생리심리 반응을 활용한 학습분석학 탐색

Abstract

OCW(Open Course Ware), MOOC(Massive Open Online Course)와 같은 공개강좌에의 사회적 관심이 증대되고, 마이크로 러닝(micro-learning)이 현대의 학습환경에 적합한 학습 형태로 논의되는 등 학습의 환경은 발전하는 ICT를 바탕으로 계속적인 변화를 경험하고 있다. 이러한 새로운 교육 환경은 학습자들을 시간적, 공간적 제약에서 자유롭게 하고 폭 넓은 교육의 기회를 제공하는 등 긍정적인 변화를 만들어 가고 있다. 그러나 변화하는 교육 환경에서 학습자의 학습상태를 파악하고 개별화된 지원을 제공하는 것은 교수설계자 및 연구자들에게 새로운 도전이 되고 있다. 교육공학에서는 교수설계 영역을 통해 학습자들이 목표한 학습성과를 달성할 수 있도록 지원하는 학습과정이나 교수전략을 개발하고 처방해 왔다. 그러나 전통적인 교수설계의 접근방식들은 현대의 학습환경에 적용되기에 몇 가지 해결해야 할 과제를 내포한다. 먼저 그 동안의 교수설계와 관련한 대부분의 연구들이 학습자의 인지적 이해 수준이나 정의적 특성과 관련하여, 단발적인 사전 측정에 기반한 선험적 접근을 취했다는 점이다. 이에 정작 실제 학습이 이루어지는 실행 과정에서 실시간으로 평가, 보완, 수정되기 어려운 문제가 있었다. 둘째, 측정방법에 있어 자기보고 방식의 설문에 의존하므로, 학습상황에서 실시간으로 활성화되는 인지적 활동이나 정서적 변화를 확인하기에는 제약이 따른다. 셋째, 실시간 학습의 맥락을 반영하는 기술이 계속적으로 발전하고 있는데 이를 제대로 활용하지 못하고 있다. 이에 최근 학습분석학 분야를 중심으로 실제 학습이 발생한 시점에서 학습자의 참여나 진행상황, 성과를 이해하고 처방하려는 노력이 확대되고 있다. 지금까지 대다수의 학습분석학 연구들은 학습이 진행되는 과정에서 확보 가능한 데이터를 바탕으로 학습자들의 학습행동 패턴을 규명하거나 학업성취도나 중도탈락자를 사전 예측하는 등, 데이터에 기반한 분석과 예측을 통해 학습성과를 향상시키기 위한 노력을 기울여 왔다. 그러나 학습자 행동의 기저에 작용하는 학습심리를 이해하려는 노력은 부족한 부분이 있었다. 또한 학습분석학의 결과가 실제 학습 맥락에서 유효한 처방으로 이어지기 위해서는 분석의 과정이 교수 설계와 긴밀하게 연관되어 해석, 피드백 되어야 하는데, 수집한 데이터를 상황 맥락적으로 해석할 수 있는 연결 고리나 모델을 제시하는 데는 미흡했다. 이에 최근에는 실제교육이 일어나는 상황적 맥락, 학습자에 대한 이해가 강조되고 있으며, 생리심리 반응을 통해 학습이 진행되는 과정에서의 학습자의 인지적, 심리적 상태를 분석하고 해석하려는 시도가 주목 받고 있다. 교육공학에서는 학습자의 인지적 상황을 설명하고 이를 지원하는 교수설계를 제공하기 위해 인지부하 이론을 활발히 활용해 왔다. 그러나 인지부하 이론과 관련한 선행연구들은 주로 외재적 인지부하 감소에 초점을 맞춰 왔으며, 동영상 학습 과정에서 학습자의 인지부하를 객관적으로 측정하거나 이를 교수학습의 관점에서 해석하는 연구는 찾아보기 어렵다. 이러한 배경에는 선행연구들이 활용한 자기보고식 설문이 변화하는 인지부하를 민감하게 측정하지는 않는다는 점이 크게 작용한 것으로 보인다. 그러나 생리심리 반응은 학습자의 무의식적 반응을 객관적이고 상황 맥락적으로 측정하므로, 학습자의 인지부하 상태를 학습과정에서 파악하고 처방해 나가는데 유용한 지표가 될 수 있다. 학습분석학 지원체계를 실현해 나가기 위해서는, 생리심리 반응에 기반한 인지부하의 측정과 해석이 실제 학습 상황에서 유효한 것인가에 관한 검증이 선행되어야 한다. 다수의 선행연구들이 인지부하의 수준을 판별해 내는데 있어 생리심리 반응이 유용한 지표임을 보고해 왔다. 그러나 실제 동영상 학습 과정에서 학습자가 경험하는 인지부하를 객관적으로 측정하는 연구, 이러한 측정을 기반으로 교수학습적 시사점을 이끌어 낸 선행연구는 찾아보기 어렵다. 이에 본 연구에서는 인지부하 이론을 토대로 학습자의 인지부하를 신뢰할 수 있게 측정하는 것으로 알려진 동공크기와 학습과정에서의 각성 상태를 반영하는 심박변이도를 활용하여, 학습이 진행되는 과정에서 학습자의 인지부하가 선수지식 수준 및 과제복합성 수준에 따라 어떻게 변화하는지 진단해 보고자 하였다. 구체적인 연구문제는 다음과 같다. 연구문제 1. 학습자의 생리심리 반응은 선수지식 상·하 집단 간 인지부하 차이를 반영하는가? 연구문제 1-1. 과제복합성의 차이가 있는 학습 구간에서, 선수지식 상·하 집단은 동공크기와 심박변이도에 있어 어떠한 경향을 나타내는가? 연구문제 1-2. 과제복합성의 차이가 있는 학습 구간에서, 선수지식 상·하 집단 간에는 동공크기와 심박변이도에 있어 차이가 존재하는가? 연구문제 2. 생리심리 반응은 학습과제에 존재하는 과제복합성의 차이를 반영하는가? 연구문제 2-1. 선수지식 상·하 집단은 각각 과제복합성의 차이가 있는 학습구간 간에 동공크기 차이를 보이는가? 연구문제 2-2. 선수지식 상·하 집단은 각각 과제복합성의 차이가 있는 학습구간 간에 심박변이도 차이를 보이는가? 본 연구에서는 수도권 소재 대학교에 재학 중인 남녀 학부생 23명을 대상으로 실험을 실시하였다. 연구대상자는 각 10분 내외로 구성된 두 개의 학습 영상을 순차적으로 학습하였으며, 생리심리 반응은 학습이 진행되는 과정에서 측정되었다. 학습영상은 과제복합성이 높은 구간과 낮은 구간으로 구분되어 설계되었으며, 학습 전·후에는 사전시험과 사후시험이 실시되었다. 선수지식 상·하 집단은 사전시험 점수를 기반으로 구분되었다. 자료수집이 완료된 후에는 윌콕슨 순위합 검정, 프리드만 검정, 윌콕슨 부호 순위 검정을 통해 과제복합성 수준과 선수지식 수준에 따라 학습자의 인지부하가 어떻게 변화하는지 확인하였다. 본 연구의 분석 결과와 논의를 정리하면 다음과 같다. 첫째, 선수지식 상 집단은 과제복합성 상·하 구간에 걸쳐 선수지식 하 집단에 비해 낮은 동공크기를 보였으나 통계적으로 유의한 차이는 아니었다. 심박변이도는 학습전반에 걸쳐 선수지식 상 집단이 선수지식 하 집단에 비해 높은 수치를 유지하였으며, 과제복합성이 높은 구간에서의 심박변이도는 두 집단 간에 유의한 차이가 있었다. 본 연구에서는 동영상 학습 과정에서 발생할 수 있는 외재적 인지부하를 영상설계 및 개발, 실험절차를 통해 최대한 통제하였고 두 집단 간 내재적 인지부하의 차이는 명확히 존재하였다. 따라서 이러한 결과는 두 집단의 인지부하 총량은 같았지만 인지부하를 구성하는 하위 요소의 구성비율은 달랐던 것으로 해석할 수 있다. 두 집단 간에 학습상황에서의 각성 수준이 통계적으로 유의한 차이가 나타난 것은 이러한 해석을 뒷받침한다. 둘째, 선수지식 상 집단은 과제복합성 상·하 구간에서 심박변이도에 있어 유의한 차이를 보였으나 선수지식 하 집단은 유의한 차이를 보이지 않았다. 또한 두 집단 모두에서 과제복합성 차이에 따른 동공크기 상의 유의한 차이는 관찰되지 않았다. 이에 본 연구에서는 선수지식 상 집단 학습자들은 과제복합성이 높은 구간에서 오히려 더 깨어 있는 상태를 유지했지만, 선수지식 하 집단 학습자들은 과제복합성이 높았던 구간에서도 각성 상태가 낮았던 것으로 해석하였다. 셋째, 동공크기와 과제복합성 수준 차이를 검증함에 있어 통계적으로 유의한 결과를 보고하지 않는 것에 대해, 동공크기를 인지부하로 측정, 해석함에 있어 동영상 학습이라는 상황과 시간의 경과에 따른 학습자의 피로도를 감안할 것을 제안하였다. 그리고 인지부하 이론의 하위 요소와 관련한 명확한 정의, 학습자 특성과 인지부하의 관계에 대한 이론의 보완 등 이론 내에 존재하는 여러 불확실한 요소들을 명료화하는 작업이 필요함을 논의하였다. 본 연구는 동영상 학습환경에서 생리심리 반응을 활용하여 학습자의 변화하는 인지부하를 객관적으로 확인할 수 있음을 검증하였으며, 인지부하 이론을 토대로 동영상 학습환경에서의 생리심리 반응을 진단함으로써, 교수설계적 지원 및 처방을 제공하기 위한 토대를 제공했다는 의의가 있다. 