[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🪴