본문 바로가기
KERD
논문KCI 등재

결정나무 분석을 활용한 강의평가 비교분석: 코로나19 이후 대학 수업의 개선방안 탐색

Comparative analysis of Lecture Evaluation using Decision Tree: Ways to Improve University Classes after COVID-19

이상철|정복주
한국컴퓨터정보학회 (The Korean Society Of Computer And Information)|2023.04|한국컴퓨터정보학회논문지 (Journal of The Korea Society of Computer and Information)|제28권 제4호|pp. 197-208|DOI https://doi.org/10.9708/jksci.2023.28.04.197

0

조회

0

다운로드

2

인용

0

참고문헌

키워드

개선방안코로나19COVID-19Decision TreeImprovement대학 수업강의평가Lecture Evaluation결정나무분석University Lecture
주제분류컴퓨터학

초록

본 연구에서는 코로나 이전과 이후의 강의평가에 대한 생각이 어떻게 변화하고 있는지를 분석하고자 하였다. 이를 위해서 A대학을 대상으로 코로나 이전과 이후에 실시한 교양과 전공 수업에대한 강의평가 자료를 토대로 데이터마이닝 기법 중에서 결정나무분석(Decision Tree)를 사용하였다. 연구결과에 의하면, 교양은 ‘강의방식(Method)’에서 ‘강의내용(content)’으로, 전공은 전과 후 모두 ‘지식향상(Knowledge)’이 중요한 요인으로 나타났다. 특히 교양과 전공 강의평가에서 공통적으로 코로나 후에 ‘과제및평가적합(Assignment)’이 중요한 요인으로 나타났는데, 이는 향후 교수에게는 수업 중 적절한 교수법, 학생들과의 상호작용, 과제나 시험 결과 피드백 등의 교수역량이 필요함을 시사한다. 이러한 연구 결과를 바탕으로 학생들과의 소통 활성화 방안 지원과 블렌디드 러닝 활성화에 대한 개선방안을 제시하였다.

Abstract

In this study, we attempted to examine the changing ways of thinking about lecture evaluation before and after COVID-19. To this end, decision tree analysis(Decision Tree) was used among data mining techniques based on lecture evaluation data for liberal arts and major classes conducted before and after COVID-19 for A university. According to the results of the study, liberal arts changed from 'method' to 'content', and 'knowledge improvement' was an important factor both before and after majors. In particular, 'Assignment' was found to be an important factor after the COVID-19 in common in the evaluation of lectures in the liberal arts department, which means that in the future, professors will be provided with appropriate teaching methods during class, interaction with students, and feedback on assignments or test results, indicates the need for competence. Based on the results of this study, a plan to improve communication with students and activation of blended learning was suggested.

참고문헌 (42)

