KR20130082992A - 선후행 로직을 통한 학습자별 맞춤 문제 추천 장치 및 방법 - Google Patents

선후행 로직을 통한 학습자별 맞춤 문제 추천 장치 및 방법 Download PDF

Info

Publication number
KR20130082992A
KR20130082992A KR1020110142772A KR20110142772A KR20130082992A KR 20130082992 A KR20130082992 A KR 20130082992A KR 1020110142772 A KR1020110142772 A KR 1020110142772A KR 20110142772 A KR20110142772 A KR 20110142772A KR 20130082992 A KR20130082992 A KR 20130082992A
Authority
KR
South Korea
Prior art keywords
question
unit
item
learner
recommendation
Prior art date
Application number
KR1020110142772A
Other languages
English (en)
Inventor
김진
Original Assignee
두산동아 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 두산동아 주식회사 filed Critical 두산동아 주식회사
Priority to KR1020110142772A priority Critical patent/KR20130082992A/ko
Publication of KR20130082992A publication Critical patent/KR20130082992A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • GPHYSICS
    • G09EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09BEDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B3/00Manually or mechanically operated teaching appliances working with questions and answers
    • G09B3/06Manually or mechanically operated teaching appliances working with questions and answers of the multiple-choice answer type, i.e. where a given question is provided with a series of answers and a choice has to be made

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Electrically Operated Instructional Devices (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 학습자에게 출제하는 시험지의 각 문항마다 선행, 후행으로 학습할 문항을 미리 정의해 두고, 학습자가 풀이한 시험지의 문항에 대하여 정오답을 처리하여 정오답 여부에 따라 다음 출제할 시험지 또는 문항을 미리 정의되어 있는 선행 또는 후행으로 학습할 문항을 추천하여 출제하는 학습자별 맞춤 문제 추천 장치 및 방법을 제공한다.

