[논문]학습자 프로파일 기반의 지능형 학습 시스템

조태경

doi:10.14400/jdc.2016.14.2.227

학습자 프로파일 기반의 지능형 학습 시스템
Intelligent learning system based on the profile of learner 원문보기

디지털융복합연구 = Journal of digital convergence, v.14 no.2, 2016년, pp.227 - 233

초록
AI-Helper

전통적인 웹기반의 학습시스템은 다양한 학습콘텐츠를 운영한다. 그러나 학습자가 자신에게 적절한 학습콘텐츠를 선택하는 것은 쉬운 일이 아니다. 본 논문에서는 학습자가 학습을 계획할 때 학습이력 및 다양한 학습정보를 담고 있는 학습자 프로파일을 기초로 하여, 학습자에게 가장 적합한 선호도와 피드백을 제공할 수 있는 학습콘텐츠 제공 방법을 제안하였다. 즉 학습자의 프로파일을 분석하여 학습자에게 제공할 긍정적 피드백과 평가를 결정한다. 또한 학습자가 틀린 부분에 대한 지식을 스스로 학습할 수 있도록 학습콘텐츠를 적응적으로 제공한다. 그 결과, 학습자 프로파일 분석을 통해 긍정적인 피드백을 바탕으로 자신이 오류를 배울 수 있도록 하여, 학습의 적용 결과가 가장 잘 나오는 형태로 학습 콘텐츠를 적응적으로 제공해 주는 기법을 적용하였다. 본 논문에서 구현한 지능형 학습시스템은 실제 학습자에게 적용하였으며 사용한 학습자들을 대상으로 학습 만족도를 설문하여 그 결과를 분석하였다.

Abstract ▼ AI-Helper

Typical Web-based learning system is operating the variety of learning contents. However, it is not easy to efficiently select appropriate learning contents. In this paper, we propose a learning content delivery method that can provide the most suitable preferences and feedback to the learner. By analyzing the profile of the learner, it determines the positive feedback and evaluation to be provided to the learner. The result of applying learning techniques were applied to provide the best learning content to adaptively out the form. The proposed method appears as a learning experience and learning outcomes are higher after a study was conducted to suggest that could help in the learning progress of the students themselves. This paper are applied to real learners. And the learners using the system were surveyed by the questionnaire on learning experience and learning outcomes were analyzed.

주제어

AI 본문요약
AI-Helper

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

문제 정의

따라서 본 논문에서는 학습자가 학습을 계획할 때 학습 이력 및 다양한 학습정보를 담고 있는 학습자 프로파일을 바탕으로 학습자에게 적합한 선호도와 피드백을 제공해 줄 수 있는 학습 콘텐츠 제공 기법을 산출하여 학습 콘텐츠를 학습자에게 제안하는 방법을 제시하였다. 또한 학습자 프로파일 분석을 통해 학습자에게 제공할 수 있는 긍정적인 피드백과 평가를 바탕으로 자신이 틀린 부분에 대한 지식을 스스로 학습할 수 있도록 학습 콘텐츠를 적응적으로 제공해 주는 기법을 적용하였다.
본 연구에서는 학생 모델은 학습자 프로파일 처리 및 저장, 수업 모델은 동적 학습 콘텐츠 제공 시나리오, 전문가 모델은 콘텐츠 저장 및 교수 학습 방법에 따른 피드백 구축으로 구분하여 시스템을 설계/개발하였다. 즉 학습자들의 학습 특성 및 학습 능력에 따라서 학습 내용을 동적으로 구성하는 시스템에 관한 연구를 수행하였다.

