본 연구는 코로나19 시대를 맞이하여 맞춤형 서비스의 붐과 기술의 발달 그리고 학교에 가지 못하는 상황으로 인한 학생들의 기초학력 저하, 특히 수학의 기초학력 미달 학생의 증가에 집중하였다. 4차 산업혁명 시대에 사는 우리는 수준별 맞춤형 서비스에 모두 익숙해졌고, 교육도 예외는 아니다. 인공지능(AI) 기술의 발달로 학생 개인별 초개인화 맞춤형 학습이 가능하게 되었고, 이러한 사회적 분위기는 온라인 환경에서의 수학 학습 플랫폼의 증가로 이어졌다. 대부분의 온라인 수학 학습에 관한 연구는 효과성 분석과 수업경험에 대한 질적연구, 태도 및 인식 연구가 대부분이다. 이에 온라인 학습환경에서는 어떻게 교수학습전략을 구사하는지가 중요하다고 보았다. 최적의 교수 조건을 제공하면 거의 학생 대부분이 완전학습할 수 있다고 하는 완전학습모형이 기초학력 미달의 수포자 학생에게 적합한 모형으로 정했고, 이에 온라인 수학의 완전학습모형 개발에 관한 연구를 진행하게 되었다. 온라인 수학의 완전학습모형에 필요한 학습요소와 설계 구조 및 내용에 관해 연구하고, 연구결과가 타당한지를 확인해보았다.
이를 위해서 먼저 문헌 조사를 통해 학습요소를 도출하였다. 도출된 학습요소는 전문가 5인의 타당성 검토를 통해 수정·보완하였고, 최종 학습요소를 도출하였다. 다음으로 온라인 수학학습과 연관된 사례연구와 선행연구를 분석하였는데 교수자 없이 학습자가 혼자서 학습할 수 있는 플랫폼 23곳을 선정하여 공통적인 기능을 뽑아 기능별 점수를 산정해보았다. 사례분석과 선행연구를 바탕으로 학습모형 초안을 개발하였다. 교육공학 전문가 5인, 수학교육 전문가 4인으로 구성된 전문가 집단에 학습모형의 타당도를 검토하였고 전문가의 의견을 반영하여 모형을 수정·보완하여 최종적으로 온라인 수학의 완전학습모형을 확정 지었다.
학습요소는 완전학습모형 관점에서 ‘① 개별화 학습, ② 프로그램 학습 ③ 출발점 행동 진단 및 평가, ④ 학습지속력, ⑤ 학습목표 달성’, 수학 학습 관점에서 ‘⑥ 설명식 교수, ⑦ 수학 위계 학습, ⑧ 평가·보정학습’, 온라인 학습에서의 학습자-학습내용간의 상호작용 관점에서 ‘⑨ 내용정리’로 학습요소를 도출하였다.
두 번째로 사례 분석을 통해 평가 제공과 개인별 맞춤형 피드백, 인지적, 정의적 영역에 대한 데이터 축적, 개념설명, 질의응답, 추가로 에듀테크 기술 순으로 기능의 중요도 점수를 산출하였다. 특히 기존 학습 플랫폼은 평가 제공에서 진단평가를 제공하고 보정하는 부분에 대한 모형설계가 부족하여 이 부분을 중점적으로 강화하였고 각 평가에 대한 피드백도 교정적 피드백과 정교화 피드백에 유사문제를 추천하는 맞춤형 학습모형을 추구하고자 하였다. 본 학습 단계에서 챗봇을 제공하여 질의응답에 취약한 자율학습모형의 약점을 보완하였다.
세 번째 개발된 학습모형 초안은 전문가 검토를 거쳐 타당성을 확보했다. 개발된 학습모형은 완전학습모형의 10단계를 기반으로 하여 잘 설계되었고, 단계별 학습요소도 적절히 배치되었다. 다만 단계별 세부 사항에 대한 전문가의 의견은 다음과 같다. 학습수준 진단 문항 수를 고정하지 않고 차시별로 그 문항 수를 다르게 하도록 하고, 진단 평가의 결과에 따라 실력평가로 바로 진입할 수 있도록 하였다. 또한, 본 수업 단계에서 Quiz의 정답률에 따라 다음 강의 진입 여부를 결정하도록 하였고, 실력평가의 결과에 따라 보충학습, 심화학습 진입 방법을 수정하였다. 오답 시 보충학습제공, 정답 시 심화학습을 제공하여 개인별 맞춤형 학습이 가능하도록 하였다. 마지막으로 학습지속력을 위한 보상 및 학습 동기에 대한 부분은 학습모형 내의 학습요소가 아닌 운영할 때의 요소로 이 부분은 별도로 기재하여 추후 실제로 해당 학습모형을 기반으로 한 학습 서비스를 개발할 때 반영하고자 한다.
