초록
대학, 기업 및 학원에서 제공하는 교육 서비스의 질을 향상하기 위해서는 주요 활동인 강의의 품질 개선이 필수적이다. 강의 수행 후 수강생에 의해서 평가되는 강의평가 설문 데이터는 강의 품질을 측정하고 개선할 수 있는 좋은 도구로서, 대부분 간단한 통계분석을 통해 처리되고 있다. 본 연구는 강의평가 설문 데이터를 SOFM (Self-Organizing Feature Map) 신경망과 C4.5와 같은 분석도구를 사용하여 분석함으로써 수강생의 만족도와 강의 성과 관련한 특징을 보다 정확하게 파악하고 개선이 필요한 강의 품질 요소를 구체적으로 도출하여 강의 품질을 효율적으로 개선할 수 있는 방안을 제시하였다. 본 연구에서 제시한 방안을 국내 기업의 사내 강의에 적용한 결과, 만족도와 강의 성과 관점에서 미흡한 3개의 수강생 그룹에서 개선이 필요한 총 강의시간, 강의 자료, 강의 시간표 구성 요소를 개선하여 강의 품질이 향상되는 것을 확인하였다.
Improving lecture quality is very necessary for the service quality of education in universities, enterprises and education institutes. The student lecture evaluation survey data is a good tool for measuring lecture quality and have been often analyzed by simple statistical methods. This study presents an intelligent lecture quality improvement method that can improve student's overall satisfaction and performance by analyzing student lecture evaluation survey data. The method uses SOFM (Self-Organizing Feature Map) neural network and C4.5 to find the patterns in student's satisfaction and performance more correctly and then decide what to change in the lecture for the improvement of student's satisfaction and performance. We apply the proposed method to an enterprise lecture in Korea. We can find that it can improve the quality of an enterprise lecture by changing total lecture time, lecture material and organization of lecture schedule to be necessary improvements.