[논문]혼합형 학습 기반 스마트 이러닝 구현

홍유식

doi:10.7236/jiibc.2020.20.2.171

혼합형 학습 기반 스마트 이러닝 구현
Implementation of Smart E-learning based on Blended Learning 원문보기

The journal of the institute of internet, broadcasting and communication : JIIBC, v.20 no.2, 2020년, pp.171 - 178

초록
AI-Helper

많은나라에서 온라인교육및 오프라인교육 장점을 결합한 혼합형학습을 개설하고 운영하는 중이다. 그러나, 온라인 윈격 강의 기반 Mooc 강좌는 졸업율이 5~10%미만으로, 매우 낮은 수준이다. 그러므로, Web 기반에서 언제, 어디서나, 누구나 간편하게 강의를 수강할 수 있는 온라인 Mooc 원격 교육 강의를 수강하는 학생들의 졸업율을 높이기 위해서는, 반드시 학생들의 강의 이해도 자동분석 및 자동 학사 경고 시스템을 도입 해야만 한다. 특히, 우리나라가 교육 선진국으로 진입하기 위해서는 오답율 자동판단 SW개발, 강의 자동요약 SW, 혼합형 학습 수준별 강의 기반 취약과목 자동분석 SW 교육을 개발해야 한다. 본 논문에서는 이러한 문제점을 개선하기 위해서, 강의내용 자동요약 시스템, 오답 자동 경고 시스템, 취약과목 자동판단 알고리즘을 제안 하고 모의실험 하였다.

Abstract ▼ AI-Helper

Many countries are establishing and operating blended learning that combines the advantages of online and offline education. However, online education lecture-based Mooc courses have a very low level, with a graduation rate of less than 5-10%. Therefore, in order to increase the graduation rate of students taking online Mooc distance education lectures that anyone can easily take lectures anytime, anywhere on the web-based basis, it is necessary to introduce automatic analysis of students' understanding level of lectures and an automatic academic warning system. Moreover, in order to enter an advanced education country, it is necessary to develop an automatic judgment SW for wrong answer rate, automatic summary SW for lectures, and automatic analysis SW education for lecture-based weak subjects based on mixed learning levels. In order to improve this problem, in this paper, we proposed and simulated an automatic summarization system for lecture contents, an automatic warning system for incorrect answers, and an automatic judgment algorithm for weak subjects.

주제어

표/그림 (15)

그림 그림 1. 스마트 이러닝 초기 메뉴 화면 Fig. 1. Smart elearning first menu screen
그림 그림 2. 시험점수 기반 교재 자동 추천 Fig. 2. Automatic recommendation textbook based on test score
그림 그림 3. 문서 원본 양식 Fig. 3. Original document form
그림 그림 4. 문서 자동요약 모의실험 Fig. 4. Automatic text summarization simulation
그림 그림 5. 문서 요약 및 키워드 추출 모의실험 Fig. 5. Document summary and keyword extraction simulation
그림 그림 7. 오답율 자동 분석 Fig. 7. Automatic analysis of incorrect answer rate
그림 그림 6. 시험점수 자동 판단 및 쌍방향 질문 시스템 Fig. 6. Automatic determination of test scores and interactive question system
그림 그림 8. 취약과목 자동분석 Fig. 8. Automatic analysis of the lowest scored subject
그림 그림 9. 시험점수 자동 분석 시스템 Fig. 9. Automatic determination of test score system
표 표 1. 오프라인 학교 시험 난이도 Table 1. Offline school test difficulty
표 표 2. 온라인 학교 시험 난이도 Table 2. Onine school test difficulty
표 표 3. 문항난이도 추정 Table 3. Deduction of item difficulty
그림 그림 12. 시험점수 기반 퍼지 멤버쉼 함수 Fig. 12. Fuzzy member function based on test score
그림 그림 10. 시험 난이도를 고려한 퍼지규칙 Fig. 10. Fuzzy rules considering test difficulty
그림 그림 11. 자동시험 문제 출제 모의실험 Fig. 11. Automatic test question projection simulation