  1. 이영희, "미래교육 관련 연구 메타분석을 통한 미래교육의 방향", 교육문화연구, 24(5), pp.127~153 (2018), 교육연구소[DOI]
  2. "A digital-based innovation support plan for future education transformation"[URL]
  3. 김정겸, "대학강의 평가도구 개발", 한국산학기술학회논문지, 18(6), pp.187~196 (2017), 한국산학기술학회[DOI]
  4. 송영선, "대학의 강의평가 만족도에 영향을 미치는 요인 분석", 역량개발학습연구(구 한국HRD연구), 13(2), pp.141~163 (2018), Human Engagement Institute[DOI]
  5. 한신일, "한국대학의 강의평가실태 분석", 교육행정학연구, 23(3), pp.379~404 (2005), 한국교육행정학회
  6. Nida Denson, "Student evaluation of courses: what predicts satisfaction?", Higher Education Research & Development, 29(4), pp.339~356 (2010), Informa UK Limited[DOI]
  7. M.S. Lemos, "Development and validation of a theoretically based, multidimensional questionnaire of student evaluation of university teaching", Assessment & Evaluation in Higher Education, 36(7), pp.843~864 (2011), Informa UK Limited[DOI]
  8. Herbert W. Marsh, "Multidimensional students' evaluations of teaching effectiveness: A test of alternative higher-order structures.", Journal of Educational Psychology, 83(2), pp.285~296 (1991), American Psychological Association (APA)[DOI]
  9. "Instructional development and effectiveness assessment student ratings of instruction"[URL]
  10. 임수진, "대학 비대면 강의 만족도 및 개선점 분석: BTM(Biterm Topic Model)을 이용한 강의평가 주관식 응답 분석을 중심으로", 교육공학연구, 37(4), pp.889~915 (2021), 한국교육공학회[DOI]
  11. 신선애, "포스트 코로나 시대 대학 수업의 방향성 탐색: 중간강의 평가 데이터 마이닝과 의미연결망 분석 결과를 중심으로", 교육문화연구, 26(5), pp.195~228 (2020), 교육연구소[DOI]
  12. Suzanne M. Hobson, "Understanding Student Evaluations: What All Faculty Should Know", College Teaching, 49(1), pp.26~31 (2001), Informa UK Limited[DOI]
  13. James A. Kulik, "Student Ratings: Validity, Utility, and Controversy", New Directions for Institutional Research, 2001(109), pp.9~25 (2001), Wiley[DOI]
  14. 김필성, "한국대학에서의 강의평가의 활용 양상: ACE 사업 참여 대학을 중심으로", 예술인문사회 융합 멀티미디어 논문지, 9(9), pp.29~40 (2019), 사단법인 인문사회과학기술융합학회[DOI]
  15. 조수선, "대학 강의평가 영향력 요인 중 학생 특성의 효과에 대한 사례 연구", 공학교육연구, 19(6), pp.38~43 (2016), 한국공학교육학회[DOI]
  16. 윤유진, "강의평가에 영향을 미치는 변인 연구- 교양교과목을 중심으로", 교양교육연구, 12(5), pp.185~210 (2018), 한국교양교육학회
  17. 양길석, "대학 강의평가 영향 요인에 대한 메타 연구", 교육방법연구, 26(2), pp.293~322 (2014), 한국교육방법학회[DOI]
  18. 이지연, "교수 및 강좌 특성에 따른 대학 강의평가 성취수준의 차이 분석:직급, 이수 구분, 강좌 규모를 중심으로", 교육문제연구, 30(4), pp.189~212 (2017), 교육문제연구소
  19. 조장식, "위계적 선형모형을 이용한 강의평가 결정요인 분석", 한국데이터정보과학회지, 24(6), pp.1285~1296 (2013), 한국데이터정보과학회[DOI]
  20. Kenneth A. Feldman, "Class size and college students' evaluations of teachers and courses: A closer look", Research in Higher Education, 21(1), pp.45~116 (1984), Springer Science and Business Media LLC[DOI]
  21. Kwok‐fai Ting, "A multilevel perspective on student ratings of instruction: Lessons from the Chinese experience", Research in Higher Education, 41(5), pp.637~661 (2000), Springer Science and Business Media LLC[DOI]
  22. 김진화, "대학경영환경이 강의평가에 미치는 영향 - Y대학교 강의평가를 중심으로 -", 경영사연구, 26(2), pp.201~224 (2011), 한국경영사학회[DOI]
  23. 백순근, "위계선형모형을 활용한 대학생의 강의평가 분석 - S대학교 교양강의를 중심으로 -", 교육평가연구, 21(2), pp.1~24 (2008), 한국교육평가학회
  24. 최보금, "위계적 선형모형을 활용한 대학생 강의평가 관련 요인 탐색 : 무성의 응답의 영향을 중심으로", 열린교육연구, 21(1), pp.77~100 (2013), 한국열린교육학회
  25. 고명희, "국내 일반대학 강의평가 선행연구에 대한 문헌 고찰: 학습자 변인 중심으로 (1994-2022)", 학습자중심교과교육연구, 23(4), pp.443~465 (2023), 학습자중심교과교육학회[DOI]
  26. Christine L. Scheck, "The Effect of Class Size on Student Performance: Development and Assessment of a Process Model", Journal of Education for Business, 70(2), pp.104~111 (1994), Informa UK Limited[DOI]
  27. Karen Akerhielm, "Does class size matter?", Economics of Education Review, 14(3), pp.229~241 (1995), Elsevier BV[DOI]
  28. 남민우, "대학 강의평가에서 수강인원에 따른 차이 검증 및 가중치 적용 방안 연구", 학습과학연구, 8(2), pp.153~168 (2014), 교육공학연구소
  29. Stephen J. DeCanio, "Student Evaluations of Teaching—A Multinominal Logit Approach", The Journal of Economic Education, 17(3), pp.165~176 (1986), Informa UK Limited[DOI]
  30. Kelly Bedard, "Where class size really matters: Class size and student ratings of instructor effectiveness", Economics of Education Review, 27(3), pp.253~265 (2008), Elsevier BV[DOI]
  31. K. Trigwell, "University rankings: Theoretical basis, methodology and impacts on global higher education", pp.165~181 (2011)
  32. G. Shmueli, "Data Mining for Business Intelligence: Concepts, Technigues, and Appl Galit Shmueli", pp.1~566 (2018), John Wiley & Sons
  35. A. W. Astin, "Four critical years: Effects of college on beliefs, attitudes, and knowledge" (1977), Jossey-Bass
  36. George D. Kuh, "What We're Learning About Student Engagement From NSSE: Benchmarks for Effective Educational Practices", Change: The Magazine of Higher Learning, 35(2), pp.24~32 (2003), Informa UK Limited[DOI]
  37. E. T. Pascarella, "How college affects students: A third decade of research", pp.1~848 (2005), Jossey-Bass
  38. Nada Dabbagh, "Personal Learning Environments, social media, and self-regulated learning: A natural formula for connecting formal and informal learning", The Internet and Higher Education, 15(1), pp.3~8 (2012), Elsevier BV[DOI]
  39. 김명화, "강의평가의 타당도와 신뢰도", 아시아교육연구, 6(3), pp.1~24 (2005), 교육연구소
  40. Wolfgang Stroebe, "Why good teaching evaluations may reward bad teaching: On grade inflation and other unintended consequences of student evaluations", Perspectives on Psychological Science, 11(6), pp.800~816 (2016), SAGE Publications[DOI]
  41. D. Larry Crumbley, "Teaching effectiveness, impression management, and dysfunctional behavior: tudent evaluation of teaching control data", Quality Assurance in Education, 17(4), pp.377~392 (2009), Emerald[DOI]
  42. David A. Dowell, "The validity and accuracy of student ratings of instruction", The Journal of Higher Education, 54(4), pp.459~463 (1983), Informa UK Limited[DOI]

