교육 및 훈련 기회가 점점 더 폭넓게 제공됨에 따라—필요에 따라, 언제 어디서나, 평생에 걸쳐—개인은 점점 더 단절되고 일시적이며 단편적인 학습의 파도를 경험하고 있습니다. 따라서 학습 과학 실천가로서 우리의 과제는 학습자가 데이터의 소음을 걸러내고, 관련 정보를 집중하며, 새로운 학습을 과거 경험과 의미 있게 연결하도록 돕는 것입니다. 이를 위해 이 장에서는 교육 전략에 대한 사고 방식을 전환하여, 미래 학습 생태계를 더 잘 지원하고 학습자의 실제 경험 전반에 걸쳐 연결을 강화할 수 있도록 원칙을 재조명하는 틀을 제시합니다. 공식적인 학습 환경에서 효과적인 것으로 입증된 전통적인 교육 전략을 기반으로, 개인의 학습 에피소드, 잠재적 경력, 그리고 평생에 걸친 학습을 초월하는 새로운 접근 방식을 제안합니다.
배경
수십 년 동안 교육 전략(및 일반적인 학습 시스템)의 설계는 주로 미시적이고 축소주의적이며 선형적인 활동으로 다뤄졌습니다. 이는 특정 학습 성과를 분석하고, 제안된 교육 전략과 정렬하며, 원하는 반응을 이끌어내기 위해 직접적인 방식으로 교육을 전달하는 데 초점을 맞췄습니다. 그러나 오늘날 학습은 시간, 공간, 매체, 형식을 초월하여 공식적, 비공식적, 그리고 비형식적 경험을 혼합하는 다차원적 틀에서 이루어지고 있습니다. 우리의 삶의 복잡성과 사용 가능한 기술의 다양성은 단일한 방식으로 정보를 전달하는 독립적 학습 에피소드에서 벗어나, 시간, 맥락, 전달 방법, 그리고 장치를 넘나드는 다점적이고 다중 양식적인 학습 관점으로 이론을 전환할 필요성을 요구하고 있습니다.
이미 네트워크화된 기술은 어디서나 평생 학습을 지원할 수 있는 가능성을 열었지만, 우리의 교수법과 교육 전략은 이러한 새로운 학습 가능성을 따라가지 못하고 있습니다. 여전히 모듈, 과정, 또는 프로그램 수준에서 설계하고 있으며, 학습자가 삶 전반에 걸쳐 경험하는 주변적이고 부가적인 사건들을 간과하고 있습니다. “교육 전략”이라는 개념을 현대화하고 이러한 원칙을 보다 개방적이고 유연하며 개인화된 학습 생태계를 지원하도록 확장해야 합니다. 이를 통해 지속적이고 의미 있는 평생 학습을 만들어야 하며, 다양한 비공식적 맥락에서의 요소들을 통합할 방법을 찾아야 합니다.
더 응집력 있고 일관된 학습을 조성하려면 개인 및 협업 학습 경험의 모자이크를 아우르는 일종의 “거시적 교육 아크”를 설계해야 할 것입니다. 이는 평생에 걸친 다양한 사건들을 의미 있게 교차시키는 것입니다. 또한, 개인이 경험 전반에 걸쳐 정보를 선별하고 지식을 생성하도록 돕기 위해 다중 양식의 커뮤니케이션 도구를 더 잘 활용해야 할 것입니다. 이러한 입장은 학습을 네트워크로 보고 사회화와 기술에 의해 영향을 받고 지원된다고 여기는 연결주의(connectivist) 학습 관점을 반영합니다.
이 관점에서 지식은 개인이나 정보 자료에만 국한되지 않으며, 인터넷 기술 및 커뮤니티 네트워크를 통해 외부에 분산되어 있으며, 소셜 커뮤니케이션 도구를 통해 접근할 수 있습니다. 학습은 이러한 자율적이고 다양하며 개방적이고 상호작용적이며 협력적이고 글로벌한 지식 시스템에서 이루어집니다. 따라서 관련 정보 패턴을 인식하고, 새로운 연결을 구축하며, 이러한 연결을 육성하고 유지하는 것이 성취를 위한 중요한 기술이 됩니다. 이러한 패러다임을 염두에 두고 개별 학습 기회를 설계할 수 있습니다. 하지만 완전한 해결책은 그 이상을 요구합니다.
IES(미국 교육부 산하 교육과학연구소)에서는 인지과학과 교육을 연결하는 두 개의 연구개발 센터에 자금을 지원했습니다. 이 중요한 작업은 지금까지의 연구가 다루지 않은 영역을 보여주는 데 특히 유용했습니다. 예를 들어, 실험실 환경에서 광범위하게 연구된 자기 설명(self-explanation), 비교하기, 사례 학습(studying worked examples)과 같은 원칙들을 실제 교육과정에 적용할 때, 수많은 설계 결정을 내려야 한다는 문제가 있습니다. 예를 들어, 어떤 종류의 비교를 해야 할까요? 그리고 교과서 페이지에서 이러한 아이디어를 어떻게 제시해야 할까요? 교과서에서 어떤 정보를 강조해야 하고, 그것을 어떻게 강조해야 할까요? 실험실 환경에서는 이러한 질문이 등장하지 않습니다.
