대학생의 AI 기반 적응형 학습 플랫폼(ALEKS) 사용 만족도 및 학습성과에 대한 인식 연구

하오선; 박찬규; 고은선; 김수영; 고은선; 박찬규

doi:10.21024/pnuedi.34.1.202403.249

추천

검색

자료유형: 학술저널

저자정보: 하오선 (동국대학교) 박찬규 (동국대학교) 고은선 (동국대학교) 김수영 (건국대학교) 고은선 (동국대학교 다르마칼리지 연구교수) 박찬규 (동국대학교)

저널정보: 부산대학교 교육발전연구소 교육혁신연구 교육혁신연구 제34권 제1호

발행연도: 2024.3

수록면: 249 - 273 (25page)

DOI: 10.21024/pnuedi.34.1.202403.249

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

연구목적: 본 연구의 목적은 AI기반 적응형 학습 플랫폼 활용에 대한 만족도 및 학습성과에 대한 인식을 분석하는 것이다. 연구방법: 이를 위해 AI기반 적응형 학습 플랫폼(ALEKS)를 활용한 경영통계 교과목을 수강한 대학생을 대상으로 설문조사를 진행하였고 최종 분석에 128명의 자료가 활용되었다. 분석방법으로는 IBM SPSS 22.0을 활용하여 빈도분석, t 검정과 F 검정을 실시하였으며, 주관식 문항은 word cloud 및 유형별 빈도로 제시하였다. 연구결과: 첫째, AI 기반 적응형 학습 플랫폼에 대해 내용, 개인화, 사용자 편의 순으로 만족했다. 둘째, AI 기반 적응형 학습 플랫폼 활용 수업만족도와 관련해서 학습자는 교수자의 지원(학습활동 점검, 피드백 제공 등), 조교지원(플랫폼 안내, 문제해결 등)에 대해 평균보다 낮게 평가했다. 셋째, 학습성과에 대한 인식과 관련해서 자신의 수준을 파악하는데 가장 도움이 되었지만 흥미를 유발하고 학습동기를 높이거나 학습진도를 포기하지 않고 따라가도록 하는 것에 대해서는 상대적으로 낮게 평가했다. 넷째, AI 기반 적응형 학습 플랫폼에 대한 만족도가 높은 집단이 낮은 집단에 비해 수업만족도와 학습성과에 대한 인식이 통계적으로 유의하게 높았다. 다섯째, AI기반 적응형 학습 플랫폼활용 수업에 만족하는 이유는 ‘다양하고 충분한 문제 제공’, ‘수업 후 자기주도적으로 학습 가능’, ‘맞춤형 학습 가능’, ‘개인의 학습내용 및 성과 확인 가능’으로, 불만족하는 이유는 ‘새로운 플랫폼 사용의 어려움’, ‘많은 과제량으로 인한 공부 시간 증가’, ‘플랫폼의 활용 전략의 문제’로 요약할 수 있었다. 다섯째, 학습자는 ‘시스템’과 ‘수업설계 및 운영’ 측면에서 개선을 요구했다. 결론: 이상의 결과를 바탕으로 대학에서의 AI기반 적응형 학습을 위한 시사점을 도출하면 다음과 같다. 첫째, AI 기반 적응형 학습 플랫폼을 일률적으로 동일하게 적용하기보다는 개별 대학에 맞게 유연하게 적용하는 방안을 검토할 필요가 있다. 둘째, AI 기반 적응형 학습 플랫폼 활용 수업을 고려하여 수업 설계 및 운영을 조정할 필요가 있다. 셋째, 학습성과에 대한 심도 있는 논의를 위해 다양한 변인을 포함한 추가 연구가 필요하다.

Purpose: The purpose of this research is to analyze satisfaction and perception of learning outcomes regarding the use of AI-based adaptive learning platforms. Method: To achieve this, a survey was conducted among university students who took the business statistics course utilizing the AI-based adaptive learning platform(ALEKS), and data from 128 respondents were used in the final analysis. The frequency analysis, t-test, and F-test were conducted using IBM SPSS 22.0, and the subjective items were presented as word clouds and frequencies by type. Results: Firstly, the respondents were satisfied with the AI-based adaptive learning platform in the order of content, personalization, and user convenience. Secondly, in relation to class satisfaction associated with the use of the AI-based adaptive learning platform, learners rated the support from instructors (monitoring learning activities, providing feedback, etc.) and assistant support (platform guidance, problem-solving, etc.) lower than the average. Thirdly, concerning the perception of learning outcomes, the platform was most helpful in understanding their own level, but it was relatively lowly rated in terms of sparking interest, increasing learning motivation, and encouraging them to keep up with the learning progress without giving up. Fourthly, those who were more satisfied with the AI-based adaptive learning platform had statistically significantly higher class satisfaction and perceptions of learning outcomes than those who were less satisfied. Fifthly, the reasons for satisfaction with the classes utilizing the AI-based adaptive learning platform included ‘provision of diverse and sufficient problems’, ‘ability to learn independently after class’, ‘ability to personalize learning’, and ‘ability to confirm individual learning content and outcomes’. The reason for dissatisfaction were summarized as ‘difficulty in using a new platform’, ‘increase in study time due to a large amount of assignments’, and ‘issues with the utilization strategy of the platform’. Lastly, learners demanded improvements in the aspects of both the ‘system’ and ‘course design and operation’. Conclusion: Based on the above results, the implications for the implementation of AI-based adaptive learning in universities are as follows. Firstly, it is necessary to consider flexible application options that are tailored to individual universities rather than applying the AI-based adaptive learning platform uniformly. Secondly, adjustments in course design and operation are required considering the implementation of classes utilizing the AI-based adaptive learning platform. Thirdly, further research including various variables is necessary for an in-depth discussion on learning outcomes.

#적응형 학습 #개인화 #에듀테크 #인공지능 교육 #고등교육 #Adaptive Learning #Personalization #AIED #EdTech #Higher Education

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

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

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

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)