스마트러닝 학습앱의 사용자경험이 지속사용의도에 미치는 영향

Effect of User Experience of Smart Learning App on Intention to Continuous Use

Abstract

본 연구는 온라인, 오프라인 도구를 사용하는 학습자들을 대상으로 스마트러닝 학습앱의 사용자경험이 지속 사용 의도에 미치는 구조적인 관계를 기술수용모델을 통하여 이해하고, 학습형태 특성을 분류하였다. 또한, 스마트러닝 앱의 사용 경험을 기반으로 학습 도구와 콘텐츠 구성에 대한 사용자 경험 디자인 설계향상 방안을 모색하였다. 이를 위하여 개발된 스마트러닝 학습앱을 중고등학생 대상 학습자 84명을 대상으로 2개월간 사용 후 사용인식을 조사하였으며, PLS구조방정식 기법을 사용하여 자료를 분석하였다. 본 연구의 주요결과는 다음과 같다. 첫째, 시스템 및 콘텐츠 사용자 경험은 지각된 사용성과 지각된 사용 용이성에 유의미한 영향이 있었으며, 태도를 매개로 지속사용 의도에 미치는 영향은 유의미하였다. 둘째, 다중그룹 비교분석과 성별 그룹에서는 시스템 사용자경험이 지각된 유용성에 미치는 영향에서 유의미한 차이가 발생하였다. 선호학습 그룹에서는 유의미한 경로차이를 나타낸 것은 지각된 사용용이성과 지각된 유용성에서 태도 및 지속사용의도로의 경로였다. 셋째, 실제 가장 많이 사용하는 학습유형을 다차원척도법으로 분류한 결과 저차원으로 분리된 유형은 offline sync type, Online sync type, Ubiquitous learning type, Self-direct learning type으로 4가지 유형으로 나타났다.

This study, for learners using online and offline tools, understood the structural relationship of user experience of smart learning app on continuous use intention through the technology acceptance model, and classified the learning type characteristics. In addition, based on the experience of using the smart learning app, we explored ways to improve the design of the user experience design for learning tools and contents. For this purpose, the usage perception of 84 middle and high school students of the developed smart learning learning app was investigated after using it for 2 months, and the data were analyzed using the PLS structural equation technique. The main results of this study are as follows. First, system and content user experience had a significant effect on perceived usability and perceived ease of use, and the effect on continued use intention through attitude was significant. Second, there was a significant difference in the effect of system user experience on perceived usefulness in multi-group comparative analysis and gender group. In the preferred learning group, it was the path from perceived ease of use and perceived usefulness to attitude and intention to continue using that showed a significant path difference. Third, as a result of classifying the most commonly used learning types by the multidimensional scale method, the types separated into low dimensions were found to be four types: offline sync type, online sync type, ubiquitous learning type, and self-direct learning type.

l. 서 론

교육환경에 있어서 스마트러닝(smart learning)의등장은 교육현장에 많은 변화를 가져왔다. 현재의 교육환경은 지식전달중심의 오프라인 강의 방식을 뛰어넘어 인터넷 강의, 화상 강의, 블렌디드 러닝(blended learning), 플립러닝(Ilipped learning) 등 다양한 형태의 학습방법이 등장하였다. 과거 교육환경에서는 '교사는 말하고, 학생은 보고 듣기만 하는 교육'으로 학습자의 학습 참여가 곤란하였으나, 스마트 앱을 활용한교육은 학습자에게 언제 어디서나 쉽게 학습에 참여하는 환경을 만들어 주었다[1]. 스마트러닝 학습은 학습자의 학습 참여를 더 쉽게 만들어 주기 때문에, 교수자와학습자의 상호작용을 극대화해주는 미래지향적인 교육방법이라고 할 수 있다[2].

최근 학교와 학원 등의 교육현장에서 멀티미디어 학습을 적극적으로 도입함에 따라 스마트러닝 학습시스템을 이용하는 학습자들은 스마트러닝 앱의 시스템 UI(system user interface)와 제공되는 콘텐츠의 종류에 따라 다양한 사용자경험(user experience: UX) 차이를 가지게 되었다[3]. 따라서 스마트러닝 앱을 사용하는 온라인 학습 환경에서는 학습자는 오프라인보다 더많은 학습효과의 차이가 필연적으로 발생하게 되며, 이러한 차이는 새로운 교육환경의 기술을 이해하고 받아들여 활용하는 학습자 개인의 특성 차이'에 기인한다고볼수 있다[4]. 스마트러닝 학습 앱의 시스템 사용자경 험, 콘텐츠 사용자경험, 개인이 가진 특성차이는 그 학습앱을 지속해서 사용하고자 하는 의도 및 학습효과의차이에 영향을 미치게 되는데, 이러한 차이는 스마트러닝 학습앱 및 새로운 학습기술에 대한 학습자의 기술수용의 영향을 고려해보면 설명이 가능할 것이다.

기술수용모델(TAM: Technology Acceptance Model)은 정보기술에 대하여 기술을 사용하는 사용자의 수용에 영향을 미치는 영향을 알아보기 위한 이론적틀로서 특정 기술에 대한 신념과 태도(attitude), 이용 의사(intention to use), 실제적 이용(actual use)간에인과관계를 살펴보고, 수용과정에서 영향을 미치는 외부요인들을 발견하는데 초점이 맞추어져 있다[4][5]. 그 러나, 선행연구에서는 기업 또는 조직내에서 개인의 컴

퓨터 활용능력, 사용하는 행동패턴, 전자메일이나 음성메일 등의 신기술에 대한 개인의 수용에 대한 연구만 진행되어왔다[6[[7]. 또한 기술수용 모델의 중요한 신념변수인 지각된 사용용이성(perceived easy of use: PEOU)과 지각된 유용성(perceived usefulness: PU) 에 영향을 미치는 외부요인에 대한 연구를 보면 조직기반 사용자그룹이나 엔드유저인 고객그룹의 기술수용에대한 연구가 대부분을 차지하였다[II8-12]. 이러한 외부요인으로는 개인의 기술수용정도를 측정하는 데는한계가 있다. Venkatesh와 Davis[6]은 조직을 강제적상황과 자발적 상황으로 외부요인을 확장하여 사용 시점에 따른 업무시스템수용을 파악하기 위해 기술수용모델-2로 개선하여 좀 더 세밀한 수용상태를 측정하였으나 역시 조직에 대한 것이었다. 또한, 대부분의 선행연구는 기술수용모델에 영향을 주는 외부요인의 차이를 비교하는 요소로는 개인특성 중 성별'과 연령'에 집중하여 그룹 간 차이를 비교해왔으나 새로운 기술에 대한 선호도 혹은 다양화된 개인의 특성을 반영하여 기술을 수용하는 것을 측정하는 것은 한계가 있었다. 대부분의 선행연구에서는 사용자들이 각자의 경험을 기반으로 한 서로 다른 학습앱에 대한 사용자경험을 측정했기 때문에 상당한 수준의 개인차의 영향을 받고 있다고볼 수 있다. 따라서 같은 학습앱과 같은 콘텐츠경험을통하여 집단간 어느 정도의 지속사용의도를 갖게 되는지 직접적으로 확인할 필요가 있다.

