1. 서론
일반적으로 학습자에게 온라인 비디오 코스의 학습 내용에 대한 단계별 이해를 제공하면 온라인 비디오 코스의 e-러닝에 필요한 학습 스타일에 맞지 않는 많은 학습자가 탈락하는 것을 방지할 수 있습니다. 이를 기술적으로 달성하기 위한 첫 번째 단계로, 본 연구에서는 학습자의 학습 내용에 대한 이해를 실시간으로 촉진하기 위한 시각적 사고 도구를 갖춘 영상 기반 학습 콘텐츠를 제공하는 이러닝 시스템을 제안하고, 학습 이해도와 학습 스타일에 미치는 효과를 조사한다. 실제 학습 과정에서
온라인 비디오 기반 학습에서 학습자는 일반적으로 동시에 수업과 직접 접촉할 필요가 없으며 이는 상당한 이점이 있습니다. 휴대폰이나 컴퓨터를 통해 언제 어디서나 학습을 지원하며 이전에는 불가능했던 학습에 접근할 수 있습니다. 최근 온라인 학습 과정이 성인과 학생을 대상으로 점점 더 많이 마케팅되고 있지만 이러한 과정의 높은 중퇴율은 교육 기관 및 조직의 우려로 남아 있습니다. 많은 연구에 따르면 대면 수업을 듣는 학습자에 비해 온라인 강좌에 참여하는 학습자의 중퇴율이 더 높은 것으로 나타났습니다. 예를 들어, MOOC에서는 95% 이상의 학습자가 중퇴하고 [1], [14], Open University에서는 약 78%의 학습자가 중퇴한 것으로 보고되었습니다[22], [23].
설문조사 보고서[24]에 따르면, 학습자가 온라인 학습 과정을 중퇴하는 이유는 크게 두 가지 문제로 분류되는데, 학습자의 미루기와 이러닝 학습 스타일의 부적합성이다. 첫 번째 문제 범주는 일부 학습자가 스스로 이러닝의 시간과 학습 진행 상황을 효과적으로 관리할 수 없어 이러닝 과정을 이수하는 데 어려움을 겪는다는 점을 수반합니다. 첫 번째 문제 범주를 해결하기 위해 일부 e-러닝 기관에서는 이러한 학습자에게 개별적인 지원을 제공하기 위해 온라인 개인교습 및 멘토링을 도입했습니다[13]. 시스템 로그를 통해 학습 활동을 분석해 탈락 가능성이 있는 학습자를 파악한 이들도 있다[18]. 이러한 접근 방식은 e-러닝 과정의 유지율을 유지하는 효과적인 방법입니다[7]. 한편, 두 번째 문제 범주는 이러닝 시스템에서 제공되는 멀티미디어 콘텐츠가 교실에서 이루어지는 일반적인 대면 학습에 비해 학습자에게 인지 부하 효과를 발생시킨다는 점이다[6]. e-러닝의 인지부하 효과는 학습자의 학습 성과를 감소시켜 학습자의 중퇴 경향을 증가시킵니다. 두 번째 문제 범주를 해결하기 위해 일부 연구자들은 e-러닝의 학습 스타일에 맞는 기능을 갖춘 e-러닝 시스템을 설계했습니다. 예를 들어, 내용과 학습 스타일[4], 효과적인 멀티미디어 프리젠테이션[8], [15], [17]을 고려하여 웹 기반 코스를 설계합니다. 일반적인 e-러닝 스타일보다 더 나은 접근 방식을 만들었음에도 불구하고 최근의 많은 e-러닝 시스템은 여전히 인터페이스 중앙에 비디오가 있는 단순한 형식을 채택하고 있습니다. 더욱이, 일부 연구자들은 e-러닝의 학습 스타일을 조사하고 반사적 학습 스타일과 능동적 학습 스타일 모두 e-러닝 진행을 향상시키는 데 관련이 있으며 감각 학습자는 아마도 e-러닝 학습 스타일에 적응할 수 있음을 입증했습니다[5]. [13]. 따라서 학습자는 e-Learning 시 메타인지적 능력과 단계별 사고방식을 갖춘 학습을 수행하는 것이 필요하다. 그러나 현재의 비디오 기반 학습은 수동적 학습을 가능하게 하고, 학습자가 비디오를 시청하면서 학습 콘텐츠의 개념을 벗어나는 것이 어렵기 때문에 많은 학습자들이 자신의 메타인지 기술을 활용하는 데 어려움을 겪고 있다. 더욱이 중퇴 경향이 있는 학습자는 이러닝 과정을 처음부터 학습 내용을 효과적으로 이해하지 못한다[23]. 이러닝 시스템이 이러닝에 대한 학습자의 사고방식과 이러닝에서 요구하는 학습 스타일을 일치시킬 수 있도록 지원한다면 각 이러닝 과정의 중퇴율은 줄어들 것이다.