AI 본문요약
AI-Helper

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

문제 정의

본 논문에서는 이러한 문제점을 해결하기 위해서, 지능형 분석 알고리즘 적용 학습자 취약과목 자동분석 시스템 개발 하고자 한다. 병원에서 의사가 환자에게 똑같이 약 처방전 을 내리는 것이 아니라, 환자의 건강상태 및 질병의 정도에 따라서, 알약을 3 알씩 섭취 하는 환자와 1알을 섭취하는 환자로 처방전이 다르게 분류 되는 것처럼, 본 논문에서는 이러한 맞춤형 치료를 하기 위해서, 수강 학생의 강의이해도를 실시간으로 파악하고, 강의 내용 질문을 하고 답변을 실시간으로 전달 받을 수 있는 쌍방향 질문 시스템, 학생의 시험점수를, 상향점수 추세, 하향 점수 추세를 실시간으로 파악하고, 하향점수 인 경우에는 자동으로 교재를 추천 하는 알고리즘을 구현하고 모의 실험 하였다.
특히, 선진국 온라인 원격대학 시스템중에서,미국 명문 MIT대학교,HARVARD대학교,무크(MOOC: Massively Open Online Course) 무료강의에, 등록한 학생수가 100만명 수강학생 중에서, 오직, 4 %~ 10% 미만이, 무크 무료 학위과정을 끝까지 수료했다고 한다. 본 논문에는 이러한 문제점을 해결하기 위해서, 혼합형 학습기반에서, 취약 과목 자동분석 및 수준별 강의 학습기능 및 보완 알고리즘을 개발하고, 모의 실험하였다. 2장에서는 기존 스마트 이러닝의 장점을 살펴보고, 3장에서는 스마트이러닝 구현 및 알고리즘에 관해서 설명하고, 4장에서는 모의실험 결과를 설명하고 5장에서는 결론을 서술한다.
그림 1에서는 스마트 이러닝을 구축한 초기 메뉴화면을 설명하고 있다. 본 논문에서는 기존 스마트 이러닝기능을 보완해서, 아이디와 비빌번호를 입력하면 수강자의 출석이 자동으로 인식되고, 평가를 클릭하면, 수강생 자신의 시험점수가 상향 점수 추세인지, 아니면, 하향 점수 추세인지를 실시간으로 확인할 수 있는 기능을 모의실험 하였다.
그림 5에서는 강의내용 원본 문서를 문서요약 20% 및 키워드 자동추출 결과를 수행한 화면 결과를 설명하고 있다. 본 논문에서는 수강생이 온라인 강의를 수강 할때에, 학습을 진행하는 강의 내용이 어려워서, 어떠한 내용이 핵심내용이고, 강의 키워드는 무엇인지를 파악하기 위해서 원본 문서를 20% 요약을 하고 , 강의 내용을 파악한 후에, 핵심 키워드를 표시해주는 모의실험을 수행 하였다.
특히, 온라인 윈격강의 기반 Mooc 강좌는 졸업율이 5~10%미만으로, 매우 낮은 수준 이다. 본 논문에서는 이러한 문제점을 개선하기 위해서, 강의내용 자동요약 시스템을 제안 하고 모의실험 하였다. 뿐만 아니라, 강의를 이해하고 도움을 줄 수 있는 강의 문서 자동요약 알고리즘, 수준별 학습 기반 오답율 자동 경고 시스템, 난이도 기반 수준별 학습 점수 산출 알고리즘을 제안하고 모의실험 하였다.
아무리 훌륭한 강사가, 강의를 하는 중에는 수강 학생의 강의 이해도 및 어떤 교과목의 취약 과목 인지를 알 수 가 없다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 블렌디드 이러닝 기법 :온라인 학습 및 오프라인 학습 기반에서 강의 집중도, 취약 과목 자동 분석 및 강의자동 요약 시스템 SW 및 취약과목을 자동으로 판단하는 알고리즘을제시하고, 모의실험을 수행하였다^[1-2].
그러나, 외국 및 국내 원격 대학 수강생 들이 강의 이해도가 천차 만별이라 강의 이해도를 실시간으로 파악하기 어렵고, 강의중에 진도가 빠르거나 느릴 경우에, 강의를 이해한 학생의 비율을 파악해서, 수강학생 난이도에 적합한 강의 수준을 조절하기가 어려운 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 지능형 분석 알고리즘 적용 학습자 취약과목 자동분석 시스템 개발 하고자 한다. 병원에서 의사가 환자에게 똑같이 약 처방전 을 내리는 것이 아니라, 환자의 건강상태 및 질병의 정도에 따라서, 알약을 3 알씩 섭취 하는 환자와 1알을 섭취하는 환자로 처방전이 다르게 분류 되는 것처럼, 본 논문에서는 이러한 맞춤형 치료를 하기 위해서, 수강 학생의 강의이해도를 실시간으로 파악하고, 강의 내용 질문을 하고 답변을 실시간으로 전달 받을 수 있는 쌍방향 질문 시스템, 학생의 시험점수를, 상향점수 추세, 하향 점수 추세를 실시간으로 파악하고, 하향점수 인 경우에는 자동으로 교재를 추천 하는 알고리즘을 구현하고 모의 실험 하였다.
본 논문에서는, WEB 기반 스마트 이러닝 모의실험을 개발하였다. 21세기는 스마트 이러닝 시스템이 활성화 될 것으로 전망된다.

