KR20120113573A - 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법 - Google Patents

Abstract

본 발명은 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공시스템 및 그 방법에 관한 것으로, 이러닝 시스템을 통해 제공되는 학습 컨텐츠들을 매 회차마다 소정의 기준에 의해 세분화하여 나누되 수집된 각 개인별 성향 및 이해도에 맞추어 매 회차의 학습 컨텐츠에 포함될 부분들을 각각 선정함으로써 개인별 맞춤형 학습컨텐츠를 제공한다. 특히, 학습도중 사용자의 뇌파를 모니터링하되 집중도가 일정수준 이하로 낮아진 경우 학습화면 일측에 표시된 사용자 인터페이스를 통해 사용자의 피드백을 수집하며, 집중도가 낮았던 부분은 어느 부분인지 사용자의 피드백은 어떤 것인지를 분석함으로써 차회 학습컨텐츠를 재구성하는 것을 특징으로 한다. 뿐만 아니라, 사용자의 뇌파수준과 피드백에 따라서는 현재 제공되고 있던 학습컨텐츠의 해당 부분만을 실시간으로 다른 컨텐츠로 변경하여 제공할 수 있다. 이러한 본 발명에 의할 때, 사용자의 뇌파정보와 피드백을 이용하여 각 사용자마다 적합한 학습컨텐츠를 재구성하여 제공할 수 있다.

Description

뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법{METHOD OF PROVIDING CUSTOMIZED LEARNING CONTENTS BASED ON BRAINWAVE INFORMATION}

본 발명은 이-러닝 시스템을 통한 학습컨텐츠의 제공과정에서 학습자의 뇌파정보를 수집하고, 이를 이용하여 맞춤형 학습컨텐츠를 선정하여 제공하는 방법에 관한 것이다.

인터넷 인프라의 확대와 컴퓨팅 기술의 발전에 힘입어 종래 교실에서 강사와 직접 대면하고 교수, 학습하던 것에서 벗어나 시간과 장소에 구애됨이 없이 각 학습자의 수준에 맞추어 학습을 할 수 있도록 하는 이른바 이-러닝(Electronic Learning)이 널리 보급되고 있다.

이러한 이-러닝은 학습자가 원하는 시간과 장소에서 학습을 할 수 있으며, 스스로 자신에게 적합한 학습방법과 진도를 결정하여 주도적으로 학습을 할 수 있도록 한다는 장점을 가진다.

이와 같은 이-러닝에 의해 시간적, 공간적 제약이 해소될 뿐만 아니라 전문화된 높은 퀄리티의 컨텐츠를 데이터베이스화함으로써 학습자들은 낮은 비용으로도 각자 독립적인 공간에서 학습하는 것이 가능해진다.

뿐만 아니라, 종래의 오프라인상 교수방식에 비할 때 선택의 폭이 넓어지며, 학습효과가 크게 개선될 수 있다.

도 1은 종래기술에 의한 일반적인 서버-클라이언트 구조의 이-러닝 시스템을 설명한다.

도 1에 도시된 바에 의할 때 사용자는 클라이언트(10)를 이용하여 네트워크(인터넷, 인트라넷 등)를 통해 서버(20)에 접속하여 학습을 위한 컨텐츠를 제공받아 재생한다.

이때, 클라이언트(10)는 개인용 컴퓨터(PC : Personal Computer)를 주로 가정할 수 있으나 이외에도 인터넷을 통해 서버(20)로 접속가능하며, 제공받은 학습 컨텐츠를 컨텐츠의 포맷에 적합한 방식으로 재생할 수 있는 것이라면 태블릿(Tablet), 스마트폰(Smart Phone), 넷북(Netbook) 등 다양한 형태의 하드웨어가 사용될 수 있을 것이다.

서버(20)는 각 사용자별 계정정보를 저장하되, 인터넷을 통해 접속한 클라이언트(10)에 대해 사용자 계정정보를 읽어, 해당 사용자가 수강중인 과목의 진도에 따라서 적절한 학습 컨텐츠를 제공한다.

그러나, 오프라인상에서 강사와 직접 대면하여 강의를 듣는 경우와는 달리 이와 같은 이-러닝은 자칫 클라이언트(10) 화면을 통해 강의 내용이 일방적으로 전달될 뿐인 형태가 될 개연성이 있으며, 사용자가 학습과정의 처음부터 끝까지 같은 수준의 집중도를 유지하기가 어려울 수 있다.

뿐만 아니라, 학습의 전과정이 학습자의 자율에 의존하기 때문에 학습자 개인의 의지와 흥미가 충분하지 못한 경우에는 학습효과의 부진으로 귀결될 소지마저 있다.

특히, 학습자 개개인마다의 이해도나 학습스타일, 집중력, 관심분야와 소질이 각각 상이하기 때문에 일원화된 학습컨텐츠를 이용할 경우 해당 학습컨텐츠와 성향이 맞아 높은 학습성과를 올리는 학습자도 있을 것이나, 그렇지 못한 학습자들도 상당수 발생할 수 밖에 없다.

따라서, 성공적인 이-러닝의 정착을 위하여 학습자 개개인의 성향을 분석함으로써 개개인별로 맞춤형 학습 컨텐츠를 제공하는 방법론의 모색이 절실하다.

본 발명은 상기와 같은 종래기술의 문제점을 해소하기 위하여 안출된 것으로 이-러닝 시스템을 통한 학습도중 학습자의 뇌파정보를 수집하되, 뇌파정보가 사용자가 졸음, 산만 또는 집중력 하락을 보이면 해당 시점의 학습컨텐츠 내용에 대한 사용자의 피드백을 받음으로써 사용자의 학습성향을 파악하도록 하는 방법론의 제공을 그 목적으로 한다.

