동적 시각 단서가 인지부하와 학습 성과에 미치는 영향

Abstract

In the era of the fourth industrial revolution, education that improves core competencies, which focuses on the application of domain-general problem-solving skills, will become more important than focusing on existing teaching and learning methods consisting of acquiring domain-specific knowledge and quantitative evaluation. According to these changes, an example of a core competency that is commonly included as an evaluation target in the aptitude tests of companies or public institutions is the “data interpretation” competency. This is an “information processing capability” that is used to select accurate and meaningful information from a large number of pieces of information that can be used to solve problems (Lee, 2012). Another change that has had a huge impact on teaching and learning in recent years is the rapid shift to online education due to the COVID-19 pandemic. Job aptitude evaluations, which evaluate core competencies, are also turning from existing face-to-face to online evaluations. The rate of introduction of online job aptitude tests by companies has increased since the first half of 2020 (44.9%) to 57.3% in the second half of 2020. Furthermore 7 out of 10 companies will maintain online job aptitude evaluations even after the COVID-19 stabilization phase (71.7 %) (Lee, 2020). In other words, modern teaching and learning are undergoing changes in learning objectives and learning formats to develop general core competencies due to the transition from face-to-face to online classes. The basis for considering spatial abilities as learners’ characteristics that can affect the two changes is as follows. Spatial abilities have been regarded as a general learning competency and are a major achievement factor in science, technology, engineering and mathematics (STEM) learning that occurs through empirical research. In addition, spatial abilities can have an effect on the change to an online education form. To learn from visual and spatial elements included in digital learning materials, cognitive processing using spatial abilities is required (Schüler et al., 2011). Although spatial abilities can affect the learning process more than before due to changes in teaching and learning goals and forms, it is difficult to find an instructional system design that takes this into account. In the case of overseas educational systems, a variety of spatial skill training programs have been applied since it was discovered that spatial abilities are an achievement factor in the STEM field (e.g., Torner, Alpiste & Brigos, 2016; Sorby, Veurink & Streiner, 2018). If instructional design were to consider the spatial abilities of learners in online learning, including STEM learning, it would be possible to support the cognitive processes of learners and develop general core competencies via online learning through which teachers and learners are separated. According to previous studies, the cues that force attention toward visual information act as a factor that enables learners to actively participate in cognitive processing in the process of selecting, organizing, and integrating information (Krämer, 2010; Krämer & Bente, 2010). In an environment where dynamic learning materials such as videos rather than static learning materials are used, cues can help learners cope with the temporal challenge of “when to watch” and “where to watch and what to