초록

본 발명의 일 실시예에 따른 학습관리 시스템은 학생의 학업성취도 테스트 내역에 기초하여 학업성취도를 산출하는 학업성취도 산출모듈; 상기 학생의 실제 학습시간을 측정하는 학습시간 측정모듈; 및 상기 학생의 학업성취도 및 학습시간을 포함하는 제1 특징데이터에 기초하여 상기 학생의 학업등급을 산출하는 학업등급 산출모듈;을 포함한다.

대표청구항 ▼

학생의 학업성취도 테스트 내역에 기초하여 학업성취도를 산출하는 학업성취도 산출모듈;상기 학생의 실제 학습시간을 측정하는 학습시간 측정모듈; 및상기 학생의 학업성취도 및 학습시간을 포함하는 제1 특징데이터에 기초하여 상기 학생의 학업등급을 산출하는 학업등급 산출모듈;을 포함하고, 상기 학업성취도 산출모듈은 상기 학생의 학업성취도 테스트 응시횟수 및 상기 학업성취도 테스트 성적에 기초하여 상기 학업성취도를 산출하고,상기 학업등급 산출모듈은 상기 학업성취도 및 학습시간과, 상기 학업등급과의 상관관계에 기초하여 설정된 알고리즘을 이용하여

학생의 학업성취도 테스트 내역에 기초하여 학업성취도를 산출하는 학업성취도 산출모듈;상기 학생의 실제 학습시간을 측정하는 학습시간 측정모듈; 및상기 학생의 학업성취도 및 학습시간을 포함하는 제1 특징데이터에 기초하여 상기 학생의 학업등급을 산출하는 학업등급 산출모듈;을 포함하고, 상기 학업성취도 산출모듈은 상기 학생의 학업성취도 테스트 응시횟수 및 상기 학업성취도 테스트 성적에 기초하여 상기 학업성취도를 산출하고,상기 학업등급 산출모듈은 상기 학업성취도 및 학습시간과, 상기 학업등급과의 상관관계에 기초하여 설정된 알고리즘을 이용하여 상기 학생의 학업등급을 결정하고, 복수의 학생의 오답노트가 저장되되, 상기 학업등급 및 상기 오답노트에 기재된 문제에 기초하여 상기 테스트의 문제를 생성하는 테스트 생성모듈;을 더 포함하고, 상기 테스트 생성모듈은,복수의 학생들이 작성한 오답노트들이 저장된 오답노트 저장부;상기 학업등급을 고려하여 상기 오답노트 저장부에 기재된 문제들 중 해당 학생에 대한 맞춤형 문제들을 추출하는 문제 추출부;상기 문제 추출부에서 추출한 문제들을 랜덤하게 배열하여 테스트를 생성하는 문제 배열부; 및상기 테스트를 구성하는 문제를 제공한 학생에게 미리 결정된 포인트를 부여하는 보상부; 를 포함하고, 상기 알고리즘은 신경망 네트워크로 구성된 딥러닝 알고리즘으로 구현되되, 상기 신경망 네트워크는, 상기 제1 특징데이터를 입력받는 입력층;상기 입력층으로부터 상기 제1 특징데이터를 전달받되, 복수 개의 노드를 포함하도록 구성된 적어도 하나의 개의 은닉층; 및상기 은닉층의 연산 결과에 기초하여 상기 학생의 학업등급을 결정하는 출력층; 을 포함하고,상기 노드에는 상기 노드로 전달되는 입력인자 및 상기 노드에서 출력되는 출력인자 간의 상관관계인 함수가 정의되고, 상기 함수는 가중치 및 바이어스를 포함하고, 복수의 학생들의 학업성취도 테스트 응시횟수, 학업성취도 테스트 성적, 학습시간 및 실제 입시성적을 포함하는 빅데이터가 저장된 빅데이터 저장모듈;을 더 포함하고,상기 가중치 및 바이어스는 상기 빅데이터 저장모듈에 저장된 빅데이터를 트레이닝 데이터로 활용하여 신경망 네트워크 상에서 수행되는 머신러닝을 통하여 결정되며, 상기 가중치 및 바이어스를 결정하기 위한 트레이닝 데이터를 생성하는 트레이닝 데이터 생성모듈;을 더 포함하고, 상기 트레이닝 데이터 생성모듈은, 상기 제1 특징데이터를 전달받아 미리 학습된 판별기준에 기초하여 상기 학생의 상기 학생의 학업등급을 결정하는 판별부; 및 상기 제1 특징데이터와 대응되는 제2 특징데이터를 생성하는 생성부;를 포함하고, 상기 판별부는 생성적 대립 네트워크(Generative Adversarial Network: GAN)를 이용한 학습을 통하여 상기 판별기준을 생성하고, 상기 판별부는 상기 제1 특징데이터 및 제2 특징데이터를 구분할 수 있도록 학습되고, 상기 생성부는 상기 판별부가 상기 제1 특징데이터 및 제2 특징데이터를 구분할 수 없도록 학습되어 상기 제2 특징데이터를 생성하는 학습관리 시스템.