Abstract
Video-demand learning through E-learning continuously increases on these days. However, not all video-demand learning systems can be utilized properly. When students study by education videos not matched to level of their own, it is possible for them to lose interest in learning. It causes to reduce the learning efficiency. In order to solve the problem, we need to develop a recommendation system which recommends customized education videos according the study levels of students. In this paper, we estimate the study level based on the history of students' watching behaviors such as average watching time, skipping and rewinding of videos. In the experimental section, we demonstrate our recommendation system using real students' video watching history to show that our system is feasible in a practical environment.
다양한 형태의 학습 시스템이 생겨나고 있다. 그 중 E-러닝을 통한 동영상 학습에 대한 수요는 지속적으로 증가하고 있다. 하지만, 그렇다고 하여 모든 이가 이러한 시스템을 적합하게 활용할 수 있는 것은 아니다. 학업능력이 떨어지는 학생은 자신의 학습수준보다 높은 동영상을 학습할 경우 학습에 대한 흥미를 잃을 수 있고, 학업능력이 뛰어난 학생의 경우는 수준에 맞지 않는 동영상을 제공할 경우에는 심화 학습의 기회를 잃어버릴 수 있어 학습효율성을 저하하게 된다. 이러한 불편함을 해결하기 위해서는 사용자가 선호할 만한 정보를 예측하고 필터링 된 맞춤형 정보를 제공하는 추천시스템이 필요하다. 본 논문에서는 학생 레벨추천 시스템을 제안한다. 학생그룹과 학생간의 학습정보를 바탕으로 학습동영상과 학생의 레벨을 추론하고, 이를 토대로 동영상에 대한 학생의 상대적 난이도를 제시하고, 적합한 난이도의 동영상을 추천한다. 실험을 통하여 본 연구의 추천 서비스의 유용성을 검증하였다.