또 다른 문제는, 검색 연습(retrieval practice), 사례 학습(worked examples) 등과 같은 학습 원칙들을 어떻게 결합할 것인가입니다. 역사적으로, 이러한 원칙들은 각각 독립적으로 연구되어 왔습니다. 하지만 이를 1년 동안의 학습 경험에 결합할 때, 이를 효과적으로 구현하는 방법에 대한 많은 질문이 제기됩니다.
Erin Higgins, Ph.D.
Program officer within the Institute of Education Sciences
U.S. Department of Education
전통적 교수 설계의 한계
전통적으로 교수 설계자는 수업의 목적과 주제, 학습자의 일반적인 특성, 그리고 몇 가지 실행상의 제약 조건과 같은 주어진 기준으로 설계를 시작합니다. 이러한 기준에서 설계자는 학습 결과의 유형(예: 심리운동적, 인지적, 정서적)과 수준(예: 기억 및 이해, 적용 및 이해), 관련 평가의 목표(예: 형성적, 총괄적), 그리고 기타 전달 요소(예: 강의 일정 등)를 추론합니다. 설계자는 목표를 세부 목표로 나누고, 세부 목표를 과업으로 분해한 후, 학습자가 각 구성 요소를 숙달할 수 있도록 돕는 일련의 교수적 개입을 선택합니다. 설계는 이러한 선형적 방식으로 계속 진행되며, 계획을 점점 더 작은 부분으로 세분화하면서 콘텐츠, 전달 방식, 학습자 활동을 세심하게 고려합니다. 이러한 방식을 “역설계(backwards design)“라고 부릅니다.
전통적인 교수 설계 접근 방식은 특정한 대상을 전제로 합니다. 이는 특정 개인 또는 집단, 특정 환경, 그리고 일반적인 조건의 집합을 전제로 하며, 교과 과정이나 훈련 프로그램과 같은 독립적이고 유한한 교육 단위를 중심으로 적절한 교수적 개입을 결정하는 데 초점을 둡니다. 그러나 우리가 학습을 평생에 걸친 과정으로 상상할 때, 이러한 모델은 더 이상 충분하지 않습니다.
미래에는 다음과 같은 요소를 포함하는 교수 설계가 필요합니다.
• 학습 이벤트와 경험의 집합적 총합에서 파생된 전체적(gestalt) 학습을 촉진
• 학습 결과가 점점 더 자기 주도적으로 되고, 다양한 맥락, 네트워크, 커뮤니티에 걸쳐 연결된다는 점을 인식
• 학습 이벤트를 서로 연결하는 데 기술을 단순한 전달 메커니즘이 아니라 “접착제”로 적극적으로 활용
따라서 우리는 전통적인 미시적(micro-level) 개입뿐만 아니라 거시적(macro-level) 원칙을 통합하는 다차원적 교수 설계 모델이 필요합니다. 이 모델은 교수자의 개입뿐만 아니라 학습자의 주체성도 고려하며, 복잡하게 얽힌 학습 경관을 가로지르는 경험들을 능동적으로 연결해야 합니다.
전략과 전술; 교수와 학습
교수 설계에 사용되는 용어는 뒤죽박죽으로 사용되는 경우가 많습니다. 이러한 혼란을 모두 풀어보려는 시도는 하지 않겠지만, 몇 가지 용어를 강조하는 것은 유용합니다. 먼저 “교수 전략(instructional strategies)“을 살펴보겠습니다(종종 “교육 전략(teaching strategies)“으로도 불립니다). 이는 교사, 강사, 교수 설계자가 사용하는 교수적 개입을 지칭하는 가장 일반적인 방식입니다. 더 신중한 논의에서는 이 개념이 보다 거시적인 수준의 “교수 조직자(instructional organizers)“와 더 세분화된 수준의 “교수 전술(instructional tactics)“로 나뉩니다. 이들 간의 경계가 정확히 어디서 그어지는지는 다소 모호하며, 이 논의에서는 크게 중요하지 않습니다. 보다 중요한 것은 개념적 및 세분화된 수준에서 교수 설계의 구별이 있다는 일반적인 아이디어입니다.
두 번째 중요한 구별은 교수 전략과 학습 전략 간의 비교에서 나옵니다. 교수 전략이 학습 전문가에 의해 계획된 교수 블록에 대해 설계되고 적용된다면, “학습 전략(learning strategies)“은 공식적, 비공식적 학습 전반에서 자신의 지식, 기술, 경험을 향상하기 위해 사용하는 개인적인 방법입니다. 이론적으로, 학습 전략과 교수 전략은 서로 반영됩니다. 예를 들어, 교사는 강의를 설계하고, 설명이 되는 예제를 제공하며, 피드백을 제공합니다. 한편, 학습자는 용어를 암기하고, 새로운 아이디어를 기존 지식과 정신적으로 비교·대조하며, 자신의 수행을 반성할 수 있습니다.
