• 정보교육학회논문지
• /
• 제11권3호
• /
• pp.281-288
• /
• 2007

협동적 필터링은 사용자가 좋아할 만한 항목을 예측하기 위하여 비슷한 선호도를 가지는 다른 사람들의 평가 항목에 근거하여 추천하는 방법이다. 이러한 협동적 필터링 기법은 오늘날과 같이 대규모의 정보가 효과적으로 축적되고 이용 가능하게 된 정보화된 사회에서는 현명한 의사결정을 하도록 도와주는 역할을 한다. 본 논문에서는 대학생들이 수강과목의 취사선택을 용이하게 할 수 있도록 수강과목 추천 시스템을 설계하고 구현하였으며 실험적으로 평가하였다. 먼저, 학생들은 과거 자신이 수강하였던 과목에 대한 과목 선호도를 데이터베이스에 입력한다. 과목 선호도의 패턴이 유사한 학생들은 유사 그룹으로 간주된다. 성향이 유사한 사용자를 찾기 위해 일반적으로 사용되고 있는 피어슨 상관계수에 의한 유사도를 이용하였다. 수강 과목을 예측하려는 학생과 가장 유사한 패턴을 보이는 K 명의 학생들의 수강 과목에서 가장 높은 선호도를 보이는 과목들의 순서화된 리스트를 추천 과목으로 제시한다. 설문 조사를 통한 실험 데이터를 이용하였으며 평균 절대 에러를 사용하여 제안한 방법의 정확도를 평가하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2004년도 춘계학술발표대회
• /
• pp.973-976
• /
• 2004

IT 관련 기술의 발전은 'Any Time, Any Where, Any Service'를 사용자에게 제공할 수 있는 제반 여건을 마련하였다. 기존 웹 기반의 학사정보 시스템에서는 사용자의 이동성이 제한적이었고, 이를 해결하고자 한 무선 인터넷 기반의 학사정보 시스템은 클라이언트의 어플리케이션이 표준화된 환경에서 구축되지 않아서 모바일 기기의 플랫폼에 종속적이었다. 또한, 선택과목이 많은 학부제에서는 코스 코디네이터의 역할이 매우 중요하지만, 코스 코디네이터의 역할을 하는 지도교수와 학생 간의 커뮤니케이션의 부족으로 학생들은 도움을 받기 어렵다. 본 논문에서는 JAVA와 WIPI를 이용하여 플랫폼에 독립적이며 전공분야의 중요과목을 추천해 주는 과목 추천 시스템을 제안한다. 과목 추천 시스템은 학생들에게 수강과목에 대해 조언을 해 주는 코스 코디네이터의 역할을 대신할 수 있을 것이다. 또 학생들은 언제 어디서나 개인 휴대폰을 이용하여 수강신청에 관한 학사정보를 관리할 수 있고, 시스템의 추론에 따른 추천 과목을 수강하여 전공 분야에 대한 깊은 지식을 갖출 수 있을 것이다.

• 한국인터넷방송통신학회논문지
• /
• 제23권4호
• /
• pp.9-15
• /
• 2023

기존의 단순 통계 기반 추천 시스템은 학생들의 수강 이력 데이터만을 활용하기 때문에 선호하는 수업을 찾는 것에 많은 어려움을 겪고 있다. 이를 해결하기 위해, 본 연구에서는 심층 강화학습 기반의 개인화된 전공과목 추천 시스템을 제안한다. 이 시스템은 학생의 학과, 학년, 수강 이력 등의 정형 데이터를 기반으로 학생들 간의 유사도를 측정하며, 이를 통해 각 전공과목에 대한 정보와 학생들의 강의 평가를 종합적으로 고려하여 가장 적합한 전공과목을 추천한다. 본 논문에서는 이 DRL 기반의 추천 시스템을 통해 대학생들이 전공과목을 선택하는 데에 유용한 정보를 제공하며, 이를 통계 기반 추천 시스템과 비교하였을 때 더 우수한 성능을 보여주는 것을 확인하였다. 시뮬레이션 결과, 심층 강화학습 기반의 추천 시스템은 통계 기반 추천 시스템에 비해 수강 과목 예측률에서 약 20%의 성능 향상을 보였다. 이러한 결과를 바탕으로, 학생들의 강의 평가를 반영하여 개인화된 과목 추천을 제공하는 새로운 시스템을 제안한다. 이 시스템은 학생들이 자신의 선호와 목표에 맞는 전공과목을 찾는 데에 큰 도움이 될 것으로 기대한다.