Description

선후행 로직을 통한 학습자별 맞춤 문제 추천 장치 및 방법{APPARATUS AND METHOD FOR RECOMMENDING CUSTOM-MADE TEST ON DEMAND INDIVIDUAL PECULIARITIES USING PREREQUISITE AND FOLLOWING LOGIC}
본 발명은 학습자별 맞춤 문제 추천 장치 및 방법에 관한 것으로, 더욱 상세하게는 학습자에게 출제한 각 문항의 정오답을 처리하여 각 문항의 정오답에 따라 미리 정의해 둔 선행, 후행 로직을 기반으로 다음 문항을 추천함으로써 학습자별 능력에 따른 학습 방향 및 진도를 제시하는 학습자별 맞춤 문제 추천 장치 및 방법에 관한 것이다.
최근 정보통신 기술의 발달 및 인터넷의 보급 확산으로 인하여, 다수의 사용자는 문제 평가 솔루션을 제공하는 웹 사이트에 접속하여 온라인 상태에서 웹 사이트가 제공하는 특정 과목이나 자격시험에 관련된 문제들을 실시간에서 풀어보는 것으로 학습 효율을 높일 수 있게 되었다.
이러한 인터넷을 이용한 온라인 문제 평가는 웹 사이트에서 제공하는 문제를 사용자가 자신의 단말기 상에서 읽어가면서 풀어나가게 되는데, 이때 학습 문제의 출제 측인 웹 사이트의 서버는 문제은행 DB에 수록된 다수의 문항 중에서 소정 개수의 문항을 추출하여 사용자 단말기로 제공하게 된다.
이때, 웹 사이트의 서버는 출제하는 문제별로 난이도를 미리 설정하여 사용자의 요구에 따라 난이도별로 문제를 제공한다.
일 예로, 운전면허 학과시험준비를 위한 학습, 초중고생들의 과목별 학과 진도에 따른 단계별 학습, 기타 자격시험준비를 위한 컴퓨터 상의 학습 과정의 경우, 출제문제의 난이도를 사용자 스스로가 각자 자신의 수준에 맞는 난이도를 선택하여 학습하도록 제공할 수 있다.
다른 예로, 먼저 기본적인 수준의 문제를 출제하고 출제한 문제 풀이에 대하여 채점과 평가를 반복적으로 실시하여 사용자의 학력 수준을 파악하고, 파악한 사용자의 학력 수준에 맞는 난이도의 문제를 제공하기도 한다.
학력 수준을 파악하는 방법으로는 다양한 방법이 제시되고 있으나, 일반적으로 학습자가 맞춘 시험지의 총점이 기준 점수보다 높으면 현 난이도보다 높은 난이도의 시험지를 제시하고 기준 점수보다 낮으면 현 난이도보다 낮은 난이도의 시험지를 제시하는 방법을 이용한다. 또 각 문제의 난이도별로 가중치를 부여하여 점수의 차별성을 두는 방법을 이용하고 있다.
그런데, 위와 같은 종래 온라인 문제 평가의 총점에 대한 기준점수 만으로는 각 학습자의 능력을 정확하게 판별하기가 어렵다.
즉, 동일한 점수를 가진 학습자라 하더라도 정답인 문제와 오답인 문제는 학습자별로 천차만별이다. 예를 들어, 수학 문제 평가에서 함수 문제는 정확히 이해하고 푼 반면, 방정식 문제는 이해하지 못하여 오답 처리된 경우 종래 문제 평가는 세부 단원이나 유형에 대한 이해도와는 관계없이 문제 평가 총점의 높고 낮음을 판단하여 이를 토대로 차기 문제 평가를 제시하기 때문에 학습자별로 정확한 학습 방향 및 진도를 제시하지 못하는 문제점이 있다.
본 발명은 상기한 문제점을 해결하기 위해 창안된 것으로서, 학습자에게 출제하는 시험지의 각 문항마다 선행, 후행으로 학습할 문항을 미리 정의해 두고, 학습자가 풀이한 시험지의 문항에 대하여 정오답을 처리하여 정오답 여부에 따라 다음 출제할 시험지 또는 문항을 미리 정의되어 있는 선행 또는 후행으로 학습할 문항을 추천하여 출제하는 학습자별 맞춤 문제 추천 장치 및 방법을 제공하는 데 그 목적이 있다.
이를 위하여 본 발명의 제1 측면에 따르면, 본 발명의 선후행 로직을 통한 학습자별 맞춤 문제 추천 장치는, 단원별로 분류한 각 문항마다 선행, 후행으로 학습할 단원들을 각각 매핑하여 목록화하는 문제 등록부; 학습자에게 출제한 문항에 대하여 정오답을 처리하고 각 문항의 정오답에 따라 선행 또는 후행의 추천 방향을 제시하고 제시한 추천 방향에서 선행, 후행으로 미리 매핑되어 있는 학습 단원의 문항을 추천하는 문제 추천 관리부; 상기 문제 추천 관리부에서 추천하는 문항을 포함하여 새로운 시험지로 생성하고 생성한 시험지 단위로 제공하는 시험지 생성 관리부를 포함하는 것을 특징으로 한다.
본 발명의 제2 측면에 따르면, 본 발명의 선후행 로직을 통한 학습자별 맞춤 문제 추천 방법은, 단원별로 분류한 각 문항마다 선행, 후행으로 학습할 단원들을 각각 매핑하여 목록화하는 문제 등록 단계; 학습자별 특성을 고려한 문항을 선택하여 시험지로 출제하고 출제한 시험지에 대하여 정오답을 처리하는 문제 평가 단계; 다음 시험지의 출제 요청이 있는지를 확인하는 단계; 다음 시험지의 출제 요청이 있으면 이전 시험지의 각 문항별 정오답에 따라 미리 매핑되어 있는 선행 또는 후행으로 학습할 단원의 문항을 추천하는 선후행 문제 추천 단계; 추천한 문항을 포함하여 새로운 시험지를 생성하고 생성한 시험지를 출제하는 문제 출제 단계를 포함하는 것을 특징으로 한다.
