KR102481664B1 - 대학입시 합격가능성 예측 시스템 및 서비스 방법 - Google Patents
대학입시 합격가능성 예측 시스템 및 서비스 방법 Download PDFInfo
- Publication number
- KR102481664B1 KR102481664B1 KR1020220020855A KR20220020855A KR102481664B1 KR 102481664 B1 KR102481664 B1 KR 102481664B1 KR 1020220020855 A KR1020220020855 A KR 1020220020855A KR 20220020855 A KR20220020855 A KR 20220020855A KR 102481664 B1 KR102481664 B1 KR 102481664B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- pass
- expected
- prediction
- recruitment
- Prior art date
Links
- 238000000034 method Methods 0.000 title description 23
- 230000007115 recruitment Effects 0.000 claims abstract description 63
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 241000287107 Passer Species 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q50/2053—Education institution selection, admissions, or financial aid
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Pure & Applied Mathematics (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Biology (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
Abstract
본 발명은 대학입시 합격가능성 예측 시스템에 관한 것으로, 자신이 지원하고자 학교 및 학과를 포함하는 지원정보를 입력하고 합격 예측 정보를 요청하는 사용자 단말; 상기 사용자 단말로부터 수신받은 지원정보에 따라 데이터베이스로부터 실시간 모집정보를 추출하고, 상기 모집정보에 따라 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 산출하고, 산출된 상기 예상 경쟁율, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 이용하여 합격 예상 지수를 산출하여 상기 사용자 단말로 전송하는 합격 예측서버를 포함한다.
Description
본 발명은 합격예측 시스템 및 서비스 방법에 관한 것으로, 보다 상세하게는 최종 입시 지원 마감일 직전까지 쉽고 빠르게 원하는 학교 및 학과의 보다 정확하고 신뢰성 높은 합격 예상 정보를 사용자 단말을 통해 제공할 수 있는 대학입시 합격가능성 예측 시스템 및 서비스 방법에 관한 것이다.
현행 대학입학 입시제도는 학생부 교과/종합 전형이 중심이 되는 수시모집 및 수학능력시험시험이 중심이 되는 정시모집으로 나눌 수 있다. 수시모집제도는 대학/학과에 따라 수많은 평가기준이 존재할 수 있어 기준을 정형 화시키기 어려운 상황이다. 정식모집제도는 대학 및 학과별로 수학능력시험의 영역별 점수에 가산점을 부여하는 등의 수학능력시험 점수의 분야별 세분화 평가가 이루어질 수 있지만 기본적으로 수학능력시험의 점수를 기반으 로 평가가 이루어질 수 있다.
이러한 대학입학시험을 준비함에 있어, 입시 컨설팅 시장은 서울을 중심으로 한 수도권에 집중되어 있기 때문에, 전국에 있는 수험생의 입장에서 입시 컨설팅 수준의 편차가 크며 정보의 비대칭성도 높게 형성되어 있는 실정이다. 이러한 문제점을 해결하기 위해 온라인 방식의 입시 컨설팅 플랫폼이 시도되고 있으나 아직은 초기 단계 수준에 머물러 있다.
따라서, 온라인 및 모바일 애플리케이션 상에서 목표 대학 및 학과에 대한 신뢰성높은 합격가능성을 예측하고 수험생에게 실시간으로 현재 목표하는 대학 및 학과별 입시지원 상황, 모집 상황, 예상되는 경쟁률 상황을 직관적으로 확인할 수 있고, 종래의 합격 예측 정보에 더하여 정확하고 신뢰성이 있으면서 보다 가능성을 확대하여 판단할 수 있는 정보에 대한 요구가 높은 실정이다.
상술한 문제를 해결하고자 하는 본 발명의 과제는 다음과 같다.
첫째, 본 발명의 과제는 최종 입시 지원 마감일 직전까지 쉽고 빠르게 원하는 학교 및 학과의 보다 정확하고 신뢰성 높은 합격 예상 정보를 사용자 단말을 통해 제공할 수 있는 대학입시 합격가능성 예측 시스템 및 서비스 방법을 제공하고자 함이다.
둘째, 본 발명의 과제는 합격 예상 지수를 이용하여 다양하고 깊이 있으면서도 상세한 합격 예상 정보를 신뢰성 높게 제공받을 수 있는 대학입시 합격가능성 예측 시스템 및 서비스 방법을 제공하고자 함이다.
셋째, 본 발명의 과제는 외부 서버의 합격 예상 정보와 비교하거나 종합적으로 판단하게 함으로써, 매우 다양하고 깊이 있으면서 신뢰성 높은 대학 입시 합격 예측 정보를 제공할 수 있는 대학입시 합격가능성 예측 시스템 및 서비스 방법을 제공하고자 함이다.
