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.
본 명세서에서 문제란, 학습자의 학습 성취도를 측정하고, 학습 수준을 증대하기 위해 제작된 것으로, 문자, 도형, 그래프, 그림, 사진 및 수학식 중 적어도 하나를 포함하는 저작물일 수 있다. 또한, 본 명세서에서 문제는 문서화되어 종이에 프린트된 것일 수 있으나, 본 발명의 실시예는 이에 한정되지 않으며, 문제는 개별 파일 형태로 저장될 수 있는 데이터를 의미할 수 있다.
본 발명의 실시예에 따른 학습 서비스 제공 방법은, 학습 컨텐츠 생성 방법을 일 실시예로 포함할 수 있다. 본 발명의 실시예에 따른 학습 서비스 제공 장치는, 학습 컨텐츠 생성 장치를 일 실시예로 포함할 수 있다.
이에 따라, 본 명세서에서, 본 발명의 실시예에 따른 학습 컨텐츠 생성 방법과 학습 컨텐츠 생성 장치는, 각각 학습 서비스 제공 방법과 학습 서비스 제공 장치로 칭해질 수 있다.
도 1은 본 발명의 일 실시예에 따른 학습 서비스 제공 시스템의 구성도이다.
도 1을 참조하면, 학습 서비스 제공 시스템은 학습자 단말(50), 학습 서비스 제공 장치(100) 및 답변자 단말(200)을 포함할 수 있다. 도시된 학습자 단말(50), 학습 서비스 제공 장치(100) 및 답변자 단말(200)은 네트워크를 통해 상호 간에 통신할 수 있는 컴퓨팅 장치이다. 특히, 도 1에서 학습자 단말(50)에 의해 촬영되는 문제(10)는, 문자 및 수식을 포함하는 경우가 예로써 도시되었다.
학습자 단말(50)은 문제(10)에 대한 이미지를 획득하여, 이를 학습 서비스 제공 장치(100)에 송신할 수 있다. 도 1에서, 학습자 단말(50)이 문제(10)에 대한 이미지 획득하는 방법으로, 학습자 단말(50)이 구비된 카메라를 통해 문제(10)를 촬영하는 경우가 예로써 도시되었으나, 본 발명의 실시예는 이에 한정되지 않는다. 다른 예로써, 학습자 단말(50)은, 인터넷 상의 웹 페이지로부터 문제(10)를 포함하는 이미지를 내려 받거나, 입력부(미도시)를 통해 학습자로부터 입력된 컨텐츠를 문제로 생성하는 방법으로 문제(10)에 대한 이미지를 획득할 수도 있다.
본 발명의 일 실시예에 따르면, 학습자 단말(50)은, 문제(10)에 대한 이미지를 학습 서비스 제공 장치(100)에 송신하기 전에, 획득된 이미지에 대한 전처리(Preprocessing) 작업을 수행할 수 있다. 학습자 단말(50)이 수행하는 전처리 작업의 일례로, 학습자 단말(50)은 문제(10)가 촬영된 이미지의 방향을 자동 보정할 수 있다. 예를 들어, 학습자 단말(50)이 문제(10)를 거꾸로 촬영한 경우와 같이 문제(10)의 촬영 각도에 따라, 문제(10)가 기울어지거나 뒤집힌 채로 이미지에 포함될 수 있다. 이때, 학습자 단말(50)은 촬영된 이미지의 방향을 보정할 수 있다. 구체적으로, 학습자 단말(50)은 문제(10)의 방향이 학습자 단말(50)에 의해 디스플레이되는 방향과 일치되도록 이미지의 방향을 회전하는 방식으로 보정하고 저장할 수 있다.
이미지에 대한 전처리 작업의 다른 예로, 학습자 단말(50)은, 이미지 상에서 문제(10) 부분만을 식별하여, 문제(10) 부분만 저장할 수도 있다. 즉, 학습자 단말(50)을 통해 촬영되는 이미지는, 문제(10)의 영역과 배경 영역을 포함할 수 있는데, 학습자 단말(50)은, 이미지 상에서, 문제(10)의 영역만을 식별하고, 문제(10) 외의 영역은 노이즈로 취급하여 필터링할 수도 있다. 이를 학습 서비스 제공 장치(100)로 송신할 수 있다.
또 다른 예로, 학습자 단말(50)은, 이미지 상에서 문제(10)의 위치를 식별하고, 이미지 상에서 문제(10)가 특정 위치로 치우쳐지도록 촬영된 경우, 문제(10)가 이미지의 중간 위치에 자리하도록 이미지를 보정할 수도 있으며, 이미지 상의 문제(10)의 크기를 고려하여 이미지를 보정할 수도 있다.
상기 예시된 전처리 작업을 수행하기 위해, 학습자 단말(50)은 획득된 이미지에 대한 전처리 프로그램을 미리 저장할 수 있다.
본 발명의 다른 실시예에 따르면, 상술한 전처리 작업은, 학습자 단말(50)에 의해 획득된 이미지가 학습 서비스 제공 장치(100)에 송신된 후, 학습 서비스 제공 장치(100)에 의해 수행될 수도 있다.
학습 서비스 제공 장치(100)는, 학습자 단말(50)로부터 수신된 문제(10)를 포함하는 이미지에 대하여 OCR 처리를 수행할 수 있다. 본 발명의 일 실시예에 따르면, OCR 처리가 수행됨에 따라, 학습 서비스 제공 장치(100)는, 이미지 상의 문제(10)를 식별할 수 있다. 예를 들어, 문제(10)가 수식을 포함하는 수학문제인 경우, 학습 서비스 제공 장치(100)는, 이미지에 대한 OCR 처리를 통해 이미지에 포함된 문제(10)를 구성하는 문자 및 수식 등을 식별하고, 문제(10)가 표시된 영역의 이미지를, 식별된 문자 및 수식 등으로 변환할 수 있다. 학습 서비스 제공 장치(100)는 변환된 문자 및 수식을 하나의 문제 단위로 저장함으로써, 문제에 대한 데이터베이스를 구축할 수도 있다.
본 발명의 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는 문제에 대한 이미지가 학습자 단말(50)로부터 수신되면, 구축된 데이터베이스에 수신된 이미지 상의 문제와 동일하거나 유사한 문제가 존재하는지 검색할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 학습자 단말(100)로부터 수신되어, 문제를 포함하는 이미지가 OCR 처리되기 전에, 적어도 하나의 문제를 미리 저장될 수 있다. 구체적으로, 학습 서비스 제공 장치(100)는 상기 적어도 하나의 문제를 다른 학습자의 단말로부터 수신하거나, 웹에서 크롤링(Crawling)함으로써 수집하고 저장할 수 있다. 또는, 학습 서비스 제공 장치(100)는 상기 적어도 하나의 문제를 학습 서비스 제공 장치(100)의 관리자로부터 직접 입력 받고 저장할 수도 있다.
본 발명의 또 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는 상기 적어도 하나의 문제뿐만 아니라, 문제에 대한 해설 정보도 미리 저장할 수 있다. 학습 서비스 제공 장치(100)는 문제 및 해설 정보를 각각 저장하고, 양자에 대한 매칭 관계를 저장할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)에 구축되는 데이터베이스는 관계형 데이터베이스(Relational Database)일 수 있으나, 본 발명의 실시예는 이에 한정되지 않으며, 학습 서비스 제공 장치(100)에 구축되는 데이터베이스는 그래프 데이터베이스(Graph Database)일 수도 있다. 이 경우, 저장되는 각 문제와 그에 대한 해설 정보는 노드(Node)로 구성되고, 각 문제 사이의 유사도 관계 또는 추천 관계, 각 문제와 해설 정보 사이의 매칭 관계는 엣지(Edge)로 구성될 수도 있다.
한편, 문제에 대한 해설 정보는, 답변자 단말(200)로부터 수신될 수 있다.
답변자 단말(200)은 학습 서비스 제공 장치(100)로부터 문제를 수신하고, 답변자로부터 문제에 대한 해설 정보를 입력 받을 수 있다. 답변자 단말(200)은 답변자로부터 입력된 해설 정보를 학습 서비스 제공 장치(100)에 송신할 수 있다.
본 발명의 다른 실시예에 따르면, 답변자 단말(200)은 학습 서비스 제공 장치(100)에 의해 제공되는 Q & A 메시징 인터페이스를 통해, 학습자 단말(50)로부터 문제에 대한 질문을 수신하고, 이에 대한 답변자의 답변을 기초로 해설 정보를 생성하고, 학습자 단말(50)에 제공할 수도 있다.
학습자 단말(50)은, 스마트 폰, 태블릿 PC, 통신 모듈을 구비한 카메라 중 어느 하나의 장치일 수 있으나, 이에 한정되지 않으며, 데스크톱 PC, 랩톱 PC, PDA VR(Virtual Reality) 영상 장치, AR(Augmented Reality) 영상 장치와 같은 컴퓨팅 장치 중 어느 하나일 수도 있다. 답변자 단말(200) 역시, 학습자 단말(50)에 대하여 예시된 컴퓨팅 장치 중 어느 하나일 수 있다.
학습 서비스 제공 장치(100)는 모바일 또는 고정식 컴퓨팅 장치 중 어느 하나일 수 있다. 특히, 본 발명의 실시예에 따르면, 학습자 단말(50)로부터 수신된 이미지를 분석함으로써 문제를 식별하고, 이에 응답하여 답변자 단말(200)로부터 수집된 해설 정보를 검색하고, 검색 결과를 학습자 단말(50)에 제공하는 서버 장치일 수 있다.
상술한 도 1의 학습 서비스 제공 시스템은 상술한 구성 외에, 구성요소 간의 데이터 통신을 중계하는 중계 서버, 하나 이상의 다른 학습자 단말 및 하나 이상의 다른 답변자 단말을 구성으로 더욱 포함할 수도 있다.
다음으로, 도 2를 참조하여 학습 서비스 제공 장치(100)의 기능 및 동작에 대하여 보다 구체적으로 설명하도록 한다. 도 2는 본 발명의 다른 실시예에 따른 학습 서비스 제공 장치(100)의 블록도이다.
학습 서비스 제공 장치(100)는 하나 이상의 프로세서(101), 학습자 단말(50) 및 답변자 단말(200)과 통신하는 네트워크 인터페이스(102), 프로세서(101)에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리(103)와, 컴퓨터 프로그램을 저장하는 스토리지(104)를 포함할 수 있다.
프로세서(101)는 학습 서비스 제공 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(101)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), AP(Application Processor), AP(Application Processor) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(101)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 학습 서비스 제공 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.
네트워크 인터페이스(102)는 학습 서비스 제공 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 네트워크 인터페이스(102)는 공중 통신망인 인터넷 외에 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 네트워크 인터페이스(102)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다.
