• Proceedings of the Korea Contents Association Conference
• /
• 2015.05a
• /
• pp.423-424
• /
• 2015

본 논문은 학습 수준에 따라 개인별 또는 그룹별로 학습이 가능하도록 지원하는 단체 학습 시스템을 제안한다. 제안하는 시스템은 교수자가 학습능력과 수준의 차이에 따라 학습자를 수준별로 그룹을 임의로 설정하여 설정된 개별 학습자 혹은 학습자 그룹별로 각기 다른 학습 콘텐츠를 제공하도록 함으로써 학생들이 같은 공간, 간은 시간대에 있더라도 개인별 맞춤 학습을 진행하는 것이 가능하다. 개별 학습자 또는 학습자 그룹별로 학습을 독립적으로 진행할 수 있도록 제어함으로써 모든 학습자는 개인화된 학습 시스템을 각기 사용하는 것과 같은 효과를 누리게 된다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2001.04b
• /
• pp.1041-1044
• /
• 2001

현재 웹 상에서 이루어지는 교육은 개별 학습자의 학습 기대 수준에 따라 주문형(customization)과 맞춤형(personalization)교육이 요구되고 있으나 대부분 웹을 통한 교육이 획일적 커리큘럼에 따라 진행되고, 동일한 형태의 피드백을 제공하고 있어 학습자 개개인의 수준에 맞는 컨텐츠의 제공과 적절한 피드백이 이루어지지 못하고 있다. 따라서 학습 효과를 높이기 위해서는 학습자 수준에 맞는 차별화된 컨텐츠를 구성하여 제공하여야 한다. 본 연구에서는 수준별 학습, 맞춤형 교육 서비스를 제공하기 위한 컨텐츠 구성방법에 관하여 논의한다. 양질의 맞춤형 컨텐츠를 구성하기 위해 컨텐츠를 영역별로 분류하여 모듈화하고, 맞춤형 컨텐츠를 효율적으로 관리하여 학습자의 지식영역별 습득정도를 파악하고, 학습자의 수준에 맞게 융통성이 있으며 동적으로 컨텐츠를 재구성함으로써 학습자에게 가장 적절한 컨텐츠를 추출하여, 반복 학습을 통한 교육의 질적 제고를 기대한다.

• Journal of Korea Society of Industrial Information Systems
• /
• v.11 no.4
• /
• pp.25-31
• /
• 2006

With the increasing demand of foreign language education in colleges, an effective testing and study system is also needed especially for large scale classes. In this paper, 1 propose a new online system for running large scale foreign language classes which supports not only testing function but also individually customized studying and diagnosis functions. Using the proposed system enables saving of testing space and helps all students get equally good testing and study environment regardless of class size and lecturers.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2009.11a
• /
• pp.265-266
• /
• 2009

컴퓨터 프로그래밍 학습은 학습자 개개인의 학습 수준에 따라 맞춤형 학습으로 진행될 때 학습 효과가 크다. 본 연구에서는 연구자에 의해 다년간 다양한 방법으로 시도되었던 학습자의 수준별 맞춤형 학습 유형들을 소개하고 각 학습 유형들이 학습에 참여한 학습자들의 취업률에 어떤 영향을 미쳤는지를 분석해보고자 하였다.

• Proceedings of the Korean Information Science Society Conference
• /
• 2006.10a
• /
• pp.77-82
• /
• 2006

시 공간상의 제약 없이 다양한 정보의 제공이 가능한 현재의 웹 환경을 통해서 우리나라는 다양한 정보와 자료를 활용하여 학습자 중심의 탐구활동 및 자기 주도적 학습을 강구하고 있다. 따라서, 전국 초중등 학생들을 대상으로 시도별 특화된 맞춤 서비스, 즉 LMS(학습관리시스템)을 구축 운영하고 있지만 현재 시스템에서는 다양하고 방대한 학습 콘텐츠에서 학습자가 자신에게 맞는 과정을 검색, 신청하는데 많은 어려움이 있다. 본 논문에서는 이런 어려움을 해결하기 위해서 학습자가 개인의 학습내용을 빠르고 편리하게 등록하고 검색할 수 있게 하고, 시스템의 지능적인 의미검색이 가능하게 하기 위해서 시맨틱 웹과 AJAX기술을 이용한 개인 맞춤형 학습관리 시스템 설계 및 구현을 하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.549-550
• /
• 2021

