커넥트온 - 연결의 힘!
  • Modernizing Learning : Chapter 2 - HISTORY OF DISTRIBUTED LEARNING

    4· 5· 71 ·   에듀 관련 정보

    scottS
    7
    7

    CHAPTER 2 HISTORY OF DISTRIBUTED LEARNING.jpg
    지난 30년간 학습 과학과 관련 기술은 급격하고도 혁신적인 발전을 이루어왔으며, 앞으로도 지속적으로 진화할 것입니다. 이러한 변화의 흐름 속에서 신중하게 나아가기 위해, 우리는 과거를 돌아보고 현재의 상태에 이르기까지 어떤 성과와 한계를 경험했는지, 그리고 미래의 학습 생태계로 적용할 수 있는 교훈은 무엇인지 살펴보는 것이 필요합니다.

    이 장에서는 특히 분산 학습(distributed learning)의 진화를 다룹니다. 여기에는 종종 동의어처럼 사용되는 원격 학습(distance learning), 분산 교육(distributed or distance education), 웹 기반 및 웹 지원 수업(web-based and web-enabled instruction), 온라인 학습(online learning), 그리고 이러닝(e-learning) 등의 용어가 포함됩니다. 최근에는 “분산 학습”이 더 폭넓은 개념으로 발전하여, 분산 시뮬레이션(distributed simulation), 모바일 학습(mobile learning), 증강 및 가상 현실(augmented and virtual reality), 컴퓨터 지원 학습(computer-assisted instruction), 웹 기반 자기주도 학습(web-based self-directed learning) 등을 아우르기도 합니다. 이와 같은 개념들 또한 이 장에서 다룰 것입니다.

    심지어 기술 기반 학습(technology-enhanced learning)이나 교육 기술(educational technology) 같은 일반적인 용어조차 때때로 분산 학습을 의미하는 데 사용되며, 관련된 경우 이를 포함해 논의합니다.

    우리는 이들 용어 간의 차이를 인정하지만, 이 장은 용어의 세부적인 차이에 대해 학문적으로 분석하기보다는, 분산 학습의 기초에서 시작해 여러 분야에 걸쳐 발전해온 과정을 간략히 돌아보며, 기술로 연결된 통합 학습 패러다임으로의 진화를 탐구하는 데 초점을 맞춥니다.

    더 상세한 역사적 내용을 원하는 독자들을 위해, 이미 다른 학자들이 작성한 더 심도 깊은 자료를 소개합니다. 예를 들어, Soren Niper는 이제 고전으로 여겨지는 논문에서 원격 교육의 세 가지 역사적 세대를 정리했습니다. 여기에는 서신 교육으로 시작해, 멀티미디어 제공(예: 카세트와 TV 방송), 그리고 정보통신 기술을 활용한 제3세대로의 발전이 포함됩니다.

    Niper의 프레임워크를 바탕으로, Mary Simpson과 Bill Anderson은 “원격 교육의 역사와 유산(History and Heritage in Distance Education)“에 대한 간결하고 이해하기 쉬운 개요를 작성했습니다.

    보다 포괄적인 내용을 원한다면, Michael Grahame Moore와 William Anderson의 Handbook of Distance Education (2003년 출판, 2013년 개정판)을 참조하거나, Paul Saettler의 The Evolution of American Educational Technology, 또는 J. Michael Spector와 동료들이 작성한 Handbook of Research on Educational Communications and Technology를 검토할 수 있습니다.

    특히, 이 중 Michael Molenda의 “역사적 기초(Historical Foundations)” 장은 이 분야의 발전 과정을 쉽게 읽을 수 있도록 잘 정리되어 있습니다.

    1980s

    분산 학습의 역사에 대한 모든 기록에서, 저자들은 아날로그 시대의 기초를 강조하는 경향이 있습니다. 예를 들어, 17세기에는 기름 램프를 이용한 손으로 그린 슬라이드, 18세기에는 우편으로 이루어진 서신 학습, 그리고 20세기 초에는 무성 영화 등이 사용되었습니다. 그러나 이 책에서는 분산 학습의 역사를 1980년대에서부터 본격적으로 다룹니다. 이 시기는 개인용 컴퓨터의 등장과 함께, 1983년경 대부분의 학교에서 널리 채택되기 시작한 시기로, Niper가 언급한 원격 교육의 “제3세대”로의 전환이 이루어진 시기입니다. 이 전환은 단순히 “책 상자(boxes of books)“를 제공하던 방식에서 벗어나 컴퓨터 기반 학습 경험으로 이동하는 계기가 되었습니다.

    *컴퓨터 기반 학습(computer-based learning)은 교육과 훈련을 제공하기 위해 컴퓨터를 사용하는 방식을 포괄적으로 지칭합니다. 이는 네트워크를 통한 방식이든 독립형 스테이션을 통한 방식이든, 동기식(synchronous) 또는 비동기식(asynchronous) 활동을 포함할 수 있습니다.
    CHAPTER 2 - Picture1.jpg

    컴퓨터 기반 학습에 대한 초기 실험은 1950년대 후반과 1960년대 초반에 시작되었습니다. 이 중 일리노이 대학교의 PLATO 프로젝트는 최초의 컴퓨터 기반 시스템으로 자주 언급되며, 고든 패스크(Gordon Pask)와 로빈 매키넌-우드(Robin McKinnon-Wood)의 SAKI는 최초의 적응형 트레이너로 알려져 있습니다. SAKI(Self-Adaptive Keyboard Instructor)는 기계 장치를 활용해 학습자의 성과에 따라 타이핑 연습을 조정했으며, 이를 통해 기존 교육 방법에 비해 학습 시간을 절반에서 3분의 2 정도까지 단축할 수 있었습니다.

    이러한 실험들은 컴퓨터 보조 교수(CAI, Computer-Assisted Instruction)라 불리는 첫 번째 세대의 컴퓨터 적응형 교습의 기초를 마련했습니다. 제임스 쿨릭(James Kulik)의 컴퓨터 보조 교수에 대한 메타 분석 리뷰에 따르면, 이 시기의 학습자들은 평균적으로 0.35 표준 편차의 성과 향상을 보였으며, 학습 활동을 약 25~33% 더 빠르게 완료했습니다. 또한, 컴퓨터 보조 교습을 통해 학습에 대해 더 긍정적인 태도를 가지는 경향이 있었습니다.

    이 시기에 등장한 혁신적인 시스템 중에는 지능형 교습 시스템(Intelligent Tutoring Systems, ITS)이 있습니다. 이는 단순한 평가, 피드백, 수업 분기 규칙을 제공하던 컴퓨터 보조 교습보다 훨씬 발전된 시스템이었습니다. 초기의 대표적인 지능형 교습 시스템으로는 앨런 레스골드(Alan Lesgold)의 SHERLOCK, 존 앤더슨(John Anderson)과 동료들의 LISP 튜터, 그리고 존 실리 브라운(John Seely Brown)과 리처드 버튼(Richard Burton)의 SOPHIE가 있습니다.

    이 시스템들은 자동화된 컴퓨터 알고리즘을 사용해 학습자가 문제를 단계별로 해결하도록 돕고, 힌트를 제공하며, 교사와 유사한 피드백을 제공했습니다. 이후 발전된 지능형 교습 시스템은 학습 성과를 더욱 높였으며, 제임스 쿨릭, 필 도즈(Phil Dodds), 덱스터 플레처(Dexter Fletcher)가 실시한 최근 메타 분석에서는 약 0.76 표준 편차의 성과 향상이 관찰되었습니다.

    초기의 많은 교육 기술들은 아직 분산 학습으로 발전하지는 않았지만, 이는 점차 변화하고 있었습니다. 1980년대 내내 미국 국방부(Department of Defense), 국립과학재단(National Science Foundation), 그리고 교육부(Department of Education)를 포함한 여러 연방 기관들은 컴퓨터 기반 교육과 분산 학습에 관한 중요한 연구를 후원했습니다. 1989년, 미국 기술평가국(Office of Technology Assessment)은 “학습을 위한 연결(Linking for Learning)”이라는 제목의 의회 보고서를 발표하며, 이 10년간의 투자로 이루어진 진전을 요약했습니다.

    원격 학습은 확장되고 있습니다. 전국적으로 대표적인 학군을 대상으로 한 조사에 따르면, 약 22%의 학군이 현재 원격 학습을 활용하고 있으며, 약 33%는 1990년까지 이를 도입할 계획이라고 응답했습니다.

