😶 발표자 소개

🎓Google Scholar

이재용 ([email protected])

• 서울대학교 교육학과 교육공학 석사과정 (관악산 10년째)
• 서울대학교 화학교육과 학사 (학부 8년 다님)
• 경남과학고등학교 조기졸업
• Hard Skill
  • Interactive data visualization (D3.js, plotly)
  • Computer vision (classification, detection)
• 화두: Giving analytics is not enough. Then what?
  • 교사와 학생이 학습분석 결과를 거부/무시하는 이유?
  • 교사와 학생이 학습분석 결과를 자연스레 활용하는 방법?

📄 발제 논문

Rosé, C. P., McLaughlin, E. A., Liu, R., & Koedinger, K. R. (2019). Explanatory learner models: Why machine learning (alone) is not the answer. British Journal of Educational Technology, 50(6), 2943-2958. https://doi.org/10.1111/bjet.12858

• 선정 이유
  • 화려한 기술이 난무하는 시대 속에서 잊기 쉬운 교육 연구의 본질에 대해 이야기해보고 싶어서
  • CoLA 구성원들 중 컴퓨터 기술이 낯선 분들도 교육 연구에 기여할 수 있음을 알리고 싶어서
  • (진담반 농담반) 교육 연구자들은 어떻게 뻔한 이야기를 뻔하지 않게 하는가를 같이 보고 싶어서

❗ 핵심 주장

• 인공지능 기반 학습분석에서 모델의 예측 정확도가 높더라도, 실제 적용 시에는 상호작용 양상이나 맥락에 따라 학습 과정과 결과를 향상하지 못할 수 있다.
• 이러한 문제는 모델의 구조나 파라미터를 해석할 수 있는 ‘설명적 학습자 모델'을 만들고, 이로부터 얻은 통찰을 학습 설계에 반영하여 ‘close-the-loop’함으로써 해결할 수 있다.
• 교육 데이터 마이닝이나 학습분석에서 모델의 해석가능성과 실행가능성을 더욱 강조할 필요가 있으며, 설명적 학습자 모델을 만들고 적용하는 다학제적 팀의 구성을 장려할 필요가 있다.

❓ 생각해볼 질문

1. 기존 인공지능 기반 학습분석 연구의 한계와 개선 방안은 무엇인가?
2. 학습공학(learning engineering)에서 말하는 이상적인 학습분석 및 설계 과정은 무엇인가?
3. 설명적 학습자 모델(explanatory learner model)이 필요한 이유는 무엇인가?
4. 예측 정확도가 높은 모델만으로 학습을 촉진하지 못하는 이유는 무엇인가?