Ⅰ. 서론
국내에서는 2001년 3월 학사과정 7개와 전문학사과정 2개의 9개 사이버대학교가 최초 개교하였다. 그 뒤 교육부의 대학설립인가가 일부 이루어져 2023년 9월 현재 학사과정의 사이버대학교는 19개가 있고, 전문학사과정의 사이버대학교는 3개가 있다. 이중 고등교육법의 적용을 받는 학사과정 사이버대학교는 2023년 설립된 태재대학교를 포함하여 18개교가 있고, 전문학사과정은 2개교가 있으며, 평생교육시설로 분류되는 원격대학교는 학사과정 1개교와 전문학사과정 1개교가 있다[1]. 교육부의 ‘대학알리미’ 공시에 의하면, 사이버대에 재학중인 전체 학생 수는 2022년 현재 129,276명이었다[2].
사이버대학교는 최초 인가 후 지속적으로 증가하여 국내 고등교육과 평생교육의 일부를 담당하고 있는 것으로 여겨지는데, 최근 급격한 환경의 변화에 따라 새로운 경쟁의 상황에 처해 있다. 주요한 외부 환경의 두드러진 변화로는 잠재고객을 이루는 학령 인구가 계속 축소되는 경향이 나타나고 있으며, 기존 경쟁자 외에도 다양한 형태의 새로운 경쟁자들이 진입할 가능성도 높아지고 있다. 게다가 정보기술 및 관련 기술이 급속도로 발전하여 학생들의 요구 수준에 맞게 교육 서비스의 품질을 가져 가기 위해서는 지속적인 투자가 요구된다. 이러한 외부 환경의 변화와 경쟁의 심화에 따라 사이버대학의 경영자는 경쟁력을 높일 수 있는 전략을 수립해야 할 필요성도 높아지고 있다.
사이버대학교의 관리나 경영에 관한 연구의 필요성은 높지만, 기존에 실시된 많은 연구들은 사이버대학교 학습자 개인의 학습 효과나 만족도에 관한 연구들이었다[3-4]. 그 외에 사이버대학교의 관리에 관심을 둔 연구들은 대학교 차원에서 평가 요소나 질 관리 현황을 주제로 실시된 연구[5-6], 사이버대학교에 대해 전략점 시사점을 도출한 연구[7]와 사이버대학교 입학생들의 입학결정에 영향을 미치는 커뮤니케이션 연구[8] 등 일부의 연구가 있다.
본 연구에서는 소비자의 욕구와 동기에 바탕을 둔 시장 분석에 기초하여 사이버대학교가 경쟁 우위를 확보할 수 있는 전략에 대한 시사점을 찾고자 하였다. 조사분석에서는 컨조인트 분석을 사용하였는데, 이 기법은 소비자들이 제품의 각 속성을 어느 정도 중요하게 여기는지 측정하고, 어떠한 제품 프로파일을 선호하는지 파악하며, 경쟁하는 제품들 간의 시장 점유율이 어떻게 될 것인지 예측할 수 있는 분석 기법이다[9]. 연구에서는 사이버대학교를 구성하는 요소들의 중요도를 파악하고, 각 요소들의 세부 수준의 추정된 효용을 파악하여, 잠재 고객들이 가장 선호할 수 있는 사이버대학교의 구성을 확인하였다. 그리고 사이버대 이름과 기타 구성 요소 중 효용이 높은 세부 수준들로 프로파일을 구성하여 시뮬레이션을 실시하여 잠재 고객이 사이버대학교를 선호하는데 있어서 브랜드가 미치는 영향을 추정하였다.
II. 사이버대학교 관련 연구
사이버대학교에 관하여 실시된 많은 연구들에서는 학습자 개인의 행동에 초점을 맞추었고, 학습자의 학습효과, 학생생활이나 학습활동 등이 주요 주제로 연구되었다. 학습효과에 관한 연구들에서 많이 연구된 종속변인이나 매개변인은 학업성취, 만족, 몰입 등이었고, 독립변인은 학습참여, 학습동기, 효능감, 실재감, 몰입, 태도, 소진 등 다양한 개인의 내적 요인들을 포함하였으며, 외적 요인은 콘텐츠 품질, 시스템, 강의 서비스, 기타 학습환경과 같은 환경적 요인들이었다. 기존 연구들을 종합하여 분석한 연구로, 주영주 외 2인[4]은 국내 사이버대학교의 학습만족도에 관련된 44편의 연구를 분석하여 내적 요인을 학습능력, 학습심리, 학습태도로 구분하였고, 외적 요인을 교수적 환경, 기술적 환경, 사회적 환경으로 범주화하여 메타분석을 실시하였는데, 외적 요인이 내적 요인보다 학습만족도와 높은 상관관계가 있었으며, 시스템 품질이 학습만족도와 가장 큰 상관관계를 나타내었고, 교수실재감, 몰입, 서비스품질, 콘텐츠품질의 순서로 효과가 있다고 하였다. 윤정미와 장은정[3]은 2001년부터 2022년 4월까지 학술지에 게재된 총 89편의 논문들을 분석하여 실재감, 학습만족도, 학습몰입, 학습관리시스템의 순서로 연결중심성이 높게 나타났다고 하였다.
사이버대학교의 관리에 관심을 둔 연구들은 대학교 차원에서의 평가 요소나 질 관리 현황을 주제로 실시되었다. 주영주와 김은영([6]은 선행연구 분석을 통해 오프라인 대학과 사이버 대학의 공통적인 평가 영역과 차별적인 평가 영역을 파악하여, 사이버대학의 강좌를 평가하는 도구의 평가영역 및 평가준거를 도출하는 연구를 하였다. 권영임[5]은 2007년 실시된 사이버대학 평가 영역 중에서 수업운영 영역을 분석하였는데, 사이버대 학생들은 연령, 학력, 직업 등이 다양하며 학습 방법이나 컴퓨터 숙달 정도에서도 차이가 크므로, 이러한 성인 학습자들의 특성을 고려하여 교수학습방법을 개발할 필요가 있다고 하였다.
