• 한국IT서비스학회지
• /
• 제7권4호
• /
• pp.231-246
• /
• 2008

This paper suggests an e-learning system model, a goal-driven personalized e-learning system, which increase the effectiveness of learning. An e-learning system following this model makes the learner choose the learning goal. The learner's choice would lead learning. Therefore, the system enables a personalized adaptive learning, which will raise the effectiveness of learning. Moreover, this paper proposes a SCORM standard, which modifies SCORM 2004 that has been insufficient to implement the "goal driven personalized e-learning system." We add a data model representing the goal that motivates learning, and propose a standard for statistics on learning objects usage. We propose each standard for contents model and sequencing information model which are parts of "goal driven personalized e-learning system." We also propose that manifest file should be added for the standard for contents model, and the file which represents the information of hierarchical structure and general learning paths should be added for the standard for sequencing information model. As a result, the system could sequence and search learning objects. We proposed an e-learning system and modified SCORM standards by considering the many factors of adaptive learning. We expect that the system enables us to optimally design personalized e-learning system.

• 4차산업연구
• /
• 제3권1호
• /
• pp.13-20
• /
• 2023

Purpose - By designing a PEF(Personalized Education Feedback) system for real-time prediction of learning achievement and motivation through real-time EEG analysis of learners, this system provides some modules of a personalized adaptive learning system. By applying these modules to e-learning and offline learning, they motivate learners and improve the quality of learning progress and effective learning outcomes can be achieved for immersive self-directed learning Research design, data, and methodology - EEG data were collected simultaneously as the English test was given to the experimenters, and the correlation between the correct answer result and the EEG data was learned with a machine learning algorithm and the predictive model was evaluated.. Result - In model performance evaluation, both artificial neural networks(ANNs) and support vector machines(SVMs) showed high accuracy of more than 91%. Conclusion - This research provides some modules of personalized adaptive learning systems that can more efficiently complete by designing a PEF system for real-time learning achievement prediction and learning motivation through an adaptive learning system based on real-time EEG analysis of learners. The implication of this initial research is to verify hypothetical situations for the development of an adaptive learning system through EEG analysis-based learning achievement prediction.

• 산업융합연구
• /
• 제22권2호
• /
• pp.13-22
• /
• 2024

현대 학습자들은 배경, 학습 스타일, 능력 등에서 다양한 차이를 보인다. 하지만 모든 학습자에게 동일한 학습 내용을 전달하는 전통적 교육 방법은 이러한 학습자의 다양성을 충분히 고려하지 못한다. 따라서 개별 학습자의 특성에 따라 최적의 학습 경험을 제공하는 맞춤형 학습 시스템의 구현은 오늘날 에듀테크 시대에 더욱 중요해졌다. 본 논문은 증가하는 학습자 중심의 교육 요구에 따라 학습자의 특성, 관심사, 학습 이력 등을 종합적으로 분석할 수 있는 모델들을 파악한 후 이를 기반으로 맞춤형 학습 시스템을 설계했다. 본 시스템은 학습자의 학습 이력을 기반으로 학습자의 현재 수준과 목표에 맞춘 자기주도적 학습을 지원하기 위해 강점과 약점을 파악할 수 있도록 설계되었으며 이 과정에서 시스템의 설계 변경 없이 필요한 학습 요소들을 확장할 수 있도록 구성하였다. 본 연구를 통해 사용자 맞춤형 학습 시스템 구축에 필요한 주요 기반을 파악하고 맞춤형 학습을 지원하기 위한 시스템 아키텍처를 효과적으로 구축할 수 있다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제17권12호
• /
• pp.3266-3285
• /
• 2023

With the popularity of online learning, intelligent tutoring systems are starting to become mainstream for assisting online question practice. Surrounded by abundant learning resources, some students struggle to select the proper questions. Personalized question recommendation is crucial for supporting students in choosing the proper questions to improve their learning performance. However, traditional question recommendation methods (i.e., collaborative filtering (CF) and cognitive diagnosis model (CDM)) cannot meet students' needs well. The CDM-based question recommendation ignores students' requirements and similarities, resulting in inaccuracies in the recommendation. Even CF examines student similarities, it disregards their knowledge proficiency and struggles when generating questions of appropriate difficulty. To solve these issues, we first design an enhanced cognitive diagnosis process that integrates students' affection into traditional CDM by employing the non-compensatory bidimensional item response model (NCB-IRM) to enhance the representation of individual personality. Subsequently, we propose an affection-enhanced personalized question recommendation (AE-PQR) method for online learning. It introduces NCB-IRM to CF, considering both individual and common characteristics of students' responses to maintain rationality and accuracy for personalized question recommendation. Experimental results show that our proposed method improves the accuracy of diagnosed student cognition and the appropriateness of recommended questions.

