최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
Huan Wang, 김대원, 유종상, 김인호
2019 / Korean Journal of Agricultural Science
데이터가 존재하지 않습니다.
loading...
Learning analytics in higher education : current innovations, future potential, and practical applications
이러닝과 학습양식 =
Learning Analytics: Fundaments, Applications, and Trends : A View of the Current State of the Art to Enhance e-Learning
Big data and learning analytics in higher education : current theory and practice
학습분석학의 이해 =
Student engagement in the digital university : sociomaterial assemblages
(학습사회의)교육학 =
교육과 학습에서 빅데이터
소비자는 무엇을 원하는가 : 2011 대한민국 소비지도
국가수준 학업성취도 평가와 대학수학능력시험 자료 분석 심포지엄
ARCS를 적용한 e-learning 교육시스템 =
Learning analytics in the classroom : translating learning analytics research for teachers
국가단위 평가의 수요자 중심 정보 활용 서비스 시스템 구축 및 운영. 맞춤형 학력진단검사 확대와 시스템 고도화
Learning analytics
HRD와 학습분석학
(2015 KICE 이슈페이퍼) 소셜 빅데이터를 활용한 학업성취도 평가 이슈 분석
학습과 공부 : 연구조망
교육공학 : 인포맵을 통해 찾아 본 뿌리와 줄기
Selecting the right analyses for your data : quantitative, qualitative, and mixed methods
OECD 국제 학업성취도 평가 연구 : PISA 2018 결과 분석을 통한 우리나라 학생들의 성취 추이 분석
최정아 · 2026
빌둥 Bildung
조일현; 김정현 · 2013
교육공학연구
조일현; 김윤미 · 2013
교육정보미디어연구
정영란 · 2024
디지털콘텐츠학회논문지
Han F.,Ellis R.A. · 2021
Educational Technology and Society
신다은; 김진화 · 2016
평생학습사회
강민석, 박인우, 김진일 · 2009
인터넷정보학회논문지
이은준 · 2013
인간이해
홍유정, 함은혜, 이성혜 · 2025
교육정보미디어연구
전선 / 대학원
이 강좌는 보건의료계열 교육에서 학습자의 학습 성과, 즉 교육효과를 측정하기 위한 방법으로서 학습분석학 (learning analytics)이라는 최신 분야의 이론과 실제를 다룬다. 치의학교육을 비롯한 다양한 교육 맥락에서 다각적인 데이터를 체계적으로 수집하고 분석하여 교육 효과를 측정하는 방법을 탐구한다. 나아가 이 데이터에 기반하여 최적화된 학습 환경과 경험을 설계하는 법, 근거기반 교육을 위해 교육연구를 설계하는 방법도 함께 논의한다.전선 / 대학원
