🌞 Learning Science
#2 학습 과학의 기초 Foundations of the Learning Sciences (캠브릿지 학습과학 핸드북)
taesangeom
1. 소개1.1 학습이란 무엇인가?1.2 학습과학의 범위1.3 설계 과학 : 학습 공학2. 이론적 기반2.1 실용주의(프래그머티즘)2.2 구성주의2.3 사회 문화 이론2.4 상황 학습2.5 체화된, 확장된, 분산된 인지3. 인식론: 지식과 학습의 개념3.1 학습의 획득과 참여 은유
3.2 복잡계 관점의 학습3.3 요소적 연구와 체계적 연구4. 요소적 관점에서의 학습 원리4.1 전략적으로 조절된 반복과 연습4.2 다양한 정보 출처 통합과 인지적 요구 관리4.3 의미와 지식의 능동적 구성에 학습자 참여시키기4.4 메타 인지5. 체계적 관점에서의 학습 원리5.1 협력적 담론과 논쟁5.2 접근 가능한 형태의 진정한 학문적 실천 참여5.3 안내된 탐구와 프로젝트 기반 학습6. 요소적 및 체계적 분석 단위의 통합6.1 설계 기반 연구(Design Based Research)6.2 축소 방법(Scaling Down)7. 결론
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.
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
2. 이론적 기반
학습 과학(LS)은 다양한 이론적 관점을 기반으로 하며, 이는 물리적, 사회적, 문화적, 기술적 공간에서 지식과 학습이 어떻게 발생하는지를 설명한다.
2.1 실용주의(프래그머티즘)
LS의 이론적 및 응용 연구에 중요한 다섯 가지 지적 전통 중 첫 번째는 미국 실용주의이다. 실용주의자인 존 듀이는 아동 중심의 교육학을 개발했으며, 아동의 관심과 경험이 학습 환경 설계를 주도한다고 주장했다. 듀이는 아동이 가설을 제시하고 이를 현실과 이성에 맞추어 테스트하면서 학습한다고 보았다. 이는 장 피아제의 구성주의 이론과 유사하다. 듀이와 피아제는 동시대인이며 20세기 동안 큰 영향을 미쳤다.
또 다른 실용주의자인 조지 허버트 미드는 사고가 현실과의 상호작용에서 발생한다고 주장했고, 의사소통과 언어가 구체적이고 단순한 몸짓에서 시작해 점차 추상화된다고 보았다. 그의 제자인 허버트 블루머는 상징적 상호작용론을 개발하여 사람들이 단어나 몸짓과 같은 상징을 어떻게 교환하는지에 대한 분석에 중점을 두었다. 블루머의 아이디어는 1960년대와 1970년대에 해롤드 가핑켈의 민속방법론에 의해 발전되었으며, 민속방법론은 사회 현상을 이해하는 가장 좋은 방법은 참여자에게 그들이 무엇을 하고 있는지, 어떻게 해석하고 있는지를 묻는 것이라고 주장했다. 대화 분석은 사회적 맥락을 분석하는 최선의 방법은 참여자들이 그 맥락에 대해 어떻게 이야기하는지와 그 맥락이 그들에게 어떤 의미를 갖는지를 면밀히 조사하는 것이라고 제안한다. 이러한 접근법은 LS에서 특히 자연 발생적 학습 상황을 연구하는 연구자들 사이에서 여전히 영향을 미치고 있다. LS에서 사용되는 주요 방법론에는 상호작용 분석과 근거 이론 분석이 포함된다.
2.2 구성주의
구성주의는 학습이 타인이나 환경에서 얻은 정보를 수동적으로 내면화하는 것이 아니라, 정신적 구조를 능동적으로 창조하는 과정이라고 주장한다. 피아제는 구성주의의 창시자로서 모든 학습이 스키마라는 정신적 객체의 구축에 의해 중재된다고 보았다. 피아제는 아이가 물리적 세계와의 상호작용과 실험을 통해 스키마가 형성된다고 하였으며, 이는 구체적 물리적 행동에서 점차 추상적이고 개념적인 정신적 객체로 발전한다고 설명했다.
구성주의는 교육에 널리 영향을 미쳤으며 LS 접근법의 핵심 요소 중 하나로 자리잡았다. 일부 학습 과학자들은 급진적 구성주의와 사회적 구성주의와 같은 구성주의의 변형에도 영향을 받았다. 급진적 구성주의자들은 외부의 진리가 없다고 주장하며, 사회적 구성주의자들은 지식 구축 과정이 본질적으로 사회적 상호작용에 의해 중재된다고 보았다. 이는 협력적 지식 구축과 창조를 강조하는 학습 환경 설계에 기여하였다.
샌프란시스코 익스플로러토리움과 다른 인터랙티브 과학 센터의 체험적 학습 접근법은 1960년대 미국에서 피아제의 구성주의 아이디어가 확산된 결과로 직접적인 영감을 받았다. 구성주의가 교육에 기여한 중요한 공헌 중 하나는 시모어 페이퍼트가 개발한 Logo 프로그래밍 언어이다. 이는 아이들이 외부화된 에이전트인 "거북이"를 프로그래밍하여 공간과 행동을 탐구함으로써 기하학과 계산 개념을 구축할 수 있게 한다. Logo에 대한 연구는 학습 과학에 초기 영향을 미쳤으며, 프로그래밍 가능한 로봇 장난감, 유형 컴퓨팅, 메이커 운동의 직접적인 선구자가 되었다.
2.3 사회 문화 이론
1970년대의 AI와 인지과학 활동 후, 1980년대에는 인간 지능을 컴퓨터로 이해하고 시뮬레이션하는 목표가 여전히 멀었다는 것을 인식한 연구자들이 나타났다. 이러한 실망감은 "AI 겨울"로 알려졌고, 연구자들은 인지과학이 왜 성공적이지 못했는지에 대해 재고하기 시작했다. 가장 영향력 있는 답변은 사회문화적, 상황적, 분산 인지 접근법에서 나왔다. 이 새로운 접근법들은 개인주의적 인식론을 거부하고 지식을 단순한 정신적 소유물 이상의 것으로 간주했다.