• 정보처리학회논문지A
• /
• 제11A권4호
• /
• pp.285-296
• /
• 2004

IT 관련 기술의 발전은 'Any Time, Any Where, Any Service'를 사용자에게 제공할 수 있는 제반 여건을 마련하였으며, 무선 인터넷 서비스는 인터넷 기반의 서비스를 이동 중에도 이용 가능하도록 하였다. 웹 기반의 학사정보시스템을 무선 인터넷 기반의 학사정보시스템으로 활용한 기존의 시스템은 표준화된 환경에서 구축되지 않아 모바일 기기의 플랫폼에 종속적이었다. 또한, 선택과목의 수가 많은 학부제에서는 교육과정의 제작과 관리에 관련된 업무를 담당하고 학생들에게 조언을 해 주는 코스 코디네이터의 역할이 매우 중요하지만, 학생들은 코스 코디네이터를 통해 자신에게 가장 적합한 분야는 무엇이고, 어떠한 과목을 이수해야 하는 지에 대한 도움을 받고 있지 못하다. 본 논문은 JAVA를 이용하여 플랫폼에 독립적이며, 심화된 전공 분야의 학습을 할 수 있도록 도와주는 코스 코디네이터의 역할을 대신하기 위한 WIPI기반의 모바일 코스 코디네이터 시스템을 제안한다. 모바일 코스 코디네이터 시스템은 심화된 전공 분야의 학습을 위해 학부제의 각 분야별 과목에 대한 정보를 담고있는 수강 과목 트리와 학생의 과거 수강이력을 고려한 추론엔진을 포함한다. 학부 내 모든 분야를 고려하였을 때 특정 과목의 중요도와 사용자가 해당과목의 선수과목을 이수하였는지 여부 및 사용자의 학부 내 분야 적합도를 가중치로 나타내어, 수강 신청 시 개별 학생이 자신에게 가장 적합한 과목을 추천받아 선택할 수 있도록 하였다. 모바일 코스 코디네이터 시스템은 학생들에게 조언을 해 주는 코스 코디네이터의 역할을 보조할 수 있을 것이다. 또 학생들은 언제 어디서나 개인 휴대폰을 이용하여 수강신청에 관한 학사정보를 관리할 수 있고, 시스템의 추론에 따른 추천 과목을 수강하여 전공 분야에 대한 깊은 지식을 갖출 수 있을 것이다.

• 컴퓨터교육학회논문지
• /
• 제8권5호
• /
• pp.51-62
• /
• 2005

선택과목의 수가 많은 학부제에서는 교육과정의 제작과 관리에 관련된 업무를 담당하고 학생들에게 조언을 해 주는 코스 코디네이터의 역할이 매우 중요하지만, 학생들은 코스 코디네이터를 통해 자신에게 가장 적합한 분야는 무엇이고 어떠한 과목을 이수해야 하는 지에 대한 도움을 받기가 쉽지 않다. 본 논문은 표준 무선인터넷 플랫폼 규격인 WIPI에 기반을 두고, 전공 분야의 심화된 학습을 할 수 있도록 수강할 과목의 선택에 대해 조언하는 기능을 가지는 모바일 코스 코디네이터 시스템을 제안한다. 모바일 코스 코디네이터 시스템은 학생들에게 조언을 해 주는 코스 코디네이터의 역할을 보조하여, 학생들이 개인 휴대폰을 이용하여 수강신청에 관한 학사정보를 관리할 수 있고, 시스템의 추론에 따른 추천 과목을 수강하여 전공 분야에 대한 깊은 지식을 갖출 수 있도록 도와줄 것이다.

• 한국콘텐츠학회논문지
• /
• 제21권7호
• /
• pp.134-143
• /
• 2021

최근 모바일 기기 및 소셜 미디어 서비스의 발전으로 인해, 콘텐츠 추천 기법에 대한 연구들이 진행되고 있다. 그러한 콘텐츠 추천 기법들은 일반적으로 취업 큐레이션 시스템에 적용된다. 대부분의 기존 대학 교육 콘텐츠 추천 기법은 해당 학생의 학교, 전공 등을 바탕으로 가장 많이 수강한 과목만을 추천하기 때문에 각 학생이 원하는 취업의 형태나 분야 등이 고려되지 않는다. 본 논문에서는 취업 큐레이션 시스템 기반의 개인 맞춤형 교육 콘텐츠 추천 기법을 제안한다. 제안하는 기법은 사용자가 취업 큐레이션 시스템에서 활동한 내용을 바탕으로 사용자가 원하는 취업 형태와 취업 분야를 분석하여 관심 기업을 도출한다. 제안하는 기법은 도출된 관심 기업을 바탕으로 관심 기업에 취업한 졸업생들의 신뢰도와 유사도를 측정하여 참고할만한 졸업생을 선정하고 협업 필터링을 통해 사용자에게 맞춤형 교과목, 비교과목, 자율 활동 목록을 추천한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2017년도 제55차 동계학술대회논문집 25권1호
• /
• pp.163-166
• /
• 2017

본 논문에서는 학생들에게 자신의 진로결정에 도움이 될 수 있는 비교과 및 교과 정보 제공 시스템을 제안한다. 이는 교수들의 학생 수강지도에 활용되어 정확한 진로 지도에 도움을 줄 수 있다. 이러한 시스템을 구현하기 위하여, 온톨로지 기반 지식베이스를 구축한다. 온톨로지 지식베이스는 강의, 역량, 능력단위, 직무, 기업 정보로 구성이 되어있으며 유지보수가 쉬운 구조로 설계하였다. 또한 온톨로지 지식베이스가 가진 정보로 새로운 지식들을 추론한다. 이 추론 결과를 웹 인터페이스를 활용해, 사용자가 개념들 간의 관계를 파악하고 자신에게 맞는 과목 및 직무를 추천받을 수 있도록 한다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.