최근 IT 환경의 변화에 따라 웹 서비스를 기반으로 대규모 사용자 대상의 상호 참여적인 MOOC(Massive Open Online Courses)과 같은 온라인 교육 환경이 부상하고 있다. 그러나 온라인 교육 시스템은 원거리로 학습이 이루어짐에 따라 학습자의 자발적 동기를 꾸준히 유지하기 어려우며, 또한 학습자 간에 지식을 공유하고 공유한 지식을 활용하는 기능이 부족하다. 이러한 문제를 극복하기 위해 구성주의적 학습이론과 집단지성에 기반하여 학습자가 보유한 학습자료를 공유하고 개인화된 학습자료 추천을 받을 수 있는 학습자료 북마킹 서비스인 WeStudy를 구현하였다. 위키피디아(Wikipedia), 슬라이드쉐어 (SlideShare), 비디오렉쳐스 (VideoLectures) 등 현존하는 집단지성 기반 서비스들의 주요 기능으로부터 필요한 집단지성 기능들을 검토하였으며, 본 서비스의 주요 기능으로 1) 리스트 및 그래프 형태의 학습자료 리스트 시각화, 2) 개인화된 학습자료 추천, 3) 보다 상세한 학습자료 추천을 위한 관심 학습자 지정 등을 도출하여 시스템을 설계하였다. 이후, 웹 기반으로 구현된 세 가지 주요기능 별로 개량된 휴리스틱 사용성 평가 방법을 통해 개발된 시스템의 사용성 평가를 실시하였다. 10명의 HCI 분야 전공자 및 현업 종사자를 대상으로 정량적 및 정성적인 평가 결과, 세 가지의 주요 기능에서 전반적으로 사용성이 우수한 것으로 판정되었다. 주요 기능 별 정성적인 평가에서 도출된 여러 마이너 이슈들을 반영할 필요가 있으며, 향후 대규모 사용자를 대상으로 본 서비스를 보급하고 이용할 수 있도록 제공하여 자발적인 지식 공유 환경을 조성할 수 있을 것으로 전망된다.
최근 IT 환경의 변화에 따라 웹 서비스를 기반으로 대규모 사용자 대상의 상호 참여적인 MOOC(Massive Open Online Courses)과 같은 온라인 교육 환경이 부상하고 있다. 그러나 온라인 교육 시스템은 원거리로 학습이 이루어짐에 따라 학습자의 자발적 동기를 꾸준히 유지하기 어려우며, 또한 학습자 간에 지식을 공유하고 공유한 지식을 활용하는 기능이 부족하다. 이러한 문제를 극복하기 위해 구성주의적 학습이론과 집단지성에 기반하여 학습자가 보유한 학습자료를 공유하고 개인화된 학습자료 추천을 받을 수 있는 학습자료 북마킹 서비스인 WeStudy를 구현하였다. 위키피디아(Wikipedia), 슬라이드쉐어 (SlideShare), 비디오렉쳐스 (VideoLectures) 등 현존하는 집단지성 기반 서비스들의 주요 기능으로부터 필요한 집단지성 기능들을 검토하였으며, 본 서비스의 주요 기능으로 1) 리스트 및 그래프 형태의 학습자료 리스트 시각화, 2) 개인화된 학습자료 추천, 3) 보다 상세한 학습자료 추천을 위한 관심 학습자 지정 등을 도출하여 시스템을 설계하였다. 이후, 웹 기반으로 구현된 세 가지 주요기능 별로 개량된 휴리스틱 사용성 평가 방법을 통해 개발된 시스템의 사용성 평가를 실시하였다. 10명의 HCI 분야 전공자 및 현업 종사자를 대상으로 정량적 및 정성적인 평가 결과, 세 가지의 주요 기능에서 전반적으로 사용성이 우수한 것으로 판정되었다. 주요 기능 별 정성적인 평가에서 도출된 여러 마이너 이슈들을 반영할 필요가 있으며, 향후 대규모 사용자를 대상으로 본 서비스를 보급하고 이용할 수 있도록 제공하여 자발적인 지식 공유 환경을 조성할 수 있을 것으로 전망된다.