이에 우리는 빈칸 채우기 문제형 개념도를 제공하는 온라인 동영상 학습 인터페이스를 개발하였다[9]. 개념 맵은 복잡한 개념을 그래프 표현으로 제공하는 효과적인 방법입니다. 따라서 이는 학습자에게 학습 내용에 대한 향상된 이해를 제공하기 위해 교육 기관에서 자주 사용됩니다[19]. 그러나 섹션에서 자세히 논의한 바와 같이. 2, 일반적으로 일정 수의 학습자가 처음부터 개념 맵을 생성하는 것은 어려우며, 강의 영상을 보면서 적절한 개념 맵을 생성하는 것은 거의 불가능하다[11]. 이에 완성된 개념도에는 학습 내용을 이해하는데 중요한 몇 가지 라벨을 펀칭하여 학습자가 영상을 보면서 생각해 볼 수 있도록 하는 빈칸 채우기 질문형 개념도를 사용하였다. 실험실 실험에서는 개발된 시스템이 학습 영상을 시청하면서 학습자가 학습 내용을 더 잘 이해할 수 있도록 유도하고 학습자의 능동적 학습 스타일을 촉진시키는 것을 확인했습니다. 다음 단계로는 개발된 시스템의 실용성을 높이기 위해 개발된 시스템의 실제 환경에서의 유용성과 유효성을 조사하는 현장 실험이 필요하다.
본 연구에서는 개발된 시스템을 실제 UViversity 강좌의 두 수업에 도입하고, 실험실 실험과 비교하여 학습 내용에 대한 이해도, 시스템 운영 및 개발된 시스템의 유용성을 조사하였다. 그 결과, 개발된 시스템은 실험실 실험과 마찬가지로 현장 실험에서도 학습 내용에 대한 이해와 각 기능의 유용성을 지원하는 것으로 나타났다. 반면, 현장실험의 학생들은 실험실 실험에 비해 개발된 시스템의 유용성이 낮았으며, 이는 현장실험의 학습 내용을 철저하게 이해하려고 노력한 학생들이 실험실 실험에 비해 적었음을 시사한다. 학습 중 시스템 작동.
2. 관련 연구
개념지도는 다양한 개념 간의 관계를 시각적으로 표현할 수 있어 학습자의 깊은 이해를 지원하고, 이해도를 평가하는 데 유용한 도구이다[19]-[21]. 일부 연구자들은 수업의 학습 내용을 반성하고, 수업이 끝난 후 학습 내용에 대한 이해를 보완하거나 심화시켜 학습을 지원하기 위해 개념도를 활용하기도 했습니다. 예를 들어, Cimolino et al. [3]은 학생들이 학습 내용에 대한 개념적 이해와 오해를 인식할 수 있도록 개념 지도를 만들고 분석함으로써 교사가 세분화된 학습 영역에서 학생들의 개념 이해를 평가하는 개념 지도의 효율성을 확인했습니다. 모든 학습자가 적절한 개념도를 만드는 것이 어렵기 때문에 일부 연구자들은 전문가가 라벨과 링크가 포함된 구성 요소를 미리 준비하고 학습자가 이를 조립하는 Kit-Build 개념도를 활용하는 방법을 개발했습니다. 예를 들어, Yamasaki et al. [26] 및 Hirashima et al. [12]는 Kit-Built 개념 맵을 사용하여 학습자의 학습 내용에 대한 이해도를 진단하고, 학습 평가를 위해 학습자의 개념 맵과 전문가의 개념 맵을 각각 비교할 수 있음을 입증했습니다. Hayashi [10]는 Kit-Built 개념 맵이 실제 교실 교육 및 협동 학습에 매우 유용한 더 많은 예를 제시했습니다. 반대로, 일부 연구자들은 전문가가 만든 개념 맵에서 일부 라벨이 가려지는 빈칸 채우기 개념 맵을 통합한 시스템을 개발했습니다. Chang et al. [2]는 빈칸 채우기 개념 맵을 사용하여 시스템을 개발했습니다. 수업 후 학습내용 개념도 작성 작업을 통해 학생들의 학습 내용 이해 측면에서 기존 개념도보다 시스템이 더 효과적임을 확인하였다.
그럼에도 불구하고 최근 온라인 학습이 확산되면서 강의 영상을 보면서 컨셉맵을 활용하는 기술이 개발되고 있다. 예를 들어, Liu et al. [16]은 강의 영상을 보면서 개념 지도를 탐색으로 통합하는 시스템을 개발했습니다. 본 연구에서는 일반 사용자가 작성한 다수의 개념도를 종합하여 개념도 작성 방법을 제안하였고, 이들 방법으로 작성된 개념도에는 전문가가 작성한 개념도와 유사한 내용이 포함되어 있음을 확인하였다. 그러나 그들의 방법은 학습자가 강의 영상을 보면서 개념 지도를 자세히 살펴볼 수 있을 뿐입니다. 보다 적극적인 학습 스타일을 장려하려면 학습자가 강의 영상을 보면서 개념도를 만들 때 상호 작용해야 합니다.