본 발명에 따르면, 학습자별 문제 풀이의 정오답에 따라 선행 또는 후행으로 학습할 문항을 추천하여 제공함으로써 학습자별 능력에 따라 학습 방향 및 진도를 제시할 수 있는 효과가 있다.
특히, 각 학습자가 동일한 개수의 문제를 맞추더라도 학습자가 맞춘 문항에 대해서는 후행 학습에 해당하는 문항을 제시하고, 맞추지 못한 문항에 대해서는 선행으로 학습해야 할 문항을 각각 다르게 제시함으로써 각 학습자별로 정확한 학습 방향을 제시할 수 있는 효과가 있다.
도 1은 본 발명에 따른 학습자별 맞춤 문제 추천 장치와의 망 연결 구성을 나타낸 도면이다.
도 2는 본 발명에 따른 학습자별 맞춤 문제 추천 장치의 상세도이다.
도 3은 본 발명에 따른 선행 또는 후행 로직을 나타낸 예이다.
도 4 및 도 5는 본 발명의 선행 또는 후행 로직을 기반으로 학년, 학기에 기반하여 문항을 추천하는 방향 및 학년, 학기와 무관하여 문항을 추천하는 방향을 도시한 예이다.
도 6은 본 발명에 따른 선후행 로직을 통해 학습자별 맞춤 문제를 각 문항 단위로 추천하는 방법을 설명하는 흐름도이다.
도 7은 도 6의 상세도이다.
도 8은 도 6의 방법을 적용한 시험지 관리 화면을 나타낸 도면이다.
도 9는 본 발명에 따른 선후행 로직을 통해 학습자별 맞춤 문제를 시험지 단위로 추천하는 방법을 설명하는 흐름도이다..
도 10은 도 9의 상세도이다.
도 11은 도 9의 방법을 적용한 시험지 관리 화면을 나타낸 도면이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 실시 예를 상세하게 설명한다. 본 발명의 구성 및 그에 따른 작용 효과는 이하의 상세한 설명을 통해 명확하게 이해될 것이다. 본 발명의 상세한 설명에 앞서, 동일한 구성요소에 대해서는 다른 도면 상에 표시되더라도 가능한 동일한 부호로 표시하며, 공지된 구성에 대해서는 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 구체적인 설명은 생략하기로 함에 유의한다.
본 발명에서 언급하는 선행 학습(prerequisite learning)은 어떤 학습 과제(기본 과제)의 학습을 위해 미리 학습 또는 습득하고 있어야 할 학습이고, 후행 학습은 선행 학습과 반대로 기본 과제를 습득한 후 다음으로 진도 나갈 학습을 말한다. 예를 들어, 수학이나 과학과 같이 학년별, 학기별로 기본단원이 습득된 정도에 따라 다음 단원의 학습 혹은 이전 단원의 학습이 추천되어야 하는 경우를 선행 학습과 후행 학습으로 정의할 수 있다.
특히, 수학 과목에서 '접선의 방정식'을 이해하려면 기본적으로 '원의 방정식'에 대한 학습이 이루어져야 하고, '접선의 방정식'을 습득하였으면 '미적분의 접선의 방정식'에 대한 학습이 가능하다. 이 경우, '접선의 방정식'에 대한 선행 학습은 '원의 방정식'이고, 후행 학습은 '미적분의 접선의 방정식'이 된다. 이는 학년, 학기별, 단원별로 구분할 수 있다.
또한, 본 발명에서 '문항', '문제', '시험지'를 혼용하고 있으나, '문항'은 서버에서 보유하고 있는 DB 성격의 낱개로 학습자에게 제시되는 문항 하나를 의미하며, '문제'는 하나 또는 그 이상의 문항으로 이루어지는 집합, '시험지'는 학습자에게 출력되는 문제들의 집합 즉, 문제집 라고도 한다.
이를 토대로 살펴보기로 한다.
도 1은 본 발명에 따른 학습자별 맞춤 문제 추천 장치와의 망 연결 구성을 나타낸 도면이다.
본 발명의 학습자별 맞춤 문제 추천 장치(100)는 통신망(200)을 통해 사용자 단말(300)과 연결되어, 서비스에 가입한 사용자 단말(300)로 학습자별 능력에 맞는 문항 또는 시험지를 출제하고, 사용자 단말(300)은 학습자별 맞춤 문제 추천 장치(100)로부터 제공받은 문항 또는 시험지를 풀고 이의 평가를 받는다.
이를 위한 사용자 단말(300)은 학습자별 맞춤 문제 추천 장치(100)의 특정 웹 사이트에 접속하여 문제 평가 서비스를 제공받을 수 있지만, 도시한 바와 같이 내부에 인스톨(install)한 문제 출제 애플리케이션(Application)을 통해 문제 평가 서비스를 제공받을 수도 있다. 문제 출제 애플리케이션은 학습자별 맞춤 문제 추천 장치(100)에서 출제한 문제를 표시하고 이의 문제 풀이를 입력하는 등이 가능한 응용 프로그램으로서, 학습자별 맞춤 문제 추천 장치(100)의 특정 웹 사이트를 통해 다운로드하거나 온라인 마켓을 통해 다운로드할 수 있다.
사용자 단말(300)은 통신망(200)을 통해 학습자별 맞춤 문제 추천 장치(100)와 접속이 가능한 단말로서, PC, 노트북, 태블릿 PC, PDA(Personal Digital Assistants), MP3 플레이어, 전자사전, 스마트 폰 등을 적용할 수 있다.
통신망(200)은 사용자 단말(300)과 학습자별 맞춤 문제 추천 장치(100)간을 연결하여 이들간 통신 수행을 담당한다.