    두 번째 경향은 보다 미묘합니다. 원격 학습은 교육의 경계를 변화시키고 있습니다. 이 경계는 전통적으로 지역과 기관에 의해 정의되어 왔지만, 원격 학습은 학생과 교사를 결합함으로써 ‘교실’의 개념을 재구성하고 있습니다. 더 이상 물리적 공간에 국한되지 않는 교실은 같은 학군의 다른 학생들, 다른 학군, 다른 주(State), 심지어 국경을 넘어선 학생들에게까지 확장되고 있습니다.

    보고서는 분산 학습에 대한 연구를 특히 효과성, 방법론, 그리고 설계 측면에서 확대할 것을 촉구했습니다. 보고서는 다음과 같이 설명했습니다. “원격 학습의 질과 효과는 교육 설계와 기법, 적절한 기술의 선택, 그리고 학습자들에게 제공되는 상호작용의 질에 의해 결정된다.” 이는 교육 설계자들의 역할이었습니다.

    교육 시스템 설계(ISD, Instructional Systems Design)의 기원은 1960년대로 거슬러 올라가지만, 1980년대에 들어서면서 ISD 모델이 문헌에서 급격히 증가하기 시작했습니다. 이 시기에 ADDIE 개념이 등장했는데, 이는 구체적으로 언급된 기원은 없지만 여러 모델의 기본 틀로서 자발적으로 형성된 것으로 보입니다. ADDIE는 분석(Analysis), 설계(Design), 개발(Development), 실행(Implementation), 평가(Evaluation) 단계를 포함한 일반적인 프레임워크로, 다양한 교육 설계 모델의 기반을 제공합니다.

    전통적인 교육 시스템 설계(ISD) 접근법은 행동주의 패러다임에서 비롯되었으며, 초기의 대부분의 컴퓨터 기반 학습 역시 행동주의에 기반한 반복 학습(drill-and-practice) 전술을 사용했습니다. 당시 쿨릭(Kulik)은 다음과 같이 관찰했습니다. “대부분의 컴퓨터 튜터링 프로그램은 스키너(Skinner)의 프로그램 학습에 기반한 모델에서 기본 형태를 얻었다. 스키너의 모델은 (a) 학습 자료를 작은 단계 또는 학습 프레임으로 나누는 것, (b) 각 단계에서 학습자의 응답을 요구하는 것, (c) 응답 직후 즉각적인 피드백을 제공하는 것을 강조했다.”

    1980년대에는 일부 교육자들이 분산 학습의 산업화 모델을 제안하기도 했는데, 이는 오토 페터스(Otto Peters)가 가장 잘 표현한 개념입니다. 그는 원격 교육을 산업 생산과 긍정적으로 비교하며 분업, 대량 생산, 규모의 경제 실현, 단위 비용 절감을 언급했습니다. 그의 모델은 교육 이론이 아니라, 교육 과정을 산업화된 “객체화”로 설명한 조직적 개념이었습니다.

    그럼에도 불구하고, 1980년대는 교육 기술의 학문적 기반이 진전된 시기였습니다. 예를 들어, 인지주의 학파의 영향력이 증가하면서 인지 부하 이론(cognitive-load theory)과 같은 개념이 개발되었습니다. 이 이론의 기원은 1950년대로 거슬러 올라가지만, 1980년대에 들어서야 존 스웰러(John Sweller)가 초기 인지 원칙들을 실제 교육 전술에 연결했습니다. 스웰러는 학생들의 학습 과정을 관찰하며, 우리의 인지 과정에 내재된 병목 현상이 학습에 장벽이 될 수 있으며, 이를 신중한 교육 설계를 통해 완화할 수 있다고 제안했습니다. 즉, 그의 이론은 특정 요인이 인지 부하를 증가시켜 학습과 관련된 정보를 방해할 수 있음을 설명하며, 이러한 방해 요소를 완화하기 위한 실행 가능한 권고안을 교사와 교육 설계자들에게 제공했습니다. 이는 교육 기술 설계자들에게도 시사점을 제공했습니다.

    한편, 벤저민 블룸(Benjamin Bloom)도 인지 과학이 교육에 미치는 영향을 탐구하고 있었습니다. 그의 영향력 있는 연구인 “2시그마 문제(two-sigma problem)”는 많은 학습 연구자들의 주목을 받았습니다. 블룸은 완전 학습(mastery learning) 기법을 사용하는 1:1 개인 교습(human tutoring)을 받은 학생들이 집단 기반 교실 수업을 받은 학생들보다 뛰어난 성과를 낸다는 것을 발견했습니다. 이 기초적인 연구는 컴퓨터 기반 적응형 학습을 지지하는 사람들에게 있어 중요한 근거로 자리 잡았습니다.

    블룸(Bloom)의 고전적인 연구와 지금까지의 대부분의 컴퓨터 기반 학습이 개별 학습에 중점을 두었던 반면, 1980년대 중반에 이르러 학습 과학자들은 보다 구성주의적이고 협력적인 학습 기법을 탐구하기 시작했습니다. 이는 예를 들어 장 피아제(Jean Piaget)의 구성주의 교육 이론과 레프 비고츠키(Lev Vygotsky)의 협력적 구성주의 이론을 바탕으로 이루어졌습니다.

    가장 급진적인 구성주의 교육 이론은 객관적 “현실”은 인식 불가능하다는 전제에서 출발하며, 대신 개인은 자신의 정신 안에서 주관적이고 맥락화된 현실을 구성한다고 주장합니다. 덜 급진적인 구성주의자들은 여전히 지식의 능동적 구성을 강조하지만, 그 과정이 객관적인 물리적·사회적 세계의 제약 안에서 이루어진다고 봅니다.

    교육 환경에서는 이는 학생들이 단순히 정보를 수동적으로 해석하는 것이 아니라, 교육 자료와 적극적으로 상호작용하고 학습 경험을 능동적으로 창출할 때 가장 효과적으로 학습한다는 것을 의미합니다. 구성주의는 교육 이론에 큰 변화를 촉진했으며, 교수자 중심과 콘텐츠 중심의 관점에서 벗어나 학습자 중심적 관점으로 전환하도록 만들었습니다.

    사회적 구성주의(Social Constructivism)는 이러한 전제를 한 걸음 더 발전시켜, 협력과 사회적 상호작용이 학습과 지식의 형성에 미치는 영향을 강조합니다. 이는 학습이 단순히 개인의 인지적 과정이 아니라, 집단 내 상호작용을 통해 형성되는 과정임을 보여줍니다.

    사회적 구성주의 교육 이론은 컴퓨터 지원 협력 학습(CSCL, Computer-Supported Collaborative Learning)의 발전을 촉진했습니다. 이는 상호작용 학습과 컴퓨터 매개 통신을 지원하도록 설계된 소프트웨어를 의미합니다. 이 시기에 기업과 대학들은 교육 및 소통 기술 개발에 나섰으며, 대표적인 예로 제록스(Xerox)의 NoteCards와 카네기 멜런 대학(Carnegie-Mellon University)의 Andrew 시스템이 있습니다.

    마를렌 스카르다말리아(Marlene Scardamalia)와 그녀의 토론토 대학 동료들도 이 분야에 큰 영향을 미쳤습니다. 예를 들어, 그들은 컴퓨터 지원 의도적 학습 환경(CSILE)을 실험했는데, 이는 네트워크 컴퓨터를 통해 학생들이 아이디어, 그림, 그리고 노트를 공유하면서 협력적으로 의미를 구성할 수 있도록 도와주는 시스템이었습니다. 이러한 프로젝트들은 교육 기술 분야 전반에 영향을 미치며 사회적 학습(social learning)으로의 근본적인 전환을 촉진했습니다.

    이러한 관심은 “가상 교실(virtual classroom)” 개념을 발전시키는 데 기여했습니다. 이는 네트워크 기반의 컴퓨터 매개 통신을 통해 다수의 사람들이 언제 어디서나 학습할 수 있는 환경을 제공합니다. 뉴저지 공과대학(New Jersey Institute of Technology)의 스타 록산 힐츠(Starr Roxanne Hiltz)는 이를 다음과 같이 설명했습니다. “갑자기 이런 생각이 떠올랐습니다. 가르치고 배우는 환경은 벽돌과 나무판자로만 만들어질 필요가 없습니다. 소프트웨어로도 구축할 수 있습니다. 그것은 가상(Virtual)이 될 수 있습니다! 많은 교사와 학생들이 자신만의 마이크로컴퓨터를 보유한 시대에는 더 이상 교실로 이동할 필요가 없습니다. 교실이 전화선과 컴퓨터를 통해 그들에게 올 수 있습니다.”

