• 정보교육학회논문지
• /
• 제13권3호
• /
• pp.313-323
• /
• 2009

본 논문은 프로그래밍 교과의 수행평가 시스템에서 자기주도적 학습능력 촉진을 위하여 학업성취도를 분석 및 예측하는 기능 구현을 목적으로 하였다. 본 논문에서는 구현한 수행평가 시스템은 우선 루브릭을 적용하여 프로그래밍 수행평가의 채점을 논리력, 문제해결력, 창의력으로 단순한 점수가 아닌 이원분류를 통해 고차원적인 인지능력에 대한 항목별 근거의 제공을 가능하게 하였다. 또한 학업성취도를 단순히 보여주는 것이 아니라 분석하여 학생별 학업성취도를 측정 준거 별로 분석할 수 있도록 그래프로 표현하였다. 나아가 학업성취도에 이동평균법을 적용하여 향후 점수를 예측할 수 있게 하였다. 이로 인해 학생은 평가 결과 그래프로 현재 자신의 학습상태를 파악하고 앞으로의 학업상태를 보다 정확하게 예측함으로써 자신의 학습 준거 별장 단점을 분석하여 학습 방향 및 학습시간에 대한 자기 성찰에 도움을 주어 자기주도적 학습능력을 촉진시킬 수 있도록 하였다. 교사에게는 학업상태에 따라 완전학습을 추구하기 위하여 학생들에게 제공될 수 있는 교육적 방법을 차등 지원함으로써 교육의 효과를 최대화 할 수 있다.

• 아동학회지
• /
• 제22권4호
• /
• pp.213-224
• /
• 2001

This study was conducted to explore the communication processes and contents between cooperating teachers and their student teachers during student teaching conferences. To reach this purpose, five research questions were generated. 15 cooperating teachers and their 15 student teachers from 9 kindergartens located in Seoul and Ilsan city participated in the study. The conferences of each dyad were tape-recorded for further analysis. "Analyzing System for Interaction of Learning" designed by Thies-Sprinthall was used to analyze the data. The research findings were as follows: First, cooperating teachers talked more than the student teacher during the conference. Second, the cooperating teachers used more directive talk than indirective talk. Third, the speaking patterns of the student teachers revealed that student teachers express their opinions frequently(55.6% of total pattern). Fourth, cooperating teachers focused their remarks more on the instructional issues(48.5%). The cooperating teachers emphasized on the operation of class(23.1%), other subject(12.3%), practical guidance(10.7%), self-assesment(5.4%) in order. Fifth, the most emphasized issue by student teachers was the instructional matters which was reported by 53.4% of the entire subjects.

• 인지과학
• /
• 제16권4호
• /
• pp.369-386
• /
• 2005

지능형 교수 시스템(ITS: Intelligent Tutoring System)이 기존의 CAI의 제한적 기능을 극복하고, 내장한 지식베이스에 의해 다양한 학습자들의 변인들을 고려한 개별화된 학습 환경을 제공하지만, 교육현장에는 교수내용지식 표현 방법의 부재와 투자 비용의 비효율성으로 인하여 실제적인 개발물은 전무한 상태이다. 이러한 문제점을 해소하기 위하여 ITS에서의 지식표현 기법과 구축된 지식베이스의 재사용에 대한 연구가 필요하다. 교수내용지식의 특성을 고려하여 본 연구에서는 기존의 신경논리망의 한계점을 해결할 수 있도록 지식의 다중 결합체 구성, 이를 이용한 학습의 맥락 설명을 연구의 대상으로 삼았다. 또한 형성된 지식결합체는 군집화하여 지식베이스 객체로 사용하고, 결합체의 자기 학습에 의해 적응적인 지식베이스 객체로의 성장 가능성을 제고한다. 따라서 본 연구에서는 신경논리망의 논리추론, 그리고 인지구조에서 노드의 위상적 불변성을 근거로, 교수내용지식과 객체지향적 개념이 포함된 '확장된 개념의 신경논리망(X-Neuronet: eXtended Neural Logic Network)'을 제안하고, 이 기법에 대한 타당성을 검증하였다. X-Neuronet은 표현의 대상이 되는 지식을 관성과 가변성을 가지는 방향성 결합체로 정의하고, 표현을 위한 기본 개념, 노드의 처리와 연산을 위한 논리연산자, 노드값과 가중치의 결정, 노드활성을 위한 전파 규칙 학습 알고리즘 등을 제공한다.