| 1 |
1
학습 성과 추론 장치가 학습 성과를 추론하기 위한 방법에 있어서,문서를 작성한 피평가자와 관련된 데이터 및 상기 문서에 대한 평가를 수행하는 평가자와 관련된 데이터를 추출하는 단계;상기 추출된 데이터를 기반으로 상기 피평가자 및 상기 평가자 관련 데이터의 속성을 선별하는 단계;상기 피평가자 및 상기 평가자 관련 데이터의 속성을 기반으로 상기 피평가자의 학습 성과를 추론하는데 사용할 수 없는 형식적인 데이터를 제거하여 상기 피평가자와 상기 평가자의 개인 정보를 생성하는 단계; 및상기 피평가자와 상기 평가자의 개인 정보를 기반으로 상기 피평가자와 상기 평가자가 쌍을 이루었을 때를 가정하여 상기 피평가자의 학습 성과를 추론하는 단계를 포함하되,상기 개인 정보 생성 단계는 SVDD(Support Vector Data Description) 기법을 사용하되, 상기 평가자 및 피평가자 관련 데이터를 특성 공간(feature space)의 데이터로 변형시키는 커널(kernal) 및 상기 특성 공간을 결정하는 결정함수를 기반으로 상기 형식적인 데이터를 제거하는 단계를 포함하는 것을 특징으로 하는 학습 성과 추론 방법
|
| 2 |
2
삭제
|
| 3 |
3
제 1 항에 있어서, 상기 데이터 추출 단계는상기 평가자의, 상기 피평가자가 작성한 문서에 대한 제 1 평가를 수신하는 단계;상기 피평가자의, 상기 제 1 평가에 대한 제 2 평가를 수신하는 단계;상기 피평가자가 상기 제 1 평가에 기반하여 상기 작성한 문서를 재작성한 문서에 대한 상기 평가자의 제 3 평가를 수신하는 단계;상기 피평가자의, 상기 제 3 평가에 대한 제 4 평가를 수신하는 단계; 및상기 제 1 내지 제 4 평가를 토대로 상기 피평가자 및 상기 평가자 관련 데이터를 추출하는 단계를 포함하는 것을 특징으로 하는 학습 성과 추론 방법
|
| 4 |
4
제 3 항에 있어서,상기 제 1 내지 제 4 평가는 점수를 매기는 방식 또는 코멘트를 작성하는 방식 중 적어도 어느 하나를 통해 평가하는 것을 특징으로 하는 학습 성과 추론 방법
|
| 5 |
5
제 3 항에 있어서, 상기 개인 정보 생성 단계는 상기 피평가자에 대한 제 1 및 제 3 평가와 상기 평가자에 대한 제 2 및 제 4 평가를 토대로, 글쓰기 능력 점수, 리뷰 능력 점수, 코멘트의 길이 및 코멘트의 속성별 출연 횟수를 기준으로 하여 상기 피평가자와 상기 평가자의 개인 정보를 생성하는 단계를 포함하는 것을 특징으로 하는 학습 성과 추론 방법
|
| 6 |
6
제 1 항에 있어서, 상기 학습 성과 추론 단계는상기 피평가자와 상기 평가자의 개인 정보를 다수의 속성으로 선별하고 상기 피평가자와 상기 평가자가 쌍을 이루었을 때를 가정하여 지지 벡터 회귀 모델(SVR: Support Vector Regression)을 사용함으로써 상기 피평가자의 학습 성과를 추론하는 단계를 포함하는 것을 특징으로 하는 학습 성과 추론 방법
|
| 7 |
7
제 1 항에 있어서, 상기 추론된 피평가자 학습 성과를 기반으로 상기 피평가자의 학습 성과를 최대화하는 평가자를 상기 피평가자에게 할당하는 단계를 더 포함하는 것을 특징으로 하는 학습 성과 추론 방법
|
| 8 |
8
문서를 작성한 피평가자와 관련된 데이터 및 상기 문서에 대한 평가를 수행하는 평가자와 관련된 데이터를 추출하는 데이터 추출부;상기 추출된 데이터를 기반으로 상기 피평가자 및 상기 평가자 관련 데이터의 속성을 선별하는 속성 선별부;상기 피평가자 및 평가자 관련 데이터의 속성을 기반으로 상기 피평가자의 학습 성과를 추론하는데 사용할 수 없는 형식적인 데이터를 추려내어 상기 피평가자와 상기 평가자의 개인 정보를 생성하는 개인 정보 생성부; 및상기 피평가자와 상기 평가자의 개인 정보를 기반으로 상기 피평가자와 상기 평가자가 쌍을 이루었을 때를 가정하여 상기 피평가자의 학습 성과를 추론하는 학습 성과 추론부를 포함하되,상기 개인 정보 생성부는 SVDD(Support Vector Data Description) 기법을 사용하되, 상기 평가자 및 피평가자 관련 데이터를 특성 공간(feature space)의 데이터로 변형시키는 커널(kernal) 및 상기 특성 공간을 결정하는 결정함수를 기반으로 상기 형식적인 데이터를 제거하는 것을 특징으로 하는 학습 성과 추론 장치
|
| 9 |
9
삭제
|
| 10 |
