If the collection is public, the memo for this book will also be public.
Your Browsing History
There is no data.
이금실, 이인주
2019 / 관광연구저널
박건우, 박재규, 최재호, 정의승
2014 / 대한인간공학회지
There is no data.
loading...
This study systematically reviewed 42 domestic learning analytics studies to analyze learning types, research subjects, data utilization purposes, data collection environments, and data analysis methods. The results showed that research focused on online learning and adult learners for learner profiling and prediction, with the most frequent use of teaching and learning trace data. The study suggests the need for improvement in data collection environments and tools for multimodal learning analytics.
교육과 학습에서 빅데이터
학습분석학의 이해 =
이러닝과 학습양식 =
Selecting the right analyses for your data : quantitative, qualitative, and mixed methods
Learning analytics in the classroom : translating learning analytics research for teachers
(실리콘밸리(Silicon valley) 데이터 과학자(data scientist)가 알려주는) 따라 하며 배우는 데이터 과학(data science)
교육연구방법론 =
An introduction to multilevel modeling techniques
교육공학 : 인포맵을 통해 찾아 본 뿌리와 줄기
Learning Analytics: Fundaments, Applications, and Trends : A View of the Current State of the Art to Enhance e-Learning
HRD와 학습분석학
An attempt to obtain replicate learning curves
Advances in multilevel modeling for educational research : addressing practical issues found in real-world applications
교과별 핵심 개념에 대한 학생의 이해 특성 분석과 교수학습 전략 탐색
수업분석 : 수업을 꿰뚫어 보는 힘!
Learning analytics
Action research : a guide for the teacher researcher
An introduction to multilevel modeling techniques : MLM and SEM approaches using Mplus
Complementary research methods for educational leadership and policy studies
(예비교사를 위한)교육방법의 이론과 실제 =
안미리 ( Mi Lee Ahn ); 배윤희 ( Yun Hee Bae ); 최윤영 ( Youn Young Choi ); 고윤미 ( Yoon Mi Ko ); 김민하 ( Minha Kim ) · 2016
Journal of Educational Technology
안미리; 최윤영; 배윤희; 고윤미; 김민하 · 2016
교육공학연구
Kew S.N.,Tasir Z. · 2022
Technology, Knowledge and Learning
Ean Teng Khor; Zhan Jie How; Elizabeth Koh; Chee Kit Looi; Cheryl Lok · 2025
The International Journal of Information and Learning Technology
Wong B.T.m.,Li K.C.,Cheung S.K.S. · 2022
Journal of Computing in Higher Education
俞宏毓 · 2016
现代中小学教育 / Modern Primary and Secondary Education
이자명 · 2022
심리유형과 인간발달
Pei B.,Xing W.,Wang M. · 2023
Interactive Learning Environments
권영옥 · 2019
한국빅데이터학회 학회지
함윤희; 조영환; 이한솔; 김혜은 · 2021
교육정보미디어연구
추영선; 신부경; 김혜준; 한예원; 은선민 · 2024
교육정보미디어연구
Ayesha Sadaf; Tong Wu; Florence Martin · 2021
Computers and Education Open
이성혜, 이유경, 박소영, 함은혜 · 2021
교육공학연구
김도헌 · 2020
학습자중심교과교육연구
Abdulkadir Palanci; Rabia Meryem Yilmaz; Zeynep Turan · 2024
Education and Information Technologies
최윤영 ( Youn Young Choi ); 안미리 ( Mi Lee Ahn ); 고윤미 ( Yoon Mi Ko ); 배윤희 ( Yun Hee Bae ) · 2015
Korean Association for Educational Information and Media
서진선, 이재경 · 2020
현장수업연구
안미리, 최윤영, 고윤미, 배윤희 · 2015
교육정보미디어연구
이슬기 · 2021
열린교육연구
안미리; 최윤영; 고윤미; 배윤희 · 2015
교육정보미디어연구
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 / 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 / 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
