Earticle

기존 교사 주도형 교육 방식은 개별 학습자의 수준과 필요를 충분히 반영하지 못하며, 맞춤형 학습 지원이 부족하다. 인공지능 기술을 활용 하면 학습자의 패턴을 분석하고 최적화된 교육 콘텐츠를 제공할 수 있어, 자기주도적 학습을 촉진할 수 있다. 본 논문은 인공지능 기반의 LLM을 이용한 맞춤형 학습 지원 서비스를 개발한다. 본 시스템은 ChatGPT를 이용한 자동 문제 생성 및 채점, BERT 모델을 통한 유사 문 제 추천, GPT와 BERT 모델을 혼합한 유사 문제 생성으로 구성된다. 이를 활용하여, 기존의 교사 주도형 교육 방식의 한계를 극복하고, 더 나아가 학생 개인별 학업성취도를 고려한 맞춤형 학습 환경을 조성하는 데 중점을 두었다. 검증 실험을 위해, 개발한 BERT 기반 문제 추천 시스템과 기존 ChatGPT 기반 문제 추천 모델을 비교하였고, 학교 수업에 적용하여 효과성을 분석하였다. 실험 결과, BERT 모델의 유사도 점수는 0.99, ChatGPT 모델의 유사도 점수는 0.90으로 나타났다. 또한, BERT 기반 문제 추천을 받은 학습자의 평균 점수는 88점, ChatGPT 기반 문제 추천을 받은 학습자의 평균 점수는 77점으로, BERT 모델이 학습 성취도 향상에 더 효과적인 것으로 분석되었다. 만족 도 조사 결과, 학습자의 80% 이상이 추천된 문제가 학습 목표에 부합하며, 자기주도적 학습에 도움이 되었다고 응답하였다. 본 연구를 통 해, 개발된 맞춤형 학습 지원 시스템이 학생들의 개별 학습 수준을 고려한 효과적인 교육 환경을 제공할 수 있을 것으로 기대된다.

The existing teacher-centered education method does not sufficiently reflect individual learners' levels and needs and lacks personalized learning support. Artificial intelligence technology enables the analysis of learners' patterns and the delivery of optimized educational content, thereby fostering self-directed learning. This study presents a personalized learning support system utilizing an AI-based Large Language Model (LLM). The system consists of automatic problem generation and grading using ChatGPT, similar problem recommendations through a BERT model, and similar problem generation by combining GPT and BERT models. By leveraging these technologies, this study seeks to address the limitations of traditional teacher- centered education and establish a personalized learning environment tailored to individual students' academic performance. To validate the system, we compared the developed BERT-based problem recommendation system with an existing GPT-based model and assessed its effectiveness through implementation in school classrooms. The experimental results showed that the BERT model achieved a similarity score of 0.99, while the GPT model scored 0.90. Additionally, learners who received BERT-based problem recommendations had an average score of 88, whereas those who received GPT-based recommendations had an average score of 77, indicating that the BERT model is more effective in enhancing learning achievement. According to the satisfaction survey, over 80% of learners responded that the recommended problems aligned with their learning objectives and supported self-directed learning. This study suggests that the developed personalized learning support system can offer an effective educational environment tailored to students' individual learning needs.

본 연구는 중학교 교사들이 인식하는 개별화 교수전략의 중요도와 실행도 조사를 바탕으로 교육요구도를 분석하여 그 우선순위를 파악하고, 교원연수 프로그램 설계를 위한 시사점을 제공하기 위한 목적으로 수행되었다. 이를 위해 중학교 교사 대상 온라인 커뮤니티를 활용하 여 전국의 중학교 교사 121명을 대상으로 개별화 교수전략의 중요도와 실행도에 관한 온라인 설문조사를 실시하였다. 이 가운데 사회적 바람직성 편향이 높게 나타난 13명(상위 11%)을 연구대상에서 제외하여 총 108명을 대상으로 통계분석을 실시하였다. 자료 분석을 위해 종속 표본 t 검정을 실시하여 개별화 교수전략별 중요도와 실행도 간 유의한 차이가 있는지 분석 하였다. 다음 Borich 요구도 분석과 초점의 소재(Locus for Focus) 분석을 실시하여 교육요구 도 점수를 도출하고, 최우선순위 및 차순위 항목을 도출하였다. 분석 결과, 개별화 교수전략 은 모든 영역별 및 문항별 중요도와 실행도 간 유의한 차이가 있었다. 개별화 교수전략의 모 든 영역 및 문항에서 중요도가 실행도보다 높게 나타났으며, 개별화 교수전략의 우선순위는 역량기반학습, 학습자 프로필 관리 영역 순으로 우선순위가 높게 나타났다. 이러한 분석결과 를 토대로 중학교 교사들이 효과적인 교수-학습을 시행할 수 있도록 실질적인 개별화 교수전 략 개발을 위한 교원연수 프로그램 설계에 대한 시사점을 제공하였다.

