1

6th BLACK HOLE Day

교육과 데이터의 만남,

학습분석학 블랙홀데이에 초대합니다.

​

​

2025. 4. 26. SAT

2

Time Table

10:00-10:05

01

STELA 소개와

질의응답

10:05-10:45

02

STELAB

토크콘서트

10:45-11:00

03

테마별

네트워킹

3

STELA 소개와

질의응답

4

STELA

Society of Technology for Education and Learning Analytics

STELA에 방문하신 여러분 환영합니다.

5

STELA는 데이터 기반의 교육 변화를 선도하는 비영리 오픈소스 플랫폼입니다.

첫째, 학습분석학 연구와 실천을 위한 학습 자료와 정보를 공유합니다.

둘째, 학습분석학 연구와 실천을 위한 학습 기회를 지원합니다.

​

1. STELA 기관 소개

6

소규모 스터디

운영 시작

CoLA&EDM 스터디

2021. 2.

비영리임의단체

운영 시작

STELA 기관

2022. 4.

서울시 NPO 비영리스타트업 육성사업 선정

NPO 사업 선정

2022. 5.

2023. 6 ~

​

제1, 2, 3, 4, 5회

블랙홀데이 개최

제6회

블랙홀데이 개최

STELAB 운영

2025. 4.

​

1. STELA 기관 소개

7

2. 미션과 비전

MISSION

​

데이터 기반의 교육 변화 선도

VISION

​

2027년, 세계 최대 개방형 자율 학습분석학 연구·실천 공동체

CORE VALUE

​

​

8

분기별로(3월, 8월, 12월) BIGBANG Days부터 BLACK HOLE Day까지 STELAB을 운영합니다.

운영 (3개월)

준비 (2개월)

마무리 (1일)

BIGBANG Days

​

STELAB

팀장과 팀원 모집

STELAB’s Journey

​

STELAB

운영

BLACK HOLE Day

​

STELAB

성과 공유

3. 프로그램

9

다음 STELAB은 언제 열리나요?

​

• 다음 주부터 STLEAB 팀장을 모집하고, 새로운 STELAB은 2025년 6월 9일 쯤부터 운영할 예정
• 그 전에도 언제든 STELAB 제안 및 운영 가능(예: 학습분석 도구 개발 파일럿 프로젝트)

​

다음 STELAB은 어떤 주제로 진행될까요?

​

• 논문리뷰 네트워킹
• 평생교육 및 직업능력개발 정책 담론 네트워크 분석(Discourse Network Analytics, DNA) 연구
• 기타 등등

​

*일정과 내용은 상황에 따라 변동될 수 있음.

4. Q&A

STELAB 개설 신청서

10

STELA

Society of Technology for Education and Learning Analytics

감사합니다.

11

STELAB

토크콘서트

12

논문리뷰

네트워킹

권현지 팀장

13

About Us

14

Our Team

권현지

오영석

이태경

15

Summary of Activities

• 일시: 매주 토요일 9:00
• 장소: STELA ZEP

개요

• (발제일 D-1) 논문리뷰 업로드
• (발제자) 자유 양식으로 발제 요약
• (공통) 논의 질문 2가지 이상 제시

​

• (발제일 당일) 발제 진행
• 스몰 토크 (21:00~21:05)
• 논문 리뷰 (21:05~21:30)
• 자유 토의 (21:30~)

내용 및 방법

16

Summary of Activities

17

Learning analytics and the Universal Design for Learning (UDL)

: A clustering approach (3/8, 권현지)

1. 연구 목적

• 디지털 환경에서 UDL(Universal Design for Learning) 기반 학습 플랫폼 사용 패턴을 분석하고 군집화하는 것

Details of Activities

요약

2. 연구 방법

• 탐색적 요인 분석(EFA)을 통해 학습자의 UDL 요소 사용 패턴에서 주요 요인을 도출하고 K-means Clustering으로 학습자 그룹 식별

