KR20200012430A - Method for providing an information of a probability of correct response for a learner - Google Patents
Method for providing an information of a probability of correct response for a learner Download PDFInfo
- Publication number
- KR20200012430A KR20200012430A KR1020180087738A KR20180087738A KR20200012430A KR 20200012430 A KR20200012430 A KR 20200012430A KR 1020180087738 A KR1020180087738 A KR 1020180087738A KR 20180087738 A KR20180087738 A KR 20180087738A KR 20200012430 A KR20200012430 A KR 20200012430A
- Authority
- KR
- South Korea
- Prior art keywords
- learner
- learning
- information
- correct answer
- predicted correct
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000004044 response Effects 0.000 title claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 49
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000003442 weekly 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
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
Description
본 발명은 학습자에게 학습에 대한 정보를 제공하는 방법에 관한 것으로서, 특히 학습자가 학습하는 문항에 대한 학습자의 예측정답율에 대한 구체적인 분석 정보를 제공하는 방법에 관한 것이다.The present invention relates to a method of providing information about learning to a learner, and more particularly, to a method of providing detailed analysis information about a learner's predicted correct answer rate for an item the learner learns.
정보통신 기술이 발달하면서 컴퓨터를 통해 데이터베이스의 관리가 용이하게 됨에 따라 학습 정보를 데이터베이스에 저장하고, 온라인 상으로 인터넷을 이용하여 학습자에게 제공하는 학습 서비스가 다양한 컨텐츠를 가지고 제공되고 있다.As information and communication technology is developed, as a database is easily managed through a computer, a learning service that stores learning information in a database and provides learners using the Internet online is provided with various contents.
학습자는 학습 프로그램을 제공하는 웹사이트나 휴대 단말기를 통해 접속이 가능한 앱(App)을 통해 제공되는 문제를 통해 학습이 가능하므로, 시간과 공간의 제약이 적은 온라인을 통한 장점 등에 따라 이러한 온라인을 이용하여 학습 정보를 제공하고, 학습을 직접 수행하며, 그에 대한 결과를 제공받는 서비스 방법이 많이 개발되고 있다.Learners can learn from the problems provided through websites that provide learning programs or through apps that can be accessed through mobile devices. Therefore, a number of service methods for providing learning information, directly performing learning, and receiving a result thereof have been developed.
본 발명 또한 그러한 온라인을 이용하여 학습 정보를 제공하는 방법과 관련된 것이다.The present invention also relates to a method of providing learning information using such online.
한편, 학습은 무작정 열심히만 한다고 성과가 반드시 따라오는 것은 아니다.On the other hand, learning hardly does not necessarily follow performance.
무작정 열심히가 아니라 어떻게 열심히 하느냐가 중요하다는 것은 익히 알려져 있는 바이다.It is well known that it is not hard work but how to work hard.
특히 틀린 문항에 대해 분석하여 이를 참조하는 학습은 학습자의 학습 능력 향상에 큰 도움을 줄 수 있다.In particular, learning that analyzes and references incorrect items can greatly help learners improve their learning ability.
즉, 틀린 문항이 학습자가 지식이 부족하여 틀린 것인지, 아니면 학습자의 부주의나 실수로 인해 충분히 맞출 수 있는데 틀린 문항인지를 구분하여 그에 따라 학습 컨텐츠를 활용하여 보충적인 학습을 하거나 실수를 줄이기 위한 학습자의 잘못된 태도를 수정하는 것이 학습 성과를 향상시키는 데 큰 도움을 줄 수 있는 것이다.In other words, the wrong question can be properly corrected due to the learner's lack of knowledge or due to the carelessness or mistake of the learner. Correcting bad attitudes can greatly help improve learning outcomes.
그러나, 이러한 학습 문항에 대한 분석과 검토의 피드백은 오프라인 상의 학습에 의해서는 교수자가 지도해 주는 것이 용이하나, 온라인을 통한 학습의 경우에는 학습 정보 내지 문제만을 제공할 뿐 풀이 후의 학습 방법에 대한 보다 나아가는 지도는 지도교사가 방문하는 등이 아닌 한 이루어지지 못하고 있는 실정이다.However, the feedback of the analysis and review of the learning items can be easily instructed by the instructor by the off-line learning, but in the case of the online learning, only the learning information or the problem is provided, and the feedback on the post-learning method is better. Further guidance is not achieved unless the guidance teacher visits.
이상의 배경기술에 기재된 사항은 발명의 배경에 대한 이해를 돕기 위한 것으로서, 이 기술이 속하는 분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술이 아닌 사항을 포함할 수 있다.The matters described in the background art are provided to help the understanding of the background of the invention, and may include matters that are not known to those skilled in the art to which the art belongs.
본 발명은 상술한 문제점을 해결하고자 안출된 것으로서, 본 발명은 온라인 학습을 통해서도 학습한 문항에 대한 분석 정보를 제공함으로써 학습자의 학습 습관 및 실력 향상에 도움을 줄 수 있는 학습자의 예측정답율 분석 정보 제공방법을 제공하는 데 그 목적이 있다.The present invention has been made to solve the above-described problems, the present invention provides an analysis information on the questions learned through online learning to provide learner predictive correct rate analysis information that can help learners to improve their learning habits and skills The purpose is to provide a method.
