대학 서술형 강의평가 실태 및 네트워크 분석

• 영문명: University Narrative Lecture Evaluation Status and Network Analysis: A case Study of S University
• 발행기관: 학습자중심교과교육학회
• 저자명: 김정민(Joungmin Kim) 정진성(Jinseong Cheong) 정하보(Habo Jeong)
• 간행물 정보: 『학습자중심교과교육연구』제21권 15호, 149~164쪽, 전체 16쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2021.08.15

국문 초록

목적 본 연구는 충남에 위치한 S 대학에서 총 7학기에 걸쳐 이루어진 서술형 강의평가 결과를 대상으로 대학생들의 응답 실태를 실증적으로 분석하고자 하였다. 방법 세부적으로 학생, 교과목, 평가내용에 따라 어떠한 특징이 있는지 분석하였으며, 빅데이터 분석 프로그램 텍스톰과 Ucinet 6 넷드로(NetDraw) 기능을 통해 키워드 분석 및 네트워크 시각화를 시행하였다. 또한, 도출된 키워드의 유사 군집을 도출하기 위해 CONCOR 분석을 시행하였다. 결과 첫째, 서술형 강의평가 내용에는 비문(非文), 한 글자, 의견 없음과 같은 잡음(noise) 데이터의 비율이 전체 평가 건수 중 19.41%에 달하였으며, 서술된 문장도 20자 이하의 짧은 글로 이루어진 비율이 전체의 61.7%에 달하는 것으로 나타났다. 둘째, 감정 단어는 긍정, 부정, 중립으로 나뉘어 살펴본 결과, 긍정의견이 66.19%로 가장 높았으며, 다음으로는 중립 27.60%, 부정 6.21% 순이었다. 강의평가 내용 중 시험과 평가에 대한 부정 의견이 2,253건(0.6%)으로 가장 많았으며, 강의 소감 영역에서 75.78%의 서술형 강의평가 의견이 기재된 것으로 나타났다. 셋째, 강의평가와 관련하여 높은 빈도를 보인 키워드는 ‘감사’, ‘좋음’, ‘수업’, ‘없음’, ‘수고’ 등의 순이었으며, 네트워크 분석 결과, 수업/감사, 좋음/수업, 가르침/감사, 수업/재미, 수업/내용 등이 주요하게 연결된 것으로 나타났다. 강의를 키워드로 군집분석을 실시한 결과 ‘배움’, ‘시험’, ‘도움’, ‘힘듦’, ‘많음’이 주요 의견 그룹으로 형성되었다. 결론 강의평가의 형성적 목적을 달성하기 위해서는 무엇보다도 양적⋅질적으로 풍부한 응답 자료를 수집할 수 있도록 현재의 강의평가 방식의 개선이 필요함을 확인할 수 있었으며, 이를 바탕으로 시사점을 도출하였다.

영문 초록

Objectives This study is to improve the quality of lectures based on the results of the narrative lecture evaluation conducted over a total of seven semesters at S university. Methods The keyword analysis and network visualization including CONCOR were conducted to derive similar cluster text by textorm and Ucinet 6 NetDraw program. Results The ratio of noise data was 19.41% and the written sentences and 61.7% of sentences were less than 20 characters. Second, the emotional words were divided into positive, negative, and neutral, and as a result, positive was the highest at 66.19%, next was neutral 27.60% and negative 6.21%. There were 2,253 negative opinions (0.6%) on the test and task evaluation, and 75.78% of narrative opinions were recorded in most of the impressions. Third, the keywords with high frequency were in the order of ‘thank you’, ‘good’, ‘class’, ‘none’, etc. As a result of network analysis, classes/thanks, good/class, teaching/thanks, class/fun, class/content, etc., were mainly found. As a result of cluster analysis by keywords, learning, examination, help, difficulty, and abundance were formed as major opinion groups. Conclusions In order to be used as data for improving the quality of lectures, it is necessary to improve the current lecture evaluation method to collect quantitatively and qualitatively meaningful response data. Implication were presented based on the research results.

목차

Ⅰ. 서론

Ⅱ. 연구 방법

Ⅲ. 연구 결과

Ⅳ. 결론 및 제언

참고문헌

키워드

서술형 강의평가 교육의 질 네트워크 분석 narrative lecture evaluation quality of education analysis of network