[논문 리뷰] Data-Mining Research in Education

Jiechao Cheng|arXiv (Cornell University)|2017. 03. 28.

Online Learning and Analytics참고 문헌 18인용 수 9

한 줄 요약

이 논문은 교육 분야의 데이터 마이닝 연구를 검토하며, 학업 성과 향상과 기관의 효과성 향상에 초점을 맞춘 교육 데이터 마이닝(EDM) 응용 사례를 다룹니다. 최근의 추세, 핵심 알고리즘, 연구 격차를 분석하여 데이터 마이닝이 학생 성과 모델링과 교육적 의사결정을 어떻게 향상시키는지에 대한 통찰을 제공합니다.

ABSTRACT

As an interdisciplinary discipline, data mining (DM) is popular in education area especially when examining students' learning performances. It focuses on analyzing educational related data to develop models for improving learners' learning experiences and enhancing institutional effectiveness. Therefore, DM does help education institutions provide high-quality education for its learners. Applying data mining in education also known as educational data mining (EDM), which enables to better understand how students learn and identify how improve educational outcomes. Present paper is designed to justify the capabilities of data mining approaches in the filed of education. The latest trends on EDM research are introduced in this review. Several specific algorithms, methods, applications and gaps in the current literature and future insights are discussed here.

연구 동기 및 목표

• 데이터 마이닝 접근 방식이 교육 성과와 기관의 효과성 향상에 기여하는 능력을 평가하기 위해.
• 최근의 교육 데이터 마이닝(EDM) 연구 추세를 특정하고 분석하기 위해.
• 교육적 맥락에서 사용되는 특정 데이터 마이닝 알고리즘, 방법 및 응용 사례를 검토하기 위해.
• 현재의 연구 격차를 부각하고 EDM 분야의 향후 연구 방향을 제안하기 위해.
• 데이터 마이닝이 개인 맞춤 학습과 교육 기관의 개선을 어떻게 지원하는지 종합적인 개요를 제공하기 위해.

제안 방법

• 특히 교육 데이터 마이닝(EDM)에 중점을 두고 최근의 교육 분야 데이터 마이닝 관련 문헌에 대한 체계적 검토.
• 분류, 군집화, 예측 모델 등 다양한 데이터 마이닝 기법이 교육 데이터셋에 적용된 사례 분석.
• 결정 트리, 신경망, 연관 규칙 마이닝 등의 알고리즘 접근 방식이 교육적 맥락에서 어떻게 적용되었는지 평가.
• 다수의 연구에서의 발견을 통합하여 EDM 연구에서 반복되는 패턴과 방법론적 추세를 규명.
• 출판된 연구를 철저히 평가하여 현재 연구의 한계와 일관성 없는 점을 규명.
• 학생 성과 및 학습 행동 예측에 있어 데이터 마이닝 모델의 효과성을 평가하기 위해 통계적 및 계산 기반 방법 사용.

실험 결과

연구 질문

• RQ1 교육적 맥락에서 학생의 학업 성과를 예측하는 데 가장 효과적인 데이터 마이닝 기법은 무엇인가요?
• RQ2 최근 몇 년 간 교육 데이터 마이닝의 방법론적 및 응용적 측면에서의 발전은 어떻게 이루어졌나요?
• RQ3 현재 교육 데이터 마이닝 연구에서 주요 과제와 격차는 무엇인가요?
• RQ4 데이터 마이닝은 기관의 의사결정 및 개인 맞춤 학습 경험 향상에 어떻게 기여할 수 있나요?
• RQ5 교육 효과성 향상과 학습자 성공을 높이기 위해 향후 EDM 연구가 따라가야 할 주요 방향은 무엇인가요?

주요 결과

• 데이터 마이닝은 학생의 학습 행동과 성과 결과를 모델링하고 예측하는 능력을 크게 향상시킵니다.
• 최근 EDM의 추세는 예측 모델링에 랜덤 포레스트와 신경망과 같은 머신러닝 알고리즘의 사용 증가를 보입니다.
• 교육 데이터 마이닝은 학습 데이터의 패턴 인식을 통해 위험에 처한 학생을 조기에 식별할 수 있도록 합니다.
• 데이터 마이닝을 활용한 종단적 연구와 실시간 적응형 학습 시스템에 대한 여전한 격차가 존재합니다.
• 현재 연구는 데이터 마이닝 솔루션을 교육 분야에 도입할 때의 해석 가능성과 윤리적 고려 사항을 강조하고 있습니다.
• 데이터 마이닝과 학습 분석의 통합은 교육 효과성 향상과 개인 맞춤화를 위한 핵심적 길로 부상하고 있습니다.