Earticle

본 연구는 최근 이러닝 분야에서 모바일 러닝과 마이크로콘텐츠에 의해 부상하고 있는 마이크로러닝의 특성을 정의하고 이에 대한 적용 만족도를 분석하여, 향후 마이크로러닝이 새로운 학습 형태로 자리매김 할 수 있는지를 살펴보 았다. 이를 위하여 사전 문헌분석을 통해 마이크로러닝의 특성을 정의하고 잘 갖추어진 마이크로러닝 사이트에 대하여 특성 만족도를 실증 검증하고, 이 특성 이외에 어떤 다른 기술적 기능이 필요한가에 대하여도 전문가의 의견수렴을 통하 여 제시하였으며, 이러닝의 미래기술인 학습 분석이나 성과측정 등의 기술적 기능과 향후 연계되어야 한다는 것을 제시 하였다. 본 연구의 결과에 따르면 마이크로러닝의 특성인 학습콘텐츠의 질적, 양적 수준, 학습콘텐츠에의 접근성, 모바 일 기기 접근성, 동기부여 및 상호작용의 모든 면에서 특성 만족도를 보여주고 있었다. 따라서 마이크로러닝은 그 기능 적 특성을 잘 반영한다면 이러닝 분야에서 효과적인 학습 형태로 자리 잡을 것이며 밀레니얼 세대를 위한 교육과 학습 및 훈련에 크게 기여할 수 있을 것이다.

This study defined the characteristics of micro-learning emerging by mobile learning and micro-contents in the e-learning field, and analyzed the satisfaction of application, to see if micro-learning could become a new learning type in the future. To this end, the characteristics of micro-learning were defined through preliminary literature analysis, the characteristic satisfaction was verified in the well-equipped micro-learning site, and any other technical functions were suggested through expert opinion gathering. It was suggested that the future technology of e-learning should be linked to technical functions such as learning analysis and performance measurement. According to the results of this study, if micro-learning reflects its functional characteristics well, it will become an effective learning type in the e-learning field and will greatly contribute to education, learning, and training for the new millennial.

This study was to analyze important dimensions and its factors of micro level of e-learning determining the quality of e-learning. E-learning dimensions and their factors were identified and developed from the analytical review of related researches. From literature review and survey as well as expert interview, six categories of e-learning identified from this study were: 1) curriculum content, 2) usability, 3) instructional design, 4) evaluation -both process and results, 5) management, and 6) refinement and improvement. A total of thirty-seven factors determining the quality of the e-learning six categories were identified. The rank order and contribution rates for each categories and factors were calculated to explain how importantly they contribute to the quality of e-learning. Also three dimensions such as controlling the e-learning quality, e-learning fundamental dimension e-learning process dimension, and e-learning product dimension, were explained. This study suggests a useful guidance for e-learning quality and evaluation framework for better results.

본 연구는 마이크로 러닝을 이용한 학습의 효과성을 검증하기 위해 수행되었다. 이를 위해 수업의 학습 자료를 마이크로 러닝, 기존의 이러닝, 유인물 형태의 세 가지 형태로 제작하여 K도에 소재한 Y대학과 K대학의 대학생을 대상 으로 학습만족도와 학습효과를 비교하였다. 첫째, 마이크로 러닝 형태의 학습 자료를 이용할 때 학습만족도가 가장 높은 것으로 나타났다. 둘째, 학습효과는 이러닝 형태와 마이크로 러닝 모두 효과적은 것으로 나타났으며, 두 가지 형태의 학습 자료를 모두 이용한 경우는 마이크로 러닝이 더 효과적인 것으로 나타났다. 본 연구는 사회적 현상으로 등장한 새로운 학습 형태인 마이크로 러닝에 대해 조사함으로써 후속 연구를 위한 기초자료 제시와 마이크로 러닝 학습의 중요 성을 부각시켜 대학 내에서 마이크로 러닝이 활성화될 수 있기를 제언한다.

