2025년 5월 2일 서울대공원 견학🏞️

안녕하세요!

연둣빛 새잎이 가지마다 고운 결을 뽐내고, 바람은 한결 따스해져 마음을 간질이고, 나무는 어느새 푸르름을 짙게 머금고, 햇살은 유리알처럼 반짝이며 하루를 감싸안으며, 꽃들이 봄의 끝자락을 알리듯 마지막 향연을 펼치고, 풀잎 사이로는 여름의 기척이 살며시 다가오는, 생명이 충만한 5월의 첫 주입니다 ^오^

5월의 첫째 주 금요일인 5월 2일, 연구실에서는 '서울대공원의 동물원' 으로 나들이를 다녀왔습니다! 

동물원을 방문했던 귀여운 아이들이 정말 많았는데요! 아이들을 보면서

아이들의 활기찬 에너지 또한 많이 받을 수 있었습니다 😊

(아이들 사이에 지용쌤이 숨어 있습니다 ㅎㅎ)

대공원의 동물원 입구엔 아래 수달이 있었는데요!

동물원을 나올 땐 수달과 함께 사진도 찍었답니다 :)

이 날의 날씨는 정말 좋았어요! (정말 날씨 미쳤죠..?)

학교에만 있다가도 새로운 장소를 가니 기분이 전환되고 너무 좋았습니다 😙

그리고 교수님께서 솜사탕도 사주셨습니다! ㅎㅎ

 

요 동물은 무엇일까요~?

아래 동물은 플라밍고입니다!

플라밍고를 본지 얼마 되지 않아 기린을 마주쳤는데요!

저희가 가까이 다가갔을 때 마침 먹이를 먹는 장면을 볼 수 있어서 아주 좋았습니다 :)

(아래는 기린 먹방 영상입니다 🦒 뇸~)

기린을 보고나서 공원을 거닐면서 재밌는 동물들을 많이 보았는데요!

그 중에서도, 해설사의 코뿔소에 대한 설명을 듣기도 했습니다 :)

(TMI: 코뿔소의 영명은 white rhino로 쓰이는데, white는 원래 wild에서 유래했다고 합니다.. 흰 코뿔소의 입술이 다른 종의 코뿔소들에 비해 넓다는 것에서 오역했다고해요.. 그리고 코뿔소의 뿔은 뼈가 아닌 피부입니다! 인간의 손톱처럼 케라틴이라는 성분으로 이루어져있고, 매년 8~9cm정도성장한다고 해요!)

코끼리도 봤습니다!🐘

  

그리고! 교수님께서 솜사탕 뿐만이 아니라 아이스크림도 사주셨는데요!

사주신 아이스크림 덕분에 갈증도 해소하고 눈도 입도 즐거웠습니다! 

(교수님 감사합니닷!)

(얏호 ^오^)

동물하면 대표적으로 떠오르는 동물, 사자!

사자들은 모두 쉬고 있더라구요 :)

(래서판다도 귀엽죠? ^오^)

(아래는 물개입니다!)

 

(선생님들!! 이 동영상은 꼭 보셔야합니다..)

(선생님들의 스트레스를 덜어줄 물개 영상입니다..)

(이건 꼭 보고가세요..)

⬇️ 아까 블로그 글을 시작할 때 말씀드렸던 수달입니다! ㅎㅎ ⬇️

비록 애영 쌤이 수업으로 인해 나들이에 참여하지 못했지만..ㅜ

다음엔 꼭 같이했으면 좋겠습니다 😙

연오샘도 교수님과 한컷!

동물원 견학을 마치고선 다같이 외래향에 와서 아주 맛있는 코스요리로 하루를 마무리했답니다!!

이렇게 2025 TELD의 첫 나들이가 마무리 되었습니다😎

바쁜 각자의 일정을 제쳐두고 귀한 시간 내 오늘의 모임에 참여해주신 선생님들에게 모두 감사드리고!

이런 좋은 자리를 만들어주신 교수님께도 감사한 날이었습니다 :)

이야기를 많이 해보지 못했던 선생님들과도 이야기를 할 수 있는 소중한 기회였고,

선생님들과의 관계가 더 돈독해질 수 있는, 오래오래 기억될 날이었습니다 ㅎㅎ

앞으로도 선생님들과 이렇게 마주할 기회가 많았으면 하는 바램입니다 🥰

😎 모두 수고 많으셨습니다~! 😎

2025년 5월 2일 교육신경과학 세미나 1회 (With. 시드니대학교)

 🗓️ 2025년 5월 2일, 

시드니대학교와 함께하는 교육신경과학 세미나가 처음 시작된 날이었습니다!

세미나의 정식 명칭은,

"S^S Science of Learning and Development in education Seminar series"인데요,

Sydney + Seoul = S^S  (Squared Possibility)

바로 서울대학교와 시드니대학교 두 학교의 가능성을 거듭제곱한다는 시드니대학교의 김민강 교수님의 멋진 의미가 담겨 있답니다! 이렇게 함께 모여 지식을 나누고 성장할 수 있는 자리에 함께 할 수 있게 되어 설레고 감사했습니다.