사이버대학교 관련 연구 중 사이버대학교에 대해 전략점 시사점을 제시한 연구로 SWOT분석을 하여 사이버대학의 발전방안을 제시한 연구가 있다[7]. 박준철[7]의 연구에서 제시된 방안 중 몇 가지를 보면, 사이버대학의 강점으로 시간과 공간의 제약이 없는 교육기회 제공, 고등교육의 기회와 평생교육의 연결고리 역할을 통한 교육의 기회 제공 등을 들었다. 반면, 약점으로 평생교육기관과 고등교육기관의 양면성으로 인한 정체성 문제, 사이버대학 간의 과다 경쟁으로 인한 재정적 어려움 등을 들었다. 한편, 기회요인으로는 미래 발전적인 대학의 모델 가능성, 사이버대학의 글로벌화 가능성 등을 들었고, 위협요인으로는 오프라인 대학의 사이버교육 시장의 진입강화, 한국방송통신대학 등 경쟁기관에 비해 낮은 인지도와 낮은 가격경쟁력, 평생교육에 대한 새로운 형태의 사이버교육기관 설립 증가 등을 들었다.
사이버대학교 경영 관련 연구로 사이버대학 입학생이 입학을 결정하는데 영향을 미치는 요인들을 입시 커뮤니케이션을 중심으로 파악한 연구가 있다[8]. 박승희와 조규락[8]은 사이버대 입학생의 지원 결정과 등록 결정에 영향을 미치는 요인으로 개인특성, 입학목적, 커뮤니케이션 메시지, 커뮤니케이션이 미치는 영향을 구분하여 연구하였다. 이 네 가지 독립변수 중 입학목적에서는 자격증 취득이 가장 우선으로 고려되었다. 입학결정에 영향을 미친 커뮤니케이션 하위요소는 학과명성, 동법인 산하 오프라인 대학 연계, 특성화경쟁력, 대학시설이었다. 사이버대학교에 관련된 기존 연구들을 보면, 사이버대학교의 관리나 경영에 관한 연구는 매우 적은 것을 알 수 있다.
III. 사이버대학교의 현황과 연구과제
3.1 사이버대학교의 현황
사이버대학교에 대한 다양한 정의들이 있는데 이것들을 종합하면, 우리나라의 사이버대학교는 컴퓨터 네트워크를 기반으로 정보기술을 활용하여 사이버공간에서 모든 교육활동이 이루어지도록 하는 고등교육기관이라고 할 수 있다[10]. 한편, 교육부의 공시에 의하면 사이버대학교는 “정보통신기술 등을 이용하여 형성된 가상의 공간을 통하여 교수자가 제공한 교육서비스를 학습자가 시간과 공간의 제약을 받지 않고 학습함으로써 일정한 학점을 이수하고 학위를 수여하는 원격대학의 한 종류”라고 개념화하고 있다[11]. 2023년 9월 현재 사이버대학교 현황을 보면 <표 1>와 같다.
<표 1> 사이버대학교 현황
*는 평생교육법상 교육기관임.
**는 2023학년도 설립인가를 받고 2023년 9월 개교한 원격대학으로, ‘사이버’나 ‘디지털’ 명칭을 붙이지 않은 첫 원격대학임[12].
2023년 9월 현재 고등교육법의 적용을 받는 학사과정 대학교는 18개교가 있고, 평생교육시설로 분류되는 1개교를 포함하면, 학사과정 사이버대는 19개교가 된다. 전문학사과정 사이버대는 고등교육법의 적용을 받는 2개교와 평생교육시설로 분류되는 1개교가 있어 3개교가 있다. 사이버대학교 중 명칭에 ‘사이버’를 포함하고 있는 학사과정 대학교는 14개가 있고, 명칭에 ‘사이버’를 포함하는 전문학사과정은 대학교는 3개가 있으며, 명칭에 ‘디지털’을 포함하는 학사과정 대학교는 4개가 있으며[2], 명칭에 ‘사이버’나 ‘디지털’을 붙이지 않은 학사과정 대학교는 1개가 있다[12].
교육부의 ‘대학알리미’ 공시에 의하면, 사이버대에 재학중인 전체 학생 수는 2022년 현재 기준으로 129,276명으로, 그 중 한양사이버대학교가 16,970명으로 재학생이 가장 많았고, 서울사이버대학교가 16,539명으로 두 번째로 많았으며, 서울디지털대학교가 11,133명으로 세 번째로 많았다. 입학정원을 보면, 서울사이버대학교가 3,270명으로 가장 많았고, 한양사이버대학교가 3,240명으로 두번째로 많았으며, 서울디지털대학교와 경희사이버대학교가 3,000명으로 세 번째로 많았다[2]. 사이버대학교의 재학생 수와 입학정원에 의해 보면, 국내에서 사이버대학교가 고등교육 서비스를 제공하는 하나의 교육기관 유형으로 자리 잡았으며, 오프라인 대학교 재단의 존재 유무나 대학교의 이름 형태가 학생들이 사이버대에 입학하는 것을 결정하는데 있어서 아직까지는 결정적인 요인으로 작용하지 않는 것으로 볼 수 있다.
3.2 사이버대학교 경영 환경의 변화
사업체에 영향을 미칠 수 있는 환경은 외부 환경과 내부 환경의 측면에서 파악될 수 있다. 외부의 거시 환경이 변화하면 경영자 입장에서 새로운 전략을 수립하고 실행할 기회가 생기기도 하지만, 모든 기회가 모든 사업체에 동일하게 적용되지는 않는다[13, 14]. 본 연구에서는 사이버대학교의 경영에 영향을 미칠 수 있는 요인으로 사회와 문화적 환경요인 중에서 인구통계적 환경, 법 및 정치환경 중에서 법률적 환경, 기술적 환경 중에서 정보기술의 변화와 영향을 정리하였다.
