• 한국컴퓨터정보학회논문지
• /
• 제14권9호
• /
• pp.85-94
• /
• 2009

온라인 비디오 강좌는 내용 파악이 힘든 컨텐츠들이 대부분이기 때문에 학습자가 원하는 정보를 찾기란 쉽지 않다. 그래서 학습자들이 필요로 하는 내용을 정확하고 빠르게 제공해 주는 서비스가 필요하게 되었다. 본 논문에서는 학습자의 요구에 맞는 비디오 강좌를 제공해주기 위해 사용자 기반의 협업적 여과 방법을 변형하여 적용하고자 한다. 제안하는 알고리즘 방법은 학습자가 평가한 선호도 정보를 바탕으로 강좌의 특성을 이용해 분할한 영역에서 학습자와 비슷한 이웃 학습자들을 찾고, 이웃 학습자들에 의해 높은 선호도를 보인 강좌를 선별하고 강좌의 속성 정보를 반영하여 학습자에게 추천해 주는 방식이다. 즉, 강좌의 특성을 고려하여 강좌별로 분할한 후사용자 기반의 협업적 여과 방법을 통해 학습자의 선호도를 예측한다. 그리고 강좌의 속성을 이용한 속성 기반의 여과 방법을 적용해 예측된 강좌들과 유사도를 비교한 후 최종적으로 학습자의 선호도와 가장 유사한 강좌를 추천해 준다.

• 한국멀티미디어학회논문지
• /
• 제14권1호
• /
• pp.24-32
• /
• 2011

유비쿼터스 환경에서 학습자 맞춤형 교육을 제공하기 위해서는 학습자의 학습행위에 대한 분석이 필수적이다. SCORM(Sharable Contents Object Reference Model), IMS LD(Instructional Management System Learning Design) 등의 표준은 진도 체크와 같은 학습 설계 지원 기능을 제공한다. 하지만 표준 적용은 개발의 어려움과 수정이 어렵다는 단점이 있다. 본 논문에서는 이벤트 가로채기를 사용하여 웹 브라우저에서 학습자의 행위를 관리하는 시스템을 구현한다. 이를 통해 HTML기반의 모든 콘텐츠를 추가적인 작업 없이 재활용할 수 있고 학습결과의 저장 및 분석이 가능하게 되어 표준 적용에 따른 문제점을 개선할 수 있다. 또한 네트워크 단절 시에도 학습결과를 추적할 수 있어 유비쿼터스 학습 환경을 지원할 수 있다.

• 문화기술의 융합
• /
• 제4권1호
• /
• pp.279-284
• /
• 2018

최근 개인화에 대한 관심이 높아지면서 교육에서도 학생 개개인에게 맞는 학습 콘텐츠를 제공하고자 하는 요구가 높아지고 있다. 특히, 온라인 교육이 대중화되면서 기존 오프라인 교육에서의 획일적인 교육에서 벗어나 학생의 개인 학습 성취도에 따라 학생 수준에 맞는 콘텐츠로 재구성하여 전달할 수 있게 되었다. 이에 본 논문에서는 동적 프로파일 기반으로 학생 로그 정보를 분석하여 순서 변경, 구성 확장, 구성 축소가 가능한 학습 콘텐츠를 재구성하는 서비스를 제안한다. 이를 위해 본 논문에서는 학생 정보와 콘텐츠 정보를 메타데이터로 기록하여 동적으로 프로파일을 생성, 반영하여 학생 상황인지를 통해 학습 콘텐츠를 재구성하는 엔진을 설계하였다.

• 정보기술응용연구
• /
• 제3권1호
• /
• pp.1-21
• /
• 2001

인터넷과 월드와이드웹 (WWW)의 폭발적인 성장은 온라인 기반의 전세계적인 전자상거래의 발전을 촉발시켰다. 상거래를 위한 매체로서의 인터넷의 급속한 도입은 기업과 소비자간에 새로운 대화 채널로서의 웹 기반 광고의 중요성을 부각시키고 있다. 제대로 된 웹 광고가 올바르게 소비자에게 전달된다면 웹 광고의 효과는 극대화되고 기업의 수입은 지대하게 증대될 수 있다. 따라서 본 논문은 인터넷 상에서 전자 신문 서비스를 제공하는 기업을 위한 지능화된 고객 서비스의 일환으로 개인화(personalization) 된 광고 기법을 제공하고자 한다. 전자 신문은 통상적으로 정치, 경제, 스포츠, 문화 등의 여러 섹션으로 구분되어 제공되어지는데, 기계 학습 (machine learning) 기법을 도입하여 고객이 전자신문 페이지에 접속, 검색하고 읽어보는 기록을 분석하고 적절한 웹 광고 (특히, 배너광고)를 선택한 뒤, 그것을 고객이 해당 웹 사이트에 재접속할 때 제시함으로써 웹 광고에 대한 고객의 반응을 극적으로 향상시키고자 한다. 이를 위하여 현재 대한민국의 인터넷 전자신문 제공업자 중 유명한 한 곳을 선정하여 본 논문에서 제시한 방법론을 적용하고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제10권11호
• /
• pp.513-520
• /
• 2021

