고등교육에서의 학습분석 사례 및 그 의미와 전망

0
1306

학습분석은 꽤 오랫동안 꾸준하게 주목받고 있는 주제다. 그만큼 학습분석은 교육분야에 있어 광범위하게 영향을 줄 수 있는 테마이기도 하거니와 교육의 다양한 문제를 해결하는데도 큰 역할을 할 것으로 기대하기 때문이다.

대체로 학습분석(Learning Analytics)의 정의에 대해서는 큰 범위에서 의견이 일치되는 듯하다.

  • for individual learners to reflect on their achievements and patterns of behaviour in relation to others
  • to help teachers and support staff plan supporting interventions with individuals and groups
  • for functional groups such as course teams seeking to improve current courses or develop new curriculum offerings
  • for institutional administrators taking decisions on matters such as marketing and recruitment or efficiency and effectiveness measures

그리고 2018년도 Horizontal 리포트에서도 같은 맥락의 정의를 하고 있음을 보더라도 학습분석의 정의와 관련된 큰 이견은 존재하지 않는다고 봐도 무방하다.

A growing focus on measuring learning is an accelerating trend in educational settings, and analytics technologies are the cornerstone. This category of technologies encompasses a diverse array of tools and applications that turn data into information. Data are the currency of the digital economy driving the information age, in which finding ways to collect, connect, combine, and interpret data to more clearly understand learner capabilities and progress can fuel personalized and adaptive learning experiences. In the past 20 years, measuring student learning has evolved from passive and latent metrics including semester/quarter grades, grade-level promotion, and graduation rates to interactive and real-time metrics that recommend adjustments to meet learners’ needs and inform faculty decisions about curriculum and pedagogy. Understanding  how to use new data tools and developing analytic skills, including data literacy, computational thinking, and coding, is essential for faculty and students to advance the understanding and use of big data in educational settings.

학습분석의 궁극적 지향점은 개별 학습자의 성향에 맞춘 Adaptive한 학습환경을 만들어주는 것이라고 할 수 있다. 이미 완전학습 이론에서도 지적된 바와 같이 학습자의 학습성향에 따른 맞춤형 학습환경은 전통적 강의방식에 비해 충분히 효과가 있다는 것은 검증이 되었다. 하지만 이러한 환경을 모든 학생들에게 적용하기 위해 필요한 재원은 현재 사회가 감당할 정도의 수준이 아니라는 것이 학습분석을 통한 맞춤형 학습에 기대를 걸고 있는 가장 큰 이유이다.

하지만 이런 분명한 정의와 목표를 가지고 있는 주제임에도 실제 현장에서 적용되고 있는 학습분석 내용은 각 나라별로 좀 더 다르게 해석되고 있는 것으로 보인다. 몇가지 대표적인 사례를 통해 살펴본 바에 따르면 두가지 시사점을 얻을 수 있는데 미주나 국내 모두 원래 취지와는 약간 다른 방향으로 진화되고 있다는 것과 동시에 양쪽의 지향점이 다르다는 것이다.

우선 미주지역에서 주로 활용되고 있는 주요 LMS들은 일치감치 학습자들의 학습활동을 통해 예측(Prediction)이 가능한 수준으로 진화되고 있음은 주지한는바와 같다. 이들은 무엇보다 학습위험을 조기 진단하는 것을 목표로 하고 있는 것으로 보인다. 학습자의 부진을 미리 예측하고 이를 사전에 방지할 수 있도록 관리자와 개인이 인지할 수 있도록 한다는 것이다.

이를 통해 학습자는 자신이 다른 학생들에 비해 뒤쳐저 있음을 인지할 수 있고 교수자나 관리자는 학생이 중도탈락하기 전에 사전 조치를 취할 수 있기 때문이다. 언뜻보기에는 이런 방향의 학습분석의 발전은 학습분석의 원래취지와도 맥락이 닿아 있는것으로 보이지만 사실은 학습자 개별적인 학습 성취도보다는 학교의 수익과 밀접한 관계를 가지고 있는 학생의 제적률(Dropout Rate)에 더 많은 관심을 가지고 있는 기관의 관심에 부응하기 위한 것이다. 입학하는 학생의 절반이 졸업을 하지 않고 떠나는 현실에 비춰보면 학습분석 혹은 더 넓게 보면 LMS가 여기에 관심을 가질만한 충분한 이유가 있는 것이다.