3.2.1 인구통계적 환경
대학교에 입학하고자 하는 인원 수에 직접적으로 영향을 미치는 요인은 인구통계적 요인이다. 현재 우리나라에서는 출생아 수가 지속적으로 줄어들고 있는데, 이에 따라 나타나는 현상 중 하나는 학령인구의 지속적 감소와 대학교에 신입학하는 연령대의 인구 수가 계속 감소하는 것이다. 학령인구의 감소는 각 대학교의 학생모집에도 어려움을 끼치고 있는데, 2000년 82만 7천명이었던 학령인구가 2021년 47만 6천명으로 급감하자, 교육부는 학생 수의 부족으로 인해 재정이 열악해지거나 폐교 위기에 놓이게 된 대학들이 늘고 있다고 보고 대학정원을 충족하지 못하는 대학교에 대해 충원율을 높이도록 압박하고 있다[15]. 오프라인 대학교들은 다양한 방법을 강구하여 학령인구의 감소에 대해 대응하고 있는데, 그 중 고려될 수 있는 방법 중 하나는 평생교육과 재교육 시장으로 진출하는 것이다. 특히 오프라인 대학의 사이버교육 강화는 정부의 정책적 지원과 맞물려 온라인 교육시장에서의 경쟁을 심화시키는 요인으로 작용할 수 있다[7]. 즉, 오프라인 대학교의 사이버교육 시장 진출은 새로운 경쟁자의 출현이라는 측면에서 위협요인이 될 것이다. 그 외에도 장기적으로 볼 때 인구 수의 감소는 사이버대학교에 입학하고자 하는 인원 자체가 줄어드는 추세로 나타날 것이기 때문에, 사이버대학교의 잠재 고객 시장 자체가 축소되는 것에 대응 할 수 있는 전략을 수립해야 할 필요성이 높아지고 있다.
3.2.2 법률적 환경
사이버대학교를 설립하고 운영하기 위해서는 교육부의 인가를 받아야 하고 법규를 준수하고 규제를 받아야 하기 때문에 교육부의 각종 법령은 사이버대학교 운영에 크게 영향을 미치게 된다. 학령인구 감소에 따라 대학의 정원 미충원 사태가 계속되자 교육부는 다양한 정책을 내놓고 있는데, 그중 하나로 오프라인 교육방식과 온라인 교육 방식을 구분하는 규정을 없애고 교육방식을 대학 자체적으로 결정하고 실시할 수 있게 하였다[16]. 이는 대학의 교육방식에 대한 제약조건을 없애고, 대학들 간 전면적인 경쟁의 상황을 유도하는 것이라고 할 수 있다. 또한 사이버대학교만이 온라인 교육을 실시할 수 있다는 명확한 경계가 없어지게 되었다.
교육부의 다양한 정책은 오프라인 대학교의 규제완화에 집중되어 있는 반면, 사이버대학교의 경쟁력을 높일 수 있는 기회가 될 수 있는 정책은 미미하다고 할 것이다. 2022년 10년 18일 시행된 ‘사이버대학 설립·운영 규정’ 일부개정령안에서 기존에 명시된 사이버대학을 나타내는 용어의 명시 규제가 삭제되었지만[17], 명칭 제약조건의 삭제가 사이버대의 경쟁력에 가져올 효과에 대해서는 상반된 견해가 존재한다. 법률적 환경의 변화에 따라 사이버대학교에 대한 위협은 증가되고 있지만 특별한 기회는 나타나지 않고 있다고 할 수 있다.
3.2.3 기술적 환경
사이버대학교는 인터넷을 매체로 활용하여 교육 서비스를 제공하기 때문에 교육의 품질은 인터넷을 비롯한 정보기술의 발전과 이의 활용에 의존하게 된다. 한편, 정보기술의 활용성이 높아지고 시장 진입이 용이해짐에 따라 평생교육과 재교육을 위한 새로운 형태의 사이버교육 기관 설립도 증가하고 있고, 해외 사이버 교육기관의 국내 진입도 증가하고 있다[7]. 특히 최근에 급속히 발전하고 있는 인공지능(AI, 이하 AI) 기술은 교육분야에서도 크게 영향을 미칠 것으로 예상된다. AI를 비롯한 정보기술의 발전에 따라 오프라인 대학교도 디지털 기술을 활용하는 교육과 원격 교육을 실시하는 것이 용이해졌고, 관련된 연구들도 제시되고 있다[18, 19]. 특히 코로나19 팬데믹 상황에서 국내의 모든 대학교들이 온라인으로 수업을 실시한 경험은 오프라인 대학교의 사이버교육 실시 가능성을 높일 것으로 예상할 수 있다. 정보기술의 발전은 새로운 경쟁자의 시장 진입을 용이하게 한다는 측면에서 위협 요인으로 작용할 것이며, 교육 서비스의 품질을 높일 수 있는 수단이 된다는 점에서 기회의 요인으로 작용할 수도 있다.
다만, 오프라인 대학이 원격교육을 실시하기 위해서는 인터넷 매체를 통해 제공되는 교육의 품질을 높이고 학생 관리를 철저히 해야 하며, 시스템 상의 추가적인 지원이 필요하다는 점에서 여러 가지 제한점을 보완해야 한다. 이는 2023년 오프라인 대학교의 비대면 강좌 수가 2022년의 25% 수준으로 줄어든 점에서 알 수 있다[20]. 그리고 대학 유형 간에 존재하는 등록금의 차이를 해소할 수 있는 대책도 미리 강구되어야 할 것이다.
3.3 연구과제 설정
외부 환경의 변화는 사업체에 다양한 기회와 위협 요인으로 작용하여 새로운 사업 기회를 제공할 뿐만 아니라 기존 전략을 수정할 필요성도 증가시킨다. 특히 외부의 거시 환경이 변화하면 새로운 사업 기회가 나타나거나 소비자들의 욕구가 변화하고 상품의 선호도가 바뀌어 마케팅 전략에 영향을 미치기도 한다[13, 14]. 외부 환경의 변화에 대응하여 사이버대학교의 경영자가 경쟁우위를 확보할 수 있는 전략을 수립하고 실행하기 위해서는 소비자의 욕구와 동기에 바탕을 두고 시장을 분석하여 적합한 역량을 구축해야 한다. 본 연구의 구체적인 연구 과제는 다음과 같다.
첫째, 사이버대학교 선호도에 영향을 미치는 주요한 구성 요소들의 중요도를 파악한다.
둘째, 사이버대학교 구성 요소들의 세부 수준의 효용을 추정하여 부분가치를 파악한다.
셋째, 시장을 세분화하여 세분시장별 사이버대학교 구성 요소들의 중요도를 파악한다.
넷째, 세분시장별 사이버대학교 구성 요소들의 세부 수준의 효용을 추정하여 부분가치를 파악한다.
다섯째, 세분시장별로 사이버대학교 브랜드의 영향력을 파악한다.
IV. 조사분석
4.1 조사실시
4.1.1 조사대상 사이버대학교 선정
2023년 9월 현재 존재하는 22개 사이버대학교의 모든 특성을 컨조인트 분석에 반영하는 것은 분석기법상으로 매우 어렵기 때문에 재학생 수와 입학생 수를 기준으로 하여, 재학생 수가 가장 많고 입학정원 수가 가장 많은 S사이버대학교와 재학생 수와 입학정원 수가 두 번째로 많은 H사이버대학교를 조사대상으로 선정하였다. S사이버대학교는 오프라인 대학교를 기반으로 하지 않고, H사이버대학교는 오프라인 대학교를 기반으로 하는 차이점도 있다. 그리고 사이버대학교 중 재학생 수와 모집정원에서 상위에 위치하지 않지만, 외국어 분야의 특성화를 가장 강하게 강조하는 C사이버대학교를 추가로 선정하여 자체적인 특성화 요인이 미치는 영향도 파악하고자 하였다.
4.1.2 조사를 위한 속성 선정
조사할 속성을 선정할 때는 기존 연구의 결과를 반영하였다. 박승희와 조규락[8]의 연구에서 사이버대 입학생들이 입학을 결정하는데 중요하게 고려한 요인들을 정리하여 속성, 즉, 사이버대학교의 구성 요소를 선정하였는 데, 자격증 취득, 학과명성, 대학교 이름을 속성으로 선정하였고, 사이버대학교의 교육방식을 반영하는 요인으로 학습관리와 학점부여를 어떻게 하는지에 대한 내용도 추가하였다. 그리고 선정한 속성들에 대해 3개 대학교의 홈페이지와 입학생 모집 공고, 광고 문구에서 특징적인 요인을 검토하여 속성 내의 각 세부 수준과 내용을 결정하였다. <표 2>에서 보는 바와 같이 구성 요소와 세부 수준은 ‘사이버대 이름’은 세 수준, ‘학과특징’은 세 수준, ‘학습관리 형태’는 두 수준, ‘졸업 후 기대효과’는 세 수준으로 하였다.
<표 2> 조사 속성(구성 요소) 선정
※ ‘사이버대 이름’은 사이버대학교의 현재 상태에 영향을 미칠 수 있기 때문에 논문에서는 대학교의 영문약자로 표기함.
4.1.3 조사를 위한 프로파일 구성
컨조인트 분석을 하기 위해 제품 프로파일을 구성할 때는 일반적으로 프로파일들의 수가 계수들의 수의 두배 이상이 되는 것이 바람직하다. 사이버대학교의 교육 서비스 프로파일을 만들기 위해 프랙셔널 팩토리얼 디자인(fractional factorial design)을 이용하면 16개의 프로파일이 계수의 2배가 된다[21]. 여기에 검정용 프로파일이 2개 생성되도록 하여 SPSS25 프로그램으로 프랙셔널 팩토리얼 디자인을 실행하여 18개의 프로파일을 생성시켰다(생성된 프로파일 구성은 ‘부록 : 프로파일’ 참조).
컨조인트 분석을 하기 위해 제품에 대한 소비자의 선호도를 측정하는 방식은 순위기반 컨조인트 분석(ranking-based conjoint analysis; RBCA) 방식을 사용하였고[9], 응답자가 선호하는 순서에 의해 1등부터 18등까지 순위를 매기도록 설문지를 구성하였다.
4.1.4 조사실시
조사자가 응답자들에게 설문지를 제시하고, 응답자가 설문지에 직접 순위를 매기는 방법으로 조사를 하여, 경기도 소재 1개 전문대학에서 학생들을 대상으로 조사를 실시하였다. 조사실시 시기는 2023년 10월 16일부터 2023년 11월 3일까지였고, 회수된 설문지는 200개였다. 회수된 설문지를 검토하여, 2개 이상의 응답에 동일 순서로 표기하거나, 일정한 순서로 응답하거나, 순서에 빠진 번호가 있거나, 빈 칸이 있는 설문지는 불성실 응답지로 분류하여 27개의 설문지를 제외하였다. 그리고 통계 분석 S/W인 SPSS25를 사용하여 수집된 자료에 대해 개인별 분석을 포함하여 컨조인트 분석을 실시한 후, 응답자 개개인의 결과를 검토하여 켄달(Kendall) 타우(Τ)의 유의확률이 0.05 이상인 응답지를 불량응답지로 간주하여 추가로 제외하였는데, 이 때 제외한 응답지는 12개였다. 그리하여 최종 분석에 사용한 응답지는 161개였다.
4.2 분석 결과
4.2.1 응답자 인구통계
설문조사를 실시할 때, 현재 재학 중인 대학을 졸업한 후에 4년제 학위과정(정규대학, 사이버대학, 학점은행 등)을 공부하여 학사학위를 받을 생각이 있는지 물어보는 질문을 하였는데, ‘그렇다’고 응답한 응답이 73명(45.3%)이고 ‘그렇지 않다’고 한 응답은 88명(54.7%)으로 나타나서, 응답자들의 학사학위 취득에 관한 관심은 50% 이하였다.
응답자 중 남성은 82명(50.9%)이었고 여성은 79명(49.1%)으로, 성별 분포는 비슷한 수준을 나타내었다. 응답자의 연령은 18세 ~ 50세까지 분포되었는데, 19세가 35명(21.7%)으로 가장 많았고, 22세가 34명(21.1%)으로 두 번째로 많았으며, 20세가 32명(19.9%)으로 세 번째로 많았다. 응답자의 연령은 19세부터 23세까지가 129명(80.1%)으로 응답자의 대부분을 차지하였는데, 이는 전문대 학생들의 연령 특성을 나타낸다고 할 수 있다.
4.2.2 타당도 검증
전체 응답지를 가지고 컨조인트 분석을 실시한 후 타당도를 확인하였는데, 상관관계 값에서 피어슨(Pearson) R이 0.845이고 유의확률이 0.000이었으며 켄달(Kendall) 타우(Τ)가 0.567이고 유의확률이 0.001로 나타나 p<0.01 수준에서 유의하였고, 검정용 켄달(Kendall)의 타우(Τ)는 1.0으로 상관이 적절하였다. 상관계수의 유의확률과 검정용 켄달의 타우 결과에 의하면 타당도는 적합하였다.
