[논문]Hidden Markov Model을 이용한 학습자 성향 파악에 관한 연구

정영모; 이지형; 차현진; 박선희; 윤태복; 김용세

Hidden Markov Model을 이용한 학습자 성향 파악에 관한 연구
A study for classification of students' learning-styles with HMM 원문보기

정영모 (성균관대학교 창의적 설계추론 지적 교육 시스템 연구단) , 이지형 (성균관대학교 정보통신공학부) , 차현진 (성균관대학교 창의적 설계추론 지적 교육 시스템 연구단) , 박선희 (성균관대학교 창의적 설계추론 지적 교육 시스템 연구단) , 윤태복 (성균관대학교 창의적 설계추론 지적 교육 시스템 연구단) , 김용세 (성균관대학교 창의적 설계추론 지적 교육 시스템 연구단)

지능형 학습 시스템(ITS, Intelligent Tutoring System)은 학습자의 학습 스타일을 인지하여 학습자에 맞는 학습전략을 세우고 적절한 학습 서비스를 제공하는 시스템이다. 기존의 학습시스템은 학습자의 학습 스타일 보다는 학습 컨텐츠에 중심을 두어 학습자에게 맞는 학습 전략을 적절히 세우는 과정이 부족했다. 이에 본 논문에서는 학습자의 학습과정에서 발생한 데이터를 기반으로 학습자의 학습 스타일을 파악하는 방법을 제안한다. 이를 위해 서양 건축양식 학습을 위한 교육 컨텐츠를 이용하였으며, 수집된 데이터를 분석하여 Folder & Silverman 이 제시한 학습 스타일에 근거한 학습자의 학습 스타일을 추출하였다. 실험에서는 70명의 데이터를 수집하였고, 학습자가 교육 컨텐츠를 학습한 순서에 대한 시계열 데이터를 기반으로 학습자 성향을 알아보기 위하여 은닉 마코프 모델(Hidden Markov Model)을 사용하였다. 은닉 마코프 모델을 적용하여 얻은 분석 결과를 가지고 각 학습자에게 맞는 학습 스타일을 진단하였다. 은닉 마코프 모델에서 얻은 학습 스타일 진단 모델은 향후에 학습자 학습 스타일을 파악하는데 사용할 수 있으며, ITS에 있어 학습자 성향 분석 모듈로 고려해볼 수 있다.

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

문제 정의

이렇게 각 학습 스타일별로 8 개의 은닉 마코프 모델을 구성하고 Ⅱ.S에서 파악한 학습 성향을 알고 있는 데이터를 테스트 데이터로 하여 학습자의 학습 성향을 올바로 진단했는지에 대한 실험을 하였다. 다음 표 3은 이에 대한 결과다.
여러 분석 방법 중 은닉마코프 모델은 시간에 따른 행동의 변화를 통해 특정 패턴을 얻고 이를 통해 데이터를 분류해주는 방법이다. 그러므로 이 논문에 선 은닉마코프 모델을 적용하여 학습자 성향 진단하고자 시도하였다. 표 3 에서와 같은 비교적 적은 에러율을 갖는 은닉마코프 모델을 구성하였으며, 이은닉 마코프모델은 학습자의 학습 성향을 분류할 수 있는 진단기로 사용할 수 있다.
본 논문에서는 학습자의 학습 스타일을 파악하는 시스템을 개발하였다.