watch”(Schnotz & Lowe, 2008). If the visual cues of digital learning materials are designed in a dynamic form corresponding to the instructor's voice, the spatial abilities necessary to process dynamic information can affect the effects of the cues. In other words, dynamic visual cues can act differently depending on a learner’s characteristics (Hegarty & Sims, 1994; Hegarty, 2005). Since instructional designs can be optimized by considering the characteristics of individual learners together with the generality of the effects of cues, the relationship between the learner's spatial abilities and cues needs to be dealt with together. This study is based on the video-based learning of the “data interpretation” problem that requires that learners have an information processing capability, which is one of the core competencies of the fourth industrial revolution. The purpose of this study is to analyze the visual learning process through eye tracking and to observe the influence of learners' spatial ability factors and of dynamic visual cues in learning materials on cognitive loads. Since attention to visual elements of learning materials affects learning outcomes(Eun et al., 2019), I wanted to check whether the difference in cognitive load during learning manifests in the learning outcomes. If the cognitive load indexes, which are visual variables, reflect the characteristics of learners and learning materials in real-time, it would be possible to quickly and easily identify factors that affect learning in the analysis stage of the instructional system design. This information can be the basis for implementing personalized and adaptive learning. In addition, this study also expects to identify the independent effects of learners’ spatial ability factors on data interpretation learning performance, thereby resulting in implications in the shaping and developing of information processing capabilities, a core competency that can be abstract. The research questions in this study are as follows: Research Question 1. Is there a difference in cognitive load during video-based learning according to whether dynamic visual cues are provided and the level of the learner's spatial abilities? Research Question 2. During learning, do learners’ spatial abilities moderate the relationship between dynamic visual cues and cognitive loads? Research Question 3. Do learners' spatial abilities and cognitive loads predict learning outcomes in video-based learning? The study was conducted on 72 university students in a metropolitan area, and through experiments, information on pupil size, visual behavior, and recalled cognitive loads was collected. Stratified sampling was performed to uniformly distribute the recruited subjects' gender and their majors. In the experiment, the subject went through an eye-tracking experiment of about 1 h. The experiment consisted of a 25-min pre-test, a 16-min video lecture, and a 25-min post-test. After the eye-tracking experiment was over, the subject moved to the reminiscence stimulus laboratory to watch the video of the gaze tracking experiment process, and the types of cognitive loads were classified (germane load increase, intrinsic load decrease, intrinsic load increase, and extraneous load increase). Lastly, the interview was conducted. After data collection was completed, the data was refined, and the hypothesis was verified by applying an analysis technique suitable