스마트러닝 환경에서 자기주도학습을 지원하기 위한 학습분석 데이터 탐색 및 검증

• 영문명: Exploring Learning Analytics Data for Supporting Self-Directed Learning in Smart Learning Environment
• 발행기관: 학습자중심교과교육학회
• 저자명: 김지하 박유진 현주은
• 간행물 정보: 『학습자중심교과교육연구』제23권 11호, 787~800쪽, 전체 14쪽
• 주제분류: 사회과학 > 교육학
• 파일형태: PDF
• 발행일자: 2023.06.15

국문 초록

목적 본 연구에서는 스마트러닝 학습에서 학습자의 자기주도학습을 구성하는 요인들을 학습분석학 관점에서 탐색 및 정의하고, 해당 학습 데이터의 유형과 특성이 적절한지에 검증하고자 하였다. 방법 학습분석 데이터에 대한 타당성을 확보하기 위해 전문가 타당화 방법을 활용하였다. 이를 위해 이러닝과 교육 연구 및 교육 실무 경험을 8년 이상 갖춘 전문가 총 7명이 참여하였다. 각 전문가들에게 본 연구의 대상이 되는 서비스 소개 및 타당화 검사의 목적과 도구에 대해서 설명하고, 이메일을 통해 검사를 총 2회 진행하였다. 결과 스마트러닝 학습에서 학습 전반에서 생성되는 다양한 데이터 중 수집 및 분석 가능한 자기주도학습 데이터에 대하여 정의하였다. 구체적으로 1) 메타인지(계획, 모니터링, 자기평가 및 성찰), 2) 학습전략(수행, 복습, 문제풀이 전략, 정교화, 탐구적 학습전략), 3) 행동전략(시간관리, 학습 수행, 몰입, 집중, 문제풀이 습관, 소셜러닝 참여) 3가지 영역으로 분류하였으며, 총 41개의 세부적인 학습분석 데이터를 도출하였다. 결론 본 연구를 통해 스마트러닝 학습에서 자기주도학습을 지원하기 위한 교수 및 학습 방향성을 제공하며, 인공지능 학습 관리 시스템의 기반을 마련했다는 점에서 그 의의를 갖는다.

영문 초록

Objectives The purpose of this study was to explore and define the factors that constitute self-directed learning in smart learning from a learning analytics perspective and to validate the appropriateness of the type and characteristics of the learning data. Methods To ensure the validity of the learning analytics data, we used an expert validation method. For this purpose, a total of seven experts with over 8 years of experience in e-learning, educational research, and educational practice participated. We explained the target service of this study and the purpose and tools of the validation test to each expert and conducted the test twice via email. Results We defined the self-directed learning data that can be collected and analyzed among various data generated throughout the learning process in smart learning. Specifically, we classified them into three factors of self-directed learning: 1) meta-cognition (planning, monitoring, self-evaluation, and reflection), 2) learning strategies (performance, review, problem-solving strategies, elaboration, and exploratory learning strategies), and 3) learning behaviors (time management, learning performance, immersion, concentration, problem-solving habits, and social learning participation) and a total of 41 detailed learning analysis data were derived. Conclusions This study provides meaningful directions for smart learning system to support learners' self-directed learning under the learning analytics. Also, it is expected to help lay the foundations for future AI-based learning system.

목차

Ⅰ. 서론

Ⅱ. 이론적 배경

Ⅲ. 연구 방법

Ⅳ. 연구 결과

Ⅴ. 결론 및 제언

참고문헌

키워드

스마트러닝 스마트러닝 환경 자기주도학습 전문가 타당화 학습분석학 smart learning smart learning environment self-directed learning expert validation learning analytics