SOM 기반 BCI 사용자 상태 분류를 활용한 맞춤형 학습 추천 기법
A Personalized Learning Recommendation Method Using SOM-Based BCI User State Classification
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 학습자의 생리적·인지적 변화를 반영하는 적응형 학습 환경을 구현함으로써 개인화 학습의 효율성을향상시킬 수 있음을 보여준다. 비지도 학습 기반의 Self-Organizing Map(SOM)을 활용하여 BCI(Brain-Computer Interface) 사용자 상태를 자동 분류하고, 이를 맞춤형 학습 추천 시스템에 적용한 것이다. EEG(뇌파) 신호의 주요 주파수 대역(알파, 베타, 세타)을 분석하여 학습자의 집중·보통·피로 상태를 구분하고, 각 상태에 적합한 학습 콘텐츠를제시하였다. SOM을 통해 라벨링 없이도 내재된 EEG 패턴을 군집화하였으며, 온톨로지 기반 추천 알고리즘과 결합하여 인지 상태에 따라 학습 자료를 실시간으로 조정하였다. 향후에는 실제 EEG 실험과 다중 생체신호 통합을 통해 보다정밀한 실시간 학습 추천 모델로 확장될 수 있을 것이다.
Abstract
The proposed system demonstrates the feasibility of adaptive learning environments that respond to learners’ cognitive and physiological changes in real time. This study proposes an unsupervised learning approach using the Self-Organizing Map (SOM) to classify user states in Brain– Computer Interface (BCI) systems and apply them to a personalized learning recommendation model. EEG signals from alpha, beta, and theta frequency bands were analyzed to cluster user cognitive states into high focus, moderate focus, and low focus levels. The SOM model enabled clustering without labeled data, and the ontology-based recommendation algorithm dynamically adjusted learning content according to user states. Future work will focus on real EEG experiments and the integration of multimodal biosignals to enhance precision and expand the practical application of real-time personalized learning systems.