나아가 본 발명의 다른 목적은 회차 단위로 제공되는 학습컨텐츠에 있어 파악된 사용자 학습성향을 이용하여 다음 회차의 학습컨텐츠를 실시간으로 선정하는 방법론 제공에 있다.

본 발명의 또 다른 목적은 강의 동영상의 형태로 제공되는 학습컨텐츠의 제공 도중 사용자가 졸음, 산만 또는 집중력 하락을 보이면 상기 강의 동영상의 해당 내용만을 다른 강사의 강의 동영상으로 실시간 대체하여 제공하는 방법론의 제공에 있다.

상기와 같은 목적을 달성하기 위하여 본 발명의 일 실시예에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법은 사용자의 선택에 따라 상기 사용자에게 제공할 학습 컨텐츠의 커리큘럼을 저장하되, 각 학습 컨텐츠는 회차 단위로 구성되고, 매 회차의 학습 컨텐츠는 순차연결된 다수의 단위학습 데이터 및 각 단위학습 데이터에 대한 메타 데이터를 더 포함하며, 상기 커리큘럼은 다수의 회차로 구성되되 매 회차마다의 하나 또는 그 이상의 학습 컨텐츠에 대응되는 제 110 단계;

상기 커리큘럼의 소정 회차에 대응하는 학습 컨텐츠를 디스플레이 장치를 통해 표시함으로써 제공하며, 학습 컨텐츠의 제공과 동시에 사용자의 생체신호를 실시간 모니터링하는 제 120 단계;

사용자의 생체신호가 일정 범위의 값을 가질 때마다 상기 학습 컨텐츠의 제공을 일시중지하고, 해당 시점의 단위학습 데이터를 특정하되, 상기 디스플레이 장치 일측에 설문문항을 표시하는 제 130 단계;

사용자로부터 설문문항에 대한 입력값을 수신한 다음 학습 컨텐츠의 제공을 재개하는 제 140 단계;

상기 제 130 단계에서의 사용자 생체신호의 값 및 제 140 단계에서의 수신한 사용자 입력값을 이용하여 사용자의 성향 정보를 생성하는 제 150 단계; 및

상기 생성된 성향 정보를 이용하여 상기 커리큘럼의 다음 회차에 해당하는 학습 컨텐츠를 선정하는 제 160 단계;로 이루어지는 것을 특징으로 한다.

한편, 상기와 같은 목적을 달성하기 위하여 본 발명의 이 실시예에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법은 사용자의 선택에 따라 상기 사용자에게 제공할 학습 컨텐츠의 커리큘럼을 저장하되, 각 학습 컨텐츠는 회차 단위로 구성되고, 매 회차의 학습 컨텐츠는 순차연결된 다수의 단위학습 데이터 및 각 단위학습 데이터에 대한 메타 데이터를 더 포함하며, 상기 커리큘럼은 다수의 회차로 구성되되 매 회차마다의 하나 또는 그 이상의 학습 컨텐츠에 대응되는 제 210 단계;

상기 커리큘럼의 소정 회차에 대응하는 학습 컨텐츠를 디스플레이 장치를 통해 표시함으로써 제공하며, 학습 컨텐츠의 제공과 동시에 사용자의 생체신호를 실시간 모니터링하는 제 220 단계;

사용자의 생체신호가 일정 범위의 값을 가질 때마다 상기 학습 컨텐츠의 제공을 중단하고, 해당 시점의 단위학습 데이터를 특정하되, 상기 디스플레이 장치 일측에 설문문항을 표시하는 제 230 단계;

사용자로부터 설문문항에 대한 입력값을 수신하는 제 240 단계;

상기 제 230 단계에서의 사용자 생체신호의 값 및 제 240 단계에서의 수신한 사용자 입력값을 이용하여 사용자의 성향 정보를 생성하는 제 250 단계;

상기 분석결과를 이용하여 상기 특정된 단위학습 데이터를 다른 단위학습 데이터로 변경하되, 변경된 단위학습 데이터를 디스플레이 장치를 통해 표시함으로써 제공하는 제 260 단계; 및

상기 변경된 단위학습 데이터의 제공이 완료됨에 따라 상기 중단된 단위학습 데이터의 다음 단위학습 데이터부터 디스플레이 장치를 통해 표시함으로써 상기 학습 컨텐츠의 제공을 재개하는 제 270 단계;로 이루어지는 것을 특징으로 한다.

이러한 본 발명에 의할 때 이-러닝 시스템을 통해 제공되는 학습 컨텐츠에 대한 각 사용자마다의 성향정보를 보다 직접적이고 정확하게 파악할 수 있게 된다. 특히, 사용자가 졸리거나 산만해지는 등의 신체변화를 보일 때, 해당 부분의 강의 재생 즉시 피드백을 받음으로써 종래의 설문 조사처럼 전체 컨텐츠에 대한 일반적인 만족도나 평가를 조사하는 것이 아니라 어떤 내용에 대해서, 왜 졸리는지, 어떤 개선방안이 필요한지와 같은 구체적이고 직접적인 정보를 얻을 수 있다는 효과가 있다.

특히, 이와 같이 파악된 사용자 성향정보를 이용하여 회차 단위로 제공되는 학습컨텐츠에 있어 다음 회차의 학습컨텐츠를 동적으로 선정할 수 있다는 효과가 있다.

나아가, 강의 동영상의 수강 도중 사용자의 뇌파정보를 실시간으로 수집하여 사용자가 졸거나 산만해지거나 또는 집중력이 하락한 경우 사용자의 학습 능률이 떨어진 내용에 대해서 원인분석을 거쳐 다른 강사의 강의 동영상으로 실시간 대체하여 제공할 수 있다는 효과가 있다.