본 연구는 온라인 학습 환경에서 교수자없이 혼자서 공부하는 자율학습형 모델로 완전학습모형에 기반을 두어 온라인 수학 학습모형을 제시했다는 것에 의의가 있다. 또한, 온라인 학습 교수설계자 및 콘텐츠 개발 연구의 초석이 될 수 있으며, 자율학습 형태 하나의 모형제시로 그 의미가 있을 것으로 기대한다.
In the COVID-19 era, this study focused on the boom of customized services, the development of technology, and the decline in basic education of students due to the situation of not being able to go to school, especially the increase in students who lack basic education in mathematics. Living in the era of the Fourth Industrial Revolution, we have become familiar with all customized services by level, and education is no exception. The development of artificial intelligence (AI) technology has enabled ultra-personalized learning for each student, and this social atmosphere has led to the increase of math learning platforms in online environments. Most of the studies on online mathematical learning are effectiveness analysis, qualitative studies, attitudes, and perception studies on class experiences. Therefore, it was considered important to use teaching and learning strategies in an online learning environment. The mastery learning model, which is said to be able to learn completely if optimal teaching conditions are provided, was selected as a model suitable for students who gave up under basic education, and research on the development of a mastery learning model of online mathematics was conducted. We studied the learning elements, design structures, and contents necessary for the full learning model of online mathematics, and checked whether the research results were valid.
To this end, learning elements were first derived through literature surveys. The derived learning elements were modified and supplemented through the feasibility review of five experts, and the final learning elements were derived. Next, case studies and previous studies related to online math learning were analyzed, and 23 platforms where learners can learn alone without instructors were selected to select common functions and calculate scores for each function. A draft learning model was developed based on case analysis and previous studies. The validity of the learning model was reviewed by a group of experts consisting of 5 experts in educational engineering and 4 experts in mathematics education, and the model was revised and supplemented by reflecting the opinions of experts to finally finalize the full learning model of online mathematics.
Learning elements were derived from the perspective of a mastery learning model ‘① individualized learning, ② programmed instruction, ③ Diagnosis and evaluation of starting point behavior, ④ learning persistence, ⑤ achievement of learning objectives’, from the perspective of learning mathematics, ‘⑥ an explanatory professor, ⑦ Hierarchical learning in mathematics, ⑧ Evaluation and correction learning’, from the perspective of the interaction between learner-learning content in online learning ‘⑨ content theorem’ in online learning.
Second, through case analysis, the importance score of the function was calculated in the order of providing evaluation, personalized feedback, accumulating data on cognitive and affective areas, concept explanation, question and answer, and additional edutech technology. In particular, the existing learning platform focused on this part due to the lack of model design for providing and correcting diagnostic evaluations, and sought a customized learning model that recommends similar problems for corrective and elaborated feedback. In this learning stage, chatbots were provided to compensate for the weaknesses of self-learning models that are vulnerable to question and answer.
The third developed draft of the learning model was reviewed by experts to secure its validity. The developed learning model was well designed based on the 10 steps of the mastery learning model, and the learning elements for each stage were appropriately arranged. However, the opinions of experts on the details of each stage are as follows. Without fixing the number of diagnostic questions at the learning level, the number of questions was made to vary from time to time, and according to the results of the diagnostic evaluation, it was possible to enter the competency evaluation immediately. In addition, in this class, it was decided whether to enter the next lecture according to the correct answer rate of Quiz, and the method of entering supplementary and in-depth learning was modified according to the results of the skill evaluation. Supplementary learning was provided when wrong answers were provided, and psychological learning was provided when correct answers were provided to enable customized learning for each possible. Finally, compensation for learning persistence and learning motivation are elements of operation, not learning elements in the learning model, and this part will be separately written and reflected when actually developing learning services based on the learning model in the future.
This study is meaningful in that it presented an online mathematical learning model based on the mastery learning model as an autonomous learning model that studies alone without instructors in an online learning environment. In addition, it can be a cornerstone of online learning instructional designers and content development research, and it is expected to be meaningful as a model presentation of an autonomous learning form.