따라서, 본 연구는 스마트교육을 기반으로 하는온라인 학습환경과 오프라인 환경이 결합된 교육환경에서학습자에게 미치는 영향을 실험설계 방법으로 디자인 했으며, 외부변수로서는 사용하는 시스템에 대한 시스템 사용자경험(System User Experience: SUX)과 시스템 안에 탑재된 콘텐츠구성을 중심으로 하는 콘텐츠 사용자경험(Contents User Experience: CUX)를 독립변수로 두었다. 스마트러닝 학습앱과 콘텐츠를 지속해서 사용하고자 하는 의도에 미치는 영향을 기술수용모델(TAM)을 통하여 연구하고자 하였다. 또한 본 연구에서는 시스템 사용자경험과 콘텐츠 사용자 경험이 지속사용의도에 미치는 간접효과를 추정하고, 성별및학습 선호도 그룹 간 효과차이를 검증하였다. 또한 다집단분석혹은 그룹간의 영향비교를 위해 사용하는 통제

변수로 사용될 수 있는 기술수용관점에서의 학습자들의 성향과 패턴을 다차원 척도법(multidimensional scaling)을 통하여 분류하고자 하였다. 즉 스마트러닝학습앱이 학습자의 지속적인 사용의도와 학습을 유지하는데 영향을 미치는 요인들 간의 인과관계와 영향요인을 탐색하여 스마트러닝 학습앱의 사용자인터페이스와 사용자경험을 향상시키는 디자인구성을 제시하는데그 목적을 두고 있다.

이론적 배경

기술수용모델은 Davis(1989)가 공식화한 모델로 정보기술수용에 관련된 연구에서 많이 활용되는 이론이 다. 기술수용모델(TAM)은 첨단 기술을 수용하는 데영향을 미치는 중요한 요인을 설명하기 위해 사용자의 '신념-태도-행위" 간의 인과관계를 설명하는 모형이다. Davis[5]가 TAM모형을 개발하면서 중점을 둔 두 가지신념변수는 지각된 사용용이성(PEOU)과 지각된 유용성(PU)으로 알려져 있다[12][13].

기술수용 모델은 합리적 행동이론을 기반으로 자기 효능감(self-efficiency)이론과 혁신확산(diffusion of innovation)이론을 핵심적인 신념변수인 지각된 유용성과 지각된 사용용이성을 도출하였다. 이를 기반으로이 모델은 신념변수(지각된 사용용이성, 지각된 유용성)는 태도에 영향을 미치고, 태도는 의도에 영향을 주게 되며, 의도는 행위에 영향을 준다'는 인과적 구조를통하여 수용자가 기술을 수용할 때 미치는 영향요인을 설명하였다. [그림 1]은 초기 Davis[5]의 기술수용모델 도표이다.

지각된 사용용이성(PEOU: perceived ease of use) 은 어떠한 특정 시스템이 수용자에게 쉽고 편리하다고기대하는 정도이며, 새로운 정보기술을 수용하여 그것을활용하는데 들어가는 노력에서 자유로운 정도를나타내는 신념으로 정의된다[51[14].

그림1. DAVIS의 기술수용모델(1989)

선행연구결과 지각된 사용용이성은 의도에 직접적인영향을 주는 선행변수이며, 지각된 유용성을 통하여 의도에 간접적인 영향을 주는 것으로 나타났다[4II6]. 지각된 유용성(PU: perceived usefulness)은 어떤 특정한 시스템을 사용하면 자신에게 이익(Benefit)이 발생할 것이라고 믿는 정도로서 새로운 기술의 효과성에 대한 지각된 평가를 말한다[14]. 즉, 지각된 유용성은 새로운 기술이 조직이나 성과에 기여하는 것을 정량적으로 평가하는 것이 아니라 사용자의 주관적 태도를 말하는 것이며, 특정한 기술을 사용함으로써 자신의 일이나업무 성과에 긍정적인 영향을 미치거나 성과가 향상될것이라고 믿는 정도를 의미한다. 태도(attitude)는 특정행위에 대한 개인의 긍정적 또는 부정적 감정으로 새로운 기술에 대한 좋거나 싫은 감정으로 정의된다[5]. 행 위의도(behavioral intention to use)는 태도에 의해서 결정이 되며 실제 사용에 영향을 강하게 미치는 결정요인으로서 특정한 행위를 수행하려는 개인 차원의의도에 대한 강도를 나타낸다. 선행연구 결과 지각된유용성은 행위의도에 강한 영향을 미치고 지각된 유용성을 매개하여 실제행동에 간접적으로 영향을 미친다고 보고되었다[6] 그러나 기술수용모델-1은 기술수용과정에 영향을 미치는 외부요인을 구체화하지 않았다는 비판으로 인하여 Venkatesh & Davis[6]는 외부요인을 포함한 기술수용모델-2를 발표하였고, 이후에 Venkatesh & Bala[15]은 모델의 간명성과 이용의사에 대한 설명력을 높이기위해서 태도를 제외하여 정보기술에 관한 조직 구성원의 의사결정에 대한 통합 모델인 기술수용모델-3을 발표했다. 스마트러닝 및 스마트기기를 이용하여 기술수용모델을 적용한 선행연구로는일반인 대상으로 개인의 혁신성, 사회적 영향력, 비용을외부변수한 한 연구[7], 학부생, 대학원을 대상으로 하는 시스템 상호작용성, 사회적 상호작용성을을 이용한 연구[16], 20~30대 일반인을 대상으로 하여 지배적 디자인을 변수로 이용하여 기술수용에 대하여 연구[14]

등이 있다. 새로운 기술을 수용하는 과정에서 실제 스마트러닝을 가장 많이 사용하는 중고등학생들에 대한연구는 부족하였다.

본 연구에서는 학습에 스마트러닝 도구를 중고등학생을 대상으로 스마트러닝 학습앱을 직접 사용한 후에자기보고설문을 통하여 학습과 학습기술에 대한 실제인식과 태도변수에 대하여 조사하였다. 또한 학습기술의 수용과정에서 인과관계를 설명하는데 기술수용모델-1이 가장 설명력이 좋다고 판단하였다. 지속적인 사용의도는 실제사용에 직접적이고 강한 영향을 미치게 되므로 본 연구에서는 실제 사용 부분을 제외하였다.

2 시스템 사용자경험

시스템 사용자경험(system user experience)은 학습앱을 사용하면서 얻어지는 효과에 대한 경험이다. 스마트러닝 학습앱의 학습디자인을 포함하여 최근의 UX 디자인은 그 자체의 차별성과 콘텐츠 서비스를 차별화시켜주는 디자인으로 집중적으로 개발되고 있다[3]. 또 한, 고도화된 UX 디자인은 사용자가 느끼고 생각하는총체적 경험인 UX(user experience)를 통해 쉽고유용하면서도 앱의 사용에 대한 즐거움을 줄수 있기 때문에 학습 증진 효과를 높일 수 있다. 교육용 스마트러닝 앱에서 중요한 것은 시선을 끄는 디자인, 디자인과시스템의 상호작용, 화면에서 구성된 목차의 쉬운 이해, 웹에서 학습에 영향을 미치는 요소이다. 따라서 선호도가높은 디자인을 적용하고 스마트러닝 앱의 속도가 빠르면 학습자의 학습에 좋은 영향을 주는 것으로 분석되고 있다[1][2].

시스템의 상호작용은 사용자와 앱과 이 둘 사이에 존재하는 인터페이스(interface)로 구성이 되어있고, 인터페이스는 인간과 컴퓨터 간의 커뮤니테이션을 촉진시키는 역할을 하며 사용자가 원하는 정보를 탐색하여결과를 얻고 이를 통한 흥미를 불러일으킨다. 즉,탐색결과를 통하여 새로운 목표가 설정되는 다소 기회주의적 형태의 상호작용을 이루어지게 한다[16]. 스마트러닝 학습앱은 LMS(learning management system)형 태이다. LMS는 강의 수강 이외에도 텍스트를 매개로한 질의응답 방식으로 이루어지게 된다. 즉, 교수자와 학습자, 학습자들 간의 쌍방향 커뮤니케이션으로 이루

어지는 의사소통 게시판, 학습 자료실, 학습질문방, 메시지함 및 쪽지함, 토론게시판 등을 활용한다. 사용자는스마트러닝 앱에 이러한 요소가 존재하는지 여부에 따라 상호작용에 대한 태도가 달라진다. 본 연구에서는스마트러닝 학습앱의 시스템 사용자경험(system user experience)을 시스템의 화면구성과 정보의 양, 검색결과의 일치 정도, 기능 접근성, 강의서비스 편리성에대한 총체적인 사용자 경험으로 정의하였다.