본 발명의 일 관점에 의한 학습자의 예측정답율 분석 정보 제공방법은, 서비스 서버에 접속한 학습자가 이용할 수 있는 학습 문항을 포함한 학습 내용을 온라인 상으로 제공하는 학습 제공 단계, 상기 학습 문항에 대한 학습자의 답변 내용을 포함하는 학습 정보를 수신하는 학습 정보 수신 단계, 상기 학습 정보 수신 단계에 의해 수신된 정보를 데이터화하는 학습 정보 데이터화 단계, 상기 학습 정보 데이터화 단계에 의해 저장된 데이터 분석을 통해 해당 학습자가 풀이하는 학습 문항에 대한 예측정답율을 분석하는 학습 문항에 대한 예측정답율 분석 단계 및 상기 학습 문항에 대한 예측정답율 분석 단계에 의해 분석된 예측정답율에 대한 분석 정보를 제공하는 예측정답율 분석 정보 제공 단계를 포함하고, 상기 학습 문항에 대한 예측정답율 분석단계는, 상기 학습 문항의 고유 난이도와 상기 학습자의 추정 능력치를 반영하여 문항반응이론에 의해 상기 예측정답율을 산출하되, 상기 고유 난이도(question difficulty)는 상기 문항에 대해 타 학습자들에 의해 설정된 난이도이고, 상기 학습자의 능력치(learner ability)는 과거 타 문항에 대해 상기 타 학습자들과 비교한 상기 학습자의 능력치인 것을 특징으로 한다.In accordance with an aspect of the present invention, a method for providing predictive answer rate analysis information for a learner may include: providing a learning content including a learning item available to a learner connected to a service server online, the learning providing step of the learner; Learner receiving the learning information including the contents of the answer, learning information data step of data-receiving the information received by the learning information receiving step, the learner to solve through the data analysis stored by the learning information data step A predicted correct rate analysis information providing step for analyzing predicted correct answer rate for the learning item for analyzing the predicted correct rate for learning item and providing predictive correct rate analysis information for analyzing the predicted correct rate analyzed by the predicted correct rate rate for the learning item; Predictive answer rate analysis group for the learning item Calculates the predicted correct answer rate based on an item response theory by reflecting the inherent difficulty of the learning item and the estimated ability of the learner, wherein the inherent difficulty is the difficulty set by other learners for the question, The learner's ability (learner ability) is characterized in that the learner's ability compared to the other learners for the other questions in the past.
여기서, 상기 예측정답율은 다음 수학식에 의해 산출되는 것을 특징으로 한다.Here, the predicted correct answer rate is calculated by the following equation.
그리고, 상기 학습자의 능력치는 베이지안(Bayesian) 능력 산정 알고리듬에 의해 구해지는 것을 특징으로 한다.And, the learner's ability is characterized by a Bayesian ability calculation algorithm.
또한, 상기 고유 난이도는 상기 타 학습자에 대한 데이터가 갱신됨에 따라 업데이트되는 것을 특징으로 한다.In addition, the inherent difficulty is characterized in that it is updated as the data for the other learner is updated.
그리고, 상기 학습자의 예측정답율은 0.5~1인 것을 특징으로 한다.The predicted correct answer rate of the learner is 0.5 to 1.
한편, 상기 학습자의 능력치가 증가할수록 상기 예측정답율은 선형적으로 증가하는 것을 특징으로 한다.Meanwhile, as the learner's ability value increases, the predicted correct answer rate increases linearly.
또는, 상기 고유 난이도가 낮아질수록 상기 예측정답율은 선형적으로 증가하는 것을 특징으로 한다.Alternatively, the prediction accuracy rate increases linearly as the inherent difficulty decreases.
나아가, 상기 학습자의 예측정답율은 상기 학습자의 능력치를 2N+1개의 구간, 상기 고유 난이도는 상기 문항의 난이도를 2M+1개의 구간으로 구분할 때, 상기 학습자의 능력치 및 상기 고유 난이도의 구간이 동일할 때, 0.5인 것을 특징으로 한다.Further, the learner's predicted correct answer rate may be equal to the learner's ability level when the learner's ability level is divided into 2N + 1 sections and the inherent difficulty is divided into 2M + 1 sections by the learner's ability level and the intrinsic difficulty level. When, it is characterized in that 0.5.
그리고, 상기 2N+1개의 구간을 따라, 상기 학습자의 능력치가 증가할수록 상기 예측정답율은 상기 구간을 따라 선형적으로 증가하는 것을 특징으로 한다.In addition, along the 2N + 1 intervals, as the learner's ability value increases, the predicted answer rate increases linearly along the interval.
또는, 상기 2M+1개의 구간을 따라, 상기 고유 난이도가 낮아질수록 상기 예측정답율은 상기 구간을 따라 선형적으로 증가하는 것을 특징으로 한다.Alternatively, the prediction accuracy rate increases linearly along the interval as the inherent difficulty decreases along the 2M + 1 intervals.
본 발명의 학습자의 예측정답율 분석 정보 제공방법에 의하면, 학습자가 풀이하는 문항에 대해 예측정답율에 대한 정보를 제공함으로써 학습자가 학습한 문항의 수준을 인지하여 학습을 진행할 수 있게 하여 학습자의 능력 향상에 도움을 준다.According to the method of providing predictive correct rate analysis information of a learner according to the present invention, by providing information on the predicted correct rate for a question solved by the learner, the learner can recognize the level of the learned item and proceed with the learning to improve the learner's ability. To help.
