본문 바로가기
KERD
논문KCI 등재

오프라인 강좌에서 대학생의 학업성취에 따른 학습관리시스템 활동의 차이 분석

An Analysis on the Difference of LMS Activities according to Academic Achievement of College Students in Off-line Courses

이종문|차윤미|이현우
한국교육정보미디어학회 (Korea Association for Educational Information and Media)|2019.03|교육정보미디어연구 (Journal of Korean Association for Educational Information and Media)|제25권 제1호|pp. 201-222|DOI http://dx.doi.org/10.15833/KAFEIAM.25.1.201

0

조회

0

다운로드

11

인용

0

참고문헌

키워드

LMS무들학습관리시스템Moodle학습분석Learning analytics행동 로그 데이터대학 오프라인 강좌behavioral log datacollege off-line course
주제분류교육학

초록

본 연구는 대학의 일반적인 강좌 형태인 오프라인 강좌의 학습관리시스템에서 학습자의 활동과 학업성취 간의 관계를 살펴봄으로써 오프라인 강좌에서 학습분석의 적용 가능성을 탐색하고자 하였다. 이를 위해 A대학의 오프라인 강좌 중 교수-학습 활동이 매주 등록된 44강좌의 수강생 2,119명의 학업성취도와 Moodle 기반의 학습관리시스템에서 활동한 로그 데이터를 분석하였다. 행동 로그 데이터는 학습상태 확인, 읽기, 쓰기로 구분하고, 학업성취도는 A그룹(평점 4.0이상/4.5), B그룹(평점 4.0 미만, 3.0 이상), C그룹(평점 3.0 미만)으로 구분하여, 다변량분산분석과 일원분산분석을 실시하였다. 연구결과는 다음과 같다. 첫째, 학업성취 수준에 따라 학습상태 확인, 읽기, 쓰기 활동 모두에서 유의미한 차이가 있는 것으로 나타났다. 둘째, 주차별로 학업성취 수준에 따른 활동의 차이를 분석한 결과, 읽기와 학습상태 확인 활동은 1주차부터 유의미한 차이가 있었고, 쓰기 활동은 3주차부터 유의미한 차이가 나타났다. 학습상태 확인, 읽기, 쓰기 활동 모두에서 A그룹> B그룹> C그룹 순으로 많은 것으로 나타나 학업성취도가 높은 학생이 학습관리시스템 내에서 많은 활동을 하는 것을 확인하였다. 셋째, 1주차에서 13주차까지는 읽기, 학습상태 확인, 쓰기 활동의 순으로 높게 나타났으나 16주차에서는 쓰기가 학습상태 확인 활동보다 많은 것으로 나타났다. 이를 통해 향후 이러닝 강좌뿐만 아니라 오프라인 강좌에서도 학습분석 연구가 활성화될 수 있음을 확인하였다. 이 연구결과를 바탕으로 오프라인 강좌에서의 학습분석학적 예측 모형 개발을 위한 시사점을 도출하고 후속연구에 대한 제언을 하였다.

Abstract

The study aims to investigate the potential of learning analytics in off-line courses by examining the relationship between learner's academic achievement and activities in the learning management systems. For this purpose, we analyzed academic achievement and the behavioral log of 2,119 students from 44 off-line courses whose instructor posted learning activities on the Moodle based LMS weekly in A university. The behavioral log data were clustered into learning status check, reading, and writing, and students were classified as group A (rated 4.0 or more / 4.5), group B (less than 4.0, 3.0 or more), and group C (less than 3.0) according to their academic achievement. The results of the study are as follows. First, there were significant differences in learning status check, reading, and writing activities of students according to their academic achievement. Second, as a result of analyzing the difference of activities according to academic achievement weekly, there was a significant difference in the activity of reading and learning status check from the first week, and the writing activity showed a significant difference from the third week. In order of A, B, and C group, all of learning status check, reading, and writing activities were more, indicating that students with higher academic achievement perform more activities within the learning management system. Third, from the first to 13th week, reading and learning status check activities were more than writing activities. However, in the 16th week, it was found that writing activities were more than learning status check activities. This study confirmed that learning analytics research can be expanded to off-line courses. Based on the results, implications for the development of predictive models in off-line courses and for follow-up research were suggested.

