$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

학습자중심 대시보드 설계를 위한 탐색적 연구: 학습정보를 중심으로
Exploratory study on the information design of online dashboard for learner-centered learning 원문보기

컴퓨터교육학회논문지 = The Journal of Korean Association of Computer Education, v.21 no.3, 2018년, pp.35 - 50  

임규연 (이화여자대학교 교육공학과) ,  은주희 (이화여자대학교 교육공학과) ,  정윤주 (이화여자대학교 교육공학과) ,  박하나 (이화여자대학교 교육공학과)

초록
AI-Helper 아이콘AI-Helper

학습자중심 학습 환경에서 온라인 대시보드는 학습자 스스로 자신의 활동을 점검, 재구성하는 학습자 중심의 과정을 지원한다. 이때 대시보드 상의 학습정보는 집약적인 형태로 제시되는 특성을 가지고 있으며 다양한 학습자의 개별적인 요구에 맞춤화되어야 한다. 따라서 대시보드가 어떠한 핵심정보를 제공해야 하는지에 대한 탐색이 필요하며, 이를 위해 본 연구에서는 문헌과 대시보드 사례 그리고 학습자 경험을 질적으로 분석하였다. 분석을 통해 도출된 정보의 공통적인 속성을 중심으로 범주화한 결과, 학습준비, 학습참여, 상호작용, 학습성과의 4가지 정보유형 및 11개의 하위범주로 분류할 수 있었다. 이 같은 결과를 토대로 학습자중심 학습 환경에서의 온라인 대시보드 설계 및 구조화에 있어 시사점을 논의하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Online dashboard is designed to support learners' self-regulation of their learning process and activities to promote learner-centered learning. Given the dashboard usually provides information within a limited space, it is important to define which information should be presented in order to meet t...

주제어

#학습자중심 학습 환경   #대시보드   #학습정보   #개별화   #상호작용   #사회비교  

질의응답

핵심어 질문 논문에서 추출한 답변
대시보드은 무엇을 제공하는가? 대시보드는 학습데이터를 기반으로 개별 학습자의 학습활동을 추적하여 맞춤형 학습정보를 제공한다[5]. 이때 학습정보는 학습자 개인적 특성이 반영되는 데이터베이스뿐만 아니라 시스템 로그, 메시지, 게시글 등 소멸이 되는 비정형 데이터 역시 포괄한다[6].
구성주의 인식론을 기반으로 한 학습자중심 학습 환경을 구축하는 것이 용이하게 해주는 도구는? 사람과 사람, 사람과 지식을 연결하는 테크놀로지의 발달은 새로운 학습 환경을 제공하고 있다. 이러닝(e-learning), 소셜러닝(social learning)에 이어 최근에는 MOOC(Massive Open Online Course)가 확산되고 있으며 학습자들은 언제, 어디서나 학습과정에 참여할 수 있다. 이러한 환경에서 테크놀로지는 학습자가 다양한 자원에 자유롭게 접근할 수 있도록 지원한다.
대시보드의 이점은? 이때 학습정보는 학습자 개인적 특성이 반영되는 데이터베이스뿐만 아니라 시스템 로그, 메시지, 게시글 등 소멸이 되는 비정형 데이터 역시 포괄한다[6]. 대시보드는 이러한 데이터를 수집, 분석, 시각화하는 학습분석학(learning analytics) 기술을 적용하여 학습자의 개별 활동정보를 보다 효과적으로 제공할 수 있다[7].
질의응답 정보가 도움이 되었나요?

참고문헌 (60)

  1. Hannafin, M. J., & Land, S. M. (1997). The foundations and assumptions of technology-enhanced student-centered learning environments. Instructional Science, 25, 167-202. 

    상세보기 crossref

  2. Jonassen, D. H., & Land, S. M. (2012). Theoretical foundations of learning environments (2nd Edition). NY: Routlege. 

  3. 산업통산자원부(2017). 제3차 이러닝산업 발전 및 이러닝활용 촉진 기본계획. 

  4. 조용상 (2014).학습 분석 기술 활용 가능성 및 전망. 정보와통신, 31(12), 73-80. 

  5. 안미리, 최윤영, 고윤미, 배윤희 (2015). 해외학습분석학(Learning Analytics) 연구에 대한 동향 분석: 실증 연구 중심으로. 교육정보미디어연구, 21(4), 601-643. 

  6. 조용상, Abel, J., 유재택, 신성욱 (2013). 표준화 이슈리포트: 학습분석 기술 활용 가능성 및 전망(RM 2013-15). 서울: 한국교육학술정보원. 

  7. 정은미, 조용상 (2017). 학습 분석 표준화 동향 및 학습 분석 참조모델. 한국컴퓨터교육학회 학술발표대회논문집, 21(1), 61-64. 

  8. Few, S. (2012). Information dashboard design: Displaying data for at a glance monitoring (2nd ed). CA: Analytics Press. 

