협력 필터링을 이용한 SCORM 기반 학습 컨텐츠 추천 시스템

Abstract

인터넷의 월드와이드웹(WWW) 서비스의 등장과 함께 웹을 교육에 활용하기 위한 연구가 활발히 진행되고 있다. 특히 교육용 컨텐츠를 웹을 통해 공유하고 재사용함으로써 양질의 컨텐츠를 적은비용으로 활용하기 위한 학습 컨텐츠의 표준화에 많은 초점이 맞추어져 있다. 이를 위하여 AICC, IMS Global learning 컨소시엄, IEEE LTSC, ADL 등의 기관에서 e-Learning 분야의 표준안을 제안하고 있다. 특히 ADL(Advanced Distributed Learning)의 SCORM(Sharable Content Object Reference Model)은 컨텐츠의 상호운용성, 접근성, 재사용성의 강화를 위하여 여러 국제 표준화 기구에서 제안한 명세를 통합한 것으로 사실상의 국제적 표준 명세서로 인정되고 있다. 그러나 SCORM 표준안은 메타데이터를 기반으로 컨텐츠 검색을 할 수 있을 뿐 사용자가 원하는 정보를 효율적으로 찾아주는 방법은 사용되지 않고 있어서, 사용자들은 자신이 원하는 컨텐츠를 찾기 위해 많은 시간과 노력을 소비하고 있다. 본 논문에서는 협력 필터링을 이용한 SCORM 기반 학습 컨텐츠 추천 시스템을 제안함으로써 사용자가 원하는 컨텐츠를 검색하는데 걸리는 시간과 노력을 줄이고자 하였다. 또한 사용자를 충성도에 따라 두 그룹으로 나누어 각 사용자가 속한 그룹 내에서만 유사도 계산과 예측 값 계산을 수행하도록 설계하여 기존의 협력 필터링 알고리즘보다 검색 시간을 약 30% 단축하였다. 제안하는 시스템을 소프트웨어로 구현하였고, 기존의 알고리즘과 검색 시간을 비교함으로써 제안하는 시스템을 평가하였다.;The expanded adoption of the e-Learning has saved time and cost to users, but as various learning contents are required, it created additional time and cost to generate such various contents. In addition, as such contents were dependent on specific LMS(Learning Management System) used to create them, they cannot be reused in other LMS, and sharing of contents across different LMS was virtually impossible. In order to resolve such an issue, the ADL(Advanced Distributed Learning) presented the standard platform of SCORM(Sharable Content Object Reference Model). The SCORM aims to ensure sharing of contents across different systems, their reusability, and control, so as to provide high quality services to the users. SCORM standard only allows users to search for contents based on meta data but does not offer a function finding right data that users want. Therefore users have to stand a lot of time and efforts to find contents they wants. In this thesis, we would like to propose Recommendation System for SCORM based Learning Contents using Collaborative which saves time and efforts to find contents. Our system consists of two groups. It calculates correlation and predicts value only inside the group. So, we can make it aout 30% faster than previous model. We also implemented the proposed system by using Java programming language and had a better searching efficiency. Our experimental results give us a good way to consider our new method is tangible solution to recommend optimal SCOs.