ubob insight
ubob에서는 오래전부터 이미 다양한 방식으로 콘텐츠를 큐레이션하고 학습자에게 학습할 콘텐츠를 추천해 오고 있습니다. 최초 직무와 직급에 단순 매핑된 콘텐츠를 필터링하여 추천해주던 프로파일 기반 추천을 시작으로, 역량평가에 따라 추천이 이루어지는 역량기반 추천, CF(Col-laboration Filter) 방식의 학습이력기반 추천, Deep Learning을 통한 AiLearn 추천, 선택한 관심 카테고리를 중심으로 추천하는 관심 카테고리 추천, 그리고 최근 추가한 명함인식기반 추천까지 다양한 방식으로 추천을 진행하고 있습니다.
이렇게 추천 방법이 다양해지다 보니, 여러 방면에서 필요한 추천 콘텐츠들의 양이 많아지고 학습자는 추천된 콘텐츠들 중에서 다시 필요한 학습을 골라야 하는 상황에 빠져들게 됩니다.
이에 ubob에서는 앞서 개별적으로 큐레이션하여 진행하던 추천을 '오늘의 추천(daily recmmend)'이라는 방식으로 재 정렬하려, 학습자들에게 시기적으로 지금 좀 더 필요할 것 같은 콘텐츠를 우선 추천하는 통합 방식 추천을 제공하고 있습니다. '오늘의 추천'방식은 앞서 나온 명함인식기반 트랜드 추천과 AiLearn을 통한 추천, CF(Collabration Filter) 방식을 이용한 콘텐츠 추천, 비슷한 직무와 직급을 가진 학습자들이 학습한 콘텐츠를 기반으로 선정된 추천, 그리고 설정한 관심 분야를 중심으로 큐레이션된 콘텐츠 리스트들을 상관계수에 따라 적당한 값을 부여하고 정렬하여 학습자에게 필요한 순으로 학습 콘텐츠를 추천합니다.다음은 ubob에서 특허를 받았거나 특허출원중인 기술로 제공하고 있는 추천 방식들에 대한 간단한 소개입니다.
스마트러닝 서비스를 시작하면 제일 먼저 관심이 있는 직무와 직급, 그리고 카테고리를 선택하게 됩니다. ubob에서는 신규 콘텐츠를 스마트러닝에 추가할 때마다 해당 과정이 어떤 학습자들에게 적합한지를 메타데이터 입력을 통해 설정하고, 이렇게 설정된 값과 학습자가 선택한 직무/직급을 매핑하여 학습자들이 관심을 갖는 해당 분야에 대한 콘텐츠를 제공합니다. 또한 관심 카테고리로 설정한 카테고리의 인기과정들을 학습자에게 추천하고 있습니다.
학습자들이 학습을 시작하기전 또는 학습 중에 간단한 역량진단을 수행하고, 이 결과를 통해 부족한 부분을 채우기에 적당한 콘텐츠를 ubob 스마트러닝에서 추천해 줍니다. 역량평가는 공통, 리더십, 그리고 직무 역량에 대한 간단한 질문에 학습자들이 스스로 평가를 진행하여, 필요한 역량과 그 중에서 부족한 역량 부분을 확인하고, 해당 역량을 높이기 위해 추천된 콘텐츠를 학습할 수 있습니다.
ubob 스마트러닝은 학습자들이 학습한 이력을 통계적으로 분석하여 비슷한 성향의 학습자들이 학습한 이력으로부터 현재 나에게 필요한 콘텐츠를 추출해 냅니다. 이렇게 추출된 콘텐츠는 콘텐츠들의 학습 순서와는 상관없이 학습 여부 자체를 기준으로 하여 비슷한 학습성향을 가진 학습자들에게 공통으로 필요한 학습을 제시합니다.
(특허등록 제10-2222848호, 특허출원중 10-2019-0129465)
CF 방식의 학습추천이 비슷한 환경의 학습자들에게 공통으로 필요한 학습을 추천하기는 하지만, ubob에서는 학습자의 학습이력 중 카테고리까지 결합하여 카테고리는 word2Vec 방식으로, 학습과정이력은 Deep Auto Encoder를 이용, 두 결과를 merge시키는 방법(제10-2222848호) 을 이용하여 CF 추천 보다 추천 정확도를 높이는 작업을 먼저 진행하였습니다. 하지만 Deep Auto Encoder가 학습의 순서와 관계없기 때문에 ‘지금 이 콘텐츠가 필요한가?’에 대한 질문에 대답하기에는 부족한 부분이 있었습니다. 이에 ubob에서는 콘텐츠 학습의 순서까지 반영한 LSTM 방식의 Deep Learning을 통해 좀 더 시기적으로 적절한 학습 콘텐츠를 추천하게 되었습니다(특허출원중 10-2019-0129465). 그리고 너무 많은 콘텐츠를 제공하기에 정확도가 떨어질 것을 대비하여 학습 콘텐츠의 카테고리까지 통합 반영, 지금 필요한 콘텐츠를 학습자에게 전달하고 있습니다.
