준거 그룹 학습 행동 기반 개인 맞춤형 자기 주도 학습 유도 시스템 개발

온라인 학습 환경에서 단순 시험 점수만으로는 학습자의 정확한 수준 진단이 어렵고, 정서적 측면 고려가 중요합니다. 본 기술은 학습자의 문항별 정답 여부로 성취도 레벨을 파악하고, 문제 응답 과정에서 측정된 피부전도 반응, 심박 변이도, 피부온도 등의 생리 데이터로 긴장감 레벨을 함께 분석합니다. 이를 통해 성취도와 정서적 상태를 종합적으로 고려한 4가지 유형의 학습 수준을 판단하여, 각 유형에 맞는 맞춤형 후속 학습을 제공합니다. 학습자의 진정한 학습 상태를 파악하고 최적의 학습 경로를 제시하여 학습 효과를 극대화할 수 있습니다.

기존 학습 분석의 한계로 학습자의 심리 상태와 인지 부하를 객관적으로 측정하기 어려웠고, 정보 과잉 시대에 효과적인 학습 관리의 필요성이 커졌습니다. 본 기술은 학습자의 사전 지식과 학습 영상의 과제 복합성을 분석하여, 학습 과정에서 나타나는 동공 크기 및 심박변이도 등 생리 심리 반응을 통해 학습 구간별 인지 부하를 정밀하게 판단합니다. 사전 지식 수준에 따라 학습자를 그룹화하고, 과제 복합도가 다른 학습 영상을 제공하여 학습자의 생리 심리 반응 변화를 수집한 뒤, 이를 분석하여 인지 부하 유형을 구분합니다. 최종적으로 진단된 인지 부하 유형에 맞춰 학습자에게 최적화된 학습 처방을 제공하여 불필요한 인지 부하를 줄이고 본유적 인지 부하를 촉진합니다. 이 기술은 학습자의 개별적인 인지 상태에 기반한 맞춤형 학습 지원을 가능하게 하여 학습 효과를 극대화하고 학습의 질을 향상시킬 수 있습니다.

기존 동영상 학습 시스템은 사용자 학습 능력에 맞춰 내용이 변하지 않아 최적화된 학습 제공이 어려웠습니다. 본 기술은 학습용 동영상 콘텐츠를 구간별로 나누어 사용자의 시청 행동과 학습 성과 정보를 수집합니다. 수집된 정보와 사용자 속성을 매칭하여 학습자 군집을 형성하고, 각 군집의 행동과 성과를 데이터 마이닝 기법으로 분석합니다. 이를 통해 사용자의 성적 발생 원인을 파악하고 미래 성적을 예측하여, 학습 흥미도와 이해 능력에 최적화된 개인 맞춤형 학습 처방을 제공합니다. 교육자는 맞춤 전략을, 콘텐츠 제작자는 가이드라인을 제공받아 사용자에게 가장 효과적인 학습 경험을 선사할 수 있습니다.

기존 학습 분석 방식은 학습 행동 모델링에 집중하여 학습 과정 중 인지 부하 분석 및 개인별 맞춤 전략 제공에 한계가 있었습니다. 본 기술은 학습 동영상 시청 중 학습자의 시선 운동과 동공 변화를 실시간으로 측정하여 인지 부하 발생 여부를 판단합니다. 또한, 사전 지식 수준을 고려한 동공 변화 베이스라인 설정, 피크 판단 알고리즘, 그리고 회상 자극 기법을 활용하여 인지 부하의 발생 원인(내재적, 외재적, 본유적 인지 부하)을 정확히 분석합니다. 이처럼 정밀하게 파악된 원인에 기반한 맞춤형 학습 전략 정보를 학습자에게 제공함으로써 학습 집중도를 높이고 전반적인 학습 효율을 극대화할 수 있습니다.

기존 온라인 학습 시스템은 학습 동영상 시청자의 자기 주도 학습 유도에 어려움이 있어 집중 포인트를 파악하기 어려웠습니다. 본 기술은 빅데이터 기반 소셜 크라우딩 개념을 적용하여, 학습 동영상을 시청한 준거 그룹 학습자들의 행동 데이터를 분석합니다. 하이라이팅, 질의응답, 재생 제어 등 분석된 학습 행위를 그래프나 시그널 형태의 참조 정보로 현재 학습자에게 직관적으로 제공합니다. 이를 통해 학습자가 스스로 집중 구간을 파악하고 능동적으로 학습에 참여하도록 유도하여 자율 학습을 촉진하고 학습 동기를 향상시켜 교육 시스템의 만족도를 높일 수 있습니다.

기존 영상 수업에서는 학습자의 주의 집중 여부를 파악하기 어려워 수업 효과가 저해되는 문제가 있었습니다. 본 기술은 듀얼 카메라를 통해 사용자의 양안 시차를 측정하고, 이를 바탕으로 사용자의 시선이 디스플레이 화면의 특정 콘텐츠에 머무는지 추정합니다. 식별된 시선이 강의자의 얼굴, 학습 자료 등 학습 관련 정보에 집중되는지 모니터링하여 주의 집중 여부를 판단합니다. 이를 통해 학습 관련 정보를 주시하지 않는 사용자에게 즉각적인 피드백을 제공하여 주의 집중을 유도하며, 시선 체류 시간, 빈도, 이동 순서 등의 데이터를 분석하여 학습자 개인의 성적, 수업 만족도, 학습 정보별 수업 효과를 강의자에게 제공합니다. 이 시스템은 학습 효율성을 높이고 능동적인 수업 참여를 가능하게 합니다.