This study was conducted to verify the effectiveness of learning using micro-running. To this end, the learning materials of the class were produced in three forms: micro-learning, existing e-learning, and handouts, to compare the learning satisfaction and learning effect for college students at Y and K universities located in K-do. First, when using learning materials in the form of micro-learning, learning satisfaction was the highest. Second, the learning effect was effective for both e-learning and micro-learning. And micro-learning was more effective when both types of learning materials were used. The results of this study look forward to activating micro-learning in university by researching micro-learning of the new learning type that emerged as a social phenomenon, highlighting the importance of micro-learning and presenting basic data for subsequent study.

본 연구에서는 개방형 동영상 플랫폼(OTT) 사용자의 관심 주제별로 자기 주도식 마이크로 러닝 방 식의 틈새 학습지원을 위하여 AI 알고리즘을 기반으로 체계적인 학습목차 구성 및 목차별 평판도가 높은 동영상 콘텐츠 목록을 개인화하여 동적으로 구성 및 추천하여 학습지원 효과를 제고하는 지능형 큐레이션 서비스 모델을 제안하고자 하였다. 이를 위해 콘텐츠 선호도 유사성 및 콘텐츠 도메인에 대 한 전문성 두 가지의 신뢰도 기준을 정량화하여 평가자 그룹을 구성하고 수정된 협업 필터링 기법을 적용함으로써 동적 콘텐츠 평판 모델링 기법을 고안하였다. 암묵적인 사용자 콘텐츠 선호도 추출기법 을 제안하고 새로운 OTT 콘텐츠 평판 산정 모형을 제시하였다는데 본 연구의 의의가 있다.

디지털 기술 발달은 우리의 삶뿐만 아니라, 온라인 교육 환경에도 많은 변화를 가져오게 되었다. 개별 학습자들에게 맞춤화된 내용을 필요한 즉시 제공 받기를 원하는 학습자들의 요구에 따라 마이크로러닝이 등장하게 되었다. 마이크로러닝은 개인에게 맞춤화된 콘텐츠를 적시에 빠르게 학습이 제공된다는 의미에서 '적응형(adaptive)' 교육이라고 할 수 있다. 이에 본 연구에서는 적응형 마이크로러닝의 개발원칙이 무엇인지 살펴보고자 하였다. 이를 위해 문헌 연구 및 사례 분석을 통해 적응형 마이크로러닝 개발원칙을 탐색하였다. 그 결과, 개발원칙을 적응형 학습 환경, 적응형 학습 콘텐츠, 적응형 학습 시퀀스, 적응형 학습 평가의 네 가지 측면으로 구분하고 각각에 대한 세부요소를 제시하였다. 마이크로러닝이 현 사회적 요구를 반영한 새로운 이러닝의 형태인 만큼, 본 연구는 앞으로의 후속연구를 위한 방향성을 제안하는 탐색연구로서의 의미를 찾고자 한다.

The development of digital technology has not only brought many changes to our lives, but also many changes to the online education environment. The emergence of micro-learning is to meet the needs of individual learners who hopes to receive personalized learning content immediately when they need it. Therefore, Micro-learning can be said to be 'adaptive' education. This research attempts to explore the development principles of adaptive micro-learning through literature research and case analysis. The results of the research draw four aspects of the development principles, including adaptive learning environment, adaptive learning content, adaptive learning sequence and adaptive learning evaluation, as well as detailed elements of each aspect. Micro-learning is a new form of e-learning that reflects the needs of the current society. As exploratory research, this research attempts to point out the direction for future follow-up research.