상술한 과제를 해결하는 본 발명의 제1 특징은 대학입시 합격가능성 예측 시스템으로, 자신이 지원하고자 학교 및 학과를 포함하는 지원정보를 입력하고 합격 예측 정보를 요청하는 사용자 단말; 상기 사용자 단말로부터 수신받은 지원정보에 따라 데이터베이스로부터 실시간 모집정보를 추출하고, 상기 모집정보에 따라 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 산출하고, 산출된 상기 예상 경쟁율, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 이용하여 합격 예상 지수를 산출하여 상기 사용자 단말로 전송하는 합격 예측서버를 포함하되,
상기 합격 예상 지수는,
와 같은 식을 만족하는 것일 수 있다.
여기서, 상기 지원정보는, 사용자 자신이 지원하고자 하는 학교 정보, 학과 정보 및 사용자의 수능 점수를 포함하고, 상기 모집정보는, 모집 원수, 지원자수 및 나의 등수 정보를 포함하되, 상기 나의 등수 정보는 상기 입력된 나의 수능 점수를 바탕으로 산출된 것일 수 있다.
또한, 상기 합격 예측서버는,
상기 사용자 단말로 입력되는 상기 지원정보 및 모집정보를 저장하고, 과거 적어도 3년 이상의 실제 학교 및 학과별 지원정보, 모집정보, 합격정보 데이터를 저장하는 입시지원 DB; 상기 입시지원 DB로부터 획득한 학교 및 학과별 지원정보와 모집정보에 대한 과거 실제 데이터와 현재 실시간 수집 데이터를 바탕으로 예상 경쟁률, 예상 최초 합격 인원수 및 예상 최초 추가 합격 인원수를 포함하는 예상 합격정보를 추정하는 합격 추정부; 및 상기 합격 추정부로부터 산출된 상기 예상 경쟁률, 예상 최초 합격 인원수 및 예상 최초 추가 합격 인원수를 바탕으로 합격 예상 지수를 산출하는 합격예측 지수부를 포함할 수 있다.
또한, 상기 합격 예측서버가 네트워크를 통해 학교 및 학과별 상기 지원정보, 모집정보 및 예측정보를 수신받아 학교 및 학과별 지원정보 및 모집정보를 수집할 수 있는 외부 입시 정보 서버를 더 포함하되, 중복되는 지원정보 및 모집정보에서 이미 수집된 정보는 제외하고 추가된 상기 지원정보, 모집정보 및 예측정보를 저장하는 것일 수 잇다.
더하여, 상기 합격 추정부는, 상기 입시지원 DB로부터 획득한 학교 및 학과별 지원정보, 모집정보 및 모집정보를 바탕으로 머신러닝 또는 딥러닝 기술을 이용하여 예상 경쟁률, 예상 최초 합격 인원수 및 예상 최초 추가 합격 인원수를 산출하는 것일 수 있다.
그리고, 본 발명의 제2 특징은 대학입시 합격가능성 예측 서비스 방법으로, (a) 상기 사용자 단말에서 상기 합격 예측서버로 사용자 등록하는 단계; (b) 상기 사용자 단말에서 사용자가 지원하고자 하는 학교 및 학과별 지원정보를 입력하는 단계; (c) 상기 합격 예측서버가 상기 지원정보를 수신받고 입시지원 DB에 저장하는 단계; (d) 상기 입시지원 DB에서 수집한 상기 지원정보 및 모집정보를 바탕으로 예상 경쟁률, 예상 최초 합격자 인원수 및 예상 추가 합격자 인원수를 포함하는 합격 추정정보를 산출하는 단계; (e) 상기 산출된 합격 추정정보를 바탕으로 합격 예상 지수를 산출하는 단계; 및 (f) 상기 모바일 단말이 상기 지원정보, 모집정보 및 합격 추정정보를 수신받아 표시하는 단계를 포함할 수 있다.
그리고, 본 발명의 제3 특징은 컴퓨팅 단말기 또는 서버에 설치되어 컴퓨팅 또는 클라우드 컴퓨팅이 가능하도록 설치되어 제6항의 대학입시 합격가능성 예측 서비스 방법을 실행시키기 위한 컴퓨터가 판독 가능한 매체에 저장된 컴퓨터프로그램일 수 있다.
상술한 과제를 해결하는 본 발명의 효과는 다음과 같다.
첫째, 본 발명은 사용자 단말과 외부의 입시 정보 서버로부터 실시간으로 업데이트 되어 수집된 지원정보 및 모집정보를 바탕으로 지원 마감일까지 예상 경쟁률, 최초 합격 인원수, 추가 합격 인원수 및 나의 등수를 포함하는 예상 합격정보를 추정하여 합격 예상 지수를 산출하고 제공함으로써, 최종 입시 지원 마감일 직전까지 쉽고 빠르게 원하는 학교 및 학과의 보다 정확하고 신뢰성 높은 합격 예상 정보를 사용자 단말을 통해 제공할 수 있는 대학입시 합격가능성 예측 시스템 및 서비스 방법을 제공한다.
