데이터 수집 · Data Collection
LMS 접속, 콘텐츠 열람, 과제제출, 퀴즈, 토론, AI 대화, 학습시간 등 학습과정에서 발생하는 데이터를 수집합니다.
- 핵심: 필요한 데이터만 수집
- 구분: 행동로그, 성취, 설문, 텍스트
- 주의: 데이터가 많다고 학습상태를 정확히 설명하는 것은 아님
ANALYTICS PIPELINE · 분석 파이프라인
데이터 → 해석 → 개입 → 효과검증
지표화 · Indicator Construction
원시로그를 학습지속, 참여, 지연, 도움요청, 반복오류와 같은 교육적 의미를 가진 지표로 변환합니다.
- 예: 단순 접속횟수보다 학습세션 지속시간
- 이론 연결: SRL, CoI, 인지부하
- 주의: 편리한 지표를 학습 자체로 오인하지 않기
진단 · Diagnosis
현재 학습자의 상태를 파악합니다. 낮은 성취가 지식부족인지, 참여저하인지, 시간관리 문제인지 원인을 구분하는 것이 핵심입니다.
- 진단대상: 오개념, 지연, 이탈위험, 과도한 AI 의존
- 방법: 규칙기반, 통계, 머신러닝, 질적자료 결합
- 결과: 개입 가능한 원인으로 표현
예측 · Prediction
향후 중도이탈, 성취저하, 과제미제출 가능성을 추정합니다. 정확도뿐 아니라 어떤 학생에게 어떤 오류를 만드는지 검토해야 합니다.
- 평가: Precision, Recall, AUC 등
- 위험: 취약집단 오분류와 자기충족적 낙인
- 원칙: 예측은 지원을 위한 신호이지 처벌근거가 아님
교육적 개입 · Educational Intervention
분석결과를 메시지, 튜터링, 일정조정, 교수자 연락, 추가자료, 피드백 등 실제 행동으로 연결합니다.
- 누가: AI, 교수자, 상담자
- 언제: 조기·즉시·주기적
- 무엇을: 최소한의 필요한 개입
효과검증 · Evaluation
개입 후 성취, 지속성, 만족도, 학습행동이 개선됐는지를 비교합니다. 예측모델의 정확성과 교육적 효과는 별개로 검증해야 합니다.
- 비교: 개입군·비개입군 또는 전후 변화
- 측정: 효과크기와 부작용
- 핵심: 분석이 실제 학습개선으로 이어졌는가
METRICS · 핵심지표
교육적으로 해석 가능한 지표
Engagement · 참여
접속횟수 하나가 아니라 세션 지속, 활동완료, 토론참여, 반복방문을 함께 봅니다.
Persistence · 학습지속
주차별 이탈, 과제제출 간격, 휴면기간을 통해 중도이탈 위험을 파악합니다.
Mastery · 숙달
정답률뿐 아니라 동일개념의 재시도, 전이문항, 오류유형 변화를 분석합니다.
Help-Seeking · 도움요청
AI·교수자에게 언제 어떤 도움을 요청하는지 분석해 독립적 문제해결과 과잉의존을 구분합니다.
AI Reliance · AI 의존
AI 호출 빈도보다 어떤 과제단계에서 AI가 대신 수행했는지와 학습자 자기설명 여부를 함께 측정합니다.
CORE CONCEPTS · 핵심 개념
학습분석의 기본 용어
Learning Analytics · 학습분석
학습과 환경에 관한 데이터를 수집·분석해 학습과 교육환경을 이해하고 개선하는 연구와 실천입니다.
Educational Data Mining · 교육데이터마이닝
교육데이터에서 패턴을 발견하고 모델을 개발하는 계산 중심 접근입니다. 학습분석과 겹치지만 방법론적 강조점이 다릅니다.
Early Warning System · 조기경보체계
중도이탈이나 성취저하 위험을 조기에 탐지해 지원개입을 연결하는 시스템입니다.
Explainable Analytics · 설명가능한 분석
교수자와 학습자가 왜 특정 위험판정이 나왔는지 이해할 수 있도록 지표와 근거를 설명하는 방식입니다.
Data Minimization · 데이터 최소수집
연구·교육목적에 필요한 범위의 데이터만 수집해 개인정보 위험을 줄이는 원칙입니다.
CORE LITERATURE · 핵심 문헌축
원전과 한글 해설
Siemens & Long, Penetrating the Fog: Analytics in Learning and Education『학습과 교육에서의 분석』
학습분석이 왜 필요한지와 교육의 의사결정을 데이터로 지원하는 초기 핵심 논의를 제시합니다.
Ferguson, Learning Analytics: Drivers, Developments and Challenges『학습분석의 동인, 발전과 과제』
학습분석의 발전배경, 적용영역과 윤리적·실천적 한계를 정리합니다.
Gašević, Dawson & Siemens, Let’s Not Forget: Learning Analytics Are about Learning『학습분석의 중심은 학습이다』
데이터 기술보다 학습이론과 교육적 해석을 중심에 두어야 한다는 중요한 원칙을 강조합니다.
OECD / UNESCO educational data and privacy guidance『교육데이터·개인정보 관련 국제 지침』
교육데이터의 책임 있는 수집, 사용과 인간감독을 검토할 때 기준점으로 활용합니다.
RESEARCH PRACTICE · 연구 적용
분석을 실제 교육개선으로 연결하기
성인 원격학습자 이탈예측
접속·과제·AI 도움요청 데이터를 이용해 위험을 예측하고, 예측만 하지 않고 교수자 연락 또는 AI 코칭의 효과까지 검증합니다.
AI Tutor 대화로그 분석
질문유형, 힌트사용, 자기설명, 정답요청 행동을 코딩해 AI가 사고를 촉진하는지 대행하는지 분석합니다.
NEXUS 학습웹앱 Living Lab
콘텐츠 이용경로와 학습완료 데이터를 최소수집 원칙으로 분석해 화면·난이도·피드백 구조를 반복 개선합니다.
운영기준: 예측정확도가 높아도 교육적 개입으로 연결되지 않으면 학습분석 연구로서 완결되지 않습니다.