많은 학습시스템이 학습효율을 높이기 위해 자기 주도적 학습을 적용하고 있다. 동일한 수준의 학습자라 할지라도 학습 내용을 이해하는 정도는 서로 다를 수 있다. 따라서 제공된 콘텐츠를 이해하기 어려움에도 불구하고 정해진 난이도와 학습과정에 따라 획일적으로 학습이 진행되는 방법은 효율적인 학습효과를 나타내기 어렵다. 본 논문에서는 런타임시 변화된 학습자의 수준에 적합한 학습 콘텐츠를 재구성할 수 있도록 SCORM의 기능을 확장하고, 이 확장된 SCORM을 기반으로 DCOS(Differential Contents Organization System)을 설계 및 구현하였다. DCOS는 학습자의 수준에 적합한 학습 콘텐츠를 효율적으로 재구성하기 위하여, 학습자의 수준 이외에 학습 콘텐츠의 구성단위인 학습객체 간의 관련성 및 학습 목표 달성 정도를 기반으로 콘텐츠를 재구성하도록 하였다. 각 30명의 학생이 기존 시스템과 DCOS에서 학습한 결과, DCOS에서 학습한 학습자들의 평균점수와 시스템 만족도가 전체적으로 높은 것을 알 수 있었다.
많은 학습시스템이 학습효율을 높이기 위해 자기 주도적 학습을 적용하고 있다. 동일한 수준의 학습자라 할지라도 학습 내용을 이해하는 정도는 서로 다를 수 있다. 따라서 제공된 콘텐츠를 이해하기 어려움에도 불구하고 정해진 난이도와 학습과정에 따라 획일적으로 학습이 진행되는 방법은 효율적인 학습효과를 나타내기 어렵다. 본 논문에서는 런타임시 변화된 학습자의 수준에 적합한 학습 콘텐츠를 재구성할 수 있도록 SCORM의 기능을 확장하고, 이 확장된 SCORM을 기반으로 DCOS(Differential Contents Organization System)을 설계 및 구현하였다. DCOS는 학습자의 수준에 적합한 학습 콘텐츠를 효율적으로 재구성하기 위하여, 학습자의 수준 이외에 학습 콘텐츠의 구성단위인 학습객체 간의 관련성 및 학습 목표 달성 정도를 기반으로 콘텐츠를 재구성하도록 하였다. 각 30명의 학생이 기존 시스템과 DCOS에서 학습한 결과, DCOS에서 학습한 학습자들의 평균점수와 시스템 만족도가 전체적으로 높은 것을 알 수 있었다.
Many learning systems are applying Self-Directed Learning to improve learning efficiency. The degree of understanding of the same learning contents can be different even if the learner's level is same. Therefore, it is difficult to represent an effective learning experience because the learning is p...
Many learning systems are applying Self-Directed Learning to improve learning efficiency. The degree of understanding of the same learning contents can be different even if the learner's level is same. Therefore, it is difficult to represent an effective learning experience because the learning is progressed by the determined difficulty of learning and the learning process even thought the provided content is difficult to understand. In this paper, we augmented SCORM to reconstruct the learning contents which are suitable for the changed level of each learner in real-time. Also, we designed and implemented this augmented SCORM based DCOS(Differential Contents Organization System). In order to provide the suitable contents for each learner, DCOS reorganizes learning contents based on the learner's level, the learner's achievement of learning objectives, and the correlation between learning objects, that is the component of the learning content. Each 30 Each 30 students studied e-learning contents, which are constructed based on the existing System and DCOS respectively. And the average score and system's satisfaction of the students who studied DCOS based e-learning contents was higher.
