표제지
목차
Ⅰ. 서론 10
1. 연구의 목적 및 필요성 10
2. 연구 내용 및 방법 12
Ⅱ. 지능형 학습 서비스를 위한 학습 분석 선행 연구 13
1. 지능형 학습서비스와 학습 분석학 13
2. 학습 분석을 위한 데이터 수집 분석 25
3. 지능형 학습을 위한 학습 분석 데이터 39
Ⅲ. 디지털 및 IoT 환경에서의 지능형 서비스 사례 분석 56
1. 디지털 환경에서의 지능형 서비스 활용 과정에서 생성되는 데이터 및 분석, 서비스 사례: 넷플릭스 56
2. 디지털 환경에서의 학습 활동 과정에서 생성되는 데이터 및 분석, 서비스 사례: Tinkable 61
3. IoT 환경에서 생성되는 데이터를 교육데이터로 연계 활용하는 사례: Sidewalk Labs 사례 70
Ⅳ. 지능형 학습 분석을 위한 시스템 구조 및 수집ㆍ분석 규칙 개발 74
1. 지능형 학습 분석을 위한 데이터 유형 74
2. 지능형 학습 분석을 위한 시스템 구조 78
3. 지능형 학습 분석을 위한 학습맥락 데이터 수집 및 분석 규칙 개발 89
4. 지능형 학습 분석을 위한 인공지능 알고리즘 적용 학습 분석 시스템의 구조 94
5. 학습맥락 데이터가 포함된 학습분석 대시보드 프로토타입 구현 103
Ⅴ. 지능형 학습 분석을 위한 학습 분석 기술표준 확장 방안 111
1. 학습맥락 데이터의 학습분석 기술 표준과의 연계 111
Ⅵ. 결론 및 시사점 118
참고문헌 119
판권기 122
〈표 Ⅱ-1〉 Crystal Island 게임기반 학습 대표 화면 18
〈표 Ⅱ-2〉 AIEd의 세 가지 모델 20
〈표 Ⅱ-3〉 학습 분석학과 교육관리 분석학의 차이(Siemens et al. 2011) 22
〈표 Ⅱ-4〉 빅데이터 유형과 분석 기법 26
〈표 Ⅱ-5〉 학습 분석을 위한 데이터 유형(성은모, 진성희, 유미나, 2016) 35
〈표 Ⅱ-6〉 데이터의 성격 구분(조일현, 송종우, 박연정, 2015) 38
〈표 Ⅱ-7〉 생체심리 데이터의 측정단위, 원리, 학습 분석을 위한 해석 46
〈표 Ⅱ-8〉 뇌파의 주파수 별 분류와 특징(한국전자통신연구원, 2017) 47
〈표 Ⅳ-1〉 지능형 학습 분석을 위한 데이터 유형 및 예시 74
〈표 Ⅳ-2〉 IoT 센서 단말기 측정 데이터 유형 및 창의융합형 과학실 탐구활동 사례 86
〈표 Ⅴ-1〉 Caliper Analytics와 xAPI 비교표(이재호, 2018) 113
[그림 Ⅱ-1] Get Waggle의 대시보드 예시 17
[그림 Ⅱ-2] 중국교실에 적용된 얼굴 인식 및 학생 행동 모니터링 시스템 19
[그림 Ⅱ-3] 모델 기반 적응형 튜터링 AIEd 시스템 21
[그림 Ⅱ-4] SNS: 비정형 도큐먼트 데이터 예시 27
[그림 Ⅱ-5] 웹 데이터: 비정형 도큐먼트 데이터 예시 27
[그림 Ⅱ-6] 센서 데이터의 수집과 저장 예시 28
[그림 Ⅱ-7] 이미지 데이터의 수집과 저장 예시 29
[그림 Ⅱ-8] 알고리즘을 통한 영상 분류 29
[그림 Ⅱ-9] "edu graph" 데이터 모델 31
[그림 Ⅱ-10] IMS Global(2013)의 학습 활동 매트릭스 32
[그림 Ⅱ-11] IMS Caliper Analytics- 학습 측정 프레임워크 33
[그림 Ⅱ-12] 학습분석에서의 학습활동 지표안(나일주, 임철일, 조영환, 2015) 34
[그림 Ⅱ-13] 지표 풀의 항목 구분 체계 및 데이터 성격 구분 36