둘째, 본 발명은 산출되는 합격 예상 지수를 이용하여 다양하고 깊이 있으면서도 상세한 합격 예상 정보를 신뢰성 높게 제공받을 수 있는 대학입시 합격가능성 예측 시스템 및 서비스 방법을 제공할 수 있다.
셋째, 본 발명은 합격 가능성이 높을수록 합격 예상 지수가 높아지는 합격 예상 척도의 기능을 수행할 수 있다는 점에서 합격 예측의 시스템 및 서비스 방법의 정확성 및 신뢰성을 높일 수 있다.
넷째, 본 발명은 외부 입시 정보 서버로부터 합격 예상 정보를 연동하여 산출된 합격 예상 지수를 전술한 외부 서버의 합격 예상 정보 비교하거나 종합적으로 판단하게 함으로써, 매우 다양하고 깊이 있으면서 신뢰성 높은 대학 입시 합격 예측 정보를 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템의 구성 모식도를 도시한다.
도 2는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템의 블록 구성의 모식도를 도시한다.
도 3은 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템을 이용하여 나타나는 합격 예측 정보의 예를 나타낸 모식도를 도시한다.
도 4는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템을 이용하여 나타나는 확장된 합격 예측 정보의 예를 나타낸 모식도를 도시한다.
도 5는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 서비스 방법의 흐름을 나타낸 모식도를 도시한다.
도 2는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템의 블록 구성의 모식도를 도시한다.
도 3은 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템을 이용하여 나타나는 합격 예측 정보의 예를 나타낸 모식도를 도시한다.
도 4는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템을 이용하여 나타나는 확장된 합격 예측 정보의 예를 나타낸 모식도를 도시한다.
도 5는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 서비스 방법의 흐름을 나타낸 모식도를 도시한다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템의 구성 모식도를 도시하고, 도 2는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템의 블록 구성의 모식도를 도시한다.
도 1에 도시된 바와 같이, 본 발명의 실시에에 따른 대학입시 합격가능성 예측 시스템은, 자신이 지원하고자 학교 및 학과를 포함하는 지원정보를 입력하고 합격 예측 정보를 요청하는 사용자 단말(100); 상기 사용자 단말(100)로부터 수신받은 지원정보에 따라 데이터베이스로부터 실시간 모집정보를 추출하고, 상기 모집정보에 따라 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 산출하고, 산출된 상기 예상 경쟁율, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 이용하여 합격 예상 지수를 산출하여 상기 사용자 단말(100)로 전송하는 합격 예측서버를 포함하되, 상기 합격예측 서버(200)는 상기 모집정보와 사용자 자신의 등수에 따른 예상 경쟁률 지수인 합격 예상 지수를 산출하여 사용자 단말(100)로 표시할 수 있다.
이와 같이 본 발명은 스마트폰 등의 모바일 기기로 사용자가 알고자 하는 학교 및 학과별 지원정보를 입력하면, 합격예측 서버(200)가 해당하는 학교 및 학과별 지원정보 및 모집정보가 수집되고, 수집된 지원정보 및 모집정보를 바탕으로 예상 경쟁률, 최초 합격 인원수 및 추가 합격 인원수를 포함하는 예상 합격정보를 추정하고, 추정된 예상 합격정보를 바탕으로 합격 예상 지수를 산출하여 상기 사용자 단말(100)에 표시함으로써, 사용자가 쉽고 빠르게 원하는 학교 및 학과의 보다 정확하고 신뢰성 높은 합격 예상 정보를 사용자 단말(100)을 통해 제공할 수 있다.
여기서 지원정보는 사용자가 알고 싶어하거나 지원하고자 하는 학교 및 학과 정보와 자신의 수능점수 등의 학력정보를 포함할 수 있고, 모집정보는 학교 및 학과별 지원자수, 모집요강 정보 등을 포함할 수 있다. 그리고, 나의 등수 정보는 사용자 단말을 통해 입력된 수능점수 등을 포함하는 학력정보와 해당하는 학교 및 학과의 지원자들의 학력정보를 비교하여 추정할 수 있다.
보다 구체적으로, 도 2에 도시된 바와 같이, 사용자 단말(100)은 유선/무선 통신이 가능하고, 연산처리가 가능하며, 응용 프로그램(애플리케이션)을 설치할 수 있는 컴퓨팅 장치로서, PC, 노트북, 스마트폰, 테블릿 PC 등을 포함할 수 있고, 합격예측 서버(200)는 대용량 데이터를 저장할 수 있는 데이터베이스와, 대용량 연산 처리가 가능한 유선 또는 무선 통신이 가능한 컴퓨팅 장치일 수 있다.