Keeping in line with the recent changes in the information technology environment, the online learning environment that supports multiple users' participation such as MOOC (Massive Open Online Courses) has become important. One of the largest professional associations in Information Technology, IEEE...
Keeping in line with the recent changes in the information technology environment, the online learning environment that supports multiple users' participation such as MOOC (Massive Open Online Courses) has become important. One of the largest professional associations in Information Technology, IEEE Computer Society, announced that "Supporting New Learning Styles" is a crucial trend in 2014. Popular MOOC services, CourseRa and edX, have continued to build active learning environment with a large number of lectures accessible anywhere using smart devices, and have been used by an increasing number of users. In addition, collaborative web services (e.g., blogs and Wikipedia) also support the creation of various user-uploaded learning materials, resulting in a vast amount of new lectures and learning materials being created every day in the online space. However, it is difficult for an online educational system to keep a learner' motivation as learning occurs remotely, with limited capability to share knowledge among the learners. Thus, it is essential to understand which materials are needed for each learner and how to motivate learners to actively participate in online learning system. To overcome these issues, leveraging the constructivism theory and collective intelligence, we have developed a social bookmarking system called WeStudy, which supports learning material sharing among the users and provides personalized learning material recommendations. Constructivism theory argues that knowledge is being constructed while learners interact with the world. Collective intelligence can be separated into two types: (1) collaborative collective intelligence, which can be built on the basis of direct collaboration among the participants (e.g., Wikipedia), and (2) integrative collective intelligence, which produces new forms of knowledge by combining independent and distributed information through highly advanced technologies and algorithms (e.g., Google PageRank, Recommender systems). Recommender system, one of the examples of integrative collective intelligence, is to utilize online activities of the users and recommend what users may be interested in. Our system included both collaborative collective intelligence functions and integrative collective intelligence functions. We analyzed well-known Web services based on collective intelligence such as Wikipedia, Slideshare, and Videolectures to identify main design factors that support collective intelligence. Based on this analysis, in addition to sharing online resources through social bookmarking, we selected three essential functions for our system: 1) multimodal visualization of learning materials through two forms (e.g., list and graph), 2) personalized recommendation of learning materials, and 3) explicit designation of learners of their interest. After developing web-based WeStudy system, we conducted usability testing through the heuristic evaluation method that included seven heuristic indices: features and functionality, cognitive page, navigation, search and filtering, control and feedback, forms, context and text. We recruited 10 experts who majored in Human Computer Interaction and worked in the same field, and requested both quantitative and qualitative evaluation of the system. The evaluation results show that, relative to the other functions evaluated, the list/graph page produced higher scores on all indices except for contexts & text. In case of contexts & text, learning material page produced the best score, compared with the other functions. In general, the explicit designation of learners of their interests, one of the distinctive functions, received lower scores on all usability indices because of its unfamiliar functionality to the users. In summary, the evaluation results show that our system has achieved high usability with good performance with some minor issues, which need to be fully addressed before the public release of the system to large-scale users. T