이 세미나는, 서울대학교와 시드니대학교의 박사/석사과정 선생님, 그리고 박사후 연구원 선생님들까지 다양한 배경과 관심사를 가지고 계신 선생님들이 모여 함께 공부하고 토론하는 장입니다. 한 달에 한 번 열리며, Kim & Sankey's (2022) The Science of Learning of and Development in Education: A Research-Based Approach to Educational Practice의 챕터를 함께 읽고 토의하는 자리를 가집니다. 더불어 참여하시는 선생님들께서 진행하고 있는 연구와 아이디어를 공유하고 서로 값진 피드백을 주고받기도 한답니다. 🙌

시드니 대학교에서는 학습설계, 메타인지, 뉴로피드백, 사이버불링, 교사교육, 학습과학 등의 다양한 관심사를 가지고 연구하시는 선생님들께서 참여해주셨습니다 :)

이번 첫 세미나에서는 시드니 대학교의 Greg Webster 선생님께서 해당 책의 챕터 2를 발제해주셨는데요,

특히 <우리가 학습할 때 뇌가 어떻게 스스로를 조직하는가?>의 주제를 중심으로 뇌의 구조, 신경세포의 구조와 연결, 시냅스 사이에 일어나는 일 등에 대해 자칫 복잡하게 느껴질 수 있는 뇌과학의 세부 내용들을 흥미롭게 구성하여 공유해주셔 쉽게 이해하고 배울 수 있었습니다. 🧠

김민강 교수님께서는 이러한 뇌과학의 세부사항들을 배우는 과정에서 때로 '이렇게까지 자세히 알아야 할까?' 하는 의문이 들 수도 있지만, 이는 단순히 뇌의 해부학이나 신경화학 지식 자체를 쌓는 것을 넘어서는 의미가 있다고 말씀해주셨습니다. 실제로 학습자가 학습하는 실시간 뇌 안에서 어떤 일이 벌어지고 있는지를 새롭게 들여다보는 것이고, 이는 학습이란 과정을 완전히 새로운 방식으로 이해하는 데 도움이 될 것이라는 점을 명확히 짚어주셨습니다.

예를 들어 다중 양식(multimodal) 학습분석에서 신경영상 데이터를 활용해 뇌 활동을 관찰한다고 했을 때, 시냅스 수준에서의 신경화학적 이해가 부족하다면 그 의미를 정확히 해석하기 어려울 것입니다. 그러나 뇌과학 지식을 바탕으로 데이터를 해석한다면, 표면적인 뇌 활동 너머에 있는 진짜 원인과 의미를 더 깊이 있게 이해할 수 있다는 것입니다.

교수님께서는 또 다른 중요한 시사점을 제공해주셨습니다. 교육에서는 메타인지, 실행 기능, 작업 기억 등에 대한 많은 이론 모델들이 존재하지만 대부분은 실제 뇌에서 어떤 일이 일어나고 있는지에 대한 지식 없이 만들어졌다고 합니다. 지금은 실제 신경영상 데이터를 접할 수 있게 되었고, 시냅스나 신경망 수준에서 어떤 일이 일어나는지를 이해할 수 있으므로, 교육에서 여전히 사용되고 있는 이런 기존의 인지 모델들이 과연 여전히 유효한지 비판적으로 재고할 수 있는 새로운 기회가 우리 앞에 놓여있다는 점을 알려주셨습니다.

챕터 말미에는 greg 선생님께서 위 4개의 토의 질문을 공유해주셨습니다. 

위 질문을 중심으로 토의를 하며, 특히 뇌의 기본적인 작동 방식에 대한 흥미로운 사실을 다시 한번 깨닫게 되었는데요, 뇌는 끊임없이 주변 정보 중 '무엇이 중요한가'를 평가하고 선택하는 과정, 즉 주목성(salience) 판단에 기반해 움직인다는 점이었습니다.

여기서 더 나아가, 신경영상 데이터를 활용하면 우리가 학습 자료를 제시했을 때 학습자의 뇌가 그 자극을 얼마나 '의미 있게' 받아들이고 있는지, 즉 뇌가 그 학습 내용에 얼마나 주목하고 있는지를 객관적으로 엿볼 수 있다는 것도 함께 알게 되었습니다.

이렇게 뇌의 근본적인 작동 원리(주목성)가 학습 과정에서의 뇌 활동으로 어떻게 나타나고 측정될 수 있는지 연결되는 지점을 알게 되면서, 뇌과학과 학습 이론이 실제 교육 현상과 어떻게 만날 수 있을지에 대해 더 깊이 고민해보는 소중한 계기였습니다. ✨

이번 챕터 토의를 통해 학습과 교육을 이해하는 데 있어 뇌과학적 관점의 중요성을 다시 한 번 깊이 느끼며 뇌과학에 대한 기초적인 소양이 꼭 필요하다는 것을 깨달았는데요, 이렇게 함께 공부하고 토의하면서 연구자로서 한 단계 쑥쑥 자라나는 느낌이었습니다! ㅎㅎ 🌱

그 다음으로는 서울대학교 TELD 연구실의 이현웅 선생님께서 진행하고 계시는 연구를 공유해주셨습니다.👏 AI와 정서 그리고 신경영상연구 등 이현웅 선생님께서 가지고 계시는 관심 분야와 이와 관련하여 앞으로 연구자로서 교육 분야에서 주목해야 할 문제들을 함께 배우고 이해할 수 있는 시간이었습니다!

앞으로 S^S  세미나를 통해 얼마나 더 배우고 성장할 수 있을지 벌써부터 기대가 되는 것 같습니다! 마지막으로 챕터 발제해주신 Greg 선생님과 진행하고 계시는 연구를 소개해주신 이현웅 선생님께 감사 인사를 드리며, 다음 세미나 후기도 기회가 된다면 들고 오도록 하겠습니다 :)

2025년 4월 23일 세미나(Carolyn Rosé 교수님)

Carolyn Rosé 교수님의 세미나 ‘Human-AI Teams: Modeling and Supporting Social Processes with LLMs’에 다녀왔습니다!

