KR102492466B1 - 수학문항의 단원과 난이도를 자동으로 분류하는 방법 - Google Patents
수학문항의 단원과 난이도를 자동으로 분류하는 방법 Download PDFInfo
- Publication number
- KR102492466B1 KR102492466B1 KR1020220146847A KR20220146847A KR102492466B1 KR 102492466 B1 KR102492466 B1 KR 102492466B1 KR 1020220146847 A KR1020220146847 A KR 1020220146847A KR 20220146847 A KR20220146847 A KR 20220146847A KR 102492466 B1 KR102492466 B1 KR 102492466B1
- Authority
- KR
- South Korea
- Prior art keywords
- difficulty
- mathematical
- unit
- server platform
- sharing server
- Prior art date
Links
- 238000013145 classification model Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012015 optical character recognition Methods 0.000 abstract description 22
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000013136 deep learning model Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004816 latex Substances 0.000 description 1
- 229920000126 latex Polymers 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002747 voluntary effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/111—Mathematical or scientific formatting; Subscripts; Superscripts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
- G06K7/1404—Methods for optical code recognition
- G06K7/1439—Methods for optical code recognition including a method step for retrieval of the optical code
- G06K7/1447—Methods for optical code recognition including a method step for retrieval of the optical code extracting optical codes from image or text carrying said optical code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/02—Electrically-operated educational appliances with visual presentation of the material to be studied, e.g. using film strip
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
- G09B5/08—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations
- G09B5/14—Electrically-operated educational appliances providing for individual presentation of information to a plurality of student stations with provision for individual teacher-student communication
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B7/00—Electrically-operated teaching apparatus or devices working with questions and answers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Electromagnetism (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Toxicology (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
본 발명은 수학문항 즉, 수학문제 풀이의 도움을 줄 수 있도록 수학문제를 사진으로 찍어 수학 단원과 난이도를 분류하는 방법에 관한 것으로, 보다 상세하게 설명하면, 사용자가 스마트 디바이스에 설치된 앱을 실행하여 수학문제를 촬영하고, 촬영된 수학문제의 이미지를 텍스트로 변환하되, OCR(광학문자인식)을 통해 수학문제의 글자와 수식을 텍스트로 변환하여 지식공유서버 플랫폼에 저장한 후, 상기 지식공유서버 플랫폼에서 단원분류모델과 난이도분류모델을 이용하여 촬영된 수학문제의 단원과 난이도를 분류하여 상기 앱에 표시되도록 하여 수학문제의 단원과 난이도를 쉽게 파악할 수 있으며, 해당되는 단원의 개념을 영상으로 확인함은 물론 유사한 난이도와 더 높은 난이도의 다른 수학문제를 제공하여 수학문제의 풀이에 도움을 줄 수 있는 수학문항의 단원과 난이도를 자동으로 분류하는 방법에 관한 기술분야가 개시된다.
Description
본 발명은 수학문항 즉, 수학문제 풀이의 도움을 줄 수 있도록 수학문제를 사진으로 찍어 수학 단원과 난이도를 분류하는 방법에 관한 것으로, 보다 상세하게 설명하면, 사용자가 스마트 디바이스에 설치된 앱을 실행하여 수학문제를 촬영하고, 촬영된 수학문제의 이미지를 텍스트로 변환하되, OCR(광학문자인식)을 통해 수학문제의 글자와 수식을 텍스트로 변환하여 지식공유서버 플랫폼에 저장한 후, 상기 지식공유서버 플랫폼에서 단원분류모델과 난이도분류모델을 이용하여 촬영된 수학문제의 단원과 난이도를 분류하여 상기 앱에 표시되도록 하여 수학문제의 단원과 난이도를 쉽게 파악할 수 있으며, 해당되는 단원의 개념을 영상으로 확인함은 물론 유사한 난이도와 고난이도의 다른 수학문제를 제공하여 수학문제의 풀이에 도움을 줄 수 있는 수학문항의 단원과 난이도를 자동으로 분류하는 방법에 관한 것이다.
21세기에 필요로 하는 미래인재역량은 비판적사고(critical thinking), 소통능력(communication), 협업능력(collaboration), 창의력(creativity)이며 이들 역량의 향상은 학생들의 주도적 참여에 의하여 이루어진다. 선생님에 의하여 수직적으로 전달되는 교육방법은 더 이상 경쟁력을 갖기 어렵다. 그래서 요즘 학생들이 주도적으로 참여하는 거꾸로수업(플립러닝)이 급속히 확산되고 있다. 기존 교육방법은 선생님이 먼저 개념수업을 진행하고 예제풀이를 마친 후 학생들이 복습을 하는 형태지만 플립러닝에서는 학생들이 먼저 가정에서 선생님이 제작한 강의동영상을 보고 학습을 한 후 교실에서 학생들 끼리 토론하고 발표하는 협업학습이 이루어진다. 이러한 수업방식은 학생들의 자발적 참여를 유도하고 학습의 효율성을 높여주기 때문에 학생들이 선호한다.
그러나 시간과 공간의 제약으로 항상 이러한 학습이 진행될 수 없으며 고난이도 학습에서 학생들 스스로 해결하기에는 무리가 있다. 그리고 온라인교육기관에서 제공하는 동영상 강의는 일방향이며 수준의 다양성이 부족하며 비교적 시간이 길기 때문에 학습의 효율성이 떨어진다. 또한 학원수업은 여러 명의 학생들이 같이 수업을 진행하기 때문에 개인별 맞춤학습에 한계가 있으며 시간과 공간이 제한되고 비용 또한 많이 들어간다. 과외는 1:1맞춤학습이라는 큰 장점이 있지만 비용이 많이 들어가고 체계화된 온라인 학습시스템의 부재로 학습 결과분석과 오프라인과 연계된 온라인학습이 부족하며 시간과 공간의 제약이 있다.
