본 연구는 인공지능 기반의 지능형 학습분석 고도화 기술을 3차년도에 걸쳐 수행할 예정이며 구체적인 내용은 다음과 같다. 첫째, 인공지능 기반 학습분석 자동화 기술과 정확도 향상 기법을 연구할 것이다. 이를 위해 학습 로그 데이터의 패턴을 딥러닝 기법을 적용하여 찾아낸 후, 자동으로 특징(feature)을 생성하는 연구를 수행할 것이다. 또한, 앞서 자동 생성된 특징을 LSTM(Long Short-Term Memory) 기반의 모델에 활용하여 더욱 정확한 학습 패턴 분석과 학업 성취 예측을 수행할 것이다. 둘째, 딥러닝 기반 인공지능 학습 분석/예측 고도화 방안을 연구할 것이다. 이를 위해 적은 양의 데이터로도 학업 성취 예측이 가능하도록 GAN(Generative Adversarial Network) 기반의 FSL(Few-Shot Learning) 기법을 연구할 것이다. 또한, 학업 성취 예측 고도화를 위해 학습 로그 데이터에 오토인코더(AutoEncoder) 기반의 클러스터링 기술을 활용하여 학습자 군집화 정확도를 향상할 것이다. 셋째, Linked Open Data 기반 학습 데이터 관리 및 추천 시스템을 연구할 것이다. 이를 위해 다양한 온톨로지 언어를 활용한 스키마를 제작하고, 딥러닝 기반의 학습 자료 Linked Open Data 인터링킹 방법을 개발할 것이다. 특히, RNN(Recurrent Neural Networks) 기반의 Neural Attention 모델을 적용하여 외부의 다양한 Linked Open Data와 entity를 더욱 효과적으로 인터링킹 할 것이다. 또한, 완성된 Linked Open Data에 딥러닝 기반의 추천 알고리즘인 Wide & Deep Model을 활용한 초개인화 교육 자료 추천 시스템을 개발할 것이다.