많은 면에서, 교수 전략과 학습 전략 간의 차이는 통제(control)의 문제입니다. 앞 장에서 논의했듯이, 학습의 통제(transactional control)는 학습자가 결정을 내리는 정도와 강사나 소프트웨어와 같은 외부 권위가 결정을 내리는 정도의 중요한 요소입니다. 예상할 수 있듯이, 학습의 통제는 학습자가 내부적으로, 외부 구조나 권위에 의해, 또는 내부 및 외부 어느 쪽에서도 효과적인 지원을 받지 못한 채 처리될 수 있습니다. 또한 Jon Dron의 거래적 통제 이론(transitional control theory)이 강조하듯이, 내부–외부 통제 연속체의 중간에 위치한 협상된 통제(negotiated control)의 형태가 가장 바람직합니다. 따라서 여기서 주목할 만한 개념은 교수 전략과 학습 전략 간의 대조뿐만 아니라, 이들의 통합 가능성—즉, 학습자 중심 전략과 권위 중심 전략을 결합하는 것입니다.
미래 학습 생태계의 또 다른 중요한 구별은 그 이름 자체에 암시되어 있습니다. 왜 단순히 시스템이 아니라 생태계(ecosystem)라고 부르는 것일까요? 생태계는 본질적으로 상호 연결된 부분들로 구성되어 있으며, 여러 개별 행위자들의 행동이 서로에게 영향을 미치고 환경의 전체적이고 홀리스틱한 패턴에도 영향을 미치는 시스템입니다. 이는 공학적 관점에서 동적 시스템으로, 여러 분산되고 상호 의존적이며 상호 작용하는 요소들을 포함하며, 특정한 상부의 중앙 통제에 의해 안내되지 않습니다. 일부 요소는 구조화되고 설계될 수 있지만, 다른 요소들은 자체적인 주체성을 가지고 행동하거나 상호작용합니다.
따라서 우리의 학습 생태계에 있어, 교수 구조와 학습을 어떻게 이해하는가는 필수적인 고려사항입니다.
미래 학습의 확장된 맥락
교수 이론을 발전시키려면 학습의 설계를 현대적이고 종합적인 관점으로 확장해야 합니다. 이는 연결주의(connectivist) 원칙을 촉진하고, 다양한 교육 및 학습 상황, 여러 맥락, 다양한 학습 목표, 그리고 상이한 학습 양식을 통해 결과를 극대화하려는 노력을 포함합니다. 이 섹션에서는 이러한 복잡한 미래 맥락에서 교수 전략의 목적과 적용을 형성할 가능성이 높은 여덟 가지 원칙을 설명합니다.
1. 다양한 학습 경험 연결하기
“생태계” 개념에서 명시적으로 드러나는 것은 다양성과 상호 연결성의 개념입니다. 여기에서 가장 관련이 깊은 것은 학습 경험의 다양성과 이들이 서로 복잡하게 얽혀 있다는 점입니다. 인간으로서 우리의 모든 경험은 자연스럽게 서로 영향을 미칩니다. 질문은 단순히 “학습 에피소드가 어떻게든 더해지도록 보장할 것인가?“가 아니라, 전반적인 학습 목표를 발전시키기 위해 학습 에피소드 간의 의미 있고 효과적인 연결을 의도적으로 구축하는 방법입니다.
상대적으로 제한된 환경, 예를 들어 단일 수업 내에서도, 강사와 교수 설계자는 다양한 학습 모드와 학습자의 경험을 이들 간에 어떻게 연결할지를 폭넓게 고려해야 합니다. 간단한 예로, 대면 세미나, 온라인 코스웨어, 일부 학생들을 보충하기 위해 사용되는 스마트폰 앱, 그리고 학생들이 온라인에서 찾은 비공식 자료(예: 동영상이나 블로그)를 통합한 학기제 수업을 생각해볼 수 있습니다. 이러한 자원을 혼합한 코스는 이미 일반적입니다. 그러나 도전 과제 중 하나는 사용할 수 있는 학습 자원 옵션 세트를 우아하게 탐색하고, 이들이 단순히 공존하는 것을 넘어 서로 연관성을 가지도록 의도적으로 통합하는 것입니다.
이 학습 요소들의 모자이크는 물론 위의 예에서 설명한 것보다 훨씬 더 복잡한 경우가 많습니다. 실제로 학습 경험은 여러 공식적 및 비공식적 이벤트, 시간 간격, 맥락에 걸쳐 있으며, 심리운동, 사회적, 정서적, 인지적 학습과 같은 다양한 발달적 차원을 교차하면서 지속적으로 재구성되고 연결된 경험의 궤적에 기여합니다. 따라서 학습 전문가에게 지속적인 과제는 이러한 다양한 경험들을 학습자가 심사숙고하여 통합할 수 있도록 돕는 것입니다.
K-12에서 고등 교육으로의 전환은 학습자들에게 매우 중요한 변화입니다. 누적된 학습에 대해 진정으로 이해하고자 한다면, 서로 소통할 수 있는 데이터 시스템이 필요합니다. 과학 표준에서는 시간에 따른 학습의 진행 과정을 고려하고 있습니다. 학습자들은 자신이 배우고 있는 내용을 깊이 소화할 수 있는 시간이 필요합니다.