특히, 네트워크 인터페이스(102)는 본 발명의 실시예에 따른, 학습 서비스 제공 장치(100)의 학습 서비스 제공 과정에서 다양한 UI(User Interface)를 학습자 단말(50) 및 답변자 단말(200)에 제공할 수 있다.
메모리(103)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(103)는 본 발명의 실시예들에 따른 방법들을 실행하기 위하여 스토리지(104)로부터 하나 이상의 프로그램(105)을 로드(load)할 수 있다. 메모리(103)는 기록해독이 가능하며 읽기 또는 쓰기 속도가 빠른 휘발성 메모리(volatile memory)로 구성될 수 있다. 일례로서, 메모리(103)에 RAM, DRAM 또는 SRAM 중 어느 하나가 구비될 수 있다.
스토리지(104)는 상기 하나 이상의 프로그램(105) 및 Q & A 데이터(107)를 비임시적으로 저장할 수 있다. 도 2에서 상기 하나 이상의 프로그램(105)의 예시로 학습 서비스 제공 S/W(이하, 학습 서비스 제공 소프트웨어)(105)가 도시되었다.
스토리지(104)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.
본 발명의 다른 실시예에 따르면, 학습 서비스 제공 소프트웨어(105)는 학습 서비스 제공 장치(100)뿐만 아니라, 학습자 단말(50) 및 답변자 단말(200)에도 설치될 수 있다. 즉, 학습 서비스 제공 소프트웨어(105)는, 설치된 각 장치 사이에서 송수신되는 데이터를 이용하여 각종 기능을 수행하는 에이전트일 수도 있다.
Q & A 데이터(107)는 학습자 단말(50)이 촬영하거나 학습자의 입력에 의해 직접 생성하여 학습 서비스 제공 장치(100)에 수신된 문제 또는 학습 서비스 제공 장치(100)가 웹에서 크롤링한 문제에 대한 데이터를 포함할 수 있다. 또한, Q & A 데이터(107)는 학습 서비스 제공 장치(100)가 웹에서 크롤링하거나, 직접 입력 받은 해설 정보 또는 답변자 단말(200)로부터 수신한 해설 정보를 포함할 수도 있다. Q & A 데이터(107)는 도 1에 대한 설명에서 예시된 데이터베이스의 형태로 저장될 수 있다.
또한, 도시되지 않았으나, 학습 서비스 제공 장치(100)는 본 발명의 실시예에 따른 UI를 출력하기 위한 출력부, 예를 들면, 디스플레이부를 포함할 수 있으며, 문제 및 해설 정보를 직접 입력 받기 위한 입력부를 더 포함할 수도 있다.
이하, 도 1 및 도 2에 대한 설명을 기초로, 본 발명의 실시예에 따른 학습 서비스 제공 장치(100)의 기능 및 동작에 대하여 더욱 자세히 설명하기로 한다.
도 3은 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 방법의 순서도이다. 이하의 각 단계는 학습 서비스 제공 장치(100)에 의해 수행되며, 특히, 이하의 각 단계는 프로세서(101)가 학습 서비스 제공 소프트웨어(105)에 따른 연산을 수행함에 따라 수행된다.
도 3을 참조하면, 학습 서비스 제공 장치(100)는 문제에 대한 이미지를 수신할 수 있다(S10). 상술한 바와 같이, 문제에 대한 이미지는 학습자 단말(50)로부터 획득된 이미지 일 수 있으며, 학습 서비스 제공 장치(100)가 웹 크롤링을 수행하여 수신한 것일 수도 있다.
학습 서비스 제공 장치(100)는 수신된 이미지에 대한 OCR 처리를 수행할 수 있다(S20). 이때, OCR 처리에 이용되는 알고리즘은, 본 발명이 속한 기술 분야에서 널리 알려진 알고리즘이 이용될 수 있으나, 본 발명의 실시예에 따르면, OCR 처리를 위한 알고리즘으로 기계 학습 알고리즘이 적용되어, 문제에 포함된 문자 및 수식에 대한 인식 정확도를 향상시킬 수 있다. 예를 들어, 기계 학습 알고리즘으로, 합성곱 신경망(Convolutional Neural Network, CNN) 모델이 이용될 수 있다.
이하, 본 발명의 실시예에 따른 합성곱 신경망 모델을 이용한, 학습 서비스 제공 장치(100)의 OCR 처리의 수행 단계를 설명한다.
일반적인 OCR 처리 방식은, 이미지 상의 문자의 종류를 식별한 후, 문자를 자소 등 구성요소 단위로 분리 인식해야 하는 세그멘테이션(Segmentation) 과정이 필수적이었다.
반면, 본 발명의 실시예에 따르면, 학습 서비스 제공 장치(100)는 합성곱 신경망 모델을 이용함으로써, 문자의 종류 인식 및 문자의 구성요소 단위에 대한 분리 인식 과정을 수행하지 않을 수 있다. 구체적으로, 학습 서비스 제공 장치(100)는 문자의 종류 인식을 선행하지 않고, 수신된 이미지로부터 분리 인식 없이 이미지 상의 전체 픽셀을 분석하여, 각 픽셀에 대한 특징 정보를 추출할 수 있다. 다음으로, 학습 서비스 제공 장치(100)는 합성곱 신경망 모델을 통해 미리 학습된 정보를 기초로, 상기 추출된 픽셀의 특징 정보로부터 이미지 상의 문자의 종류를 예측할 수 있다. 이때, 예측은, 확률적 예측 기법이 적용될 수 있으며, 합성곱 신경망 모델을 통한 학습량이 많을수록 확률적 예측의 정확도가 고도화된다.
특히, 본 발명의 실시예에 따르면, 학습 서비스 제공 장치(100)는 합성곱 신경망 모델을 통한 학습 결과를 이용하여, 문자뿐만 아니라 수식 역시 인식할 수 있다. 수식은, 숫자와 연산 기호를 포함할 수 있다. 구체적으로, 학습 서비스 제공 장치(100)는 미리 학습된 정보를 기초로, 추출된 특징 정보로부터, 각각의 픽셀이 구성하는 문자 또는 수식을 예측할 수 있다. 학습 서비스 제공 장치(100)는 예측된 문자 또는 수식 중 어느 하나를 구성하는 복수개의 픽셀을 클러스터링하고, 클러스터링된 복수개의 픽셀을 기초로, 문자 및 수식 중 적어도 하나를 식별할 수 있다.
학습 서비스 제공 장치(100)는, 이미지 상의 문제가 문자로만 구성된 문제인 경우, 예를 들어, 한글 문제, 영문 문제, 또는 한글과 영문이 혼재된 문제의 경우에도 각각의 문자를 인식함으로써, 이미지 상의 문제를 식별할 수 있다. 또한, 학습 서비스 제공 장치(100)는, 이미지 상의 문제가 문자와 수식으로 구성된 문제인 경우, 예를 들어, 수학 문제인 경우, 문자와 수식을 각각 인식함으로써, 이미지 상의 문제를 식별할 수 있다.
다음으로, 학습 서비스 제공 장치(100)는, OCR 처리 결과로 식별된 문제를 기초로, 미리 저장된 문제를 검색할 수 있다(S30). 상술한 바와 같이, 학습 서비스 제공 장치(100)는 스토리지(104)에 구축된 데이터베이스로 구축된 Q & A 데이터(107)를 미리 저장할 수 있다. 학습 서비스 제공 장치(100)는, 미리 저장된 Q & A 데이터(107)를 검색하여, OCR 처리 결과로 식별된 문제와 동일하거나 유사한 문제가 추출되는지 판단할 수 있다(S40). 또한, 단계(S40)에서 학습 서비스 제공 장치(100)는, Q & A 데이터(107)의 검색 결과, 상기 식별된 문제와 동일하거나 유사한 문제가 존재하면, 이를 추출할 수 있다. 이때, 학습 서비스 제공 장치(100)는, 식별된 문제와 미리 설정된 기준 이상의 유사도를 갖는 문제를 상기 동일하거나 유사한 문제로 결정할 수 있다. 상기 유사도 판단 방법에 대한 설명은, 도 4에 대한 설명에서 후술한다.
단계(S40)의 판단 결과, 동일하거나 유사한 문제가 추출되는 경우, 학습 서비스 제공 장치(100)는, 추출된 문제에 대한 해설 정보를 추출하여, 학습자 단말(50)에 송신할 수 있다(S50). 이를 위해, 학습 서비스 제공 장치(100)는, Q & A 데이터(107) 상에 문제와 그 문제에 대한 해설 정보를 매칭하여 저장할 수 있다.
단계(S40)의 판단 결과, 동일하거나 유사한 문제가 추출되지 않는 경우, 학습 서비스 제공 장치(100)는, 단계(S20)에서 수행된 OCR 처리 결과로 식별된 문제를 Q & A 데이터(107)로서 저장할 수 있다(S60). 즉, 단계(S40)에서 동일하거나 유사한 문제가 추출되지 않는 경우, 식별된 문제는 Q & A 데이터(107)에 존재하지 않은 신규 문제로 취급되어, 스토리지(104)에 Q & A 데이터(107)에 저장된다. 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는, 수신된 이미지 및 이의 OCR 처리 결과 식별된 문제를 함께 저장할 수 있다.
또 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는, 식별된 문제의 저장 시, 식별된 문제에 대한 메타데이터를 생성할 수도 있다. 또한, 학습 서비스 제공 장치(100)는, 식별된 문제에 대한 추후 검색 시, 검색 속도 향상을 위한 인덱싱(Indexing) 동작을 수행할 수도 있다. 예를 들어, 인덱싱은, 식별된 문제를 구성하는 특별 키워드나 기호를 기초로 수행될 수 있다. 즉, 식별된 문제를 분류하는 기준이 되는 수학 기호 또는 키워드가 식별된 경우, 학습 서비스 제공 장치(100)는 식별된 문제에 대하여, 미리 설정된 키(Key) 값을 자동으로 할당할 수 있다.
본 발명의 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는, 단계(S60)에서, 미리 설정된 품질 기준을 기초로, 식별된 문제의 저장 여부를 결정할 수 있다.
일 예로, 학습 서비스 제공 장치(100)는, 수신된 이미지의 노이즈 포함 정도 또는 해상도 등을 식별하여, 미리 설정된 품질 기준 이상인 경우, 식별된 문제를 저장할 수 있다.