Many learning systems are applying Self-Directed Learning to improve learning efficiency. The degree of understanding of the same learning contents can be different even if the learner's level is same. Therefore, it is difficult to represent an effective learning experience because the learning is progressed by the determined difficulty of learning and the learning process even thought the provided content is difficult to understand. In this paper, we augmented SCORM to reconstruct the learning contents which are suitable for the changed level of each learner in real-time. Also, we designed and implemented this augmented SCORM based DCOS(Differential Contents Organization System). In order to provide the suitable contents for each learner, DCOS reorganizes learning contents based on the learner's level, the learner's achievement of learning objectives, and the correlation between learning objects, that is the component of the learning content. Each 30 Each 30 students studied e-learning contents, which are constructed based on the existing System and DCOS respectively. And the average score and system's satisfaction of the students who studied DCOS based e-learning contents was higher.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
만일 타당한 척도가 제공될 수 없다면, 학습자의 수준에 적합한 콘텐츠를 제공할 수 없다. 따라서 본 논문에서는 심리측정이론인 문항반응이론을 이용하여 학습 이전 또는 이후에 이루어지는 평가뿐만 아니라, 학습 도중 학습자의 수준 변화를 평가에 반영함으로써 학습자의 수준 평가의 정확성을 높이고자 한다. 아래의 수식 중에서 수식 1은 학습자의 능력을 3-모수 로지스틱 모형[4]을 이용하여 추정하기 위한 수식이고, 수식 2는 학습자가 주어진 문항을 맞출 확률이다.
기존 SCORM 기반의 이러닝 시스템들은 학습 tracking 정보를 LCMS에만 학습객체 단위로 저장하므로[13][16], 지금까지 수집한 학습 tracking 정보를 다음 학습에 활용할 수 없다는 문제가 있다. 따라서 본 논문에서는 학습 tracking 정보를 학습 정보 DB에 저장하고 LMS(Learning Management System)에도 사용가능하도록 허용함으로써, 학습 도중 수집된 학습 tracking 정보를 다음 학습에서도 활용할 수 있도록 SCORM의 기능을 개선하였다. 또한 기존 SCORM 기반의 이러닝 시스템들은 학습 콘텐츠를 packaging하여 올리게 되면, 학습자에게 처음 계획한 순서대로 콘텐츠를 제공하게 된다.
(그림 1)에서 알 수 있듯이 각 학습객체 간에는 동일한 학습 목표를 달성하기 위한 연결 구조를 가지고 있다. 따라서 본 연구에서는 동일한 학습 목표를 갖는 이전 학습객체의 학습 목표 달성정도를 해당 학습객체의 학습 목표 달성정도를 평가하는데 반영함으로써 좀 더 학습자의 수준에 적합한 콘텐츠가 재구성될 수 있도록 하였다. 학습자의 수준을 평가하기 위한 문항은 학습 목표 달성 정도와 학습자의 수준으로 기반으로 추출하여 학습자에게 제공함으로써 각 학습목표별 학습자의 학습 성취 수준을 좀 더 정교하게 평가하고자 하였다.
본 논문에서는 문항반응이론을 활용하여 학습자의 수준을 평가함과 동시에 이전에 평가된 학습자의 수준을 현재 평가된 학습자의 수준에 반영하고 학습 도중 변화되는 학습자의 수준을 퀴즈를 통해 평가된 학습자의 수준을 반영함으로써 학습자의 상태 변화에 따른 수준 평가의 정확성을 높이고자 하였다.
본 논문에서는 학습자의 학습 참여를 유도하고, 런타임시 변화된 학습자의 수준에 적합한 학습 콘텐츠를 제공하기 위한 콘텐츠 구성 시스템을 설계 및 구현하였다. 이를 위해 자기 주도적 학습 전략[1]을 수정하였으며, 학습전략에 따른 학습 콘텐츠의 효율적인 운용을 위하여 학습객체(SCO)간의 연결 구조를 고려하였다.
DCOS는 평가 문항과 퀴즈, 콘텐츠는 학습목표별 상, 중, 하 3개의 수준으로 나뉘어 저장되어 있으며, 학습 콘텐츠는 대학에서 강의되고 있는 자료구조의 학습 콘텐츠를 활용하여 운영하고 있다. 본 시스템은 모든 학습자들이 모두 최종 학습목표를 달성할 수 있도록 하는데 중점을 두고 있다. 각 모듈의 기능은 다음과 같다.
