1. Introduction

• 대부분의 교육은 면대면 상황에서 발생함
• 본 연구에서는 프로젝트 학습 상황에서 다중양식 학습 분석(Multimodal learning analytics, MMLA)를 활용해서 데이터를 수집하고, 모델을 개발함
• 연구문제
• MMLA 시스템을 통해 자동으로 수집된 학생 그룹 활동의 피처(features) 중에서 어떤 것이 비구조화된(open-ended) 피지컬 컴퓨팅 학습 상황을 유의미하게 예측하는데 도움을 주는가? (Which features of students’ group work that can be automatically collected with our MMLA system are good predictors of students’ project outcomes in open-ended learning activities with physical computing?)

2. Background

• 다중양식 학습분석(MMLA)와 관련해서는 아래 연구자들의 연구를 살펴보기
• Blistein
• Chen
• Worsley
• Ochoa
• Grover
• Prieto
• Martinez-Maldonado

3. System context

• 유럽의 PELARS 프로젝트

• practice-based experiential learning analytics research and support

• 학습분석 상황에서 활동 데이터를 수집하기 위한 지능형 시스템을 개발하는 것이 목표

• IDE와 아두이노 등의 모든 툴에서 통합적으로 데이터를 수집

  

• PELARS LAS

• 웹기반으로 카메라 데이터와 위치 데이터 등을 수집할 수 있음

• Physical computing

• TALKOO IDE

• sentiment/affective 버튼도 함께 개발됨

• Mobile tools

• self-document the learning process across the planning

• Collected data

• 자동으로 수집됨

4. Materials and Methods

• 18명의 유럽 대학 공대학생들이 참여
• 3명이 한 그룹
• 3일동안 열린 형태의 설계 과제를 수행함
• 점수는 CPS(collaborative problem solving) 이론을 참고하여 기준을 만들고 코딩함 ⇒ poor, ok, good
• Face tracking
• FLS(faces looking at the screen)
• DBL(distance between learners): 협력의 대리변수로 사용