[논문]이러닝 분야의 빅데이터에 관한 인식과 영향에 관한 융합적 분석

노규성

doi:10.14400/jdc.2015.13.10.51

[국내논문] 이러닝 분야의 빅데이터에 관한 인식과 영향에 관한 융합적 분석
Convergence Analysis of Recognition and Influence on Bigdata in the e-Learning Field 원문보기

디지털융복합연구 = Journal of digital convergence, v.13 no.10, 2015년, pp.51 - 58

초록
AI-Helper

교육 분야에서의 빅데이터 활용이 선진국을 중심으로 확산되고 있다. 그러나 국내의 경우 이와 관련된 실험적 접근만이 있을 뿐 관련 연구나 현장의 서비스는 아직 나타나지 않고 있는 실정이다. 따라서 이러닝 업계에서 빅데이터의 응용이 저조한 이유를 파악하고 이를 개선할 연구와 대안 모색이 시급한 상황이다. 연구 결과, 이러닝 산업계에서는 빅데이터의 이해 수준이 높으면 빅데이터가 이러닝에 미치는 영향이 크다고 인식하고 있으며, 매출 규모가 큰 업체일수록 영향이 크다고 인식하고 있는 것으로 종합되었다. 이에 본 연구는 매출규모에 따라 다른 빅데이터에 관한 교육 및 활용 지원 정책을 펼 것을 제언하였다.

Abstract ▼ AI-Helper

The utilization of Big data in the field of education has spread around the developed countries. However, in Korea, there are only experimental approaches related to Bigdata, yet for the related researches and services to appear. Therefore, it is the situation that needs to understand the reason for poor use of big data in the e-Learning industry, study and seek out alternatives to solve these problems. The result of this study shows that it was investigated that the high level of understanding of Bigdata has recognized large impact on e-Learning of Big Data and the more large-scale sales companies have recognized large impact on e-Learning of Big Data in the e-Learning industry. In conclusion, this study makes a proposal to expand the training and utilization policies of Bigdata relating to different sales scales.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

이에 본 연구는 이러닝 분야의 빅데이터에 관한 인식과 영향에 관해 분석하는 것을 연구 목적으로 한다. 이를 위해 본 연구는 이러닝 산업 현장의 빅데이터에 관한 인식 및 영향 요인에 관한 설문 조사를 기반으로 이러닝 관련 특성간 인식 차이와 빅데이터의 이해도와 영향에 대한 인식간의 관계를 규명할 것이다.
이에 본 연구는 이러닝 분야의 빅데이터에 관한 인식과 영향에 관해 분석하는 것을 연구 목적으로 한다. 이를 위해 본 연구는 이러닝 산업 현장의 빅데이터에 관한 인식 및 영향 요인에 관한 설문 조사를 기반으로 이러닝 관련 특성간 인식 차이와 빅데이터의 이해도와 영향에 대한 인식간의 관계를 규명할 것이다. 이러한 차이 분석과 영향요인에 관한 분석 결과를 토대로 데이터 분석 기반의 이러닝 발전 방향을 제언하고자 한다.
이상의 국내외 선행연구를 종합해 보면, 대체로 이러닝에의 빅데이터 적용 사례와 시스템 소개 및 추진방안과 지원정책 등의 분야로 아직 분석적 연구는 미미하다 할 수 있다. 이에 본 연구는 이러닝 업계의 빅데이터에 관한 설문조사 및 자료 분석을 통해 보다 시장친화적 정책 방향을 제언하고자 한다.
임도빈 등[19]은 정책에 관한 이해도와 정책성과 인지도에의 영향과의 관계를 규명하였다. 따라서 이러닝 업계의 빅데이터에 대한 이해 정도가 빅데이터의 이러닝에 미치는 영향에 대한 인식에 영향을 줄 것인가 라는 연구주제를 도출할 수 있다. 이상의 빅데이터에 대한 이해도와 빅데이터의 영향에 대한 인식이라는 요인간의 관계를 토대로 연구모형을 정리하면 [Fig.
둘째, 이러닝업계의 빅데이터에 관한 이해도와 빅데이터가 이러닝에 미치는 영향에 대한 인식 차이를 분석하고자 한다. 이해도와 인식 차이에 대한 분석은 다양한 요인이나 특성에 의해 이루어질 수 있으나, 여기에서는 선행연구[8,13]를 준용하여 관련 업계의 기업 특성과 종사자의 특성을 기반으로 실시하고자 한다. 노규성[13]의 연구에 의하면, 이해도와 인식 차이 규명을 위한 이러닝 기업들의 특성은 이러닝 산업내에서 영위하는 사업 영역 (서비스, 콘텐츠, 솔류션, 하드웨어, 기타)과 매출 규모(5억 미만, 5억^~10억 미만, 10억^~50억 미만, 기타)로 요약된다.
본 연구는 이러닝 업계의 빅데이터에 대한 이해의 정도와 빅데이터가 이러닝 산업에 미치는 영향 정도에 관한 인식 및 이러닝의 이해도가 빅데이터의 이러닝에의 영향에 관한 인식에의 영향 정도를 파악하고 이를 근거로 이러닝 업계에의 빅데이터의 활용 활성화를 위한 정책적 방향 근거를 제시하였다. 연구 결과, 이러닝 산업계에서는 빅데이터의 이해 수준이 높으면 빅데이터가 이러닝에 미치는 영향이 크다고 인식하고 있으며, 매출 규모가 큰 업체일수록 영향이 크다고 인식하고 있는 것으로 종합되었다.

