[논문 리뷰] Big Data and Education: using big data analytics in language learning

Vahid Ashrafimoghari|arXiv (Cornell University)|2022. 01. 01.

Online Learning and Analytics인용 수 3

한 줄 요약

이 논문은 실시간 추적, 개인화 및 데이터 기반 의사결정을 통해 언어 학습을 향상시키기 위해 빅데이터 분석, 특히 교육 데이터 마이닝(EDM)과 학습 분석(LA)의 통합을 제안한다. LMS 및 온라인 플랫폼에서 유래한 데이터를 활용하여 기관이 학습 성과를 향상시키고, 학습 자료를 적응시키며, 학습자를 지원하는 데에 도움이 되는 핵심 도구와 방법(예: 예측 모델링 및 군집 분석)을 설명한다.

ABSTRACT

Working with big data using data mining tools is rapidly becoming a trend in education industry. The combination of the current capacity to collect, store, manage and process data in a timely manner, and data from online educational platforms represents an unprecedented opportunity for educational institutes, learners, educators, and researchers. In this position paper, we consider some basic concepts as well as most popular tools, methods and techniques regarding Educational Data Mining and Learning Analytics, and discuss big data applications in language learning, in particular.

연구 동기 및 목표

• 데이터 기반 통찰을 통해 빅데이터 분석이 언어 교육을 어떻게 변화시키는지 조사하기.
• 교육 데이터 마이닝(EDM)과 학습 분석(LA)의 핵심 도구, 방법 및 기법을 식별하고 분석하기.
• 빅데이터가 언어 학습 성과 향상, 개인화 및 시스템 설계 향상에 어떻게 실용적으로 적용될 수 있는지 탐색하기.
• 데이터 기밀 보호 문제, 데이터 부족, 교육 분야에서의 데이터 문화 부족과 같은 과제 해결하기.
• 더 넓은 보급을 위해 사용자 친화적이고 확장 가능한 분석 도구를 메인스트림 LMS 플랫폼에 통합할 것을 주장하기.

제안 방법

• EDM 및 LA에 관한 기존 문헌을 체계적으로 검토하여 핵심 방법론과 도구를 식별하기.
• 교육 분야의 데이터 라이프사이클(데이터 수집, 정제, 마이닝, 지식 생성)을 매핑하기 위해 개념적 프레임워크를 활용하기.
• 기계 학습 알고리즘을 포함한 기술적 및 예측적 분석을 적용하여 학생 행동 및 성과의 패턴을 탐지하기.
• 실시간 피드백과 장기적 프로그램 평가를 지원하기 위해 동기적 및 이성적 분석을 통합하기.
• LMS, SIS 및 온라인 학습 플랫폼에서 유래한 데이터를 활용하여 학생의 참여도, 기술 발달 및 이탈 위험을 모델링하기.
• 복잡한 분석 결과를 교사 및 관리자에게 실행 가능한 통찰으로 변환하기 위해 데이터 시각화 및 대시보드를 활용하기.

실험 결과

연구 질문

• RQ1 빅데이터 분석은 언어 학습 경험의 개인화와 효과를 어떻게 향상시킬 수 있는가?
• RQ2 언어 교육 분야에서 교육 데이터 마이닝(EDM)과 학습 분석(LA)에 가장 효과적인 도구와 기법은 무엇인가?
• RQ3 실시간 및 이력 분석은 언어 학습에서 수업 전략과 학습자 지원을 어떻게 향상시킬 수 있는가?
• RQ4 교육 기관, 특히 언어 학습 환경에서 빅데이터의 대규모 보급을 저해하는 과제는 무엇인가?
• RQ5 온라인 플랫폼에서 유래한 데이터는 언어 학습 자료와 도구를 어떻게 개선하는 데 사용될 수 있는가?

주요 결과

• 빅데이터 분석은 학생의 참여도와 성과를 실시간으로 추적함으로써 언어 학습에서 즉각적인 피드백과 적응형 개입을 가능하게 한다.
• 예측 모델링 및 군집 분석은 학습 패턴에 따라 위험에 처한 학생을 식별하고 학습자 그룹을 구성하는 데 가장 효과적인 방법으로 나타났다.
• 학습 분석은 온라인 사전 및 번역 플랫폼의 사용 데이터를 분석함으로써 더 정확하고 사용자 친화적인 언어 학습 도구 개발을 지원한다.
• 이성적 분석은 학생의 협업 활동 참여도와 구술 능력 향상 간에 유의미한 관계를 드러내어 참여도 향상을 위한 타겟팅 전략을 제안한다.
• 잠재력이 크지만, 데이터 부족, 공개 데이터 소스 부족, 데이터 기밀 보호 조치 부족 등의 과제가 광범위한 구현을 저해하는 주요 장벽으로 남아 있다.
• 분석 도구가 메인스트림 LMS 플랫폼에 통합되는 것은 아직 제한되어 있어, 보다 종합적이고 사용자 친화적인 솔루션이 필요하다.