Learners’ Needs in Online Learning Environments and Third
Generation Learning Management Systems (LMS 3.0)
* apa : Şahin Muhittin; Yurdugül Halil (2022). Learners’ Needs in Online Learning Environments and Third Generation Learning Management Systems (LMS 3.0) Technology, Knowledge and Learning; Dordrecht Vol. 27, Iss. 1, (Mar 2022): 33-48.
* 논문 배경
LMS 시스템에 대해서는 [미래의 기술]의 LMS에서 소개드렸습니다. 본 논문에서는 LMS를 세대별로 분류하고, 특히 최근 등장한 3세대 학습 관리 시스템에 대해서 소개하고 있습니다. LMS(학습 관리 시스템)는 교육과정 또는 교육 프로그램의 관리, 문서화, 추적, 보고 및 제공에 사용되는 소프트웨어입니다. LMS는 학습자가 강사, 다른 학습자, 콘텐츠 및 평가와 상호작용할 수 있는 웹 기반 시스템입니다. 이러한 상호작용 외에도 LMS에서는 자료 공유, 학습자의 상호작용 추적, 공지사항 게시, 과제 지시 및 과제 수집 등이 가능합니다. 그러나 LMS는 동기 부족 학습자나 도움이 필요한 학습자들에게는 불리한 학습환경이 될 수 있습니다.
교육 기술에서 기술을 활용한 첫 번째 예는 Pressey(1924)가 개발한 'Teaching Machine'이며, 첫 번째 LMS는 SoftARC로 불리웠습니다. LMS는 처음에 'Integrated Learning System'이라고 불렸습니다. LMS의 역사적 발전은 세 대로 구분됩니다. LMS 1.0은 1991년부터 2004년까지 사용되었습니다. LMS 2.0은 2004년에 소셜 웹 통합과 함께 등장하였고, 2011년에 학습 분석을 학습 환경에 통합하면서 LMS 3.0(세대 LMS)이 개발되기 시작했습니다.
LMS 1.0은 학습자가 학습 자료를 읽는 것만 가능한 시스템입니다. 다시 말해, 학습자는 이러한 환경을 통해 학습 자료를 읽을 수 있습니다. 웹 기술의 발전으로 인해 학습자끼리 상호작용할 수 있는 토론 환경, 채팅룸, 위키 및 블로그 등이 이러한 시스템에 통합되었습니다. 이러한 발전은 웹 2.0을 통해 실현되었으며, 이러한 특성을 갖는 LMS를 LMS 2.0이라고 합니다. 2004년에는 특히 소셜 웹(웹 2.0)의 발전과 함께 LMS 2.0이 개발되기 시작했습니다. LMS 2.0은 (a) 학습자의 필요에 따라 개인화될 수 있으며, (b) 학습자끼리 또는 학습자-강사 간의 소셜 상호작용을 제공하여 정보 공유를 할 수 있으며, (c) 동기식 또는 비동기식 형식으로 정보 전달을 할 수 있습니다.
LMS는 학습자의 학습 과정을 추적하고 보고하며, 학습자에게 개인적인 답변을 제공해야 합니다. 또한 LMS에는 많은 데이터가 있지만 이러한 데이터는 상대적으로 구조화되지 않습니다. LMS의 데이터를 처리하고 이러한 데이터를 기반으로 학습자에게 정보를 제공하기 위해, LMS 3.0(즉, 세대 LMS)이 개발되었습니다.
ILMS(Intelligent Learning Management System)은 학습자가 시스템에 로그인한 후 모든 데이터를 수집하고 이러한 상호작용 데이터를 활용하는 시스템입니다. LMS 1.0 및 2.0에서는 학습자의 학습 과정에 대한 구조화되지 않은 데이터가 많았습니다. LMS 3.0에서는 이러한 구조화되지 않은 데이터를 의미있게 만들고 패턴을 파악할 수 있습니다. 이러한 패턴을 획득함으로써 학습자의 학습 경험에 개입할 수 있습니다. ILMS는 적응형 시스템과 지능형 학습 시스템의 특징을 모두 갖고 있으며, 학습자의 활동을 추적하고 보고서 및 학습 추천을 제공하여 학습에 소요되는 시간을 줄일 수 있습니다.
ILMS는 학습 환경을 개인화하고, 스캐폴딩, 보고서, 추천, 표절 감지 등을 포함해야 합니다. ILMS의 응용 사례는 iMoodle (An Intelligent Moodle Based on Learning Analytics)와 Samurai 등이 있습니다. 이러한 시스템은 인공 지능 응용 프로그램, 데이터 마이닝 기술, 데이터 시각화 기술, 텍스트 마이닝 기술, 개입, 개인화, 스캐폴딩, 피드백 및 순차 분석 방법을 포함할 수 있습니다. 이러한 분석 및 기술을 시스템에 통합하고 활용하는 것은 도전적인 과제입니다. ILMS를 개발하기 위해 머신 러닝이 사용됩니다. 머신 러닝은 기존 데이터를 더 잘 이해하거나 미래에 대한 예측을하기 위해 사용됩니다.
