이러닝의 모바일 연동 학습 환경에서 모바일 학습 시간 비율과 총 학습시간, 접속 횟수, 학습 규칙성 간의 관계

Abstract

최근 모바일 기기의 확산과 무선 인터넷의 발전으로 모바일 학습이 등장하면서 이러닝의 학습 발전 흐름을 이어받아 점차로 확산되어가고 있다. 모바일 학습은 과거 무선 인터넷에 연결된 노트북 컴퓨터를 통하여 단순히 온라인 컨텐츠를 수강하는 수준을 넘어 스마트폰, 태블릿 PC 등이 혼용된 멀티 디바이스 환경 속에서 다양한 학습 활동이 가능한 개념으로 그 의미가 발전하고 있다(이의길, 2014). 특히‘1인 1모바일’시대와 함께 이동 중의 자투리 시간에도 무엇인가 활용하고자 하는 바쁜 현대인의 생활 스타일과 부합되면서 모바일러닝은 더욱 확대될 것으로 전망된다(박미경, 2010). 모바일 학습은 이러닝과 같이 원격교육 개념을 근거로 하기 때문에 학습의 과정에서 교수자의 직접적인 통제나 관리가 없으며, 성공적인 학습을 위해서는 학습자 스스로 자신의 시간과 노력을 적절히 배분, 관리할 수 있는 효과적인 시간 관리가 필수적이다. 이미 이러닝에서는 시간 관리 전략이 과정 수료나 학업성취도 등을 예측하는 중요 변인으로 보고(김윤미, 2011; 김정현, 2013; 성기선, 신나민, 2003; 이인숙, 2002; 주영주, 2007), 이러닝 학습자의 학습 이용 패턴이나 양상에 대한 연구가 꾸준하게 이루어져 온 것에 반해, 모바일 학습은 아직까지 학습자들의 활용에 대한 연구가 비교적 적은 편이다. 모바일 학습과 관련된 연구는 두 가지 측면에서 아쉬운 부분이 있는데, 첫 번째로는 모바일러닝 사용 의도, 기기의 수용에 영향을 미치는 변인과 관련된 것들이 현재까지 연구의 주를 이루고 있다는 점이다. 두 번째로는, 모바일 학습의 효과성에 대한 연구가 자기보고식의 만족도 설문 및 단편적인 학업성취도에 머물러 있다는 점이다. 그리하여 본 연구에서는 학습분석학 접근 방식으로 LMS에 남겨진 학습자의 학습 행동 로그 분석을 통해 이러닝에서의 모바일 학습 환경이 학습 행동과 어떠한 관계성을 갖는지를 살펴봄으로써 모바일 활용에 대한 성찰 및 향후 모바일 학습의 효과성 연구의 방향에 대해 생각해보고자 한다. 본 연구에서 설정한 연구문제는 다음과 같다. 1. 기업 이러닝 내 모바일 학습 연동 환경에서 성인학습자의 모바일 학습 시간의 비율은 어떠한가? 2. 모바일 학습 시간 비율(총 학습시간 대비 모바일 학습시간)은 학습자의 총 학습 시간, 학습 접속 횟수, 학습 시점 간격의 규칙성과 어떠한 관계가 있는가? 이와 같은 연구를 진행하기 위하여 기업 e-러닝 전문 위탁 기업 C사의 이러닝 과정 중 ‘영아보육’을 수강한 학습자를 선정하였다. 보육 교사 집단은 높은 업무 강도 및 열악한 업무 환경 속에서 근무하기 때문에 모바일의 이동성 및 편의성의 이점을 잘 활용하여 학습할 수 있는 직군이다. 또한 본 과정은 수료를 통해 수강비를 지원받는 고용보험 환급 과정이기 때문에 어느 과정보다도 학습자들의 학습동기가 높기 때문에 연구 대상으로 선정하였다. 모바일 학습시간 비율을 알아보기 위해, 먼저 전체 학습자 991명으로부터 268명의 모바일 학습자를 분리하여 웹 로그 데이터 분석을 진행하였다. 학습자의 규칙적 참여 정도를 나타내는 학습 시점 및 모바일 학습 비율 변수는 데이터로부터 산술과정을 거쳤다. 본 연구의 결과를 요약하면 다음과 같다. 모바일 학습 시간 비율에 대한 학습자 간 편차가 매우 컸다. 학습자들의 평균적 모바일 사용율은 31% 정도로 상대적으로 모바일보다는 PC로 학습하는 학습자들이 더 많았다. 학습자들의 모바일 학습시간 비율이 50%~55%정도 되는 학습자의 분포는 전체 분포 중 가장 많았고, 전체적으로는 총 학습 시간의 60% 이상을 모바일로 진행한 학습자는 전체 학습자의 8.1%에 불과하였다. 즉, 모바일 학습을 PC보다 더 많이 활용하는 학습자는 비교적 적은 수를 차지하였다. 모바일 학습 시간 비율와 시간관리 변수와의 상관분석에서 학습 접속 횟수와의 상관계수는 .646(r=.65, p < .01), 총 학습시간은 .452(r=.45, p < .01) 마지막으로 학습 규칙성과는 -.338(r=.34, p < .01)로 모두 상관관계가 있는 것으로 나타났다. 여기에서 모바일 학습시간 비율과 학습 규칙성과는 상관계수가 산술적으로는 부적 관계로 나타나지만 학습 규칙성은 분산값으로 계산했기 때문에 절대값이 작은 경우에 규칙성이 더 있다고 해석하므로 해석을 할 때에는 정적관계가 성립한다고 설명할 수 있다. 결론적으로 총 학습시간, 학습 접속 횟수, 학습 규칙성은 정적인 상관 관계가 성립하는 것으로 나타났다. 즉, 모바일로 학습 하는 시간이 많을수록 학습자는 더욱 학습에 많이 접속하고 더 많은 시간 학습 할 수 있으며, 더욱 규칙적으로 학습한다고 해석할 수 있다. 이것은 모바일 기기를 통한 멀티디바이스의 학습 환경이 이러닝에서 연구되어왔던 시간관리 관련 변인들과 상관이 있다는 것을 보여주고 있다. 본 연구의 연구 문제에 따른 논의 및 시사점은 다음과 같다. 첫째. 모바일 학습 시간의 비율은 대체적으로 PC 학습 시간 비율에 비해 낮은 편이었지만, 주로 모바일 학습자들은 PC학습을 위한 보조적인 도구로 병행적으로 사용하고 있었다. 이는 PC와 모바일이 혼용되어 사용되는 멀티디바이스 환경으로 자연스럽게 변화하고 있음을 입증한 실증 사례 연구가 될 수 있겠다. 이러닝 중심의 과정이지만 본 연구에서는 모바일 학습 환경을 도입하여 학습자에게 모바일 학습의 기회를 열어줌으로써 학습자들은 자발적으로 모바일 기기를 활용하여 학습하고 있었다. 둘째, 여기에서 기존 선행 연구(김윤미, 2011; 김정현, 2011; 조일현, 2013)에서‘학습 시점 간격의 규칙성’은 학습 성취를 위한 예측 변수임을 증명해왔다. 본 연구에서도 학습 규칙성은 모바일 학습과 상관을 보임으로써 학습시간 관련 변수 중에서 지속적으로 영향력을 가지는 변수임을 재확인할 수 있었다. 셋째, 본 이러닝과 연계된 모바일 학습의 비율이 총 학습시간, 학습 접속 횟수, 학습 시간 규칙성과 통계적 유의성을 보인다는 것이 확인됨으로써, 멀티디바이스의 활용이 학습 전략과 관련될 수 있음을 시사하였다. 