다가오는 지능정보사회의 핵심이 될 인공지능(AI) 교육의 필요성이 대두되면서, 국가적 차원에서도 교육과정 에 인공지능 관련 내용을 포함하는 등 관심을 집중시키고 있다. 본 연구에서는 지도학습 중심의 머신러닝을 통 해 생활 속 문제를 해결하는 과정에서 학생들의 창의적 문제해결력을 신장시키기 위해 PASPA 교육 프로그램을 제시하였으며, 학습의 효과를 높이기 위해 피지컬 컴퓨팅 도구인 마이크로비트(Micro:bit)를 활용하였다. PASPA 교육 프로그램에 적용된 교수 학습 과정은 문제 인식(Problem Recoginition), 해결 방법 논의(Argument), 데이터 기준 세우기(Setting data standard), 프로그래밍(Programming), 적용 및 평가(Application and evaluation)의 5단 계로 이루어진다. 본 교육 프로그램을 학생들에게 적용한 결과 창의적 문제해결력의 향상을 확인할 수 있었으며, 세부 영역에서는 특정 영역의 지식·사고, 비판적·논리적 사고 영역에서 유의한 차이를 보임이 확인되었다.

As the need for artificial intelligence (AI) education, which will become the core of the upcoming intelligent information society rises, the national level is also focusing attention by including artificial intelligence-related content in the curriculum. In this study, the PASPA education program was presented to enhance students' creative problem-solving ability in the process of solving problems in daily life through supervised machine learning. And Micro:bit, a physical computing tool, was used to enhance the learning effect. The teaching and learning process applied to the PASPA education program consists of five steps: Problem Recoginition, Argument, Setting data standard, Programming, Application and evaluation. As a result of applying this educational program to students, it was confirmed that the creative problem-solving ability improved, and it was confirmed that there was a significant difference in knowledge and thinking in specific areas and critical and logical thinking in detailed areas.

본 연구는 대학생들을 대상으로 한 마이크로러닝 콘텐츠 기반 비교과 프로그램의 효과를 일반적 특성에 따라 분석하였다. 거 점 국립대학 G대학교 소속 학생 600명을 대상으로 설문을 실시하였고, 학습몰입과 학습의욕을 학습효과 측정의 주요 지표로 사용 하였다. 학습효과 측정 도구의 신뢰도 검증을 위하여 Cronbach’s α 계수 분석을 실시하였다. 성별과 전공계열에 따른 학습몰 입, 학습의욕의 차이를 분석하기 위하여 독립표본 t-검정을 통해 결과를 분석하였고. 학년에 따른 학습몰입, 학습의욕에 대한 차이를 분석하기 위하여 집단 간 일원분산분석(ANOVA)을 통해 측정하였다. 연구 결과에 따르면 성별과 학년은 마이크로러닝 콘텐츠 기반 프로그램 참여에는 유의한 영향을 미치지 않았으나, 전공계열에 따라 학습몰입과 학습의욕이 다르게 나타났다. 이를 바탕 으로향후프로그램은전공계열에따라적절한환경과자극을제공해야할것으로나타났다.

This study analyzed the effects of a Micro-learning content-based extracurricular program among university students based on their general characteristics. A survey was conducted on 600 students affiliated with G University, a major national university. Learning immersion and learning motivation were used as the key indicators for measuring the learning effects. Cronbach’s α coefficient analysis was performed to validate the reliability of the learning effect measurement tool. Independent sample t-tests were utilized to analyze differences in learning immersion and learning motivation based on gender and major disciplines. One-way analysis of variance (ANOVA) was employed to measure differences in learning immersion and learning motivation according to academic year. According to the research findings, gender and academic year did not significantly influence participation in the Micro-learning content-based program. However, differences in learning immersion and learning motivation were observed depending on the major discipline. Based on this, it is suggested that future programs should provide suitable environments and stimuli based on the students' major disciplines.

30GHz~300GHz 대역의 스펙트럼을 사용하는 밀리미터파는 높은 주파수로 인해 파장이 짧아서 기지국에 더 많은 안테나를 장착할 수 있어 Massive MIMO 시스템에 적합하다. 하지만 안테나 당 RF chain이 요구되기 때문에 안테나의 수가 증가되면 하드웨어 비용 및 전력 소비가 증가하는 문제점을 갖는다. 따라서 본 논문에서는 이러한 문제점 을 해결하기 위해 안테나 선택 기법을 조사한다. 기존 철저한 조사 기반 안테나 선택 기법에서 높은 계산 복잡도를 가지 는 문제를 해결하기 위해 딥러닝 기술을 적용하는 방안을 제안한다. 멀티 클래스를 분류할 수 있는 DNN 모델을 사용하 여 최적의 안테나 조합을 예측한다. 시뮬레이션을 통해 기존 안테나 선택 기법들과 제안하는 딥러닝 기반 안테나 선택 기법을 비교하여 평가한다.

