[논문 리뷰] The curriculum prerequisite network: a tool for visualizing and analyzing academic curricula

Preston R. Aldrich|arXiv (Cornell University)|2014. 08. 22.

Educational Tools and Methods참고 문헌 26인용 수 10

한 줄 요약

이 논문은 강의를 노드로, 선수과목 관계를 방향성 있는 간선으로 하는 방향성 있는 비순환 그래프(DAG) 모델인 커리큘럼 전제 조건 네트워크(CPN)를 소개한다. 이는 학문적 커리큘럼의 구조적 패턴을 드러낸다. 실제 강의 목록을 분석함으로써 강의는 허브, 브리지, 정보 원천 등의 서로 다른 역할을 하며, 커리큘럼이 크기가 다른 고립된 군집들로 분할되어 있음을 확인하였고, 지식 흐름에 대한 숨겨진 조직적 제약을 폭 드러낸다.

ABSTRACT

This article advances the prerequisite network as a means to visualize the hidden structure in an academic curriculum. Network technologies have been used for some time now in social analyses and more recently in biology in the areas of genomics and systems biology. Here I treat the curriculum as a complex system with nodes representing courses and links between nodes the course prerequisites as readily obtained from a course catalogue. The resulting curriculum prerequisite network can be rendered as a directed acyclic graph, which has certain desirable analytical features. The curriculum is seen as partitioned into numerous isolated course groupings, the size of the groups varying considerably. Individual courses are seen serving very different roles in the overall organization, such as information sources, hubs, and bridges. This network represents the intrinsic, hard-wired constraints on the flow of information in a curriculum, and is the organizational context within which learning occurs.

연구 동기 및 목표

• 네트워크 과학을 활용해 학문적 커리큘럼의 숨겨진 구조적 조직을 드러내기.
• 정보 흐름 제약을 분석하기 위해 강의의 전제 조건을 방향성 있는 비순환 그래프(DAG)로 모델링하기.
• 커리큘럼 네트워크 내에서 개별 강의의 기능적 역할(허브, 브리지, 원천 등)을 규명하기.
• 커리큘럼이 크기가 다른 고립된 강의 그룹으로 어떻게 분할되어 있는지 분석하기.
• 커리큘럼 설계 및 교육 분석을 위한 체계적이고 데이터 기반의 도구를 제공하기.

제안 방법

• 강의는 네트워크의 노드로 표현되며, 전제 조건 관계는 방향성 있는 간선으로 표현된다.
• 결과로 생성된 네트워크는 방향성 있는 비순환 그래프(DAG)이며, 순환적 의존성 없이 논리적인 강의 순서를 유지한다.
• 핵심 구조적 역할을 식별하기 위해 네트워크 분석 기법을 적용한다: 허브(높은 연결도를 가진 강의), 브리지(고립된 군집을 연결하는 강의), 정보 원천(전제 조건이 없는 강의) 등.
• 모듈성과 군집화를 강조하기 위해 그래프 레이아웃 알고리즘을 사용해 네트워크를 시각화한다.
• 분석은 실제 강의 목록 데이터를 기반으로 하며, 각 강의와 그 전제 조건을 명시적이고 추출 가능한 데이터 포인트로 간주한다.
• 이 방법을 통해 고립된 강의 그룹의 식별과 그 크기 분포의 정량화가 가능해진다.

실험 결과

연구 질문

• RQ1 커리큘럼은 상호의존적인 강의 네트워크로서 어떻게 구성되어 있는가?
• RQ2 개별 강의는 커리큘럼 네트워크 내에서 어떤 기능적 역할을 하는가?
• RQ3 커리큘럼은 어느 정도의 고립된 강의 군집으로 분할되어 있는가?
• RQ4 전제 조건 관계는 학문 프로그램 내에서 정보 흐름에 어떤 제약을 가하는가?
• RQ5 네트워크 분석은 커리큘럼 설계 및 교육 기획에 어떤 통찰을 제공할 수 있는가?

주요 결과

• 커리큘럼 전제 조건 네트워크는 항상 방향성 있는 비순환 그래프이며, 학문적 강의의 논리적 순서를 반영한다.
• 커리큘럼은 크기가 상당히 다른 여러 개의 고립된 강의 군집으로 분할되어 있으며, 프로그램 간에 뚜렷한 차이를 보인다.
• 강의는 서로 다른 역할을 수행한다: 일부는 높은 진입도 또는 출구도를 가진 허브로 기능하고, 다른 일부는 서로 다른 군집을 연결하는 브리지 역할을 한다.
• 소수의 강의는 전제 조건이 없어 정보 원천으로 기능하며, 커리큘럼의 입구 역할을 한다.
• 네트워크 구조는 지식 진행에 내재된, 경직된 제약을 드러내며, 학습의 조직적 배경을 형성한다.
• 이 모델은 학문적 커리큘럼의 구조적 복잡성을 성공적으로 시각화하고 정량화하여 교육 시스템의 체계적 분석을 가능하게 한다.