 2025년 4월 23일, 서울대학교에서 열린 IPAI Distinguished Seminar에서는 카네기멜론대학교의 Carolyn Rosé 교수님이 ‘Human-AI Teams: Modeling and Supporting Social Processes with LLMs’를 주제로 강연을 진행했습니다. 이번 세미나는 인간과 AI가 협력하는 방식이 실제 교육이나 공동 작업 환경에서 어떻게 설계되고 작동할 수 있는지를 다양한 연구 사례와 함께 풀어낸 시간이었습니다. 특히 생성형 AI(GenAI)와 대형 언어 모델(LLMs)의 활용이 학습과 협업에 어떤 가능성과 한계를 가지고 있는지를 중심으로 이야기가 펼쳐졌습니다.

 Rosé 교수님은 강연에서 인간과 AI의 상호작용을 어떻게 이해할 수 있을지에 대한 질문으로 시작하셨습니다. AI를 진짜 사람처럼 여기지는 않지만, 상호작용 상황에서는 종종 사람처럼 대하게 된다고 하셨어요. 다만, 중요한 건 현재의 LLM은 사고하거나 추론하는 존재라기보다는, 데이터를 바탕으로 **생성(generating)**하는 데 초점을 둔 도구라는 점이었습니다. 예를 들어 멀티모달 문서를 분석하거나, 코드 언어를 번역하거나, 직조 패턴을 설계하는 등의 작업에서는 추상적 사고보다는 반복 생성이 더 중요한 요소인데요. 이런 분야에서 AI는 꽤 유용하게 활용될 수 있다고 하셨습니다 💡

 이어서 소개된 내용은 Rosé 교수님이 지난 15년 동안 축적해온 인간 중심 AI 설계 원칙에 관한 것이었습니다. 다양한 학습 환경에서 실제로 실험하고 검증된 설계 전략들이 소개되었는데요, 특히 학습자가 AI와의 상호작용에서 자율성을 갖는 구조가 효과적이라는 점이 강조되었습니다. AI가 단순히 정보를 제공하는 존재를 넘어서, 사회적 전략이 반영된 설계일수록 상호작용의 질이 높아졌다고 합니다. 예컨대 베이지안 사회 전략(Bayesian social strategies)을 활용한 에이전트는 그렇지 않은 경우보다 훨씬 긍정적인 반응을 얻을 수 있었다고 해요. 이러한 연구 결과는 AI가 학습자와의 사회적 맥락 안에서 작동해야 한다는 점을 분명히 보여줬습니다 🧠

 기술이 아무리 발전해도, 완벽하다고 말할 수는 없겠죠. Rosé 교수님은 최근 수업 연구에서 LLM이 실제로 가진 한계점들을 솔직하게 공유하셨습니다. 예를 들어, 문제 해결 도중 AI가 던진 프롬프트가 오히려 학생의 몰입을 방해하는 경우도 있었고, 때때로 학생이 스스로 도출한 답변이 AI가 제안한 것보다 훨씬 나았던 사례도 있었다고 합니다. 이처럼 AI는 여전히 학습자의 맥락을 깊이 이해하거나, 고유한 사고 흐름을 정확히 따라가지 못할 때가 많은데요. 결국 중요한 건 기술 그 자체보다, 어떻게 활용하고 설계하느냐라는 점이었습니다.

 세미나의 말미에는 앞으로 인간과 AI가 어떻게 ‘공진화(co-evolution)’해 나갈 수 있을지에 대한 전망이 공유되었습니다. Rosé 교수님은 AI가 교육이나 협업을 혁신할 수 있는 도구이긴 하지만, 그 자체가 목적이 되어서는 안 된다고 말씀하셨어요. 우리가 주도적으로 사고하고 협력할 수 있도록 돕는 존재로서 AI를 설계하는 것, 그 과정 속에서 인간 간의 관계성과 협력이 여전히 중심이 되어야 한다는 메시지가 특히 인상 깊었습니다. 앞으로 AI를 설계할 때도 인간의 사회적 상호작용과 인지적 역량을 고려하는 방향이 중요해질 것 같다는 생각이 들었어요. 🌱

 이번 강연은 단순한 기술 소개가 아니라, 교육과 협업이라는 실천적 맥락 속에서 AI를 어떻게 잘 써야 할지에 대한 깊이 있는 통찰을 나눠주는 시간이었습니다. 기술의 한계를 인정하면서도, 인간 중심의 설계를 통해 그것을 넘어설 수 있다는 점을 강조하신 Rosé 교수님의 시선은 앞으로 우리가 교육과 연구에서 AI를 다룰 때 꼭 기억해야 할 방향이 아닐까 싶습니다. 기술에 대한 무조건적 기대보다는, 사람과 함께 설계하는 AI가 진짜 가치 있는 교육 도구가 된다는 사실을 다시금 배울 수 있었던 세미나였습니다 🤝

LAK 결산2 (3/6~3/7)

 

본 학회의 두 번째 날인 목요일은 Vanderbilt 대학교의 Gautam Biswas 교수님께서 'Harnessing Multimodal Analytics in the Classroom to Understand Students’ Collaborative Learning Behaviors'에 대해 기조 강연을 맡아주셨습니다. 교육 활동은 다차원적이고 멀티모달적인데 연구는 그렇지 못한 것에 문제를 제기하였고 Mixed reality 환경에서 비디오, 오디오, 로그데이터 등 멀티모달 데이터를 컴퓨터 비전과 LLM 등을 이용하여 자동으로 분석하는 시스템을 개발한 것을 공유해주셨습니다. 