넷째, 최종 평가 변인의 정규성 검정 결과, 극단적인 좌편포를 보였다는 것에서 국내 고용보험 기반 e-러닝 학업성취도 문항의 난이도가 과도하게 낮다는 점, 그리고 새로 도입된 학습 방법에 대한 효과성 검증을 어렵게 한다는 것을 확인할 수 있었다. 설계 시 다양한 학습 전략들을 적용함으로써 학습 효과성을 높이는 것 외에도 평가의 변별성을 높이는 등의 노력도 그에 못지 않게 필요할 것으로 보인다. 본 연구의 제한점과 후속연구를 위한 제언은 다음과 같다. 먼저 본 과정은 이러닝 과정에 모바일 학습 연동 환경을 구축한 학습 환경 속에서 모바일을 동영상 콘텐츠 수강에 치중하는 용도로 활용하는 학습이었기 때문에, 연구 대상 과정의 형태가 달라지는 경우 일반화가 확보되기 어렵다. 과정의 형태가 상이한 경우에 각 변수 간의 상관성이 얼마나 강력한지에 대한 검증이 필요하다. 둘째, 데이터 수집할 때, 시스템에서 데이터를 축적하는 방식에서 정교화 되지 않은 측정치에 대한 객관성 확보가 더욱 필요하다 하겠다. 학습자들이 실제적인 학습으로 연결되는 접속 기록과 로그인 기록의 차이를 검증하는 질적 연구 등이 뒷받침되어야 할 것으로 보인다. 셋째, 모바일 기기의 발전으로 기업 및 대학 환경에서 다양한 형태의 모바일 학습이 개발·시도되고 있는 상황에서 현 수준의 연구는 모바일 학습 관련 변수 연구로는 매우 초기적인 단계이다. 모바일 학습에 대해 양과 질을 측면을 측정할 수 있는 방법에 대해 연구 축적의 필요성이 있겠다. 마지막으로 본 연구에서는 학업 성취도를 측정하는 최종 평가에서 백점 만점자가 속출하면서 해당 변수에 대한 정규분포 확보가 어려웠기 때문에 다중 회귀분석을 시도할 수 없었다. 최종 평가 도구의 개선을 통해 학습 성취도 및 선행 연구에서 밝혀진 예측 변수들 간 관계성을 밝히는 등의 후속 연구가 필요할 것으로 본다. ;It is a trend that mobile-learning has recently succeeded to the e-learning which have been developed, caused by expansion of mobile devices and development of wireless internet. The significance of mobile-learning is extended, beyond just a simple online lecture via laptop computers connected with wireless internet, to multi-device environment of smart phones, tablets, PC, etc. with various learning activities available(Euikil Lee, 2014). Especially, in the 'one person one mobile' time, the mobile devices are accorded with modern people's busy life style that they intend to use their spare time even being under way to go somewhere(Mikyung Park, 2010). Therefore, it is predicted that mobile-learning will be expanded more and more. Characteristic of mobile-learning is remote education as it is in e-learning, which doesn't require teacher's direct control or management. But, for successful learning, it is essential that learners should manage their time in their own effective way through which their own time and effort can be distributed and controled properly. The time management strategy has already been regarded as a major variable in e-learning by which course completion, academic achievement, etc. can be expected (Yun Mi Kim, 2011; Jeong Hyun Kim, 2013; Ki Sun Sung & Namin Shin, 2003; In Sook Lee, 2002; Young Ju Ju, 2007). Therefore, it has constantly been studied about the e-learning learners' use pattern or aspect. On the other hand, these kinds of study haven't been done much for mobile-learning yet. Therefore, they are required to be done more now at the following two aspects: Firstly, it is main what are related to the variables by which intention to use mobile-learning and acceptance of mobile devices are affected. Secondly, studies on mobile-learning's efficiency have remained at satisfaction and fragmentary academic achievement. Therefore this study is to analyze learners' learning behavior logs left at LMS in learning analytic approach to examine the relationship between mobile-learning environment and learning behavior in e-learning; to reflect on mobile use; and to consider further studies on the effect on mobile-learning. The