학습 과학(LS)은 지식과 학습을 설명하고 과학적 발견을 학습 환경 설계 및 구현에 적용하는 기초 과학 분야이다. 이 장에서는 학습의 정의를 제시하고, LS의 범위를 분석 과학과 공학 설계에서 파생된 학문으로 설명한다. LS는 다양한 이론과 방법론을 사용하여 다층적인 학습 과정과 현상을 연구하며, 개별(심리적) 수준과 사회적 그룹(집단적) 수준이 특히 중요하다. 개별 수준에서는 인지 및 생물학적 과정이 학습을 중재하고, 집단 수준에서는 개별 구성원에 기반한 학습이지만 독자적인 특성과 학습 환경 설계 요구를 보인다. 개별과 집단 수준의 전략적 통합을 통해 실질적인 사회 문제를 해결하고 증거 기반의 혁신을 확장할 수 있는 기초 연구를 개발할 가능성을 제시한다. 1. 소개 학습 과학자들은 기본적인 이해를 위한 연구뿐만 아니라 임상 및 광범위한 적용을 고려한 번역 연구에도 기여한다. 이로 인해 많은 학습 과학자들은 연구와 실천을 연결하는 데 중점을 둔다. 이러한 초점은 학습 과학을 인지심리학, 교육심리학, 인류학과 같은 "기초" 또는 "분석 과학" 분야와 교육 설계, 교육 기술과 같은 "실용 영감" 학문과 구별되게 한다. 이는 연구자와 실무자 간의 극도의 회의와 신뢰 부족으로 특징지어졌던 교육 연구의 역사적 기여와는 대조적이다. 1.1 학습이란 무엇인가? 학습 과학의 연구 대상은 학습, 즉 지속적인 행동 변화를 연구하는 것이다. Nathan(2021)의 정의에 따르면, 학습은 행동의 지속적인 변화를 의미한다. 학습 과학자들은 다양한 공간, 시간, 규모에서 학습 과정을 연구한다. 이는 신경 연결의 변화, 패턴 인식, 새로운 절차, 사실, 개념, 사회적 관행 및 참여 방식의 변화, 새로운 정책과 법률에 따른 제도 운영의 변화 등을 포함한다. 이러한 통합된 학습 과정을 시간의 단일 파라미터 변화로 시각화할 수 있으며, 이때 시간의 로그 스케일을 사용한다. 가장 빠른 학습 과정은 10^-2초 이하로 생물학적 변화로 연구된다. 그 다음은 10^-1초에서 10초의 인지 과정, 10^2초에서 10^4초의 지식 기반 과정, 10^5초에서 10^7초의 사회문화적 과정, 10^8초에서 10^10초의 조직적 변화로 연구된다. Newell(1990)의 통찰에 따라 다양한 행동의 상호 연결성을 설명하고 있으며, Lemke(2000)는 학습 과정을 설명하기 위해 시간 척도에 집중하는 것이 적절하다고 지적한다. 시간 척도는 인간 행동의 중요한 특성을 효과적으로 포착하며, 학습 과정을 이해하는 데 복잡성을 줄이는 방법을 제공한다. 학습 현상은 교실, 가정, 직장, 박물관, 비디오 게임, 심리학 실험실 등 사회적 및 기술적으로 설계된 환경에서 발생한다(Steinkuehler & Squire, 14장). 각 학습 환경은 역사적 맥락에서 설계된 인공물로, 문화적 제약과 기대에 대응하여 사회적으로 바람직한 학습 결과를 도출하는 것을 목적으로 한다. 1.2 학습과학의 범위 Klahr(2019)는 학습 과학(LS) 연구가 Stokes(1997)의 2x2 매트릭스의 네 가지 영역, 즉 순수 기초 연구, 순수 응용 연구, 실용적 기초 연구, 그리고 기초도 응용도 아닌 관찰, 검토, 평가를 포함한다고 설명한다. "기초 연구" 영역에서 학습 과학은 학습의 근본적인 본질을 이해하기 위한 전통적인 과학적 연구를 수행한다. 그러나 효과적인 학습 환경과 활동을 설계하기 위해서는 과학적으로 검증된 학습 이론만으로는 부족하다. 이론적 발전은 종종 너무 느리고, 모호하며, 이상적이기 때문이다. 1.3 설계 과학 : 학습 공학 학습 과학(LS)은 학생들의 실제 학습 경험을 형성하기 위해 공학적 관점과 실천을 사용하는 설계 과학이다. 공학적 접근법은 혁신을 더 빠르고 실질적으로 테스트하며, 성공은 이론적 설명이 아닌 기존 조건을 만족시키고 주어진 목표를 충분히 충족하는 해결책을 개발하는 것으로 정의된다(Simon, 1996). 이와 같은 방식으로 LS의 실천은 학습 공학으로 설명될 수 있다. 설계 기반 접근법은 목표 지향적이고 맥락화되어 있으며, 빈번한 형성 평가를 활용하여 반복적인 설계-구현-평가-재설계 방법을 사용한다(Pellegrino, 12장). 이를 통해 현지의 제약에 맞춰 솔루션을 조정하고, 기존 과학 모델에서 명확히 정의되지 않은 결정을 해결할 수 있다
