수업은 교수자와 학습자의 상호작용으로 정의될 수 있으며 학습자의 능동적 활동에 의해 학습 성과가 향상될 수 있다. 그러나 교수자에 의해 작성되고 배포되는 강의자료, 교수자의 일방적인 강의, 페이퍼위주의 과제 제출 등으로 학습자의 적극적인 학습참여가 제한되고 있다. 본 논문에서는 학습자가 스스로 발견한 지식을 개념화하고 지식 구조를 정의함으로써 학습자 온톨로지를 생성하는 방법을 제안한다. 또한 교수자 온톨로지와의 연계를 위해 온톨로지 매칭 및 연계 기법을 제안한다. 교수자 온톨로지와 학습자 온톨로지는 통합되어 학습 온톨로지를 구성하며 이 온톨로지를 토대로 교수자와 학습자들 사이에 토론, 발표, 지식 공유 등이 이루어진다. 제안하는 온톨로지 기반 학습은 실제 수업에 적용되었으며 학습자들의 피드백 분석을 통해 그 효과를 보였다.
수업은 교수자와 학습자의 상호작용으로 정의될 수 있으며 학습자의 능동적 활동에 의해 학습 성과가 향상될 수 있다. 그러나 교수자에 의해 작성되고 배포되는 강의자료, 교수자의 일방적인 강의, 페이퍼위주의 과제 제출 등으로 학습자의 적극적인 학습참여가 제한되고 있다. 본 논문에서는 학습자가 스스로 발견한 지식을 개념화하고 지식 구조를 정의함으로써 학습자 온톨로지를 생성하는 방법을 제안한다. 또한 교수자 온톨로지와의 연계를 위해 온톨로지 매칭 및 연계 기법을 제안한다. 교수자 온톨로지와 학습자 온톨로지는 통합되어 학습 온톨로지를 구성하며 이 온톨로지를 토대로 교수자와 학습자들 사이에 토론, 발표, 지식 공유 등이 이루어진다. 제안하는 온톨로지 기반 학습은 실제 수업에 적용되었으며 학습자들의 피드백 분석을 통해 그 효과를 보였다.
Teaching is communication between instructor and students. The learning outcomes can be enhanced by active learning of students. However, there are many obstacles to effective learning below, such as lecture notes authored by instructor, passive student participation, and paper-based homework. In th...
Teaching is communication between instructor and students. The learning outcomes can be enhanced by active learning of students. However, there are many obstacles to effective learning below, such as lecture notes authored by instructor, passive student participation, and paper-based homework. In this paper, we propose an effective method for enhancing learning effect through constructing learner ontologies in which knowledge discovered by students is conceptualized and organized. The learning ontology is composed of a teacher ontology and many learner ontologies. The learning ontology is used in discussion, visual presentation, and knowledge sharing between instructor and students. We used the learning ontology in two lectures in practice and learned that the learning ontology enhances learning effect through analysis of feedbacks of students.
Teaching is communication between instructor and students. The learning outcomes can be enhanced by active learning of students. However, there are many obstacles to effective learning below, such as lecture notes authored by instructor, passive student participation, and paper-based homework. In this paper, we propose an effective method for enhancing learning effect through constructing learner ontologies in which knowledge discovered by students is conceptualized and organized. The learning ontology is composed of a teacher ontology and many learner ontologies. The learning ontology is used in discussion, visual presentation, and knowledge sharing between instructor and students. We used the learning ontology in two lectures in practice and learned that the learning ontology enhances learning effect through analysis of feedbacks of students.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
사전에 온톨로지에 대한 지식이 없는 학습자들이 정확한 개념 정의와 체계적인 지식 구조를 생성하는 것은 어려운 일이다. 따라서 비교적 지식 표현이 자유로운 토픽맵 언어를 사용하여 학습자 온톨로지를 생성하도록 하였으며 클래스, 속성, 관계, 인스턴스, 제약조건 등 온톨로지 요소를 정확하게 정의하는 것보다는 학습자가 공유하고자 하는 지식을 충분히 표현하는 데 목적을 두었다. 학습 온톨로지를 토대로 발표하는 과정에서 학습자들은 개별 지식에 대한 이해뿐만 아니라 상호 연계되는 지식들을 연결 지어 판단하는 장점을 얻을 수 있었다.
본 논문에서는 개인 학습 온톨로지를 확장하여 온톨로지 생성을 수업의 한 과정으로 가져와서 학습자의 능동적인 학습을 유도하기 위한 효과적인 도구로 사용하는 것을 목적으로 한다. 학습 과정에서 교수자의 지도에 따라 학습자들은 개인 학습 온톨로지를 생성할 뿐만 아니라 교수자 온톨로지 및 여러 학습자 온톨로지들과 매칭 및 연계됨으로써 토론, 지식 탐구, 지식 공유를 위한 기본 토대가 될 수 있다.