The millimeter wave that uses the spectrum in the 30GHz~300GHz band has a shorter wavelength due to its high carrier frequency, so it is suitable for Massive MIMO systems because more antennas can be equipped in the base station. However, since an RF chain is required per antenna, hardware cost and power consumption increase as the number of antennas increases. Therefore, in this paper, we investigate antenna selection schemes to solve this problem. In order to solve the problem of high computational complexity in the exhaustive search based antenna selection scheme, we propose a approach of applying deep learning technology. An best antenna combination is predicted using a DNN model capable of classifying multi-classes. By simulation tests, we compare and evaluate the existing antenna selection schemes and the proposed deep learning-based antenna selection scheme.

(Purpose) This study analyses the efficacy of using short-form video contents for micro-learning to deal with low engagement issues in "flipped" Public Administration classrooms. (Design/methodology/approach) The study employed an exploratory multi-method design, with semi-structured interviews with student surveys across two courses: a second-year undergraduate public management course and a postgraduate (post-experience) public personnel management course. Short-form videos (TikTok-style content), including both lecturer-generated and learner-generated materials, were integrated into teaching and assessment. Quantitative survey data were used to assess patterns in perceived learning outcomes, while qualitative interview data presented participants’ experiences, challenges, and adaptation processes. (Findings) Findings reports improvements in student satisfaction and learning outcomes when using short-form video contents while several obstacles, such as the difficulty of communicating complex topics, visual distractions, and platform familiarity, are also observed. Use of learner-created content for assessment purpose showed favourable outcomes across multiple evaluation criteria. Qualitative interview analysis results show learning curve and time management issues. However, these challenges were found to mitigate with increased experience over time. (Research implications or Originality) This study provides empirical evidence of integrating both learner-generated and lecturer-generated short-form video content in flipped public administration education, which contributes to the literature on micro-learning in the context of public administration teaching.

Steam leakage in industrial plant pipelines under high-temperature and high-pressure conditions leads to serious risks to human safety. Therefore, rapid and accurate detection is essential. Conventional AE sensor-based detection methods are effective for real-time monitoring but become impractical for wide-area coverage because of their complex setups and high costs. Recently, vision-based approaches have emerged as practical solutions that offer wide-area non-contact coverage. However, their detection accuracy often degrades under varying illumination and leak conditions, leading to false positives or missed detections. To overcome these limitations, we propose a micro-leakage detection method using active infrared optical gas imaging with deep learning. The proposed method extracts pixels with high temporal variability from sequential frames, defines candidate leakage regions through image segmentation and histogram transformation, and identifies leakage using an autoencoder-based deep learning model. The effectiveness of the proposed method was validated through experiments conducted on a high-temperature and high-pressure steam leakage testbed.

This paper aims to investigate whether there is empirical evidence supporting the learning-to-export hypothesis, which has received little attention in the literature. By taking full advantage of plant-product level data from Korea during 1990-1998, we find some evidence for the learning-to-export effect, especially for the innovated product varieties with delayed exporters: their productivity, together with research and development and investment activity, was superior to their matched sample. On the other hand, this learning-to-export effect was not significantly pronounced for industries protected by import tariffs. Thus, our empirical findings suggest that it would be desirable to implement certain policy tools to promote the learning-to-export effect, whereas tariff protection is not justifiable for that purpose.

