대학 블랜디드 학습 환경에서 학습자 특성과 온라인 학습 활동이 학업 성취에 미치는 효과: 학습분석 접근법
The Effect of Student Characteristics and Online Behaviors on Student Learning Achievement in Blended-learning Environments Using Learning Analytics Approaches
0
조회
0
다운로드
17
인용
0
참고문헌
키워드
초록
본 연구의 목적은 대학 블랜디드 학습 환경에서 학습자 특성과 온라인 학습 활동이 학업 성취에 어떠한 영향을 미치는지를 분석하는 것이다. 학습자의 인구학적 특성과 LMS 상에서 이루어지는 학습 환경과의 상호작용 정보를 분석한다면 학습자의 학업 성취를 유의미하게 예견하고 학습 태만이나 탈락을 예방하기 위한 적절한 피드백을 제공할 수 있을 것이다. 본 연구에서는 학습자의 특성과 학습 활동이 학업 성취에 미치는 영향 분석하기 위한 방법으로 학습 분석을 활용하였다. 본 연구에서 자료 분석은 자료의 특성상 순서형 로지시틱 회귀분석을 실시하였다. 예측변수로는 학습자특성과 온라인학습과정이며, 학습자 특성은 성별, 전공영역의 세부 예측 변수로 설정하였고, 모두 명목척도를 사용하였다. 학습과정은 주차별 온라인 활동, 출결, 주차당 평균 접속 횟수, 주차당 평균 학습 시간으로 설정하였으며, 결과 변수는 최종 학업 성취도였다. 결과로 블랜디드 학습 환경에서 학습자의 학업 성취도에 가장 큰 영향을 주고 있는 예측 요인은 학습자의 1주와 2주차 과제 제출 여부였다. 다음으로는 LMS 접속 횟수와 학습 시간인 것으로 나타났으며, 학습자 특성 변수로는 여성인 경우 학업 성취도를 유의미하게 예측하는 것으로 나타났다.
Abstract
The purpose of this study is to investigate the relationships between student characteristics, online learning activities, and learning outcomes in blended-learning environments. Studies on learning analytics in higher education consistently suggest that the analytics regarding the relationships among student demographic data, student interaction or behaviors on the LMS will predict the at-risk students and will provide the appropriate feedback to lower drop-out rates. Two types of logistic regression analyses were conducted to understand student learning and predict the learning performance in blended-learning environments. The results revealed that the best predictive variables for student learning performance were the student’s first and second week activities on the LMS - assignment submission behaviors on the first and second weeks. In addition, frequency of log-in activities on the LMS and learning time were significantly related to student performance on the course. This study provided highly reliable predictive models (85%-95%classification rate) using student LMS weekly behaviors with student characteristics to predict student performance in blended-learning environments.
참고문헌 (38)
- 강명희, "웹기반 협력학습 성취도에 대한 학습자의 성취목표지향성과 상호작용중심성의 예측력 규명", 교육방법연구, 22(2), pp.163~185 (2010), 한국교육방법학회
- 강민석, "사이버대학 e-러닝환경에서 학업성취도에 영향을 미치는 학습 참여 변인 규명", 인터넷정보학회논문지, 10(5), pp.135~143 (2009), 한국인터넷정보학회
- 권호천, "온라인 학습자 상호작용과 학업성취도의 관계: 사이버대학 수업 질문답변 게시판을 중심으로", 사이버커뮤니케이션학보, 26(2), pp.5~37 (2009), 사이버커뮤니케이션학회
- 박연정, "학습 분석학 기반 대시보드의 설계와 적용", 교육정보미디어연구, 20(2), pp.191~216 (2014), 한국교육정보미디어학회
- 최명숙, "대학 교육에서 e-러닝의 학습효과와 관련된변인들의 관계 분석", 교육공학연구, 24(1), pp.27~53 (2008), 한국교육공학회
- 서희전, "온라인 학습공동체에서 학습자 특성, 학습자간 상호작용, 학습결과 간의 관계 분석", 교육공학연구, 21(2), pp.1~28 (2005), 한국교육공학회
- 유지원, "일반대학에서 교양 e-러닝 강좌의 중도탈락 예측모형 개발과 조기 판별 가능성 탐색", 컴퓨터교육학회 논문지, 17(1), pp.1~12 (2014), 한국컴퓨터교육학회
- 이종연, "웹 기반 교육에서 학습자의 자기주도성 및 사전지식과 전달전략이 학습만족도와 학업성취도에 미치는 영향", 교육공학연구, 18(3), pp.3~25 (2002), 한국교육공학회
- 고등교육 범용 학습관리 시스템(LMS) 기준모형개발 기획 연구, "임진혁", 한국교육학술정보원, ~, pp.연구보고 CR 2010-10 (2010)
- 조용상, "학습 분석 기술 활용 가능성 및 전망", 한국통신학회지(정보와통신), 31(12), pp.73~80 (2014)
- 조일현, "이러닝에서 학습자의 시간관리 전략이 학업성취도에 미치는 영향: 학습분석학적 접근", 교육정보미디어연구, 19(1), pp.83~107 (2013), 한국교육정보미디어학회
- 조일현, "학습분석학을 활용한 e-러닝 학업성과 추정 모형의 통계적 유의성 확보 시점 규명", 교육공학연구, 29(2), pp.285~306 (2013), 한국교육공학회
- 한재훈, "사이버 대학에서 학습자 특성 및 학습 활동이 학업성취도에 미치는 영향: 3P 모형을 활용한 학습분석적 접근", 교육정보미디어연구, 21(2), pp.309~332 (2015), 한국교육정보미디어학회[DOI]
- Arnold, K. E., "Course signals at Purdue: using learning analytics to increase student success", Proceedings of the 2nd International Conference on Learning Analytics and Knowledge, pp.267~270 (2012), ACM
- Ashong, C. Y., "Ethnicity, Gender, and Perceptions of Online Learning in Higher Education", MERLOT Journal of Online Learning and Teaching, 8(2) (2012)
