지능형 튜터링 시스템은 학습자의 학력 수준을 진단하고 학습자에게 그에 대한 피드백을 제공해야 하나, 학습자가 잘 알지 못하는 학습 내용의 추출이 어렵고, 학습자에게 적합한 평가가 제대로 이루어지지 못하여 단순한 반복학습을 하는 경우가 많다. 따라서 학습자들이 기존의 튜터링 시스템 방식으로는 학습에 대한 흥미를 잃어버리는 경우가 많고, 학습 성과를 정확하게 측정하거나 학습해야 할 내용에 대해 처방하기 어려운 문제점이 있다. 본 논문에서는 적응적 평가 시스템을 통해 학습자의 학력 수준과 특성을 빠른 시간 내에 정확하게 파악하고, 그 결과에 따른 맞춤형 학습을 제공하고, 그 학습 결과를 평가하여 학습자에게 맞춤형 평가를 제공하는 시스템을 제안한다. 학습자의 학력 수준과 특성을 진단하기 위한 적응적 평가 시스템에서는 학습자가 이전 평가 결과에 따라 학습자 학력 수준뿐만 아니라 취약한 학습 영역과 문항 타입 등을 분석하고 이에 맞는 문항을 추출한다. 학습자에게 적합한 문항이 없을 경우에는 다양한 학습 영역과 문항 타입 및 학습자 학력 수준에 따라 문항을 개발해야 하므로, 이를 위해 규칙 기반의 문항 생성 ...
지능형 튜터링 시스템은 학습자의 학력 수준을 진단하고 학습자에게 그에 대한 피드백을 제공해야 하나, 학습자가 잘 알지 못하는 학습 내용의 추출이 어렵고, 학습자에게 적합한 평가가 제대로 이루어지지 못하여 단순한 반복학습을 하는 경우가 많다. 따라서 학습자들이 기존의 튜터링 시스템 방식으로는 학습에 대한 흥미를 잃어버리는 경우가 많고, 학습 성과를 정확하게 측정하거나 학습해야 할 내용에 대해 처방하기 어려운 문제점이 있다. 본 논문에서는 적응적 평가 시스템을 통해 학습자의 학력 수준과 특성을 빠른 시간 내에 정확하게 파악하고, 그 결과에 따른 맞춤형 학습을 제공하고, 그 학습 결과를 평가하여 학습자에게 맞춤형 평가를 제공하는 시스템을 제안한다. 학습자의 학력 수준과 특성을 진단하기 위한 적응적 평가 시스템에서는 학습자가 이전 평가 결과에 따라 학습자 학력 수준뿐만 아니라 취약한 학습 영역과 문항 타입 등을 분석하고 이에 맞는 문항을 추출한다. 학습자에게 적합한 문항이 없을 경우에는 다양한 학습 영역과 문항 타입 및 학습자 학력 수준에 따라 문항을 개발해야 하므로, 이를 위해 규칙 기반의 문항 생성 모듈을 제안한다. 문항 생성 모듈은 각 문항의 보기를 생성할 수 있는 규칙을 문항 생성 규칙으로 정의하고, 각각의 규칙에 따라 예상되어지는 문항의 난이도와 변별도를 사전 실험을 통해서 규칙 프로파일로 저장한다. 문항 생성 요청이 있을 경우에 학습자의 특성과 수준에 적합한 문항이 생성될 수 있도록 하였다. 제안하는 문항 생성 알고리즘의 성능 평가를 위해서 전문가가 생성한 문항의 특성과 비교 및 분석하였다. 모든 타입에서 문항의 난이도와 변별도를 비교하기 위해 t-test를 실시한 결과, 전문가가 생성한 문항과 제안하는 문항 생성 알고리즘에 의해 생성된 문항의 평균값과 문항의 난이도 및 변별도가 일치함을 통계적으로 확인하였다. 학습자의 학력 수준과 특성을 파악한 사례로 영어 학습에 관한 학습 내용과 콘텐츠를 토대로 도메인 지식, 학습자 지식, 교수자 지식, 전문가 지식을 구축하였고, 학습자의 학력 수준과 특성을 분석할 수 있는 역량과 역량 모델을 생성하고, 관리할 수 있도록 하였다. 이를 통해 학습자의 취약점에 대한 역량을 파악하여 적합한 학습 콘텐츠를 제공해 줄 수 있는 학습 추천 규칙을 제안하였다. 학습자가 가장 취약한 학습 영역을 분석하고 이 영역에 대한 이해도를 높이고 잘못 이해하고 있는 개념을 바로 잡기 위한 학습 내용을 제시하도록 한다. 이를 위해 취약한 영역 중에서도 학습자가 가장 잘 이해하지 못하는 부분을 추출하여 제시함으로써, 알고 있는 내용을 지루하게 반복하거나 어떤 것을 학습해야 할지 잘 모르는 학습자들에게, 효과적인 맞춤형 학습을 제공하도록 하였다. 학습 추천하는 규칙은 과목 추천의 사례로 평가하였으며, 매 학기마다 전문가가 추천하는 과목과 제안하는 방식의 일치도가 평균 89.5%로 나타났고, 유사한 연구인 IOAMS 보다 높은 정확률을 보였다. 제안하는 시스템을 이용한 학습과 평가의 유기적인 성능을 평가하기 위해 실험을 통해서 맞춤형 학습을 이용한 학습자와 그렇지 않은 학습자를 분석하였다. 그 결과, 맞춤형 학습을 사용한 집단이 평균 점수는 높고 편차는 작게 나타나서 효과적인 학습이 이루어진다고 볼 수 있다. 또한, 통계적으로 해석하였을 때, 95% 신뢰도를 가지면서 두 집단 간의 결과는 차이가 있고 추천 학습을 한 집단의 학습 성과가 그렇지 않은 집단보다 더 좋았음을 확인하였다. 본 시스템을 이용함으로써 교수자들은 학습자의 역량 모델을 통해 면밀한 학습자 분석이 가능할 것이고 문항 생성 모듈을 통해 문항 저작의 수고를 줄일 수 있을 것이다. 학습자들은 시스템이 제공하는 맞춤형 학습을 통해 학습의 흥미와 이해도를 높이고 보다 효과적인 학습이 가능할 것이다.