참고문헌 (34)

  1. 강민석, "사이버대학 e-러닝환경에서 학업성취도에 영향을 미치는 학습 참여 변인 규명", 인터넷정보학회논문지, 10(5), pp.135~143 (2009), 한국인터넷정보학회
  2. 김은미, "읽기의 재발견 : 인터넷 토론 공간에서 커뮤니케이션의 효과", 한국언론학보, 50(4), pp.65~94 (2006), 한국언론학회
  3. 유지원, "일반대학에서 교양 e-러닝 강좌의 중도탈락 예측모형 개발과 조기 판별 가능성 탐색", 컴퓨터교육학회 논문지, 17(1), pp.1~12 (2014), 한국컴퓨터교육학회[DOI]
  4. 윤승원, "교육과 학습에서 빅데이터: 데이터사이언스 총서" (2017), 커뮤니케이션북스
  5. 이혜윤, "대학 이러닝 환경에서 학습자 행동 로그에 기반한 군집별 학업성취 예측모형 비교", 교육과학연구, 49(1), pp.127~150 (2018), 교육과학연구소[DOI]
  6. 조일현, "학습분석학을 활용한 e-러닝 학업성과 추정 모형의 통계적 유의성 확보 시점 규명", 교육공학연구, 29(2), pp.285~306 (2013), 한국교육공학회
  7. 조일현, "이러닝에서 학습자의 시간관리 전략이 학업성취도에 미치는 영향: 학습분석학적 접근", 교육정보미디어연구, 19(1), pp.83~107 (2013), 한국교육정보미디어학회
  8. 진성희, "팀기반 온라인 토론의 내용분석을 지원하는 대시보드 개발 및 사용성 평가", 교육공학연구, 34(3), pp.587~616 (2018), 한국교육공학회[DOI]
  9. 차석빈, "사례를 통해 본 다변량 분석의 이해" (2008), 백산출판사
  10. Agudo-Peregrina, Á. F., "Can we predict success from log data in VLEs? Classification of interactions for learning analytics and their relation with performance in VLE-supported F2F and online learning", Computers in Human Behavior, 31, pp.542~550 (2014)
  11. 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
  12. Baker, R., "The Cambridge Handbook of the Learning Sciences", pp.253~274 (2014)
  13. Bañeres, D., "Software Data Engineering for Network eLearning Environments", pp.1~25 (2018), Springer
  14. Dawson, S., "Teaching smarter: How mining ICT data can inform and improve learning and teaching practice", paper presented at The Ascilite 2008 (2008)
  15. 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)
  16. DiGiacomo, G., "Enhancing self-monitoring and self-reflection through a self-regulatory skills intervention embedded in a middle school mathematics curriculum", doctoral, pp.2014
  17. Firat, M., "Determining the effects of LMS learning behaviors on academic achievement in a learning analytic perspective", Journal of Information Technology Education : Research, 15, pp.75~87 (2016)
  18. Gašević, D., "Let’s not forget : Learning analytics are about learning", TechTrends, 59(1), pp.64~71 (2015)
  19. Hardman, J., "Predicting students' progression in higher education by using the Random Forest algorithm", Systems Research and Behavioral Science, 30(2), pp.194~203 (2013)
  20. Huebner, R. A., "A survey of educational data-mining research", Research in Higher Education Journal, 19, pp.1~13 (2013)
  21. NMC horizon report: 2016 higher education edition, "Johnson, L.", The New Media Consortium, 1~50 (2016)
  22. Johnson, L., "2010 Horizon Report", International Conference on Educational Data Mining, pp.38~70 (2011), The New Media Consortium
  23. Kang, E., "A Pilot Study of Predicting Failing Grades Using Data from UCLA's Learning Management System", doctoral, pp.2017
  24. Lucas, M., "Assessing social construction of knowledge online : A critique of the interaction analysis model", Computers in Human Behavior, 30, pp.574~582 (2014)
  25. Macfadyen, L. P., "Numbers are not enough : Why e-learning analytics failed to inform an institutional strategic plan", Educational Technology & Society, 15(3), pp.149~163 (2012)
  26. Mostow, J., "Some useful tactics to modify, map and mine data from intelligent tutors", Natural Language Engineering, 12(2), pp.195~208 (2006)
  27. Mostow, J., "An educational data mining tool to browse tutor-student interactions: Time will tell", Proceedings of the Workshop on Educational Data Mining, National Conference on Artificial Intelligence, pp.15~22 (2005), AAAI Press
  28. Picciano, A. G., "The evolution of big data and learning analytics in American higher education", Journal of Asynchronous Learning Networks, 16(3), pp.9~20 (2012)
  29. Romero, C., "Educational data mining : A survey from 1995 to 2005", Expert Systems with Applications, 33(1), pp.135~146 (2007)
  30. Romero, C., "Data mining in education. Wiley Interdisciplinary Reviews", Data Mining and Knowledge Discovery, 3(1), pp.12~27 (2013)
  31. Romero, C., "Predicting students' final performance from participation in on-line discussion forums", Computers & Education, 68, pp.458~472 (2013)
  32. Open learning analytics: An integrated & modularized platform. Proposal to design, implement and evaluate an open platform to integrate heterogeneous learning analytics techniques, "Siemens, G.", Society for Learning Analytics Research, ~ (2011)
  33. Smith, V. C., "Predictive modeling to forecast student outcomes and drive effective interventions in online community college courses", Journal of Asynchronous Learning Networks, 16(3), pp.51~61 (2012)
  34. Xu, S., "Re-examining the community of inquiry framework from the perspective of learning analytics", 2018 13th International Conference on Computer Science & Education (ICCSE), pp.1~5 (2018), IEEE