    1980년대에 시작된 디지털 협업은 이후 수십 년 동안 맥락적으로 풍부한 학습 환경의 발전을 이끌었습니다. 힐츠(Hiltz)와 그녀의 동료들이 가상 교실(virtual classrooms)을 개발하는 동안, 다른 연구자들은 가상 세계(virtual worlds)와 합성 환경(synthetic environments)을 구축하기 시작했습니다.

    가상 세계는 네트워크 컴퓨터를 통해 사람들을 아바타로 표현하며, 동기적(synchronous)이고 지속적인 네트워크 환경으로 정의됩니다. 한편, 합성 환경은 실제 환경을 사실적으로 재현한 시뮬레이션 환경을 뜻합니다. 예를 들어, 마이클 네이마크(Michael Naimark)의 “대리 여행(surrogate travel)” 개념은 레이저디스크(LaserDisc)를 사용해 실제 환경을 가상으로 재현하여 탐색할 수 있게 했습니다. 또 다른 사례로, NASA Ames 연구소는 입체적 시각을 제공하는 헤드 마운트 디스플레이와 광섬유 데이터 장갑을 활용한 가상현실 시스템을 개발했습니다. 마지막으로, 루카스필름 게임즈(Lucasfilm Games)와 Quantum Computer Services, Inc.가 협력해 개발한 Habitat은 대규모 다중 사용자 상업용 가상 세계를 개발하려는 초기 시도로 자주 언급됩니다. 이러한 시스템들은 완전히 성숙하기까지 수십 년의 발전이 필요했지만, 이 초기 선구자들의 공헌은 과소평가할 수 없습니다.

    CHAPTER 2 - Picture2.jpg

    교육계가 가상 세계와 협력적 가상 교실을 개발하는 동안, 훈련 산업도 다인(person) 기반의 훈련 시뮬레이션을 탐구했습니다. 이러한 시뮬레이션은 NASA와 미국 군대와 같은 조직에서 주도했으며, 컴퓨터 지원 훈련 시스템은 이미 1940년대에 등장했습니다. 초기에는 비용이 너무 많이 들거나, 위험하거나, 실행이 어려운 실제 훈련을 대체하는 용도로 사용되었습니다. 그러나 1970년대에 들어 훈련계는 교육 시뮬레이션이 단순한 대체 수단을 넘어 독특한 교육 도구이자 팀 기반 연습을 위한 잠재적 플랫폼으로도 가치가 있다는 점을 인식하기 시작했습니다. 이와 같은 집단적이고 개선된 훈련에 대한 요구로 인해 연구자들은 분산 시뮬레이션 기반 훈련 기술을 개발하기 시작했습니다. 그 대표적인 사례로는 1987년에 도입된 DARPA(미국 국방고등연구계획국)의 시뮬레이션 네트워크(SIMNET)가 있습니다. 그러나 분산 시뮬레이션이 실제로 학습에 적합한 방식으로 자리 잡기 시작한 것은 1990년대와 글로벌 인터넷의 등장 이후였습니다.

    1990s

    1990년대 내내 컴퓨터 기반 학습은 개인용 컴퓨터의 보급 증가, 멀티미디어 기능의 개선, 그리고 컴퓨터 네트워킹의 발전과 함께 지속적으로 확장되었습니다. 특히, 1990년대는 월드 와이드 웹(WWW)의 성장으로 크게 특징지어집니다. 월드 와이드 웹은 1989년에 발명되어 네트워크 기반 통신에 광범위한 접근성을 제공했으며, 1990년대 중반에 첫 웹 기반 강좌들이 등장했습니다. 1990년대 말까지 미국 대학의 약 60%가 웹 기반 강좌를 제공하게 되었습니다.

    이와 동시에 이러닝 산업이 등장했습니다. 1990년대 동안 공급업체들은 교사와 교육 기관이 이러닝 자원을 관리할 수 있도록 돕는 도구를 개발했습니다. 이와 관련된 소프트웨어는 다양한 이름으로 출시되었으며, 코스 관리 시스템(CMS), 가상 학습 환경(VLE), 학습 플랫폼, 관리 학습 환경(MLE), 그리고 오늘날에도 널리 사용되는 학습 관리 시스템(LMS) 및 학습 콘텐츠 관리 시스템(LCMS) 등이 포함되었습니다.

    전통적인 이러닝 외에도 일부 연구자들은 적응형 하이퍼미디어(adaptive hypermedia)를 주창하기 시작했습니다. 일반적인 웹사이트가 모든 사용자에게 동일한 텍스트, 링크, 멀티미디어를 제공하는 것과 달리, 적응형 하이퍼미디어 시스템은 각 사용자의 모델을 생성하고, 이를 기반으로 제공되는 정보와 링크를 조정합니다. 피터 브루실롭스키(Peter Brusilovsky)와 그의 동료들은 웹 커뮤니케이션과 지능형 교습 개념을 통합한 적응형 하이퍼미디어 시스템을 개발하고 실험했습니다.

    적응형 하이퍼미디어와 함께, “2세대 지능형 교습 시스템(Intelligent Tutoring Systems, ITS)”도 성숙기를 맞았습니다. 주목할 만한 사례로는 켄 코에딩거(Ken Koedinger)와 그의 동료들이 개발한 인지 교습 시스템(Cognitive Tutors)이 있습니다. 이 시스템은 미국 전역 수천 개 학교에서 중학생들에게 수학을 가르쳤으며, 엄격한 평가를 통해 눈에 띄는 학습 효과를 입증했습니다. *쿨릭(Kulik)과 플레처(Fletcher)가 해당 주제에 대해 메타 분석한 결과에 따르면, 1990년대의 지능형 교습 시스템은 평균적으로 약 1 표준 편차의 효과 크기를 보였으며, 이는 1세대 컴퓨터 보조 교습 시스템에 비해 약 두 배에 달하는 학습 성과를 보여줍니다. 이러한 지능형 교습 시스템의 학습 효과는 인간 교사와 거의 동등한 수준으로 평가되었습니다.

    정서 컴퓨팅(Affective Computing)은 1990년대 중반 컴퓨터 과학의 한 분야로 등장했으며, 특히 로잘린드 피카드(Rosalind Picard)에 의해 주목받았습니다. 이 연구자들은 AI에서 감정을 모방하는 방법을 탐구하고, 기계가 인간의 감정을 감지할 수 있는 방법을 개발했습니다. 이 두 가지 목표는 교육 분야에서도 매우 중요하게 활용되었습니다.

    첫 번째 목표는 교육 에이전트(pedagogical agents), 즉 교육 기술에서 교사나 동료의 역할을 하는 애니메이션 캐릭터 연구에 기여했습니다. 두 번째 목표는 개인화 학습 시스템이 학습자의 감정 상태에 적응적으로 반응할 수 있도록 도움을 주었습니다. 예를 들어, 학습자가 지루함이나 좌절감을 나타낼 때 이를 감지하고 적절히 대응할 수 있게 한 것입니다.

    이후 21세기에 접어들면서, 라파엘 칼보(Rafael Calvo)와 시드니 디멜로(Sidney D’Mello)와 같은 연구자들은 안구 추적기, 얼굴 및 제스처 인식, 마우스 움직임, 자세 센서 등을 사용해 이러한 감정 상태를 더 신뢰할 수 있고 덜 침해적인 방식으로 감지하는 방법을 개발했습니다.

    이러한 기술들이 등장함에 따라, 새로운 증거 기반 학습 원칙의 필요성이 점차 명확해졌습니다. 이러한 진보 중 하나는 리처드 메이어(Richard Mayer)의 멀티미디어 학습 이론(multimedia learning theory)에서 나왔습니다. 메이어는 스웰러(Sweller)의 인지 부하 이론(cognitive-load theory) 및 기타 인지 원칙을 기반으로, 학습자가 멀티미디어 학습과 상호작용할 때의 정신적 과정을 세밀하게 설명하고 이를 최적화하기 위한 지침을 제시했습니다. 예를 들어, 설명을 단순히 텍스트로만 제공하는 대신 텍스트와 그림을 함께 제시하거나, 관련된 텍스트와 그림을 가까운 위치에 배치하라는 지침을 제안했습니다. 메이어의 연구는 교육 과학을 교사들이 더 쉽게 접근할 수 있도록 만들었으며, 교육 설계자들에게 명확한 실천적 조언을 제공하여 교육 분야에 큰 영향을 미쳤습니다.

    이와 함께 컴퓨터 매개 통신(CMC, Computer-Mediated Communication)과 관련된 교육 이론도 주목받기 시작했습니다. 이 개념들은 1980년대에 등장했지만, 1990년대 들어 웹 기반 통신의 접근성이 확대되면서 본격적으로 발전했습니다. 이 분야의 저명한 학자인 랜디 개리슨(Randy Garrison)은 당시를 다음과 같이 표현했습니다.

