개별 맞춤형 학습을 위한 인공지능(AI) 기반 수학 디지털교과서의 학습자 데이터 구축 모델
A Model for Constructing Learner Data in AI-based Mathematical Digital Textbooks for Individual Customized Learning
0
조회
0
다운로드
15
인용
0
참고문헌
키워드
초록
인공지능 기반의 수학 디지털교과서의 가장 핵심적인기능으로 여겨지는 개별 맞춤형 교수·학습이 실현되기 위해서는 개별 학생의 여러 가지 특성 요인에 대한 명확한분석과 진단이 가장 관건이다. 본 연구에서는 수학 AI 디지털교과서에서 개별 맞춤형 학습 진단을 위한 분석 요인과 도구, 데이터 수집·분석을 위한 구축 모델을 도출하였다. 이를 위하여 최근 교육부의 AI 디지털교과서 적용 계획에 따른 수학 AI 디지털교과서에 대한 요구, 개별화 맞춤형 학습과 이를 위한 데이터에 대한 선행 연구, 수학 디지털플랫폼에서 학습자 분석에 대한 요인 등이 검토되었다. 연구 결과, 연구자는 학생 개인별로 수집해야 할 데이터로 학습 분석을 위한 요인으로 학습 준비도, 과정 및 수행도, 성취도, 취약점, 성향 분석을 위한 요인으로 학습 지속 시간, 문제해결에 걸린 시간, 집중도, 수학학습 습관, 정서 분석을 위한 요인으로 자신감, 흥미, 불안, 학습의욕, 가치 인식, 태도 분석을 위한 요인으로 자기 관리, 학습전략으로 정리하였다. 또한, 이러한 요인에 대한 데이터수집 도구로, 문제에 대한 정오 데이터, 학습 진도율, 학생활동에 대한 화면 녹화 자료, 이벤트 데이터, 시선 추적장치, 자기 응답 설문 등을 제안하였다. 최종적으로 이러한 요인들을 학습 전, 중, 후로 시계열화한 데이터 수집모델이 제안되었다.
Abstract
Clear analysis and diagnosis of various characteristic factors of individual students is the most important in order to realize individual customized teaching and learning, which is considered the most essential function of math artificial intelligence-based digital textbooks. In this study, analysis factors and tools for individual customized learning diagnosis and construction models for data collection and analysis were derived from mathematical AI digital textbooks. To this end, according to the Ministry of Education's recent plan to apply AI digital textbooks, the demand for AI digital textbooks in mathematics, personalized learning and prior research on data for it, and factors for learner analysis in mathematics digital platforms were reviewed. As a result of the study, the researcher summarized the factors for learning analysis as factors for learning readiness, process and performance, achievement, weakness, and propensity analysis as factors for learning duration, problem solving time, concentration, math learning habits, and emotional analysis as factors for confidence, interest, anxiety, learning motivation, value perception, and attitude analysis as factors for learning analysis. In addition, the researcher proposed noon data on the problem, learning progress rate, screen recording data on student activities, event data, eye tracking device, and self-response questionnaires as data collection tools for these factors. Finally, a data collection model was proposed that time-series these factors before, during, and after learning.