4.2.3 분석결과
컨조인트 분석의 결과에서 각 속성의 중요도는 응답자가 각 속성을 얼마나 중요하게 생각하는지를 나타내고, 속성의 각 수준의 효용은 응답자가 속성 내의 구체적인 각 수준에 대해 응답자가 지각하는 선호도를 의미하여 각 수준의 효용 값이 클수록 더욱 선호되는 속성 수준을 의미하고, 각 속성을 결합하여 하나의 제품을 구성할 때 제품의 전체적인 선호도를 결정하는 부분가치가 된다. 그리고 컨조인트 분석의 결과에서 속성의 각 수준의 추정된 효용의 값은 상대적인 의미만 나타낸다[21, 22]. 컨조인트 분석의 결과는 <표 3>과 같다. 제품의 속성에 해당하는 구성 요소의 중요도를 보면, ‘졸업 후 기대효과’의 중요도가 43.708로 가장 높았고, ‘학과특징’이 35.897로 두 번째로 높았으며, ‘사이버대 이름’이 15.738로 세 번째로 높았고, ‘학습관리 형태’는 4.657로 가장 낮았다. 각 세부 수준의 추정된 효용을 보면, ‘졸업 후 기대효과’에서는 ‘학사학위와 민간자격증’이 0.618로 가장 높았고 ‘학사학위과 국가자격증’이 –0.085이었으며, ‘학사학위’는 –0.533으로 가장 낮았다. ‘학과특징’에서는 ‘유명한 학과’가 0.547로 가장 높았으며, ‘필요한 학과’는 –0.148이었고, ‘필요하고 유명한 학과’는 –0.399로 가장 낮았다. ‘사이버대 이름’에서는 S사이버대가 0.267로 가장 높았고, H사이버대는 –0.120이었으며, C사이버대는 –0.148로 가장 낮았다. ‘학습관리 형태’에서는 ‘쉬운 학점취득’이 0.061로 ‘높은 실력향상’의 –0.061보다 높았다. 각 구성 요소의 중요도와 세부 수준의 효용에 의해 전체 응답자 집단에서 가장 선호할 것으로 추정되는 사이버대학교를 구성하면 ‘학사학위와 민간자격증’, ‘유명한 학과’, S사이버대, ‘쉬운 학점취득’으로 구성된다.
<표 3> 사이버대 구성 요소에 대한 컨조인트 분석 결과
4.2.4 시장 세분화에 의한 분석
전체 응답자 집단의 선호도 점수를 평균하여 한 번의 컨조인트 분석 결과로 판단할 경우, 소비자들의 이질성을 반영하지 못하기 때문에 각 소비자들의 선호도를 제대로 파악하지 못하게 된다[23]. 컨조인트 분석은 소비자의 이질성을 반영하여 시장을 세분화하여 분석하는 것이 가능하며, 각 속성별 효용의 유사성에 따라 군집을 나눌 수 있다[24]. 구성 요소의 세부 수준의 추정된 효용을 기준으로 군집분석을 하여 응답자들을 세분화하였다. 군집 분석의 기준으로 사용한 속성은 중요도가 가장 높게 나타난 ‘졸업 후 기대효과’로, K-평균 군집분석을 사용하였으며, 응답지가 161개인 점을 고려하여 군집 수를 2개로 하였다. 군집분석에 사용한 S/W는 SPSS25였다. 군집분석의 결과는 <표 4>와 같다. 2개의 군집 중 군집1은 사이버대학교에서 공부를 하여 ‘학사학위’를 취득하는 것을 선호하는 집단이고, 군집2는 ‘학사학위와 자격증’ 취득을 선호하는 집단이라고 할 수 있다.
<표 4> 군집분석 결과
(1) 군집1 컨조인트 분석 결과
군집분석을 한 결과에 의해 군집1과 군집2를 분리하여 각각 별도의 컨조인트 분석을 실시하였다. 군집1의 컨조인트 분석 결과는 <표 5>와 같다. 구성 요소의 중요도를 보면, ‘졸업 후 기대효과’의 중요도가 49.983으로 가장 높았고, ‘학습관리 형태’가 19.208로 두 번째로 높았으며, ‘사이버대 이름’이 17.143으로 세 번째로 높았고, ‘학과특징’이 13.666으로 가장 낮았다. 각 세부 수준의 추정된 효용을 보면, ‘졸업 후 기대효과’에서는 ‘학사학위’가 1.193으로 가장 높았고, ‘학사학위와 국가자격증’이 –0.369였으며, ‘학사학위와 민간자격증’이 –0.824로 가장 낮았다. ‘학습관리 형태’에서는 ‘높은 실력향상’이 0.388로 ‘쉬운 학점취득’의 –0.388보다 높았다. ‘사이버대 이름’에서는 ‘H사이버대’가 0.365로 가장 높았고, ‘S사이버대’는 –0.039였으며, ‘C사이버대’는 –0.326으로 가장 낮았다. ‘학과특징’에서는 ‘유명한 학과’가 0.309로 가장 높았으며, ‘유명하고 필요한 학과’는 –0.066이었으며, ‘필요한 학과’는 –0.243으로 가장 낮았다. 군집1에서 가장 선호하는 사이버대학교를 구성하면 ‘학사학위 취득’, ‘높은 실력향상’, ‘H사이버대’, ‘유명한 학과’로 구성된다.
<표 5> 군집1 컨조인트 분석 결과
(2) 군집2 컨조인트 분석 결과
군집2의 컨조인트 분석결과는 <표 6>과 같다. 구성 요소의 중요도를 보면, ‘졸업 후 기대효과’의 중요도가 54.473으로 가장 높았고, ‘학과특징’이 17.595로 두 번째로 높았으며, ‘사이버대 이름’이 14.644로 세 번째로 높았고, ‘학습관리 형태’는 13.289로 가장 낮았다. 각 세부 수준의 추정된 효용을 보면, ‘졸업 후 기대효과’에서는 ‘학사학위와 민간자격증’이 2.447로 가장 높았고, ‘학사학위과 국가자격증’은 0.274이었으며, ‘학사학위’는 -2.721로 가장 낮았다. ‘학과특징’에서는 ‘유명한 학과’가 0.849로 가장 높았고, ‘필요한 학과’는 –0.028이었으며, ‘필요하고 유명한 학과’는 –0.820으로 가장 낮았다. ‘사이버대 이름’에서는 ‘S사이버대’가 0.655로 가장 높았고, ‘C사이버대’는 0.079이었으며, ‘H사이버대’는 –0.73.4로 가장 낮았다. ‘학습관리 형태’에서는 ‘쉬운 학점취득’이 0.630로 ‘높은 실력향상’의 –0.630보다 높았다. 군집2에서 가장 선호하는 사이버대학교를 구성하면, ‘학사학위와 민간 자격증’, ‘유명한 학과’, ‘S사이버대’, ‘쉬운 학점취득’으로 구성된다.