지금은 정보통신기술의 발달로 거의 모든 학생들이 스마트폰을 보유하고 있으며 시간과 공간을 초월하여 인터넷에 접속하여 다양한 SNS나 게임을 하며 필요한 정보를 바로 획득한다. 또한, 교과부에서 2018년부터 디지털교과서를 도입하기로 하였으며 이는 교육방법의 획기적 변화를 의미하는 것이며 보다 많고 다양한 스마트기기(스마트 디바이스) 즉,모바일 폰, 태블릿, 노트북 등이 학생들에게 보급될 것이다.
소프트웨어 측면에서도 머신러닝, 딥러닝 기술들을 이용한 인공지능과 빅데이터를 활용하여 학생들의 효율적 학습을 지원할 수 있다. 즉 학생들이 온라인으로 학습한 모든 데이터를 분석하여 개개인의 취약 부분을 분석하여 피드백학습을 지원할 뿐만 아니라 학생들도 인식하지 못했던 세부적인 부분까지 인공지능기술이 파악하여 학생에게 선제적인 예측을 통하여 최상의 맞춤학습을 제공할 수 있다.
그러나 이러한 ICT환경을 최대한 이용하여 사용자가 풀고자 하는 수학문제의 개념을 이해하고 풀이를 하기 위한 학습을 제공하기에는 상기 풀고자 하는 수학문제의 글자와 수식의 정보를 확인하기 어려워 단원과 난이도의 분류가 쉽지 않고, 모든 수학문제의 풀이법이 제시되기 어렵기 때문에 풀이의 도움을 받기에는 제한적인 문제점이 있다.
본 발명은 상술한 종래기술에 따른 문제점을 해결하고자 안출된 기술로서, 종래의 온라인을 이용한 맞춤학습은 풀고자 하는 수학문제의 단원과 난이도의 분류가 어렵고, 이에 따른 풀이법을 제시하기 어려워 적절한 풀이의 도움을 받기에는 제한적인 문제점이 발생하는 바,
OCR(광학문자인식) 기술을 통해 수학문제의 글자와 수식을 보다 정확하게 파악할 수 있고, 이에 따라 기 저장된 수학문제의 단원과 풀고자 하는 수학문제의 특징과 비교하여 단원과 난이도를 보다 정확하게 분류할 수 있으며, 해당되는 단원의 개념과 유사한 난이도 또는 고난이도의 수학문제를 제공하여 효율적으로 수학문제의 풀이에 도움을 줄 수 있는 수학문항의 단원과 난이도를 자동으로 분류하는 방법을 제공하는 것이다.
본 발명은 상기와 같은 소기의 목적을 실현하고자, 사용자가 스마트 디바이스(10)에 설치된 앱(20)을 실행하여 수학문제를 촬영하고, 촬영된 수학문제는 텍스트로 변환하여 지식공유서버 플랫폼(30)에 송신하여 저장하는 제1단계(S10);와 상기 지식공유서버 플랫폼(30)에서 저장된 수학문제는 단원분류모델을 이용하여 분석하고, 분석된 결과를 통해 수학문제의 단원을 분류하는 제2단계(S20);와 상기 지식공유서버 플랫폼(30)에서 저장된 수학문제는 난이도분류모델을 이용하여 분석하고, 분석된 결과를 통해 수학문제의 난이도를 분류하는 제3단계(S30); 및 상기 지식공유서버 플랫폼(30)으로부터 분류된 수학문제의 단원과 난이도 정보를 상기 스마트 디바이스(10)의 앱(20)에 송신하여 표시하는 제4단계(S40);를 포함하고, 상기 지식공유서버 플랫폼(30)은 단원별로 영상의 형태로 기 저장되어 있거나 인터넷 주소의 형태로 기 저장된 개념원리 영상 중 상기 제2단계(S20)에서 분류된 단원의 개념원리 영상을 확인할 수 있는 영상 또는 인터넷 주소 중 적어도 하나를 상기 앱(20)에 송신하여 사용자가 필요시 상기 개념원리 영상을 확인할 수 있도록 하는 것을 포함하고, 상기 지식공유서버 플랫폼(30)은 난이도별로 기 저장되어 있는 수학문제 중 상기 제3단계(S30)에서 분류된 난이도와 동일한 난이도를 가지는 적어도 하나의 수학문제를 유사수학문제로 분류하고, 상기 유사수학문제를 상기 앱(20)에 송신하여 사용자가 필요시 상기 유사수학문제를 확인할 수 있도록 하는 것을 특징으로 하는 수학문항의 단원과 난이도를 자동으로 분류하는 방법을 제시한다.
또한, 본 발명의 상기 단원은 초등학교, 중학교, 고등학교 중 어느 하나의 교과과정 중 해당되는 학년의 대단원과 중단원 및 소단원으로 분류되는 것을 특징으로 한다.
또한, 본 발명의 상기 지식공유서버 플랫폼(30)은 상기 제2단계(S20)에서 분류된 대단원과 중단원 및 소단원을 상기 앱(20)에 송신하여 표시되도록 하는 것을 특징으로 한다.
또한, 본 발명의 상기 난이도는 하, 중, 상, 최상 중 어느 하나로 분류되는 것을 특징으로 한다.
또한, 본 발명의 상기 지식공유서버 플랫폼(30)은 상기 제3단계(S30)에서 분류된 난이도를 상기 앱(20)에 송신하여 표시되도록 하는 것을 특징으로 한다.
또한, 본 발명의 상기 지식공유서버 플랫폼(30)은 난이도별로 기 저장되어 있는 수학문제 중 상기 제3단계(S30)에서 분류된 난이도보다 고난이도를 가지는 적어도 하나의 수학문제를 심화수학문제로 분류하고, 상기 심화수학문제를 상기 앱(20)에 송신하여 사용자가 상기 심화수학문제를 확인할 수 있도록 하는 것을 특징으로 한다.
