온라인평생교육원의 STEP 온라인 수강생들의 특성 분석
Analysis of Online Students’ Characteristics at STEP of Online-Lifelong Education Institute
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 온라인평생교육원에서 제공하는 STEP의 온라인 서비스 수강생 15.7만여 명 및 51만여 건의 수강 데이터를 대상으로 기술 통계적 분석을 수행했다. STEP의 교육과정 유형인 기업맞춤, 상시제, 기수제에 따라서 각 유형별 수강생의 성적 분포를 분석하여, 그 성적의 분포가 10점 미만과 90점 이상이 다수인 극단적인 분포임을 확인하였다. 추가적으로, 미수료 수강생의 데이터를 대상으로 한 K-평균 군집화를 수행하여 미수료 수강생들의 특성을 분석하였다. 그 결과, 30-40대, 여름에 수강한 수강생들의 미수료율이 높다고 확인하였다. 또한, 전체 수강생들의 수료 여부 정보에 대하여 의사결정나무 기법을 적용하여 분석한 결과 다수의 강좌를 수강하는 남성, 전문대졸 수강생들의 미수료율이 높다는 것을 알 수 있었다. 따라서, STEP 수강생들의수료율을 높이기 위해 이러한 수강생들을 대상으로 학습을 더 독려할 필요가 있다.
Abstract
In this paper, we conducted a descriptive statistical analysis on the data of about 157 thousands of students and 510,000 enroll dataof the STEP online service provided by the Online Lifelong Education Institute. According to the classification such as companyadaptation, regular and cardinal, we analyzed the distributions of students’ grades for each classifications. As the result of analyzation,it was shown that the distribution of grades is extreme skewed such that there are large numbers of less than 10 points or morethan 90 points. In addition, K-means clustering was performed on the data of uncompleted students to analyze the characteristics ofthem. As a result, it was confirmed that the non-completion rate of students in 30 s and 40 s ages who took the course in the summer,was high. Furthermore, as a result of applying the decision tree technique to the completion status information of all students, wefound that the uncompleted rate of male and vocational college graduates taking a large number of courses was high. Consequently,we have to encourage learning to such STEP students in order to increase the completion rate.
참고문헌 (16)
- "2020-07 Domestic e-learning demand and introduction of regular educational institutions" (2020)[URL]
- "Korean Massive Open Online Course(K-MOOC)"[URL]
- "Smart Training Education Platform (STEP)"[URL]
- 임소현, "의사결정나무 분석 방법을 활용한 중·고등학교 3학년 학생의 진로정체성 예측모형 비교 연구: 개인-환경 상호작용을 중심으로", 청소년학연구, 27(6), pp.337~365 (2020), 한국청소년학회[DOI]
- 한정윤, "온라인 소프트웨어 교육에서 학습자의 자기조절학습 관련 특성에 기반한 온라인 학습 유형 분석: 계층적 군집 분석 기법을 활용하여", 컴퓨터교육학회 논문지, 22(5), pp.51~65 (2019), 한국컴퓨터교육학회[DOI]
- A. Jindal, "Decision Tree and SVM-Based Data Analytics for Theft Detection in Smart Grid", IEEE Transactions on Industrial Informatics, 12(3), pp.1005~1016 (2016)
- C. Yuan, "Research on K-value selection method of K-means clustering algorithm", J—Multidisciplinary Scientific Journal, 2(2), pp.226~235 (2019)
- C. M. Bishop, "Pattern Recognition and Machine Learning" (2016), Springer
- 방희봉, "대학평생교육원 성인학습자의 학습성과 영향요인 구조분석", 한국산학기술학회논문지, 16(11), pp.7474~7484 (2015), 한국산학기술학회[DOI]
- 이해듬, "학습분석학 관점의 대학 이러닝 학습자 군집화와 학업성취도 관계 분석: 이러닝 학습 시. 공간 데이터를 기반으로", 평생학습사회, 14(3), pp.97~118 (2018), 미래원격교육연구원[DOI]
- 이인숙, "e-Learning 환경에서의 협력학습을 위한 학습모형 및 학습행위요소 개발", 컴퓨터교육학회 논문지, 9(2), pp.27~36 (2006), 한국컴퓨터교육학회
- 문혜리, "K-MOOC 온라인 강좌의 학습동기와 이수율의 상관관계", 애니메이션연구, 15(4), pp.210~228 (2019), 한국애니메이션학회
- 오미자, "K-MOOC환경에서 자기조절학습, 교수실재감이 인지된 학업성취도에 미치는 영향", 평생학습사회, 16(2), pp.191~212 (2020), 미래원격교육연구원[DOI]
- 안치현, "온라인 교수학습 향상을 위한 이러닝 학습자의 특성분석", 한국정보기술학회논문지, 14(4), pp.187~194 (2016), 한국정보기술학회[DOI]
- I. Ben-Gal, "Data Mining and Knowledge Discovery Handbook" (2005), Springer
- R. Lletı, "Selecting variables for k-means cluster analysis by using a genetic algorithm that optimises the silhouettes", Analytica Chimica Acta, 515(1), pp.87~100 (2004)