This study aims to investigate the importance and performance of personalized teaching strategies recognized by middle school teachers, analyze their professional development needs, identify the priorities, and provide implications for designing teacher professional development programs. An online survey was distributed to an online community for middle school teachers, measuring the perceived importance and actual performance of personalized teaching strategies. One hundred twenty-one middle school teachers across the country responded to the survey. Thirteen among them (top 11%) who showed high social desirability bias were excluded, and statistical analysis was performed on a total of 108 teachers. For data analysis, dependent sample t-tests, Borich needs analysis, and Locus for Focus model analysis were conducted to derive the professional development needs score, followed by identifying the highest priority and next priority items. As a result, there was a significant difference in the importance and performance level of personalized teaching strategies for all areas and items. In all areas and items of the personalized teaching strategy, the degree of importance was higher than the performance, and the priority of the personalized teaching strategy was high in the order of competency-based learning and learner profile management. Based on the results, we provide implications for designing a teacher professional development program to support personalized teaching strategies.

유비쿼터스 컴퓨팅과 모바일 기술은 식물원, 공원, 박물관이나 교실 등과 같은 다양한 실내외 공간에서의 참신한 학습 경험들을 가능하게 하는 새로운 기술이다. 본 연구에서는 체험학습자들이 유비쿼터스 환경의 실내외 공간에서 RFID 리더기가 부착된 모바일기기를 가지고 체험학습이 가능한 시스템을 개발하였다. 개발된 시스템은 학습자가 학습자의 학습 수준에 따라 학습 내용을 제공하여 개인별 학습 활동이 가능하도록 설계하였다. 실험결과 학습자들은 RFID 태그가 부착된 체험학습장에서의 체험학습에 적극적으로 흥미를 느꼈다.

Ubiquitous computing and mobile technologies provide much scope for designing innovative learning experiences that can take place in a variety of indoor and outdoor settings, such as botanical gardens, parks, museums and classrooms. In this paper, we present our own innovative work for bridging indoor and outdoor field-trip learning activities with the support of RFID with reader device on ubiquitous environments. The function of our system is based on strategically located RFID tags placed on objects around settings which are identified using the mobile device installed to an RFID reader. The mobile device reads the RFID tag and sends the learner's request to the field-trip learning system. And learners can be learning activities according to theirs learning levels. We also focus on the use of intelligent agents to customize learning contents for individual learners. The result of our experiment indicates that learner enjoyed learning where mobile devices are used in the system, supporting the learning activities in the context of which they are taking place.

As the E-commerce market grows, the importance of personalized recommendation systems is increasing. Existing collaborative filtering and content-based filtering methods have shown a certain level of performance, but they have limitations such as cold start, data sparseness, and lack of long-term pattern learning. In this study, we design a matching system that combines a hybrid recommendation system and hyper-personalization technology and propose an efficient recommendation system. The core of the study is to develop a recommendation model that can improve recommendation accuracy and increase user satisfaction compared to existing systems. The proposed elements are as follows. First, the hybrid-hyper-personalization matching system provides recommendation accuracy compared to existing methods. Second, we propose an optimal product matching model that reflects user context using real-time data. Third, we optimize Personalized Recommendation System using deep learning and reinforcement learning. Fourth, we present a method to objectively evaluate recommendation performance through A/B testing.

학습코스 선정에 많은 어려움과 시행착오를 겪고 있는 사용자들에게 수준별 학습코스를 제공하기 위해, ITS (Intelligence Tutoring System)를 위한 동적인 학습자 맞춤형 학습코스 추천 모델을 개발하였다. 이를 위해, 개인화 학습코 스 추천모델에서는 먼저 학습자 프로파일을 분석하고, 단어별 가중치를 계산하여 핵심 키워드를 추출한다. 추출된 단어는 Cosine Similarity 기법을 통해 유사도를 측정하고, 최종적으로 유사도가 높은 상위 3개 과정이 학습자에게 추천된다. 추천 모델의 효과를 분석하기 위해, 경기도 소재 교육기관에 추천모델을 적용하였고, 만족도 조사를 통하여 설문 항목별 평균, 표준편차, 왜도, 첨도 값을 계산하였다. 실험결과, 정확성, 새로움, 자기참조, 유용성에서 높은 만족도를 보였으며, 추천모델 의 실효성을 검증했다. 본 연구는 그동안 국내·외에서 충분히 다뤄지지 않았던 기계학습 중심의 맞춤형 학습코스를 추천했 다는 점에서 의미가 있다.