또한, 본 발명의 상기 제4단계(S40)는 상기 지식공유서버 플랫폼(30)에서 단원과 난이도가 분류된 수학문제가 상기 지식공유서버 플랫폼(30)에 저장되어 데이터베이스화되도록 하는 것을 특징으로 한다.
상기와 같이 제시된 본 발명에 의한 수학문항의 단원과 난이도를 자동으로 분류하는 방법은 OCR(광학문자인식)을 이용하되, 글자와 숫자 부분은 Google OCR로 인식하고, 수식부분은 Mathpix OCR을 통해 인식하여 저장될 수 있는 텍스트로 변환함으로써, 보다 명확하고 정확하게 수학문제의 정보와 특징을 파악할 수 있고, 이에 따라 단원과 난이도의 분류가 정확하게 이루어질 수 있는 효과를 얻을 수 있다.
또한, 본 발명은 사용자에 의해 촬영되어 학습되는 수학문제가 지식공유서버 플랫폼에 지속적으로 저장되어 축적됨에 따라 보다 정확한 단원과 난이도를 분류할 수 있고, 유사한 난이도 또는 높은 난이도의 수학문제를 제공하여 수학문제의 풀이에 도움을 줄 수 있는 효과를 얻을 수 있다.
또한, 본 발명은 전문가에 의하여 문제마다 단원과 난이도를 지정하는 번거로움을 없애고 자동으로 단원과 난이도가 분류되어 지식공유서버 플랫폼에 저장되므로 데이터베이스의 구축하는 시간과 비용이 절감되는 효과를 얻을 수 있다.
도 1은 본 발명의 바람직한 실시예에 의한 수학문항의 단원과 난이도를 자동으로 분류하는 시스템을 개략적으로 나타낸 블럭도.
도 2는 본 발명의 바람직한 실시예에 의한 수학문항의 단원과 난이도를 자동으로 분류하는 방법을 개략적으로 나타낸 순서도.
도 3은 본 발명의 바람직한 실시예에 의한 Mathpix OCR을 이용하기 위해 수식부분에 bounding box를 처리하는 것을 나타낸 도면.
도 2는 본 발명의 바람직한 실시예에 의한 수학문항의 단원과 난이도를 자동으로 분류하는 방법을 개략적으로 나타낸 순서도.
도 3은 본 발명의 바람직한 실시예에 의한 Mathpix OCR을 이용하기 위해 수식부분에 bounding box를 처리하는 것을 나타낸 도면.
본 발명은 수학문항, 즉, 수학문제 풀이의 도움을 줄 수 있도록 수학문제를 사진으로 찍는 것만으로도 자동으로 해당되는 단원과 난이도를 분류하는 방법에 관한 것으로, 보다 상세하게 설명하면, 사용자가 스마트 디바이스(10)에 설치된 앱(20)을 실행하여 수학문제를 촬영하고, 촬영된 수학문제의 이미지를 텍스트로 변환하되, 글자와 숫자부분은 Google OCR을 이용하고, 수식부분은 Mathpix OCR을 이용하여 변환하며, 텍스트로 변환된 수학문제를 지식공유서버 플랫폼(30)에 송신하여 저장되도록 하여 데이터베이스가 지속적으로 구축될 수 있도록 하는 한편, 상기 지식공유서버 플랫폼(30)에서 수신된 수학문제의 특징을 파악하여 단원분류모델과 난이도분류모델을 통해 수학문제의 단원과 난이도를 자동으로 분류한 후 상기 앱(20)에 표시되도록 함으로써, 사용자가 수학문제의 단원과 난이도를 쉽게 파악함과 동시에 해당되는 단원의 개념을 상기 지식공유서버 플랫폼(30)을 통해 영상으로 확인할 수 있고, 상기 지식공유서버 플랫폼(30)으로부터 유사한 난이도의 수학문제와 고난이도의 수학문제를 확인할 수 있어 효율적으로 수학문제 풀이에 도움을 줄 수 있는 수학문항의 단원과 난이도를 자동으로 분류하는 방법에 관한 것이다.
상기와 같은 본 발명의 수학문항의 단원과 난이도를 자동으로 분류하는 방법은 사용자가 스마트 디바이스(10)에 설치된 앱(20)을 실행하여 수학문제를 촬영하고, 촬영된 수학문제는 텍스트로 변환한 후 텍스트로 변환된 수학문제를 지식공유서버 플랫폼(30)에 송신하여 저장하는 제1단계(S10);와 상기 지식공유서버 플랫폼(30)에서 저장된 수학문제는 단원분류모델을 이용하여 분석하고, 분석된 결과를 통해 수학문제의 단원을 분류하는 제2단계(S20);와 상기 지식공유서버 플랫폼(30)에서 저장된 수학문제를 난이도분류모델을 이용하여 분석하고, 분석된 결과를 통해 수학문제의 난이도를 분류하는 제3단계(S30); 및 상기 지식공유서버 플랫폼(30)으로부터 분류된 수학문제의 단원과 난이도 정보를 상기 스마트 디바이스(10)의 앱(20)에 송신하여 표시하는 제4단계(S40);를 포함하여 구성되는 것을 특징으로 한다.
또한, 본 발명의 상기 단원은 초등학교, 중학교, 고등학교 중 어느 하나의 교과과정 중 해당되는 학년의 대단원과 중단원 및 소단원으로 분류되는 것을 특징으로 한다.
또한, 본 발명의 상기 지식공유서버 플랫폼(30)은 상기 제2단계(S20)에서 분류된 대단원과 중단원 및 소단원을 상기 앱(20)에 송신하여 표시되도록 하는 것을 특징으로 한다.