무엇보다 학습자가 강의 영상을 시청하면서 학습 내용의 중요 사항에 대해 질문을 할 수 있도록 빈칸 채우기 문제가 포함된 컨셉맵을 접목한 학습 지원 시스템을 개발했습니다. 우리 실험실 실험에서 우리는 개발된 시스템이 학습자의 보다 적극적인 학습 스타일을 촉진한다는 것을 확인했습니다. 다음 단계로는 개발된 시스템의 실용성에 대한 조사가 필요하므로 개발된 시스템에 대한 현장 실험을 진행한다. 우리가 아는 한, 실제 환경에서 개념 지도를 사용하는 비디오 기반 학습에 대한 사례 연구는 없습니다.
3. 개발된 시스템
3.1. 개요
빈칸 채우기 문제가 포함된 개념도를 활용한 동영상 기반 이러닝 시스템을 개발했습니다. 개발된 시스템은 그림 1과 같이 강의 영상 시청 영역, 개념도 표시 영역, 빈칸 채우기 질문 답변 입력 영역으로 구성된다.
영상 시청 영역에서는 강의 슬라이드, 강의 연설문 등 강의 영상이 제공됩니다. 이러한 강의 영상은 버튼을 이용하여 재생 및 정지가 가능하며, 재생 바를 이용하여 재생 위치를 지정할 수 있습니다. 강의 영상 재생 시간은 사용자가 영상을 보면서 작업하기 쉽도록 평소보다 0.8배 느리게 설정됩니다. 개념도 표시 영역에서는 강사나 다른 전문가가 작성한 개념도에 여러 라벨의 위치가 자동으로 펀치아웃되어 표시됩니다. 그림 1의 컨셉 맵 표시 영역에서 볼 수 있듯이 링크와 라벨로 구성된 컨셉 맵에서 노란색의 공백 라벨이 자동으로 펀칭되어 있습니다. 각 레이블은 해당 레이블의 내용이 포함될 수 있는 강의 비디오의 재생 위치와 자동으로 연결됩니다. 강의 영상의 재생 위치와 관련된 라벨을 사용자가 알 수 있도록 주황색으로 라벨을 표시하고, 해당 영상 재생 위치에 대한 링크도 설정합니다. 컨셉맵에서 빈칸 채우기 문제에 대한 라벨 추출 과정과 라벨과 영상 재생 위치 간의 대응은 Sects에서 자세히 설명합니다. 각각 3.2.1과 3.2.2.
빈칸 채우기 문제의 답변 입력 영역에는 라벨 후보 목록이 제공되며, 답변 매칭을 위한 실행 버튼이 제공됩니다. 라벨 후보 목록에는 펀치아웃된 라벨의 목록이 표시됩니다. 컨셉 맵 표시 영역에서는 마우스로 선택한 각 라벨에 대해 후보 목록에서 선택한 항목이 빈 라벨에 삽입됩니다. 사용자가 답변을 일치시키기 위해 실행 버튼을 누르면 시스템은 컨셉맵의 빈 라벨에 삽입된 항목이 맞는지 확인하고, 빈 라벨에 잘못된 항목이 삽입되면 라벨이 빨간색으로 변해 이를 알려준다. 사용자는 오해라고 생각합니다.
사용자는 영상 시청 영역에서 제공되는 강의 영상을 시청하면서 시청 중인 학습 콘텐츠와 관련된 개념도 부분을 확인하고, 빈 라벨에 해당하는 학습 콘텐츠를 고려한 후, 항목을 선택하여 라벨에 삽입하게 된다. 후보 레이블 목록에서. 그러면 사용자는 자신의 답이 맞는지 확인하고, 틀린 답이 있으면 영상을 통해 해당 학습 내용을 다시 확인하게 됩니다. 이에, 사용자는 강의 내용 중 주의해야 할 사항을 항상 인지하고, 강의 영상을 시청하면서 해당 내용과 관련된 정보를 확인할 수 있다.
3.2 기능 모듈
3.2.1 개념도의 빈칸 채우기 질문에 대한 라벨 추출
우리는 개념 맵에서 빈칸 채우기 질문에 대한 레이블을 자동으로 추출하는 경험적 규칙을 만들었습니다.
빈칸 채우기 질문 라벨을 추출하기 위해서는 각 라벨에 대한 링크 수와 링크 라벨의 종류를 기준으로 학습 내용의 중요한 부분과 관련된 라벨을 식별하고, 주변 라벨 중에서 빈 라벨을 인식해야 한다. . 본 연구에서는 시행착오를 거쳐 단순화된 컨셉맵의 링크 라벨로서 “방법”, “설명”, “기능”, “예”, “내용”, “장점/단점” 및 기타 사용자 정의의 라벨을 사용하였다. 문구가 사용되었습니다.
빈칸 채우기 질문에 대한 레이블을 추출하는 규칙은 그림 2에 나와 있으며 아래에 나열되어 있습니다.
- 레이블이 "설명" 레이블이 있는 링크를 출력하는 경우 레이블에 대한 답변은 이를 설명하는 출력 링크 레이블에서 추론할 수 있으므로 레이블은 공백으로 남습니다.
