대학생을 위한 효과적인 튜터링 시스템 설계 : 지능형 튜터링 시스템과 메타버스 기반 학습의 비교 연구

기존의 강의 중심 수업 방식은 전통적으로 교육 현장에서 널리 사용되어 왔으나, 빠르게 변화하는 AI와 SW 분야에서는 그 적합성에 대한 의문이 제기되고 있다. 강의 중심 수업은 주로 교수자가 일방적으로 정보를 전달하고, 학생들은 수동적으로 학습 내용을 받아들이는 형태를 띠고 있다. 이 방식은 기초 이론을 전달하는 데는 효과적일 수 있으나, 학생들의 실질적인 문제 해결 능력과 창의적 사고를 길러주는 데는 한계가 있다.

AI와 SW 교육에서는 학생들이 직접 코딩을 하고, 문제를 해결하며, 프로젝트를 수행하는 등 실습과 경험이 매우 중요하다. 그러나 강의 중심 수업에서는 이러한 실습 기회가 제한적이며, 학생들이 수업에서 배운 내용을 실제 상황에 적용해 보는 경험을 충분히 제공하지 못할 수 있다. 또한, 학생들의 개별 학습 속도와 수준을 고려하지 못해 일부 학생들은 따라가기 힘들어하거나, 반대로 흥미를 잃을 가능성도 있다.

더 나아가, AI와 SW 분야는 지속적으로 새로운 기술과 도구가 등장하는 영역이기 때문에, 최신 기술 동향을 반영하는 교육이 필수적이다. 강의 중심 수업은 종종 정형화된 커리큘럼에 의존하기 때문에, 이러한 빠른 변화를 반영하는 데 어려움을 겪을 수 있다. 이는 학생들이 졸업 후 실무에 바로 적용할 수 있는 최신 기술을 충분히 배우지 못하게 할 위험이 있다.

따라서, 강의 중심 수업 방식이 AI와 SW 교육에서 적합한지 평가하고, 그 한계를 보완하기 위한 대안적 교육 방법을 모색하는 것이 필요하다. 예를 들어, 프로젝트 기반 학습이나 문제 기반 학습(PBL)과 같은 학습자 중심의 교육 방법을 도입함으로써 학생들의 실질적인 학습 효과를 높일 수 있을 것이다. 또한, 지능형 튜터링 시스템(ITS)이나 메타버스 기반 학습과 같은 최신 교육 기술을 활용하여, 학생들이 보다 적극적으로 학습에 참여하고, 개별 학습 경로를 따라 학습할 수 있도록 지원하는 방안도 고려해야 한다.

지능형 튜터링 시스템(Intelligent Tutoring System, ITS)과 메타버스 기반 학습 시스템은 AI와 SW 교육에서 각각 고유한 장점을 제공하는 혁신적인 교육 도구이다. ITS는 인공지능을 활용하여 학습자의 개별 학습 속도와 이해도를 고려한 맞춤형 피드백과 학습 경로를 제공한다. 이를 통해 학습자는 자신의 학습 성취도를 높이고, 개별 학습 필요에 맞춘 지원을 받을 수 있다[3]. 반면, 메타버스 기반 학습 시스템은 가상현실(VR)과 증강현실(AR)을 활용하여 학습자에게 몰입감 높은 학습 환경을 제공한다. 메타버스는 실제와 유사한 가상 공간에서 학습자들이 상호작용하며 학습할 수 있도록 돕는다[6]. 이는 특히 실습이 중요한 AI와 SW 교육에서 학생들이 직접 코딩을 시도하고, 문제를 해결하며, 협업 프로젝트를 수행하는 경험을 제공한다. 메타버스 환경은 학습자의 학습 동기와 참여도를 높이는 데 매우 효과적이다[5].