Keeping in line with the recent changes in the information technology environment, the online learning environment that supports multiple users' participation such as MOOC (Massive Open Online Courses) has become important. One of the largest professional associations in Information Technology, IEEE Computer Society, announced that "Supporting New Learning Styles" is a crucial trend in 2014. Popular MOOC services, CourseRa and edX, have continued to build active learning environment with a large number of lectures accessible anywhere using smart devices, and have been used by an increasing number of users. In addition, collaborative web services (e.g., blogs and Wikipedia) also support the creation of various user-uploaded learning materials, resulting in a vast amount of new lectures and learning materials being created every day in the online space. However, it is difficult for an online educational system to keep a learner' motivation as learning occurs remotely, with limited capability to share knowledge among the learners. Thus, it is essential to understand which materials are needed for each learner and how to motivate learners to actively participate in online learning system. To overcome these issues, leveraging the constructivism theory and collective intelligence, we have developed a social bookmarking system called WeStudy, which supports learning material sharing among the users and provides personalized learning material recommendations. Constructivism theory argues that knowledge is being constructed while learners interact with the world. Collective intelligence can be separated into two types: (1) collaborative collective intelligence, which can be built on the basis of direct collaboration among the participants (e.g., Wikipedia), and (2) integrative collective intelligence, which produces new forms of knowledge by combining independent and distributed information through highly advanced technologies and algorithms (e.g., Google PageRank, Recommender systems). Recommender system, one of the examples of integrative collective intelligence, is to utilize online activities of the users and recommend what users may be interested in. Our system included both collaborative collective intelligence functions and integrative collective intelligence functions. We analyzed well-known Web services based on collective intelligence such as Wikipedia, Slideshare, and Videolectures to identify main design factors that support collective intelligence. Based on this analysis, in addition to sharing online resources through social bookmarking, we selected three essential functions for our system: 1) multimodal visualization of learning materials through two forms (e.g., list and graph), 2) personalized recommendation of learning materials, and 3) explicit designation of learners of their interest. After developing web-based WeStudy system, we conducted usability testing through the heuristic evaluation method that included seven heuristic indices: features and functionality, cognitive page, navigation, search and filtering, control and feedback, forms, context and text. We recruited 10 experts who majored in Human Computer Interaction and worked in the same field, and requested both quantitative and qualitative evaluation of the system. The evaluation results show that, relative to the other functions evaluated, the list/graph page produced higher scores on all indices except for contexts & text. In case of contexts & text, learning material page produced the best score, compared with the other functions. In general, the explicit designation of learners of their interests, one of the distinctive functions, received lower scores on all usability indices because of its unfamiliar functionality to the users. In summary, the evaluation results show that our system has achieved high usability with good performance with some minor issues, which need to be fully addressed before the public release of the system to large-scale users. T
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
기존 집단지성 관련 서비스 분석에 따라, 위 [Table 1]과 같이 각 서비스의 장점들인 자료 별 의견 교환 및 코멘트, 평점 기능, 평가 기반 정렬 기능, 관심 사용자 지정 기능을 포함하며, 단점으로 제기된 다차원적인 자료 분포 시각화에 따른 자료 비교 기능의 편의성을 강화하여 서비스 이용자인 학습자들의 사용성을 최대한 높이고자 하였다.
온라인 학습환경은 언제 어디서나 편리하게 교육의 혜택을 누릴 수 있는 장점이 있지만, 학습에 참여하는 학습자들이 개별적이고 독립적으로 학습하는 환경에 처함에 따라 학습자의 학습동기가 낮아질 수 있는 단점이 있다. 본 시스템에서는 집단지성을 활용 다수의 학습자가 주체가 되어 학습자료를 공유하며, 다른 사용자의 학습 행동에 기반한 학습 자료 추천과 시각화를 제공하여 교육에 참여하는 사람들의 학습동기를 고취시킴으로 이러한 단점을 극복한다.
본 시스템은 학습자가 수동적으로 학습 자료를 제공받고 학습하는 절차가 아닌, 학습자 스스로 학습하고자 하는 자료를 선택하며, 평점과 태그 달기, 질문과 답변 행위를 통해 좀 더 능동적으로 학습 활동에 기여할 수 있도록 하는 집단지성적 학습환경을 제공하는 데에 그 목적을 두고 있다.
본 연구에서는 개별적인 학습 과정에서 학습자의 동기부여를 고려하여 구성주의 및 집단지성에 기반한 학습 자료 북마킹 서비스인 WeStudy를 설계하고자 였으며, 이를 위해 기존 서비스와의 비교를 통해 집단지성 기능을 강조할만한 요소들을 도출하여 구현하였다. 이어서, 구현된 시스템에 대한 사용성 평가를 진행하였다.
본 연구에서는 단순히 콘텐츠의 취합을 목적으로 하는 협업형 집단지성에 기반한 교육용 집단지성의 패러다임을 뛰어넘어 통합형 집단지성의 형태로서 다른 학습자의 학습 정보를 기반으로 알고리즘적 계산을 통해 학습자료를 추천하고 공유할 수 있는 형태를 제시하고자 한다.
