[논문 리뷰] Expediting Support for Social Learning with Behavior Modeling

Yohan Jo, Gaurav Singh Tomar외 3명|arXiv (Cornell University)|2016. 05. 10.

Online Learning and Analytics참고 문헌 21인용 수 8

한 줄 요약

이 논문은 온라인 교육에서 사회적 학습을 가속화하기 위해 데이터 인fra구조, 행동 모델링, 개입을 포함하는 세 단계로 구성된 파이프라인을 제안한다. 저자들은 목표 설정 행동을 우수한 롤모델 품질의 대체 지표로 모델링하여, 자격을 갖춘 목표 설정자와 상호작용하는 학생들이 더 오래 수강을 유지하고, 실습 활동에 더 많이 참여하며, 이전 내용을 더 자주 복습함으로써 학습 성과가 향상됨을 보여준다. 이는 대상별 롤모델 추천을 통해 학습 성과를 향상시키는 사회적 추천 시스템을 구현한다.

ABSTRACT

An important research problem for Educational Data Mining is to expedite the cycle of data leading to the analysis of student learning processes and the improvement of support for those processes. For this goal in the context of social interaction in learning, we propose a three-part pipeline that includes data infrastructure, learning process analysis with behavior modeling, and intervention for support. We also describe an application of the pipeline to data from a social learning platform to investigate appropriate goal-setting behavior as a qualification of role models. Students following appropriate goal setters persisted longer in the course, showed increased engagement in hands-on course activities, and were more likely to review previously covered materials as they continued through the course. To foster this beneficial social interaction among students, we propose a social recommender system and show potential for assisting students in interacting with qualified goal setters as role models. We discuss how this generalizable pipeline can be adapted for other support needs in online learning settings.

연구 동기 및 목표

• 교육 데이터 마이닝에서 데이터 수집과 실행 가능한 인사이트 사이의 사이클 시간을 단축시키기 위해.
• 특히 적절한 목표 설정 행동을 포함한 유익한 사회적 학습 행동을 식별하여 효과적인 롤모델의 지표로 삼기 위해.
• 시행 가능한 데이터 기반의 개입을 가능하게 하는 파이프라인을 개발하기 위해.
• 자격을 갖춘 목표 설정자와의 상호작용이 학생의 수강 지속성과 참여도에 미치는 영향를 평가하기 위해.
• 행동 모델링 기반의 사회적 추천 시스템을 설계하고, 고품질 롤모델과 학생을 연결함으로써 실증적으로 구현하기 위해.

제안 방법

• 파이프라인은 사회적 학습 플랫폼의 학생 상호작용 로그를 수집하고 정렬하는 확장 가능한 데이터 인fra구조로 시작된다.
• 행동 모델링은 시간적 패턴과 상호작용 패턴을 신호로 삼아 적절한 목표 설정 행동을 보이는 학생을 식별하는 데 적용된다.
• 목표의 구체성, 일관성, 과정 마일스톤과의 일치도 등의 특징을 기반으로 '자격을 갖춘' 목표 설정자를 식별하기 위해 분류 모델이 훈련된다.
• 협업 필터링과 행동 유사도 메트릭을 사용하여 학생들에게 이러한 자격을 갖춘 롤모델과 상호작용할 수 있는 개인화된 추천을 생성한다.
• 장기적인 학생 행동 분석을 통해 대규모 온라인 강좌의 실제 데이터를 사용하여 파이프라인을 평가한다.
• 개선된 긍정적 학습 행동을 확산시키기 위해, 고품질 롤모델과의 상호작용을 장려하는 사회적 추천 시스템을 통한 개입이 구현된다.

실험 결과

연구 질문

• RQ1 사회적 학습 환경에서 효과적인 롤모델을 식별하기 위해 학생의 목표 설정 행동은 어떻게 모델링할 수 있는가?
• RQ2 자격을 갖춘 목표 설정자와의 상호작용이 온라인 강좌에서 학생의 수강 지속성과 참여도에 어떤 영향을 미치는가?
• RQ3 행동 기반의 사회적 추천 시스템은 학생들이 유익한 사회적 상호작용을 할 수 있도록 성공적으로 이끌 수 있는가?
• RQ4 제안된 파이프라인은 교육 현장에서 데이터 수집과 실행 가능한 지원 사이의 시간을 얼마나 줄일 수 있는가?
• RQ5 행동 모델링은 온라인 교육에서 사회적 학습 지원의 품질과 효과를 얼마나 향상시킬 수 있는가?

주요 결과

• 자격을 갖춘 목표 설정자와 상호작용한 학생들은 그렇지 않은 학생들보다 유의미하게 높은 과정 지속성을 보였다.
• 자격을 갖춘 목표 설정자를 따라한 학생들은 실습 과정 활동에 있어 뚜렷이 증가한 참여도를 보였다.
• 이 학생들은 진행하면서 이전에 다룬 자료를 더 자주 복습하는 경향이 있었으며, 이는 깊이 있는 학습과 기억력 향상을 시사한다.
• 행동 모델링 파이프라인은 목표 설정 패턴과 과정 진행 상황을 기반으로 고품질 롤모델을 성공적으로 식별하였다.
• 사회적 추천 시스템은 학생들이 유익한 사회적 상호작용을 할 수 있도록 이끌 수 있는 잠재력을 보였으며, 학습 성과 향상에 기여하였다.