또한, 본 발명의 상기 지식공유서버 플랫폼(30)은 단원별로 영상의 형태로 기 저장되어 있거나 인터넷 주소의 형태로 기 저장된 개념원리 영상 중 상기 제2단계(S20)에서 분류된 단원의 개념원리 영상을 확인할 수 있는 영상 또는 인터넷 주소 중 적어도 하나를 상기 앱(20)에 송신하여 사용자가 필요시 상기 개념원리 영상을 확인할 수 있도록 하는 것을 특징으로 한다.
또한, 본 발명의 상기 난이도는 하, 중, 상, 최상 중 어느 하나로 분류되는 것을 특징으로 한다.
또한, 본 발명의 상기 지식공유서버 플랫폼(30)은 상기 제3단계(S30)에서 분류된 난이도를 상기 앱(20)에 송신하여 표시되도록 하는 것을 특징으로 한다.
또한, 본 발명의 상기 지식공유서버 플랫폼(30)은 난이도별로 기 저장되어 있는 수학문제 중 상기 제3단계(S30)에서 분류된 난이도와 동일한 난이도를 가지는 적어도 하나의 수학문제를 유사수학문제로 분류하고, 상기 유사수학문제는 상기 앱(20)에 송신하여 사용자가 필요시 상기 유사수학문제를 확인할 수 있도록 하는 것을 특징으로 한다.
또한, 본 발명의 상기 지식공유서버 플랫폼(30)은 난이도별로 기 저장되어 있는 수학문제 중 상기 제3단계(S30)에서 분류된 난이도보다 고난이도를 가지는 적어도 하나의 수학문제를 심화수학문제로 분류하고, 상기 심화수학문제를 상기 앱(20)에 송신하여 사용자가 필요시 상기 심화수학문제를 확인할 수 있도록 하는 것을 특징으로 한다.
또한, 본 발명의 상기 제4단계(S40)는 상기 지식공유서버 플랫폼(30)에서 단원과 난이도가 분류된 수학문제가 상기 지식공유서버 플랫폼(30)에 저장되어 데이터베이스화되도록 하는 것을 특징으로 한다.
먼저, 본 발명은 사용자가 소지하고 있는 스마트 디바이스(10)와, 상기 스마트 디바이스(10)에 설치되는 앱(20)과, 상기 앱(20)과 데이터베이스가 구축되어 있는 지식공유서버 플랫폼(30)을 포함하는 분류 시스템을 기반으로 풀이하고자 하는 수학문제의 풀이 도움을 줄 수 있는 것을 특징으로 한다.
이때, 상기 지식공유서버 플랫폼(30)은 유튜브 또는 SNS 등과 같은 온라인 서비스와 연결되어 기 저장되어 분류되어 있는 수학 단원과 난이도에 따른 개념원리 영상을 상기 앱(20)을 통해 사용자에게 제공할 수 있고, 상기 앱(20)을 설치하고 있는 다른 사용자 또는 전문 지도자와 연결되어 풀이하고자 하는 수학문제를 공유 또는 풀이법을 지도받을 수 있도록 한다.
아울러, 본 발명의 분류 시스템에 의해 자동으로 분류되는 단원은 초등학교, 중학교, 고등학교 중 어느 하나의 교과과정 중 해당되는 학년의 대단원과 중단원 및 소단원으로 분류한다.
또한, 본 발명의 분류 시스템에 의해 자동으로 분류되는 난이도는 하, 중, 상, 최상 중 어느 하나로 분류한다.
이하, 본 발명의 수학문항의 단원과 난이도를 자동으로 분류하는 방법을 구체적으로 설명하도록 한다.
본 발명의 주요 구성요소인 제1단계(S10)는
사용자가 스마트 디바이스(10)에 설치된 앱(20)을 실행하여 풀고자 하는 수학문제를 촬영하고, 촬영된 수학문제는 텍스트로 변환한 후 텍스트로 변환된 수학문제를 지식공유서버 플랫폼(30)에 송신하여 저장하는 것으로, 상기 지식공유서버 플랫폼(30)에서 텍스트로 변환된 수학문제의 단원과 난이도가 이후에 자세히 설명될 제2단계(S20)와, 제3단계(S30)에서 분류될 수 있도록 한다.
구체적으로, 본 발명의 제1단계(S10)는 사용자가 소지하고 있고, 촬영이 가능한 스마트 디바이스(10)에 앱(20)을 설치하고, 풀고자 하는 수학문제를 촬영하여 수학문제가 이미지로 상기 스마트 디바이스(10)의 앱(20)에 직접 저장되거나 상기 앱(20)의 클립보드에 임시로 저장되도록 한다.
이후, 본 발명의 제1단계(S10)는 상기 앱(20)에서 저장된 수학문제의 이미지를 OCR(광학문자인식;Optical Character Reader)을 통해 텍스트로 변환함으로써, 상기 지식공유서버 플랫폼(30)에서 풀고자 하는 수학문제의 단원과 난이도에 관련된 특징을 정확하게 파악할 수 있도록 한다.
이때, 풀고자 하는 수학문제가 영어와 숫자 및 수식으로 되어 있는 경우 Mathpix OCR로 글자와 수식을 모두 인식하고, 영어 외의 다른 언어로 되어 있는 경우 글자와 숫자를 Google OCR로 인식하며, 수식 부분은 Mathpix OCR로 인식한다.
부가하여, 풀고자 하는 수학문제가 영어 외의 다른 언어로 되어 있는 경우 수식 부분을 수식영역모델을 통해 수식영역을 표시하여 Mathpix OCR에 의해 인식이 정확하게 이루어질 수 있도록 한다.
아울러, 상기 수식영역모델은 이미지 처리된 수학문제의 수식 부분을 bounding box(경계 상자)로 표시해주는 딥러닝 모델로, 상기 앱(20)에 포함되어 있다.
한편, 상기 OCR을 통해 익식된 글자와 숫자는 일반적인 텍스트로, 인식된 수식은 latex format의 텍스트로 변환되어 지식공유서버 플랫폼(30)으로 송신되어 저장된다.