가설 설정

그리고, B 라는 학생이, 인터넷기반 온라인에서 운영되는 사이버 대학교에서 강의를 이수하고 시험을 치루고 기말고사에서 수학 전공 강의를 80 점을 획득 했다고 가정하자.
혼합형 학습(Blended Learning, 블랜디드 러닝)은 기존의 학습 교육 방식인, 오프라인 학습방법과 새로운 학습 교육 방식인 온라인 학습방식을 을 결합하여 이루어지는 학습이다. 만약, A 라는 학생이 오프라인 지역 대학교에서 수학 전공 강의를 이수하고 시험을 치루고, 중간고사에서 70 점을 획득 했다고 가정하자. 그리고, B 라는 학생이, 인터넷기반 온라인에서 운영되는 사이버 대학교에서 강의를 이수하고 시험을 치루고 기말고사에서 수학 전공 강의를 80 점을 획득 했다고 가정하자.

제안 방법

본 논문에서는 퍼지 규칙을 이용해서, 수준별 학습을 할 경우에 난이도 기반 상위 LEVEL 강의를 수강 할 수 있는 합격 점수를 조정 할 수 있도록 하였다. 다시 말해서, 똑같은 시험 성적 60점 이라도 시험 문제 난이도에 따라서, 수준별 학습 상위 과정을 수강 할 수 있고, 수강 하지 못하는 알고리즘을 제안하고 모의실험 하였다.
그림 11에서는, 난이도에 따라서, 시험문제가 자동으로 출제되는 과정을 설명하고 있다. 다시말해서, 같은 교과목일 경우에도, 난이도를 초급, 중급, 고급 3과정으로 분류해서, 학생의 수준에 맞추어서, 선택을 하면 자동으로 출제하는 알고리즘을 제안하고 모의실험을 수행 하였다.
그러나, 비유법 은유법이 많은 강좌나 반어법이 많은 강좌는 문서 요약 결과가 효율이 약간 떨어지는 문제점이 발생한다. 본 논문에서는 TextRank 알고리즘 및 오픈소스 프로그램을 을 이용해서, 강의 내용 텍스트를 상대적 중요도에 따라 가중치를 부여하는 방법으로 강의내용을 자동 요약 및 키워드 추출을 하는 모의 실험을 하였다. 그림 3에서는 라디오방송 원리를 설명하는 100% 강의 원본 문서를 보여주고 있다.
그림 12에서는 퍼지 규칙을 이용해서, 수준별 학습을 할 경우에 난이도 기반 상위 LEVEL 강의를 수강 할 수 있는 합격 점수를 조정 할 수 있는 모의실험을 수행 하였다. 본 논문에서는 강의내용 자동요약 시스템, 퍼지규칙 기반 수준별 학습 시스템 알고리즘을 제안 하였으며 다음 PROGRAM은 스마트 이러닝 알고리즘을 설명 하고 있다.
