메타버스 학습환경에서 인지조절 전략 제공 방식과 과제 유형이 대학생의 학습참여와 정서에 미치는 영향
The Impact of Delivery Methods for Cognitive Regulation Strategies and Task Types on Learning Engagement and Emotion in Metaverse
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
이 연구는 메타버스 학습환경에서 인지조절 전략 제공 방식(아바타 vs. 프롬프트)과 학습 과제 유형(지식이해, 적용분석, 문제해결)이 학습자의 학습참여, 정서, 학습성취에 미치는 영향을 분석하는 데 목적이 있다. 이를 위해 메타버스 기반 학습환경을 설계하고, 학습을 촉진하기 위한 인지조절 전략을 구성하였다. 실험에는 대학생 68명이 참여하였으며, 이들은 전략 제공 방식에 따라 두 집단으로 무선 배치되어 세 가지 유형의 과제를 순차적으로 수행하고, 각 과제 종료 후 학습참여 설문에 응답하였다. 학습 전후에 성취도 평가를 실시하였고, 학습 중에 얼굴표정을 수집하여 정서를 분석하였다. 자료 분석은 반복측정 분산분석 및 다변량 분산분석을 활용하였으며, 정서 분석에는 iMotions사의 얼굴표정 분석 소프트웨어를 사용하였다. 분석 결과, 프롬프트 제공 집단은 인지적 학습참여가 유의하게 높았으며, 아바타 제공 집단은 정서가와 재인 기반 학습성취에서 더 높은 효과를 보였다. 과제 유형에 따라서는 문제해결 과제에서 전반적인 학습참여 수준이 가장 높았다. 또한 과제 유형과 전략 제공 방식 간의 상호작용도 확인되었으며, 적용분석 과제에서 아바타 제공 집단의 정서가가 유의하게 높았지만, 다른 과제에서는 두 집단 간 유의한 차이는 없었다. 이 연구는 메타버스 학습환경에서 인지조절 전략을 설계할 때 과제 유형과 전략 제공 방식을 함께 고려할 필요가 있음을 시사한다.
Abstract
This study examined the effects of cognitive regulation strategy delivery methods (avatar-based vs. prompt-based) and task types (conceptual, application, and problem-solving) on learners’ engagement, emotion, and learning achievement in a Metaverse learning environment. A Metaverse-based environment was designed to incorporate cognitive regulation strategies to support learning. Sixty-eight college students participated in the experiment and were randomly assigned to either the avatar or the prompt condition. Participants sequentially completed three types of tasks, and after each task, they responded to a learning engagement survey. Learning achievement was measured before and after the session, and facial expressions were recorded during learning to assess emotional valence. Repeated measures ANOVA and MANOVA were used for data analysis, and emotion was analyzed using facial recognition software developed by iMotions. The results showed that the prompt group exhibited significantly higher cognitive engagement, whereas the avatar group demonstrated more positive emotional valence and higher recognition-based achievement. Regarding task type, problem-solving tasks elicited the highest overall engagement across both groups. Furthermore, a significant interaction effect was found between task type and strategy delivery method: the avatar group showed significantly higher emotional valence during the application task, while no significant differences were observed for the other tasks. These findings highlight the importance of considering the interaction between task complexity and regulation strategy when designing compelling Metaverse-based learning experiences.