K-MOOC 환경에서 학습분석학 기반 학습유형별 대시보드 개발 연구
저자
발행사항
대전: 忠南大學校 大學院, 2023
학위논문사항
학위논문(박사) -- 忠南大學校 大學院 , 교육학과 교육심리학·교육과정 전공 , 2023. 8
발행연도
2023
작성언어
한국어
DDC
370 판사항(22)
발행국(도시)
대전
기타서명
A Study on developing Dashboard for Learning Types based on Learning Analytics in the K-MOOC Environment
형태사항
11, 179 p.: 삽화; 26 cm.
일반주기명
지도교수:김정겸
충남대학교 논문은 저작권에 의해 보호받습니다.
2021학년도부터 인쇄본은 소장하고 있지 않습니다.
참고문헌: p.139-158
UCI식별코드
I804:25009-200000689587
소장기관
The objective of this study was to identify predictors of learner dropout in Korean Massive Open Online Courses(K-MOOCs) using learning analytics, and to develop an adaptive teaching-learning strategies and dashboard that groups learners based on their activity factors. The aim of this is to provide timely intervention and support for learners at risk of dropping out. Random forest and K-Means clustering analyses were applied to data from 797 learners across four K-MOOC courses that took place from March to May 2021. This data encompassed learning activity and study time.
The study's findings are threefold. Firstly, based on learning analytics, the predictors and timing of dropout for K-MOOC learners were identified as follows: a quiz average score less than 48, less than 8 first attempts at the quiz pool, less than 8 answered quizzes, less than 16 quiz page views, engagement in learning activities between week 3 and week 4, and total study time less than 330 minutes. To ensure that learners perform well in their studies, instructors need to intervene and provide support before the predicted dropout point.
Secondly, a cluster analysis was conducted using these predictors. Cluster 1 contained learners exhibiting mixed learning patterns, including learners who were inconsistent in their study yet still achieved a certificate, and learners who invested substantial time and played many videos but failed to earn a certificate. Cluster 2 comprised learners who did not receive a certificate due to minimal learning activity and limited time investment. Lastly, Cluster 3 included learners who consistently engaged in learning activities and consequently earned a certificate. Based on these clusters, adaptive teaching and learning strategies were proposed to maximize learning efficiency. Each strategy was tailored to the specific learning patterns observed within each cluster. By implementing appropriate learning strategies for each cluster, instructors can help learners sustain their learning progress.
Finally, adaptive teaching-learning dashboards were developed for both instructors and learners. The instructor dashboard was designed to predict a learner's risk of dropout based on their current learning activities, thus facilitating timely intervention and support. The learner dashboard, on the other hand, was designed to aid learners in planning their studies and tracking their progress in comparison to their peers, with the intention to boost motivation and promote sustained learning. These dashboards visualize learners' learning activities, allowing instructors and administrators to have a comprehensive view of the data. With the aid of dashboards, instructors and administrators can intervene promptly with cluster-specific support strategies. Through this iterative process, it is expected that the completion rate of learners will increase.
본 연구에서는 학습분석학 절차에 따라 K-MOOC 학습자의 중도 탈락 예측 요인과 시점을 탐색하고, 학습자별 학습활동 요인과 시점에 따라 집단을 군집화하여 중도 탈락이 예측되는 학습자에게 교수자와 운영자의 처치와 개입이 가능하도록 적응형 교수-학습 전략과 대시보드를 개발하고자 하였다. 2021년 3월부터 5월까지 운영한 A 대학의 K-MOOC 4개 강좌의 학습자 총 797명을 대상으로 학습활동 및 학습 시간 데이터를 활용하여 랜덤 포레스트, K-Means Clustering 분석을 실시하였다.
연구 결과는 다음과 같다. 첫째, 학습분석학 기반 K-MOOC 학습자의 중도 탈락 예측 요인과 시점은 퀴즈 평균 점수 48점 미만에서, 퀴즈 풀이 첫 번째 시도 횟수 8회 미만에서, 퀴즈 정답 횟수 8회 미만에서, 퀴즈 페이지 뷰 횟수 16회 미만에서, 주차별 학습활동 3주차와 4주차 사이에서, 머무른 시간 330분 미만에서 중도 탈락을 예측하였다. 이를 토대로 교수자와 운영자는 학습자가 중도 탈락하기 전 시점에서 학습을 독려하는 등 개입을 진행하여 학습자가 꾸준히 학습할 수 있도록 도울 수 있다.
