4차 산업혁명이라는 지식기반 시대의 도래로 대학교육 전반에 대한 패러다임의 대전환과 함께 대학교육 방식의 전면적 개편이 요구되면서 그에 대한 해결책 중의 하나로 맞춤형 학습을 통한 역량 강화가 대두되고 있다. 개별 학습자의 특성과 상태에 대한 맞는 적정 교육을 제공하기 위해서는 학습자 특성에 대한 이해 및 대학에서의 지원 방안 등 다양한 차원에서의 연구가 필요하다. 따라서 본 연구에서는 K 대학이 역량기반 맞춤형 학습을 효과적으로 도입할 수 있도록 지원하기 위한 방안을 학습자 대상의 탐색적 연구를 통해 검토하고자 하였다. 연구 수행의 내용 및 방법은 다음과 같다. 첫째, K 대학의 역량기반 맞춤형 학습지원을 위한 시사점을 얻기 위해 역량 및 맞춤형 학습과 관련된 선행연구들을 살펴보았다. 둘째, K 대학의 재학생 6명을 연구대상자로 선정, 표적집단면접법(FGI), 학습스타일 진단, 역량기반 학습성과 분석 및 학습스타일 진단 결과지 제공, 1대1 인터뷰 등을 진행하는 맞춤형 학습 파일럿 테스트(Pilot test)를 진행하고, 연구결과를 통해K 대학의 효과적 맞춤형 학습 지원을 위한 주요 이슈 및 시사점을 도출하였다.
4차 산업혁명이라는 지식기반 시대의 도래로 대학교육 전반에 대한 패러다임의 대전환과 함께 대학교육 방식의 전면적 개편이 요구되면서 그에 대한 해결책 중의 하나로 맞춤형 학습을 통한 역량 강화가 대두되고 있다. 개별 학습자의 특성과 상태에 대한 맞는 적정 교육을 제공하기 위해서는 학습자 특성에 대한 이해 및 대학에서의 지원 방안 등 다양한 차원에서의 연구가 필요하다. 따라서 본 연구에서는 K 대학이 역량기반 맞춤형 학습을 효과적으로 도입할 수 있도록 지원하기 위한 방안을 학습자 대상의 탐색적 연구를 통해 검토하고자 하였다. 연구 수행의 내용 및 방법은 다음과 같다. 첫째, K 대학의 역량기반 맞춤형 학습지원을 위한 시사점을 얻기 위해 역량 및 맞춤형 학습과 관련된 선행연구들을 살펴보았다. 둘째, K 대학의 재학생 6명을 연구대상자로 선정, 표적집단면접법(FGI), 학습스타일 진단, 역량기반 학습성과 분석 및 학습스타일 진단 결과지 제공, 1대1 인터뷰 등을 진행하는 맞춤형 학습 파일럿 테스트(Pilot test)를 진행하고, 연구결과를 통해K 대학의 효과적 맞춤형 학습 지원을 위한 주요 이슈 및 시사점을 도출하였다.
With the advent of the knowledge-based era of the fourth industrial revolution, a paradigm shifts in university education. As a complete overhaul of university educational methods is required, strengthening competence through personalized is emerging as one of the solutions to the problem. To provid...
With the advent of the knowledge-based era of the fourth industrial revolution, a paradigm shifts in university education. As a complete overhaul of university educational methods is required, strengthening competence through personalized is emerging as one of the solutions to the problem. To provide appropriate education accordingly focusing on individual learners, more studies at various levels are needed about understanding the characteristics of learners and ways to support them at universities. This study aims to conduct an exploratory research for adapting personalized learning at K University and explore effective ways to support. First, through literature review, the theoretical basis of personalized learning considering the diverse characteristics of learners and domestic and overseas cases of are examined. Secondly, a pilot study is conducted with K University students as subjects. FGI, study style diagnosis, one-on-one follow-up interviews are conducted and competency-based learning performance analysis and study style diagnosis result paper are provided to selected participants. Finally, major issues and implications are suggested to support the effective personalized learning of K university students.
With the advent of the knowledge-based era of the fourth industrial revolution, a paradigm shifts in university education. As a complete overhaul of university educational methods is required, strengthening competence through personalized is emerging as one of the solutions to the problem. To provide appropriate education accordingly focusing on individual learners, more studies at various levels are needed about understanding the characteristics of learners and ways to support them at universities. This study aims to conduct an exploratory research for adapting personalized learning at K University and explore effective ways to support. First, through literature review, the theoretical basis of personalized learning considering the diverse characteristics of learners and domestic and overseas cases of are examined. Secondly, a pilot study is conducted with K University students as subjects. FGI, study style diagnosis, one-on-one follow-up interviews are conducted and competency-based learning performance analysis and study style diagnosis result paper are provided to selected participants. Finally, major issues and implications are suggested to support the effective personalized learning of K university students.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
4차 산업혁명 사회에서 기술과 산업의 변화 속도가 가속화되고 인공지능이 점점 사람의 일자리를 넘보는 상황에서, K대학 학생들이 졸업 후 경쟁력 있는 역량을 보유하여 노동시장에 진출하는 것이 매우 중요하다. 따라서 본 연구에서는 학업성취수준을 판단함에 있어 K대학이 보유하고 있는 전공역 량과 핵심역량을 기반으로 이를 모든 교과와 매칭하여 성과를 분석하였다. 이를 위해 우선 연구참여자들이 수강한 모든 교과를 선정된 7가지 역량과 매칭하는 작업을 전공 교수 1인 으로부터 자문을 얻어 수행하였다.