사회문화주의자들은 모든 지적 행동이 복잡한 사회적, 물리적 환경에서 도구와 기계, 학문별 표기 체계, 다른 사회적 행위자들과의 문화적으로 내재된 상호작용으로 발생한다고 보았다. 비서구 사회의 비공식 학습을 연구한 인류학자들의 연구와 함께, 해군 선박 항해, 런던 지하철 통제실, 사무실 시스템, 항공 교통 관제 센터 등의 연구는 지식 작업의 사회적 분배 성격을 드러냈다. 이러한 연구들은 공식적인 교육 밖에서도 협력적이고 기술적으로 풍부한 환경에서 학습이 이루어짐을 보여주었다.
사회문화 학자들은 레프 비고츠키의 이론을 바탕으로 사회적 상호작용과 문화적 도구가 지적 발달의 주요 원동력이라고 주장했다. 그는 사고가 사회적 상호작용이 점차 내면화됨에 따라 발생한다고 보았다. 지식은 분산되고 상황에 맞게 사회적으로 실천되며, 이후 개인의 정신적 사고로 내면화된다. 비고츠키는 스캐폴딩과 같은 사회적으로 중재된 과정을 통해 아이들이 혼자서 작업할 때보다 더 높은 수준에서 수행할 수 있다고 주장했으며, 이러한 기회가 지적 발달을 가속화할 수 있다고 했다.
사회문화적 접근법은 LS에 참여하는 모든 분야에서 큰 영향을 미쳤다. AI 연구자들은 1980년대와 1990년대의 빠르게 진화하는 네트워크 기술 덕분에 분산 인지를 강조하게 되었다. 인지심리학 연구자들은 팀워크, 협력, 그룹 동역학, 인지 발달에서 사회적 맥락의 역할을 연구하기 시작했다. 교육 연구자들은 교실 협력, 학생 그룹의 협력적 담론, 학문별 도구와 기술 사용, 프로젝트 팀을 연구했다.
학습 과학자들은 사회문화적 관점을 통해 이동 학습과 비공식 학습을 설명한다. 이동 학습은 가정, 놀이터, 도제 환경 등 학교 밖에서 발생하는 학습을 포함한다.
2.4 상황 학습
학습 과학자는 학습을 인간의 일반적인 사회 현상으로 연구하며, 이는 전통적인 실험실이나 교실에만 국한되지 않는다. 학습 과학자의 분석 단위는 학습자, 다른 사람들, 자료 및 도구를 포함하는 복잡한 학습 환경이다. 교실도 학습 환경이지만, 여러 학습 환경 중 하나일 뿐이다. 교실 학습에만 집중하면 학습의 본질과 방법에 대한 좁은 시각을 갖게 된다. 학습을 모든 사회적 설정에서 발생할 수 있는 것으로 생각하기 시작하면, 사회적 상황이 개인과 그룹의 학습에 중요한 역할을 한다는 것을 깨닫게 된다.
이러한 연구 관심의 확장으로 인해 학습 과학자들은 상황 인지 이론을 바탕으로 학습이 발생하는 물리적 및 사회적 상황과 깊이 통합되어 있음을 연구한다. 상황 인지 이론은 현상학 철학의 영향을 받았으며, 사람들은 환경과의 상호작용을 통해 세상을 직접 인지하고 이해한다고 본다. 현상학자들은 인지와 표상이 내부 정신적 표상이 아니라 세계와의 상호작용을 통해 존재한다고 주장한다. 현상학자들은 사람들, 기술, 정보 자원, 물리적 환경의 맥락화된 활동에 중점을 두며, 주로 참여 관찰 방법을 통해 연구한다. 따라서 현상학은 내부 정신 처리보다는 세계에서의 행위와 행동에 중점을 둔다.
2.5 체화된, 확장된, 분산된 인지
이론적으로 학습을 설명할 때, 학습자의 신체와 물리적 및 사회적 환경과의 관계를 무시하는 경우가 많다. 사람들은 종종 정신 구조를 개념적으로 추상적이고 감각적으로 통일되지 않으며, 문화적으로 임의적으로 세계에 연결된 것으로 본다. 그러나 연구자들은 특히 실제 환경에서 학습이 신체적이고 지각적으로 활발한 과정이며, 지식이 사람들, 문화적 표현, 물질적 자원 사이에 분산되어 있다고 자주 관찰한다.
학습과 학습 환경의 전체 범위를 더 잘 설명하기 위해 인지 심리학자와 학습 과학자들은 체화된 인지를 연구하기 시작했다. 체화된 인지 관점은 지적 행동이 내재되어 있고, 분산되어 있으며, 확장된 것이라고 주장한다. 이는 상징의 의미가 단어와 수학적 객체와 같은 상징의 의미가 직접적인 신체 경험과 연결되어 있는 것의 중요성을 강조한다. 예를 들어, 단어와 수학적 개념과 같은 상징의 의미가 우리의 실제 신체 경험과 연결되어 있는 것이 중요하다. 신체 상태와 신체 기반 자원이 지적 행동과 밀접하게 연결될 때, 체화된 인지 설명이 타당하다. 또한, 체화된 인지 이론은 인지가 개인이나 그룹의 물리적, 사회적 환경에 의해 영향을 받는다고 본다.
체화된 인지는 인지가 개인 또는 그룹의 물리적, 사회적 환경에 의해 매개되며, 분산된 인지는 지식과 추론이 사회 시스템의 공동 구성된 속성으로 나타난다고 본다. 확장된 인지 이론은 특정 상황에서 사회적, 물리적 환경이 인지 시스템을 구성한다고 가정한다.
체화된 인지 이론은 심리학적, 사회문화적, 현상학적 관점에서 학습 과학 연구 및 개발을 위한 기초 원칙을 제공한다. 사람들이 복잡한 환경에서 상호작용할 때, 그들의 상호작용은 말의 억양, 얼굴 표정, 신체 움직임을 포함한다. 예를 들어, 손 제스처를 사용하여 '여기', '그', '이것' 같은 단어를 명확히 하고, 행동과 물체의 특성을 상징적으로 표현할 수 있다. 이러한 상호작용은 제스처 분석과 다중 모드 담론 분석과 같은 방법을 사용하여 연구될 수 있다. 과학자들은 때때로 신체 움직임과 제스처를 사용하여 아원자 입자의 궤적을 나타낸다.
체화 이론은 구체적이고 전체 신체 인터페이스와 증강 현실을 사용하여 움직임과 놀이를 통해 복잡한 개념과 사고 형태의 학습을 촉진하는 새로운 통찰을 제공한다. 이러한 통찰은 읽기와 같은 다양한 내용 영역에 적용될 수 있다.