둘째, 예측 요인을 활용하여 군집 분석을 실시한 결과, 군집 1 집단(중도 탈락 위험형)은 학습 패턴이 일정하지 않고 꾸준히 학습하지 않았으나 이수증을 받은 학습자들과 머무른 시간이 길고 비디오 재생 횟수가 꽤 있으나 이수증을 받지 못한 학습자 등으로 구성되어 있고, 군집 2 집단(이수 무관심형)은 학습 활동이 거의 없고 머무른 시간도 짧아 거의 대부분 이수증을 받지 못한 학습자 집단이다. 군집 3 집단(이수 완료형)은 꾸준히 학습활동에 참여하여 이수증을 받은 학습자 집단이다. 군집별 학습 변인 패턴에 따라 효율적인 학습이 가능하도록 군집별 적응형 교수-학습 전략을 제안하였다.
셋째, 학습자의 학습활동 개입을 위한 교수-학습 대시보드는 교수지원과 학습지원으로 나뉘어 대시보드를 개발하였으며, 교수지원 대시보드는 학습자의 현재 학습활동을 기반으로 중도 탈락의 위험성을 예측하여 적절한 시점에 개입 및 처치가 가능하도록 개발되었다. 학습지원 대시보드는 학습자가 학습을 계획할 수 있고, 다른 학습자와의 학습 진도율을 비교하여 학습 동기 부여 및 유지에 도움을 줄 수 있도록 개발하였다.
본 연구를 통하여 K-MOOC 학습자들의 중도 탈락 위험 집단을 조기에 예측하고, 집단별 교수-학습 대시보드를 통해 교수자와 운영자가 학습자들의 학습을 독려하거나 적절한 방안을 처치할 수 있는 전략을 제안하였다. 이를 통해 K-MOOC 학습자의 학습을 지원하여 학습만족도 및 이수율을 높일 수 있을 것으로 기대한다.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
| 주요 개정내역 | 변경 사유 |
|---|---|
| · 수탁업체 콘소시엄 기관명 및 위탁기간 명시 | · 제6조(개인정보 처리업무의 위탁) 구체화 |
한국교육학술정보원은 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적 이용·제공 판단기준)
제15조(개인정보 처리방침의 변경)
제1조(개인정보의 처리 목적)
제2조(개인정보의 처리 및 보유 기간)
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)
제3조(처리하는 개인정보의 항목)
제4조(개인정보파일 등록 현황)
개인정보파일 검색(privacy.go.kr)| 개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 |
보유기간 | |
|---|---|---|---|---|
| 학술연구정보서비스 이용자 가입정보 | 한국교육학술정보원법 정보추제 동의 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
| 선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 | |||
제5조(개인정보의 제3자 제공)
제6조(개인정보 처리업무의 위탁)
제7조(개인정보의 파기 절차 및 방법)
제8조(정보주체와 법정대리인의 권리·의무 및 그 행사 방법)
제9조(개인정보의 안전성 확보조치)
제10조(개인정보 자동 수집 장치의 설치·운영 및 거부)
제11조(개인정보 보호책임자)
| 구분 | 담당자 | 연락처 |
|---|---|---|
| KERIS 개인정보 보호책임자 | 정보보호본부 안재호 |
- 이메일 : jinuk@keris.or.kr - 전화번호 : 053-714-0158 - 팩스번호 : 053-714-0195 |
| KERIS 개인정보 보호담당자 | 개인정보보호부 송진욱 | |
| RISS 개인정보 보호책임자 | 교육학술데이터본부 정광훈 |
- 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
| RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
제12조(개인정보의 열람청구를 접수·처리하는 부서)
제13조(정보주체의 권익침해에 대한 구제방법)
제14조(추가적인 이용ㆍ제공 판단기준)
제15조(개인정보 처리방침의 변경)
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)