이 연구는 ITS와 메타버스 기반 학습 시스템이 각각 학생들의 학습 성과와 만족도에 어떤 영향을 미치는지를 비교 분석하는 것을 목표로 한다. ITS는 주로 개인 맞춤형 학습과 실시간 피드백을 통해 학습자의 이해도를 높이는 데 중점을 두고 있으며, 메타버스는 몰입형 학습 환경과 상호작용을 통해 학습 동기와 참여도를 향상시키는 데 주안점을 두고 있다. 이러한 비교를 통해 두 시스템의 교육적 효과를 명확히 평가하고, 각 시스템의 장단점을 파악하여 AI와 SW 교육에 가장 적합한 학습 방안을 모색하고자 한다.

또한, 두 시스템의 비교 분석은 이들의 통합적 접근을 통해 하이브리드 학습 모델을 개발하는 데 기초 자료를 제공할 수 있다. 궁극적으로, 이 연구는 ITS와 메타버스 기반 학습 시스템의 효과적인 활용 방안을 제시하여 대학생들의 학습 성과와 만족도를 동시에 향상시키는 데 기여하고자 한다.

학생들이 튜터링 시스템에서 어떤 기능과 특징을 선호하고 요구하는지를 이해하는 것은 효과적인 교육 도구 설계의 핵심이다. 다양한 교육 기술이 발전함에 따라, 학생들의 학습 경험과 요구도 다양화되고 있다. 본 연구는 학생들이 지능형 튜터링 시스템(ITS)과 메타버스 기반 학습 시스템에서 중요하게 생각하는 요소를 파악하고, 이러한 요구를 반영한 맞춤형 교육 시스템을 설계하는 것을 목표로 한다.

설문 조사를 통해 학생들이 가장 선호하는 기능과 원하는 개선 사항을 조사한다. 예를 들어, 실시간 피드백, 개인 맞춤형 학습 경로, 상호작용적인 학습 환경, 학습 진행 상황 추적 등이 학생들이 중요하게 생각하는 주요 기능으로 나타날 수 있다. 또한, 학생들은 언제 어디서나 접근 가능한 학습 시스템과 사용이 용이한 인터페이스를 원할 수 있다.

학생들의 요구를 반영한 맞춤형 튜터링 시스템은 학습 효율성을 높이고, 학습 동기를 강화할 수 있다. 예를 들어, 실시간 피드백 기능은 학생들이 학습 중 발생하는 문제를 즉시 해결하는 데 도움을 줄 수 있으며, 개인 맞춤형 학습 경로는 각자의 학습 속도와 이해도에 맞춘 학습을 가능하게 한다. 상호작용적인 학습 환경은 학생들이 적극적으로 학습에 참여하게 하여, 학습 경험을 향상시킨다.

이 연구는 학생들의 선호도와 요구를 분석함으로써, 보다 효과적이고 만족도 높은 튜터링 시스템을 설계하는 데 기여할 것이다. 이를 통해 학생들이 더욱 적극적으로 학습에 참여하고, 개인화된 학습 경험을 통해 학습 성과를 극대화할 수 있는 방안을 모색한다. 궁극적으로, 학생들의 피드백을 반영한 튜터링 시스템 설계는 교육의 질을 높이는 데 중요한 역할을 할 것이다.

지능형 튜터링 시스템(ITS)과 메타버스 기반 학습 시스템은 각각의 강점을 통해 학생들의 학습 경험을 향상시키지만, 두 시스템의 장점을 결합한 하이브리드 튜터링 시스템은 더 큰 효과를 기대할 수 있다. 하이브리드 튜터링 시스템은 ITS의 맞춤형 학습 경로 제공과 메타버스의 몰입형 학습 환경을 통합하여, 학생들의 학습 성과와 동기 부여를 동시에 높이는 것을 목표로 한다.

ITS는 인공지능을 활용하여 학생들의 학습 데이터를 분석하고, 개인 맞춤형 피드백과 학습 경로를 제공함으로써 학습 효율성을 높인다. 반면, 메타버스 기반 학습 시스템은 가상현실(VR)과 증강현실(AR)을 통해 몰입감 높은 학습 환경을 제공하여, 학생들의 학습 동기와 참여도를 극대화한다. 두 시스템의 결합은 학습자의 다양한 요구를 충족시키고, 학습 경험을 더욱 풍부하게 만든다.