- 레이블이 컨셉 맵에서 한 번만 나타나는 레이블이 있는 링크를 출력하는 경우, 링크된 레이블의 내용은 고유한 사용자가 정의한 링크 레이블과 연관된 내용에서 유추되므로 링크된 레이블은 공백으로 남습니다.
- 라벨이 “Method”, “Description”, “Function”, “Contents”의 링크 라벨과 연결된 여러 라벨을 출력하는 경우, 연결된 라벨의 왼쪽에서 홀수 번째 라벨은 공백으로 남습니다. 연결라벨 내용의 특징은 연결라벨에서 유추되기 때문이다. 그러나 공백 라벨에 출력 링크가 없으면 라벨에 대한 공백이 취소됩니다.
- 레이블이 "기능" 레이블이 있는 링크를 출력하는 경우, 둘 이상의 출력 링크가 있는 링크된 레이블은 비어 있습니다. 각 레이블의 내용은 내용에서 유추될 수 있기 때문입니다. 라벨에 연결/링크된 라벨의 수입니다.
- 레이블이 링크를 출력하지 않고 여러 레이블에서 연결된 경우 레이블의 내용은 해당 레이블에 연결된 여러 레이블의 내용에서 유추되므로 레이블은 비어 있습니다.
- 레이블이 "장점" 및 "단점" 레이블이 있는 링크를 출력하는 경우 해당 레이블의 각 링크가 출력되는 레이블은 공백으로 남아 있습니다. 그 이유는 링크 레이블에서 장점과 단점을 통해 레이블의 내용을 유추할 수 있기 때문입니다.
- 레이블이 "예제" 레이블이 있는 링크만 출력하는 경우 레이블의 내용은 레이블의 예제 내용에서 추론되므로 레이블은 공백으로 남습니다.
추출 규칙은 컨셉 맵에서 (a)부터 (g)까지 순서대로 모든 라벨에 적용되며, 컨셉 맵에서 최우선 순위와 왼쪽 우선 순위로 적용되며, 규칙에 의해 적용될 라벨이 없으면 추출 과정이 완료됩니다.
3.2.2 컨셉맵 라벨과 강의 영상 재생 위치의 대응
개념도의 각 레이블을 강의 영상의 재생 위치와 대응시키기 위해 각 레이블에 포함된 용어와 강의 영상에 표시된 각 슬라이드에 포함된 용어를 일치시켰습니다. 각 레이블에 해당 결과에 여러 비디오 재생 위치가 포함되어 있는 경우 레이블에 대한 용어가 나타나는 첫 번째 재생 위치에 더 자세한 설명이 포함될 가능성이 높습니다. 따라서 사용자가 라벨을 선택하면 처음 나타나는 재생 위치부터 순서대로 강의 영상이 재생됩니다.
대응과정의 과정에서는 개념도의 각 레이블에 포함된 용어와 슬라이드에 포함된 용어를 형태학적으로 분석하여 내용어(명사, 동사, 형용사, 부사, 부사)만을 추출한다. 숫자). 그런 다음 각 레이블에는 레이블에 포함된 모든 콘텐츠 단어가 포함된 슬라이드를 설명하는 비디오 재생의 시작 위치가 할당됩니다. 레이블의 모든 내용 단어가 포함된 슬라이드가 없는 경우 레이블은 레이블의 내용 단어가 가장 많이 포함된 슬라이드에 할당됩니다.
3.3 효과
개발된 시스템은 강의 영상을 시청하며 학습하는 학습자의 관심을 학습 콘텐츠에서 이해해야 할 중요 용어와 이와 관련된 용어로 유도한다. 학습자는 개념도의 빈칸 채우기 문제에 대한 정답을 얻을 때까지 학습 영상을 검토하고 시행착오를 수행합니다.
또 다른 연구[9]에서는 우리가 개발한 시스템을 개념도와 함께 기존 시스템과 비교하여 평가하기 위해 16명의 피험자를 대상으로 실험실 실험을 실시하였고, 개발된 시스템이 강의 영상을 시청하면서 능동적 학습을 촉진하고, 학습에 효과적임을 확인하였다. 영상 기반 학습에 익숙하지 않은 학습자를 위한 학습 콘텐츠에 대한 이해도를 향상시킵니다.
4. 실험 설정
학습효과와 개발된 시스템이 실제 수업에서 어떻게 활용되는지 알아보기 위해 현장실험을 실시하였고, 학습내용에 대한 이해도, 시스템 상호작용, 설문조사 후 조사를 바탕으로 실험실 실험과 비교하였다. 현장 및 실험실 실험에 대한 개요는 Sects에 설명되어 있습니다. 각각 4.1과 4.2.