통신망(200)은 일반적으로 유선 인터넷망이지만, 사용자 단말(300)이 휴대폰 또는 스마트폰 등의 휴대 단말인 경우 이동 통신망(CDMA, W-CDMA 등)을 통해 연결되는 무선 데이터망(인터넷망, IMS 등), 또는 Wi-Fi 등의 근거리 통신을 통해 연결되는 인터넷망 등을 포함할 수 있다.
학습자별 맞춤 문제 추천 장치(100)는 학습자에게 출제한 문제의 정오답에 따라 다음 출제할 문제를 선행 학습 또는 후행 학습으로 추천하여 학습자별 능력에 따라 학습 방향을 다르게 추천한다. 이를 구현하기 위한 구성은 도 2와 같다.
도 2를 참조하면, 본 발명의 학습자별 맞춤 문제 추천 장치(100)는 통신 인터페이스부(110), 시스템 관리부(120), 문제 출제 관리부(130), 데이터베이스(140), 성적 관리부(150), 통계 관리부(160)를 포함한다.
통신 인터페이스부(110)는 통신망(도 1의 200)을 통해 사용자 단말(도 1의 300)와 접속하여 데이터를 송수신한다.
시스템 관리부(120)는 학년(1학년, 2학년 등), 학기(1학기, 2착기, 기타), 과목(국어, 수학, 사회, 과학, 영어 등), 단원(1단원, 2단원 등), 차시(1차시, 2차시, 등), 교재, 평가 종류 등의 식별을 위한 코드 관리, 관리자의 계정 관리, 관리자의 권한 관리, 관리자의 메뉴 관리, 교육 과정 차수 관리, 학습자의 소속 그룹(공부방, 00학교 등)을 식별하기 위한 채널 관리, 가입자 관리 등을 제공한다.
문제 출제 관리부(130)는 문제 입력부(131)와 관리코드 부여부(132)를 포함한 문제 등록부, 문제 추천 관리부(133), 시험지 생성 관리부(134), 오류 문제 관리부(135), 문제 수정 히스토리부(136) 등을 포함한다.
문제 입력부(131)는 통신 인터페이스부(110)를 통해 수신되는 문항을 입력하고, 관리코드 부여부(132)는 문제 입력부(131)에서 입력되는 문항에 대하여 고유의 관리 코드를 부여한다.
따라서, 문제 등록부(도시하지 않음)는 문제 입력부(131)로 입력되는 문항에 대하여 고유의 관리 코드를 부여하고 각 문항을 문제 목록DB(141)에 등록한다. 문제 입력부(131)로 입력되는 문항은 출제자 또는 관리자가 직접 입력한 데이터이거나, 임의의 문제지, 시험지, 모의고사 등으로부터 캡쳐한 이미지일 수 있다.
특히, 본 발명의 문제 등록부는 문제 입력부(131)로 입력되는 문항에 대하여 기본적으로 학년별, 학기별, 단원별로 분류하고, 각 문항마다 선행, 후행으로 학습할 단원들을 매핑하여 선후행 로직 정보 DB(144)에 등록한다. 이렇게 등록한 정보를 선후행 로직 정보라 하며 일 예로 도 3과 같다. 선후행 로직에는 기본 단원에 대한 리스트(144a)와, 각 기본 단원의 선행 학습 정보(144b), 후행 학습 정보(144c)를 포함한다.
각 문항마다 선행, 후행으로 매핑하는 단원은 선행, 후행 각각에 하나씩 정의할 수 있지만, 여러 단원을 정의하는 것도 가능하다. 이 경우 매핑한 각 단원에 우선순위를 부여할 수 있다. 우선순위는 각 문항의 단원과 가장 인접하는 학년, 학기에 해당하는 단원일수록 높은 우선순위를 부여한다.
문제 추천 관리부(133)는 학습자에게 일차적으로 출제한 문항 또는 시험지에 대하여 정오답을 처리하고, 다음 문항 또는 시험지의 출제 요청이 있으면 학습자가 일차적으로 풀이한 각 문항의 정오답에 따라 선행 또는 후행의 추천 방향을 제시한다.
예를 들어, 정답인 문항의 경우, 문제 추천 관리부(133)는 후행의 추천 방향을 제시하며 제시한 추천 방향에서 선후행 로직 정보 DB(144)에 후행으로 매핑되어 있는 학습 단원을 선정하고 선정한 학습 단원의 문항을 추천한다.
오답인 문항의 경우, 문제 추천 관리부(133)는 선행의 추천 방향을 제시하고, 제시한 추천 방향에서 선후행 로직 정보 DB(144)에 선행으로 매핑되어 있는 학습 단원의 문항을 추천한다.
이처럼, 문제 추천 관리부(133)는 문제 출제함 있어 정답인 문항에 대해서는 후행 로직을 따르고, 오답 문항에 대해서는 선행 로직을 따른다.
또한, 문제 추천 관리부(133)는 추천하는 문항의 수를 정답 및 오답 문항 수와 같게 하거나 또는 배수 출제하여 추천 가능하다. 예를 들어 2배수 출제로 설정한 경우, 총 문항 3에서 2개를 맞추고 1개를 틀린 경우, 후행 로직에 의해 추천하는 문항의 수는 4개(정답 2개의 2배)로 설정하고 선행 로직에 의해 추천하는 문항의 수는 2개(오답 1개의 2배)로 설정할 수 있으며 학습자는 총 6문제의 추천 문제를 제공받는다. 이 같은 출제 배수는 학습자 또는 관리자의 요청에 의해 임의 설정할 수 있다.
또한, 문제 추천 관리부(133)는 선행 또는 후행 로직에 따라 추천할 때 현 단원의 학년 및 학기를 고려하여 인접성에 의거한 수직적 로직 방식, 또는 학년 및 학기와는 무관하게 종합적으로 추천하는 계층적 로직 방식을 이용할 수 있다. 이 로직 방식에 대해서는 도 4 및 도 5에서 구체적으로 설명한다.