학습분석이 생각보다 현실적 상황에 밀접하게 접근되어 있다는 것은 되새겨볼만한 지점이다.

국내의 현실 또한 다른 측면에서 학습분석에 관심을 가지고 있는 것으로 보이는데 다음은 국내 모 대학에 구축된 사례이다.

여기서 알 수 있는 것은 기본적인 데이터분석 방식과 내용은 동일하나 궁긍적으로 얻고자하는 정보는 학습자의 학습활동과 더불어 교수자의 LMS 활용도이다. 기본적으로 LMS의 활용도가 높지 않다는 뜻이다. 이러한 정보에 학교가 관심을 가지는 이유는 여전히 오프라인 수업중심으로 수업을 진행하고 있는 국내 환경과 관련되어 있다.

학습 분석은 충분한 데이터를 기초로 분석하는 것인데 데이터의 량과 신뢰성이 확보되지 않는다면 분석 결과 또한 신뢰하기가 어려워진다는 것을 뜻한다. 무엇보다 현재 국내 고등교육의 학습분석이 미주와 다른 부분은 기관의 현실적 문제를 해결하는 차원으로 접근하고 있지 않다는 것이다. 학습분석이 미주지역을 중심으로 괜찮은 성과를 내고 있는 반면 국내가 상대적으로 더디게 가고 있는 이유는 LMS 혹은 학습분석 기능이 학생이나 교수자의 현실적인 문제를 해결하는데 직접적으로 기여하는 역할을 충분히 하지 못하고 있는 현실적인 여건과 관계가 있다.

학교 운영에 근본적인 영향을 주고 있는 재적률 관리를 학습분석과 연결시킨 미주와는 달리 국내의 학습분석이 학교 운영의 근본적인 영향을 줄 수 있는 부분과 아직 연결하지 못하고 있다는 것이다.

당연하게도 해외의 학습분석 개념과 기능을 답습하는 대신 학습분석을 바라보는 개념과 그에 따른 접근방법을 우리의 형편에 맞게 다시 정의를 해야하는 것이 필요하다. 우선 우리가 처한 여건에서 새로운 방식의 학습분석 방법론을 개발하기 위해서는 기존 기술을 활용하되 수집데이터의 범위나 성격을 다시 규정할 필요가 있다. 미주 지역 고등교육기관에서 학습분석을 제적률 관리를 위해 활용했듯이 우리 고등교육 기관의 가장 관심있는 주제와 학습분석을 연결해볼 필요가 있다는 것이다.

사실 국내 대학들이 미주 지역의 대학들 만큼 학생들의 재적률에 큰 관심을 두고 있지 않다는 것은 분명해 보인다. 국내에서는 50% 정도의 학생이 대학을 미처 졸업하지 못한 상태로 대학을 떠나는 정도로 제적률이 심각한 상태가 아니기 때문이다. 우리 대학은 학생들의 졸업후 취업/창업과 같은 졸업이후의 진로에 훨씬 더 많은 관심을 기울이고 있다. 이는 교육부의 방침이기도 한데 언제부턴가 교육부가 대학을 평가하는 가장 큰 기준으로 각 대학의 학생들의 졸업후 취업률 데이터를 활용하고 있기 때문이다.

만약 학습분석을 이러한 취업률 혹은 학습자들의 역량과 연계할 수 있다면 이야기가 달라지지 않을까하는 것이다. 현재 LMS가 가지고 있는 데이터의 한계성은 여기서 드러난다. 우리가 학습분석을 이야기하기 위해 다시 케케묵은 Beyond LMS를 이야기해야만 하는 이유다. 한국의 고등교육은 시스템의 확장이 아니라 데이터의 확장 측면에서 Beyond LMS를 다시 바라봐야 하는 시기를 맞고 있는 것이다.

발표자료 링크