1. 서론 추천 시스템은 사용자의  행동 데이터나 로그 데 이터를 바탕으로 사용자에 필요한 정보나 제품을 사용 자의 성향에 맞춰 추천함으로서, 자신이 원하는 품목을 쉽 획득할 수 있도록 돕 있다. 이러한 추천시스템은 ITS를 위한 개인화 학습코스 추천 모델 개발 한지원 1 , 조재춘 2 , 임석 3* 1 고려대학교 컴퓨터학과 박사수료, 2 고려대학교 컴퓨터학과 박사, 3 고려대학교 컴퓨터학과 교수 Development of Personalized Learning Course Recommendation Model for ITS Ji-Won Han 1 , Jae-Choon Jo 2 , Heui-Seok Lim 3* 1 Ph. D. Candidate, Dept. of Computer Science and Engineering, Korea University 2 Ph. D., Dept. of Computer Science and Engineering, Korea University 3 Professor, Dept. of Computer Science and Engineering, Korea University 요 약 학습코스 선정에 많은 어려움 시행착오를  있는 사용자들에 수준별 학습코스를 제하기 위해, ITS (Intelligence Tutoring System)를 위한 동적인 학습자 맞춤형 학습코스 추천 모델을 발하였다. 이를 위해, 인화 학습코 스 추천모델에서는 먼저 학습자 프로파일을 분석하, 단어별 가중치를 산하여 핵심 키워드를 추출한다. 추출된 단어는 Cosine Similarity 기법을 통해 유사도를 측정하, 최종적으로 유사도가 높은 상위 3 정이 학습자에 추천된다. 추천 모델의 효를 분석하기 위해, 기도 소재 교육기에 추천모델을 적용하였, 만족도 조사를 통하여 설문 항목별 평균, 표준편차, 왜도, 첨도 값을 산하였다. 실험, 정확성, 새로움, 자기참조, 유용성에서 높은 만족도를 보였으며, 추천모델 의 실효성을 증했다. 본 연구는 그동안 국내·외에서 충분히 다뤄지지 않았던 기학습 중심의 맞춤형 학습코스를 추천했 다는 점에서 의미가 있다. 주제어 : TF-IDF, 유사성, 지능형교수시스템, 인화, 추천시스템 Abstract To help users who are experiencing difficulties finding the right learning course corresponding to their level of proficiency, we developed a recommendation model for personalized learning course for Intelligence Tutoring System(ITS). The Personalized Learning Course Recommendation model for ITS analyzes the learner profile and extracts the keyword by calculating the weight of each word. The similarity of vector between extracted words is measured through the cosine similarity method. Finally, the three courses of top similarity are recommended for learners. To analyze the effects of the recommendation model, we applied the recommendation model to the Women's ability development center. And mean, standard deviation, skewness, and kurtosis values of question items were calculated through the satisfaction survey. The results of the experiment showed high satisfaction levels in accuracy, novelty, self-reference and usefulness, which proved the effectiveness of the recommendation model. This study is meaningful in the sense that it suggested a learner-centered recommendation system based on machine learning, which has not been researched enough both in domestic, foreign domains. Key Words : TF-IDF, Similarity, Intelligence Tutoring System, Individualization, Recommendation System *Corresponding Author : Heui-Seok Lim (limhseok@korea.ac.kr) Received August 7, 2018 Accepted October 20, 2018 Revised October 1, 2018 Published October 28, 2018 Journal of the Korea Convergence Society Vol. 9. No. 10, pp. 21-28, 2018 ISSN 2233-4890 https://doi.org/10.15207/JKCS.2018.9.10.021