예를 들면, 학생이 특정 교과목 정보에 대한 문의를 할 경우, 교재만이 아니라 수업 관련 논문, 인터넷 학습자료 등을 AI가 찾아서 지원해 주는 것이다. 또한, AI가 강의 시간표 설계, 수강신청과 취업상담, 취업 관련 정보 등을 제공하며, 역량 데이터 기반으로 비교과 활동을 비롯한 자격증 취득 조언 서비스 등 개시를 목표로 한다. 학생의 입장에서 특정 직업에 대한 지원하고자 하는 동기가 있을 때, 인공지능 챗봇이 어떤 경로를 통해 그 직업을 획득할 수 있는지에 대한 조언을 제시하는 것이다[16].
본 연구는 K대학의 일부 재학생을 대상으로 맞춤형 학습 지원 방안을 탐색하기 위한 파일럿 테스트(Pilot test)를 진행하였다. 대상자는 정보통신공학 3,4학년 학생 총 6명으로, 연구에 참여한 학생의 구체적인 인적 정보는 아래와 같다(표 1 참조).
FGI는 3, 4학년 두 개 그룹으로 나누 어 각 3인씩 참여하도록 하였으며, 연구자가 직접 면담자로 참여하였다. 연구참여자들에게는 사전에 간략한 연구소개와 함께 인터뷰 질문지를 발송하여 미리 어떤 내용의 인터뷰가 이루어지는지에 대해 살펴볼 수 있도록 하였다. 인터뷰질문은 크게 맞춤형 학습에 대한 사전 경험, 맞춤형 학습을 위한 학생들의 요구 및 의견을 물어보는 내용으로 구성되었다.
위와 같은 필요성에 기초하여 본 연구는 K 대학에 역량기반 맞춤형 학습을 도입하고 이를 효과적으로 지원하기 위한 방안을 학습자 대상의 탐색적 연구를 통해 검토하고자 하였다. K대학의 경우, 충청권에 위치하고 있는 직업능력개발 관련 특수목적대학으로, 급변하는 산업기술 환경에 빠르게 대처하고 역량 있는 미래인재를 육성하기 위해 현장중심의 실험·실습을 강화한 공학 교육과정을 운영하고 있으며, 재학생들의 학습관련 요구 충족 및 학업성취도 향상을 위해 다양한 학습지원 방안을 구축하고자 한다.
그러나 이러한 범용적 역량 진단은 대학의 특수성을 반영한 자체 핵심역량 지표에 대한 진단은 어렵다는 점, 자기응답식 진단 방식으로 인해 정확성이 떨어진다는 점에서 대학의 자체 핵심역량을 반영한 보다 객관적 방식의 역량진단 방식이 요구되고 있다. 이에 본 연구는 K대학의 전공역량과 공통역량을 지표로 활용하여 역량기반 학업성취 수준 분석을 시도하였다.
K대학의 경우, 충청권에 위치하고 있는 직업능력개발 관련 특수목적대학으로, 급변하는 산업기술 환경에 빠르게 대처하고 역량 있는 미래인재를 육성하기 위해 현장중심의 실험·실습을 강화한 공학 교육과정을 운영하고 있으며, 재학생들의 학습관련 요구 충족 및 학업성취도 향상을 위해 다양한 학습지원 방안을 구축하고자 한다. 이에 이 연구에서는 맞춤형 학습 및 역량 기반 학습과 관련된 선행연구들을 분석하여 역량 기반 맞춤형 학습 지원에 관한 시사점을 얻고 선정된 학생들을 대상으로 학습자 특성과 관련된 데이터를 활용한 파일럿 테스트(Pilot test)를 진행한 후, 이를 바탕으로 국내 대학의 학습자 맞춤형 학습 지원 방안을 위한 시사점 및 실천적 함의를 도출하고자 한다.
대상자는 정보통신공학 3,4학년 학생 총 6명으로, 연구에 참여한 학생의 구체적인 인적 정보는 아래와 같다(표 1 참조). 참여자를 선정하기 위해 해당전공 소속 교수로부터 성적, 성별, 학년을 고려하여 추천 받은 학생 명단 중에서 본 연구에 참여하고자 하는 의사가 있는 학생을 대상자로 선정하였으며, 특히 맞춤형 학습 진단 및 지원에 있어 학업성취 수준을 고려하기 위해 연구참여자 선정 시 성적을 고려하여 한쪽으로 편중되지 않은 다양한 사례를 살펴보고자 하였다.
마지막으로, 제작한 학습가이드를 연구대상 자에게 전달하고, 맞춤형 학습진단 및 가이드의 실질적 도움 정도와 개선사항에 대한 의견을 구하기 위해 1:1 개별인터뷰를 실시하였다. 특히 학습가이드에서 제시하는 항목들의 적절성과 학습에의 도움 정도에 대해 연구참여자들의 의견을 수렴하고자 하였으며, 향후 실제 대학생들을 대상으로 맞춤형 학습을 돕기 위한 학습가이드 자료가 제공될 때 학습자의 입장에서 더 필요한 부분들이 무엇인지 파악하고자 하였다. 인터뷰는 연구자가 직접 면담자로 참여하였다.
학습성과(성적) 분석의 경우, 본 연구에서는 연구참여자들의 과목별 성적을 기초자료로 활용하여 학업성취 수준을 파악하였으며, 이를 기반으로 학습이 필요한 연계 교과목을 추천하고자 하였다. 학생별 학업 성취수준을 판단할 때 판단의 기준지표가 필요한데, 본 연구에서는 ‘역량(competency)’1 을 준거기준으로 삼았다.