- Baker, R., "The Cambridge Handbook of Learning Sciences", pp.253~272 (2014), Cambridge University Press
- Barnard, L., "Perceptions of online course communications and collaboration", Online Journal of Distance Learning Administration, 10(4) (2007)
- Biglan, A., "The characteristics of subjectmatter in different scientific areas", Journal of Applied Psychology, 57, pp.195~203 (1973)
- Biglan, A., "Relationships between subjectmatter characteristics and the structure and output of university departments", Journalof Applied Psychology, 57, pp.1204~1213 (1973)
- "Time factors in learning. research on school effectiveness project: opic summary report" (1981)[URL]
- Dietz-Uhler, B., "Using learning analytics to predict(and improve)student success : A faculty perspective", Journal of Interactive Online Learning, 12(1), pp.17~26 (2013)
- Dyckhoff, A. L., "Design and implementation of a learning analytics toolkit for teachers", Journal of Educational Technology & Society, 15(3), pp.58~76 (2012)
- Fisher, J., "Learning analytics: a bottom-up approach to enhancing and evaluating students' online learning" (2014), University of New England: Office for Learning and Teaching
- Garrison, D. R., "Blended learning in higher education: Framework, principles, and guidelines" (2008), John Wiley & Sons
- Hosmer Jr, D. W., "Applied Logistic Regression" (2000), John Wiley & Sons
- Jayaprakash, S. M., "Early alert of academically at-risk students : An open source analytics initiative", Journal of Learning Analytics, 1(1), pp.6~47 (2014)
- 조일현, "Analysis of Online Behavior and Prediction of Learning Performance in Blended Learning Environments", Educational Technology International, 15(2), pp.71~88 (2014), 한국교육공학회
- Jo, I. H., "Constructing Proxy Variables to Measure Adult Learners’ Time Management Strategies in LMS", Educational Technology & Society, 18(3), pp.214~225 (2015)
- Li, N., "Gender and cultural differences in Internet use : A study of China and the UK", Computers & Education, 48(2), pp.301~317 (2007)
- Lim, D. H., "Learner and instructional factors influencing learning outcomes within a blended learning environment", Journal of Educational Technology & Society, 12(4), pp.282~293 (2009)
- Macfadyen, L. P., "Mining LMS data to develop an"early warning system"for educators : A proof of concept", Computers & Education, 54(2), pp.588~599 (2010)
- Mattingly, K. D., "Learning analytics as a tool for closing the assessment loop in higher education", Knowledge Management & E-Learning : An International Journal(KM&EL), 4(3), pp.236~247 (2012)
- Ong, C. -S., "Gender differences in perceptions and relationships among dominants of e-learning acceptance", Computers in Human Behavior, 22, pp.816~829 (2006)
- Pal, S., "Mining educational data to reduce dropout rates of engineering students", International Journal of Information Engineering and Electronic Business(IJIEEB), 4(2), pp.1~ (2012)
- "What are learning analytics. ELEARNSPACE: Learning, networks, knowledge, technology, community" (2010)[URL]
- Siemens, G., "Penetrating the Fog : Analytics in Learning and Education", EDUCAUSE review, 46(5), pp.30~ (2011)
- Wang, A. Y., "Predictors of performance in the virtual classroom : Identifying and helping at-risk cyber-students", THE Journal(Technological Horizons In Education), 29(10), pp.21~25 (2002)
- Young, A., "Teacher education programmes delivered at a distance : An examination of distance student perceptions", Teaching and Teacher Education : An International Journal of Research and Studies, 24(3), pp.601~609 (2008)