사용자 단말(100)은 사용자가 자신이 합격 예측 정보를 알고자 하는 학교 및 학과별 지원정보를 입력하는 지원정보 입력부(110)와, 합격예측 서버(200)와 정보 또는 데이터를 교신하는 통신부와, 합격예측 서버(200)로부터 수신받은 합격 예상 정보를 표시하는 출력부(130)를 포함하여 구성될 수 있다.
그리고, 사용자 단말(100)은 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템에 적용되는 애플리케이션이 설치되어 실행될 수 있고, 이 애플리케이션 프로그램을 통하여 사용자는 합격예측 서버(200)에 접속하여 합격 지원정보, 모집정보, 합격예측 정보를 포함하는 입시 정보를 확인할 수 있다. 이와 같은 합격 예측정보 서비스를 받기 위해 먼저 사용자 단말(100)을 통해 합격예측 서버(200)에 접속하여 ID 및 비번을 등록하고 사용자로 인증받을 수 있다.
등록 사용자로 합격예측 서버(200)에 접속한 후, 사용자 단말(100)의 지원정보 입력부(110)를 통해 사용자가 알고자 하는 대학 및 학과를 입시 지원정보를 입력할 수 있고, 입력은 애플리케이션에서 제공하는 입력 유저 인터페이스(UI)를 통해 쉽고 빠르게 입력할 수 있다. 입력된 사용자의 입시 지원정보는 통신부를 통해 합격예측 서버(200)의 입시지원 DB(데이터베이스)로 전송되어 저장될 수 있다.
그리고, 합격예측 서버(200)는 사용자 단말(100)로부터 실시간으로 수신받은 지원정보 및 지원정보에 따라 추정된 합격 예측 정보, 외부 서버로부터 수신받은 입시 지원 정보를 저장하는 입시지원 DB(DB)와, 입시지원 DB(210)로부터 추출한 정보를 바탕으로 예상 합격정보를 추정하는 합격 추정부(220)와, 상기 예상 합격정보를 바탕으로 합격예측 지수를 산출하는 합격예측 지수부(230)와, 상기 사용자 단말(100) 및 외부 서버와 교신하기 위한 통신부를 포함하여 구비될 수 있다.
여기서, 합격 추정부(220)는 다수의 사용자 단말(100)로부터 수신받아 입시지원 DB(DB)에 저장된 입시 지원정보와 지원정보를 바탕으로 대학 및 학과별 모집인원, 실지원자수 등을 포함하는 모집정보 등을 바탕으로 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가 합격 인원수 등을 포함하는 합격예측 정보를 추정할 수 있다.
합격예측 추정이란, 전술한 지원정보, 모집정보 및 기타정보를 종합하여 가정을 전제로 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가 합격 인원수 정보를 산출하는 것을 말하고, 여기에는 과거의 지원정보, 모집정보 및 합격정보를 포함하오, 과거 데이터를 바탕으로 추정을 위한 가중치 계산을 의미한다.
또한, 합격 추정부(220)는 입시지원 DB(210)로부터 획득한 학교 및 학과별 지원정보, 모집정보 및 모집정보를 바탕으로 머신러닝 또는 딥러닝 기술을 이용하여 예상 경쟁률, 예상 최초 합격 인원수 및 예상 최초 추가 합격 인원수를 산출하는 것도 가능하다.
여기서 인공지능(artificial intelligence)은 사람처럼 학습하고 추론할 수 있는 지능을 가진 컴퓨터 시스템을 만드는 기술을 말하고 하위 분야로 머신러닝 또는 딥러닝 기술을 포함할 수 있다. 머신러닝(machine learning)은 규칙을 일일이 프로그래밍하지 않아도 자동으로 데이터에서 규칙을 학습하는 알고리즘을 연구하는 분야로서, 인공지능의 하위 분야 중에서 지능을 구현하기 위한 소프트웨어를 담당하는 핵심 분야이다. 그리고, 딥러닝(deep learning)은 머신러닝의 하위 범주로서, 인공 신경망(artificial neural network)을 기반으로 한 방법들을 통칭한다.
이처럼 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템의 구성 요소인 합격 추정부(220)는 상술한 입시지원 DB(210)에 저장된 과거의 학교 및 학과별 지원정보, 모집정보, 합격정보와, 현재 다수의 사용자 단말(100)로 수집된 지원정보, 모집정보 등을 포함하는 데이터를 바탕으로 머신러닝 또는 딥러닝 기술을 이용하여 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 예측하거나 추정할 수 있다.
합격예측 지수부(230)는 상기 합격 추정부(220)로부터 산출된 상기 예상 경쟁률, 예상 최초 합격 인원수 및 예상 최초 추가 합격 인원수를 바탕으로 합격 예상 지수를 산출할 수 있는데, 합격 예상 지수는 다음의 [수학식 1]로 산출할 수 있다.
