[논문]수업 중 학생의 집중력에 대한 시간에 따른 분석

김동철; 박종태

수업 중 학생의 집중력에 대한 시간에 따른 분석
Analysis of the Change in Student Concentration Over Time During Class 원문보기

서비스연구 = Journal of service research and studies, v.4 no.2, 2014년, pp.11 - 19

김동철 (평택대학교 컴퓨터학과) , 박종태 (평택대학교 디지털응용정보학과)

초록
AI-Helper

수업을 하는데 학생들은 시간이 경과하면 자연스럽게 집중력이 떨어진다. 집중력이 떨어지면 강의에 흐름을 놓칠 뿐만 아니라 특히 논리적 사고를 요구하는 수업에서는 한 번 딴 생각 후 다시 수업의 내용을 이해하기가 힘들다. 본 연구에서는 복잡한 여러 가지 수업 상황을 단순화하고 추상화 하였다. 집중력을 잃어버리는 경우와 유지하는 경우로 나누어서 각각의 학생이 다양한 비율로 집중력을 잃어버린다고 하고 학생들의 평균값은 시간에 따라 일정하다고 하였을 경우 시간에 따라 얼마나 많은 학생들이 집중력을 잃는지를 연구 하였다. 일반적인 수업 환경을 기준으로 하여 학생 수 크기와 학생들이 집중 할 수 있는 평균 집중력 시간을 파라메타들로 정하였다. 다양한 학교 수업에서 일어 날수 있는 경우의 예를 시뮬레이션을 하였다. 이러한 분석을 통하여 학생들이 수업에서 시간이 지남에 따라 몇 퍼센트가 집중력을 잃었는지를 구하였고, 이러한 시뮬레이션으로 결과 값을 예측하면 어느 시점에서 집중력을 회복시킬 수 있도록 하는 것이 좋을지 판단할 수 있어 수업을 향상시킬 수 있다고 생각된다.

Abstract ▼ AI-Helper

This study simulates cases with 20, 30, 40, 50, 60 and 100 students and 6 values as the parameter of mu. Using the simulation, an analysis was made of how the number of students that couldn't concentrate during class increased over the duration of time. When normalizing the difference in student number when the value of mu is constant, there was a decrease in percentage over time. It also showed a change in percentage when the value of time is fixed while the value of mu changes. Based on the result values, by estimating the mu value with the class atmosphere to predict the outcome and improve the lecture.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 여러 가지 환경을 통해서 집중력이 떨어질 경우 각각의 학생이 얼마만큼 집중력을 유지할 수 있는지를 시간으로 환산하였다. 그러한 집중력을 가졌다고 하였을 경우에 시간에 따라 얼마나 많은 학생이 집중력을 잃는지 보여 준다.
시뮬레이션의 결과를 통하여 어떤 식으로 얼마나 자주 학생들의 주의를 환기시켜서 수업에 집중해야 할지를 예측할 수 있다. 본 논문은 왜 집중력이 떨어지는지 연구하는 것이 아니라 집중력이 떨어져있는 학생을 시간에 따라 집단을 나누어 보았다. 어떤 학생은 강의를 시작하여 10분 정도 지나면 집중력을 잃는다고 하자.

가설 설정

즉 학생 수와 학생이 집중하는 시간과 시간이 정해질 때 그때의 기댓값을 구할 수 있다. 각각의 학생은 확률적으로 서로 독립적으로 집중력을 잃는 다고 가정한다. 우리는 보통 수업을 연속적으로 1시간에서 최대 2시간으로 고려하였다.
그러나 유지 못하다 다시 유지하는 경우는 없다고 가정한다. 강의는 연속적이고 논리적이어서 한번 놓치면 알 수 없다고 가정한다. 그래서 집중하는 시간을 10이라고 하면 비율로 생각하면 1/10이 된다.
만약 중간에 강의를 이해하지 못하면 집중력을 유지하지 못하는 그룹으로 바뀐다. 그러나 유지 못하다 다시 유지하는 경우는 없다고 가정한다. 강의는 연속적이고 논리적이어서 한번 놓치면 알 수 없다고 가정한다.