3. 인식론: 지식과 학습의 개념
학습 과학(LS)은 1980년대와 1990년대 초에 다양한 지적 기초를 바탕으로 지식과 학습에 대한 이론을 창출하기 위한 학제간 노력으로 등장했다. 학습 이론은 지식, 앎, 그리고 사람들이 어떻게 알게 되는지에 대한 연구인 인식론과 관련이 있다. 학습 과학자들은 지식과 앎의 방식에 대해 상당히 정교한 개념을 가지고 있다.
3.1 학습의 획득과 참여 은유
서구의 학문적 심리학은 일반적으로 획득 인식론을 수용한다(Sfard, 1998). 이는 지식을 에이전트가 '소유'하고 뇌에 저장되며 새로운 지식을 생성하기 위해 '조작'되고, 의사소통, 교육, 평가 과정에서 다른 사람에게 '전달'되는 정신적 객체로 취급한다. 실용주의와 구성주의 이론은 일반적으로 학습의 획득 은유와 일치한다.
반면에, 많은 학습 과학자들은 학습을 참여 인식론의 관점에서 고려한다(Sfard, 1998). 학습은 참여 공동체에서의 몰입과 소속감을 통해 이루어지며, 지속적인 행동 변화는 학습자가 공동체의 규범과 실천을 받아들이는 결과이다. 여기에는 말하고 행동하고 심지어 생각하는 방식도 포함된다. 이러한 인식론적 입장은 사회문화 이론, 상황 학습, 분산 지식, 체화된 인지 등의 이론의 기초를 형성한다.
3.2 복잡계 관점의 학습
학습 과학(LS)은 학습과 앎이 여러 개인, 자원, 문화적 및 환경적 요소들의 상호작용에서 발생한다고 인식한다. 복잡계 이론 관점에서 학습 현상을 연구하는데, 복잡계는 동적이고 자기 조절적이며, 많은 요소와 하위 시스템의 풍부하고 비결정론적인 상호작용에서 발생하는 창발적 특성을 가진다. 완전히 분해 가능한 시스템은 단순히 복잡한 시스템으로, 모듈로 구성되어 서로 상호작용하지만 독립적으로 작동한다. 반면, 거의 분해 가능한 시스템은 단기적으로는 다른 하위 시스템과 독립적으로 작동할 수 있지만, 장기적으로는 시스템 성능에 크게 연관되어 있다.
예를 들어, 안구 운동(saccades)은 눈의 움직임을 조절하는데, 이는 시각적 과제의 많은 다른 측면에서 완전히 분리될 수 있다. 반면, 읽기 이해 전략은 거의 분해 가능하여 상대적으로 독립적으로 측정하고 개선할 수 있지만, 궁극적으로는 사회기술적 환경, 개별 독자, 과제 목표와 상호작용한다.
완전 분리할 수 있다:
이것은 어떤 부분이 다른 것들과 독립적으로 일할 수 있다는 것을 의미한다. 예를 들어, 눈을 움직이는 것(안구 운동)은 다른 시각적 작업과 완전히 분리해서 할 수 있다. 눈을 움직이는 작업은 혼자서도 할 수 있고, 다른 작업과 별도로 작동한다.
이것은 어떤 부분이 다른 것들과 독립적으로 일할 수 있다는 것을 의미한다. 예를 들어, 눈을 움직이는 것(안구 운동)은 다른 시각적 작업과 완전히 분리해서 할 수 있다. 눈을 움직이는 작업은 혼자서도 할 수 있고, 다른 작업과 별도로 작동한다.
거의 분리할 수 있다:
이것은 어떤 부분이 다른 것들과 독립적으로 작동할 수 있지만, 결국에는 다른 것들과 연결된다는 것을 의미한다. 예를 들어, 책을 읽고 이해하는 방법은 처음에는 독립적으로 연습하고 개선할 수 있다. 하지만 나중에는 이 방법이 주변 환경, 읽는 사람의 상태, 그리고 읽고 있는 내용과도 연결된다.
이것은 어떤 부분이 다른 것들과 독립적으로 작동할 수 있지만, 결국에는 다른 것들과 연결된다는 것을 의미한다. 예를 들어, 책을 읽고 이해하는 방법은 처음에는 독립적으로 연습하고 개선할 수 있다. 하지만 나중에는 이 방법이 주변 환경, 읽는 사람의 상태, 그리고 읽고 있는 내용과도 연결된다.
이 두 가지 기준은 우리가 어떤 것을 연구하거나 개선할 때, 그 부분이 다른 것들과 얼마나 독립적으로 작동할 수 있는지를 판단하는 데 사용된다. 완전히 분리할 수 있으면 그 부분만 따로 연구하고 개선하기 쉽다. 하지만 거의 분리할 수 있으면 다른 것들과의 관계를 함께 고려해야 한다.
측정 도구의 개발은 시스템의 행동 한 측면을 추출하여 범주화 또는 정량화를 지원하는 분석 프레임워크에 적용하는 수단을 개발하는 데 의존한다.
컴퓨터 기반 학습 동반자, 교육 에이전트, 시뮬레이션 학생들은 복잡한 협력 및 교육 상호작용을 고립시키고 개선하는 방법을 제공한다.
거의 분해 가능한 학습 시스템(Nearly decomposable learning systems)은 실제 실험(in vivo)으로 연구될 수 있다. 이 실험은 실제 환경에서 학습자들이 적절한 학년 수준의 학습 활동에 참여하게 하는 방식이다. 이 방법은 무작위 배정과 블라인드 데이터 분석을 사용하여 특정 가설적 인과 요인에 대한 실험적 통제를 통해 내부 타당성을 제공한다.
이와 같은 복잡계 이론은 학습 과학 연구에서 시스템의 특정 측면을 추출하고 분석적 틀에 넣어 범주화하거나 수량화하는 데 중요한 역할을 한다. 이러한 접근법은 복잡한 학습 시스템을 연구하고 개선하는 데 필수적이다.