교수자 온톨로지와 학습자 온톨로지들을 반자동적으로 연결시키기 위해서는 온톨로지 매칭(Ontology Matching) 및 연계(Aligning) 과정이 필요하다. 본 논문에서는 선행 연구에서 개발한 온톨로지 언어의 구조적 특징 및 제약조건에 기반한 토픽맵 매칭 및 통합 기법(J.M.Kim, 2007)을 수정, 적용함으로써 학습 온톨로지를 자동적으로 확장하는 방안을 제안한다.
본 논문에서는 토픽맵 언어로 학습 온톨로지를 정의하고 온톨로지 생성, 저장 및 검색을 위해 Ontopia OKS를 기반으로 하였으며 여기에 매칭 및 연계 연산을 수행하는 별도로 응용프로그램을 구현하였다. 학습자는 Ontopia OKS의 토픽맵 편집기인 Ontopoly 를 이용하여 학습자 온톨로지를 생성하고 Omnigator 와 Vizigator를 이용하여 편집된 자신의 온톨로지에서 특정 학습 개념을 검색하고 전체 지식 구조를 탐색할 수 있다.
제안 방법
7) 온톨로지 평가 - 학습자 온톨로지의 질적, 양적 수준을 평가한다. 이때 Competency Question을 활용하여 질문에 대한 해답을 온톨로지가 제시할 수 있는지 여부를 판단함으로써 온톨로지의 완전성(completeness)을 평가한다.
그러나 온톨로지 기술은 온라인뿐만 아니라 오프라인 교육에 있어서 교수자의 강의 내용 및 학습자들의 학습 내용을 지식 구조화하고 이를 토대로 상호 작용이 원활한 수업을 진행하기 위한 도구로 활용될 수 있다(Sampson, 2004). 본 논문에서는 학습자의 능동적 참여를 통해 학습 효과를 향상시키기 위한 방안으로써 학습자 스스로 발견한 지식 및 의미를 온톨로지 구조로 정의하고 이를 수업 중에 교수자 온톨로지(Teacher Ontology) 및 다른 학습자 온톨로지(Learner Ontology)들과 통합하여 학습 온 톨로지(Learning Ontology)를 구성한다. 교수자와 학습자들은 학습 온톨로지를 통해 학습 내용을 이해하고 지식을 공유한다.
매칭 알고리즘은 요소들 사이의 유사값을 계산하기 위해 사용되는 데이터와 계산 방법에 따라 개별 매칭 연산자(individual matcher), 복합 매칭 연산자 (composite matcher), 규칙기반 매칭(rule-based matching), 학습기반 매칭(learner-based matching) 등으로 분류할 수 있다(Shvaiko, 2004). 본 논문의 온톨로지 매칭 알고리즘은 3가지 개별 매칭 연산자들을 복합적으로 적용하는 복합 매칭 연산자이면서 계산 방법에 있어서는 온톨로지 데이터 모델 특성을 고려하는 규칙기반 매칭 기법으로 분류할 수 있다.
7) 온톨로지 평가 - 학습자 온톨로지의 질적, 양적 수준을 평가한다. 이때 Competency Question을 활용하여 질문에 대한 해답을 온톨로지가 제시할 수 있는지 여부를 판단함으로써 온톨로지의 완전성(completeness)을 평가한다.
그러나 학습자 개별적인 페이퍼 위주의 과제는 발표, 토론, 지식 연계 및 공유 등에 있어서 그 효과가 제한적이라는 문제를 가진다. 이러한 문제를 해결하기 위해 본 논문에서 제안한 학습 온톨로지는 학습자 스스로 발견한 지식을 표준화된 방법으로 정의하고 계층적 및 연관적 지식 관계를 표현함으로써 여러 학습자들과의 토론, 지식 연계 및 공유를 효과적으로 수행할 수 있도록 한다.
학습 성과 측정은 먼저 실험 데이터의 내용을 학습 성과 지표 별로 분류한 다음 각 지표에 대해 전체 학생 수 대비 해당 지표의 능력을 가지는 학생이 얼마나 되는 지 비율을 산출하는 방식으로 수행하였다. 예를 들어, 중간 및 기말 시험에서 LO1의 기초 개념 이해 지표에 해당하는 문항들을 분류한 다음 해당 문항들을 맞힌 학생들의 수를 전체 학생 수로 나누어 학습 성과 수치를 산출하였다.