이 강좌는 학습자와 학습 맥락에 대한 데이터를 체계적으로 수집, 분석, 활용하여 각 학습자에게 최적화된 학습 경험을 제공하는 방법을 다룬다. 온라인과 면대면 학습환경에서 효과적으로 데이터를 수집하고 분석하는 방법을 조사하고, 학습분석에 기반하여 개별화된 학습을 설계하고 대시보드와 같은 디지털 도구를 개발하는 방법을 탐구한다. 그리고 학습분석 과정에서 발생할 수 있는 윤리적 이슈를 예방하기 위한 실천방안에 대해서 논의한다.전선 / 대학원
학습환경 설계에 영향을 미치는 제반 학습자의 특성에 관한 연구 결과를 검토한다. 최근의 학습자 특성 분석 결과에 주목하면서 이런 부분이 어떻게 일반 교실 수업을 비롯한 이러닝 환경에서 반영될 수 있는가를 이론적, 실제적인 수준에서 다룬다.전선 / 학사
‘다양한 학습자 이해와 맞춤형 학습’ 강의는 다양한 학습자 집단의 특성과 학습 경험에 관한 이해를 바탕으로 학습이론을 탐구하여 학습에 대한 개념과 인식의 확장을 목표로 한다. 본 강의에서 학습과 발달에 관한 주요 이론들이 일반적인 학습자를 중심으로 구축됐음을 비판하며 전통적 학습이론의 한계를 고찰한다. 이어서 영재, 다문화, 발달장애 학생의 세 집단의 학생을 중심으로 그들의 인지적·정서적·사회문화적 특성을 이해한다. 이러한 이해를 바탕으로 서로 다른 배경과 능력을 지닌 다양한 학습자들이 학습하는 방식을 비교·분석하여, 학습의 다양성을 이해한다. 또한 보편적 학습설계, 차별화 교수, 개인화 학습 등의 원리를 통합하여 다양한 학습자의 요구를 반영한 맞춤형 교수·학습 전략을 설계한다. 궁극적으로 모든 학습자를 위한 포용적 수업 실천을 통해 형평과 정의 기반 교육에 대해 이해한다. 영재학교, 특수학교, 다문화교육기관 등 다양한 교육 현장에 방문하고, 해당 분야 전문 교사의 특강을 통해 다양한 학습자의 학습을 실질적으로 이해하는 것을 목표로 한다. 이 강의를 통해 학습의 ‘보편성’과 ‘다양성’을 통합적으로 이해하고, 학습과 인간 발달에 대한 새로운 관점을 형성한다.전선 / 학사
이 과목은 학업성취도를 포함하여 학습자의 핵심 역량을 측정하는 여러 가지 검사도구의 사례를 통하여 역량평가도구의 개발 및 양호도 확인 과정에 대한 다양한 방법론을 소개하고자 한다. 또한 역량평가도구를 실제로 개발하고, 관련 데이터를 수집하며, 이를 통해 평가도구를 평가해봄으로써 학습자 역량 평가와 관련된 이론적, 실제적 이론을 경험하도록 한다.전선 / 대학원
본 강좌는 전통적인 원격교육의 학문적 탐구에 대한 검토를 바탕으로, 최근 정보화 사회의 교수 학습 체제의 개념적 틀을 제공하고 있는 이러닝(e-Learning) 관련 최신 연구 결과를 분석적으로 검토하는 기회를 제공한다. 원격교육의 개념, 역사, 국내 및 국제적인 동향에 대한 기본적인 이해와 함께 교육공학적 접근을 활용하는 연구 결과의 특징과 시사점을 분석하게 된다. 매체의 교육적 활용 관련 연구의 연장선에서 이러닝의 교육공학적 탐색을 화면 설계, 상호작용 설계, 인터페이스 설계와 같은 미시적 연구에서부터 학습 공동체 설계, 이러닝의 질적 평가 및 학습 관리 체제의 새로운 설계 원리와 같은 거시적 연구 주제에 대한 폭넓은 탐색을 통하여 향후 연구 주제를 설정하는데 방향을 제시하게 된다.전선 / 학사
본 과목은 지식정보사회의 새로운 교육 및 학습 형태로 자리 잡아가고 있는 이러닝에 대한 이해를 원격교육의 연장선에서 다룬다. 이러닝의 도입 배경 및 국내외 현황에 대한 검토와 함께 효과적인 이러닝의 개발과 운영을 위한 다양한 이론적 모형을 비판적으로 소개한다. 또한 원격교육의 발전 측면에서 이러닝의 실제 및 이론적 동향을 분석하게 된다. 본 과목을 통하여 이러닝의 간단한 사례를 개발하는 절차와 기법을 익히게 된다.전선 / 학사
