• 전자공학회논문지 IE
• /
• 제45권4호
• /
• pp.68-73
• /
• 2008

본 연구는 웹 기반 학습평가를 위한 학습자 중심의 문제추천 시스템을 제안하였다. 문제추천 과정을 위하여 문항난이도가 이용되었으며, 각 문제들은 문제은행에 저장 및 관리되었다. 문항난이도는 학습과정 중 재 산출되며 다음 학습에서 피드백되었다. 학습자 중심 문제추천을 위해, 학습자는 학습 전 학습단원을 선택할 수 있으며 학습난이도를 설정할 수 있도록 하였다. 제안방법의 적용결과 대부분의 학습자들이 학습난이도 조절로 인하여 성적이 향상됨을 알 수 있었다.

• 인터넷정보학회논문지
• /
• 제10권5호
• /
• pp.145-152
• /
• 2009

학습과정이나 맞춤형 학습과 같은 애플리케이션에서는 학습자에 맞는 상호작용에 의한 학습자 모델 결과를 신뢰할 수 있어야 한다. 이에 CAT(Computer Adaptive Testing)는 학습정보를 최대화하기 위해 학습항목을 관리할 수 있어서 유용하게 사용된다. 본 연구는 학습자 중심의 문항추천 프로세스를 설계하였다. 이는 CAT에서 활용되어질 수 있으며, 각 프로세스의 전개방법은 정형화 언어인 CSP를 사용하였다. 또한 문항추천 방법은 문항반응이론의 문항난이도를 이용하였으며, 학습자는 다음 학습의 문제 난이도 조정을 위해 난이도 변경단계를 설정할 수 있도록 하였다. 이러한 방법을 통하여 기존의 방법과 비교함으로서 그 구조적인 차이를 제시하였다.

• 한국산업정보학회논문지
• /
• 제27권2호
• /
• pp.11-24
• /
• 2022

LMS 기반의 온라인 평가를 위해 출제되는 문제들은 교수자가 직접 출제하거나 또는 카테고리별로 나뉘어진 문제은행에서 난이도에 따른 자동 출제 방식을 주로 이용한다. 이중에서 난이도에 따른 자동출제 방식은 평가자들에게 출제되는 문제가 서로 다를수 있기 때문에 무엇보다 객관적이고 효율적인 방법으로 문제의 난이도를 관리하는 것이 중요하다. 본 논문에서는 문제의 정답률뿐만 아니라 해당 문제를 해결하는데 사용된 소요시간을 같이 고려한 난이도 재조정 알고리즘을 제시한다. 이를 위해 머신러닝의 로지스틱 회귀 분류 알고리즘을 이용하였으며, 학습모델의 예측 확률값을 기반으로 기준 임계값을 설정하여 각 문항별 난이도 재조정에 활용하였다. 그 결과 정답률에만 의존한 문항별 난이도에 많은 변화가 일어남을 확인할 수 있었다. 또한 조정된 난이도의 문제를 이용하여 그룹별 평가를 수행한 결과, 정답률 기반의 난이도 문제에 비해서 대부분의 그룹에서 평균 점수가 향상됨을 확인할 수 있었다.

• 정보처리학회논문지D
• /
• 제12D권3호
• /
• pp.471-480
• /
• 2005

웹 기반의 원격 교육에서 평가를 위해 출제되는 문제들은 주로 고정 출제나 무작위 출제 방식 또는 난이도에 따른 자동 출제 방식을 이용하고 있다. 이중에서 난이도에 따른 자동 출제 방식은 해당 문제의 초기 난이도 부여에 대한 객관성과 주어진 난이도를 이용한 보다 효율적인 문제의 출제 그리고 출제된 문제들에 대한 학습자들의 평가 결과로서 해당 문제들의 난이도를 재조정하는 것이 문제의 핵심이라 할 수 있다. 본 논문에서는 웹 기반의 학습 시스템에서 평가를 위한 자동 출제 방식을 이용함에 있어서 첫째, 난이도뿐만 아니라 학습 범위를 함께 고려한 새로운 난이도별-영역별 문제 출제 알고리즘을 제시하고 둘째, 평가 결과를 바탕으로 해당 문제들의 난이도를 다시 조정하는데 있어서는 학습자들의 학습 능력을 고려한 새로운 난이도 재조정 알고리즘을 제시한다. 제시된 알고리즘을 구축된 웹기반 학습 시스템에서 기존 알고리즘과 비교 분석해 본 결과 보다 효율적임을 확인할 수 있었다.