본 논문은 YOLO V3 알고리즘을 기반으로 한 드릴비트 이물질 검사 시스템을 구현하고 그 성능을 평가하였다. 연구는 드릴비트의 정상 상태와 이물 상태를 구분하기 위해 600장의 학습 데이터를 사용하여 YOLO V3 모델을 학습시켰다. 구현된 검사 시스템은 자동검사를 통해 드릴비트의 상태를 정확히 분석하고 결함을 효과적으로 탐지하였다. 성능 평가는 2000회 이상 사용된 드릴비트를 대상으로 수행되었으며, 재연마 가능 여부를 판별하는 인식률 98%를 달성하였다. 세척 공정에서 이물질 제거의 목표를 99.6%로 평가하였으며, 자동 검사 시스템은 시간당 500개 이상의 드릴비트를 검사할 수 있어 기존 수동 검사 방법에 비해 약 4.3배 더 빠르고 99%의 높은 정확도를 기록하였다. 이러한 결과는 자동화된 검사 시스템이 검사 속도와 정확성을 획기적으로 개선할 수 있음을 보여주며, 제조현장에서의 품질 향상과 비용 절감에 기여할 수 있음을 알수있다. 향후 연구에서는 시스템 최적화와 성능 향상을 통해 더욱 효율적이고 신뢰성 높은 검사 기술 개발이 필요하다.

This paper implemented a drill bit foreign matter inspection system based on the YOLO V3 algorithm and evaluated its performance. The study trained the YOLO V3 model using 600 training data to distinguish between the normal and foreign matter states of the drill bit. The implemented inspection system accurately analyzed the state of the drill bit and effectively detected defects through automatic inspection. The performance evaluation was performed on drill bits used more than 2,000 times, and achieved a recognition rate of 98% for determining whether resharpening was possible. The goal of foreign matter removal in the cleaning process was evaluated as 99.6%, and the automatic inspection system could inspect more than 500 drill bits per hour, which was about 4.3 times faster than the existing manual inspection method and recorded a high accuracy of 99%. These results show that the automated inspection system can dramatically improve inspection speed and accuracy, and can contribute to quality improvement and cost reduction in manufacturing sites. In future studies, it is necessary to develop more efficient and reliable inspection technology through system optimization and performance improvement.

Purpose: This ex vivo proof-of-concept study aimed to develop deep learning (DL)-based super-resolution (SR) models to enhance simulated cone-beam computed tomography (CBCT) images. Materials and Methods: Micro-computed tomography data from 51 extracted teeth were artificially degraded to simulate CBCT images. Three DL models, super-resolution convolutional neural network (SRCNN), local texture estimator (LTE), and Swin Transformer for image restoration (SwinIR), were compared with bicubic interpolation. Image quality was assessed using peak signal-to-noise ratio (PSNR), structural similarity index measure (SSIM), learned perceptual image patch similarity (LPIPS), and deep image structure and texture similarity (DISTS). Three dentists evaluated sharpness and noise using a 5-point Likert scale. Eight observers assessed crack visibility in 47 images for LTE and bicubic interpolation using a 5-point Likert scale; scores were binarized using high and low thresholds. Results: All models significantly outperformed bicubic interpolation on objective metrics. SwinIR showed the highest PSNR (30.36±2.66), whereas SRCNN achieved the highest SSIM (0.889±0.073). LTE achieved the best LPIPS (0.253±0.101) and DISTS (0.203±0.049). Subjectively, LTE received the highest sharpness ratings (mean. 3.79±0.47), whereas bicubic interpolation received the highest noise ratings(3.97±1.43). LTE significantly improved crack visibility (odds ratio=1.326, P=0.006 for the low-threshold analysis; odds ratio=1.310, P=0.010 for the highthreshold analysis), with a higher pooled area under the curve (0.81 vs. 0.76, P=0.063). Conclusion: DL-based SR models can enhance simulated CBCT images, with LTE demonstrating superior perceptual sharpness and crack visibility.

