교육데이터 수집분석 시스템의 방향 및 활용 가능한 기술

1. 교육데이터 분석 시스템 구축의 목표

1) 학습자 학습활동 데이터 수집/지표 설계

1. 데이터 수집 및 활용의 목적은 "교수/학습활동의 지원 및 효과성 증대"이다.
   • 어떤 표준을 따를 것인가의 선택은 중요하지 않다. 활용 목적에 맞게 수집지표의 표준을 선택하고 개발해야 한다.
2. 활용 목적에 따라 수집 데이터는 달라지게 되는데, 현재 플랫폼 상에서 어떤 데이터를 확보할 수 있는지 먼저 확인이 필요하다.
   • 기존 데이터는 학습활동 지원을 목적으로 수집하는 데이터가 아니므로, 통계분석 이상의 활용은 기대하기 어렵다.
3. 플랫폼에서 제공할 교수/학습지원 서비스를 먼저 기획한 후, 해당 서비스에 필요한 학습활동 데이터를 정의해야 한다.
   • 결국, 서비스가 있어야 데이터를 수집할 수 있으며, 수집된 데이터를 분석하고 활용할 대상도 존재할 수 있다.
4. 데이터 수집 지표를 설계할 때, 아래의 데이터 활용 흐름을 항상 염두해야 한다.

2) 학습활동 데이터를 수집/활용할 수 있는 '교수학습활동 지원 서비스' 제공

1. 플랫폼 내 학습서비스에서 활발하게 학습활동이 일어나야 데이터가 수집되며,
2. 충분한 데이터를 확보해야만, AI를 활용한 학습 지원이 가능하다.
3. 개발 또는 활용하는 서비스는 교사의 교수학습 설계 안에 활용할 수 있는 '수업 툴' 또는 '학습 툴' 이어야, 현장 활용을 기대할 수 있다.
   • 교사는 자신의 교수 설계 안에 여러 수업도구를 활용하는데에는 적극적이지만,
   • 플랫폼에 완전히 통제된 수업환경은 절대 사용하지 않는다.
4. 그러므로, 여러 서비스에서 발생하는 데이터를 통합하여 활용하는 것이 아니라, 각 단위 서비스별로 데이터를 수집하고 서비스별로 활용하여야 의미있는 분석이 가능하다.

3) 공유 및 연구활용이 가능한 빅데이터 구축

1. 데이터를 활용한 서비스 알고리즘은 공개되지 않도록 해야하지만, 수집 지표 및 분석 지표는 연구자들과 함께 공유하고 지속적으로 개선하여야 한다.
2. xAPI의 Actor Verb Object 형태로 사용자의 활동을 기록하여, 확장성을 고려할 필요가 있다.
   • 표준에 따라 수집/저장된 데이터는 써드파티가 분석,활용하기에 용이하며, LMS에 직접 접근하지 않고 LRS 를 통해 데이터를 활용하기 때문에 기밀성 높은 데이터센터 운영이 가능해진다.
3. 학습데이터는 학습자를 기준으로 수집/관리하되, 특정 소스에 종속되지 않고 추출하여 연구활용이 가능하여야 한다.

출처: LearningSolutions.10 Best Practices for xAPI Statements

2. 교육데이터 분석 시스템 설계 방향

1) 플립러닝(거꾸로교실) 교수형태를 기본으로 설계

• 현재 교실수업을 그대로 옮겨 온라인에서 진행하는 Virtual Classroom(zoom, gathertown 등)의 방식에서는,
• 오프라인 교실과 마찬가지로 의미있는 학습활동데이터를 수집하는 것이 어렵고,
• 데이터를 활용한 교육서비스를 접목할 부분도 굉장히 제한적이다.

에듀테크를 활용한 다양한 교수학습 도구를 적용하고, 의미있는 데이터를 수집해 활용하기 위해서는 플립러닝을 중심으로 플랫폼의 방향을 잡는 것이 효과적이다.

• 최근 주목받고있는 교육형태인 부트캠프(업무역량집중교육)의 경우 온라인강의-실습-토론-창작의 구조로 취업률 상승 등 실제적인 교육효과를 확인하고 있으며, 교육기관도 계속 늘어나고 있다.