for each research problem. A summary of the research results of this study is as follows. As a result of the analysis following Research Question 1, I found that the difference in cognitive load according to the provision of dynamic visual cues was partially confirmed. When there was a visual cue, the difference in the average saccade counts, which is the cognitive load index, during video learning was statistically significant. However, the average and cumulative indicators of pupil dilation, which have been studied to reflect learners' cognitive efforts, did not show expected differences. Explaining this in consideration of the characteristics of the index, it seems that the visual behavior index reflects the influence of the visual elements of the learning material, while the pupil change index reflects all the effects of other factors other than the visual. The basis for this explanation can be found in the contents of the retrospective interviews. Among the factors affecting learner's spatial abilities, only spatial working memory was found to distinguish cognitive load, and the difference in cognitive load due to the spatial ability factor was partially confirmed. The difference in the pupil index between the group with the lowest and the highest spatial working memory was consistently significant. Among the spatial ability factors, visual discrimination did not significantly classify the cognitive load index, but the recalled cognitive load indicates that visual discrimination may be related to the difficulty felt by the learner. As a result of the analysis for Research Question 2, the main effects and interaction effects of dynamic visual cues and spatial working memory on the frequency of saccade were significant. In the case of learners with a low spatial working memory capacity, it was confirmed that the saccade frequency, which is a quantitative indicator of cognitive load, is significantly reduced by dynamic visual cues, and for learners with a high spatial working memory capacity, the effects of dynamic visual cues did not appear. In other words, the visual behavior index for cognitive load confirmed that the dynamic visual cues in the same form as applied to the learning videos in this study can effectively support learners with a low spatial working memory. As a result of the verification of Hypothesis 3, it was found that the learner's spatial working memory and the mean fixation counts during problem solving had a significant effect when the learning outcomes were analyzed as scores. When the learning outcome index was analyzed as problem-solving time, I found that the learner's visual discrimination and the frequency of saccade during learning had a significant positive effect. Therefore, I confirmed that the cognitive load index and spatial abilities factor explained 17% of score and 23% of problem-solving time. Based on the research results, the implications of this study and its ability to support adaptive instructional system design are as follows. First, when considering the differences between the saccade and pupil change indices according to whether visual cues are provided or not, each cognitive load index reflects a different aspect of the learning process. Accounting for this can be a useful methodology to determine what causes an increase in cognitive load in an online learning environment. In the case of learning with data without dynamic visual