학습분석학 기반의 온라인 학습 학업성취도 예측 분석 (Analysis of Academic Achievement Prediction in Online Learning Based on Learning Analytics)

서지정보

· 발행기관 : 한국디지털콘텐츠학회
· 수록지 정보 : 디지털콘텐츠학회논문지 / 25권 / 8호 / 2103 ~ 2114페이지
· 저자명 : 정영란

초록

본 연구는 94명의 사이버대학 학생을 대상으로 온라인 학습에서 학업성취도 예측 요인과 예측 시기를 분석함으로써, 학업성취도를 높이기 위한 학습전략 및 교수적 개입 시기를 확인하기 위한 목적으로 이루어졌다. 로지스틱 회귀분석 결과, 학업성취도 예측 모델은 99% 설명력을 보이며, 특히 5주차부터 약 63%의 높은 설명력을 보이는 것으로 나타났다. 영향력의 크기는 인지적 요인(과제, 퀴즈) 사회적 요인(게시판 및 Q&A 참여), 행동적 요인(수강일차, 학습시기) 순으로 나타났으며, 학업성취도에 대한 예측 시기 분석에서 퀴즈는 2주차부터, 과제는 5주차부터 수강일차는 9주차부터 학업성취도를 유의한 수준에서 예측한 것으로 나타나, 수업설계 시 학업성취도 예측이 필요한 시기에 예측 요인의 데이터 분석이 이루어질 수 있도록 수업계획이 이루어질 수 있도록 고려하고, 학습성과를 높이기 위한 교수자의 지원 전략이 시의적절하게 제공될 필요성이 있음을 제시하였다.

영어초록

This study aimed to identify learning strategies and the optimal timing for instructional interventions to enhance academic achievement in online learning. We analyzed 94 cyber university students, and logistic regression revealed a robust academic achievement prediction model with 99% explanatory power. Specifically, 63% of the explanatory power was observed by the fifth week. The influence size was categorized according to cognitive factors (assignments, quizzes), social factors (discussion board and Q&A participation), and behavioral factors (Learning Days, study type, and timing). Quizzes in the second week, assignments in the fifth week, and course attendance in the ninth week significantly predicted academic success. These findings highlight the importance of timely instructional support strategies throughout the course, emphasizing the need for precise data analysis to predict academic achievement and enhance learning outcomes effectively.

참고자료

· 없음