3. 콘텐츠 사용자경험

콘텐츠 사용자경험(contents user experience)은학습용 콘텐츠를 사용하면서 얻는 효과에 대한 경험이 다. 스마트러닝 학습앱 콘텐츠란 어떤 수준의 학습 목표 달성을 위해 온라인학습자료와 교수전략을 통합하여 학습할 내용을 계열화, 구조화, 디지털화하여 학습자에게 효과적이고 효율적인 학습이 되도록 제작된 콘텐츠를 의미한다[17]. 콘텐츠에 대한 사용자경험의 인지적 몰입의 종류는 사용에 몰두하여 시간의 흐름을 파악하지 못하는 개념인시간의 해리(Temporal Dissociation)와 다른 것을 신경 쓰지 못할 만큼 집중된 상태인 집중된 몰입(Focused Immersion), 그리고사용하면서 즐거움을 인식하는 상태인 고양된 즐거움 (Heightened Enjoyment)이 있다[18]. 온라인 학습에서의 몰입(immersion)이란 학습자가 스마트러닝 학습을 통하여 최적의 경험(optimal experience)을 통해얻을 수 있는 경험 효과이다. 학습에 집중하고 몰두하게 만드는 e-러닝 콘텐츠는 몰입된 학습감을 경험하게하고 콘텐츠의 중요성과 효과성을 느끼게 만든다[19]. 본 연구에서 콘텐츠 사용자경험(content UX)은 이용자가 스마트러닝 학습앱에 탑재된 콘텐츠를 사용하면서 나타나는 최적의 경험을 통해 얻을 수 있는 몰입(immersion)에 대한 주관적 판단에 대한 경험으로 정 의하였다.

연구 방법 및 절차

연구모형

본 연구에서는 스마트러닝 학습앱을 사용하면서 생

긴 시스템에 대한 사용자경험과 콘텐츠에 대한 사용자경험이 긍정적일수록 지각된 사용용이성(PEOU)과 지각된 유용성(PU)에 유의미한 영향을 미칠 것으로 예상 되었고, 이는 태도변수를 통하여 지속적인 사용의도에강한 영향을 미칠 것으로 추측하여 이를 [그림 2]과 같이 모형화하였다.

1.1.기술수용모델에 대한 가설검증

스마트러닝 학습앱과 같은 웹(web)을 기반으로 하는기술시스템에서는 시스템 사용자경험과 콘텐츠사용자경험이 지각된 사용용이성과 지각된 유용성에 유의미한 영향을 미치게 되는 경우 사용자의 시간적, 공간적제약이 최소화 되어 사용자 친화적인 인터페이스를구축하게 될 것이다[20].

그림2. 연구모형

따라서, 시스템UX는 내재적인 특징이며, 시스템의 인터페이스, 접근성, 이동성, 속도 등이 포함된다. 콘텐츠UX는 시스템에 구현되는 콘텐츠의 모든 정보로서, 정확성, 충실성, 구성체계 등이 포함되며 잘 구축된콘텐츠는 학습자의 사용 용이성에 영향을 미칠 것으로 예 상하였다.

이에 본 연구는 기술수용모델을 적용하여 사용자들이 경험한 시스템 사용자 경험과 콘텐츠 사용자 경험이학습의도에 미치는 효과에 대한 유의성 검정을 통하여사용자 경험이 학습의도에 미치는 영향을 살펴보는 것을 목적으로 하였다. 또한 비디오기반 스마트러닝 학습에서 시스템과 콘텐츠의 사용자 경험이 학습의도 미치는 효과를 성별(남, 여), 학습선호패턴(온라인, 오프라

인)으로 나누어 차이를 검정하고자 하였다.

연구문제 기술수용모델 가설검증

본 연구에서는 기술수용모델과 외부변수와의 효과를검증하기 위하여 다음과 같은 가설을 상정하였다.

H1: 시스템 사용자경험은 지각된 사용용이성에 유의미한 영향을 미칠 것이다.

H2: 시스템 사용자경험은 지각된 유용성에 유의미한영향을 미칠 것이다

H3: 콘텐츠 사용자경험은 지각된 사용용이성에 유의미한 영향을 미칠 것이다.

H4: 콘텐츠 사용자경험은 지각된 유용성에 유의미한영향을 미칠 것이다.

H5: 지각된 사용용이성은 지각된 용이성에 유의미한영향을 미칠 것이다.

H6: 지각된 사용용이성은 태도에 유의미한 영향을미칠 것이다.

H7: 지각된 사용용이성은 지속사용의도에 유의미한영향을 미칠 것이다

H8: 지각된 유용성은 태도에 유의미한 영향을 미칠 것o 다.

H9: 지각된 유용성은 지속사용의도에 유의미한 영향을 미칠 것이다.

H10: 태도는 지속사용의도에 유의미한 영향을 미칠것이 다.

연구문제2. 외생변수의 간접효과 유의성 검증

본 연구에서 핵심이 되는 시스템의 구성과 UI에 대한 사용자경험과 학습을 위해 구성된 학습콘텐츠를통한 콘텐츠 사용자 경험이 지속사용의도에 미치는 간접효과를 검증하기 위하여 준실험설계 디자인으로 구성하여 진행하였다. 이를 위하여 개발된 학습앱을 약 2개월간 사용한 사용자의 경험을 측정하였고, 이를 위한가설은 다음과 같이 상정하였다.

H11. 시스템 사용자 경험은 지속사용의도에 유의미한 효과를 미칠 것이다.

H12. 콘텐츠 사용자 경험은 지속 사용의도에 유의ㅁ 한 효과를 미칠 것이다.

연구문제3. 성별, 학년별 그룹효과 차이 검증

대부분의 선행연구는 기술수용모델에 영향을 미치는외부변수(시스템 사용자경험, 콘텐츠 사용자경험)등에대하여 직간접효과의 유의성만을 검정하여왔다. 온라인학습앱과 같은 학습도구를 개발할 때, 기술수용인식이다른 그룹간 지속적인 사용의도를 파악하는데 한계가 있었다. 따라서 본 연구에서는 IT서비스의 수용관점에서 성별과 온라인과 오프라인 선호그룹간의 차이에 대한 다집단 분석을 통해서 그룹간 조절되는 여부를 검정하기 위하여 다음과 같은 가설을 상정하였다.

H13. 시스템 및 콘텐츠 사용자경험이 지속사용의도에 미치는 영향은 성별로 유의미한 차이가 있을것이다

H14. 시스템 및 콘텐츠 사용자경험이 지속사용의도에 미치는 영향은 선호하는 학습방법(선호학습패턴)에 따라 유의미한 차이가 있을 것이다.

2. 연구설계 및 방법

2.1 연구설계

본 연구는 시스템 사용자 경험'을 제공하기 위해서선행연구 및 현장전문가의 사용성 평가 및 의견을 수렴하여 스마트러닝 학습앱 'j-live LMS(live.shop)라는 Video-based learning Web app을 구성 및 개발하 였고, 이 학습앱은 사용자가 자신이 콘텐츠 구성변경을통한 사용자경험을 제공하는 기능이 탐재되어 있었다본 연구는 이 학습앱을 경험한 학습자만 대상으로 하여연구를 진행하였다. 학습앱은 모양은 [그림 3]과 같다.