제안 방법

즉 본 논문에서는 학습자의 프로파일 정보를 바탕으로 학습자에게 적응적으로 학습 콘텐츠를 제공하는 지능형 학습시스템을 개발하였다. 그리고 개발된 시스템을 실제 학습자에게 사용하게 한 후, 설문과 퀴즈 평가를 통해 개발 시스템에 대한 학습 효과와 만족도를 측정하고 그 결과를 분석하였다.
기존 시스템과 제안 시스템에 대하여 실제 사용자를 대상으로 한 비교 설문 조사와 함께 퀴즈를 수행하였다.
본 시스템에서 문제 풀기는 학습자의 프로파일 구성을 위해서 Evidence Record를 추출하기 위한 항목이다. 답안으로 제출되는 쿼리문에 대하여 토큰 작업을 수행하여 모범 답안과 비교 분석한다. 비교된 결과는 학습자의 프로파일로 생성되며, 최종적으로는 학습 콘텐츠의 동적 재구성하는 모듈에 반영된다.
따라서 본 논문에서는 학습자가 학습을 계획할 때 학습 이력 및 다양한 학습정보를 담고 있는 학습자 프로파일을 바탕으로 학습자에게 적합한 선호도와 피드백을 제공해 줄 수 있는 학습 콘텐츠 제공 기법을 산출하여 학습 콘텐츠를 학습자에게 제안하는 방법을 제시하였다. 또한 학습자 프로파일 분석을 통해 학습자에게 제공할 수 있는 긍정적인 피드백과 평가를 바탕으로 자신이 틀린 부분에 대한 지식을 스스로 학습할 수 있도록 학습 콘텐츠를 적응적으로 제공해 주는 기법을 적용하였다.
본 논문에서는 학습도구를 통한 학습자의 학습 상태와 실시간 학습 상황을 분석하는 시스템을 통한 교수자의 평가 정보를 분석하여 실시간으로 학습자의 프로파일 정보를 분석하여 학습자에게 효율적인 학습이 가능하도록 동적으로 학습 시나리오를 제공하는 지능형 학습 시스템을 구현하였다.
본 논문은 사용자 학습 환경에 대한 콘텐츠 재구성에 초점을 두고 있기 때문에 문제 풀이는 학습자의 프로파일 요소 도출을 위한 샘플로서 구현하여 실험을 진행하였다. ‘문제 풀기 시작’ 버튼을 눌렀을 때의 변화는 ML2001을 근거로 Uset과 Upset에 새로운 레코드가 삽입된다.
본 시스템에서 제안하는 지능형 학습 시스템에 대한 일반 사용자들의 만족도를 확인하기 위하여 다음과 같이 설문 평가 및 퀴즈를 통한 실력 측정 평가를 진행하였다.
본 연구에서는 학생 모델은 학습자 프로파일 처리 및 저장, 수업 모델은 동적 학습 콘텐츠 제공 시나리오, 전문가 모델은 콘텐츠 저장 및 교수 학습 방법에 따른 피드백 구축으로 구분하여 시스템을 설계/개발하였다. 즉 학습자들의 학습 특성 및 학습 능력에 따라서 학습 내용을 동적으로 구성하는 시스템에 관한 연구를 수행하였다.
학습자는 사용자 인터페이스를 통해 학습자 평가 시스템과 학습 시스템을 이용한다. 사용자의 학습자 평가 결과와 학습 결과에 따라 학습자 프로파일을 처리하고, 학습 콘텐츠 생성 모듈을 통해 학습 콘텐츠가 제공되고, 이에 맞는 적절한 피드백이 이루어지도록 설계하였다.
‘문제 풀기 시작’ 버튼을 눌렀을 때의 변화는 ML2001을 근거로 Uset과 Upset에 새로운 레코드가 삽입된다. 이때, 테이블 삽입과 동시에 Upset의 각각의 레코드들은 우선적으로 오답 체크가 되도록 하였다. 실제 테스트를 위해 "button"버튼을 눌렀을 때는 [Fig.
즉 본 논문에서는 학습도구를 통한 학습자의 학습 상태와 실시간 학습 상황을 분석하는 시스템을 통한 교수자의 평가 정보를 분석하여 실시간으로 학습자의 프로파일 정보를 분석하여 학습자에게 효율적이고 효과적인 학습이 가능하도록 동적으로 학습 시나리오를 구축해주는 지능형 학습 시스템을 구현하였다
즉 본 논문에서는 학습자의 프로파일 정보를 바탕으로 학습자에게 적응적으로 학습 콘텐츠를 제공하는 지능형 학습시스템을 개발하였다.
학습자의 학습 스타일과 인지 상태 기반의 학습 시스템을 제안하는 연구는 Felder-Silverman의 학습 스타일을 이용하여 학습 스타일을 구분하였으며, 인지 상태 측정 모델을 만들어 학습자들이 인지 상태정보를 측정하는 모델을 만들었다. 이 연구는 학습 콘텐츠의 내용과 난이도는 고려치 않고 있다[9].