제공되는 예측정답율은 문항에 대한 고유한 난이도만을 제공하는 것이 아니라 학습자별로 추정되는 능력치에 따라 결정함으로써, 개개인의 학습자에 보다 적합한 분석 정보를 제공하여 학습에 도움을 줄 수 있다.The predicted correct answer rate is provided based on the ability of each learner, rather than providing a unique difficulty level for the question. Therefore, the predicted correct answer rate may be helpful for learning by providing more appropriate analysis information for each learner.
학습자는 이러한 예측정답율 분석 정보에 의해 몰라서 틀린 문항인지, 아니면 맞출 수 있는데 틀린 문항인지를 용이하게 파악할 수 있어 그에 따라 추가 학습을 진행하거나 학습 태도를 개선함으로써 보다 실질적인 실력 향상이 가능하게 한다.The learner can easily identify whether the question is wrong or correct by not knowing the correct answer rate analysis information. Therefore, the learner can further improve his or her ability by further learning or improving the learning attitude accordingly.
도 1은 본 발명에 의한 학습자의 예측정답율 분석 정보 제공방법을 도시한 것이다.1 illustrates a method of providing predictive correct rate analysis information of a learner according to the present invention.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시 예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.In order to fully understand the present invention, the operational advantages of the present invention, and the objects achieved by the practice of the present invention, reference should be made to the accompanying drawings which illustrate preferred embodiments of the present invention and the contents described in the accompanying drawings.
본 발명의 바람직한 실시 예를 설명함에 있어서, 본 발명의 요지를 불필요하게 흐릴 수 있는 공지의 기술이나 반복적인 설명은 그 설명을 줄이거나 생략하기로 한다.In describing the preferred embodiment of the present invention, well-known techniques or repeated descriptions that may unnecessarily obscure the subject matter of the present invention will be shortened or omitted.
도 1은 본 발명에 의한 학습자의 예측정답율 분석 정보 제공방법을 도시한 것이다.1 illustrates a method of providing predictive correct rate analysis information of a learner according to the present invention.
이하, 도 1을 참조하여 본 발명의 일 실시예에 의한 학습자의 예측정답율 분석 정보 제공방법을 설명하기로 한다.Hereinafter, a method of providing predictive answer rate analysis information for a learner according to an embodiment of the present invention will be described with reference to FIG. 1.
본 발명에 의한 학습자의 예측정답율 분석 정보 제공방법은 온라인 상으로 학습을 위한 정보를 제공하고, 온라인 상으로 접속한 이용자가 이를 통해 학습을 진행할 수 있도록 하는 서비스 방법이다.The method of providing predictive answer rate analysis information of a learner according to the present invention is a service method that provides information for learning online and allows a user connected online to proceed with the learning.
즉, 서비스 제공자는 인터넷 웹사이트 또는 스마트 기기를 통해 구현되는 어플리케이션을 통해서 학습 서비스를 제공하고, 해당 서비스의 이용자는 로그인 등의 절차를 통해 웹사이트나 어플리케이션에 접속하여 학습을 수행해 나갈 수 있도록 하는 것이다. 이러한 서비스 방법과 이용 방법에 대해서 널리 인식된 기술들에 대한 설명은 본 발명에서는 생략하도록 한다.In other words, the service provider provides a learning service through an application implemented through an Internet website or a smart device, and the user of the service can access a website or application through a procedure such as logging in to perform learning. . Descriptions of technologies widely recognized for such a service method and a usage method will be omitted in the present invention.
그리고, 본 발명에 의해 제공되는 학습은 일회성이기 보다는 일 단위, 주 단위, 월 단위 등의 주기에 따라 회차를 구분하여 적당한 학습량을 제공하여 학습자가 제공되는 진도에 맞게 학습을 수행해 나갈 수 있도록 제공된다.In addition, the learning provided by the present invention is provided to allow the learner to perform the learning according to the progress provided by providing an appropriate amount of learning by classifying the cycles according to the cycles such as daily, weekly, monthly, etc. rather than one-time. .
구체적으로 살펴보면, 본 발명에 의한 학습자의 예측정답율 분석 정보 제공방법은 학습 제공 단계, 학습 정보 수신 단계, 학습 정보 데이터화 단계, 학습 문항에 대한 예측정답율 분석 단계 및 예측정답율 분석 정보 제공 단계를 포함한다.In detail, the method of providing predictive correct rate analysis information for a learner according to the present invention includes a learning providing step, a learning information receiving step, a learning information data making step, a predicting correct answer rate analyzing step for a learning item, and a providing predictive answer rate analyzing information.
학습 제공 단계(S10)는 서비스에 접속한 학습자가 이용할 수 있는 학습 내용을 서비스 서버에 의해 온라인 상으로 제공한다.In the learning providing step S10, the learning content available to the learner accessing the service is provided online by the service server.
학습 제공 단계(S10)에 의해 제공되는 학습 내용은 학습자가 풀이할 학습 문항이며, 그 외에 학습 컨텐츠도 포함한다.The learning content provided by the learning providing step S10 is a learning item to be solved by the learner, and also includes learning content.