다른 예로, 학습 서비스 제공 장치(100)는, 수신된 이미지의 OCR 처리 결과, 식별되는 문제에 포함된 구성요소인 한글, 수식, 도형, 그래프, 이미지 등의 품질이 미리 설정된 품질 기준 이상인 경우, 식별된 문제를 저장할 수도 있다. 이때, 식별된 문제의 저장 여부는, 학습 서비스 제공 장치(100)의 관리자에 의해 정책적으로 결정될 수도 있다. 즉, 상기 관리자에 의해 학습 서비스 제공 장치(100)에 미리 설정된 필수 구성요소가 존재하는 경우, 학습 서비스 제공 장치(100)는 상기 필수 구성요소에 대한 OCR 처리 결과가 미리 설정된 품질 기준 이상일 때, 식별된 문제를 저장할 수도 있다.
또 다른 예로, 학습 서비스 제공 장치(100)는, OCR 처리 결과 식별된 문제의 각 구성요소 별로 미리 설정된 품질 기준 이상인지 여부를 판단할 수도 있다. 이에 따라, 본 발명의 실시예에 따른 학습 서비스 제공 장치(100)는, OCR 처리 결과 식별된 문제의 각 구성요소마다 품질 점수를 결정하고, 합산한 총점이 미리 설정된 점수 이상인 경우에만, 식별된 문제를 저장할 수도 있다.
상술한 실시예에서, 미리 설정된 품질 기준은 학습 서비스 제공 장치(100)의 관리자에 의해 결정될 수 있다.
상기 실시예에 따르면, 학습 서비스 제공 장치(100) 수신된 이미지의 품질이 낮거나, OCR 처리 결과의 품질이 낮은 경우 스토리지(104)에 저장되지 않을 수 있다. 이로써, 학습 서비스 제공 장치(100)의 스토리지(104) 공간의 절약이 가능하며, 불필요한 검색 대상을 최소화할 수 있는 장점이 있다.
도 4는 본 발명의 또 다른 실시예에 따른 학습 서비스 제공 장치(100)의 문제 검색 방법을 설명하기 위한 순서도이다. 특히, 도 3에 대한 설명에서 상술한 OCR 처리 결과를 기초로 문제를 검색하는 단계(S30) 및 유사도 기준의 문제 추출 단계(S40) 사이에 수행되는, 학습 서비스 제공 장치(100)의 문제 검색 방법을 도 4의 각 단계를 참고하여 설명한다.
도 4를 참조하면, 학습 서비스 제공 장치(100)는, OCR 처리 결과, 식별된 문자를 구성요소 단위로 분리할 수 있다(S31). 예를 들어, 식별된 문자가 한글인 경우, 학습 서비스 제공 장치(100)는 이를 식별하고, 문자의 구성요소인 자음과 모음으로 식별된 한글을 분리할 수 있다.
또한, 학습 서비스 제공 장치(100)는 OCR 처리 결과, 식별된 수식 내의 키워드를 추출할 수 있다(S32). 예를 들어, 식별된 수식이, 적분 기호와 같이 특정 수식 기호를 포함하는 경우, 학습 서비스 제공 장치(100)는 이를 식별할 수 있다.
학습 서비스 제공 장치(100)는 단계(S31) 및 단계(S32)에 앞서, 식별된 문자의 구성요소를 문자, 수식, 이미지, 도형, 그래프 등 각 구성요소 단위로 분리 식별할 수 있다.
학습 서비스 제공 장치(100)는 상기 분리된 문자의 구성요소 및 상기 추출된 키워드를 기초로, 학습 서비스 제공 장치(100)에 미리 저장된 문제를 필터링할 수 있다(S33). 이를 위해, 학습 서비스 제공 장치(100)는, 도 2에 대한 설명에서 상술한 바와 같이, 스토리지(104)에 Q & A 데이터(107)를 저장할 수 있다. 또한, Q & A 데이터(107)는 상기 분리된 문자의 구성요소 및 상기 추출된 키워드 중 적어도 일부와 동일 또는 유사한 문제를 포함할 수 있다.
이하, 설명의 편의를 위해, 학습 서비스 제공 장치(100)에 의해 식별된 문제를 검색 요청 문제라고 칭하고, Q & A 데이터(107)에 미리 포함된 문제 중, 상기 적어도 일부와 동일하거나 유사한 문제를 검색 대상 문제라고 칭하기로 한다. 필터링 단계(S33)에 대하여 자세히 설명한다.
구체적으로, 학습 서비스 제공 장치(100)는 상기 검색 요청 문제에 포함된, 문자를 구성요소별로 분리하고, 수식 내의 키워드를 추출할 수 있다. 또한, 학습 서비스 제공 장치(100)는 검색 요청 문제에 대하여, 분리된 문자의 구성요소 및 추출된 수식 내의 키워드를 기초로 해싱(hashing)을 수행할 수 있다. 학습 서비스 제공 장치(100)는 상기 검색 요청 문제에 대한 해싱이 수행되면, 이를 기초로, 미리 인덱싱되어 저장된 검색 대상 문제를 필터링할 수 있다. 즉, 학습 서비스 제공 장치(100)는, Q & A 데이터(107)에 미리 포함된 문제 중, 검색 요청 문제에 포함된 문자의 구성 요소 및 수식 내 추출된 키워드와 적어도 일부 동일 또는 유사한 문제를 필터링할 수 있다. 이때, 적어도 하나의 검색 대상 문제가 필터링될 수 있다.
다음으로, 학습 서비스 제공 장치(100)는 필터링된 각 검색 대상 문제를 구성요소의 카테고리 별로 분리할 수 있다(S34). 예를 들어, 학습 서비스 제공 장치(100)는 검색 대상 문제의 구성요소 중, 문자 파트와 수식 파트로 분리할 수 있다.
학습 서비스 제공 장치(100)는, 분리된 문자 파트에 대하여 유사도 가중치를 부여할 수 있다(S35). 이를 위해, 학습 서비스 제공 장치(100)는 단계(S31)에서 검색 요청 문제의 문자의 구성요소를 기초로, 단계(S34)에서 분리된 문자 파트에 대한 유사도 측정을 수행할 수 있다. 구체적으로, 학습 서비스 제공 장치(100)는 상기 검색 요청 문제에 포함된 상기 분리된 문자의 각 구성요소, 각 구성요소 사이의 거리, 각 구성요소의 배열 순서, 각 구성요소가 결합된 단어, 전체 문자 영역의 길이 중 적어도 하나를 기준으로, 검색 대상 문제의 문자 파트를 분석하고, 분석된 문자 파트에 대한 유사도 가중치를 부여할 수 있다.
검색 요청 문제의 문자 부분이 "x 값을 구하시오"이고, 검색 대상 문제의 문자 파트가 "x 값은" 인 경우를 예로 들어 설명한다. 학습 서비스 제공 장치(100)는 검색 요청 문제의 영문자 "x"와 한글인 "값", "을", "구", "하", "시", "오"를 식별할 수 있다. 이때, 학습 서비스 제공 장치(100)는 검색 요청 문제의 영문자 "x"와 한글인 "값"의 존재 및 양자의 거리, 배열 순서 등을 기초로, 검색 대상 문제의 문자 파트를 분석하고, 검색 대상 문제에 가중치를 부여할 수 있다. 상기 예에서, 학습 서비스 제공 장치(100)는 한글의 경우, 각 어절의 구성요소 역시 식별할 수 있으며, 이를 기초로, 상기 검색 대상 문제의 문자 파트를 분석할 수도 있다.
학습 서비스 제공 장치(100)는 필터링 단계(S33)에서 필터링된 각각의 문제에 대하여 모두 가중치를 부여할 수 있으며, 부여된 가중치를 이용하여, 각각의 필터링된 검색 대상 문제의 유사도를 결정할 수 있다(S36). 학습 서비스 제공 장치(100)는 유사도를 기초로, 미리 설정된 유사도 기준 이상의 문제가 추출되는지 판단할 수 있다(S40). 즉, 학습 서비스 제공 장치(100)는, 단계(S36)에서 결정된 유사도를 기초로, 유사도 기준 이상의 문제가 존재하는지 판단할 수 있다. 도 3 및 도 4를 참조하면, 유사도 기준 이상의 문제가 존재하면, 학습 서비스 제공 장치(100)는 이를 추출하고, 추출된 문제에 대한 해설 정보를 학습자 단말(50)에 송신할 수 있다.
도 5는 본 발명의 몇몇 실시예에서 참조되는, 학습 서비스 제공 장치(100)에 저장된 문제 및 해설 정보를 설명하기 위한 예시도이다. 이하, 도 5를 참조하여, 문제와 해설 정보의 관계에 대하여 자세히 설명한다. 도 5에서, Q & A 데이터(107)가 예로써 도시되었으며, 특히, 문제와 그에 대한 해설 정보가 미리 매칭되어 있는 경우가 예로써 도시되었다.
Q & A 데이터(107)는 문제(10), 문제(11), 문제(12)를 포함하고, 이에 각각 매칭된 해설 정보(500), 해설 정보(501), 해설 정보(502)를 포함할 수 있다. 도 3 및 도 4에서 참조된 바와 같이, 학습 서비스 제공 장치(100)는 수신된 이미지에 대한 OCR 처리 결과, 수신된 이미지를 검색 요청 문제로 식별할 수 있다. 이때, 학습 서비스 제공 장치(100) 단계(S36)에서, Q & A 데이터(107) 상에서, 검색 요청 문제와 미리 설정된 유사도 기준 이상의 유사도를 갖는 검색 대상 문제를 추출할 수 있다. 예를 들어, 도 5의 문제(10)이 추출된 문제인 경우, 학습 서비스 제공 장치(100)는 해설 정보(501)을 추출하여, 학습자 단말(50)에 송신할 수 있다.
일 예로, 학습 서비스 제공 장치(100)는, 미리 설정된 유사도 기준 이상의 유사도를 갖는 검색 대상 문제가 복수개인 경우, 가장 높은 유사도를 갖는 문제의 해설 정보를 학습자 단말(50)에 송신할 수 있다.
다른 예로, 학습 서비스 제공 장치(100)는, 미리 설정된 유사도 기준 이상의 유사도를 갖는 검색 대상 문제가 문제(10), 문제(11)인 경우, 해설 정보(501) 및 해설 정보(502)를 모두 학습자 단말(50)에 송신할 수도 있다.
상기 예들에서, 학습 서비스 제공 장치(100)는 학습자 단말(50)에 해설 정보뿐만 아니라, 추출된 문제 역시 함께 송신할 수도 있다. 수신된 이미지의 OCR 처리 결과 식별된 검색 요청 문제와 추출된 문제가 유사하되, 동일하지 않을 수 있기 때문이다. 이 경우, 학습자 단말(50)은 최초에 송신한 이미지 상의 문제와 다른 문제지만, 이와 유사한 문제와 그 해설 정보를 수신할 수 있다. 이에 따라, 학습자는 수신된 문제와 해설 정보를 학습함으로써, 검색 대상 문제에 대한 간접적인 학습이 가능하다.
