$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

역량 온톨로지 기반 교육 콘텐츠 검색 시스템
The educational contents recommendation system using the competency ontology 원문보기

디지털콘텐츠학회 논문지 = Journal of Digital Contents Society, v.11 no.4, 2010년, pp.487 - 494  

이윤수 (한양대학교) ,  장병철 (한양대학교) ,  강현상 (한양대학교) ,  차재혁 (한양대학교 정보통신학과)

초록
AI-Helper 아이콘AI-Helper

최근 교육에서 대두 되고 있는 중요한 문제는 학습자 중심의 맞춤형 교육이 이루어져야 한다는 것이다. 이러한 요구를 만족 시킬 수 있는 방법 중 하나는 학습자의 역량을 고려하여 학습을 진행하는 것이다. 이를 위해서는 학습자가 가진 역량에 따라 학습자의 목표를 이루기에 부족하다고 판단된 역량을 효율적으로 개발할 수 있는 콘텐츠를 추천하는 방법이 필수적이다. 우리는 임의의 학습자에 대한 역량 정보와 목표를 LIP 또는 ePortfolio 형식을 통해 제공하는 학습자 정보 시스템이 존재한다고 가정한다. 본 논문은 많은 교육 콘텐츠들이 존재할 때 위 역량 평가 시스템으로부터 얻어진 학습자의 역량 및 목표와 역량 맵을 확장한 역량 온톨로지를 활용하여 각 학습자에 가장 적합한 콘텐츠를 추천하는 시스템을 제안한다. 이 시스템은 역량 온톨로지와 도메인 온톨로지를 활용하여 역량 맵과 역량 정의가 지속적으로 변하더라도 유연하게 이에 대처할 수 있다.

Abstract AI-Helper 아이콘AI-Helper

One of the major issues in the field of corporate training and formal education is the support of personalized learning. Successful personalized learning needs the availability of the relevant learning contents at just-in-time for learners each. The competency is one of personal characteristics. So ...

주제어

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 개개인의 역량을 키울 수 있는 방법은 오프라인 교육, 워크숍 참가, 온라인 학습 등 다양하다. 그 중 본 논문은 회사에서 사원의 부족한 역량을 효율적으로 계발 할 수 있는 콘텐츠를 제시하는 방법에 초점을 맞추었다.
  • 그렇기 때문에 사용자의 역량에 적합한 콘텐츠가 여러 개일 경우 어느 것이 좀 더 학습에 적합한 콘텐츠 인지 선택 할 수 있는 방법이 없다. 따라서 본 연구에서는 역량을 이용한 온톨로지 기반 검색의 결과에 데이터 마이닝 기법을 적용하여 검색 결과에 순위를 부여하여 학습자에게 좀 더 적합한 콘텐츠를 제시 할 수 있도록 하였다.
  • 앞서 언급한 역량 온톨로지와 마찬가지로 모든 분야를 아우르는 도메인 온톨로지를 제작하는 것은 상당한 인력과 비용이 투입되는 쉽지 않는 작업이다. 따라서 본 연구에서는 온톨로지를 이용한 학습콘텐츠 검색 시스템의 작동을 위하여 앞서 언급한 MOS에 적합한 온톨로지를 개발하였다. 아래의 (그림 5)는 본 연구의 도메인 온톨로지의 상위 클래스들 일부의 관계를 보여주고 있다.
  • 영업부 사원 A는 영업부에서 필요한 파워포인트에 대한 전반적인 역량과 엑셀의 차트 그리기에 대한 역량만을 가지고 있다고 관리자에 의해 평가를 받았다 그러나 영업부는 엑셀의 함수사용에 대한 능력과 워드 사용에 대한 전체적인 역량을 필요로 한다. 따라서 시스템은 현재 영업부 사원 A가 가지고 있는 역량에서 영업부 사원이 갖추어야 할 워드 전반에 대한 역량과 엑셀의 합수 사용에 대한 역량을 기르기에 적합한 콘텐츠를 온톨로지 기반 검색을 통해 제시한다.
  • 따라서 조직 역량에 필요한 영역의 온톨로지를 개발하는 것이 타당하다. 본 연구에서는 IT분야에 속해있는 가상의 기업을 설정하고 해당 기업에서 필요한 Office Automation 역량을 시스템 구현을 위한 역량으로 설정 하였다. 이를 구현하기 위하여 Microsoft사의 MOS[5]에서 정의한 역량들을 이용하여 온톨로지로 구축하는 작업을 수행하였다.
  • 본 연구에서는 개인 역량을 평가하고 이를 통해 학습자 역량 온톨로지를 생성하며 학습자 역량 온톨로지와 콘텐츠 온톨로지를 분석하고 추론하여 학습자에게 가장 적합하고 필요한 콘텐츠를 추론하여 찾아내는 시스템을 개발하였다.
  • 이러한 경우 어떤 콘텐츠가 사용자에게 더 적합한지를 판단하기 위해서는 검색 결과가 어떤 방식으로든 순위화 되는 것이 필요하다. 본 연구에서는 데이터 마이닝의 클러스터링[11] 기법을 이용하여 검색된 콘텐츠에 순위를 부여하는 방식을 제안하였다. 본 연구의 순위부여 방식을 구현하기 위하여 Oracle 10g의 Data Mining API[12]를 사용하였다.
  • [그림 8]은 본 연구의 시스템에서 제공하는 학습 과정을 그림으로 나타내고 있다. 이는 각 학습 기관이 학습자의 학습 결과를 ePortfolio표준으로 저장하고 이를 본 연구의 시스템에서 웹서비스를 통해 받아서 분석 하여 학습 관리자에게 보여주고 학습 관리자가 학습자를 평가 할 수 있는 근거를 제시 한다.