첫 번째 날과 마찬가지로 Human-AI Collaboration, Understanding Learning Behavior, Dashboards, AI-supported learning, LA Implementations, Feedback 등 다양한 주제로 발표들이 진행되었습니다. 저희 연구실에서 하는 연구 주제들과 밀접하게 관련되어 있어서 더욱 집중해서 듣게 되었는데요. 

들었던 발표 중에 획일적인 학생들을 고려하는 것이 아니라 자폐, ADHD, 난독증, 범불안장애 등 신경다양성 특성을 가진 학생들을 위한 연구에 대해서 듣게 되었습니다. 발표자는 신경다양성을 지닌 학생들의 다양한 사고방식을 고려한 적절한 지원이 필요하지만 이루어지고 있지 않음을 지적하였습니다. 특히 이러한 학생들의 학습을 분석하고 지원하기 위해서 저렴한 웹캠 기반 아이트래킹 기술을 사용한 점이 흥미로웠는데요. 고급장비에 비해 시각적 오차가 발생하여 정확도가 떨어지지만 여전히 TUT(Task-Unrelated Thoughts)를 탐지하고 이와 관련된 패턴을 포착할 수 있다고 하였습니다. 학습분석을 통해 교육의 평등을 이루어내려고 노력하는 연구자분들의 모습이 멋있어보였습니다. 

또한 AI 기반 가상 학생 에이전트와 상호작용하는 15명의 예비 교사들의 담화 행동을 분석하여 이를 전문적으로 훈련된 과학 교사들이 있는 실제 교실에서 발견된 패턴과 비교한 연구도 흥미로웠습니다. 연구 결과, 예비 교사들은 ambitious한 담화 전략을 사용하여 AI 기반 학생들과 학문적으로 생산적인 담화를 생성하였습니다. 또한 패턴 분석을 통해 예비 교사들이 비생산적인 담화 순환에 빠지는 코칭 가능한 순간들도 확인였는데요. 이 연구는 시뮬레이션 기반 교사 훈련에서 인간-AI 커뮤니케이션을 이해하기 위한 교실 담화 분석의 유용성을 강조한다는 점에서 교사 교육과 연구 방법론에 실질적인 도움을 제공하였습니다.

마지막 날에는 학회 진행자가 간단히 전반적인 학회 참여에 대한 소감을 묻고 학회 참여자들이 조별로 모여 미래의 학습분석 방향성에 대해 논하는 자리를 마련해주었습니다. 각자 학습분석이 무엇이라고 생각하는지, 더 나은 교육을 위해 어떤 역할을 할 수 있는지 자유롭게 나누며 세계의 연구자들과 네트워킹할 수 있는 소중한 자리였습니다. 

마지막 날에는 서울대학교에서 온 다른 연구팀의 AI를 이용한 형성평가와 관련된 발표도 있었습니다. 본 연구에서는 108명의 중등학교 학생들과 함께 AI 기반 형성적 동료평가를 실시하였으며, 이 과정에서 학생들은 동료 응답뿐만 아니라 AI 생성 응답을 평가하였습니다. Trace data와 dispositional data를 활용하여 AI 생성 피드백과 동료 생성 피드백 간의 선호도 차이를 분석한 결과, 학생 참여가 낮거나 동료 피드백의 질이 부족한 상황에서 학생들은 AI 생성 피드백에 대한 더 높은 선호도를 보였으나, 수학 자신감과 AI 관심도가 높은 학생들은 동료 생성 피드백을 선호한다는 흥미로운 결과를 보고했습니다. 인공지능(AI)은 채점 자동화와 적시적 피드백 제공 가능성으로 형성평가의 귀중한 도구로 연구되어 왔으나, 형성적 동료평가 맥락에서 AI의 효과적 활용에 관한 연구는 제한적이어서 관련 연구가 앞으로 더 활발해져야 한다는 점을 짚어주셨습니다. 

학회를 마치며 교수님 및 연구실 선생님들과 아일랜드 더블린에 있는 기네스 공장에 견학을 갔습니다. 세계적으로 인기가 있는 기네스 흑맥주가 어떻게 만들어지는지, 어떻게 하면 더 맛있게(?) 따를 수 있는지 체험해보고 시식까지 하는 완벽한 투어 코스였습니다ㅎㅎ 

투어 후에는 함께 저녁 식사를 하며 학회에 참여한 소감을 나누었습니다. 세계의 학자들과 교류하며 저희 연구실의 연구 방향성을 다시 한번 점검할 수 있었고, 다양한 연구자들의 시각을 접하며 새로운 아이디어를 얻는 소중한 시간이었습니다. 또한 이번 기회를 통해 연구의 지평을 넓히고, 협력할 수 있는 네트워크를 구축할 수 있었습니다. 텔드 화이팅 !!

즐거운 전공 개강모임 🌸

 봄바람이 살랑이는 3월, TELD 연구실과 iLED 연구실의 교수님들, 연구원분들이 한자리에 모였습니다! 이번 모임은 학기 초를 맞아, 서로의 안부를 나누고 앞으로의 연구 생활에 대한 기대감을 다지는 자리였는데요. 아늑한 시골집에서 맛있는 식사와 함께 즐거운 시간을 보냈답니다. 😊

식사 자리에서는 교수님들께서 대학원 생활을 어떻게 알차게 보낼 수 있을지, 각 연구실의 특색 있는 연구 방향과 목표에 대해 따뜻한 조언을 전해주셨습니다. 연구에 대한 열정과 연구실만의 색깔을 다시금 느낄 수 있는 시간이었어요.

이어 각 연구실의 석사, 박사 선생님들께서도 대표로 인사를 해 주셨습니다. 진심 어린 말씀 속에 담긴 긍정적인 에너지가 분위기를 더욱 유쾌하게 만들어 주었고, 웃음꽃이 끊이지 않았습니다. 🌼

식사를 마친 후에는 지근거리에 있는 아담한 맥주집으로 자리를 옮겨 2차를 이어갔습니다. 🍻 여기서는 전공 이야기부터 각자의 연구 고민, 앞으로의 계획까지 자유롭게 나누며 또 다른 의미 있는 시간을 가졌습니다.

새 학기를 이렇게 좋은 분들과 함께 시작할 수 있어 정말 행복한 하루였습니다! 앞으로의 연구 생활도 오늘처럼 유쾌하고 따뜻하게 이어지기를 기대해봅니다. ✨

2025년 교육공학전공 졸업식

지난 2월 26일, 서울대학교 학위수여식이 진행되었습니다 🥳

저희 TELD 연구실에서는 2년차 석사과정 선생님들(김혜준, 신부경, 최지원, 한예원, 김수연)께서 석사학위를 받으셨습니다. 이를 축하하기 위해 진행된 서울대학교 교육공학연구회 졸업행사 모습을 간단히 공유드립니다.

<TELD 단체 사진>

늘 최선을 다하는 모습이 인상깊었던 김혜준 선생님의 졸업을 축하드립니다! 지난 1년동안 GSI를 맡아 TELD 구성원들을 챙겨주심에 감사드립니다:)

2025 신입 선생님들께도 자랑스럽게 전달드린 멋진 TELD 굿즈는 최지원 선생님께서 만들어주셨답니다. 다재다능하신 최지원 선생님의 졸업을 축하드립니다!

저희 연구실의 지박령이신 신부경 선생님의 졸업 또한 진심으로 축하드립니다! 신부경 선생님께서는 올해 6월까지는 학습과학연구소에서 근무하시며 연구를 이어나가실 예정입니다. 조금만 더 잘 부탁드립니다🙇‍♀️

마지막으로 한예원 선생님의 졸업을 축하드립니다! 지난 2학기에는 늘 선생님을 학습과학연구소 실험실에서 찾을 수 있었던 것 같습니다. 졸업 연구 정말 고생 많으셨고 앞으로 하시는 일 모두 잘 되시길 바랍니다!

+) 아쉽게도 김수연 선생님께서는 개인 사정으로 인해 졸업 행사에 참여하지 못하셨습니다. TELD 연구실 모두의 축하드리는 마음을 전달드립니다!

2025 TELD 동계 스터디 종합✔️

2025 겨울방학 동안 TELD는 "🦾인공지능 기반 정서 조절😄"을 주제로 총 6회의 스터디 세션을 진행했습니다. 

2025년 1월 14일부터 2월 25일까지, 매주 화요일 오전 10시부터 12시까지 진행된 이번 스터디는 연구실 구성원들이 함께 모여 정서와 인공지능의 접점에 대해 깊이 있게 탐구하는 뜻깊은 시간이었습니다! 

이번 스터디의 목적은 세 가지로 요약됩니다.

첫째, 정서에 대한 심화된 이해를 도모하고,

둘째, 인공지능 기반 정서 조절이라는 새로운 연구 주제를 탐색하며,

셋째, 이 주제와 관련된 최근 연구 동향을 파악하는 데 있었습니다~ 

매주 각 세션은 관련 문헌과 사례를 중심으로 발표 및 토론 형식으로 구성되었는데

모든 선생님들께서 적극적으로 참여해주셔서 활발한 스터디 장이 되었던 것 같습니다:)

1. 오리엔테이션 / 목표 소개 & 정서에 대한 이해

추영선 선생님께서는 감정이 학습과 기억에 미치는 영향에 대해 리뷰한 연구를 소개하시며 인공지능 기반 정서조절 스터디의 첫 문을 열어주셨습니다. 감정은 학습과 기억에 필수적인 역할을 수행하며, 그에 따라 교육환경을 설계할 때 고려해야 하는 중요한 요소라고 합니다. 감정적 요소를 강조하는 학습 전략은 장기적인 지식 유지에 더욱 효과적이고, 감정 상태를 모니터링하여 그에 따른 교육적 자극을 선택하면 학습 성과를 향상할 수 있다고 하니 TELD 연구에서도 정서에 대해 더욱 깊이 탐구해볼 필요가 있을 것 같습니다 🤓📚

Tyng, C. M., Amin, H. U., Saad, M. N., & Malik, A. S. (2017). The influences of emotion on learning and memory. Frontiers in psychology, 8, 235933.

다음으로 김혜은 선생님께서는 얼굴 표정과 신체 움직임 데이터를 활용하여 학교 컴퓨터실 환경에서 학습자의 정서 상태를 자동으로 감지하는 시스템을 개발한 Shen과 동료들(2009)의 연구를 공유해주셨습니다! 학생들이 게임을 하는 동안 웹캠으로 얼굴을 녹화하고 BROMP 관찰 프로토콜을 활용하여 정서 상태를 기록한 뒤 이러한 데이터를 FACET 소프트웨어 및 머신러닝 알고리즘을 활용하여 분석한 연구였는데요, 결과적으로는 지루함, 혼란, 기쁨, 집중, 좌절감 및 과제 이탈 행동 등이 측정되었습니다. 예를 들어 신체 움직임의 증가, 턱 올림, 화면에서 멀어짐, 좌우 시선 이동은 지루함이라는 정서로 해석됨을 확인할 수 있었습니다.

김혜은 선생님께서는 연구에 드러난 실험 세팅과 데이터 분석 방법에 대해 비판적인 시각에서 논의를 이어나가 주셨습니다. 특히 실제 학습 상황에서는 복잡하고 미묘한 감정들이 혼재되어 있는데 분류의 정확도를 높이고자 학습자의 감정을 4가지로 제한한 점을 연구의 한계점으로 제시해 주셨습니다. 이에 스터디에서는 본 연구의 설계와 처치를 보완하기 위한 방법에 대해 논의해볼 수 있었는데요, 연구를 단순히 읽는 것을 넘어서 개선할 점을 찾아본 유익한 시간이었습니다 🤔💭!

Shen, L., Wang, M., & Shen, R. (2009). Affective e-learning: Using “emotional” data to improve learning in pervasive learning environment. Journal of Educational Technology & Society, 12(2), 176-189.

2. 멀티모달 데이터로 정서를 측정하는 방법(영상)

2주차에는 정서를 측정하기 위한 멀티모달 데이터 분석에 관한 스터디가 본격적으로 진행되었습니다. 저희가 집중한 첫번째 데이터는 영상 데이터였습니다! 🎥 추영선 선생님께서는 학습 상황에서 수집된 비디오에서 학생들의 감정을 시각적으로 요약하고 분석하는 시스템을 개발한 Zeng과 동료들(2020)의 연구를 공유해주셨습니다. 연구에서는 얼굴 크기와 가림 현상 등 감정 분석에 영향을 미치는 요소를 탐색하고 얼굴 및 감정 인식 알고리즘을 활용하여 전체 감정과 동적이 변화를 보여주는 섹션, 개인의 감정 상태를 보여주는 섹션, 세부 분석 내용을 제시하는 섹션으로 이루어진 시각화 시스템이 설계되었습니다.

이후 스터디 토론 시간에는 학습과학과 교육공학적 관점에서 교실 내 비디오 기반 감정 인식 도구에 대한 가상의 요구조사를 진행해보았는데요, 영상 데이터에서 감정과 관련해 어떤 유형의 데이터를 얻을 수 있는지, 그리고 그것이 교육적으로 유용할지를 고민하며 감정 측정을 위한 멀티모달 데이터 활용에 대한 생각을 확장해볼 수 있었습니다! 📖

Zeng, H., Shu, X., Wang, Y., Wang, Y., Zhang, L., Pong, T. C., & Qu, H. (2020). Emotion cues: Emotion-oriented visual summarization of classroom videos. IEEE transactions on visualization and computer graphics, 27(7), 3168-3181.

김혜은 선생님께서는 이전 연구와 비슷하게 실제 교실 환경(noisy classroom)에서 비디오를 통해 학습자의 감정 상태를 자동으로 감지하는 방법을 탐색한 Bosch와 동료들(2016)의 연구를 공유해주셨습니다. BROMP 활용 감정 코딩, FACET 얼굴 표정 추출, Bayes Net 등 머신러닝 알고리즘을 활용한 연구 결과, 모든 감정 상태에 대해 우연 수준 이상의 감지 정확도를 보이며 실제 교육 현장에서 학습자의 감정을 자동으로 분석하는 것이 실현 가능한 과제임을 입증하였습니다. 🎥📊

이처럼 멀티모달 데이터를 활용하여 감정을 분류하거나 예측하는 연구가 활발히 이루어지고 있는데요, 스터디 토론에서는 이와 같은 시도가 교육적으로 유의미한지에 대한 논의가 진행되었습니다. 특히 교육공학적 관점에서 학습 정서를 탐지한 이후 어떤 처치가 이루어져야 할지에 대해 고민해볼 수 있는 뜻깊은 시간이었던 것 같습니다:) 😃📝

Bosch, N., D'mello, S. K., Ocumpaugh, J., Baker, R. S., & Shute, V. (2016). Using video to automatically detect learner affect in computer-enabled classrooms. ACM Transactions on Interactive Intelligent Systems, 6(2), 1-26.

3. 멀티모달 데이터로 정서를 측정하는 방법(뇌파)

3주차에는 멀티모달 데이터 중 뇌파에 집중하여 정서를 측정하는 방법에 대한 스터디 세션이 진행되었습니다!

먼저 TELD의 뇌파 관련 연구를 담당하고 계시는 브레인 🧠⚡신부경 선생님께서는 학습자의 뇌파를 분석하여 감정 상태를 예측하는 다중 에이전트 시스템(NORA)를 개발한 Heraz와 Frasson의 연구를 공유해주셨습니다. IBK, 다중 회귀 분석, 머신러닝 알고리즘 등 다양한 분석 방법을 활용하여 Pleasure, Arousal, Dominance라는 3가지 감정 차원에서 학습 중 발생하는 감정과 뇌파의 관계를 탐색하고 뇌파를 통해 학습자의 감정 상태를 예측하고자 한 흥미로운 연구였습니다! 이러한 뇌파 기반 감정 분석은 감정 표현이 제한된 학습자에게 효과적일 수 있으며 AI 기술과 통합되어 더욱 개인화된 교육 전략을 수립하는 데 활용될 수 있다고 합니다.

Heraz, A., & Frasson, C. (2011). Towards a Brain‐Sensitive Intelligent Tutoring System: Detecting Emotions from Brainwaves. Advances in Artificial Intelligence, 2011(1), 384169.

다음으로 손연오 선생님께서는 가상 학부모 상담 시뮬레이션 경험 중 학습자의 인지와 정서 경험을 표정 분석과 뇌전도로 분석한 연구를 공유해 주셨습니다. 학부모 상담 시뮬레이션 시나리오에 따라 학습자가 경험하는 인지 부하를 표정 데이터(눈 깜빡임 횟수)을 활용하여 분석하고, EEG를 활용하여 수집된 뇌파 데이터를 통해 정서를 측정하는 연구였습니다.

또한 교육학에서 뇌파 연구가 가져야 할 차별점에 대해 논의해보았는데요, 선생님들의 다양한 의견을 들어볼 수 있는 뜻깊은 스터디 시간이 된 것 같습니다!

김국현, 양은별, 류지헌, & 임태형. (2023). 가상 시뮬레이션 학습자의 인지부하와 정서를 분석하기 위한 표정 분석 및 뇌전도의 활용. 교육방법연구, 35(2), 197-222.

4. 멀티모달 데이터로 정서를 측정하는 방법(침과 생리데이터) 

정서 측정 방법과 관련된 마지막 세션인 네 번째 세션에서는 웨어러블 디바이스와 생체신호(예: 침, 심박, 피부전도 등)를 활용한 멀티모달 데이터 기반 정서 측정 방법에 대한 문헌을 중심으로 다루었습니다! 자가보고(self-report) 방식의 한계를 넘는 객관적 정서 측정의 가능성과 과제를 조망해보는 유익한 시간이었습니다:)

먼저 은선민 선생님께서 Ba & Hu (2023)의 체계적 문헌고찰 논문을 통해 지난 15년간 발표된 웨어러블 기기 기반 정서 측정 연구📚들을 정리해 주셨습니다.

피부전도도(EDA), 심박수(HR), 뇌파(EEG) 등의 생리 신호를 중심으로, 몰입(engagement), 불안(anxiety), 긍정 감정 등 교육적 정서를 측정한 사례들을 분석하고 있습니다. 특히 기계학습 기반 감정 분류 모델(SVM, Random Forest 등)의 활용과 윤리적 고려사항(개인정보 보호, 알고리즘 편향성 등)에 대한 논의는 AI 기술의 교육적 활용에 있어 정서 데이터의 민감성을 다시 한번 상기시켰습니다! Empatica, NeuroSky 등 실제 사용된 기기들과 측정 감정의 신호 조합도 구체적으로 확인할 수 있어, 웨어러블 기반 정서 측정 연구의 최신 동향을 실감할 수 있는 발표였습니다😄

Ba, S., & Hu, X. (2023). Measuring emotions in education using wearable devices: A systematic review. Computers & Education, 200, 104797.

다음으로는 제가 발제를 했었는데요. Špiljak et al. (2022)의 리뷰 논문을 중심으로, 타액을 활용한 스트레스 바이오마커 측정 방법💧에 대해 소개했습니다.

저희 연구실의 '멀티모달 데이터를 활용한 학습과 발달 연구'에서도 타액을 활용해서 스트레스를 측정하는 실험을 진행했었는데요! 이렇게 비침습적이며 실용적인 측정 수단으로 주목받고 있으며, 특히 학업 스트레스 상황에서의 학생 면역 반응 변화를 설명하는 다양한 연구 결과를 통해 학습자 웰빙과 정서 모니터링의 필요성을 잘 보여주었습니다. 또한 스트레스 반응이 면역, 염증, 호르몬 시스템과 어떻게 연결되는지를 이해하기 위해 생리학적 매커니즘도 배울 수 있었는데요, 타액의 경우 고강도 운동이나 음식 섭취로 인해 오염되거나 왜곡될 수 있기 때문에 정서 데이터를 다룰 때 신체적 맥락을 함께 고려해야 한다는 점을 알 수 있었습니다!

(스트레스가 발생하는 생리학적 매커니즘을 설명하기 위해 생명과학 책을 폈는데요..오랜만에 고등학생이 된 느낌이었답니다;;)

Špiljak, B., Vilibić, M., Glavina, A., Crnković, M., Šešerko, A., & Lugović-Mihić, L. (2022). A review of psychological stress among students and its assessment using salivary biomarkers. Behavioral sciences, 12(10), 400.

5. AI로 정서를 지원하는 방법(챗봇) 

5주차 세션에서는 AI 챗봇을 활용하여 학습자의 정서를 지원하는 방법🌿을 중심으로 두 편의 논문을 살펴보았습니다!

먼저 김찬희 선생님께서는 Liu et al. (2022)의 RCT 기반 연구를 통해, 우울증을 겪는 대학생에게 AI 챗봇이 효과적인 자기 도움형(Self-help) 개입 도구가 될 수 있는지를 분석한 사례를 소개해주셨습니다. 해당 연구는 16주간의 장기 개입을 통해, 챗봇 사용군이 독서치료군보다 우울증(PHQ-9), 불안(GAD-7) 감소에서 유의미한 개선 효과를 보였다는 점에서 주목받는 연구입니다!

또한 사용자의 감정 기록 기능, 자유 대화 기능 등 CBT 기반의 챗봇 설계 요소들이 치료적 유대감(therapeutic alliance) 형성에 도움을 주었다는 결과도 인상 깊었습니다. 단, 지속 사용률은 두 집단 간 유의한 차이가 없었으며🙅‍♀️, 챗봇의 콘텐츠 제한과 기술적 한계는 향후 개선 과제로 남아 있었습니다!

발제 후에는 논의도 진행되었는데요!

챗봇이 인간과 유사한 방식으로 치료적 관계를 형성할 수 있는지, 그 한계는 무엇인지, 그리고 교육 현장에서 AI 챗봇을 어떤 맥락에서 활용할 수 있을지를 다각도로 고민해보았습니다~ 

특히 교사의 역할과 챗봇의 역할이 서로 어떻게 보완적으로 설계될 수 있을지에 대한 논의가 깊이 있게 이루어졌던 것 같습니다!

Liu, H., Peng, H., Song, X., Xu, C., & Zhang, M. (2022). Using AI chatbots to provide self-help depression interventions for university students: A randomized trial of effectiveness. Internet Interventions, 27, 100495.

다음으로는 강민주 선생님께서 Assayed et al. (2023) 논문을 바탕으로, 기계학습 기반 감정 인식 기능을 갖춘 AI 챗봇의 개발 사례를 소개해주셨습니다. 해당 연구에서는 학습자의 텍스트 데이터를 기반으로 감정을 자동으로 분류하고, 정서적 개입을 제공하는 챗봇 시스템을 설계하고 평가하였습니다. 이 챗봇은 단순히 사용자의 입력을 받아 응답하는 수준을 넘어, 자연어 처리(NLP)와 감정 인식 모델을 바탕으로 심리적 상태를 추정하고, 그에 맞는 공감적 피드백을 제공하는 점이 특징이었습니다.

그리고 마지막에는 민주쌤께서 보너스로 준비해주신✨ 직접 GPT 기반 챗봇을 제작해보는 실습 활동도 진행되었습니다☺️ 프롬프트 설계와 역할 구성, 대화 흐름 제어 등을 중심으로, 각자가 구상한 정서 지원 챗봇을 구현해보는 시간이었는데요! 챗봇이 정서적 상황에 어떻게 반응하고, 어떤 방식으로 사용자와 소통할 수 있을지를 직접 설계해보며, 이론적 논의를 실제 개발자, 학습자 경험 관점에서 구체화해볼 수 있는 흥미로운 경험이었습니다!!

Assayed, S., Shaalan, K., Al-Sayed, S., & Alkhatib, M. (2023). Psychological emotion recognition of students using machine learning based chatbot. International Journal of Artificial Intelligence and Applications (IJAIA), 14(2).

6. AI로 정서를 지원하는 방법(로봇) 

6주차 세션에서는 감정 인식 기술을 로봇과 결합하여 학습 장면에 적용한 두 편의 연구를 살펴보았습니다!

먼저 김혜은 선생님께서는 Ez-Zaouia et al. (2020)의 EMODASH 연구를 소개해 주셨습니다!

이 연구는 원격 화상 학습 환경에서 튜터가 학습자의 정서를 회고적으로 인식할 수 있도록 지원하는 대시보드 기반 감정 인식 시스템에 대한 실제 적용 사례입니다.

EMODASH는 얼굴 표정 인식 데이터를 기반으로 학습자의 정서를 시각화하여 제공함으로써, 튜터가 학습자의 감정 상태를 보다 잘 이해하고 형성적이며 정서적인 피드백을 증가시키도록 유도하는 대시보드인데요.

튜터들은 EMODASH 사용 후 피드백에서 정서적 언어 사용 빈도(10% → 19%)와 형성적 피드백 비율(38% → 44%)이 유의미하게 증가했다고 보고하였습니다! 이를 통해 이 연구의 대시보드는 단지 정서 데이터를 보여주는 것에서 그치지 않고, 튜터의 교수 성찰과 자기 인식을 자극하며, 교수-학습 과정에서 감정의 중요성을 재조명하였습니다!

Ez-Zaouia, M., Tabard, A., & Lavoué, E. (2020). EMODASH: A dashboard supporting retrospective awareness of emotions in online learning. International Journal of Human-Computer Studies, 139, 102411.

마지막으로 박지용 선생님께서는 Alonso-Martin et al. (2013)의 멀티모달 감정 인식 시스템을 탑재한 사회적 로봇 연구🤖를 소개해 주셨습니다.

해당 연구에서는 표정(시각 정보)과 목소리(청각 정보)를 기반으로 사용자의 감정을 인식하고, 이를 바탕으로 보다 자연스럽고 상황에 맞는 인간-로봇 상호작용(HRI)을 구현하는 시스템을 개발하였습니다!

(생각보다.. 로봇이 귀여웠습니다..ㅎㅎ)

시각/청각을 통합하여 정서를 분석한 결과, 하나를 사용할 때보다 종합 시스템의 감정 인식 정확도가 유의미하게 향상되었으며, 로봇이 단순한 응답을 넘어 사용자 감정에 반응하고 개입하는 적극적인 정서적 파트너로 작동할 수 있음을 보여주었습니다~

이날 세션에서는 정서 데이터를 기반으로 한 로봇 시스템이 학습자의 상태를 파악하고 상호작용할 수 있는 방향에 대해 활발한 토론이 이루어졌으며, 교실에서의 활용 가능성, 로봇의 역할, 그리고 로봇이 갖추어야 할 정서적 조건에 대한 논의도 함께 이어졌던 시간이었습니다~

Alonso-Martin, F., Malfaz, M., Sequeira, J., Gorostiza, J. F., & Salichs, M. A. (2013). A multimodal emotion detection system during human–robot interaction. Sensors, 13(11), 15549-15581.

이렇게 약 한달 반동안 TELD 동계 스터디가 진행되었는데요! 저희 TELD 선생님들 뿐만 아니라 신입생 선생님들, 교육공학, 학습과학, 학습분석에 관심 있는 분들과 즐겁게 논의할 수 있는 장이어서 더 뜻깊었던 시간이었습니다✨✨

- 마무으리 기념 찰칵📷✨ (햄볶한 텔드) -

이상 강민주, 김안나였습니다!