Journal Archive

온라인 교육은 실시간 온라인 교육(Synchronous online learning)과 비실시간 온라인 교육(Asynchronous online learning)은 구분되며, 기반 시스템과 사용 맥락, 이용 방법이 다르고 이점과 한계에도 차이가 있다[3],[4]. 실시간 온라인 교육은 온라인을 기반으로 한 플랫폼에 교수자와 학습자가 동시접속하여 상호작용하는 형태의 교육을 말한다. 즉, 오프라인에서 이루어지던 강의실 수업이 그대로 온라인으로 옮겨진 것으로 볼 수 있다. 대학에서 녹화 강의 중심으로 온라인 교육을 진행했던 것은 비실시간 온라인 교육에 해당하며 기존의 많은 온라인 교육 연구도 비실시간 방식에 집중되어 왔다.

아직까지 실시간 온라인 교육에 최적화된 플랫폼이 개발되지 않은 상황으로 인하여 교육 기관들은 온라인 회의 플랫폼을 사용하고 있다. 이러한 온라인 회의 플랫폼의 교육적 사용에 관련하여, 교수자나 학습자의 인식과 경험 탐구, 플랫폼의 사용성 평가, 플랫폼 비교 연구 등 여러 측면에서 연구가 이루어지고 있다.

학습자 인식 측면의 연구에서는, 실시간 온라인 교육에 대한 만족도, 선호도, 기대, 추천도, 재수강 의사 등을 분석하고[5], 온라인 기반 교육 환경에서 실재감을 높이기 위한 교수자의 실천과제를 도출하였다[6]. 플랫폼 측면에서는 시스템 사용성 척도(System Usability Scale)와 기술 수용 모델(Technology Acceptance Model)을 사용하여 Microsoft Teams의 사용성을 평가하였다[7].

실시간 온라인 교육에서 대중적으로 사용되고 있는 Zoom, Microsoft Teams, Cisco Webex의 멀티미디어 품질을 비교하여 학생들이 Microsoft Teams를 가장 낮은 품질로 인식하고 있음이 밝혀졌으며[8], 학습자의 실시간 온라인 교육 경험 데이터를 수집하여 신경망 모델을 통해 분석한 결과, 플랫폼의 가용성(Availability)이 사용자의 만족도에 가장 큰 영향을 미치는 것으로 나타났다[9].

온라인에서도 오프라인만큼 전달력 있게 강의를 제공하여 학습자의 만족도를 높이려는 목적의 연구에서는, 매체를 통해 대화할 때 상대방이 실제로 존재한다고 느끼는 사회적 실재감이 온라인 교육에서 중요한 요인으로 나타났다[10]. 온라인 교육에서 사회적 실재감은 학습자의 학습 동기를 유발, 유지하고 참여 의도를 높인다[11],[12]. 또한, 사회적 실재감이 학습자의 인지적 몰입을 높이고, 이는 교수자-학습자, 학습자-학습자 간의 상호작용, 학습 성과 및 만족을 높인다는 연구결과도 지속적으로 보고되고 있다[12],[13],[14].

학습자의 상호작용, 학습 성과 및 만족에 영향을 미치는 또 다른 요인은 온라인 교육에서 강의실을 대체하는 실시간 온라인 교육 플랫폼의 인터페이스이다. 사용자 중심으로 디자인된 인터페이스는 시각적으로 정보를 파악하기 쉽고, 커뮤니케이션 효율성을 높이는 효과를 기대할 수 있다[15]. 빠른 인터랙션이 요구되는 실시간 맥락에 맞게 설계된 인터페이스는 오류를 줄이고 사용성(Usability)을 증가시키므로[16], HCI(Human-Computer Interaction) 원칙에 부합하는 인터페이스를 설계하는 것이 중요하다.

실시간 온라인 교육 플랫폼 사용의 경험 통점(pain point)이 무엇인지 도출하기 위해, 실시간 온라인 강의 수강 경험이 있는 14명의 대학원생에게 3일간 유저 다이어리를 작성하도록 하였다. 어떤 상황(context)에서 무엇을 했는지(what), 혹은 하고 싶었는데 하지 못했는지, 그리고 그 이유(why)는 무엇이었는지 구체적으로 기술할 수 있도록 다이어리 템플릿을 제공하였다.

연구참여자 한 명당 3건의 다이어리를 수집하여 총 42건의 유저 다이어리를 분석하였다. 전체 다이어리를 반복하여 읽으며 주요한 문장들을 추출하였다. 참여자 개인별로 추출한 문장들을 비교하며 개인 내 분석을 하였고, 14명의 자료를 비교하여 개인 간 분석을 하여 동질성을 확인하였다. 이후 추출된 문장들을 유사한 내용으로 묶어 나가며 소주제를 도출하였다. 도출된 소주제는 1) 질의 시 커뮤니케이션 오류에 대한 우려, 2) 오디오 출력 상태 확인 불가로 인한 토론/질의 참여의지 감소, 3) 개인캠 노출로 인한 심리적 부담감,4) 동시 발화시 인지의 어려움, 5) 발화자와 청자 간 비언어적 커뮤니케이션 부족, 6) 학습자의 이해도 전달의 어려움이다.