시험지 생성 관리부(134)는 문제 추천 관리부(133)에서 추천하는 문항을 포함하여 새로운 시험지로 생성하고 생성한 시험지 단위로 제공한다. 이러한 시험지 생성 관리부(134)는 학습자별로 생성한 시험지(1차시, 2차시 등)를 평가 종류(단원 평가, 주말 평가, 월말 평가, 중간 평가, 기말 평가 등)에 따라 관리하며, 1차로 출제한 시험지(1차시)에 대하여 추가적인 추천 횟수를 제한할 수 있다.
오류 문제 관리부(135)는 출제한 문항 또는 시험지에 오류가 있는 경우 이의 신고를 접수하고 오류에 대한 처리를 관리하며, 문제 수정 히스토리부(136)는 오류 문제 관리부(135)에서 신고 접수된 문제를 수정하고 이의 히스토리를 관리한다.
데이터베이스(140)는 본 발명의 문제 평가 서비스에 가입한 가입자의 정보를 저장한 가입자 정보(145)와, 문제 등록부에서 등록하는 문항을 저장하는 문제 목록DB(141), 출제할 문항이 해당되는 단원, 유형(학년, 학기 등)을 설정하고 이의 설정 정보를 저장하는 단원 및 유형 설정 정보(142, 143), 단원 및 유형 설정 정보(142, 143)에 저장된 단원, 유형 정보를 토대로 각 문항의 선행 또는 후행으로 학습할 단원을 매핑하여 저장한 선/후행 로직 정보(144)를 포함한다.
성적 관리부(150)는 각 학습자에게 출제한 문제에 대한 평가를 통해 성적을 관리하고, 학습자별 성적을 집계하여 종합 성적표를 관리한다. 또한 학습자별로 선후행 로직에 의해 추천받은 문항과 시험지를 관리한다.
통계 관리부(160)는 과목, 학년별로 구분하여 문제 입력된 현황을 통계하고, 문제별로 학년, 학기, 과목, 난이도, 문제 유형 등을 구분하여 관리하며, 출제된 시험지에 대해서도 과목, 학년별로 통계하여 관리할 수 있다.
따라서, 본 발명에 따른 학습자별 맞춤 문제 추천 장치(100)는 각 학습자에게 출제한 문제 또는 시험지에 대하여 정오답을 처리하여 능력을 평가하고, 평가한 학습자의 능력에 따라 각 문항 단위로 선행 또는 후행으로 수행할 단원의 문항을 추천해 줌으로써 보다 구체적으로 학습자별 능력에 맞는 학습 방향 및 진도를 제시할 수 있다.
도 4는 문제 추천 관리부(도 2의 133)에서 선후행 로직에 따라 추천할 때 수직적 로직 방식을 적용한 예를 나타낸 도면이다.
도 4에 도시한 바와 같이 수학의 각 단원별로 선후행 로직을 표시한 목록에서, 굵게 박스 표시한 61번 '50까지 수의 순서'의 기본 단원은 선행 학습으로 60번, 12번, 11번 단원이 매핑되어 있고, 후행 학습으로는 62번, 68번 단원이 매핑되어 있다.
이러한 선후행 로직에서 수직적 로직 방식을 적용하면, 61번 단원의 문항이 틀린 경우 61번의 단원과 가장 인접하는 60번 단원을 선행 학습으로 추천하고, 60번 단원의 문항도 틀린 경우 이와 가장 인접한 59번 단원을 선행 학습으로 추천한다. 따라서, 61→60→59→58… 순으로 선행 학습이 추천될 수 있다.
반대로, 61번 단원의 문항을 맞춘 경우 61번의 단원과 가장 인접하는 62번 단원을 후행 학습으로 추천하고, 62번 단원의 문항도 맞춘 경우 이와 가장 인접한 69번 단원을 선행 학습으로 추천한다.
즉, 수직적인 형태로 선행 또는 후행을 추천함으로써 기본 단원의 유형에서 크게 벗어나지 않는 단원을 추천한다.
이러한 추천 방식은 추천 범위가 폭넓지 않지만 틀린 문항과 매우 유사한 형태(즉, 학년이나 학기, 단원 등에서 가장 인접한 형태)를 추천받을 수 있는 장점이 있다.
도 5는 계층적 로직 방식을 적용한 예를 나타낸 도면이다.
도 5를 참조하면, 선후행 로직에서 계층적 로직 방식을 적용하면 61번 '50까지 수의 순서' 기본 단원의 문항이 오답인 경우 선행 로직에 매핑되어 있는 60번, 12번, 11번 순으로 선행 학습을 추천하고, 정답인 경우에는 후행 로직에 매핑되어 있는 62번, 68번 순인 계층적으로 후행 학습을 추천한다.
이러한 추천 방식은 틀린 문항과 매우 유사한 형태이면서 학년과 학기와 무관하게 점점 응용 형태로 추천받을 수 있는 장점이 있다.
도 6은 본 발명에 따른 선후행 로직을 통해 학습자별 맞춤 문제를 각 문항 단위로 추천하는 방법을 설명하는 흐름도이고, 도 7은 도 6의 상세도이다.
참고로, 도 6 및 도 7은 학습자에게 출제되는 문제에 대하여 문항 단위로 선행 또는 후행으로 수행할 학습을 추천하는 방법에 대하여 설명하고 있다.
본 발명에 따른 학습자별 맞춤 문제 추천 방법은, 먼저 문제 등록 단계로, 출제할 문항을 단원, 학년, 학기별로 분류하고 각 문항마다 선행, 후행으로 학습할 단원들을 각각 매핑하여 목록화한다.
이후, 학습자별 맞춤 문제 추천 장치(이하, 추천 장치)에 학습자의 학년, 학기, 소속 그룹(채널), 수준, 출제 범위(1학기 내에서, 중간, 기말, 또는 몇 단원만 포함 등), 문항 수, 문제 풀이 시간 등을 포함한 학습자별 특성 정보가 입력되면 추천 장치가 입력된 학습자별 특성을 고려하여 일차적인 문항을 선정한다(S100).