데이터처리

평가의 기준이 되는 기존 시스템을 5점으로 설정하고 제안 시스템에 대한 사용자 평가 점수(1 ∼ 10점)를 측정 하였다.

이론/모형

5 기반으로 SQL-Tutor라는 SQL 학습 시스템을 구현하였다. 핵심 모듈은 기본적으로 ASP.NET 에서 제공하는 라이브러리를 활용하여 구현하였고, 사용자에게 유연한 실행환경을 제공하기 위하여 AJAX 기술을 적용하였다.

성능/효과

이러한 측면에 비추어 콘텐츠 재구성을 통하여 취약 부분에 대한 콘텐츠 표현 형식을 달리한 ‘제안 시스템 1’은 기존 시스템보다 좋은 평가를 받았다, 또한 취약 부분에 대한 학습을 보조하기 위해서 새로운 콘텐츠를 제공하는 ‘제안 시스템 2’는 학습자에게 취약한 부분을 보여주면서 다른 콘텐츠와 직접적인 링크를 통하여 심화 및 보충 학습이 이루어질 수 있도록 하였다. 따라서 사용자의 취약 부분 학습에 대한 평가 점수가 9.5로 다른 항목에 비해 우수하게 나타났다.
본 논문에서 구축한 시스템을 평가하기 위하여 학습자를 대상으로 한 실험과 설문조사, 퀴즈 평가를 진행하였으며, 그 결과 제안한 시스템이 기존의 시스템에 비해 높은 만족도와 학업 성취도가 나타났음을 확인하였다.
이러한 측면에 비추어 콘텐츠 재구성을 통하여 취약 부분에 대한 콘텐츠 표현 형식을 달리한 ‘제안 시스템 1’은 기존 시스템보다 좋은 평가를 받았다, 또한 취약 부분에 대한 학습을 보조하기 위해서 새로운 콘텐츠를 제공하는 ‘제안 시스템 2’는 학습자에게 취약한 부분을 보여주면서 다른 콘텐츠와 직접적인 링크를 통하여 심화 및 보충 학습이 이루어질 수 있도록 하였다.
이상의 결과에서 나타난 바와 같이 본 논문에서 제안한 지능형 학습 시스템은 기존의 시스템보다 학습자 개인에 따른 적절한 콘텐츠 제공 능력, 학습 효과 및 학습 만족도가 높다는 것을 확인하였다.
제안한 지능형 학습 시스템은 사용자가 학습 콘텐츠를 임의로 배치할 수 있도록 지원함으로써 자신의 학습 환경을 필요에 따라서 선택적으로 이용할 수 있는 기능을 제공하였으며, 학습자의 프로파일을 반영하여 학습 및 평가 콘텐츠 설정 변경을 가능하게 하였다.

후속연구

향후 연구 과제로는 본 논문에서 다루지 않은 사용자 프로파일 도출 과정에 대한 세부적인 설계, 프로파일 모델의 검증에 대한 연구가 필요할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	기존의 학습 시스템은 어떻게 구분할 수 있는기?	기존의 학습 시스템은 학생 모델, 수업 모델, 전문가 모델, 학습 환경 모델 등의 4가지로 구분할 수 있다. 학생 모델은 학생에 대한 각종 관련 정보 및 학습에 관한 모델, 수업 모델은 수업에 필요한 정보 전달에 관한 모델, 전문가 모델은 교수학습 방법 등 학생들을 가르치기 위한 정보의 모델, 학습 환경 모델은 학습자와 상호작용 할 수 있는 사용자 인터페이스와 관련된 모델이다[4,5].
	적응적 하이퍼미디어 시스템 방식의 단점은 무엇인가?	적응적 하이퍼미디어 시스템 방식은 학습내용과 학습 문제의 난이도에 따른 단계를 구성하고, 학습자가 학습 내용을 어려워하는 경우 학습 난이도를 조정하여 학습 내용의 구성을 변경한다. 하지만 학습자의 이해도 정도를 교수자나 시스템에 의해 판단하는 것이 아니라, 학습 자가 스스로 판단해야하는 단점이 있다[6].
	스마트러닝의 대표적인 특징은 무엇인가?	스마트러닝은 스마트기기를 교육에 사용하는 것 이외에도 현재 교육에서 나타나는 문제들을 기술적인 측면에서 해결책을 찾으려는 시도이며, 교육 관련 종사자들의 패러다임의 전환점이 되고 있다[2]. 이러한 스마트 러닝의 대표적 특징은 실시간 학습관리, 개인화, 협력, 참여, 공유 등이며 이를 구현하기 위한 연구가 현재 활발히 진행되고 있다.