종래에는 정시 입시 지원에 있어서, 합격 여부를 예측하기 위해서는 모집정원 수에 대한 지원자수의 비율인 경쟁률이 가장 중요한 요소라는 점에서, 경쟁률을 상술한 모집정원에 대한 지원자수의 비율로 예상하고 있으나, 이러한 예상 경쟁률의 경우, 마감일까지 수시로 지원자수 정보가 변화 또는 변경될 수 있고, 기타 타학교 및 타학과의 입시 지원 정보에 따라 최초 합격자수 및 추가 합격자수가 변경될 수 있다는 점에서 보다 정확한 예측 또는 예상을 위한 산출 방식이나 보정을 위한 지표가 필요하다. 이에 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템에서는 [수학식 1]과 같은 합격 예상 지수를 산출하여 합격 예측 확률을 높이고 서비스 정보의 신뢰성을 높일 수 있다.
[수학식 1]에서 예상 최초 합격 인원은 모집정원 내에 있는 예상 지원자수를 의미하고, 추가 합격 인원은 모집정원 보다 지원자수가 적은 경우, 추가적으로 합격하는 예상 인원수를 의미하며, 나의 등수는 해당하는 학교 및 학과에 현재 지원하는 지원자의 수능점수 등의 학력정보를 바탕으로 추정될 수 있다. 상술한 바와 같이 예상 경쟁률과, 예상 최초 합격 인원수, 예상 추가 합격 인원수 및 나의 등수는 최종 지원 마감일까지 계속적으로 변할 수 있고, 합격 추정부(220)는 합격 컷 라인을 결정하는 나의 등수에 포함된 대학 입시 점수가 동일하거나 유사한 범위 내에 있거나 합격 컷 라인이 동일하거나 유사한 범위 내에 있는 타 대학 또는 학과의 입시 지원 및 합격 상황에 따라 달라질 수 있기 때문에, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 추정할 때, 사용자가 지원하는 대학 및 학과의 입시 지원정보, 모집정보뿐만 아니라, 타 대학의 지원정보, 모집정보 및 합격정보 등을 포함하는 데이터를 사용할 수 있다.
즉, 본 발명의 실시예에 적용되는 합격 예상 지수는 합격을 결정하는 중요한 요소인 경쟁률에 현재 지원자에 대비한 나의 등수에 대한 예상 합격 인원수의 비율을 곱하여 산출함으로써, 합격 가능성이 높을수록 합격 예상 지수가 높아지는 합격 예상 척도의 기능을 수행할 수 있다는 점에서 합격 예측의 정확성 및 신뢰성을 높일 수 있다.
이와 같은 합격 예상 지수를 판단하는 예시로서, 예상 경쟁률 수치와 비교해 합격 예상 지수가 2배 이상 높으면 '최초 합격' 가능성이 매우 높아 안정적인 상태로 판단할 수 있고, 합격 예상 지수가 1.5배 이상이면 '앞에서 추가 합격' 가능성이 높은 상태이고, 합격 예상 지수가 1배 이상이면 '뒤에서 추가 합격' 가능성을 타진해 볼 수 있는 상태이고, 0.8 ~ 0.9배 이면 소신 지원 상태로 합격 가능성이 상대적으로 낮다고 판단할 수 있다.
도 3은 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템을 이용하여 나타나는 합격 예측 정보의 예를 나타낸 모식도이고, 도 4는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템을 이용하여 나타나는 확장된 합격 예측 정보의 예를 나타낸 모식도이다.
도 3 및 도 4에 도시된 바와 같이, 지원정보는 파란색 점선으로, 사용자가 지원하고자 하거나 알고자 하는 대학 및 학과에 대한 정보를 나타내고, 모집정보는 주황색 점선으로, 각 대학 및 학과의 대학 입시 모집인원 수 정보를 나타내고, 합격예측 정보는 보라색 점선으로, 각 대학 및 학과별 나의 등수 및 실 지원자수 정보와, 이에 따른 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가합격 인원수 정보를 포함할 수 있으며, 합격 예상 지수(IRS)는 상술한 나의 등수, 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가 합격 인원수 정보를 이용하여 [수학식 1]을 이용하여 산출된 수치이다.
도 3에 예시된 칸수 정보는 타 입시 정보 서버로부터 수신받은 합격 예상 확율을 나타낸 수치이다. 본 발명의 실시예에 따른 합격가능성 예측 시스템은, 합격 예측서버가 네트워크를 통해 학교 및 학과별 상기 지원정보, 모집정보 및 예측정보를 수신받아 학교 및 학과별 지원정보 및 모집정보를 수집할 수 있는 외부 입시 정보 서버를 더 포함하되, 중복되는 지원정보 및 모집정보에서 이미 수집된 정보는 제외하고 추가된 상기 지원정보, 모집정보 및 예측정보를 입시지원 DB(210)에 저장하고, 저장된 정보 등의 종합적인 데이터를 바탕으로 합격 추정부(220)가 상술한 합격예측 정보를 추정하여 획득한 것을 직관적으로 테이블 정보로 표시할 수 있다.