온라인 학습자들의 동기부여를 지원하기 위해 WeStudy로 명명한 본 학습자료 북마킹 시스템에서는 학습자료의 리스트 시각화를 위해 기존 리스트 방식은 물론 그래프 방식의 학습 자료 리스트 표현 방법을 제시하였으며, 다양한 방식의 학습자료 추천 방법, 그리고 동료 범위 지정을 통한 해당 키워드의 관심 학습자를 지정하는 방법을 제시하였다. 웹 기반의 시스템 구현 후 휴리스틱 사용성 평가 방법을 통해 목적에 맞게 본 시스템이 구현하였는지 정량적 및 정성적인 방법으로 확인하고자 한다.
제안 방법
각 페이지 별 평가 차원에 따라 사용성 점수 측정과 함께 평가 이유 및 느낀 점에 대해 서술식으로 응답할 수 있도록 하였다. 평가자들이 응답한 본 시스템의 장점으로는, 기존의 포탈서비스와 유사한 기능을 내포하고 있어서 사용자가 어렵지 않게 기능들을 유추할 수 있고, 적절한 페이지 수와 각 페이지 별로 적절한 기능을 잘 배치한 점이 언급되었다.
구현된 시스템의 집단지성 기능들을 중심으로 사용성 평가를 실시하였다. 평가 방법은 Molich & Nielsen (1990)의 사용자 인터페이스의 휴리스틱 평가 방법을 이용하였다.
본 시스템에서 통합형 집단지성 정보를 표현 하는 기능으로 1) 그래프 뷰/리스트 뷰, 2) 학습자료 페이지/추천 기능, 3) 동료 범위 지정을 통한 관심자료 추천의 세 가지를 제시하고 있다. 그 밖에, 웹 환경에서 학습자의 원활한 학습활동을 지원하기 위해 [Figure 1]과 같은 로그인 화면, 회원 가입, 회원정보 수정, 학습자료 별 게시판, 자료 업로드, 북마킹 등의 기능을 구현하였다. 구현은 웹 환경에서 Spring Framework를 기반으로 하여 JAVA, JSP, Javascript 언어로 이루어졌다.
또한, 화면하단에 제시된 추천 자료는 해당 자료와 비슷한 자료들 중에서 평점이 높거나 사용자 순이 많은 자료들을 추천해 주며, “내 특성반영”은 지금 보고 있는 학습자료와 비슷한 자료들 중에서 나와 비슷한 사람들이 본 자료들을 사용자가 북마크한 모든 학습자료와 사용자가 올린 학습자료를 기반으로 하여 추천한다.
본 연구에서 시스템을 구현하면서 현존하는 시스템의 기능 분석을 통해 본 시스템에 필요한 기능들을 도출하였다.
온라인 학습자들의 동기부여를 지원하기 위해 WeStudy로 명명한 본 학습자료 북마킹 시스템에서는 학습자료의 리스트 시각화를 위해 기존 리스트 방식은 물론 그래프 방식의 학습 자료 리스트 표현 방법을 제시하였으며, 다양한 방식의 학습자료 추천 방법, 그리고 동료 범위 지정을 통한 해당 키워드의 관심 학습자를 지정하는 방법을 제시하였다. 웹 기반의 시스템 구현 후 휴리스틱 사용성 평가 방법을 통해 목적에 맞게 본 시스템이 구현하였는지 정량적 및 정성적인 방법으로 확인하고자 한다.
유연하고 효율적인 기능성 (Features & Functionality), 웹 페이지의 인지성 (Cognitive Page), 네비게이션의 자유도 (Navigation), 직관적인 검색과 필터링 기능 (Search & Filtering), 가시적인 피드백 (Control & Feedback), 정보 입력 (Forms), 현실적인 콘텐츠와 언어 (Contents & Text)의 7가지 평가 차원 별로 5점 척도의 사용성 점수(5: 매우 만족한다, 3: 보통, 1: 매우 부족하다)로 응답하고, 각 항목에 대해 점수를 부여한 이유 및 개선 사항에 대해 상세한 코멘트를 언급하도록 하였다.