도 1은 종래기술에 의한 이-러닝(E-learning) 시스템의 일반적인 형태를 나타내는 참고도이며,
도 2는 사용자의 학습도중 뇌파를 측정하는 모습을 나타내는 참고도이며,
도 3은 피실험자의 뇌파정보를 수집한 다음 이로부터 졸림, 산만, 집중 지표값을 산출한 실험데이터이며,
도 4는 실험결과 얻어진 다수의 피실험자 각각의 평균 지표값이며,
도 5는 디스플레이 장치의 일측에 설문문항을 표시하는 모습을 나타내는 참고도이며,
도 6은 학습컨텐츠의 구성을 예시적으로 설명하는 참고도이며,
도 7은 학습 컨텐츠에 대한 사용자의 생체신호 값과 설문문항에 대한 입력값을 이용하여 사용자의 학습성향을 파악하는 과정을 설명하는 개념도이며,
도 8은 본 발명의 일 실시예에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법을 시계열적으로 설명하는 플로우차트이며,
도 9는 도 8에 도시된 방법에서 커리큘럼에 따라 다음 회차의 학습 컨텐츠를 생성하는 과정을 설명하는 참고도이며,
도 10은 본 발명의 이 실시예에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법을 시계열적으로 설명하는 플로우차트이며,
도 11은 도 10에 도시된 발명에서 강의 동영상의 일부 내용을 다른 강사의 강의로 실시간 교체하여 제공하는 과정을 설명하는 참고도이다.

이하에서는 본 발명의 바람직한 실시예 및 첨부하는 도면을 참조하여 본 발명을 상세히 설명한다. 한편, 본 발명을 명확히 하기 위하여 본 발명의 구성과 관련없는 내용은 생략하기로 하되, 도면의 동일한 참조부호는 동일한 구성요소를 지칭함을 전제하여 설명한다.

한편, 발명의 상세한 설명 또는 특허청구범위에서 어느 하나의 구성요소가 다른 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 당해 구성요소만으로 이루어지는 것으로 한정되어 해석되지 아니하며, 다른 구성요소들을 더 포함할 수 있는 것으로 이해되어야 한다.

또한, 발명의 상세한 설명 또는 특허청구범위에서 "~수단", "~부", "~모듈", "~블록"으로 명명된 구성요소들은 적어도 하나 이상의 기능이나 동작을 처리하는 단위를 의미하며, 이들 각각은 소프트웨어 또는 하드웨어, 또는 이들의 결합에 의하여 구현될 수 있다.

본 발명에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법에서는 이-러닝 시스템에서의 학습도중 사용자의 생체정보 및 피드백을 수집한다.

수집되는 생체정보로는 적어도 사용자의 뇌파를 포함하며, 이외에도 심박 변이도 등 사용자의 신체로부터 감지될 수 있는 각종 정보들을 더 포함할 수 있다.

도 2는 사용자가 클라이언트(10)의 디스플레이 장치(1)를 통해 학습 컨텐츠를 재생하여 학습하는 동안 뇌파측정장치(2)를 이용해 사용자의 뇌파를 수집하는 과정을 예시적으로 설명한다.

도 2에 도시된 바에 의할 때, 사용자는 학습 컨텐츠를 재생하여 학습을 수행하되, 이때 뇌파측정장치(2)를 사용함으로써 뇌파를 모니터링할 수 있도록 한다.

사람의 뇌파는 대뇌피질의 신경세포에서 발생하는 시냅스 전위(電位)가 모여서 일어난다는 것이 일반적인 견해이며, 대뇌피질에서 나오는 미약한 전기활동을 기록하는 방식으로 검출한다.

이러한 뇌파는 주파수와 진폭에 따라 구분하기도 하는데, 10Hz 전후의 규칙적인 파동을 알파파, 알파파보다 빠른 파동을 속파(速波) 또는 베타파라 칭하는 것이 그것이다.

현재 기술에 의할 때 뇌파는 매우 미약한 전기신호를 주파수, 진폭으로 기록하는 것으로 지터(Jitter)가 쉽게 발생하고, 감정이나 사고, 의지와 같은 고등한 정신활동을 검출하는 것은 어렵다. 일반적으로는 뇌 전체의 활동상태가 눈을 뜨고 있는가, 잠을 자고 있는가 하는 수준의 정보 정도가 얻어질 뿐이다.

그러나, 임상의학적 관점에서 이러한 뇌파를 주파수나 진폭 외에 위상(位相)?파형?파동량?분포?연속성 등을 분석함으로써 뇌파의 패턴을 얻어내기 위한 노력이 계속되고 있다.

다만, 이러한 뇌파는 개인차가 크기 때문에 각 개인별로 축적된 데이터에 기반하여 평균값 대비 변화량을 판단하는 것이 바람직하다.

구체적으로는 평균값 대비 임계치 이상의 주파수의 변화를 보이거나, 임계치 이상 높거나 낮은 진폭의 뇌파를 검출하는 방식에 의하여 이상뇌파 검출 알고리즘을 설정할 수 있다.

이러한 관점에서 다수의 피실험자를 대상으로 뇌파정보를 수집하였으며, 이를 분석하여 학습상태를 나타내는 유의미한 지표를 산출하고자 하였다.

도 3은 피실험자의 뇌파정보를 4초 간격으로 수집한 다음 이로부터 졸림, 산만, 집중 지표값을 산출한 실험데이터이다. 다수의 피실험자를 대상으로 하여 뇌파정보의 수집 및 분석이 이루어졌으며 도 3은 그 가운데 어느 하나의 피실험자의 데이터에 해당한다.

한편, 도 4는 이와 같이 행하여진 분석결과 얻어진 40명의 피실험자의 평균 지표값을 나타낸다.

이때, 집중은 전반적으로 학습에 몰입하고 있는지 여부를 나타내는 지표에 해당하며, 졸림은 말 그래도 졸음을 느끼는지 여부를, 산만은 학습과 무관하게 잡담을 한다거나 다른 행동을 하는 경우를 의미한다.

도 3 및 도 4에 도시된 바에 의할 때 각 피실험자별로 매우 다른 수치를 기록하고 있기 때문에 이와 같이 얻어진 지표값으로부터 각 피실험자의 집중, 졸림, 산만 여부를 지시하는 표준지표값을 얻는 것은 매우 어려운 것으로 결론 내릴 수 있었다.

다만, 집중의 경우 피실험자마다 얻어진 평상시 지표값 대비 일정 수준 이상 낮아지면 평소에 비해 집중력이 낮아진 것으로 판단할 수 있었다. 도 4의 1번 피실험자는 동영상에 대한 평균 집중 지표값이 78.1로 나타났으며 2번 피실험자의 경우에는 56.62로 크게 차이가 나는 것을 알 수 있었다.

이들 피실험자들이 집중력하락으로 학습에 어려움을 호소하는 경우의 지표값 또한 각각 차이를 보였으나 대략적으로 평균 지표값 대비 30% 이상 하락한 경우 학습에 어려움을 느끼는 정도로 집중력이 하락된 것으로 파악할 수 있었다.

한편, 졸림지표의 경우 도 4에 도시된 바와 같이 각 피실험자들마다 평균 지표값에 차이를 보이고 있으나 실험결과 지표값이 85 이상 올라갔을 때 대부분의 피실험자들이 졸음을 느끼고 있음을 확인할 수 있었다.

또한, 산만지표의 경우에도 각 피실험자들이 평소의 평균 지표값에 차이를 보이고 있으나 학습도중 전화를 받거나, 학습에 무관한 다른 행동을 할 때에 순간적으로 40 이상의 높은 값을 보이는 것을 확인할 수 있었다.

실제 실험에서는 집중, 졸림, 산만 이외에도 다수의 항목에 대한 분석이 이루어졌으나 뇌파정보를 표준지표화하여 사용자의 학습상태를 직접적으로 파악하는 것이 용이하지 아니함을 재차 확인할 수 있었다.

다만, 집중의 경우 각 사용자의 평소 학습시의 뇌파정보를 누적하여 수집할 수 있다면, 이를 지표화하였을 때 집중력이 현저하게 하락한 경우 평소 대비 일정 % 이상의 변화를 보이는 것을 알 수 있었다.

한편, 졸림과 산만의 경우에는 사용자마다 평소의 뇌파값이 큰 차이를 보임에도 불구하고 졸리거나 산만할 때에 유의미한 뇌파의 변화를 보여주고 있음을 확인할 수 있었으며, 이를 지표화하였을 때 졸림 및 산만한 상태를 확인하는 것이 가능함을 알 수 있었다.

집중, 졸림 및 산만의 지표화에 대하여 구체적으로 살펴보면, 우선 "집중"의 경우 사용자가 학습을 시작한 이후 누적적으로 얻어진 뇌파의 패턴을 평균낸 다음, 그 평균값에 비하여 임계치(실험 예에서는 30%) 이상의 변화가 있는 경우 집중도가 낮아진 것으로 판단할 수 있었다.

한편, "졸림"의 경우 피실험자마다의 뇌파 값이 상이하나 졸림에 따라 뇌파의 주파수가 낮아지고 진폭이 커지는 경향이 있으며 실험결과 "집중"에 비해 개인마다의 편차가 낮은 것으로 판단할 수 있었다.

다수의 피실험대상으로부터 졸음을 느끼는 시점에서 잠이 들기까지의 과정 동안 얻어진 뇌파 정보를 이용하여 평균값과 정규분포를 구한 다음 t-score(100)로 환산한 값을 "졸림" 지표값으로 사용하였다.

이때, 사용자로부터 검출된 뇌파를 같은 방법에 의해 환산한 값이 80 이상인 경우 대체로 졸린 상태로 판단할 수 있었다.

한편, "산만"의 경우 "졸림"과 마찬가지로 다수의 피실험대상으로부터 졸음을 느끼는 시점에서 잠이 들기까지의 과정 동안 얻어진 뇌파 정보를 이용하여 평균값과 정규분포를 구한 다음 t-score(100)로 환산한 값을 "산만" 지표로 사용하였다.

한편, 뇌파는 아주 작은 자극이나, 심지어 눈깜빡임의 경우에 조차도 잡파를 발생시키는 정도로 민감한데, "산만"지표가 학습도중 다른 일을 하거나, 다른 생각을 하는 경우를 지시하는 까닭에 유의미한 값을 얻어내기 위하여 잡파를 충분히 제거한 다음 지표를 설정하였다.

이때, 사용자로부터 검출된 뇌파를 같은 방법에 의해 환산한 값이 40 이상인 경우 대체로 산만한 상태로 판단할 수 있었다.

본 발명에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법에서는 도 2 내지 도 4에 도시된 바와 같이 사용자의 학습과정 동안 사용자의 뇌파를 검출하되 상기에서 살펴본 바와 같은 방식에 의해 각각 지표화하여 임계값을 넘기는지 여부에 따라서 집중도가 떨어졌다거나, 졸린 상태라거나, 산만한 상태인지 여부를 실시간으로 모니터링한다.

한편, 이하에서는 도 5 내지 도 9를 참조하여 본 발명의 일 실시예에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법을 시계열적으로 살펴보기로 한다.

도 5는 학습컨텐츠가 표시되는 디스플레이 장치의 일측에 설문문항이 표시되는 모습을 도시하며, 도 6은 다수의 단위학습 데이터와 메타 데이터를 갖는 학습컨텐츠의 구성을 예시적으로 설명한다. 한편, 도 7은 사용자 생체신호 값과 설문문항에 대한 입력값을 이용하여 사용자의 학습성향을 파악하는 과정을 설명하며, 도 9는 커리큘럼에 따라 다음 회차의 학습 컨텐츠를 생성하는 과정을 설명한다.