가설 설정

가설 1: 빅데이터의 이해도는 빅데이터의 이러닝에 미치는 영향에 대한 인식에 영향을 미칠 것이다.
가설 2: 이러닝 사업 영역별로 빅데이터의 이해도는 유의적인 차이가 있을 것이다.
가설 3: 이러닝 사업 규모별로 빅데이터의 이해도는 유의적인 차이가 있을 것이다.
가설 4: 이러닝 산업 종사자의 직급별로 빅데이터의 이해도는 유의적인 차이가 있을 것이다.
가설 5: 이러닝 사업 영역별로 빅데이터의 이러닝에 미치는 영향에 대한 인식은 유의적인 차이가 있을 것이다.
가설 6: 이러닝 사업 규모별로 빅데이터의 이러닝에 미치는 영향에 대한 인식은 유의적인 차이가 있을 것이다.
가설 7: 이러닝 산업 종사자의 직급별로 빅데이터의 이러닝에 미치는 영향에 대한 인식은 유의적인 차이가 있을 것이다.
식 1에서 볼 수 있듯이, 계수값 0.385에 대한 t값은 3.661이며, 유의도는 0.001로서 0.05보다 작으므로 가설 1(빅데이터의 이해도는 빅데이터의 이러닝에 미치는 영향에 대한 인식에 영향을 미칠 것이다)은 수락된다.
899이다. 이는 유의확률 0.05보다 크기 때문에 가설 2 (이러닝 사업 영역별로 빅데이터의 이해도는 유의적인 차이가 있을 것이다)는 기각된다.
714이며, 이에 대한 유의도는 0190이다. 이는 유의확률 0.05보다 크기 때문에 가설 3(이러닝 사업 규모별로 빅데이터의 이해 정도는 유의적인 차이가 있을 것이다)은 기각된다.
113이다. 이는 유의확률 0.05보다 크기 때문에 가설 4(이러닝 산업 종사자의 직급별로 빅데이터의 이해 정도는 유의적인 차이가 있을 것이다)는 기각된다.
420이다. 이는 유의확률 0.05보다 크기 때문에 가설 5(이러닝 사업 영역별로 빅데이터의 이러닝에 미치는 영향정도에 대한 인식은 유의적인 차이가 있을 것이다)는 기각된다.
047이다. 이는 유의확률 0.05보다 작기 때문에 가설 6(이러닝 사업 규모별로 빅데이터의 이러닝에 미치는 영향정도에 대한 인식은 유의적인 차이가 있을 것이다)는 수락된다.
124이다. 이는 유의확률 0.05보다 크기 때문에 가설 7(이러닝 산업 종사자의 직급별로 빅데이터의 이러닝에 미치는 영향정도에 대한 인식은 유의적인 차이가 있을 것이다)은 기각된다.