최근 학습, 교육 및 훈련으로 일컫는 이러닝 분야에서 교육(education)과 기술(technology)이 접목된 에듀테크(edutech)에 대한 연구가 활발하게 진행되고 있다. 그러나 디지털 기기에서 자동으로 수집이 가능한 학습활동 데이터를 기반으로 학습자 개개인에게 맞춤형 학습을 제공하는 연구는 많으나, 오프라인 학습에서 추출하고 활용해야 할 데이터의 수집 연구는 적다. 이에 본 연구는 데이터 수집 연구를 위해 인공지능 컴퓨터 비전 기술을 이용하여 교재 또는 문제지의 문항 검출 방법을 연구한다. 이는 교재 또는 문제지에 대한 디지털로의 변환작업 없이도 오프라인 학습활동 데이터를 수집·저장·분석하여 지능화 교육 서비스와 연계를 통해 오프라인 학습에서도 학습자의 개인 맞춤형 학습 서비스 제공한다.

• 한국컴퓨터정보학회논문지
• /
• 제10권4호
• /
• pp.365-373
• /
• 2005

유비쿼터스 환경을 위한 웹 기반 교육 시스템으로서 다양한 온라인 학습에 대한 새로운 교수 모형이 요구되고 있다. 또한, 학습자의 요구에 맞는 코스웨어의 주문이 증가되고 있는 추세이며 그에 따라 웹 기반 교육시스템에 효율적이고 자동화된 교육 에이전트의 필요성이 인식되고 있다. 그러나 현재 연구되고 있는 많은 교육 시스템들은 학습자 성향에 맞는 코스를 적절히 서비스해 주지 못할 뿐 아니라 지속적인 피드백과 학습자가 코스를 학습함에 있어서 취약한 부분을 재학습 할 수 있도록 도와주는 서비스를 원활히 제공하지 못하고 있다. 본 논문에서는 취약성 분석 알고리즘을 이용한 학습자 중심의 유비쿼터스 환경팩터를 통한 코스 스케줄링 멀티 에이전트 시스템을 제안한다. 제안한 시스템은 먼저 학습자의 학습 평가 결과를 분석하고 학습자의 학습 성취도를 계산하며, 이 성취도를 에이전트의 스케줄에 적용하여 학습자에게 적합한 코스를 제공하고, 학습자는 이러한 코스에 따라 능력에 맞는 반복된 학습을 통하여 적극적인 완전학습을 수행하게 된다.

• 실천공학교육논문지
• /
• 제11권1호
• /
• pp.75-86
• /
• 2019

본 연구에서는 점차 디지털 기반의 교육 활성화를 통해 혁신적 고등교육의 변화를 추구하는 세계적 흐름에 따라 학부 교육과 평생직업능력개발에서 활용 가능한 이러닝 기반의 맞춤형 교육 모델을 구안하였다. 국내외적으로 온라인 학습 시스템을 중심으로 교육과정의 형태와 내용이 변화하고 있어, 온라인 학습 플랫폼을 활용과 교육의 확장은 전반적인 고등교육 체제를 변화시키는 주요 요인으로 작용하고 있다. 이에 본 연구는 온라인학습플랫폼을 활용한 맞춤형 교육 모델을 수립하기 위하여, 주요 해외 선진 교육 사례를 분석하여 맞춤형 학습의 기본 방향을 학습자 맞춤형, 역량 맞춤형, 그리고 4차 산업혁명 선도형 인재 양성 교육 맞춤형으로 설정한 후 학부 및 평생직업능력개발 전문가를 대상으로 FGI를 실시하였다. 연구결과, 온라인학습플랫폼을 활용한 맞춤형 교육 모델로 학부교육에서 활용 가능한 학위형 모델과 평생직업능력개발 분야에서 활용 가능한 비학위형 모델을 도출하고 각각의 운영전략을 제언하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2006년도 추계학술발표대회
• /
• pp.23-26
• /
• 2006