이 글에서는 LMS(학습 관리 시스템)이 학습자가 콘텐츠/학습 자원 및 평가와 상호작용할 수 있는 웹 기반 시스템이며, 다른 학습자 및 강사와도 상호작용할 수 있다는 것을 설명합니다. 정보 시대의 시작부터 LMSs는 널리 사용되었습니다. 이 연구의 목적은 LMSs의 가장 중요한 이해관계자인 학습자들의 기대와 요구를 파악하는 것이었습니다. 연구자들이 작성한 개방형 설문지와 반정형 면담 양식을 데이터 수집 도구로 사용했으며, 개방형 질문과 면담 데이터를 분석하기 위해 내용분석이 수행되었습니다. 연구 결과, 학습자들은 게임화 요소를 포함한 더 즐거운 자기 모니터링 환경을 더 원한다는 것을 보여주었습니다. 또한, 학습 환경은 학생 성취에 대한 보고 및 예측 능력을 갖추고 있어야 한다는 것이 확인되었습니다. 학습자들의 요구와 기대는 세대 LMS(학습 관리 시스템)와 일치합니다. 세대 LMS는 교육 데이터 마이닝과 학습 분석을 통해 개발될 수 있습니다. 이 연구에서는 학습자의 요구와 기대가 개입 및 개입 유형, 세대 LMS(학습 관리 시스템)의 맥락에서 논의되었습니다.
이 논문의 핵심은 온라인 학습 환경에서 학습자의 기대와 필요성을 조사하고, 그 결과를 바탕으로 개입 및 지침을 제공하는 방법에 대해 논의하는 것입니다. 학습자들은 경쟁 환경, 알림 및 통지, 성취 예측, 추적, 누락된 주제에 대한 지침 및 강점과 약점을 모니터링하는 기능 등을 통합한 전자 학습 환경을 원합니다. 이러한 기대는 LMS 3.0의 기능과 일치하며, 학습자들은 전자 학습 환경에서 개입 및 지침이 필요하다고 합니다.
개입은 교육적, 지원적, 동기 부여적 개입으로 구분할 수 있으며, 이러한 유형의 개입을 기반으로 학습자의 기대를 논의합니다. 온라인 학습 환경에서는 자기주도 학습 능력이 높은 학습자들이 높은 성과를 보이고, 그렇지 않은 학습자들은 낮은 성과를 보입니다. 학습자의 자율성을 지원하는 학습 환경을 제공하면 학습자들이 자신의 학습을 조절하는 높은 동기 부여 학생이 될 수 있습니다.
학습자들은 평가 작업 후 누락된 주제에 대한 지침을 제공하고, 강점과 약점을 보여주는 것을 기대하며, 이러한 기대는 교육적 개입의 범위로 고려됩니다. 또한 학습자들은 평가 과제에 대한 알림을 필요로 하며, 특히 연기 성향이 있는 학습자들에게 중요합니다.
두 번째로, 학습자들은 학습 환경이 그들의 성과를 기반으로 성취를 예측하고 보고하는 능력을 가지기를 기대하며, 이는 지원적 개입으로 간주됩니다. 온라인 학습 환경에서 학습 분석은 낮은 수준의 성취와 동기를 가진 학습자들의 접근 방식을 지원하고 개선할 수 있습니다.
세 번째로, 학습자들은 더 즐겁고 자기 모니터링이 가능한 환경을 원하며, 이는 동기 부여적 개입의 맥락에서 다룰 수 있습니다. 리더보드, 보상 및 배지와 같은 게임화 요소를 시스템에 통합함으로써 더 즐겁고 경쟁적인 학습 환경을 만들고, 동시에 자기 모니터링 환경을 제공할 수 있습니다. 보상은 학습자가 자기 모니터링에 참여하는 데 효과적인 기법이며, 리더보드에서 학습자들은 그룹별 개인 성과를 볼 수 있고, 동료들과 비교할 수 있습니다.
온라인 학습 환경의 장점에도 불구하고, 특히 중도 탈락이 이러한 환경에서 가장 큰 문제 중 하나로 간주됩니다(Jun 2005; Tabaa and Medouri 2013). 중도 탈락 학습자는 자발적으로 전자 학습 과정을 떠나는 학습자로 정의됩니다(Levy 2007). 온라인 학습 환경에서 성공적이고 만족스러운 학습 경험을 가진 학생들은 과정을 계속 진행한다고 밝혀졌습니다(Willging and Johnson 2009).
시스템을 떠날 위험에 처한 학생들을 식별하고 그들의 성공을 예측할 수 있는 학습 환경을 개발해야 합니다(Casey and Azcona 2017; Siemens 2013). 지능형 학습 관리 시스템(ILMS)은 이러한 상황에 대한 연구자와 강사들에게 지원을 제공할 수 있습니다. 이러한 지능형 시스템을 통해 중도 탈락 학생들을 식별하고 필요한 개입을 할 수 있습니다.
'논문소개 > LMS 관련 논문' 카테고리의 다른 글
| 사용자 몰입에 영향을 주는 LMS 디자인 (0) | 2023.04.27 |
|---|---|
| 온라인 대학생의 모바일 기반LMS 사용 요인 분석 (0) | 2023.04.19 |
| 일반적이고 "중독적인" LMS 사용의 예측 변수 및 결과 (0) | 2023.04.06 |
| 학생의 LMS(학습관리시스템) 상호작용 패턴과 성취도와의 관계: 고등교육에서의 사례연구 (0) | 2023.04.04 |
