리뷰 논문 후보군
- 학습분석학 기반의 온라인 학습 학업 성취도 예측 분석 (디지털콘텐츠학회논문지, 2024.08)
- 데이터 실증 사례에서 학업 성취 연구의 대부분을 확인할 수 있는 Case Study
- 대상인원 : 94명(15주차)
- K-means, ANOVA, 로지스틱 회귀분석
- 군집 3개(Early, Average, Late)
- 학업 성취도 분석 : 퀴즈, 과제 + 피드백, 학습시간, 참여활동 등
- 학습분석학 관점에서 사이버대학생의 수강시간 프로파일에 따른 학업성취도 차이 분석(교육정보미디어연구, 2024.08, 제30권 4호)
- 2023년 1학기, 25개 학과, 97개 교과목(전공 90, 교양 7)
- 주차별 수강시간 프로파일 집단별 학업 성취도 분석
- 잠재 프로파일 분석(LPA), BCH 분석
- 군집 4개(초기 집중형, 균형형, 체류형, 시험 집중형)
- 학업 성취도 분석 : 퀴즈, 과제, 기말고사, 최종성적
- LMS 로그 데이터 분석을 통한 온라인 학업 성취 예측 모형에 대한 사례 연구(현장수업연구, 2020)
- 2020년 1학기 교육공학과목 수강생 55명(2~4학년)
서론
연구 배경
- 학습 분석학적 접근을 통해 온라인 수업 과정에서 주차별 시간의 흐름에 따라 학습 형태를 분석
- 학업 성취도 예측 요인들의 예측력 확인 → 각 요인의 예측 시기를 확인
- 학습자의 학업 성취도를 의미 있게 예측하기 위하여 학습 참여 활동의 설계 방안, 교수 설계 및 학습자 지원 전략에 대한 시사점
이론적 배경
2-1 학습 분석학과 학업 성취도 예측 요인
- [9]
- 학업 성취도 : 학습 분석에서 매우 의미있게 다루고 있는 변인
- 학업 성취도나 학습 성과에 대한 예측 요인
- 대학 블랜디드 학습 환경에서 온라인 학습 활동의 경우, 학습자의 1,2 주차 과제 제출 여부, LMS 접속 횟수, 학습 시간이 영향을 주는 요인
- 블랜디드러닝 환경 연구에서 총21개의 변인 중 주 별 온라인 활동 → 학습 자료 보기 횟수, 동영상 플레이 버튼 클릭 횟수, 온라인 연습 문제 점수, 주 별 온라인 퀴즈 점수, 방과 후 튜터링 참여한 총 횟수
- [13]
- 2010~2020년까지 62개의 학습분석 연구에서 온라인 학습 활동, 학기 평가 성적, 학업에 대한 감정(academic emotion)가 예측 변수로 분석
- [7]
- 2011~2020년까지 발표된 94개의 학습 예측분석 연구에서 분석 변인 → 학습자의 행동적, 인지적, 사회 참여 데이터로 유형화 → 학습자의 정서적 참여 데이터를 추가 변인으로 고려
2-2 학습 분석에 기반한 학업 성취도 예측 연구 분석
- 학업 성취에 대한 예측력 확인 연구
- [14] 머신 러닝을 활용해 이러닝 학습자의 데이터를 기준으로 예측
- K-근접 이웃 알고리즘, 서포트 벡터머신, 의사 결정 나무, 랜덤 포레스트, 그래디언트부스팅, 인공 신경망 → 전체 모형중에서 90% 수준의 높은 정확도
- 트리 분석에서는 과제 , 기말고사, 중간고사, 출결순으로 예측력이 높음,
- 분석 방법에 따라서 예측력이 어떻게 달라지는지 제시
- [15] 기업의 온라인 학습 환경
- LMS의 학습 로그 데이터 수집, 학습 시점의 간격의 규칙성, 총 접속 시간, 학습 접속 횟수가 학업 성취를 6% 예측
- 학업성취도의 예측 시기 연구
- [8] 대학의 원격 수업 학습자 분석
- 학습 시점 간격의 규칙성, 총 학습 시간, 학습 접속 횟수 예측력 연구 → 학습 시점 간격의 규칙성이 학업 성취도와 유의미하게 예측, 예측 시점은 학습 시간의 절반 시점에 유의미하게 예측
- [9] : 온라인 활동(학습자료 보기 횟수, 동영상 플레이버튼 클릭 횟수, 온라인 연습문제 점수)
- 오프라인 활동(퀴즈 점수, 방과 후 개인 교습 총 참여 횟수)
- 전체 수업 기간의 1/3이 지난 시점에 학업성취도 예측
- [10] : 학습 기간의 1/2 시점에서 유의미하게 예측
학습 형태 및 학습 참여 형태에 대한 학업성취도 예측 연구