• 한국정보교육학회:학술대회논문집
• /
• 한국정보교육학회 2011년도 동계학술대회
• /
• pp.103-112
• /
• 2011

주지교과에서는 개별화학습 모델을 적용한 학습이 이루어지고 있지만 컴퓨터 교과에 대한 인식부족과 학습내용의 선수학습정도에 따른 아동차이가 크기에 대부분 교사에 의한 일제수업이 이루어지고 있다. 본 논문은 아동의 특성에 따른 맞춤형 학습 모형을 제안하고 학습 활동을 전개하여 아동의 학습태도와 자기주도적 학습 능력을 향상시키는데 미치는 영향을 분석한다. 본 연구를 위하여 맞춤형 교수 학습 모형을 적용하여 수업을 실시한 후 아동의 학습태도와 수업만족도, 자기주도적 학습 능력 신장 정도를 아동 자기평가서와 산출물, 교사 평가에 의해 결과를 측정하며, 그 결과를 분석해서 시사점을 추출한다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권5호
• /
• pp.1223-1237
• /
• 2024

Autonomous vehicles use onboard sensors to sense the surrounding environment. In complex autonomous driving scenarios, the detection and recognition capabilities are constrained, which may result in serious accidents. An efficient way to enhance the detection and recognition capabilities is establishing collaborations with the neighbor vehicles. However, the collaborations introduce additional challenges in terms of the data heterogeneity, communication cost, and data privacy. In this paper, a novel personalized federated learning framework is proposed for addressing the challenges and enabling efficient collaborations in autonomous driving environment. For obtaining a global model, vehicles perform local training and transmit logits to a central unit instead of the entire model, and thus the communication cost is minimized, and the data privacy is protected. Then, the inference similarity is derived for capturing the characteristics of data heterogeneity. The vehicles are divided into clusters based on the inference similarity and a weighted aggregation is performed within a cluster. Finally, the vehicles download the corresponding aggregated global model and train a personalized model which is personalized for the cluster that has similar data distribution, so that accuracy is not affected by heterogeneous data. Experimental results demonstrate significant advantages of our proposed method in improving the efficiency of collaborative perception and reducing communication cost.

• 산업경영시스템학회지
• /
• 제44권4호
• /
• pp.23-31
• /
• 2021

Treatment and management of chronic low back pain (CLBP) should be tailored to the patient's individual context. However, there are limited resources available in which to find and manage the causes and mechanisms for each patient. In this study, we designed and developed a personalized context awareness system that uses machine learning techniques to understand the relationship between a patient's lower back pain and the surrounding environment. A pilot study was conducted to verify the context awareness model. The performance of the lower back pain prediction model was successful enough to be practically usable. It was possible to use the information from the model to understand how the variables influence the occurrence of lower back pain.

• 한국콘텐츠학회논문지
• /
• 제4권1호
• /
• pp.8-17
• /
• 2004

본 논문에서는 학습자 특성 이론을 근거로 하여 학습자 특성에 따른 적응형 학습 요소를 도출하고, 콘텐츠 순서를 고려하여 학습 콘텐츠의 제작과 학습 관리 시스템의 개발 시 학습 내용과 학습자간의 상호 작용성을 높이고 개별적인 학습자 특성에 알맞게 지능적으로 학습을 지원할 수 있는 학습관리 로직을 설계한다. 적응형 학습 관리 시스템의 구현을 위해 기존의 학습 관리 시스템에 적응형 학습 지원 기능을 포함하여 시스템 기능 모델을 설계한다. 또한, 설계된 기능모델을 기반으로 시스템의 구현 구조를 제시하고 ADL의 SCORM 기반의 런타임 환경에서 적응형 학습 관리 시스템을 구현한다.

• 컴퓨터교육학회논문지
• /
• 제12권3호
• /
• pp.41-51
• /
• 2009

본 논문에서는 이러닝의 교육적 효과를 높일 수있 는 '목표지향 개인화 이러닝 시스템'에 대한 모델을 제시하고 구현하였다. 이 모델을 따른 시스템은 학습을 이끌어 나가는 원동력이 되는 학습목표를 학습자가 선택하도록 하여 자기 주도 학습을 가능하게 하였다. 제안한 시스템을 구현하기 위해서 SCORM 2004 표준을 수정하여 개인화와 관련된 새로운 표준을 제안하였는데 첫째로 콘텐츠 사용통계에 관한 표준을 제안하였고, 둘째로 학습을 이끌어 가는 목표를 표현하는 표준을 제안하였다. 셋째로 앞서 제안한 시스템의 한 부분인 콘텐츠 모델과 시퀀싱 정보모델을 다루는 각각의 표준을 제안하였다. 본 논문에서 제안한 모델과 표준을 이용하여 시스템을 구현한 후 다른 특성을 가진 학습자들에게 각각 다른 학습경로가 제시되는 것을 보임으로써 개인화 학습이 가능함을 증명하였다.

• 한국융합학회논문지
• /
• 제9권10호
• /
• pp.21-28
• /
• 2018

학습코스 선정에 많은 어려움과 시행착오를 겪고 있는 사용자들에게 수준별 학습코스를 제공하기 위해, ITS(Intelligence Tutoring System)를 위한 동적인 학습자 맞춤형 학습코스 추천 모델을 개발하였다. 이를 위해, 개인화 학습코스 추천모델에서는 먼저 학습자 프로파일을 분석하고, 단어별 가중치를 계산하여 핵심 키워드를 추출한다. 추출된 단어는 Cosine Similarity 기법을 통해 유사도를 측정하고, 최종적으로 유사도가 높은 상위 3개 과정이 학습자에게 추천된다. 추천모델의 효과를 분석하기 위해, 경기도 소재 교육기관에 추천모델을 적용하였고, 만족도 조사를 통하여 설문 항목별 평균, 표준편차, 왜도, 첨도 값을 계산하였다. 실험결과, 정확성, 새로움, 자기참조, 유용성에서 높은 만족도를 보였으며, 추천모델의 실효성을 검증했다. 본 연구는 그동안 국내 외에서 충분히 다뤄지지 않았던 기계학습 중심의 맞춤형 학습코스를 추천했다는 점에서 의미가 있다.