제안 방법

3.2 실험 과정에서 학습 스타일별로 속성의 정의에 따른 시퀀스 데이터를 가지고 은닉 마코프 모델을 구성하고 테스트하였다. 은닉 마코프 모델의 구성과 테스트 비율은 5 : 2 로하였다.
있다. Felder & Silvermane 정보를 이해하는 차원에서 Global vs. Sequential (G vs. Q), 정보 습득하는 차원에서 Visual vs. Auditory (V vs. A), 정보를 인지하는 차원에서 Sensing vs. Intuitive (S vs. N), 그리고 정보를 활용하는 차원에서 Active vs. Reflective (C vs. R)로네 가지 영역에서 학습 스타일을 분류하였다. 다음 표1은 학습 스타일에 관한 설명이다.
S vs. N : 정보를 인지할 때 주위 깊게 문제를 풀어나가는 경향이 있는지 직관적으로 문제를 풀어나가는 경향이 있는지를 알아보기 위하여, 퀴즈 풀기와 부가 학습을 구성하였다.
V vs. A : 그림 위주의 학습 버튼, 텍스트 위주의 학습버튼 등 18개를 속성으로 정의하여 이를 기반으로 학습자를 관찰하였다.
V vs. A : 정보를 습득할 때 그림 위주의 설명을 선호하는지 혹은 텍스트 위주의 설명을 더 선호하는지를 알아보기 위하여 그림 위주의 학습 설명 버튼과 텍스트위주의 학습 설명 버튼 등으로 인터페이스를 설계하였다.
우선 학습자는 ILS 온라인 설문에 참여 하여, 학습 스타일별로 선호도 값을 알아본다. 이후 학습자는 학습자 성향 수집을 위한 서양 건축양식 학습용 교육 컨텐츠를 학습하며, 이 인터페이스에서 제공하는 건축양식 학습, 퀴즈, 생각 나눔, 테스트를 수행한다.
)을 XML 데이터로 수집한다. 이후 수집한 XML 데이터를 적절히 가공처리한 후 은닉 마코프 모델에 적용하여 각 학습 스타일별 학습자 모델을 생성한다. 이렇게 제작된 은닉 마코프 모델을 통하여 학습 성향을 모르는 학습자의 학습 스타일을 진단하게 된다.
이후 학습자는 학습자 성향 수집을 위한 서양 건축양식 학습용 교육 컨텐츠를 학습하며, 이 인터페이스에서 제공하는 건축양식 학습, 퀴즈, 생각 나눔, 테스트를 수행한다. 이때 학습자의 데이터( 시간, 이동 및 학습을 위한 버튼 클릭 등)는 XML DATA로 기록된다.
영역별로 정의하였다. 학습자가 서양 건축양식 학습용 교육 컨텐츠를 사용하고 수집한 데이터는 정의한 속성에 따라 추상화 시켰다. 예를 들어 A와 B라는 학습 컨텐츠가 있고 A 와 B에는 각각 Ai, Bi이란 컨텐츠가 있고 다시 Ai, Bi에는 An, Bn 이란 컨텐츠가 계층적으로 있다고 가정한다.
Q : 정보를 이해할 때 학습자의 선호에 의해 교육 컨텐츠를 선택하는지, 교육전문가가 의도 하는 학습 순서에 따라 학습 하는지를 알아보기 위하여 개요 보기 버튼, 목차를 통한 이동 버튼과. 항목이동 화살표 버튼 등으로 인터페이스를 설계하였다.

대상 데이터

각 컨텐츠를 통해 실제 피 설험자는 학습을 하게 된다. 이때 학습자의 학습기록 ( 교육내용 버튼 클릭, 컨텐츠 이동을 위한 버튼 클릭, 학습에 걸린 시간 등..)을 XML 데이터로 수집한다. 이후 수집한 XML 데이터를 적절히 가공처리한 후 은닉 마코프 모델에 적용하여 각 학습 스타일별 학습자 모델을 생성한다.