3.3 요소적 연구와 체계적 연구
Nathan과 Alibali(2010)는 학습 연구를 요소적 기술과 체계적 기술로 구분했다. 요소적 관점은 복잡한 학습 환경의 구성 요소를 독립적으로 분석하는 데 중점을 두며, 이를 위해 요소들을 "분리"하여 분석할 수 있다고 가정한다. 반면, 체계적 관점은 학습 활동 시스템 전체를 분석하며, 요소들을 분리할 수 없다고 본다. 사회문화 이론, 상황 인지, 체화된 인지 이론 등은 학습을 전체 시스템 수준에서 분석해야 한다고 주장한다.
질적 방법과 양적 방법이 각각 요소적 또는 체계적 관점에만 국한되지 않는다. 예를 들어, 생각 소리 보고와 같은 질적 방법은 과제와 환경의 영향을 배제하여 인지 과정을 분석하는 데 사용된다. 반면, 학습 분석 방법, 사회 네트워크 분석, 교육 데이터 마이닝 등은 방대한 양의 양적 정보를 사용하여 체계적 설명을 형성한다. 또한, 실제 상황에서의 실험은 변수 통제 기법을 사용하여 인과적 영향을 추론한다.
과학의 역사에서 요소적 접근은 큰 성공을 거두었고, 일부 교육 연구자들은 하위 수준의 분석이 교육 연구에 가장 유망한 접근이라고 주장한다. 그러나 학습 과학 연구는 이러한 환원주의적 충동이 학습을 완전히 이해하는 데 충분하지 않다고 제안한다. 학습 과학은 연구 대상 현상의 본질과 향후 활용 설계를 기반으로 요소적 접근과 체계적 접근을 모두 수용한다.
개인/집단 구분은 특히 학습 과학 연구에서 요소적/체계적 구분의 한 예이다. 집단의 상위 수준 과정은 항상 개별 구성원의 하위 수준 과정에 의존하지만, 일부 복잡한 시스템에서는 상위 수준이 요소적 용어로 분석하고 설명하기 어려운 창발적 특성을 나타낼 수 있다. 이는 생물학적 규모에서도 관찰되며, 개별 뉴런의 상호 연결된 네트워크에서 나타나는 창발적 행동이 개별 요소의 특성을 초월할 수 있다.
4. 요소적 관점에서의 학습 원리
학습 과학 연구는 개인을 학습자로 하여 지식을 개별 마음의 속성으로 간주하거나, 사회적 집단, 교실 또는 소셜 네트워크를 학습자로 하여 지식을 더 넓은 공동체에 분산된 것으로 간주한다. 연구의 분석 단위는 선택된 분석 수준에 따라 다르다. 대부분의 LS 연구에서 요소적 관점은 개인 학습자를 분석 단위로 사용하고, 체계적 관점은 학습자 그룹을 분석 단위로 사용한다.
수십 년간의 인지심리학 연구에서 요소적 관점에서 도출된 핵심 발견은 반복과 연습의 중요성, 인지적 및 주의 자원의 요구 관리, 의미와 지식의 능동적 구성에 대한 학습자의 참여, 메타인지적 인식의 중요성을 포함한다. 이러한 원리는 개인 학습에 적용되며, 이는 일부 학습 현상을 연구할 때 요소적 접근이 유효하고 생산적으로 적용될 수 있음을 시사한다.
인지적 과정은 성과를 위해 신경 과정을 기반으로 하지만, 인지적 행동과 신경 행동 간의 매핑은 일대일로 대응되지 않는다. 이 연구는 효과적인 개인 학습을 촉진하는 학습 환경을 개발하기 위한 여러 설계 원칙을 제시한다.
4.1 전략적으로 조절된 반복과 연습
개인 학습은 전략적으로 조절된 반복과 연습에서 큰 이점을 얻으며, 특히 신뢰할 수 있고 시기 적절한 피드백과 함께할 때 그 효과가 더욱 커진다. 반복과 연습을 시간 간격을 두고 시행할 때 성과가 더 우수하다. 연습 테스트에서 제공되는 피드백은 학습자에게 유용하며, 특히 관련 정보를 기억에서 끌어내어 응답을 생성하는 형태의 검색 연습에서 효과적이다.
좁은 범위의 지각적 또는 운동 기술은 동일한 행동을 계속해서 연습하는 블록 연습 방식이 가장 효과적이다. 반면, 개념적 테스트에서는 다양한 유형의 과제를 혼합하여 연습하는 것이 더 유익하다. 이는 혼합 연습이 항목 구별 연습과 전략 선택 개선의 기회를 제공하기 때문이다. 피드백과 함께하는 테스트는 메모리에서 관련 연관성을 선택적으로 강화하고, 무관한 연관성을 억제하며, 검색 과정 자체의 참여를 증진시킨다.
4.2 다양한 정보 출처 통합과 인지적 요구 관리
다양한 정보 출처에 대한 노출과 통합은 많은 형태의 학습에서 중요한 요소이다. 언어적 연상과 비언어적 정신 이미지를 결합하면 기억이 더 오래 유지되는 경우가 많다. 이러한 통합은 교육적 제스처가 학습에 효과적인 이유 중 하나일 수 있다. 언어적 및 비언어적(주로 공간-시각적) 자극이 별도로 처리되고 기억 인코딩 및 검색에 결합 효과를 제공한다.
사람들은 평생에 걸쳐 많은 정보를 기억할 수 있지만, 인지는 더 작은 용량의 "작업 기억" 시스템에 의해 중재된다. 이 작업 기억 시스템은 정보를 주의하고 인코딩한다. 실시간으로 많은 인지적 요구를 필요로 할 때, 이는 인지 부하로 작용한다. 학습 환경은 정보 출처 간 주의 분산을 최소화하거나 다양한 양식 간의 개념적 관계를 연결하고 결합하는 요구를 줄여 인지 부하를 감소시키고 학습을 향상시킬 수 있다.
인지 부하는 잘 구조화된 학습 자료, 조직적이고 일관된 경험, 복잡한 정보를 관리 가능한 부분으로 분할하는 방식으로 줄일 수 있다. 이러한 기법은 때때로 스캐폴딩이라 불린다. 또한, 이야기를 사용하거나 사례 연구 형식으로 자료를 제시하면 익숙한 서사 구조를 통해 조직화를 제공하여 인지 부하를 줄일 수 있다.
