[디지털 활용 교육] 오픈 교육 자원(OER), 학습 분석, 인공지능(AI) 및 머신러닝(ML), 가상현실(VR) 및 증강현실(AR), 게임화

안녕하세요. 밤샘입니다.

 

빠르게 변화하는 디지털 기술은

다양한 분야에서 활용되는데요.

교육에서는 어떻게 활용되는지

정리해 봤습니다.

 

 

 

| 오픈 교육 자원(OER)  

디지털 세상에는 무료로 활용할 수 있는 좋은 교육 콘텐츠(온라인 강의, 교육 및 연구 등)가 많습니다. 학습자는 넘쳐 나는 무료 교육 콘텐츠 중에서 자신에게 알맞은 것을 선택하여 활용하면 되는데요. 바쁘다는 핑계로 정기적으로 올리지는 못하지만, 저 역시 시간 나는 대로 틈틈이 교육 콘텐츠를 만들어 유튜브와 블로그에 올리고 있어요. '누군가에게는 도움이 되겠지'라는 마음으로요.

 

이러한 무료 교육 콘텐츠를 통틀어 오픈 교육 자원(OER; Open Educational Resources)이라고 합니다. 개발이나 업데이트에 무료로 사용할 수 있도록 소스 코드를 오픈하는 것을 오픈 소스라고 하는 것처럼, open이라는 단어를 사용해요. 같은 무료의 의미이지만, open과 free는 미묘한 차이가 있습니다. open에는 무료 제공 이상의 의미와 가치가 있거든요.

 

 

즉, 무료 제공하는 사람은 사용자가 자유롭게 자원(소스)을 공유하고 발전시키면서, 참여와 협업을 통해 더 나은 결과를 만들어 내는 것이 목표이기 때문에 free보다 open을 사용한다고 생각해요. 이러한 open의 의미를 정리해 보면 다음과 같습니다.

 

접근성(Reachability)	자원(소스)에 누구나 접근해서 누구나 사용 가능
재사용(Reuse) 및 수정(Revise)	원본 그대로 사용 가능, 자신에게 알맞게 수정하여 사용하는 것도 가능
혼합(Remix)	여러 자원(소스)를 혼합하여 새로운 자원(소스) 생성 가능
재배포(Redistribute)	수정하거나 혼합한 자원(소스)의 재배포 가능
투명성(Revealability)	자원(소스)를 사용하려고 투명하게 검토하면서 자원(소스)의 신뢰성 향상 가능

 

 

오픈 교육 자원은 이를 활용하여 교재를 제작하거나 보완할 수 있기 때문에, 학습의 접근성을 높이고 학습비를 절감하여 저소득층 학습자에게 도움이 될 수 있습니다. 그러므로 교육의 평등을 실현하고 평생교육을 촉진하여 지식 공유 문화를 확산시키는 것에 기여하는 기술이라고 할 수 있어요. 다만, 디지털 기기에 대한 접근성이 낮은 학습자를 지원할 제도가 필요합니다.

 

또한, 좋은 마음으로 무료 제공을 했다 해도 일부 자원은 교육적 가치가 낮거나 정확하지 않을 수 있고 업데이트가 되지 않아 활용도가 낮을 수도 있습니다. 저작권 문제가 발생할 수도 있고요. 올바른 자원을 찾아 주도적으로 학습하는 것이 중요하기 때문에 디지털 리터러시가 필수인 시대인 겁니다.

 

 

| 학습 분석(Learning Analytics)  

학습자가 학습하면 할수록 개별 학습 데이터가 쌓입니다. 이렇게 쌓인 데이터를 학습 플랫폼, 모바일 학습 앱, 학습 관리 시스템(LMS; Learning Management System) 등으로 수집하고 분석하죠. 분석 결과를 통해 학습자가 이해한 부분과 부족한 부분, 학습 패턴, 학습 속도, 참여도 등을 파악하여 학습자에게 피드백을 제공하면서 개별 맞춤 지도를 할 수 있어요. 단, 학습자가 부담을 느껴 학습 동기가 저하되지 않도록 주의합니다.

 

데이터를 활용한 학습 분석(Learning Analytics)은 학습자에게 효과적인 학습 방법을 제안하여 성과를 극대화하는 데 도움 됩니다. 물론, 학습자에게 더 나은 학습 환경을 제공할 수 있도록 교육 프로그램을 보완하고 개선하는 것에도 도움이 되죠. 

 

 

 

학습 분석을 진행할 때는, 학습자의 개인정보보호에 신경을 써야 합니다. 데이터를 활용하기 전에 학습자의 동의를 받는 것이 필수이며, 데이터 수집 및 사용 방식은 투명해야 해요. 또한, 질 낮은 데이터를 활용하거나 데이터 분석 능력이 부족하면 잘못된 결정을 할 수 있으니, 데이터 품질을 지속적으로 검증하고 분석 능력을 향상시키는 것 중요합니다. 