  9. Siemens, G., Gasevic, D., Haythornthwaite, C., Dawson, S., Shum, S. B., Ferguson, R., Duval, E., Verbert, K. & Baker, R. (2011). Open learning analytics: an integrated & modularized platform. Society for Learning Analytics Research. 

  10. 임규연, 임지영, 김영주, 진명화, 박민정 (2017). HCI 이론에 기반한 학습자 대시보드의 평가 준거 개발 연구. 교육정보미디어연구, 23(4), 891-916. 

  11. 김은희, 변호승 (2017). 학습분석학 기반의 교수자 피드백 분류체계 개발. 교육공학연구, 33(3), 737-768. 

  12. 진성희, 유미나, 김태현 (2015). 이러닝 학습참여활동 및 상호작용에 대한 대시보드 설계 연구. 교육공학연구, 31(2), 191-220. 

  13. 박연정, 조일현 (2014). 학습분석학 기반 대시보드의 설계와 적용. 교육정보미디어연구, 20(2), 191-216. 

  14. 임성태, 김은희 (2017). 학습분석 기반 교수자 피드백 제공을 위한 대시보드 설계. 한국컴퓨터교육학회 논문지, 20(6), 1-15. 

  15. 성은모, 진성희, 유미나 (2016). 학습분석학 관점에서 학습자의 자기주도학습 지원을 위한 학습 데이터 탐색 연구. 교육공학연구, 32(3), 487-533. 

  16. Klerkx, J., Verbert, K., & Duval, E. (2017). Learning analytics dashboards. Retrieved from https://solaresearch.org/wp-content/uploads/2017/05/chapter12.pdf 

  17. Dietz-Uhler, B., & Hurn, J. E. (2013). Using learning analytics to predict (and improve) student success: A faculty perspective. Journal of Interactive Online Learning, 12(1), 17-26. 

  18. Jonassen, D. H. (2006). A constructivist's perspective on functional contextualism. Educational Technology, Research and Development, 54(1), 43-47. 

    상세보기 crossref

  19. Verbert, K., Govaerts, S., Duval, E., Santos, J. L., Van Assche, F., Parra, G., & Klerkx, J. (2014). Learning dashboards: an overview and future research opportunities. Personal and Ubiquitous Computing, 18(6), 1499-1514. 

  20. Oliver, K. M. (2000). Methods for developing constructivist learning on the web. Educational Technology, 40(6), 5-18. 

    상세보기

  21. Derntl, M., Erdtmann, S., & Klamma, R. (2012). An embeddable dashboard for widget-based visual analytics on scientific communities. In Proceedings of the 12th International Conference on Knowledge Management and Knowledge Technologies 23. NY: ACM. 

  22. Preece, J., & Rombach, H. D. (1994). A taxonomy for combining software engineering and human-computer interaction measurement approaches: towards a common framework. International Journal of Human-Computer Studies, 41(4), 553-583. 

    상세보기 crossref

  23. 문지현, 임성택, 박차라, 이인성, 김진우 (2008). 사용자 경험에 대한 HCI적 관점에서의 개념적 고찰: 사용자 경험의 개념 정의와 공동 경험감 개념의 제안. 한국HCI학회 논문지, 3(1), 9-17. 

    원문보기 상세보기

  24. Anderson, T. (2003). Modes of interaction in distance education: Recent developments and research questions. In M. G. Moore & W. G. Anderson (Eds.), Handbook of distance education (pp. 129-144). London: Routledge. 

  25. Hillman, D. C., Willis, D. J., & Gunawardena, C. N. (1994). Learner interface interaction in distance education. An extension of contemporary models and strategies for practitioners. The American Journal of Distance Education, 8(2), 30-42. 

    상세보기 crossref

  26. Moore, M. G. (1993). Three types of interaction. In K. Harry, J. Mangus, & D. Keegan (Eds.), Distance education: New perspectives (pp. 19-24). New York: Routledge. 

  27. Soo, K. S., & Bonk, C. J. (1998). Interaction: What Does It Mean in Online Distance Education?. Retrieved from https://files.eric.ed.gov/fulltext/ED428724.pdf 

  28. Howison, J., Wiggins, A., & Crowston, K. (2011). Validity issues in the use of social network analysis with digital trace data. Journal of the Association for Information Systems, 12, 767-797. 

    상세보기 crossref

  29. Hadwin, A. F., Nesbit, J. C., Jamieson -Noel, D., Code, J., & Winne, P. H. (2007). Examining trace data to explore self-regulated learning. Metacognition and Learning, 2(2-3), 107-124. 

    상세보기 crossref

  30. Bodily, R. & Graham, C. R., & Bush, M. D. (2017). Online Learner Engagement: Opportunities and Challenges with Using Data Analytics. Educational Technology, 57(1), 10-17. 

    상세보기

  31. Morgan, D.L. (1996). Focus Groups. Annual Review of Sociology, 22, 129-152. 

    상세보기 crossref

  32. Link, S., & Li, Z. (2015). Understanding online interaction through learning analytics: Defining a theory-based research agenda. Researching language learner interactions online: From social media to MOOCs, 369-385. 

