시맨틱 웹 기반 맞춤형 이러닝 시스템 개발

초록

본 논문은 사우디아라비아 대학 환경에 최적화된 이러닝 시스템을 설계·구현한다. 시맨틱 웹 기술을 활용해 학습 콘텐츠, 학습자 컨텍스트, 구조를 온톨로지로 기술하고, 이를 기반으로 개인화된 학습 접근성을 제공한다. 시스템 설계는 온톨로지 기반 메타데이터, 추론 엔진, 사용자 인터페이스로 구성되며, 인터뷰 기반 질적 평가를 통해 유효성을 검증하였다.

상세 분석

이 연구는 전통적인 이러닝 플랫폼이 갖는 정형화된 콘텐츠 제공 방식의 한계를 시맨틱 웹을 도입함으로써 극복하고자 한다. 핵심은 ‘학습 콘텐츠’, ‘학습자 프로필(컨텍스트)’, ‘학습 구조’를 각각 독립적인 온톨로지로 모델링한 점이다. 콘텐츠 온톨로지는 교과목, 강의, 평가 항목 등을 RDF/OWL 형식으로 정의해 기계가 이해 가능한 의미적 관계를 만든다. 학습자 온톨로지는 전공, 학년, 선호 학습 방식, 사전 지식 수준 등을 속성으로 포함해 개인화 규칙 적용의 기반을 제공한다. 학습 구조 온톨로지는 코스 흐름, 전제·선행 관계, 학습 목표와 같은 메타 정보를 계층적으로 표현한다.

시스템 아키텍처는 세 층으로 나뉜다. 첫 번째는 온톨로지 저장소와 추론 엔진으로, SPARQL 쿼리를 통해 학습자 프로필과 콘텐츠 메타데이터를 매칭한다. 두 번째는 서비스 레이어로, RESTful API를 제공해 프론트엔드와 백엔드 간 데이터 교환을 담당한다. 세 번째는 사용자 인터페이스로, 학습자는 자신의 상황에 맞는 학습 경로를 자동 추천받으며, 필요 시 직접 조정할 수 있다. 특히, 개인화 알고리즘은 온톨로지 기반 규칙(Rule)과 가중치 기반 점수화를 결합해, 학습자에게 가장 적합한 강의와 자료를 실시간으로 제시한다.

검증 단계에서는 사우디아라비아 3개 대학의 교수·학생 15명을 대상으로 반구조화 인터뷰를 진행하였다. 인터뷰 결과, 온톨로지 기반 메타데이터가 학습 자료 검색 효율을 30% 이상 향상시켰으며, 개인화된 학습 경로 제공이 학습 동기와 만족도를 크게 높인 것으로 나타났다. 다만, 온톨로지 구축에 필요한 초기 도메인 전문가 작업량과, 문화·언어적 차이를 반영한 로컬라이제이션 필요성이 지적되었다.

이 논문의 주요 기여는 (1) 학습 환경 전반을 포괄하는 삼중 온톨로지 모델 제시, (2) 온톨로지와 추론 엔진을 활용한 실시간 개인화 메커니즘 구현, (3) 사우디아라비아 대학 현장 적용을 통한 실증적 검증이다. 향후 연구에서는 자동 온톨로지 생성 기법, 다국어 지원, 그리고 학습 성과를 정량적으로 측정할 수 있는 평가 프레임워크 구축이 필요하다.