학습 내용은 일정 주기마다 회차를 구분하여 제공될 수 있고, 각 회차에서 제공되는 학습 내용은 학습 문항과 함께 학습 컨텐츠가 포함되며, 학습 컨텐츠만 제공될 수도 있다.The learning contents may be provided by dividing each round at regular intervals, and the learning contents provided in each round may include learning contents together with learning questions, and only learning contents may be provided.
학습 문항은 회차당 정해진 수와 난이도에 따른 복수의 학습 문항이 순차적으로 제공이 된다.The learning items are provided with a plurality of learning items according to a predetermined number and difficulty levels.
예를 들어, 10개의 문항이 일괄적으로 제공되어 학습자가 스크롤하며 풀이를 진행할 수도 있을 것이며, 하나 또는 둘 정도의 소량의 문항을 화면을 넘겨 가며 확인 가능하도록 제공하는 방식일 수 있다.For example, 10 questions may be provided in a batch to allow a learner to scroll and solve the problem, or to provide a small amount of one or two items so that they can be checked over the screen.
이에는 학습자가 문항에 대한 풀이를 위해 정답을 체크할 수 있는 수단이 함께 제공될 것이다.It will be provided with a means for the learner to check the correct answer to solve the question.
그리고, 학습자가 나중에 풀기 위해서 제시된 문항을 건너뛰어 다른 문항을 먼저 풀이할 수 있도록 다음 문항의 선택이 가능한 수단도 제시가 된다. 단지 다음 페이지를 터치 입력 방식에 의해 선택되도록 할 수도 있을 것이다.In addition, a means of selecting the next item is presented so that the learner can skip the question presented later for solving another item. Only the next page may be selected by the touch input method.
또한, 해당 회차의 전체 문항을 일괄적으로 채점할 수 있게 하거나, 한 페이지에 제공되는 문항마다 채점을 진행하도록 제공될 수도 있을 것이다.In addition, the entire question of the round may be scored in a batch or may be provided to proceed with the scoring for each item provided on a page.
학습 제공 단계(S10)에서는 학습자가 답변을 체크하고 채점을 선택하는 경우 채점에 의한 정답 또는 오답의 결과 또한 제공되게 한다.In the learning providing step S10, when the learner checks the answer and selects the grading, the result of the correct answer or the wrong answer by the grading is also provided.
한편, 오답인 경우에는 해당 문항에 대한 답변을 다시 할 수 있는 내용이 제공될 수도 있다.On the other hand, in the case of an incorrect answer may be provided to re-answer the question.
그리고, 학습 컨텐츠는 해당 회차에서 알아야할 내용에 대한 강의의 텍스트나 영상 형식일 수 있으며, 각 문항에 대한 해설의 텍스트나 영상 또는 힌트 등일 수 있다.In addition, the learning content may be a text or video format of a lecture on the content to be known in the corresponding round, and may be text or an image or a hint of a commentary about each item.
이와 같은 학습 제공 단계(S10)에 의해 제공된 학습 내용 중 학습 문항에 대한 학습자의 답변이 있으면, 서비스 서버는 학습 정보 수신 단계(S20)에 의해 학습자의 답변을 수신하게 된다.If there is a learner's answer to the learning item among the learning contents provided by the learning providing step S10, the service server receives the learner's answer by the learning information receiving step S20.
수신하는 학습 정보 또한 학습 문항에 대한 답변일 수 있으며, 학습 컨텐츠에 관한 결과물일 수 있다.The received learning information may also be an answer to a learning item, or may be a result of learning content.
즉, 학습 문항에 대한 학습 정보는 해당 문항에 대한 학습자의 답변과 문항 제공시부터 답변까지의 소요 시간, 그리고 학습자의 답변이 오답이어서 재차 답변을 시도한 경우에는 답변 시도 횟수도 포함될 수 있다.That is, the learning information about the learning item may include the learner's answer to the question and the time required from providing the item to the answer, and the number of attempts to answer if the learner's answer is incorrect.
그리고, 학습 컨텐츠에 관한 결과물은 S10에서 제공된 학습 컨텐츠 내용을 이용하였는지 여부에 관한 것이다.And, the result related to the learning content relates to whether or not using the learning content content provided in S10.
즉, 해당 회차에서 제공되는 강의, 해설, 힌트 등을 확인하였는지, 확인하지 않았는지에 관한 정보가 된다.That is, it is information about whether or not the lecture, commentary, hints, etc. provided in the corresponding session are confirmed.
이와 같이 학습 정보 수신 단계(S20)에 의해 학습자의 학습 문항에 대한 답변과 학습 컨텐츠에 관한 결과물은 학습 정보 데이터화 단계(S30)에 의해 서비스 서버가 이를 데이터화한다.In this way, the answer to the learner's answer to the learning item in the learning information receiving step (S20) and the result of the learning content is data by the service server in the learning information data step (S30).
학습자의 수는 온라인 서비스의 특성상 무한한 바, 학습 데이터화 단계(S30)에서는 수많은 학습자에 의한 학습 정보를 빅데이터화하고, 이를 분석하여 후술할 학습 문항에 대한 예측정답율 분석 단계(S40)를 통해 학습하는 문항에 대한 예측정답율 분석 정보를 예측정답율 분석 정보 제공 단계(S50)에 의해 제공하게 된다.The number of learners is infinite due to the nature of the online service. In the learning data forming step (S30), the learning information by a large number of learners is made into big data, and analyzed by predicting the correct answer rate for the learning item to be described later (S40). The predicted corrected rate analysis information for is provided by the predicted corrected rate analysis information providing step (S50).