최근 대부분의 이러닝(E-Learning)을 교육하는 사이트는 학습 콘텐츠를 검색하는 방법이 단순한 리스트의 나열과 택스트 매칭(Text matching)방법을 사용하는 단점이 있다. 이를 보완하기 위해 좀 더 컴퓨터가 정보 데이터의 의미를 분석하여 검색이 가능하도록 개념 네트워크인 시맨틱웹(Semantic Web)이 등장하였다. 본 논문에서는 이러한 시맨틱웹의 온톨로지(Ontology) 언어 중에 토픽맵(Topic Maps)을 사용하여 많은 양의 학습 정보 데이터를 쉽고도 정확하게 연결 지어 학습 콘텐츠에 대한 정보를 표현하고, 구조화할 수 있는 방법을 모색해 보고자 한다. 학습자의 관심분야 정보, 학습객체의 학습 권장자의 정보와 함께 학습 경험과 검색 빈도수를 분석한 협력 필터링과 학습 에이전트의 개인화 기법을 동시에 사용하여 선호도를 분석한다. 이 선호도를 가지고 학습자의 메타데이터를 생성하고, 로그 데이터를 따로 데이터베이스에 저장한다. 이러한 학습자의 정보와 학습 콘텐츠간의 정보를 상호 연결하여, 그 토픽맵을 사용하여 연관관계를 정의해 줌으로써 학업성취도를 높이고, 학습자 개개인의 성향에 가장 알맞은 학습 콘텐츠를 탐색해가는 네비게이터(Navigator)를 설계하였다.

• Journal of Korea Artificial Intelligence Association
• /
• 제2권1호
• /
• pp.1-6
• /
• 2024

In this paper, we develop an AI-based recommendation system that matches the specifications of smartphones from company 'S'. The system aims to simplify the complex decision-making process of consumers and guide them to choose the smartphone that best suits their daily needs. The recommendation system analyzes five specifications of smartphones (price, battery capacity, weight, camera quality, capacity) to help users make informed decisions without searching for extensive information. This approach not only saves time but also improves user satisfaction by ensuring that the selected smartphone closely matches the user's lifestyle and needs. The system utilizes unsupervised learning, i.e. clustering (K-MEANS, DBSCAN, Hierarchical Clustering), and provides personalized recommendations by evaluating them with silhouette scores, ensuring accurate and reliable grouping of similar smartphone models. By leveraging advanced data analysis techniques, the system can identify subtle patterns and preferences that might not be immediately apparent to consumers, enhancing the overall user experience. The ultimate goal of this AI recommendation system is to simplify the smartphone selection process, making it more accessible and user-friendly for all consumers. This paper discusses the data collection, preprocessing, development, implementation, and potential impact of the system using Pandas, crawling, scikit-learn, etc., and highlights the benefits of helping consumers explore the various options available and confidently choose the smartphone that best suits their daily lives.

• 한국컴퓨터정보학회논문지
• /
• 제26권10호
• /
• pp.117-124
• /
• 2021

이 논문에서 우리는 국가연구데이터플랫폼 (DataON)의 분석서비스인 CANVAS (Creative ANalytics enVironment And System)를 제안한다. CANVAS는 연구데이터 분석 자원과 도구가 필요한 연구자들을 위한 개인화된 분석 클라우드 서비스이다. CANVAS는 마이크로서비스 아키텍쳐 기반으로 확장성을 고려하여 설계하였으며 전자정부프레임워크인 Spring 프레임워크, Kubernetes, JupyterLab 등의 오픈소스 소프트웨어를 이용하여 구축하였다. 구축된 시스템은 여러 사용자에게 개인화된 분석환경을 제공하며 고성능 클라우드 인프라 (CPU·GPU)를 활용하여 고속의 대용량 데이터 분석이 가능하다. 구체적으로 JupyterLab 이나 GUI 워크플로우 환경에서 데이터 모델링 및 처리가 가능하다. CANVAS는 DataON과 데이터가 공유되므로 사용자가 등록하거나 다운로드 받은 연구데이터는 CANVAS에서 바로 분석을 수행할 수 있다. 이로서 CANVAS는 DataON 사용자의 데이터 분석 편의성을 높이고 연구데이터 공유·활용 활성화에 기여한다.