본 연구에서는 개별적인 학습 과정에서 학습자의 동기부여를 고려하여 구성주의 및 집단지성에 기반한 학습 자료 북마킹 서비스인 WeStudy를 설계하고자 였으며, 이를 위해 기존 서비스와의 비교를 통해 집단지성 기능을 강조할만한 요소들을 도출하여 구현하였다. 이어서, 구현된 시스템에 대한 사용성 평가를 진행하였다. 그 결과, 사용성에서는 각 집단지성 기능별로 보통~우수 사이의 평가를 받았으며, 그 결과 집단지성 기반 학습 자료 시스템이 학습자의 사용성에 도움이 될 것으로 판단되었다.
성별 분포는 남성 7명, 여성 3명으로 구성되었으며, 2014년 3월 26일부터 4월 3일까지 약 8일간 실시되었다. 평가자가 응답한 사용성 점수는 정량적 분석이 이루어졌으며, 각 차원 별 응답한 코멘트는 정성적 분석이 이루어졌다.
7가지의 각 차원과 각 차원 별 평가 항목 예시를 설명하였다. 평가자들은 본 시스템에서 집단지성 기능을 대표하는 리스트/그래프 페이지, 학습 자료 페이지의 학습 추천 항목, 동료 학습자 지정 기능에 대해 각각 평가되었다. 유연하고 효율적인 기능성 (Features & Functionality), 웹 페이지의 인지성 (Cognitive Page), 네비게이션의 자유도 (Navigation), 직관적인 검색과 필터링 기능 (Search & Filtering), 가시적인 피드백 (Control & Feedback), 정보 입력 (Forms), 현실적인 콘텐츠와 언어 (Contents & Text)의 7가지 평가 차원 별로 5점 척도의 사용성 점수(5: 매우 만족한다, 3: 보통, 1: 매우 부족하다)로 응답하고, 각 항목에 대해 점수를 부여한 이유 및 개선 사항에 대해 상세한 코멘트를 언급하도록 하였다.
유연하고 효율적인 기능성 (Features & Functionality), 웹 페이지의 인지성 (Cognitive Page), 네비게이션의 자유도 (Navigation), 직관적인 검색과 필터링 기능 (Search & Filtering), 가시적인 피드백 (Control & Feedback), 정보 입력 (Forms), 현실적인 콘텐츠와 언어 (Contents & Text)의 7가지 평가 차원 별로 5점 척도의 사용성 점수(5: 매우 만족한다, 3: 보통, 1: 매우 부족하다)로 응답하고, 각 항목에 대해 점수를 부여한 이유 및 개선 사항에 대해 상세한 코멘트를 언급하도록 하였다. 평가지는 온라인 설문조사 형태로 발송되어, 본 시스템을 여러 번 반복하여 사용하면서 자연스럽게 응답할 수 있도록 하였다.
대상 데이터
사용성 평가 방법론에 따르면, 평가자들이 실제 사용자가 누구인지 잘 알고 있고, 또한 실제 사용자를 대표할 수 있다면 5명 정도의 평가자로도 충분하다 (Tullis & Alvert, 2008). 따라서 본 평가의 평가자를 HCI 및 사용자 인터페이스를 전공하고 현업에서 IT 관련 직종에 근무하여 사용성에 대한 이해가 풍부한 10명의 IT 프로페셔널을 대상으로 하였다. 평가자들에게는 전체적인 시스템의 목적과 개요를 설명하는 동영상을 제공하여 시스템의 구현 목적에 대해 이해를 하도록 하였으며, 각각의 기능 별로 시스템 사용 방법에 대해 화면과 음성 설명 기반의 안내가 제공되어 사용성 평가 시 시스템에 대해 충분히 이해를 한 후 실제 시스템을 사용하고 평가할 수 있도록 안내되었다.
4세이며, 모두 공학석사 졸업의 학력을 보유하였다. 성별 분포는 남성 7명, 여성 3명으로 구성되었으며, 2014년 3월 26일부터 4월 3일까지 약 8일간 실시되었다. 평가자가 응답한 사용성 점수는 정량적 분석이 이루어졌으며, 각 차원 별 응답한 코멘트는 정성적 분석이 이루어졌다.
이론/모형
[Table 2]은 본 평가에 사용된 휴리스틱 평가지표로서, Nielsen이 개발한 지표를 개량하여 사용하였다 (UXforthemasses, 2011). 7가지의 각 차원과 각 차원 별 평가 항목 예시를 설명하였다.