관련 논문AI추천

의사결정나무분석을 활용한 교양강좌 강의평가 결정 요인 탐색이영주, 이지연한국교양교육학회 · 교양교육연구2018 · 제12권 제6호의사결정나무분석에 의한 공과대학 강의평가 예측요인 탐색이영주, 이지연한국공학교육학회 · 공학교육연구2018 · 제21권 제4호텍스트마이닝을 이용한 서술형 강의평가 분석이상철한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2022 · 제27권 제10호포스트 코로나 시대 대학 수업의 방향성 탐색: 중간강의 평가 데이터 마이닝과 의미연결망 분석 결과를 중심으로김옥분, 김은진, 박지인, 신선애, 정태욱교육연구소 · 교육문화연구2020 · 제26권 제5호토픽 모델링 기반 비대면 강의평 분석 및 딥러닝 분류 모델 개발한지영, 허고은한국문헌정보학회 · 한국문헌정보학회지2021 · 제55권 제4호강의평가 기반 원격수업 개선 방안 탐색홍효정인문사회 21 · 인문사회 212022 · 제13권 제5호

이 간행물의 다른 논문 (20건)

STFT와 시계열 데이터 이미지화 알고리즘을 활용한 시계열 데이터 분류 성능 분석홍성규, 김상철pp. 1-11딥 러닝을 이용한 VOC 저감 설비 이상 탐지 분석김명호, 손민지pp. 13-20AI를 이용한 인구주택총조사의 자동 분류 개선: 산업 및 직업코드 연구메다드, 김다혜, 김영진, 정영섭, 윤병일pp. 21-29모델 내부/외부 특징량 상관 학습을 통한 지식 증류박훈범, 배승환pp. 31-39걸음걸이 데이터에서 분노 검출을 위한 다중 시간 윈도 특징 추출 기술권범, 오태근pp. 41-51
원문 보기