컴퓨터교육학회논문지 (The Journal of Korean Association of Computer Education)
- 제8권1호
- /
- Pages.55-63
- /
- 2005
- /
- 1598-5016(pISSN)
- /
- 2733-9785(eISSN)
지능형 가상 학습 시스템에서 학습 평가 모델의 퍼지적 접근
Fuzzy Approach of Learning Evaluation Model in Intelligent E-Learning Systems
초록
최근 공간적 시간적 제약을 초월하는 새로운 학습 환경으로 웹 기반 가상 학습 시스템이 각광을 받고 있다. 웹 기반 가상 학습 시스템 개발의 핵심은 어떻게 효과적으로 시스템을 사용하고 그 시스템을 사용한 학습자의 학습 성취도를 평가하도록 할 것인가를 결정하는 것이다. 전통적인 오프라인 학습 시스템에서는 학습자의 학습 성취도 평가를 위해 설계된 평가 문항을 학습자가 제한된 시간 내에 얼마나 많이 맞추었는지 헤아림으로써 학습자를 평가할 수 있다. 그러나 이 방법은 이들 시스템이 학습 성취도에서 차이를 보이는 모든 학습자에게 같은 학습 전략을 제공하기 때문에 가상 학습 시스템의 최대 강정이라고 할 수 있는 개별 학습을 불가능하게 한다, 따라서, 본 논문에서는 퍼지 함축 이론을 이용하여 주어진 테스트 문항에 대한 응답 간의 관계를 찾고 이 관계를 퍼지 공관계라고 부르기로 한다. 그리고 이 관계를 반영한 평가 결과를 생성한다. 일정한 학습이 경과된 후 학습자의 학습 성취도를 평가하기 위해 시험에 응시했을 때, 본 논문에서 제안하는 방법과 전통적인 평가 방법 간에 존재하는 차이점을 비교한다. 마지막으로, 이 연구 결과를 개별화 학습에 어떻게 활용할 것인지에 대해 논의한다.
Recently, web-based E-learning systems have entered the spotlight by providing new learning environments that break down spatial and temporal limitations. The key to building the web-based E-learning system is in determining how to effectively use the system and to evaluate the degree of learning achieved by the students that use it. In traditional off-line learning systems, we can evaluate students by counting how many questions, designed to evaluate their learning achievement, he or she answers correctly within a predetermined time limit. But this method would make individualized learning, a strong point of E-learning systems, impossible because these systems provide same learning strategy to all students even though they achieve a different level of learning. Therefore, in this paper, I will find any relationships between given test answers using fuzzy implication theory, I call these fuzzy correlations, and then generate evaluation results that are reflected in those relationships. I will compare the differences between this evaluation method and a traditional evaluation method where a student takes a test to evaluate his or her learning achievement after some learning period. Finally, I will discuss how we can use these results in individualized learning.
키워드