[논문]맞춤형 영어 교육을 지원하기 위한 콘텐츠 기반 분석 기법

정우성; 이은주

doi:10.15207/jkcs.2022.13.03.055

맞춤형 영어 교육을 지원하기 위한 콘텐츠 기반 분석 기법
Analysis technique to support personalized English education based on contents 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.13 no.3, 2022년, pp.55 - 65

정우성 (서울교육대학교 교육전문대학원) , 이은주 (경북대학교 컴퓨터학부)

초록
AI-Helper

인터넷 기술과 모바일 등의 기기 발전으로 교육환경도 전통적이고 수동적인 방식에서 학습자 중심의 능동적인 방식으로 변화하고 있다. 이에 따라 학습자 개개인의 수준별 맞춤 교육의 역할도 커지고 있으며, 이에는 개별 학습자의 프로파일 구축이 중요하다. 기존의 ICT 기반 맞춤형 영어 교육의 다수는 어휘에 초점을 맞추고 있으며, 학습 콘텐츠에 대한 분석에 많은 노력을 기울이고 있다. 본 논문에서는 보다 정밀하게 사용자의 학습상태를 정의하기 위하여 단어와 문법을 대상으로 학습 상태를 구축하였다. 그리고 학습자가 특정 콘텐츠에 얼마나 익숙한지를 알려주는 콘텐츠에 대한 숙련도 메트릭을 정의하였다. 이후 실제 영문 에세이 데이터를 기반으로 사전학습을 통하여 사용자들의 숙련도를 결정하고, 시뮬레이션을 통하여 평가 에세이 데이터에 대하여 적용성이 있음을 보였다. 또한 본 연구에서 제안한 분석기법은 학습상황에 대하여 통계치나 그래프를 제공하고 학습자 수준에 적합한 학습자료를 생성하는데 필요한 데이터를 제공할 수 있다.

Abstract ▼ AI-Helper

As Internet and mobile technology is developing, the educational environment is changing from the traditional passive way into an active one driven by learners. It is important to construct the proper learner's profile for personalized education where learners are able to study according to their learning levels. The existing studies on ICT-based personalized education have mostly focused on vocabulary and learning contents. In this paper, learning profile is constructed with not only vocabulary but grammar to define a learner's learning status in more detailed way. A proficiency metric is defined which shows how a learner is accustomed to the learning contents. The simulational results present the suggested approach is effective to the evaluation essay data with each learner's proficiency that is determined after pre-learning process. Additionally, the proposed analysis technique enables to provide statistics or graphs of the learner's status and necessary data for the learner's learning contents.

주제어

표/그림 (14)

그림 Fig. 1. The overall structure of our proposed approach
그림 Fig. 2. Class diagram of major objects for our proposed approach
그림 Fig. 3. Pseudocode for overall learning process
표 Table 1. Parameters for user objects
표 Table 2. The counts of n-gram patterns from 8,932 statements in 350 essays
그림 Fig. 4. Token distribution graph of the 350 essays
그림 Fig. 5. The CCoU of the user4 for each knowledge set types during the learning phase
그림 Fig. 6. The initial and final patterns of the filtered PoS during the simulation
그림 Fig. 7. Proficiency Points of the users for the pre-learned 70 contents
그림 Fig. 8. PoS pattern graphs of essay #10 and #325 (filtering condition: node/edge count>5)
표 Table 3. The CCoU and PP values of the users for pre-learned 70 essays
그림 Fig. 9. Predicted Proficiency Points of the users for the 280 evaluation contents
그림 Fig. 10. Average CCoU of the users for the contents
표 Table 4. The count of the words to learn

참고문헌 (17)

K. Noh, S. Ju & J. Jung. (2011). An Exploratory Study on Concept and Realization Conditions of Smart Learning. Journal of Digital Convergence, 9(2), 79-88. DOI : 10.7236/JIIBC.2016.16.1.21

원문보기 상세보기
W. Jung. (2020). A Design for the Personalized Difficulty Level Metric based on Learning State. Journal of the Korea Convergence Society, 11(3), 67-75. DOI: 10.15207/JKCS.2020.11.3.067

원문보기 상세보기
S. M. nafea, F. Siewe & Y. He. (2018). ULEARN: Personalized Course Learning Objects Based on Hybrid Recommendation Approach. International Journal of Information and Education Technology, 8(12). DOI : 10.18178/ijiet.2018.8.12.1151

상세보기
W. Jung & E. Lee (2021). Analysis Techniques to Support Personalized Music Education Based on Learner and Chord Data. Journal of the Korea Convergence Society, 12(2), 51-60. DOI : 10.15207/JKCS.2021.12.2.051

원문보기 상세보기
H. Kim. (2017). A Comparative Study of English Vocabulary Learning between Mobile Application and Vocabulary List. STEM Journal, 18(1), 183-206. DOI : 10.16875/stem.2017.18.1.183

상세보기
H. Kim. (2019). Cutomized Mobile Application Based on Learners' Different Levels in the EFL Classroom: Efficiency and Value of Apps. LAK Journal. 27(1). 42-62. DOI : 10.24303/lakdoi.2019.27.1.42

상세보기
M. Okhdar & A. Ghaffari (2018). English Vocabulary Learning through Recommender System based on Sentence Complexity and Vocabulary Difficulty. Kyberbetes, 47(1), 44-57. DOI : 10.1108/K-06-2017-0198

상세보기
C. Chen & Y. Li (2010). Personalised context-aware ubiquitous learning system for supporting effective English vocabulary learning. Interactive Learning Environments, 18(4), 341-364. DOI : 10.1080/10494820802602329

상세보기
C. Chen, L. Chen & S. Yang (2018). An English Vocabulary Learning App with Self-regulated Learning Mechanism to Improve Learning Performance and Motivation. Computer Assisted Language Learning, 32(3), 1-24. DOI : 10.1080/09588221.2018.1485708

상세보기
L. Fang, L. Tuan, S. Hui & L Wu. (2017). Personalized Question Recommendation for English Grammar. Expert Systems, 35(2). DOI : 10.1111/exsy.12244

상세보기
X. Wang, J. Chen & T. Zhang. (2021). Facilitating English Grammar Learning by a Personalized Mobile-Assisted System With a Self-Regulated Learning Mechanism. Frontiers in Psychology, 12(10). DOI : 10.3389/fpsyg.2021.624430

상세보기
K. Kim & H. Shin. (2016). Student-oriented Multi-dimensional Analysis System using Educational Profiling. Journal of Digital Convergence, 14(6). 263-270. DOI : 10.14400/JDC.2016.14.6.263

원문보기 상세보기
R. Felder & L. Silverman. (1988). Learning and Teaching Styles in Engineering Education. Engineering Education, 78(7), 674-681. DOI : 10.1109/FIE.2008.4720326
D. Silva & F. Dora. (2014). An Automatic Approach for Customization of Teaching Process based on Learning Styles in Adaptive and Intelligent Learning Systems. Brazilian Journal of Computers in Education, 22(2), 1. DOI : 10.5753/RBIE.2014.22.02.1
The Basic Spelling Vocabulary List. (2022, Jan 1). https://www.readingrockets.org/article/basic-spelling-vocabulary-list
Penn Part of Speech Tags. (2022, Jan 1). https://cs.nyu.edu/~grishman/jet/guide/PennPOS.html
Ministry of Education. (2015). 2015 Revised National English Curriculum : Ministry of Education.

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