4.1 현장실험
현장 실험은 대학생 대상 '정보 네트워크' 강좌 15개 세션 중 14개 세션에서 학생들이 개발된 시스템을 이용해 동영상을 시청하는 방식으로 진행됐다. 해당 강좌의 다른 모든 수업에서는 강사가 슬라이드를 활용하여 대면 강의를 진행했습니다. 강의는 강의실 앞에 대형 스크린이 있고 학생 개개인이 PC를 사용할 수 있는 대학 컴퓨터실에서 진행되었습니다. 1강과 2강의 두 강의에는 각각 13명의 참가자가 있었는데, 그 중 XNUMX명이 두 수업에 모두 참석했고, 다른 한 사람은 한 수업에 참석했습니다.
첫 수업의 처음 10분 동안 학생들에게 그림 3과 같은 학습 자료를 나눠주고 개발된 시스템의 사용법과 학습 절차에 대한 구두 설명을 제공했다. 이어 학생들은 교실에 있는 각자의 PC에서 개발된 시스템을 활용한 강의 영상을 보면서 학습했다. 또한 개발된 시스템을 사용하라고 묻지 않고 단순히 동영상만 시청하는 등 일반적인 학습 방법을 사용할 수도 있습니다. 각 강의가 끝난 후 학생들의 강의 내용에 대한 이해도를 확인하기 위해 각각 32문항과 29문항의 참/거짓 문제에 대한 테스트를 실시하였다. 매 강의 종료 후 개발된 시스템을 활용한 학습에 대한 사후 설문조사도 실시하였다. 개발된 시스템을 사용하여 수업 중 학생들의 시스템 운영 이력을 파일로 기록하였다.
1강과 2강의 영상에서는 강사가 슬라이드를 보여주며 강의 내용을 설명했는데, 각각 약 42분, 45분 동안 진행됐다. 개발된 시스템에서 사용된 개념도와 독해력 테스트는 강사가 직접 제작한 것이며, 1, 2강의 개념도의 속성은 라벨 수가 1개와 69개로 Table 67과 거의 유사하였고, 숫자는 26개로 나타났다. 29과 76의 빈칸 채우기 레이블과 둘 다 XNUMX개의 링크 수입니다.
4.2 실험실 실험
실험실 실험에서는 현장 실험과 동일한 과목인 '정보 네트워크' 과목의 15개 강의 중 2개 강의를 개발된 시스템을 이용한 영상 기반 학습에 활용하였다. 강의 영상 중 하나는 현장실험과 동일한 3강이었고, 다른 하나는 현장실험과 다른 16강이었습니다. 실험실 실험의 참가자는 본 강좌를 수강한 적이 없는 학부 및 대학원생 8명이었다. 그 중 2명은 8강에서 배웠고, 나머지 3명은 XNUMX강에서 배웠습니다.
먼저, 현장 실험과 마찬가지로 개발된 시스템의 사용법을 수업자료와 함께 학생들에게 구두로 설명한 후, 다른 학생들과 서로 다른 시간대에 개발된 시스템을 자신의 PC에서 사용하여 학습하였다. . 각 강의를 학습한 후, 학습 내용에 대한 학생들의 이해를 확인하기 위해 29강과 26강의 2문항과 3문의 정답/오답 XNUMX문항에 대한 독해 시험을 실시하였다. 개발된 시스템을 이용한 영상 기반 학습에 대해서도 현장 실험에서 사용한 것과 동일한 사후 설문조사를 실시하였다. 개발된 시스템을 사용하여 학습하는 동안 학생들의 시스템 작동 이력도 파일에 기록되었습니다.
2강과 3강의 영상은 모두 약 45분 길이였으며, 컨셉맵의 속성은 Table 1과 같이 유사하였으며, 라벨 수는 67개와 77개, 빈칸 채우기 수는 29개로 나타났다. 35와 76의 라벨과 83과 XNUMX의 링크 번호.
5. 결과 및 논의
이해도 테스트 결과, 개발된 시스템의 운영 이력, 사후 설문지 결과는 각각 Fig. 4, Table 2, 3과 같다.
Fig. 4에서 보듯이, 2강 학생들의 현장실험과 실험실 실험의 독해력 테스트 평균점수는 각각 23.13점과 22.57점으로 거의 차이가 없었다. 한편, 동일 실험 강의 간 학생들의 독해력 시험 평균점수를 비교해 보면, 현장실험에서는 1강과 2강의 차이가 거의 없는 것으로 나타났다(각각 25.57강 중 32점, 22.57강 중 29점). 그리고 실험실 실험의 강의 2와 3 사이(각각 22.57개 중 29점과 20.38점 중 26점). 또 다른 연구[9]의 실험실 실험에서는 개발된 시스템이 학생들의 학습영화 시청 중 학습 내용의 이해를 지원하는 것을 확인하였다. 따라서 개발된 시스템은 실제 학습 환경에 도입되더라도 학생이 실험실 실험처럼 학습 영상을 보면서 학습 내용을 이해할 수 있도록 지원한다.