평가 방법은 Molich & Nielsen (1990)의 사용자 인터페이스의 휴리스틱 평가 방법을 이용하였다.
성능/효과
각 페이지 별 평균을 비교하면 그래프/리스트 페이지가 3.77점으로 가장 높았으며 관심 학습자의 지정과 사용이 3.42점으로 가장 낮은 수치를 보였다. 각 페이지에서 세부 평가 지표별 비교를 하면, 리스트 그래프 페이지는 유연하고 효율적인 기능성에서 좋은 사용성 점수(4.
42점으로 가장 낮은 수치를 보였다. 각 페이지에서 세부 평가 지표별 비교를 하면, 리스트 그래프 페이지는 유연하고 효율적인 기능성에서 좋은 사용성 점수(4.10점)를 얻었지만, 웹 페이지의 인지성이 다소 낮은 보통의 점수(3.30점)를 얻었다. 학습자료 페이지에서는 가시적인 피드백 항목이 평균보다 높은 우수한 점수(3.
이어서, 구현된 시스템에 대한 사용성 평가를 진행하였다. 그 결과, 사용성에서는 각 집단지성 기능별로 보통~우수 사이의 평가를 받았으며, 그 결과 집단지성 기반 학습 자료 시스템이 학습자의 사용성에 도움이 될 것으로 판단되었다. 추후 연구로는 정성적 분석 결과에서 제기된 개선 사항을 반영하며, 실제 사용자를 대상으로 한 교육 효과와 만족도를 관찰하여 시스템의 사용성을 높일 필요가 있다.
평가자들이 응답한 본 시스템의 장점으로는, 기존의 포탈서비스와 유사한 기능을 내포하고 있어서 사용자가 어렵지 않게 기능들을 유추할 수 있고, 적절한 페이지 수와 각 페이지 별로 적절한 기능을 잘 배치한 점이 언급되었다. 또한, 타 서비스와 비교하여 강점으로 내세웠던 다차원적으로 자료를 비교할 수 있도록 시각화한 점에서 효율적이라는 의견이 있었다.
본 평가에서 평가자로부터 각 페이지 별 평가 차원에 따라 사용성 점수를 5점 만점으로 응답 받았으며, [Table 3]에서 보는 바와 같이, 전체적으로 본 시스템은 5점 만점에 전체 평균 3.6으로 “보통(3점)”와 “만족한다(4점)” 사이의 점수를 얻어, 사용성 평가 전문가의 기준에서 보통보다 조금 높은 수준의 사용성을 가진 것으로 판단되었다.
새로운 기능들(관심자료, 관심 동료)에 대해서는 멘탈 모델을 가지고 있지 않기 때문에 동작 원리를 이해하는데 시간이 걸리며 일반 적이지 않은 기능들에 대해서 사용자 편의성을 더욱 더 고려해야 한다는 지적이 있었다. 정량적인 평가 결과에서 웹 페이지의 인지성이 떨어진다는 점과 연관되어, 홈 화면의 정보량이 많아서 집중도가 떨어지며 전반적으로 적응하는데 노력과 시간이 필요하다는 의견이 있었다.
따라서 본 평가의 평가자를 HCI 및 사용자 인터페이스를 전공하고 현업에서 IT 관련 직종에 근무하여 사용성에 대한 이해가 풍부한 10명의 IT 프로페셔널을 대상으로 하였다. 평가자들에게는 전체적인 시스템의 목적과 개요를 설명하는 동영상을 제공하여 시스템의 구현 목적에 대해 이해를 하도록 하였으며, 각각의 기능 별로 시스템 사용 방법에 대해 화면과 음성 설명 기반의 안내가 제공되어 사용성 평가 시 시스템에 대해 충분히 이해를 한 후 실제 시스템을 사용하고 평가할 수 있도록 안내되었다.
각 페이지 별 평가 차원에 따라 사용성 점수 측정과 함께 평가 이유 및 느낀 점에 대해 서술식으로 응답할 수 있도록 하였다. 평가자들이 응답한 본 시스템의 장점으로는, 기존의 포탈서비스와 유사한 기능을 내포하고 있어서 사용자가 어렵지 않게 기능들을 유추할 수 있고, 적절한 페이지 수와 각 페이지 별로 적절한 기능을 잘 배치한 점이 언급되었다. 또한, 타 서비스와 비교하여 강점으로 내세웠던 다차원적으로 자료를 비교할 수 있도록 시각화한 점에서 효율적이라는 의견이 있었다.