study questions set in this study are as follows: Study question 1. In mobile-learning-linked environment within a corporate e-learning, what is the ratio of mobile-learning hours of the adult learners? Study question 2. How is the ratio of mobile-learning hours (the mobile-learning hours compared to total learning hours) related to the learner's total study time, Logon frequency, regularity of learning interval? In order to do this study, people who took the course of 'infant nursing' among the e-learning courses by C Company, a professional e-learning service company for businesses, and their web log data were collected, added and analyzed. Child care teachers are the occupational cluster that can take advantage of the mobility and convenience of mobile-learning because of their heavy workload and poor working environment. The learning timing and mobile-learning ratio variables by which learners' regular participation is shown were calculated through data calculation. According to the results from descriptive statistics, the deviation of the ratios of mobile-learning hours was very big among the learners. The learners' average ratio to use the mobile was around 31%, which is comparatively more than the one for the learners who use PC. Distribution of the ratios of the learners' mobile-learning hours 50%~55% were the highest proportion. In general, the number of the learners who use the mobile devices more than 60% of their total learning hours was remarkably small. In correlation analysis of mobile-learning hour ratio and time management variables, correlation coefficient with the number of access to learning was .646(r=.65, p < .01), that with total learning hours was .452(r=.45, p < .01) and lastly, with learning regularity, -.338(r=.34, p < .01), indicating that it has correlations with all variables. With mobile-learning hours and learning regularity, it showed negative relationship in calculation; however, learning regularity is calculated in dispersion value therefore positive relationship is valid since it is analyzed that the absolute value is of more regularity when the value is small. It was concluded that total learning hours, the number of access to learning and learning regularity have positive correlations. In other words, it can be interpreted that the more hours the learners are learning with the mobile, the more the learners are connecting logon to learning, the more hours they can learn, and the more regularly they are learning. This shows that multi-device learning environment using mobile devices has correlations with time management-related variables which have been studied in e-learning. Discussions and issues followed by the above study questions in this study are as follows: Firstly, First, although mobile-learning hour ratio was relatively lower than PC-learning hour ratio, most mobile learners are using mobile devices as supportive tools for PC-learning. Therefore it can be an empirical case study that proves the environment is changing into multi-device environment