본 발명의 주요 구성요소인 제2단계(S20)는
상기 제1단계(S10)에서 텍스트로 변환된 수학문제가 지식공유서버 플랫폼(30)에 저장되고, 상기 지식공유서버 플랫폼(30)에서 저장된 수학문제를 단원분류모델을 이용하여 분석하고 분석된 경과를 통해 수학문제의 단원을 분류하는 것으로, 앞서 설명된 바와 같이, 초등학교, 중학교, 고등학교 중 어느 하나의 교과과정 중 해당되는 학년의 대단원과 중단원 및 소단원으로 분류한다.
이때, 상기 지식공유서버 플랫폼(30)은 제2단계(S20)에서 분류된 대단원과 중단원 및 소단원을 상기 앱(20)에 송신하여 표시되도록 함으로써, 사용자가 보다 쉽게 풀고자 하는 수학문제의 단원을 확인할 수 있도록 하는 효과를 실현케 하고, 일예로, 표시되는 단원은 "학년-수학(상)-이차방정식과 이차함수" 또는 "수학(상)-이차방정식과 이차함수" 등으로 표시될 수 있다.
부가하여, 본 발명에서 언급되는 단원이란 해당 과목을 교육과정에 포함한 모든 국가에서 공통적으로 통용되는 개념의 분류 체계를 의미하고, 이 분류 체계는 계층적으로 구성되며, 분류 체계 내의 특정 단원은 다른 여러 개의 단원들을 포함하므로, 단원분류모델을 통해 계측정인 분류를 수행한다.
상기 단원분류모델은 단원을 특정지을 수 있는 데이터를 비교할 수 있는 딥러닝 모델로, 상기 지식공유서버 플랫폼(30)에 포함되고, 이미 기존에 데이터베이스화 되어 구축되어 있다.
이러한 단원분류모델은 텍스트로 변환된 수학문제가 속한 단원을 예측하기 위해 수학문제의 단원의 집합으로 구성된 데이터를 수집하여 이미 기존에 데이터베이스화 되어 있는 데이터와 비교하여 단원을 예측한다.
이때, 상기 단원분류모델은 텍스트로 변환된 수학문제에 새로운 단원을 특정지을 수 있는 데이터가 있다면 딥러닝을 통해 학습한다.
상기와 연관하여, 상기 단원분류모델은 텍스트로 변환된 수학문제의 입력 데이터(텍스트 형태의 문제 설명 및 수식)로부터 단원을 판단하기에 가장 적합한 특징들을 추출하는 Feature Extractor와, 추출된 특징들을 기반으로 해당 문제가 어떠한 단원에 속하는지를 판단하는 Classification Network를 포함하여 구성된다.
상기 Feature Extractor는 딥 뉴럴 네트워크로 구성되며, 단원 분류의 오차를 줄이도록 gradient가 역 전파되어 그 파라미터가 업데이트 된다.
상기 Classification Network는 학습 데이터에 주어진 각 문제의 단원을 제대로 맞추지 못했을 때, 큰 오차를 생성하며 해당 오차를 줄이도록 하는 gradient에 의해 학습되고, 상기 Feature Extractor와 Classification Network는 End-to-End 방식으로 학습된다.
상기 단원분류모델은 학습 이후 풀고자 하는 수학문제가 데이터에 존재하지 않는 새로운 문제인 경우 해당 문제에서 특징들을 추출하고 학습함으로써, 이를 기반으로 주어진 문제의 단원을 예측한 후 다른 수학문제의 단원 예측시 보다 신뢰도 높게 단원을 예측할 수 있게 된다.
부가하여, 본 발명의 제2단계(S20)는 사용자가 앱(20)을 통해 예측되는 예측교과과정(일예로, 교과과정 및 학년)을 입력하여 지식공유서버 플랫폼(30)에 송신하고, 상기 단원분류모델은 단원 분류시 상기 예측교과과정을 고려하도록 함으로써, 단원 분류하는데 오류를 최소화할 수 있다.
또한, 본 발명의 제2단계(S20)는 상기 단원분류모델에 단원을 대표할 수 있는 독립된 키워드를 포함하도록 데이터베이스화하여 해당되는 키워드가 풀고자 하는 수학문제에 포함되는 경우 단원 분류에 반영되어 오류를 최소화할 수 있다.
본 발명의 주요 구성요소인 제3단계(S30)는
상기 제1단계(S10)에서 텍스트로 변환된 수학문제가 지식공유서버 플랫폼(30)에 저장되고, 제2단계(S20)에서 단원의 분류가 완료되면, 상기 지식공유서버 플랫폼(30)에 저장된 수학문제를 난이도분류모델을 이용하여 분석하고, 분석된 결과를 통해 풀고자 하는 수학문제의 난이도를 분류하는 것으로, 앞서 설명된 바와 같이, 하, 중, 상, 최상 중 어느 하나로 분류한다.
이때, 상기 지식공유서버 플랫폼(30)은 제3단계(S30)에서 분류된 난이도를 상기 앱(20)에 송신하여 표시되도록 함으로써, 사용자가 보다 쉽게 풀고자 하는 수학문제의 단원을 확인할 수 있도록 하는 효과를 실현케 하고, 예시는 앞서 제2단계(S20)에서 제시된 예시중 "(상)"에 해당된다.
부가하여, 본 발명에서 언급되는 난이도란 풀고자 하는 수학문제 즉, 해당 문제를 풀기 위해 요구되는 배경지식에 의해 정의될 수 잇고, 일반적으로 난이도가 "낮은" 문제는 적은 양의 배경지식으로 해결 가능하며, 난이도가 "높은" 문제는 다양한 분야의 배경지식을 종합적으로 활용해야 해결 가능한 것으로, 배경지식의 개수에 따라 난이도를 결정하는데, 이때의 배경지식의 개수는 기설정되어 있는 개수로 다양하게 변경될 수 있으므로 한정하지 아니한다.