하이브리드 튜터링 시스템의 설계에서는 몇 가지 핵심 요소가 중요하다. 첫째, ITS의 실시간 피드백과 개인 맞춤형 학습 경로를 유지하면서, 메타버스의 상호작용적이고 몰입감 높은 환경을 통합해야 한다. 이는 학생들이 자신의 학습 진도를 스스로 조절할 수 있도록 돕고, 동시에 가상 환경에서 실습과 협업을 통해 학습 내용을 더욱 깊이 이해할 수 있도록 한다.

둘째, 시스템 간의 원활한 통합과 사용 편의성을 고려해야 한다. 학생들이 두 시스템을 동시에 사용하면서 혼란을 겪지 않도록, 직관적인 인터페이스와 통합된 학습 플랫폼을 제공하는 것이 중요하다. 또한, 학습 진행 상황을 추적하고 분석할 수 있는 통합된 대시보드를 통해 학생들과 교수자 모두가 학습 과정을 쉽게 모니터링할 수 있어야 한다.

셋째, 하이브리드 시스템의 지속적인 업데이트와 개선이 필요하다. 학생들의 피드백을 지속적으로 수집하고, 이를 바탕으로 시스템을 개선하여 최신 기술 동향과 학습 요구에 맞춰 적응할 수 있도록 해야 한다. 이는 하이브리드 시스템의 효과를 극대화하고, 학습자 중심의 교육을 실현하는 데 중요한 요소이다.

결론적으로, 하이브리드 튜터링 시스템은 ITS와 메타버스의 장점을 결합하여 AI와 SW 교육에서 학습 성과와 만족도를 동시에 향상시킬 수 있는 잠재력을 지니고 있다. 이 연구는 이러한 하이브리드 시스템의 설계 방안을 제시함으로써, 대학생들이 보다 효과적이고 몰입감 있는 학습 경험을 제공받을 수 있도록 기여하고자 한다.

지능형 튜터링 시스템(Intelligent Tutoring System, ITS)은 인공지능(AI) 기술을 활용하여 학습자에게 개인 맞춤형 교육을 제공하는 혁신적인 교육 도구이다. ITS는 학습자의 학습 속도, 이해도, 학습 스타일 등을 분석하여 최적화된 학습 경로와 실시간 피드백을 제공함으로써 학습 효율성을 극대화하는 것을 목표로 한다. 이는 전통적인 교육 방식에서의 일률적인 강의 방식과 달리, 학습자 개개인의 필요와 능력에 맞춘 교육을 가능하게 한다[8,9].

ITS는 Figure 2와 같이 세 가지 주요 구성 요소로 이루어진다[10]. 첫 번째는 도메인 모델로, 이는 특정 과목이나 주제에 대한 지식을 체계적으로 구조화한 것이다. 도메인 모델은 학습자가 학습해야 할 내용을 정의하고, 이를 기반으로 학습 경로를 설계한다. 두 번째는 학습자 모델로, 학습자의 현재 지식 상태, 학습 스타일, 성취도 등을 분석하는 역할을 한다. 학습자 모델은 개별 학습자의 데이터를 지속적으로 수집하고 업데이트하여, 학습자의 필요에 맞춘 맞춤형 피드백을 제공한다. 세 번째는 튜터 모델로, 이는 도메인 모델과 학습자 모델을 기반으로 학습자에게 적절한 교육 전략과 피드백을 제공하는 역할을 한다. 튜터 모델은 학습자의 학습 과정을 모니터링하고, 필요할 때 적절한 도움과 조언을 제공하여 학습자의 이해도를 높인다.

Figure 2.