지능형 튜터링 시스템은 학습자의 학력 수준을 진단하고 학습자에게 그에 대한 피드백을 제공해야 하나, 학습자가 잘 알지 못하는 학습 내용의 추출이 어렵고, 학습자에게 적합한 평가가 제대로 이루어지지 못하여 단순한 반복학습을 하는 경우가 많다. 따라서 학습자들이 기존의 튜터링 시스템 방식으로는 학습에 대한 흥미를 잃어버리는 경우가 많고, 학습 성과를 정확하게 측정하거나 학습해야 할 내용에 대해 처방하기 어려운 문제점이 있다. 본 논문에서는 적응적 평가 시스템을 통해 학습자의 학력 수준과 특성을 빠른 시간 내에 정확하게 파악하고, 그 결과에 따른 맞춤형 학습을 제공하고, 그 학습 결과를 평가하여 학습자에게 맞춤형 평가를 제공하는 시스템을 제안한다. 학습자의 학력 수준과 특성을 진단하기 위한 적응적 평가 시스템에서는 학습자가 이전 평가 결과에 따라 학습자 학력 수준뿐만 아니라 취약한 학습 영역과 문항 타입 등을 분석하고 이에 맞는 문항을 추출한다. 학습자에게 적합한 문항이 없을 경우에는 다양한 학습 영역과 문항 타입 및 학습자 학력 수준에 따라 문항을 개발해야 하므로, 이를 위해 규칙 기반의 문항 생성 모듈을 제안한다. 문항 생성 모듈은 각 문항의 보기를 생성할 수 있는 규칙을 문항 생성 규칙으로 정의하고, 각각의 규칙에 따라 예상되어지는 문항의 난이도와 변별도를 사전 실험을 통해서 규칙 프로파일로 저장한다. 문항 생성 요청이 있을 경우에 학습자의 특성과 수준에 적합한 문항이 생성될 수 있도록 하였다. 제안하는 문항 생성 알고리즘의 성능 평가를 위해서 전문가가 생성한 문항의 특성과 비교 및 분석하였다. 모든 타입에서 문항의 난이도와 변별도를 비교하기 위해 t-test를 실시한 결과, 전문가가 생성한 문항과 제안하는 문항 생성 알고리즘에 의해 생성된 문항의 평균값과 문항의 난이도 및 변별도가 일치함을 통계적으로 확인하였다. 학습자의 학력 수준과 특성을 파악한 사례로 영어 학습에 관한 학습 내용과 콘텐츠를 토대로 도메인 지식, 학습자 지식, 교수자 지식, 전문가 지식을 구축하였고, 학습자의 학력 수준과 특성을 분석할 수 있는 역량과 역량 모델을 생성하고, 관리할 수 있도록 하였다. 이를 통해 학습자의 취약점에 대한 역량을 파악하여 적합한 학습 콘텐츠를 제공해 줄 수 있는 학습 추천 규칙을 제안하였다. 학습자가 가장 취약한 학습 영역을 분석하고 이 영역에 대한 이해도를 높이고 잘못 이해하고 있는 개념을 바로 잡기 위한 학습 내용을 제시하도록 한다. 이를 위해 취약한 영역 중에서도 학습자가 가장 잘 이해하지 못하는 부분을 추출하여 제시함으로써, 알고 있는 내용을 지루하게 반복하거나 어떤 것을 학습해야 할지 잘 모르는 학습자들에게, 효과적인 맞춤형 학습을 제공하도록 하였다. 학습 추천하는 규칙은 과목 추천의 사례로 평가하였으며, 매 학기마다 전문가가 추천하는 과목과 제안하는 방식의 일치도가 평균 89.5%로 나타났고, 유사한 연구인 IOAMS 보다 높은 정확률을 보였다. 제안하는 시스템을 이용한 학습과 평가의 유기적인 성능을 평가하기 위해 실험을 통해서 맞춤형 학습을 이용한 학습자와 그렇지 않은 학습자를 분석하였다. 그 결과, 맞춤형 학습을 사용한 집단이 평균 점수는 높고 편차는 작게 나타나서 효과적인 학습이 이루어진다고 볼 수 있다. 또한, 통계적으로 해석하였을 때, 95% 신뢰도를 가지면서 두 집단 간의 결과는 차이가 있고 추천 학습을 한 집단의 학습 성과가 그렇지 않은 집단보다 더 좋았음을 확인하였다. 본 시스템을 이용함으로써 교수자들은 학습자의 역량 모델을 통해 면밀한 학습자 분석이 가능할 것이고 문항 생성 모듈을 통해 문항 저작의 수고를 줄일 수 있을 것이다. 학습자들은 시스템이 제공하는 맞춤형 학습을 통해 학습의 흥미와 이해도를 높이고 보다 효과적인 학습이 가능할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.