예측정답율 분석 정보 제공 단계(S50)에서는 S40에 의한 학습자의 예측정답율 분석 정보뿐 아니라 회차당 전체 정답률, 전체 풀이 시간, 등급, 난이도, 학습자 평균과의 비교 등의 일반적인 학습 결과에 대한 정보를 포함함은 물론이다.In the step of providing predictive correct rate analysis information (S50), not only the predicted correct rate analysis information of the learner according to S40, but also information about general learning results such as the overall correct answer rate per session, the total solve time, the grade, the difficulty, and the comparison with the learner average Of course.
학습 문항에 대한 예측정답율 분석 단계(S40)에서는 학습 정보 수신 단계(S20)에 의해 수신한 학습자의 학습 정보와 학습 정보 데이터화 단계(S30)에 의해 빅데이터화되어 보유하고 있는 정보에 의해 학습자가 풀이하는 학습 문항을 분석하여 학습자에게 도움이 될 수 있는 예측정답율을 분석하게 되며, 이는 학습 문항에 대한 폭넓은 구체적인 분석 정보 중 하나에 해당될 수 있다.In the predicted correct answer rate analysis step (S40) for the learning item, the learner is solved by the learner's learning information received by the learning information receiving step (S20) and the information retained by big data by the learning information data making step (S30). By analyzing the learning items, the predicted correct answer rate that may be helpful to the learner may be analyzed, which may correspond to one of a wide range of specific analysis information about the learning items.
학습자가 풀이하는 문항에 대한 학습 문항에 대한 예측정답율은 문항의 고유 난이도 설정 및 학습자의 능력치의 추정을 통해 분석한다.The predicted correct answer rate for the questions that the learner solves is analyzed by setting the inherent difficulty of the question and estimating the learner's ability.
해당 문항의 고유 난이도(question difficulty)는 학습 정보 데이터화 단계(S30)에 의해 데이터화된 정보를 통해 해당 문항에 대한 다른 학습자들에 의해 설정된 상대적인 난이도를 추정하는 것이다.The inherent difficulty of the question is to estimate the relative difficulty set by other learners for the question through the information datad by the learning information data step S30.
즉, 해당 문항에 대한 전체 학습자의 정답률과 정답을 맞히기까지 소요된 답변 시도 횟수를 기준으로 하여 추정한다.In other words, it is estimated based on the correct answer rate of all learners for the corresponding question and the number of answer attempts required to correct the correct answer.
문항의 고유 난이도의 평균값은 0을 기준으로 하며, 전체 학습자의 정답률과 정답을 맞히기까지 소요된 답변 시도 횟수에 따라 (+) 또는 (-)로 보정함으로써 난이도를 추정한다.The average value of the inherent difficulty of an item is 0, and the difficulty is estimated by correcting (+) or (-) according to the correct answer rate of all learners and the number of attempts to answer the correct answer.
이러한 보정(calibration)은 베이지안 알고리즘(Bayesianism)에 의해 각 응답 후 업데이트된 값에 의해 보정된다.This calibration is corrected by the updated value after each response by Bayesianism.
그리고, 학습자의 능력치(learner ability)는 과거 타 문항에 대해 타 학습자들과 비교하여 산출한다.And the learner's ability (learner ability) is calculated by comparing the other learners with other learners.
학습자의 능력치는 평균값을 0으로 하여, 학습자가 복수의 문항에 대해 답변할 때마다 정답인지 오답인지에 따라 타 학습자들의 정답율과 비교하여 (+) 또는 (-)의 가중치를 부여함으로써 추정된다.The learner's ability value is estimated by setting the average value to 0, and assigning a weight of (+) or (-) to the learner's correct answer rate according to whether the learner answers a plurality of questions correctly or incorrectly.
이러한 가중치 또한 베이지안 능력 산정 알고리듬(Bayesianism)에 의해 각 응답 후 업데이트된 값에 의해 구해진다.This weight is also obtained by the updated value after each response by the Bayesian capability estimation algorithm (Bayesianism).
나아가, 정답 또는 오답에 따른 가중치는 가장 최근에 답변한 문항의 결과에 대해서 보다 높게 책정될 수가 있다.Furthermore, the weight according to the correct or incorrect answer may be set higher for the result of the most recently answered question.
문항에 대한 예측정답율은 이러한 문항의 고유 난이도(question difficulty)와 학습자 능력치(learner ability)에 의해 문항반응이론(item response theory, IRT)을 기반으로 하여 다음 수학식과 같이 산출된다.The predicted correct answer rate for an item is calculated based on the item response theory (IRT) by the inherent difficulty of the item and the learner's ability.
즉, 학습자 능력치가 높을수록 또는 고유 난이도가 낮을수록 exp(question difficulty+learner ability) 값이 증가하여 P 값은 크게 나타나며 최대치는 1이 된다.That is, the higher the learner ability or the lower the intrinsic difficulty, the greater the exp (question difficulty + learner ability) value, resulting in a larger P value and a maximum value of 1.
그리고, 고유 난이도가 높은 문제를 학습자 능력치가 낮은 학습자가 풀더라도 Pmax는 0.5가 되어, 예측정답율은 0.5~1의 범위로 산출된다.In addition, even if a learner solves a problem with a high inherent difficulty, the learner with a low learner ability value solves the problem.