4.3 의미와 지식의 능동적 구성에 학습자 참여시키기
학습은 학습자가 의미와 지식을 능동적으로 구성할 때 더 효과적이다(Chi & Wylie, 2014). 과제 요구가 너무 쉬워 인지 부하가 과도하게 감소하면 사람들은 정보를 수동적이고 피상적으로 처리하여 학습이 거의 이루어지지 않는다. 학습자는 새로운 경험과 개념을 지각적, 운동적 경험, 언어, 기존 지식에 연결하여 의미를 구성할 때 더 효과적으로 학습한다(Nathan, 2021).
의미를 구성하는 데 효과적인 활동으로는 연습 테스트, 깊이 있는 질문과 답변, 자신의 입장과 이유를 설명해야 하는 대화와 논쟁 참여, 새로운 아이디어를 개념적으로 관련된 운동과 공간적 은유에 연결하는 것이 있다(Lindgren & Johnson-Glenberg, 2013). 바람직한 어려움을 겪고 실패를 경험하는 것도 생산적일 수 있다. 이는 관련된 기존 지식을 활성화하고, 학습 경험을 다양화하며, 설명을 이끌어내고, 연습을 분산시키며, 지식의 공백을 보완하는 데 도움이 된다.
능동적인 의미 구성은 공식화된 수식과 다이어그램과 같은 추상적 형식을 이해하는 데 특히 중요하다. 공식화된 형식은 유추적 매핑, 일반화, 새로운 영역으로의 유연한 지식 전이를 지원한다. 그러나 이러한 형식은 기술적이고 임의적인 학문별 표기 체계에 의해 현실 세계의 맥락과 분리된다. 구체적이고 친숙한 아이디어와 경험을 통해 이러한 추상적 표현을 의미 있게 해석하는 방법으로는 구체화의 희석과 점진적 공식화가 있다. 이는 학습자가 관련성과 효율성을 가지고 이들을 접근하고 적용하는 능력을 향상시킨다(Nathan, 2012).
4.4 메타 인지
메타인지(Winne & Azevedo, 5장)는 자신의 이해도를 모니터링하고 무엇을, 어떻게 배우는지 반성하는 능력을 포함하며, 인간 인지의 중요한 요소이다. 메타인지 과정은 인지적 통제와 실행 기능을 위한 주의 네트워크에 기반을 두며, 갈등 해결, 감정 조절, 오류 수정 등을 담당한다(Fernandez-Duque, Baird, & Posner, 2000).
학습자가 진행 상황을 평가하고 그 평가 결과를 바탕으로 자신의 추론 과정을 조정하거나 학습 환경을 재구성할 때 메타인지의 가치는 분명히 드러난다. 그러나 대부분의 학습자는 효과적인 모니터링과 자기 조절에 도움이 필요하며, 자기 평가를 검증하기 위해 피드백이 필요하다. 예를 들어, 학생들은 학습 방법에 대해 잘못된 선택을 하는 경우가 많고, 그 효과를 예측하는 데 매우 부정확할 수 있다. 일부 시간 소모가 큰 방법(예: 재읽기)은 가장 비효율적인 기술 중 하나이다(Dunlosky et al., 2013). 그러나 적절한 지원을 통해 학생들은 효과적인 모니터링과 자기 조절 기술을 개발하고, 학습 효율성, 유지력, 자기 모니터링 능력을 향상시킬 수 있다.
5. 체계적 관점에서의 학습 원리
체계적 교육 연구는 참여자의 행동을 서로 또는 학습 맥락과 분리하여 분석할 수 없는 현상에 초점을 맞추며, 지식이 사회 시스템, 문화적 유물, 체화된 실천에 분포되어 있다고 간주하는 인식론과 함께한다. 체계적 관점에서는 맥락을 단순히 독립된 규칙성이 발생하는 컨테이너로 간주하지 않고, 연구 대상 현상을 발생시키는 복잡한 인과적 장의 일환으로 본다. Lave(1988)는 일상적인 인지가 마음, 몸, 활동, 문화적으로 조직된 환경에 걸쳐 있다고 주장한다.
체계적 연구는 학습 환경에서 사람들이 사용하는 상황적, 확장적, 체화된 학습 실천과 자원을 문서화하는 것을 목표로 한다. 이러한 환경에는 교실뿐만 아니라 직장, 박물관, 가정, 그리고 지역 사회 구성원으로서의 일상 생활이 포함된다. 체계적 연구는 주로 학생 그룹과 같은 집단의 학습 과정에 초점을 맞춘다. Dillenbourg(1999)는 협력 학습에 대한 경험적 조사가 역사적으로 한 시간 이내의 상호 활동에 참여하는 두세 명의 소그룹을 대상으로 이루어졌다고 지적한다.
체계적 연구 방법에는 미세 유전 분석, 대화 분석, 상호작용 분석, 민속 방법론, 정량 민속학이 포함된다. 상호작용 분석 방법론은 학습을 분포된, 지속적인 사회적 과정으로 보고, 사람들이 협력하여 학습을 수행하고 학습이 발생했음을 인식하는 방식을 이해하는 데서 학습이 발생하거나 발생했음을 확인할 수 있다고 강조한다(Jordan & Henderson, 1995).
5.1 협력적 담론과 논쟁
협력적 담론, 즉 대화는 집단 참여와 개별 추론을 중재한다. 협력적 그룹의 구성원은 경쟁적이거나 개별적으로 구성된 학습 환경에 있는 구성원보다 더 큰 학습 성과를 보인다(Cohen, 1994). 또한, 협력적 담론의 질은 개별 학생의 전이 성과에 영향을 미친다(Barron, 2003). 컴퓨터 지원 협력 학습(CSCL)은 공유된 표현과 과제 구조를 통해 공동의 의미 형성을 촉진한다.
이러한 집단적 과정은 개별 참가자들이 상호작용의 인지적 요구를 관리하고 여러 정보 출처를 통합하는 인지 수준의 과정에 기반을 둔다. 참가자들은 협력적 과정을 통해 의미의 능동적 구성을 하며, 사회-정서적 참여를 조절하고 인지적 갈등을 해결하며 개념적 변화를 경험하기 위해 인지 통제 과정을 활성화한다(diSessa, Chapter 6).
그러나 학습자들은 자발적으로 효과적으로 협력하지 않는다(Azmitia, 1996). 효과적인 협력을 위해서는 개인 수준에서 명확한 모델링, 지도, 직접적인 교육 및 스크립트 제공이 필요하다. 이러한 개입은 차례를 지키기, 적극적 경청, 비판적 평가, 타인의 의견 존중 등 적절한 협력 규범을 개발하고 적용하는 데 도움을 준다(Krajcik, Czerniak, & Berger, 2002; Rummel, Spada, & Hauser, 2009).