제안 방법

또한 서비스, 시스템, 콘텐츠 사업을 각기 수행하기도 하지만, 두 개 이상의 사업영역에서 복합적으로 사업을 수행하는 업체도 있다. 따라서 본 연구는 3가지 사업 유형 외에 두 개 이상의 사업을 수행하고 있거나 다른 사업과 같이 이러닝 사업을 수행하는 기타 사업으로 구분하여 진행된다.
이러닝 전문가 역시 초급부터 중급, 고급으로 성장하면서 대부분의 기업이 갖추고 있는 조직구조에 의해 직급을 갖게 된다. 따라서 본 연구는 이러닝 인력에 대해 현장에서의 직급 구조에 맞추어 CEO/대표, 임원급, 관리자급, 직원급, 학계/연구 등으로 구분하여 진행된다.
첫째, 학생의 학습 성향과 역량을 분석하고 개인별 맞춤형 학습서비스를 지원한다. 둘째, 학습자에게 맞는 교육공간을 적응형으로 제공한다. 셋째, 교육행정 측면에서 등록생을 사전에 예측할 수 있게 지원한다.
본 연구는 이러닝 업계에 종사하는 임직원의 빅데이터에 대한 이해정도와 빅데이터가 이러닝에 미치는 영향 정도를 분석하기 위한 것이므로 크게 두가지로 나누어 분석할 수 있다.
둘째, 이러닝업계의 빅데이터에 관한 이해도와 빅데이터가 이러닝에 미치는 영향에 대한 인식 차이를 분석하고자 한다. 이해도와 인식 차이에 대한 분석은 다양한 요인이나 특성에 의해 이루어질 수 있으나, 여기에서는 선행연구[8,13]를 준용하여 관련 업계의 기업 특성과 종사자의 특성을 기반으로 실시하고자 한다.
본 연구는 연구모형에 관한 검정을 위해 설문조사를 실시하였으며, 응답자 표본은 편의표본추출법을 통해 추출하였다. 조사기간은 2014년 10월 2일부터 10일간이었으며, 표본은 이러닝에 종사하는 기업의 임직원 200명이었다.

대상 데이터

본 연구는 연구모형에 관한 검정을 위해 설문조사를 실시하였으며, 응답자 표본은 편의표본추출법을 통해 추출하였다. 조사기간은 2014년 10월 2일부터 10일간이었으며, 표본은 이러닝에 종사하는 기업의 임직원 200명이었다. 이메일을 통해 설문조사를 실시하여 조사에 응답한 33명 중 성실히(분석이 가능하게) 응답한 29명의 조사결과만 통계분석에 활용하였다.
조사기간은 2014년 10월 2일부터 10일간이었으며, 표본은 이러닝에 종사하는 기업의 임직원 200명이었다. 이메일을 통해 설문조사를 실시하여 조사에 응답한 33명 중 성실히(분석이 가능하게) 응답한 29명의 조사결과만 통계분석에 활용하였다. 응답자의 인구통계적 특성은 [Table 2]와 같다.

데이터처리

본 연구는 빅데이터의 이해도와 빅데이터의 이러닝에 미치는 영향에 대한 인식에의 영향 관계를 분석하기 위해 가설 1을 설정하고 이를 검정하기 위해 회귀분석을 실시하였다. 회귀분석 결과를 정리하면, [Table 3]과 같다.
본 연구는 통계적 특성간 이러닝업계의 빅데이터에 관한 이해도 차이와 통계적 특성간 빅데이터가 이러닝에 미치는 영향에 대한 인식 차이를 분석하기 위해 가설 2∼가설7을 설정하고 이를 검정하기 위해 분산분석을 실시하였다.

