학습양식 기반 개별화 추천시스템 설계: AI 어학용 앱을 중심으로
Learning Styles-Based Personalized Recommender System Design: Focusing on AI-Embedded Language Learning Applications
- 주제(키워드) 인공지능(AI) , 교육용 모바일 앱 , 학습양식 , 추천시스템 , Artificial Intelligence (AI) , Educational Mobile Apps , Learning Styles , Recommender System
- 주제(기타) 학제간연구
- 설명문(URI) https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002944896
- 등재 KCI등재
- 발행기관 사단법인 한국융합기술연구학회
- 발행년도 2023
- URI http://www.dcollection.net/handler/ewha/000000204819
- 본문언어 한국어
- Published As http://dx.doi.org/10.47116/apjcri.2023.03.41
초록/요약
최근 인공지능(AI) 기능을 탑재한 교육용 모바일 앱이 양적으로 팽창하고 있지만, 자료의 홍수 속에서 학습자들이 자신에게 적합한 모바일 앱을 찾고 소비하는 과정이 더욱 어려워지고 있다. 본 연구는 AI 어학용 앱을 중심으로 학습자의 학습양식에 기반한 개별화 추천시스템을 설계하고 그 효과성을 평가하고자 하였다. 본 연구에서 제안된 추천시스템은 Felder와 Silverman의 학습양식 이론을 기반으로 총 세 단계를 거쳐 개발되었다. 첫 번째 단계인 데이터베이스 구축에서는 AI 기능이 탑재된 어학용 앱 16개를 선정하고, 총 40명의 성인 학습자를 대상으로 학습양식 및 앱 사용 만족도 데이터를 수집하였다. 두 번째 단계인 추천 메커니즘 개발에서는 협업필터링 기법을 사용하여 학습양식을 클러스터링하고 추천 메커니즘을 도출하였다. 마지막 단계인 성능평가에서는 도출된 학습양식 기반 추천리스트를 기반으로 앱을 추천하고 실제 학습자의 앱 만족도 데이터와 예측 만족도 사이의 평균절대오차(MAE)를 계산하였다. 평가결과 본 연구에서 제안된 학습양식 기반 추천 메커니즘이 학습자 앱 만족도에 83.33%의 예측 정확률을 보였다. 본 연구는 그동안 연구가 부족하였던 교육용 개별화 추천시스템 분야에서 학습양식에 기반한 새로운 추천 방법을 제안하였다는 점에서 의의가 있다.
more초록/요약
Although educational mobile applications (apps) integrated with artificial intelligence (AI) functions are expanding recently, it becomes more difficult for learners to find and consume mobile apps suitable for them amidst the flood of resources. Focusing on AI-embedded language learning apps, this study aims to design and evaluate the effect of a personalized recommender system based on learning styles. The recommender system proposed in this study was developed through three stages based on the learning style theory by Felder and Silverman. In the first step ‘database construction’, we selected 16 language apps with AI functions, and collected data on learning styles and learners’ satisfaction with apps from 40 adult learners. In the second step ‘recommendation mechanism development’, we used the collaborative filtering method to cluster learning styles and to derive the recommendation mechanism. In the last step ‘performance evaluation’, we calculated the mean absolute error (MAE) between the app satisfaction data of actual learners and the predicted satisfaction scores. The results indicated that the learning styles-based recommendation mechanism proposed in this study showed a prediction accuracy rate of 83.33% for learners’ app satisfaction. The contribution of this study is that it proposes a new recommendation method based on the learning styles in relation to the personalized recommendation system for education, which has been lacking in research.
more