AI 표정분석 기반 학습분석에 대한 교사의 데이터 해석 및 활용: 화상수업환경에서 학업정서 및 수업집중력을 중심으로
Teachers’ Interpretation and Use of AI-Based Facial Expression Learning Analytics: Focusing on Academic Emotions and Attention in Online Classes
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
현대 초등 교육에서는 학습자 중심 수업이 필수 과제로 부상하고 있으며, 특히 실시간 화상수업 환경에서는 학생의 정서 반응을 민감하게 감지하고 즉각 대응하는 교사의 전문성이 중요하다. 그러나 기존 학습분석 도구는 주로 정량적 지표에 의존하여 학습자의 정서적 변화를 충분히 반영하지 못하는 한계를 보인다. 본 연구는 AI 기반 학습분석 데이터를 제공받은 교사들이 학습분석 데이터를 어떻게 해석하고 수업에 반영하는지를 탐색하였다. 이를 위해 초등교사 4명과 학습부진 학생 4명을 대상으로, 화상수업 중 학생들의 표정을 녹화하고 FaceReader 소프트웨어로 분석한 정서 및 수업집중력 데이터를 5회에 걸쳐 제공하였다. 교사들은 데이터를 기반으로 수업을 조정하고, 연구 종료 후 심층 면담을 통해 데이터 활용 경험을 분석하였다. 연구 결과, 교사들은 데이터를 해석하는 과정에서 ‘탐색’, ‘이해’, ‘반성’의 활동을 나타냈다. 탐색에서는 부정정서를 신속히 감지하고, 긍정정서는 상황에 따라 선택적으로 주목하였다. 이해에서는 정서 변화의 원인을 학습 상황과 학생 특성에 연계하여 해석하고, 혼란을 학습몰입의 지표로 재해석하는 경향이 나타났다. 반성에서는 정서 변화에 기반하여 수업 전략과 상호작용 방식을 비판적으로 성찰하는 모습이 확인되었다. 또한 교사들은 데이터를 활용하여 ‘계획’과 ‘실천’의 과정을 수행하였다. 계획에서는 학생 정서 데이터를 반영해 수업 목표를 조정하고, 발문 방식, 설명 전략, 활동 난이도 등을 구체적으로 개선하였다. 실천에서는 다양한 교구 활용, 학생 중심 활동 강화, 실시간 수업 조정 등을 통해 수업 전략을 적용하였다. 반복적 데이터 제공은 교사들의 자기 성찰과 실천 지속성 인식을 심화시키는 데 기여하였다. 본 연구는 AI 기반 학습분석 데이터가 교사의 정서적 이해와 수업 설계 역량을 증진시킬 수 있음을 시사하며, 향후 데이터 기반 학습자 맞춤형 수업 혁신 방향을 제시한다.
Abstract
Real-time detection of students'’emotional reactions is critical for learner-centered instruction in elementary online education. However, learning analytics tools frequently overlook changes in emotions. This study investigated how elementary school teachers interpret and apply artificial intelligence (AI-)-based learning analytics data that reflect students’ emotions and attention. Four teachers and four underachieving students participated in the study. The students’ facial expressions during online classes were recorded and analyzed using FaceReader software, and the resulting data were shared with teachers over five sessions. The teachers modified their lessons according to the data and reflected on their experiences in poststudy interviews. Their practices involved exploration, interpretation, and reflection. They rapidly identified emotional cues, connected changes in emotions to learning contexts and student characteristics, and critically examined their instructional strategies. They revised lesson goals, adapted questioning techniques and task difficulty, and modified lessons in real time. Repeated exposure to emotional data enhanced their self-awareness and facilitated sustainable instructional improvements. These findings indicate that AI-based learning analytics strengthen emotional insights, instructional decision-making, and adaptive teaching in online elementary education.