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.

현대 학습자들은 배경, 학습 스타일, 능력 등에서 다양한 차이를 보인다. 하지만 모든 학습자에게 동일한 학습 내용 을 전달하는 전통적 교육 방법은 이러한 학습자의 다양성을 충분히 고려하지 못한다. 따라서 개별 학습자의 특성에 따라 최적 의 학습 경험을 제공하는 맞춤형 학습 시스템의 구현은 오늘날 에듀테크 시대에 더욱 중요해졌다. 본 논문은 증가하는 학습자 중심의 교육 요구에 따라 학습자의 특성, 관심사, 학습 이력 등을 종합적으로 분석할 수 있는 모델들을 파악한 후 이를 기반으 로 맞춤형 학습 시스템을 설계했다. 본 시스템은 학습자의 학습 이력을 기반으로 학습자의 현재 수준과 목표에 맞춘 자기주도 적 학습을 지원하기 위해 강점과 약점을 파악할 수 있도록 설계되었으며 이 과정에서 시스템의 설계 변경 없이 필요한 학습 요소들을 확장할 수 있도록 구성하였다. 본 연구를 통해 사용자 맞춤형 학습 시스템 구축에 필요한 주요 기반을 파악하고 맞 춤형 학습을 지원하기 위한 시스템 아키텍처를 효과적으로 구축할 수 있다.

In the current epoch of educational technology (EdTech), the realization of a personalized learning system has become increasingly important. This is due to the growing diversity of today's learners in terms of backgrounds, learning styles, and abilities. Traditional educational methods that deliver the same content to all learners often fail to take this diversity into account. This paper identifies models that comprehensively analyze learners' characteristics, interests, and learning histories to meet the growing demand for learner-centered education. Based on these models, we have designed a personalized learning system. This system is structured to support autonomous learning tailored to the learner's current level and goals by identifying strengths and weaknesses based on the learner's learning history. In addition, the system is designed to extend necessary learning elements without changing its architecture. Through this research, we can identify the essential foundations for constructing a user-tailored learning system and effectively develop a system architecture to support personalized learning.

본 연구는 향후 AI 기반 개별화 학습의 연구 방향을 제안하고자 2016년부터 2023년 4월까지 국내외 연구 동향 을 분석하였다. 이를 위해 국내 56개의 KCI 논문, 국외 46개의 SSCI 논문 제목과 초록을 대상으로 TF-IDF 분석 과 LDA 기반 토픽 모델링을 실시하였다. 연구결과, 첫째, 국내 연구에 대한 TF-IDF 분석에서 TF는 ‘학습자’, ‘시 스템’, ‘영어’, ‘플랫폼’, ‘개발’ 순으로 나타났으며 TF-IDF 기준에서는 ‘영어’, ‘시스템’, ‘수학’, ‘챗봇’, ‘플랫폼’이 상위 권에 위치해 있었다. 둘째, 국내 연구에 대한 LDA 기반 토픽 모델링 결과 5개의 주요 토픽이 도출되었다. 셋째, 국외 연구에 대한 TF-IDF 분석 결과, TF는 'learner’, ‘system’, ‘data’, ‘technology’, ‘educational’ 순으로 나타났으 며 TF-IDF 기준에서는 ‘chatbot’, ‘collaborative’, ‘technology’, ‘gamification’, ‘system’ 이 상위권에 위치해 있었다. 넷째, 국외 연구에 대한 LDA 기반 토픽 모델링 결과 5개의 주요 토픽이 도출되었다.

This study analyzed the domestic and international research trends of AI-based personalized learning from 2016 to April 2023 in order to propose research directions for the future fielding of AI-based personalized learning. For this purpose, TF-IDF analysis and LDA-based topic modeling were conducted on the titles and abstracts of 56 domestic KCI papers and 46 international SSCI papers. As a result, first, the TF-IDF analysis of domestic research showed that TFs were 'learner', 'system', 'English', 'platform', and 'development', and the TF-IDF criteria were 'English', 'system', 'Mathematics', 'chatbot', and 'platform'. Second, as a result of LDA-based topic modeling for domestic research, five major topics were derived. Third, the TF-IDF analysis of international studies showed that the TFs were 'learner', 'system', 'data', 'technology, and ‘educational', and the TF-IDF criteria were 'chatbot', 'collaborative', 'technology', ’gamification’, and 'system'. Fourth, LDA-based topic modeling of international studies resulted in five major topics.