그리고, 추천 장치는 선정한 문항들을 포함하여 시험지(1차시)를 출제한다(S110).
이후, 추천 장치가 학습자에게 출제된 시험지에 대하여 답안이 입력되면 이의 정오답을 처리하여 평가한다(S120).
이후, 추천 장치가 학습자로부터 다음 시험지의 출제 요청이 입력되는 지를 확인한다(S130). 출제 요청은 도 8에 도시한 바와 같이 화면에서 이미 평가한 시험지가 보여지고, 원하는 시험지에 대하여 '시험지 만들기', '더 만들기' 항목을 통해 요청할 수 있다.
요청이 없으면 종료하고, 요청이 있으면 1차 시험지의 각 문항별 정오답에 따라 선후행 로직에 매핑되어 있는 단원의 문항을 추천한다(S140).
추천하는 방식은 기본적으로 정답인 문항에 대하여 후행 로직을 따르고, 오답인 문항에 대해서는 선행 로직을 따라 각 학습자에게 필요한 학습 방향을 제시한다. 이때, 추천하는 문항 수는 1차 시험지의 문항 수와 동일하게 하거나 또는 n배(n은 2,3,4,…)를 넘지 않도록 제한할 수 있다. 이는 1차 시험지에 대한 추천 시험지의 횟수가 많아질수록 문항 수 또한 늘어나기 때문에 이를 제한하기 위함이다.
이후, 추천 장치는 추천한 문항을 취합하여 다음 시험지(2차시)로 출제한다(S150).
상기 추천 단계(S140)는 구체적으로 도 7의 과정으로 구현 가능하다.
1차 시험지에서 각 문항별로 정답인지 여부를 판별한다(S141).
정답인 경우, 각 문항의 후행 로직에 매핑되어 있는 단원을 선정하고 선정한 단원의 문항을 추천한다(S142).
추천시 정답 문항 수와 동일하게 추천하거나 또는 2배로 추천할 수 있다(S143).
또한, 추천 시 각 문항의 단원과 가장 인접하는 학년, 학기에 해당하는 단원을 고려한 수직적 로직에 따라 추천할 수 있고 이와 무관한 계층적 로직에 따라 추천할 수 있다.
한편, 1차 시험지에서 정답이 아니면, 각 문항별로 오답인지 여부를 확인한다(S144).
확인을 통해 오답인 경우, 각 문항의 선행 로직에 매핑되어 있는 단원을 선정하고 선정한 단원의 문항을 추천한다(S145).
추천시 정답 문항 수와 동일하게 추천하거나 또는 2배로 추천할 수 있다(S146).
또한, 정답인 경우와 마찬가지로, 선행 학습을 위한 문항을 추천할 때 수직적 로직 또는 계층적 로직에 따라 추천할 수 있다.
다음으로 도 9 내지 도 11을 참조하여, 학습자에게 출제되는 문제에 대하여 시험지 단위로 선행 또는 후행 학습을 추천하는 방법에 대하여 설명한다.
도 9를 참조하면, 전체적으로 학습자별 특성을 고려하여 문항을 선택하고 선택한 문항을 포함하여 시험지를 출제하며, 출제한 시험지에 대하여 정오답을 처리하는 일련의 과정(S200 내지 S220)은 도 6에서의 과정과 동일하므로 상세한 내용은 생략한다.
다만, 추천 장치가 정오답 처리를 통해 채점하여 각 시험지별로 점수를 관리하는 과정을 더 포함하며, 사전에 시험지 단위로 선행, 후행으로 학습할 문항들을 매핑하여 정의해 둔다.
이후, 추천 장치가 학습자로부터 다음 시험지의 출제 요청이 입력되는 지를 확인하고(S230), 요청이 없으면 종료한다.
요청이 있으면 1차 시험지의 점수에 따라 선후행 로직에 매핑되어 있는 다음 시험지를 시험지 단위로 추천한다(S240).
추천한 시험지를 다음 시험지(2차시)로 출제한다(S250).
본 실시 예에서, 상기 추천 단계(S240)는 구체적으로 eh 10에 도시한 바와 같이 평가한 시험지의 점수와 기준 점수를 비교하여 기준 점수보다 높은지 여부를 판별한다(S241).
기준 점수보다 높으면 학습자의 평가 결과 학습자의 능력이 우수한 것으로 판단하고, 도 11에 나타낸 것과 같이 후행 로직에 매핑되어 있는 시험지를 추천한다(S242).
기준 점수보다 낮으면 학습자의 능력이 평균보다 떨어지는 것으로 판단하여 선행 로직에 매핑되어 있는 시험지를 추천한다(S243).
이상의 설명은 본 발명을 예시적으로 설명한 것에 불과하며, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 본 발명의 기술적 사상에서 벗어나지 않는 범위에서 다양한 변형이 가능할 것이다. 따라서 본 발명의 명세서에 개시된 실시 예들은 본 발명을 한정하는 것이 아니다. 본 발명의 범위는 아래의 특허청구범위에 의해 해석되어야 하며, 그와 균등한 범위 내에 있는 모든 기술도 본 발명의 범위에 포함되는 것으로 해석해야 할 것이다.
100: 학습자별 맞춤 문제 추천 장치
200: 통신망
300: 사용자 단말
110: 통신 인터페이스부 120: 시스템 관리부
130: 문제 출제 관리부 131: 문제 입력부
132: 관리코드 부여부 133: 문제 추천 관리부
134: 시험지 생성 관리부 135: 오류 문제 관리부
136: 문제 수정 히스토리부 140: 데이터베이스
150: 성적 관리부 160: 통계 관리부