5.2 접근 가능한 형태의 진정한 학문적 실천 참여
연구에 따르면, 진정한 학문적 실천에 적극적으로 참여하면 학습 결과가 향상된다. 프로그램 예로는 The Adventures of Jasper Woodbury, Fostering Communities of Learners, Kids as Global Scientists 등이 있다. 진정한 실천에 참여하는 학습은 학생의 이해를 실제 맥락과 합법적인 실천에 연결하여 의미를 구성하는 인지 과정에 기반을 둔다. 학문적 실천은 새로운 실천과 아이디어를 기존 지식과 경험과 일치시켜 기억을 조직하고, 학습의 미래 적용을 위한 적절한 맥락을 설정한다. 또한, 학생들의 동기 부여를 증가시킬 수 있다.
그러나 학습자들은 자연스럽게 각 커뮤니티의 고유한 진정한 학문적 실천에 참여하는 방법을 알지 못한다. 따라서 학습 과정을 개별 학습자의 인지적 요구와 자원에 맞게 접근 가능하고 발달 단계에 따라 구조화해야 한다. 숙련된 교수법은 학생들의 발전을 장려하고 지원하며, 궁극적으로는 자율성을 촉진해야 한다. 기술 도구는 접근 가능하고 흥미로운 현상을 제공하여 학생들이 압도되지 않도록 설계할 수 있다. 이러한 사회기술적 학습 환경에서 인지의 분산된 특성을 활용하면 높은 인지 부하를 관리하는 데 도움이 된다. 외부 전문가들은 학생들이 복잡성을 탐색하는 데 도움을 줄 수 있다.
인지적 도제와 같은 교육 접근법은 모델링, 코칭, 스캐폴딩, 페이딩과 같은 방법을 사용하여 개념적 및 절차적 기술의 발달을 촉진한다. 전문가들은 자신이 알고 있는 모든 것을 의식적으로 인식하지 못하며, 자동화된 암묵적 지식을 가지고 있다. 학습 환경은 이러한 암묵적 지식을 학생들에게 명확히 보여주도록 설계되어야 한다.
5.3 안내된 탐구와 프로젝트 기반 학습
안내된 탐구는 자발적인 발견 학습이나 단순한 정보 전달보다 더 효과적인 그룹 학습을 가져온다(Furtak, Seidel, Iverson, & Briggs, 2012; Hmelo-Silver, Duncan, & Chinn, 2007). 안내된 탐구는 여러 효과적인 인지 및 지각 메커니즘을 하나의 일관된 시스템으로 통합하여 효과적이다. 학생들은 반복적으로 패턴 인식 기술을 개발하고, 자기 설명과 협력적 담론을 통해 지식을 회상하고 언어 및 시각-공간 정보를 통합하며, 메타인지적으로 자신의 이해와 그룹의 진행 상황을 모니터링하고, 깊이 있는 질문을 하며, 공개 발표를 위해 자신의 추론과 결론에 대한 정당성을 집단적으로 형성한다.
프로젝트 기반 학습(PBL)은 학생들이 의미 있는 문제를 해결하기 위해 아이디어를 적극적으로 적용하고 설명하며, 수행을 통해 전문 지식을 개발하도록 한다. PBL 교실의 학생들은 강의와 시연 교실의 학생들보다 더 나은 시험 성과를 보이며, 성별이나 인종에 관계없이 더 좋은 결과를 얻는다(Marx et al., 2004).
학생들이 자발적으로 탐구, 학문적, 프로젝트 기반 실천을 받아들이기는 어렵다. 학생들은 주요 원리를 발견하고, 새로운 아이디어와 표현을 기존 지식과 연결하며, 효과적인 학습 및 모니터링 전략을 사용하도록 하는 데 상당한 인지적 및 사회적 지원, 즉 '스캐폴딩'이 필요하다(Tabak & Reiser, Chapter 3).
6. 요소적 및 체계적 분석 단위의 통합
Figure 2.2 Research methods extend across the timescales of human learning. Methods are identified as either elemental (ovals), systemic (boxes), or both (rounded boxes)
요소적 연구와 체계적 연구는 학습 과학(LS)에서 상호 보완적이며, 학습 이론화에서 두 가지 주요 관점을 제공한다. 두 접근법은 상호 배타적이지 않고, 특정 현상에 대한 이해를 높이기 위해 적절히 결합될 수 있다. 많은 경우, 두 접근법의 시너지 효과가 단독 접근보다 더 깊은 이해를 제공한다. 이 섹션에서는 LS의 중심 목표인 학습의 본질을 이해하고, 효과적인 개입을 설계, 개선, 확장하는 데 요소적 및 체계적 접근법을 통합하는 잠재력을 보여준다.
그림 2.2는 학습 과학 연구에서 사용되는 많은 연구 방법이 학습 과정의 시간 척도와 분석 수준에 따라 어떻게 정렬되는지를 보여준다. 방법론은 요소적(타원), 체계적(상자), 또는 둘 다(둥근 상자)로 식별된다. 이는 분석 수준 전반에 걸친 요소적 및 체계적 접근의 분포를 보여준다. 일반적으로 작은 분석 단위는 짧은 시간 척도에서, 큰 분석 단위는 긴 시간 척도에서 연구된다. 예를 들어, 신경 활동은 초 단위 이하로 연구되며, 사회는 월 단위에서 연 단위로 연구된다. 이러한 방법론을 통합적으로 활용하면 학습 현상 전반에 걸쳐 더 폭넓은 연구를 수행할 수 있으며, 이는 학습 과학에서의 변환 연구에 기여할 수 있다.
두 가지 주요 방법론적 접근법은 설계 기반 연구와 축소 연구이다. 설계 기반 연구는 학습 환경을 설계하고 평가하여 실제 교육 현장에서의 개입을 개선하는 데 중점을 둔다. 축소 연구는 실험실이나 소규모 환경에서 개발된 이론과 개입을 더 큰 규모로 확장하는 것을 목표로 한다. 이러한 접근법은 LS 연구의 중심 목표를 달성하는 데 중요한 역할을 한다.
6.1 설계 기반 연구(Design Based Research)
설계 기반 연구(DBR)는 요소적 및 체계적 방법을 통합하여 학습 상호작용, 변화 메커니즘, 이러한 변화를 일으키는 영향을 문서화한다. DBR은 학습 환경 설계와 학습 이론의 상호연결된 본질을 인식하고, 이러한 환경 내 상호작용을 전체적으로 설명함으로써 체계적 접근을 적용한다. 또한, DBR은 개별 학습의 결과와 중재 요인을 측정하고 재설계를 분석함으로써 요소적 접근을 적용한다.
DBR은 전통적인 연구와 개발의 구분을 모호하게 하여, 학습 과학 연구에 기여한다. 정책과 대규모 구현을 포함하는 DBR의 변형은 설계 기반 구현 연구(DBIR)라고 불리며, 이는 정책적 고려와 대규모 실행을 통합한다. 이 책의 여러 장에서 DBR과 DBIR에 대한 자세한 내용이 다루어진다.
6.2 축소 방법(Scaling Down)
혁신을 시험 사이트를 넘어 확장하여 교육 실천과 교육 정책을 형성하고, 향후 설계 원칙과 학습 이론을 더 일반적으로 알리는 것이 중요하다(Dede, 2006; Spillane, Reiser, & Reimer, 2002). 학습 과학 커뮤니티의 구성원들은 몇 가지 성공적인 확장 노력에 기여해왔다. 예를 들어, Schools for Thought, Cognitive Tutor Algebra, Web-based Inquiry Science Environment(WISE), Quest Atlantis, SimCalc 등이 있다.
그러나 성공적인 확장 이니셔티브는 여전히 드물다(Penuel, Fishman, Cheng, & Sabelli, 2011). 그 이유 중 하나는 진정한 학습 환경의 복잡성을 관리하기 어렵기 때문이다. 체계적 접근법은 설계 혁신, 사용자, 그리고 그 사용 맥락 간의 중요한 상호 관계를 풍부하게 설명할 수 있지만, 이를 통제하려는 시도는 의도하지 않은 결과를 초래할 수 있다. 요소적 접근법은 인과 관계를 확립하여 확장 노력에 정보를 제공하는 데 강력한 방법을 제공하지만, 요소 가정의 오용은 지역 제약에 민감하지 않은 설명을 초래하고, 성공적으로 확장되지 않는 설계를 초래할 수 있다(Dede, 2006).
축소 방법(scale-down method)은 전통적인 확장 접근법의 대안으로, 요소적 및 체계적 접근법을 통합한다(Nathan & Alibali, 2010; Nathan & Swart, 2021). 축소 방법은 학습 환경을 체계적 관점에서 연구하고, 실무자-연구자 파트너십의 맥락에서 이를 수행한다. 이러한 체계적 관찰의 분석을 통해 시스템 성능을 개선하기 위한 가설을 개발한다. 먼저, 초점 학습 결과를 식별하고, 다음으로 시스템 성능에 영향을 미치는 거의 분해 가능한 하위 시스템을 명시하며, 요소적 방법을 사용해 실험실 또는 실제 상황에서 이러한 하위 시스템의 설계와 성능을 수정한다. 그런 다음, 수정된 하위 시스템을 교육 실무자와 협력하여 시스템에 다시 통합하고, 체계적 방법을 사용해 자연스러운 맥락에서 시스템 전체의 행동을 관찰한다.
새로운 연구 프로그램이 축소 방법과 일치하게 등장하고 있으며, 특히 수학 교육에서 활발히 사용되고 있다. Davenport와 동료들(2020)은 실험 방법, 학습 분석, 안구 추적을 신중히 조정하여 중학교 수학 커리큘럼 Connected Mathematics 2를 재설계했다. 책자의 단어와 이미지 구성, 개념 및 기술 습득을 위한 연습 일정, 테스트 방법, 숙제 활동을 위한 예제와 자기 설명 사용, 교사 전문성 개발 등이 거의 분해 가능한 하위 시스템으로 다뤄졌으며, 전문가 팀이 이를 관찰, 수정한 후 교실에 체계적으로 통합했다.
두 번째 예로, Lehrer, Kim, Ayers, Wilson(2014)은 일련의 설계 실험을 통해 중학생들의 통계적 추론을 지원했다. 학생들이 가설된 학습 진행에 따라 발전하는 시스템을 형성하는 데 중점을 두었으며, 성과 측정과 직원 개발을 구조화하기 위해 거의 분해 가능한 요소를 식별했다. 이전 설계 작업의 경험이 있는 교사들이 시스템 구현 및 구성 요소 통합의 일부를 이끌었다.
연구를 실제로 번역할 때, 축소 방법은 체계적 접근법과 요소적 접근법 간의 긴장을 생산적으로 해결할 수 있는 방법을 제공한다(Anderson, Greeno, Reder, & Simon, 2000). 많은 LS 연구와 개발은 체계적 관점을 강조하며, 생태학적으로 유효한 설정에서 발생하는 복잡한 상호작용과 실제 실천에 주로 초점을 맞춘다. 요소적 접근법은 하위 시스템의 제어, 분석, 재설계를 돕는 보완적인 역할을 한다. 실무자-연구자 파트너십의 맥락에서 요소적 접근법과 체계적 접근법을 전략적으로 결합함으로써, 축소 방법은 유망한 교육 혁신의 설계, 개발, 구현을 향상시키고, 지역적 제약에 민감한 경험적 학습 이론의 효율적인 발전에 기여한다.
7. 결론
학습 과학(LS)은 학습 과정과 학습 환경 설계에 중점을 두고 다양한 지적 영향과 과학적 학문이 결합된 결과로 등장했다. LS는 기초 연구와 응용 설계를 융합하여 시너지 효과를 추구하며, 새로운 학습 환경의 구현을 관찰함으로써 학습 메커니즘과 새로운 설계 원리에 대한 이해를 제공한다.
LS의 지적 기초에는 다양한 사회 과학 이론이 포함되며, 일부 이론(예: 구성주의)은 사회적 맥락과 독립된 개인에 대한 일반화 가능한 발견에 초점을 맞추고, 요소적 연구 방법론(예: 통제 실험 설계)과 관련된다. 다른 이론(예: 상황 학습, 사회문화 이론)은 지식과 학습을 맥락적으로 내재된 현상으로 간주하며, 체계적 연구 방법론(예: 상호작용 분석)과 관련된다. 일부 이론(예: 체화된 인지)은 요소적 및 체계적 방법론과 모두 관련된다.