[그림 Ⅱ-14] 학생들의 행동 분석사례 42
[그림 Ⅱ-15] 틀린 문항 교정 행동 42
[그림 Ⅱ-16] 학습성과와 행동의 상관관계 분석 43
[그림 Ⅱ-17] 문항 유형별 정오답 분석 43
[그림 Ⅱ-18] 개인별 문항 풀이 패턴 분석 44
[그림 Ⅱ-19] 체감난이도 및 적절 풀이 시간에 대한 분석과 예측 44
[그림 Ⅱ-20] 동공크기 변화 추이(Kim and Jo, 2018) 49
[그림 Ⅱ-21] HRV 변화 추이(Kim and Jo, 2018) 49
[그림 Ⅱ-22] Affectiva를 활용한 학습자 얼굴 인식(즐거움 예시) 50
[그림 Ⅱ-23] Affectiva를 활용한 학습자 얼굴 인식(경멸 예시) 51
[그림 Ⅱ-24] 수업참여도(Engagement Index) 분석 사례(Robinson & Fish, 2015) 51
[그림 Ⅱ-25] 수업참여도와 수료율간 관계 분석 사례(Robinson & Fish, 2015) 52
[그림 Ⅱ-26] IoE 기반의 교육 모델(Ahad et al, 2018) 53
[그림 Ⅱ-27] IoE 기반의 교실 구성요소(Ahad et al, 2018) 54
[그림 Ⅱ-28] 맞춤화된 학습 플렌 제공 시스템 55
[그림 Ⅱ-29] 맞춤화된 강의 플렌 제공 시스템 55
[그림 Ⅲ-1] Kafka 활용 넷플릭스 데이터분석 구조 57
[그림 Ⅲ-2] 링크드인에 적용된 Kafka를 이용한 데이터 수집 및 저장, 분석 아키텍처 60
[그림 Ⅲ-3] 데이터 생산자와 수신자를 중계하는 Kafka 61
[그림 Ⅲ-4] Sidewalk Labs이 토론토시에 제안한 스마트 도시의 모습 71
[그림 Ⅲ-5] Sidewalk Labs이 제안한 스마트도시의 디지털 레이어 72
[그림 Ⅳ-1] IBM이 제안한 인공지능과 연결된 미래교실 78
[그림 Ⅳ-2] ICT기반 공공서비스 촉진사업(KERIS, 2017)의 아키텍트 79
[그림 Ⅳ-3] IoT 학습환경으로 확장한 지능형 학습분석 데이터 아키텍트 80
[그림 Ⅳ-4] IoT 학습환경으로 확장된 지능형 학습분석 아키텍트 상세 81
[그림 Ⅳ-5] 인공지능이 적용된 지능형 학습분석 시스템의 구조 96
[그림 Ⅳ-6] 교과별 특성을 고려한 지능형 학습분석 시스템의 구조 97
[그림 Ⅳ-7] 개인학습정보 보호규약 및 알고리즘 Pool 활용이 적용된 시스템 구조 98
[그림 Ⅳ-8] 학습내용/활동의 재구성 프로세스가 고려된 지능형 학습분석 시스템 100
[그림 Ⅳ-9] 인공지능 적용 지능형 학습분석 플랫폼의 전체 구조도 101
[그림 Ⅳ-10] 학습맥락 데이터가 포함된 Dashboard: 국어 106
[그림 Ⅳ-11] 학습맥락 데이터가 포함된 Dash Board: 수학 107
[그림 Ⅳ-12] 학습맥락 데이터가 포함된 Dash Board: 영어 108
[그림 Ⅳ-13] 학습맥락 데이터가 포함된 Dash Board: 과학 109
[그림 Ⅳ-14] 학습맥락 데이터가 포함된 Dash Board 모바일 화면 110
[그림 Ⅴ-1] xAPI 1.0.3 상의 학습 경험 데이터 명세 111
[그림 Ⅴ-2] xAPI 데이터 모델 개요 112
[그림 Ⅴ-3] IoT 학습환경 데이터를 활용한 xAPI의 확장 모델 112
[그림 Ⅴ-4] Caliper Analytics Event 요소 116
[그림 Ⅴ-5] Caliper Analytics Entity 구조 116