한편, 학습자의 능력치와 고유 난이도에 따라 학습자의 예측정답율을 산출하기 위해, 학습자의 능력치를 2N+1(N은 정수), 고유 난이도를 2M+1(M은 정수)의 구간으로 구분할 수 있다.Meanwhile, in order to calculate the learner's predicted correct answer rate according to the learner's ability and the inherent difficulty, the learner's ability may be divided into 2N + 1 (N is an integer) and 2M + 1 (M is an integer).
가령, 문항의 고유 난이도의 범위와 학습자 능력치의 범위를 ±4(N, M은 4)로 책정하면, 문항에 대한 예측 정답율은 위 수학식에 따라 다음 표와 같이 산정될 수가 있고, 표와 같이 학습자 능력치는 등차(an arithmetic progression)로 증감하는 값을 가질 수 있으며, 나아가 학습자의 능력치에 따른 문항의 고유 난이도의 조절은 아래 표에 따라 등차로 증감시켜 조절할 수 있다.For example, if the range of the inherent difficulty of the item and the range of learner abilities are set to ± 4 (N, M is 4), the predicted correct answer rate for the item can be calculated as shown in the following table according to the above equation. The learner's ability can have a value that increases or decreases with an arithmetic progression, and furthermore, the adjustment of the inherent difficulty of the item according to the learner's ability can be adjusted by increasing or decreasing it according to the table below.
수학식에 의해 산출되는 문항에 대한 예측 정답율(P)은 0.5에서 1의 범위를 가지게 되고, 0.5 미만의 경우에는 문항의 고유 난이도에 대해 선형성을 갖는다는 가정 하에 산출함으로써 위 표와 같은 결과를 얻을 수 있다.The predicted correct answer rate (P) for the item calculated by the equation is in the range of 0.5 to 1, and if it is less than 0.5, it is calculated on the assumption that the item has a linearity with respect to the inherent difficulty of the item to obtain the result shown in the above table. Can be.
그리고, 표와 같이 학습자의 능력치가 증가할수록 예측정답율은 선형적으로 증가할 수 있고, 고유 난이도가 낮아질수록 예측정답율은 선형적으로 증가할 수 있다.And, as shown in the table, as the learner's ability increases, the predicted correct rate may increase linearly, and as the intrinsic difficulty decreases, the predicted correct rate may increase linearly.
또한, 위 구간별 표에서 학습자의 능력치와 고유 난이도의 구간이 동일할 경우에 P는 0.5가 되며, 학습자의 능력치가 2N+1개의 구간을 따라 증가할수록 예측정답율은 선형적으로 증가할 수 있고, 고유 난이도가 2M+1개의 구간을 따라 낮아질수록 예측정답율은 선형적으로 증가할 수 있다.In addition, if the learner's ability and inherent difficulty are the same in the table for each section, P becomes 0.5. As the learner's ability increases along 2N + 1 intervals, the predicted answer rate may increase linearly. As the inherent difficulty decreases along 2M + 1 intervals, the predicted answer rate may increase linearly.
이상에서 살펴본 바와 같이 학습자의 예측정답율 분석이 되면, 이를 학습자가 확인할 수 있도록 예측정답율 분석 정보 제공 단계(S50)를 통해 제공하게 된다.As described above, when the learner's predicted correct rate analysis is performed, the predicted correct rate analysis information is provided through the step S50 of providing the corrected corrected rate analysis information.
이는 해당 회차의 학습에 대한 총평 등의 정보와 함께 학습자가 인지할 수 있는 수단을 통해 시각화하여 제공되게 할 수 있다.This may be visualized and provided through a means that the learner can recognize along with information such as the general rating of the lesson.
그리고, 각각의 문항마다 표시되게 하거나, 전체 문항 중 해당 문항의 횟수와 문항 정보를 총괄하여 제시할 수도 있을 것이다.In addition, each item may be displayed or the number of items and information of the items may be collectively presented.
이러한 예측정답율은 살펴본 바와 같이, 단순히 문제의 고유한 난이도만을 미리 설정하여 산출되는 값이 아닌 학습자의 실제 학습 행동 및 결과에 따라 학습자의 능력치를 고려하여 산출이 되며, 개선되는 학습 행동 및 결과가 반영되어 계속적으로 변경되기 때문에 학습자별 보다 정확한 분석 정보가 될 수 있다.As described above, the predicted correct answer rate is calculated based on the learner's actual learning behavior and results, not just a preset value of the difficulty of the problem, but reflects the improved learning behavior and results. As it is continuously changing, it can be more accurate analysis information for each learner.
그 결과, 학습자가 풀이한 학습 문항이 예측정답율이 높아서 '맞출 수 있지만 틀린 문제'에 해당하는지, 예측정답율이 낮아서 '몰라서 틀린 문제'에 해당하는지를 보다 정확하게 인지할 수 있어 학습자 스스로, 또는 교수자나 학부모에 의해 학습 문항의 풀이 후의 학습 방법 및 학습 태도 개선에 활용될 수가 있다.As a result, it is possible to recognize more accurately whether the learner solved the learning problem is a 'correct but incorrect problem' due to the high predicted correct answer rate or the 'correct problem because it is not known because the predicted correct answer rate is low'. It can be used to improve the learning method and learning attitude after learning the questions.
