한국 교육공학회 학술대회 워크숍과 발표

 쌤들 안녕하세요! 

지난 6월 18~19일에는 한국 교육공학회의 학술대회가 열렸습니다. 

이번 학술대회에서는 TELD 연구실의 선생님들이 활약해주셨는데요, 

(1) 워크샵 : Exploratory를 활용한 학습 분석(조영환, 함윤희)

(2) 학술 발표 : 학습자 데이터 활용 맞춤형 수업 설계에 대한 교사의 인식(이현경, 조영환, 금선영)

(3) 학술 발표 : 다중양식 학습분석을 활용한 동영상 학습 결과 예측 모델 개발(함윤희, 조영환, 김혁기, 김혜은, 이한솔, 이재용) 

이처럼 다양한 연구에 대해 발표해주셨답니다. 작년부터 이어진 연구가 빛을 발하고 있네요:) 그럼 간단히 각 발표에 대해 소개해드리겠습니다. 

1. Exploratory를 활용한 학습 분석(조영환, 함윤희)

워크샵 세션에서는 조영환 교수님과 함윤희 선생님께서 학습자 데이터를 활용한 학습 분석의 사례를 소개해주셨습니다. 특히 많은 사람들이 어렵지않게 접근할 수 있는 데이터 분석 툴인 'Exploratory'의 활용 방법도 함께 소개해주셨습니다. 

코로나 19로 인해 디지털 트랜스포메이션이 가속화되며 교육 현장도 이러한 패러다임을 벗어날 수 없게 되었는데요, 이러한 상황 속에서 증가하는 학습자 데이터를 어떻게 활용할 것인지 보다 효과적인 방법을 모색하는 것이 학습 분석이라고 볼 수 있을것 같습니다. 

이후 진행된 실습 워크샵에서는 캐글 등의 플랫폼에서 데이터 셋을 불러온 후 Exploratory의 Summary, Table, Chart, Analytics 기능 등을 활용하여 데이터 시각화 및 머신러닝 등을 실행해보았습니다. 아래 그림처럼 다양한 형태의 시각화를 손쉽게 만들어낼 수 있다는 것이 Exploratory의 장점인것 같습니다. 

2. 학술 발표 : 학습자 데이터 활용 맞춤형 수업 설계에 대한 교사의 인식(이현경, 조영환, 금선영)

조영환 교수님과 이현경, 금선영 선생님께서는 학습자 데이터를 활용한 맞춤형 수업 설계에 대한 교사의 인식을 주제로 학술 발표를 해주셨습니다. '데이터 활용 맞춤형 수업 설계'라는 개념이 다소 생소하기도 한데요, 

학습자 데이터는 위 그림에서 제시되었듯 학습자의 인지적, 정의적, 신체적, 사회적 특성을 보여주는 데이터라고 볼 수 있을것 같습니다. 앞서 말씀드렸듯, 점차 온라인 맥락의 학습 사례가 증가하며 학습자의 데이터가 누적되고, 이를 어떻게 활용할 수 있을지에 대한 논의가 필요한 시점입니다. 특히 학습자의 데이터가 실제 학교 및 학습 환경의 변화로 이어지기 위해서는 교사의 인식이 중요하고, 이를 심층적으로 알아보고자 본 연구를 진행하셨다고 합니다. 연구 문제는 다음과 같습니다. 

다양한 연구 결과가 나타났습니다. 그 중 가장 인상적이었던 결과는 학습자의 데이터 활용이 학생 이해 및 진단을 보완하고 수업설계 개선에 활용할 수 있지만 학습자 데이터의 활용 필요성이 아직은 낮은 실정이며 부정적 효과에 대한 우려가 나타난다는 점입니다. 학습자 데이터 활용 설계라는 생소한 분야에 대한 교사의 양면적 인식이 드러나는 대목인것 같기도 합니다. 

연구 결과를 종합한 결과, 학습자 데이터 활용 맞춤형 수업 설계를 위해서는 첫째, 학습자 데이터가 수업설계에 미치는 영향에 대한 경험적 이해가 필요함, 둘째, 현장의 맥락을 반영한 유연하고 직관적인 대시보드 개발이 필요함, 셋째, 학교 현장에서 활용 가능한 수업 설계 모형 개발이 필요함을 도출하였습니다. 앞으로 학교 현장에서 학습자의 데이터가 교육의 변화로 이어지기 위해 적절히 활용되면 좋을것 같습니다:) 

3. 학술 발표 : 다중양식 학습분석을 활용한 동영상 학습 결과 예측 모델 개발(함윤희, 조영환, 김혁기, 김혜은, 이한솔, 이재용) 

조영환 교수님의 지도 아래 경희대학교병원의 김혁기 박사님과 함윤희, 김혜은, 이한솔, 이재용 선생님이 함께 진행한 연구에 대해서도 학술 발표가 진행되었습니다. 

'다중양식 학습분석'과 '예측 모델'의 개념이 다소 생소하실것 같은데요, 자세한 개념은 아래 그림에서 확인하실 수 있습니다. 

본 연구의 연구 문제는 다음과 같습니다. 

첫째, 동영상 학습에서 다중양식 학습분석을 활용하여 학습 결과를 예측하는 최적의 모델은 무엇인가?, 

둘째, 메타인지 지원이 다중양식 학습분석을 활용한 동영상 학습 결과 예측에 영향을 미치는가?  

본 연구에서는 실험 연구 방법을 사용하였습니다. 메타인지를 지원받는 집단과 메타인지를 지원받지 않는 집단으로 나뉘어 실험을 진행하였고, 실험 과정에서 발생하는 데이터는 크게 예측 변인과 증거 변인으로 나누어 수집하였습니다. 이러한 데이터셋을 바탕으로 로지스틱 회귀분석, 나이브 베이즈, 서포트 벡터 머신, 의사결정 나무 등의 예측 모델을 도출하여 비교하였다고 합니다. 모델의 평가는 k-겹 교차검증을 사용하였고, 모델의 평가 지표는 아래 그림과 같습니다. 

연구 결과, 연구 문제 1번과 관련하여 도출된 가장 최적의 모델은 'Decision tree'인 것으로 나타났습니다. 또한 연구 문제 2번과 관련하여, 메타인지 지원이 다중양식 학습분석을 활용한 동영상 학습 결과 예측에 미치는 영향은 아래 그림과 같이 나타났습니다. 

연구 결과를 종합한 결과, 전통적 학습자 데이터인 설문이나 검사 등의 자료는 예측 모델 개발에 그리 효과적이지 않은 것으로 나타난 반면 다중양식 학습분석에서 수집하는 상세한 데이터는 예측 정확도의 향상에 도움이 되는 것으로 나타났습니다. 또한 메타인지 및 인지 활동은 피부전도도와 관련성이 높았다는 결과도 도출되었습니다. 연구 결과 학습 결과를 예측하는 최적의 모델이 Decision tree인 것으로 나타났지만 소규모 데이터에 적용할 시 과적합에 취약할 수 있기 때문에 이에 유의하며 일반화할 수 있는 모델을 개발하는 것이 중요하다고 합니다. 마지막으로 동영상 기반 학습에서 메타인지 지원 여부에 따라 최적의 학습결과 예측모델이 달라질 수 있음을 확인하였습니다. 

연구 결과를 살펴보니 앞으로 학습 결과를 예측하고 이를 위한 적시적 처치를 제공하기 위해서 다중양식 학습 분석이 기여할 수 있는 바가 많다는 생각이 들기도 합니다. 학습자에게 최적의 학습 경험을 제공하기 위해 데이터의 힘을 활용하는 미래의 교육 현장이 기대되네요:) 

지금까지 2021년 춘계 한국 교육공학회 학술대회에서 TELD 연구실의 선생님들이 발표해주신 워크샵, 학술 발표에 대해 소개해드렸습니다. 이번 발표를 종합하면 '데이터 기반 학습 설계'라고 할 수 있을것 같은데요, 앞으로 교육 현장에서 학습자를 비롯한 다양한 데이터가 어떻게 활용될지 매우 궁금해지는 대목입니다. 발표를 준비해주신 선생님들, 모두 수고하셨고 감사합니다 :D 

그럼 TELD 선생님들, 건강하게 방학을 보내고 2학기 때 만나요!^^