10
제 8 항에 있어서, 상기 데이터 추출부는상기 평가자의, 상기 피평가자가 작성한 문서에 대한 제 1 평가를 수신하는 제 1 평가 수신부;상기 피평가자의, 상기 제 1 평가에 대한 제 2 평가를 수신하는 제 2 평가 수신부;상기 피평가자가 상기 제 1 평가에 기반하여 상기 작성한 문서를 재작성한 문서에 대한 상기 평가자의 제 3 평가를 수신하는 제 3 평가 수신부;상기 피평가자의, 상기 제 3 평가에 대한 제 4 평가를 수신하는 제 4 평가 수신부; 및상기 제 1 내지 제 4 평가를 토대로 상기 피평가자 및 상기 평가자 관련 데이터를 추출하는 추출부를 포함하는 것을 특징으로 하는 학습 성과 추론 장치
|
| 11 |
11
제 10 항에 있어서,상기 제 1 내지 제 4 평가는 점수를 매기는 방식 또는 코멘트를 작성하는 방식 중 적어도 어느 하나를 통해 평가하는 것을 특징으로 하는 학습 성과 추론 장치
|
| 12 |
12
제 10 항에 있어서, 상기 개인 정보 생성부는 상기 피평가자에 대한 제 1 및 제 3 평가와 상기 평가자에 대한 제 2 및 제 4 평가를 토대로, 글쓰기 능력 점수, 리뷰 능력 점수, 코멘트의 길이 및 코멘트의 속성별 출연 횟수를 기준으로 하여 상기 피평가자와 상기 평가자의 개인 정보를 생성하는 것을 특징으로 하는 학습 성과 추론 장치
|
| 13 |
13
제 10 항에 있어서, 상기 학습 성과 추론부는상기 피평가자와 상기 평가자의 개인 정보를 다수의 속성으로 선별하고, 상기 피평가자와 상기 평가자가 쌍을 이루었을 때를 가정하여 지지 벡터 회귀 모델(SVR: Support Vector Regression)을 사용함으로써 상기 피평가자의 학습 성과를 추론하는 것을 특징으로 하는 학습 성과 추론 장치
|
| 14 |
14
제 8 항에 있어서, 상기 추론된 피평가자 학습 성과를 기반으로 상기 피평가자의 학습 성과를 최대화하는 평가자를 상기 피평가자에게 할당하는 평가자 할당부를 더 포함하는 것을 특징으로 하는 학습 성과 추론 장치
|
| 15 |
15
개인 학습 정보 생성 장치가 개인 학습 정보를 생성하기 위한 방법에 있어서,문서를 작성한 피평가자와 관련된 데이터 및 상기 문서에 대한 평가를 수행하는 평가자와 관련된 데이터를 추출하는 단계;상기 추출된 피평가자 및 평가자의 데이터를 기반으로 상기 피평가자의 학습 성과를 추론하는데 사용할 수 없는 형식적인 데이터를 제거하여 상기 피평가자와 상기 평가자의 개인 정보를 생성하는 단계; 및상기 피평가자와 상기 평가자의 개인 정보를 기반으로 상기 피평가자와 상기 평가자가 쌍을 이루었을 때를 가정하여 지지 벡터 회귀 모델(SVR: Support Vector Regression)을 사용하여 상기 피평가자의 학습 성과를 추론하는 단계를 포함하되,상기 개인 정보 생성 단계는 SVDD(Support Vector Data Description) 기법을 사용하되, 상기 평가자 및 피평가자 관련 데이터를 특성 공간(feature space)의 데이터로 변형시키는 커널(kernal) 및 상기 특성 공간을 결정하는 결정함수를 기반으로 상기 형식적인 데이터를 제거하는 단계를 포함하는 개인 학습 정보 생성 방법
|
| 16 |
16
삭제
|
| 17 |
17
문서를 작성한 피평가자와 관련된 데이터 및 상기 문서에 대한 평가를 수행하는 평가자와 관련된 데이터를 추출하는 데이터 추출부;기 추출된 피평가자 및 평가자의 데이터를 기반으로 상기 피평가자의 학습 성과를 추론하는데 사용할 수 없는 형식적인 데이터를 제거하여 상기 피평가자와 상기 평가자의 개인 정보를 생성하는 개인 정보 생성부; 및상기 피평가자와 상기 평가자의 개인 정보를 기반으로 상기 피평가자와 상기 평가자가 쌍을 이루었을 때를 가정하여 지지 벡터 회귀 모델(SVR: Support Vector Regression)을 사용하여 상기 피평가자의 학습 성과를 추론하는 학습 성과 추론부를 포함하되,상기 개인 정보 생성부는 SVDD(Support Vector Data Description) 기법을 사용하되, 상기 평가자 및 피평가자 관련 데이터를 특성 공간(feature space)의 데이터로 변형시키는 커널(kernal) 및 상기 특성 공간을 결정하는 결정함수를 기반으로 상기 형식적인 데이터를 제거하는 것을 특징으로 하는 개인 학습 정보 생성 장치
|
| 18 |
18
삭제
|