Key Components of Intelligent Tutoring System (ITS)

ITS의 주요 기능 중 하나는 실시간 피드백 제공이다. 이는 학습자가 문제를 해결하거나 과제를 수행하는 동안 발생하는 오류를 즉시 식별하고, 이에 대한 피드백을 제공함으로써 학습자가 자신의 오류를 수정하고 더 나은 학습 전략을 개발할 수 있도록 돕는다. 또한, ITS는 적응형 학습 경로를 제공하여, 학습자가 자신의 학습 속도와 능력에 맞추어 학습을 진행할 수 있도록 지원한다. 이는 학습자의 학습 부담을 줄이고, 학습 동기를 유지하는 데 효과적이다.

ITS는 다양한 교육 환경에서 적용될 수 있으며, 특히 자가 학습이 중요한 온라인 교육과 원격 교육에서 큰 효과를 발휘한다. 예를 들어, ITS는 프로그래밍 교육에서 학습자가 코드 작성 중에 발생하는 오류를 실시간으로 수정하고, 더 나은 코딩 방법을 제안함으로써 학습자의 프로그래밍 능력을 향상시킬 수 있다. 또한, ITS는 복잡한 문제 해결 능력을 요구하는 수학이나 과학 교육에서도 학습자의 논리적 사고와 문제 해결 능력을 강화하는 데 도움을 줄 수 있다.

결론적으로, ITS는 학습자의 개별 학습 요구를 충족시키기 위해 설계된 고도로 맞춤화된 교육 시스템이다. 이는 학습 효율성을 높이고, 학습자의 이해도를 향상시키며, 학습 동기를 유지하는 데 중요한 역할을 한다. ITS의 발전은 교육의 개인화와 효율화를 추구하는 현대 교육의 중요한 흐름을 반영하고 있으며, 앞으로의 교육 환경에서 더욱 중요한 역할을 할 것으로 기대된다.

지능형 튜터링 시스템(Intelligent Tutoring System, ITS)은 전통적인 교육 방법에 비해 학습 성과를 크게 향상시킬 수 있는 다양한 교육적 효과를 제공한다. ITS는 학습자 맞춤형 교육, 실시간 피드백, 그리고 학습 동기 부여를 통해 학습 경험을 개선한다[11].

Table 1과 같이 ITS는 학습자의 개별 학습 속도, 이해도, 학습 스타일 등을 분석하여 개인 맞춤형 학습 경로를 제공한다[12, 13]. 이는 학습자가 자신의 학습 수준에 맞추어 학습을 진행할 수 있게 하며, 학습 과정에서 발생하는 어려움을 최소화한다. 맞춤형 학습은 학습자의 이해도를 높이고, 학습 효율성을 극대화한다.

Table 1.

Educational Effects of Intelligent Tutoring System (ITS)

또한, ITS는 학습자가 문제를 풀거나 과제를 수행하는 동안 실시간으로 피드백을 제공한다. 학습자가 오류를 범할 때 즉시 피드백을 받아 잘못된 개념을 수정하고 올바른 방법을 학습할 수 있다. 이는 학습자가 자신의 학습 과정을 즉각적으로 개선하고, 지속적으로 학습 능력을 향상시키는 데 도움을 준다.

ITS는 학습자가 스스로 학습을 조절하고 관리할 수 있도록 돕는다. 학습자는 ITS의 도움을 받아 자신의 학습 속도에 맞추어 학습을 진행하며, 필요한 경우 추가적인 도움을 요청할 수 있다. 자기 주도 학습은 학습자의 자율성과 책임감을 높이며, 학습 동기를 강화한다.

여러 연구에 따르면 ITS를 활용한 교육은 전통적인 교육 방법에 비해 학습 성과를 유의미하게 향상시킨다[14-17]. ITS는 개인 맞춤형 피드백과 학습 경로를 제공함으로써, 학습자의 이해도와 성취도를 높인다. 특히, 복잡한 개념이나 문제 해결 능력을 요구하는 과목에서 ITS의 효과는 더욱 두드러진다.

ITS는 학습자가 학습 과정에서 성취감을 느끼고 지속적으로 동기를 유지할 수 있도록 돕는다. 맞춤형 피드백과 성과에 따른 보상 시스템은 학습자가 학습에 더 적극적으로 참여하도록 유도한다. 또한, ITS는 학습자의 진도와 성과를 시각적으로 제공하여 학습 진행 상황을 명확히 보여준다.

ITS는 학습자의 개별 필요를 충족시켜 주기 때문에, 다양한 학습 수준과 배경을 가진 학생들 사이의 학습 격차를 줄이는 데 효과적이다. ITS는 개별 학습자의 약점을 파악하고, 이를 보완할 수 있는 학습 자료와 피드백을 제공하여, 모든 학습자가 자신의 잠재력을 최대한 발휘할 수 있도록 지원한다.

결론적으로, ITS는 학습자의 학습 경험을 개인 맞춤형으로 개선하고, 학습 성과와 동기를 높이며, 학습 격차를 해소하는 데 중요한 역할을 한다. ITS의 이러한 교육적 효과는 교육의 질을 향상시키고, 학생들이 보다 효과적으로 학습할 수 있도록 도와준다. 앞으로도 ITS는 교육 기술의 발전과 함께 더욱 중요한 역할을 할 것으로 기대된다.

메타버스(Metaverse)는 가상현실(Virtual Reality, VR)과 증강현실(Augmented Reality, AR)을 결합한 몰입형 디지털 환경으로, 사용자들이 실제와 유사한 경험을 할 수 있도록 설계된 공간이다. 메타버스는 디지털 기술의 발전에 따라 다양한 분야에서 혁신을 이루고 있으며, 교육 분야에서도 큰 잠재력을 지니고 있다. 메타버스 기반 학습 시스템은 이러한 가상 환경을 활용하여 학습자들에게 더욱 풍부하고 몰입감 있는 학습 경험을 제공하는 것을 목표로 한다[18,19]. 결론적으로 메타버스 학습 시스템은 Figure 3과 같이 세 가지 핵심 특징으로 구성된다[20].

Figure 3.

Key Features of Metaverse Learning System

메타버스는 사용자가 디지털 아바타를 통해 가상 공간에 참여할 수 있게 하며, 이 공간에서 다른 사용자들과 상호작용하고 협업할 수 있다. 이는 물리적 제약을 뛰어넘어, 전 세계 어디서나 다양한 배경을 가진 학습자들이 한 공간에 모여 공동의 학습 목표를 달성할 수 있도록 한다. 메타버스 기반 학습 시스템은 이러한 특성을 활용하여, 전통적인 교실 환경에서 경험할 수 없는 새로운 학습 기회를 제공한다.

메타버스 기반 학습의 주요 특징 중 하나는 높은 몰입감이다. 학습자들은 VR과 AR 기술을 통해 실제와 유사한 환경에서 학습할 수 있으며, 이는 학습자의 참여도와 집중도를 크게 향상시킨다. 예를 들어, 메타버스 환경에서 학생들은 가상의 실험실에서 과학 실험을 수행하거나, 역사적인 사건이 일어난 장소를 탐험할 수 있다. 이러한 경험은 학습 내용을 더욱 생생하게 전달하며, 학습자의 이해도를 높이는 데 도움을 준다.

또한, 메타버스는 상호작용적인 학습 환경을 제공한다. 학습자들은 가상 공간에서 동료 학습자 및 교수자와 실시간으로 소통하며, 협력 프로젝트를 수행할 수 있다. 이는 팀워크와 문제 해결 능력을 향상시키는 데 기여하며, 학습자들이 적극적으로 학습 과정에 참여하도록 유도한다. 이러한 상호작용은 전통적인 교육 방식에서는 얻기 어려운 고유한 학습 경험을 제공한다[21].

메타버스 기반 학습 시스템은 또한 학습의 유연성을 제공한다. 학습자들은 시간과 장소에 구애받지 않고 자신에게 맞는 학습 환경을 선택할 수 있으며, 이는 특히 원격 학습이나 비대면 교육 상황에서 큰 장점을 가진다. 이러한 유연성은 학습자 개인의 학습 스타일과 속도에 맞춘 맞춤형 학습을 가능하게 하며, 학습자의 만족도와 성취도를 높이는 데 기여한다.