인공지능 기반 맞춤 및 적응형 학습을 대학원 이상의 수업에 적용에 따른 실증 연구는 매우 부족한 상황이다. 본 연구는, 인공지능 기반 맞춤 및 적응형 학습을 대학원 수업에 적용한 경우, 만족도 및 충성도를 연구 했으며, 테크놀로지관련 인식, 컨텐츠 및 시스템 특성에 대한 인식, 및 인공지능 기반 맞춤형 학습과 강의를 병행한 교육 에 대한 전반적인 인식이 만족도, 효과성, 유용성, 동기부여, 및 다른 수업에 적용에 따른 의사에 어떻게 영향을 주는 지 조사하였다. 인공지능 기반 맞춤 및 적응형 시스템인 알렉스를 적용한 강의 직후 온라인 설문조사를 통 한 데이터를 사용하였으며, 요인분석, 회귀분석, 분산분석 등을 활용하여 가설검증을 하였다. 본 연구의 결과로, 어떤 요인들이 유의하게 영향을 주는 지와 효과의 크기를 비교 검증하였고, 더불어 만족도가 충성도에 영향을 미치는 이론이 교육효과에도 적용됨을 입증하였다. 또한, 인공지능 기반 맞춤 및 적응형 시스템의 고등교육 특히 대학원 수업에도 효과가 있고, 고객관계관리에 도움이 된다는 시사점을 제시한다.

The purpose of this study is to investigate the effects of assessment by adopting adaptive learning in higher education that are rarely examined in previous studies. In particular, this study applied research questions: 1) How does technical perception, perceived contents and features, and perceived integration of the AI-based adaptive system with lecture affect overall satisfaction, overall effectiveness, overall usefulness, overall motivation for the study, and intention to use it with other classes? 2) How do overall satisfaction, overall effectiveness, overall usefulness, motivation for the class, and intention to use affect loyalty on the AI-based adaptive system? This study conducted online surveys after the completion of the classes adopted AI-based adaptive learning system, ALEKS. This study applied ANOVA, regression, and factor analyses. The results of this study found that perceived integration of the AI-based adaptive learning system with the lectures on overall satisfaction, effectiveness, motivation, and intention to use for other classes showed significant with higher effect size. The results of this study provides implication that the AI-based learning system help improve learning outcomes in graduate level studies. The results provide policy and managerial implications that the AI-based adaptive learning system should improve better customer relationships in higher education.

세계적인 전자상거래 기업들은 지속 가능한 경쟁력을 확보하기 위해 사용자 맞춤형 추천 서비스를 제공하고 있다. 기존 관련 연구에서는 주로 평점, 구매 여부 등 정량적 선호도 정보를 사용하여 개인화 추천 서비스를 제공하였다. 하지만 이와 같은 정량적 선호도 정보를 사용하여 개인화 추천 서비스를 제공하면 추천 성능이 저하될 수 있다는 문제점이 제기되고 있다. 호텔을 이용한 사용자가 호텔 서비스, 청결 상태 등에 대하여 만족하지 못한다고 리뷰를 작성하였으나 선호도 평점 5점을 부여했을 때 정량적 선호도(평점)와 정성적 선호도(리뷰)가 불일치한 문제가 발생할 수 있다. 따라서 본 연구에서는 정량적 선호도 정보와 정성적 선호도 정보가 일치하는지를 확인하고 이를 바탕으로 선호도 정보가 일치하는 사용자를 바탕으로 새로운 프로파일을 구축하여 개인화 추천 서비스를 제공하고자 한다. 리뷰에서 정성적 선호도를 추출하기 위해 자연어 처리 관련 연구에서 널리 사용되고 있는 CNN, LSTM, CNN + LSTM 등 딥러닝 기법을 사용하여 감성분석 모델을 구축하였다. 이를 통해 사용자가 작성한 리뷰에서 정성적 선호도 정보를 정교하게 추출하여 정량적 선호도 정보와 비교하였다. 본 연구에서 제안한 추천 방법론의 성능을 평가하기 위해 세계 최대 여행 플랫폼 TripAdvisor에서 실제 호텔을 이용한 사용자 선호도 정보를 수집하여 사용하였다. 실험 결과 본 연구에서 제안한 추천 방법론이 기존의 정량적 선호도만을 고려하는 추천 방법론보다 우수한 추천 성능을 나타냄을 확인할 수 있었다.

Global e-commerce websites offer personalized recommendation services to gain sustainable competitiveness. Existing studies have offered personalized recommendation services using quantitative preferences such as ratings. However, offering personalized recommendation services using only quantitative data has raised the problem of decreasing recommendation performance. For example, a user gave a five-star rating but wrote a review that the user was unsatisfied with hotel service and cleanliness. In such cases, has problems where quantitative and qualitative preferences are inconsistent. Recently, a growing number of studies have considered review data simultaneously to improve the limitations of existing personalized recommendation service studies. Therefore, in this study, we identify review and rating mismatches and build a new user profile to offer personalized recommendation services. To this end, we use deep learning algorithms such as CNN, LSTM, CNN + LSTM, which have been widely used in sentiment analysis studies. And extract sentiment features from reviews and compare with quantitative preferences. To evaluate the performance of the proposed methodology in this study, we collect user preference information using real-world hotel data from the world's largest travel platform TripAdvisor. Experiments show that the proposed methodology in this study outperforms the existing other methodologies, using only existing quantitative preferences.

공연문화예술 시장의 확대에도 불구하고, 중소규모 공연장은 소비자의 정보 접근성이 좋지 않아 어려움을 겪고 있다. 본 연구는 중소규모 공연장의 마케팅 역량을 강화할 수 있는 하나의 대안으로써 머신러닝 기반의 장르 추천 시스템을 제시하고자 한다. 국내 한 공연장의 고객 마스터 DB와 거래이력 DB를 활용하여 고객당 3개의 장르를 추천하는 5개의 추천 시스템을 개발하였다. 추천시점 이후 1년 동안의 실제 공연구매 이력을 바탕으로 추천 시스템의 성능을 비교하여 최적의 추천시스템을 제안 하였다. 분석 결과, 단일 예측모형보다는 앙상블 모형 기반의 추천시스템이 우수한 성능을 보이는 것으로 나타났다. 본 연구는 공연문화예술 분야에는 일천했던 개인화 추천 기법을 적용했고, 분석 결과 공연문화예술 분야에서도 충분히 활용할 만한 가치가 있음을 시사하고 있다.

Despite the expansion of the market of performing arts and culture, small and medium size theaters are still experiencing difficulties due to poor accessibility of information by consumers. This study proposes a machine learning based genre recommendation system as an alternative to enhance the marketing capability of small and medium sized theaters. We developed five recommendation systems that recommend three genres per customer using customer master DB and transaction history DB of domestic venues. We propose an optimal recommendation system by comparing performances of recommendation system. As a result, the recommendation system based on the ensemble model showed better performance than the single predictive model. This study applied the personalized recommendation technique which was scarce in the field of performing arts and culture, and suggests that it is worthy enough to use it in the field of performing arts and culture.

본 연구는 인공지능디지털교과서(AIDT)를 기반으로 한 학생 맞춤형 사회정서학습(SEL) 증진 시스템을 설계하 였다. 학습 분석, 정서 분석, 맞춤형 피드백 기능을 통합하여 개념적 모델과 시스템 아키텍처를 개발하고, 전문가 대상 설문조사와 인터뷰, 패널 토론을 통해 설계 타당성을 검토하였다. Pearson 상관분석 결과, 각 핵심 요소 간의 유의미한 관계가 확인되었으며, 전문가들은 AIDT 기반 SEL 시스템이 개별 학습자의 특성을 반영한 실시간 맞춤 형 피드백 제공이 가능하다는 점에서 높은 설계 타당성을 지닌다고 평가하였다. 이러한 결과는 향후 해당 시스템 이 학습 성취와 정서적 발달을 동시에 지원할 수 있는 가능성을 보여준다. 향후 연구에서는 실제 교육 현장에서의 적용을 통한 실증적 효과 검증과 함께, AI 기반 정서 분석 기술의 신뢰성 확보를 위한 추가 연구가 필요하다.

This study designed a student-personalized Social-Emotional Learning (SEL) enhancement system based on the Artificial Intelligence Digital Textbook (AIDT). By integrating learning analytics, emotion analysis, and personalized feedback, a conceptual model and system architecture were developed. Surveys, in-depth interviews, and panel discussions with experts were conducted to validate the system design. Pearson correlation analysis confirmed significant relationships among the system’s core components. Experts evaluated the system as having high design validity, particularly in delivering real-time personalized feedback tailored to individual learners. These findings suggest the potential of the system to support both academic achievement and socio-emotional development. Future research should focus on empirical validation through real-world implementation and improving the reliability of AI-based emotion analysis.