cues, according to the learner's recollections, it was difficult to grasp which point to explain, and gaze movements were frequent, which was found to be the difference in the saccade index. However, no significant difference in pupil change, which is another indicator of cognitive load, was confirmed because pupil change can reflect cognitive load as triggered by factors other than visual factors. That is, factors other than visual elements are not reflected in the visual behaviors but may be reflected in pupil change. Therefore, to understand the effects of the visual elements of a video on cognitive load, information is provided by visual behaviors, and if the cognitive load indicated by the pupil change index does not match, whether factors other than visual elements generate external cognitive load should be checked. Visual behavior and pupil indicators can be checked in real time when eye tracking is possible, so linking and analyzing the two indicators in remote and video learning situations in which it is difficult to identify learning obstacles is useful to adaptively identify learning problems. Second, when designing distance learning for learners whose spatial working memories are below average, more attention should be paid to the management of visual elements that cause an extraneous cognitive load. To this end, various external cognitive load reduction strategies should be utilized in the learning data design phase. In addition, the learner's spatial abilities factor can be identified to adaptively provide or eliminate clues from the video. For example, data interpretation learning in this study presupposed a real-test situation with no visual cues, so gradually eliminating dynamic visual cues in the learning phase can facilitate the transition of information processing strategies even in test situations without visual cues. In addition, if the spatial abilities factor acts as a core competency in the learning content, such as data interpretation, it is possible to provide a customized approach that conducts spatial training separately from learning. Third, since this study proved that the visual learning process differs according to the learner's spatial abilities, it can lead to real-time learning analysis by connecting video learning data that reflects this difference. Based on this learning analysis system, learning process can be modeled by measuring the learner's spatial ability level, and based on this, an adaptive instructional design can be devised. In a similar context, Xiao et al. (2018) developed an adaptive gaming platform called Cubicle to train spatial visualization skills. Furthermore, they conducted a study to infer learners' spatial visualization skills based on in-game behavior logs and provide appropriate feedback. As in this study, even in an actual online environment, spatial abilities can be easily measured through online inspection. If learning material that uses a lot of visuospatial elements is associated with spatial abilities, other spatial ability factors, such as 3D mental rotation, may be analyzed. These attempts are expected to be useful to garner bidirectional feedback to improve and support visuospatial processing. Fourth, this study provides an explanation of the effects of two factors (visual discrimination and spatial working memory) that affect spatial abilities, which is a complex ability, and their effects on the learning process