where PC and mobile are mix-used. In this study, the learners were learning by using the mobile devices voluntarily as the opportunity of mobile-learning was opened to them by introducing the mobile-learning environment even though e-learning was still being centered. Secondly, at the existing advance researches (Yun Mi Kim, 2011; Jeong Hyeon Kim, 2011; Il-Hyeon Jo, 2013), 'regularity of learning time intervals' was consistently proved that it is a predictor to achieve learning. This study re-confirms that learning regularity is a variable among learning hour-related variables that has correlations with mobile-learning and continuously affects learning hours. Third, this study confirms that mobile-learning linked with e-learning shows statistical significance in total learning hours, the number of access to learning and learning hour regularity, suggesting that multi-device use can be related to learning strategy. Fourth, the result of test of normality on final evaluation variables shows extreme left skewed, which suggests that the level of difficulty of questions of employment insurance-based e-learning academic achievement in the country; and confirms that efficacy verification on the newly introduced learning method is difficult. Along with improving learning effect, it is necessary to improve discriminability in evaluation by applying various learning strategies when designing learning programs. For the limits of this study and the follow-up studies, the followings are proposed: Firstly, as this process is a learning where the mobile are used by being focused on taking the class with video contents at the learning environment linked to the mobile-learning, it is difficult to make it generalized when the forms of the study target process are changed. It is required to verify how strong the correlation between each of variables is in case that the forms of the process are different. Secondly, it is more required to obtain objectivity of the measures which are not elaborated at the method by which data are accumulated at the system when they are collected. Quality studies should be backed up to verify the differences of the connection records connected to the learners' actual learning and the ones of the log in record. Thirdly, the current level of studies is just at the very beginning as the ones about the variable related to mobile-learning at the circumstance that mobile-learning is developed and tried by industries and universities caused by development of the mobile devices. Studies and accumulations are required to measure the aspect of quality and quantity about the mobile-learning. Lastly, multi regression analysis couldn't be tried in this study because it was difficult to obtain normal distribution about the applicable variables while perfect score makers came out one by one at the final evaluation to measure academic achievement. Through improving final evaluation tools, it should be further studied on academic achievement and relationship among predictors identified in previous studies.