유저 다이어리에서 도출된 경험 통점의 해결 방향을 도출하기 위하여 온라인 포커스 그룹 인터뷰(Online Focus Group Interview)를 시행하였다. 유저 다이어리 분석에서 정리한 여섯 가지의 소주제를 기반으로 인터뷰 질문을 구성하였다. COVID-19로 대면 인터뷰를 진행하는 것이 불가능하여 온라인 회의 플랫폼 Zoom을 통해 온라인 포커스 그룹 인터뷰를 실시하였다. 온라인 포커스 그룹 인터뷰의 적절한 인원은 4~6명이며, 지리적 제약이 없기 때문에 연구에 더 적합한 연구참여자를 찾을 수 있고 비용과 시간 측면에서도 이점이 있다[17].

이 연구는 4명씩 그룹을 구성하여 총 3그룹, 12명의 연구참여자를 대상으로 인터뷰를 진행하였다. 그룹 당 인터뷰 시간은 40분 내외였으며, 원활한 의견 개진을 위해 연구자와 연구참여자 모두 얼굴 영상과 마이크를 활성화한 상태로 진행하였다. 연구참여자의 동의를 얻어 인터뷰는 녹화하였다. 분석 과정은 다음과 같이 진행하였다. 우선, 전사한 인터뷰 스크립트에서 각 그룹별로 주요 내용을 문장 단위로 추출하고, 유사한 내용으로 묶어 나가며 소주제를 도출하였다.

실시간 온라인 강의 경험의 통점을 개선할 솔루션 방향으로 도출된 소주제는 다음과 같이 추출하였다: 1) 교수자의 퍼실리테이터 역할 강화, 2) 참여자 간 상호작용 증진, 3) 시스템 오류의 즉각적 확인과 회복, 4) 개인캠으로 인한 심리적 부담감 최소화, 5) 수강생들의 발화 순서 관리, 6) 수강생들의 전체적 분위기 확인, 7) 실시간 피드백을 위한 채팅 기능 확대이다.

온라인 포커스 그룹 인터뷰를 통해 도출된 경험 개선 방향을 기반으로 온라인 교육 플랫폼의 인터페이스 디자인 프로토타입을 설계하였다. 실시간 회의 플랫폼인 Zoom의 인터페이스 요소를 기반으로 메인 화면에 질문하기 버튼과 같이 교육적 사용에 필요한 기능을 위한 인터페이스 요소를 추가하여 디자인하였다. 또한, NVIDIA, SK텔레콤 등이 실시간 온라인 회의 플랫폼에 인공지능 기술을 적용하고 있고[1],[2], 현재의 인공지능 기술로 500개의 얼굴 특징점을 자동 분석하여 수업 내용에 대한 학생들의 관심과 지루함을 파악할 수 있으며[18], 사람의 움직임을 감지할 수 있는 인공지능 모션 인식 기술[19]이 상용화된 현실을 반영하여 개선안의 한 가지로 인공지능이 학습자의 모션과 감정을 인식하는 가상의 자동화 인터랙션을 인터페이스 디자인을 통해 제시하였다.

인터뷰 결과 중에서 상용 플랫폼에서 이미 개선중인 부분은 설계 대상에서 제외하였다. 예를 들면, ‘개인캠으로 인한 자신의 얼굴 노출 부담감 최소화’ 같은 경우, Zoom에서 베타 서비스로 눈썹, 수염, 입술색 등을 조절할 수 있는 혼합 가상현실(MR) 인터페이스 기능이 최근 생성되었기 때문에 제외하였다. 따라서 이 연구는 ‘교수자의 퍼실레이터 역할’, ‘수강 참여자 간 상호작용 증진’의 유저 니즈를 반영하여, ‘수강생의 발화 순서 관리’와 ‘전체적 분위기 파악’을 중점으로 개선된 인터페이스 프로토타입을 제작하였다.

첫 번째로 ‘발화 순서 관리’는 질의 및 토론 상황에서 발화가 겹치는 것을 방지하고, 온라인 교육 플랫폼이 퍼실리테이터의 역할을 보조할 수 있도록 인터페이스 개선안을 설계하였다. 예를 들면, 손을 든 학생들을 교수자가 갤러리 뷰에서 확인해야 하는 기존 방식과 대비하여, 질문하기 버튼을 메인 화면에 노출시켜 마우스를 이용하여 버튼을 누르거나 손을 든 학생들의 모션을 인공지능이 인식하여 질문자의 순서를 자동으로 정렬시킬 수 있도록 하였다.

두 번째로 ‘전체적 분위기 파악’은 교수자와 학습자 간의 피드백을 증진시키기 위해 이해도와 흥미도를 파악하여 종합된 결과를 보여주는 것으로 설계하였다. 대면 상황에서는 표정과 같은 비언어적 요소들을 파악하여 수업의 전체적인 분위기를  직관적으로 파악하기 쉽지만, 화상 강의 시 전체 학생들의 얼굴 표정을 일별적으로 인식하기 어렵기 때문에 이를 중점으로 개선안을 도출하였다. 도출된 개선안은 <표1>과 같다.