30점)를 얻었다. 학습자료 페이지에서는 가시적인 피드백 항목이 평균보다 높은 우수한 점수(3.90점)를 얻었지만, 리스트 그래프 페이지와 같이 웹 페이지의 인지성이 가장 낮은 점수를 받았다 (2.90점). 관심 학습자의 지정과 사용의 경우, 정보 입력에서 좋은 점수(3.
후속연구
추후 연구로는 정성적 분석 결과에서 제기된 개선 사항을 반영하며, 실제 사용자를 대상으로 한 교육 효과와 만족도를 관찰하여 시스템의 사용성을 높일 필요가 있다. 그 후, 대규모 사용자를 대상으로 본 서비스를 보급하고 제공할 수 있을 것으로 전망된다.
그 결과, 사용성에서는 각 집단지성 기능별로 보통~우수 사이의 평가를 받았으며, 그 결과 집단지성 기반 학습 자료 시스템이 학습자의 사용성에 도움이 될 것으로 판단되었다. 추후 연구로는 정성적 분석 결과에서 제기된 개선 사항을 반영하며, 실제 사용자를 대상으로 한 교육 효과와 만족도를 관찰하여 시스템의 사용성을 높일 필요가 있다. 그 후, 대규모 사용자를 대상으로 본 서비스를 보급하고 제공할 수 있을 것으로 전망된다.
질의응답
핵심어
질문
논문에서 추출한 답변
온라인 학습환경의 특징은?
온라인 학습환경은 언제 어디서나 편리하게 교육의 혜택을 누릴 수 있는 장점이 있지만, 학습에 참여하는 학습자들이 개별적이고 독립적으로 학습하는 환경에 처함에 따라 학습자의 학습동기가 낮아질 수 있는 단점이 있다. 본 시스템에서는 집단지성을 활용 다수의 학습자가 주체가 되어 학습자료를 공유하며, 다른 사용자의 학습 행동에 기반한 학습 자료 추천과 시각화를 제공하여 교육에 참여하는 사람들의 학습동기를 고취시킴으로 이러한 단점을 극복한다.
집단지성의 정의는 무엇인가?
집단지성에 대해서는 여러 다양한 정의가 있지만, ‘한 무리의 사람들이 행동, 선택, 아이디어를 결합해서 뛰어난 통찰력을 이끌어 내는 데에 사용하는 방법 (Alag, 2008)’으로 설명할 수 있다. 최근의 집단지성은 웹 환경에서 주로 표현되고 있으며, 이에 Leadbeater (2009)는 일반적인 웹과 집단지성의 차이로 집단지성 기반의 서비스는 사용자들의 참여, 인정, 협업에 기반한다고 설명하였다.
비디오렉쳐스의 단점은?
관심 사용자들의 활동을 볼 수 있는 기능을 제공하고 있다. 그러나 콘텐츠 평가에 기반하여 정렬된 콘텐츠를 보기 어려우며, 위키피디아 및 슬라이드 쉐어와 마찬가지로 다차원적으로 자료 분포에서 자료 간의 비교가 어려운 단점이 있다. 사용자가 관심 있는 콘텐츠를 다른 사람과 공유하는 기능에서 사용하기 어려운 불편함이 있었다.
참고문헌 (11)
Alag, S., "Collective Intelligence in Action", Manning Publications (2008).
Leadbeater, C., "We-Think: Mass innovation, not mass production", Profile Books; 2 edition (2009).
Molich, R. and Nielsen, J., "Improving a human-computer dialogue: What designers know about traditional interface design", Communications of the ACM, 33, 3 (1990), 338-348.
Nielsen, J. and Molich, R., "Heuristic Evaulation of User Interfaces", Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (1990), 249-256.
IEEE computer society, Top Technology Trends for 2014. (2013) http://www.computer.org/port-al/web/membership/Top-10-Tech-Trends-in-2014.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.