NMC Horizon Report > 2017 Higher Education Edition (Korean)
>고등교육 분야에 기술 도입을 가속화하는 핵심 트렌드
>>중기 트렌드 : 향후 3 ~ 5 년간 고등교육에서의 에듀 테크 도입 추진

학습 측정에 대한 관심 증가 Growing Focus on Measuring Learning

중기 트렌드 : 향후 3 ~ 5 년간 고등교육에서의 에듀 테크 도입 추진

서론

요약

고등교육 분야에 기술 도입을 가속화하는 핵심 트렌드

장기 트렌드: 5 년 이상의 기간 동안 고등교육에서의 에듀 테크 도입 추진

 > 혁신 문화 촉진 Advancing Cultures of Innovation
 > 심층 학습법 Deeper Learning Approaches

중기 트렌드 : 향후 3 ~ 5 년간 고등교육에서의 에듀 테크 도입 추진

 > 학습 측정에 대한 관심 증가 Growing Focus on Measuring Learning
 > 학습 공간 재설계 Redesigning Learning Spaces

단기 동향: 향후 1 ~ 2 년간 고등교육에서의 에듀 테크 도입 추진

 > 협력 학습 Collaborative Learning
 > 혼합 학습 설계 Blended Learning Designs

고등교육 분야에 기술 도입을 저해하는 심각한 도전들

해결 가능한 도전: 문제를 이해하고 있고 해결 방법도 알고 있는 문제

 > 디지털 리터러시 증진Improving Digital Literacy
 > 형식과 무형식 학습의 통합 Integrating Formal and Informal Learning

어려운 도전: 문제를 이해하고 있지만 해결 방법을 찾기 어려운 문제

 > 성취도 격차Achievement Gap
 > 디지털 형평성 증진 Advancing Digital Equity

힘겨운 도전: 정의하기도 복잡하고, 언급 조차 잘 안 되는 문제

 > 지식 노후화 관리 Managing Knowledge Obsolescence
 > 교육자의 역할 재검토 Rethinking the Roles of Educators

고등교육 분야에서 에듀 테크의 중대한 발전들

도입 기간 전망: 1년 이하

 > 적응형 학습 기술 Adaptive Learning Technologies
 > 모바일 학습 Mobile Learning

도입 기간 전망: 2~3년

 > 사물 인터넷 The Internet of Things
 > 차세대LMS Next-Generation LMS

도입 기간 전망: 4~5년

 > 자연스러운 사용자 인터페이스 Natural User Interfaces
 > 인공지능 Artificial Intelligence

방법론 Methodology

The 2017 Higher Education Expert Panel

트렌드는 평가에 대한 관심과 함께 교육자가 학업 준비, 학습 진도, 스킬 습득, 기타 학생들의 교육적 필요 등을 평가하고 측정하고 문서화하는데 사용하는 다양한 방법과 도구를 설명한다.[i] 사회 경제적 요인으로 인해 지금 노동자에게 필요한 스킬이 재정의되고 있으므로 대학은 교과 지식에 대한 온전한 이해와 함께 창의성, 협력과 같은 소프트 스킬을 정의하고, 측정하고, 실증하는 방법에 대해 다시 생각해봐야 한다. 온라인 교육, 모바일 학습, 학습관리시스템 분야에서 데이터 마이닝 소프트웨어의 확산과 발전은 학습 데이터를 다차원적이면서도 간단한 방식으로 설명하기 위해 분석 기술 시각화 소프트웨어가 적용된 학습 환경으로 변모시키고 있다. 온라인 혼합 코스에서 데이터는 학생들의 행동이 어떻게 진행되고 있으며 학습 성과가 어떻게 향상되는지를 보여 있다.

개요
21세기 학습 성과는 학습자의 온전한 성공을 위해 대인 관계 및 개인의 역량과 함께 학업 스킬을 강조한다. 이러한 학습 효과를 평가하기 위해 차세대 평가 전략은 다양한 인지 스킬의 정도, 사회 정서 발달, 심층 학습을 측정 할 수 있는 잠재력을 지니고 있으며, 학생과 교수가 지속적으로 성장할 수 있도록 실질적인 피드백을 제공한다.[ii] 이러한 종류의 평가를 지원하는 기반은 학습자와 맥락에 대한 데이터의 수집, 분석, 리포팅을 제공하는 학습 분석learning analytics(LA)이며, 학습 분석은 학습과 학습환경을 이해하고 최적화하기 위한 목적으로 수행된다.[iii] 학습 분석은 평가 수단으로써 교육기관으로부터 지속적으로 관심을 받고 있으며, 근본적으로 학생의 학습을 개선하고 있다. 데이터 마이닝 소프트웨어는 학습자와 교수가 학습을 모니터할 수 있도록 풍부한 데이터를 수집하고 지속적으로 개선해 나가도록 개인화된 피드백을 제공한다. 학습 분석 산업이 성숙함에 따라 주안점이 데이터 수집에서 다양한 소스와 과정으로부터 축적된 데이터를 통해 학생의 참여에 대한 세밀한 통찰력을 얻는 것으로 전환되었다.[iv]

멀티모달Multimodal 데이터와 소셜네트워크 분석은 학습의 사회적, 인지적, 감성적 요소를 중요시하는 종합적인 관점을 대표한다. 비교적 새로운 방식인 멀티모달 학습 분석Multimodal learning analytics은 실제 학습환경에서 수행되는 학습의 생물학적, 정신적 프로세스에 대한 데이터 수집에 초점을 맞춘다.[v] 음성과 억양의 변화, 표정, 시각적 집중과 태만은 모션 센서, 비디오 카메라, 기타 추적 장치 등을 이용해 수집할 수 있는 데이터 유형의 예들이다. 생체 정보를 수집하는 웨어러블 기술이 데이터 저장소 역할을 하기는 하지만, 이 것은 윤리적 이슈와 프라이버시 침해와 같은 또 다른 우려를 낳고 있다.[vi] 이러한 변화에 따라 LMS도 기존의 코스 관리에서 적응형 학습 기술을 지원하는 교육과정 관리 쪽으로 패러다임 변화가 일어나고 있다. 적응형 학습 기술을 탑재한 LMS들은 전문적인 데이터 분석, 개선된 교수 설계, 학생의 진도 현황 등을 위한 시각화 도구를 제공한다.[vii]

정교한 데이터 분석은 학생의 재등록과 대학 졸업을 지원하고 있다. 예를 들어, Nottingham Trent University(NTU)의 Student Dashboard는 교수가 적시에 처방을 함으로써 학생들의 참여와 행동에 긍정적인 영향을 주는데 도움이 되고 있다. 대시보드는 온라인 학습 환경, 카드 인식, 도서관 출입, 과제 수행을 통한 참여 점수 등과 같은 수집된 데이터를 표현하는 것이다. 학생들은 대시보드를 활용해서 동료 학습자들의 현황을 벤치마킹하고 그에 따라 자신의 행동을 조정하며, 교수는 학생들의 지속적인 참여를 독려하기 위해 즉각적인 대화를 시도할 수 있다. NTU의 리더들은 대학 문화가 데이터 기반의 비즈니스 방식으로 변화되었다고 확신한다.[viii] University of Wollongong은 교수가 온라인 토론에서 학생의 상호작용을 분석하기 위해 LMS용 브라우저 확장 프로그램인 SNAPP을 사용한다. SNAPP은 참여자 관계를 소셜네트워크 다이어그램 형태로 실시간으로 시각화하므로 교수가 시간을 축으로 상호작용 패턴을 비교 및 대조하고 토론을 일부 조정할 수 있다.