가설 설정

  • 2. 온톨로지를 이용한 학습콘텐츠 검색 시스템에서 추천한 콘텐츠 중 학습자가 학습한 역량이 데이터베이스에 저장된다.
  • 먼저 역량 진단 부분에서는 개인의 역량을 평가하고 조직에서 필요로 하지만 학습자에게 부족한 역량이 무엇인지를 결정한다. 개인의 역량을 평가하는 방법은 관리자의 직접적인 관찰, 개인의 학습 히스토리 사용, 평가문항을 통한 평가 등 다양한 방법이 있지만 본 연구에서는 역량을 평가하는 방법이 연구의 핵심이 아니므로 간단하게 학습자가 속한 조직의 관리자가 결정한다고 가정하였으며 관리자가 개인이 가진 역량과 그렇지 못한 역량을 선택할 수 있는 환경만을 제시하였다.
  • [7]의 연구를 활용하였다. 본 연구에서는 다양한 콘텐츠가 SCORM Specification에서 정의된 형태로 공유 되는 환경을 가정하였으며 SCORM 콘텐츠 내부의 imsmenifest.xml파일을 파싱하여 콘텐츠 온톨로지의 인스턴스를 구성 하였다.
  • 본 연구의 시스템에서는 동작 시현을 위하여 MS의 Office 제품군*에 대한 사용자의 역량의 이용하였다. 즉 학습자는 여러 기관에서 MS-Office 활용 교육을 받았고 그 기록이 IMS ePortfolio표준에 맞게 각 기과에 패키징 되어 저장되어 있다고 가정하였다. [그림 8]은 본 연구의 시스템에서 제공하는 학습 과정을 그림으로 나타내고 있다.
  • 본 논문에서는 다양한 콘텐츠가 공유되는 환경에서 개개인의 역량에 따른 학습을 진행하기에 가장 적합한 콘텐츠를 효과적으로 찾아주는 문제를 해결하기 위하여 온톨로지와 ePortfolio를 활용 하였다. 학습자가 학습하여 얻은 내용을 모두 ePortfolio로 저장하는 시스템을 통해 전문가가 학습자의 역량을 평가 할 수 있다고 가정하였다. 그리고 이를 이용하여 얻을 수 있는 개인의 역량과 콘텐츠를 학습하여 얻을 수 있는 역량을 각각의 온톨로지로 저장하여 검색 및 추론을 통해 개인의 역량에 맞는 콘텐츠를 추천하는 시스템을 제안 하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
학습자의 역량 기반 학습이란 무엇인가? 학습자의 역량 기반 학습은 학습자가 현재가지고 있는 역량과 학습자가 갖춰야 하는 역량을 비교하여 학습자가 갖춰야하는 역량이지만 학습자에게 부족한 역량을 학습을 통해 집중적으로 계발하는 방법이다. 이는 학습자의 능력 계발과 조직의 전체적 발전을 위하여 학습자의 능력을 보다 효과적으로 향상 시킬 수 있는 방법이다[2]
학습자 중심의 맞춤형 교육을 이루기 위해 사용할 수 있는 방법중 하나는 무엇인가? 최근 교육에서 대두 되고 있는 중요한 문제는 학습자 중심의 맞춤형 교육이 이루어져야 한다는 것이다. 이러한 요구를 만족 시킬 수 있는 방법 중 하나는 학습자의 역량을 고려하여 학습을 진행하는 것이다. [1].
최근 교육에서 대두 되고 있는 중요한 문제는 무엇인가? 최근 교육에서 대두 되고 있는 중요한 문제는 학습자 중심의 맞춤형 교육이 이루어져야 한다는 것이다. 이러한 요구를 만족 시킬 수 있는 방법 중 하나는 학습자의 역량을 고려하여 학습을 진행하는 것이다.
질의응답 정보가 도움이 되었나요?

참고문헌 (14)

  1. Amal Zouaq et al. Using a Competency Model to aggregate Learning Knowledge Objects. In Proc. of the 7th IEEE International Conference on Advanced Learning Technologies, pages 836-840, july 2007. 

  2. Kopper R., Tattersall C. New directions for lifelong learning using network technologies. British Journal of Educational Technology, vol 35(6), page 689-700. 

  3. IMS ePortfolio, http://www.imsglobal.org/ep/ 

  4. IMS Learner Information Package. http://www.imsglobal.org/profiles/ 

  5. Microsoft Office Specialist (MOS). http://www.microsoft.com/learning/mcp/officespecialist 

  6. OWL Web Ontology Language Overview. http://www.w3. org/TR/owl-features 

  7. B. Chang et al. Educational Information Search Service Using Ontology. ICALT 2007. pages 414 - 415, july 2007. 

  8. Axis-Web Services. http://ws.apache.org/axis/ 

  9. U. Hustadt, B. Motik, U. Sattler. Reasoning in Description Logics with a Concrete Domain in the Framework of Resolution.: Proc. of the 16th European Conference on Artificial Intelligence (ECAI 2004), Valencia, Spain, pp.353-357, August, 2004. 

  10. SPARQL http://www.w3.org/TR/rdf-sparql-query 

  11. Jiawei Han et al. Data Mining: Concepts and Techniques. Elsvier 2003. 

  12. ORACLE. Oracle Data Mining Application Developer's Guide 10g Release 2. Jun 2005. 

  13. IMS RDCEO. http://www.imsglobal.org/competencies/rdceov1p0/imsrdceo_infov1p0.html 

  14. 장병철, 차재혁, 함달호, "KEM과 OWL의 바인딩," 디지털 컨텐츠 학회 논문지 제 7권 2호, 2006. 6 

저자의 다른 논문 :

LOADING...
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로