[KOFAC FOCUS]

교육 데이터의 수집과 활용 사례 분석

김종범 연구원(한국과학창의재단 SWAI인재양성팀)

■ 작성배경

◦ 코로나 팬더믹 이후 교육의 모습이 급격하게 전환되었으며, 온라인 교육 및 에듀테크 활용에 대한 관심이 높아졌음

◦ AI 보조교사 등 교육 현장에서 인공지능을 본격적으로 도입하려는 움직임이 나타나고 있으나 인공지능의 재료가 되는 데이터를 교육 현장에서 효과적으로 모으고 있지는 못하는 상황임

◦ 국내·외에서 최근 진행된 교육 데이터 마이닝 사례 분석을 통해, 우리 교육 현장에서 도입할 수 있는 데이터 수집 방안에 대해서 알아보고 데이터를 활용한 분석 결과를 통해 교육에서 데이터를 활용하는 방안에 대한 아이디어를 얻을 수 있음

■ 주요내용

◦ (실증 데이터 분석) 코로나 상황에서 등교일 수 및 지역 차이에 따른 학력 저하 원인을 실측 분석함. 학력 저하 현상을 등급별 학생의 이동이나 등교 일수를 집단별로 구분하여 처리하고, 공시자료와 같은 외부자료와의 연동을 통해 분석하는 방법을 활용하였음

◦ (패널 데이터를 활용한 딥러닝 분석) 교육 데이터 분석 방법 간 성능 평가 연구로서, 학생들의 진로성숙도 예측의 정확도를 비교측정하였음. 일반적인 교육 현장에서 수집되는 데이터 규모의 한계를 패널 데이터와 같은 대량 데이터의 분석을 통해 보완하였고, 딥러닝 분석을 실시, 전통적 통계 분석에 비해 더 높은 정확도를 확인하였음

◦ (생체 데이터 분석) 자기응답식 설문조사로부터 추출한 데이터를 기반으로 분석하는 전통적 방법과는 달리 이 연구에서는 안구 운동을 물리적으로 측정하고 이를 분석하는 방법을 사용하였는 데 이 방법은 생리 활동을 측정기를 통해 직접 측정하므로 응답자의 성향이나 데이터의 편향이 생길 가능성이 낮음. 생체 데이터 수집 방법과 관련된 기술이 발전되고 있으며, 이전에 비해 측정 기구의 가격도 상대적으로 낮아지고 있으므로, 방향성 탐색이나 설문조사 기반 연구의 보완적인 연구로서 생체 데이터 수집과 관련된 연구가 추진될 필요가 있음

<KOFAC FOCUS>는 과학문화 및 과학수학정보교육 분야의 해외 연구보고서 및 조사결과 등에

특별한 포커스를 두고 주요내용과 그에 따른 시사점을 제공합니다.