Selection of multimodal learning analysis indicators for individualized learning support

교실 수업에서 디지털 기기의 활용이 보편화됨에 따라 다양하고 풍부한 학습 데이터가 생성되어 여러 양식의 학습 데이터를 활용하여 학습 과정을 이해하고자 하는 다중양식 학습분석을 활용한 개별 맞춤형 학습지원에 대한 관심이 폭증하고 있다. 이에 본 연구에서는 교실 수업에서 개별 학습자를 위한 맞춤형 학습을 지원하기 위해 온·오프라인 학습 데이터를 수집·선별·통합하여 학업성취와 자기조절에 대한 예측 정확성을 높일 수 있는 학습 데이터 지표를 선정하고 머신러닝 모델링을 통해 특징 중요도 분석을 실시하여 다중양식 학습분석에서의 학습 데이터 지표의 유용성을 확인하고자 하였다. 초등학교 5학년 과학과 수업에서 온라인 형성평가 시스템을 활용하여 7차시의 수업을 실시하고, 학생 162명과 교사 12명을 대상으로 형성평가 로그 데이터, 학생의 자기보고 데이터, 교사의 관찰 데이터를 수집하여 분석하였다. 연구를 통해 선행 연구를 기반으로 학습 데이터 지표 틀을 설정하고 그에 따라 학습 데이터 지표를 선정하였다. 이와 함께 머신러닝 예측 모델링을 실시하고 이로부터 특징 중요도 분석을 실시하였다. 두 가지 분석 결과를 비교하여 선행 연구를 기반으로 추출한 학습 데이터 지표와 머신러닝 예측 모델링을 통한 주요 데이터 특징이 매우 유사함을 발견하였다. 이를 통해 개별 맞춤형 학습지원을 위한 학습분석 모델 개발을 위해서는 다양한 유형의 데이터를 활용할 필요가 있으며, 활용 목적에 부합하는 교육 이론을 고려하여 데이터를 집약적으로 수집할 필요가 있음을 제안하였다.