여기서 CNF 70이란 RULE 의 확신도가 70%란 뜻이다. 본 논문에서는 퍼지 규칙을 이용해서, 수준별 학습을 할 경우에 난이도 기반 상위 LEVEL 강의를 수강 할 수 있는 합격 점수를 조정 할 수 있도록 하였다. 다시 말해서, 똑같은 시험 성적 60점 이라도 시험 문제 난이도에 따라서, 수준별 학습 상위 과정을 수강 할 수 있고, 수강 하지 못하는 알고리즘을 제안하고 모의실험 하였다.
21세기는 스마트 이러닝 시스템이 활성화 될 것으로 전망된다. 뿐만 아니라 수준별 학습 기반자동 교재 추천 및 오답율 자동 경고 시스템을 개발 하였다. 특히, 온라인 윈격강의 기반 Mooc 강좌는 졸업율이 5~10%미만으로, 매우 낮은 수준 이다.
본 논문에서는 이러한 문제점을 개선하기 위해서, 강의내용 자동요약 시스템을 제안 하고 모의실험 하였다. 뿐만 아니라, 강의를 이해하고 도움을 줄 수 있는 강의 문서 자동요약 알고리즘, 수준별 학습 기반 오답율 자동 경고 시스템, 난이도 기반 수준별 학습 점수 산출 알고리즘을 제안하고 모의실험 하였다. 특히 난이도기반 수준별 시험 성적 시스템을 개선 하기 위해서 Fuzzy 규칙을 이용해서, 온라인 학교와 오프라인 학교에서 치루어지는 시험점수를 정확하게 산출 하는 알고리즘을 제안 하였다.
뿐만 아니라, 강의를 이해하고 도움을 줄 수 있는 강의 문서 자동요약 알고리즘, 수준별 학습 기반 오답율 자동 경고 시스템, 난이도 기반 수준별 학습 점수 산출 알고리즘을 제안하고 모의실험 하였다. 특히 난이도기반 수준별 시험 성적 시스템을 개선 하기 위해서 Fuzzy 규칙을 이용해서, 온라인 학교와 오프라인 학교에서 치루어지는 시험점수를 정확하게 산출 하는 알고리즘을 제안 하였다. 뿐만 아니라, 4차 산업혁명 시대에, 우리나라가 교육 선진국으로 진입하기 위해서는 단순 암기형 교육방식을 축소하고, 창의성 교육방식, 오답율 자동판단 SW개발, 강의 자동요약 SW, 혼합형 학습 수준별 강의 기반 취약과목 자동 분석 SW 교육을 개발해야 할 것 으로 사료된다.

