[논문 리뷰] Understanding Communication Patterns in MOOCs: Combining Data Mining and qualitative methods

Rebecca Eynon, Isis Hjorth외 2명|arXiv (Cornell University)|2016. 07. 25.

Online Learning and Analytics참고 문헌 61인용 수 6

한 줄 요약

이 논문은 데이터 마이닝과 질적 방법을 융합하여 다양한 과정의 토론 포럼을 분석함으로써 MOOC 내 커뮤니케이션 패턴을 조사한다. 연구는 커뮤니케이션이 종종 주제 중심이지만 참가자 간 교류가 제한적임을 드러내며, 대규모 온라인 교육 환경에서 학습자 상호작용을 이해하기 위해 정량적 분석과 해석적 통찰을 조합하는 것이 중요함을 강조한다.

ABSTRACT

Massive Open Online Courses (MOOCs) offer unprecedented opportunities to learn at scale. Within a few years, the phenomenon of crowd-based learning has gained enormous popularity with millions of learners across the globe participating in courses ranging from Popular Music to Astrophysics. They have captured the imaginations of many, attracting significant media attention - with The New York Times naming 2012 "The Year of the MOOC." For those engaged in learning analytics and educational data mining, MOOCs have provided an exciting opportunity to develop innovative methodologies that harness big data in education.

연구 동기 및 목표

• 학습자들이 대규모 MOOC 토론 포럼 내에서 어떻게 상호작용하는지 이해하기 위해.
• 혼합 방법 접근을 통해 학습자 커뮤니케이션의 구조적 및 행동적 패턴을 특정하기 위해.
• 주제의 관련성, 참여 빈도 및 사회적 역학이 온라인 학습 공동체를 어떻게 형성하는지 검토하기 위해.
• 정량적 데이터 마이닝과 질적 해석을 융합하여 학습자 행동에 대한 깊이 있는 통찰을 도출하기 위해.
• 커뮤니케이션 패턴에 대한 증거 기반 이해를 통해 더 효과적인 MOOC 학습 환경 설계를 뒷받침하기 위해.

제안 방법

• 다양한 주제의 다수 MOOC에서 토론 포럼 데이터를 추출하고 분석하기 위해 데이터 마이닝 기법을 적용하였다.
• 게시물 빈도, 스레드 길이, 응답 지연 시간과 같은 정량적 지표를 계산하여 커뮤니케이션 패턴을 특성화하였다.
• 학습자 논의에서 커뮤니케이션 행동의 의미와 맥락을 해석하기 위해 일부 포럼 게시물의 질적 분석을 수행하였다.
• 통계적 경향과 학습자 논의에서 유도된 해석적 통찰을 정밀하게 비교하기 위해 혼합 방법 프레임워크를 사용하였다.
• 상호작용 구조를 매핑하기 위해 네트워크 분석을 활용하여 중심 참여자와 커뮤니케이션 클러스터를 식별하였다.
• 자동화된 데이터 처리와 주제 내용의 수동 코딩을 결합하여 맥락적 정확성을 확보하였다.

실험 결과

연구 질문

• RQ1 다양한 과정에서 MOOC 토론 포럼 내 커뮤니케이션의 주요 패턴은 무엇인가?
• RQ2 참여 수준과 상호작용 구조는 다양한 주제와 학습자 집단 간에 어떻게 다를까?
• RQ3 커뮤니케이션 패턴이 의미 있는 학습 참여를 반영하는가, 아니면 표면적인 참여에 그치는가?
• RQ4 커뮤니케이션의 정량적 지표는 참여와 지식 구축의 질적 지표와 어떻게 관련이 있는가?
• RQ5 사회적 역학과 주제의 관련성이 온라인 토론의 질과 지속 가능성에 어떤 역할을 하는가?

주요 결과

• MOOC 포럼 내 커뮤니케이션은 높은 게시물 수에도 불구하고 일반적으로 주제 중심이며, 스레드 간 교류가 제한적이다.
• 소수의 매우 활동적인 참가자가 논의 기여의 다수를 차지하여 참여 구조가 비대칭적임을 보여준다.
• 응답 시간은 일반적으로 짧아 빠른 상호작용 사이클을 나타내지만, 많은 게시물이 답변을 받지 못해 후속 참여가 낮음을 시사한다.
• 질적 분석에서 많은 게시물은 간단하고 거래적인 반면, 상당수의 게시물은 반성적 또는 협동적 학습 행동을 포함하고 있음을 확인하였다.
• 더 높은 관련성이나 난이도를 지닌 주제에서는 더 지속적이고 복잡한 토론이 이루어져 주제의 중요성이 참여 깊이에 영향을 준다는 점을 확인하였다.
• 데이터 마이닝과 질적 코딩의 통합은 정량적 분석만으로는 감지되지 않는 세부 패턴을 드러내었으며, 예를 들어 반응의 정서적 어조나 개념적 일치도를 포함한다.