참고문헌 (48)
- 고호경, "수학학습 상담을 위한 진단 검사지 개발 연구", 수학교육 논문집, 29(4), pp.723~743 (2015), 한국수학교육학회
- 제3차 수학교육 종합계획, "교육부", 교육부, ~ (2020)
- 교육부, "디지털기반 교육혁신 방안 2023년 2월24일자", ~ (2023)
- "카드뉴스"[URL]
- 교육부, "AI 디지털교과서개발 가이드라인", ~ (2023)
- 디지털교과서 상용화 추진 방안, "교육인적자원부", ~ (2007)
- 김성훈, "설명 가능한 AI 학습 지원 시스템 개발", 컴퓨터교육학회 논문지, 24(1), pp.107~115 (2021), 한국컴퓨터교육학회[DOI]
- 김수철, "과정중심의 초등학교 수학 진단평가 자료 개발 연구 - 온라인 학습 플랫폼 적용의 관점에서 -", 아시아태평양융합연구교류논문지, 8(11), pp.327~336 (2022), 사단법인 한국융합기술연구학회[DOI]
- 김화경, "컴퓨터 기반 평가에서 수학 기초학력 미달 학생의 특징 분석 : PISA 2018 문항 응답 시간과 동작을 중심으로", 학교수학, 22(3), pp.791~809 (2020), 대한수학교육학회
- 남윤석, "지적장애학생의 수학교수전략 개별화를 위한스캐폴딩 기반 코스웨어의 개발", 특수교육저널:이론과 실천, 8(3), pp.93~116 (2007), 한국특수교육문제연구소
- 류성림, "수학 학습 부진아의 개별화 교수 방법", 초등수학교육, 3(2), pp.115~131 (1999)
- 박선향, "학습역량 진단도구 개발 및 타당화 연구 -K대학 재학생을 중심으로-", 한국산학기술학회논문지, 22(11), pp.794~802 (2021), 한국산학기술학회[DOI]
- 박성익, "개별화학습의 전망과 과제", 교육방법연구, 20(1), pp.1~22 (2008), 한국교육방법학회[DOI]
- 박만구, "머신러닝 추천모듈이 적용된 맞춤형 학습 플랫폼 효과성 탐색: 학습시간, 자기주도적 학습능력, 수학에 대한 태도, 수학학업성취도를 중심으로", 수학교육, 59(4), pp.373~387 (2020), 한국수학교육학회[DOI]
- 박만구, "초등 수학에서 메타버스 수업 공간 설계 및 적용 사례 연구: 정의적 영역을 중심으로", 수학교육, 62(1), pp.117~149 (2023), 한국수학교육학회[DOI]
- 범은애, "인공지능(AI) 기반 맞춤형 학습의 효과검증: 기초 수학수업 사례 중심으로", 사물인터넷융복합논문지, 9(3), pp.35~43 (2023), 한국사물인터넷학회[DOI]
- 송다겸, "수학 성취도가 낮은 학생의 보충 지도 과정에서 블렌디드 e-러닝과 개별화 교수체제의 효과 비교 분석", 수학교육, 56(2), pp.161~175 (2017), 한국수학교육학회[DOI]
- 송민호, "디지털교과서 및 소프트웨어교육의 도입에 따른 수학교육 관점에서의 공학적 도구 설계 및 활용에 관한 고찰", 학습자중심교과교육연구, 16(11), pp.333~352 (2016), 학습자중심교과교육학회[DOI]
- 양성현, "GeoGebra의 ‘구성단계 네비게이션 바’와 ‘구성단계’ 기능을 활용한 과정 중심 평가 가능성 탐색", 수학교육학연구, 33(1), pp.57~80 (2023), 대한수학교육학회[DOI]
- 이기마, "국내 AI 수학 학습 플랫폼의 적응형 학습에 대한 분석", 한국학교수학회논문집, 26(3), pp.245~268 (2023), 한국학교수학회[DOI]
- 이봉규, "개별화 교수전략을 적용한 AI 기반 적응형 학습 시스템 활용 중학교 기초학력 미달 수업에 관한 참여적 실행연구", 학습자중심교과교육연구, 22(24), pp.333~359 (2022), 학습자중심교과교육학회[DOI]
- 이상구, "대화형 수학 디지털교과서 개발과 활용 사례 연구- 선형대수학을 중심으로-", 수학교육 논문집, 31(3), pp.241~255 (2017), 한국수학교육학회[DOI]
- 이영호, "맞춤형 프로그램 교육을 위한 지능형문제 해결 경로 예측 모델 개발", 박사, pp.2017
- 이현경, "학습자 데이터 기반 맞춤형 수업설계에 대한 초등학교 교사의 인식", 교육공학연구, 38(1), pp.37~67 (2022), 한국교육공학회[DOI]
- 인공지능(AI) 활용 초등수학 수업 지원시스템 개발방안 연구, "이현숙", 교육부, 한국과학창의재단, ~ (2019)
- 임현서, "맞춤형 학습컨설팅을 위한 학습 스타일 진단 도구 개발: H대학교 사례를 중심으로", 학습자중심교과교육연구, 22(22), pp.735~751 (2022), 학습자중심교과교육학회[DOI]
- 정제영, "포스트코로나 시대의 미래교육: 비대면지능형 교육 기술의 동향", 융합연구리뷰, 7(3), pp.4~29 (2021)
- 정평강, "데이터기반개별화(DBI)의 특성과 학생의 학업성취도에 미치는 효과: 문헌 연구", 학습장애연구, 15(1), pp.165~192 (2018), 한국학습장애학회[DOI]