우리나라의 경우 1986년 열린 교육을 통해 맞춤형 학습을 학교에 처음 도입하였으며, 이는 1997년 제7차 교육과정에서 수준별 교육과정과 선택 교육과정 운영을 권고함으로써 더욱 확대되었다[4]. 획일적인 학교교육의 문제를 해결하고, 학생들의 개인차를 인정하면서 각자의 능력과 적성, 요구에 따라 최대한의 성취를 이루어 내는 것을 목표로 도입된 것이다. 하지만 실행 과정에서 시행착오가 나타났으며, 수준별 교육과정의 경우에도 실제 학교 현장에서 학생의 특성과 요구에 따라 학습자 중심 교육이 제대로 구현되었는지 의문시되었고, 학교의 물리 환경의 한계와 교사 수의 제한 등으로 학습자의 특성을 충분히 반영하지 못했다는 평가를 받고 있다 [5].
제안 방법
첫째, 연구대상자가 이전에 경험한 수업에서의 맞춤형 학습경험 및 구체적인 맞춤형 학습 요구를 파악하기 위해 표적집단면접법(Focus Group Interview: 이 하 FGI)을 진행하였다. FGI는 3, 4학년 두 개 그룹으로 나누 어 각 3인씩 참여하도록 하였으며, 연구자가 직접 면담자로 참여하였다. 연구참여자들에게는 사전에 간략한 연구소개와 함께 인터뷰 질문지를 발송하여 미리 어떤 내용의 인터뷰가 이루어지는지에 대해 살펴볼 수 있도록 하였다.
학습스타일 분석의 경우, 앞서 기술한 바와 같이 4가지 영역에서 결과를 보여주었으며, 결과를 기반으로 어떠한 유형인지 그리고 어떠한 학습법이 더 효과적인지에 대한 내용을 기술하였다. 넷째, 역량기반 학습성과 분석 결과를 토대로 추천 교과목을 제시하였다. 교과는 대학 교육과정 내에서 추천할 수 있는 교과목과 교육과정 이외의 개인적으로 선택하여 수강할 수 있는 온라인 교육과정을 제시하였다.
점수 기준은 K대학의 성적산 출 기준 점수(A+: 100점, A: 94점, B+: 89점, B: 84점, C+: 79 점, C: 74점, D+: 69점, D:64점, F: 0점)를 활용하였다. 다음으로, 두 분석 결과를 기반으로 한 피드백을 담은 학습가이드 를 제작하였다. 마지막으로, 제작한 학습가이드를 연구대상 자에게 전달하고, 맞춤형 학습진단 및 가이드의 실질적 도움 정도와 개선사항에 대한 의견을 구하기 위해 1:1 개별인터뷰를 실시하였다.
다음으로는 역량기반 학습성과 분석과 학습스타일 분석 결과를 기반으로 진단 결과표를 제작하고, 연구참여자에게 적합한 교과목 및 학습방법을 제안하기 위한 학습가이드를 제작하였다. 학습가이드를 구성하는 항목은 크게 4가지로 구성하였다.
대학 내 효과적인 맞춤형 학습을 지원하기 위해 진행된 본 탐색적 연구는 다양한 측면에서의 관련 이슈를 도출하고 실천적 시사점을 제공하기 위해 다양한 자료수집 전략을 적용 하였다[17]. 구체적으로 총 4단계의 절차로 구성하여 진행하였다(그림 1 참조).
둘째, 학습스타일 진단을 통해 연구대상자에게 적합한 학습법을 탐색하였으며, 또한 역량을 기준 지표로 연구참여자별 학습성과(성적)를 분석하였다. 학습스타일 진단의 경우, Felder와 Silverman이 1988년에 개발한 검사지(ILS: The Index of Learning Style)를 포항공대 대학교육개발센터에서 번역 및 수정한 한글 버전을 활용하였다.
먼저 분석 결과를 해석한 종합 의견을 제시하였으며, 종합의견 기술 시 높은 역량과 낮은 역량(개발이 필요한 역량)으로 나타난 역량을 중심으로 기술 하였으며, 특히 제일 부족한 역량의 경우 교육 및 개발이 필요함을 강조하여 하였다. 또한 본인의 학년별 역량변화 추이를 파악할 수 있도록 각 학년별 역량점수 및 평균을 제시하였다. 역량수준을 동 학년 학생들과 비교, 판단할 수 있도록 그래프를 통해 그룹과의 비교결과를 제시하였다.
다음으로, 두 분석 결과를 기반으로 한 피드백을 담은 학습가이드 를 제작하였다. 마지막으로, 제작한 학습가이드를 연구대상 자에게 전달하고, 맞춤형 학습진단 및 가이드의 실질적 도움 정도와 개선사항에 대한 의견을 구하기 위해 1:1 개별인터뷰를 실시하였다. 특히 학습가이드에서 제시하는 항목들의 적절성과 학습에의 도움 정도에 대해 연구참여자들의 의견을 수렴하고자 하였으며, 향후 실제 대학생들을 대상으로 맞춤형 학습을 돕기 위한 학습가이드 자료가 제공될 때 학습자의 입장에서 더 필요한 부분들이 무엇인지 파악하고자 하였다.
각 유형에서 설문 응답의 최고점은 11점이며, 일반적으로 높은 점수 쪽의 학습스타일로 분류한다. 본 연구에서 연구참여자들은 FGI 종료 후, 서면 검사지를 활용하여 검사를 실시하였다.
또한 본인의 학년별 역량변화 추이를 파악할 수 있도록 각 학년별 역량점수 및 평균을 제시하였다. 역량수준을 동 학년 학생들과 비교, 판단할 수 있도록 그래프를 통해 그룹과의 비교결과를 제시하였다. 학년평균 산출 시, 파일럿 테스트 단계에서 동 학년 전체학생의 성적 및 역량별 점수를 도출하는 것은 불가능하므로, 연구에 참여한 동급생 3인의 점수를 평균화하여 가상의 그룹평균을 제공하였다.