많은 이러닝 학습이 교수자에 의한 학습 모형이나 과정에 따라 학습자의 선택이 없이 진행되어 학습자 개개인의 특성을 반영하기 어렵고, 다양하고 방대한 학습콘텐츠가 제공되는 이러닝의 특성상 학습자 스스로가 자신에 맞는 학습 콘텐츠를 구성하기는 매우 어려웠다. 본 연구에서는 이와 같은 문제를 해결하기 위해서 학습자의 수준이외에도 학습 콘텐츠의 구성단위인 학습객체(SCO) 간의 관련성과 학습 목표 달성 정도를 기반으로 콘텐츠를 재구성하여 학습자의 수준에 따라 차별적으로 콘텐츠를 제공하고자 하였으며, 학습자가 학습 계획을 세워 학습할 수 있도록 하기 위하여 학습자가 학습 전에 학습의 목표치(학습 목표 점수, 학습시간)를 설정하도록 하였다. 학습 모집단 60명을 대상으로 기존의 시스템과 DCOS에서 실행한 결과, DCOS에서 학습한 학습자들의 평균점수와 만족도가 전체적으로 높은 것을 알 수 있었다.
이와 같은 문제점을 해결하기 위한 수단으로 대학에서는 이러닝을 수업의 보조수단으로 사용하고 있다. 본 연구의 목적은 자료구조 실습 과목을 수강하는 학습자에게 학습자의 수준에 맞는 차별화된 학습 콘텐츠를 제공함으로써 모든 학습자들이 학습 목표를 달성할 수 있도록 하는데 있다.
따라서 본 연구에서는 동일한 학습 목표를 갖는 이전 학습객체의 학습 목표 달성정도를 해당 학습객체의 학습 목표 달성정도를 평가하는데 반영함으로써 좀 더 학습자의 수준에 적합한 콘텐츠가 재구성될 수 있도록 하였다. 학습자의 수준을 평가하기 위한 문항은 학습 목표 달성 정도와 학습자의 수준으로 기반으로 추출하여 학습자에게 제공함으로써 각 학습목표별 학습자의 학습 성취 수준을 좀 더 정교하게 평가하고자 하였다. 평가 문항에 따른 학습자의 수준은 2단계를 걸쳐서 평가된다.
제안 방법
DCOS의 효과를 검증하기 위해 60명의 학생을 30명씩 A반과 B반으로 나누어 선발하고, 각 반의 구성원들의 수준이 비슷한지를 판단하기 위하여 사전 검사를 실시하였다. 먼저, 첫 대단원을 일반 시스템에서 학습하게 한 후 학업 성취도를 사전 검사하였다.
기존 시스템과 DCOS에서 연결리스트 부분을 학습한 평균 성적을 학습자별로 비교한 결과, (그림 4)와 (그림 5)에서 알 수 있듯이 DCOS에서 학습한 학습자들의 평균 점수가 전반적으로 높은 것으로 났으나, 학업 성취 정도를 보다 세밀하게 분석하기 위하여 연결리스트 부분을 구성하는 각 소단원을 학습한 결과를 비교 분석해 보았다. (그림 6)은 연결리스트 부분을 이루는 각 소단원을 학습한 후 반평균 점수를 비교한 그래프이다.
넷째, 본 연구는 SCORM 2004 2rd Edition을 채택하여 적용하였으며, ADL에서 제공하는 sample RTE를 기반으로 구축하였다.
다섯째, 본 연구를 위해 비슷한 수준의 학생을 각 30명씩 A, B반으로 나누어 A반은 기존 SCORM 기반의 시스템에서 자료구조를 학습하도록 하고, B반은 DCOS에서 자료구조를 학습하도록 하였다.