난이도는 학습자가 컨텐츠를 선택하는 중요한 기준 중 하나이다. 하지만, 대부분의 난이도 기준은 컨텐츠 제공자 가 획일적으로 결정한다. 이러한 방식으로는 학습자의 다양한 수준과 환경을 고려한 맞춤형 교육을 지원할 수 없다. 본 연구는 이 문제를 해결하기 위하여 학습자와 컨텐츠의 지식을 정형화하고 일반화한 후, 이를 실험하기 위한 객체 모델과 맞춤형 난이도 척도를 설계하였다. 또한, 이를 검증하기 위한 목적으로 구현한 도구를 이용하여 100개의 음악 교육 컨텐츠와 20명의 학습자를 기반으로 시뮬레이션을 진행했다. 실험 결과는 제안한 방법이 학습 상태와 컨텐츠에서 정의한 지식의 유사도를 이용하여 맞춤형 난이도를 계산할 수 있음을 보여 주었다. 제안한 접근법은 학습 상태와 컨텐츠 에 쉽게 접근할 수 있는 온라인 학습 시스템에 효과적으로 적용할 수 있다.

The ‘level of difficulty’ is one of the major factors for learners when selecting learning contents. However, the criteria for the difficulty level is mostly defined by the contents providers. This approach does not support the personalized education which should consider the abilities and environments of various learners. In this research, the knowledge of the learners and contents were formalized and generalized to resolve the issue, and object models, including a metric for personalized difficulty level, were designed in order to be applied for experiments. And then, based on 100 contents for music education and 20 learners, we performed simulations with an implemented tool to validate our approach. The experimental results showed that our method can calculate the personalized difficulty levels considering the similarities between the knowledges from the learning state and the contents. Our approach can be effectively applied to the on-line learning management system which contains easy access to the learning state and contents data.

현재 학교의 학습 과정에서 학습자 간 학습 능력의 차이를 해결하기 위해 교육과정에서는 개별 학습과 수준별 학습을 권장한다. 그러나 교사가 단위 수업 시간 안에 수준별 개별학습을 진행하기에는 어려움이 따른다. 본 연구에서는 이에 대한 대안으로 Keller의 개별화수업체제 이론을 활용한 온라인 환경의 학습지원시스템을 개발하였다. 본 시스템은 학급 단위의 학습지원시스템으로, 수시로 실시되는 형성평가를 위해 실용성에 중심을 두었다. 학습자는 교실의 제한된 상황에서 벗어나 자신의 속도에 맞게 학습할 수 있으며, 반복 학습을 통해 궁극적으로 완전학습 도달이 가능하도록 한다. 또한 온라인 학습의 중요한 요소인 자기주도적 참여를 위하여 학습 동기를 높일 수 있는 제도들을 적용하였다. 본 시스템을 개발하여 적용한 결과, 교사는 형성평가를 실시하는 데 드는 시간과 노력을 절약할 수 있었고, 학생들은 자신의 상황에 맞는 유동적 학습과 반복 학습을 통해 목표 도달의 성취감을 경험할 수 있었다.

In order to adapt learners' individual differences in learning ability, individual learning and level-learning have been recommended. However, instructing each student accordingly is not easy issue. In this paper, an online learning support system based on Keller's Personalized System of Instruction theory is developed. As a class-based system, it supports teachers and students to conveniently conduct frequent formative evaluations. It enables students to study at their own learning pace and to reach their learning goals. And it adopts point system and level system to induce self-directed participation. Our implementation results confirm teachers can conduct formative evaluations efficiently.

본 연구는 초등교육 현장에서 AI기반 맞춤형 교수·학습을 통한 학습자 특성 진단 및 처방에 대한 요구를 분석함으로써, 교사 들이 학습자의 다양한 학습 요구를 AI를 활용하여 지원할 수 있는 방안을 모색하는 것을 목적으로 한다. 이를 위해 AI가 데이터 를 통해 진단해 줄 중요도가 높은 개인별 및 집단별 학습자 특성과, 이를 기반으로 처방적 측면에서 교수 설계 및 학생 지도를 위한 피드백 전략에 대한 요구 분석 문항을 개발하였다. 개발된 총 83개의 문항을 바탕으로 현직 초등교사를 대상으로 중요도, 실행도를 측정하였고, Borich의 요구도 산출 공식, 초점의 소재 모형을 활용하여 분석하였다. 연구 결과, 교사들은 진단 측면에서 학생들의 강-약점, 관심 키워드, 학습 스타일 등 개별적인 특성뿐만 아니라, 학생들의 다중지능, 쓰기 효능 등 집단별 특성에 대 해서도 파악하고자 하는 높은 요구를 보였다. 본 연구에서는 진단에 따른 처방전략에 대한 교사요구도 함께 도출하였다.