따라서 본 연구에서는 학업성취수준을 판단함에 있어 K대학이 보유하고 있는 전공역 량과 핵심역량을 기반으로 이를 모든 교과와 매칭하여 성과를 분석하였다. 이를 위해 우선 연구참여자들이 수강한 모든 교과를 선정된 7가지 역량과 매칭하는 작업을 전공 교수 1인 으로부터 자문을 얻어 수행하였다. 예를 들어, ‘네트워크 응용프로그래밍’ 이라는 전공 교과의 경우, 관련 역량으로 네 트워크시스템 개발역량, 응용소프트웨어 개발역량, 현장실무역량이 매칭되었다.
두 그룹 모두 인터뷰 소요시간은 1시간 내외였으며, 인터뷰는 시작 전 녹음에 대한 사전고지 및 승인을 받은 후 녹음되었으며, 이후 녹음된 내용은 모두 전사하여 분석에 활용되었다. 전사자료를 연구자가 여러 번 반복하여 읽고 문맥단위 (context unit)로 범주를 분류하는 방식으로 분석하였다.
구체적으로 총 4단계의 절차로 구성하여 진행하였다(그림 1 참조). 첫째, 연구대상자가 이전에 경험한 수업에서의 맞춤형 학습경험 및 구체적인 맞춤형 학습 요구를 파악하기 위해 표적집단면접법(Focus Group Interview: 이 하 FGI)을 진행하였다. FGI는 3, 4학년 두 개 그룹으로 나누 어 각 3인씩 참여하도록 하였으며, 연구자가 직접 면담자로 참여하였다.
학습가이드를 구성하는 항목은 크게 4가지로 구성하였다. 첫째, 인적정보의 경우, 기본적으로 성명, 학년, 학과 등 개인 정보를 명시하였고, 추가적으로 이수학점 및 전 체GPA를 포함하였다. 둘째, 학습성과 분석결과는 그림과 같이 제시하였다(그림 3 참조).
역량수준을 동 학년 학생들과 비교, 판단할 수 있도록 그래프를 통해 그룹과의 비교결과를 제시하였다. 학년평균 산출 시, 파일럿 테스트 단계에서 동 학년 전체학생의 성적 및 역량별 점수를 도출하는 것은 불가능하므로, 연구에 참여한 동급생 3인의 점수를 평균화하여 가상의 그룹평균을 제공하였다. 그래프의 경우, 방사형 그래프를 이용하여 그룹과 연구참여자의 역량 비교를 시각화하였으며, 동 학년 평균보다 낮은 경우 빨간 원을 추가하여 쉽게 파악할 수 있도록 하 였다.
학생별 학업 성취수준을 판단할 때 판단의 기준지표가 필요한데, 본 연구에서는 ‘역량(competency)’1 을 준거기준으로 삼았다.
대상 데이터
본 연구는 K대학의 일부 재학생을 대상으로 맞춤형 학습 지원 방안을 탐색하기 위한 파일럿 테스트(Pilot test)를 진행하였다. 대상자는 정보통신공학 3,4학년 학생 총 6명으로, 연구에 참여한 학생의 구체적인 인적 정보는 아래와 같다(표 1 참조). 참여자를 선정하기 위해 해당전공 소속 교수로부터 성적, 성별, 학년을 고려하여 추천 받은 학생 명단 중에서 본 연구에 참여하고자 하는 의사가 있는 학생을 대상자로 선정하였으며, 특히 맞춤형 학습 진단 및 지원에 있어 학업성취 수준을 고려하기 위해 연구참여자 선정 시 성적을 고려하여 한쪽으로 편중되지 않은 다양한 사례를 살펴보고자 하였다.
본 연구의 한계점 및 향후 연구를 위한 제언은 다음과 같다. 본 연구는 맞춤형 학습 지원을 위한 탐색적 연구로 K대 학 3,4학년으로 구성된 6명의 재학생을 연구참여자로 선정하여 진행하였다. 따라서 본 연구의 결과는 K대학의 특수성과 선정된 연구참여자들의 특성 및 개인적 경험이 반영된 것으로 이러한 실천적 시사점을 일반화하여 해석하는 것에 있어서는 다소 무리가 있겠다.
이론/모형
둘째, 학습스타일 진단을 통해 연구대상자에게 적합한 학습법을 탐색하였으며, 또한 역량을 기준 지표로 연구참여자별 학습성과(성적)를 분석하였다. 학습스타일 진단의 경우, Felder와 Silverman이 1988년에 개발한 검사지(ILS: The Index of Learning Style)를 포항공대 대학교육개발센터에서 번역 및 수정한 한글 버전을 활용하였다. ILS는 웹을 통해서 일년에 수백만 건의 검사가 이루어지는 대표적인 학습스타일 진단 검사지이며, 재검사 신뢰도는 0.
성능/효과
가장 높은 역량은 전공역량 중에서 3학년은 ‘통신시스템 개발역량’, 4학년은 ‘응용소프트웨어 개발역량’으로 나타났다.
각 연구참여자별 전체 이수 교과의 학점을 역량점수를 변환하여 도출해 본 결과(표 2 참조), 가장 낮은 역량으로는 3,4학년 그룹 모두 ‘학습리더역량’으로 나타났으며, 이 역량은 두 그룹에서 모두 80점대를 보이는 유일한 역량이었다.
특히 향후 진로 및 취업에 도움이 된다면 적극적으로 수강할 의사가 있다고 진술하였다. 넷째, 학습스타일 분석 결과 및 학습방법 제시에 대한 연구참여자들의 의견을 종합해 보면, 대체로 진단검사 결과에 대해 평소 본인이 느낀 것과 유사한 결과라고 진술하였다. 하지만, 추천 학습방법에 있어 학습성과 향상에 현실적으로 도움이 되기 위해서는 4가지 영역에 대한 원론적인 학습 유형별 가이드에 대한 설명보다는 연구참여자들의 선호하는 학습스타일을 고려한 구체적인 학습자료 제공 및 공부법 제시가 추가되는 것이 좋겠다는 의견이 많았다.