 

 

 

| 인공지능(AI) 및 머신러닝(ML)  

인공지능(人工智能, AI; artificial intelligence)과 머신러닝(ML; Machine learning)은 우리의 일상생활에 이미 깊이 들어와 있습니다.

 

인공지능은 인간지능(人間智能)과 유사한 작업을 기계가 수행할 수 있도록 하는 기술로, 빅데이터를 학습하여 다양한 분야(자율 주행 자동차, 음성 인식 시스템, 이미지 분석 등)에서 활용되고 있어요. 

 

 

머신러닝은 인공지능의 하위 분야로, 컴퓨터가 스스로 데이터를 학습하고 예측하는 능력을 갖추도록 하는 기술입니다. 제공된 데이터를 분석하고, 데이터에서 패턴을 찾아낸 후, 결론을 도출하죠. 머신러닝으로 스팸 메일을 걸러낼 수 있고, 추천 시스템을 적용할 수 있으며, 다양한 예측이 가능합니다. 

 

인공지능과 머신러닝을 활용하여 교육하면 개별 맞춤 학습이 가능하다는 게 큰 강점입니다. 학습자 개인의 학습 패턴을 분석하여 맞춤형 학습 방법을 제안하거나, 학습 상황을 실시간으로 파악할 수 있기 때문이죠. 자동으로 피드백을 제공하는 기술도 더 세밀해질 겁니다. 개인에게 필요한 맞춤 교육이 가능하니, 효율적인 학습이 가능할 거예요. 

 

인공지능과 머신러닝은 빅데이터를 학습하여 패턴과 트렌드를 찾아 활용합니다. 따라서 데이터 품질 의존도가 높으니, 무엇보다 데이터 품질 관리에 신경쓰는 것이 중요해요. 

 

참고로, 머신러닝의 하위 분야인 딥러닝(DL; Deep Learning)은 인공신경망을 기반으로 하는데, 대규모 데이터셋을 활용하여 높은 정확도와 성능을 보이기 때문에 복잡한 문제를 해결하는 데 사용됩니다.

 

 

| 가상현실(VR) 및 증강현실(AR)  

가상현실(假想現實, VR; virtual reality)과 증강현실(增強現實, AR; Augmented Reality) 기술은 학습자가 몰입하여 학습할 수 있고 복잡하고 추상적인 개념을 이해하는 것에 도움을 줄 수 있습니다.

 

가상현실 기술을 통해 어느 시대와 장소에 있는 것처럼 체험하면서 가상의 인물과 소통하며 역사 공부를 할 수도 있고요. 현실 세계에 가상의 디지털 정보를 추가하여 보여 주는 증강현실 기술을 통해 더 풍부하고 안전하게 과학 실험을 할 수도 있습니다.  

 

현실에서 경험하기 어려운 상황을 가상현실과 증강현실로 구현하여 생생하게 학습하면 잘 기억할 수 있을 테니 학습 내용을 이해하는 데 도움이 될 겁니다.  

 

 

 

단, 이러한 기술을 도입하려면 헤드셋이나 센서 등의 하드웨어와 소프트웨어 개발 등 초기 비용이 많이 발생하고, 유지 보수 비용도 만만치 않습니다. 또한, 학습자가 처음에는 신기해하다가 무뎌지기도 하고, 모든 학습자가 접근할 수 있는 기술도 아니에요. 기술에만 의존하다가 교육의 질이 낮아질 수도 있고, 가상 세계에 익숙해져서 현실 세계에 적응하지 못하게 되는 부작용이 발생할 수도 있습니다.

 

학습 효과성을 높일 수 있다는 큰 장점에도 불구하고, 다방면에서 고려해야 할 부분이 많은 기술이라고 생각해요.

 

 

 

| 게임화(Gamification)  

게임화는 학습에 게임 요소와 원리를 도입한 기술입니다. 퀴즈나 퍼즐 등으로 학습자의 흥미를 유발하여 학습자가 학습에 즐겁게 참여할 수 있도록 돕는 건데, 가상현실 및 증강현실처럼 학습 몰입도를 높일 수 있어요. 학습자는 게임에 참여해서 보상과 피드백을 받으면서 자연스럽게 학습 목표를 달성하게 됩니다.

 

 

학습자는 게임에 도전하면서 과제를 완수하면서 문제 해결 능력을 기를 수 있고 성취감을 느낄 수 있으며, 협업을 통한 소통으로 학습자 간 상호작용도 촉진할 수 있어요.

 

단, 과도한 경쟁이 유발되지 않도록 주의하고, 모든 학습자가 게임을 좋아하는 게 아니니 상황을 살피면서 진행하는 것이 바람직합니다. 

 

 

 

 

강의하면서 사용해 본 것도 있고

배워서 사용해야겠다는

생각이 드는 것도 있네요.

배움엔 끝이 없는 것 같아요.

 

방문해주신 모든 분들, 고맙습니다.

오늘 하루도 수고 많으셨어요.