다음으로, 도 6 및 도 7을 참조하여, 도 4에 대한 설명에서 참조된, 학습 서비스 제공 장치(100)의 문제 검색 방법에 대하여 더욱 자세히 설명한다.
도 6 및 도 7은 본 발명의 몇몇 실시예에서 참조되는, 문제의 구성요소 및 가중치를 설명하기 위한 예시도이다. 특히, 도 6에서, Q & A 데이터(107)는 문제(10), 문제(11), 문제(12)를 포함하고, 문제(10)는 검색 요청 문제인 것으로 가정한다.
도 6을 참조하면, 학습 서비스 제공 장치(100)는 문제(10)를 구성요소 단위로 분리 식별할 수 있다. 이에 따라, 학습 서비스 제공 장치(100)는 문제(10)의 수식(610)과 문자(620)를 분리 식별할 수 있다. 도 4 및 도 6을 참조하면, 학습 서비스 제공 장치(100)는 Q & A 데이터(107) 중, 문제(11) 및 문제(12)를 필터링하고(S33), 문제(11) 및 문제(12)의 구성요소를 각각 수식(611) 및 문자(621)와, 수식(612) 및 문자(622)로 분리할 수 있다.
학습 서비스 제공 장치(100)는 검색 요청 문제(10)의 수식(610)과 필터링된 문제(11, 12)의 수식(611) 및 수식(612)의 유사도를 판단할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 수식(610)의 키워드를 추출하고, 이를 기초로, 수식(611) 및 수식(621)을 분석할 수 있다. 분석 결과, 학습 서비스 제공 장치(100)는 수식(611) 및 수식(621)에 유사도 가중치를 부여할 수 있다. 수식에 부여된 가중치를, 이하 제1 가중치라 칭하기로 한다.
학습 서비스 제공 장치(100)는 검색 요청 문제(10)의 문자(620)과 필터링된 문제(11, 12)의 문자(621) 및 문자(622)의 유사도를 판단할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 문자(620)를 구성요소 단위로 분리하고, 분리된 문자의 구성요소, 구성요소 간의 거리, 구성요소가 결합된 단어, 구성요소의 배열 순서, 전체 문자 영역의 길이 중 적어도 하나를 기초로, 문자(621) 및 문자(622)를 분석할 수 있다. 분석 결과, 학습 서비스 제공 장치(100)는 문자(621) 및 문자(622)에 유사도 가중치를 부여할 수 있다. 문자에 부여된 가중치를, 이하 제2 가중치라 칭하기로 한다.
학습 서비스 제공 장치(100)는 제1 가중치 및 제2 가중치를 기초로, 문제(11) 및 문제(12)의 유사도를 결정할 수 있다.
도 7에서, 도 6의 문제(10)에 그래프(630)이 더 포함된 문제(710)가 검색 요청 문제로 예시되었다. 도 7을 참조하면, 학습 서비스 제공 장치(100)는 검색 요청 문제(710)를 수식(610), 문자(620) 및 그래프(630)로 분리 식별할 수 있다. 도 7에서 특히, 문제(710)가 그래프(630)을 포함하는 경우가 예시되었으나, 본 발명의 실시예는 이에 한정되지 않으며, 문제(710)는 도형이나 이미지를 포함할 수도 있다. 또한, 수식(611), 문자(720) 및 그래프(730) 중 적어도 일부는 필터링된 하나의 문제에 포함될 수 있으며, 각각 서로 다른 문제에 포함될 수도 있는 것으로 가정한다.
도 4 및 도 7을 참조하면, 학습 서비스 제공 장치(100)는 문제(710)의 수식(610), 문자(620) 및 그래프(630)을 각각 기초하여, Q & A 데이터(107)에 포함된 필터링된 문제를 분석할 수 있다.
예를 들어, 학습 서비스 제공 장치(100)는 문제(710)의 수식(610)과 수식(611), 문제(710)의 문자(620)와 문자(720), 문제(710)의 그래프(630)과 그래프(730)를 각각 비교하여, 수식(611), 문자(720), 그래프(730)에 각각 유사도 가중치를 부여할 수 있다.
이때, 학습 서비스 제공 장치(100)는 수식에 대한 가중치인 제1 가중치, 문자에 대한 가중치인 제2 가중치와 그래프에 대한 가중치(이하, 제3 가중치라 한다.)의 중요도를 기초로, 문제의 유사도를 결정할 수 있다. 예를 들어, 학습 서비스 제공 장치(100)에, 제1 가중치, 제2 가중치, 제3 가중치의 순서로 가중치의 중요도가 미리 설정될 수 있다. 즉, 제1 가중치, 제2 가중치, 제3 가중치에 재차 가중치가 부여될 수 있다. 이를 위해, 제1 가중치, 제2 가중치, 제3 가중치에 특정 인자가 곱해짐으로써, 제1, 제2, 및 제3 가중치 사이의 우열 관계가 미리 결정될 수도 있다.
본 발명의 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는 문제(710)의 구성요소인 수식(610), 문자(620) 및 그래프(630)를 분리 식별한 후, 각 구성요소가 문제(710)에서 차지하는 면적을 분석하고, 제1 가중치, 제2 가중치, 및 제3 가중치 사이의 중요도를 결정할 수도 있다. 예를 들어, 그래프(630)이 가장 넓은 면적을 차지하는 경우, 학습 서비스 제공 장치(100)는 제3 가중치를 필터링된 문제에 대한 유사도 결정에 가장 중요한 인자로 결정할 수 있다. 또는, 학습 서비스 제공 장치(100)는 문자(620)의 가로 길이가 가장 긴 경우, 제2 가중치를 필터링된 문제에 대한 유사도 결정에 가장 중요한 인자로 결정할 수 있다. 다시 말해, 학습 서비스 제공 장치(100)는 문제(710)에 대한 OCR 처리 결과를 기초로 동적으로, 각 구성요소의 가중치에 대한 중요도를 결정할 수도 있다.
본 발명의 또 다른 실시예에 따르면, 학습 서비스 제공 장치(100)는, 유사도 가중치가 가장 높은 값에 추가 가중치를 부여할 수도 있다. 예를 들어, 문제(710)의 수식(610)과 수식(611), 문제(710)의 문자(620)와 문자(720), 문제(710)의 그래프(630)과 그래프(730)를 각각 비교한 결과, 수식(610) 및 수식(611) 사이의 유사도가 가장 높고, 그래프(630) 및 그래프(730)의 유사도가 두번째로 높고, 문자(620) 및 문자(720)의 유사도가 가장 낮은 경우, 유사도 가중치의 크기는 제1 가중치, 제3 가중치, 제2 가중치 순서로 결정될 수 있다. 이 경우, 학습 서비스 제공 자치(100)는 예를 들어, 제1 가중치에만 미리 설정된 1 이상의 인자를 곱하여, 유사도 결정에 제1 가중치가 가장 많이 반영되도록 할 수도 있다.
지금까지, 도 3 내지 도 7을 참조하여, 유사도를 기초로, 검색 요청 문제와 동일하거나 유사한 검색 대상 문제가 추출된 경우, 학습자 단말(50)에 해설 정보를 송신하는 단계(S50) 또는, 유사도 기준 이상의 문제가 추출되지 않은 경우, 식별된 검색 요청 문제를 저장하는 단계(S60)에 대하여 주로 설명하였다.
다음으로, 도 3의 단계(S60) 이후에, 학습자 단말(50)이 검색 요청 문제에 대한 해설 정보를 획득하지 못한 경우에, 학습 서비스 제공 장치(100)에 의해 수행되는 실시예를 도 8 및 도 9를 참조하여 설명한다.
다만, 여기에서 설명되는 실시예는, 도 3의 단계(S60) 이후에, 학습자 단말(50)이 검색 요청 문제에 대한 해설 정보를 획득하지 못한 경우뿐만 아니라 도 3의 단계(S50) 이후에도 학습 서비스 제공 장치(100)에 의해 수행될 수 있다. 예를 들어, 학습자 단말(50)이 검색 요청 문제에 대한 해설 정보를 획득하였음에도, 학습자가 추가 해설을 요청하는 경우, 단계(S50) 이후에 본 실시예가 수행될 수 있다. 또는, 학습자 단말(50)이 검색 요청 문제와 유사 문제에 대한 해설 정보를 획득하였고, 학습자가 검색 요청 문제의 해설을 요청하는 경우에도 마찬가지이다.
이하, 도 3의 단계(S60) 이후에, 학습자 단말(50)이 검색 요청 문제에 대한 해설 정보를 획득하지 못한 경우를 예를 들어 설명한다.
도 8은 본 발명의 또 다른 실시예에 따른 학습자 단말(50)에 해설 정보를 제공하는 방법에 대한 순서도이다. 도 8을 참조하면, 학습 서비스 제공 장치(100)는 학습자 단말로부터 문제에 대한 해설 요청 메시지를 수신할 수 있다(S61). 학습자는, 학습자 단말(50)을 조작하여, 학습 서비스 제공 장치(100)에 문제에 대한 해설 요청 메시지를 송신할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 학습자 단말(50)에 상기 해설 요청 메시지의 생성 및 송신을 위한 사용자 인터페이스를 제공할 수 있다.
학습 서비스 제공 장치(100)는 학습자 단말(50)로부터 수신되는 해설 요청 메시지에 응답하여, 복수의 답변자 단말 중 적어도 하나의 단말에 해설 요청 메시지를 송신할 수 있다(S63). 학습자 단말(50)로부터 수신되는 해설 요청 메시지와, 적어도 하나의 단말에 송신되는 해설 요청 메시지는 동일한 메시지일 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다. 예를 들어, 학습 서비스 제공 장치(100)는 학습자 단말(50)로부터 수신되는 해설 요청 메시지를 기초로, 적어도 하나의 단말에 송신하기 위한 해설 요청 메시지를 생성할 수도 있다. 또는, 학습 서비스 제공 장치(100)는, 단계(S60)에서 식별된 문제가 신규 문제로 저장되면, 학습자 단말(50)로부터 해설 요청이 수신되지 않더라도, 신규 문제에 대한 해설 요청 메시지를 자동 생성하고, 복수의 답변자 단말 중 적어도 하나의 단말에 자동 생성된 해설 요청 메시지를 송신할 수도 있다.
도 1에서 도시된 답변자 단말(200)은 복수개 일 수 있으며, 복수개의 답변자 단말은, 학습 서비스 제공 장치(100)에 미리 등록된 단말 장치일 수 있다. 학습 서비스 제공 장치(100)는 복수개의 답변자 단말의 컨택 정보를 미리 저장할 수 있다.