이 과목은 인간의 정보추구행동을 분석하는 다양한 방법론을 소개하여 향후 학생 본인의 전공분야를 선택하는데 참조할 수 있도록 한다. 특히 정보의 사용성 조사나 사용자 경험조사 방법을 중점으로 데이터의 수집, 실험설계, 데이터 분석 및 해석방업 등을 취급한다.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 교육연구에 필요한 통계적 분석에 대한 개념과 이론을 제공하기 위한 것이다. 이를 위해 교육관련 각종 자료의 유형을 살펴보고 이들을 분석하는데 필요한 여러 통계적 기법들을 살펴보게 될 것이다. 아울러 수강생들은 통계적 기법을 활용하여 교육관련 자료들을 실제로 분석하게 될 것이다.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.전선 / 대학원
이 강좌는 교수 및 학습을 개선하기 위한 학습과학의 다양한 연구주제와 이론을 탐구한다. 학습에 대한 인지적, 정의적, 사회문화적 접근을 비판적으로 검토하고 첨단 테크놀로지를 활용하여 교수 및 학습을 향상시키기는 방안에 대해 논의한다. 설계기반 연구방법을 적용한 학습과학 연구를 체계적으로 검토하고 해당 연구방법을 적용하여 연구 계획서를 작성한다.전선 / 대학원
이 수업의 목적은 교육연구에서 전통적으로 사용되어 온 양적 연구방법의 기본 개념 및 분석 방법을 습득하게 하는 데 있다. 이 수업에서 다루는 통계방법에는 t검증과 분산분석, 상관분석, 회귀분석 등이 포함된다. 학생들은 이 수업을 통해서 주어진 연구문제에 답하는 데 적절한 통계방법을 찾아서 실제 데이터에 적용하여 분석할 수 있으며, 분석 결과를 효과적으로 제시하고 해석할 수 있게 될 것이다.전선 / 대학원
언어사용의 네 국면중 '읽기'부분은 지금까지 비교적 그 연구 성과가 많이 집적된 편이다. 읽기 이론의 성과는 교재 구성, 교수-학습 방법, 교육과정 등에 직접적인 도움을 줄 수 있는 중요한 영역이기도 하다. 이 강좌에서는 '읽기'와 관련하여 기존의 이론을 비판검토하고, 교수-학습 상황에서의 측면과 읽기 활동에 요구되는 능력들과 그 기본원리의 탐색을 목표로 한다.전선 / 대학원
본 교과목은 소비자학 분야의 2차 데이터를 탐색하고, 이를 통해 관련 연구 주제와 최신 연구 동향을 고찰하는 것을 목표로 한다. 또한, 2차 데이터 연구에 활용할 수 있는 분석 기법을 학습하고, 이를 연구에 적용할 수 있도록 실습한다. 수강생은 관심 있는 연구 문제를 선정하고, 해당 데이터를 분석하여 연구를 수행한 뒤 논문을 작성한다. 2군 교과목으로, 주제와 활용되는 2차 데이터는 개설 학기에 따라 변경된다.전선 / 대학원
본 교과목은 교육행정연구방법의 지평을 넓히고, 연구주제에 부합하는 연구방법을 적용하여 스스로 연구할 수 있는 능력을 계발하는데 그 목적이 있다. 이를 위하여 본 강좌에서는 연구계획서의 개발, 관련문헌고찰, 양적,질적 연구, 철학적, 역사적 연구 등 교육연구에 관한 기본적 사항들을 검토하고, 교육행정연구 분야에 적용될 수 있는 새로운 연구방법들을 탐색하여 논의한다.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 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
건강하고 지속가능한 사회에 대한 관심이 고조되면서 사회의 기본적 구성 단위가 되는 개인과 가계의 삶의 질과 안녕에 대한 사회적 관심이 커지고 있음. 이에 상품과 서비스의 개발에 있어서 상품중심이 아닌 소비자중심의 관점이 필요하고, 생활맥락에서 생성되는 다양한 데이터에 대한 이해와 활용에 대한 숙련도를 함양할 필요가 있음. 본 교과목은 빅데이터 분석을 실질적 라이프 솔루션 도출에 활용할 수 있는 융합적 역량을 강화하는 것을 목적으로 함. 소비, 의, 식, 아동, 가족 영역의 주요 현안을 파악하고, 각 영역에서 주로 활용되는 빅데이터의 종류와 내용을 학습하고, 빅데이터가 라이프 솔루션 도출에 실질적으로 활용되는 사례 학습을 통해 생활산업 영역 빅데이터 역량을 강화하고자 함.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.전선 / 학사
양적 데이터를 주로 다루는 교육연구에서 사용될 수 있는 통계 방법을 소개하는 기초과정이다. 여기서는 집중경향, 변산도와 같은 기술통계에서 상관과 회귀분석과 같이 변인간 관계를 살펴보는 데 사용되는 방법들, 그리고 t 검증과 분산분석과 같이 평균 차이를 살펴보는 데 사용되는 방법들이 주로 다루어진다.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 / 대학원
교육연구에서 사용되는 데이터의 구조가 대부분 학생이 교사나 학교에 내재되어 있는 위계적인 구조를 가지는 경우가 많다는 점에서, 다층모형은 양적 연구 방법론을 익히고자 하는 교육 연구자에게 매우 필요한 방법론이라고 할 수 있다. 이 교과목에서는 다층모형을 이해하는 데 필요한 통계적 기초를 포함하여 다층모형의 기본적 개념 및 이론적 기초를 다루며, 이를 토대로 하여 2수준과 3수준 다층모형에서 시작하여 종속변수가 연속변수가 아닌 이분변수나 다분변수일 때 적용가능한 다층모형과 다시점 데이터에 적용가능한 변화에 대한 다층성장모형까지 교육연구에서 가장 자주 사용되는 기본적 모형들을 소개하고자 한다.전선 / 학사
범주형 자료에 대한 이해와 분석 방법을 학습하는 과목이다. 범주형 자료는 사회과학, 보건의료 등 다양한 분야에서 일상적인 조사와 실험을 통해 널리 수집된다. 학생들은 분할표(contingency table) 분석을 포함하여, 일반화선형모형(generalized linear model), 로지스틱 회귀모형(logistic regression model), 로그 선형모형(log-linear model) 등 다양한 분석 방법을 학습한다. 이 과목을 통해, 자료의 특성을 이해하고, 적절한 분석 방법을 선택할 수 있는 능력을 개발한다. 또한 통계 소프트웨어를 통해 실제 데이터에 적용하고 구현하는 과정을 다룬다.