Text Mining Techniques for Adaptable Learning

적응적인 학습을 위한 텍스트 마이닝 기술

  • 김천식 (안양대학교 디지털미디어공학) ;
  • 정명희 (안양대학교 디지털미디어공학) ;
  • 홍유식 (상지대학교 컴퓨터공학과)
  • Published : 2008.05.25

Abstract

Until now, there are many technologies to improve studying ability using e-learning system. In most of e-learning system, learners are studying through the lecture materials and studying problems. The studying ability and intention, however, can be improved through the shared materials and discussion. In this case, learning materials are shared by the learners' discussion and shared materials through the board Internet and MSN. Such data was not classified by learners; it was not easy for the learners to search related valuable information. Therefore, it was not helping to learning. The technologies of most text mining extract summary data from the collection of document or classify into similar document from the complex document. In this paper, we implemented e-learning system for learners to improve learning abilities and especially, applied text mining technology to classify learning material for helping learners.

지금까지 이러닝 시스템을 통해서 학습 능력을 향상시키는 기술이 많이 나와 있다. 대부분의 이러닝 시스템에서 학습자들은 강의 자료와 학습문제를 통해서 학습을 한다. 그러나, 때로는 학습자간의 자료공유나 토론을 통해서 학습능력과 학습 의욕을 향상시킬 수 있다. 이 경우에 일반적으로 게시판을 통해서 학습 자료를 공유하거나 MSN과 같은 메신저를 사용하여 학습자들끼리 토론 및 자료를 공유한다. 하지만, 이와 같은 형태의 학습 공유 유형은 학습 자료가 주제별로 분류되어 있지 않기 때문에 학습자가 관련 자료를 검색하는 일이 쉽지 않다. 그 결과 학습에 크게 도움이 되지 않는다. 대부분의 텍스트 마이닝 기술은 문서데이터의 집합으로부터 요약 데이터를 추출하거나 유사한 문서의 집합을 분류하는 기술이다. 따라서, 본 논문에서 학습자가 학습능력을 향상시킬 수 있도록 이러닝 시스템에 텍스트 마이닝 기술을 적용하여 효과적으로 이러닝 자료를 분류하여 학습자에게 도움이 되는 시스템을 구현하고 평가하였다.

Keywords

References

  1. Curran, K, A Web-based collaboration teaching environment, IEEE Multimedia, 9(3).2002
  2. Khalifa, M. & Lam, R.A, Web-based learning : effects on learning process and outcome. IEEE Transactions on Education, 45(4).2002
  3. Kinshuk & Yang, Khalifa, M., & Lam, R. Web- based asynchronous synchronous environment for online learning. United States Distance Education Association Journal, 17(2), 5-17, 1537-5080.2003
  4. 최윤정, 박승수, 웹컨텐츠의 분류를 위한 텍스트마이닝 시스템 설계 및 구현, 한국정보과학회 2001년도 봄 학술발표논문집 제28권 제1호(B), 2001. 4
  5. Wheeler, H. G. WebCT- WebCT clear leader in online learning programs. The Chronicle of Higher Education, 11(Octorber), 34. 2000
  6. Losiewicz, P.B., Oard, D. W., & Kostoff, R. N., Textual data mining to support science and technology management, Journal of Intelligent Information system, 15(2), 99,-119, 2000 https://doi.org/10.1023/A:1008777222412
  7. Yang, Y. An evaluation of statistical approaches to text categorization. Journal of Information Retrieval, 1(1/2), 67-88. 1999
  8. Aggarwal, C. C., & Yu, P.H., On effective conceptual indexing and similarity search in text data. Proceedings of the 2001 IEEE International Conference on Data Mining (pp.3-10). San Jose., 2001
  9. Dorre J., P. Gers시, R. Seiffert, "Text Mining : Finding Nuggets in Mountains of Textual Data", In Proceedings of the Fifth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 1999
  10. IBM Text Mining, http://www-4.ibm.com/software/data/iminer/ fortext/download /whiteweb.html
  11. Salton, G., & McGill, M. J., Introduction to modern information retreival, New York, NY: Mc-Graw Hill, 1983
  12. 이지행, "FAQ 문서의 자동분류를 위한 다중방법 결합에 관한 연구", 연세대학교 대학원, 2000
  13. G. Salton, A. Wong, and C. S. Yang (1975), "A Vector Space Model for Automatic Indexing," Communications of the ACM, vol. 18, nr. 11, pages 613-620 https://doi.org/10.1145/361219.361220