둘째, 연구에 사용된 콘텐츠는 이미 개발되어 사용되고 있는 자료구조 콘텐츠와 문항들 제공받아 활용하였으며, 문항은 3단계로 구분하여 각 단계 당 5문항씩 출제되었다.
즉, 학습 도중 변화되는 학습자의 현 상태에 맞도록 학습 콘텐츠를 재구성하여 제공하는 것이 불가능하다[13]. 따라서 본 논문에서는 학습 도중 변화된 학습자의 상태에 적합한 제어 모드로 변경하고, 학습에 필요한 콘텐츠를 새로운 학습객체 단위로 추가하며, 학습 콘텐츠의 진행 순서를 변경하도록 함으로써, 학습자에게 최적화된 학습 서비스를 제공할 수 있도록 하였다.
학습 목표 달성 평가는 학습 수준 평가 모듈의 결과와 학습 도중 수집되는 학습 시간, 학습 진행 정도, 각 학습목표별 문한 평가 점수 등과 같은 학습 정보 및 학습목표의 난이도, 중요성을 기반으로 평가된다. 또한, 학습전략에 따라 학습자의 수준에 적합한 학습 콘텐츠를 효율적으로 재구성하기 위하여, 학습자의 수준이외에도 학습 콘텐츠의 구성단위인 학습객체(SCO) 간의 관련성을 고려하여 학습 목표 달성 정도를 평가하였다. (그림 1)은 각 학습객체 간의 관계를 도식화한 것이다.
DCOS의 효과를 검증하기 위해 60명의 학생을 30명씩 A반과 B반으로 나누어 선발하고, 각 반의 구성원들의 수준이 비슷한지를 판단하기 위하여 사전 검사를 실시하였다. 먼저, 첫 대단원을 일반 시스템에서 학습하게 한 후 학업 성취도를 사전 검사하였다. 사전평가 결과는 <표 3>에서 알 수 있듯이 두 반의 평균과 표준편차가 유사하며, 결과적으로 두 반의 학습자 수준이 비슷한 것을 알 수 있다.
셋째, 연구 진행은 온라인을 통해 이론 학습하도록 하였으며, 온라인 학습한 것에 대한 실습을 오프라인으로 진행한 후 하였다.
본 논문에서는 학습자의 학습 참여를 유도하고, 런타임시 변화된 학습자의 수준에 적합한 학습 콘텐츠를 제공하기 위한 콘텐츠 구성 시스템을 설계 및 구현하였다. 이를 위해 자기 주도적 학습 전략[1]을 수정하였으며, 학습전략에 따른 학습 콘텐츠의 효율적인 운용을 위하여 학습객체(SCO)간의 연결 구조를 고려하였다. 적용된 자기주도적 학습 모형은 Corno와 Mandinach의 학습전략[2]을 수정하였으며, 학습 모집단 각 30명이 기존 시스템과 DCOS에서 자료구조에 대한 이러닝 콘텐츠를 학습한 결과, 후자를 학습한 학습자들의 평균점수 및 만족도가 더 높은 것으로 분석되었다.
첫 단계에서는 문항반응이론 중 각 문항의 난이도, 변별도, 추측도를 고려하는 3모수 로지스틱 모형을 기반으로 수준을 평가하고 있으며, 추정된 학습자의 능력 추정치를 0～100 사이의 수치로 표현하기 위한 진점수(π)로 변환하여 사용하였다.
첫째, 본 연구는 학습자들의 꾸준한 관리가 필요한 관계로 대학을 졸업하고 취업을 준비하기 위해 충북인력개발원의 1년 양성과정에 다니고 있는 재학생 중 “자료구조”를 수강하는 60명의 학생들로만 한정하여 1학기 동안 실시하였다.
학습자들의 성적 변화를 알아보기 위하여 먼저 네 번째 대단원인 연결리스트 단원을 구성하고 있는 소단원 중 쉬운 부분인 단순연결리스트 부분의 학습 결과와 어려운 단원인 이중연결리스트 부분의 학습 결과를 다음과 같이 비교해 보았다.