학습 온톨로지에 기반한 학습 토론 및 지식 공유를 자료구조 수업과 인터넷기술개론 수업에 적용하였고 그 과정에서 학습자의 학습 성과 향상 여부를 판단하기 위해 두 가지 유형의 데이터를 분석하였다. 하나는 설문 조사를 통한 학습자들로부터의 피드백이며 다른 하나는 퀴즈, 중간, 기말 등의 시험과 과제 발표 등이다.
대상 데이터
[그림 5]는 학습 성과 변화 그래프로서 학습 온톨로지를 적용한 수업에서 학생들의 과제, 발표, 퀴즈, 중간 및 기말 시험 등을 분석한 결과 이전 방식의 수업에 비해 학습 성과의 향상 정도가 어떠한지 보여주고 있다. 실험 데이터는 자료구조 및 인터넷기술개론 수업 수강생 105명의 과제물, 발표 자료 및 발표 평가지, 퀴즈 및 중간, 기말 시험의 답안지들이며 학습 성과 지표는 한국공학교육인증원의 프로그램 학습 성과 및 지표를 참고하여 다음과 같이 정의하였다.
최하층에는 교수자 온톨로지 및 학습자 온톨로지의 개념들과 연결된 학습 자료들이 존재한다. 학습 자료는 학습에 사용되는 텍스트, 이미지, 동영상, 웹페이지 등 다양한 형식의 자료들이다.
이론/모형
예를 들어, 개념명이 “이진 트리”인 경우 “이진”과 “트리”의 토큰들로 분리된다. 토큰 분리 방법은 개념명이 명사어인 경우 빈칸없는 복합명사의 토큰 분리를 위해 형태소 분석기에 의한 방법을 사용하고 명사구인 경우 빈칸에 의한 방법을 사용한다. SIMdict 는 도메인 용어 사전에 의해 두 개념명의 유사값을 산출하는 것으로 도메인 용어 사전은 [term1, term2, sim] 구조를 가지는 용어 집합이다.
성능/효과
1) 목적 및 범위 설정 - 학습자 온톨로지의 목적 및 범위는 교수자에 의해 주어진다. 교수자는 학습자가 해결해야 할 문제를 제시함과 동시에 학습자 온톨로지의 규모에 대한 기준을 전체 개념 노드 수와 계층구조의 깊이 값으로 제시한다.
2) 최상위 학습 개념은 교수자 온톨로지에서 주어진 문제 노드와 동일한 개념명을 가진다. 이는 주어진 문제를 해결한 학습자 온톨로지를 교수자 온톨로지와 효과적인 매칭 및 연계를 위해 필요하다.
3) 학습자 온톨로지의 내용은 주어진 문제를 분석한 지식 구조와 문제를 해결한 지식 구조를 포함한다.
4) 개념 용어 추출 - 수집된 자료의 분석을 통해 개념어에 해당하는 단일명사, 복합명사, 명사구, 동사 등의 용어를 추출한다.
5) 클래스, 속성, 관계 정의 - 학습자 온톨로지의 클래스, 속성, 관계는 에 나열된 것과 같이 교수자 온톨로지에 정의된 것을 따른다.
학습온톨로지를 적용한 수업의 경우 학습자들이 기본 개념을 추출하고 이를 분석한 다음 연관된 개념들과의 관계 정의를 통해 주요 개념의 지식 구조를 파악하는 데 효과가 있음을 알 수 있다. 또한 텍스트 위주의 프리젠테이션에서 벗어나 학습 개념의 지식 구조 탐색을 통해 발표 및 토론을 진행함으로써 지식 전달 및 공유에 보다 효과적임을 알 수 있다.
후속연구
현재 널리 사용되는 Protege, OntoEdit, Ontopoly 등은 학습자 온톨로지를 생성하기에 너무 복잡하거나 또는 비주얼 편집이 불가능하다는 문제를 가진다. 향후 연구로는 학습자 온톨로지 생성이 용이한 비주얼 편집기를 개발하는 것과 커리큘럼 온톨로지 및 강의계획서(syllabus) 온톨로지와 학습 온톨로지를 연계하여 개별 과목뿐만 아니라 연관성을 가지는 여러 과목들 사이에 학습 온톨로지를 통합하는 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
교수자에 의해 수업 이전에 미리 생성되는 교수자 온톨로지는 어떤 요소를 가지는가?