성능/효과

본 연구는 이러닝 업계의 빅데이터에 대한 이해의 정도와 빅데이터가 이러닝 산업에 미치는 영향 정도에 관한 인식 및 이러닝의 이해도가 빅데이터의 이러닝에의 영향에 관한 인식에의 영향 정도를 파악하고 이를 근거로 이러닝 업계에의 빅데이터의 활용 활성화를 위한 정책적 방향 근거를 제시하였다. 연구 결과, 이러닝 산업계에서는 빅데이터의 이해 수준이 높으면 빅데이터가 이러닝에 미치는 영향이 크다고 인식하고 있으며, 매출 규모가 큰 업체일수록 영향이 크다고 인식하고 있는 것으로 종합되었다. 이에 따라 본 연구는 매출규모가 적은 업체에 대해서는 인식 제고 및 기초교육 정책을, 규모가 큰 업체에 대해서는 빅데이터 활용 컨설팅과 활용을 위한 실무교육 정책을 펼 것을 제언하였다는 점에서 연구 의의를 찾을 수 있다.
셋째, ‘콘텐츠’ 개발 및 제공 사업은 상호작용 의도를 가지고 설계된 교육 콘텐츠를 개발하거나 제공하는 사업을 말한다.
넷째, ‘컨설팅’ 사업은 이러닝 관련 시스템 및 교육 컨설팅을 수행하는 사업을 말한다[8].
[Table 1]에서 볼 수 있는 미국의 주요 교육 기관이 서비스하고 있는 빅데이터 기반 교육의 주요 시사점을 정리하면 다음과 같다. 첫째, 학생의 학습 성향과 역량을 분석하고 개인별 맞춤형 학습서비스를 지원한다. 둘째, 학습자에게 맞는 교육공간을 적응형으로 제공한다.
둘째, 학습자에게 맞는 교육공간을 적응형으로 제공한다. 셋째, 교육행정 측면에서 등록생을 사전에 예측할 수 있게 지원한다. 넷째, 교육의 이해관계자간 상호작용 촉진 및 기계학습 기능을 제공한다[10].
[Table 10]에서 볼 수 있듯이, 가설검정 결과를 요약 하면 가설 1(빅데이터의 이해도는 빅데이터가 이러닝에 미치는 영향에 대한 인식에 영향을 미칠 것이다)과 가설 6(이러닝 사업 규모별로 빅데이터가 이러닝에 미치는 영향 정도에 대한 인식은 유의적인 차이가 있을 것이다)은 수락되었지만, 나머지 가설은 모두 기각되었다.
이와같은 가설 검정 결과를 정리하면 이러닝 산업의 특성과 종사자들의 특성을 막론하고 빅데이터에 대한 이해의 정도는 빅데이터가 이러닝에 미치는 영향에 대한 인식에 영향을 미치는 것으로 분석된다. 그러나 이러닝 사업의 영역이나 사업 규모 및 임직원의 직급이 다르다고 빅데이터의 이해 정도가 다르지 않는 것으로 파악되었으며, 이러닝 사업의 영역이나 임직원의 직급 차이는 빅데이터가 이러닝에 미치는 영향 정도에 대한 인식에 대해서도 유의적인 차이를 보이지 않고 있다.

후속연구

이를 위해 본 연구는 이러닝 산업 현장의 빅데이터에 관한 인식 및 영향 요인에 관한 설문 조사를 기반으로 이러닝 관련 특성간 인식 차이와 빅데이터의 이해도와 영향에 대한 인식간의 관계를 규명할 것이다. 이러한 차이 분석과 영향요인에 관한 분석 결과를 토대로 데이터 분석 기반의 이러닝 발전 방향을 제언하고자 한다.
결론적으로 이러닝 산업계에서는 빅데이터의 이해가 높으면 빅데이터가 이러닝에 미치는 영향이 크다고 인식하고 있는데, 매출 규모가 클수록 영향이 크다고 인식하고 있기 때문에 이러닝 산업계에 대한 빅데이터 활용 활성화를 위해서는 매출 규모에 따라 다른 정책적 배려가 요구된다 하겠다. 즉 상대적으로 매출규모가 작은 업체 (의 임직원)에 대해서는 빅데이터에 관한 기초교육과 인식 확산에 관한 정책이 요구된 반면, 매출 규모가 큰 업체(의 임직원)에 대해서는 빅데이터의 활용을 위한 실무적인 교육이나 지원 정책이 요구될 것이다.
연구 결과, 이러닝 산업계에서는 빅데이터의 이해 수준이 높으면 빅데이터가 이러닝에 미치는 영향이 크다고 인식하고 있으며, 매출 규모가 큰 업체일수록 영향이 크다고 인식하고 있는 것으로 종합되었다. 이에 따라 본 연구는 매출규모가 적은 업체에 대해서는 인식 제고 및 기초교육 정책을, 규모가 큰 업체에 대해서는 빅데이터 활용 컨설팅과 활용을 위한 실무교육 정책을 펼 것을 제언하였다는 점에서 연구 의의를 찾을 수 있다.
다만 이러닝 산업 규모의 협소한 점에 의해 비교적 적은 설문 회수결과를 토대로 분석했다는 점과 이러닝 산업 관련 특성과 요인간의 관계 분석이 제한적이었다는 점이 연구 한계로 파악되고 있다. 이에 본 연구는 보다 광범위한 설문 조사결과를 토대로 다양한 특성간 관계 분석을 토대로 한 미래 연구를 기대한다.
다만 이러닝 산업 규모의 협소한 점에 의해 비교적 적은 설문 회수결과를 토대로 분석했다는 점과 이러닝 산업 관련 특성과 요인간의 관계 분석이 제한적이었다는 점이 연구 한계로 파악되고 있다. 이에 본 연구는 보다 광범위한 설문 조사결과를 토대로 다양한 특성간 관계 분석을 토대로 한 미래 연구를 기대한다.