다음으로 개발된 시스템의 경우 시스템 운용 횟수를 확인하였다. 표 2에서 보는 바와 같이, 라벨에서 영상 재생 위치로 이동하는 횟수는 현장 실험과 실험실 실험에서 평균 7.07~10.71회로 두 실험 모두 유사한 행태를 보였다. 반면, '빈칸 채우기 문제의 답을 확인(14.79회)', '빈칸 채우기 문제의 답을 다시 확인', '다음으로 변경'의 평균 횟수는 비디오 재생 위치'는 현장 실험에서 각각 18.86-12.21, 19.07-36.79, 37.14-4.33로 나타났으나, 실험실 실험에서는 각각 37.14-4.33, 10.71-10.83, 18.13-2으로 증가하는 것으로 나타났다. 현장 실험의 경향. 두 실험에 사용된 강의 내용 'Lecture XNUMX'에서는 Welch's t-test((\(t\)(19) = 1.812, \(p\) = 0.086, \(r\) = 0.685), (\(t\)(18) = 2.297, \(p\) = 0.034, \(r\) = 0.856) 및 (\(t\)(20) = 1.613, \(p\) = 0.122, \(r\) = 0.630)). 따라서 실제 영상 기반 학습에서 개발된 시스템을 사용하는 학생은 실험실 실험보다 질문에 대한 답을 더 자주 확인하고 영상 내용을 다시 확인하는 경우도 더 많다.
Table 3에서 보는 바와 같이, 개발 시스템에 대한 사후 설문 조사에서는 개발 시스템의 각 기능에 대한 유용성이 현장 실험과 실험실 실험 모두에서 평균 3.8 이상으로 높게 평가되는 것으로 나타났다. 또한 자신의 학습에 대한 만족도와 개발시스템 활용 시 학습시간의 충분성은 현장실험과 실험실 실험 모두에서 평균 3.43, 평균 3.69~3.88로 높게 평가되었다. 이 중 현장실험에서 '학습시간의 충분성', '학습 내용에 대한 이해도', '학습영상을 보면서 개념도를 조작하는 학습스타일의 유용성'에 대한 평가는 실험실에 비해 0.2점 낮았다. 각각 실험; 실험 사이에는 통계적으로 유의미한 차이가 있습니다((\(t\)(28) = 2.106, \(p\) = 0.044, \(r\) = 0.792), (\(t\)(26) = 2.212, \(p\) = 0.036, \(r\) = 0.846) 및 (\(r\)(22) = 1.675, \(p\) = 0.108, \(r\) = 0.652)). 따라서 개발된 시스템을 실제 학습에 활용한 학생들은 실험실 실험에 비해 낮았지만 시스템 기능의 유용성과 높은 학습 만족도, 학습 시간의 효율성을 확인하였다.
또한 현장실험에서 개발된 시스템이 학습에 미치는 영향 사이의 관계를 알아보기 위해 현장실험에서 사후설문지 각 항목의 평점과 학습내용의 이해점수의 상관관계를 계산하였다. Table 4는 상관계수가 0.5 이상인 사후 설문문항과 학습내용의 이해점수 간의 상관행렬을 나타낸 것이다. Table 4에서 보는 바와 같이, 다음의 각 항목 간에는 통계적으로 유의한 양의 상관관계가 있는 것으로 나타났다.
- '학습 내용에 대한 이해도'와 '자신의 학습에 대한 만족도'(\(t\)(25) = 4.842, \(p\) = 0.000056, \(r\) = 0.642),
- “학습영상을 보면서 개념도를 조작하는 학습스타일의 유용성”과 “자신의 학습에 대한 만족도”(\(t\)(25) = 5.639, \(p\) = 0.0000072, \(r\) = 0.036),
- “학습영상을 보면서 개념도를 조작하는 학습스타일의 유용성”과 “학습내용에 대한 이해도”(\(t\)(25) = 3.732, \(p\) = 0.001, \(t\) = 0.477),
- “학습 내용의 어려움”과 “자신의 학습에 대한 만족도”(\(t\)(25) = 3.367, \(p\) = 0.002, \(r\) = 0.244),
- '학습 내용의 난이도'와 '학습 내용에 대한 이해도'(\(t\)(25) = 3.106, \(p\) = 0.005, \(t\) = 0.452),
- “학습 내용의 어려움”과 “학습 영상을 보면서 개념도를 조작하는 학습 스타일의 유용성”((\(t\)(25) = 3.164, \(p\) = 0.004, \(t\) = 0.152).
반면, 이들 항목과 이해점수 사이의 상관계수는 다음과 같았다. \(-0.025\) 0.272로 상관관계가 거의 없는 것으로 나타났다. '학습 내용에 대한 이해'와 '학습 내용의 어려움' 모두 높은 점수를 받은 학생은 두 항목 모두 낮은 점수를 받은 학생보다 학습 과정에서 학습 내용을 더 깊이 이해하려고 시도한 것으로 추정됩니다. 따라서 학습 내용에 대한 이해 수준과 상관없이 학습 내용을 철저하게 이해하려고 노력한 학생들은 자신의 학습에 대한 만족도가 매우 높아 개발된 시스템이 제공하는 학습 스타일의 효율성을 알 수 있었다.