다양한 교육 사례를 분석하여 디지털 전환 시대 빅데이터의 교육적 활용 가능성과 도전적 과제를 탐색한다. 학습자중심교육에 대한 이론과 모형을 학습하고 빅데이터와 인공지능을 활용하여 맞춤형 학습환경을 설계할 수 있는 역량을 기른다. 교육 문제를 창의적으로 해결하기 위해 빅데이터와 디지털 테크놀로지를 활용하는 방안을 탐구한다.공통 / 대학원
인문학 연구를 위해 관련 데이터를 처리하는 능력을 기른다. 데이터 구축, 탐색적 데이터 분석, 추론적 데이터 분석 등의 방법론을 두루 다루며, 이러한 방법론을 실제 인문 데이터에 적용하는 데 초점을 맞춘다.교양 / 학사
본 강좌는 AI와 머신러닝의 기초 개념을 이해하고, 이를 실제 데이터에 적용하여 예측 및 분류 문제를 해결하는 능력을 배양하는 것을 목표로 한다. 기초적인 데이터 처리 방법부터 머신러닝과 딥러닝 모델에 이르기까지 다양한 주제를 다루며, Pandas, Scikit-learn, PyTorch 등의 라이브러리를 사용하여 데이터를 처리하고 모델을 구현한다. 또한, TV 광고 데이터를 활용한 매출 예측, 신용카드 연체 예측 등 실생활 문제를 다루어 AI 기술이 실질적으로 활용되는 사례를 제공하며, 학생들이 데이터를 통해 실제로 문제를 해결하는 과정에서 얻는 성취감을 높이고자 한다.전선 / 학사
본 교과목은 학습자의 학습과 동기를 이해하기 위한 주요 이론적 기초를 탐구한다. 행동주의, 인지주의, 구성주의 등 다양한 학습이론과 자기결정성이론, 목표지향성이론, 귀인이론 등의 동기이론을 학습한다. 이러한 이론적 이해를 바탕으로 학습자의 능동적 참여를 촉진하고 학습동기를 증진시킬 수 있는 효과적인 학습활동과 학습환경을 설계하는 방법을 탐색한다. 이론과 실제의 연결을 통해 교육 현장에서 적용 가능한 실천적 지식을 함양하는 것을 목표로 한다.전필 / 학사
공간의 생성, 발전, 성장 및 입지, 공간시장의 적정 규모이론, 공간 구조 및 토지이용, 집적화 및 클러스터, 주택 및 토지시장 분석, 인구 전망 와 공간경제 분석기법전선 / 학사
이 교과목은 다양한 학습 데이터를 분석하여 학습자의 흥미와 필요를 고려한 맞춤형 학습을 설계하는 방법을 소개한다. 인공지능을 활용하여 학습활동을 자동으로 분석하고 학습결과를 예측하며, 그 결과를 바탕으로 교수자와 인공지능이 적응적으로 학습을 지원하는 방안을 탐색한다. 학습 상황과 학습자의 특성에 따라 최적의 학습경험을 어떻게 설계하고 지원할 수 있는지 논의한다. 그리고 디지털 테크놀로지를 활용하여 공교육에서 학습 데이터를 수집, 분석, 활용하는 과정에서 발생하는 사회적 문제를 비판적으로 검토하고 창의적인 해결방안을 모색한다.전선 / 대학원
평생교육학의 이론적 지평 확산을 위해 학습생애와 학습문화에 대한 경험 연구를 담당 교수의 지도로 수행한다. 수강생들은 선행연구 분석, 자료 수집과 분석, 논문 작성과 학술지 투고에 이르는 연구의 전 과정을 이 강좌를 통해 실습할 수 있다. 이 강좌는 고급 수준의 경험 연구에 관한 담당 교수의 강의와 함께 실제 연구 진행 과정에서 발생하는 난점에 대한 수강생들의 보고와 토론을 중심으로 진행된다. 수강을 위해서는 연구방법론 관련 강좌를 반드시 사전에 이수해야 한다.전선 / 대학원
