본 연구에서는 온라인 학습 환경에서 관찰되는 학습자의 행동을 이해하기 위해 동적 시간 왜곡 거리(dynamic time warping distance)에 기반한 시계열 군집화 분석을 수행하였다. 우리는 영어 e-book 학습 시스템의 로그 데이터를 사용하고, 분석을 통해 도출된 군집에 따른 학습자의 특성을 비교하였다. 또한, 로그 데이터의 시계열 정보를 반영하지 않은 aclustering 분석의 결과와 본 연구의 분석 결과를 비교하였다. 본 연구의 주요 결과는 다음과 같다. 첫째, 연속된 시계열에서 관찰되는 학습 행동의 변동에 초점을 둔 전처리 과정을 통해 개인의 다양성을 반영하는 학습 행동의 시계열 패턴을 확인하였는데, 하나는 평일에 높은 완료율을 보였고, 다른 하나는 지속적으로 낮은 성과를 보였으며, 세 번째 집단은 매우 분산된 양상을 나타냈다. 둘째, 지속적으로 저성과를 보인 집단과 분산 집단 간에는 학습 시간과 성과에서 유의미한 차이가 발견되지 않았다. 셋째, 월별 평균 학습 행동으로부터 얻은 군집화 결과와의 비교를 통해, 본 접근이 정보 보존 측면에서 중요함을 강조하였다. 이러한 결과에 기초하여, 온라인 학습 행동이 실시간으로 기록되는 로그 데이터를 처리하고 분석하는 데 있어 대안적 방법 및 방법론적 시사점의 필요성을 논의하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.