학습 서비스 제공 장치(100)는 적어도 하나의 답변자 단말로부터 문제에 대한 해설 정보를 수신할 수 있다(S65). 적어도 하나의 답변자 단말이, 도 1의 답변자 단말(200)이라고 가정한다. 답변자 단말(200)은 학습 서비스 제공 장치(100)로부터 해설 요청 메시지를 수신할 수 있으며, 문제에 대한 이미지 및 검색 요청 문제 중 적어도 하나를 수신할 수도 있다.
답변자는 수신된 문제에 대한 이미지 및 검색 요청 문제 중 적어도 하나에 대한 해설 정보를 답변자 단말(200)에 입력할 수 있다. 이때, 해설 정보는 이미지 파일 형식일 수 있다. 또는, 답변자 단말(200)을 통해 제공되는 해설 정보 생성 인터페이스를 통해 답변자로부터 입력을 수신함으로써, 답변자 단말(200)이 해설 정보를 생성할 수도 있다.
답변자 단말(200)로부터 해설 정보가 수신되면, 학습 서비스 제공 장치(100)는 수신된 해설 정보를 학습자 단말(50)에 송신할 수 있다(S67). 또한, 학습 서비스 제공 장치(100)는 수신된 해설 정보와 검색 요청 문제를 매칭하여 저장할 수도 있다. 이 경우, 학습 서비스 제공 장치(100)는 도 3의 단계(S60)에 대한 설명에서 상술한 품질 기준에 따라 수신된 해설 정보의 저장 여부를 결정할 수도 있다. 학습 서비스 제공 장치(100)는 수신된 해설 정보와 답변자 단말(200)의 답변자 정보를 매칭하여 저장할 수도 있다.
다음으로, 학습 서비스 제공 장치(100)는 학습자 단말(50)로부터 메시징 인터페이스 생성 요청이 수신되는지 여부를 판단할 수 있다(S68). 예를 들어, 학습자는 단계(S67)에서 학습자 단말(50)을 통해 해설 정보가 수신되었으나, 추가적인 질문 사항이 있거나, 관련 문제에 대한 문의가 있는 경우, 학습자 단말(50)을 통해 학습 서비스 제공 장치(100)에 메시징 인터페이스 생성 요청을 송신할 수 있다.
단계(S68)에서, 판단 결과, 학습 서비스 제공 장치(100)는 메시징 인터페이스 생성 요청이 수신되면, 학습자 단말(50)과 답변자 단말(200) 사이의 메시징 인터페이스를 생성할 수 있다(S69). 이 경우, 메시징 인터페이스의 생성에 앞서, 학습 서비스 제공 장치(100)는 답변자 단말(200)에 메시징 인터페이스에 대한 초대 메시지를 송신할 수도 있다. 학습 서비스 제공 장치(100)는 답변자 단말(200)로부터 초대 메시지에 응하는 메시지가 수신되면, 학습자 단말(50) 및 답변자 단말(200) 사이의 메시징 인터페이스를 생성할 수 있다. 학습 서비스 제공 장치(100)는 학습자 단말(50)과 답변자 단말(200) 사이의 세션이 형성되도록 제어하고, 학습자과 답변자를 참여자로 하는 인스턴트 메시징 인터페이스를 제공할 수 있다.
도 9는 본 발명의 몇몇 실시예에서 참조되는, 학습자 단말과 답변자 단말 사이의 메시징 인터페이스의 예시이다. 도 9에서, 메시징 인터페이스의 예로써, 답변자와 학습자를 참여자로 하는 채팅창(900)이 도시되었다.
도 9를 참조하면, 학습 서비스 제공 장치(100)는, 채팅창(900)을 통해, 학습자와 답변자 사이의 문제 및 해설 정보에 대한 메시지 교환(910)을 지원할 수 있다. 이를 위해, 메시지 문자, 기호 및 수식 등의 할 수 있다. 또한, 학습 서비스 제공 장치(100)는, 학습자 단말(50)로부터 수신된 문제에 대한 이미지 또는 식별된 검색 요청 문제와 미리 설정된 유사도 기준 이상의 문제를 검색 및 추출할 수 있다. 미리 설정된 유사도 기준 이상의 문제는, 검색 요청 문제와 동일 문제 및 유사 문제를 포함할 수 있다.
학습 서비스 제공 장치(100)는 검색 요청 문제와 동일 문제 또는 유사 문제의 메타데이터를 분석할 수 있다. 또한, 학습 서비스 제공 장치(100)는 분석된 메타데이터를 기초로, 추출된 동일 문제 또는 유사 문제에 대한 관련 문제를 검색하고 추출할 수도 있다.
예를 들어, 유사 문제는, 검색 요청 문제와 일부 문자가 다르거나, 숫자가 다른 문제일 수 있다. 즉, 수학 문제를 예로 들어 설명하면, 문제를 풀이하는데 요구되는 원리 또는 공식은 동일하나, 주어진 상수 값이 다르거나, 변수의 표현이 다른 경우이다.
유사 문제의 경우, 미리 설정된 유사도 기준 대비 유사도가 높으나, 검색 요청 문제와 동일성 영역으로 분류되지는 못하는 문제일 수 있다. 예를 들어, 학습 서비스 제공 장치(100)에 미리 설정된 유사도가 90% 이상인 경우, 검색 요청 문제와 동일하거나 유사한 문제로 판단하고, 95% 이상의 동일성이 인정되면, 검색 요청 문제와 동일한 문제로 판단한다고 가정한다. 이때, 유사 문제는 검색 요청 문제와 90% 이상 95% 미만의 동일성이 인정되는 문제일 수 있다.
예를 들어, 관련 문제는, 역시 수학 문제를 예로 들어 설명하면, 검색 대상 문제와 수학의 단원과 같은 카테고리가 동일하거나, 문제 풀이 방법 등이 관련된 문제일 수 있다. 즉, 검색 요청 문제가 수학 단원 중 집합 단원에 대한 문제인 경우, 관련 문제는, 두 집합의 교집합을 구하여 구해진 숫자를 이용하여, 방정식을 연산하는 문제인 경우이다.
관련 문제의 경우, 검색 요청 문제와 미리 설정된 유사도 기준 대비 유사도가 낮으나, 메타데이터 상의 정보가 관련성을 갖는 문제일 수 있다. 상기 예시된 바와 같이, 학습 서비스 제공 장치(100)에 미리 설정된 유사도가 90% 이상의 동일성을 요구한다고 가정한다. 이때, 학습 서비스 제공 장치(100)가 검색 요청 문제와의 유사도 판단 결과, 80%의 동일성이 인정되는 문제가 검색된 경우, 검색된 문제가 검색 요청 문제와 동일하거나 유사한 문제가 아닌 것으로 판단할 수 있다.
일 실시예에서, 학습 서비스 제공 장치(100)는, 검색된 문제에 대한 메타데이터를 분석할 수 있다. 메타데이터는 예를 들어, 문제가 수학 문제인 경우, 문제의 단원 정보, 문제를 설명하고, 분류하기 위한 키워드 정보 등을 포함할 수 있다. 학습 서비스 제공 장치(100)는 메타데이터를 분석하여, 검색된 문제와 검색 요청 문제와의 관련성을 판단할 수 있다. 즉, 학습 서비스 제공 장치(100)는 검색된 문제가 검색 요청 문제와 동일하거나 유사한 문제인 경우뿐만 아니라, 동일하거나 유사한 문제가 아닌 경우에도, 검색된 문제의 메타데이터 분석을 통해 검색 요청 문제와의 관련성을 판단할 수 있다.
이를 위해, 학습 서비스 제공 장치(100)는 유사도 기준 외에 관련도 기준을 미리 설정 받을 수도 있다.
여기에서, 관련도 기준은, 검색 요청 문제가 수학문제일 때, 검색 요청 문제와 검색된 문제를 구성하는 문자, 숫자, 수식의 유사성 판단 기준이 아닌, 검색 요청 문제와 검색된 문제의 메타데이터 상의 유사성을 판단하기 위한 기준일 수 있다. 즉, 관련도 기준은, 문제와 문제 사이의 관련성을 판단하기 위한 기준이며, 정책적으로 결정될 수 있다.
예를 들어, 검색 요청 문제가 단원 카테고리로 2차 방정식, 풀이 방법으로 근의 공식, 난이도 정보로 레벨 3인 메타데이터를 갖고, 검색된 문제가 단원 카테고리로 3차 방정식, 풀이 방법으로 근의 공식 및 인수분해, 난이도 정보로 레벨3인 메타데이터를 갖는 경우를 가정한다. 또한, 단원 카테고리, 풀이 방법의 정보, 난이도 정보가 각각의 관련도 기준의 파라미터로서, 수치화 된 값을 갖는 정보인 경우를 가정한다. 이 경우, 학습 서비스 제공 장치(100)는 검색 요청 문제와 검색된 문제의 파라미터 값을 비교하여 관련성을 판단할 수 있다. 학습 서비스 제공 장치(100)는 검색 요청 문제와 검색된 문제의 파라미터 값의 차이가 미리 설정된 값 이하인 경우, 검색된 문제가 검색 요청 문제와 관련성이 있는 것으로 판단할 수 있다. 이때, 학습 서비스 제공 장치(100)는 복수의 파라미터를 비교하여, 검색된 문제와 검색 요청 문제의 관련성을 판단할 수도 있다.
학습 서비스 제공 장치(100)는, 미리 설정된 관련도 기준 이상의 관련성이 인정되는 경우, 검색된 문제를 관련 문제로 판단할 수 있다.
학습 서비스 제공 장치(100)는, 도 3의 식별된 문제를 기초로 검색 대상 문제를 검색하는 단계(S30)와 유사도 기준의 문제를 추출하는 단계(S40)에서 관련 문제를 검색 및 추출할 수도 있다. 학습 서비스 제공 장치(100)는 검색 요청 문제와 동일하거나 유사한 문제를 추출한 후, 추출한 문제를 대상으로 관련 문제 검색 및 추출을 수행할 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다. 즉, 학습 서비스 제공 장치(100)는 검색 요청 문제와 동일하거나 유사한 문제의 검색 및 추출 동작과 별개의 프로세스로 관련 문제를 검색하고 추출할 수도 있다.
학습 서비스 제공 장치(100)는 관련 문제를 학습자 단말(50) 및 답변자 단말(200) 중 적어도 하나에 제공할 수 있다. 예를 들어, 관련 문제가 답변자 단말(200)에 제공된 경우, 답변자는 채팅창(900)을 통해, 관련 문제(920)을 학습자에게 추천할 수 있다. 이를 위해, 학습 서비스 제공 장치(100)는 제공된 관련 문제를 선택하여 채팅창(900)을 통해 학습자 단말(50)에 제공하기 위한 인터페이스를 답변자 단말(200)에 제공할 수 있다. 또한, 학습 서비스 제공 장치(100)는 답변자의 단말(200)에 관련 문제를 검색하기 위한 인터페이스를 제공할 수도 있다.