1) 학습 개념(Learning Concept) - 한 학기 동안 다루어질 학습 주제의 중요 개념들을 가리킨다. 정의되는 학습 개념은 기본 개념(Fundamental Concept), 심화 개념(Advanced Concept), 보충 개념 (Related Concept), 사례(Example), 문제(Exercise) 등의 유형으로 분류되어 정의된다.
2) 학습 구조(Learning Structure) - 학습 구조는 한 학기 동안 다루어질 중요 개념들의 지식 구조를 정의하는 부분과 강의계획서에 제시된 주차별 학습 내용의 상세 내용을 계열화시킨 부분으로 나누어 정의된다.
3) 학습 자료(Learning Material) - 교수자가 작성하거나 수집한 강의 자료들을 가리키는 것으로 교재의 특정 페이지, 프리젠테이션 파일, 웹페이지, 동영상 등의 다양한 형식으로 존재하는 파일들을 학습 개념들과 연결시킴으로써 정의된다.
수업에서 효과적인 학습효과를 얻기 위해서는 무엇이 필요한가?
수업은 교수자와 학습자 사이의 상호작용으로서 교수자는 학습자가 학습목표를 달성할 수 있도록 자료를 제시하고 안내하는 교수활동을 수행하며 학습자는 학습목표 성취를 위해 교수자의 지도를 따라 계획된 학습경험을 획득하는 과정이다(나승일, 2004). 이 과정에서 보다 효과적인 학습효과를 얻기 위해서는 학습자의 적극적인 수업 참여가 요구되며 이를 유도할 교수자의 노력과 동기부여가 필요하다(Richard, 1998).
나승일, 2004에 따르면 수업이란 무엇인가?
수업은 교수자와 학습자 사이의 상호작용으로서 교수자는 학습자가 학습목표를 달성할 수 있도록 자료를 제시하고 안내하는 교수활동을 수행하며 학습자는 학습목표 성취를 위해 교수자의 지도를 따라 계획된 학습경험을 획득하는 과정이다(나승일, 2004). 이 과정에서 보다 효과적인 학습효과를 얻기 위해서는 학습자의 적극적인 수업 참여가 요구되며 이를 유도할 교수자의 노력과 동기부여가 필요하다(Richard, 1998).
참고문헌 (14)
나승일(2004). 대학에서의 효과적인 교수법 가이드, 서울대학교출판부
Richard M. Felder,Linda K. Silverman(1988). Learning and Teaching Styles in Engineering Education, Journal of Engineering Education, 78(7), 674-681
Mizoguchi R., Bourdeau, J.(2000). Using Ontological Engineering to Overcome AI-ED Problems, International Journal of Artificial Intelligence in Education, 11(2), 107-121
Nilsson, M., Palmer, M., Brase, J.(2003) The LOM RDF binding - principles and implementation, In Proceedings of The 3rd Annual ARIDNE Conference, Lueven, Belgium
Marco R., Joseph S.(2007). Curriculum Management and Review - an ontology-based solution, Technical Report # DIT-07-021, University of Trento
Sampson, D. G., Lytra, M. D., Wagner, G., Diaz, P.(2004). Guest Editorial: Ontologies and the Semantic Web for E-learning, Educational Technology and Society, 7(4), 26-28
J.M.Kim, H.P.Shin, and H.J.Kim(2007). Schema and constraints-based matching and merging of topic maps, Information Processing and Management, 43(4), 930-945
Shackelford, R., McGettrick, A., Sloan, R., Topi, H., Davies, G., Kamali, R., Cross, J., Impagliazzo, J., LeBlanc, R., Lunt, B.(2006). Computing Curricula 2005: The Overview Report, ACM SIGCSE Bulletin, 38(1)
Apple W. P. F., Horace H. S. I.(2007). Educational Ontologies Construction for Personalized Learning on the Web, Studies in Computation Intelligence 62, 47-82
Mizoguchi, R.(2004). Tutorial on ontological engineering- Part2: Ontology development, tools and languages, New Generation Computing, OhmSha&Springer, 22(1)
Noy, N. F. & McGuinness, D. L.(2001)., Ontology development 101: a guide to creating your first ontology, Stanford Knowledge Systems Laboratory Technical Report KSL-01-05
Shvaiko, P. and Euzenat, J.(2004). A Survey of Schema-based Matching Approaches, Technical Report DIT-04-087, University of Trento, Italy
D. L. McGuinness and F. Harmelen(2003). OWL Web Ontology Language Overview, W3C Recommendation, 10 February, http://www.w3. org/TR/owl-features/
Steve Pepper and Graham Moore.(2001). XML Topic Maps(XTM) 1.0, TopicMaps.Org
※ AI-Helper는 부적절한 답변을 할 수 있습니다.