선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그리고 고찰 결과를 토대로 분석의 한계점 및향후 분석 방향에 대해 제안하고자 한다. 심리학 분야에서 이미 1950년대부터 “Clinical Versus Statistical Prediction” 를 통해 단순한 예측 알고리즘이 의료 진단, 학생 선발, 야구 선수 영입 등 폭넓은 분야에서 전문가의 판단을 능가 한다는 것을 보여주고 있다 [4].
- 교육 데이터의 분석은 크게 학습 분석 (Learning Analytics), 교육관리 분석 (Academic Analytics)으로 나뉘는데 각각의 분석에 대해 자세히 알아보고, 실제 대학의 사례들도 살펴본다. 그리고, 보다 구체적으로 사례 연구에서 사용되는 교육 데이터와 분석 기법을 정리하여 소개한다. 예를 들어, 학생의 다양한 학습 활동 데이터를 이용하여 학습 성취도를 예측하는 것이 가장 대표적인 분석의 예라고 할 수 있는데, 성취도에 영향을 주는 요인으로 어떤 데이터를 사용하였으며 어떤 분석 기법을 적용하였는지 살펴본다.
- 교육 관리 분석은 학습자체의 개선보다는 기관 시스템의 개선에 더 초점을 둔다. 다양한 교육 운영과 관련된 데이터를 이용하여 조직이나 제도 운영을 효율적으로 만드는 것을 목적으로 한다. 조직 단위에서의 분석은 조직성과의 평가, 지식 관리를 들 수 있고, 지역이나 국가 단위에 서는 조직의 운영 정보를 통합하여 교육 정책을 수립하는데 활용될 수 있도록 한다.
- 국내 교육의 특성상 학업 성과 예측과 더불어 취업 성과 예측에 대한 연구가 활발히 진행되고 있다. 대학평가의 기준이 학생의 취업관련 역량에 목표를 두고 있기 때문에, 온라인 학습 활동 보다는 취업률에 영향을 미치는 요인을 파악하고자 한다.
- 이는 데이터를 이용한 분석 결과가 전문가의 인사이트보다 확률적으로 도움이 되는 경우가 더 많다는 것을 의미하는데 이에 대해서도 논의한다. 마지막으로, 교육 데이터 분석 및 활용에 있어 국내외 사례의 차이를 살펴보고 국내의 교육 환경의 고려점에 대해서도 알아보고자 한다.
- 본 연구는 교육 데이터의 활용 사례들을 살펴보고, 분석에 사용되는 기법들에 초점을 맞추어 기존 사례 연구들을 고찰하였다. 교육 데이터의 분석은 크게 학습 분석 (Learning Analytics), 교육관리 분석 (Academic Analytics)으로 나뉘는데 각각의 분석에 대해 자세히 알아보고, 실제 대학의 사례들도 살펴본다.
- 본 연구에서는 주로 이 단계에서 사용되는 분석 기법을 사례를 통해 살펴보고자 한다. 학생의 인구 통계학적 특성, 과거 학습 성과, 온라인 로그인 횟수, 토론 참여도 등과 같은 데이터를 분석하여 향후 수강하게 되는 과목의 학업 성과나 활동에 대해 예측한다.
- 모든 강의를 프로젝트 중심 으로 변경하였다. 학생들이 지역 기업 또는 지역 사회의 문제점을 해결하는 프로젝트를 수행 하도록 하였다. 또한, 69개의 학과를 폐지하고 필요에 따라 학과를 합쳐 융합학부를 만들기도 하였다.
- 학습 분석은 학습 활동과 내용을 살펴보고, 어떤 요인, 환경이 학습에 영향을 미치는지 어떻게 개선되어야 하는지 연구한다. 다음과 같이 크게 세 분야로 나누어 설명할 수도 있다.
가설 설정
- 회귀 기반의 기법을 이용하여 한 학생이 특정 과목에서 얻게 될 학점을 예측하였다. 이러한 분석은 기존에 수강한 과목과 다음 학기에 수강할 과목이 내용면에서 연계되어 있다고 가정한다. 즉, 선수 과목으로 반드시 들어야 하는 과목 들을 대상으로 분석하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.