마지막으로, 메타버스는 교육 콘텐츠의 다양성과 접근성을 확대한다. 교육 기관과 콘텐츠 제공자는 메타버스를 통해 더욱 다양한 교육 자료와 학습 기회를 제공할 수 있으며, 이는 기존의 물리적 제약을 극복하고 더 많은 학습자에게 질 높은 교육을 제공하는 데 도움을 준다[22].

결론적으로, 메타버스 기반 학습 시스템은 VR과 AR 기술을 활용하여 학습자들에게 몰입감 있고 상호작용적인 학습 환경을 제공한다. 이는 학습자의 참여도와 집중도를 높이며, 협력과 유연성을 강화하여 전통적인 교육 방식의 한계를 극복하는 데 큰 잠재력을 지닌다. 앞으로 메타버스는 교육 분야에서 더욱 중요한 역할을 할 것으로 기대되며, 이를 통해 학습의 질과 접근성을 한층 더 높일 수 있을 것이다[23].

메타버스 기반 학습 시스템은 가상현실(VR)과 증강현실(AR) 기술을 활용하여 전통적인 교육 방식이 제공하지 못하는 다양한 교육적 효과를 제공한다. 이러한 기술들은 학습자에게 몰입감 높은 학습 환경을 제공하며, 학습 동기 부여, 이해도 향상, 상호작용 강화 등의 측면에서 뛰어난 효과를 발휘한다. Table 2에서 내용을 확인할 수 있다[24-27].

Table 2.

Educational Effects of Metaverse Learning System

먼저, 메타버스는 학습자의 몰입감을 극대화한다[28]. VR과 AR 기술을 통해 학습자들은 실제와 유사한 가상 환경에서 학습할 수 있으며, 이는 학습자가 학습 내용에 더 깊이 몰입할 수 있도록 돕는다. 예를 들어, 역사 수업에서 학생들은 가상으로 역사적인 장소를 탐험하거나, 과학 수업에서 가상의 실험실에서 실험을 수행할 수 있다. 이러한 경험은 학습 내용을 더 생생하게 전달하여 학습자의 이해도를 높인다.

메타버스는 또한 상호작용적인 학습 경험을 제공한다. 가상 공간에서 학습자들은 동료 학습자 및 교수자와 실시간으로 소통하며 협력할 수 있다. 이는 팀워크와 문제 해결 능력을 향상시키며, 학습자들이 적극적으로 학습 과정에 참여하도록 유도한다. 상호작용적인 환경은 학습자 간의 의사소통을 촉진하고, 공동 작업을 통해 학습 목표를 달성하는 데 도움을 준다.

또한, 메타버스는 학습 동기 부여에 효과적이다[29]. 가상 환경에서의 학습은 게임 요소와 결합되어 학습자들에게 흥미롭고 재미있는 학습 경험을 제공한다. 이러한 요소들은 학습자들이 학습 과정에 지속적으로 참여하도록 동기를 부여하며, 학습 성과를 향상시키는 데 기여한다. 학습자들은 메타버스 내에서 자신의 성과를 시각적으로 확인할 수 있으며, 이를 통해 학습에 대한 성취감을 느낄 수 있다[30].

개별 맞춤형 학습 또한 메타버스의 중요한 교육적 효과 중 하나이다. 메타버스 기반 학습 시스템은 학습자의 학습 속도와 스타일에 맞추어 개인화된 학습 경로를 제공할 수 있다. 이는 학습자들이 자신의 학습 필요에 맞춘 교육을 받을 수 있도록 하며, 학습 효율성을 높인다. 예를 들어, 어려운 개념을 이해하는 데 시간이 더 필요한 학생들은 가상 환경에서 반복 학습을 통해 자신만의 속도로 학습을 진행할 수 있다[31].