즉, 이와 같이 외부 입시 정보 서버로부터 합격 예상 정보를 연동하여 사용자 단말(100)로 표시할 수 있고, 사용자는 본 발명의 실시예에서 산출된 합격 예상 지수를 전술한 외부 서버의 합격 예상 정보 비교하거나 종합적으로 판단하게 함으로써, 매우 신뢰성 높은 대학 입시 합격 예측 정보를 제공할 수 있다.
그리고, 도 4에 도시된 바와 같이, 합격 예상 지수는 경쟁률에 대한 보정된 예상 수치의 의미도 가질 수 있기 때문에, [수학식 1]을 바탕으로 산출하되, [수학식 1]을 통해 산출된 합격 예상 지수인 '견딜 수 있는 경쟁률'로 표시하고, '예상 최초 합격 인원수'와 '예상 추가 합격 인원수'의 합 보다 더 합격 인원이 많다는 가정하에 '후하게 인원수'를 설정하고, '후하게 인원수'를 [수학식 1]의 분자로 대입하여 '후하게 경쟁률'이라는 수치를 산출함으로써, 보다 확장된 합격 예상 지수를 나타내어, 사용자가 합격 가능성을 넓은 범위에서 확장하고 신뢰성 높은 합격 예상 정보를 제공할 수 있다.
이처럼, 본 발명의 실시예에 따른 시스템은 사용자 단말(100)을 통해 수집한 정보, 외부 입시 정보 서버로 부터 수집한 정보 등을 바탕으로 [수학식 1]의 합격 예상 지수를 이용하여 다양하고 깊이 있으면서도 상세한 합격 예상 정보를 신뢰성 높게 제공받을 수 있는 대학입시 합격가능성 예측 시스템을 제공할 수 있다.
도 5는 본 발명의 실시예에 따른 대학입시 합격가능성 예측 서비스 방법의 흐름을 나타낸 모식도를 도시한다.
도 5에 도시된 바와 같이, 본 발명의 실시예에 따른 대학입시 합격가능성 예측 서비스 방법은, 전술한 대학입시 합격가능성 예측 시스템을 이용하는 것으로, (a) 상기 사용자 단말(100)에서 상기 합격 예측서버로 사용자 등록하는 단계(S100); (b) 상기 사용자 단말(100)에서 사용자가 지원하고자 하는 학교 및 학과별 지원정보를 입력하는 단계(S110); (c) 상기 합격 예측서버가 상기 지원정보를 수신받고 입시지원 DB(210)에 저장하는 단계(S300); (d) 상기 입시지원 DB(210)에서 수집한 상기 지원정보 및 모집정보를 바탕으로 예상 경쟁률, 예상 최초 합격자 인원수 및 예상 추가 합격자 인원수를 포함하는 합격 추정정보를 산출하는 단계(S400); (e) 상기 산출된 합격 추정정보를 바탕으로 합격 예상 지수를 산출하는 단계(S500); 및 (f) 상기 모바일 단말이 상기 지원정보, 모집정보 및 합격 추정정보를 수신받아 표시하는 단계(S600)를 포함할 수 있다.
도 5에 도시된 바와 같이, 구성 요소간에 정보 또는 데이터 연결 흐름 중심으로 설명하면, 도 5에 도시된 바와 같이, 본 발명의 실시예에 적용되는 대학입시 합격가능성 예측 서비스 방법에 적용되는 애플리케이션일 설치되는 사용자 단말(100)을 통해 합격예측 서버(200)에 인터넷 등의 온라인으로 접속하고, 사용자 등록 절차를 진행한다. 사용자 등록 절차는 일반적인 ID와 비번을 등록하는 과정을 통해 진행될 수 있다.(S100)
그리고, 사용자는 사용자가 알고자 하거나 지원하고자 하는 대학 및 학과 정보를 포함하는 지원정보를 사용자 단말(100)에 설치되는 애플리케이션의 입력 UI를 통해 입력하고(S200), 입력된 정보는 합격예측 서버(200)의 입시지원 DB(210)에 저장된다.(S300) 합격 추정부(220)는 입시지원 DB(210)에서 추출한 지원정보와 함께, 입시지원 DB에 이미 실시간으로 업데이트되며 저장된 정보 중 해당하는 대학교 및 학과에 대한 모집정보를 바탕으로 예상 경쟁률, 예상 최초 합격 인원수, 예상 추가 합격 인원수 정보를 포함하는 예상 합격정보를 추정한다.(S400)
합격 추정부(220)는 추정된 예상 합격정보는 다시 입시지원 DB(210)로 전송되어 저장시키고(S410), 합격예측 지수부(230)로 전술한 예상 합격정보를 전송하면(S430), 합격예측 지수부(230)가 [수학식 1]을 이용하여 합격 예상지수를 산출하여(S5500), 전술한 지원정보, 모집정보, 예상 합격정보, 합격 예상지수 정보를 사용자 단말(100)로 전송하여 표시함으로써(S600), 합격가능성 예측 서비스를 제공할 수 있다. 여기서, 입시지원 DB(210)와 외부의 입시 정보 서버는 실시간으로 연동하여 상술한 입시 지원정보, 모집정보 및 예측정보 등의 데이터를 계속적으로 업데이트할 수 있다.(S10)
이와 같이 본 발명의 실시예에 따른 대학입시 합격가능성 예측 시스템 및 서비스 방법은, 스마트폰 등과 같은 사용자 단말(100)로 용이하게 사용자 자신이 알고자하는 대학 및 학과의 지원정보를 입력하면, 사용자 단말(100)과 외부의 입시 정보 서버로부터 실시간으로 업데이트 되어 수집된 지원정보 및 모집정보를 바탕으로 지원 마감일까지 예상 경쟁률, 최초 합격 인원수 및 추가 합격 인원수를 포함하는 예상 합격정보를 추정하고, 추정된 예상 합격정보를 바탕으로 합격 예상 지수를 산출하여, 최종 입시 지원 마감일 직전까지 쉽고 빠르게 원하는 학교 및 학과의 보다 정확하고 신뢰성 높은 합격 예상 정보를 사용자 단말(100)을 통해 제공받을 수 있는 시스템 및 서비스 방법을 제공한다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100 : 사용자 단말
110 : 지원정보 입력부 130: 출력부
200 : 합격예측 서버
210 : 입시지원 DB 220 : 합격 추정부
230 : 합격예측 지수부