그림3. 스마트러닝 학습앱으로 구성된 Jlive LMS

콘텐츠 사용자 경험'을 제공하기 위해서 사용한 강의콘텐츠는 경험이 풍부한 학원강사 7명이 실제로 수업을 하면서 화상강의녹화, 실시간 라이브 방송녹화, 별도녹화 방식(강의촬영, 손글씨강의 등)을 업로드 하였으 며, 교수자는 사전에 앱을 구성하는 단계에서 UI, UX 에 대한 아이디어에 참여하였다. 교수자는 현장강의, 온 라인강의, 화상강의를 실시간으로 촬영하거나 녹화한동영상 테이터를 스마트러닝 학습앱에 업로드를 하였 다. 학습자에게는 1:1로강의(video)와 컬렉션(collection)이라고 부르는 강의 묶음으로 제공되었으 며, 수업을 다 들으면 시청버튼을 눌러서 강의를 완료했음을 표시하게 하였다. 강의자료는 다운로드 기능으로 다운받았고, 궁금한 질문사항은 메시지센터 기능을통하여 담당한 강사에게 질문이 가능했다. 또한 자신만의 'AI플래너'를 이용하여 강의를 보는 순서를 변경할수 있도록 만들었다. 이에 대한 자신만의 평가를 할수있도록 구성하였다.

학습자선정은 온라인 앱의 활용 경험이 있는 대상자로 학습자가 앱을 사용하면서 시스템에 대한 사용자경험과 콘텐츠에 대한 사용자 경험을 충분히 느낄 수 있도록 하였다. 학습 참여자는 중계동 학원가에서 강의를제작한 강사들의 강의수강 추천에 지원한 중고등학생 이었으며, 사용하는 기간 동안에 성실한 사용을 하는지온라인 접속상태를 확인하여 성실한 사용자와 무사용자를 구분하였다. 참여한 학습자에게는 실험 기간 내무료 수강권 및 마무리까지 참여한 학습자에게 기존올려진 강의에 대한 1년 수강권을 지급하였다. 본 연구에서 중요한 것은 스마트러닝 학습앱의 기존 경험을 묻는것이 아닌 제공된 학습앱으로 학습을 진행하면서 수시로 올라오는 강의와 이 강의 콘텐츠를 통하여 시스템사용자의 경험과 콘텐츠 사용자 경험을 답변할 수 있도록 측정도구를 설계하는데 중점을 두었다

2.2. 연구절차

분석을 위해서는 스마트러닝 학습앱을 1~2개월간사용하여 실제적 경험이 생기도록 앱을 소개하고 이 앱을 사용할 중고등학생들을 서울시 노원구 학원가에서 모집하였다. 앱을 사용한 중고등학생은 157명이었으 며, 기간 내 성실하게 사용한 사용자는 123명이었으며

사용을 거의 하지 않은 34명은 제외했다. 123명을 대상으로 설문결과 응답자는 109명이며, 이 중 불성실한응답과 결측치 포함된 자료, 표준편자 0.5 이하, 2.5 이상을 제거하고 최종 84명의 데이터를 가지고 분석을 진행하였다.

본 연구에서 데이터 전처리는 SPSS25를 통하여 진행 하였으며, PLS구조방정식 분석을 위해서 R-library인plspm을 사용하여 부분최소제곱 구조방정식을 사용하 였다. 이를 이용하여 확인적 요인분석과정과 경로분석및 매개분석을 실시하였다. 다중그룹 비교는 모수적 방법인 Bootstrap t-test를 2,000회의 시행으로 해를구하여 성별과 학습선호(온라인과 오프라인)를 기준으로선호학습으로 그룹을 나누고 이 역시 2,000회의 부트스트랩(Bootstrap)을 통하여 그룹을 비교하였다. 또한다중그룹비교를 위한 개인 특성 요인을 탐색하고 구분하기 위하여 비계량형 다차원 척도법을 사용하였다. 이를 통하여 6가지의 선호하는 학습을 현강만(학원에서 수업), 화상만(실시간 화상강의), 인강만(인터넷강의), 현강+화상(라이브방송), 현강후 인강복습(보충), 화상후인강복습(보층)으로 제시하여 유사도 검사를 실시하였 다. 저차원 그래프로 나타낸 후에는 2개의 축을 이용하여 4가지의 구분이 나오는 것을 감안하여 4가지의 학습형태(오프라인 교실강의 선호, 실시간 온라인강의 선 호, 유비쿼터스 학습 선호, 자기주도형 복습 선호)로 분류를 목적으로 하였다.

그림4. 학습방법의 유사도 측정분류 항목

2.3. 연구대상

[표 1]은 연구대상자의 인구통계학적인 특징을 나타낸 것이다. 특히 현장강의를 선호하는 학습자는 69명(82%)로 절대적으로 많았다.

표1. 연구대상자의 인구통계학적 특징

3.

3.1. 측정도

본 연구의 측정도구는 선행연구 및 문헌연구를 통하여 측정항목을 재구성하였다. 개인특성은 스마트러닝학습에서 선행연구에서 유의미한 차이를 보이는 성별(gender)과 학년을 중심으로 하였고, 실험 참여과정에서 학생들이 가진 온라인과 오프라인학습에 대한 선호도 인식을 알아보기 위하여 선호학습패턴과 온·오프선호도를 조사하였다.

측정 도구는 유사도 문항과 기술수용모델에 관한 문항은 모두 리커트 척도 7점 문항으로 구성하여 제공하 였다. 유사도 측정 문항은 현강(학원에서의 수업), 화상(실시간 화상강의), 인강(인터넷 강의), 현강+화상(라이브 방송), 현강후 인강복습(보충), 화상후 인강복습(보충)으로 구분하여 쌍대비교를 통하여 7점 리커트 척도로 측정하였다.'매우 유사하다'(7점), 차이가 없다'(4점), '매우 다르다'(1점)으로 학습방법에 대하여 얼마나 유사하게 느끼는지 질문하였다. 예를 들면 "두 가지 학습방법에 대하여 기준을 현강(학원에서의 수업)로 하여 비교 대상을 화상(실시간 화상강의)으로 할 때 유사하다면 몇 점을 줄수 있을까요?"의 형태에 질문으로 유사도를 측정하였다. 유사성이 높다고 생각할수록 높은점수를 부여하도록 하였으며, 설문에 참여한 응답자는 이6가지의 학습을 모두 경험한 상태였다. [표 2]는 측정도구구성표를 나타낸 것이다.

표2. 측정도구 구성표

3.2. 잠재변수간 상관관계분석

[표 3]은 잠재변수간 상관분석표를 나타낸 것이다. pearson 상관분석(pearson's correlations)을 통하여상관계수를 산출하였다. 분석결과 시스템 사용자경험 (SUX), 콘텐츠 사용자경험(CUX), 지각된 사용용이성 (PEOU), 지각된 유용성(PU), 태도(AT), 지속사용의도(USE)는 모두 유의한 상관관계가 있었으며, 상관계수의값이 대체로 0.9보다 낮게 나타나 다중공선성의 문제는없는 것으로 확인하였다.

4. 구조 모델 검증

4.1. 내적일관성 신뢰도

선행연구에서 신뢰도를 평가는 전통적으로 내적 일관성 신뢰도(internal consistency reliablility) 평가방식으로 알려진 Cronbach's alpha(a) 계수를 사용하여 평가하였으며, 관측 변수간 상관관계를 기반으로 평가된다. 신뢰도 확보를 위한 기준값은 일반적으로0.7로 알려져 있다[31]. 그러나 Cronbach's Q.는 모든항목을 동일하게 신뢰한다는 가정하에 측정되기 때문

에 PLS-SEM에서는 항목의 수에 따라 민감하게 반응하는 문제로 인하여 저평가되고 있다[33]. 따라서, 더적합한 방법인 합성신뢰도(composite reliability, DG.rho)를 사용하게 되며 이 값은 0.7~0.9가 적합하 다[32]. [표 4]는 내적일관성 신뢰도(internal consistency reliability) 및 평균분산추출에 대하여 나타낸 것이다

표4. 내적 일관성 신뢰도 및 평균분산추출(AVE)

Cronbach's a는 모든 측정항목이 0.9 되다. 체로 높은 신뢰도를 나타내고 있으며, 합성신뢰도(CR:; composite reliablilty)인 DG.rho도 기준치인 0.7을넘어선 0.9이상의 높은 값으로 바람직한 값을 나타내고 있다.