전반적으로 실험실 실험과 마찬가지로 현장 실험에서도 학습 내용에 대한 이해와 각 기능의 유용성을 지원하기 위해 제공된 빈칸 채우기 문제가 포함된 개념도를 활용한 영상 기반 학습을 지원하는 시스템을 개발하였다. 반면, 현장실험에서 개발된 시스템을 사용한 학생들은 실험실 실험에 비해 사후설문지에서 낮은 점수를 부여하여 현장실험에서 학습 내용을 철저하게 이해하려고 노력한 학생들이 적은 것으로 나타났다. 실험실 실험에 있는 사람들. 이는 현장실험에 참여한 학생들의 태도와 관련이 있을 수 있다. 답변 후 바로 답변을 확인하고, 영상 학습 내용도 자주 확인했습니다. 그 이유는 각 질문에 답변한 후 바로 답변을 확인하기 때문에 자신의 답변이 컨셉맵에서 주변 답변 라벨과 어떤 관련이 있는지 별로 고려하지 않았기 때문일 것입니다. 이러한 태도와 개발된 시스템 기능의 사용법을 조사하는 것은 우리의 향후 작업입니다.
6. 결론
비디오 스트리밍을 통한 e-learning은 교육 및 비즈니스 분야에서 널리 사용됩니다. 그러나 이러한 학습 환경에서는 학습자가 수동적이 되기 쉽고, 이러한 학습 스타일과 양립할 수 없는 학습자는 학습 내용을 이해하는 데 어려움을 겪습니다. 이에 우리는 학습자가 학습영상을 시청하면서 학습내용에 대한 이해를 깊게 할 수 있도록 빈칸 채우기형 질문형 개념도를 접목한 이러닝 시스템을 개발하였다. 개발된 시스템은 학습자가 비디오 콘텐츠의 개념도에 있는 빈 질문 레이블과 빈 질문 레이블과 관련된 레이블에 답하도록 함으로써 반사적, 논리적으로 능동적 학습을 촉진합니다. 개발된 시스템은 학습자가 학습 영상을 시청하면서 학습 내용을 더 잘 이해할 수 있도록 유도하고, 개발된 시스템의 기능에 대한 유용성을 제공한다는 것을 실험실 실험을 통해 확인하였다. 또한, 개발된 시스템의 실용성을 높이기 위해서는 개발된 시스템이 실제 환경에서 활용도와 유효성을 조사하는 현장 실험이 필요하다. 본 연구에서는 개발된 시스템을 uviversity 과정의 두 수업에 도입하고, 실험실 실험과 비교하여 학습 내용에 대한 이해도, 시스템 운영 및 개발된 시스템의 유용성을 조사하였다. 그 결과, 개발된 시스템은 실험실 실험과 마찬가지로 현장 실험에서도 학습 내용에 대한 이해와 각 기능의 유용성을 지원하는 것으로 나타났다. 반면, 현장실험의 학생들은 실험실 실험에 비해 개발된 시스템의 유용성이 낮았으며, 이는 현장실험의 학습 내용을 철저하게 이해하려고 노력한 학생들이 실험실 실험에 비해 적었음을 시사한다. 학습 중 시스템 작동.
향후 작업에서는 개발된 시스템에 대한 더 많은 사례 연구를 수행하여 실제 환경에서 학생들의 학습 효과와 태도에 대한 더 많은 결과를 얻을 것입니다. 예를 들어, 개발된 시스템을 영상학습 과정에서 지속적으로 사용함으로써 학습자의 영상학습에 대한 태도가 어떻게 변화하고, 학습 내용에 대한 이해에 어떤 영향을 미치는지 조사하고자 한다. 또한, 학습자가 스스로 학습 일정을 결정하는 영상 학습 과정을 통해 개발된 시스템이 학습자의 학습 관리 능력에 미치는 영향을 조사하고자 한다.
감사의 글
이 작업은 JSPS KAKENHI 부여 번호 19K12264 및 23K11364의 지원을 받았습니다.
참고문헌
[1] K.M. Alraimi, H. Zo, and A.P. Ciganek, “Understanding the MOOCs continuance: The role of openness and reputation,” Computers & Education, vol.80, pp.28-38, 2015.
CrossRef
[2] K.E. Chang, Y.T. Sung, and S.F. Chen, “Learning through computer-based concept mapping with scaffolding aid,” Journal of Computer Assisted Learning, vol.17, no.1, pp.21-33, 2001.
CrossRef
[3] L. Cimolino and J. Kay, “Verified Concept Mapping for Eliciting Conceptual Understanding,” Proc. ICCE2002, pp.1561-1563, 2002.
CrossRef
[4] L. Combs, “The Design, Assessment, and Implementation of a Web-Based Course,” Association for the Advancement of Computing in Education, vol.12, no.1, pp.27-37, 2004.
[5] A.C. Dalmolin, G.A. O. Mackeivicz, M.T. Pochapski, G.L. Pilatti, and F.A. Santos, “Learning styles preferences and e-learning experience of undergraduate dental students,” Revista de Odontologia da UNESP, vol.47, no.3, pp.175-182, 2018.