연구를 위하여 실시간 온라인 강의 수강 경험이 있는 20~30대를 대상으로 선정하였다. 본 실험에 앞서 8명(남성 5명, 여성 3명)을 대상으로 파일럿 테스트를 실시하여, 본 실험에 사용할 설문문항과 영상 처치물에 문제가 없는지 확인하고 문항 표현과 영상의 길이를 수정하였다. 본 실험은 온라인으로 진행하였고, 처치물 영상을 보고 설문에 응답할 수 있도록 구성하였다. 총 6개의 영상 처치물을 하나씩 보고 설문에 답하는 과정으로 진행하였으며, 총 실험 소요 시간은 15분 안팎이었다. 2020년 11월 중 4일간 온라인 커뮤니티를 통해 설문지를 배포하였다. 총 70명이 설문에 참여했으며, 불성실한 답변이 포함된 11개와 연구 조건에 맞지 않는 3개를 제외하고 총 56개 설문응답지를 최종 분석에 사용하였다.

1) 영상 처치물

실험1은 발화 순서 관리에 대한 내용으로 교수자가 질문이 있는지 묻고, 여러 학습자가 거의 동시에 발언 의사를 표시하는 질의 상황의 시나리오이다. A안은 기존과 동일하게 음성 발화로 질의를 하는 것이며(예: “질문 있습니다”), B안은 학습자가 질문하기 버튼을 눌러서 의사를 표시하고, C안은 인공지능이 학습자의 손들기 모션을 인식해 질문 의사를 표시해 주는 것으로 하였다. B안과 C안의 차이는 학습자가 직접 마우스로 버튼을 누르는 직조작(direct manipulation) 인터랙션과 인공지능이 학습자의 모션을 인식하는 자동화 인터랙션이며, 의사표시 후 결과 화면은 B안과 C안 모두 동일하게 제공되었다. 실험1에 대한 영상 처치물은 <그림2>와 같다.

Fig. 2. 
Experimental treatment of managing turn-taking

실험2는 전체적 분위기 파악에 관한 내용으로 교수자가 강의에 대한 설명 후, 강의를 잘 따라오고 있는지 묻는 시나리오이다. A안은 기존과 동일하게 전체 학생 보기(갤러리 뷰)로 하였으며, B안은 이해도-학습도를 묻는 팝업창에 학습자가 직접 마우스로 상태를 표시하고, C안은 인공지능이 학습자의 표정과 제스처를 인식해 상태를 표시해 주는 것으로 하였다. B안과 C안의 차이는 실험1과 마찬가지로 학습자가 직접 버튼을 누르는 직조작 인터랙션과 인공지능이 학습자의 감정을 인식하는 자동화 인터랙션이며, 상태 표시 후 결과 화면은 B안과 C안 모두 동일하게 제공되었다. 실험2에 대한 영상 처치물은 <그림3>와 같다.

Fig. 3. 
Experimental treatment of to grasp general atmosphere

실시간 온라인 강의 수강 경험이 있는 20~30대 학생을 대상으로 설문을 실시하였다. 여성이 34명(60.7%)으로 남성 22명(39.3%)보다 많았고, 연구참가자 56명의 평균 연령은 24.3세(SD = 3.83)였다. 평균적으로 7개월(SD = 2.34)간 7과목(SD = 4.51)의 실시간 온라인 강의 수강 경험이 있었으며, 49명(87.5%)이 실시간 온라인 교육 플랫폼으로 Zoom을 사용하였다.

본 실험에서 사용된 설문 문항의 신뢰성을 검증하기 위해 Cronbach’s α 계수를 이용해 신뢰도 분석을 진행하였다. 영상 처치물 실험에 사용한 측정 도구의 신뢰도 계수 값은 사용성(α = .89), 사회적 실재감(α = .93), 커뮤니케이션 효율성(α = .87), 몰입감(α = .92), 참여의도(α = .91)로 나타났다. 모든 항목에 대하여 값이 0.7 이상으로 분석되어 모든 측정 변인의 신뢰성이 검증되었다.

실험1의 영상 처치물에 따른 종속변인의 차이를 살펴보기 위해 반복측정 분산분석(repeated measures ANOVA)을 실시하였다. 이에 앞서 구형성 검정을 위해 Mauchly’s test를 실시하였으며, 사회적 실재감, 커뮤니케이션 효율성, 참여 의도는 구형성 가정을 만족하였고(p > .05), 사용성과 몰입감은 구형성 가정을 만족하지 못하였으므로(p < .05), 엡실런 교정값을 이용한 수정된 자유도와 값을 사용하였다.

실험2의 영상 처치물에 따른 종속변인의 차이를 살펴보기 위해 반복측정 분산분석(repeated measures ANOVA)을 실시하였다. 이에 앞서 구형성 검정을 위해 Mauchly’s test를 실시하였으며, 사용성, 커뮤니케이션 효율성, 몰입감은 구형성 가정을 만족하였고(p > .05), 사회적 실재감과 참여 의도는 구형성 가정을 만족하지 못하였으므로(p < .05), 엡실런 교정값을 이용한 수정된 자유도와 값을 사용하였다.