이러한 난이도는 근본적으로 상대적으로 정의되는 개념으로 특정 문제는 다른 문제에 비해 해결하기 '더'어렵거나, '덜'어려우므로 이러한 특성을 반영하기 위해 난이도분류모델은 문제 간의 상대적인 난이도 수준(pair-wiseranking)을 학습하도록 훈련된다.
즉, 상기 난이도분류모델은 해당 문제의 난이도를 예측하는 것을 목적으로 하는 딥러닝 모델로, 상기 지식공유서버 플랫폼(30)에 포함되고, 이미 기존에 데이터베이스화 되어 구축되어 있다.
이때, 상기 난이도분류모델은 문제를 해결할 때 필요한 배경지식의 개수가 이미 저장되어 결정되어 있는 어느 하나의 수학문제를 기준으로 풀고자 하는 수학문제를 해결할 때 필요한 배경지식의 개수를 파악하여 비교함으로서, 난이도를 예측한다.
한편, 상기 난이도분류모델은 텍스트로 변환된 수학문제에 새로운 난이도를 특정지을 수 있는 배경지식이 추가되는 경우 딥러닝을 통해 학습한다.
상기 난이도분류모델은 모델의 입력 데이터(텍스트 형태의 문제 설명 및 수식)로부터 난이도를 판단하기에 가장 적합한 특징 즉, 배경지식들을 추출하는 Feature Extractor와, 추출된 특징들을 기반으로 해당 문제가 어떠한 난이도에 속하는지를 판단하는 Classification Network를 포함하여 구성된다.
상기 단원분류모델과 마찬가지로 상기 Feature Extractor는 딥 뉴럴 네트워크로 구성되며, 단원 분류의 오차를 줄이도록 gradient가 역 전파되어 그 파라미터가 업데이트 되고, 상기 Classification Network는 학습 데이터에 주어진 각 문제의 단원을 제대로 맞추지 못했을 때, 큰 오차를 생성하며 해당 오차를 줄이도록 하는 gradient에 의해 학습되며, 상기 Feature Extractor와 Classification Network는 End-to-End 방식으로 학습된다.
상기 난이도분류모델은 학습 이후 풀고자 하는 수학문제가 데이터에 존재하지 않는 배경지식을 필요로 하는 문제인 경우 해당 문제에서 특징 즉, 배경지식을 추출하고 학습함으로써, 이를 기반으로 주어진 문제의 난이도를 예측한 후 다른 수학문제의 난이도 예측시 보다 신뢰도 높게 난이도를 예측할 수 있게 된다.
부가하여, 상기 난이도분류모델은 예측값 즉, 배경지식의 개수를 범위로 나누어 레이블을 지정하고, 일예로, 예측값이 2 이하일 때 '하'의 난이도, 2 초과 3이하일 때 '중'의 난이도, 3 초과 4 이하일 때 '상'의 난이도, 4 초과일 때 '최상'의 난이도로 분류한다.
본 발명의 주요 구성요소인 제4단계(S40)는
상기 제3단계(S30) 이후 상기 지식공유서버 플랫폼(30)으로부터 분류된 수학문제의 단원과 난이도 정보를 상기 스마트 디바이스(10)의 앱(20)에 송신하여 표시되도록 하는 것으로, 앞서 설명된 단원과 난이도의 예시처럼 상기 앱(20)을 통해 사용자에게 풀고자 하는 수학문제의 단원과 난이도를 쉽게 확인할 수 있도록 한다.
또한, 본 발명의 제4단계(S40)는 상기 지식공유서버 플랫폼(30)에서 단원과 난이도가 분류된 수학문제가 상기 지식공유서버 플랫폼(30)에 저장되어 데이터베이스화되도록 하는데, 이는 상기 지식공유서버 플랫폼(30) 또한 딥러닝 모델로서 다른 수학문제의 단원과 난이도를 분류할 때 보다 높은 신뢰도로 단원과 난이도를 분류할 수 있도록 하는 효과를 얻을 수 있다.
상기와 연관하여, 상기 지식공유서버 플랫폼(30)은 단원별로 영상의 형태로 기 저장되어 있거나 인터넷 주소의 형태로 기 저장된 개념원리 영상 중 상기 제2단계(S20)에서 분류된 단원의 개념원리 영상을 확인할 수 있는 영상 또는 인터넷 주소 중 적어도 하나를 상기 앱(20)에 송신하여 사용자가 필요시 상기 개념원리 영상을 확인할 수 있도록 하는 것을 특징으로 한다.
또한, 상기 지식공유서버 플랫폼(30)은 난이도 분류시 풀고자 하는 수학문제의 추출된 특징에 해당되는 배경지식을 상기 앱(20)에 영상의 형태 또는 인터넷 주소의 형태로 확인할 수 있도록 영상 또는 인터넷 주소 중 적어도 하나를 상기 앱(20)에 송신하여 사용자가 필요시 상기 배경지식 영상을 확인할 수 있도록 하는 것을 특징으로 한다. 단원분류모델의 학습 또는 난이도분류모델의 학습시 온라인을 통해 지속적으로 데이터베이스화 된다.
아울러, 상기 지식공유서버 플랫폼(30)은 난이도별로 기 저장되어 있는 수학문제 중 상기 제2단계(S20)에서 분류된 동일한 단원에 해당되고, 상기 제3단계(S30)에서 분류된 난이도와 동일 또는 유사한 난이도를 가지는 적어도 하나의 수학문제를 유사수학문제로 분류하고, 상기 유사수학문제를 상기 앱(20)에 송신하여 사용자가 필요시 상기 유사수학문제를 확인할 수 있도록 하는 것을 특징으로 한다.