3. 연구 결과

• UDL 기반 요소 행태 데이터를 효과적으로 축소
• K-means 클러스터링을 통해 유사한 학습 패턴을 보이는 6개의 학습자 그룹을 식별

18

학습분석학 기반의 온라인 학업 성취도 예측 분석(3/15, 오영석)

1. 연구목적

• 학습 과정 데이터 분석을 통한 학습 성과 향상 및 학습자 지원의 중요성이 증대, 기존 연구는 주로 중도 탈락 예측에 집중
• 목표: 학습 결과를 사전에 예측, 선행적인 학습자 지원을 제공, 학업성취도 예측 시기를 확인하여 교수적 개입 시점을 파악하는 데 목적

​

2. 연구 방법

• 연구대상 : 사이버대학교 교과목 수강생 94명
• 데이터 수집 : LMS에 기록된 주차별 누적 학습 활동 데이터 (출석 점수, 수강일차, 등)
• 분석방법 : K-means 군집분석, ANOVA분석, 로지스틱 회귀분석, t검정 분석

3. 연구 결과

• 주차별 학업성취도 예측 결과 :5주차부터 약 63%의 높은 설명력을 보이는 회귀모형으로 나타나, 학기 초반부터 학업성취도 예측이 가능.
• 영향력 크기 :인지적 요인(과제, 퀴즈)> 사회적 요인(게시판 및 Q&A 참여) > 행동적 요인(수강일차, 학습시기)
• 예측 시기: 퀴즈는 2주차부터, 과제 1은 5주차부터, 과제 2는 9주차부터, 누적 수강일차는 9주차부터 학업성취도를 유의한 수준에서 예측
• 추가 분석 결과: 게시판, Q&A, Zoom 수업 참여와 같은 사회적 활동 참여 집단이 미참여 집단에 비해 통계적으로 유의하게 높은 학업성취도를 나타냄

Details of Activities

요약

19

The Potential of Neuroscientific Approaches to Game Learning Analytics: A Methodological Review on Assessing Domain-Specific Creativity (3/22, 이태경)

• 핵심 주장: 영역별 창의성(domain-specific creativity)을 실제적인 맥락에서 평가하기 위한 방법으로 뇌파측정, 시선추적 등을 활용한 게임기반 학습분석학 제안.
• 연구방법: 체계적 문헌고찰 연구(Cooper, 2015)
• 기존 창의성 평가 방식의 한계: 맥락적 적절성 부족, 확장성 문제, 깊이 부족, 문화 및 언어적 편향성, 일회성 평가 방식

​

• 게임 기반 평가에서 영역별 창의성 평가의 가능성: 게임은 실제 문제 해결을 위한 Domain-specific 환경 구성이 가능하여 평가의 생태학적 타당성을 높일 수 있으며, 실시간 피드백과 적응형 학습이 가능함. AI 기반 자동 평가, 비언어적 요소(시각적, 공간적 상호작용)를 활용한 창의성 평가 가능.

토론내용 및 느낀점

• 멀티모달 조건에서 학습분석학의 적용
• 창의성은 인지(주의, 의사결정, 기억)와 정서적 요소(감정, 동기) 모두의 영향을 받음.
• multimodal 분석으로 창의성 종합적 평가 가능: EEG, fMRI, fNIRS 같은 신경과학 데이터, 시선 추적(eye-tracking), 얼굴 표정 분석, 게임 로그 데이터 및 플레이 영상 분석
• 감정과 창의성에 관한 신경과학적 접근
• 정서적 상태(스트레스, 동기, 성취감)가 창의적 사고에 영향을 미치며 스트레스와 창의성 간 관계 분석한 연구 보고됨(Yeh et al., 2015). 게임 기반 학습 환경에서는 감정 데이터를 활용하여 창의성을 분석하고 맞춤형 학습 환경을 제공할 수 있음.
• 신경과학적 학습분석학의 예시

Minecraft를 활용한 실험 연구 (Ryu, 2020, 2021, 2019)

• 상용화된 학습 플랫폼은 뇌파, 시선추적 등의 데이터를 얻기 어렵다. 클릭 수, 클릭 빈도, 학습 시간 등 학습플랫폼을 통해 수집된 데이터를 어떻게 해석해야 하는가?

​

• 실시간 피드백이 효과적으로 이뤄지기 위한 방안은 무엇인가?

​

• 내년부터 마이데이터가 의무화되지만, 데이터 표준이 부재한 상황이다. 여러 학습 플랫폼의 데이터를 종합 할 수 있는 방안은?

​

소감: 감정에 관한 뇌과학의 접근에 관해 흥미가 생기고, 데이터 표준에 관한 관심이 생겼다.

Details of Activities

요약

20

An xAPI Application Profile to Monitor Self-Regulated Learning Strategies

(4/5, 권현지)

Details of Activities

연구 요약

1. 연구목적

• 자기조절학습(Self-Regulated Learning, SRL)활동 데이터를 통합하여 분석 가능한 구조로 표준화

​

2. 연구 방법

• SRL 전략을 기반으로 55개의 학습 전략을 정의하고 이를 xAPI 문장으로 구조화하여 학습 활동을 기록·분석할 수 있는 애플리케이션 프로파일(xAPI-SRL) 설계

​

3. 연구 결과

• 학습자의 다양한 SRL 활동을 효과적으로 추적할 수 있는 xAPI 프로파일을 개발하였으며 실제 적용 사례로 SRL 활동 유형별 비교・분석이 가능함을 입증함

​

21

21

개별 맞춤형 학습을 위한 인공지능(AI) 기반 수학 디지털교과서의

학습자 데이터 구축 모델 (4/12, 이태경)

Details of Activities

• 연구 목적: AI 디지털교과서 개발을 위하여 개별 맞춤형 학습에 필요한 요건을 살펴보고, 학생 데이터 수집과 분석 측면을 고찰하고, 학생 데이터 구축 모델 제안
• 연구방법: 문헌고찰 연구
• 문헌고찰

학습 스타일 비판: 단순 선호보다는 실제 평가 맥락의 진단이 필요하다는 주장.

분석 요소:인지적, 정의적, 행동적 요소

토론내용 및 느낀점

• 요구분석(학생, 학부모, 교사..)

자기주도적 학습 설계 및 AI 기반 질의/응답 서비스, 학습 패턴 분석 및 학습 방향 제시 기능, 수준별 맞춤형 학습 지원 기능, 탐구 및 과정 중심 교수방법을 지향한 프로젝트형 탐구/ 협력형 콘텐츠, 다양한 문제와 콘텐츠를 교사별 선택하여 제공할 수 있 는 기능, 양방향 스마트 기기 및 SW 활용 등…

​

• 데이터 분석 사례

‘똑똑! 수학탐험대’: 수 세기, 수의 순서, 연산유창성 등 기초 수학 능력을 사전 진단.

‘Askmath’: 초등 3~6학년 학습경로 기반 개념 이해도 진단.

​

• 데이터 구축 모델 제안

학습 전: 학습 준비도, 습관, 자신감, 불안, 학습의욕 등 진단

학습 중: 학습과정 수행도, 취약점 등 실시간 진단

학습 후: 성취도, 지속 시간, 집중도 등 분석

​

​

• AI 디지털교과서를 통해 수집된 자료를 어떻게 해석할 것인가? 양적 데이터와 질적 데이터 분석 방향 모두 고민 필요.
• 양적 데이터: 데이터가 의미하는 바는?
• 질적 데이터: 많은 데이터를 어떻게 분석할 것인가?

​

• 문제풀이 기반의 학습진단에 관한 비판: 학생들을 문제풀이 기계로 보는 관점에 관한 경계

​

• AI 디지털교과서를 통해 학습효과를 높일 수 있는 방안은 무엇인가?

​

소감: AI 디지털교과서 정책이 어떻게 전개될지 궁금.