This study aims to analyze the needs for learner characteristics diagnosis and prescription through AI-based personalized teaching and learning in primary educational contexts, so that teachers can meet the diverse learning needs of students. To this end, a total of 83 needs survey questions on important individual and group characteristics of learners to be identified using AI and feedback and prescription strategies about instructional design and student guidance in terms of prescription were collected and analyzed, using Borich's needs calculation formula and The Locus for Focus model to measure the importance and implementation scales. The results of the study showed that teachers have a strong need to understand not only individual characteristics such as students' merits and weaknesses, keywords of interest, and learning styles, but also group characteristics such as students' multiple intelligences and writing efficacy in terms of diagnosis, deriving the needs for prescription strategies.

본 연구는 HSK 교수·학습 플랫폼인 Learn Chinese와 Super Test를 통해 AI 기반 맞 춤형 HSK 교육에 대해 살펴보고 AI 기반 중국어 교육의 특징과 한계 제안을 목적으로 한다. AIBE 맞춤형 HSK 교육은 첫째, AI 진단 테스트 및 맞춤형 교육 추천, 둘째, 교육 과정 학습 및 평가, 셋째, 학습 데이터 제공 및 학습 관리의 단계를 통해 이루어진다. AI 기반 HSK 교육 목적 플랫폼은 매우 고도화되어 있었으나 과정이 아닌 결과 중심의 학습, 기계적인 반복 학습, 피로도가 높은 학습이라는 한계점도 있었다. AI 기반의 중국어 교육에는 여러 장단점이 있지 만 분명한 것은 지금의 한계점을 극복하기 위한 각 분야의 연구가 계속되고 있으며 향후 기술 이 인간 교사를 대체할 수 있는 영역이 점차 확대될 것이라는 사실이다. 인간 교수자는 기계 의 장점을 최대한 활용하며 한편으로 교수자로서 더욱 중요한 역할이 무엇인지 고민하고 관 련 연구를 지속해야 할 필요가 있다.

This study aims to examine AI-based personalized HSK education through Learn Chinese and Super Test and to propose features and limitations of AI-based Chinese education. AIBE personalized HSK education is conducted in the following order: First, AI diagnostic testing and customized training recommendations, second, learning and evaluation, and third, learning data provision and management. Even though the AI-based HSK education platform was very advanced, there were also limitations such as result-oriented learning, mechanical repetition-oriented learning, and high fatigue learning. AI-based Chinese education has many advantages and disadvantages but what is clear is that research in each field to overcome current limitations is continuing and in the future the area where technology can replace human teachers will gradually expand. Human instructors need to make the most of the advantages of machines and on the other hand, they need to think about what is a more important role as instructors and continue related research.

This paper presents a learning framework that fits the digital age – an e-Friendly PLE. The learning framework is based on the theory of connectivism which asserts that knowledge and the learning of knowledge is distributive and is not located in any given place but rather consists of the network of connections formed from experiences and interactions with a knowing community, thus, the newly empowered learner is thinking and interacting in new ways. The framework’s approach to learning is based on conversation and interaction, on sharing, creation and participation, on learning not as a separate activity, but rather as embedded in meaningful activities such as games or workflows. It sees learning as an active, personal inquiry, interpretation, and construction of meaning from prior knowledge and experience with one’s actual environment.

In this paper, we present LogiIQ, a VR-based logistics training platform designed to support repetitive learning and self-directed training to address the growing demand for skilled logistics personnel due to increasing industrial automation. We built LogiIQ on a Unity-based WebGL 3D environment to simulate the operation of key logistics equipment—robotic arms, AGVs, and forklifts. Furthermore, we implemented a system for continuous tracking of individual progress based on learning history by integrating a React and Spring Boot-based web dashboard to collect and visualize learner’s performance data in real time. In a pilot study involving novice users, we confirmed that average scores across all modules nearly doubled while the standard deviation decreased, thereby demonstrating that LogiIQ is effective in enhancing learner proficiency and reducing skill gaps among learners. By organically combining simulation, data analytics, and adaptive feedback, we have established a self-directed, data-driven learning environment that goes beyond simple virtual training. Through this research, we aim to lay a foundation for more consistent and effective practical training in logistics education.