연구의 시사점을 정리하면 다음과 같다. 첫째, 생리심리 반응은 학습자 특성이나 학습과제 특성에 따른 차이를 나타낼 수 있는 객관적 측정 지표이다. 그러나 이를 실제 환경에 적용하는데 있어서는 측정의 타당도를 확보하기 위해 여러 객관적인 지표들을 병행 검증해 나갈 필요가 있겠다. 둘째, 학습자의 인지부하를 학습의 과정에서 진단하고 이를 학습과정에서의 처방 근거로 활용하기 위해서는, 생리심리 반응에 기반한 진단과 처방을 사전 고려한 교수설계가 요구된다. 셋째, 측정된 생리심리 반응을 구체적으로 어떠한 교수설계적 처방으로 연결할 수 있을 것인가와 관련한 운영적·설계적 측면에서의 보다 심도 깊은 탐색이 뒤따라야 하겠다. 이러한 맥락에서 본 연구는 학습자 특성에 따른 인지부하 차이를 생리심리 반응을 통해 검증하는 연구, 학습이라는 특수한 상황에서 생리심리 반응을 통해 인지부하를 효과적으로 측정할 수 있는 방법에 관한 연구, 생리심리 반응에 의한 인지부하 진단을 실제 상황에서 적용해 보는 연구, 마지막으로 생리심리 데이터에 적합한 통계 분석 기법에 관한 후속 연구가 필요함을 제안하였다.;As the interest in open lectures such as OCW(Open Course Ware) and MOOC(Massive Open Online Course) increases, and the micro-learning is discussed as a suitable form for the modern learning environment, learning environments are continuously changing based on developing ICT. The expansion of new learning environments can result in positive changes by freeing learners from temporal and spatial constraints or providing them with more opportunities for higher education. However, to help individual learners successfully achieve their goals and support their learning in this new learning environment, there are still problems that need to be solved by instructional designers and researchers. The field of educational technology has been developing learning strategies and providing intervention through instructional design to support learners to achieve their learning goals. However, traditional approaches to instructional design pose some challenges that need to be solved in the modern learning environment. Initially, traditional approaches to instructional design depend on a priori analysis based on a preliminary single-step measurement of learners’ level of understanding and their traits. Therefore, it is difficult to evaluate, supplement, or modify the ‘implement’ process, in which real learning is performed. Secondly, since the measurement is dependent on self-evaluation surveys, confirmation of cognitive activities or emotional changes activated on a real-time basis is limited. Thirdly, the technology that reflects the context of real-time learning situations is continuously developing. In this context, through the field of learning analytics, there have been increasing efforts to understand learners’ participation, progress, and performance during the actual learning process, and to provide personalized interventions for individual learners. To this day, most of the learning analytics research has aimed to enhance learning performance in the learning process by using secured data to examine learners’ behavioral patterns for predicting learning achievements or drop-outs in advance. However, such research has largely lacked any effort to understand learner psychology that applies to the basis of learners’ behaviors. In order to link the results of learning analytics to effective interventions in the actual learning situation, the analysis process must be closely related to instructional design as far as interpretation and feedback are concerned. However, previous researchers have failed to sufficiently propose a link or model that can contextually interpret the collected data. For this reason, there has been an emphasis on the actual learning context and the importance of understanding learners. Expanding attempts have been made to analyze and interpret learner's cognitive and psychological states, which change during the process of learning, by adopting a psychophysiological response. In the field of educational technology, cognitive load theory is actively used to explain learners’ cognitive state and to provide instructional design that describes and supports their learning status. However, previous studies on cognitive load theory were mainly focused on decreasing the extraneous cognitive load. It is difficult to find research that has studied instructional design and learner characteristics in optimizing learners’ intrinsic information processing. This is likely caused by the fact that the self-evaluation surveys used by most previous studies do not detect learner’s changing cognitive load in a sensitive manner. From this perspective, because psychophysiological response is known to be a valid indicator that objectively and contextually measures learners’ unconscious responses, it seems that an intervention based on such psychophysiological response may serve as a practical approach that can examine learners’ cognitive load state and provide intervention in the real learning process. However, in order to realize such a learning analytics support system, this should be preceded by a verification of whether the measurement and interpretation of cognitive load based on psychophysiological response is effective in the actual learning setting. Although a number of previous studies have reported that psychophysiological responses are useful indicators in determining the level of cognitive load, it is difficult to find research that objectively measures the cognitive load experienced by a learner in the actual learning process and that draws implications for learning interventions. Therefore, the purpose of this study was to confirm how learners’ cognitive load varies depending on the level of their prior knowledge and task complexity using pupil size(known to be a reliable psychophysiological response reflecting learners’ cognitive load) and heart rate variability (reflecting learners’ state of arousal) and to interpret the results based on cognitive load theory. Specific research questions are outlined below. Research Question 1. Does the learner's physiological response reflect the cognitive load difference between the high prior knowledge group and the low prior knowledge group? Research Question 1-1. In learning segments with different task complexities, what are the trends in the psychophysiological responses of each group, with different levels of prior knowledge? Research Questions 1-2. In learning segments with different task complexities, is there a difference in pupil size and heart rate variability between the high prior knowledge group and the low prior knowledge group? Research Question 2. In the process of learning, is there a difference in psychophysiological responses according to different task complexities? Research Problem 2-1. Within the high prior knowledge group or the low prior knowledge group, is there a difference in pupil size according to the levels of task complexity? Research Problem 2-2. Within the high prior knowledge group or the low prior knowledge group, is there a difference in heart rate variability according to the levels of task complexity? For this research, 23 undergraduate students, enrolled in universities located in the capital area, were the participants. During the experiment, the subjects watched two lectures of about 10 minutes each, and their psychophysiological responses were recorded during the progress of learning. The lectures were designed to contain high and low task complexities, and the pretest and posttest were conducted before and after learning. The levels of prior knowledge were classified based on the scores of the pretest. After the data collection, psychophysiological responses were investigated to confirm the changes in cognitive load depending on learners’ prior knowledge and task complexity using the Wilcoxon rank sum test, the Wilcoxon sign rank test, and the Friedman test. The results and discussion of this study are as follows. First, the high prior knowledge group showed a lower pupil size than the low prior knowledge group without regard to task complexity, but it was not statistically significant. The heart rate variability was higher in the high prior knowledge group than the low prior knowledge group throughout the entire learning process, and the heart rate variability in the high task complexity section was