제안 방법

이 상태 방정식으로부터 각각의 시간 t에서 각 상태(집중하는 학생 수) 평균값을 구하여 어떤 영향을 미치는지를 조사 하였다. mu의 값을 변화함으로써 평균값에 어떤 영향을 주는지 분석하였다. 아래 그림을 통하여 보여 준다.
학생이 20명인 학급부터 30명, 40명, 50명, 60명 그리고 100명인 경우를 학급의 모델 변수로 생각하였다. 각각의 학급에 대해서 집중하는 시간을 10분, 20분, 30분, 40분, 50분, 60분의 경우를 다루었다. 10분이라는 의미는 한 학급의 학생이 100명인 경우 각각의 학생은 다른 집중하는 시간을 갖는 다고 하자.
한 반에 많은 학생들은 각각의 집중력이 떨어지는 시간이 다 다를 것이다. 그래서 평균을 구하여 단순화 하였다. 마코프 프로세스를 모델로 하여 구하였다[7, 8].
그러한 집중력을 가졌다고 하였을 경우에 시간에 따라 얼마나 많은 학생이 집중력을 잃는지 보여 준다. 다양한 경우를 설정하여 시뮬레이션을 하였다. 시뮬레이션의 결과를 통하여 어떤 식으로 얼마나 자주 학생들의 주의를 환기시켜서 수업에 집중해야 할지를 예측할 수 있다.
그래서 평균을 구하여 단순화 하였다. 마코프 프로세스를 모델로 하여 구하였다[7, 8].
이러한 개발을 이용하여 절차와 운영환경에 따라 시뮬레이션을 하고 이에 따라 새로운 설계 방향을 제시하였다. 미래 학습 방법을 위해 내적동기에 의한 자발적 참여로 하는 교육현장을 시뮬레이션하려는 방법을 제시하였다.
학습자 교사 수업내용 학습 환경들 간의 체계적이고 역동적인 상호작용의 원리를 연구 설계하여 지침을 제공하는 사례도 보여 준다[4]. 수업관찰 분석에 따른 수업유형개선을 할 수 있도록 시나리오를 설계하고 개발하였다. 이러한 개발을 이용하여 절차와 운영환경에 따라 시뮬레이션을 하고 이에 따라 새로운 설계 방향을 제시하였다.
본 연구는 학생수가 20, 30, 40, 50, 60, 그리고 100명의 경우를 시뮬레이션 대상으로 하였고, mu도 6가지 값을 파라메타로 사용하였다. 수업시간에 집중 못하는 학생들이 시간의 변화에 따라 어떻게 증가하는지 시뮬레이션을 사용하여 분석하였다. mu 값이 일정할 때 집중하는 학생 수의 차이 값을 정규화하여 시간이 변화함에 따라 몇 퍼센트로 감소함을 보여 주었다.
그러므로 어떻게 하면 집중력을 유지할 수 있는 지 다양한 방법을 시도 하는 것이 바람직하다고 생각된다. 시뮬레이션에서는 모든 실제 상황을 그대로 재현하려면 너무나 복잡해지고 또한 강조하려는 부분이 희석되어서 관심 있는 부분으로 단순화 하였다. 즉 본 논문에서는 매 시간마다 학생들의 평균 집중력 시간이 일정하다고 단순화 하였다.
먼저 한 학급의 학생 수는 20명이다. 실험한 시간은 2시간을 대상 시간으로 하였고, 이시간은 15분 간격으로 측정하였다. 처음 시간부터 15분이 경과 하였을 경우 대략 14명 정도는 집중하는 상태이고 6명은 집중력을 잃은 상태이다.
마코프 프로세스의 death모델을 근거로 하여 시뮬레이션을 하였다. 이 모델은 시간의 함수로 나타낼 경우 각각의 경우 시간의 함수에서 15분마다 몇 명의 학생이 깨어 있을 지를 확률로 구한 다음 기대치를 구하였다. 즉 학생 수와 학생이 집중하는 시간과 시간이 정해질 때 그때의 기댓값을 구할 수 있다.
강의가 시작할 때는 N명 모두 집중하지만 시간이 지남에 따라 집중하는 학생이 줄어드는 상태 방정식(differential-difference equation)[9, 10]을 통하여 각각의 상태의 확률을 구한다. 이 상태 방정식으로부터 각각의 시간 t에서 각 상태(집중하는 학생 수) 평균값을 구하여 어떤 영향을 미치는지를 조사 하였다. mu의 값을 변화함으로써 평균값에 어떤 영향을 주는지 분석하였다.
수업관찰 분석에 따른 수업유형개선을 할 수 있도록 시나리오를 설계하고 개발하였다. 이러한 개발을 이용하여 절차와 운영환경에 따라 시뮬레이션을 하고 이에 따라 새로운 설계 방향을 제시하였다. 미래 학습 방법을 위해 내적동기에 의한 자발적 참여로 하는 교육현장을 시뮬레이션하려는 방법을 제시하였다.
필요한 정보를 얻기 위해 대략 380개의 기대치를 구하는 시뮬레이션을 하였다. 이러한 많은 시뮬레이션으로부터 값을 얻은 후에 많은 값을 비교하기 위해서 정규화를 하였다. 이러한 정규화 과정을 거칠 때 정규화를 통하여 특이한 결과를 얻어 내었다.

