적응형 학습 상황에 활용된 학습분석 테크놀로지: 국내외 사례연구를 중심으로

본 연구의 목적은 국내외 적응형 학습 시스템 사례를 중심으로 각 시스템에 공통적으로 적용된 교수-학습의 이론적 배경과 학습분석 테크놀로지를 살펴보고, 적응형 학습을 위한 교수설계 방향을 제시하는 것이다. 1970년대 이전의 초기 교수이론들은 기본적으로 ‘완전학습(mastery learning)’과 ‘개별화’를 가정하며, 학습자의 특성 분석과 교수의 질(학습과제의 계열화), 그리고 피드백 기능을 강조되고 있다. 이러한 요소는 학습에 대한 심리학적 원리에 기초를 둔 다른 많은 교수이론에도 찾아 볼 수 있으며, 최근 학습분석 테크놀로지를 활용한 적응형 학습 시스템의 학습 모형의 기초로 활용되고 있다. 적응형 학습 플랫폼 개발에 전적으로 헌신하고 있는 에듀테크 기업들의 경우, 서비스 대상은 초등학생부터 중고등학생, 성인까지 다양하지만 인공지능의 최근 급격한 발전에 발맞추어 데이터 수집 · 분석 · 예측을 위한 학습분석 테크놀로지들을 점차 정교화하면서 맞춤형 교육 기회를 제공하는 잠재적 가능성을 제공하고 있다는 공통점이 있다. 적응형 학습 플랫폼에 활용된 학습분석 테크놀로지는 (1)학습자의 로그인 정보와 개인 정보 및 학습 수준을 저장하는 학습자 정보 데이터베이스, (2)학습지식 맵과 영역별, 난이도별 분류된 문항을 저장하는 문제은행 데이터베이스, (3)‘문항반응이론’ 지식을 활용하여 문제은행 데이터베이스에 저장된 문제들 중에서 특정학습자에게 특정 문항을 선택하여 제공하는 추천 시스템 엔진, (4)학습과정에서 발생하는 데이터를 실시간으로 수집, 분석, 처리하는 데이터마이닝 기술, (5)학습결과를 분석하여 예측과 처방을 리포팅하는 시각화 기술 등이 있다. 완전학습과 개별 학습이 빅데이터 기반의 적응형 학습 플랫폼에서 기술적으로 구현이 가능해졌기 때문에 전통적 교수설계 모형, 즉 ADDIE(Analysis, Design, Development, Implementation, & Evaluation) 모형을 보완할 수 있고 ‘데이터 수집, 가공 → 분석→ 예측 → 처방’과 같은 학습분석 단계를 포함하는 새로운 모형이 요구된다.