- 조한혁, "실행식(Executable expression) 기반 SMART 스토리텔링 수학교육", 수학교육학연구, 24(2), pp.269~283 (2014), 대한수학교육학회
- 주정흔, "인공지능 기반 맞춤형 교육의 실제와 쟁점", 교육비평, (52), pp.23~63 (2023), 교육비평[DOI]
- 진성희, "이러닝 학습환경에서 학습분석기반 대시보드 연구동향 분석", 교육정보미디어연구, 21(2), pp.185~213 (2015), 한국교육정보미디어학회[DOI]
- 최숙기, "학습자 맞춤형 국어과 수업 설계를 위한 인지진단모형의 활용 방안 연구", 청람어문교육, (87), pp.73~101 (2022), 청람어문교육학회[DOI]
- 최인선, "수학교실에서 인공지능(AI)을 활용한 교수학습 방안 탐색: 중학교 통계 단원 시나리오 개발을 중심으로", 한국학교수학회논문집, 25(2), pp.149~174 (2022), 한국학교수학회[DOI]
- "초등학교 수학클리닉 사전검사 매뉴얼" (2020), 한국과학창의재단[URL]
- 수학학습지원을 위한 인공지능 종합시스템 구축 ISP, "한국과학창의재단", 한국과학창의재단, ~ (2021)
- 한국과학창의재단, "2022 개정 교육과정에 따른수학·과학 AI 디지털교과서 검정 실시 공고", 한국과학창의재단 공고 제2023-0028호, ~ (2023)
- 허남구, "활동 중심 수학과 디지털교과서의 개발 및 적용", 수학교육학연구, 25(2), pp.241~261 (2015), 대한수학교육학회
- 홍옥수, "인공지능(AI) 초등수학수업 지원시스템 개발 및 운영방안 연구" (2021), 교육부, 한국과학창의재단
- Cengel, M., "Proceedings of the first North American GeoGebra Conference", pp.136~146 (2010), Ithaca College
- Coffield, F., "Learning styles and pedagogy in post-16learning: A systematic and critical review" (2004), Learning and Skills Research Centre
- Karsenti, T., "Artificial intelligence in education : The urgent need to prepare teachers for tomorrow’s schools", Formation et Profession, 27(1), pp.105~111 (2019)
- Paul A. Kirschner, "Stop propagating the learning styles myth", Computers & Education, 106, pp.166~171 (2017), Elsevier BV[DOI]
- Ma, W., "Intelligent tutoring systems and learningoutcomes : A meta-analysis", Journal of Educational Psychology, 106(4), pp.901~918 (2014)
- Leonard Tetzlaff, "Developing Personalized Education: A Dynamic Framework", Educational Psychology Review, 33(3), pp.863~882 (2020), Springer Science and Business Media LLC[DOI]
- Wu. L. J., "Developing cognitive diagnostic assessments system for mathematics learning", Proceedings of the 12th IEEE International Conference on Advanced Learning Technologies, ICALT 2012, pp.228~229 (2012), IEEE Computer Society
- Schwendimann, B. A., "Perceiving learning at a glance : A systematic literature review of learning dashboard research", IEEE Transactions on Learning Technologies, 10(1), pp.30~41 (2017)
- Venturini, M., "Digital technologies in designing mathematics education tasks:Mathematics Education in the Digital Era", pp.77~98 (2017), Springer International Publishing Switzerland
- Zawacki-Richter, O., "Systematic review of research on artificial intelligence applications in higher education-where are the educators?", International Journal of Educational Technology in Higher Education, 16(1), pp.1~27 (2019)