본 연구의 목적은 마이크로 러닝 기반 MOOC에서 학습자들의 지각된 유용성, 학습몰입, 학습실재감, 학습지속의향 간의 구조적 관계를 분석하는 데 있다. 이를 위해 서울 소재 A, B 대학에서 개설한 마이크로 러닝 기반 K-MOOC 강좌 수강생을 대상으로 설문조사를 실시하였고, 최종 총 258명의 데이터를 수집하여 분석하였다. 연구 결과는 다음과 같다. 첫째, 지각된 유용성은 학습지속의향에 직접적인 영향을 미치지 않았으나, 학습몰입을 매개로 간접적인 영향을 미쳤다. 둘째, 학습실재감은 지각된 유용성과 학습몰입 간의 관계에서 조절효과를 나타냈다. 셋째, 학습실재감은 지각된 유용성과 학습지속의향 간의 관계에서 조절효과를 가지는 것으로 확인되었다. 본 연구는 마이크로 러닝 기반 MOOC에서 학습자의 지각된 유용성과 학습지속의향 간의 관계에 정적인 영향을 미치는 요인을 실증적으로 검증하고 학문적․실천적 시사점을 제시하였다.

The purpose of this study is to investigate the structural relationship among learners’ perceived usefulness, learning engagement, learning presence, and learning persistence in micro-learning-based MOOC. To this end, a survey was conducted targeting students of micro learning based K-MOOC courses opened at A and B universities in Seoul. Finally, a total of 258 data were collected and analyzed. The study results were as follows. First, perceived usefulness did not directly affect on the learning persistence, but had an indirect effect by mediating learning engagement. Second, learning presence had a moderating effect between perceived usefulness and learning engagement. Third, learning presence had a moderating effect between perceived usefulness and learning persistence. This study empirically verifies the factors influencing on the relationship between perceived usefulness and learning persistence in micro learning-based MOOC, and suggests academic and practical implications.

본 연구는 마이크로 러닝 기반 K-MOOC 환경에서 학습자의 마인드셋이 학습지속의향에 미치는 영향을 확인하고, 마인드셋과 학습지속의향의관계에서 학습몰입의 매개효과를 검증하며, 마인드셋과 학습몰입의 인과관계에 그릿이 조절작용을 하는지를 검증하는 것을 목적으로 한다. 이를 위해 K-MOOC 내에서 10분 이내의 작은 주제로 구성된 마이크로 러닝 강좌를 1회 이상 수강한 경험이 있는 학습자를 대상으로 설문조사를 하였고,총 304명의 데이터를 수집하여 분석하였다. 연구 결과 첫째, 성장 마인드셋과 학습지속의향간 관계에서 학습몰입의 완전매개효과가 나타났다. 둘째, 성장 마인드셋과 학습몰입 간의 관계에서 그릿의 조절효과가 나타났다. 셋째, 그릿은 성장 마인드셋과 학습몰입 간의 관계에서 조절된 매개효과를 가지는 것으로 나타났다. 이상의 연구결과를 바탕으로 학습자의 학습지속의향을 높이기 위한 시사점을 제시하였다.

The purpose of this study was to analyze the structural relationship betweenlearners’ mindset, learning engagement, grit, and learning persistence in amicro-learning-based K-MOOC environment. A survey was conducted on learnerswho had taken a micro-learning course consisting of small topics in K-MOOCthat were covered within 10 minutes or less, and a total of 304 responses werecollected and analyzed. The research results are as follows. First, learningengagement showed a complete mediating effect in the relationship between thegrowth mindset and learning persistence. Second, grit showed a moderating effectin the relationship between the growth mindset and learning engagement. Third,grit was found to have a moderated mediating effect in the relationship betweenthe growth mindset and learning engagement. Based on these findings, this paperpresents implications for increasing learners’ learning persistence.

The purpose of this study is to examine effects of interaction with the online content based on gamification and micro-learning and learning motivation on flow and persistent learning intention on K-MOOC(Korean Massive Open Online Course). The participants of this study were 212 adult learners from the ‘Convention English Writing’ course offered by C Cyber University. The data were obtained through an online questionnaire of participants’ self-reported learning experiences in the course. Through factor analysis, internal motivation, external motivation, gamification, micro-learning, and learning support & knowledge sharing were determined as independent variables, and dependent variables were determined for flow and learning intention. Multiple regression analysis was conducted to analyze the influence of interaction factors and learning motivation on flow and persistent learning intention. The results of this study are as follows. Firstly, the variables that influence flow are gamification and micro-learning. Secondly, external motivation and internal motivation have a statistically significant effect on learning intention. These findings provide the basic data necessary for the future development of K-MOOC English education courses. The results suggest that gamification- and micro-learning based lectures may be a feasible alternative to overcoming the low completion rate of K-MOOC. In subsequent studies, it is necessary to investigate the generalizability of the research model used in this study.

