감성기반 상호작용 e-러닝 환경에서 프로파일을 활용한 학습 콘텐츠 타입 추천

Abstract

To date, most e-learning systems does not reflect emotion of users effectively as against off-line learning sufficiently consider the emotion of users. It may causes several problems that hinders effectiveness for e-learning. To solve this problem, a methodology that recognizes emotions based on brain wave and recommends learning contents to user based on emotions is attracted since this methodology can increase the effectiveness of learning.In this paper, first we analysis collected emotional data for users. Then we grasp the preference for contents types. Finally, we propose e-learning contents type recommendation using profile. Our system can solve cold-start problem that occur in typical recommendation system and we propose method that gives weights automatically to each profile attribute values for better accuracy of recommendation. We check advanced performance using several experiments.학습자의 감성 상태가 충분히 반영되는 오프라인 수업과 달리 지금까지 대부분의 e-러닝은 학습자의 감성정보를 수업에 효과적으로 반영하지 못했다. 이러한 한계점은 e-러닝의 학습 효과성을 저해하는 문제 중 하나로 지적되었다. 이 문제를 해결하기 위해 학습자의 뇌파를 통해 감성을 인식하고 감성 상태에 따라 적절한 학습 콘텐츠 타입을 추천하여 학습 효과를 증대 시킬 수 있는 방법론이 주목을 받고 있다. 본 논문에서는 기 수집된 학습자들의 감성(뇌파) 데이터를 분석하여 콘텐츠 타입 선호도를 파악한 후 프로파일 데이터를 활용하여 상관계수 기반 NN-Recommendation 학습 콘텐츠 타입 추천 시스템을 제안 하고자 한다. 이 시스템은 일반적인 추천시스템에서 발생하는 Cold-start 문제를 해결할 수 있으며 특히 본 연구에서는 보다나은 추천 정확도를 위해 프로파일 각 속성에 자동적으로 가중치를 부여하는 기법을 제시하여 향상된 성능을 보이게 됨을 실험을 통해 확인하였다.