<표 6> 군집2 컨조인트 분석 결과
4.2.5 컨조인트 분석 결과 비교
(1) 전체 응답자와 군집1 비교
집단의 특성을 좀 더 구체적으로 파악하기 위해 전체 응답자와 군집1, 군집2를 추가로 비교한 결과는 <표 7>, <표 8>과 같다. 전체 응답자를 대상으로 분석한 결과와 비교했을 때, 군집1의 분석 결과는 전혀 다른 특징을 보여준다. ‘졸업 후 기대효과’의 중요도는 전체 응답자와 군집1에서 가장 높았고 군집1에서 값 자체도 높아졌는데, 세부 수준의 추정된 효용에서는 전체 응답자에서 ‘학사학위와 민간자격증’ 효용이 가장 높았던 것에 비해 군집1에서는 ‘학사학위’의 효용이 가장 높았다. 그리고 ‘학습관리 형태’의 중요도는 전체 응답자에서는 가장 낮았지만 군집1에서는 두 번째로 높았으며, 세부 수준에서 전체 응답자에서는 ‘쉬운 학점취득’의 효용이 높았지만 군집1에서는 ‘높은 실력향상’의 효용이 높았다. ‘사이버대 이름’의 중요도는 전체 응답자와 군집1에서 세 번째로 높게 나타나서 중요도 순위는 같지만, 중요도 값 자체는 군집1에서 약간 높아졌고, 세부 수준에서 전체 응답자에서는 ‘S사이버대’의 효용이 가장 높았던 반면, 군집1에서는 ‘H사이버대’의 효용이 가장 높았다. ‘학과특징’의 중요도는 전체 응답자에서는 두 번째로 높았지만 군집1에서는 가장 낮았고, 세부 수준에서 전체 응답자와 군집1 둘 다 ‘유명한 학과’의 효용이 가장 높았지만 군집1에서 효용 자체는 크게 낮아졌다. 구성 요소의 중요도와 세부 수준의 효용 차이에 의하면, 군집1은 전체 응답자와 구분되는 전혀 다른 세분집단이라는 것을 알 수 있고, 사이버대학교의 경영자들은 잠재 고객의 시장을 세분화하여 세분시장별로 적합한 전략을 수립하고 실행할 필요성이 있다.
<표 7> 군집별 컨조인트 분석 결과에 의한 중요도 차이
※ ‘학습관리 형태’, ‘졸업 후 기대효과’에서 군집1과 군집2는 세부 수준의 효용이 반대로 나타남.
<표 8> 군집별 효용 값이 가장 큰 세부 수준
(2) 전체 응답자와 군집2 분석 결과 비교
전체 응답자를 대상으로 분석했을 때의 결과와 군집2의 분석 결과는 유사한 결과를 보여주지만, 약간의 차이점을 보여준다. 특징적인 것은 ‘졸업 후 기대효과’의 중요도가 전체 응답자의 분석 결과보다 군집2에의 결과에서 매우 높게 나타났으며, ‘학습관리 형태’의 중요도는 군집2에서 크게 높아진 반면, ‘학과특징’의 중요도는 군집2에서 크게 낮아졌다는 것이다. 세부 수준의 추정된 효용을 비교해보면, ‘학습관리 형태’에서 ‘쉬운 학점취득’의 효용이 전체 응답자에 비해 군집2에서 크게 높아졌으며, ‘학과특징’에서 ‘유명한 학과’의 효용도 전체 응답자에 비해 군집2에서 크게 높아졌다. ‘사이버대 이름’에서도 ‘S사이버대’의 효용이 전체 응답자에 비해 군집2에서의 크게 높아졌다. 전체 응답자와 군집2를 비교한 결과는 유사한 결과를 나타내지만, 구성 요소의 중요도 정도에서 차이가 있고, 각 세부 수준의 효용 차이가 커지는 특징을 보인다고 할 수 있다. 이러한 결과에 의하면, 전체 집단에서 선호도를 파악하는 것은 정확하지 않은 결과가 되므로, 집단을 세분화하여 세분시장별로 구성 요소의 중요도와 세부 수준의 선호도를 파악하여 이를 기초로 전략을 수립해야 한다.
(3) 군집1과 군집2 분석 결과 비교
군집1과 군집2의 분석 결과를 비교해보면, 구성 요소에서 ‘사이버대 이름’의 중요도는 군집1이 군집2에 비해 높았으며, 세부 수준에서 군집1에서는 ‘H사이버대’의 효용이 가장 높았던 반면, 군집2에서는 ‘S사이버대’의 효용이 가장 높았다. ‘학과특징’의 중요도는 군집1 비해 군집2에서 높았으며, 세부 수준에서 ‘유명한 학과’의 효용이 가장 높았다는 점은 같지만, 군집1에서보다 군집2에서 크게 높았고, 군집1에서는 ‘필요하고 유명한 학과’의 효용이 두 번째로 높았던 반면, 군집2에서는 ‘필요한 학과’의 효용이 두 번째로 높았다는 차이점이 있다. ‘학습 관리 형태’의 중요도는 군집1이 군집2에 비해 높았는데, 세부 수준에서는 군집1에서 ‘높은 실력향상’의 효용이 높았던 반면, 군집2에서 ‘쉬운 학점취득’의 효용이 높았다는 반대되는 결과가 있었다. ‘졸업 후 기대효과’의 중요도는 군집1 비해 군집2에서 크게 높았으며, 세부 수준에서 군집1에서는 ‘학사학위’의 효용이 가장 높았고 ‘학사학위와 국가자격증’의 효용이 두 번째로 높았던 반면, 군집2에서는 ‘학사학위와 민간자격증’의 효용이 가장 높았고 ‘학사학위와 국가자격증’의 효용이 두 번째로 높았다는 차이점이 있다. 즉, 군집1과 군집2의 분석 결과를 비교해도 두 군집은 다른 특징을 가진 집단임을 알 수 있다.
4.2.6 세분시장별 선택 시뮬레이션 결과
선택 시뮬레이션은 가상적인 시나리오를 만들어 놓고 도출된 속성의 각 수준의 효용을 컨조인트 분석에 적용하여 각 대안이 획득하게 될 시장 점유율을 예측하는 것이다. 본 연구에서는 사이버대학교의 브랜드 효과를 파악하기 위해 군집1과 군집2 각각에 대해 ‘사이버대의 이름’의 세부 수준에 실제 3개 사이버대학교의 이름을 넣고, 구성 요소 중 나머지 3개 속성에 대해서는 군집1과 군집2 각각에서 가장 높은 효용을 나타낸 세부 수준을 넣어서 군집1과 군집2 각각에 3개 프로파일을 추가하여 시뮬레이션 분석을 실시하였다. 시뮬레이션 결과는 <표 9>와 같다. 점수를 보면, 군집1에서는 ‘H사이버대’의 점수가 가장 높았고, 군집2에서는 ‘S사이버대’의 점수가 가장 높았다. BTL과 Logit에 의한 시장 점유율 예측을 보아도 군집1에서는 ‘H사이버대’의 점유율이 가장 높았고, 군집2에서는 ‘S사이버대’의 점유율이 가장 높았다. 다만, 이러한 결과는 사이버대학교의 브랜드 효과가 있다는 것을 확인할 수 있는 자료에 불과하며, 시뮬레이션 구성 요소가 실제 사이버대학교의 구성 요소와 다르므로 시장점 유율의 퍼센트(%)는 정확하다고 할 수 없다.
<표 9> 군집별 시뮬레이션 결과
V. 결론
외부 환경의 변화는 사업체에 기회와 위협의 요인으로 작용하며, 새로운 사업 기회를 제공할 뿐만아니라 기존 전략을 수정할 필요성도 증가시킨다. 국내의 사이버대학교를 둘러싼 외부 환경이 급격히 변화하는 상황에서 사이버대학교도 역량을 강화하고 새로운 기회를 탐색할 필요성이 높아지고 있는 시점이다. 이에 고객의 욕구와 동기에 바탕을 두고 시장을 분석하여 전략 수립의 기초를 제공하고자 하는 목적에서 컨조인트 분석을 통하여 사이버학교를 구성하는 요소들의 중요도를 파악하고 각 세부 수준의 효용을 추정하여, 세부 수준의 부분가치에 의해 잠재 고객이 가장 선호하는 사이버대의 구성을 확인하였다. 전체 응답자 집단을 대상으로 한 컨조인트 분석결과에서 중요도는 ‘졸업 후 기대효과’, ‘학과특징’, ‘사이버대 이름’, ‘학습관리 형태’의 순서로 나타났다.
컨조인트 분석에서 전체 응답자들을 분석한 결과는 응답자들의 이질성을 반영하지 못하기 때문에 응답자들을 세분화여 사이버대학교에서 공부를 하여 ‘학사학위’를 취득하는 것을 선호하는 군집1과 ‘학사학위와 자격증’ 취득을 선호하는 군집2로 나누었다. 군집1의 컨조인트 분석 결과에 의하면 중요도는 ‘졸업 후 기대효과’, ‘학습 관리 형태’, ‘사이버대 이름’, ‘학과특징’의 순서로 나타났다. 군집1에서 가장 선호하는 사이버대학교를 구성하면 ‘학사학위 취득’, ‘높은 실력향상’, ‘H사이버대’, ‘유명한 학과’로 구성된다. 군집2의 컨조인트 분석결과에 의하면 중요도는 ‘졸업 후 기대효과’, ‘학과특징’, ‘사이버대 이름’, ‘학습관리 형태’의 순서로 나타났다. 군집2에서 가장 선호하는 사이버대학교를 구성하면, ‘학사학위와 민간자격증’, ‘유명한 학과’, ‘S사이버대’, ‘쉬운 학점취득’으로 구성된다.
군집1의 분석 결과는 전체 응답자를 대상으로 분석했을 때와 전혀 다른 특징을 보여주었고, 군집2의 분석 결과는 전체 응답자를 대상으로 분석했을 때와 유사한 결과를 보여주었지만, 구성 요소의 중요도와 세부 수준의 효용에서 전체 집단과 차이를 보였다. 군집1과 군집2의 컨조인트 분석 결과는 시장을 세분화하여 세분시장별로 다른 전략을 수립하고 실행할 필요성을 나타내었다. 군집별 시뮬레이션 결과에 의하면, 군집1에서는 ‘H사이버대’의 점수가 가장 높았고, 군집2에서는 ‘S사이버대’의 점수가 가장 높았다. BTL과 Logit에 의한 시장 점유율 예측에서도, 군집1에서는 ‘H사이버대’의 점유율이 가장 높았고, 군집2에서는 ‘S사이버대’의 점유율이 가장 높았다.
컨조인트 분석의 결과를 바탕으로 각 사이버대학교는 시장을 세분화하고 각 사이버대가 강점을 갖는 세분시장에 마케팅을 집중하는 전략이 효과적임을 알 수 있다. 즉, H사이버대학교는 군집1 시장에서 선호도 높은 세부수준을 강화하는 전략이 효과적일 것이고, S사이버대학교는 군집2 시장에서 선호도 높은 세부 수준을 강화하는 전략이 효과적일 것이다. 한편 C사이버대학교는 각 세분 시장에서 뚜렷한 강점을 보이는 특징이 없으므로, 경쟁 우위를 확보할 수 있는 전략을 강구할 필요가 있다. 즉, 기존의 사이버대 구성 요소 중에서 자체적으로 강점을 가지고 있는 부분을 파악하고 적극적인 커뮤니케이션을 실시하여 소비자의 선호도를 높이도록 해야 한다. 만약 기존 구성 요소 중에서 강점을 가질 수 없으면 잠재 고객의 선호도를 높일 수 있는 새로운 속성을 창출하고 적극적인 마케팅 커뮤니케이션 활동을 실시하여 인지도를 높이고 이미지를 강화할 필요가 있다.
본 연구는 컨조인트 분석의 한계점으로 인해 사이버대학교를 구성하는 일부 구성 요소들만 가지고 조사를 했기 때문에 사이버대학교에 입학하고자 하는 학생들이 중요하게 고려하는 다른 속성들을 찾아서 반영하면 분석의 결과가 달라질 수 있다. 그리고 사이버대학교에 진학할 가능성이 높은 전체 소비자를 대상으로 하지 않고 특정한 전문대학의 재학생들만을 대상으로 조사를 했기 때문에 결과의 일반화에 한계가 있다. 또한 컨조인트 분석의 시뮬레이션 결과는 실제 시장점유율이 아니기 때문에 해석하고 적용하는데 유의할 필요가 있는데[25], 본 연구에서도 브랜드 효과를 파악하기 위한 시뮬레이션에서 ‘사이버대 이름’을 제외한 구성 요소의 세부 수준들을 동일하게 하였는데, 실제 상항을 정학하게 반영하여 구성하면 다른 결과가 나올 수도 있을 것이다.
그리고 해외에서도 이러닝(e-learning)이나 온라인 대학교(on-line university)를 주제로 실시된 연구들이 있는 데, 예를 들어 영국 대학교의 이러닝 시스템에 대해 학생들이 평가한 자료를 구조방정식모델(SEM)을 사용하여 분석한 연구에 의하면, 이러닝 사용의 결정 요소가 되는 네가지 구성 요소로 교육 시스템 품질, 지원 시스템 품질, 학습자 품질, 지각된 유용성을 들었다[26]. 이러한 결과들을 반영하여 사이버대학교를 선호하는데 영향을 미치는 요소들을 파악하면 더욱 의미 결과를 도출할 수 있을 것이다.
부록
References
- 한국원격대학협의회, "사이버대학 CUInfo," www.cuinfo.net. 2023. 9.19.
- 교육부, "대학알리미, 대학주요정보 한눈에 보기," www.academyinfo.go.kr. 2023. 9. 19.
- 윤정미.장은정, "사이버대학생의 학업성취도 관련 국내 연구동향 분석," 교육정보미디어연구, 제28권, 제4호, 2022, pp.1011-1040.
- 주영주.강아란.임유진, "국내 사이버대생의 학습만족도에 영향을 미치는 관련변인에 대한 메타분석," 평생학습사회, 제2권, 제2호, 2016, pp.145-170.
- 권영임, "사이버대학교의 강의운영 개선에 관한 연구," 한국교육논단, 제8권, 제2호, 2009, pp.109-130.
- 주영주.김은영, "사이버대학의 강좌평가를 위한 척도 개발," 교육과학연구, 제35집, 제2호, 2004, pp.1-21.
- 박준철, "사이버대학의 발전 방안에 관한 연구," 경영교육연구, 제10권, 제1호, 2006, pp.215-240.
- 박승희.조규락, "사이버대학 입학결정에 영향을 미치는 요인 탐구," 교육정보미디어연구, 제28권, 제3호, 2022, pp.707-732.
- Kim, B. Y., "An Empirical Comparison of Predictability of Ranking-based and Choice-based Conjoint Analysis," The Korean Journal of Applied Statistics, Vol.27, No.5, 2014, pp.681-691.
- 김현숙.박은영, "사이버대학 및 오프라인대학 학습자들의 사이버 강좌에 대한 반응과 학업성취도 차이," 멀티미디어 언어교육, 제14권, 제3호, 2011, pp.175-194.
- 교육부 평생직업교육과, "2024학년도 개교예정 사이버대학 설립요령," www.moe.go.kr. 2023. 2.
- 김정현, "교육부, 태재대 설립 승인...사이버대 11년 만에 신설," 뉴시스, www.newsis.com, 2023. 4. 21.
- 박충환.오세조.김동훈, 시장지향적 마케팅관리, 박영사, 서울, 2004, pp.51-73.
- Aaker, David A and Christine Moorman, Strategic Market, Analysis, Eleventh Edition, John Willey & Sons, 2018, pp.19-33.
- 김지연, "2023년부터 대학 정원 줄어든다. 감축 미이행시 재정지원 중단," 연합뉴스, www.yna.co.kr, 2021. 12. 22.
- 문가영, "예과.본과 통합 가능 . 의대 운영 자율로," 매일경제, A27면, 2023. 6. 29.
- 장혜승, "사이버대 교명에서 '사이버' '디지털' 빼도 된다는데. 교명 고민되네," 한국대학신문, news.unn.net, 2022. 11. 4.
- 김성림.권준희, "효과적인 수업 운영을 위한 디지털 학습 도구 적용 사례 연구," 디지털산업정보학회논문지, 제19권, 제2호, 2023, pp.1-10.
- 박혜진.차승봉, "신입생 대상 온라인 비교과 프로그램 효과 분석: K 대학 사례," 디지털산업정보학회논문지, 제19권, 제2호, 2023, pp.27-37.
- 정병혁, "코로나19 물러간 대학...지난해 원격수업 4분의3 폐강," www.newsis.com, 2023. 6. 29.
- 임종원, 마케팅조사 이렇게, 법문사, 서울, 1997, pp.265-318,
- 이학식.임지훈, SPSS 18.0 매뉴얼, 초판, 집현재, 서울, 2012, pp.492-518.
- 안광호.임병훈, 마케팅조사원론, 제3판, 경문사, 서울, 2002, p414.
- 김성호, "컨조인트 최적제품 포지셔닝모형을 이용한 시장세분화에 관한 연구," 마케팅연구, 제13권, 제2호, 1998, pp.103-118.
- 신종칠.박정현.백민석, "컨조인트 분석을 활용한 아울렛 쇼핑센터 개발대안 평가," 한국콘테츠학회논문지, 제12권, 제1호, 2012, pp.485-499.
- Al-Fraihat, D., M. Joy, R. Masa'deh, and J. Sinclair, "Evaluating E-learning systems success: An empiircal study," Computers in Human Behavior, 102, 2020, pp.67-86.