4.2. 지표 신뢰도

지표 신뢰도는(indicator reliability)는 측정지표를측정할 때에 일관성이 있는지 나타내는 정도이며, 지표신뢰도를 확보하기 위해서는 측정된 요인적재값(outer loadings)이 0.7이상이어야 한다[34]. 요인적재갑(outer loading)은 모두 0.7보다 크므로 지표 신뢰도는 만족 한다[21][22].

공통성(communality)은 표준화된 항목(indicator) 의 제곱값으로 분산이 요인에 의해서 얼마나 설명되는지를 나타내는 값이며, 공통성은 0.5 이상일 때 수용가 능하다[40]. 그 이유는 공통성은 요인 적재값의 제곱에해당하는 값으로 (0.7)==0.49이므로 0.5 이상이면 만족하기 때문이다[23]. [표 5]는 지표 신뢰도를 검증하기위한 요인 적재값(outer loadings)과 공통성 결과 값을 나타낸 것이다. 모든 요인적재값이 0.7을 넘어 최대0.97를 나타내고 있으므로 수용할만한 수치를 보여주고 있다.

424 한국콘텐츠학회논문지 '22 Vol. 22 No. 8

표5. 지표신뢰도: 요인적재값(outer loadings)

4.3. 집중 타당도

집중 타당도(convergent validity)는 평균분산추출 (AVE: Average Variance Extracted) 0.5이상일 때 만족한다[35]. [표 3]에 평균분산추출에 대하여 제시하 였다. 모든 AVE값이 0.7 이상으로 만족하는 값을 나타내고 있으므로 집중타당도를 만족한다고 할 수 있다.

4.4. 판별 타당도

판별 타당도(dis:criminant validity)의 평가기준은 교차적재량(cross loading)의 기준과 Fornell-Lacker [35]의 기준을 변형하여 만들어진 Gefen and Straub[21]를 이용하여 판단한다.

표6. 측정지표의 교차적재량(Cross loading)

교차적재량 기준이란 잠재변수에 속해있는 측정변수들의 적재량이 다른 잠재변수들에 비해 이들 측정변수들의 교차적재량이 뚜렷하게 높게 나타나는 경우 판별타당도가 있다고 볼 수 있다[22][23]. 측정대상 잠재변수에서 적재량이 다른 잠재변수에 교차적재량보다 높지만 그리 상당히 높지 않아 구분이 어려운 경우에는Gefen-Straub[21]가 제시한 기준인 한 잠재변수의AVE의 제곱근이 다른 잠재변수의 상관계수보다 높아야 한다는 것으로 판단할 수 있다[22].

[표 6]는 측정지표의 교차적재량을 나타내고 있다. SUX, CUX, PEOU는 다른 잠재변수와 비교하여 현저한차이를 보이지만, PU, AT, USE는 0.9이상으로 다른변수보다는 높지만 비슷한 수치도 보이고 있다. 따라서, 이 3개의 변수는 판별타당도를 보인다고 할 수 없다. 이 경우 좀 엄격하게 타당도를 검사하기 위하여Gefen-Straub[21]의 방법을 적용한다. [표 7]은 잠재변수 사이의 상관계수와 VAVE의 값을 비교한 것이 다.

모든값에서 Gefen-Straub[21]의기준인 O < VAVE를 만족하고 있다. 즉, 본 구조모델의 판별타당도는 확보되었다고 할 수 있다.

4.5. 내부모형 평가 및 모형 적합도

연구모형의 내부 모형에 대한 평가는 경로분석의 경 로계수, 모형의 설명력을 나타내는 결정계수(Rf), GOF 로 진행된다. 내부모형에서 경로계수에 대한 평가는 잠재변수들간에 인과관계에 대한 평가이다. 내부 평가 모형에서 R2에 대한 평가는 내생 잠재변수에 대한 외생잠재변수의 설명력을 보여주는 평가로서 경로분석의예측력을 보여주는 평가지표이다(26(127]. R2은 회귀분석처럼 값이 클수록 외생 잠재변수의 설명력이 높아지며 외생 잠재변수의 수가 증가할수록 R2의 값은 증가하는 현상을 보이고 있으나 R2에 대한 분명한 기준이 없고 연구영역마다 다르게 제시된다[22]. 절대적인기준은 없으나 일반적으로는 0.19(약함), 0.33(중간), 0.67이상(강함)으로 알려져 있다(Chin, 1988b).

GOF(Goodness of fit)는 모형적합도 판정을 위해제공되고 있으나 선행연구에서는 적합도 판정을 위한정확한 기준이 제시되지 못하고 있다. 최근 연구는GOF는 유용하지 않으며, 이는 모형이 데이터를 적합하게 반영하는지 보여주는 지수는 아니므로 이를 적극사용하기보다는 참고만 하는 것이 좋다고 이야기를 하고 있다[23][28][29]. 그럼에도 불구하고 Tenehaus et al.[30]이 제안한 GOF는 AVE와 R2의 곱에 대한 제곱 근으로, 평균 공통성(commulality)과 평균 R-square 의 기하평균이다. 이를 사용할 때 권고기준은 GOF > 0.36이며, GOF > 0.7이면 '매주 좋은 것(very good) 으로 보는 기준의 하나로 권고하고 있다. 내생잠재변수에 대한 외생잠재변수의 설명력을 나타내주는 GOF로

PEOU(0.36)는 중간, PU(0.67), AT(0.75), USE(0.81)

로높게 나타나고 있다. 참고로 이 연구에서 분석된 GOF 는 0.72로 기준치보다 매우 좋은 상태를 나타내고 있다.

경

경로계수의 통계적 유의성은 Bootstrap을 이용하여신뢰구간에 의한 추정하는 것이 더 논리적이다 [22][25]. 대부분 선행연구에서는 유의도 수준(p 0.05, t> 1.96, p <0.01, t> 2.58, p <0.001, t> 3.29) 으로 평가하고 있으나[22], 신뢰구간을 제공하는 것이추정된 자료가 어느 정도 위치에 있는지 구체적인 정보를 제공한다는 점에서 더 의미가 있다[24]. [그림 5]은잠재변수간 경로계수를 나타낸 것이다.

그림5. 잠재변수간 경로계수

[표8]은은 Bootstrap 한 경로계수와 t값을 나타낸 것 이다.

표 8. Bootsrap한 경로계수와 t값 (n = 2,000)

현재 모형에서 유의한 경로는 SUX → PEOU(t= 5.69, 95%CIl0.338, 0.712]), CUX → PU(t= 7.11, 95%CI[0.433, 0.766]), PEOU→ PU(t= 2.76, 95%CIl0.077, 0.424]), PEOU → AT(t= 2.30, 95%CII0.05, 0.349]), PEOU → USE(t= 110.10, 95%CII0.019, 0.237], PU- AT(t= 10.12, 95%CII0.556, 0.864]), AT→ USE(t= 7.52, 95%CII0.495, 0.852])로 나타났다. 가설H1, H4, H5, H6, H7, H8, H10이 지지 되었다. 시스템 사용자경험은 지각된 용이성에 영향을 준다는 것을 알 수 있다. 이는잘 구성된 시스템UI는 편리성에 대한 유의미한 효과가 있다고 해석할 수 있다. 콘텐츠 사용자 경험은 지각된 유용성에 영향을 미쳤다. 즉 콘텐츠의 구성은 사용편리성보다 유용한 가치를 느끼게 만든다고 볼 수 있 다. 중요한 점으로는 지각된 사용용이성과 태도가 지속사용의도에 유의미한 영향을 미친 것으로 보아 사용이편리하거나 가치가 있다고 느끼는 경우 태도 변수에 의해서 시스템으로 지속적으로 사용할 것이라고 추측해볼수 있다.