CrossRef
[6] K.E. DeLeeuw and R.E. Mayer, “A comparison of these measures of cognitive load: Evidence for separable measures of intrinsic, extraneous, and germane load,” Journal of Educational Psychology, vol.100, no.1, pp.223-234, 2008.
CrossRef
[7] J. Grau and J. Minguillon, “When procrastination leads to dropping out: analysing students at risk,” eLC Research Paper Series, vol.6, pp.63-74, 2013.
[8] P.J. Guo, J. Kim, and R. Rubin, “How video production affects student engagement: an empirical study of MOOC videos,” Proc. first ACM Learning@ scale conference, pp.41-50, 2014.
CrossRef
[9] T. Hasegawa and T. Hayama, “Developing a Video-based e-Learning System Incorporating a Fill-in-the-blank Question-type Concept Map,” Proc. International Conference on Computers in Education 2023, pp.34-39, 2023.
[10] Y. Hayashi, “Open Information Structure Approach to Learning Support and Management with Kit-build Concept Map,” The 4th International Conference on Education and Management (COEMA 2019), PB - Atlantis Press, pp.82-88, 2019.
CrossRef
[11] T. Hayama and S. Sato, “Supporting Online Video e-Learning with Semi-automatic Concept-Map Generation,” In: P. Zaphiris and A. Ioannou (eds), Learning and Collaboration Technologies. Designing, Developing and Deploying Learning Experiences. HCII 2020, Lecture Notes in Computer Science, vol.12205, pp.64-76, 2020.
CrossRef
[12] T. Hirashima, K. Yamasaki, H. Fukuda, and H. Funaoi, “Kit-Build Concept Map for Automatic Diagnosis,” Proc. AIED2011, Lecture Notes in Computer Science, vol.6738/2011, pp.466-468, 2011.
CrossRef
[13] E. Huang, S. Lin, and T. Huang, “What type of learning style leads to online participation in the mixed mode e-learning environment? A study of software usage instruction,” Computers & Education, vol.58, no.1, pp.338-349, 2012.
CrossRef
[14] H. Khalil and M. Ebner, “MOOCs Completion Rates and Possible Methods to Improve Retention - A Literature Review,” Proc. World Conference on Educational Multimedia, Hypermedia and Telecommunications 2014, pp.1236-1244, 2014.
[15] R.F. Kizilcec, K. Papadopulolos, and L. Sritanyaratana, “Showing face in video instruction: Effects on information retention, visual attention, and affect,” Proc. Annual SIGCHI Conference on Human Factors in Computing Systems, pp.2095-2102, 2014.
CrossRef
[16] C. Liu, J. Kim, and H.-C. Wang, “ConceptScape: Collaborative Concept Mapping for Video Learning,” Proc. 2018 CHI Conference on Human Factors in Computing Systems, Paper N.387, pp.1-12, 2018.
CrossRef
[17] R.E. Mayer, “Principles of multimedia learning based on social cues: Personalization, voice, and image principles,” In: R.E Mayer (ed), The Cambridge handbook of multimedia learning, Cambridge University Press, pp.201-212, 2005.
CrossRef
[18] N. Mduma, K. Kalegele, and D. Machuve, “Machine learning approach for reducing students dropout rates,” International Journal of Database Theory and Application, vol.9, no.8, pp.119-130, 2016.
[19] J.D. Novak, “Concept Mapping: A Useful Tool for Science Education,” Journal of Research in Science Teaching, vol.27, no.10, pp.937-949, 1990.
CrossRef
[20] A.S. Ozdemir, “Analyzing Concept Maps as an Assessment (Evaluation) Tool in Teaching Mathematics,” J Soc Sci, vol.1, no.3, pp.141-149, 2005.
CrossRef
[21] R. Schmid and G. Telaro, “Concept Mapping as an Instructional Strategy for High School Biology,” The Journal of Education Research, pp.78-85, 2015.
[22] O. Simpson, “22% - can we do better?” In: The CWP Retention Literature Review, p.47, 2010.
[23] O. Simpson, “Student retention in distance education: Are we failing our students?,” Open Learning: The Journal of Open, Distance and e-Learning, vol.28, no.2, pp.105-119, 2013.
CrossRef
[24] A. Tominaga and C. Kogo, “Developments and issues in practical studies of e-learning,” The Annual Report of Educational Psychology in Japan, vol.53, pp.156-165 (in Japanese), 2014.
CrossRef
[25] W. Wunnasri, J. Pailai, Y. Hayashi, and T. Hirashima, “Reciprocal Kit-Building of Concept Map to Share Each Other's Understanding as Preparation for Collaboration,” Proc. Artificial Intelligence and Education (AIED), pp.599-612, 2018.
CrossRef
[26] K. Yamasaki, H. Fukuda, T. Hirashima, and H. Funaoi, “Kit-Build Concept Map and Its Preliminary Evaluation,” Proc. ICCE2010, pp.290-294, 2010.