후속연구

특히 난이도기반 수준별 시험 성적 시스템을 개선 하기 위해서 Fuzzy 규칙을 이용해서, 온라인 학교와 오프라인 학교에서 치루어지는 시험점수를 정확하게 산출 하는 알고리즘을 제안 하였다. 뿐만 아니라, 4차 산업혁명 시대에, 우리나라가 교육 선진국으로 진입하기 위해서는 단순 암기형 교육방식을 축소하고, 창의성 교육방식, 오답율 자동판단 SW개발, 강의 자동요약 SW, 혼합형 학습 수준별 강의 기반 취약과목 자동 분석 SW 교육을 개발해야 할 것 으로 사료된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	혼합형 학습은 무엇인가?	혼합형 학습(Blended Learning, 블랜디드 러닝)은 기존의 학습 교육 방식인, 오프라인 학습방법과 새로운 학습 교육 방식인 온라인 학습방식을 을 결합하여 이루어지는 학습이다. 만약, A 라는 학생이 오프라인 지역 대학교에서 수학 전공 강의를 이수하고 시험을 치루고, 중간고사에서 70 점을 획득 했다고 가정하자.
	원격 온라인 가상대학의 단점은?	원격 온라인 가상대학은 요즈음 선진국 및 국내 많은 대학교에서 언제 어디서나 누구나 간단하게 WEB 기반 에서 강의를 수강 할 수 있다. 그러나, 외국 및 국내 원격 대학 수강생 들이 강의 이해도가 천차 만별이라 강의 이해도를 실시간으로 파악하기 어렵고, 강의중에 진도가 빠르거나 느릴 경우에, 강의를 이해한 학생의 비율을 파악해서, 수강학생 난이도에 적합한 강의 수준을 조절하기가 어려운 문제점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서, 지능형 분석 알고리즘 적용 학습자 취약과목 자동분석 시스템 개발 하고자 한다.
	원격 온라인 가상대학의 장점은?	원격 온라인 가상대학은 요즈음 선진국 및 국내 많은 대학교에서 언제 어디서나 누구나 간단하게 WEB 기반 에서 강의를 수강 할 수 있다. 그러나, 외국 및 국내 원격 대학 수강생 들이 강의 이해도가 천차 만별이라 강의 이해도를 실시간으로 파악하기 어렵고, 강의중에 진도가 빠르거나 느릴 경우에, 강의를 이해한 학생의 비율을 파악해서, 수강학생 난이도에 적합한 강의 수준을 조절하기가 어려운 문제점이 있다.

참고문헌 (11)

Lee, Jeong Won and Park Seung-Seop, "Design and Implementation of Learning Evaluation System in Distance Education", Proceedings of the 27th Annual Conference of Korea Information Processing Society,Vol.14, No.1, 2007
Janis Kapenieks, "User-friendly e-learning Environment for Educational Action Research," Procedia Computer Science, Vol.26, pp. 121-142, 2013

상세보기
Hong You-Sik, Intelligent Education System, The Journal of Institute of Internet, Broadcasting and Communication, Vol.13, 2013
https://m.blog.naver.com/PostView.nhn?blogIdjkdcj&logNo140007952556&proxyRefererhttps%3A%2F%2Fwww.google.co.kr%2F
Shifeng Liu, Mincong Tang, An effective tool for e-commerce teaching and learning, Int. J. Information and Operations Management Education, Vol.2, No.1, 2007
Sung-HoonMah,, Byung-Seo Kim,"Development of Automatic Sensor Detecting Detecting-based Home Automation Control Board for Modular Housing", Journal of the Institute of Webcasting, Internet and Telecommunication, Vol. 17, No.6, 2017 https://doi.org/10.7236/JIIBC.2017.17.6.33
Jong-MinEun,Jae-KonOh,Jeong-JoonKim, "Group Management System based on Apache Web Server and Android App, The Journal of The Institute of Internet, Broadcasting and Communification, Vol. 18, No. 2, pp.141-147, 2018 https://doi.org/10.7236/JIIBC.2018.18.2.141
Kimgwangjin, "smart device authentication using a two-channel study of the electronic financial transactions", Dongguk University, 2013
Geo-Su Yim, "On-off Map using Image Encoding Method Design and Implementation", Journal of the Korea Academia-Industrial cooperation Society, V.10, no.8, 2012
Dae-Sung Park, "Reliability and Validity of the Balancia using Wii Balance Board for Assessment of Balance with Stroke Patients", Journal of the Korean Institute of Information Technology, Vol. 14, No. 6 pp. 2767-2772, 2013
Dong H. Shin, Seol B. Bae, Woon K. "Way-Point Tracking of AUV using Fuzzy PD Controller", Korea Institute of Information Technology Vol.11, Issue 5, 2013.

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