2. 효과분해(총효과, 직접효과, 간접효과)

2.1. 효과분해

Bollen[36]은 직접효과(direct effect)는 구조모델내에서 어떠한 변수들과도 매개(mediate)하지 않고 직접 영향을 주는 것이며, 간접효과(indirect effect)는적어도 한개 이상의 매개변수(intervending variable) 와 매개(mediate)하면서 영향 받는 것으로 정의하였 다. [표 8]은 모델에서 나타나는 직접, 간접효과 및 총효과를 나타낸 것이다. 경로계수에 대한 부트스트랩 (Bootstrap) 효과 검증 결과이다. 각 효과에 대한 검증은 bootstrap(n : 2,000)를 시행하여 해를 찾은 결과로 검증하였다. 부트스트래핑(bootstraping)을 하여추출된 비대칭(asymmetric) 신뢰구간을 이용한 매개효과 검증방법은 간접효과에 대한 95%의 신뢰구간에0이 포함되지 않으면 간접효과는 .05 수준에서 유의하 다[37]. [표 9]은 가설 H11, H12를 검증한 결과이다.

시스템 사용자경험이 지속사용의도에 미치는 총효과(간접효과)는 3= 0.3047, 95%CI[0.103, 0.389]로 유

의미하여 가설 H11은 지지되었다. 콘텐츠 사용자 경험이 지속사용의도에 미치는 총효과는 3 : 0.4448, 95%CII0.332, 0.617]로 유의하였으며 H12도 지지되 었다. 기술수용모델에서 태도는 지속사용의도에 강한영향을 미치는데[6], 시스템 사용자경험과 콘텐츠 사용자 경험모두 태도에도 유의미한 효과를 나타내었다. 따 라서, 시스템 사용자경험과 콘텐츠 사용자경험은 태도와 지속사용의도에 유의미한 효과를 미치는 변수이다. 즉, 사용하기 편리한 시스템 UI와 적절한 콘텐츠 배치및 가치를 느끼게 만드는 학습콘텐츠는 지속사용의도에 주용한 영향을 미치는 요소임을 알 수 있다. [그림6]에는 총효과내의 간접효과와 직접효과를 그래프를이용하여 나타내었다.

표9. 직접, 간접효과 및 총효과(bootstrap n =2,000)

그림6. 총효과내의 간접효과와 직접효과

3. 다중그룹 비교

3.1. 성별간 다중그룹비교

PLS-SEM에서 그룹간 경로계수 비교는 모수적 접근 (parametric approach)방법인 Bootstrap t-test를통하여 2개의 그룹을 비교할 수있다[38]. 2개의 독립적인 표본에 대한 경로들의 차이를 검증하기 위해 집단간의 평균비교방법인 t-test진행하며, 모형의 경로계수의 값은 개별적 추정한다. t값은 (1)의 공식을 이용하여 구한다.

\(= \frac { \text { path } _ { j i } ^ { \text { Growp } 1 } - p ^ { \text { at } } h _ { j i } ^ { \text { Grow } 2 } } { ( \sqrt { \frac { 1 } { n _ { 1 } } + \frac { 1 } { n _ { 2 } } } ) s _ { p } }\)

표10 다중그룹(성별)간 경로계수의 차이(Bootstrap t-test, n = 2,000)

다중그룹 비교결과 성별은 시스템 사용자경험(SUX) → 지각된 유용성(PU)으로의 경로에서 유의미한 차이 가 있었다(t : 1.806, p = 0.037). 구체적으로 학습앱 의 시스템 사용자 경험이 지각된 유용성으로 미치는 효 과에 대하여 여자( .291)가 남자( -.072)보다 더 높게

나타났다. 이는 여자 학습자의 경우 편리하고 사용하기쉬운 구조로 시스템UI이 구성이 되었을 경우 더 높게유용한 가치를 느낀다고 볼 수 있다. 이는 여학생이 다수 사용하는 학습앱일수록 시스템 사용자 경험을 높여주는 사용자인터페이스(ID)를 디자인해야 하는 것으로해석할 수 있다.

3.2. 선호학습패턴 간 다중 그룹비교

선호 학습패턴 간 다중그룹 비교도 마찬가지로 PLS-SEM에서 적용하는 모수적 접근(parametric approach)방법인 Bootstrap t-test를 이용하여 offline 학습을 선호하는 그룹과 online 학습을 선호하 는그룹을 비교하였다. [표 11]은 다중그룹(선호학습패 턴)간 경로계수 간 차이를 나타내었다.

오프라인 선호그룹과 오프라인 선호그룹의 비교에서 는PU→ AT, PEOU→ AT, PEOU→ USE에서 유의미한 효과차이가 나타났다. 특히 지각된 유용성(PU)에서태도(AT)의 경로가 가장 큰 차이를 보였다. 지각된 사용용이성(PEOU)가 지속사용의도에 미치는 효과에 대하여 오프라인학습 선호 그룹(.163)이 온라인학습 선호그룹(-.224)보다 높게 나타났다. 이는 오프라인학습을선호하는 그룹이 온라인 학습앱을 사용하는 경우, 누구나 쉽게 사용하는 시스템 UI가 제공할 때 그 학습앱을지속적으로 사용하려고 한다고 볼수 있다. 반면에 온라인 학습 선호그룹은 이미 온라인에 익숙하기 때문에오히려 사용용이성이 지속사용의도에 미치는 효과에서는 오히려 부(-)적 영향을 나타내었다.

표11. 다중그룹(선호학습 패턴)간 경로계수의 차이

.05 p < .01 p .001

지각된 사용용이성(PEOU)이 태도에 미치는 효과에 대하여 온라인 학습 선호그룹(0.722)이 오프라인 학습 선호 그룹(0.139)더 큰 효과 차이를 나타냈다. 이는온 라인 학습 선호그룹의 경우 온라인 학습앱의 시스템이 사용하기 편리할수록 지속사용의도에 큰 영향을 미치 는 태도에 의한 효과가 크게 나타난다고 볼수 있다. 따 라서 온라인 학습선호그룹이 대상이 되는 학습앱의 경 우에는 알아보기 쉬운 인터페이스와 사용의 편리성 등 을 고려하여 학습앱을 디자인해야할 것이다. 지각된 유 용성(PU)이 태도에 미치는 효과에 대하여 오프라인학 습선호 그룹(0.809)이 온라인 학습 선호 그룹(0.102)보 다 더 높게 나타났다. 이는 오프라인 학습선호그룹이 온라인 학습앱을 사용하게 될 때에는 사용의 편리함보 다는 이 학습앱을 사용해야 하는 이유와 가치, 유용성 등이 고려된다고 볼 수 있다. 따라서, 오프라인학습을 선호하는 대상자를 대상으로 학습앱을 디자인하는 경 우 학습의 효과, 콘텐트의 질과 가치(CUX → PU)를 고 려하여 디자인을 해야 할 것이다.

4. 다차원척도법에 의한 학습자특성 분류

본 연구에서는 온라인 학습앱 사용에 참가한 대상자 들의 약 2개월간의 학습형태와 학습방법을 고려하여 연구한 결과, 온라인 혹은 오프라인 학습선호그룹보다 다양한 형태의 학습패턴을 가지고 있음을 확인하였다. 본 연구에서는 이를 다차원 분석법으로 실증적으로 학 습자의 형태를 구분하고자 하였다.

4.1. 학습의 형태모형의 유사성및 타당성 검증

다차원 척도법으로 분석하기 위해서 온라인 학습의 형태에 따라 학습의 유형을 둘씩 짝을 지워서 유사성을 평정하게 하였고, 비유사성 행렬자료로 변환한 후에 각 표본데이터의 전체평균(global mean)을 구하였다. 이 결과는 [표 12]와 같다.

표11. 학습의 형태의 비유사성 행렬자료

다차원 척도법으로 분석하는 것은 비교를 위하여 2가 지 방법을 했으며 Kruscal(1964)의 방법(isoMDS)함 수이용)과 비선형적 방법인 sammon(1969)의 방법 (sammon(함수이용)을 사용하였다. 차원에 따라 스트 레스(stress)의 적절한 값은 4, 5차원에서는 0, 3차원은 0.01, 2차원은 0.02, 1차원은 0.05로 변한다. 스트레스 (stress)측정은 Kruscal의 방법을 시행한 결과 0.003 이었고, sammon의 방법에서도 stress는 0.0152로 나 타나 둘다 훌륭함(excellent)을 만족하였다.