요약

22

Turning Real-Time Analytics into Adaptive Scaffolds for Self-Regulated Learning Using Generative Artificial Intelligence (4/19, 오영석)

Details of Activities

연구 요약

1. 연구목적

• 기존의 SRL 지원 방식, 사전 정의된 스캐폴딩은 학습자의 개별적인 차이를 고려하지 못함. 시간 수집 및 분석(LA), 맞춤형 SRL 스캐폴딩 지원
• 목표: 실시간 분석을 통해 학습자의 SRL 과정과 동적인 학습 조건을 파악, 이를 기반으로 GenAI(GPT-4o)를 활용하여 적응형 SRL 스캐폴딩을 생성하는 도구를 설계 및 구현

​

2. 연구 방법

• 연구대상 : 중국 대학원생(211명)
• 분석방법 : 학습자의 SRL 패턴 변화 분석 : ONA(Ordered Network Analysis ), 스캐폴딩 순응도 분석 : 동적 시간 워핑(DTW) 및 k-평균 군집화

3. 연구 결과

• RQ1 (GenAI 스캐폴딩의 효과) : PwC 그룹은 통제 그룹에 비해 에세이 초안 작성 시 더 효과적인 SRL을 보임. 더 많은 메타인지적 읽기 및 쓰기 과정을 활용, Po 그룹은 통제 그룹과 유의미한 차이를 보이지 않음.
• RQ2 (스캐폴딩 반응 및 순응도) : DTW 및 k-평균 군집화 분석 결과, 모든 세 번의 스캐폴딩에 대해 순응자와 비순응자로 구분
• 순응자: 스캐폴딩을 받은 직후 집중적인 상호 작용을 보이거나, 과제 전반에 걸쳐 지속적인 참여 → 비순응자 상호작용 훨씬 적음.
• 스캐폴딩 반응 : SRL 패턴에 뚜렷한 차이가 나타났고, 스캐폴딩이 효과적인 글쓰기 시작을 장려했을 때 두드러짐.

논문 리뷰 원문: https://raspy-larch-628.notion.site/Turning-Real-Time-Analytics-into-Adaptive-Scaffolds-for-Self-Regulated-Learning-Using-Generative-Art-1d93beb8ceae807ea5e8c84eb9e3fe97

23

Thoughts

“수많은 교육 데이터가 쏟아지면서 이것을 어떻게 다뤄야 할지 고민이 되었습니다. 그 과정에서 알게 된 분야가 학습분석학입니다.

아직은 장님이 코끼리 더듬듯, 학습분석학을 조금씩 탐색하고 있습니다.

항상 새로운 분야로 진입하기에 문턱에서 주저하곤 했는데, 영석선생님과 현지선생님의 도움 덕분에 꾸준히 공부할 수 있었습니다.

AI 디지털 교과서에 관한 수많은 논의가 이어지고 있는 가운데, 학습분석학의 발전이 중요한 분기점 역할을 할 것으로 보입니다.” (이태경)

​

“관심은 있었는데, 무엇을 먼저 해야할지 몰라서 검색하다가 들어왔는데, 좋은 길잡이가 된 것 같습니다.

아직 해야 할 많은 단계들이 있지만, 학습분석학이 나와 맞는지를 살펴보고 탐색하는 기회가 된 것 같습니다.

그런데, 문제는 주책스럽게 터져나오는 관심사의 확대가 너무 많은 부분으로 퍼지는 것이 아닐까 하는 걱정입니다.

아직 명확한 방향을 설정하지는 못하였으나, 좀 더 숙고의 시간을 견디면 조타수의 방향타를 맞출 수 있기를 기대해봅니다.

학문적 관심사도 있으나, 관심사가 에듀테크의 서비스로 생존할 수 있는 방법을 고민해 보고자 합니다.

학문적 이론이 실제 적용될 수 있는 많은 기회를 만들었으면 좋을 것 같습니다.

바쁘게 따라올 수 있도록 도움주신 현지 선생님과 태경 선생님께 감사 드립니다. “ (오영석)

​

“이번 논리킹에서는 학습분석 실행에 실질적 도움이 될 수 있는 논문들을 중심으로

깊이 있는 리뷰와 관련 토의를 진행할 수 있어 유익한 시간이었습니다.

특히, 실효성을 중시한 논문 탐색 기조가 데이터 수집 표준에 관한 논의로 자연스럽게 확장되며

향후 프로젝트로 이어질 수 있는 기반을 마련하게 되어 더욱 뜻깊었습니다.

매회 성실히 참여해 주시고 풍성한 인사이트를 나눠주신 영석 선생님과 태경 선생님께 진심으로 감사드립니다!” (권현지)

24

Next in STELAB

< SW·AI 기반 교육 고도화를 위한 민·관·학·산·연 전문가 포럼 >

1. 사업 개요

- 목적: SW·AI 기반 교육 필요한 데이터 수집 방식과 표준을 선제적으로 설계·제안함으로써 국가 차원의 SW·AI 교육 인프라를 구축하고 품질 높은 교육 생태계 조성에 기여

- 운영기간: 2025. 05. 02. ~ 2025. 09. 30.

- 참여기관: 고려대학교 세종SW중심대학사업단, 세종시 교육청

- 참여인원: 고려대학교(세종) 권현지 박사, 세종예술과학영재학교 김종헌 교사, 세종시 교육청 지재근 장학관, 한국직업능력연구원 김신애 박사, 한국교원대학교 김귀훈 교수, 세종시 교육청 공무원 및 교사, 메가스터디교육 오영석 선생님, 국사봉중학교 이태경 선생님, 관련 기업체 담당자 등

​

25

논문쓰는

네트워킹

이세미 팀장

26

About Us

27

김한나

Our Team

이세미

서울대학교 국어교육과 박사과정

(현 대구동변초등학교 교사)

국립공주대학교

AI융합교육 박사과정

(현 천안오성고등학교 교사)

한양사이버대 교육공학과 박사과정

(현, 메가스터디교육 CTO)

오영석

조민주

서울대학교 AI융합교육학과 석사과정

(현 서울역촌초등학교 교사)

28

Summary of Activities

• 일시: 매주 화요일 21:00
• 장소: STELA ZEP

개요

• (연구모임 당일) 연구 중간 공유
• 효과적 역할분담 및 상호 피드백
• 연구자 간 합의 과정

​

• (이외의 시간) 역할에 따른 개인 연구

​

내용 및 방법

29

Summary of Activities

연구의 개요

중점

체계적 문헌 고찰 방법 활용

다양한 전공의 연구자들의 관심사를 종합

(미디어+교육+AI융합)= ‘미디어 리터러시 교육 프로그램’

연구명

국내의 학교 미디어 리터러시 교육 프로그램에 관한

체계적 문헌 고찰

→ Notion, Google spreadsheet, Refworks 등의 협업도구를 활용한

공동 연구 활성화

→ PRISMA(2020)의 Flowchart, David Budgen et al.(2007)의 질적 평가 기준, Wood & Mayo-Wilson(2012)의 PICOS 적용 등의 체계적 문헌고찰의 방법론의 절차 및 방법 수행

30

서론

• 미디어 리터러시의 중요성 증대

-> 2022 개정 국어과 교육과정 ‘매체’영역 신설

• 미디어 리터러시와 디지털 리터러시는 이론적 토대는 다르나 공유지점이 크며, 기술의 발전으로 그 경계가 모호해지고 있다.
• 미디어 리터러시 교육의 기준을 명확히 할 필요 존재

-> 현재의 미디어 리터러시는 비판적 이해를

넘어서 세상과 교류하는 수준까지 나아가야 함.

• 미디어 리터러시의 구성요소(CML,2012)

- 접근, 분석, 제작, 평가, 참여

​

연구 문제

• 안정임 외(2017)
• 2006~2016년 국내 수행 미디어 리터러시 관련 연구들의 경향 분석
• 미디어학과 교육학 분야의 연구 경향 차이가 확실함.
• 교육학 분야에서 2015학년도 교육과정 개정을 준비하는 차원에서의 학술 연구가 많아짐.
• 미디어학과 교육학 분야 모두 소셜미디어를 대상으로 수행된 연구가 드묾.
• 김도헌(2020)
• 미디어·디지털·정보·ICT 리터러시를 각각 구별된 리터러시로 인식
• 미디어 리터러시 연구의 경우 다양한 의사소통 맥락에서 메시지를 해석하고 비판하는 능력을 강조
• 디지털 리터러시 교육 프로그램 설계 및 개발 연구가 거의 수행되지 않았다는 연구사적 공백을 발견

• 학교 교육에의 적용을 목표로 하는 미디어 리터러시 교육 프로그램 설계·개발 연구를 체계적 문헌 고찰 방법으로 분석하여 프로그램의 동향과 내용적 특징 파악�
• 국내의 학교 미디어 리터러시 교육 프로그램의 기본적 특성은 무엇인가?
• 국내의 학교 미디어 리터러시 교육 프로그램의 구체적인 내용은 무엇인가?
• 국내의 학교 미디어 리터러시 교육 프로그램의 효과와 시사점은 무엇인가?

Details of Activities

연구의 필요성

선행연구 분석

31

ㅋ

분석 프레임워크

Details of Activities

PRISMA 흐름도

연구 방법

검색 과정 및 선정 기준

• 자료 출처: RISS, KISS, DBPIA (2015~2025.3)
• 검색어: ‘미디어 리터러시’, ‘교육’, ‘프로그램’
• 선정 기준:
• KCI 등재 및 석·박사 학위논문 포함
• 유아~고등학생 대상, 학교 내 프로그램 중심
• 최종 선정 문헌: 총 17편
• 도구: Refworks(중복 제거), PRISMA 플로우차트

기본적 특성: 발행 연도, 연구 유형, 적용 대상, 연계 교과, 차시

구체적 내용: 활용 매체 유형, 교수·학습 활동, 미디어 리터러시 정의 및 구성 요소(CML 기준: 접근·분석·평가·창조·참여)

효과 및 시사점: 연구 방법, 효과 측정 도구, 수치·질적 효과, 교육적 시사점

32

연구 질문별 분석 프레임워크

Details of Activities

연구 질문

1. (연구질문1) 기본적 특성

• 국내의 학교 미디어 리터러시 프로그램의 기본적 특성, 구체적 내용, 효과 및 시사점으로 분류
• 프로그램의 기본적 특성 : 연구물의 발행 연도, 연구물 유형, 적용 대상, 연계 교과, 적용 차시를 분석 범주로 설정

2. (연구 질문2) 구체적 내용

• 국내의 학교 미디어 리터러시 프로그램의 구체적 내용: 활용 매체 유형, 교수학습 활동 형태, 미디어 리터러시의 정의와 구성요소 반영 양상을 기준으로 분석함.

3. (연구 질문3) 효과와 시사점

미디어 리터러시 프로그램의 효과성 검증을 위한 연구 방법, 도구, 수치 혹은 질적 효과 및 시사점을 분석

분석 프레임워크

33

시사점

• 2022 이후 미디어 리터러시 프로그램 설계 연구의 수가 확대됨.
• 2022 개정 교육과정의 ‘매체’ 영역 신설, 디지털 역량 강화 등과 같은 교육적 흐름을 이행한 결과
• AIDT, 생성형 인공지능, 에듀테크 등의 교육 분야의 디지털 혁신과 관련

​

• ‘초등학생’ 대상, ‘교과 융합’의 10차시 초과 미디어 리터러시 프로그램이 주를 이룸
• 교과 간 융합과 시수확보가 용이한 초등학교의 교육과정 운영 상황을 반영했을 것
• 실제 활용 가능성을 높이기 위한 10차시 이상의 중장기 프로그램 뿐만 아니라, 다양한 교과와 연계 혹은 융합한 5차시 이하의 프로그램이 요구됨.
• 교육과정 내 다양한 교과에 ‘디지털 역량’과 융합한 내용 요소 및 성취기준이 마련됨에 따라 다양한 학교급, 차시, 교과에서의 미디어 리터러시 프로그램이 발전되어야 함.

​

Details of Activities

분석 결과

연구 결과 1. 프로그램의 기본적 특성

34

프로그램별 교수학습 활동 형태

매체 유형 분류 기준 (안정임 외(2017))

• 인쇄매체, 방송/영상, 특정장르, 매체전반으로 구분
• 인쇄 매체 : 5.9%, 방송/영상 매체 : 35.3%, 특정장르 매체 : 17.6%, 매체전반 : 41.2%
• 특정장르 : 카드뉴스 제작, 딥페이크영상, 유튜브 썸네일
• 매체 전반 : 인터넷검색, 유튜브, 이미지, 도서 등

미디어 리터러시 교육과정 : 프로젝트 학습

• 프로그램별 교수학습 활동 : 강의, 모둠활동, 평가, 피드백, 산출물 공유로 구분
• 피드백 :41.2%, 산출물 공유 : 47.1%로 부족
• 피드백강화에 따른 학업성취도에 긍정적 요인
• 산출물 공유의 확대로 실천/참여 경험 증진 필요

Details of Activities

매체유형 분석 결과

연구 결과 2.프로그램 내용 분석

가. 매체 유형 및 교수학습 활동

35

• 미디어 리터러시 용어의 혼재적 정의 및 사용
• 미디어 리터러시, 디지털 리터러시, 유튜브 리터러시, 디지털 미디어 리터러시 등 ‘미디어 리터러시’를 지칭하는 용어가 혼재되어 있음.
• 교육적 맥락에서 ‘미디어 리터러시’의 합의된 정의가 요구됨.

​

• CML(2012)의 미디어 리터러시 구성요소 기반 분석 결과, ‘평가’, ‘제작’에 치중된 프로그램 내용의 한계
• 대부분의 연구에서 미디어 리터러시 프로그램의 내용을 주로 미디어 콘텐츠 내용에 관한 비판적 이해와 창의적 미디어 콘텐츠 제작에 초점을 맞춤
• 진정한 의미의 미디어 리터러시 역량을 기르기 위해서는 기술적 접근, 내용적 접근, 콘텐츠 내의 숨겨진 의도 파악, 민주적 미디어 사용 및 참여 등의 폭넓은 내용을 다루어야 함.

Details of Activities

연구 결과 2.프로그램 내용 분석

나. 미디어 리터러시 정의 및 구성요소 반영 양상

시사점

미디어 리터러시 정의 및 구성요소 반영 양상

36

• (효과성 검증 방법) 다양한 양적 연구 검증 도구
• 통일된 검증 도구의 부재
• 기 개발된 검증 도구도 연구에 맞게 수정하여 사용하는 경우가 많았음.
• 일반화하여 검증할 수 있는 도구가 부족함.

​

• (효과 분류) 정의적 역량의 개발 부족
• 인지적, 정의적, 행동적 역량의 고른 함양이 중요하지만 선행 연구들에서는 인지와 행동에 치중된 경향이 보임.
• 정의적 역량 함양을 위한 연구들이 활발히 이루어 져야 함을 시사.

Details of Activities

연구 결과 3. 프로그램 효과 및 시사점 분석

시사점

효과 분석 결과

37

• (효과성 검증 방법) 다양한 양적 연구 검증 도구
• 통일된 검증 도구의 부재
• 기 개발된 검증 도구도 연구에 맞게 수정하여 사용하는 경우가 많았음.
• 일반화하여 검증할 수 있는 도구가 부족함.

​

• (효과 분류) 정의적 역량의 개발 부족
• 인지적, 정의적, 행동적 역량의 고른 함양이 중요하지만 선행 연구들에서는 인지와 행동에 치중된 경향이 보임.
• 정의적 역량 함양을 위한 연구들이 활발히 이루어 져야 함을 시사.

Details of Activities

연구 결과 3. 프로그램 효과 및 시사점 분석

시사점

효과 분석 결과

38

• 측정 도구의 개발 및 보완 필요
• 학습자 발달 수준에 적합한 측정 도구의 부재
• 타당도와 신뢰도가 확보된 측정 도구를 활용하여 효과적인 미디어 리터러시 함양 프로그램 개발 가능

​

• 교사 교육 강화를 통한 실제적인 학습 실시 필요
• 물리적인 수업 환경 보완 이상의 변화 필요
• 사회적인 ‘참여’를 포함하여 미디어 리터러시의 활용 기회 제공
• 미디어 리터러시의 실제적인 맥락을 반영한 수업 자료 개발

Details of Activities

연구 결과 3. 프로그램 효과 및 시사점 분석

시사점

시사점 분석 결과

39

Thoughts

​

“다양한 관심사와 전문 분야를 가진 다(多)전공자들이 모여 ‘미디어 리터러시’라는 하나의 주제로 연구하는 것이 쉽지는 않았지만 유의미하고 가치로운 경험이었습니다. 부족한 저를 많이 도와주신 덕에 7주차를 잘 마무리할 수 있었습니다. 짧다면 짧고, 길다면 긴 기간 함께 연구할 수 있어서 감사합니다. 논문 게재라는 값진 결과물로 마무리되기를 바라며 :)” (이세미)

​

“작년에 학습분석학을 접하고 체계적 문헌 고찰 논문을 작성해 보고 싶었는데,

올해 이렇게 함께하게 되어 너무 기쁩니다.

함께한 선생님들 고생 많으셨고, 함께하게 되어 영광이었고, 덕분에 많이 배웠습니다! 감사합니다!” (김한나)

​

“논문을 쓴지가 까마득해서, 논문을 어떻게 써야하는지에 대한 감을 찾으러 왔는데요.

목적을 달성했는지는 아직 잘 모르겠습니다. 짧은 일정에 허둥지둥한 것 같기만 한데, 벌써 끝날때가 되었네요.

그래도, 앞으로 논문을 쓸때 어떻게 해야 할지는 조금은 알게된 것 같습니다.

부족한 부분을 챙겨주시고, 같이 완주할 수 있도록 이끌어주신 세미선생님, 한나선생님, 민주선생님.

모두 감사합니다. 진짜 바쁠때는 빠지고 싶었는데, 그래도 잘 견딘 것 같습니다.” (오영석)

​

“ 논문을 한 번도 써보지 않은 신진 연구자에게 논문 쓰는 네트워킹은 한 줄기의 빛과도 같았습니다.

매주 논문 쓰기를 통해 학술적 지식뿐 아니라,깊은 인사이트를 나누어주시는 한나쌤, 새로운 시각으로 교육을 바라봐주시는 영석쌤, 그리고 꼼꼼한 이세미 팀장님께 긍정적인 에너지를 많이 받았습니다.

저의 첫 학술논문의 공동저자가 되어주셔서 감사합니다!” (조민주)

40

테마별

네트워킹

41

테마 1: 연구 관련 고민

1. 연구 주제를 정할 때 '내가 좋아하는 것'과 '사회적 수요' 중 어떤 걸 더 우선하시나요?

​

​

​

• 박사과정 때 이론 공부, 세미나, 논문 쓰기, 학회 참여... 다 챙기기 어려운데 어떻게 시간을 배분하셨나요?

​

​

​

• 동료 연구자 없이 연구할 때 외로움을 극복하거나 동기부여를 유지하는 자신만의 방법이 있나요?

​

​

​

​

​

​

​

​

​

​

42

테마 2: 진로 관련 고민

​

• 학업과 실무(근무)를 병행할 때 어떤 점이 도움이 되었고, 어떤 점이 힘들었나요?

​

​

​

• 이 외에 다른 진로 고민이 있다면 무엇인가요?

​

​

​

​

​

​

​

​

​

​

43

테마 3: 기타 자유 주제

• 현장에서 얻을 수 있는 데이터(예: 학교, 기업 등)와 전통적 전공 진로 선택(예: 연구원, 교수 등) 사이에서 고민해본 적 있으신가요? 어떤 기준으로 결정하셨나요?

​

​

​

• 정보 기술을 다루는 교육 연구자로서 느끼는 갈등이나 한계를 극복한 경험이 있나요?

​

​

​

• 이 외에 더 이야기 하고 싶은 주제가 있으신가요?

​

​

​

​

​

​

​

​

​

​

44

6th BLACK HOLE Day

감사합니다.

​

​

2025. 4. 26. SAT