이때, 상기 지식공유서버 플랫폼(30)은 새로운 문제가 학습되는 경우 저장하여 데이터베이스화함으로써, 보다 많고 다양하며 신뢰도 높은 유사문제를 사용자에게 제공할 수 있다.
아울러, 상기 지식공유서버 플랫폼(30)은 난이도별로 기 저장되어 있는 수학문제 중 상기 제2단계(S20)에서 분류된 동일한 단원에 해당되고, 상기 제3단계(S30)에서 분류된 난이도보다 높은 난이도를 가지는 적어도 하나의 수학문제를 심화수학문제로 분류하고, 상기 심화수학문제를 상기 앱(20)에 송신하여 사용자가 필요시 상기 심화수학문제를 확인할 수 있도록 하는 것을 특징으로 한다.
즉, 상기 지식공유서버 플랫폼(30)은 풀고자 하는 수학문제의 단원과 난이도를 분류함으로써, 사용자에게 유사한 난이도의 문제들과 높은 난이도의 문제들을 제공함으로써, 학습의 효과를 향상시킬 수 있다.
결과적으로, 본 발명의 수학문항의 단원과 난이도를 자동으로 분류하는 방법은 OCR 기술을 통해 수학문제를 보다 정확하게 인식할 수 있고, 정확하게 인식된 수학문제를 텍스트로 변환하여 특징들을 추출함으로써, 상기 수학문제의 보다 정확한 단원과 난이도를 예측하여 분류할 수 있으며, 이와 관련된 개념원리 영상과 유사문제 및 심화문제를 제공함으로써, 수학문제의 학습이 보다 효율적으로 이루어질 수 있도록 하는 효과를 얻을 수 있다.
상기는 본 발명의 바람직한 실시예를 참고로 설명하였으며, 본 발명은 상기의 실시예에 한정되지 아니하고, 상기의 실시예를 통해 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명의 요지를 벗어나지 않는 범위에서 다양한 변경으로 실시할 수 있는 것이다.
10 : 디바이스 20 : 앱
30 : 지식공유서버 플랫폼
30 : 지식공유서버 플랫폼
Claims (7)
- 사용자가 스마트 디바이스(10)에 설치된 앱(20)을 실행하여 수학문제를 촬영하고, 촬영된 수학문제는 텍스트로 변환하여 지식공유서버 플랫폼(30)에 송신하여 저장하는 제1단계(S10);와
상기 지식공유서버 플랫폼(30)에서 저장된 수학문제는 단원분류모델을 이용하여 분석하고, 분석된 결과를 통해 수학문제의 단원을 분류하는 제2단계(S20);와
상기 지식공유서버 플랫폼(30)에서 저장된 수학문제는 난이도분류모델을 이용하여 분석하고, 분석된 결과를 통해 수학문제의 난이도를 분류하는 제3단계(S30); 및
상기 지식공유서버 플랫폼(30)으로부터 분류된 수학문제의 단원과 난이도 정보를 상기 스마트 디바이스(10)의 앱(20)에 송신하여 표시하는 제4단계(S40);를 포함하고,
상기 지식공유서버 플랫폼(30)은
단원별로 영상의 형태로 기 저장되어 있거나 인터넷 주소의 형태로 기 저장된 개념원리 영상 중 상기 제2단계(S20)에서 분류된 단원의 개념원리 영상을 확인할 수 있는 영상 또는 인터넷 주소 중 적어도 하나를 상기 앱(20)에 송신하여 사용자가 필요시 상기 개념원리 영상을 확인할 수 있도록 하는 것을 포함하고,
상기 지식공유서버 플랫폼(30)은
난이도별로 기 저장되어 있는 수학문제 중 상기 제3단계(S30)에서 분류된 난이도와 동일한 난이도를 가지는 적어도 하나의 수학문제를 유사수학문제로 분류하고, 상기 유사수학문제를 상기 앱(20)에 송신하여 사용자가 필요시 상기 유사수학문제를 확인할 수 있도록 하고,
상기 단원은
초등학교, 중학교, 고등학교 중 어느 하나의 교과과정 중 해당되는 학년의 대단원과 중단원 및 소단원으로 분류되는 것을 특징으로 하는 수학문항의 단원과 난이도를 자동으로 분류하는 방법.
- 삭제
- 제1항에 있어서,
상기 난이도는
하, 중, 상, 최상 중 어느 하나로 분류되는 것을 특징으로 하는 수학문항의 단원과 난이도를 자동으로 분류하는 방법.
- 제1항에 있어서,
상기 지식공유서버 플랫폼(30)은
상기 제2단계(S20)에서 분류된 대단원과 중단원 및 소단원을 상기 앱(20)에 송신하여 표시되도록 하는 것을 특징으로 하는 수학문항의 단원과 난이도를 자동으로 분류하는 방법.
- 제3항에 있어서,
상기 지식공유서버 플랫폼(30)은
상기 제3단계(S30)에서 분류된 난이도를 상기 앱(20)에 송신하여 표시되도록 하는 것을 특징으로 하는 수학문항의 단원과 난이도를 자동으로 분류하는 방법.
- 제1항에 있어서,
상기 지식공유서버 플랫폼(30)은
난이도별로 기 저장되어 있는 수학문제 중 상기 제3단계(S30)에서 분류된 난이도보다 고난이도를 가지는 적어도 하나의 수학문제를 심화수학문제로 분류하고, 상기 심화수학문제를 상기 앱(20)에 송신하여 사용자가 상기 심화수학문제를 확인할 수 있도록 하는 것을 특징으로 하는 수학문항의 단원과 난이도를 자동으로 분류하는 방법.