메타버스는 또한 학습 접근성을 확대한다. 가상 환경을 통해 지리적 제약을 극복하고, 더 많은 학습자에게 교육 기회를 제공할 수 있다. 이는 특히 원격 교육과 비대면 학습 상황에서 유용하며, 다양한 배경을 가진 학생들이 동일한 학습 경험을 누릴 수 있도록 한다. 또한, 희귀한 교육 자원이나 특정 환경을 가상으로 재현하여 모든 학생들이 접근할 수 있게 한다[32].

마지막으로, 메타버스는 창의적 사고와 문제 해결 능력을 촉진한다. 가상 환경에서 학습자들은 다양한 시나리오와 문제를 해결하며 창의적으로 사고할 기회를 얻는다. 이는 학습자들이 실제 상황에서 직면할 수 있는 문제를 미리 경험하고, 이를 해결하는 방법을 학습할 수 있도록 돕는다. 이러한 경험은 학습자들의 비판적 사고 능력을 향상시키고, 실질적인 문제 해결 능력을 강화한다[33].

결론적으로, 메타버스 기반 학습 시스템은 몰입감, 상호작용, 학습 동기 부여, 맞춤형 학습, 학습 접근성, 창의적 사고 등 다양한 교육적 효과를 통해 학습자의 학습 경험을 혁신적으로 개선한다. 이러한 교육적 효과는 메타버스가 미래 교육의 중요한 도구로 자리잡게 하는 원동력이 될 것이다[34].

양적 데이터는 주로 설문 조사 결과와 학습 성과 데이터를 포함한다. 설문 조사 결과는 Python 프로그램을 구현하여 분석되었다. 주요 분석 기법으로는 기술 통계, 상관 분석, 독립 표본 t-검정, 그리고 분산 분석(ANOVA)이 사용되었다.

기술 통계는 설문 응답자의 인구통계학적 특성과 초기 학습 상태를 요약하고, 두 시스템 사용 후의 학습 성과와 만족도를 기술하였다. 이를 통해 각 시스템의 전반적인 효과성을 파악하였다.

상관 분석은 학습 성과와 만족도, 학습 동기 간의 관계를 분석하는 데 사용되었다. 이를 통해 각 변수들 간의 상관관계를 확인하고, 특정 요인이 학습 성과에 미치는 영향을 평가하였다.

독립 표본 t-검정은 메타버스와 ITS를 사용한 두 그룹 간의 학습 성과와 만족도 차이를 비교하는 데 사용되었다. 이를 통해 두 시스템 간의 유의미한 차이를 확인할 수 있었다.

분산 분석(ANOVA)은 각 학년별로 메타버스와 ITS의 효과를 비교하기 위해 사용되었다. 이를 통해 각 시스템이 학년별로 어떻게 다른 영향을 미치는지 평가하였다.

질적 데이터는 심층 인터뷰를 통해 수집된 학생들의 학습 경험과 의견을 포함한다. 인터뷰 자료는 NVivo 소프트웨어를 사용하여 분석되었다. 분석 방법으로는 주제 분석(thematic analysis)이 사용되었다.

주제 분석은 인터뷰 내용을 바탕으로 주요 주제와 패턴을 식별하는 데 사용되었다. 먼저, 인터뷰 내용을 전사하고, 이를 세부적으로 코딩하여 주요 주제를 도출하였다. 그런 다음, 도출된 주제를 기반으로 각 시스템의 장단점, 학생들의 만족도와 불만족 요인, 그리고 개선 사항 등을 분석하였다.

질적 데이터는 양적 데이터 분석 결과를 보완하고, 학생들의 실제 경험과 인식을 반영하여 더 깊이 있는 통찰을 제공하였다. 이를 통해 양적 데이터에서 나타난 결과를 보다 명확히 이해하고 해석할 수 있었다.