한편, 본 발명의 또 다른 실시예에 따르면, 학습 서비스 제공 장치(100)에 의해 자동으로, 학습자 단말(50)의 요청에 의해, 또는, 답변자의 답변자 단말(200)에 대한 조작에 의해 검색 요청 문제와 동일하지 않으나 유사한 문제 또는 관련 문제가 추천될 수 있다. 이와 같이, 검색 요청 문제와 동일하거나 유사한 문제 또는 관련 문제로서, 학습자 단말(50)에 의해 검색 요청된 문제와 다르지만, 학습자 단말(50)에 제공되는 문제를 추천 문제라고 칭할 수 있다.
도 10은 본 발명의 몇몇 실시예에서 참조되는, 추천 문제를 설명하기 위한 예시도이다.
도 10을 참조하면, 학습 서비스 제공 장치(100)는 도 2의 Q & A 데이터(107)에 속한 문제를 유사도 기준 및 관련도 기준 중 적어도 하나에 따라 분류할 수 있다. 도 10의 문제 그룹0, 문제 그룹1, 문제 그룹2, 문제 그룹3 및 문제 그룹 10은 관련도 기준에 따라 분류된 문제의 그룹이며, 각 문제 그룹에 속한 문제는 유사도 기준에 따라 그룹핑된 유사한 문제이다.
문제A1 및 문제B1은 검색 요청 문제 또는 검색 요청 문제와 동일한 문제이다. 도 10에서, 문제 그룹0은 난이도1에 해당하는 문제의 그룹이고, 문제 그룹1, 문제 그룹2 및 문제 그룹3은 난이도2에 해당하는 문제의 그룹이며, 문제 그룹10은 난이도3에 해당하는 문제 그룹인 경우가 예시되었다. 난이도1, 난이도2, 난이도3은 각각 세부 난이도로 다시 분류될 수 있다. 즉, 동일한 난이도2에 속하는 문제도 수평방향으로 차등적인 난이도를 가질 수 있다. 예를 들어, 문제A1 및 문제A2는 난이도2에 해당하는 문제이나, 문제A2는 문제A1 보다 세부 난이도가 더 높을 수 있다.
또한, 도 10의 문제 그룹1, 문제 그룹2 및 문제 그룹3은 동일한 난이도인 난이도2에 해당하는 문제들의 그룹이되, 메타데이터 상의 단원 카테고리가 다른 그룹일 수 있다. 즉, 도 10의 문제 그룹의 수직 방향 높이는 단원 카테고리의 차이를 나타낼 수 있다.
일 실시예에서, 학습 서비스 제공 장치(100)는 문제A1이 검색 요청된 경우, 즉, 학습자가 문제A1을 질문한 경우, 유사도 판단 결과, 유사한 문제의 그룹으로 문제 그룹1을 식별할 수 있다. 학습 서비스 제공 장치(100)는 학습자가 질문했던 문제와 유사한 문제를 식별된 문제 그룹1에서 추출하여 학습자 단말(50)에 추천 문제로 제공할 수 있다. 동일한 문제 그룹에 속한 문제는 검색 요청 문제와 상수의 차이만 있는 유사 문제일 수 있으며, 학습 서비스 제공 장치(100)는, 예를 들어, 문제 그룹1의 문제A2를 추천 문제로 추천할 수 있다.
다른 실시예에서, 학습 서비스 제공 장치(100)는 문제A2가 검색 요청된 경우, 유사도 판단 결과, 유사한 문제의 그룹으로 문제 그룹2를 식별하여 유사한 문제를 문제 그룹2에서 추출하여 학습자 단말(50)에 추천 문제로 제공할 수 있다. 또한, 학습 서비스 제공 장치(100)는 문제A2를 기준으로 미리 설정된 관련도 기준 이상의 문제를 추출할 수 있다. 이때, 학습 서비스 제공 장치(100)는 메타데이터 상의 난이도 정보를 기준으로 인접 난이도를 갖는 문제 그룹을 먼저 식별한 후, 식별된 문제 그룹에 속한 문제를 추출하여 추천할 수도 있다. 도 10에서, 식별된 문제 그룹으로 문제 그룹0 및 문제 그룹10이 예시되었다. 문제 그룹0은 문제B1과 단원 카테고리는 동일하나 난이도가 낮아 기초 학습을 위한 문제가 속한 그룹이며, 문제 그룹10은 문제B1과 단원 카테고리는 동일하나 난이도가 높아 심화 학습을 위한 문제가 속한 그룹일 수 있다.
학습 서비스 제공 장치(100)는, 예를 들어, 문제 그룹0에 속한 문제a2 및/또는 문제 그룹10에 속한 문제D1를 관련 문제로 추출하여 학습자 단말(50)에 추천 문제로 제공할 수 있다.
또 다른 실시예에서, 학습 서비스 제공 장치(100)는 학습자의 질문 문제 내역(1000)을 저장할 수 있다. 도 10에서, 질문 문제 내역에 문제A1 및 문제B1이 저장된 경우가 예시되었다. 학습 서비스 제공 장치(100)는 질문 문제 내역(1000)을 기초로, 학습자에게 질문 문제와 난이도는 동일하되, 단원 카테고리가 다른 문제 그룹을 식별할 수 있다. 즉, 학습 서비스 제공 장치(100)는 문제 그룹3을 식별할 수 있으며, 예를 들어 문제 그룹3에 속한 문제C1을 추천 문제로 학습자 단말(100)에 제공할 수 있다.
또한, 학습 서비스 제공 장치(100)는 질문 문제 내역(1000)을 기초로 질문 문제와 난이도가 다른 문제 그룹을 식별할 수도 있다. 예를 들어, 학습 서비스 제공 장치(100)는 문제 그룹0 및/또는 문제 그룹10을 식별할 수 있으며, 식별된 문제 그룹에 속한 문제를 학습자에게 추천할 수도 있다.
도 11은 본 발명의 몇몇 실시예에서 참조되는, 학습자 질문 기반 학습 컨텐츠의 예시이다.
도 11을 참조하면, 학습 서비스 제공 장치(100)는 도 10의 질문 문제 내역(1000)을 기초로, 학습자 맞춤형 학습 컨텐츠(1100)를 생성할 수 있다. 학습 서비스 제공 장치(100)는 질문 문제 내역(1000)을 기초로, 학습자의 학습 수준을 판단할 수 있다. 또한, 학습 서비스 제공 장치(100)는 미리 설정된 기간 동안 질문 문제 내역(1000)에 추가되는 문제들을 기초로, 일정 기간 동안의 학습자의 학습 성취도를 판단할 수도 있다.
학습 서비스 제공 장치(100)는 질문 문제 내역(1000)을 기초로, 검색 요청 문제와, 동일한 문제, 유사한 문제 및 관련 문제를 추천 문제로 추출할 수 있으며, 추출된 문제로 구성된 학습 컨텐츠(1100)를 생성할 수 있다. 도 11에서, 학습 컨텐츠(1100)가 제1 영역에 검색 요청 문제 또는 검색 요청 문제와 동일한 문제로 판단된 문제(1110)를 포함하고, 제2 영역에 추천 문제(1120)를 포함하는 경우가 예시되었다. 검색 요청 문제(1110) 및 추천 문제(1120)는 메타데이터의 적어도 하나의 파라미터를 기초로 학습 컨텐츠(1100) 내에 순차적으로 배열될 수 있으나, 본 발명의 실시예는 이에 한정되지 않는다. 검색 요청 문제 또는 이와 동일한 문제로 판단된 문제(1110)와 추천 문제(1120)는 임의의 순서대로 학습 컨텐츠(1100) 내에 배열될 수도 있다.
학습 서비스 제공 장치(100)는 문제의 단원 카테고리, 난이도, 풀이 방법 등 메타데이터 상의 파라미터를 기준으로 개별적인 학습 컨텐츠를 생성할 수도 있다. 예를 들어, 학습 서비스 제공 장치(100)는 동일한 단원으로만 구성된 학습 컨텐츠, 심화 난이도의 문제로만 구성된 학습 컨텐츠, 반복적으로 유사한 풀이 방법이 적용되는 문제로만 구성된 학습 컨텐츠를 생성할 수 있다.
학습 서비스 제공 장치(100)는 생성된 학습 컨텐츠(1100)를 학습자 단말(50)에 송신할 수 있다.
도 12는 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 시스템의 구성도이다. 특히, 도 12의 학습자 등급 기반의 학습 서비스 제공 시스템으로, 도 1의 학습 서비스 제공 시스템에 학습자 인증 장치(1200)가 추가된 경우가 예로써 도시되었다.
도 12를 참조하면, 학습자 인증 장치(1200)는 학습자 단말(50)이 미리 설정된 영역(1210) 내에 위치하는 것을 감지할 수 있다. 학습자 단말(50)이 학습 서비스 제공 장치(100)이 제공하는 학습 서비스에 접속되면, 학습자 인증 장치(1200)는 영역(1210) 내에서 상기 학습 서비스에 접속한 학습자 단말(50)의 고유 정보를 식별할 수 있다. 식별된 고유 정보가 학습 서비스 제공 장치(100)에 전달되면, 학습 서비스 제공 장치(100)는 학습자 단말(50)의 사용자인 학습자의 학습자 등급을 판단할 수 있다. 학습 서비스 제공 장치(100)는 판단된 학습자 등급에 대응되는 학습 서비스를 학습자 단말(50)에 제공할 수 있다.
예를 들어, 학습자 단말(50)의 고유 정보는 맥어드레스(Mac address) 정보일 수 있으며, 학습자 인증 장치(1200)는 미리 설정된 영역(1210) 내에 Wi-Fi 인터넷을 제공하는 AP(Access Point)일 수 있다. 학습 서비스 제공 장치(100)는 AP에 할당된 ip 정보 및/또는 학습자 단말(50)의 맥어드레스 정보를 기초로, 학습자 단말(50)에 미리 설정된 영역(1210) 내에서 학습 서비스에 접속이 개시되는지 판단할 수 있다.
학습 서비스 제공 장치(100)는 학습자 등급 별로, 서로 다른 학습 서비스를 제공할 수 있다. 학습 서비스 제공 장치(100)는 학습자가 신청한 학습 서비스 유형, 학습 서비스 과금액, 서비스 접속 위치 및 학습 서비스 참여도 중 적어도 하나를 기초로 학습자 등급을 결정할 수 있다.