참고문헌 (19)

Ministry of Knowledge Economy; Korea Institute For Electronic Commerce & Federation of Korea u-learning, 2008 White Papers of e-Learning. 2009.
Ministry of Knowledge Economy; Information Communication Industry Development Institute, 2010 Survey of status of e-Learning industry. 2011.
Kyoo-Sung Noh, Seong-Hwan Ju & Jin-Taek Jung, An Exploratory Study on Concept and Realization Conditions of Smart Learning, Journal of Digital Convergence, 9(2), 79-88, 2011.
Gartner, http://www.gartner.com/newsroom/id/1731916.
McKinsey Global Institute, Big Data: The next frontier for innovation, competition, and productivity, 2011.
Su Hyeon Namn & Kyoo-Sung Noh, A Study on the Effective Approaches to Big Data Planning, Journal of Digital Convergence 13(1), 227-235, 2015.
Kyoo-Sung Noh, Seong Taek Park & Kyung-Hye Park, Convergence Study on Big Data Competency Reference Model, Journal of Digital Convergence, 13(3), 55-63, 2015.
Korea e-Learning Industry Association, Current Situation of e-Learning Industry and Development Direction. Working Paper, 2008.
Kyoo-Sung Noh, Smart Learning Strategies utilizing Convergence of e-Learning and Bigdata, Journal of Digital Convergence 13(1), 487-493, 2015a.

원문보기 상세보기
Naeimeh Delavari & Mohammad Reza Beikzadeh, "Data Mining Application in Higher Learning Institutions" Informatics in Education 7(1), 31-54, 2008.
Iljoo Na, Cheolil Lim & Youngwhan Cho, A Study on the Learning Analysis Model and Expansion Plans, Seoul Metropolitan Office of Education, 2015.
Kyoo-Sung Noh, Seong-Taek Park & Seong-Hwan Ju, Byung Sung Kim, A Study on Policy for e-Learning utilizing Bigdata, Ministry of Science, ICT and Future Planning, 2014.
Kinnebrew, J. S., Biswas, G., & Sulcer, B., Modeling and measuring self regulated learning in teachable agent environments. Journal of e-Learning and Knowledge Society, 7(2), 19-35, 1010.
Ferguson, R., Learning analytics: drivers, developments and challenges. International Journal of Technology Enhanced Learning (IJTEL),4(5/6),304-317, 2012.
Siemens, G., Learning analytics: The emergence of a discipline. American Behavioral Scientist, 57 (10), 1380-1400, 2013.

상세보기
KERIS, Big Data trend in smart learning environment, KERIS Issue Report Material RM 2012-19, 2012.
Kyoo-Sung Noh, Plan for Vitalisation of Application of Big Data for e-Learning in South Korea, Indian Journal of Science and Technology 8(S5), 150-155, 2015b.
Seong-Hwan Ju & Kyoo-Sung Noh, A Study on Policy for Data Convergence infrastructure of e-Learning Industry, Journal of Digital Convergence 13(1), 77-83, 2015.
Dobin Lim, Hyungjung Jung & Unyoung Kang, The Effects of Policy Understanding on the Perception of Policy Performance by the General Public, Korea Governance Review 19(2), 1-29, 2012.

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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