통합 분석은 두 가지 데이터 유형에서 도출된 결과를 종합적으로 평가하고, 두 시스템의 교육적 효과를 종합적으로 비교하는 데 중점을 두었다. 이를 통해 메타버스와 ITS의 장단점을 종합적으로 평가하고, 향후 하이브리드 튜터링 시스템 설계에 필요한 기초 자료를 제공하였다.

본 연구의 데이터 분석은 메타버스와 ITS 기반 학습 시스템이 대학생들의 학습 효과, 만족도, 학습 동기 부여에 미치는 영향을 종합적으로 평가하는 데 기여하며, 이를 통해 보다 효과적인 교육 기술의 개발과 적용 방안을 모색할 수 있는 기초 자료를 제공한다.

첫째, 양적 데이터의 신뢰도를 확보하기 위해 설문 조사 도구의 내부 일관성을 검증하였다. 이를 위해 Cronbach의 알파 계수를 사용하여 설문 항목 간의 일관성을 평가하였다. Cronbach의 알파 값이 0.70 이상인 경우, 설문 도구는 높은 내부 일관성을 가진 것으로 간주되었다.

둘째, 설문 조사의 재현 가능성을 평가하기 위해 파일럿 테스트를 실시하였다. 파일럿 테스트는 소규모 학생 그룹을 대상으로 실시하였으며, 설문 문항의 명확성, 응답 시간, 응답의 일관성을 평가하였다. 이를 통해 설문 도구의 수정 및 보완이 이루어졌으며, 최종 설문 도구는 파일럿 테스트 결과를 반영하여 개선되었다.

셋째, 질적 데이터의 신뢰도를 확보하기 위해 인터뷰 자료의 코딩 과정을 독립적인 두 명의 연구자가 별도로 수행하였다. 두 연구자가 각각 코딩한 결과를 비교하여 코딩 일치도를 평가하였으며, 불일치가 발생한 부분에 대해서는 논의를 통해 최종 코드를 합의하였다. 이와 같은 절차를 통해 질적 데이터의 분석 결과가 일관성을 유지하도록 하였다.

첫째, 내용 타당도를 확보하기 위해 전문가 검토를 실시하였다. 교육학 및 교육 기술 분야의 전문가 3명을 초청하여 설문 문항과 인터뷰 질문의 적절성을 평가받았다. 전문가들의 피드백을 반영하여 설문 문항과 인터뷰 질문을 수정, 보완함으로써 내용 타당도를 높였다.

둘째, 구인 타당도를 검증하기 위해 탐색적 요인 분석(Exploratory Factor Analysis, EFA)을 실시하였다. 설문 조사의 각 항목이 연구의 주요 구인을 적절하게 측정하는지를 평가하기 위해 요인 분석을 사용하였으며, 각 항목의 요인 적재값을 확인하였다. 요인 적재값이 0.40 이상인 항목은 구인 타당도가 높은 것으로 간주되었다.

셋째, 질적 데이터의 타당도를 높이기 위해 참여자 검토(Member Checking)를 실시하였다. 인터뷰 분석 결과를 요약하여 각 인터뷰 참여자에게 제공하고, 분석 결과가 참여자의 실제 경험과 일치하는지를 확인받았다. 참여자들이 분석 결과에 동의한 경우, 해당 결과는 타당도가 높은 것으로 간주하였다.

넷째, 삼각측정(Triangulation)을 통해 타당도를 확보하였다. 양적 데이터와 질적 데이터를 통합하여 분석함으로써, 연구 결과의 타당성을 높였다. 예를 들어, 설문 조사 결과와 인터뷰 결과가 일치하는지를 확인하고, 일치하지 않는 부분에 대해서는 추가적인 분석을 통해 그 이유를 규명하였다.

본 연구는 이러한 신뢰도와 타당도 확보 절차를 통해 연구 결과의 신뢰성과 타당성을 극대화하였다. 이를 통해 메타버스와 지능형 튜터링 시스템(ITS)의 교육적 효과를 보다 정확하게 평가할 수 있었으며, 연구 결과가 실제 교육 현장에서의 적용 가능성을 높이는 데 기여하였다.