Heidi Schweingruber, Ph.D.
Director, Board on Science Education,
National Research Council, U.S.
National Academies of Sciences,
Engineering, and Medicine
2. 계획된 학습을 넘어 외부 학습 기회와 연결하고 이를 가능하게 하기
앞선 예시에서는 하나의 중심적인 코스(단일 수업)를 중심으로 학습 자원을 통합하는 사례를 다뤘습니다. 이는 긍정적이지만, 우리는 더 넓은 시각을 가져야 합니다. 특정 공식 학습 이벤트에서 설계된 계획된 활동뿐만 아니라, 학습 전문가들은 독립적인 자기 주도 학습, 비공식 경험, 그리고 다른 과목을 가르치는 다른 교사가 진행하는 외부 공식 활동과 같은 자신들의 직접적인 통제나 완전한 인지 범위를 벗어난 학습 활동의 영향을 고려해야 합니다.
너무 자주 교사와 트레이너들은 자신들의 공식 학습 에피소드 내에서 이루어지는 활동에만 집중하게 되는데, 이는 학습 전문가들이 학습자들의 이전 경험, 동시에 이루어지는 학습 활동, 또는 그들이 미래에 접하게 될 학습 이벤트를 간과하도록 만들 수 있습니다. 이전 학습이나 외부 학습과 연결하는 것은 새로운 지침이 아니지만, 잘 설계된 비공식 학습 자원의 증가와 상호 연결된 기술 및 상호 운용 가능한 데이터의 활용으로 이러한 연결이 더욱 실현 가능하고 필수적으로 변하고 있습니다.
앞으로, 다른 학습 활동과 연결하는 교수 전략을 고려하는 것뿐만 아니라, 우리가 만드는 공식 학습 자료에 “훅(hooks)“을 만들어 학습자나 다른 학습 전문가들이 이를 자신들의 학습 환경에 더 잘 연결할 수 있도록 하는 것이 중요합니다.
3. 추상화 수준 간 학습 연결하기
아이들이 읽는 법을 배울 때, 우리는 먼저 소리와 글자를 가르칩니다. 그런 다음 단어, 문장, 구두점, 문법 규칙, 이해력을 가르치며, 결국 언젠가 전문 탐사 저널리즘이나 창의적인 시나리오 작문 같은 고급 능력을 가르치게 될 수도 있습니다. 중요한 점은, 각 분석 수준에서 통합된 능력으로부터 다양한 역량이 나타난다는 것입니다.
“분석 수준(levels of analysis)” 개념은 어떤 것이 영향을 받거나 평가되는 추상화 수준을 묘사하며, 각 수준의 요소들이 서로 관련이 있다는 함의를 내포합니다. 컴퓨터 신경과학자 데이비드 마르는 다음과 같이 말한 바 있습니다.
“복잡한 시스템의 모든 종류는 그 구성 요소의 속성을 단순히 외삽(extrapolation)하여 이해할 수 없습니다. … 시스템에 대한 완전한 이해를 이루려면, 서로 연결된 다양한 묘사 수준을 고려할 준비가 되어 있어야 합니다. 비록 이러한 수준들을 완벽하게 연결하는 것이 실용적이지 않을지라도 말입니다.”
학습 영역에서 학습을 다양한 추상화 수준에서 고려하는 것은 즉각적인 활동(미시 수준 개입), 더 넓지만 여전히 경계가 있는 경험(거시 수준 개입), 그리고 포괄적인 평생 학습 아크(메타 수준 개입)를 계획하는 데 도움이 됩니다. 앞서 언급된 “전략 및 전술; 교수와 학습” 섹션에서 언급했듯이, 한 수준의 끝과 다른 수준의 시작을 정확히 구분하는 것보다 중요한 것은 일반적인 개념입니다.
이 개념은 기존의 교수 전술과 전략(경험 많은 설계자들이 이미 사용하는 방법)을 사용하여 미시 및 거시 수준 접근 방식을 더 잘 결합하고, 여기에 새로운 메타 수준 전략을 추가하여 학습자들이 다양한 기기, 형식, 에피소드, 학습 차원에 걸쳐 학습 경험을 통합하고 이해하도록 돕는 다차원적, 다층적 모델을 설계해야 한다는 것입니다.
이러한 접근은 특정 강의나 훈련 이벤트의 맥락을 넘어 학습자들을 지원하고, 이를 보다 포괄적인 학업 과정으로 통합하도록 돕는 것을 목표로 합니다. 예를 들어, 대학의 멘토는 대학원생이 다양한 강의, 인턴십, 그리고 학업 프로젝트가 개별적인 부분들을 넘어 어떻게 통합적 의미를 생성하는지 이해하도록 도울 수 있습니다.
우리는 어떻게 이와 같은 지원을 보다 광범위하고 좁은 학문적 맥락 밖에서도 제공할 수 있을까요? 별도로 분리된 활동들 사이에서 의미를 추출하고 이를 통합해 각각의 활동이 가지는 가치를 확장할 수 있도록 어떻게 도울 수 있을까요? 또한, 학기나 학업 프로그램에 한정하지 않고 평생 학습이라는 장기적인 기간 동안 이러한 작업을 어떻게 수행할 수 있을까요?
