• 한국엔터테인먼트산업학회논문지
• /
• 제14권8호
• /
• pp.501-511
• /
• 2020

이 연구는 대학생들의 글쓰기에 대한 인식을 분석하고 글쓰기 교육의 개선 방안을 찾고자 J대학 학생들을 대상으로 글쓰기 학습 내용, 글쓰기 자기 능력 평가, 글쓰기 능력에 대한 인식, 글쓰기 교육 방향에 대한 인식 등을 설문하여 조사·분석하였다. 이를 통해 글쓰기 교육의 운영 개선 방안에 대해 논의하였다. 대학생들의 인식을 조사·분석한 결과 대학생들은 글쓰기 능력을 중요하게 인식하고 있으며, 이론 수업보다는 실제 글을 써보고 피드백을 받는 실제적인 글쓰기 수업을 원하였다. 또한 글의 내용을 구성하고 전개해가는 부분에 대한 능력을 키우고 싶은 것으로 나타났다. 글쓰기 교육이 대학생들에게 실질적인 역량이 될 수 있도록 하기 위해서는 이론 강의도 중요하지만 실질적으로 글을 써볼 수 있는 충분한 시간과 기회를 부여해야 하며, 전공 맞춤형 실무글쓰기의 개발이 필요하다. 또한 다양한 수업 방식을 통해 학생들이 참여할 수 있는 글쓰기 수업이 되도록 해야하며, 대학 졸업 인증 요건 등의 방법을 통해 졸업 후 사회에 진출해서도 글쓰기 능력이 실무역량으로 이어질 수 있도록 해야 한다. 이 연구는 글쓰기와 관련한 대학생들의 인식을 통해 대학 글쓰기 교육의 방향을 모색해 볼 수 있다는데 의의가 있다고 하겠다.

• 지능정보연구
• /
• 제27권3호
• /
• pp.95-112
• /
• 2021

대학 교육에 있어서 전공과목의 선택은 학생들의 진로에 중요한 역할을 한다. 하지만, 산업의 변화에 발맞춰 대학 교육도 학과별 전공과목의 분야가 다양해지고 그 수가 많아지고 있다. 이에 학생들은 본인의 진로에 맞게 수업을 선택하여 수강하는 것에 어려움을 겪고 있다. 본 연구는 대학 전공과목 추천 모델을 제시함으로써 개인 맞춤형 교육을 실현하고 학생들의 교육만족도를 제고하고자 한다. 모델 연구에는 대학교 학부생들의 2015년~2017년 수강 이력 데이터를 활용하였으며, 메타데이터로는 학생과 수업의 전공 명을 사용했다. 수강 이력 데이터는 컨텐츠 소비 여부만을 나타낸 암시적 피드백 데이터로, 수업에 대한 선호도를 반영한 것이 아니다. 따라서 학생과 수업의 특성을 나타내는 임베딩 벡터를 도출했을 시, 표현력이 낮다. 본 연구는 이러한 문제점에 착안하여, 네트워크 분석을 통해 학생, 수업의 벡터를 생성하고 이를 모델의 입력 값으로 활용하는 Net-NeuMF 모델을 제시한다. 모델은 암시적 피드백을 가진 데이터를 이용한 대표적인 모델인 원핫 벡터를 이용하는 NeuMF의 구조를 기반으로 하였다. 모델의 입력 벡터는 네트워크 분석을 통해 학생과 수업의 특성을 나타낼 수 있도록 생성하였다. 학생을 표현하는 벡터를 생성하기 위해, 각 학생을 노드로 설정하고 엣지는 두 학생이 같은 수업을 수강한 경우 가중치를 가지고 연결되도록 설계했다. 마찬가지로 수업을 표현하는 벡터를 생성하기 위해 각 수업을 노드로 설정하고 엣지는 공통으로 수강한 학생이 있는 경우 연결시켰다. 이에 각 노드의 특성을 수치화 하는 표현 학습방법론인 Node2Vec을 이용하였다. 모델의 평가를 위해 추천 시스템에서 주로 활용하는 지표 4가지를 사용하였고, 임베딩 차원이 모델에 미치는 영향을 분석하기 위해 3가지 다른 차원에 대한 실험을 진행하였다. 그 결과 기존 NeuMF 구조에서 원-핫 벡터를 이용하였을 때보다 차원과 관계없이 평가지표에서 좋은 성능을 보였다. 이에 본 연구는 학생(사용자)와 수업(아이템)의 네트워크를 이용해 기존 원-핫 임베딩 보다 표현력을 높였다는 점, 모델을 구성하는 각 구조의 특성에 맞도록 임베딩 벡터를 활용하였다는 점, 그리고 기존의 방법론에 비해 다양한 종류의 평가지표에서 좋은 성능을 보였다는 점을 기여점으로 가지고 있다.