  33. Gasevic, D., Dawson, S., & Siemens, G. (2015). Let's not forget: Learning analytics are about learning. TechTrends, 59(1), 64-71. 

    상세보기

  34. Govaerts, S., Verbert, K., Duval, E., & Pardo, A. (2012). The student activity meter for awareness and self-reflection. In CHI'12 Extended Abstracts on Human Factors in Computing Systems (pp. 869-884). ACM. 

  35. Schwendimann, B. A., Rodriguez-Triana, M. J., Vozniuk, A., Prieto, L. P., Boroujeni, M. S., Holzer, A., & Dillenbourg, P. (2017). Perceiving learning at a glance: A systematic literature review of learning dashboard research. IEEE Transactions on Learning Technologies, 10(1), 30-41. 

    상세보기 crossref

  36. Khan Academy(2018). https://www.khanacademy.org/에서 2018년 3월 23일 인출. 

  37. Backstage(2018). http://backstage.pms.ifi.lmu.de/에서 2018년 3월 23일 인출. 

  38. Reimers, G., Neovesky, A., & der Wissenschaften, A. (2015). Student focused dashboards. 7th International Conference on Computer Supported Education (Lisbon). 

  39. Silius, K., Miilumaki, T., Huhtamaki, J., Tebest, T., Merilainen, J., & Pohjolainen, S. (2010). Students' motivations for social media enhanced studying and learning. Knowledge Management & E-Learning, 2(1), 51-67. 

  40. Ezzy, D. (2013). Qualitative analysis. London: Routledge. 

  41. 유기웅, 정종원, 김영석, 김한별 (2012). 질적 연구방법의 이해. 서울: 박영사. 

  42. Ackoff, R. L. (1989). From data to wisdom. Journal of Applied Systems Analysis, 16, 3-9. 

  43. Merriam, S. B., & Tisdell, E. J. (2015). Qualitative research: A guide to design and implementation (4th ed). CA: Jossey-Bass. 

  44. Alderson, J. C. (2005). Diagnosing foreign language proficiency: The interface between learning and assessment. A&C Black. 

  45. Cleary, J., & Skaines, I. (2005). Student engagement as a quality indicator at the University of Newcastle. Paper presented at the 2005 Australian Universities Quality Forum, Sydney, Australia. 

  46. Moore, M. G., & Kearsley, G. (2011). Distance education: A systems view of online learning. Cengage Learning. 

  47. 이수상 (2013). 네트워크분석 방법론. 부산대학교 사회과학연구원 연구총서 2. 

  48. 임효창 (2009). E-learning의 정서적 반응 및 학습성과가 전이성과에 미치는 영향. 대한경영학회지, 22(3), 1469-1487. 

  49. 김재환, 김정민, 고범석 (2017). 빅데이터와 머신러닝 기반의 학생 맞춤형 인공지능 STEM 교육 플랫폼. 한국정보과학회 학술발표논문집, 805-807. 

  50. Elliott, E. S., & Dweck, C. S. 1988. Goals: An approach to motivation and achievement. Journal of Personality and Social Psychology, 54(1), 5-12. 

    상세보기 crossref

  51. Harlen. W. and M. James. (1997). Assessment and learning: Differences and relationships between formative and summative assessment. Assessment in Education, 4(3), 365-379. 

    상세보기 crossref

  52. Peltier, J. W., Schibrowsky, J. A., & Drago, W. (2007). The interdependence of the factors influencing the perceived quality of the online learning experience: A causal model. Journal of Marketing Education, 29(2), 140-153. 

    상세보기 crossref

  53. Serrat, O. (2017). Social network analysis. In Knowledge solutions (pp. 39-43). Springer, Singapore. 

  54. 한국정책학회 (2010). 대학교육의 실용성 및 융합성 제고를 위한 연구. 서울:한국정책학회. 

  55. 문성민, 이경원 (2016). 통계와 시각화를 결합한 데이터 분석: 예측모형에 대한 시각화 검증. 디자인융복합연구, 15(6), 195-214. 

  56. 임규연, 박하나, 김희준 (2014). 온라인 토론 학습에서 사회연결망분석 기반 피드백이 상호작용 및 성취도에 미치는 영향. 교육공학연구, 30(3), 443-466. 

  57. 최은진, 최명숙 (2016). 이러닝 환경에서의 상호작용이 학습효과에 미치는 영향에 관한 메타분석. 교육공학연구, 32(1), 139-164. 

  58. Repman, J., & Logan, S. (1996). Interactions at a distance. Tech Trends, 41(6), 35. 

  59. Watson, W. R., & Watson, S. L. (2009). Principles for personalized instruction. in Instructional-Design Theories and Models Volume III. London: Routledge. 

  60. Festinger, L. (1954). A theory of social comparison processes. Human Relations, 7, 117-140. 

    상세보기 crossref

저자의 다른 논문 :

LOADING...

관련 콘텐츠

이 논문과 함께 이용한 콘텐츠

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로