- “사이 공간” 학습 고려하기
이 다층적 학습 모델은 단순히 시간, 공간, 그리고 매체에 걸쳐 학습의 각 지점을 연결하는 것으로 보일 수 있습니다. 마치 점묘화가 개별적인 색점들로 전체 이미지를 형성하는 것처럼 말입니다. 그러나 이 개념은 그 이상을 지향합니다. 페인트 점들이 개별적으로 고정되어 있고 본질적으로 비활성 상태인 것과 달리, 각 학습 경험은 동적이고 복잡합니다.
더 나아가, 학습 경험들 사이의 “공간,” 즉 통합이나 비교에 의해 학습 “프레임”이 재구성되거나 새로운 가치가 도출되는 지점은 단순히 조르주 쇠라의 걸작에서처럼 합산적이고 발생적인 특질과는 다릅니다. 다시 말해, 학습 전문가들이 직면한 과제는 다음과 같습니다: 우리는 학습 경험의 풍부함과 다양성을 창의적이고 깊이 있는 방식으로 어떻게 활용할 수 있을까요?
예를 들어, 단순히 학생들에게 이전 지식을 상기시키거나, 전문 직업인들에게 새로운 개념이 그들의 업무에 어떻게 적합한지 고려하도록 요청하는 것 이상의 무언가를 할 수 있을까요? 학습의 각 부분을 단순히 합산하는 것을 넘어, 그 이상의 무언가를 만들어낼 수 있을까요?
일부 “분석 수준” 계층 구조에서는 다른 수준 간의 연결을 지칭하기 위해 중간 또는 메조(meso) 수준을 포함하기도 합니다. 우리는 이 개념을 약간 변형하여, 메조 수준이라는 용어를 단순히 경험 간의 연결을 넘어서, 이러한 상관관계에서 고유한 부가 가치를 창출하는 개입을 지칭하는 데 사용하려 합니다.
이는 단순히 시간적 시야나 주제 영역을 넘어서 연결하는 것 이상의 것을 포함합니다. 물론 이 두 가지도 관련이 있겠지만, 이는 특정 수준에서 개념을 집계하여 새로운 통합 역량이 나타나도록 하는 것을 포함합니다.
- 학습자가 과부하를 걸러낼 수 있도록 돕기
4장에서 논의한 바와 같이, 인지적 과부하는 정보의 양과 속도에 의해 쉽게 압도당할 수 있는 개인들에게 심각한 문제를 야기합니다. 학습자는 “소음”을 걸러내고 관련된 “신호”를 의미 있게 통합하는 데 도움이 되는 새로운 지원이 필요합니다. 이를 해결하지 않으면, 정보를 습득하는 양을 늘리는 대신 깊이 있는 이해와 탄탄한 지식 형성을 해칠 위험이 있습니다.
이 섹션에서 논의한 다층적이고 상호 연결된 모델은 이러한 복잡성을 강조합니다. 학습 전문가들이 직면한 과제는 학습자가 정보 과부하를 헤쳐 나갈 수 있도록 돕고, 이에 대처하기 위해 필요한 내부적인 인지적, 사회적, 정서적 역량을 개발할 수 있도록 지원하는 것입니다.
이를 지원하기 위한 몇 가지 전략은 이전 장에서 논의된 바 있습니다. 여기에는 사회적 및 정서적 역량(4장), 자기 조절 학습 기술(15장), 사회적 학습 지원(14장) 등이 포함됩니다. 이러한 영역에서 학습자를 멘토링하는 것은 유익하며, 과부하를 관리하기 위한 구체적인 기술을 가르치는 것도 도움이 될 수 있습니다. 이러한 기술에는 연결주의적(connectivist) 스킬, 큐레이션, 그리고 메타인지가 포함됩니다.
6. 학습자가 연결주의적 학습 전략을 활용할 수 있도록 돕기
연결주의(connectivism)는 분산된 지식과 역량의 중요성을 강조합니다. 예를 들어, 바나나빵을 만드는 법을 알고 있는 것보다는, 온라인에서 레시피를 찾는 법, 최고의 동영상 튜토리얼을 선택하는 법, 그리고 약간의 추가 도움이 필요할 때 도움을 줄 친구를 찾는 방법을 아는 것이 더 중요합니다. 이러한 기술적 및 사회적 네트워크를 탐색하는 능력은 연결주의와 관련된 주요 기술이자 중요한 학습 전략입니다.
지금까지 논의된 다층적이고 상호 연결된 모델은 교수 전략(즉, 학습을 지원하기 위해 학습 전문가들이 하는 일)에 중점을 두었지만, 학습 전략도 고려하는 것이 중요합니다. 정의상, 학습 전략은 학습자 자신에게서 비롯되어야 하지만, 학습 전문가들은 학습자의 역량을 강화하고 지원할 수 있습니다.