도 8에 도시된 플로우차트에 의할 때 우선 사용자의 선택에 따라 상기 사용자에게 제공할 학습 컨텐츠의 커리큘럼을 저장한다(S110).

사용자는 클라이언트(10)를 이용해 서버(20)에 접속하여 수강하고자 하는 과목을 선택할 수 있으며, 이에 따라 서버(20)는 해당 사용자의 계정에 선택된 과목의 커리큘럼을 저장한다.

이때, 커리큘럼은 도 9에 도시된 바와 같이 내용을 기준으로 구분되는 다수의 회차로 이루어지며, 서버(20)는 매 회차에 해당하는 학습 컨텐츠를 클라이언트(10)로 제공하게 된다.

예를 들어, 특정 과목에 대한 전문강사의 강의를 매 회차마다 1시간 분량 단위로 구분하여 50회 분량으로 녹화하였다면 상기 과목의 커리큘럼은 바람직하게는 50개의 회차로 이루어지며, 매 회차는 1시간 분량의 학습 컨텐츠 형태로 제공된다.

한편, 이와 같이 제공되는 학습 컨텐츠는 상기 커리큘럼의 각 회차에 각각 대응하는 것으로 도 6에 도시된 바와 같은 구조를 가진다. 도 6에 도시된 바에 의하면 학습 컨텐츠는 순차연결된 다수의 단위학습 데이터의 결합으로 이루어진다.

한편, 각각의 단위학습 데이터들은 어떤 과목에 관한 것인지, 어떤 내용에 관한 것인지, 어떤 교수방법에 의한 학습 내용을 담고 있는지, 난이도는 어느 정도인지, 어떤 강사의 강의인지와 같은 메타데이터를 가진다.

특히, 이와 같이 회차 단위로 구성되는 각각의 학습 컨텐츠를 다수의 단위학습 데이터로 구분하고, 이들 각각에 대한 메타데이터를 포함시킴으로써 통상 한 회차 강의당 하나의 동영상 파일의 형태로 제작되는 동영상 강의의 경우에도 사용자의 뇌파 변화시의 강의 내용을 특정할 수 있게 된다.

예를 들어, 한 회차의 학습 컨텐츠가 한 시간 분량의 동영상 파일로 제작된 경우, 내용을 기준으로 각각을 단위학습 데이터로 구분하여 동영상의 시작시점부터 10분까지는 1번, 10분부터 15분까지는 2번, 15분부터 50분까지 3번, 50분부터 1시간까지를 4번 단위학습 데이터로 구분하되 각각에 대한 메타데이터를 작성하여 학습 컨텐츠에 포함시킬 수 있으며, 이에 의하여 전체 동영상 가운데 내용을 기준으로 각 부분들을 특정할 수가 있다.

한편, 클라이언트(10)로 제공된 상기 커리큘럼의 소정 회차에 대응하는 학습 컨텐츠는 디스플레이 장치(1)를 통해 표시함으로써 제공된다. 이때, 상기에서 설명한 바와 같은 방법으로 사용자의 생체신호를 실시간으로 모니터링 한다(S120).

이때, 생체신호는 적어도 뇌파측정장치(2)를 통해 수집되는 사용자의 뇌파신호를 포함하며, 상기에서 설명한 바와 같은 방법으로 지표화함으로써 졸림, 산만, 집중 가운데 하나 이상을 판정할 수 있다.

한편, 수집된 뇌파를 상기와 같은 방식에 의하여 지표화하여 그 값이 일정한 범위의 값을 가지는 경우 - 즉, 집중도가 낮아졌다거나, 졸린 상태라거나, 산만한 상태로 판단되는 경우 학습 컨텐츠의 제공을 일시 중단하고 디스플레이 장치(1) 일측에 설문 문항을 표시(S130)하고, 사용자로부터 설문문항에 대한 입력값을 수신한다(S140).

뇌파 분석을 통해 집중도가 일시 낮아졌다거나, 졸린 상태로 판단되거나, 산만한 상태로 판단된다고 하여도 첫째, 이러한 뇌파의 검출이 반드시 집중도의 하락, 졸림, 산만 등을 모든 상황에서 완벽하게 보장하지 않을 뿐 아니라, 둘째, 단순히 졸리거나, 산만하거나, 집중도가 낮아졌다는 것만으로는 해당 학습 컨텐츠의 내용과 사용자의 학습패턴이나 성취도, 적성의 관련성을 파악하기 어렵다는 한계가 있다.

따라서, 뇌파 검출결과 집중도가 낮아지거나, 졸린 상태 또는 산만한 상태인 경우 사용자에게 해당 학습 컨텐츠의 교수방법이 자신과 맞지 않는다고 생각되는지, 컨텐츠 구성이 집중하기 어렵게 느껴지는지, 또는 단순히 컨디션이 나쁘거나 졸린 것인지 등을 묻는 설문 문항을 표시함으로써 사용자로부터 직접적인 피드백을 받는다.

이때 중요한 것은 제공되는 학습 컨텐츠 전체에 대한 피드백이 아니라, 집중도가 낮아지거나 졸린 시점의 컨텐츠 내용에 대한 구체적인 설문 문항이라는 점이다.

종래에도 오프라인상 강의평가나 온라인상 컨텐츠 평가와 같은 방식으로 사용자들로부터 피드백을 수집하는 방법들이 존재하였으나 학습 컨텐츠의 일부 내용 - 특히, 사용자의 집중도가 낮아지거나, 졸리거나 산만해진 시점의 학습내용 - 에 대해서 사용자의 피드백을 얻을 수는 없었다.