본 교과에서는 교육심리학 분야에서 지금까지 연구된 학습동기에 관한 연구들을 비판적 관점을 가지고 평가하고 학습동기에 관한 새로운 연구 주제들을 탐색해 보는 것을 주목적으로 한다. 학습동기는 학생의 인지적 능력과 함께 학습활동과 결과에 영향을 미치는 중요 개인변인으로서, 1980년대 이후 이에 관한 많은 연구들이 진행되고 있다. 학습동기가 사회문화적 맥락의 영향을 많이 받는다는 측면에서 본 교과에서는 기존 서구중심의 학습동기 연구를 넘어서 우리 교육맥락에서 학생들이 가지고 있는 학습동기를 새로운 관점에서 재조명해보고자 한다.교양 / 학사
본 과목은 데이터를 처음 접하는 학생들에게 데이터 문해력의 기초를 제공한다. 인문학, 사회과학, 예체능 등을 포함한 다양한 전공의 학생들이 데이터의 종류와 특성에 따라 적절한 요약 및 시각화 방법을 학습하고 이를 해석하는 능력을 키우도록 돕는다. 궁극적으로는 데이터를 기반으로 주제를 찾아내고 합리적인 의사결정을 내릴 수 있는 역량을 기르는 것을 목표로 한다. 본 과목을 이수한 학생들은 인공지능 시대에 필수적인 데이터 분석 역량을 갖출 수 있을 것으로 기대한다.전선 / 학사
“공간정보분석1: 통계모형”의 심화과정으로 해석모형과 달리 예측모형에 초점을 둔다. 공간 패턴의 학습과 예측에 접목할 수 있는 머신러닝과 인공지능의 주요 이론과 알고리즘을 소개하며 R/Python 코딩과 사례연구를 통해 실천적 공간데이터 사이언스의 기초를 제공한다. 이 강의는 머신러닝의 학습이론, 감독학습, 무감독학습, 신경망, 앙상블 학습을 주 내용으로 하며 공간 헤도닉 모형, 공간 클러스터와 아웃라이어 패턴, 가우시언 프로세스와 공간 크리깅 내삽, 공간의사결정 등 지리학적 활용을 연습한다.전선 / 대학원
이 강좌는 석·박사 학위 논문 작성 등 교육연구에 필요한 통계적 분석에 대한 개념과 이론에 대한 폭넓은 이해를 돕고, 실제 교육연구에서 통계적 기법들을 적절히 활용할 수 있도록 하기 위한 것이다. 이를 위해 교육관련 각종 연구 자료의 특성(예: 다층 자료, 유목 자료, 연속 자료 등)에 적절한 통계적 기법들에 대한 소개와 함께 관련 컴퓨터 프로그램을 활용하여 실제로 분석할 수 있도록 하기 위한 것이다. 아울러 수강생들은 관심 있는 교육관련 자료를 분석하고 그 결과를 수업시간에 보고하는 기회를 가지게 될 것이다.전선 / 학사
이 강의는 교육학 및 인접학문을 전공하는 학부생들에게 양적연구에 대한 흥미를 유도하는 것을 목표로 한다. 이 강의에서 학생들은 실제 양적연구를 수행하고 이를 통해 교육연구에 있어서 양적연구의 효용과 한계를 이해할 수 있을 것이다. 이 강의는 통계적 지식보다는 양적연구의 설계와 해석에 중점을 두며, 궁극적으로 양적연구를 통한 건전한 의사소통의 경험을 제공하고자 한다.교양 / 학사
본 과목은 대학교 저학년 학생들을 대상으로 하며, 특히 컴퓨터 과학 분야에 익숙하지 않은 학생들에게 데이터 시각화의 기초를 소개하고, 이를 통해 디지털 습관을 개선할 수 있도록 한다. 학생들은 태블로와 같은 시각화 도구들을 활용하여 자신의 구글 활동 기록 또는 유튜브 시청 등 다양한 종류의 데이터를 분석하고 시각화하는 방법을 배울 수 있다. 특히, 이 과정에서 프로젝트를 통해 데이터 시각화 기법을 활용하여 디지털 습관에 대한 문제를 발견하고 자기인식을 도모하며, 학생들 간의 교류를 통해 행동의 변화를 일으키기 위한 해결방안을 함께 고안하고 실천으로 옮길 수 있다. 해당 프로젝트는 데이터의 시각적 분석을 위한 전 과정의 경험을 통해 학생들 스스로 개인의 디지털 행동습관에 대한 자기인식, 그리고 창의적 해결방안을 모색하는 데에 그 중점을 두고 있다. 이를 통해 학생들은 기술적 역량뿐만 아니라, 심리학 및 사회학적 이해를 결합하여 데이터를 다각도로 이해하고, 개선된 디지털 생활방식을 구축할 수 있다.