강사와 효과적인 교수 설계는 학습자가 연결주의적 학습 기술과 관련된 자기 조절 전략을 개발하도록 돕고, 이를 통해 복잡한 사회적, 문화적, 정보적 네트워크를 탐색할 수 있는 능력을 키우는 데 기여할 수 있습니다.
- 학습자가 자원을 선별하고 지식을 정리할 수 있도록 돕기
정보 및 통신 기술은 정보를 발견, 조직화, 그리고 나중에 검색하는 새로운 방법을 제공합니다. 학습 경험과 기타 정보는 종종 디지털 방식으로 캡처되고 처리, 집계, 저장되어 시간이 지나도 다양한 맥락과 장치에서 검색할 수 있습니다. 이 개념은 연결주의(connectivism)와 관련이 있으며, 관련된 학습 전략(예: 선별된 정보를 조직하고 검색하는 방법)을 개발하는 것이 중요하다는 점을 강조합니다.
지난 10년간 개인 학습 환경(personal learning environments)은 학습자와 교사가 학습 자원을 관리할 수 있도록 돕는 온라인 시스템으로 인기를 얻었습니다. 앞으로 학습 전문가들은 점점 더 “소란스럽고” 다양한 환경에서 이러한 선별 활동을 지원하기 위해 추가적인 도구와 멘토링 전략이 필요할 것입니다.
- 교사 주도 전략과 학습자 주도 전략을 혼합하기
이 섹션에서는 교수 전략에 대한 지침과 학습자의 내재적 학습 전략을 개발하고 활성화하는 데 도움을 줄 수 있는 개입 방안을 제시했습니다. 마지막으로 강조할 점은, 외부 전문가가 주도하는 학습 통제와 학습자가 스스로 조절하는 개입 모두가 중요하다는 것입니다. 시간이 지나면서 개인은 더 독립적으로 학습을 통제하려는 욕구와 능력을 개발해야 합니다. 그러나 많은 학습자들은 자기 주도 학습 능력을 키우는 데 도움을 필요로 하기 때문에, 교사 주도와 학습자 주도의 접근 방식을 적절히 혼합하는 것이 필요합니다.
따라서 이러한 다차원적 맥락에서 교사의 역할은 활성화자, 촉진자, 코치, 멘토, 그리고 조언자로서 역할을 확장하고 더욱 유연하게 변화해야 합니다.
미래 학습을 위한 전략
앞서의 섹션에서는 미래 학습 생태계 맥락에서 교수 전략을 적용하기 위한 8가지 원칙을 설명했지만, 전략 자체에 대해서는 구체적으로 다루지 않았습니다. 지금까지 수백 가지의 교수 전략과 수천 가지에 달하는 관련 전술이 시도되고 검증되었습니다. 여기서는 이러한 전략을 나열하기보다는, 이 맥락에서 유용하게 적용할 수 있는 5가지 일반화된 유의미 학습 원칙을 제시합니다. 이 방법들은 능동적(active), 구성적(constructive), 협력적(cooperative), 진정성 있는(authentic), 그리고 의도적(intentional) 학습 개입을 설계하는 데 도움을 줄 것입니다.
유의미 학습은 주로 구성주의, 사회적 구성주의, 그리고 커넥티비즘 성격의 인식론적 지향과 이론적 기반에 뿌리를 두고 발전합니다. 구성주의에서 학습은 환경에서 얻은 경험으로부터 의미를 “구성”하거나 창조하는 과정으로 설명되며, 지식은 우리의 경험과 환경에 대한 해석에서 비롯되고 그것이 적합한 맥락에서 나타납니다. 즉, 인간의 마음은 환경이나 경험에서 입력을 필터링하여 자신만의 독특한 현실이나 이해를 만들어냅니다. 여기에서 유의미 학습의 의도적(목표 지향적, 규제적), 능동적(조작적, 관찰적), 구성적(표현적, 반영적), 진정성 있는(복잡하고 맥락화된) 원칙이 등장합니다.
사회적 구성주의와 커넥티비즘에서는 학습이 수집, 반영, 연결, 그리고 출판의 과정으로 확장됩니다. 여기서 유의미 학습의 협력적(협력적, 대화적) 원칙이 나타납니다.
응용된 전략: EMT 사례
고등학교 졸업 후 응급 의료 기술자(EMT) 훈련 프로그램에 등록한 한 젊은 여성을 예로 들어보겠습니다. 이 프로그램은 강의 및 실습을 통해 전달되는 다수의 과정을 포함하며, 통합된 현장 임상 경험으로 이어집니다. 프로그램 전반에 걸쳐 그녀의 학습은 전자책, 실습 시뮬레이션, 마이크로러닝 스터디 앱 등 다양한 디지털 도구로 보완됩니다.
미시적 수준에서는 스캐폴딩(scaffolding)이라는 교수 전략이 사용되어 초보 EMT가 파라메딕으로 성장할 수 있도록 지원적이고 응답적인 환경을 조성할 수 있습니다. 스캐폴딩은 학습자가 할 수 있는 것을 평가하고, 자신이 알고 있는 것을 반영하며, 필요와 목표를 식별하고, 이러한 목표를 향해 개별화된 도움을 제공하며, 학습자가 학습을 내면화하고 일반화할 기회를 제공하는 과정을 포함합니다. 이 예에서 강사는 EMT 훈련 과정에서 배운 내용을 반추하고, 이를 활용해 신체적·인지적 차원을 미래의 파라메딕 훈련으로 확장하도록 의도적이고 목표 지향적인 행동을 유도할 수 있습니다.
