검색 상세

온라인 공개강좌 학습자의 중도탈락 유형 탐색 : 학습자 행동 변인을 중심으로

Understanding Dropout Patterns in Online Courses : A Behavioral Analysis of Learner Log Data

초록 (요약문)

MOOC(Massive Open Online Courses)는 디지털 기술의 발전으로 시간과 장소의 제약 없이 학습 기회를 제공하며, 온라인 교육의 빠른 확산을 주도하고 있다. 그러나 온라인 교육 환경에서는 학습자의 중도탈락(dropout) 문제가 지속적으로 제기되고 있으며, 높은 중도탈락률은 학습 지속성을 저해하는 주요 요인으로 작용하고 있다. 본 연구는 네이버 커넥트 재단의 무료 온라인 교육 플랫폼인 부스트코스에서 제공하는 과정을 수강한 학습자 데이터를 활용하여, 자율적 학습자의 활동 데이터를 분석하였다. 학습자의 중도탈락 비율과 특성을 탐색하고, 이를 K-평균 군집분석, DBSCAN, 계층적 군집분석 등 대표적인 군집화 기법을 적용하여 유형화하였다. 더불어, 각 군집별 학습자의 특성을 심층적으로 분석하여 맞춤형 지원 전략을 제시하였다. 본 연구는 자발적 학습활동에 기반한 온라인 공개강좌에서 중도탈락 학습자의 특성과 유형을 체계적으로 분석하고, 군집화 결과를 바탕으로 유형별 맞춤형 지원 전략을 설계하는 데 기초 자료를 제공하였다는 점에서 의의가 있다. 이러한 결과는 학습자 지원 방안을 개선하고, MOOC 학습 성과를 높이기 위한 중요한 기반 자료로 활용될 수 있다.

more

초록 (요약문)

Massive Open Online Courses(MOOCs) have driven the rapid expansion of online education by providing learning opportunities without the constraints of time and location, leveraging advancements in digital technology. Nevertheless, the issue of learner attrition persists as a pervasive challenge in the realm of online education, with high rates of dropout serving as a substantial impediment to the continuity of learning. This study examined the activity data of autonomous learners who participated in courses offered by BoostCourse, a free online education platform operated by the NAVER Connect Foundation. The research investigated the dropout rates and characteristics of learners and categorized them using prominent clustering techniques such as K-means clustering, DBSCAN, and hierarchical clustering. Furthermore, the study conducted an in-depth analysis of the characteristics of each cluster and proposed customized support strategies to improve learning engagement and outcomes. The study's significance lies in its systematic analysis of the characteristics and types of learners who drop out from online open courses, based on voluntary learning activities. It provides a deeper understanding of various types of learner dropouts and how online education can be designed to provide tailored strategies for different types of learners, based on clustering results. These findings can serve as a case study for improving learner support measures and enhancing learning outcomes in MOOC environments.

more

목차

Ⅰ. 서론 1
1. 연구의 필요성 및 목적 1
2. 연구 문제 3
Ⅱ. 이론적 배경 4
1. 온라인 교육에서 중도탈락 관련 연구 4
2. 온라인 교육에서 중도탈락에 영향을 주는 변인 5
가. 교육과정 및 내용 변인 5
나. 교육환경 변인 6
다. 학습자 배경 및 내적 변인 6
라. 학습자 행동 변인 7
3. 군집분석을 활용한 학습자 유형 분석 8
가. K-평균 군집분석 (K-means Clustering)10
나. DBSCAN (Density-Based Spatial Clustering of Applications with Noise)11
다. 계층적 군집화(Hierarchical Clustering) 12
Ⅲ. 연구 방법 14
1. 분석 자료 14
2. 연구 변인 15
3. 분석 방법 16
가. 데이터 전처리 16
나. 분석방법 20
Ⅳ. 연구 결과 22
1. 연구 결과 1: 중도탈락 비율 및 특성 22
가. 중도탈락 학습자 분포22
나. 이수 조건 미충족에 따른 중도탈락 학습자 분포 22
다. 학습자 행동 데이터에 나타난 중도탈락 학습자 특성 분석 24
2. 연구 결과 2: 군집분석을 활용한 중도탈락 학습자의 유형 28
가. K-평균 군집분석 (K-means clustering) 29
나. DBSCAN (Density-Based Spatial Clustering of Applications with Noise) 32
다. 계층적 군집화(Hierarchical Clustering) 34
Ⅴ. 논의 및 결론 37
참고문헌 41

more