[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!