관련 논문AI추천

머신러닝 기반의 학업성취 예측 모형 탐색: 대학의 오프라인 수업을 중심으로이종문, 이현우, 차윤미한국교육방법학회 · 교육방법연구2021 · 제33권 제1호대학 블랜디드 학습 환경에서 학습자 특성과 온라인 학습 활동이 학업 성취에 미치는 효과: 학습분석 접근법전은화, 한재훈한국교육공학회 · 교육공학연구2015 · 제31권 제3호온라인 강좌의 LMS 로그 데이터를 활용한 기계학습 기반 학업성취도 예측 변수 탐색유지원한국교육정보미디어학회 · 교육정보미디어연구2025 · 제31권 제5호학습분석학 관점에서 사이버대학생의 수강시간 프로파일에 따른 학업성취도 차이 분석윤정미, 장은정한국교육정보미디어학회 · 교육정보미디어연구2024 · 제30권 제4호대학 이러닝 학습자들의학습 시․공간 패턴에 따른 학업성취도 차이 분석남민우, 이해듬중소기업융합학회 · 융합정보논문지2018 · 제8권 제4호학습분석학을 활용한 e-러닝 학업성과 추정 모형의 통계적 유의성 확보 시점 규명김정현, 조일현한국교육공학회 · 교육공학연구2013 · 제29권 제2호

이 간행물의 다른 논문 (8건)

인지구조에 기반 한 교수전략 연구: 구체성효과 및 주의분산효과를 중심으로이현정pp. 1-24학습분석 기반 적응적 협력학습 지원에 대한 학습자의 인식조영환, 한정윤, 김관훈pp. 25-57클리커 앱을 활용한 보건교육 수업의 효과김현pp. 59-76보드게임을 활용한 부모교육 참여 경험에 대한 의미연결망분석조남옥, 박성남, 양지웅pp. 77-97몰입형 가상현실 학습이 중학생의 학습성과에 미치는 영향김태현, 고장완pp. 99-120
원문 보기