이상과 같은 본 발명은 예시된 도면을 참조하여 설명되었지만, 기재된 실시 예에 한정되는 것이 아니고, 본 발명의 사상 및 범위를 벗어나지 않고 다양하게 수정 및 변형될 수 있음은 이 기술의 분야에서 통상의 지식을 가진 자에게 자명하다. 따라서 그러한 수정 예 또는 변형 예들은 본 발명의 특허청구범위에 속한다 하여야 할 것이며, 본 발명의 권리범위는 첨부된 특허청구범위에 기초하여 해석되어야 할 것이다.Although the present invention as described above has been described with reference to the illustrated drawings, it is not limited to the described embodiments, it can be variously modified and modified without departing from the spirit and scope of the present invention is common knowledge in the art Self-evident to those who have Therefore, such modifications or variations will have to belong to the claims of the present invention, the scope of the invention should be interpreted based on the appended claims.
S10 : 학습 제공 단계
S20 : 학습 정보 수신 단계
S30 : 학습 정보 데이터화 단계
S40 : 학습 문항에 대한 예측정답율 분석 단계
S50 : 예측정답율 분석 정보 제공 단계S10: step of providing learning
S20: step of receiving learning information
S30: learning information data step
S40: Analyze predicted correct answer rate for learning questions
S50: step of providing prediction correct rate analysis information
Claims (10)
상기 학습 문항에 대한 학습자의 답변 내용을 포함하는 학습 정보를 수신하는 학습 정보 수신 단계;
상기 학습 정보 수신 단계에 의해 수신된 정보를 데이터화하는 학습 정보 데이터화 단계;
상기 학습 정보 데이터화 단계에 의해 저장된 데이터 분석을 통해 해당 학습자가 풀이하는 학습 문항에 대한 예측정답율을 분석하는 학습 문항에 대한 예측정답율 분석 단계; 및
상기 학습 문항에 대한 예측정답율 분석 단계에 의해 분석된 예측정답율에 대한 분석 정보를 제공하는 예측정답율 분석 정보 제공 단계를 포함하고,
상기 학습 문항에 대한 예측정답율 분석단계는,
상기 학습 문항의 고유 난이도와 상기 학습자의 추정 능력치를 반영하여 문항반응이론에 의해 상기 예측정답율을 산출하되,
상기 고유 난이도(question difficulty)는 상기 문항에 대해 타 학습자들에 의해 설정된 난이도이고,
상기 학습자의 능력치(learner ability)는 과거 타 문항에 대해 상기 타 학습자들과 비교한 상기 학습자의 능력치인 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.A learning providing step of providing learning contents online including learning items available to a learner accessing the service server online;
Learning information receiving step of receiving learning information including contents of a learner's answer to the learning item;
A learning information data step of converting the information received by the learning information receiving step into data;
A predicted correct answer rate analyzing step for analyzing a predicted correct answer rate for a question that the corresponding learner solves by analyzing the data stored by the learning information data step; And
Providing predictive correct rate analysis information providing analysis information on the predicted correct rate analyzed by the predicted correct rate analysis step for the learning item,
Predictive correct rate analysis step for the learning questions,
The predicted correct answer rate is calculated by the item response theory, reflecting the inherent difficulty of the learning item and the estimated ability of the learner,
The unique difficulty (question difficulty) is a difficulty set by other learners for the question,
The learner's ability (learner ability) is characterized in that the learner's ability compared to the other learners for the other questions in the past,
How to provide learner's prediction rate analysis information.
상기 예측정답율은 다음 수학식에 의해 산출되는 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.
The predicted correct answer is characterized in that calculated by the following equation,
How to provide learner's prediction rate analysis information.
상기 학습자의 능력치는 베이지안(Bayesian) 능력 산정 알고리듬에 의해 구해지는 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.The method according to claim 2,
The learner's ability value is obtained by a Bayesian ability estimation algorithm,
How to provide learner's prediction rate analysis information.
상기 고유 난이도는 상기 타 학습자에 대한 데이터가 갱신됨에 따라 업데이트되는 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.The method according to claim 3,
The unique difficulty is characterized in that it is updated as the data for the other learner is updated,
How to provide learner's prediction rate analysis information.
상기 학습자의 예측정답율은 0.5~1인 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.The method according to claim 4,
The predicted correct answer rate of the learner is 0.5 to 1,
How to provide learner's prediction rate analysis information.
상기 학습자의 능력치가 증가할수록 상기 예측정답율은 선형적으로 증가하는 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.The method according to claim 5,
The predicted correct rate increases linearly as the learner's ability increases.
How to provide learner's prediction rate analysis information.
상기 고유 난이도가 낮아질수록 상기 예측정답율은 선형적으로 증가하는 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.The method according to claim 5,
The lower the intrinsic difficulty, characterized in that the predicted correct rate increases linearly,
How to provide learner's prediction rate analysis information.
상기 학습자의 예측정답율은 상기 학습자의 능력치를 2N+1개의 구간, 상기 고유 난이도는 상기 문항의 난이도를 2M+1개의 구간으로 구분할 때, 상기 학습자의 능력치 및 상기 고유 난이도의 구간이 동일할 때, 0.5인 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.The method according to claim 5,
The learner's predicted correct answer rate is the learner's ability value is divided into 2N + 1 section, and the inherent difficulty is when the difficulty of the item is divided into 2M + 1 section, when the learner's ability and the inherent difficulty are the same, It is characterized by being 0.5,
How to provide learner's prediction rate analysis information.
