교육 데이터마이닝를 활용한 E-learning 모델 개발 활성화 방안

Development of E-learning model using education data mining

멀티미디어 교육과 비교할 때 E-learning은 새로운 교육 모드이며, 이의 출현은 인터넷 발전의 또다른 물결입니다. E-learning은 교육 자원, 교수 관리 및 교사 - 학생 교류를 위한 개발 공간을 개선할 것이다. E-learning의 개념은 끊임없이 새로운 의미를 부여 받고 있으며 E-learning 모델을 기반으로 한 다양한 교수 방법 또한 보조 교육 방법에서 주요 교수 모델로 바뀌고 있다. 본 연구의 목적은 대학생들이 지식의 전문성 신장과 비판적인 사고 능력을 유도하기 위해 E-learning학습 활동 모델 개발 활성화에 대한 방향을 모색하는 데 그 목적이 있다. 이를 위해 E-learning학습 활동에서 축적된 정보를 교육데이터마이닝을 사용하여 분석함으로써 학습자들의 학습 유형, 학습 진도, 학습 참여도 등의 예측이 가능하다. 이를 통해 효과적인 학습 모델을 구축하고 학습자 개개인의 특성에 맞는 맞춤형 교육을 제공하는 데 학습 분석의 다양한 활용에 대한 이해를 돕고자 한다. 이에 의하여 COLLA 시스템 학습자들의 학습활동빈도 산출을 위해 그룹활동지수(Group Activity Index) 기준으로 학습활동을 활발히 이어가고 있는 상위 3개 그룹, 학습활동이 활발하지 못한 하위 3개 그룹을 분류하여 분석하였다. 마지막으로 교육 데이터마이닝에 기반한 E-learning 모델 개발 활성화 방향을 제시하였다

Compared with multimedia teaching, E-learning is a brand-new teaching mode, and its emergence is another wave in the development of the Internet. E-Learning will enable better development space for teaching resources, teaching management, and teacher-student exchanges. The concept of E-learning is constantly being given new meaning, and various teaching methods based on the E-learning model are also changing from auxiliary teaching methods to major teaching models. The purpose of this study is to explore the direction of activation of e-learning activity model in order to induce college students to develop knowledge expertise and critical thinking ability. For this purpose, it is possible to predict the learners learning style, learning progress and learning participation by analyzing the accumulated information from the e-learning activities using educational data mining. This will help to build an effective learning model and to help students understand the various uses of learning analysis to provide customized education tailored to the characteristics of individual learners. In order to calculate the frequency of learning activities of COLLA system learners, the top three groups actively pursuing learning activities based on the Group Activity Index and the three subgroups in which learning activities were not active were classified and analyzed. Finally, the direction of e-learning model development based on educational data mining is suggested.