Comparison of Active Learning Performance for Automatic Classification of Learning Contents
Eun-Sook Kang, Dae-Sik Ko · The Journal of Korean Institute of Information Technology · 2021
최근 비대면 교육시스템은 사회적으로도 필수적인 인프라로 부상하였고, 개인별 맞춤형 학습에 대한 필요성이 대두되고 있다. 본 연구에서는 개인화된 맞춤 학습 플랫폼을 구축하기 위해 액티브러닝 기반의 딥러닝을 이용한 학습콘텐츠를 자동분류하는 기법을 비교 연구하였다. 학습데이터를 선별하는 접근법이 핵심인 액티브러닝의 불확실성 접근법과 다양성 접근법의 대표적인 Core-set 접근법을 실험하고, 머신러닝과 딥러닝 분류 결과도 비교 실험하였다. 머신러닝을 이용한 분류모델에 비해, 딥러닝을 이용한 분류모델의 성능이 우월하고 Core-set 접근법을 적용한 액티브러닝이 딥러닝 기준선(Baseline) 정확도 97.5% 이상을 도달하기 위한 시간 절감이 90.7%의 효과로 나타났다. 따라서 Core-set 접근법을 적용한 액티브러닝을 이용하여 정확하고 빠른 학습콘텐츠 자동분류가 가능하여 개인화 학습플랫폼 서비스에 핵심적인 기술로 활용될 것으로 기대한다.