모델링과 설명(modeling and explaining)이라는 교수 전략 또한 학습자가 학습 궤적을 따라 전환할 수 있도록 돕는 데 사용할 수 있습니다. 모델링과 설명은 교사가 과정을 시연하고 작업이 특정 방식으로 수행되는 이유와 같은 명백하지 않은 통찰을 공유하는 과정을 포함합니다. EMT 훈련생의 경우, 교사(인간이든 AI 코치든)가 특정 절차를 수행하는 방법, 이유, 방식을 모델링하고 설명하며 이러한 작업에 관련된 사회적·감정적 측면을 시연할 수 있습니다. 모델링과 설명은 복잡성의 적절한 수준에서 개념을 제시하고 연관된 여러 차원의 상호작용을 보여줄 수 있는 진정성 있는 맥락에서 이루어질 수 있습니다. 예를 들어, 시뮬레이션이나 실제 응급 구조 상황에서 이러한 활동이 이루어질 수 있습니다. 이 경우 EMT 훈련생은 전문가의 수행을 관찰하고, 지식을 확장하며, 자신의 안락지대를 넘어 생각하도록 도전받게 됩니다.
의미 있는 학습을 위한 전략
스캐폴딩, 모델링과 설명, 코칭과 멘토링과 같은 교수 전략은 다양한 수준에서 의미 있는 학습을 지원할 수 있습니다.협력적(COOPERATIVE, collaborative, conversational)
• 학습자와 교사, 멘토, 튜터 또는 교수 시스템 간의 협력적이고 대화적인 상호작용을 가능하게 합니다.
• 학습자들이 아이디어를 공유하고, 서로의 관점을 경청하며, 지식을 공동으로 구성하는 협력적이고 대화적인 활동에 참여하도록 격려합니다.
• 학습자들이 공동체 내에서 협력하여 주어진 과제를 성취하도록 돕습니다.진정성 있는(AUTHENTIC, complex, contextualized)
• 개념과 도메인 지식을 적절한 복잡성 수준에서 제시하기 위해 진정성 있는 과정과 맥락화된 예시를 사용합니다.
• 학습자들이 복잡하고 맥락화된 진정성 있는 활동에 참여하도록 유도합니다.
• 학습자들이 정보 탐색, 문제 조사, 의미 있고 진정성 있는 문제의 해결책을 찾는 활동에 적극적으로 참여하도록 격려합니다.구성적(CONSTRUCTIVE, articulative, reflective)
• 학습자들이 자신의 안락지대 밖에서 수행하도록 도전하며, 능동적이고 구성적인 학습을 가능하게 합니다.
• 학습자들이 다양한 사고 과정을 사용하여 자신의 이해를 다양한 방식으로 표현하고, 자신의 정신적 모델을 개발하고 방어하도록 도전함으로써 능동적이고 구성적인 사고에 참여하도록 돕습니다.
• 전문가의 수행, 설명, 반성적 실천을 고려하면서 학습자들이 구성적으로 사고할 기회를 제공합니다.의도적(INTENTIONAL, goal-directed, regulatory)
• 학습자의 의도를 학습 과제의 중심에 두고 목표 지향적이고 규제적인 행동을 장려합니다.
• 학습자들이 자신의 행동을 분석하고 이를 다른 것과 비교하며 궁극적으로 전문 지식과 기술을 형성하도록 반성적이고 의도적인 행동에 참여시키도록 돕습니다.
• 학습자들이 탐구와 조사를 통해 달성 가능한 목표를 설정하고 이를 관리할 수 있도록 지원합니다.활동적(ACTIVE, manipulative, observant)
• 학습자들이 자신의 행동의 결과와 결과를 관찰하고 자신의 지식을 평가하며 평가할 수 있도록 능동적인 학습에 참여시킵니다.
• 학습자들이 자신의 관찰과 행동에 대해 의식적으로 생각하게 하여 새로운 지식을 구성하고 자신의 이해를 재구조화할 수 있도록 합니다.
더 거시적 수준의 교수적 개입을 다룰 때는 기존 전략을 확장해 조직적, 정교화적, 탐구적, 메타인지적, 협력적, 문제 해결적 요소를 학습의 다양한 차원에 통합할 수 있습니다. 이러한 거시적 전략은 더 높은 수준의 목표를 포함하도록 연결되거나 “꿰어질” 수 있습니다. 예를 들어, 명확히 정의된 경력 경로나 현재 직업적 상황의 발전을 포함할 수 있습니다. 각 개인의 일생 동안의 공식적 및 비공식적 경험은 독특하며, 여러 맥락과 교육 이벤트를 포함할 수 있습니다. 따라서 “사이 공간(the spaces in-between)“을 고려한 설계뿐만 아니라 교수적 경험과 주요 삶의 사건의 통합이 미래 학습 설계에서 중요한 초점 영역이 됩니다.