연구참여자들의 학습스타일 분석 결과를 종합해보면, 6명중에서 정보지각 영역에서는 전원이 감각형으로, 정보입력 영역에서는 시각형 5명과 언어형 1명으로, 정보처리 영역에 서는 활동형 4명과 성찰형 2명으로, 정보이해 영역에서는 연속형 3명과 포괄형 3명으로 나타났다. 다음으로 연구참여자들이 영역별 유형에 본인이 속한다고 답한 응답횟수를 분석한 결과(그림 2 참조), 하나의 유형에 속한다고 결정된다 하여도 나머지 하나의 유형과 응답 횟수의 결과의 차이가 미비한 경우가 꽤 있음을 알 수 있었다. 이러한 경우에 해당되는 사례는 선택된 유형의 학습방법만을 알려주기보다 다른 유 형에서 추천하는 학습방법 또한 알려주어 연구참여자들이 다양한 방법들로 학습을 시도할 수 있도록 하였다.
둘째, 유연한 학사제도를 통한 학생들의 학습선택권을 보장하는 것 또한 맞춤형 학습을 촉진시킬 것이다. 연구 결과, 학생들은 전공에서 들어야 하는 필수과목의 수가 많아 타 과의 과목들에 대해서는 들어본적도, 관심을 기울일 필요도 적으며 선택과목의 수가 제한적이라 본인이 관심 있거나 필요한 수업을 들으려 해도 선택의 기회가 적었다.
그럼에도 불구하고 도출된 개인별 역량수준 분석결과에 대해서는 대체로 대부분의 연구참여자가 본인이 평소에 느끼고 있었던 우수한 혹은 부족한 역량과 비슷하게 도출되었다고 판단하였다. 둘째, 학습성과 분석 및 학습가이드 제공의 효과성을 높이기 위해서는 시기적으로 교육이력이 어느 정도 축적된 3학년 정도에 제공된다면 가장 도움이 많이 될 것이라고 하였으며, 시기상으로는 성적이 나오는 학기말이나 다음학기 수강신청을 준비하는 방학기간 중에 제공된다면 수강신청에 가장 크게 도움이 될 것이라고 하였다. 셋째, 학습성과 기반 추천교과목 목록에 대한 연구참여자들의 의견 및 도움 정도를 살펴보면, 앞서 언급하였듯이 대학 교육과정 내 교과 추천의 경우 학사제도에 따라 필수과목을 우선적으로 채워야 하는 상황에서 크게 실효성을 발휘하기 어려울 것이라 생각하는 의견이 많았다.
맞춤형 학습 진단 및 가이드 제공에 대한 도움 정도와 개선사항을 파악하기 위해 실시된 1:1 인터뷰를 분석한 결과, 첫째 FGI와 동일하게 연구참여자들은 역량과 전공교과에 매칭된 역량명 및 역량정의에 대해 들어볼 기회가 부족하여 결과표에 제시된 역량 7가지에 대해 생소하게 느끼는 것을 나타났다. 그럼에도 불구하고 도출된 개인별 역량수준 분석결과에 대해서는 대체로 대부분의 연구참여자가 본인이 평소에 느끼고 있었던 우수한 혹은 부족한 역량과 비슷하게 도출되었다고 판단하였다.
둘째, 학습성과 분석결과는 그림과 같이 제시하였다(그림 3 참조). 먼저 분석 결과를 해석한 종합 의견을 제시하였으며, 종합의견 기술 시 높은 역량과 낮은 역량(개발이 필요한 역량)으로 나타난 역량을 중심으로 기술 하였으며, 특히 제일 부족한 역량의 경우 교육 및 개발이 필요함을 강조하여 하였다. 또한 본인의 학년별 역량변화 추이를 파악할 수 있도록 각 학년별 역량점수 및 평균을 제시하였다.
더 나아가, 학생들의 수준별 맞춤형 학습을 효과적으로 지원하기 위해서는 진로 및 취업에 도움이 되는 학습 콘텐츠 및 학사컨설팅을 연계하여 제공하여야 한다. 본 연구 결과, 학생들은 취업이나 진로에 도움이 되는 정보를 연계하여 제공해 준다면, 맞춤형 학습지원 제도가 보다 효과적일 것이라고 하였다. 따라서 학습성과 분석 등 여러 데이터 및 정보 서비스를 제공할 시, 이를 통해 관련 수업을 수강하게 되면 진로 및 취업에 어떻게 도움이 될지에 대해 상세히 설명해 줄 필요가 있겠다.
둘째, 학습성과 분석 및 학습가이드 제공의 효과성을 높이기 위해서는 시기적으로 교육이력이 어느 정도 축적된 3학년 정도에 제공된다면 가장 도움이 많이 될 것이라고 하였으며, 시기상으로는 성적이 나오는 학기말이나 다음학기 수강신청을 준비하는 방학기간 중에 제공된다면 수강신청에 가장 크게 도움이 될 것이라고 하였다. 셋째, 학습성과 기반 추천교과목 목록에 대한 연구참여자들의 의견 및 도움 정도를 살펴보면, 앞서 언급하였듯이 대학 교육과정 내 교과 추천의 경우 학사제도에 따라 필수과목을 우선적으로 채워야 하는 상황에서 크게 실효성을 발휘하기 어려울 것이라 생각하는 의견이 많았다. 이는 대학 내 맞춤형 학습의 효과적 실행을 위해서는 유연한 학사제도에 대한 개 선이 필요함을 시사하였다.