(특허등록 제10-2063183호)
명함인식기반 추천은 명함을 인식하고 회사이름과 직무, 직급과 같은 정보를 추출하여 해당 직무, 직급, 산업의 학습자들이 어떤 콘텐츠들을 학습하였는지, 보유한 메타데이터와 학습이력을 분석하여 학습하는 데 적합한 콘텐츠를 추천해 주고 있습니다.
(특허등록 제10-2102193호)
명함인식을 통해 추출된 정보나 보유한 연락처 분석을 통해 관련집단(준거집단)의 학습성향을 Big Data 분석을 통해 추출해 내고, 이렇게 추출된 데이터를 기반으로 이 준거집단 속에서는 어떤 콘텐츠를 학습해야 적절한지를 판단하여 학습자에게 적절한 콘텐츠를 추천합니다.
(특허등록 제10-2284393호)
ubob의 스마트러닝을 처음 학습하는 학습자들을 위해 처음에 어떤 콘텐츠를 학습해야 좋을지를 추천해 주기 위한 방식입니다. 처음 스마트러닝을 사용하는 학습자들은 기록된 학습데이터가 없기 때문에 cold start 문제가 발생하게 됩니다. 이 문제를 해결하기 위해 TF-IDF 방식으로 콘텐츠들을 클러스터링하고, 각 클러스터에서 대표 콘텐츠를 선정합니다. 학습자들은 이렇게 선정된 대표 콘텐츠들 중에서 관심이 있는 콘텐츠 3개를 고르면 시스템은 해당 콘텐츠를 포함하는 클러스터에서 대표 콘텐츠들을 학습자에게 추천합니다.
(특허등록 제10-2322212호, 특허등록 제10-2322213호)
제공하는 추천이 다양화됨에 따라 학습해야 하는 콘텐츠를 또 다시 탐색하고 선택해야 하는 단계가 발생하므로, ubob에서는 이렇게 다양하게 추천된 콘텐츠들을 정렬하여 학습자에게 필요한 순으로 제공하기 시작하였습니다. 우선, 명함인식기반 추천에서 좀 더 시간적 의미를 추가로 부여했습니다 (특허등록 제10-2322212호). 학습자의 명함을 인식하고 회사이름을 추출하여, 해당 학습자가 어느 산업군에 있는지를 파악한 후 지금 학습이 필요한 콘텐츠를 추천하기 위해 해당 회사나 산업의 뉴스와 트랜드를 검색하여 최근 이슈가 되고 있는 내용을 기반으로 학습 콘텐츠를 추천해 주고있습니다. 여기에 추가적인 추천방식들과 MERGE를 통해 오늘 학습하기 좋은 콘텐츠를 최종적으로 학습자에게 추천해 줍니다 (특허등록 제10-2322213호).
오늘의 콘텐츠를 선정하는 방법은, 학습자가 소속된 회사이름과 산업을 이용하여 매일매일 오늘의 이슈/뉴스를 검색하고 이와 관련된 콘텐츠를 찾아내어 목록화합니다. 그러고 나서 AiLearn 에서 추천하는 콘텐츠, CF방식을 이용한 콘텐츠, 직무/직급 매핑을 이용한 추천 콘텐츠, 그리고 관심 카테고리 매핑 콘텐츠들을 목록화하여 정렬 후 학습자에게 통합된 하나의 추천으로 제공하고 있습니다. 또한 이때 추천된 첫 번째 콘텐츠는 스마트러닝 홈 화면의 제일 상단에 노출되어 학습자가 제일 먼저 확인할 수 있도록 서비스하고 있습니다.
추출된 데이터를 기반으로 이 준거집단 속에서는
어떤 콘텐츠를 학습해야 적절한지 판단하여
학습자에게 적절한 콘텐츠를 추천합니다.
- 이주현, (주)유밥 기술개발팀 상무
- (주)유밥 기술개발팀 상무
- 한국 Hummingbird PTY Korea Local Manager
- Cyber MBA 기술개발팀장
- 삼주시스템서비스 IBM GPS Support Team Manager역임
- 14년간 학습관리시스템, 검색엔진, 지식관리시스템 분야에서 다수의 프로젝트 진행
www.ubob.com
직원 교육을 넘어 기업 성장까지 함께 고민합니다.