정책, 리더십, 실행에 주는 시사점
빅데이터 기술이 학생 재등록률을 높일 수 있다는 것을 보여주기는 했지만, 제기된 윤리 문제는 큰 우려로 남아있다. 중도탈락의 위험군에 속한 학생들의 재등록률을 높이기 위해 Mount St. Mary가 활용한 예측 분석은 학생의 이해와 동의 없이 분석이 남용된 사례를 보여준다.[ix] 또한 이 사례는 학습 데이터에 대한 수집, 보안, 소유, 접근, 배포, 응용 등에 대한 윤리적 실천을 기반으로 하는 국가, 지역, 기관 수준의 정책 필요성을 역설하고 있다. 영국은 DELICATE 체크리스트[x]와 Jisc의 행동강령Code of Practice[xi]과 같은 정책 노력에 앞장서고 있다. Open University의 학생 데이터의 윤리적 활용에 대한 정책Policy for the Ethical Use of Student Data은 학습자 중심적이며 학습 분석의 활용 원칙으로써 개방성과 투명성을 강조한다.[xii] University of California, Los Angeles의 프라이버시 담당관은 Data Governance Task Force와 함께 교수, 교직원, 학생에 대한 데이터의 윤리적이면서 적절한 수집 및 사용을 가이드하는 거버넌스를 개발했다.[xiii]

선도적인 대학들은 특히 데이터 기반 분석을 통해 학생의 학습을 심화하고 개선하는 교육 혁신 방안을 지속적으로 찾고 있다. University of Hong Kong은 학습 설계, 온라인 학습 행동, 학생의 성적 간 관계를 보다 잘 이해함으로써 학습자 성취에 대한 직접적인 증거를 수집하고, 교수의 조치를 권고하고, 교육과정 개발에 정보를 제공하기 위한 목적으로 학습 분석을 활용하고 있다.[xiv] 최근 University Innovation Alliance는 여러 대학에 재학 중인 10,000명의 학생들을 대상으로 데이터 분석 기반 조언 프로그램의 효과를 측정하는 연구에 착수했다.[xv] 다른 관점에서 Multi-State Collaborative to Advance Learning Outcomes Assessment 계획은 표준화 된 루브릭 기반 평가rubric-based assessments가 여러 전공 분야와 교육기관이 학생의 학습에 대한 통찰력을 갖는데 도움이 된다는 점을 보여준다.[xvi]

학습 분석은 이 보고서의 후반부에서 자세히 설명하는 적응형 학습의 발전에서 기대 이상의 효과가 분명하게 나타난다. University of New South Wales의 두 교수는 Smart Sparrow 플랫폼을 활용했는데, 이 플랫폼은 맞춤형 지원을 제공하는 적응형 학습을 공학 분야의 MOOC에 최초로 적용한 것이다. 이 과정은 일반적으로 높은 중도 탈락률을 보이는 학위 과정에서 학습 성과를 향상시키고 다양한 배경을 가진 학생들에게 고품질의 학습 경험을 제공하는 것을 목표로 한다.[xvii] 또한 학습 분석은 개선된 교수 설계를 위한 정보를 제공한다. Marist College의 한 조교수는 학습자 데이터를 사용하여 학생들이 가장 어려움을 겪고 있는 콘텐츠를 파악하고 학생들이 온전히 이해할 때까지 다양한 상호작용 기회를 만들어 주었다.[xviii] University of Technology in Sydney는 학생의 일련의 학습 특성들에 대한 모니터링을 하기 위해 온라인 범주 기반 평가 도구online criteria-based assessment tool인 REVIEW를 사용한다. 학생들은 시각적인 대시보드를 통해 연도별, 과목별, 수행 목록별, 범주별로 종합적인 현황을 파악할 수 있다.[xix]

읽을거리
아래 목록은 학습 측정에 대한 관심 증가에 관한 유용한 참고자료들이다.

대학들은 보고 있다.
go.nmc.org/arewatching
(Mikhail Zinshteyn, The Atlantic, 2011. 11. 1.) 학생 데이터에 대한 전례 없는 활용과 정교한 예측 분석 도구의 발전과 함께 교육기관들은 학생의 프라이버시 이슈와 학업적인 성과 향상 간의 균형을 맞추고 있다.

 고등교육에서의 학습 분석 (PDF)
go.nmc.org/ecarla
(Pam Arroway 외, Learning Analytics in Higher Education, 2016. 3.) EDUCAUSE Center for Analysis and Research (ECAR) 보고서는 고등교육에서의 학습 분석에 대한 종합적인 개요와 향후 학업적인 성과를 위한 역할 및 응용 등 주요 고려사항을 담고 있다.

학습 분석: 미래의 비전 (PDF)
go.nmc.org/lace8
(Lebecca Ferguson 외, 6th International Learning Analytics and Knowledge Conference, 2016. 4. 25-29.) 저자는 LACE(Learning Analytics Community Exchange) 프로젝트의 일환으로 추진된 LACE Visions of the Future Policy Delphi 연구 결과인 여덟 가지 학습 분석의 미래 비전을 소개했다.

성과 측정: 역량 기반 교육 평가를 위한 모범 사례 (PDF)
go.nmc.org/measmast
(Katie Larsen McClarty and Matthew N. Gaertner, Center on Higher Education Reform, American Enterprise Institute, 2015. 4.) 학생의 성공을 위한 역량 기반 교육의 잠재적 이점은 다양하지만 전통적인 학습 방식을 측정하기 위해 동일한 프로세스를 적용해서는 안된다. 이 보고서는 실질적인 스킬 습득을 정의한 프레임워크를 제안한다.

규모의 맞춤: 분석을 활용한 교육기관 개선
go.nmc.org/atscale
(Elizabeth Mulherrin과 Laura Fingerson, The Evolution, 2016. 2. 2.). Capella University와 University of Maryland University College는 전략적으로 빅데이터를 활용하고 있으며, 운영 보고에서 기관 분석까지 효과적으로 확산시키고 있다.

실망기의 바닥을 곡선: 분석의 지향점은 어디인가?
go.nmc.org/traversing
(Mike Sharkey와 Timothy Harfield, Next Generation Learning Challenges, 2016. 12. 19.) 저자는 학습 분석 계획을 고려 중이거나 초기 도입 단계에 있는 교육기관을 대상으로 대규모 학생의 성공을 위해 실천 가능한 절차들을 제시한다.

 

 

[i] http://edglossary.org/assessment/

[ii] http://nextgenlearning.org/next-gen-assessment

[iii] https://tekri.athabascau.ca/analytics/

[iv] http://er.educause.edu/articles/2016/8/big-data-analysis-in-higher-education-promises-and-pitfalls

[v] http://epress.lib.uts.edu.au/journals/index.php/JLA/article/view/5081/5595

[vi] https://www.weforum.org/agenda/2015/10/wearable-tech-true-health/

[vii] http://acrobatiq.com/from-course-to-curriculum-an-interview-with-ray-henderson-on-the-coming-lms-paradigm-shift/

[viii] https://analytics.jiscinvolve.org/wp/files/2016/04/CASE-STUDY-I-Nottingham-Trent-University.pdf (PDF)

[ix] https://www.datanami.com/2016/11/01/data-analytics-higher-education/

[x] http://www.laceproject.eu/ethics-privacy/

[xi] https://www.jisc.ac.uk/guides/code-of-practice-for-learning-analytics

[xii] https://analytics.jiscinvolve.org/wp/files/2016/04/CASE-STUDY-H-Open-University-UK.pdf (PDF)

[xiii] https://na-production.s3.amazonaws.com/documents/Promise-and-Peril_4.pdf (PDF)

[xiv] http://www.unescobkk.org/education/ict/online-resources/databases/ict-in-education-database/item/article/scaling-out-teaching-scaling-up-learning-some-thoughts-on-innovation-in-higher-education/

[xv] http://postsecondary.gatesfoundation.org/areas-of-focus/incentives/policy-advocacy/making-difference/bridget-burns/

[xvi] https://www.aacu.org/press/press-releases/multi-state-collaboration-produces-valuable-new-evidence-about-writing-critical

[xvii] https://www.engineering.unsw.edu.au/news/worlds-first-adaptive-engineering-course-opens-up-engineering-fundamentals-to-all

[xviii] https://sf-asset-manager.s3.amazonaws.com/96945/2/19.pdf (PDF)

[xix] http://learning-analytics.info/journals/index.php/JLA/article/view/4888/5628