IT기술을 교육 서비스에 접목시키는 에듀테크 시대가 도래함에 따라, 음악 교육에서도 다양한 시도들이 행해지고 있다. 교수자 중심에서 학습자 중심으로 옮아가면서 학습자 맞춤형 학습에 대해 관심이 높아졌으며, 이를 위해서 학습자 의 숙련도를 파악하는 것이 필요하다. 피아노 학습에서 코드 운지법은 반주자가 필수적으로 익혀야 할 기법이다. 본 논문 에서는 맞춤형 코드 운지법 학습 도구를 제안하고 코드 운지법 패턴 분석을 통한 활용 방안을 보였다. 구체적으로는, 학습자의 축적된 코드 연습 데이터를 활용하여 코드의 난이도나 학습자의 숙련도를 파악하고, 코드 사이의 유사도에 기 반한 계층적 클러스터링을 수행하여 코드 클러스터들을 통하여 보다 향상된 코드 연습에 대한 활용방안을 제시하였다. 본 연구의 의의는 연습 데이터로부터 의미 있는 정보를 획득하여 맞춤형으로 코드 학습을 할 수 있다는 데 있다. 또한 테스트와 같은 부가적인 노력 없이, 연습 시에 저장되는 데이터들을 이용하여 숙련도와 코드 학습 난이도가 산정되므로 학습자 입장에서의 부담을 경감시킬 수 있다.

As Edutech arises which is integrating IT technology into education, many related attempts have been tried on music education area. The focus has been shifted from the teachers to the learners, and this makes the personalized learning emerge. The learner's proficiency is an essential factor to support the personalized learning. The chord fingering is an important technique in piano learning. In this paper, a personalized learning tool for piano chords has been suggested. And then, several utilization ways have been described by analyzing the chords patterns. Specifically, the difficulty of the chords and the proficiency of the learner are derived from the accumulated practicing log data of the users. More effective learning way of the chords has been presented through hierarchical clustering based on chords similarity. Furthermore, the suggested approach where only the practicing log data are used lessens the learner's burden to measure the proficiency and the chord's difficulty without additional efforts like taking tests.

본 연구의 목적은 정보통신 윤리교육에서 개인화 포털을 활용한 사례기반학습의 효과성 분석을 위한 것이다. 이 연구 문제를 해결하기 위하여 강원도에 소재한 특성화 고등학교 3학년 2개 학급 30명을 실험집단(15명)과 통제집단(15명)으로 선정하였다. 실험에 앞서 두 집단의 동질성을 알아보기 위한 사전 검사를 실시하였다. 실험은 3주 동안 6차시에 걸쳐 진행되었으며, 개인화 포털을 활용한 사례기반학습은 실험집단에만 투입하였다. 정보통신 윤리의식의 향상 정도를 측정하기 위하여 사후검사를 실시하였다. 실험 결과에 대한 통계처리는 SPSS/WIN 19.0 통계프로그램을 이용하여 정보통신 윤리의식 검사의 두 집단 간 평균을 비교하는 독립표본 t-검증을 실시하였다. 본 연구의 결과는 개인화 포털을 활용한 사례기반학습 수업모형을 활용하여 정보통신 윤리교육을 학습자에게 적용한 후, 학습자의 정보통신 윤리의식의 변화를 존중영역과 책임영역으로 나누어 분석한 결과 존중영역이 16% 책임영역이 10% 향상되었다.

The purpose of this study is to learn the effect of the case-based learning using personalized portal on information and communication ethics. In order to resolve this problem, we have selected 2 classes 30 students, who are in the 3th group(15 people). Prior to the experiment, we have tested earlier to find out the homogeneity of two groups. Test was done for 6 times during 3 weeks, and the case-based learning using personalized portal was applied on the experiment group only. We have done post test to measure the degree of improvement on the ethics consciousness about information communications. The results of the experiment was used SPSS/WIN 19.0 statistics program, information communications ethics consciousness and we applied independent sampling t-test that can compare averages of two groups. These study results are as follows. After applying the information communication ethics of the case-based learning using personalized portal and class model, students ethics consciousness improved when we've analyzed students information communication ethics consciousness divided into area of respect and area of responsibility.