참고문헌 (17)

Jae Coon Jo, Heui Seok Lim, "A Conceptual Model of Smart Education Considering Teaching-Learning Activities and Learner's Characteristics", Korea Association of Computer Education, Vol. 15, No. 4, 2012.
Alison Hull & Benedict du Boulay, "Motivational and metacognitive feedback in SQL-Tutor", Computer Science Education, Vol. 25, No. 2, pp. 238-256, 2015.

상세보기
Antonija Mitrovic, Stellan Ohlsson, Devon K. Barrowa, "The effect of positive feedback in a constraint-based intelligent tutoring system", Computers & Education, Vol. 60, pp. 264-272, 2013.

상세보기
Yeong-Wook Yang, Won-Hee Yu, Heui-Seok Lim, "Adaptive Learning System using Real-time Learner Profiling", Journal of Digital Convergence, Vol. 12, No. 2, pp. 467-473, 2014.
Keol Lim, "Research on Developing Instructional Design Models for Enhancing Smart Learning", Korea Association of Computer Education, Vol. 14, No. 2, pp. 33-45, 2001.
Jesse James Garret, "A New Approach to Web Application", http://www.adaptivepath.com/publications/essays/archives/000385.php, 2015.
Feng Liu, Gesan Wang, Li Li, Wu Chou, "Web Service for Distributed Communication Systems", Service Operations and Logistics, and Informatics (SOLI'06). IEEE International Conference, pp. 1030-1035, June, 2006.
Heqing Guan, Beihong Jin, Jun Wei, Wei Xu, Ningjiang Chen, "A framework for application server based Web services management", Software Engineering Conference, APSEC '05. 12th Asia-Pacific, Dec, 2005.
Houda Zouari Ounaies, Yassine Jamoussi and Henda Hajjami Ben Ghezala, "Multi-perspective Measurement Framework for Adaptive Learning System", International Journal of Software Engineering and Its Applications, pp. 23-34, 2012.
Kyparisia A. Papanikolaou, Maria Grigoriadou, "An Instructional Framework Supporting Personalized Learning on the Web", The 3rd IEEE International Conference on Advanced Learning Technologies, pp. 120-124, 2003.
Nabil Arman, E-learning Materials Development: Applying and Implementing Software Reuse Principles and Granularity Levels in the Small, International Journal of u - and e - Service, Science and Technology, pp. 31-42, 2010.
Jinan Fiaidhi, "Towards Developing Installable e-Learning Objects utilizing the Emerging Technologies in Calm Computing and Ubiquitous Learning", International Journal of u - and e - Service, Science and Technology, pp. 9-20, 2011.
Dezhi Wu, Il Im, Marilyn Tremaine, Keith Instone, Murray Turoff, "A Framework for Classifying Personalization Scheme Used on e-Commerce Websites", System Sciences. Proceedings of the 36th Annual Hawaii International Conference, 2003.
Johnson P Thomas, Mathews Thomas, George Ghinea, "Modeling of Web services flow, IEEE International Conference on E-Commerce", pp. pp. 391-398, 2003.
M.P Papazoglou and D. Georgakopoulos, "Service- Oriented Computing", CACM, Vol. 46, No. 10, 2003.
Yeob-Myeong Son, Byeong-Soo Jung, "Convergence Development of Video and E-learning System for Education Disabled Students", Journal of the Korea Convergence Society, Vol. 6, No. 4, pp. 113-119, 2015.

원문보기 상세보기
MyounJae Lee, "A Game Design for IoT environment", Journal of the Korea Convergence Society, Vol. 6, No. 4, pp. 133-138, 2015.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증