Adaptive Learning Recommendation System based on ITS

ITS 기반의 적응형 학습 추천 시스템

ITS(Intelligent Tutoring System) is a system that provides active and flexible tutoring conditions to learners, having adopted artificial intelligence to overcome the limitations of CAI(Computer Assisted Instruction). However, the existing ITS has a few problems; the system provides the same contents to every learner, not considering main variants of their learning and achievement, characters and levels, and therefore, it does not generate satisfactory results; the system does not offer a properly designed course schedule. Therefore, this thesis proposes ARS(Adaptive Recommendation System), founded on ITS, that provides contents designed based on the characters and levels of learners. To catch the characters of learners, the important variant for successful learning, ARS applies and embodies a module of self-assessment test. Also, it puts weighs according to the areas of learning which is different from the simplified assessment that asks for short and mechanical answers for the purpose of knowing the levels of the learners.

지능형 교수 시스템은 컴퓨터 보조 학습의 한계를 극복하고자 인공지능 기법을 도입하여 학습자의 현재 상황에 동적으로 융통성 있는 교육 여건을 지원하는 시스템이다. 그러나 기존의 지능형 교수 시스템들은 학습 성취도 향상에 중요 변인인 학습자의 특성, 학습자 수준 등을 고려하지 않고, 획일화 된 학습 내용들을 제공하고 있다. 이로 인해 효과적인 학습에 어려움이 있으며, 학습자의 학습 목표에 맞는 코스 스케줄링이 적응력 있게 동적으로 제공되지 못하는 문제점이 있다. 본 논문에서는 학습자의 특성과 학습자의 수준에 맞는 학습 내용 및 동적 학습 코스 제공을 위한 ITS 기반의 적응형 학습 추천 시스템을 제안한다. 성공적인 학습을 우한 중요 변인인 학습자의 특성 파악을 위해 자가 진단 테스트 모듈을 적용하였다. 그리고 학습자의 수준 파악을 위해 기존 단답식 위주의 단순 평가가 아닌 문항반응이론에 근거하여 학습 요소별 학습자의 객관성 있는 수준을 파악을 위해 학습 평가 모듈을 적용하였다.