대상 데이터

먼저 한 학급의 학생 수는 20명이다. 실험한 시간은 2시간을 대상 시간으로 하였고, 이시간은 15분 간격으로 측정하였다.
본 논문에서는 학급 수가 20인 경우처럼 학급수가 30인 경우 40인 경우 50인 경우 60인 경우 그리고 100인 경우를 구하였다. 그리고 15분 단위를 기준으로 변화량을 퍼센트로 환산하여 정규화 하였더니 표 1과 같다.
본 연구는 학생수가 20, 30, 40, 50, 60, 그리고 100명의 경우를 시뮬레이션 대상으로 하였고, mu도 6가지 값을 파라메타로 사용하였다. 수업시간에 집중 못하는 학생들이 시간의 변화에 따라 어떻게 증가하는지 시뮬레이션을 사용하여 분석하였다.
t = 1, 15, 30, 45, 60, 75, 90, 105 그리고 120분인 점이다. 필요한 정보를 얻기 위해 대략 380개의 기대치를 구하는 시뮬레이션을 하였다. 이러한 많은 시뮬레이션으로부터 값을 얻은 후에 많은 값을 비교하기 위해서 정규화를 하였다.

이론/모형

강의가 시작할 때는 N명 모두 집중하지만 시간이 지남에 따라 집중하는 학생이 줄어드는 상태 방정식(differential-difference equation)[9, 10]을 통하여 각각의 상태의 확률을 구한다. 이 상태 방정식으로부터 각각의 시간 t에서 각 상태(집중하는 학생 수) 평균값을 구하여 어떤 영향을 미치는지를 조사 하였다.
마찬가지로 40분인 경우도 각 학생들의 지수 함수에 근거하여 평균값이 40분이라는 것을 의미한다. 마코프 프로세스의 death모델을 근거로 하여 시뮬레이션을 하였다. 이 모델은 시간의 함수로 나타낼 경우 각각의 경우 시간의 함수에서 15분마다 몇 명의 학생이 깨어 있을 지를 확률로 구한 다음 기대치를 구하였다.
Little에 의해서 발전되었다. 큐잉모델은 포아손(Poisson) 확률 분포함수와 지수 확률 분포 함수를 사용하였다[7, 8].

후속연구

즉 본 논문에서는 매 시간마다 학생들의 평균 집중력 시간이 일정하다고 단순화 하였다. 그렇지 않을 경우에는 시뮬레이션을 위한 계산 자체가 너무 복잡하고 경우의 수가 많은 것이 본 연구의 한계점이라고 할 수 있다.
향후에 연구 방향으로는 표 1에서 정규화 하는 과정에서 실험에서 얻은 결과를 넣고 계산 하였을 때 집중력을 잃어버리는 퍼센트 값이 학생 수에는 상관없음을 보여 주었다. 이것을 이론적으로 증명하는 것은 앞으로 향후 연구과제로 남겨 놓았다.

질의응답

핵심어	질문	논문에서 추출한 답변
	마코프 프로세스 상태 방정식에서 각각의 상태는 무엇을 의미하는가?	마코프 프로세스(Markov-process)로부터 상태 방정식을 생각하면 각각의 상태는 집중하는 학생 수로 생각할 수 있다. 학생은 두 가지 경우만 존재한다고 가정하자.
	집중력이 떨어질 때 어떤 문제가 있는가?	수업을 하는데 학생들은 시간이 경과하면 자연스럽게 집중력이 떨어진다. 집중력이 떨어지면 강의에 흐름을 놓칠 뿐만 아니라 특히 논리적 사고를 요구하는 수업에서는 한 번 딴 생각 후 다시 수업의 내용을 이해하기가 힘들다. 본 연구에서는 복잡한 여러 가지 수업 상황을 단순화하고 추상화 하였다.
	학생들의 집중도가 떨어지는 요인은?	수업시간에 환경이나 여러 가지 이유로 학생들의 집중도가 떨어진다. 학생 수가 많거나 날씨가 더울 경우 등 여러 가지 환경의 요소에 의해서 학생들이 수업에 집중하는데 어려움이 있을 수 있다. 수업의 내용이 어렵다든지 교수의 목소리가 작다든지 여러 가지 이유로 학생은 수업에서 집중력을 잃을 수 있다. 집중력이 떨어지는 여러 가지 원인을 많은 교육전문가 들이 분석하고 개선하는 노력을 하고 있고 많은 논문들이 문제해결을 위하여 다양한 방법을 제시하고 있다.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

수업 중 학생의 집중력에 대한 시간에 따른 분석
Analysis of the Change in Student Concentration Over Time During Class 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

수업 중 학생의 집중력에 대한 시간에 따른 분석 Analysis of the Change in Student Concentration Over Time During Class 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

가설 설정

제안 방법

대상 데이터

이론/모형

후속연구

질의응답

이 논문을 인용한 문헌

저자의 다른 논문 :

김동철 (10) 박종태 (11)

관련 콘텐츠

원문 보기

원문 URL 링크

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

수업 중 학생의 집중력에 대한 시간에 따른 분석
Analysis of the Change in Student Concentration Over Time During Class 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper