본 연구는 TOEIC 학습 플랫폼에서 수집된 대규모 로그 데이터를 활용하여 Dynamic Time Warping(DTW)에 기반한 시계열 클러스터링을 적용함으로써 학습자의 시간에 따른 참여 양상을 분석하고자 한다. 학습 참여를 나타내는 지표—예를 들어 해결한 문항 수, 수강한 강의 수, 로그인 빈도—를 추출한 후 k-medoids 알고리즘을 이용해 군집화하였다. 본 연구의 주요 결과는 다음과 같다. 해결한 문항 수와 수강한 강의 수는 학습 기간의 초기, 중기, 후기에서 각각 높은 활동성을 보이는 학습자들을 포함하는 세 개의 군집으로 구분되었다. 반면 로그인 빈도는 초기 또는 후기 단계에서 높은 활동성을 보이는 경우로 나타나 두 개의 군집으로 나뉘었다. 이 과정에서 DTW 기반 시계열 클러스터링 방법은, 각 학습자의 시계열 길이가 서로 다르더라도 유사한 학습 양상을 보이는 학습자들을 함께 군집화할 수 있음을 보여주었다. 그러나 활동성이 증가한 후 감소하는 양상을 보이는 중기 집중 학습자들은, 변화 시점의 구체성에 관계없이 하나의 군집으로 묶였는데, 이는 DTW 기반 클러스터링의 한계를 시사한다. 이러한 결과를 바탕으로 본 연구는 DTW 기반 클러스터링의 잠재력과 한계를 논의하고, 대규모 학습 로그 데이터 분석 및 온라인 학습 시스템 설계에 대한 시사점을 도출한다.

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