둘째, 유연한 학사제도를 통한 학생들의 학습선택권을 보장하는 것 또한 맞춤형 학습을 촉진시킬 것이다. 연구 결과, 학생들은 전공에서 들어야 하는 필수과목의 수가 많아 타 과의 과목들에 대해서는 들어본적도, 관심을 기울일 필요도 적으며 선택과목의 수가 제한적이라 본인이 관심 있거나 필요한 수업을 들으려 해도 선택의 기회가 적었다. 따라서 학생들이 본인들에게 필요하다고 생각하는 분야 또는 역량을 다루는 수업을 선택할 수 있도록 본인 전공 외에 다른 전공의 수업들에 대한 정보도 충분히 제공하고, 가능한 선택 학점을 늘리는 것 또한 고려해야 한다.
연구참여자들의 학습스타일 분석 결과를 종합해보면, 6명중에서 정보지각 영역에서는 전원이 감각형으로, 정보입력 영역에서는 시각형 5명과 언어형 1명으로, 정보처리 영역에 서는 활동형 4명과 성찰형 2명으로, 정보이해 영역에서는 연속형 3명과 포괄형 3명으로 나타났다. 다음으로 연구참여자들이 영역별 유형에 본인이 속한다고 답한 응답횟수를 분석한 결과(그림 2 참조), 하나의 유형에 속한다고 결정된다 하여도 나머지 하나의 유형과 응답 횟수의 결과의 차이가 미비한 경우가 꽤 있음을 알 수 있었다.
첫째, 연구 결과 연구 참여자들은 모두 3, 4학년이었음에도 불구하고 연구에서 활용된 역량명에 대한 이해도가 매우 낮았으며, 본인의 전공에서 필수로 함양해야 하는 역량 및 각각의 필수 역량과 매칭되는 과목에 대해 거의 알고 있지 못하였다. 따라서 역량기반 맞춤형 학습을 위해서는 학생들이 역량 개념에 대해 잘 이해하고 교과별로 중점을 두는 필수 역량들이 무엇인지 상세히 파악할 수 있도록 충분한 정보를 제공하려는 노력이 필요할 것이다[11,13].
후속연구
그러므로 이러한 기초연구를 기반으로 향후 국내 대학의 성공적인 맞춤형 학습 지원 체계 구축을 위한 다양한 실증적 연구가 진행될 필요가 있겠다. 구체적으로, 본 연구에서 파일럿 테스트로 진행된 맞춤형 학습 진단 및 학습 가이드 제공 프로세스를 실제 대학 내 시스템으로 정착시키고 이러한 맞춤형 학습의 지원이 학생들의 실질적 학습성과 및 만족도에 어떠한 영향을 미치는지에 대한 실증 연구가 요구된다. 또한 맞춤형 학습을 촉진하는 학습자 개인특성 및 환경적 특성에 대한 다양한 실증 연구를 통해 대학 내 맞춤형 학습의 성공적 지원을 위한 유의미한 시사점을 제공할 수 있겠다.
따라서 본 연구의 결과는 K대학의 특수성과 선정된 연구참여자들의 특성 및 개인적 경험이 반영된 것으로 이러한 실천적 시사점을 일반화하여 해석하는 것에 있어서는 다소 무리가 있겠다. 그러므로 이러한 기초연구를 기반으로 향후 국내 대학의 성공적인 맞춤형 학습 지원 체계 구축을 위한 다양한 실증적 연구가 진행될 필요가 있겠다. 구체적으로, 본 연구에서 파일럿 테스트로 진행된 맞춤형 학습 진단 및 학습 가이드 제공 프로세스를 실제 대학 내 시스템으로 정착시키고 이러한 맞춤형 학습의 지원이 학생들의 실질적 학습성과 및 만족도에 어떠한 영향을 미치는지에 대한 실증 연구가 요구된다.
본 연구는 맞춤형 학습 지원을 위한 탐색적 연구로 K대 학 3,4학년으로 구성된 6명의 재학생을 연구참여자로 선정하여 진행하였다. 따라서 본 연구의 결과는 K대학의 특수성과 선정된 연구참여자들의 특성 및 개인적 경험이 반영된 것으로 이러한 실천적 시사점을 일반화하여 해석하는 것에 있어서는 다소 무리가 있겠다. 그러므로 이러한 기초연구를 기반으로 향후 국내 대학의 성공적인 맞춤형 학습 지원 체계 구축을 위한 다양한 실증적 연구가 진행될 필요가 있겠다.
구체적으로, 본 연구에서 파일럿 테스트로 진행된 맞춤형 학습 진단 및 학습 가이드 제공 프로세스를 실제 대학 내 시스템으로 정착시키고 이러한 맞춤형 학습의 지원이 학생들의 실질적 학습성과 및 만족도에 어떠한 영향을 미치는지에 대한 실증 연구가 요구된다. 또한 맞춤형 학습을 촉진하는 학습자 개인특성 및 환경적 특성에 대한 다양한 실증 연구를 통해 대학 내 맞춤형 학습의 성공적 지원을 위한 유의미한 시사점을 제공할 수 있겠다.
종합해보면, K대학 내 성공적인 맞춤형 학습 추진을 위해서는, 학생들의 학업 성취수준 및 결과에 대한 풍부하고 정확한 정보를 제공하려는 교수자의 노력이 필요하며, 학사제도에서 있어서도 학생의 성취수준에 맞는 학습선택권을 보장하기 위해 필수학점에 대한 기준을 완화하는 것이 필요하겠다. 또한 학생들에게 실질적으로 도움이 될 수 있는 개인별 학사상담 및 진로컨설팅과 같은 다양한 학습지원 제도 및 서비스 마련이 검토되어야 할 것이다.