모형의 적합도 판정은 Guttman(1968)이 제시한 세퍼드도표(Shepard)와 이미지도표(Image diagram)를이용하여 비계량형 MDS의 모형의 적합도를 판별할수 있다[39]. 이미지도표에서는 점들이 원점에서 수평축에대하여 45:각도로 직선상에 놓이면 비계량형 MDS의모형이 적합하다고 할 수 있으며, 세퍼드 도표에는순위상의 단조성을 나타내는 함수f(·)가 단조성을 보이면 모형의 적합하다고 할수 있다[39]. 본 연구모형은다차원척도법의 모형검증에서 적합하게 나타났으며, 표13.은 세퍼드 도표(Shepard diagram)와 이미지도표 (Image diagram)를 위한 좌표데이터이며, [그림 7]은세퍼드도표와 이미지도표를 나타냈었다.

표 13. 세퍼드도표(Shepard diagram)과 이미지 도표(Image diagram)를 위한 좌표데이터

그림7. 세퍼드 도표와 이미지 도표

4.2. 학습형태에 따른 선호도 분류결과

[그림 8]는 MDS결과 나타난 학습형태의 분류이다. 비계량형 MDS결과는 현장강의가 1사분면, 라이브방송 (현강+화상), 실시간 화상수업이 2사분면, 현장강의 후 인터넷강의복습, 화상수업후 인터넷강의 복습이 3사분 면, 인터넷 녹화수업이 4사분면에 위치하였다. 이는 x 축의 (+)방향으로는 학습을 "강의내용전달"을 중심으로 하는 학습의 경우이며, x축의 (-)방향으로는 참여(과제 발표 등)'을 중심으로 학습이라고 볼수 있다. y축의 (+) 방향으로는 '실시간 학습(혹은 면대면(face to fece)학 습)'을 하는 형태라고 볼수 있으며, y축의 (-) 방향으로 는 '비동기화 학습/비대면 학습'의 형태라고 볼수있다.

그림8. MDS결과 나타난 학습형태의 분류

학습자들이 인식한 학습형태는 수업에서 강의를 듣 고 전달받는 방식과, 수업에 참여하여 발표하는 참여중 심 방식이었다. 조사결과 참여 중심 방식에는 화상 강 의가 포함 되어있는데, 그 이유로는 화상강의는 직접적 인 발표가 아니어도 채팅창 등을 이용하여 의견 발표가 가능하다는 특징들이 반영된 것으로 보인다. 현강후 인 강복습이나 화상후 인강복습에 대한 인식은 학생들이 현장강의나 화상강의를 참여했다 하더라도 시간에 구 애받지 않고 자기 주도적으로 복습을 하고 공부한다는 인식이 더 강하여 비동기화된 학습으로 인식하거나 비 대면 학습으로 인식하는 경향이 많았다. 이는 인터넷 학습처럼 온라인상의 강의는 비동기화 학습, 비대면학 습으로 인식하는 것과 결(grain)이 같았다.

다차원척도법으로 분석한 결과 학습자의 선호학습특성에 대하여 최종적인 명영(naming)은 다음 사항을 고 려하였다. 1사분면의 현강 중심의 학습은 오프라인동기화 타입(offline sync type)학습으로, 2사분면의 화상강의와 라이브 강의 중심은 온라인 동기화 타입(online sync type) 학습으로, 3사분면의 현장강의 후 인터넷강의 복습, 화상강의 후 인터넷강의 복습은 자기주도학습 타입(Self-direct learning type)로, 인터넷 강의는 유비쿼터스 학습 타입(Ubiquitous learning type) 으로 명명하였다. 학습의 방식이 지식의 전달 중심인가참여중심인지를 구분하고, 동기화된 실시간 면대면 학습인지 여부와 비동기화된 비실시간 비대면 학습인지를 구분하였다. 따라서 학습을 분류하면 다음과 같이 4 가지의 선호하는 학습형태로 분류가 가능 하였다.

(1) 오프라인 동기화 타입(Offline sync type): 교실현장강의l(Classroom lecture)중심의 학습

(2) 온라인 동기화 타입(online sync type): 화상강의 및 라이브방송 강의 중심의 학습

(3) 자기 주도 학습 타입(SelF-direct learning type): 인터넷강의 복습과 과제관리중심의 학습

(4) 유비쿼터스 학습 타입(Ubiquitous learning type): 인터넷 강의 등 온라인강의 중심의 학습

[그림 9]에는 MDS를 이용한 개인특성의 선호학습특성에 대한 분류를 하여 명명(naming)한 결과를 나타내었다.

그림 9. MDS로 분류된 학습자의 선호학습특성

IV 논으

본 연구는 온라인, 오프라인 도구를 통하여 공부하는 학습자들을 대상으로 스마트러닝 학습앱의 시스템사용 자 경험과 콘텐츠 사용자경험이 지속사용 의도에 미치 는 구조적인 관계를 기술 수용모델을 통하여 이해하고, 기술수용모델의 외부변수인 개인특성 중 하나인 선호 하는 학습형태에 대한 인식을 분석하여 선호학습패턴 으로 특성을 분류하는 데 그 목적이 있다. 결과적으로 온라인 스마트러닝 학습업(Jive.shop)이 학습자들에게 학습 흥미를 유발하고 학업성취 향상에 유의미한 영향 을 미치는 학습앱을 개발하는 경우, 학습앱의 시스템UI 의 구성과 콘텐츠 구성에 대한 인터페이스 디자인(UI design)및 이를 활용하기 위한 사용자 경험디자인 (User experience design)제고하여 사용자경험 디자 인 설계 향상 방안을 모색하고, 온라인 도구를 사용하 는 학습자의 사용자경험에 대한 인식과 학습자의 특성 을 다차원척도법에 의하여 분석 및 분류하였고, 다양한 학습자를 고려한 스마트러닝 학습앱의 사용자 경험디 자인 설계향상에 기여하고자 하였다.

선행연구들에서는 실험설계가 아닌 설문 중심 연구를 통해 서로 다른 온라인 학습시스템을 경험한 사용자를 대상으로 분석하거나, 서로 다른 시기에 경험한 대

한 조사를 한 후에 이를 분석하는 경우가 많아 실증적결과가 부족하거나 한계가 있었다. 이렇게 서로 다른 시스템, 다른 시기와 환경을 경험한 사용자를 대상으로온라인 학습앱에 대한 지속사용 의도 측정하게 되면상당한 개인차가 발생하게 된다. 또한, 개인차에 따른지속사용의도에 미치는 다양한 변수로 인하여 집단 간비교는 더욱더 어려워지거나 그 결과에 대한 해석이 어 려워진다. 그러나 본 연구에서는 UX 전문가의 의견이반영된 온라인 학습앱(Jlive LMS)을 개발하였고, 실시간으로 생산되는 학습 콘텐츠를 통하여 실험에 참여한학습자가 동일한 시스템 환경을 경험하게 하였다. 또한. 동일한 강의 콘텐츠를 제공하고, 학습자가 콘텐츠의 구 성(순서, 위치 등)을 변경할 수 있는 기능을 통해 학습앱의 콘텐츠 사용자경험을 제공하였으므로 학습앱에대한 지속사용의도의 측정하여 더욱 실증적 결과로 도 출되었다. 따라서, 이 결과를 이용한 집단간 비교는 더욱 의미 있다고 할 수 있다. 이에 대한 한계점으로는 한가지 학습앱만을 개발하여 비교하였으므로 결과를 교육현장에서 사용하는 다양한 학습앱의 시스템디자인에대한 사용자 경험으로 일반화 하는데에는 한계가 있다.

본 연구에서 사용한 학습앱에서의 시스템사용자경험과 콘텐츠사용경험을 구현하기 위하여 [그림 1]하단에제시된 제공된 강의콘텐츠의 위치와 순서를 변경하고시스템의 구성이 변경할 수 있는 기능을 통해 사용자경험을 제공하고, 그 실행에 대한 자기평가기능을 통하여얼마나 잘 수행했는지 알려주는 그래프를 통해 자기점검기능을 제공하였다. 즉, IT 서비스관점에서 보면 이미 변경이 안 되도록 만들어져서 제공되는 시스템UI와콘텐츠가 아니라, 학습자가 콘텐츠의 구성과 내용 및순서를 자신이 원하는 최적의 순서와 위치를 변경할수있는 기능(AI플래너)을 제공하여 학습자의 시스템 및콘텐츠 사용자경험이 지속사용의도 증가시키는 효과가있는지 검정하였다. 따라서, 본 연구에서 나타나는 지속사용의도에 대한 평가 결과는 학습앱에 대한 시스템과콘텐츠의 사용자경험에서 비롯된 것임을 유추할 수 있 었다.

연구결과를 토대로 도출한 결론과 논의는 다음과 같다.

첫째, 시스템 사용자경험은 지각된 사용용이성에 유의미한 정(+)의 영향을 미쳤으며, 콘텐츠 사용자경험은

지각된 유용성에 유의미한 정(+)의 영향을 있었다. 또한 지각된 사용용이성은 지각된 유용성에 유의미한 정(+)의 영향이 미쳤으며, 이어 지각된 유용성은 태도에유의미한 정(+)의 영향을 주었고, 태도는 유의미한 지속사용의도에 유의미한 정(+)의 영향이 있었다. 즉, 시스템 사용자경험(SUX)과 콘텐츠 사용자 경험(CUX)은학습앱의 지속사용의도에 유의미한 영향을 미치는 효과적인 변수임이 도출된 것이다 학습앱을 설계하고 디자인을 할 때에 고려할 사항으로는 고도화된 시스템UX 디자인을 통해 학습자로 하여금 학습에 위한 접근성을높여 주는 것과 체계적으로 구성된 콘텐츠UX 디자인을통해 학습자로 하여금 흥미를 유발시켜 학습에 대한 의미를 느끼게 만드는 것에 중요하다. 그 결과로 시스템과 콘텐츠사용자 경험을 통하여 지각되는 유용성(PU) 은 학습앱의 사용에 대한 긍정적인 태도에 유의미한 영향을 미치게 된다. 이러한 태도는 온라인 학습앱을 지속해서 사용할 의도를 만들게 된다는 것을 의미한다. 따라서 스마트러닝 온라인 학습앱은 사용자가 생각하는 총체적 경험을 고려하여 시스템 인터페이스는 쉽게이해되고 쉽게 사용할 수 있는 디자인으로 만들어야 한 다. 무엇보다 온라인 학습앱의 콘텐츠는 학습자 및 시스템과 상호작용할 수 있도록 구조화·계열화하여 몰입감을 느낄 수 있도록 구성하는 것이 중요하다.

둘째, 다중그룹(성별, 학습선호)별로 지속사용의도에대하여 각 효과를 비교 분석한 결과, 성별과 선호학습그룹간에는 유의미한 차이가 나타났다. 성별간에는 콘텐츠 사용자경험이 지각된 유용성에 미치는 효과에서유의미한 차이가 있었으며, 특히 여성 학습자가 남성학습자에 비해 더 높은 효과가 나타났다. 이는 온라인학습앱의 더 좋은 사용성을 위해 디자인하면서 고려해야 할 사항으로 온라인 학습시스템에 상대적으로 불리하게 느끼거나 혹은 사용에 어려움을 느끼는 여성 학습자와 같은 경우 사용하는 콘텐츠의 구성과 질이 유용한가치를 느끼게 만들 때 학습앱에 대한 태도와 지속사용의도에 긍정적인 영향을 미칠 수 있을 것으로 추측된 다. 또한 시스템에 적응력이 높거나 온라인 학습앱에숙달된 학습자가 사용하기 편리한 디자인을 설계하는것 또한 매우 중요하다. 숙련된 사용자는 초보 사용자를위해 제공된 시스템이 점점 불편해지기 때문에 핫키

(hot key)등을 적용하여 온라인 학습 시스템을 원활하게 사용하기 위한 기능을 제공하는 것이 중요하다.

다집단 분석 중 온라인과 오프라인 선호학습 그룹 간차이를 분석한 결과, 지각된 사용용이성이 지속사용의도에 미치는 효과 및 태도가 지속사용의도에 미치는 효과에 대한 차이가 발생하였다. 특히 오프라인학습 선호그룹의 경우 온라인 학습 선호그룹에 비해 학습앱의 사용용이성이 증가할수록 지속사용의도가 증가하는 것으로 나타났다. 오프라인의 학습환경에서는 교사와 학생이 상호작용하면서 실시간으로 배우는 순서가 바뀌기도 하며 학습자의 피로도 및 다양한 상황을 고려하여학습이 이루어진다. 따라서, 학습앱에서 이렇게 콘텐츠사용자경험을 제공하는 강의순서와 위치를 변경하는기능을 통해서 사용하는 방법이 편리해지고, 학습자의기존 경험에 유사하게 변경되게 만들 수 있기 때문에지속사용의도가 증가한 것이라고 볼 수 있다. 즉 오프라인 학습을 선호하는 그룹은 학습자가 스스로 학습앱사용이 편리하거나 가치를 느낄 때 태도의 변화가 일어 났다. 즉 오프라인 학습 선호그룹을 위해서는 고도화된인터페이스 디자인과 체계적·구조적인 콘텐츠 UX디자인이 요구됨을 암시하고 있다. 온라인 학습선호 그룹은온라인 학습 시스템의 사용에 대한 사용용이성(PEOU) 이 커질수록 학습앱을 대하는 태도에 긍정적인 영향을주었다고 볼 수 있다. E-러닝, IT서비스 관점에서 볼 때, 온라인 접속을 통해 시스템을 사용한 학습은 상당한 피곤함을 유발하기 때문에 학습앱 시스템은 직관적인 디자인을 제공하고, 누가 봐도 쉽게 사용할만한 편리성을 제공하거나 혹은 사용자가 자신의 경험에 맞게조절할 수 있는 인터페이스를 갖추는 것이 중요해진다. 제한점으로는 오프라인 학습 선호그룹의 표본수가 온라인학습 선호그룹보다 상대적으로 많아 비교에 대한과대추정의 위험이 있다.

셋째, 선호하는 학습패턴은 현장에서 실제 가장 많이사용하는 학습인 현강(학원에서의 수업), 화상(실시간 화상강의), 인강(인터넷 강의), 현강+화상(라이브 방송), 현강후 인강복습(보층), 화상후 인강복습(보층)으로 구분하여 유사도 및 비유사도를 이용한 MDS분석을 하였 으며, 그 결과 저차원으로 분리된 유형은 offline sync type, Online sync type, Ubiquitous learning

type, Self-direct learning type으로 4가지 유형으로 나타났다. 이와 같은 구분은 스마트러닝 학습앱을 활용하여 새로운 학습기술과 학습내용을 수용하는 과정에서 그룹을 비교하거나 개인특성을 고려하는 과정에서단순하게 온라인, 오프라인을 선호하는 특성이나 혹은학습자의 성적으로 분류하지 않고 본 연구에서 제시된4가지의 학습유형을 적용하여 개인의 특성을 분류할필요성이 제기된다. 개인의 특성을 현실에 맞는 학습의성향으로 분류하고 이에 맞게 학습시스템의 UX와 UI 디자인을 설계한다면 더 효과적인 학습을 할수 있고, 학습의 흥미 및 학습의 효과를 증진시켜 긍정적인 태도를 갖게 만들게 되며, 학습의 지속성을 높여줄 것으로 기대된다.