110 : 지원정보 입력부 130: 출력부
200 : 합격예측 서버
210 : 입시지원 DB 220 : 합격 추정부
230 : 합격예측 지수부
Claims (7)
- 자신이 지원하고자 학교 및 학과를 포함하는 지원정보를 입력하고 합격 예측 정보를 요청하는 사용자 단말;
상기 사용자 단말로부터 수신받은 지원정보에 따라 데이터베이스로부터 실시간 모집정보를 추출하고, 상기 모집정보에 따라 예상 경쟁률, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 산출하고, 산출된 상기 예상 경쟁율, 예상 최초 합격 인원수 및 예상 추가 합격 인원수를 이용하여 합격 예상 지수를 산출하여 상기 사용자 단말로 전송하는 합격 예측서버를 포함하되,
상기 합격 예상 지수는,
와 같은 식을 만족하는 것을 특징으로 하는 대학입시 합격가능성 예측 시스템. - 제1항에 있어서,
상기 지원정보는, 사용자 자신이 지원하고자 하는 학교 정보, 학과 정보 및 사용자의 수능 점수를 포함하고,
상기 모집정보는, 모집 원수, 지원자수 및 나의 등수 정보를 포함하되, 상기 나의 등수 정보는 상기 입력된 나의 수능 점수를 바탕으로 산출된 것을 특징으로 하는 대학입시 합격가능성 예측 시스템. - 제1항에 있어서,
상기 합격 예측서버는,
상기 사용자 단말로 입력되는 상기 지원정보 및 모집정보를 저장하고, 과거 적어도 3년 이상의 실제 학교 및 학과별 지원정보, 모집정보, 합격정보 데이터를 저장하는 입시지원 DB;
상기 입시지원 DB로부터 획득한 학교 및 학과별 지원정보와 모집정보에 대한 과거 실제 데이터와 현재 실시간 수집 데이터를 바탕으로 예상 경쟁률, 예상 최초 합격 인원수 및 예상 최초 추가 합격 인원수를 포함하는 예상 합격정보를 추정하는 합격 추정부; 및
상기 합격 추정부로부터 산출된 상기 예상 경쟁률, 예상 최초 합격 인원수 및 예상 최초 추가 합격 인원수를 바탕으로 합격 예상 지수를 산출하는 합격예측 지수부를 포함하는 것을 특징으로 하는 대학입시 합격가능성 예측 시스템. - 제1항에 있어서,
상기 합격 예측서버가 네트워크를 통해 학교 및 학과별 상기 지원정보, 모집정보 및 예측정보를 수신받아 학교 및 학과별 지원정보 및 모집정보를 수집할 수 있는 외부 입시 정보 서버를 더 포함하되,
중복되는 지원정보 및 모집정보에서 이미 수집된 정보는 제외하고 추가된 상기 지원정보, 모집정보 및 예측정보를 저장하는 것을 특징으로 하는 대학입시 합격가능성 예측 시스템. - 제3항에 있어서,
상기 합격 추정부는,
상기 입시지원 DB로부터 획득한 학교 및 학과별 지원정보, 모집정보 및 모집정보를 바탕으로 머신러닝 또는 딥러닝 기술을 이용하여 예상 경쟁률, 예상 최초 합격 인원수 및 예상 최초 추가 합격 인원수를 산출하는 것을 특징으로 하는 대학입시 합격가능성 예측 시스템. - 삭제
- 삭제
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220020855A KR102481664B1 (ko) | 2022-02-17 | 2022-02-17 | 대학입시 합격가능성 예측 시스템 및 서비스 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220020855A KR102481664B1 (ko) | 2022-02-17 | 2022-02-17 | 대학입시 합격가능성 예측 시스템 및 서비스 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102481664B1 true KR102481664B1 (ko) | 2022-12-27 |
Family
ID=84568134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220020855A KR102481664B1 (ko) | 2022-02-17 | 2022-02-17 | 대학입시 합격가능성 예측 시스템 및 서비스 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102481664B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102644306B1 (ko) | 2024-01-02 | 2024-03-07 | ㈜엠엔씨에이프로 | 대학교 합격자 통합충원 관리 서비스 제공 장치, 방법, 및 프로그램 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030094578A (ko) * | 2002-06-04 | 2003-12-18 | 고영진 | 가상대입지원서비스 시스템 및 방법 |
| KR20190098376A (ko) * | 2018-02-14 | 2019-08-22 | 정재민 | 대학입시 합격 예측 방법 |
| KR102270568B1 (ko) * | 2020-06-16 | 2021-07-27 | 주식회사 에이아이파트너스 | 대학입시 합격가능성 예측 및 교육 컨텐츠 연계 시스템 및 방법 |
-
2022
- 2022-02-17 KR KR1020220020855A patent/KR102481664B1/ko active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20030094578A (ko) * | 2002-06-04 | 2003-12-18 | 고영진 | 가상대입지원서비스 시스템 및 방법 |