사용자에게 맞춘 개인화된 제품과 서비스를 제공하는 기술의 발전으로 개인화의 수요는 점점 늘어날 것으로 전망하고 있다. 또한 개인 맞춤형으로 전문 스포츠 선수화, 족부 장애우를 위한 정형 제화 등 전문적인 기능 중심의 개인화나 패션을 위한 스타일 중심의 개인화 등 개인 맞춤 제작 신발을 제작할 때 기존의 아날로그적인 방식으로 발 변인을 측정했을 때 각 변인에 대해 기준점이 명확하지 않아서 재현성이 떨어진다. 따라서 본 논문에서는 자를 이용해 간단히 측정 가능한 기본적인 발 변인 이용하여 다른 변인들을 학습하고 딥러닝을 이용해 추정하는 방법에 대해 서술한다. 이를 위해 20개의 발 변인을 휙득 하였고 그 중 6개의 기본적인 발 변인을 이용해 14개 변인을적합 방지를 위해 Dorpout을 적용해 학습하고 학습한 데이터를 이용해 학습하지 않은 데이터를 테스트해 각 변인별 결과를 보여준다.

• Proceedings of The KACE
• /
• 2017.08a
• /
• pp.221-224
• /
• 2017

본 논문은 사용자 수준에 적합한 맞춤형 학습코스를 추천하여 학습효과를 향상시킬 수 있는 추천모델을 개발하고, 효과분석을 위한 방안을 제시한다. 학습자 개개인의 학습수준이나 학습내용 등에 따라 적합한 학습주제를 선정하여 제공하는 것은 중요하나, 일반적인 추천은 전문가 그룹을 활용한 사람중심의 추천으로 시간이 오래 걸리는 등 자원의 비효율적 한계점[1]을 가지고 있다. 이를 극복하기 위해, TF-IDF를 이용해 단어별 가중치를 계산하여 고빈도 단어를 추출하여 벡터 공간에 배치시키고, Cosine Similarity 기법을 이용해 벡터간의 유사도를 측정하였다. 학습자 프로파일을 분석하고, 학습스킬간의 연관성을 고려하여 맞춤형 학습코스를 추천하기 위해, 워드 임베딩 기법을 적용하였고, 이를 위해 오픈소스 Gensim[2]을 이용하였다. 맞춤형 학습코스 추천 모델의 효과를 분석하기 위한 실험을 설계하고 평가 문항지를 개발하였다.

• Journal of Digital Contents Society
• /
• v.11 no.4
• /
• pp.589-595
• /
• 2010

In this paper, we have designed and implemented a personalized health training system which provides health training methods using 3D animation based on the data from a professional trainer, after a trainee inputs individual physical characteristics. Many trainers at fitness centers provide only sketchy training method and usage of fitness machines not appropriate training method for trainee's physical characteristics. Individual characteristics. Individual characteristics prepared tabular input which consists of exercise goals, exercise areas, whether or not the normal movement, and RM. The system provides the training methods, the effects of exercise, and the health training motions through searching the database more accurately.

• Journal of the Korea Convergence Society
• /
• v.9 no.10
• /
• pp.21-28
• /
• 2018

To help users who are experiencing difficulties finding the right learning course corresponding to their level of proficiency, we developed a recommendation model for personalized learning course for Intelligence Tutoring System(ITS). The Personalized Learning Course Recommendation model for ITS analyzes the learner profile and extracts the keyword by calculating the weight of each word. The similarity of vector between extracted words is measured through the cosine similarity method. Finally, the three courses of top similarity are recommended for learners. To analyze the effects of the recommendation model, we applied the recommendation model to the Women's ability development center. And mean, standard deviation, skewness, and kurtosis values of question items were calculated through the satisfaction survey. The results of the experiment showed high satisfaction levels in accuracy, novelty, self-reference and usefulness, which proved the effectiveness of the recommendation model. This study is meaningful in the sense that it suggested a learner-centered recommendation system based on machine learning, which has not been researched enough both in domestic, foreign domains.

• The Journal of the Institute of Internet, Broadcasting and Communication
• /
• v.21 no.3
• /
• pp.99-105
• /
• 2021

In addition to the OTT video production service represented by Nexflix and YouTube, a personalized recommendation system for content with artificial intelligence has become common. YouTube's personalized recommendation service system consists of two neural networks, one neural network consisting of a recommendation candidate generation model and the other consisting of a ranking network. Netflix's video recommendation system consists of two data classification systems, divided into content-based filtering and collaborative filtering. As the online platform-led content production is activated by the Corona Pandemic, the field of virtual influencers using artificial intelligence is emerging. Virtual influencers are produced with GAN (Generative Adversarial Networks) artificial intelligence, and are unsupervised learning algorithms in which two opposing systems compete with each other. This study also researched the possibility of developing AI platform based on individual recommendation and virtual influencer (metabus) as a core content of OTT in the future.