https://padlet.com/jhpark0154/touch en-us 2023-08-01 08:07:04 UTC 2025-11-22 08:12:54 UTC hello@padlet.com jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654054373 2023-08-01 08:07:59 UTC https://padlet.com/jhpark0154/touch/wish/2654054373 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654054915 2023-08-01 08:09:24 UTC https://padlet.com/jhpark0154/touch/wish/2654054915 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654055770 2023-08-01 08:11:35 UTC https://padlet.com/jhpark0154/touch/wish/2654055770 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654057123 최근 학교 환경의 교육격차를 해소하기 위한 방안으로 AI 튜터에 대한 관심이 고조되고 있으나, AI 튜터의 효과성을 확인한 연구는 부족한 실정입니다. 본 연구의 목적은 적응적 온라인 학습 환경에서 학습자 특성과 추천 문항 학습 활동이 학습자의 학업성취를 예측하는 데 얼마나 효과적인지 탐색하는 것입니다. 본 연구는 학습자 특성(사전지식, 중간평가)과 추천 문항 학습 활동(학습시간, 정답확인, 오답수정, 만족도, 정답률)이 학업성취를 예측한다는 가설을 제시하였다. 가설을 검증하기 위해 학습분석학 관점에서 학습관리시스템(LMS)의 데이터를 수집하여 학습자 362명의 데이터를 분석하였다. 데이터 분석을 위해 R 프로그램의 도약 패키지에서 제공하는 regsubset 기능을 이용하여 회귀분석을 수행하였다. 분석 결과, 사전지식, 중간평가, 정답확인, 오답수정, 만족도는 학업성과에 긍정적인 영향을 미쳤지만, 학습시간은 학업성과에 부정적인 영향을 미치는 것으로 나타났다. 반면, 정답률은 학업성과에 유의한 영향을 미치지 않았다. 본 연구의 결과는 적응적 온라인 학습 환경에서 학업성과를 높이기 위해서는 AI 튜터와의 상호 작용의 행동지표를 의미하는 추천 문항 학습활동이 학습과정 단계에서 중요함을 시사하고 있습니다]]> 2023-08-01 08:14:24 UTC https://padlet.com/jhpark0154/touch/wish/2654057123 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654059031 2023-08-01 08:20:02 UTC https://padlet.com/jhpark0154/touch/wish/2654059031 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654059731 2023-08-01 08:21:40 UTC https://padlet.com/jhpark0154/touch/wish/2654059731 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654059963 2023-08-01 08:22:30 UTC https://padlet.com/jhpark0154/touch/wish/2654059963 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654061529 본 논문은 한국어권 아동의 영어발음에 대한 A.I. Pengtalk와 영어원어민 평가를 비교하고자 하며, 이를 위해 6학년 학생 60명이 피평가자로, 영어원어민 4명이 평가자로 참여하였다. 학생들은 Pengtalk 이후 반복적으로 10개의 영어 문장을 발음하여 발화를 녹음하였다. Pengtalk은 학생들의 발음을 전체 정확도는 3점 척도, 4개의 음운적 요소의 정확도는 5점 척도로 평가하였다. 영어원어민 평가자는 Pengtalk에 제공된 루브릭을 활용하여 학생들의 녹음을 청취하고 평가하였다. 평가 결과는 t-test와 일원 분산 분석(one-way ANOVA)을 활용하여 분석하였으며, 그 결과는 다음과 같습니다. 첫째, Pengtalk은 4개 요소에서 학생들의 전반적인 발음 정확도와 정확도를 원어민 평가자보다 유의하게 낮게 평가하는 경향이 있었습니다. 둘째, Pengtalk과 원어민 평가자는 4개 요소의 정확도 순서에 차이가 있었습니다. 셋째, 학생들의 숙련도 수준에 따른 정확도 순서의 편차가 원어민 평가자보다 Pengtalk에서 더 크게 나타났다. 넷째, Pengtalk의 자동 음성 인식이 영어 마찰음과 정지음을 구분하지 못하는 경우가 발생하였다. 다섯째, 문장에 대한 Pengtalk의 전반적인 발음 평가는 4개 요소에 대한 평가와 맞지 않는 경우가 발생하였다. 이러한 결과를 바탕으로 영어발음 교수의 관점에서 AI 챗봇 프로그램 개발 및 활용을 위한 제언을 하고자 합니다.]]> 2023-08-01 08:26:51 UTC https://padlet.com/jhpark0154/touch/wish/2654061529 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654065616 결론:
적응적+능동 수업모형에 반영된 시스템 접근법은 ASU, 특히 대규모 등록 과정에서 학생들의 성공을 향상시켰습니다. 이 수업모형의 기본은 교실 또는 학습관리시스템에서 능동적 학습과 정렬된 적응적 수업도구의 보완적 사용입니다. 수업모형 외에도 교수 관행은 이 새로운 접근법을 반영하고 일치시킬 필요가 있었습니다. 잠재적 개입을 알리기 위해 학습분석학을 효과적으로 활용하고 학습자 중심 수업을 구현하는 것이 전체 성공의 열쇠였습니다.
본 논문에 나열된 다양한 변혁을 달성하기 위해 ASU 이해 관계자들은 구성원들이 이러한 변화를 협력적으로 촉진하는 팀을 구성해야 할 필요성을 확인하고 교수진과 부서를 지원했습니다. 대부분의 경우 교과 전문가이자 촉진자로서 교수진은 성공적인 설계와 구현의 근본이었습니다. 또한 기관 내의 혁신적인 사고의 리더와 변화 에이전트는 변혁을 주도하는 데 필요했습니다. 교수 설계자들은 이러한 매우 복잡한 학습 경험을 설계하는 데 필요한 학습 이론, 교수 관행 및 기술적 지식의 넓은 배경을 가진 협력 시스템 사고가로서 기능했습니다. 데이터 분석가들은 교수 활용 또는 이니셔티브의 평가를 위해 데이터에 근거한 의사 결정을 내리는 데 필요한 분석적 사고방식과 기술을 제공했습니다. 공급업체와 멀티미디어 개발자들은 팀을 더욱 보완하는 서비스를 제공했습니다. 사서 및 평가 전문가와 같은 추가 구성원들도 고품질 학습 경험을 개발하는 데 고려되었습니다. 고등 교육 기관들이 점점 더 학생의 성공에 초점을 맞추고자 함에 따라 시스템 사고가들과의 협력적 접근은 이러한 변혁적 이니셔티브의 성패의 핵심입니다.]]> 2023-08-01 08:37:02 UTC https://padlet.com/jhpark0154/touch/wish/2654065616 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654066065 2023-08-01 08:38:38 UTC https://padlet.com/jhpark0154/touch/wish/2654066065 jhpark0154 https://padlet.com/jhpark0154/touch/wish/2654443701 2023-08-02 00:48:11 UTC https://padlet.com/jhpark0154/touch/wish/2654443701