Claims (13)

  1. 단원별로 분류한 각 문항마다 선행, 후행으로 학습할 단원들을 각각 매핑하여 목록화하는 문제 등록부;
    학습자에게 출제한 문항에 대하여 정오답을 처리하고 각 문항의 정오답에 따라 선행 또는 후행의 추천 방향을 제시하고 제시한 추천 방향에서 선행, 후행으로 미리 매핑되어 있는 학습 단원의 문항을 추천하는 문제 추천 관리부;
    상기 문제 추천 관리부에서 추천하는 문항을 포함하여 새로운 시험지로 생성하고 생성한 시험지 단위로 제공하는 시험지 생성 관리부
    를 포함하는 것을 특징으로 하는 선후행 로직을 통한 학습자별 맞춤 문제 추천 장치.
  2. 제 1 항에 있어서,
    상기 문제 추천 관리부는
    정답인 문항에 대하여 후행의 추천 방향을 제시하고, 제시한 추천 방향에서 후행으로 매핑되어 있는 학습 단원의 문항을 추천하며,
    오답인 문항의 경우 선행의 추천 방향을 제시하고, 제시한 추천 방향에서 선행으로 매핑되어 있는 학습 단원의 문항을 추천하는 것을 특징으로 학습자별 맞춤 문제 추천 장치.
  3. 제 1 항에 있어서,
    상기 문제 등록부는
    각 문항마다 선행, 후행으로 학습할 각 단원들을 1개 이상 정의하고,
    상기 각 문항의 단원과 가장 인접하는 학년, 학기에 해당하는 단원일수록 높은 우선순위를 부여하는 것을 특징으로 하는 학습자별 맞춤 문제 추천 장치.
  4. 제 3 항에 있어서,
    상기 문제 추천 관리부는
    상기 정오답 처리한 문항의 단원과 가장 인접하는 학년, 학기의 단원을 최우선으로 추천하는 수직적 추천 로직 방식을 이용하여,
    정답인 문항의 경우, 각 문항의 후행 로직에서 최우선으로 매핑되어 있는 단원의 문항을 추천하여 수직 아래방향으로 제시되며,
    오답인 문항의 경우, 각 문항의 선행 로직에서 최우선으로 매핑되어 있는 단원의 문항을 추천하여 수직 위 방향으로 제시되는 것을 특징으로 하는 학습자별 맞춤 문제 추천 장치.
  5. 제 4 항에 있어서,
    상기 문제 추천 관리부는
    상기 정오답 처리한 문항의 단원과 관련있는 학년, 학기와 무관하게 종합적으로 추천하는 계층적 추천 로직 방식을 이용하는 경우,
    상기 학습자에게 출제한 각 문항의 정오답에 따라 선후행 로직에서 우선 순위에 따라 매핑되어 있는 단원을 차례대로 선정하여 추천하는 것을 특징으로 하는 학습자별 맞춤 문제 추천 장치.
  6. 제 1 항에 있어서,
    상기 문제 추천 등록부는
    상기 각 문항의 정오답에 따라 미리 매핑되어 있는 선행 또는 후행으로 학습할 문항을 추천할 때 문항 수를 상기 각 문항 수의 배수 출제가 가능한 것을 특징으로 하는 학습자별 맞춤 문제 추천 장치.
  7. 단원별로 분류한 각 문항마다 선행, 후행으로 학습할 단원들을 각각 매핑하여 목록화하는 문제 등록 단계;
    학습자별 특성을 고려한 문항을 선택하여 시험지로 출제하고 출제한 시험지에 대하여 정오답을 처리하는 문제 평가 단계;
    다음 시험지의 출제 요청이 있는지를 확인하는 단계;
    다음 시험지의 출제 요청이 있으면 이전 시험지의 각 문항별 정오답에 따라 미리 매핑되어 있는 선행 또는 후행으로 학습할 단원의 문항을 추천하는 선후행 문제 추천 단계;
    추천한 문항을 포함하여 새로운 시험지를 생성하고 생성한 시험지를 출제하는 문제 출제 단계
    를 포함하는 것을 특징으로 하는 선후행 로직을 통한 학습자별 맞춤 문제 추천 방법.
  8. 제 7 항에 있어서,
    상기 문제 추천 단계는,
    상기 학습자에게 출제한 각 문항이 정답인 경우 상기 문항에 매핑되어 있는 선후행 로직에서 후행으로 학습할 단원의 문항을 선정하여 추천하고,
    각 문항이 오답인 경우 상기 문항에 매핑되어 있는 선후행 로직에서 선행으로 학습할 단원의 문항을 선정하여 추천하는 것을 특징으로 학습자별 맞춤 문제 추천 방법.
  9. 제 7 항에 있어서,
    상기 문제 등록 단계는,
    각 문항마다 선행, 후행으로 학습할 각 문항들을 여러 개 정의하고, 기본 문항과 가장 인접하는 학년, 학기의 단원일수록 높은 우선 순위를 부여하는 것을 특징으로 하는 학습자별 맞춤 문제 추천 방법.
  10. 제 9 항에 있어서,
    상기 문제 추천 단계는,
    상기 정오답 처리한 문항의 단원과 가장 인접하는 학년, 학기의 단원을 최우선으로 추천하는 수직형 로직 방식을 이용하여, 상기 학습자에게 출제한 각 문항이 정답인 경우 후행 로직에서 최우선으로 매핑되어 있는 단원의 문항을 선정하고, 각 문항이 오답인 경우 선행 로직에서 최우선으로 매핑되어 있는 단원의 문항을 선정하여 추천하는 것을 특징으로 하는 학습자별 맞춤 문제 추천 방법.
  11. 제 9 항에 있어서,
    상기 문제 추천 관리부는
    상기 정오답 처리한 문항의 단원과 관련있는 학년, 학기와 무관하게 추천하는 계층형 로직 방식을 이용하여, 상기 학습자에게 출제한 각 문항의 정오답에 따라 선후행 로직에서 우선 순위에 따라 매핑되어 있는 단원을 차례대로 선정하여 추천하는 것을 특징으로 하는 학습자별 맞춤 문제 추천 방법.
  12. 제 7 항에 있어서,
    상기 문제 추천 단계는
    상기 각 문항의 정오답에 따라 미리 매핑되어 있는 선행 또는 후행으로 학습할 문항을 추천할 때 문항 수를 상기 각 문항 수의 배수 출제가 가능한 것을 특징으로 하는 학습자별 맞춤 문제 추천 방법.
  13. 제 7 항에 있어서,
    상기 문제 추천 단계는
    다음 시험지의 출제 요청이 있으면 이전 시험지의 정오답을 통해 채점한 결과 기준 점수 보다 높은지 여부에 따라 미리 매핑되어 있는 선행 또는 후행으로 학습할 시험지를 추천하는 것을 특징으로 하는 학습자별 맞춤 문제 추천 방법.
KR1020110142772A 2011-12-26 2011-12-26 선후행 로직을 통한 학습자별 맞춤 문제 추천 장치 및 방법 KR20130082992A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020110142772A KR20130082992A (ko) 2011-12-26 2011-12-26 선후행 로직을 통한 학습자별 맞춤 문제 추천 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020110142772A KR20130082992A (ko) 2011-12-26 2011-12-26 선후행 로직을 통한 학습자별 맞춤 문제 추천 장치 및 방법