본고는 이러닝이 보편화 된 현 상황에서 학습자의 적응형학습을 실현하기 위한 방편으로 마이크로러닝 콘텐츠 제작을 제안해 보았다. 이를 위해 먼저 과학기술의 변화가 교육관에 어떤 영향을 미치는지 논의해보았고, 학습자의 피드백을 빠르게 반영할 수 있는 마이크로러닝콘텐츠 제작을 위해서는 순환형 설계모형이 필요함도 알아보았다. 이어서 마이크로러닝의 개념과 마이크로러닝콘텐츠 제작을 위해 고급중국어 뉴스 수업을 어떻게 구성할 수 있는지 간단한 기획안을 작성하였다. 마지막으로 콘텐츠의 실제 제작을 위해 활용할 수 있는 프로그램과 싸이트를 알아보고, 마이크로러닝 학습을 위해 고안된 Gnowbe와 Edapp 등과 같은 마이크로러닝 플랫폼들의 장단점도 알아보았다.

Adaptive learning is an educational method that provides customized learning resources and activities to meet the unique needs of learners. In order to make learners choose their own learning content, it is necessary to make learning contents in advance. This paper guids the way to design and make micro-learning contents. First, we discuss the impact of technological changes on the concept of education. Second, in order to reflect the learner’s feedback agilely, it is necessary to introduce the circular instructional design model for the micro learning contents and the learning courses. We also briefly introduce the concept of micro class, and puts forward the micro class design scheme of making advanced Chinese News course. Last, we introduce the software, web pages and platform that can be used to make the learning content of micro class.

전 세계적인 주목을 받고 있는 빅데이터와 AI에 대한 관심이 증가하면서 누구나 지능형 챗봇을 쉽게 제작할 수 있는 환경이 조성되었다. 특히 마이크로러닝 시대의 마이크로콘텐츠를 포함한 지능형 챗봇은 학습자의 질문에 대해서 적시(適時)에 짧고 간결한 컨텐츠를 제공(Just-in-Time Learning)하기 때문에, 디지털 전 환에 따른 시공간에 구애받지 않고 언제 어디서나 학습할 수 있는 유연한 학습환경을 구축하여 학습자 주도적 역량을 강화할 수 있다. 이에 따라 본 연구에서는 빅데이터 기반의 초등 사회과교육에 적합한 마이크로러닝을 위한 AI 챗봇을 개발하였다. AI 챗봇 개발에 적용된 학습주제는 초등 사회과 지리영역에서 개념적 요소가 많은 지도학습과 관련된 내용을 선정하였다. 이렇게 개발한 챗봇은 보조교사와 보조교과서로서 역할을 수행하며, 기존 교과서의 한계를 극복하는데 도움을 줄 것으로 기대할 수 있다. 또한 지능형 AI 챗봇 서비스는교육을 위한 다양한 플랫폼에 직접적인 적용이 가능할 뿐만 아니라 타 교과에도 적용 가능한 AI 기반의 교수ㆍ학습 콘텐츠의 방향을 제시할 수 있으며, 구체적인 학습자 개인별 맞춤형 학습방안을 학교 현장에 제안할수 있다.

An environment where anyone can easily create an intelligent chatbot has been created with the growing interest in big data and AI, which are attracting global attention. In particular, intelligent chatbots with micro- contents in the era of micro-learning can provide just-in-time learning to learners' needs, allowing them to learn anytime, anywhere regardless of time and place due to digital transformation. Therefore, the purpose of this study was to develop an artificial intelligence chatbot for micro-learning suitable for map learning elementary school social studies education based on big data. According to research results, various big data can be continuously obtained in the process of designing a chatbot to secure big data necessary for artificial intelligence technology related to social studies and create basic data related to it. The chatbot service not only can be directly applied to various platforms for education, but also can suggest the direction of AI-based teaching and learning contents for other subjects.