| KR20190098376A (ko) * | 2018-02-14 | 2019-08-22 | 정재민 | 대학입시 합격 예측 방법 |
| KR102270568B1 (ko) * | 2020-06-16 | 2021-07-27 | 주식회사 에이아이파트너스 | 대학입시 합격가능성 예측 및 교육 컨텐츠 연계 시스템 및 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102644306B1 (ko) | 2024-01-02 | 2024-03-07 | ㈜엠엔씨에이프로 | 대학교 합격자 통합충원 관리 서비스 제공 장치, 방법, 및 프로그램 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tunas Bangsa Pematangsiantar | Comparison of weighted sum model and multi attribute decision making weighted product methods in selecting the best elementary school in Indonesia | |
| Liao et al. | A Choquet integral-based hesitant fuzzy gained and lost dominance score method for multi-criteria group decision making considering the risk preferences of experts: Case study of higher business education evaluation | |
| CN108701293A (zh) | 用于对人才的数据驱动辨识的***和方法 | |
| CN107239967A (zh) | 房产信息处理方法、装置、计算机设备及存储介质 | |
| KR102481664B1 (ko) | 대학입시 합격가능성 예측 시스템 및 서비스 방법 | |
| Tomkin et al. | An improved grade point average, with applications to CS undergraduate education analytics | |
| CN113744101A (zh) | 新高考模式下考生志愿智能填报方法、装置及计算机设备 | |
| Juran et al. | Using worker personality and demographic information to improve system performance prediction | |
| CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及*** | |
| CN110188958A (zh) | 一种高考志愿智能填报预测推荐的方法 | |
| CN106960398A (zh) | 高考志愿合理性的评估方法及装置 | |
| Barra et al. | Managerial efficiency in higher education using individual versus aggregate level data. Does the choice of decision making units count? | |
| CN104574234A (zh) | 大学申请机会最优化教育咨询*** | |
| Kunanets et al. | Information technology of personalized choice of profession in smart cities | |
| KR102573140B1 (ko) | Ai 기반 합격 예측 시스템 | |
| KR20010083847A (ko) | 대입전형 합격가능확률 계산 시스템 | |
| JP6964722B1 (ja) | サービス評価システム | |
| Schelfhout et al. | Regressed person-environment interest fit: Validating polynomial regression for a specific environment | |
| Schreurs et al. | Multilevel modeling for careers research | |
| Mutuleanu | Socio-communicational informal interactions within the social reintegration staff in a Romanian detention unit. Role model case study | |
| Makhoul | Seismic risk mitigation in buildings using a new method to encode a joint weighting function in multi-attribute utility theory | |
| Bohner | Decision-support systems for sustainable urban planning | |
| Firera et al. | Community Service Monitoring Information System at The Level of Community Harmony of Citizens | |
| KR102534416B1 (ko) | 체대 입시 컨설팅 서비스 시스템 및 방법 | |
| Kim-Spoon et al. | Contemporary quantitative statistical methods for family psychology. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| GRNT | Written decision to grant |