현재까지 4개의 대단원을 학습하였으며, 첫 대단원은 A반과 B반이 모두 일반 시스템에서 학습하도록 하였으며, 두 번째 대단원부터는 A반은 일반 시스템에서 학습하도록 하고, B반은 DCOS에서 학습하도록 하였다.
성능/효과
<표 5>에서 알 수 있듯이, [8],[17]과 [16]은 수준별 학습을 위해 SCORM을 기반으로 시스템을 구축하고 학습자의 학습 활동 정보를 tracking하여 활용하고 있으나, SCORM의 단점인 런타임시 변화된 학습자 수준을 반영하는 기능은 제공하지 않고 있다. 그러나 본 논문에서 구현한 시스템은 SCORM의 단점을 보완하여 런타임시 변화된 학습자의 수준에 적합한 학습 콘텐츠를 제공하고, 선택적 학습을 제어할 수 있도록 하였다. [11]의 경우에는 학습 콘텐츠를 제공할 때 학습자의 학습 활동을 tracking한 정보를 반영하고 있지는 않지만, 학습 객체 간의 관련성을 기반으로 학습 콘텐츠를 추출하여 제공하고 있다.
이를 위해 자기 주도적 학습 전략[1]을 수정하였으며, 학습전략에 따른 학습 콘텐츠의 효율적인 운용을 위하여 학습객체(SCO)간의 연결 구조를 고려하였다. 적용된 자기주도적 학습 모형은 Corno와 Mandinach의 학습전략[2]을 수정하였으며, 학습 모집단 각 30명이 기존 시스템과 DCOS에서 자료구조에 대한 이러닝 콘텐츠를 학습한 결과, 후자를 학습한 학습자들의 평균점수 및 만족도가 더 높은 것으로 분석되었다.
1점 그리고 시스템 만족도는 7점의 차이를 보였다. 즉, DCOS가 학습 내용의 이해도 및 학업 성취도를 높이는데 도움이 되었으며, 학습자들의 학습 만족도 및 흥미를 높였다는 것을 알 수 있다.
본 연구에서는 이와 같은 문제를 해결하기 위해서 학습자의 수준이외에도 학습 콘텐츠의 구성단위인 학습객체(SCO) 간의 관련성과 학습 목표 달성 정도를 기반으로 콘텐츠를 재구성하여 학습자의 수준에 따라 차별적으로 콘텐츠를 제공하고자 하였으며, 학습자가 학습 계획을 세워 학습할 수 있도록 하기 위하여 학습자가 학습 전에 학습의 목표치(학습 목표 점수, 학습시간)를 설정하도록 하였다. 학습 모집단 60명을 대상으로 기존의 시스템과 DCOS에서 실행한 결과, DCOS에서 학습한 학습자들의 평균점수와 만족도가 전체적으로 높은 것을 알 수 있었다.
후속연구
앞으로 [17]의 연구에서처럼 각 학습자에게 최적화된 피드백을 제공하도록 보강하고 이론 학습과 함께 실습 학습이 가능하도록 보강함으로써 학습자의 학습 효율 및 만족도를 높일 수 있도록 할 계획이다.
질의응답
핵심어
질문
논문에서 추출한 답변
DCOS에서 학습자의 수준 이외에 학습 콘텐츠의 구성단위인 학습객체 간의 관련성 및 학습 목표 달성 정도를 기반으로 콘텐츠를 재구성한 이유는 무엇인가?