이와 같이 학습 컨텐츠 가운데 특정 내용과 관련하여 사용자로부터 피드백을 얻기 때문에 우선 설문 문항의 선정시에도 항상 같은 문항을 질문하는 대신, 제공되던 학습 컨텐츠의 내용에 따라서, 또는 사용자의 상태가 졸림인지, 일시적인 집중도 하락인지, 전반적으로 산만한 상태인지에 따라서 기 저장된 설문 문항 가운데 적절한 문항을 선정하여 표시할 수 있게 된다.

이에 따라, 각 사용자마다의 학습성향이나 학습패턴, 분야별 내용별 이해도와 성취도를 매우 높은 수준의 정확도로 수집하는 것이 가능해진다.

이와 같이 사용자로부터 피드백을 받으면 학습 컨텐츠의 재생을 재개한다.

한편, S130 단계에서 수집한 사용자 생체신호의 값과 S140 단계에서의 수신한 사용자 입력값을 이용하여 사용자의 성향 정보를 생성한다(S150).

도 7에 도시된 바에 의하면 사용자의 성향정보는 사용자가 어떤 메타데이터 값에 대하여(즉, 어떤 메타데이터 값을 갖는 단위학습 데이터, 학습 컨텐츠에 대하여) 집중력이 하락했는지, 산만해졌는지, 졸음을 느꼈는지 또 어떤 이유에서 그랬는지를 나타내는 정보이며, S130 단계에서 특정된 단위학습 데이터의 메타데이터 값에 대하여 사용자의 생체신호 값 및 입력값의 발생회수를 각각 누적하여 가산함으로써 파악될 수 있다.

도 7의 예에서 사용자는 "과목 : 물리학" 및 "강사 : 홍길동"이라는 값을 메타데이터 값으로 가지는 단위학습 데이터에 대하여 3회에 걸쳐 "졸음"을 느꼈으며, 그 이유로는 "어려움"이라 입력한 바 있음을 알 수 있다.

이와 같이 발생회수가 많은 경우라면 같은 메타데이터 값을 같은 단위학습 데이터 또는 그러한 단위학습 데이터를 포함하는 학습 컨텐츠에 대해 사용자가 또다시 같은 이유에서 졸음을 느낄 가능성이 높은 것이다.

따라서, 이와 같이 생성된 사용자의 성향정보를 이용하여 상기 커리큘럼의 다음 회차에 해당하는 학습 컨텐츠를 선정한다(S160).

즉, 금번 회차의 학습 데이터를 제공하면서 생성된 사용자의 성향 정보를 커리큘럼 상의 다음 회차에 해당하는 학습 컨텐츠의 선정시에 반영하는 것이다.

물론, 사용자의 성향 정보는 여러 회차, 여러 과목에 걸쳐 누적되며, 누적될 수록 보다 정밀한 학습 컨텐츠 매치 메이킹이 가능해진다.

한편, 그 과정을 더욱 상세하게 살펴보면 우선 상기 커리큘럼의 다음 회차에 해당하는 메타데이터 값을 인출한다.

도 9의 예를 살펴보면 커리큘럼의 첫번째 회차는 "내용 : 원자의 이해 1-1" 이라는 메타데이터를 가지며, 두번째 회차는 "내용 : 원자의 이해 1-2"라는 메타데이터를 가짐을 알 수 있다.

이와 같이 커리큘럼 해당 회차의 메타데이터를 인출한 다음, 데이터베이스로부터 이에 부합하는 메타 데이터 값을 갖는 단위학습 데이터들을 구분한다(S161).

다음, 상기에서 생성된 사용자 성향정보에 부합하는 메타데이터를 갖는 단위학습 데이터를 선정한다(S162). 즉, 사용자가 빈번하게 졸음을 느꼈던 메타데이터를 갖는 단위학습 데이터를 제외한다거나, 사용자가 너무 어려웠다고 느꼈던 경우의 메타데이터를 갖는 단위학습 데이터를 제외하는 등의 방법으로 사용자 성향정보에 부합하는 단위학습 데이터를 선정할 수 있다.

이와 같이 선정된 단위학습 데이터들을 도 9에 도시된 바와 같이 순차연결함으로써 학습 컨텐츠를 생성한다(S163).

이와 같이 생성된 학습 컨텐츠는 사용자의 요청에 따라 차회 학습 컨텐츠를 제공하게 될 때에 제공된다.

한편, 이하에서는 도 5 내지 도 7, 도 10 및 도 11을 참조하여 본 발명의 이 실시예에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법을 시계열적으로 살펴보기로 한다.

본 발명의 이 실시예는 상기 일 실시예와 달리 차회의 학습 컨텐츠를 선정하는 대신 사용자의 피드백에 따라서 강의의 특정 부분만을 다른 컨텐츠로 실시간으로 바꿔주는 방법을 제공한다.

특히, 사용자가 강의 동영상을 수강하던 도중 학습능률이 떨어진 경우 바로 그 일부분만을 다른 강사의 동영상으로 교체하여 제공하고, 해당 부분의 재생이 종료되면 다시 원래의 강의 동영상으로 되돌아가 재생하는 방법에 관한 것이다.

본 발명의 이 실시예에서 학습 컨텐츠는 바람직하게는 강사의 강의 동영상의 형태이며, 한 회차의 강의 동영상을 시간별로 다수의 구간으로 구분한 단위학습 데이터를 포함한다.

예를 들어, 한 회차의 학습 컨텐츠가 한 시간 분량의 동영상 파일로 제작된 경우, 내용을 기준으로 각각을 단위학습 데이터로 구분하여 동영상의 시작시점부터 10분까지는 1번, 10분부터 15분까지는 2번, 15분부터 50분까지 3번, 50분부터 1시간까지를 4번 단위학습 데이터로 구분할 수 있다.