따라서 학습성과 분석 등 여러 데이터 및 정보 서비스를 제공할 시, 이를 통해 관련 수업을 수강하게 되면 진로 및 취업에 어떻게 도움이 될지에 대해 상세히 설명해 줄 필요가 있겠다. 또한, 앞서 언급한 바와 같이 단순히 결과지를 제공하는 것에 그치는 것이 아니라, 그 결과에 대해 상세히 설명해주고 어떻게 활용하면 좋을지를 가이드 해 줄 수 있는 설명 혹은 상담의 시간을 함께 제공해야 하겠다. 분석 결과를 학생들에게 서면으로 전달하는 경우 학생들이 미처 확인하지 못하거나 이해를 잘하지 못할 수 있으므로, 맞춤형 학습지원 컨설팅 서비스를 통해 면대면으로 분석 결과에 대해 알려주는 상담시간이 제공되어야 그 결과가 더 효과적으로 전달될 수 있을 것으로 예상된다.
마지막으로, 대학의 맞춤형 학습 지원 성과를 극대화하기 위해서는 학습자들의 학습관련 다양한 데이터를 축적하고 관리하는 적극적인 노력이 선행되어야 한다. 앞서 이론적 배경에서 살펴본 해외 대학의 맞춤형 학습 사례의 경우, 빅데이터 및 학습분석 기법을 통해 다양한 학습자 분석을 시도하고 있었으며, 이를 통해 학습성과 예측도 가능하였다.
또한, 앞서 언급한 바와 같이 단순히 결과지를 제공하는 것에 그치는 것이 아니라, 그 결과에 대해 상세히 설명해주고 어떻게 활용하면 좋을지를 가이드 해 줄 수 있는 설명 혹은 상담의 시간을 함께 제공해야 하겠다. 분석 결과를 학생들에게 서면으로 전달하는 경우 학생들이 미처 확인하지 못하거나 이해를 잘하지 못할 수 있으므로, 맞춤형 학습지원 컨설팅 서비스를 통해 면대면으로 분석 결과에 대해 알려주는 상담시간이 제공되어야 그 결과가 더 효과적으로 전달될 수 있을 것으로 예상된다.
대학기관은 다양한 채널을 통해 학생들에게 역량 및 교과에 대한 충분한 정보를 제공할 필요가 있으며, 또한 교수자들은 역량을 기반한 체제화 된 수업설 계 및 학습성과 평가 통해 학생들의 성취 역량 및 수준에 대한 정확한 정보를 제공해야 한다[14,15]. 이러한 문제점을 개선하기 위해서는 대학은 교수자가 효과적인 역량기반 수업설계 및 평가를 운영할 수 있도록 교수 전문성과 관심을 높이기 위한 다양한 지원을 검토할 수 있을 것이다.
연구참여자들의 맞춤형 학습에 대한 공통적인 요구(needs)로서, 대학 이 학생들의 성취수준(성적) 및 학습이력을 기반으로 학습솔루션과 필요한 교과연계를 제공해줄 수 있는 맞춤형 학사상담과 이를 기반으로 진로·적성을 탐색할 수 있는 기회 제공이 필요함을 진술하였다. 종합해보면, K대학 내 성공적인 맞춤형 학습 추진을 위해서는, 학생들의 학업 성취수준 및 결과에 대한 풍부하고 정확한 정보를 제공하려는 교수자의 노력이 필요하며, 학사제도에서 있어서도 학생의 성취수준에 맞는 학습선택권을 보장하기 위해 필수학점에 대한 기준을 완화하는 것이 필요하겠다. 또한 학생들에게 실질적으로 도움이 될 수 있는 개인별 학사상담 및 진로컨설팅과 같은 다양한 학습지원 제도 및 서비스 마련이 검토되어야 할 것이다.
앞서 이론적 배경에서 살펴본 해외 대학의 맞춤형 학습 사례의 경우, 빅데이터 및 학습분석 기법을 통해 다양한 학습자 분석을 시도하고 있었으며, 이를 통해 학습성과 예측도 가능하였다. 향후 국내 대학에서도 개인의 성취수준, 흥미, 진로희망 등 학습자의 다양한 특성을 고려한 맞춤형 학습을 지원하기 위해서는 학생들의 학습과 관련된 다양한 데이터가 축적, 관리되어야 할 것이다. 이를 위해 대학에서는 빅데이터 및 학습분석 분야의 전문인력을 확보하는 것이 필요하며, 교수자의 경우 분석되는 다양한 객관적 데이터를 쉽게 접근하고 또 수업에 적절하게 활용할 수 있도록 교육관리시스템이 구축되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
맞춤형 학습이란?
21세기에는 학생들이 지닌 다양한 분야의 능력, 소질, 적성의 계발과 활용을 통해, 복잡한 문제 상황에서 문제를 해결할 수 있는 실천적인 능력으로서의 역량을 가진 인재를 양성해야 한다는 것이다[2]. 그리고 그러한 인재양 성을 위한 해답 중 하나로 학습자의 특성과 상태에 대해 진단하고 그에 기반을 둔 교수·학습 처방을 하는 맞춤형 학습 (personalized learning)의 적용을 들 수 있다[3]. 학습자 개개인의 역량을 측정하고 분석하여 그에 맞는 교육과정을 제공하는 맞춤형 학습의 적용은 대학으로 하여금 학습자들에게 부족한 부분을 파악하고 이를 강화할 수 있는 기회를 제공하는 동시에 미래사회가 요구하는 역량을 갖춘 인재를 양성하는데 도움을 줄 것이다.
맞춤형 학습을 적용하고자 하는 이유는 무엇인가?
그러나 이러한 학업성취 중심의 접근은 지식기반 사회에서 요구되는 다원적인 능력을 갖춘 인재를 양성하기에는 부족하다는 주장이 최근 설득력을 얻고 있다[1]. 21세기에는 학생들이 지닌 다양한 분야의 능력, 소질, 적성의 계발과 활용을 통해, 복잡한 문제 상황에서 문제를 해결할 수 있는 실천적인 능력으로서의 역량을 가진 인재를 양성해야 한다는 것이다[2]. 그리고 그러한 인재양 성을 위한 해답 중 하나로 학습자의 특성과 상태에 대해 진단하고 그에 기반을 둔 교수·학습 처방을 하는 맞춤형 학습 (personalized learning)의 적용을 들 수 있다[3].