significantly different depending on learner’s level of prior knowledge. In this research, the extraneous cognitive load was controlled as much as possible through the instructional design, development, and experiment procedures. Additionally, considering that there was a clear intrinsic cognitive load difference between the two groups, the difference in germane load can be interpreted as the reason for this. In other words, the results show that the total cognitive load of the two groups was not different, but the ratios of the sub-elements that make up the total cognitive load were different. In addition, a statistically significant difference in the level of arousal between the two groups supported this assumption. Second, it was found that the low prior knowledge group showed no difference in psychophysiological responses without regard to task complexity. However, the high prior knowledge group showed the higher heart rate variability in the sections with high task complexity. It can be interpreted that the high prior knowledge group showed more arousal in the sections with high task complexity, but the low prior knowledge group demonstrated passive learning attitudes even in the sections with high task complexity. Thirdly, in reference to the result suggesting that pupil size was not statistically significant when verifying the difference in task complexity, this study proposed taking into account the distinct characteristics of a learning situation in measuring and interpreting pupil size as an index of cognitive load, and also suggested that learners’ fatigue should be taken into consideration during the measurement process. In addition, this study suggested that cognitive load theory should be supplemented due to several uncertain factors in the theory, such as definitions of the sub-elements of cognitive load or the effects of learner's characteristics on cognitive load. This study is useful in the following areas. First, it confirmed that the cognitive load of the learner can be objectively investigated by using psychophysiological responses in the video-learning environment. Second, by measuring and interpreting psychophysiological responses based on cognitive load theory in learning situations, it provided the foundation for utilizing the theory as a basis for providing instructional intervention in the video-learning progress. The implications of the study are summarized as follows. First, it confirmed that psychophysiological response is an objective measure that can show differences according to the characteristics of the learner or the learning task, but it also showed the necessity of performing a concurrent validation related to various psychophysiological indicators in order to ensure the validity of the measurement when applying it to the actual learning situation. Second, to diagnose a learner's cognitive load in the process of learning and to use it as a basis for intervention in the learning process, it is necessary to conduct instructional design that considers diagnosis and intervention based on psychophysiological responses beforehand. Third, more research should be carried out in terms of operational and instructional design aspects related to the kind of instructional support that can be linked to measured psychophysiological responses. The areas for further research are proposed below. First, a study verifying the differences in cognitive load according to learner characteristics using psychophysiological responses is needed. Second, a study on the method employed to measure cognitive load effectively using psychophysiological responses in the learning setting should be carried out. Third, a study applying cognitive load diagnosis based on psychophysiological responses in the real learning setting is required. Finally, a study is needed to investigate the statistical analysis technique most suitable for psychophysiological response data.