일 예로, 학습 서비스 제공 장치(100)는 기본 등급인 학습자가 학습 서비스에 접속되면, 기본 학습 서비스를 제공할 수 있다. 기본 학습 서비스는 학습자 단말(50)로부터 문제를 포함하는 이미지가 수신되면, 이를 OCR 분석하여 식별된 검색 요청 문제에 대한 해설 정보를 제공하는 서비스일 수 있다. 이때, 기본 등급인 학습자에게는 검색 요청 문제에 대하여 각 해설 정보가 학습자 단말(50)에 송신될 때마다, 서비스 비용이 과금될 수 있다.
다른 예로, 학습 서비스 제공 장치(100)는 기본 등급 보다 상위 등급인 학습자가 학습 서비스에 접속되면, 각 학습자의 등급에 맞춰 등급별 학습 서비스를 제공할 수 있다. 등급별 학습 서비스는, 상술한 기본 학습 서비스를 포함하고, 추가적으로 추천 문제를 학습자 단말(50)에 제공하는 서비스일 수 있다. 또한, 등급별 학습 서비스는, 학습자의 등급에 따라, 도 11에서 예시된 학습 컨텐츠(1100)를 학습자 단말(50)에 정기적 또는 비정기적으로 제공하는 서비스를 포함할 수도 있다. 이때, 학습자 상위 등급의 학습자에게는, 검색 요청 문제에 대한 해설 정보 제공은 무료로 제공되고, 학습 컨텐츠(1100)는 각 컨텐츠당 유료로 제공될 수 있다.
또 다른 예로, 학습 서비스 제공 장치(100)는 기본 등급의 학습자 또는 학습자 등급이 결정되지 않은 학습자가 학습 서비스에 접속되면, 학습자 단말(50)의 접속 위치가 미리 설정된 영역(1210) 내인지 판단할 수 있다. 학습자 단말(50)의 접속 위치가 영역(1210) 내인 경우, 학습 서비스 제공 장치(100)는 학습자의 등급을 상위 등급 학습자로 결정할 수 있다. 학습 서비스 제공 장치(100) 상위 등급 학습자로 결정된 학습자의 학습자 단말(50)에 등급별 학습 서비스를 제공할 수 있다.
상기 기본 학습 서비스 및 등급별 학습 서비스의 내용 및 과금 정책은 예에 불과하며, 본 발명의 실시예는 이에 한정되지 않는다.
도 13은 본 발명의 또 다른 실시예에 따른 학습자 등급 기반의 학습 서비스 제공 방법의 순서도이다. 이하, 도 13을 참조하여, 학습자 등급 기반의 학습 서비스 제공 방법을 다시 한번 설명한다. 각 단계는 학습 서비스 제공 장치(100)에 의해 수행된다.
도 13을 참조하면, 학습 서비스 제공 장치(100)는 학습자 단말(50)의 학습 서비스 접속 위치를 식별할 수 있다(S1301). 이를 위해, 학습 서비스 제공 시스템은 도 12에 예시된 바와 같이 학습자 인증 장치(1200)를 포함할 수 있다. 학습 서비스 제공 장치(100)는 학습자 인증 장치(1200)로부터 학습자 단말(50)의 고유 정보를 수신함으로써, 학습자 단말(50)의 접속 위치를 식별할 수 있다.
학습 서비스 제공 장치(100)는 학습자 단말(50)의 접속 위치가 미리 설정된 영역인지 여부를 판단할 수 있다(S1303). 예를 들어, 미리 설정된 영역은, 학습 서비스가 제공되는 장소로서, 독서실, 학교, 학원 등 교육 시설일 수 있다. 학습 서비스 제공 장치(100)에 상기 교육 시설을 장소 정보가 미리 설정될 수 있다.
상기 판단 결과, 학습자 단말(50)의 접속 위치가 미리 설정된 영역이 아닌 경우, 학습 서비스 제공 장치(100)는 학습 서비스에 접속한 학습자 단말(50)의 학습자의 등급이 기본 등급인지 상위 등급인지 판단할 수 있다. 즉, 학습 서비스 제공 장치(100)는 학습자가 등급별 학습 서비스 대상자인지 판단할 수 있다(S1305).
학습 서비스 제공 장치(100)는 학습자가 기본 등급의 학습자로 판단되면, 학습자 단말(50)에 기본 학습 서비스를 제공할 수 있다(S1307).
반면, 단계(S1303)에서 학습자 단말(50)의 접속 위치가 미리 설정된 영역 내로 판단된 경우, 또는 단계(S1305)에서 학습자의 등급이 상위 등급으로 판단된 경우, 학습 서비스 제공 장치(100)는 학습자 단말(50)에 학습자의 등급에 맞춰, 등급별 학습 서비스를 제공할 수 있다(S1309).
지금까지 첨부된 도면을 참조하여 설명된 본 발명의 실시예에 따른 방법들은 컴퓨터가 읽을 수 있는 코드로 구현된 컴퓨터프로그램의 실행에 의하여 수행될 수 있다. 상기 컴퓨터프로그램은 인터넷 등의 네트워크를 통하여 제1 컴퓨팅 장치로부터 제2 컴퓨팅 장치에 송신되어 상기 제2 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 제2 컴퓨팅 장치에서 사용될 수 있다. 상기 제1 컴퓨팅 장치 및 상기 제2 컴퓨팅 장치는, 서버 장치, 데스크탑 PC와 같은 고정식 컴퓨팅 장치, 노트북, 스마트폰, 태블릿 피씨와 같은 모바일 컴퓨팅 장치를 모두 포함한다.
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다.
Claims (3)
- 학습 컨텐츠 생성 장치에 의해 수행되는 방법으로서,
학습자 단말로부터 이미지를 수신하는 단계;
합성곱 신경망 모델을 이용하여, 상기 수신된 이미지에 대한 OCR 처리를 수행하는 단계;
상기 OCR 처리에 의해, 상기 수신된 이미지 상의 전체 픽셀을 분석하고, 각각의 픽셀에 대한 특징 정보를 추출하는 단계;
상기 합성곱 신경망 모델을 통해 미리 학습된 정보를 기초로, 상기 추출된 각각 픽셀의 특징 정보로부터, 상기 각각의 픽셀이 구성하는 문자 또는 수식을 예측하는 단계;
상기 예측이 수행됨에 따라, 상기 이미지 상의 문자와 수식을 각각 인식함으로써, 검색 요청 문제를 식별하는 단계;
상기 식별된 검색 요청 문제에 포함된 문자를 구성요소 단위로 분리하는 단계;
상기 식별된 검색 요청 문제에 포함된 수식 내의 수식 기호를 추출하는 단계;
상기 구성요소 단위로 분리된 문자 및 상기 추출된 수식 기호를 기초로, 미리 저장된 검색 대상 문제를 필터링하는 단계;
상기 필터링된 검색 대상 문제에 대한 유사도를 판단하는 단계;
상기 판단된 유사도를 기초로, 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제를 추출하는 단계;
상기 추출된 문제에 대한 제1 메타데이터 및 상기 검색 대상 문제에 대한 제2 메타데이터를 비교하는 단계;
상기 비교 결과를 기초로, 상기 검색 대상 문제 중, 상기 검색 요청 문제와 미리 설정된 관련도 기준 이상의 관련도를 갖는 관련 문제를 추출하는 단계;
상기 추출된 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제 및 상기 추출된 관련 문제 중 적어도 하나를 포함하는 학습 컨텐츠를 생성하는 단계; 및
상기 생성된 학습 컨텐츠를 상기 학습자의 단말에 송신하는 단계를 포함하는,
학습 컨텐츠 생성 방법. - 제 1 항에 있어서, 상기 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제를 추출하는 단계는,
상기 추출된 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제의 메타데이터 상의 난이도를 식별하는 단계를 포함하고,
상기 학습 컨텐츠를 생성하는 단계는,
상기 식별된 난이도를 기초로, 상기 검색 요청 문제를 송신한 상기 학습자 단말의 학습자 학습수준을 판단하는 단계; 및
상시 판단된 학습수준을 기초로, 상기 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제 및 상기 관련 문제를 포함하는 학습 컨텐츠를 생성하는 단계를 포함하는,
학습 컨텐츠 생성 방법. - 제 2 항에 있어서, 상기 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제 및 상기 관련 문제는, 각각 단원 카테고리, 난이도 및 풀이 방법 중 적어도 하나의 파라미터를 포함하는 메타데이터를 갖고,
상시 판단된 학습수준을 기초로, 상기 미리 설정된 유사도 기준 이상의 유사도를 갖는 문제 및 상기 관련 문제를 포함하는 학습 컨텐츠를 생성하는 단계는,
상기 단원 카테고리, 난이도 및 풀이 방법 중 적어도 하나를 기준으로 학습 컨텐츠를 생성하는 단계를 포함하는,
학습 컨텐츠 생성 방법.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170056786 | 2017-05-04 | ||
KR20170056786 | 2017-05-04 | ||
KR1020170175038A KR102056822B1 (ko) | 2017-05-04 | 2017-12-19 | 학습 서비스 제공 방법 및 그 장치 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170175038A Division KR102056822B1 (ko) | 2017-05-04 | 2017-12-19 | 학습 서비스 제공 방법 및 그 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190142288A KR20190142288A (ko) | 2019-12-26 |
KR102260554B1 true KR102260554B1 (ko) | 2021-06-04 |
Family
ID=64328210
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170175038A KR102056822B1 (ko) | 2017-05-04 | 2017-12-19 | 학습 서비스 제공 방법 및 그 장치 |
KR1020190164637A KR102260553B1 (ko) | 2017-05-04 | 2019-12-11 | 메타 데이터 기반의 관련 문제 추천 방법 |
KR1020190164595A KR102106462B1 (ko) | 2017-05-04 | 2019-12-11 | 가중치 기반의 유사 문제 필터링 방법 |
KR1020190164663A KR102260554B1 (ko) | 2017-05-04 | 2019-12-11 | 학습 컨텐츠 생성 방법 |
Family Applications Before (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170175038A KR102056822B1 (ko) | 2017-05-04 | 2017-12-19 | 학습 서비스 제공 방법 및 그 장치 |
KR1020190164637A KR102260553B1 (ko) | 2017-05-04 | 2019-12-11 | 메타 데이터 기반의 관련 문제 추천 방법 |
KR1020190164595A KR102106462B1 (ko) | 2017-05-04 | 2019-12-11 | 가중치 기반의 유사 문제 필터링 방법 |
Country Status (1)
Country | Link |
---|---|
KR (4) | KR102056822B1 (ko) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101986721B1 (ko) * | 2019-03-27 | 2019-06-10 | 월드버텍 주식회사 | 신경망 기반 기계번역 및 셈뭉치를 이용한 수학문제 개념유형 예측 서비스 제공 방법 |
KR102095407B1 (ko) * | 2019-09-05 | 2020-03-31 | 김강 | 문제집 채점 시스템 |
KR102129704B1 (ko) * | 2019-11-01 | 2020-07-02 | 주식회사 보인정보기술 | 문항 자동 생성 방법 및 시스템 |
KR102197752B1 (ko) * | 2019-12-20 | 2021-01-04 | 주식회사 아이스크림에듀 | 맞춤형 자동 문항 생성을 통한 인공지능 기반 학습 방법 및 시스템 |
KR102191672B1 (ko) * | 2019-12-20 | 2020-12-16 | 주식회사 아이스크림에듀 | 학습 분석 및 인공지능 기반 맞춤형 학습 방법 및 시스템 |