도 10은 본 발명의 이 실시예에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법을 시계열적으로 설명하는 플로우차트이며, 도 11은 도 10에 도시된 발명에서 강의 동영상의 일부 내용을 다른 강사의 강의로 실시간 교체하여 제공하는 과정을 설명하는 참고도이다.

도 10에 도시된 플로우차트에 의하면 사용자의 선택에 따라 상기 사용자에게 제공할 학습 컨텐츠의 커리큘럼을 저장한다(S210).

이후, 사용자의 요청에 따라 상기 커리큘럼의 소정 회차에 대응하는 학습 컨텐츠를 제공하며, 제공된 학습 컨텐츠는 디스플레이 장치를 통해 표시된다.

한편, 학습 컨텐츠가 표시됨으로써 학습이 진행되는 동안 사용자의 생체신호를 실시간 모니터링한다(S220).

사용자의 생체신호는 사용자의 뇌파정보를 포함함은 상기에서 살펴본 바와 같다.

한편, 사용자의 생체신호가 일정 범위의 값을 가질 때마다 상기 학습 컨텐츠의 제공을 중단하고, 해당 시점의 단위학습 데이터를 특정하되, 상기 디스플레이 장치 일측에 설문문항을 표시하고(S230), 사용자로부터 설문문항에 대한 입력값을 수신(S240)한다.

해당 시점의 단위학습 데이터는 해당 강의 동영상의 일정 구간에 해당할 수 있다(예를 들어, 10분 내지 20분에 해당하는 구간).

이와 같이 사용자 생체신호의 값이 수집되고, 사용자로부터 입력값을 수신하면 이를 이용하여 사용자의 성향 정보를 생성한다(S250).

상기 분석결과를 이용하여 상기 특정된 단위학습 데이터를 다른 단위학습 데이터로 변경하되, 변경된 단위학습 데이터를 디스플레이 장치를 통해 표시함으로써 제공한다(S260).

도 11의 예에 의하면 "강사 : 홍길동"이라는 메타 데이터를 갖는 단위학습 데이터가 제공되고 있었으나, 학습 컨텐츠의 두번째 단위학습 데이터에서 사용자가 졸음을 느끼는 등의 이유로 학습 컨텐츠의 표시가 중단된 다음 "강사 : 허균"이라는 메타 데이터를 갖는 다른 단위학습 데이터로 대체됨을 알 수 있다.

즉, 중단된 단위학습 데이터를 생략하고 다른 강사의 강의 동영상 가운데 해당 구간만을 대체하여 표시하는 것이다.

예를 들어, 기존에 제공되고 있던 "강사 : 홍길동"이라는 메타 데이터 값을 갖는 학습 컨텐츠에서 10분 내지 20분 구간의 재생이 이루어지고 있던 도중, 예를 들어 13분 시점에 사용자가 졸음을 느끼고, 임의의 입력값을 입력하면 그 값에 따라서 적절한 다른 단위학습 데이터를 선정하되, 다른 강사의 동영상 강의에 속하는 단위학습 데이터를 제공하는 것이다.

도 11의 예에서 대체되는 단위학습 데이터는 "강사 : 허균"이라는 메타 데이터를 가지는 강의 동영상의 일정 구간(예를 들어, 15분 내지 25분)일 수 있다.

그리고, 변경된 단위학습 데이터의 제공이 완료됨에 따라 상기 중단된 단위학습 데이터의 다음 단위학습 데이터부터 디스플레이 장치를 통해 표시함으로써 상기 학습 컨텐츠의 제공을 재개한다(S270). 중단된 단위학습 데이터는 생략되는 것이다.

한편, 본 발명에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법은 컴퓨터가 읽을 수 있는 코드로서 구현되어 컴퓨터로 읽을 수 있는 기록 매체에 수록될 수 있다.

이때, 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽을 수 있는 데이터가 저장되는 모든 종류의 매체를 포함할 수 있으며, 그 예로는 DVD-ROM, CD-ROM, 하드 디스크, USB 메모리, 플래쉬 메모리 등을 들 수 있다.

한편, 기록매체에 수록된다는 표현은 대량으로 기록매체에 수록되어 패키지 형태로 유통되는 경우는 물론 데이터 패킷의 형태로 네트워크를 통해 제공되어 기록매체에 수록되는 경우를 모두 포괄한다.

본 발명은 첨부 도면 및 상기와 같은 실시예를 참조하여 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 권리범위는 오직 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이며 상기와 같은 실시예에 국한되지 아니한다.

특히, 상기에서는 도 1에 예시적으로 도시된 서버-클라이언트 구조의 이-러닝 시스템을 가정하여 설명하였으나, 본 방법에 의한 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법은 반드시 이와 같은 서버-클라이언트 구조에서만 실시되는 것으로 한정되지 아니하며, 소프트웨어 패키지의 형태로 제작되어 클라이언트 단에서 구동되거나, CBT(Computer Based Teaching) 장비를 통해 실시되는 경우 등 그 실시형태에 제한을 두지 아니한다.

1 : 디스플레이장치 2 : 뇌파측정장치
10 : 클라이언트 20 : 서버

Claims (8)

