비대면 학습을 활용하는 빈도가 높아지면서, 효율적인 학습을 위해 적응형 학습에 관한 관심이 높아지고 있다. 학생들이 주어진 학습을 쉽게 하려면, 학생들의 학습 성과를 고려한 학습경로의 설정이 필요하다. 그러나, 현존하는 대부분의 학습경로는 학습 로그에 기반해서 만들어지기보다는 경험 많은 교사들이 사용해온 커리큘럼에 의존하여 만들어진다. 그러나, 현재의 학생들이 이러한 커리큘럼 체계를 통하여 효율적으로 학습할 수 있는가에 대한 답은 확실하지 않다. 본 연구는 기존에 발표된 데이터를 이용하여 학습경로를 생성했던 연구에 더해 구조방정식 모형을 이용하고 hidden Markov model(HMM)과 귀납 논증을 활용하여 한 단계 높은 수준의 잠재 요인 간의 학습경로를 생성하는 데에 중심을 두고 있다. 2020년 D사의 수학 학습데이터를 이용하여, 세분된 학습 개념들의 학습경로가 아닌 세분된 개념들이 그룹화되어 생성된 상위 개념들의 학습경로를 생성하였고, 그룹화에 사용된 세분된 개념들의 신뢰성 및 타당성을 확인하였다. 세분된 개념들은 상위 개념에 대하여 신뢰성 있는 관측값을 보여주었으며 개념이 전달하려는 내용을 세분된 개념들이 타당성 있게 전달하는 것으로 확인되었다.