    “우리는 학습자 커뮤니티 맥락에서 빈번한 양방향 소통을 통해 교육 과정을 개인화하고 통제권을 공유할 수 있는 탈산업화(postindustrial) 시대의 원격 교육에 진입하고 있다.”

    1980년대가 주로 분산 학습 도구의 산업적 가치를 강조했다면, 1990년대의 이론가들은 원격으로 이루어지는 교육과 학습의 촉진에 더 큰 비중을 두기 시작했습니다. 심지어 원격 교육의 산업 모델을 처음 제안했던 오토 페터스(Otto Peters)조차도 1990년대에 들어서 “탈산업(postindustrial)이라는 새로운 시대의 초기 징후가 보이는가?”라는 질문을 던지며 변화의 가능성을 모색했습니다.

    교육 이론가들이 월드 와이드 웹이 제공하는 교육적 기회를 환영하는 동안, 일부 대학들은 더욱 야심찬 계획을 세웠습니다. 존 다니엘(John Daniel)은 그의 저서 Mega-universities and Knowledge Media에서 대규모 공개 원격 학습이 고등 교육에 미칠 수 있는 혁신적 힘을 탐구하며, 이를 통해 비용을 줄이고 유연성을 제공하며, 특히 소외된 지역에서 고등 교육 접근성을 확대할 가능성을 강조했습니다. 다니엘은 특히 영국의 개방 대학교(British Open University)와 같은 메가 대학(mega-universities)이 제공하는 솔루션을 분석했습니다. 이러한 기관들은 입학 장벽을 제거하고 최소 10만 명 이상의 학생들에게 서비스를 제공합니다. 다니엘은 다음과 같이 썼습니다. “개발도상국의 급증하는 인구를 위해 교육과 훈련을 제공하는 것은 해당 국가들만의 과제가 아닙니다. 인류의 안전도 이 문제에 달려 있을 수 있습니다.”

    교육을 통해 사회를 변화시키는 웹의 힘은 무시할 수 없는 것이었습니다. 이를 보여주는 사례로, 미국 의회는 고등교육법(Higher Education Act) 재승인의 일환으로 1998년에 초당적 웹 기반 교육 위원회(Bipartisan Web-based Education Commission)를 설립했습니다. 위원회는 이후 발간한 증거 기반의 종합 보고서 The Power of the Internet for Learning에서 의회에 이러닝을 국가 교육 정책의 핵심으로 삼을 것을 촉구하며 다음과 같이 밝혔습니다.

    “인터넷은 역사상 가장 변혁적인 기술 중 하나로, 비즈니스, 미디어, 엔터테인먼트, 사회를 놀라운 방식으로 재구성하고 있습니다. 그러나 그 모든 잠재력에도 불구하고, 교육을 변화시키기 위해 이제 막 활용되기 시작했습니다. … 이제 약속에서 실천으로 나아갈 때입니다.”

    이 보고서는 여섯 가지 유망한 흐름을 제시했습니다. 여기에는 광대역 접근성 확대, 보편적 컴퓨팅(pervasive computing)—즉, 컴퓨팅, 연결성, 통신 기술이 작은 다목적 기기를 연결하고 무선 기술로 이를 통합하는 기술—, 디지털 융합(digital convergence), 즉 통신, 라디오, 텔레비전, 기타 상호작용 기기들이 통합된 인프라로 결합되는 것, 교육 기술 표준(education technology standards), 음성 및 제스처 인식, 텍스트 음성 변환, 언어 번역, 감각적 몰입을 결합한 적응형 기술(adaptive technologies)의 등장, 그리고 인터넷 대역폭 비용의 급격한 감소가 포함되었습니다.

    돌이켜보면, 여기에 몇 가지 추가적인 흐름을 더할 수 있습니다. 그중 하나는 혼합 현실(mixed reality)입니다. 이는 가상 현실(VR)과 증강 현실(AR)을 포함하는 연속체로 볼 수 있습니다. 혼합 현실은 1950년대부터 1980년대까지 선구적으로 연구되었지만, 교육과 훈련을 위한 실질적인 응용은 1990년대 중반에 처음 등장했습니다.
    CHAPTER 2 - Picture3.jpg

    당시 VR은 보통 헤드 마운트 디스플레이나 동굴 형태의 투사 공간(cave-like projection rooms)을 사용하여 몰입형 경험을 제공했습니다. 반면 VR이 현실을 완전히 가상 시각 및 음향으로 대체하려는 시도를 한다면, AR 시스템은 실제 상황에 가상 자극을 결합합니다. 예를 들어, 실시간 현실 세계의 비디오 위에 그래픽을 겹쳐 보여주는 방식입니다. 그러나 두 경우 모두 당시의 기술은 비용이 높고 다루기 어렵다는 한계가 있었지만, 빠르게 발전해왔습니다. 그럼에도 불구하고, 이 기술들이 학습 또는 동기 부여를 향상시키는 효과를 평가한 실증적 연구는 오늘날까지도 놀라울 만큼 미흡합니다.

    분산 시뮬레이션(distributed simulation)도 같은 시기에 두드러진 발전을 이루었습니다. 전 십년 동안 개발된 SIMNET은 실시간 네트워크 시뮬레이션 시대를 여는 데 기여했습니다. 이제 SIMNET의 개발을 주도했던 이들은 실시간, 가상, 구성 시뮬레이션(live, virtual, constructive simulations)을 통합한 합성 환경(synthetic environments)을 구축하기 위해 노력했습니다. 이를 위해, 엔지니어들은 동기화된 교육 시나리오를 지원할 수 있는 새로운 상호운용성 표준을 개발하고 있었습니다. 여기에는 분산 상호작용 시뮬레이션(DIS, Distributed Interactive Simulation)과 고수준 아키텍처(HLA, High-Level Architecture) 프로토콜이 포함됩니다. 또한 연구자들은 분산 시뮬레이션에 월드 와이드 웹을 활용하는 가능성을 탐구하기 시작했습니다.

    미국 정부는 특히 군사 및 인력 개발을 위해 웹 기반 학습을 더 효과적으로 활용할 방법을 모색하고 있었습니다. 이러한 요구는 고급 분산 학습(ADL, Advanced Distributed Learning) 이니셔티브의 창설로 이어졌습니다. ADL 이니셔티브의 기원은 1990년대 초로 거슬러 올라가며, 당시 의회는 주방위군(National Guard)이 전자 교실 및 학습 네트워크의 프로토타입을 구축하도록 승인했습니다.

    1990년대 중반이 되자, 국방부(DoD)는 더 체계적인 접근 방식이 필요하다는 것을 인식했고, 1996년 국방 4개년 검토(Quadrennial Defense Review)를 통해 기술 기반 교육과 훈련의 현대화를 위한 부서 차원의 전략 개발을 공식화했습니다. 이 전략이 바로 초기 ADL 이니셔티브로 발전했습니다.

    1998년, 국방부 부차관은 인력 및 준비 담당 차관에게 군, 합동 참모본부, 기술 및 획득 담당 차관, 그리고 재무 담당자와 협력하여 이 신흥 프로그램을 주도하도록 지시했습니다. 그는 또한 분산 학습에 대한 부서 차원의 정책 수립, 이 정책을 실행하기 위한 “마스터 플랜” 개발, 그리고 관련 구현을 위한 자원 배정을 지시했습니다.

    이후, ADL 이니셔티브의 일부는 연방 차원의 프로그램으로 확대되었으며, 이러닝 시스템의 통합, 공유 기술 표준, 현대 학습 이론의 적용을 통해 이를 조정하는 임무를 부여받았습니다.

    고급 분산 학습 전략은 학습 패러다임을 “교실 중심” 모델에서 점점 더 “학습자 중심” 모델로 재구성하고, 학습 운영 방식을 “공장 모델”(주로 대규모 교육 및 훈련 기관에 의존하는 방식)에서 “정보화 시대 모델”로 전환할 것을 요구합니다. 이 새로운 모델은 언제 어디서나 학습할 수 있는 네트워크 중심의 접근 방식을 통합합니다.