이론/모형

사용한 개발 방법은, 먼저 Felder & Silverman[l]이 제시한 학습 스타일 분류 방법을 이용하여 피실험자의 학습 스타일을 파악한다. Felder & Silvermane 이미 학습자 성 향 분류, 교육 전략 개발 및 학습 전략의 평가와 관련된 연구를 하였고 이는 본 논문에서 파악하고자 하는 학습자의 학습 스타일에 대한 근거를 제시하였다.
있다. 이 중 본 연구에선 은닉 마코프모델을 적용하고자 한다. 은닉 마코프 모델은 통계학적 방법으로 시스템의 출력 값에 해당하는 시퀀스(sequence)정보를 가지고 시스템을 모델링 하는데 사용하는 방법이며 시간적, 순차적인 데이터를 다루는 데 적합하다.
Felder & Silvermane 이미 학습자 성 향 분류, 교육 전략 개발 및 학습 전략의 평가와 관련된 연구를 하였고 이는 본 논문에서 파악하고자 하는 학습자의 학습 스타일에 대한 근거를 제시하였다. 이후 제작된 서양건축양식 학습용 교육 컨텐츠[2]를 피실험자에게 한사용하게 한 다음 그들의 교육 컨텐츠 사용패턴을 주 출하고, 추출된 피실험자들의 사용패턴과 학습 스타일 간의 상관관계는 은닉 마코프 모델' 을(Hidden Markov Model) 이용하여 모델링하였다.

성능/효과

두 번째 은닉 마코프 모델은 입력 값으로 시퀀스 정보를 고려하므로, 시퀀스 정보가 필요한 속성(attribute)을 정의해야 한다. 정의한 속성에 따라 학습 과정에서 발생한 시퀀스를 만들어야 한다.
표 3에서 보듯이 네 가지의 학습 스타일(G vs. Q, V vs. A, S vs. N, C vs. R)에서 각각 28.57%, 0.0%, 22.22%, 33.33%의 에러율을 얻었다. 에러율은 전체 테스트 데이터 개수를 올바르게 분류하지 못한 테스트 데이터 개 수로 나누어 백분율을 구한 값이다.

후속연구

은닉 마코프 모델은 통계학적 방법으로 시스템의 출력 값에 해당하는 시퀀스(sequence)정보를 가지고 시스템을 모델링 하는데 사용하는 방법이며 시간적, 순차적인 데이터를 다루는 데 적합하다.[3, 4] 본연구에서는 학습자가 서양 건축양식 학습용 교육 컨텐츠를 학습함으로써, 즉 시간에 따라 순차적으로 데이터가 기록됨으로써 어떠한 시퀀스 패턴이 나올 수 있으며, 이러한 시퀀스는 분석할 필요가 있다. 다음 단원은 시퀀스 패턴을 얻고 분석하는 실험과정을 다룬다.
표 3 에서와 같은 비교적 적은 에러율을 갖는 은닉마코프 모델을 구성하였으며, 이은닉 마코프모델은 학습자의 학습 성향을 분류할 수 있는 진단기로 사용할 수 있다. 본 연구에 선 70명의 비교적 적은 데이터를 가지고 실험하였으나 향후 연구엔 이보다 많은데이터를 가지고 좀 더 다양한 시도를 통해 은닉마코프 모델을 구성하고 테스트를 시도할 것이다. 아울러 학습자의 스타일을 분석을 토대로 학습자에 맞는 학습자만의 차별화된 인터페이스를 제공하는 실험도 시도할 예정이다.
본 연구에 선 70명의 비교적 적은 데이터를 가지고 실험하였으나 향후 연구엔 이보다 많은데이터를 가지고 좀 더 다양한 시도를 통해 은닉마코프 모델을 구성하고 테스트를 시도할 것이다. 아울러 학습자의 스타일을 분석을 토대로 학습자에 맞는 학습자만의 차별화된 인터페이스를 제공하는 실험도 시도할 예정이다.

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

Hidden Markov Model을 이용한 학습자 성향 파악에 관한 연구
A study for classification of students' learning-styles with HMM 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

Hidden Markov Model을 이용한 학습자 성향 파악에 관한 연구 A study for classification of students' learning-styles with HMM 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

Hidden Markov Model을 이용한 학습자 성향 파악에 관한 연구
A study for classification of students' learning-styles with HMM 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper