2024년 2월 15일 교육학과 BK - 혁신과 공존의 교육학술대회

 

안녕하세요😀

지난 2월 15일 교육학과BK와 학습과학연구소의 공동주관으로 개최된 

'제 4회 혁신과 공존의 교육학술대회'가 있었습니다. 

개회사는 BK 김동일 단장님과 조영환 교수님의 인사말로 시작되었으며, 이어서 주제 강연과 시상식, 그리고 학술대회가 진행되었습니다.

주제 강연은 빅데이터 혁신공유대학의 김홍기 교수님과 교육학과 백순근 교수님이 진행하셨습니다. 김홍기 교수님은 현재 빅데이터 혁신공유대학의 비전과 발전 방향에 대해 설명하시며, 시대에 맞춘 교육방법론인 P3BL과 이를 지원하는 플랫폼 ELP에 대해 소개해주셨습니다.

P3BL은 Problem-based learning 또는 Project-based learning에 Prompt를 추가하여 새롭게 제안된 학습 모형으로, 학생들이 능동적으로 학습하고 문제 해결 능력을 기를 수 있도록 돕습니다. 이를 통해 교육 패러다임의 변화에 발맞추어 대학 교육을 혁신하고자 하는 것이 빅데이터 혁신융합대학의 목표입니다.

또한, ELP는 Evolvable learning platform의 약자로, 학습 플랫폼의 혁신을 위해 개발되었습니다. 이 플랫폼은 강의를 20분 단위로 분절화하여 짧은 수업을 구성하고, 학생들이 효과적으로 학습할 수 있도록 지원합니다. 많은 고민과 시행착오가 녹아있는 과정이었습니다.

이어 백순근 교수님의 학위 논문 작성을 위한 학습 및 연구 전략 강연이 있었습니다. 곧 석사 3학기라 논문 주제를 매우 고심하고 있던 저에게 매우 시의적절한 주제였는데요. 교수님은 연구와 공부를 명확하게 구분하시며, 연구가 학계에 공적인 부가가치를 창출해야 한다는 점을 강조하셨습니다.

특히, 석사 및 박사 학위 논문 작성을 위한 구체적인 팁을 제시해주셨습니다. 첫 번째로는 학위 논문 작성에 집중하기 위해 드라마를 절대 보지 말아야 합니다😂. 학위 논문에 온전히 집중할 수 있는 환경을 만들고 그것을 실천해야 하기 때문입니다. 개인적으로 드라마는 보지 않지만, 유튜브 바다에 빠져 한동안 헤어나오지 못한 제 자신을 반성했습니다.

두 번째로는 선배들의 학위 논문 중 가장 도움이 되는 논문을 정하여 반복적으로 읽는 것이 도움이 될 것이라고 조언하셨습니다. 이번에 졸업하신 선배님들의 논문에 대한 칭찬이 자자한데요. 저도 열심히 읽어보며 선배님들이 잘 닦아놓으신 길을 잘 따라가보겠습니다. 💓

오후는 Youtube 발표가 있었는데요. 저희 연구실에서는 유영진 선생님께서 발표를 하셨습니다. 궁금하신 분들은 https://www.youtube.com/@snubk21fouriicer35/videos 에 가시면 보실 수 있습니다.

이번 BK 학술대회의 강연과 발표를 통해 학생들에게 많은 도움이 되었을 것으로 생각됩니다.

다음 학술대회도 기대가 됩니다 :)

모두 3월에도 화이팅해요!

[HKU & EduHK 방문] 마지막날

홍콩에서의 마지막날! 다시 HKU에 방문하여 더 많은 교수님들을 만나뵙고 이야기를 나누는 시간을 가졌습니다👍

먼저 Guang Ouyang 교수님과 미팅을 진행하며 EEG 장비 활용 연구 주제에 대해 논의해볼 수 있었습니다. 예를 들어, Guang Ouyang 교수님께서는 Group 1 intervention group, Group 2 experimental group으로 나누어 먼저 EEG를 통해 기본적으로 어떤 흐름을 가지는지 보고, 과업 수행할 때 보고, 최종적으로 교육적 개입, 커리큘럼을 진행하고 나서 EEG 양상이 어떻게 달라지는지 확인하는 연구를 진행하셨다고 공유해주셨습니다. 이러한 연구를 통해 뇌과학을 연구한다는 것은 명확한 일반화된 교육적 해결책을 줄 수는 없을 수 있으나 직관적으로 이해하기 어려운 교육적 상황을 파악하고, 구체적인 개입의 방식을 제시할 수 있다는 시사점을 전달해주셨습니다😊

특히, 인지 신경과학 연구는 뇌 활동의 시간적 역학이 인지기능과 관련이 있다는 사실을 광범위하게 입증해온 연구 분야입니다. 이를 바탕으로 뇌 활동의 동적 특성이 신경 인지 작동 메커니즘을 어떻게 반영하는지에 확인하는 연구도 수행 가능할 것으로 기대됩니다.

이후, Gaowei Chen 교수님과의 미팅이 진행되었습니다. Gaowei Chen 교수님께서는 교실에서의 교사와 학생 간 상호작용 분석 연구를 주로 진행하시는 교수님이십니다. 저희 연구실의 주요 연구 주제와 겹치는 부분이 있는데요, Gaowei Chen 교수님께서는 교실에서의 대화가 교수와 학습의 질을 높이는 데 중요한 역할을 한다고 강조해주셨습니다. 이러한 맥락에서 교실 대화 분석 역시 추후 교사가 생산적인 대화 기술을 갖추도록 하는 기본이라는 점에서 학업 성취도 향상 등의 교육 및 학습 결과에 큰 영향을 미칠 수 있어 그 중요성을 무시할 수 없습니다. 일반적으로 교실 상황 속 대화 분석은 오디오 또는 비디오 기반의 녹음을 전사하고, 미리 정의된 틀을 바탕으로 대화 추출 및 코딩을 진행, 결과를 해석하는 절차를 포함하고 있는데, 해당 과정에는 시간이 많이 걸리기 때문에 정규 교사가 이러한 과정을 진행하기에는 많은 어려움을 겪는다는 한계가 존재한다는 한계가 존재합니다.

이러한 한계를 극복하기 위해 많은 연구자들이 인공지능(AI)과 사물 인터넷(IoT)을 활용하여 자동 분석 및 피드백을 위한 모델과 시스템을 개발해 오고 있으며, Gaowei Chen 교수님도 그 중 한 분이십니다. Chen 교수 연구팀은 자동 음성 인식 소프트웨어 플랫폼을 개발하여 생성된 강의실 대화를 넣으면 자동으로 대화를 전사하고 코딩하도록 환경을 구축하고 계십니다. 앞으로 머신러닝 알고리즘과 인터넷 기술을 활용하여 교실 대화를 분석하는 교실 대화를 분석하는 자동 모델과 시스템의 정확도에 대한 지속적 평가 및 수정이 필요하다고 말씀해주셨는데, 본 기술이 상용화되어 수동 코딩전사에서 벗어나는 날이 속히 오면 좋을 것 같습니다😍

 이번 방문을 통해 학습자의 학습 과정, 학습 결과 등을 파악하기 위해 홍콩대학교와 홍콩교육대학교 모두 멀티모달 데이터를 적극적으로 수집 및 분석하고 있음을 파악할 수 있었습니다. 학습자의 다면적 역량 평가와 진단을 위해 멀티모달 데이터 수집 및 분석의 필요성을 인식하고, 이를 통해 학습자의 개별적인 요구에 맞는 맞춤형 교육 방안을 모색하는 것이 중요할 것입니다. 

또한, 인공지능 기반 학습 도구의 개발을 통해 초개인화된 학습 경험을 제공하고, 이러한 도구의 효과성을 평가하는 방법에 대해서도 앞으로 계속 논의되어져야 합니다. 실제로, 인공지능 기반 학습 도구 개발에 따라 학습자의 요구와 관심에 따른 맞춤화 교육을 가능하게 하는 개별화 교육이 이루어지고 있으며, 전통적 학습 환경에서는 실현하기 어려웠던 학습 지원이 가능해졌는데요, 이러한 접근은 학습자 중심의 교육을 실현하고 교육 과정의 효과를 극대화하는 데 기여할 것으로 기대됩니다. 

특히, 학습자 개인에게 초점을 맞춘 데이터로써 홍콩대학교와 홍콩교육대학교에서는 학습자 역량을 파악하기 위해 학습 과정 비디오 녹화를 통한 분석, 설문과 면담과 같이 전통적인 데이터 수집 및 분석 뿐만 아니라 EEG(뇌전도)를 포함해 다양한 생리학적 데이터를 활용하여 학습 과정에서의 뇌 활동을 연구하고 있었습니다. 이처럼 뇌기반 교육 연구는 학습자의 인지적, 정서적 반응을 보다 정밀하게 이해하는 데 기여하고 있었습니다. 학습과학연구에서 뇌기반 교육 연구의 중요성을 다시 한 번 깨닫고, 다각적인 접근 방식을 적용하여 학습과학연구소 역시 학습 과학 연구의 발전에 중요한 역할을 해나가야 할 시점인 것 같습니다. 우리 모두 학습과학연구자로서 더 많이 공부하고 더 많이 성장합시다🪴

[HKU & EduHK 방문] 3일차

셋째날에는 EdUHK(Education College of Hong Kong) 팀과의 연구교류가 진행되었습니다.

먼저, Cher Ping Lim 교수님 및 교수님 연구실 학생들과 만나 EdUHK의 연구 상황에 대해 공유를 받았습니다. EduHK에서 진행 중인 연구는 크게 3가지 연구 주제로 구분 가능할 수 있었습니다.

1) AI-Driven Language Assessment and Personalised STEM Education

교실에서 수학, 언어와 같은 과목 영역의 교육에서 AI가 미치는 영향을 탐색합니다. 이를 위해, EdUHK 팀이 시드 펀딩 국제 공동 연구 계획(ICRS)을 신청했으며, 이는 다음 외부 보조금(external grant) 신청의 시드 펀드로 사용할 계획이라는 말씀도 덧붙여주셨습니다.

2) Tech-Enabled TPD during Pandemic and the Effectiveness of PD Programs to In-service Schoolteachers’ occupational well-being

진단 도구 결과를 기반으로 한 디지털 맞춤형 개입 리소스(customized intervention)를 통해 교사의 직업적 웰빙을 개선할 수 있는 온라인 플랫폼/앱을 개발하는 연구가 진행중이었습니다.

3) Technology-Enabled Chinese Learning and Technology-Assisted Personalized English Language Learning

소수 민족 학생들을 대상으로 다양한 언어를 제 1언어(L1)으로 가지고 있는 학생들에게 맞춤형 영어 교육을 하기 위해 테크놀로지를 어떻게 수업에서 활용할 지에 대한 연구가 진행중이었습니다.

이후에는 Chee Kit 교수님과의 미팅을 통해 학습과학연구가 나아가야 할 방향에 대해 논의하는 시간을 가졌습니다. 주로 ChatGPT를 비롯한 챗봇 등 교사의 교수 설계를 돕는 기술의 발전 및 필요성에 대해 논의가 이루어졌습니다. 교사의 교수 설계를 돕는 챗봇에 대한 관심은 세계 공통으로 있음을 확인할 수 있었습니다. 또한, 학습과학연구를 위한 연구소가 한국에서 설립되었다는 내용을 공유하고 앞으로의 운영 방향에 대한 조언을 얻었습니다. 학습과학연구소에서 중점을 두고 있는 연구 주제인 멀티모달 데이터 기반 역량 평가와 진단 초개인화 학습을 위한 인공지능 기반 학습 도구 개발에 대해 공유하고 이와 관련한 연구 관련 조언을 얻을 수 있었습니다.

마지막으로 Kerry Lee 교수님과 신경과학 연구와 교육학 간 관계와 연구적 시사점에 대해 논의하는 시간을 가졌습니다.

현재 저희 연구실에서 진행중인 연구 중 하나로, 현재 SES가 학생들의 교육 격차에 미치는 영향에 대한 논문을 검토 중에 있다는 사실을 공유드리자, Kerry Lee 교수님께서는 교육 신경과학의 함의를 통해 사회경제적지위(SES)가 뇌 발달 및 사회적 활동과 성취에 미치는 영향의 메커니즘을 설명할 수 있을 것으로 기대된다고 말씀해주셨습니다. 특히, 빈곤한 가정 환경에서의 위험 노출과 부모의 행동 불안정성이 아동의 사회정서적 발달에 영향을 미칠 수 있음을 지적해주시면서 예를 들어, 빈곤 경험이 신경 발달에 미치는 영향에 대한 연구와 빈곤의 심리적 후유증에 대한 연구가 존재한다는 말씀도 덧붙여주셨습니다. 

실제로 Kerry Lee 교수님께서는 홍콩과 태국에서 수집한 데이터를 바탕으로 SES, 부모 스트레스, 양육 스타일과 아동의 작업 기억 용량 간의 관계를 연구하신 적이 있는데, 홍콩에서는 SES와 작업 기억 용량 간의 차이가 없으나, 양육 스타일과 작업 기억 용량 간의 관계를 발견하셨다고 합니다. 이로써 SES와 작업 기억 용량의 초기 차이와 관련된 연구 필요성을 확인해볼 수 있었습니다. 

[HKU & EduHK 방문] 1일차~2일차

 안녕하세요! 저와 은선민 선생님, 그리고 조영환 교수님 함께 학습과학 연구의 동향을 파악하고 홍콩대학교 및 홍콩교육대학교와의 협력관계 구축하기 위해 홍콩을 다녀왔습니다🛫

 먼저 HKU에서 만난 분은 Xiuli Shelly Tong 교수님이셨습니다. Xiuli Shelly Tong 교수님은 홍콩 대학교 교육학과에서 학습 및 발달에 관한 연구를 진행하고 계십니다. 교수님은 특히 뇌와 인지, 언어 처리 및 난독증에 대한 연구에 중점을 두고 계시며, 발달성 난독증, 독해력이 약한 아동 및 자폐 스펙트럼 장애를 가진 아동들을 대상으로 한 효과적인 개입 전략 개발에 힘쓰고 계십니다. 또한, 교수님은 이중언어 및 다중언어 사용의 영향, 특수/통합 및 영재 교육, 자폐 스펙트럼 장애, 그리고 언어 및 청각 과학 분야에도 깊은 관심을 가지고 연구를 이어가고 계셨습니다. Speech, Language and Reading Lab에서의 이러한 연구들이 이루어지고 있었는데요, Xiuli Shelly Tong 교수님의 안내를 바탕으로 연구실을 탐방하는 기회를 얻을 수 있었습니다.

 특히, 영아를 대상으로 한 EEG 실험실, 유아를 대상으로 한 행동관찰실험실이 인상깊었는데요, 실험이 가능한 기기뿐만 아니라 공간의 확보가 실질적으로 중요하다는 점을 확인할 수 있었습니다!

이후 점심 시간에 Nancy Law 교수님과 함께 만나 학습과학연구가 나아가야 할 방향에 대해 논의하는 시간을 가질 수 있었습니다. 특히, Nancy Law 교수님의 연구 진행 과정을 공유받을 수 있었습니다. 

Nancy Law 교수님은 학습 디자인과 학습 분석을 결합한 접근 방식을 취하는 연구를 진행하고 계셨습니다. 이는 학습 과정을 체계적으로 설계하고, 학습 데이터를 분석하여 교육 과정의 효과를 극대화하는 데 중점을 두고 있습니다. 특히, Learning Design Studio(LDS)를 운영하며 Learning Design 도구를 교사들이 사용할 수 있도록 지원하고, 다양한 자원과 LD 커뮤니티가 자유롭게 소통할 수 있는 기반을 마련하셨는데요, 이 방법은 학습 과학 연구와 교육 설계 사이의 연결을 만드는 데 도움을 줄 수 있다는 시사점을 내포하고 있었습니다. 

이 외에도, 학습과학연구를 위한 연구소가 한국에서 설립되었다는 내용을 공유하고 이미 학습과학 연구를 위한 기관이 설립된 HKU의 사례를 공유받아 앞으로의 운영 방향에 대한 조언을 얻었으며 다학문적 특성을 띤 학습과학 연구를 위한 타학문 연구자들과의 협력 방안에 대해 논의하는 뜻깊은 자리였습니다 😊

맛있는 밥을 먹고 본격적으로 Xiuli Shelly Tong 교수님 연구실과 연구교류 하는 시간을 가졌습니다. 먼저, 저희 연구실에서 먼저 서울대학교 학습과학연구소에 대한 소개를 진행하고 저와 은선민 선생님께서 각각 AI-Based Personalized Education for Promoting Student’s Socioemotional Competence, Humanlike AI Chatbot Based on the Design Principle of Anthropomorphism라는 제목으로 연구 진행 상황을 공유했습니다. 전자는 디지털 페노타입을 활용한 학생의 정신건강 예측 머신모델 구축 연구 및 학생 정신건강 데이터를 활용한 맞춤형 수업 설계에 관한 연구였습니다. 후자는 의인화 설계원리를 접목한 ChatGPT 기반 챗봇 개발에 관한 연구였습니다. 감사하게도 HKU 선생님들께서 흥미롭게 들어주셨습니다😊

이후 HKU에서 공유해주신 연구에 대한 발표는 다음과 같았습니다.

1) A Statistical Learning and Reading Model

암묵적 학습(implicit learning)은 복잡한 환경 입력의 통계적 패턴을 무의식적으로 감지하고 내면화할 수 있는 인간의 능력을 의미하는데요, 이는 통계적 학습과도 관련이 깊습니다. 소개해주신 이 연구는 바로 이 통계적 학습을 난독증 환자가 다양한 학습 패러다임을 사용하여 수행할 때 정상 발달 대조군에 비해 일관되게 낮은 성능을 보인다는 것을 밝혀낸 연구입니다. 이는 난독증이 언어적 영역에 걸쳐 통계 학습의 일반적 약점과 관련이 있음을 시사하며, 읽기와 학습에 대한 새로운 이론적 접근과 모델의 필요성을 강조하였습니다.

2) Temporal Dynamics and Neural Variability of Emotion-Cognition Interaction in Autism

본 연구는 뇌파를 이용한 실험연구였습니다. 연구 결과, 자폐 아동이 정서적 과제에서 비자폐 아동과 다른 뇌파 신호 패턴을 보이는 것으로 나타났습니다. 자폐 아동은 부정적 감정에 대해 더 높은 주의력을 보이고, 감정의 갈등을 처리하는 데 더 많은 노력이 필요한 것으로 나타났습니다. 특히, 긍정적 감정에 대한 과도한 반응과 부정적 감정에 대한 덜 성숙한 반응을 보여, 자폐 아동의 뇌 네트워크가 감정과 인지의 상호작용에서 비정형적인 역학을 가진다는 것을 파악할 수 있었습니다.

3) Machine Learning Models Predict Chinese Children with Dyslexia and Typically Developed Peers Using Multi-Dimensional Features

본 연구는 난독증 아동과 일반 아동을 구별하기 위해 다양한 머신러닝 모델을 훈련시킨 결과에 대해 설명하고 있었습니다. 흥미로운 것이, 학년(나이), 어휘력, 문자 구성 등의 특징을 포함했을 때 머신러닝 모델의 정확도는 80%로 향상된다는 결과였스빈다. 이처럼 중국어 난독증 진단에 있어 머신러닝의 가능성을 확인하였으며, 난독증의 다차원적 원인을 이해하는 데 기여한 연구였습니다.

이처럼 다양한 연구에 대한 소개를 듣고 네트워크를 쌓을 수 있었던 즐거운 경험이었습니다!