1. 사용자의 선택에 따라 상기 사용자에게 제공할 학습 컨텐츠의 커리큘럼을 저장하되, 각 학습 컨텐츠는 회차 단위로 구성되고, 매 회차의 학습 컨텐츠는 순차연결된 다수의 단위학습 데이터 및 각 단위학습 데이터에 대한 메타 데이터를 더 포함하며, 상기 커리큘럼은 다수의 회차로 구성되되 매 회차마다의 하나 또는 그 이상의 학습 컨텐츠에 대응되는 제 110 단계;
   상기 커리큘럼의 소정 회차에 대응하는 학습 컨텐츠를 디스플레이 장치를 통해 표시함으로써 제공하며, 학습 컨텐츠의 제공과 동시에 사용자의 생체신호를 실시간 모니터링하는 제 120 단계;
   사용자의 생체신호가 일정 범위의 값을 가질 때마다 상기 학습 컨텐츠의 제공을 일시중지하고, 해당 시점의 단위학습 데이터를 특정하되, 상기 디스플레이 장치 일측에 설문문항을 표시하는 제 130 단계;
   사용자로부터 설문문항에 대한 입력값을 수신한 다음 학습 컨텐츠의 제공을 재개하는 제 140 단계;
   상기 제 130 단계에서의 사용자 생체신호의 값 및 제 140 단계에서의 수신한 사용자 입력값을 이용하여 사용자의 성향 정보를 생성하는 제 150 단계; 및
   상기 생성된 성향 정보를 이용하여 상기 커리큘럼의 다음 회차에 해당하는 학습 컨텐츠를 선정하는 제 160 단계;로 이루어지는 것을 특징으로 하는 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법.
   
2. 제 1 항에 있어서,
   상기 제 120 단계에서 상기 생체신호는 사용자의 뇌파신호를 분석하여 졸림, 산만, 집중 가운데 하나 이상의 지표값으로 변환한 값을 포함하며,
   상기 제 130 단계에서의 일정 범위는 상기 사용자의 뇌파신호가 졸림, 산만 또는 집중력 하락 가운데 하나 이상을 지시하는 경우를 의미하는 것을 특징으로 하는 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법.
   
3. 제 1 항에 있어서,
   상기 제 150 단계에서 상기 특정된 단위학습 데이터의 메타데이터 값에 대하여 사용자의 생체신호 값 및 입력값의 발생회수를 적산함으로써 상기 메타데이터 값에 대한 사용자의 성향정보를 생성하는 것을 특징으로 하는 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법.
   
4. 제 3 항에 있어서,
   상기 제 160 단계는 상기 커리큘럼의 다음 회차에 해당하는 메타데이터를 갖는 단위학습 데이터들을 판정하는 제 161 단계;
   상기 판정된 단위학습 데이터들 가운데 상기 사용자 성향정보에 부합하는 메타데이터를 갖는 단위학습 데이터를 선정하는 제 162 단계; 및
   상기 선정된 단위학습 데이터들을 순차연결함으로써 학습 컨텐츠를 생성하는 제 163 단계;로 이루어지는 것을 특징으로 하는 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법.
   
5. 사용자의 선택에 따라 상기 사용자에게 제공할 학습 컨텐츠의 커리큘럼을 저장하되, 각 학습 컨텐츠는 회차 단위로 구성되고, 매 회차의 학습 컨텐츠는 순차연결된 다수의 단위학습 데이터 및 각 단위학습 데이터에 대한 메타 데이터를 더 포함하며, 상기 커리큘럼은 다수의 회차로 구성되되 매 회차마다의 하나 또는 그 이상의 학습 컨텐츠에 대응되는 제 210 단계;
   상기 커리큘럼의 소정 회차에 대응하는 학습 컨텐츠를 디스플레이 장치를 통해 표시함으로써 제공하며, 학습 컨텐츠의 제공과 동시에 사용자의 생체신호를 실시간 모니터링하는 제 220 단계;
   사용자의 생체신호가 일정 범위의 값을 가질 때마다 상기 학습 컨텐츠의 제공을 중단하고, 해당 시점의 단위학습 데이터를 특정하되, 상기 디스플레이 장치 일측에 설문문항을 표시하는 제 230 단계;
   사용자로부터 설문문항에 대한 입력값을 수신하는 제 240 단계;
   상기 제 230 단계에서의 사용자 생체신호의 값 및 제 240 단계에서의 수신한 사용자 입력값을 이용하여 사용자의 성향 정보를 생성하는 제 250 단계;
   상기 성향정보를 이용하여 상기 특정된 단위학습 데이터를 다른 단위학습 데이터로 변경하되, 변경된 단위학습 데이터를 디스플레이 장치를 통해 표시함으로써 제공하는 제 260 단계; 및
   상기 변경된 단위학습 데이터의 제공이 완료됨에 따라 상기 중단된 단위학습 데이터의 다음 단위학습 데이터부터 디스플레이 장치를 통해 표시함으로써 상기 학습 컨텐츠의 제공을 재개하는 제 270 단계;로 이루어지는 것을 특징으로 하는 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법.
   
6. 제 5 항에 있어서,
   상기 제 220 단계에서 상기 생체신호는 사용자의 뇌파신호를 분석하여 "졸림", "산만", "집중" 가운데 하나 이상의 지표값으로 변환한 값을 포함하며,
   상기 제 230 단계에서의 일정 범위는 상기 사용자의 뇌파신호에 의할 때 "졸림", "산만" 또는 "집중" 가운데 하나 이상의 지표값이 집중력 하락, 졸림, 산만 상태임을 지시하는 경우를 의미하는 것을 특징으로 하는 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법.
   
7. 제 5 항에 있어서,
   상기 제 250 단계에서 상기 특정된 단위학습 데이터의 메타데이터 값에 대하여 사용자의 생체신호 값 및 입력값의 발생회수를 적산함으로써 상기 메타데이터 값에 대한 사용자의 성향정보를 생성하는 것을 특징으로 하는 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법.
   
8. 제 5 항에 있어서,
   상기 제 210 단계에서 학습 컨텐츠는 강사의 강의 동영상의 형태로 제공되며, 단위학습 데이터는 상기 강의 동영상을 다수의 구간으로 구분한 것이며,
   상기 제 260 단계에서 상기 중단된 단위학습 데이터의 강사와는 다른 강사의 강의 동영상을 선정하여, 상기 선정된 다른 강사의 강의 동영상의 대응 구간을 제공하는 것을 특징으로 하는 뇌파정보를 이용한 사용자별 맞춤 학습컨텐츠 제공방법.

Images