딥러닝 기반 교재 문항 검출 실험 연구
A Study on the Deep Learning-Based Textbook Questionnaires Detection Experiment
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
최근 학습, 교육 및 훈련으로 일컫는 이러닝 분야에서 교육(education)과 기술(technology)이 접목된 에듀테크(edutech)에 대한 연구가 활발하게진행되고 있다. 그러나 디지털 기기에서 자동으로 수집이 가능한 학습활동 데이터를 기반으로 학습자 개개인에게 맞춤형 학습을 제공하는 연구는많으나, 오프라인 학습에서 추출하고 활용해야 할 데이터의 수집 연구는 적다. 이에 본 연구는 데이터 수집 연구를 위해 인공지능 컴퓨터 비전기술을 이용하여 교재 또는 문제지의 문항 검출 방법을 연구한다. 이는 교재 또는 문제지에 대한 디지털로의 변환작업 없이도 오프라인 학습활동데이터를 수집·저장·분석하여 지능화 교육 서비스와 연계를 통해 오프라인 학습에서도 학습자의 개인 맞춤형 학습 서비스 제공한다.
Abstract
Recently, research on edutech, which combines education and technology in the e-learning field called learning, education and training,has been actively conducted, but it is still insufficient to collect and utilize data tailored to individual learners based on learning activitydata that can be automatically collected from digital devices. Therefore, this study attempts to detect questions in textbooks or problempapers using artificial intelligence computer vision technology that plays the same role as human eyes. The textbook or questionnaireitem detection model proposed in this study can help collect, store, and analyze offline learning activity data in connection with intelligenteducation services without digital conversion of textbooks or questionnaires to help learners provide personalized learning services evenin offline learning.
참고문헌 (11)
- J. W. Schofield, "Teachers, computer tutors, and teaching : The artificially intelligent tutor as an agent for classroom change", American Educational Research Journal, 31(3), pp.579~607 (1994)
- Y. Kong, "Edutech Industry Trends and Implications", Monthly Software Oriented Society, (70) (2020), Software Policy & Research Institute
- S. Ren, "Faster R-CNN : Towards real-time object detection with region proposal networks", IEEE Transactions on Pattern Analysis and Machine Intelligence, 39, pp.1137~1149 (2017)
- 이용환, "객체 검출을 위한 CNN과 YOLO 성능 비교 실험", 반도체디스플레이기술학회지, 19(1), pp.85~92 (2020), 한국반도체디스플레이기술학회
- K. He, "Deep residual learning for image recognition", 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Computer Vision and Pattern Recognition, pp.770~778 (2016)
- X. Wu, "Recent advances in deep learning for object detection", Neurocomputing, 396, pp.39~64 (2020)
- M. Everingham, "The Pascal Visual Object Classes(VOC)challenge", International Journal of Computer Vision, 88(2), pp.303~338 (2010)
- J. S. Lee, "Trends on object detection techniques based on deep learning", Electronics and Telecommunications Trends, 33(4), pp.23~32 (2018)
- Alexey Bochkovskiy, "YOLOv4 : Optimal Speed and Accuracy of Object Detection", Computer Science Engineering ArXiv (2020)
- "Getting started with VoTT annotation tool for computer vision" (2020)[URL]
- P. Henderson, "End-to-end training of object class detectors for mean average precision", Computer Science Engineering ArXiv (2017)