본 연구는 연속과제로 1차년도에 개발한 지도 AI 챗봇을 2차년도에 초등 사회과 현장 수업에 적용하고, 그 결과를 검증하는 것이다. 지도 AI 챗봇의 현장수업에 적용한 질적 검증결과, 기존 지도학습은 주요개념과하위요소들이 많아서 분절적 콘텐츠 형태로 체계적으로 학습하기 어려운 점이 많았다. 그러나 지도 AI 챗봇은마이크로러닝 시대에 분절적 지도학습 요소를 잘 정선하고, 핵심을 요약한 연결된 마이크로콘텐츠로 즉문즉답이 가능하도록 개발, 설계하여 구현하게 함으로써 분절적 지도학습에서 연결적 지도학습으로 전환할 수 있게 하였다. 특히 지도 AI 챗봇은 학습자들이 지도에 대한 개념적 이해뿐만 아니라 지도사용에 친숙함과 더불어지도학습 요소 간의 연결된 이해를 통해 삶의 실제적 문제해결을 통한 실제적 지식을 구성할 수 있게 하는 강력한 지식(Powerful knowledge)의 공급자로서 역할을 하게 되었다. 학습자들은 지능형 지도 AI 챗봇을 통하여 학습자가 궁금해하거나 해결하고 싶어하는 것을 시공간에 구애없이, 적시에 형식이나 학습의 순서에 구애받지 않고, 참여와 배움 중심의 학습을 통해 자기 주도적인 문제해결을 통해 맞춤형 학습을 할 수 있었다. 지도AI 챗봇은 자기주도적 맞춤 학습을 위한 좋은 보조교사와 보조교과서로서 역할을 수행할 수 있었다. 특히 학습자들은 지도 AI 챗봇과의 질의, 응답을 통한 대화과정에서 창의적인 질문과 챗봇 알고리즘에 대한 이해를 통해AI에 대한 이해도가 높아졌으며, 지도학습을 통해 지역을 보다 깊이 있게 이해할 수 있었다. 지도 AI 챗봇의 현장수업에 적용한 양적 검증결과, 통제집단과 실험집단간에 학습만족도 및 학업성취도에 유의미한 결과를 나타내어, 지도 AI 챗봇은 학습자들로 하여금 챗봇을 활용하면서 자기조절의 기회가 많아져, 강력한 지식을 구성하게 하는 에듀테크로서 역할을 수행한다고 볼 수 있었다.

The purpose of this study was to apply the map AI chatbot developed in the first year as a continuous task, to the field classes of elementary school social studies in the second year, and to verify the results. As a result of qualitative verification applied to the field class of the map AI chatbot, the existing map learning had many major concepts and sub-elements, so it was difficult to learn systematically in the form of segmented content. However, in the micro-learning era, the map AI chatbot was developed, designed, and implemented enabling the answering of questions with connected micro-content that summarizes the core, and selects the elements of segmented map learning well. Learners can learn customized learning through self-directed problem solving, participation and learning-centered learning, regardless of time and space, timely, and learning-oriented learning through intelligent map AI chatbot. The map AI chatbot could play a role as an effective assistant teacher and assistant textbook for self-directed personalized learning. In particular, the map AI chatbot is powerful knowledge that allows learners to construct practical knowledge through practical problem solving in life, through conceptual understanding of maps, as well as familiarity with map usage and a connected understanding between map learning elements role as a supplier. In particular, the understanding of AI emphasized in the fourth industrial revolution was increased through the map AI chatbot, and through map learning, it was possible to understand the region more deeply. The quantitative verification results applied to the field classes of the map AI chatbot show significant results on learning satisfaction and academic achievement between the control group and the experimental group. It could be seen that the role was sufficiently performed as an edutech that comprises knowledge.