    ADL 이니셔티브의 주요 임무 중 하나는 분산 학습을 위한 기술 표준을 개발하는 것입니다. 1990년대에는 하이퍼텍스트 전송 프로토콜(HTTP)과 하이퍼텍스트 마크업 언어(HTML)와 같은 표준이 막 등장하기 시작했습니다. 비슷한 시기에 확장 마크업 언어(XML)도 1990년대 중반에 출시되었으며, 이를 통해 웹이 단순히 프레젠테이션 매체에서 데이터 중심 플랫폼으로 변모할 수 있도록 도왔습니다. 특히, XML은 시맨틱 웹(semantic web)으로의 가능성을 열었습니다.

    20세기 마지막 10년 동안 이루어진 기술 발전에 대해 단독으로 다룬 책들이 많을 만큼, 이 시기의 진보는 상당히 주목할 만합니다. 본 문맥에서 중요한 몇 가지 발전 사항으로는 인공지능(AI)과 데이터 마이닝(data mining)의 부상, 자연어 인터페이스의 가용성, 개인용 디지털 비서(PDA) 및 관련 셀룰러 통신의 상업화, 그리고 DVD의 발명이 포함됩니다.

    이 시기에는 컴퓨팅 모델(computational models)에 대한 전례 없는 수요가 생겨났으며, 연구자들은 공항 시설, 콜센터, 기업, 의료 센터, 심지어 패스트푸드점까지 다양한 산업에 적용할 수 있는 모델 세트를 대규모로 개발하기 시작했습니다. 인지 모델링 접근법(cognitive modeling approaches)도 이전 몇 십 년 동안 탐구되었던 이론에서 실제 시스템에 적용되기 시작했습니다.

    예를 들어, DARPA(미국 국방고등연구계획국)의 Pilot’s Associate는 인공지능과 인지 모델링을 통합하여 항공기 조종사의 의도를 추론하고, 의사 결정을 지원했습니다. 이와 같은 인지 및 신경과학(Neuroscience)의 발전은 1990년대를 특징짓는 주요 요소 중 하나였으며, 이후 조지 H. W. 부시(George H. W. Bush) 대통령이 이를 “뇌의 10년(Decade of the Brain)”으로 명명하는 계기가 되었습니다.

    2000s

    2000년대는 확대되는 광대역 접속, 소비자용 스마트폰, 스트리밍 비디오 서비스, 전자책 리더기, 그리고 소셜 미디어의 부상으로 인해 학습 기술이 더욱 가속화되었습니다. 모바일 폰이 전 세계에 퍼지면서, 모바일 학습(m-learning)이 널리 받아들여졌습니다. 특히, 개발도상국에서는 m-러닝이 교육에 접근할 수 없는 수백만 명의 사람들에게 교육을 제공하는 생명선이 되었습니다.

    산업화된 국가에서도 m-러닝은 새로운 가능성을 열었습니다. 맥락 인식(context-aware)과 보편적 학습(pervasive learning)을 제공하는 혁신적인 플랫폼으로 자리 잡은 것입니다. m-러닝을 위해 설계된 콘텐츠는 종종 짧고 간결한 마이크로러닝(microlearning) 형태로 제작되었습니다.

    비록 마이크로러닝과 모바일 학습은 개념적으로 별개이지만, 두 가지는 상당히 겹치며 서로 교차하는 부분이 많습니다. 모두 유연한 자기주도 학습과 학습의 맥락화를 강조합니다. 스마트폰 기반의 마이크로러닝은 언제 어디서나 학습할 수 있는 본래의 약속을 실현하며, 학습이 필요한 시점에 바로 전달되는 진정한 보편 학습을 가능하게 했습니다.

    m-러닝이 발전하는 동안, 기존의 온라인 학습도 지속적으로 성장했습니다. 2000년대 말이 되자, 미국 학군의 80%가 온라인 강좌를 제공했으며, 거의 모든 대학이 이러닝을 포함한 교육 방식을 채택했습니다. 많은 기업, 예를 들어 Cisco와 AT&T와 같은 기업들도 상당 부분의 기업 훈련을 온라인으로 전환했습니다.

    Blackboard와 WebCT 같은 상업용 학습 관리 시스템(LMS)은 시장 점유율의 대부분을 차지했으며, Moodle과 Sakai와 같은 오픈소스 경쟁자들도 인기를 얻기 시작했습니다.

    이러닝 소프트웨어에 대한 수요 증가로 인해, 학습 객체 메타데이터(LOM, Learning Object Metadata), 더블린 코어(Dublin Core)와 같은 콘텐츠 메타데이터 정의 표준과, 시스템 간 이러닝 콘텐츠의 상호운용성을 보장하기 위한 SCORM(Sharable Content Object Reference Model) 사양의 필요성이 더욱 부각되었습니다. 이러한 표준과 함께, 연구자들은 “교육 객체(instructional objects)” 개념을 제안했습니다. 이는 재사용과 재구성이 가능한 캡슐화된 학습 자료를 의미합니다. 플레처(Fletcher)는 2005년에 이를 다음과 같이 예견했습니다.

    기술 기반 교육(또는 성과 지원)을 위한 자료를 준비하는 데 있어 중점은 현재의 교육 객체 자체를 개발하는 데서, 이미 사용 가능한 객체들을 통합하여 의미 있고, 관련성 있으며, 효과적인 상호작용을 만드는 것으로 점차 이동할 것입니다.

    이러한 목표를 염두에 두고, 지지자들은 학습 레지스트리와 콘텐츠 저장소를 만들기 시작했습니다. 이는 CORDRA(Content Object Repository Discovery and Registration/Resolution Architecture)와 MERLOT(Multimedia Education Resource for Learning and Online Teaching) 프로젝트와 같이 콘텐츠를 원활히 검색하고 접근할 수 있도록 지원하는 연합형 시스템입니다.

    비록 객체 레지스트리의 개념은 이후 몇 년간 다소 주춤했지만, 학습 자료에 쉽게 접근할 수 있다는 약속은 꾸준히 주목받고 있습니다.

    교육을 보다 폭넓게 접근 가능하게 만들고자 하는 관심은 오픈 교육 자원(Open Educational Resources, OER) 운동을 촉진했습니다. 이 운동은 교사, 트레이너, 학습자들에게 학습 자원을 무료로, 그리고 널리 제공하려는 목표를 가지고 있습니다. 크리에이티브 커먼즈(Creative Commons)와 그 오픈 라이선스 모델도 이 시기에 등장했으며, 위키피디아(Wikipedia)도 같은 해에 출범했습니다. 또한, 와이어드(Wired) 잡지는 2000년대 중반에 크라우드소싱(crowdsourcing)이라는 용어를 만들어냈습니다. 이는 한때 직원들이 수행하던 기능을 불특정(대체로 대규모) 네트워크의 사람들에게 공개적인 호출 방식으로 아웃소싱하는 것을 의미하며, 이 개념은 오픈 교육 커뮤니티에서 빠르게 받아들여졌습니다.

    오픈 교육에 대한 캠페인은 대규모 공개 온라인 강좌(MOOCs)의 개발도 이끌었습니다. MOOC는 2012년에 이르러서야 널리 대중화되었지만, 그 기원은 2008년에 처음 등장했습니다. Udemy와 Peer 2 Peer University와 같은 플랫폼이 곧이어 설립되어 수천 명의 학생들에게 무료 온라인 강좌를 제공했습니다. MOOC는 새로운 학습 패러다임을 도입하기도 했습니다.

    초기 MOOC는 조지 시멘스(George Siemens)와 스티븐 다운스(Stephen Downes)가 개발한 연결주의(connectivist) 학습 이론에서 발전했습니다. 연결주의는 “디지털 시대를 위한 학습 이론”으로 불리며, 지식이 네트워크의 연결망 전반에 분산되어 있다는 전제를 가지고 있습니다. 특히 현대의 복잡한 세계에서는 정보원과 다양한 분야 간의 연결을 볼 수 있는 능력, 지속적으로 배우는 능력, 그리고 최신의 다양하고 유용한 지식을 중시합니다. 초기 연결주의 MOOC는 cMOOCs라고도 불리며, 이는 사회적 학습, 협력, 협력적 학습 도구의 사용을 강조하는 특성을 반영한 명칭입니다.

    2000년대에는 연결주의 외에도 여러 학습 이론이 발전했습니다. 예를 들어, 미국 국립연구위원회(National Research Council)는 교실에서의 교수와 학습에 대한 광범위한 통찰을 담은 How People Learn이라는 영향력 있는 책을 출간했습니다. 로린 앤더슨(Lorin Anderson)과 데이비드 크래스월(David Krathwohl)은 블룸의 유명한 분류체계를 2차원적으로 개정해 발표했습니다. 데이비드 메릴(David Merrill)은 행동주의, 인지주의, 구성주의 학습 이론을 통합하는 데 도움을 주는 First Principles of Instruction을 출간했습니다. 또한, 스티브 피오레(Steve Fiore)와 에두아르도 살라스(Eduardo Salas)는 학습 과학의 협력 차원을 온라인 학습에 적용한 논문집을 발간했습니다. 마지막으로, 교육 과학 연구소(Institute of Educational Sciences)는 7가지 인지적 학습 원칙을 발표했으며, 이는 실증적 데이터를 기반으로 하며 교실에서 바로 적용할 수 있는 형태로 제공되었습니다.

    개인화 학습 환경에 대한 연구와 실천은 구성주의, 적응형 하이퍼미디어, 지능형 교습 시스템, 그리고 교육에서의 인공지능 분야에서 발전을 거듭하며 성숙해졌습니다.

    1990년대에 처음 개발된 플립 러닝(flipped classroom) 개념은 이 시기에 널리 인기를 얻었습니다. 이 교수법은 전통적인 학교 모델을 뒤집어, 교실 밖에서 강의형 콘텐츠를 전달하고, 교실 내에서는 주로 과제로 여겨졌던 상호작용 학습 활동에 시간을 집중하도록 설계되었습니다. 온라인 학습 도구와 스트리밍 기술의 발전은 플립 러닝을 교사들에게 더 접근 가능하게 만들었습니다. 2004년에 칸 아카데미(Khan Academy)를 설립한 살만 칸(Salman Khan)은 이 개념의 대중화를 크게 도왔으며, 이를 교사와 대중에게 널리 알리는 데 기여했습니다.

    이와 마찬가지로, 분산 학습(spaced learning) 기법의 활용도 이 시기에 널리 받아들여졌습니다. 이는 교육 과학 연구소(Institute of Educational Sciences)가 제시한 7가지 인지적 학습 원칙 중 하나로, 그 뿌리는 19세기까지 거슬러 올라갑니다. 분산 연습(distributed practice)이라고도 불리는 이 원칙은 학습이 짧고 드문 간격으로 압축된 방식보다, 시간을 두고 반복적으로 제공될 때 장기 기억에 더 효과적으로 저장되고 회상 가능하다는 점을 강조합니다.

    CHAPTER 2 - Picture4.jpg

    영국 고등학교 교장이었던 폴 켈리(Paul Kelley)는 2008년 그의 저서 Making Minds에서 분산 학습을 대중화하는 데 기여했습니다. 그는 이 책에서 신경과학 원칙을 기반으로 다음과 같이 썼습니다.

    “현재까지 과학적 학습 분석은 교육에 거의 영향을 미치지 못했습니다. 반면, 기술과 과학의 다른 분야에서는 지식이 빠르게 증가하고 있습니다. 우리가 보게 될 것은, 이러한 지식이 종종 전통적인 교육의 지혜와 상당히 상충된다는 점입니다. 인간의 뇌와 그 작동 방식에 대한 과학적 이해는 학습이 단순히 무한히 유연한 지능에 지식을 추상적으로 전달하는 것이 아니라, 물리적 한계를 가진 생화학적 과정임을 보여주기 시작하고 있습니다.”

    이 시기에는 웹 기반의 대화형 학습 환경이 크게 발전했으며, 교육용 에이전트와 아바타를 활용한 시스템이 널리 보급되었습니다. 학생들은 자연어를 사용해 대화하면서 학습할 수 있었으며, 대표적인 예로 아트 그래서(Art Graesser)와 그의 동료들이 개발한 AutoTutor 시스템, 제임스 레스터(James Lester)와 그의 동료들이 개발한 Crystal Island, 그리고 루이스 존슨(Lewis Johnson)이 개발한 Tactical Language and Culture System이 있습니다. 이러한 시스템들은 구성주의와 협력을 촉진하며, 감정에 민감하고 몰입감 있는 사회적 상호작용을 제공했습니다.
    CHAPTER 2 - Picture5.jpg

    학습 평가에서도 증거 기반의 엄격성을 높이려는 요구가 두드러졌습니다. 학습 과학자들은 새로운 개념은 아니지만 학습을 위한 테스트의 사용을 강력히 촉진하고, 교사들에게 객관식 문제 대신 에세이 쓰기와 같은 더 활동적인 평가 기법을 사용할 것을 권장했습니다. 대부분의 교사들은 에세이 평가가 자동으로 채점될 수 있으며, 높은 신뢰도를 제공한다는 사실을 잘 알지 못했습니다.

    한편, 이 시기 말에는 컴퓨팅 파워의 증가와 학습 데이터의 확대가 학습 분석(Learning Analytics)과 교육 데이터 마이닝(Educational Data Mining)의 발전을 이끌었습니다. 조지 시멘스(George Siemens)와 그의 동료들은 학습 분석을, 라이언 베이커(Ryan Baker)와 그의 동료들은 교육 데이터 마이닝을 주도했습니다. 이 두 분야는 밀접하게 관련되어 있지만, 각각 독자적인 학회와 학술지를 가지며, 학습 데이터(주로 교육 기술 내 상호작용 로그나 내장된 평가 데이터를 통해 수집된 데이터)에 데이터 과학의 원칙을 적용합니다.

    두 개념의 세부적인 정의에 대해서는 연구자들 간 논쟁이 계속되고 있지만, 두 분야 모두 학습 및 개발과 관련된 데이터를 측정, 수집, 분석하고, 이러한 분석 결과를 학습 시스템의 특정 측면을 개선하는 데 활용하는 것을 강조합니다.

    2010-PRESENT

    학습 과학과 기술의 관점에서 2010년대는 이전 10년과 자연스럽게 이어지지만, 이 시기에는 학습 환경을 극적으로 변화시킨 기술적 진보가 있었습니다. 이 시기에는 정확한 음성 언어 이해, 사회 전반에 걸친 스마트폰 보급, 보편화된 게임 및 소셜 미디어, 세밀한 수준의 성과 추적 로그 파일, 감정 및 신원을 감지하는 알고리즘, 수천 가지 주제를 다루는 MOOC, 초현실적 애니메이션 에이전트, 협력적 문제 해결, 그리고 많은 직업을 대체할 수 있는 혁신적 AI가 등장했습니다.

    현 시대의 가장 영향력 있는 발명품을 예측하는 것은 불가능하지만, 몇 가지 트렌드는 이미 두드러지고 있습니다. 그러나 이들이 시간이 지나도 여전히 중요한 영향을 미칠지는 지켜봐야 할 것입니다.

    MOOC(Massively Open Online Courses)는 발전을 지속했지만, 비판과 우려도 함께 따라왔습니다. 오늘날 MOOC는 주로 확장형 MOOC(Extended MOOC, xMOOC) 모델을 따르고 있습니다. xMOOC는 cMOOC와 개방적 접근성과 대규모 학습이라는 공통점을 공유하지만, cMOOC가 연결주의 학습(connectivist learning)을 강조하는 반면, xMOOC는 보다 전통적인 교수주의적 접근법을 사용하며 확장 가능성(scalability)에 중점을 둡니다.

    💡우리는 최근 학습 과학의 과거와 미래를 다룬 논문을 Journal of Cognition and Development에 제출했습니다. 이 논문에서는 1970년대부터 현재까지의 연구 자금 투자 흐름을 추적하며, 이러한 자금이 여러 연방 기관과 민간 재단에서 나온다는 점을 언급했습니다. 예를 들어, 해군 연구소(Office of Naval Research)는 이 분야에 오랜 투자 역사를 가지고 있으며, 교육부(Department of Education)도 교육 과학 연구소(Institute of Education Sciences, IES)뿐만 아니라 국립 교육 연구소(National Institute of Education)와 같은 선행 기관을 통해 다방면으로 지원을 해왔습니다.
    연방 기관들은 각 기관의 목표와 사명의 차이로 인해 연구 자금을 지원하는 방식도 다르게 접근하지만, “사람들이 어떻게 배우는지 이해하는 것”이라는 공통된 목표를 가지고 있습니다. 우리는 이러한 투자들이 두 가지 접근법을 통해 이루어진 것을 발견했습니다.
    첫 번째는 내용 독립적(content-agnostic) 접근법으로, 주로 실험실에서 학습 원칙을 연구하여 폭넓게 학습에 도움이 될 수 있는 결과를 도출하려는 방식입니다. 예를 들어, 정보 회상 연습(retrieval practice)과 같은 학습 원리를 연구하는 것입니다.
    두 번째는 내용 의존적(content-dependent) 접근법으로, 특정 내용 영역 내에서의 미묘한 차이와 과제를 인지 과학적 관점에서 식별하려는 것입니다. 예를 들어, 읽기(reading)에 대한 연구는 1970~80년대에 중점적으로 이루어졌으며, 2010년에는 IES의 Reading for Understanding Initiative를 통해 다시 초점이 맞춰졌습니다.
    이 두 접근법은 서로 다르지만, 수십 년간 병행적으로 연구 자금을 지원받으며 모두 학습에 대한 이해를 넓히는 데 중요한 기여를 해왔습니다. 내용 독립적 접근법은 유망한 학습 원칙을 식별하는 데 필수적이지만, 내용 의존적 접근법도 각 콘텐츠 영역이 가진 고유한 요구를 충족시키는 데 필요합니다.
    궁극적으로, 이 두 접근법을 결합하는 것이 이상적이지만, 현재는 다른 유형의 인지 과학자들에 의해 각각 다루어지고 있습니다. 이러한 연구 그룹들이 협력하기 시작한다면, 학습에 대한 이해가 더 큰 진전을 이루는 데 도움이 될 것입니다.
    Erin Higgins, Ph.D.
    Program officer within the Institute of Education
    Sciences, U.S. Department of Education
    Look for Higgins, Dettmer, and Albro, currently in press

    Coursera, edX, Udacity와 같은 가장 인기 있는 xMOOC 플랫폼들은 2012년에 출시되었으며, 이러한 대규모 학습 제공은 2000년대 클라우드 컴퓨팅 발전과 Amazon Web Services(AWS)와 Microsoft Azure와 같은 소비자 대상 클라우드 서비스의 도입으로 크게 지원받았습니다. 클라우드 시스템은 컴퓨팅의 “서비스” 모델을 가능하게 하여 소프트웨어 애플리케이션이 기기나 위치에 구애받지 않고 사용할 수 있도록 했으며, 더 빈번한 애플리케이션 업데이트와 수요에 따른 무한 확장 능력을 제공했습니다.

    클라우드 컴퓨팅은 또한 사물인터넷(Internet of Things, IoT), 즉 네트워크에 연결되어 데이터를 공유할 수 있는 스마트 기기의 네트워크를 실현하는 데 도움을 주었습니다. Cisco의 미래학자 데이브 에반스(Dave Evans)에 따르면, IoT는 2008년 또는 2009년경에 “탄생”했지만, 학습에 대한 응용 가능성은 이제 막 탐구되기 시작했습니다.

    교육과 훈련의 맥락에서, IoT는 현실과 가상 환경을 연결하여 학습자가 디지털 정보를 가진 네트워크화된 물리적 객체와 상호작용할 수 있도록 합니다. 이러한 객체에는 RFID 센서, 공간 비콘(spatial beacons), 또는 Fitbit이나 Google Glass와 같은 웨어러블 기술이 포함될 수 있습니다.

    일부 웨어러블 기술에는 심박수 모니터나 안구 추적기와 같은 신경생리학적 센서가 통합되어 있습니다. 그러나 상업용 장치는 여전히 데이터 노이즈 문제를 겪고 있으며, 실제 학습 시스템에 의미 있게 통합되기 시작한 단계에 불과합니다.

    한편, 정신생리학 도구(예: 안구 추적, 피부 전도도), 뇌 영상 도구(예: fMRI, EEG), 및 정서 컴퓨팅의 응용은 실험실 환경에서 빠르게 발전하고 있습니다. 연구자들은 이미 스마트폰과 노트북의 기본 카메라에서 가져온 저비용 비디오 피드를 통해 학생들의 감정을 성공적으로 감지하고 있습니다.

    또한, DARPA의 여러 새로운 프로그램은 SF 영화 같은 결과를 탐구하며, 신경 인터페이스(neural interfaces)를 통해 인간의 인지 및 학습 능력을 향상시키는 임상 실험에서 성과를 보이고 있습니다. 이러한 기술은 언젠가 인간-기계 협업을 가능하게 할 수도 있을 것입니다.

    각 응용 프로그램은 방대한 양의 디지털 부산물을 생성합니다. 이를 데이터 스모그(data smog)라고 표현하기도 합니다. 학습 데이터의 폭발적 증가와 학습 플랫폼의 성장 및 다양성 확대는 다시금 새로운 기술 표준의 필요성을 제기했습니다. 이에 따라 ADL 이니셔티브는 경험 API(Experience API, xAPI)를 2011년에 개발하기 시작했으며, 2013년에 첫 번째 공개 버전을 출시했습니다.

    xAPI는 소프트웨어 애플리케이션이 인간의 성과와 관련된 교육 또는 성과 맥락 정보를 포함한 데이터를 공유할 수 있도록 합니다. 이를 통해 분석가들은 전통적인 LMS(Learning Management System)부터 모바일 기기, 시뮬레이션, 웨어러블, 물리적 비콘(beacons)에 이르기까지 다양한 시스템에서 수집된 학습 데이터를 통합하고 분석할 수 있습니다. xAPI는 또한 서로 다른 고립된 학습 기술들을 보다 통합된 시스템-중심 시스템(System-of-Systems)으로 연결하려는 통합 학습 아키텍처(Total Learning Architecture, TLA)의 일부를 구성합니다.

    21세기 학습 환경의 정교함과 데이터의 복잡성은 불행히도 비용 증가라는 결과를 가져왔습니다. 예를 들어, 5천만 달러가 소요되는 시스템이 1천만 명의 학습자에게 교육을 제공한다면 경제적으로 타당할 수 있지만, 단지 100명만 혜택을 본다면 타당성을 잃게 됩니다.

    학습과 동기 부여를 개선하는 동시에 비용을 줄이기 위한 다양한 노력이 이루어졌습니다. 예를 들어, 과거에는 지능형 교습 시스템(Intelligent Tutoring Systems) 개발 비용이 매우 높았지만, 미국 육군 연구소(Army Research Laboratory)는 밥 소틸라레(Bob Sottilare)의 주도로 200명 이상의 연구자와 개발자 커뮤니티를 조직하여 학습자 모델링, 교육 관리, 저작 도구, 도메인 모델, 평가, 팀 교습, 자가 개선 시스템 등을 다루는 7권의 지침서를 통해 적응형 교육 시스템 가이드라인을 정리했습니다.

    이 지능형 교습 프레임워크(GIFT, Generalized Intelligent Framework for Tutoring) 이니셔티브는 또한 시스템을 개발하고 테스트할 수 있는 기능적 컴퓨팅 아키텍처를 포함하고 있어, 비용 효율적이면서도 효과적인 학습 솔루션을 제공하는 데 기여하고 있습니다.

    비용 절감의 또 다른 떠오르는 접근법은 콘텐츠 생성 및 수정에 크라우드소싱을 활용하고, 기계 학습(machine learning)을 사용하여 자가 개선 시스템의 정량적 매개변수를 자동으로 조정하는 것입니다. 그러나 이 분야는 여전히 이러한 복잡한 학습 환경을 구축하고 테스트하는 데 필요한 비용과 개발 시간을 체계적이고 널리 인정받는 방식으로 추정하는 방법이 부족합니다.

    💡T3 혁신 네트워크(T3 Innovation Network)
    2018년 초, 미국 상공회의소(U.S. Chamber of Commerce)와 루미나 재단(Lumina Foundation)은 T3 혁신 네트워크를 출범시켰습니다. 이 네트워크는 기업, 고등 교육 기관, 기술 표준 조직, 인사 전문가, 그리고 기술 공급업체를 하나로 모아 점점 더 개방적이고 분산화된 공공-민간 데이터 생태계를 위한 웹 3.0 기술을 탐구하는 것을 목표로 하고 있습니다.
    출범 이후, 이 네트워크는 128개 이상의 조직이 참여하는 활발한 네트워크로 성장했습니다. 참여 기관들은 다음의 세 가지 주요 과제를 해결하기 위해 협력하고 있습니다.

    1. 기술 데이터 표준 그룹 간의 조화 필요성: 데이터가 시스템과 이해관계자들 간에 상호운용 가능하고 공유 가능하도록 기술 표준을 조율하는 작업.
    2. 학습 목표, 역량, 기술의 작성, 번역, 배포를 개선하기 위한 AI 솔루션의 적용.
    3. 학습자와 미국 근로자에게 데이터를 제공하여, 스스로의 역량을 강화하고 인재 시장에서 기회와 연결되는 능력을 향상시킬 필요성.
      이 네트워크는 점점 복잡해지는 인재 시장과 학습 생태계를 지원하기 위한 실질적인 해결책을 모색하며 지속적으로 발전하고 있습니다.

    교육과 훈련의 자동화가 증가함에 따라, 의미적으로 풍부한 데이터(semantically rich data)를 생성하려는 노력도 동시에 이루어지고 있습니다. 이는 기본 데이터 요소에 컴퓨터(그리고 다른 인간)도 이해할 수 있는 의미를 부여하는 것을 목표로 합니다. 예를 들어, xAPI 개발자들은 의미적으로 풍부한 사용 프로파일과 공유 어휘집을 구축하려 하고 있습니다. 한편, 역량 기반 학습(competency-based learning)의 지지자들도 비슷한 작업을 시도하고 있으며, 이 경우 인간의 역량을 구성하는 데이터 요소를 정의하려고 합니다.

    IEEE를 지원하는 자원봉사자들은 2018년에 재사용 가능한 역량 정의(Reusable Competency Definition, 1484.20.1)를 개정하기 위한 작업 그룹을 설립했습니다. 이 작업은 기존 표준을 확장하고, 다른 역량 및 역량 프레임워크 표준과의 조화를 목표로 하고 있습니다.

    이 작업 그룹의 노력은 시의적절합니다. 점점 더 많은 공식 교육 프로그램이 역량 기반 학위(competency-based degrees)를 채택하고 있기 때문입니다. 이는 학생들이 시간 기반 학점이 아니라, 실제 프로젝트를 통해 역량을 입증함으로써 학위를 취득할 수 있는 고등 교육 프로그램을 의미합니다. 이러한 프로그램에서는 학생들에게 강의형 교수자 대신 학습 코치가 배정되며, 비디오, 교과서, 온라인 커뮤니티를 포함한 다양한 오픈소스 자원에 접근할 수 있습니다.

    2014년 기준으로, 미국에는 약 200개 이상의 역량 기반 학습 고등 학위 프로그램이 있는 것으로 추정되었지만, 정책 규제가 이를 따라가지 못하고 있습니다. 이 트렌드가 어떻게 해결될지는 명확하지 않지만, 앞으로 몇 년 안에 이 핵심 개념이 더 확장될 것으로 기대됩니다.

    역량 기반 학위와 마찬가지로, 마이크로 크리덴셜(micro-credentials)과 이와 관련된 디지털 배지(digital badges) 기술 표준도 점점 더 많은 관심을 받고 있습니다. 자격증이나 졸업장과 같은 학습 및 교육 인증은 수세기 동안 개인의 학문적 배경을 검증하는 방법으로 사용되어 왔습니다.

    마이크로 크리덴셜 역시 특정 역량을 입증했음을 주장한다는 점에서 이러한 전통적인 인증과 유사합니다. 그러나 공식적인 인증과는 달리, 마이크로 크리덴셜은 더 작은 학습 단위에 대해 제공될 수 있으며(적어도 이론적으로는) 역량 기반 학습(competency-based learning)의 성과 중심 접근 방식을 반영합니다.

    마이크로 크리덴셜이 대중적으로 자리 잡을지는 아직 확실하지 않습니다. 실용적 및 정책적 도전 과제가 여전히 존재하지만, 루미나 재단(Lumina Foundation), 디지털 프로미스(Digital Promise), 그리고 블룸보드(BloomBoard)와 같은 조직이 이를 해결하기 위해 노력하고 있습니다. 한편, Udacity의 나노디그리(nanodegree)와 edX의 MicroMasters와 같은 상업적 조직들은 이미 소규모 인증 방식을 선도하고 있습니다.

    이러한 기술 발명, 학습 분석의 부상, 신경과학 연구의 급증, 그리고 학습 과학의 성숙이 계속됨에 따라, 교육자와 교육 설계자들은 자신의 분야와 역량을 다시 생각하게 되었습니다. 올바르게 실행된다면, 미래의 학습은 산업 시대의 학습과는 확연히 다른 모습을 보일 것입니다.

    이에 따라 일부는 학습 엔지니어(learning engineers)라는 개념을 받아들였습니다. 이는 미래의 “교육 설계자”를 묘사하는 새로운(아직 형성 중인) 패러다임입니다.

    2017년, IEEE는 학습 엔지니어링 산업 컨소시엄(Industry Consortium on Learning Engineering)이라는 작업 그룹을 조직하여 이 개념의 성숙을 돕고 있습니다. 이 그룹은 밥 소틸라레(Bob Sottilare), 에이브런 바르(Avron Barr), 로비 롭슨(Robby Robson), 셸리 블레이크-플록(Shelly Blake-Plock) 등을 포함한 전문가들이 주도하고 있습니다.

    2018년에는 크리스 데데(Chris Dede), 존 리처즈(John Richards), 브로르 삭스버그(Bror Saxberg)가 온라인 교육을 위한 학습 엔지니어링이라는 가이드를 발표했습니다. 삭스버그는 찬 주커버그 이니셔티브(Chan Zuckerberg Initiative)에서 학습 과학 부사장으로 활동하며 컨소시엄의 자문을 맡고 있으며, 새롭게 떠오르는 이 학문 분야를 다음과 같이 설명했습니다.

    💡학습 엔지니어(Learning Engineer)는 인간 발달, 특히 학습에 관한 증거 기반 정보를 바탕으로, 이를 대규모로 적용하여 경제적이고 신뢰할 수 있으며 데이터 중심의 학습 환경을 만드는 사람입니다.
    또한, 브로르 삭스버그(Bror Saxberg)는 다음과 같은 말을 덧붙였습니다.
    “언젠가 우리는 과거에 ‘학습을 했던 방식’을 돌아보며, 마치 19세기의 의학을 바라보듯, 과학과 증거를 활용하지 않고 어떻게 진전을 이루었는지 의문을 품게 될 것입니다. 아직 그 지점에 도달하지는 않았지만, 우리는 그 길 위에 있을지도 모릅니다.”

    삭스버그(Saxberg)의 말은 단지 학습 엔지니어뿐만 아니라, 학습 및 개발 분야 전반에 깊은 울림을 줍니다. 기술의 발전과 학습 과학의 진화로 많은 것이 변화했습니다. 분산 학습(distributed learning)이라는 개념은 단순히 물리적 거리와의 간극을 메우는 실용적 도구에서 시작해, 오늘날의 보편적이고, 적응적이며, 수요 중심적인 학습이라는 복잡한 형태로 발전했습니다.

    ADL 이니셔티브와 그 커뮤니티의 중심 목표는 항상 이 분야에 명확성과 조율을 가져오는 것이었습니다. 오늘날, 분산 학습 커뮤니티는 그 어느 때보다도 조직적, 이론적, 기술적, 그리고 정책적 구조가 필요합니다. 우리는 어쩌면 이 분야가 성숙해가는 과정에서 미완의 못난 오리 시절을 지나고 있을지도 모릅니다.

    응답적이고 증거 기반의 보편적 학습이라는 약속은, 지난 40년 이상에 걸쳐 수많은 기여자들에 의해 만들어져 왔습니다. 이제 우리의 과제는 이 복잡성을 해결하고, 연결주의(connectivism)를 주장했던 동료들처럼 다양한 측면을 연결하며, 학습 과학 연구자들이 조언하는 체계적 학습 이론을 우리의 작업에 주입하고, 학습 엔지니어들이 주장하는 것처럼 학습의 전체 연속체를 강화하는 포괄적 접근 방식을 받아들이는 것입니다.

    💡첫 번째 과제는 “녹화된 슬라이드와 강사의 얼굴” 형태에 머물러 있는 기존 온라인 학습 방식을 넘어서는 것입니다. 이를 위해, 교수자들은 디지털 학습 기술과 방법론의 발전에 대해 훈련을 받아야 합니다.
    두 번째 과제는 조직이 이러한 더 상호작용적이고 개인화된 경험을 지원할 수 있는 현대적인 학습 환경을 갖추는 것입니다.
    세 번째 과제는 교수자와 학습자 간의 기대치를 명확히 전달하는 것입니다. 이 과정은 단순한 강의가 아니라, 특정 시간과 장소에 국한되지 않고 지속적으로 참조하고 발전시킬 수 있는 대화 중심의 학습 과정임을 이해시키는 것이 중요합니다.
    John Landwehr
    Vice President and Public Sector Chief Technical Officer, Adobe


  • openlabO
    150
    20

    우와, 번역 빨리 하시네요. 🙂


  • 1
    1

    잘 보고 있습니다 선생님 🙂


  • scottS
    7
    7

    ChatGPT 덕분입니다. ㅎㅎ


  • 1031
    6
    1

    이 글을 읽는 것 보다 앞으로 이러닝의 역사를 깊게 탐구해 볼 일이 없을 것 같네요ㅎㅎ 재미있게 읽었습니다.