상기 2N+1개의 구간을 따라, 상기 학습자의 능력치가 증가할수록 상기 예측정답율은 상기 구간을 따라 선형적으로 증가하는 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.The method according to claim 5,
According to the 2N + 1 interval, as the learner's ability value increases, the predicted correct answer rate increases linearly along the interval,
How to provide learner's prediction rate analysis information.
상기 2M+1개의 구간을 따라, 상기 고유 난이도가 낮아질수록 상기 예측정답율은 상기 구간을 따라 선형적으로 증가하는 것을 특징으로 하는,
학습자의 예측정답율 분석 정보 제공방법.The method according to claim 5,
According to the 2M + 1 interval, as the intrinsic difficulty is lowered, the predicted correct answer rate is characterized in that it increases linearly along the interval,
How to provide learner's prediction rate analysis information.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180087738A KR20200012430A (en) | 2018-07-27 | 2018-07-27 | Method for providing an information of a probability of correct response for a learner |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180087738A KR20200012430A (en) | 2018-07-27 | 2018-07-27 | Method for providing an information of a probability of correct response for a learner |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20200012430A true KR20200012430A (en) | 2020-02-05 |
Family
ID=69515029
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180087738A KR20200012430A (en) | 2018-07-27 | 2018-07-27 | Method for providing an information of a probability of correct response for a learner |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20200012430A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220050037A (en) | 2020-10-15 | 2022-04-22 | (주)뤼이드 | User knowledge tracking device, system and operation method thereof based on artificial intelligence learning |
| KR102406414B1 (en) | 2021-01-04 | 2022-06-08 | (주)뤼이드 | Learning content recommendation system that predicts the user's correct answer probability using collaborative filtering based on latent factors and operation method thereof |
| WO2022149758A1 (en) * | 2021-01-11 | 2022-07-14 | (주)뤼이드 | Learning content evaluation device and system for evaluating question, on basis of predicted probability of correct answer for added question content that has never been solved, and operating method thereof |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100127367A (en) | 2009-05-26 | 2010-12-06 | 주식회사 비전을여는교육 | System and method for testing study habit |
-
2018
- 2018-07-27 KR KR1020180087738A patent/KR20200012430A/en not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100127367A (en) | 2009-05-26 | 2010-12-06 | 주식회사 비전을여는교육 | System and method for testing study habit |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220050037A (en) | 2020-10-15 | 2022-04-22 | (주)뤼이드 | User knowledge tracking device, system and operation method thereof based on artificial intelligence learning |
| KR102406414B1 (en) | 2021-01-04 | 2022-06-08 | (주)뤼이드 | Learning content recommendation system that predicts the user's correct answer probability using collaborative filtering based on latent factors and operation method thereof |
| KR20220098698A (en) | 2021-01-04 | 2022-07-12 | (주)뤼이드 | Learning content recommendation system that predicts the user's correct answer probability using collaborative filtering based on latent factors and operation method thereof |
| WO2022149758A1 (en) * | 2021-01-11 | 2022-07-14 | (주)뤼이드 | Learning content evaluation device and system for evaluating question, on basis of predicted probability of correct answer for added question content that has never been solved, and operating method thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102146111B1 (en) | Method for providing an information of a question analysis using big data | |
| Tipton et al. | A review of statistical methods for generalizing from evaluations of educational interventions | |
| US20190114937A1 (en) | Grouping users by problematic objectives | |
| KR20150051198A (en) | Server and method for providing learning service learner’s oder | |
| KR20200012430A (en) | Method for providing an information of a probability of correct response for a learner | |
| KR20200012433A (en) | Method for providing an analysis information of a learner's prediction score | |
| KR101030577B1 (en) | Learner adaptive system and method for e-learning | |
| KR102146112B1 (en) | Method for providing an information of a question analysis using big data | |
| US20150125845A1 (en) | Server and method for providing learner-customized learning service | |
| US10866956B2 (en) | Optimizing user time and resources | |
| KR20190006409A (en) | Learning and Scheduling Apparatus and Method of Word Recognition State Quantification and Smart Devices using Memorizing Learning Data | |
| US10410534B2 (en) | Modular system for the real time assessment of critical thinking skills | |
| KR20150110449A (en) | Server and method for learning management | |
| US20190372863A1 (en) | Simulating a user score from input objectives | |
| El-Banna et al. | Does prior RN clinical experience predict academic success in graduate nurse practitioner programs? | |
| KR20160123948A (en) | Server, device and method, of service provider and developer for educational content | |
| Mitros et al. | An integrated framework for the grading of freeform responses | |
| KR102116434B1 (en) | Method for providing an information of an experienced difficulty for a learner | |
| KR20150051090A (en) | Server and method for learning management | |
| JPWO2006093065A1 (en) | Learning level determination device and learning level determination program | |
| Higgins et al. | The Teaching and Learning Toolkit: Communicating research evidence to inform decision‐making for policy and practice in education | |
| US20150010893A1 (en) | Learning curve disaggregation by student mastery | |
| KR20190125055A (en) | Learning coaching method using big data | |
| US20210201688A1 (en) | Real Time Formative Assessment and Lesson Plan Recommendation With Remedial Learning Assessment | |
| KR102134915B1 (en) | Method for providing an information of a question analysis for a learner |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |