1 |
1
개인 맞춤형 콘텐츠를 제공하기 위한 장치에 있어서, 학습자를 나타내는 학습자벡터, 문항을 나타내는 문항벡터와, 상기 학습자의 개념 이해도를 나타내는 개념이해도벡터와, 상기 학습자의 상기 문항에 대한 난이도를 나타내는 문항난이도벡터를 포함하는 입력변수가 입력되면, 상기 학습자가 상기 문항을 맞출 확률을 출력변수로 산출하는 정답률예측모형을 생성하는 모형생성부; 및 복수의 문항 및 복수의 사용자에 대응하여 상기 입력변수 및 상기 출력변수를 벡터공간에 사상하여 복수의 사용자문항벡터를 생성하고, 상기 복수의 사용자문항벡터를 클러스터링하여 복수의 클러스터를 생성하고, 상기 복수의 클러스터를 각 클러스터에 포함된 복수의 사용자문항벡터의 문항을 맞출 확률의 평균에 따라 상기 복수의 클러스터를 정렬하는 추천부;를 포함하며, 상기 추천부는 상기 복수의 클러스터 중 정답을 맞힐 확률의 평균이 기 설정된 기준치 이상이되, 가장 작은 클러스터를 선택하고, 선택된 클러스터의 중심과 가장 가까운 사용자문항벡터에 대응하는 문항을 출제하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 장치
|
2 |
2
삭제
|
3 |
3
제1항에 있어서, 상기 추천부는 기 출제된 문항에 대해 수신된 답안이 오답인 경우, 동일한 클러스터 내에서 출제된 문항에 대응하는 사용자문항벡터를 제외하고 클러스터의 중심과 가장 가까운 사용자문항벡터를 검출하고, 검출된 사용자문항벡터에 대응하는 문항을 선택하여 출제하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 장치
|
4 |
4
제1항에 있어서, 상기 추천부는 기 출제된 문항에 대해 수신된 답안이 정답인 경우, 정답을 맞힐 확률의 평균이 높은 순서에서 낮은 순서로 클러스터가 정렬되었을 때, 다음 순서의 클러스터를 선택하고, 선택된 클러스터에서 클러스터의 중심과 벡터공간 상에서 가장 가까운 사용자문항벡터를 검출하고, 검출된 사용자문항벡터에 대응하는 문항을 선택하여 출제하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 장치
|
5 |
5
개인 맞춤형 콘텐츠를 제공하기 위한 장치에 있어서, 학습자에 대해 학습자벡터를 할당하고, 문항에 대해 문항벡터를 할당하는 등록부; 개념추적모형을 이용하여 학습자의 문항에 대한 개념 이해도를 나타내는 개념이해도벡터를 산출하는 지식진단부; 문제모수추정모델을 통해 학습자의 문항에 대한 난이도를 나타내는 문항난이도벡터를 산출하는 문항진단부; 상기 학습자벡터, 상기 문항벡터, 상기 개념이해도벡터 및 상기 문항난이도벡터를 포함하는 입력변수가 입력되면, 학습자가 문항을 맞출 확률을 출력변수로 산출하는 정답률예측모형을 생성하는 모형생성부; 및 복수의 문항 및 복수의 사용자에 대응하여 상기 입력변수 및 상기 출력변수를 벡터공간에 사상하여 복수의 사용자문항벡터를 생성하고, 상기 복수의 사용자문항벡터를 클러스터링하여 복수의 클러스터를 생성하고, 상기 복수의 클러스터를 각 클러스터에 포함된 복수의 사용자문항벡터의 문항을 맞출 확률의 평균에 따라 상기 복수의 클러스터를 정렬하고, 상기 복수의 클러스터 중 정답을 맞힐 확률의 평균이 기 설정된 기준치 이상이되, 가장 작은 클러스터를 선택하고, 선택된 클러스터의 중심과 가장 가까운 사용자문항벡터에 대응하는 문항을 출제하는 추천부; 를 포함하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 장치
|
6 |
6
제5항에 있어서, 상기 모형생성부는 수학식 에서 상기 i 및 j는 입력변수의 인덱스이고, 상기 는 입력변수이고, 상기 는 출력변수이고, 상기 는 잔차값이고, 상기 는 i 번째 입력변수의 가중치이고, 상기 는 i, j번째 입력변수 간 상호작용 가중치일 때, 상기 입력변수를 상기 수학식에 입력하여 출력변수를 산출하고, 산출된 출력변수와 레이블과의 차이인 손실을 산출하고, 산출된 손실이 최소화되도록 하는 상기 상호작용 가중치를 포함하는 전체 가중치를 산출하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 장치
|
7 |
7
제5항에 있어서, 상기 추천부는 기 출제된 문항에 대해 수신된 답안이 오답인 경우, 동일한 클러스터 내에서 출제된 문항에 대응하는 사용자문항벡터를 제외하고 클러스터의 중심과 가장 가까운 사용자문항벡터를 검출하고, 검출된 사용자문항벡터에 대응하는 문항을 선택하여 출제하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 장치
|
8 |
8
제5항에 있어서, 상기 추천부는 기 출제된 문항에 대해 수신된 답안이 정답인 경우, 정답을 맞힐 확률의 평균이 높은 순서에서 낮은 순서로 클러스터가 정렬되었을 때, 다음 순서의 클러스터를 선택하고, 선택된 클러스터에서 클러스터의 중심과 벡터공간 상에서 가장 가까운 사용자문항벡터를 검출하고, 검출된 사용자문항벡터에 대응하는 문항을 선택하여 출제하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 장치
|
9 |
9
개인 맞춤형 콘텐츠를 제공하기 위한 방법에 있어서, 모형생성부가 학습자를 나타내는 학습자벡터, 문항을 나타내는 문항벡터와, 상기 학습자의 개념 이해도를 나타내는 개념이해도벡터와, 상기 학습자의 상기 문항에 대한 난이도를 나타내는 문항난이도벡터를 포함하는 입력변수가 입력되면, 상기 학습자가 상기 문항을 맞출 확률을 출력변수로 산출하는 정답률예측모형을 생성하는 단계; 추천부가 복수의 문항 및 복수의 사용자에 대응하는 입력변수로부터 상기 정답률예측모형를 통해 출력변수를 산출하고, 상기 복수의 문항 및 복수의 사용자에 대응하는 입력변수와, 산출된 출력변수를 벡터공간에 사상하여 복수의 사용자문항벡터를 생성하는 단계; 상기 추천부가 상기 복수의 사용자문항벡터를 클러스터링하여 복수의 클러스터를 생성하는 단계; 상기 추천부가 상기 복수의 클러스터를 각 클러스터에 포함된 복수의 사용자문항벡터의 문항을 맞출 확률의 평균에 따라 상기 복수의 클러스터를 정렬하는 단계;를 포함하며, 상기 추천부가 상기 복수의 클러스터 중 정답을 맞힐 확률의 평균이 기 설정된 기준치 이상이되, 가장 작은 클러스터를 선택하고, 선택된 클러스터의 중심과 가장 가까운 사용자문항벡터에 대응하는 문항을 출제하는 단계;를 더 포함하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 방법
|
10 |
10
삭제
|
11 |
11
제9항에 있어서, 상기 문항을 출제하는 단계 후, 상기 추천부가 기 출제된 문항에 대해 수신된 답안이 오답인 경우, 동일한 클러스터 내에서 출제된 문항에 대응하는 사용자문항벡터를 제외하고 클러스터의 중심과 가장 가까운 사용자문항벡터를 검출하는 단계; 상기 추천부가 상기 검출된 사용자문항벡터에 대응하는 문항을 선택하여 출제하는 단계;를 더 포함하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 방법
|
12 |
12
제9항에 있어서, 상기 문항을 출제하는 단계 후, 상기 추천부가 기 출제된 문항에 대해 수신된 답안이 정답인 경우, 정답을 맞힐 확률의 평균이 높은 순서에서 낮은 순서로 클러스터가 정렬되었을 때, 다음 순서의 클러스터를 선택하는 단계; 및 선택된 클러스터에서 클러스터의 중심과 벡터공간 상에서 가장 가까운 사용자문항벡터를 검출하고, 검출된 사용자문항벡터에 대응하는 문항을 선택하여 출제하는 단계;를 더 포함하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 방법
|
13 |
13
개인 맞춤형 콘텐츠를 제공하기 위한 방법에 있어서, 등록부가 학습자에 대해 학습자벡터를 할당하고, 문항에 대해 문항벡터를 할당하는 단계; 지식진단부가 개념추적모형을 이용하여 학습자의 문항에 대한 개념 이해도를 나타내는 개념이해도벡터를 산출하는 단계; 문항진단부가 문제모수추정모델을 통해 학습자의 문항에 대한 난이도를 나타내는 문항난이도벡터를 산출하는 단계; 모형생성부가 상기 학습자벡터, 상기 문항벡터, 상기 개념이해도벡터 및 상기 문항난이도벡터를 포함하는 입력변수가 입력되면, 학습자가 문항을 맞출 확률을 출력변수로 산출하는 정답률예측모형을 생성하는 단계;추천부가 복수의 문항 및 복수의 사용자에 대응하여 상기 입력변수 및 상기 출력변수를 벡터공간에 사상하여 복수의 사용자문항벡터를 생성하는 단계; 상기 추천부가 상기 복수의 사용자문항벡터를 클러스터링하여 복수의 클러스터를 생성하는 단계; 상기 추천부가 상기 복수의 클러스터를 각 클러스터에 포함된 복수의 사용자문항벡터의 문항을 맞출 확률의 평균에 따라 상기 복수의 클러스터를 정렬하는 단계; 상기 추천부가 상기 복수의 클러스터 중 정답을 맞힐 확률의 평균이 기 설정된 기준치 이상이되, 가장 작은 클러스터를 선택하고, 선택된 클러스터의 중심과 가장 가까운 사용자문항벡터에 대응하는 문항을 출제하는 단계; 를 포함하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 방법
|
14 |
14
제13항에 있어서, 상기 정답률예측모형을 생성하는 단계는 수학식 에서 상기 i 및 j는 입력변수의 인덱스이고, 상기 는 입력변수이고, 상기 는 출력변수이고, 상기 는 잔차값이고, 상기 는 i 번째 입력변수의 가중치이고, 상기 는 i, j번째 입력변수 간 상호작용 가중치일 때, 상기 모형생성부가 상기 입력변수를 상기 수학식에 입력하여 출력변수를 산출하는 단계; 및 상기 모형생성부가 산출된 출력변수와 레이블과의 차이인 손실을 산출하고, 산출된 손실이 최소화되도록 하는 상기 상호작용 가중치를 포함하는 전체 가중치를 산출하는 단계;를 포함하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 방법
|
15 |
15
제13항에 있어서, 상기 문항을 출제하는 단계 후, 상기 추천부가 기 출제된 문항에 대해 수신된 답안이 오답인 경우, 동일한 클러스터 내에서 출제된 문항에 대응하는 사용자문항벡터를 제외하고 클러스터의 중심과 가장 가까운 사용자문항벡터를 검출하는 단계; 상기 추천부가 상기 검출된 사용자문항벡터에 대응하는 문항을 선택하여 출제하는 단계;를 더 포함하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 방법
|
16 |
16
제13항에 있어서, 상기 문항을 출제하는 단계 후, 상기 추천부가 기 출제된 문항에 대해 수신된 답안이 정답인 경우, 정답을 맞힐 확률의 평균이 높은 순서에서 낮은 순서로 클러스터가 정렬되었을 때, 다음 순서의 클러스터를 선택하는 단계; 및 선택된 클러스터에서 클러스터의 중심과 벡터공간 상에서 가장 가까운 사용자문항벡터를 검출하고, 검출된 사용자문항벡터에 대응하는 문항을 선택하여 출제하는 단계;를 더 포함하는 것을 특징으로 하는 개인 맞춤형 콘텐츠를 제공하기 위한 방법
|