 

1-1) 기억, 이해 영역

• 온라인 수업 상황에서 에듀테크를 활용해 가장 손쉽게 지원할 수 있는 부분은 '기억'과 '이해'의 영역

Bloom의 학습 위계 피라미드

• 학습도구를 통한 자기주도학습, 도는 교사의 영상 강의로 전달하게 되는 '기억'과 '이해'의 영역에는 아래와 같은 학습도구가 활용될 수 있다.
  1. 적응형 문항 추천 도구
     • 머신러닝,IRT을 적용한 AI 학습 추천모델로 사전 자기주도학습 또는 복습의 영역에서 활용이 가능하다.
     • 수학, 영어 과목에서 효과적으로 활용되고 있으며, 해답, 학습자 답안, 문제풀이 과정, 힌트 확인여부, 풀이 시간 등을 데이터화하여 학습자 맞춤형 문항을 제공할 수 있다.
     • 예) 큐비나 아카데미(수학), 뤼이드 산타토익(영어)
     • 이 모델은 데이터가 축적될수록 추천의 적합성이 점점 높아질 수 있어, 데이터 확보의 가치가 높다.
  2. 수업 집중력 향상 도구
     • 온라인 강의의 가장 큰 문제점은 집중력 저하로 인한 학습 결손이다.
     • Eye-tracking을 활용하여 집중력 저하 시 알람을 주는 형태로 제공이 가능하다.
     • 어떤 형태의 수업, 어떤 시점에 집중력이 떨어지는지, 어떤 수업 도구가 집중력 유지에 효과적인지 등 연구 목적의 활용에 효과적으로 활용될 수 있다.
     • 예) 칸랩스쿨, 미네르바스쿨
  3. 가상 학습 비서
     • AI활용을 주장하는 다양한 학습지서비스에서 사용하고 있는 방식
     • 챗봇이나 음성인식을 사용해 학습자의 학습을 보조하고, 독려함
     • 학습자 답변에 기반하여 언어습관분석, 감성분석 등도 가능하다.
     • 예) https://www.cognii.com

1-2) 적용~창작 영역

• 이 영역의 교수학습은 교사의 성향에 따라, 수업의 목적에 따라 활용도구가 다양해지므로, 완전히 통제된 환경에서 얻는 데이터처럼 손쉽게 데이터를 얻을 수 없다.
• 따라서, 플랫폼과 연계되는 다양한 서비스에서 xAPI 데이터를 수집할 수 있도록 LRS를 구축하는 것이 중요하다. 
• 어떤 소스에서, 어떤 액티비티를 통해서, 어떤 xAPI 데이터가 수집되는지를 함께 묶어서 데이터를 수집하면, 의미있는 정보를 분석할 수 있다.
  • 어떤 수업형태를 위해 어떤 소스를 주로 활용하는지, 어떤 액티비티들이 의미있는 교육적 효과를 낼 수 있는지 등 다양한 통계적 분석이 가능한 데이터 셋이 완성된다.
  • 이 데이터셋은 서비스 추천, 학습경로 추천 등 인공지능을 활용한 추천서비스 기능향상에 거꾸로 활용될 수 있다.

2) 학습자의 Retention을 높이는 요소들에 집중한 설계

온라인 수업의 큰 문제점으로 꼽히는 것이 수업 집중력 저하와 이로 인한 학습 격차 증가다.

학생들을 동기부여하고 주의 집중 유도는 교사의 역할이지만, 교실 현장과 달리 온라인 현장에서는 플랫폼에서 다양한 기술적 지원을 해줄 수 있다.

• Badge, Achievement, Leaderboard, 포인트 등의 외적 동기부여 도구
  • 이같은 시스템은 거의 대부분의 온라인 커뮤니티, 온라인 게임 등에서 사용자의 Retention과 집중력을 높이기 위해 사용하고 있다.
  • 교실에서도 스티커, 도장, 상장, 조별 포상 등 수업 집중력 향상을 위해 다양한 도구를 활용해왔다.
  • 수집요소는 사용자가 한 플랫폼에 애정을 갖고 오래 머물도록 하는 중요한 요소로 활용된다.

EBS 펭톡에서 활용하는 포인트, 리더보드, 뱃지(업적) 시스템