파라메딕 훈련을 마친 후, 코칭과 멘토링(coaching and mentoring)은 학습자가 평생 학습 궤적의 다음 단계나 경험으로 나아가도록 추가적으로 스캐폴딩할 수 있는 교차 교수 전략으로 사용될 수 있습니다. 코칭과 멘토링은 서로 관련된 개념입니다. 코칭은 학습자의 수행을 관찰하고 전문가의 수행에 더 가깝게 다가갈 수 있도록 지원하며, 멘토링은 롤모델 역할을 하고, 조언을 제공하며, 목표를 달성하고 장애물과 도전을 극복하도록 학습자를 지원합니다. 현실적인 상황을 위한 목표를 설정하는 과정에서 코치와 멘토는 대화를 통해 학습자를 지원하며, 사회적 협상을 통해 의미 있는 문제를 해결하고, 정보를 적극적으로 탐색하고, 연구하며 해결책을 찾도록 학습자를 참여시킵니다.
이 EMT 사례에서, 학습자가 파라메딕으로 성장한 이후에도 진정성 있는(복잡하고 맥락화된) 협력적(협력적이고 대화적인) 활동을 통해 자신의 신체적, 인지적, 감정적, 사회적 지식을 더 확장할 수 있도록 돕는 것이 목표가 될 수 있습니다. 예를 들어, 병원에서 의사 보조자를 관찰하고, 현재의 의료 지식과 기술을 어떻게 적용할지 능동적으로 고려하도록 하는 방식이 있을 수 있습니다.
이 사례는 스캐폴딩, 모델링과 설명, 코칭과 멘토링이라는 교수 전략이 학습자가 경험을 넘어 의미 있는 연결을 만들고, 평생 학습 목표를 설정하며, 이를 실현할 수 있도록 어떻게 교차적으로 사용될 수 있는지를 보여줍니다.
요약
교수 전략은 스캐폴딩, 모델링과 설명, 코칭과 멘토링과 같은 개입을 포함하여 학습자의 평생 동안 연결되고 일관된 경험을 의미 있게 지원하는 ‘접착제’ 역할을 할 수 있습니다. 미래 학습의 연속성을 고려할 때, 이러한 전략은 특정 교수 이벤트나 학습 과정 내에서뿐만 아니라 학습자의 장기적인 여정 전반에서도 여러 수준에서 고려되어야 합니다. 따라서, 개념적 영역, 학습자의 발달 단계, 콘텐츠 형태, 추상화 수준에 따라 차별화된 교수 개입을 적용하는 동시에 복합적인 학습 경험의 영향을 고려하는 것이 미래의 중요한 과제가 될 것입니다.
이러한 학습 경험은 개별 및 협력적 활동을 포함하여 분산된 맥락에서 인지적, 심동적, 정서적, 사회적 기술을 목표로 하는 경험적, 협력적, 개인화된 교수 모델을 사용하여 구현될 수 있습니다. 이는 다양한 전달 형식, 양식 및 기술을 통해 촉진될 것입니다. 따라서 우리는 이 비선형적이고 평생에 걸친 개인화된 학습 연속성 내에서 교수 전략을 조직하고 추천하는 새로운 모델을 고려해야 합니다.
어떻게 하면 이러한 전략이 학습자들에게 일관되게 전달되고, 과부하가 될 가능성이 있는 학습 환경에서 잡음을 더하지 않고 이를 개선할 수 있을까요? 또한 교사, 트레이너, 멘토, 자동화된 시스템뿐만 아니라 학습자 스스로가 이 복잡한 미래 학습 환경에서 적절한 전략을 사용할 수 있도록 돕는 방법은 무엇일까요?
학습 과학 분야에서는 여전히 많은 질문들이 남아 있습니다. 그러나 미래 학습 생태계의 모든 가능성을 실현하려면, 이를 가로지르는 신중한 전략을 적용해야 함이 분명합니다. 즉, 마이크로 및 매크로 수준의 교수 활동을 매크로 수준의 고려 사항과 결합하고, 메조 수준에서 학습 에피소드 사이의 ‘공간’을 식별하고 지원하며, 학습자들이 자신만의 학습 전략을 개발하고 이를 적용해 복잡한 세상을 탐색할 수 있도록 돕는 전략입니다.
우리는 경력 전반에 걸쳐 조직 단위 전반에서 다양한 학습 경험을 통합하고 연결하는 더 나은 시스템이 필요합니다. 초등학교부터 청소년기에 이르는 교육에서는 성적표가 오랫동안 사용되어 왔지만, 전문직 종사자들이 어떤 학습 경험을 완료했는지, 그리고 개인화된 방식으로 관련 콘텐츠 영역을 학습하려는 관심을 안전하게 식별할 수 있는 이식 가능한 성적표 시스템은 없습니다. 근로자들이 조직과 경력을 이동하는 동안 학습 기록은 더욱 밀접하고 정확하게 그들을 따라야 합니다.
John Landwehr
Vice President and Public Sector Chief Technical Officer, Adobe