본 논문에서는 런타임시 변화된 학습자의 수준에 적합한 학습 콘텐츠를 재구성할 수 있도록 SCORM의 기능을 확장하고, 이 확장된 SCORM을 기반으로 DCOS(Differential Contents Organization System)을 설계 및 구현하였다. DCOS는 학습자의 수준에 적합한 학습 콘텐츠를 효율적으로 재구성하기 위하여, 학습자의 수준 이외에 학습 콘텐츠의 구성단위인 학습객체 간의 관련성 및 학습 목표 달성 정도를 기반으로 콘텐츠를 재구성하도록 하였다. 각 30명의 학생이 기존 시스템과 DCOS에서 학습한 결과, DCOS에서 학습한 학습자들의 평균점수와 시스템 만족도가 전체적으로 높은 것을 알 수 있었다.
자기 주도적 학습을 적용고자 하는 목적은?
많은 학습시스템이 학습효율을 높이기 위해 자기 주도적 학습을 적용하고 있다. 동일한 수준의 학습자라 할지라도 학습 내용을 이해하는 정도는 서로 다를 수 있다.
제공된 콘텐츠를 이해하기 어려움에도 불구하고 정해진 난이도와 학습과정에 따라 획일적으로 학습이 진행되는 방법은 효율적인 학습효과를 나타내기 어려운 이유가 무엇인가?
많은 학습시스템이 학습효율을 높이기 위해 자기 주도적 학습을 적용하고 있다. 동일한 수준의 학습자라 할지라도 학습 내용을 이해하는 정도는 서로 다를 수 있다. 따라서 제공된 콘텐츠를 이해하기 어려움에도 불구하고 정해진 난이도와 학습과정에 따라 획일적으로 학습이 진행되는 방법은 효율적인 학습효과를 나타내기 어렵다.
참고문헌 (18)
Brockett. R. G., & Hiemstra, R. "Self-direction in adult learning: Perspective, on theory", research, and practice. NY: Routledge, 1991.
Corno, L.,& Mandinach, E.B. "The role of cognitive engagement in classroom learning and motivation". Educational Psychologist, 18. pp.88-108, 1983.
백소영, 김명, "수준별 개별 학습을 지원하는 문제은행 시스템의 설계와 구현", 한국 컴퓨터 교육학회 논문지, 제3권 제2호, pp.31-37, 2000.
성태제, 문항반응이론의 이해와 적용, 교육과학사, 2001.
문종배, "IBM DB2 Intelligent Miner를 이용한 진단학습 시스템", 전북대학교 석사 논문, 2002. 2.
송은하외 3인, "문항반응이론에 의한 학습자 평가 시스템 설계 및 구현", 한국 컴퓨터 교육학회 논문지, 제6권 제2호, pp.1-8, 2003.
한상훈, "성인학습자의 교육 참여 동기와 자기주도 학습의 관계", 평생교육학연구 제9권 제3호, 2003.
한향숙 외 4명, "SCORM 기반의 e-Learning 시스템에서 적응형 학습자 수준 판단기법", 한국정보과학회 봄 학술발표대회 논문집, Vol.30, No.1, pp.566-568, 2003. 4.
Kwang-Hoon Kim , Hyun-Ah Kim, and Chang-Min Kim, "SCO Control Net for the Process-Driven SCORM Content Aggregation Model", ICCSA2005, pp.38-.47, 2005. 5.
조성호, "컴퓨터기반 시험 시스템 설계 및 구축", 한국콘텐츠학회 논문지 제5권 제1호, pp.1-8, 2005.
최숙영, 양형정, 백현기, "문항반응 이론에 의한 컴퓨터 적응적 평가와 동적 학습내용 구성에 기반한 적응형 교수 시스템", 정보과학회논문지 :소프트웨어 및 응용 제32권 제5호, 2005.
김은정, "웹기반 학습 시스템의 평가 문제에 대한 출제 방법 및 난이도 재조정에 대한 연구", 정보처리학회논문지 D, 제12-D권 제3호, pp.471-480, 2005.
Xin Li,S and K. Chang, "A Personalized E-learning System Based on User Profile Constructed Using Information Fusion," The eleventh International Conference on Distributed Multimedia Systems (DMS'05), Banff, Canada. Sep., 5-7, pp.109-114, 2005.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.