Publications (1)

Publication Number Publication Date
KR20130082992A true KR20130082992A (ko) 2013-07-22

Family

ID=48994162

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020110142772A KR20130082992A (ko) 2011-12-26 2011-12-26 선후행 로직을 통한 학습자별 맞춤 문제 추천 장치 및 방법

Country Status (1)

Country Link
KR (1) KR20130082992A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407237A (zh) * 2015-08-03 2017-02-15 科大讯飞股份有限公司 在线学习试题推荐方法及***
KR102473991B1 (ko) * 2022-02-11 2022-12-06 한밭대학교 산학협력단 온라인 기반 시험 및 평가 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106407237A (zh) * 2015-08-03 2017-02-15 科大讯飞股份有限公司 在线学习试题推荐方法及***
CN106407237B (zh) * 2015-08-03 2020-02-07 科大讯飞股份有限公司 在线学习试题推荐方法及***
KR102473991B1 (ko) * 2022-02-11 2022-12-06 한밭대학교 산학협력단 온라인 기반 시험 및 평가 시스템
WO2023153863A1 (ko) * 2022-02-11 2023-08-17 한밭대학교 산학협력단 온라인 기반 시험 및 평가 시스템

Similar Documents

Publication Publication Date Title
Baker Challenges for the future of educational data mining: The Baker learning analytics prizes
CN109903617B (zh) 个性化练习方法和***
Cash et al. An analysis of the perceptions and resources of large university classes
Xu et al. Does blended instruction enhance English language learning in developing countries? Evidence from Mexico
US11120701B2 (en) Adaptive presentation of educational content via templates
KR101046711B1 (ko) 온/오프라인이 연계된 학습시스템 및 방법
Elander et al. Paradigms revisited: a quantitative investigation into a model to integrate objectivism and constructivism in instructional design
KR100953166B1 (ko) 시험기반의 전자학습 방법
Hwang et al. A group decision approach to developing concept–effect models for diagnosing student learning problems in mathematics
US20230260065A1 (en) Enhanced teaching method and security protocol in testing students
Wang et al. Evaluating the English-learning of engineering students using the Grey SP chart: A Facebook case study in Taiwan
Dantes et al. Evaluation of e-learning as a learning agent
Marsan et al. The impact of an interactive statistics module on novices’ development of scientific process skills and attitudes in a first-semester research foundations course
Del Campo et al. Internationalizing the business school: A comparative analysis of English-medium and Spanish-medium instruction impact on student performance
Xu et al. iTest: A novel online testing system based on the WeChat platform
Tatnall Correction to: Editorial for EAIT issue 2, 2020
KR20130082992A (ko) 선후행 로직을 통한 학습자별 맞춤 문제 추천 장치 및 방법
US20240221532A1 (en) Method and apparatus for guiding improvements of reading and writing abilities
KR20150116662A (ko) 문항반응이론에 의한 인공지능 개인별 처방학습시스템
Kim et al. Structural relationship among environment, motivation, engagement and transfer of training of teachers in distance education
Engledowl et al. Profiles of Elementary Teachers' Use of Mathematics Curriculum Materials and the Influence of Teacher Expertise.
Smith et al. Assessing proxies of knowledge and difficulty with rubric‐based instruments
Akour et al. Effective pair programming practice: toward improving student learning in software engineering class
KR101903910B1 (ko) 학습 관리 시스템 및 방법
KR101874617B1 (ko) 수학문제의 풀이과정 유도 서비스 제공 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application