KR102191671B1 (ko) * | 2019-12-20 | 2020-12-16 | 주식회사 아이스크림에듀 | 소셜 러닝 및 e포트폴리오 기반 맞춤형 학습 방법 및 시스템 |
KR102191670B1 (ko) * | 2019-12-20 | 2020-12-16 | 주식회사 아이스크림에듀 | 문제은행 및 지식맵 기반 맞춤형 학습 방법 및 시스템 |
US20210241644A1 (en) | 2020-02-03 | 2021-08-05 | St Unitas Co., Ltd. | Apparatus, method and recording medium storing command for supporting learning |
KR20220000758A (ko) * | 2020-06-26 | 2022-01-04 | 삼성전자주식회사 | 영상 검출 장치 및 그 동작 방법 |
KR102285665B1 (ko) * | 2020-11-23 | 2021-08-04 | 주식회사 제로원파트너스 | 학습 커리큘럼 제공 방법, 시스템 및 장치 |
KR102314007B1 (ko) * | 2020-12-01 | 2021-10-15 | 남상훈 | 인공지능을 이용한 사용자 맞춤형 강의 제공 시스템 |
KR20220118579A (ko) * | 2021-02-18 | 2022-08-26 | 주식회사 매스프레소 | 인공지능을 이용하여 튜터링 서비스를 제공하기 위한 시스템 및 그에 관한 방법 |
KR102383457B1 (ko) | 2021-05-28 | 2022-04-08 | 주식회사 아이스크림에듀 | 교수와 학습을 지원하는 능동형 인공지능 튜터링 시스템 및 이의 제어방법 |
KR102468551B1 (ko) | 2021-08-17 | 2022-11-22 | 주식회사 아이스크림에듀 | 학습평가를 지원하는 능동형 인공지능 튜터링 시스템 및 이의 제어방법 |
KR102383458B1 (ko) | 2021-08-17 | 2022-04-11 | 주식회사 아이스크림에듀 | 학습결과에 대한 관리를 지원하는 능동형 인공지능 튜터링 시스템 |
KR102398417B1 (ko) | 2021-08-17 | 2022-05-16 | 주식회사 아이스크림에듀 | 학습분석 표준모델을 기반으로 멀티모달 학습 데이터를 수집 및 분석하는 시스템 |
KR102403701B1 (ko) | 2021-08-25 | 2022-05-31 | 주식회사 아이스크림미디어 | 쌍방향 참여형 교육 서비스 제공 시스템 |
KR102420576B1 (ko) | 2021-08-25 | 2022-07-15 | 주식회사 아이스크림미디어 | 교과서 기반의 반응형 디지털 교재 서비스 제공 시스템 및 이의 제어방법 |
KR102372363B1 (ko) | 2021-08-26 | 2022-03-10 | 주식회사 아이스크림미디어 | 교육 웹사이트의 관리 시스템 |
KR102449336B1 (ko) * | 2021-09-23 | 2022-09-30 | (주)웅진씽크빅 | Ocr을 이용한 학습 추천 장치 및 방법 |
KR102465768B1 (ko) | 2021-10-18 | 2022-11-15 | 주식회사 아이스크림에듀 | 개인화 맞춤형 학습분석 제공 시스템 |
KR102502209B1 (ko) | 2022-03-23 | 2023-02-23 | 주식회사 아이스크림미디어 | 교육용 웹 유도기능 및 온라인 퀴즈 소통기능을 갖는 온라인 수업도구 서비스 제공 시스템 |
KR102484345B1 (ko) | 2022-03-23 | 2023-01-04 | 주식회사 아이스크림미디어 | 교육용 콘텐츠 전송기능이 구비된 온라인 수업도구 서비스 제공 시스템 |
KR102484344B1 (ko) | 2022-03-23 | 2023-01-04 | 주식회사 아이스크림미디어 | 양방향 소통형 온라인 수업도구 서비스 제공 시스템 |
KR102528508B1 (ko) | 2022-08-10 | 2023-05-04 | 주식회사 아이스크림미디어 | 가변식 워크시트 생성기능을 갖는 참여형 교육 서비스 제공 시스템 |
KR20240021607A (ko) | 2022-08-10 | 2024-02-19 | 주식회사 아이스크림미디어 | 자리배치기능을 갖는 온라인 수업도구 서비스 제공 시스템 |
KR102504454B1 (ko) | 2022-08-10 | 2023-03-07 | 주식회사 아이스크림미디어 | 교사용 일정 관리기능을 갖는 온라인 수업도구 서비스 제공 시스템 |
KR102530740B1 (ko) | 2022-08-10 | 2023-05-11 | 주식회사 아이스크림미디어 | 퀴즈 게임을 이용한 참여형 교육 서비스 제공 시스템 |
KR102538341B1 (ko) | 2022-10-19 | 2023-06-02 | 주식회사 아이스크림에듀 | 맞춤형 교육자료 제공기능을 갖는 인공지능 튜터링 시스템 |
KR102636579B1 (ko) | 2022-10-19 | 2024-02-16 | 주식회사 아이스크림에듀 | 학습이력 및 메타정보 기반의 지식맵을 활용한 인공지능 튜터링 시스템 |
KR102538340B1 (ko) | 2022-10-19 | 2023-06-02 | 주식회사 아이스크림에듀 | 학습 이해도에 대한 진단을 지원하는 인공지능 튜터링 시스템 |
KR102538342B1 (ko) | 2022-10-19 | 2023-06-02 | 주식회사 아이스크림에듀 | 신규 학습자용 진단평가 데이터 기반의 커리큐럼별 이해도 추론을 활용한 인공지능 튜터링 시스템 |
KR102636582B1 (ko) | 2022-10-20 | 2024-02-16 | 주식회사 아이스크림에듀 | 학습 이해도에 대한 진단 및 협업 학습을 지원하는 인공지능 튜터링 시스템 |
KR102636580B1 (ko) | 2022-10-20 | 2024-02-16 | 주식회사 아이스크림에듀 | 스마트 기기 기반의 자기주도학습 역량 측정용 평가 서비스 제공 시스템 |
KR102636581B1 (ko) | 2022-10-20 | 2024-02-16 | 주식회사 아이스크림에듀 | 자기주도학습 유형별 진단 및 처방 서비스 제공 시스템 |
KR102611678B1 (ko) | 2023-04-13 | 2023-12-08 | 주식회사 아이스크림미디어 | 퀴즈 게임을 이용한 참여형 교육 서비스 구현 시스템 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7499588B2 (en) * | 2004-05-20 | 2009-03-03 | Microsoft Corporation | Low resolution OCR for camera acquired documents |
KR20120131480A (ko) | 2011-05-25 | 2012-12-05 | 에스케이텔레콤 주식회사 | 단어 학습 서비스 제공 시스템 및 방법 |
KR20130089998A (ko) * | 2012-01-27 | 2013-08-13 | 김범수 | 학습 정보 제공 시스템 및 이를 이용하여 학습자에게 학습 정보를 제공하는 방법 |
KR101652500B1 (ko) * | 2014-04-08 | 2016-08-31 | 한국항공대학교산학협력단 | 실시간 지식기반 공유 스마트 러닝 시스템 및 그 방법 |
-
2017
- 2017-12-19 KR KR1020170175038A patent/KR102056822B1/ko active IP Right Grant
-
2019
- 2019-12-11 KR KR1020190164637A patent/KR102260553B1/ko active IP Right Grant
- 2019-12-11 KR KR1020190164595A patent/KR102106462B1/ko active IP Right Grant
- 2019-12-11 KR KR1020190164663A patent/KR102260554B1/ko active IP Right Grant
Also Published As
Publication number | Publication date |
---|---|
KR20180122926A (ko) | 2018-11-14 |
KR20190142286A (ko) | 2019-12-26 |
KR102260553B1 (ko) | 2021-06-04 |
KR102056822B1 (ko) | 2019-12-17 |
KR20190142287A (ko) | 2019-12-26 |
KR20190142288A (ko) | 2019-12-26 |
KR102106462B1 (ko) | 2020-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102260554B1 (ko) | 학습 컨텐츠 생성 방법 | |
CN112632385B (zh) | 课程推荐方法、装置、计算机设备及介质 | |
CN111753060B (zh) | 信息检索方法、装置、设备及计算机可读存储介质 | |
WO2021159632A1 (zh) | 智能问答方法、装置、计算机设备及计算机存储介质 | |
WO2020077824A1 (zh) | 异常问题的定位方法、装置、设备及存储介质 | |
CN116935169B (zh) | 文生图模型训练方法以及文生图方法 | |
CN109033798B (zh) | 一种基于语义的点选验证码识别方法及其装置 | |
CN109408821B (zh) | 一种语料生成方法、装置、计算设备及存储介质 | |
CN111324713B (zh) | 对话自动回复方法、装置、存储介质和计算机设备 | |
CN112035687B (zh) | 一种多媒体内容发布的方法、装置、电子设备及存储介质 | |
CN113505204A (zh) | 召回模型训练方法、搜索召回方法、装置和计算机设备 | |
CN112528022A (zh) | 主题类别对应的特征词提取和文本主题类别识别方法 | |
CN114168841A (zh) | 内容推荐方法及其装置 | |
CN111192170B (zh) | 题目推送方法、装置、设备和计算机可读存储介质 | |
CN110765301A (zh) | 图片处理方法、装置、设备及存储介质 | |
CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 | |
CN113505786A (zh) | 试题拍照评判方法、装置及电子设备 | |
CN117763126A (zh) | 知识检索方法、设备、存储介质及装置 | |
CN113407696A (zh) | 收集表处理方法、装置、设备以及存储介质 | |
US20200294410A1 (en) | Methods, systems, apparatuses and devices for facilitating grading of handwritten sheets | |
Liu et al. | An Evaluation of GPT-4V and Gemini in Online VQA | |
CN113822589A (zh) | 智能面试方法、装置、设备及存储介质 | |
CN113505293A (zh) | 信息推送方法、装置、电子设备及存储介质 | |
WO2021075995A1 (ru) | Способ формирования поисковой выдачи в рекламном виджите | |
US20230326046A1 (en) | Application matching method and application matching device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A107 | Divisional application of patent | ||
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) | ||
GRNT | Written decision to grant |