K대학의 구체적 소재와 특징은?
위와 같은 필요성에 기초하여 본 연구는 K 대학에 역량기반 맞춤형 학습을 도입하고 이를 효과적으로 지원하기 위한 방안을 학습자 대상의 탐색적 연구를 통해 검토하고자 하였다. K대학의 경우, 충청권에 위치하고 있는 직업능력개발 관련 특수목적대학으로, 급변하는 산업기술 환경에 빠르게 대 처하고 역량 있는 미래인재를 육성하기 위해 현장중심의 실험·실습을 강화한 공학 교육과정을 운영하고 있으며, 재학생들의 학습관련 요구 충족 및 학업성취도 향상을 위해 다양한 학습지원 방안을 구축하고자 한다. 이에 이 연구에서는 맞춤형 학습 및 역량 기반 학습과 관련된 선행연구들을 분석하여 역량 기반 맞춤형 학습 지원에 관한 시사점을 얻고 선정된 학생들을 대상으로 학습자 특성과 관련된 데이터를 활용한 파일럿 테스트(Pilot test)를 진행한 후, 이를 바탕으로 국내 대학의 학습자 맞춤형 학습 지원 방안을 위한 시사점 및 실천적 함의를 도출하고자 한다.
참고문헌 (24)
J. W. Keefe and J. M. Jenkins, "Personalized instruction: The key to student achievement," Lanham, Maryland: Rowhan & Littlefield Education, 2008.
D. Hargreaves, "Personalising learning: Next steps in working laterally," Specialist Schools Trust, 2004.
J. DiMartino, J. Clarke, and D. Wolk, "Personalised learning: Preparing high school students to create their futures," Lanham, MD, Scarecrow Press, 2003.
K.W. Lee, J. R. Kwon, and S. C. Oh, Research on ways to support personalized learning in classrooms, KICE, 2008.
S. K. Park, Y. R. Lee, W. Lee, P. K. Kim, M. S. Lee, and K. Jung, The 7th Discussion Analysis on Educational Process, KICE, 2004.
S. J. Hong, T. E. Kim, E. Y. Hwang, Y. N. Kim, and J. H. Son, Research on Supprting Ways to Adaptive Learning to Elementary School, KICE, 2009.
S. Tomlinson, Education in a post welfare society, UK: McGraw-Hill Education, 2005.
E. D. Brown, Breaking ranks: Changing an American Institution. Diane Publishing Company, 1999.
S. Park, "A national conversation about personalized learning," Nottingham: DfES, 2004.
Finnish National Board of Education, National core curriculum for basic education 2014, Helsinki: Finnish National Agency for Education, 2016.
I. Halinen, The new educational curriculum in Finland. In M. Matthes, L. Pulkkinen, C. Clouder, and B. Heys (Eds.), Improving the quality of childhood in Europe, 2018.
J. S. Yang, "A case study on competence-based curriculum in finnish secondary home economics curriculum," Korean Home Economics Education Association, vol. 31, no. 4, pp. 19-39, 2019.
H. Y. Kim, K. Min, and J. J. Jung, "Development and validation of collegiate core competency assessment: focused on the case of a university," Korean Journal of General Education, vol. 12, no. 3, pp. 63-87, June 2018.
Y. S. Chung, H. J. Yun, and S. Kong, "Developing customized extra-curriculum to cultivate key competences of university students," Korean Journal of General Education, vol. 13, no. 5, pp. 293-321, October 2019.
Y. H. Lee and Y. K. Kim, "A study on the teaching case for enhancing core competency of undergraduate students using K-CESA - Focusing on strengthen community capacity," Korean Journal of General Education, vol. 13, no. 5, pp. 273-291, 2019.
Dongailbo, "Evolution of Smart Campus: The First A.I Campus," 2017, [Online]. http://www.donga.com/news/article/all/20170628/85098313/1
Y. H. Hwang and Y. L. Cho, "Individual learning reflecting: understanding and application," Seoul: Education and Science, 2005.
J. H. Im, S. K. Bum, and Y. M. Kim, "LMS for generous higher education standard based model planning research report," CR 2010-10, KERIS, 2010.
I. A. Kang, J. I. Choi, and K. W. Jang, "Remind and Expectations toward constructivism research," Educational Technology Research, vol. 22, no. 4, pp. 105-135, 2006.
W. C. Bosch, J. L. Hester, V. M. MacEntee, J. A. MacKenzie, T. Morey, J. T. Nochols, P. A. Pacitti, B. A. Shaffer, P. B. Tomascak, S. P. Weber, and R. R. Young "Beyond lip-service: An operational definition of "Learning-centered College," Innovative Higher Education, vol. 33, no. 2, pp. 83-98, 2008.
Education Week, "Curriculum 'Playlists': A Take on Personalized Learning," 2017, [Online]. Available: http://www.edweek.org/ew/articles/2017/03/29/curriculum-playlists-a-take-on-personalized-learning.html.
Educause Review, Big Data Analysis in Higher Education: Promises and Pitfalls," 2016, [Online]. Available: http://er.educause.edu/articles/2016/8/big-data-analysis-in-higher-education-promises-and-pitfalls.
J. Park, H. Woo, Y. Yi, S. Hwang, K. Noh, and W. Kim, "An exploration of career competency mobility map (CCMM) focusing on engineering students in K University", Journal of Practical Engineering Education, vol. 11, no. 2, pp. 195-206, 2019.
M. S. Zywno, "A contribution of score meaning for felder-solomon's index of learning styles," Proceeding of 2003 Annual ASEE Conference, 2003.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.