LS 연구는 요소적 연구가 LS의 기초에 기여했지만, 최근의 출판물에서는 체계적 관점을 중심으로 조직된다는 패턴을 보여준다. 이는 LS의 발전적 진행을 반영하며, 이제 4번째 10년을 맞이하는 LS는 학습 이론에서 파생된 원칙을 적용하여 모든 학습자에게 진정한 교육 경험을 향상시키기 위한 설계 기반 질문을 제기하며, 학습 공학을 우선시하고 있다.
협력적 문제 및 프로젝트 기반 학습, 체화된 설계, 내용 영역의 학문적 학습 등 주제 영역에서의 설계는 체계적 관점에서 구상될 수 있지만, 이러한 설계 자체는 요소적 접근에서 도출된 발견에 기초한다. 집단 수준의 성과에 영향을 미치는 개입은 주의, 인지 부하, 추상화 기반과 같은 개별 수준의 행동에 필연적으로 의존한다. LS 분야가 성숙해짐에 따라, 더 많은 설계가 실제 환경에서 대규모 효과 및 효능 연구의 대상이 됨에 따라 요소적 및 체계적 분석 간의 상호작용이 더 중심적인 역할을 할 것으로 기대된다.
핸드북의 각 장은 LS 연구의 두 가지 핵심 정의 기능을 공유한다: 연구와 실천을 개념적으로 연결하고, 인간 행동의 다양한 시간 척도에 걸쳐 요소적 및 체계적 관점을 전략적으로 결합한다. 이러한 연구는 학습에 대한 과학적 이해를 계속해서 발전시키고, 효과적인 학습 환경 설계의 확장 가능한 혁신을 알리며 향상된 학습 결과를 촉진할 것이다.
Subscribe to 'taesangeom'
Subscribe to my site to be the first to receive notifications and emails about the latest updates, including new posts.
Join Slashpage and subscribe to 'taesangeom'!
Join Slashpage and subscribe to 'taesangeom'!
3
taesangeom
요소적 관점 vs. 체계적 관점
요소적 관점
요소적 관점은 학습을 작은 구성 요소나 개별적인 부분으로 나누어 분석하는 접근 방법입니다. 예를 들어, 특정 과제를 수행할 때 학생이 사용하는 인지적 전략, 주의 집중 방법, 기억력 등을 개별적으로 연구합니다. 이 방법은 실험실에서 통제된 환경에서 학습 과정의 세부적인 부분을 이해하는 데 유용합니다.
요소적 관점은 학습을 작은 구성 요소나 개별적인 부분으로 나누어 분석하는 접근 방법입니다. 예를 들어, 특정 과제를 수행할 때 학생이 사용하는 인지적 전략, 주의 집중 방법, 기억력 등을 개별적으로 연구합니다. 이 방법은 실험실에서 통제된 환경에서 학습 과정의 세부적인 부분을 이해하는 데 유용합니다.
체계적 관점
체계적 관점은 학습을 전체 시스템으로 보고, 다양한 요소들이 어떻게 상호작용하는지를 분석하는 접근 방법입니다. 예를 들어, 교실에서 학생들이 서로 상호작용하고, 교사와 학생 간의 대화, 사용되는 학습 자료와 도구 등을 모두 포함하여 연구합니다. 이 방법은 실제 교육 현장에서 발생하는 복잡한 학습 과정을 이해하는 데 유용합니다.
체계적 관점은 학습을 전체 시스템으로 보고, 다양한 요소들이 어떻게 상호작용하는지를 분석하는 접근 방법입니다. 예를 들어, 교실에서 학생들이 서로 상호작용하고, 교사와 학생 간의 대화, 사용되는 학습 자료와 도구 등을 모두 포함하여 연구합니다. 이 방법은 실제 교육 현장에서 발생하는 복잡한 학습 과정을 이해하는 데 유용합니다.
두 관점은 학습을 이해하는 데 중요한 역할을 하며, 요소적 관점은 개별 요소의 깊이 있는 분석을, 체계적 관점은 전체적인 상호작용과 맥락을 이해하는 데 중점을 둡니다. 이를 통해 학습과 교육 방법을 더 효과적으로 개선할 수 있습니다.
taesangeom
축소 방법이란?
축소 방법(scale-down method)은 학습 환경을 더 잘 이해하고 개선하기 위해 실험실과 실제 상황에서 작은 부분들을 연구한 후, 이를 다시 전체 학습 환경에 적용하는 접근법입니다. 이 방법은 연구자와 교사가 협력하여 학습 환경을 더 효과적으로 만들기 위해 사용하는 방법입니다. 축소 방법을 통해 학습의 작은 부분들을 연구하고, 이를 바탕으로 전체 학습 환경을 개선할 수 있습니다.
축소 방법은 학습 환경을 연구하고 개선하는 방법 중 하나입니다. 이 방법은 먼저 실제 학습 환경(예: 교실)에서 학습이 어떻게 일어나는지 전체적으로 관찰하는 것에서 시작합니다. 그런 다음, 연구자와 교사가 협력하여 학습의 특정 부분(예: 수학 문제 해결 방법, 교재의 내용 구성)을 떼어내어 실험실이나 작은 규모에서 자세히 연구합니다. 이 연구 결과를 바탕으로 학습 환경을 개선할 방법을 찾은 후, 다시 전체 학습 환경에 적용합니다.
예를 들어, 중학교 수학 수업에서 학생들이 특정 개념을 더 잘 이해하도록 돕기 위해 책의 구성, 연습 문제, 교사의 설명 방식을 바꾸어 볼 수 있습니다. 먼저 교실에서 학생들의 반응을 관찰한 후, 책의 구성이나 문제 유형을 실험실에서 자세히 연구합니다. 그런 다음, 연구 결과를 바탕으로 책의 구성을 변경하고, 이를 실제 수업에 적용하여 학생들의 학습 성과를 다시 관찰합니다.
이 방법은 학습 환경의 작은 부분들을 체계적으로 연구하여, 전체 학습 환경을 더 효과적으로 만드는 데 도움이 됩니다. 연구자와 교사가 협력하여 학생들에게 더 나은 학습 경험을 제공하기 위한 방법을 찾는 것이 축소 방법의 핵심입니다.
See latest comments
DBR은 왜 중요한가요?