• 인지과학
• /
• 제33권1호
• /
• pp.77-93
• /
• 2022

선행 연구들에서는 그럴듯한 기준점이 극단적 기준점보다 더 큰 기준점 효과를 야기하는 반면, 주어진 문항과 관련된 개인의 지식수준이 높으면 기준점 효과가 작아진다고 보고하고 있다. 하지만 제시되는 기준점이 그럴듯한지 여부와 주어진 문항 자체의 난이도가 기준점 효과에 미치는 영향을 함께 살펴본 연구는 없었다. 따라서 본 연구에서는 기준점의 극단성과 문항의 난이도가 기준점 효과에 미치는 영향을 살펴보았으며, 이에 더해 응답 확신도와 기준점 효과의 관계도 살펴보았다. 이를 위하여 예비 연구를 통해 쉬운 문항과 어려운 문항, 그럴듯한 기준점과 극단적인 기준점을 선정하였다. 본 실험은 '표준 기준점 실험 절차' 에 따라 진행되었다. 연구 결과, 기준점의 극단성과 문항의 난이도는 각각 기준점 효과에 영향을 미쳤으며 문항의 난이도는 응답 확신도에도 또한 영향을 미쳤다. 구체적으로, 그럴듯한 기준점을 제시했을 때와 어려운 문항을 제시했을 때에 기준점 효과가 크게 나타났다. 또한 자신의 수행에 대한 확신이 낮을수록 극단적인 기준점이 제시되었을 때 기준점의 영향을 크게 받았다. 이러한 결과는 기준점이 그럴듯한지와 문항의 난이도에 따라 기준점 효과의 크기와 확신 정도, 그리고 기준점 효과와 확신도 사이의 상관관계가 다르게 나타난다는 것을 보여준다. 본 연구의 결과는 기준점의 특성이나 개인의 상태에 따라 기준점 효과가 달라진다고 제안하는 기준점 효과에 관한 태도 변화 관점을 뒷받침한다.

• 한국산업정보학회논문지
• /
• 제9권4호
• /
• pp.47-55
• /
• 2004

웹 기반의 원격 교육에서 평가를 위해 출제되는 문제들은 주로 고정 출제나 무작위 출제 방식 또는 난이도에 따른 자동 출제 방식을 이용하고 있다. 이중에서 난이도에 따른 자동 출제 방식은 학습자들의 평가 결과에 따른 난이도 재조정으로 문제 은행의 문제들에 대한 객관성을 유지하는 것이 중요한 문제이다. 이에 본 논문에서는 난이도에 따른 자동 출제 방식에서 문제은행의 난이도를 재조정함에 있어서 학습자들의 평가 결과와 학습자득의 학습 능력을 함께 고려한 새로운 난이도 재조정 알고리즘을 제시판다 제시된 알고리즘을 구축된 웹기반 학습 시스템에서 기존 알고리즘과 비교 분석한 결과 보다 효율적으로 문제 난이도를 관리할 수 있음을 확인한 수 있었다.

• 컴퓨터교육학회논문지
• /
• 제22권3호
• /
• pp.55-65
• /
• 2019

플립러닝 방식의 프로그래밍 언어 학습 시스템에서 사이버 강의에 대한 평가는 일반적으로 온라인에서 객관식 문제로 진행된다. 이때 출제되는 문제는 문제은행에서 랜덤하게 추출하여 학습자 개개인에게 주어진다. 이러한 평가 결과가 성적에 반영되기 위해서는 시험 문제의 형평성이 무엇보다 중요하다. 특히 프로그래밍 언어 과목에서는 문제의 유형에 따라 학습자가 생각하는 난이도가 서로 다를 수 있다. 본 논문에서는 객관식 문제의 유형을 2가지로 분류하여, 각 유형별로 난이도를 관리한다. 그리고 문제의 난이도와 유형을 함께 고려한 문제 출제 알고리즘을 제시하였다. 제시된 알고리즘은 프로그래밍 언어 과목의 특성을 고려할 때 기존의 출제 방식에 비해 보다 공정하고 효율적임을 실험을 통해 확인할 수 있었다.

• 한국정보통신학회:학술대회논문집
• /
• 한국해양정보통신학회 2008년도 지능정보 및 응용 학술대회
• /
• pp.160-164
• /
• 2008

이러닝 문제은행 기반의 출제 시스템에서 평가를 위해 출제되는 문제들은 주로 난이도에 따른 자동 출제 방식을 이용하고 있다. 이러한 방식은 출제 시점의 문제 난이도가 문제 출제에 핵심이기 때문에 무엇보다 객관적이고 효율적인 방법으로 문제의 난이도에 대한 지속적인 관리가 필요하다. 본 논문에서는 웹 기반의 학습 시스템에서 보다 효율적인 문제 출제를 위해, 평가 결과를 바탕으로 해당 문제들의 난이도를 동적으로 재조정하는 보다 향상된 알고리즘을 제시한다. 제시된 알고리즘을 구축된 웹기반 학습 시스템에서 기존 알고리즘과 비교 분석해 본 결과 보다 효율적임을 확인할 수 있었다.

• 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.

• 한국산업정보학회논문지
• /
• 제9권3호
• /
• pp.11-18
• /
• 2004

웹 기반 학습 시스템에서 평가를 위한 문제출제 방식에 대해 많은 연구가 이루어지고 있다. 이러한 원격 교육에서 출제되는 문제들은 고정 출제나 무작위 출제 방식 또는 난이도에 따른 자동 출제 방식을 사용하고 있다. 본 논문에서는 산업 기사 시험을 대비하는 학생들을 위한 웹 기반 학습 시스템을 설계함에 있어 기사 시험에 맞는 새로운 문제 출제 알고리즘을 제시한다. 일반적으로 기사 시험은 평균 점수에 맞는 난이도별 문제 출제와 함께 전체 학습 범위에서 골고루 시험 문제가 출제되어야 하는 특징이 있다. 따라서 제시된 알고리즘에서는 자동 문제 출제를 함에 있어 난이도뿐만이 아니라 전체 학습 범위에 대한 분포도 고려하여 문제를 골고루 출제한다. 이는 난이도에 의한 자동 출제 방식에 비해 기사 시험을 준비하는 학습자에게 보다 효과적인 학습 진단 방법을 제공할 수 있다.