- 제1항에 있어서,
상기 제4단계(S40)는
상기 지식공유서버 플랫폼(30)에서 단원과 난이도가 분류된 수학문제가 상기 지식공유서버 플랫폼(30)에 저장되어 데이터베이스화되도록 하는 것을 특징으로 하는 수학문항의 단원과 난이도를 자동으로 분류하는 방법.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220146847A KR102492466B1 (ko) | 2022-11-07 | 2022-11-07 | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 |
| PCT/KR2023/017132 WO2024101754A1 (ko) | 2022-11-07 | 2023-10-31 | 수학문항의 단원과 난이도 자동 분류 및 재편집이 가능한 ai 수학 튜터링 서비스 제공 시스템 및 이의 실행방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220146847A KR102492466B1 (ko) | 2022-11-07 | 2022-11-07 | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102492466B1 true KR102492466B1 (ko) | 2023-01-27 |
Family
ID=85101521
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220146847A KR102492466B1 (ko) | 2022-11-07 | 2022-11-07 | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR102492466B1 (ko) |
| WO (1) | WO2024101754A1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024101754A1 (ko) * | 2022-11-07 | 2024-05-16 | 주식회사 해피에듀테크 | 수학문항의 단원과 난이도 자동 분류 및 재편집이 가능한 ai 수학 튜터링 서비스 제공 시스템 및 이의 실행방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210071787A (ko) * | 2019-12-06 | 2021-06-16 | (주)투위스트에듀 | 수학 컨텐츠 서비스 플랫폼 및 이를 운영하는 시스템 |
| KR20220123168A (ko) | 2021-02-28 | 2022-09-06 | 주식회사해피에듀테크 | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101671693B1 (ko) * | 2015-11-27 | 2016-11-25 | 주하영 | 오답 및 문제 분석 정보의 재가공을 통한 맞춤형 학습 서비스 방법 |
| US11030913B2 (en) * | 2018-06-07 | 2021-06-08 | Thinkster Learning, Inc. | Intelligent and contextual system for knowledge progression and quiz management |
| KR102494594B1 (ko) * | 2020-08-25 | 2023-02-02 | 태그하이브 주식회사 | 동적 난이도 조절된 컨텐츠 제공 방법 및 이를 실행하는 서버 |
| WO2022214992A1 (en) * | 2021-04-06 | 2022-10-13 | AspectO Technologies Pvt Ltd | Artificial intelligence (ai)-based system and method for managing education of students in real-time |
| KR102552408B1 (ko) * | 2022-03-12 | 2023-07-11 | 주식회사해피에듀테크 | Ai 기반 수학 튜터링 서비스 제공 시스템 및 이의 실행 방법 |
| KR102492466B1 (ko) * | 2022-11-07 | 2023-01-27 | 주식회사해피에듀테크 | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 |
-
2022
- 2022-11-07 KR KR1020220146847A patent/KR102492466B1/ko active IP Right Grant
-
2023
- 2023-10-31 WO PCT/KR2023/017132 patent/WO2024101754A1/ko unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210071787A (ko) * | 2019-12-06 | 2021-06-16 | (주)투위스트에듀 | 수학 컨텐츠 서비스 플랫폼 및 이를 운영하는 시스템 |
| KR20220123168A (ko) | 2021-02-28 | 2022-09-06 | 주식회사해피에듀테크 | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024101754A1 (ko) * | 2022-11-07 | 2024-05-16 | 주식회사 해피에듀테크 | 수학문항의 단원과 난이도 자동 분류 및 재편집이 가능한 ai 수학 튜터링 서비스 제공 시스템 및 이의 실행방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024101754A1 (ko) | 2024-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110598770B (zh) | 一种多空间融合学习环境构建方法和装置 | |
| KR102013955B1 (ko) | 소프트웨어 전문가 실무교육과 평가를 위한 스마트 교육 시스템 및 그 서비스 제공 방법 | |
| Nagao et al. | Artificial intelligence in education | |
| CN108320601A (zh) | 一种基于云平台的计算机教学授课*** | |
| CN104575140A (zh) | 一种智能终端机网络教学方法 | |
| KR20210094317A (ko) | 수학문제풀이를 활용하여 피드백학습 콘텐츠를 자동으로 제공하는 방법 | |
| CN104882038B (zh) | 使用二维码(qr)和应用的线上线下互连学习*** | |
| Wang et al. | Smart educational learning strategy with the internet of things in higher education system | |
| KR102492466B1 (ko) | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 | |
| US20200027364A1 (en) | Utilizing machine learning models to automatically provide connected learning support and services | |
| Jia et al. | Research and application of artificial intelligence based integrated teaching-learning modular approach in colleges and universities | |
| KR101763390B1 (ko) | 문제풀이 과정을 계층별로 나누어 시각화시키는 추론과정 전개도 서비스 장치 및 방법 | |
| Bhatt et al. | Artificial Intelligence in Current Education: Roles, Applications & Challenges | |
| LeBlanc et al. | Digital platforms and the ELA classroom | |
| Mohanna | Using knowledge engineering for modeling mobile learning systems | |
| Tripathy et al. | Significance of IoT in education domain | |
| KR20220039861A (ko) | 장애인 체육교육 개발과 교육관리시스템 및 그 방법 | |
| KR20220123168A (ko) | 수학문항의 단원과 난이도를 자동으로 분류하는 방법 | |
| KR20120079207A (ko) | 방과 후 학습을 위한 교육 메뉴얼을 보조교사에게 실시간으로 제공하는 방법 | |
| Juric et al. | Implementing M-Learning System for Learning Mathematics Through Computer Games and Applying Neural Networks for Content Similarity Analysis of an Integrated Social Network. | |
| Szedmina et al. | Clicking for business English success | |
| Dehbi et al. | Smart Evaluation: A New Approach Improving the Assessment Management Process through Cloud and IoT Technologies | |
| KR20210071681A (ko) | 수학문제의 단원과 난이도를 자동으로 분류하는 방법 | |
| Henríquez et al. | Blended learning in rural K‐12 education: Stakeholder dynamics and recommendations | |
| KR20220123573A (ko) | 빅데이터에서 유사문항과 심화문항을 자동으로 추출하는 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |