자기조절 학습은 일부 학습자들이 자신의 학습 목표를 독립적으로 달성하기 위해 사용하는 사고, 감정, 행동을 의미합니다. 자기조절 학습자는 메타인지적으로, 동기적으로, 행동적으로 자신의 학습에 적극적으로 참여합니다.

지속적인 평생 학습 모드의 필요성이 점점 커지고 있습니다. 이는 새로운 기술로 인해 지식 생산과 흐름이 가속화되고 있기 때문입니다. 이에 대응하여 학교와 직장은 점점 더 독립적이고 학습자 중심의 교육 및 개발 형태로 발전하고 있습니다. 평생 학습을 지원할 잠재적 수단으로는 인공지능(AI) 기술의 발전, 개인화된 학습의 가능성, 정보에 대한 보편적 접근성을 제공하는 모바일 및 검색 기술의 향상이 있습니다. 직장에서는 트레이너들이 클라우드 기반 소프트웨어, 증강 현실(AR), 가상 현실(VR)을 활용해 근로자들을 준비시키고 평생 학습 요구를 지원하며 다양한 협업 방식을 가능하게 하고 있습니다. 고등 교육 기관 또한 온라인 교육 옵션을 점점 더 많이 제공하며 학생들이 독립적인 연구와 협업을 할 수 있도록 정보 자원과 통신 도구를 지원하고 있습니다. 그러나 이러한 변화에도 불구하고, 교육자와 고용주는 학습자 통제 증대에 따른 어려움을 보고하고 있습니다. 예를 들어, 일부 학습자는 자신의 학습에 대한 책임을 지는 데 어려움을 겪고 있으며, 또 다른 학습자는 다양한 경험을 통합하는 데 어려움을 느껴 정보 노출은 늘었지만 전반적인 이해도는 감소하는 상황에 처할 수 있습니다.

학습자는 시간이 지남에 따라 다양한 환경에서 자신의 학습을 조절하는 기술을 익혀야 하며, 특히 사고, 글쓰기 및 분석 기술을 습득해야 합니다. 그러나 효과적이고 통찰력 있는 외부 지원(예: 교사, 멘토, 잘 구성된 강의 자료 등)이 없으면 개인이 학습을 관리하기 어려울 수 있습니다. 따라서 효과적인 자기조절 학습 기술을 개발하려면 교육자와 트레이너가 학습자가 지식 격차를 인식하고 새로운 전략을 시도하며 보다 능동적인 사고방식을 채택하도록 돕는 것이 필요합니다. 이러한 접근 방식을 새로운 기술에 통합하는 것은 학습자가 평생 동안 자신의 학습을 관리하는 데 필요한 메타 수준의 기술을 습득하는 데도 도움이 될 수 있습니다.

실증 연구는 자기조절 학습을 지원하는 도구와 전략을 점점 더 많이 식별하고 있지만, 이 패러다임은 1980년대에 처음 등장했습니다. 당시 교육 연구자들은 왜 일부 초중등 학생들이 전통적인 교실 환경에서 다른 학생들보다 더 성공하는지 연구했습니다. 가장 효과적인 학생들은 목표 설정, 자기 모니터링, 자기 평가와 같은 메타인지 전략, 반복, 조직화, 확장과 같은 인지 전략, 시간 관리와 학습 환경 관리와 같은 환경 관리 전략, 자기 효능감, 내재적 및 외재적 목표 지향, 노력 조절과 같은 자기 신념 등을 포함한 일련의 학습 전략과 사고방식을 보여주었습니다. 이러한 행동이 학습자의 개인적인 선택에서 비롯되었기 때문에, 연구자들은 이를 “자기조절 학습”으로 분류했습니다.

1990년대에는 학습자가 세 가지 반복적 단계에서 자기조절을 한다는 데 연구자들이 동의했습니다. 첫 번째는 계획하고 행동을 시작하는 예비 단계, 두 번째는 학습 행동이 이루어지는 실행 단계, 세 번째는 학습자가 자신의 성과를 반성하고 평가하며 필요에 따라 조정하는 자기 반성 단계입니다. 자기조절 학습 분야의 저명한 학자인 Barry Zimmerman은 이러한 세 단계를 기반으로 한 모델을 사회 인지 이론에 입각하여 개발했습니다.

최근 증거에 따르면, 시간 관리, 노력 조절, 비판적 사고와 같은 일부 자기조절 전략은 학업 성과에 긍정적인 영향을 미치는 반면, 반복, 확장, 조직화와 같은 다른 전략은 그 효과가 덜 설득력 있는 것으로 나타났습니다. 학교와 직장 환경 모두에서 이러한 전략 중 소수는 학습 결과의 변동성의 17%를 차지하는 가장 큰 영향을 미칩니다. 이들에는 다음이 포함됩니다:

  1. 자신감, 자기 효능감, 내부 통제 위치: 효과적인 학습자는 자신이 학습을 통제하고 있다고 믿으며, 학습에 대해 더 “능동적인” 접근 방식을 취합니다. 반대로, 덜 효과적인 학습자는 자신이 학습할 수 없다고 의심하며(자신이 충분히 똑똑하지 않거나 통제력이 없다고 생각하기 때문에) 학습에 대해 더 “수동적인” 접근 방식을 취합니다.

  2. 목표 설정 및 계획: 효과적인 학습자는 적절한 학습 목표를 설정하고 필요한 자원을 예상하며 진행 상황에 대한 기준점을 설정합니다. 반면에, 덜 효과적인 학습자는 목표를 설정하지 않거나 단순히 바로 시작하지만 결국 시간이나 적절한 학습 자원이 부족하게 됩니다.

  3. 사전 지식과 전략 사용: 더 강한 사전 지식을 가진 효과적인 학습자는 독립적으로 그리고 협력적으로 더 많은 계획과 모니터링을 수행합니다. 사전 지식이 적은 학습자는 몇 가지 전략만 사용하는 경향이 있습니다.

  4. 메타인지적 모니터링: 효과적인 학습자는 학습 중 지식의 격차와 오해를 인지하고 이를 해결합니다. 반면에, 덜 효과적인 학습자는 학습 중 이러한 문제를 인지하거나 해결하지 못합니다.

  5. 학습 후 반성: 효과적인 학습자는 자신이 배운 것을 고려하고 남아 있는 학습 필요성을 파악합니다. 반면에, 덜 효과적인 학습자는 학습 후 충분히 반성하지 않고 다음 과제로 서두릅니다.

추천사항

학습자가 더 나은 자기조절 학습 기술을 개발하도록 돕기 위해, 사람들이 학습에 참여하는 다양한 맥락에 새로운 지원을 추가해야 합니다. Zimmerman의 자기조절 학습 세 가지 단계에 대한 인식을 높이고, 인지적, 메타인지적, 감정적, 행동적 수준에서 효과적인 습관을 개발하기 위해, 우리는 자기조절 학습 지원의 세 가지 개념적 수준—미시적(micro), 거시적(macro), 메타(meta)—을 제안합니다.

미시적 수준은 개인과 그들이 학습을 더 효과적으로 개인화된 경로를 탐색하기 위해 사용하는 도구들에 중점을 둡니다. 거시적 수준은 학습 경험의 선택과 진행 과정을 탐색하는 방법에 중점을 둡니다. 메타 수준에서는 적절한 학습 습관을 형성하려면, 인지적, 사회적, 감정적, 신체적 역량—이는 회복력, 효과적인 의사결정, 평생의 개인적 성장을 지원합니다—을 개발하기 위한 집중적인 연습이 필요하다는 점을 인식합니다. 아래에서 이러한 세 수준을 적용한 권장 개입 방식을 설명합니다.

1. 자기조절 기술과 태도를 개인화하여 지원하기 위해 형성적 평가를 활용하십시오

연구는 학습자의 자기조절을 지원하는 것이 이점이 있음을 보여줬지만, 이러한 개입은 종종 교육자의 재량과 지식에 의존합니다. 따라서 자기조절 학습을 더 효과적으로 지원하려면 학습자뿐만 아니라 교사, 직업 훈련사, 관리자 등의 기술을 강화해야 합니다. 우선, 이해관계자들이 특정 학습 상황에서 필요한 자기조절 기술과/또는 태도를 파악하도록 돕는 것이 유용합니다. 이를 위한 첫 번째 단계는 연구에서 사용된 자기조절 학습 평가 방법을 실제로 변환하는 것입니다.

예를 들어, 학습자가 자기조절 태도나 전략이 약한 징후와 증상을 파악할 수 있도록 돕는 진단 도구 몇 가지가 있습니다. 이러한 진단 도구는 온라인 코스웨어에 통합되거나 교실과 직장에서 교사, 훈련사, 학습자가 사용할 수 있습니다.

자기조절 학습 지원을 위한 3단계 접근 방식을 활용하여:

  1. 개별 교육자가 특정 진단 기술을 배우도록 돕는 도구(미시적 수준)

  2. 장기간 학습 활동이 시작되기 전에 자기조절 학습 도전 과제가 발생할 가능성을 예측하도록 돕는 도구(거시적 수준)

  3. 자기조절 학습의 효과적인 태도와 습관을 유지하도록 장려하는 정기적인 형성적 평가 역할을 하는 도구(메타 수준)

아래는 활용할 수 있는 자기조절 학습 평가 도구들입니다:

자기보고식 도구(Self-Report Instruments)

기술은 자기보고식 자기조절 학습 평가를 제공할 수 있습니다. 이 결과는 교사나 훈련사와 공유하거나 적응형 학습 알고리즘에 입력되어 학습자에게 보다 개인화된 지원을 제공합니다. 이러한 평가는 자기조절 학습을 지원하는 것으로 알려진 주요 요소를 대상으로 할 수 있습니다. 여기에는 동기 수준(예: 학습 전략을 위한 동기부여 설문지)과 목표 설정, 시간 관리, 도움 요청, 학습 환경 준비, 자기 평가 기술(예: 온라인 자기조절 학습 설문지)이 포함됩니다.

정부 인력 평가의 실제 사례:

마커스 버킹엄의 저서 StandOut에서 그는 매우 성공적인 평가 설계를 선보였습니다. 그중 하나가 바로 매주 상사와의 주간 체크인입니다. 기술을 통해 매주 다음과 같은 요청이 전송됩니다:

“지난주 목표는 무엇이었습니까? 해당 목표를 달성하셨나요? 이번 주의 새로운 목표는 무엇입니까? 자신의 강점을 활용하셨나요? 무엇이 좋았고, 무엇이 싫었나요?”

이러한 응답은 상사로 하여금 “존은 계속 이 작업을 싫어하고 있군. 이 작업을 그의 업무에서 제거하거나 덜 고통스럽게 만들어야겠어. 그리고 존이 좋아하고, 자신의 강점을 발휘하고 있는 작업은 이거군. 이를 더 많이 할 수 있도록 해야겠다.“와 같은 정보를 파악하게 도와줍니다. 또한, 다음과 같은 추가 질문도 허용됩니다:

“현재 하는 일에서 얼마나 동기부여를 받고 있습니까? 이 환경에서 직원으로서 어떻게 느끼십니까?”

그 외에도 분기별로 제공되는 5가지 핵심 질문이 있어 팀이 성장하고 배우고 있는지를 확인합니다. 이러한 질문들은 리더에게 큰 도움을 주며, 동시에 상사가 “존이 이 작업에 매진하고 있습니다. 이 작업이 중요하니 우선순위를 높여 주실 수 있을까요? 훌륭한 아이디어를 주셔서 감사합니다. 열심히 노력해 주셔서 기쁩니다.“라고 말할 기회를 제공합니다.

이러한 학습 개입은 위협적이지 않은 방식으로 대화를 유도하며, 서로 의견을 주고받는 환경을 만듭니다. 이로 인해 많은 이점이 생기며, 이는 Leadership for a Democratic Society 프로그램에서 적용하고자 하는 개입 유형의 예입니다.

Suzanne Logan, Ed.D., SES
Director of the Center for Leadership Development and Federal
Executive Institute, U.S. Office of Personnel Management

구조화된 인터뷰 프로토콜(Structured Interview Protocols)

기존 연구 인터뷰 프로토콜에서 가져온 질문을 활용하여, 기술을 통해 교사와 훈련사에게 유용한 질문을 제공할 수 있습니다. 예를 들어, 이는 학교 학생이나 직장에서 직원의 약한 성과에 기여하는 잠재적 요인을 고려하고 조사하도록 돕습니다. 학습자들이 정보를 조직하고 변환하는 기술, 목표 설정 및 계획, 정보를 탐색하는 기술, 학습 진척도를 기록 및 모니터링하는 기술, 학습 환경 준비, 자기 평가, 결과에 대한 자기 조절, 텍스트와 노트를 검토하는 기술, 도움 요청, 리허설 및 암기 등 다양한 요소를 반영할 수 있습니다(예: 자기조절 학습 인터뷰 일정 참고).

자기조절 학습 과정을 사건으로 측정하기(Measuring Self-Regulation Processes as Events)

주로 학습관리시스템(LMS)에서 활동하는 교육 기술 연구자들은 개인이 자기조절 학습 전략을 시간 경과에 따라 사용하는 과정을 더 복잡하고 과정 지향적인 방법으로 측정하는 디자인을 진행 중입니다. 측정 방법에는 학습 활동 중 실수를 감지하거나 기분 및 작업 단계의 온라인 추적 방법론을 사용하는 기술, 그리고 학습 활동 중 학습자의 사고 과정을 기록하는 방법(예: 씽크 얼라우드 프로토콜)이 포함됩니다. 자기조절 학습을 더 잘 지원하려면, 연구자들은 이러한 탐지 방법을 모바일, 증강현실, 가상현실과 같은 다양한 학습 기술 플랫폼에 맞게 조정하는 방법을 연구해야 합니다.

2. 학습에 대한 자신감, 자기효능감, 내적 통제감을 구축하기

평생에 걸친 자기조절 학습의 비전을 실현하려면 평생 학습 습관을 형성하는 데 필요한 전제 조건에 대해 더 깊이 이해해야 합니다. 국제 연구에 따르면, 초기 아동 교육과 가정 환경이 평생 학습의 기초를 마련하는 데 있어 큰 차이를 보이고 있습니다. 그러나 일반적으로는 학습자로서의 자신감과 독립성을 확립하는 데서 시작됩니다. 지난 35년간의 K-12 교육 연구에서는 안내형 탐구 활동과 같은 개방형 교수 방법이 전통적인 폐쇄형 질문-답변 방식보다 학습에서의 자신감과 독립성을 더 잘 육성한다는 증거가 발견되었습니다.

어린 시절에 이러한 개방형 방법을 도입하면 평생 학습의 조건을 마련할 수 있지만, 성인기에 들어서도 자기조절을 위한 지속적인 지원이 필요합니다. 예를 들어, 성인들 사이에서 평생 학습 수준이 가장 높은 국가들은 성인 교육 시스템이 탄탄하다는 연구 결과도 있습니다.

앞서 이 섹션에서 설명된 자기조절 학습을 위한 세 가지 수준의 지원 접근 방식에 따르면, 개별 교육자는 자신감을 키우는 기술에 대해 지도받을 수 있습니다(마이크로 수준). 또한, 다가오는 수업에서 자신감이 낮을 가능성이 있는 영역을 식별하는 방법(매크로 수준)과 학습 중 자신감을 유지하는 데 있어 자신의 어려움을 관찰하고, 이를 반영하며, 받아들이는 방법(메타 수준)에 대해서도 학습할 수 있습니다.

제가 모든 사람이 꼭 내면화하길 바라는 한 가지는, 신경과학적 증거가 보여주듯, 뇌는 매 순간, 매일 학습하고 있다는 점입니다. 모든 개인의 학습 방식은 동일하지만, 학습하는 내용은 다르며, 이는 내적 및 외적 맥락에 따라 달라집니다. 우리의 역할은 우리의 학습 목표를 뇌가 실제로 학습하고 있는 것과 일치시키는 것입니다. 이는 리더십에 있어 중대한 패러다임 전환을 요구합니다.

Melina Uncapher, Ph.D.
Director of Education Program, Neuroscape; Assistant Professor of
Neurology, Weill Institute for Neurosciences and Kavli Institute for
Fundamental Neuroscience, University of California San Francisco

3. 목표 설정 및 계획 전략

자기 조절 학습을 개선하기 위해 목표 설정 및 계획 전략은 학습을 진행하는 동안 개인들에게 지침을 제공할 수 있도록 사용자 친화적인 팁으로 번역되어야 합니다. 이러한 자기 조절 학습 지원은 대면 환경에서부터 온라인 환경에 이르기까지 다양한 학습 맥락에서 제공되어야 합니다. 자기 조절 학습의 3단계 지원 접근법은 여기에서도 유용하게 활용될 수 있습니다. 개별 학습자와 학습 지원자는 목표 설정과 계획을 지원하는 템플릿 및 도구와 연결될 수 있습니다(마이크로 수준). 또한 다가오는 수업과 프로젝트의 여러 단계와 단계에서 요구되는 속도 조절과 시간 관리를 성찰하도록 장려될 수 있습니다(매크로 수준). 아울러 목표 설정과 계획에 대한 저항을 극복하고 이를 정기적으로 사용하는 이들의 성공 사례를 보는 데 도움을 받을 수 있습니다(메타 수준).

4. 자기 조절 학습 전략 사용을 풍요롭게 하기 위해 사전 지식을 활성화하기

과거의 교육과 경험은 잠재적으로 풍부한 학습 자원이 될 수도 있지만, 새로운 아이디어와 절차를 이해하는 데 방해가 될 수 있는 위협이 될 수도 있습니다. 이러한 이유로, 교육자, 트레이너 및 교육 설계자는 학습자의 사전 지식을 이끌어내고 이를 반영하여 어떤 요소가 유용한 기반이 되고, 어떤 것이 학습 장애물이 될 수 있는지를 평가하도록 돕는 활동과 도구를 통합해야 합니다.

자기 조절 학습의 3단계 지원 접근법을 기반으로 사전 지식을 활성화하는 방법에는 특정 수업과 관련된 사전 지식을 이끌어내고 기록하는 방법에 대한 수업과 개별 학습자 및 학습 지원자를 연결하는 것(마이크로 수준), 유용한 선행 지식과 다가올 수업 및 프로젝트에서 학습 장애물이 될 수 있는 미숙한 개념을 식별하는 것(매크로 수준), 유용한 사전 지식을 활성화하고 덜 유용한 사전 지식을 무력화하거나 관리하는 개인의 능력을 지원하는 것(메타 수준)이 포함될 수 있습니다.

…배운 것이 무엇인지에 그치지 않고 그것이 당신을 얼마나 변화시켰는지가 더 중요합니다.

Betty Lou Leaver, Ph.D.
Director, The Literacy Center; Manager, MSI Press; Former Provost,
Defense Language Institute Foreign Language Center

이 분야에 대한 추가 연구가 필요하며, 학습자의 사전 내용 지식과 자기 조절 학습 기술 수준을 추정하는 새로운 방법을 발견하는 것이 중요합니다. 전통적인 시험은 학습자의 동기 부여에 부정적인 영향을 미칠 수 있으므로, 새로운 평가 방법을 찾는 것은 현재 수준 이상의 개인화 모델을 강화하기 위한 중요한 단계입니다. 이와 관련하여 자가 성찰 평가 방법과 전통적인 내용 지식 및 기술의 검증된 측정을 통합하는 방법이 탐구되어야 합니다.

5. 메타인지적 모니터링 지원

학습 플랫폼과 매체가 다양해짐에 따라, 학습자들이 자기 조절 학습 지원을 사용하는 조건과 방법에 대한 데이터를 수집할 수 있는 다양한 방식이 필요합니다. 이러한 연구는 xAPI를 사용해 학생 데이터를 수집하고, 학습 경험 전반에 걸쳐 데이터 세트를 유용하게 집계하며, 학습 분석 모델을 적용하는 새로운 접근 방식을 혁신할 가능성이 있습니다. 이 연구는 개별 학습자의 패턴뿐만 아니라 다수 사용자 간의 콘텐츠 경로 내 패턴도 고려해야 합니다. 이러한 데이터 추적은 학습자가 어떤 콘텐츠를 다음에 검토해야 하는지에 대한 개인화된 최적의 추천을 지원하고, 자기 조절 학습 지원을 지속적으로 강화하거나 감소시킬 수 있는 시스템을 강화할 수 있습니다.

335536fd-28e8-4231-bb4f-dddbf331d4c2-image.png

미국 국방 기술 사례

짧은 형식의 학습 자료(“마이크로 콘텐츠”)에 빠르게 접근할 수 있도록 하는 모바일 애플리케이션은 학습을 위해 짧게 사용할 수 있는 시간을 효과적으로 활용하게 만듭니다. 이러한 애플리케이션은 인공지능(AI)을 활용하여 관심이 높은 주제를 식별하고, 학습자에게 가장 유익할 것으로 예상되는 학습 활동을 선택하며, 선택된 주제와 활동에 대한 마이크로 콘텐츠를 추천합니다. 예를 들어, 국방부(DoD)의 지원으로 개발된 PERLS라는 모바일 앱은 사용자가 선호하는 콘텐츠를 찾을 수 있도록 전자 카드 형태로 추천 사항을 제시합니다. 이러한 추천의 기반에는 자기조절 학습(self-regulated learning)의 동적 모델이 포함되어 있습니다. 이 앱은 미국 북부사령부(U.S. Northern Command)와 합동지식 온라인(Joint Knowledge Online)을 포함한 여러 DoD 조직에서 평가되었으며, 민간 기관에 대한 국방 지원(Defense Support of Civil Authorities) 같은 분야의 훈련을 보완하는 데 사용되었습니다. 초기 결과에 따르면, PERLS를 사용한 학습자들은 학습에 대한 즐거움과 동기부여가 높아졌다고 보고했으며, 정식 과정을 이수해야 했던 다른 학습자들만큼 우수한 성과를 보였습니다.

자기 조절 학습 지원의 최적 빈도와 도구에 대한 이해는 충분히 연구되지 않았으며, 학습 콘텐츠 및 학습 플랫폼(LMS, 모바일 스마트폰 등)에 따라 이러한 요소는 달라질 가능성이 높습니다. 연구 개발자들은 자기 조절 학습 기술 중에서 어떤 것을 타겟으로 설정할 계획인지 명확히 하고, 학습 콘텐츠에 가장 중요한 기술과 특정 학습 경험과 가장 잘 맞는 기술을 강조해야 합니다. 이러한 설계 사양은 다양한 기술이 특정 자기 조절 학습 기술을 지원하는 방법에 대한 이해를 개선할 수 있습니다.

만약 우리가 지식 탐구는 계속되어야 한다고 믿는다면, 현재 우리가 가진 지식만을 가르쳐서는 안 됩니다. 진리와 사실은 끊임없이 발전하고 있습니다. 만약 우리가 “2018년까지 우리가 필요로 하는 모든 지식을 이미 다 갖췄다”고 결정한다면, 그것은 심각한 실수가 될 것입니다.

Christopher Guymon, Ph.D.
Interim Dean of the Graham
School, University of Chicago,
Office of the President

세 가지 추상화 수준에 걸쳐 메타인지적 모니터링을 지원하는 방법에는, 개별 학습자와 학습 지원자가 혼란, 부적절한 절차 또는 기술, 약한 이해 지점을 인지하고 이를 해결하기 위한 팁과 지침에 연결되는 것(마이크로 수준), 다가오는 수업과 프로젝트에서 이해와 절차를 확인하기 위한 체크포인트를 식별하는 것(매크로 수준), 시간에 따라 진행 상황을 추적하고, 오해를 줄이는 기술의 효과를 측정하며, 시간이 지남에 따라 절차를 개선하는 체계적인 피드백을 제공하는 새로운 방법을 찾는 것(메타 수준)이 포함됩니다.

6. 학습 후 반성의 습관을 키우기

교육자, 트레이너, 그리고 수업 설계자는 학습자들이 훈련 후에 반성하고, 배운 것을 강화하며, 언제 이전 학습을 다시 점검해야 하는지를 이해할 수 있도록 지속적인 자가 규제 학습 지원을 제공해야 합니다. 이러한 훈련 후 지원은 멘토와 코치가 주도하여 조직의 도움을 받을 수도 있고, 자가 코칭 및 참고 자료로 활용할 수 있는 기술 기반의 지속적인 도구 형태로 제공될 수도 있습니다.

세 가지 추상적 수준으로 다시 돌아가 보면, 학습 후 반성을 촉진하는 방법에는 다음이 포함될 수 있습니다: 개별 학습자와 학습 촉진자에게 유용한 질문을 제안하는 수업을 제공하는 것(미시적 수준), 확장된 수업이나 프로젝트 전반에 걸쳐 반성 활동을 계획하고 이를 기반으로 활동을 설계하는 것(거시적 수준), 그리고 반성 활동에 참여한 학습자들에게 이를 보상하며, 반성적 참여를 바탕으로 새로운 학습 기회를 제공하는 것(메타 수준)이 있습니다.

요약
성공적인 자기 주도 학습자는 단순히 공부하고 암기하는 것 이상을 해냅니다. 그들은 항상 깨어있고, 새로운 유용한 학습을 발견하려는 호기심을 유지합니다. 중요한 내용을 찾기 위해 많은 자료를 훑어보고, 동기부여를 강화하기 위해 비공식적으로 검색하며, 집중적으로 공부한 후에는 주기적으로 복습하여 망각을 방지합니다. 또한, 이를 모두 실천할 시간을 찾아냅니다.

전체 학습 중 70% 이상이 자기 주도 학습임에도 불구하고, 자기 주도 학습자가 이러한 도전에 대처할 수 있도록 돕는 기술은 많지 않습니다. 이상적으로는 기술이 모든 자기 주도 학습 활동의 어려움과 마찰을 줄이고, 짧은 시간을 활용해 언제 어디서든 학습할 수 있는 환경을 더 쉽게 제공해야 합니다. 개인화된 학습 경로 전반에 걸쳐 자가 규제 학습 기술을 목표로 삼고 이를 지원하면 모든 연령대의 학습자를 돕고 평생 동안 학습 효율성을 향상시킬 수 있을 것입니다.