and outcomes as a general competency of learners. In accordance with Research Result 3, the greater the spatial working memory capacity, the higher the scores, and the lower the visual discrimination ability, the longer the problem-solving time. The static effects of spatial working memory are interpreted as a result of lowering the extraneous load of the learning and problem-solving processes. As a result of analyzing the recalled cognitive load according to visual discrimination ability, I can reasonably conclude that it affects the intrinsic cognitive load of data interpretation and problem solving. Therefore, in the case of learning that aims to develop the learner's general competencies, such as their information processing capabilities, if spatial capability factors are managed by making them an indicator, they can be managed by modeling the learner's core capabilities. The limitations of this study and suggestions for further research are as follows. First, the congestion variables were not completely controlled in the design of the experimental stimulus. In this study, to make the experimental stimulus as similar as possible to the actual teaching and learning situations, the video shared on the web that was not developed for experimentation was refined and utilized. In addition to the dynamic visual cues to be identified in this process, there was a lack of control over other factors affecting the extraneous cognitive load. For example, among the characteristics of the learning images, there was a point in which the number of instructors was different for each video learning section, and there were a small number of learners who showed negative reactions to this. It is also important to implement a research tool close to the actual teaching and learning situation, but care must be taken to clearly ascertain what is intended to be confirmed through the research problem. Second, in this study, problem-solving time was defined as a learning outcome, which makes it an operational definition due to the nature of the learning content. However, the time to solve the problem itself is considered to be a cognitive load indicator. Therefore, if the learner's problem-solving time corresponds to learning performance, it needs to be calculated in another way, such as creating derivatives like "problem-solving efficiency" through time and score. Additionally, based on the results of Analysis 3, it is expected that a follow-up study on the effects of cognitive load during learning and problem solving over time will be possible. Third, this study suggested the possibility of its method being utilized in adaptive video learning design by grasping the two factors in real time by mainly exploring the relationship between spatial abilities and the visual behavior index. However, the visual variable data has a disadvantage in that it cannot be easily collected in a general video learning situation. In addition to visual variables, if data that indirectly represents the learning process, such as the learner's learning behavior log, is related to fluid learner characteristics, such as spatial capability, then the learning process data that can be reflected in the adaptive teaching system design would be obtained.;4차 산업혁명 시대에는 기존의 영역 특수적(domain specific) 지식 습득과 양적 평가로 이루어지는 교수학습 방식보다 영역 일반적(domain general) 핵심역량(core competency)을 향상시키는 교육과 이를 적용한 문제해결이 더욱 강조될 것이다. 이러한 변화를 반영하여 기업이나 공공기관이 직무적성 평가에 공통적으로 평가 대상으로 포함하는 핵심역량의 예로 ‘자료해석’역량이 있다. 이는 수많은 정보들 속에서 정확하고 의미 있는 정보를 선별하고, 이를 활용하여 문제를 해결해낼 수 있는‘정보처리 역량’(이근호, 2012)의 다른 표현이라고 할 수 있다. 최근 교수학습에 커다란 영향을 미친 또 다른 변화로 코로나로 인한 급속한 교육의 온라인 전환이 있다. 핵심 역량을 평가하는 직무적성 평가 역시 기존의 대면 평가에서 온라인 평가로 선회하고 있다. 기업의 온라인 채용 도입비율은 2020년 상반기(44.9%)보다 하반기(57.3%) 도입 비율이 늘었고, 도입기업 10곳 중 7곳은 ‘코로나 안정 국면 이후에도 온라인 직무적성 평가를 유지할 것’(71.7%)이라고 답했다(이은정, 2020). 즉, 현대 교수학습은 영역 일반적 핵심 역량을 개발하기 위한 학습 목표 변화와, 오프라인에서 온라인으로의 전환으로 인한 학습 형태 변화를 겪고 있다. 두 가지 변화에 영향을 미칠 수 있는 학습자 특성으로 공간능력이 고려되는 근거는 다음과 같다. 공간능력은 일반적 학습 역량으로 여겨져 왔으며 실증 연구를 통해 STEM(Science, Techonology, Engineering and Mathematics) 학습의 주요한 성취요인으로 나타난다. 또한 온라인 교육 형태로의 변화 측면에서도 공간능력이 영향을 미칠 수 있다. 디지털 학습 자료가 포함하는 시각·공간적 요소로부터 학습하려면 공간능력에 의한 인지적 처리가 필요하기 때문이다(Schüler et al., 2011). 공간능력이 교수학습 목표와 형태의 변화로 인해 이전보다 학습 과정에 영향을 미칠 수 있음에도 불구하고, 이를 고려한 교수체제설계는 찾아보기 힘들다. 해외 사례의 경우 공간능력이 STEM 분야의 성취요인이며 유동적이라는 것이 밝혀진 이래로 다양한 공간능력 훈련 프로그램이 적용되어 왔다(e.g., Torner, Alpiste, Brigos, 2016; Sorby, Veurink, Streiner, 2018). STEM을 비롯한 비대면 학습에서 학습자의 공간능력 특성을 고려한 교수설계가 가능하다면, 교수자와 학습자가 분리되어 있는 원격 학습 과정에서도 학습자의 인지적 처리 과정을 지원하고 길게는 일반 핵심 역량을 개발할 수 있을 것이다. 선행연구에 따르면 시각 정보에 주의를 집중시키는 단서는 학습자가 정보를 선택하고 조직, 통합하는 과정에서 인지적 처리에 적극적으로 참여하게 하는 요소로 작용한다(Krämer, 2010; Krämer & Bente, 2010). 정적 학습 자료가 아닌 동영상과 같은 동적 학습 자료를 활용하는 환경에서는, 단서는 학습자가 '볼 위치와 볼 대상'뿐만 아니라 '볼 때'라는 시간적 도전에도 대응할 수 있다(Schnotz & Lowe, 2008). 만약 디지털 학습 자료의 시각 단서가 교수자의 음성 해설과 상응하여 역동적인 형태로 설계된다면, 동적인 정보를 처리하는 공간능력이 단서의 효과에 영향을 미칠 수 있다. 즉, 동적인 시각 단서는 학습자 특성에 따라 달리 작용할 수 있다(Hegarty & Sims, 1994; Hegarty, 2005). 단서의 효과의 일반성과 더불어 개별 학습자의 특성을 함께 고려할 때 교수설계가 최적화될 수 있으므로, 학습자의 공간능력과 단서의 관계가 함께 다루어질 필요가 있다. 본 연구는 4차 산업혁명 시대의 핵심역량 중 하나인 정보처리 역량을 요구하는‘자료해석’문제유형의 동영상 학습을 바탕으로 한다. 시선추적을 통해 시각적 학습 과정을 분석하여, 학습자의 공간능력 요인과 학습 자료의 동적 시각 단서가 인지부하에 미치는 영향을 보고자 한다. 학습 자료의 시각적 요소에 대한 주의집중은 학습 성과에 영향을 미치므로(은석함, 박민희, 황미경, 남가영, 권만우, 2019), 학습 중 인지부하의 차이가 학습 성과로 나타나는지 확인하고자 한다. 시각변수인 인지부하 지표가 학습자와 학습 자료의 특성을 실시간적으로 반영한다면, 이를 활용하여 교수체제설계의 분석(Analyze)단계에서 학습에 영향을 미치는 요인을 빠르고 쉽게 파악할 수 있을 것이다. 이러한 정보는 맞춤형·적응형 학습을 구현하는 기반이 될 수 있다. 또한 학습자의 공간능력 요인이 자료해석 학습 성과에 미치는 독립적인 영향을 확인하여, 추상적일 수 있는 핵심 역량인 정보처리 역량을 구체화하고 개발하는 데 있어 시사점을 줄 것으로 기대한다. 본 연구에서 설정한 연구문제는 다음과 같다. 연구문제 1. 동영상 학습에서 동적 시각 단서 제공 여부와 학습자 공간능력 요인 수준에 따라 학습 중의 인지부하의 차이가 있는가? 연구문제 2. 동영상 학습에서 학습자의 공간능력 요인은 동적 시각 단서와 학습 중의 인지부하의 관계를 조절하는가? 연구문제 3. 동영상 학습에서 학습자의 공간능력과 인지부하는 학습 성과를 예측하는가? 연구는 수도권 소재의 대학생 72명을 대상으로 진행되었으며, 실험을 통해 대상자의 생리심리 반응인 동공 크기, 시각 행동, 회상된 인지부하 반응을 수집하였다. 모집된 대상의 성별과 전공 계열은 균일하게 분포하도록 층화 표집을 수행하였다. 실험에서 대상자는 25분 제한의 사전시험, 약 16분의 동영상 강의, 25분 제한의 사후시험으로 구성된 약 1시간의 시선 추적 실험 과정을 수행하였다. 시선 추적 실험이 끝나고 약간의 휴식을 가진 후, 대상자는 회상 자극 실험실로 이동하여 시선 추적 실험 과정에 대한 영상을 보면서 각 시점별로 인지부하의 구분 유형(본유적 부하 증가, 내재적 부하 감소, 내재적 부하 증가, 외재적 부하 증가)과 그 이유를 기술하는 인터뷰를 진행하였다. 자료 수집이 완료된 후, 데이터를 정제하고 각 연구 문제에 맞는 분석 기법을 적용하여 가설을 검증하였다. 본 연구의 연구 결과 요약은 다음과 같다. 연구문제 1의 검증 결과, 동적 시각 단서 제공에 따른 인지부하의 차이는 부분적으로 확인되는 것으로 나타났다. 시각 단서가 있는 경우 동영상 학습 중의 인지부하 지표인 평균 시선도약 빈도의 차이가 통계적으로 유의하였다. 그러나 학습자의 인지적 노력을 반영하는 것으로 연구되어 온 동공 변화의 평균·누적지표는 기대되는 차이를 나타나지 않았다. 이를 지표 특성을 고려하여 설명하면, 시각행동 지표는 학습 자료의 시각적 요소의 영향을 반영하는 반면, 동공변화 지표는 시각적 외의 다른 요소의 영향을 모두 반영하기 때문으로 보인다. 이러한 설명의 근거는 연구결과의 회상자극 인터뷰 내용에서 찾을 수 있다. 학습자의 공간능력 요인 중에서는 공간작업기억 만이 인지부하를 구분하는 것으로 나타나, 공간능력 요인에 의한 인지부하의 차이가 부분적으로 확인되었다. 공간작업 기억폭이 가장 낮은 그룹과 가장 높은 그룹 간의 동공 지표의 차이가 일관적으로 유의하게 나타났다. 공간능력 요인 중 시각적 변별은 인지부하 지표를 유의하게 구분하지 않았으나, 회상된 인지부하는 시각적 변별이 학습자가 느끼는 난이도와 관련되었을 수 있음을 나타낸다. 연구문제 2의 검증 결과, 동적 시각 단서와 공간작업기억이 인지부하 지표인 시선도약 빈도에 미치는 주 효과 및 상호작용 효과가 유의하였다. 공간작업기억 용량이 낮은 학습자의 경우 인지부하의 양적 지표인 시선도약 빈도가 동적 시각 단서에 의해 크게 감소하는 양상을 확인할 수 있었으며, 공간작업기억 용량이 높은 학습자의 경우 동적 시각 단서의 효과가 유의하게 나타나지 않았다. 즉, 본 연구의 학습 동영상에 적용된 것과 같은 형태의 동적 시각 단서는 공간작업 기억폭이 낮은 학습자를 효과적으로 지원할 수 있다는 것을 인지부하의 시각행동 지표를 통해 확인할 수 있다. 연구문제 3의 검증 결과, 학습 성과를 성취도로 하여 분석한 경우 학습자의 공간작업기억과 문제풀이 중의 평균 시선고정 빈도가 유의한 영향을 미치는 것으로 나타났다. 학습 성과 지표를 문제풀이 시간으로 분석한 경우 학습자의 시각적 변별과 학습 중의 시선도약 빈도가 유의한 정적 효과를 가지는 것으로 나타났다. 따라서 인지부하 지표와 공간능력 요인이 학습 성취도의 17%, 문제풀이 시간의 23%를 설명함을 확인하였다. 연구 결과를 바탕으로, 적응적 학습체제설계를 지원할 수 있는 본 연구의 시사점은 다음과 같다. 첫째, 시각 단서 제공 여부에 따른 시선도약 지표와 동공변화 지표의 차이를 고려할 때 각 인지부하 지표는 학습 과정의 다른 측면을 반영하며, 이는 원격 학습 환경에서 인지부하의 발생 원인을 알 수 있는 유용한 방법론이 될 수 있다. 동적 시각 단서가 없는 자료로 학습한 경우, 학습자 회상에 따르면 어느 지점을 설명하는지 파악하기 어려워 시선 움직임이 잦았고 이것이 시선도약 지표의 차이로 나타났다. 그러나 다른 인지부하 지표인 동공 변화의 유의한 차이는 확인되지 않는데, 이는 동공 변화는 시각적 요소 외의 요인으로 촉발되는 인지부하를 반영할 수 있기 때문이다. 즉 시각적 요소 외의 요인은 시각행동 지표에는 반영되지 않으나 학습자의 동공 변화에는 반영될 수 있다. 따라서 동영상의 시각적 요소가 인지부하에 미치는 영향을 파악하고자 하는 경우 시각행동이 정보를 제공하며, 동공변화 지표가 나타내는 인지부하가 일치하지 않는 경우 시각적 요소 외의 요인이 외재적 인지부하를 발생시키는지 확인해야 한다. 시각행동과 동공지표는 시선추적이 가능한 경우 실시간적으로 확인할 수 있으므로, 학습 방해 요소를 파악하기 힘든 원격 및 동영상 학습 상황에서 두 지표를 연결하여 분석하면 적응적으로 학습문제를 파악하는 데 유용하게 활용될 수 있다. 둘째, 공간 작업기억이 평균 이하인 학습자를 대상으로 원격 학습을 설계하는 경우, 외재적 인지부하를 유발하는 시각적 요소 관리에 더욱 주의해야 한다. 이를 위해서 학습 자료 설계 단계에서 다양한 외재적 인지부하 감소 전략들을 활용해야 한다. 또한 학습자의 공간능력 요인의 수준을 파악하여 동영상에서 단서를 적응적으로 제공하거나 제거할 수 있다. 예를 들어 본 연구의 자료해석 학습은 단서가 없는 실제 시험 상황을 전제로 하므로, 학습 단계에서 동적 시각 단서를 점진적으로 제거하는 전략을 활용하면 단서가 없는 시험 상황에서도 정보처리 전략의 전이를 촉진할 수 있다. 또한, 자료해석과 같이 공간 능력 요인이 학습 내용의 핵심 역량으로 작용하는 경우, 학습과 별개로 공간 훈련(spatial training)을 실시하는 맞춤화된 접근을 제공할 수도 있다. 셋째, 본 연구는 학습자의 공간능력에 따라 시각적 학습 과정이 다르다는 것을 입증하였으므로, 이 차이를 반영하는 동영상 학습 데이터를 연결하여 실시간적 학습 분석으로 이어질 수 있다. 이러한 학습분석 시스템을 기반으로 학습자 공간능력 수준을 가늠하여 학습자를 모델링하고, 이를 기반으로 적응적 교수설계를 고안할 수 있을 것이다. 유사한 맥락에서 Xiao와 동료들(2018)은 공간 시각화 능력을 훈련하기 위한 적응형 게임 플랫폼 Cubicle을 개발하고, 게임 내 행동 로그를 바탕으로 학습자의 공간 시각화 능력을 유추하여 이에 맞는 피드백을 제공하기 위한 연구를 수행하였다. 본 연구에서와 같이 실제 원격 학습 환경에서도 온라인 검사를 통해 공간능력을 간단하게 측정할 수 있다. 또한 시각·공간적 요소가 많은 학습 자료를 사용하는 경우, 본 연구에서 사용한 2개의 공간능력 요인만이 아닌 3D 정신적 회전 능력 등의 검사 결과와 동영상 학습 과정 데이터를 연관 분석할 수 있다. 이러한 시도는 공간능력의 향상 및 지원을 위한 양방향 피드백을 위해 유용하게 활용할 수 있을 것으로 기대된다. 넷째, 본 연구는 복합적 능력인 공간능력의 두 요인(시각적 변별, 공간작업기억)이 학습자의 일반 역량으로서 학습 과정과 성과에 미치는 영향에 대한 설명을 제공한다. 연구결과 3에서 공간작업 기억폭이 클수록 학습 성취도는 높은 것으로 나타났고, 시각적 변별 능력이 낮으면 문제풀이 시간이 길어지는 것으로 나타났다. 공간작업기억의 정적 효과는 학습과 문제풀이 과정의 외재적 부하를 낮춘 결과로 해석되며, 시각적 변별 능력에 따른 회상된 인지부하를 분석한 결과 자료해석 유형 문제풀이의 내재적 인지부하에 영향을 미쳐 문제풀이 시간에 영향을 준 것으로 유추할 수 있다. 따라서 자료해석과 같이 학습자의 일반적 역량의 개발을 목표로 하는 학습의 경우, 공간능력 요인을 지표화하여 관리한다면 학습자 핵심 역량을 모델링하여 관리할 수 있다. 본 연구의 제한점과 후속 연구를 위한 제언은 다음과 같다. 첫째, 실험 자극물 설계에 있어 혼잡변수들을 완전히 통제하지 못하였다. 본 연구는 가능한 실제 교수학습 상황에 가까운 실험 자극물을 활용하기 위해, 실험용으로 개발한 것이 아닌 웹에 공유된 동영상을 가능한 정제하여 활용하였다. 이 과정에서 확인하고자 한 동적 시각 단서 외에도 외재적 인지부하에 영향을 미치는 다른 요소들에 대한 통제가 부족하였다. 예를 들어 학습 영상의 특성 중 동영상 학습 구간 별로 교수자가 달라지는 점이 있었는데, 이에 대한 부정적 반응을 나타낸 학습자가 소수 존재하였다. 연구 도구가 실제 교수학습 상황과 가깝게 구현하는 것도 중요하지만, 연구 문제를 통해 확인하고자 하는 바를 명확히 확인할 수 있도록 주의를 요한다. 둘째, 본 연구에서 문제풀이 시간은 학습 성과로 정의되었으나 인지부하 연구에서는 인지부하의 지표로 여겨지기도 한다. 이러한 관점에서는 학습자의 높은 학습 중 인지부하(시선도약)가 높은 문제풀이 중 인지부하(문제풀이 시간)로 이어졌다고 볼 수도 있겠다. 시간 차이를 두고 학습 중의 인지부하가 문제풀이 중 인지부하에 미치는 영향에 대한 흥미로운 후속 연구가 가능할 것으로 기대된다. 셋째, 본 연구는 공간능력과 시각 행동 지표의 관계를 주로 탐색함으로써 두 요인을 실시간으로 파악하여 적응적 동영상 학습 설계에 활용될 수 있는 가능성을 제안하였다. 그러나 시각 변수 데이터는 일반적인 동영상 학습 상황에서 용이하게 수집할 수 없는 단점이 있다. 시각 변수 외에도 학습자들의 학습 행동 로그 등 학습 과정을 간접적으로 나타내는 데이터를 공간능력과 같은 유동적인 학습자 특성과 관련지어 적응적 교수체제설계에 반영할 수 있는 학습 과정 데이터를 얻을 수 있을 것이다.