학습분석학 기반의 교수자 피드백 분류체계 개발

김은희; 변호승

추천

검색

자료유형: 학술저널

저자정보: 김은희 변호승

저널정보: 한국교육공학회 교육공학연구 교육공학연구 제33권 제3호

발행연도: 2017.1

수록면: 737 - 768 (32page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

이 논문의 연구 히스토리 (2)

2017

학습분석학을 기반으로 한 교수자 피드백 분류체계 개발과 대시보드 설계

김은희 교육과정,교육평가,교육공학전공 2017.01 학위논문

학습분석학 기반의 교수자 피드백 분류체계 개발

김은희 , 변호승 교육공학연구 2017.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

본 연구의 목적은 수업의 내용과 학습자의 특성을 고려하여 교수자가 학습자 개인별로적합한 피드백을 줄 수 있도록 Spradley 기반의 이용숙(2009) 분류체계․성분분석법 도구를활용하여 학습분석학 기반의 교수자 피드백 분류체계를 개발하는데 있다. 피드백 분류체계개발의 첫 번째 단계에서는 대체질문을 통해 학자별로 제시한 총 72개의 피드백 유형을 조사 분석하였다. 두 번째 단계는 대조집합분류 질문을 통해 학습분석 기반의 데이터를 활용할 수 있는 내용중심 피드백 유형 30개를 추출하여 그 중 유사한 의미를 갖는 피드백 제거후, 총 22개를 추출하였다. 세 번째 단계에서는 유도된 대조질문을 통해 Gagné의 5가지 학습결과 유형별 영역을 적용하여 피드백의 특성들을 비교, 대조하였다. 마지막으로 등급질문을 통해 효용성이 높은 선행 연구 결과를 바탕으로 추천 피드백의 우선순위를 결정하였다. 교수자가 학습자에게 제공할 수 있는 피드백에 대해 세밀한 유형별 분석을 통해 이를 목적에 맞게 체계화시켜 분류하였다. 분류체계 정립 시에는 학습분석학적 접근 방식을 통해 수업별 유형과 학습자별 특성이 반영되었다. 선행 연구를 근거로 대표변인과 측정변인이 추출되었으며 학습분석 교육적 활용 데이터로 추출된 대표변인 요소는 로그인 시간, 게시글 수, 과제/시험 참여 수, 자료 조회 수, 정보 검색 양이다. 총 2회에 걸쳐 8년 이상의 경력을 가진 교육공학 전문가 8인을 대상으로 교수자 피드백 분류체계 개발 전반에 대해 타당화 검사를 실시하여 교수자 피드백 분류체계표를 수정 및 보완하였다. 본 연구 결과는 개별 학습자에게 제공할 수 있는 교수자 피드백에 대해 추후 다각도의 연구방향을 설정하는 데 시사점을 줄 것으로 기대되며, 후속 연구에 대한 제언을 통해 교수자 피드백 분류체계를 보다정교화시켜 개별화된 피드백이 제공됨으로써 학습자의 학습을 촉진하고, 교수자의 교수 활동을 개선할 수 있는 기틀을 마련해주는 계기가 될 것이다.

The purpose of this study is to develop an instructor feedback taxonomy based on Gagné’s feedback strategies using Spradley’s (1979) and Lee’s (2009) classification system and componential analysis so that instructors could provide feedback based on learning analytics, which takes consideration of learning content and learner characteristics. In the first stage of the development of the feedback classification system, a total of 72 feedback types presented in literature were investigated through ‘Substitution Frame Questions.’ In the second stage, 30 content-based feedback types that could utilize learning analytics data were extracted through ‘Contrast Set Sorting Questions’, and similar types were eliminated leaving total of 22. In the third stage, Gagné’s five learning outcome categories were applied through the ‘Directed Contrast Questions.’ Finally, the ‘Rating Questions’ were used to prioritize the recommendation feedback based on the previous research results. The feedbacks that the instructor could provide to learners were analyzed by detailed types, and then classified according to the purpose. Then, the types of learners and characteristics of learners were reflected through the learning analytic approach when establishing the classification system. Representative variables and measurement variables were extracted from previous studies. The representative variables extracted from the learning analytics data are login time, number of posts, number of assignments/exam participation, number of material inquiries, and amount of information search. A validity test was conducted on 8 teachers who had 8 or more years of experience to revise and supplement the teacher feedback classification system table. The results of this study are expected to provide suggestions for establishing future research directions for teachers who can provide feedback to individual learners, and guide follow-up studies to further elaborate the feedback classification system.

#학습분석학 #교수자 피드백 #피드백 분류체계 #디지털 피드백 #Learning Analytics #Instructor Feedback #Feedback Taxonomy #Digital Feedback

참고문헌 (44)

참고문헌 신청

[학술대회논문]

朴鍾國 / 1998 / 소집단 과정에서의 교사주도·아동주도 피드백이 아동의 도움행동 태도에 미치는 효과 / 석사 / 韓國敎員大學校大學院

김미량 / 1999 / 웹활용 수업 확산의 장애요인 탐색을 위한 사례연구: 학습자의 지각을 중심으로 / 교육공학연구 14 (3) : 55 ~ 73

김상식 / 2010 / 학습수준별 자기통제 피드백이 운동기술 습득에 미치는 영향 / 박사 / 용인대학교 대학원

김선희 / 2016 / 디지털 매체 활용 포럼연극 수업설계의 개념 모형 개발 / 교육공학연구 32 (3) : 453 ~ 486

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김은희

소속기관 한국교육공학회

주요연구분야 사회과학 > 교육학

논문수 1 이용수 54

변호승

소속기관 한국교육공학회

주요연구분야 사회과학 > 교육학

논문수 1 이용수 54

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (44)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)