머신러닝 알고리즘 기반 초등예비교사의 실과 비대면 온라인 수업 만족도 예측 요인 탐색 (Exploring the Pre-service Elementary School Teachers’ Predictive Factors for the Satisfaction of Non-face-to-face Online Classes based on Machine Learning Algorithms)

서지정보

· 발행기관 : 한국실과교육학회
· 수록지 정보 : 한국실과교육학회지 / 34권 / 1호 / 113 ~ 129페이지
· 저자명 : 이철현

초록

이 연구의 목적은 교육대학교 실과 비대면 온라인 수업의 만족도를 조사하고, 머신러닝 알고리즘을 기반으로 만족도에 영향을 미치는 요인의 중요도 및 개별 예측 요인의 의존성을 탐색하는 것이다. 이를 위하여 실과교육 관련 비대면 온라인 강좌를 수강한 교육대학교 1~4학년 학생 331명의 데이터를 수집하여 분석하였다. 수집된 데이터에 대하여 기술 통계를 통해 온라인 수업 만족 예측 요인과 만족도 수준을 분석하였고, 5종의 머신러닝 알고리즘을 적용하여 산출된 머신러닝 모델 성능 및 예측 변수의 중요도를 탐색하였다. 또, 예측 변수에 대한 부분 의존 도표 및 개별 조건부 기대치를 산출하여 학습 만족도에 대한 개별 예측 변수의 의존성을 살펴보았다. 그 결과 K-최근접 이웃과 랜덤 포레스트의 성능이 가장 우수한 것으로 판단되었고, 상호 작용과 학습 동기의 중요도가 상대적으로 높게 나타났다. 또, 예측 변수의 영향이 학습 만족도에 대체로 비례함을 알 수 있었다. 이 연구를 통해 얻은 결론은 다음과 같다. 첫째, 매체 효능감, 교육 지원 서비스, 동영상 강의 품질에 대한 최소한의 만족을 유지하도록 수업의 각 주체가 노력해야 한다. 둘째, 수업의 각 주체는 상호 작용, 자기주도성, 학습 동기의 수준을 지속적으로 향상시킬 수 있도록 주의를 기울여야 한다. 셋째, 교수자는 양질의 실습 환경을 제공하고, 실습 과정의 문제와 질문에 적극적이고 신속하게 대응해야 한다. 넷째, 교수자는 예외적 학습자를 파악하여, 이들에게 적절한 수업 처방을 제공해야 한다.

영어초록

The purpose of this study is to investigate the satisfaction level of non-face-to-face online classes related to Practical Arts Education at the University of Education, and to explore the importance of factors affecting the satisfaction and the dependence of individual predictive factors based on machine learning algorithms. To this end, the data from 331 students in the first to fourth grades of the University of Education who took non-face-to-face online courses related to practical arts education were collected and analyzed. For the collected data, the factors predicting online class satisfaction and learning satisfaction were analyzed through descriptive statistics, and the machine learning model performance and the importance of predictive factors calculated by applying five types of machine learning algorithms were explored. In addition, the dependence of individual predictive factors on learning satisfaction was examined by calculating partial dependence plots and individual conditional expectation for predictive factors. As a result, it was judged that the K-nearest neighbor and the random forest had the best performance, and the importance of interaction and learning motivation was relatively high. In addition, it was found that the influence of the predictive factors was generally proportional to the learning satisfaction. The conclusions obtained through this study are as follows. First, each subject of the class should make efforts to maintain minimum satisfaction with media efficacy, educational support services and the quality of video lectures. Second, each subject in the class should pay attention to continuously improve the level of interaction, self-directedness, and learning motivation. Third, instructors must provide a high-quality practice environment and respond actively and promptly to problems and questions in the practice process. Fourth, instructors must identify exceptional learners and provide them with appropriate instructional practices.

참고자료

· 없음