빅데이터 기반의 인적자원개발 교육시스템 아키텍처 :A big data based education system architecture in human resource development

김용식

추천

검색

자료유형: 학위논문

저자정보: 김용식 (숭실대학교, 숭실대학교 대학원)

지도교수: 신용태

발행연도: 2016

저작권: 숭실대학교 논문은 저작권에 의해 보호받습니다.

이용수15

이 논문의 연구 히스토리 (2)

2016

빅데이터 기반의 인적자원개발 교육시스템 아키텍처

김용식 IT정책경영학과 2016.01 학위논문

빅데이터를 활용한 인적자원개발 시스템 아키텍처에 관한 연구

김용식 , 신용태 한국IT정책경영학회 논문지 2016.01 학술저널

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

기존의 이러닝 및 오프라인 교육에서는 시공간의 제약과 더불어 교육 데이터는 단지 시험 결과, 설문 결과 등을 위주로 수작업 기록 또는 광학 문자 판독기를 이용한 답안 작성이 이루어졌기 때문에 교육과정 및 학습활동에 대한 데이터는 대부분 저장되지 않았다. 그러나 인적자원개발(HRD: Human Resource Development) 시스템이 구축되고 스마트 교육환경이 도입되면서 모든 학습활동이 온라인상에서 진행되므로 학습활동과 관련된 데이터를 수집하기가 쉬워졌으며 개별화된 학습을 통해 학습자의 학업성취도를 향상하게 시키고 다양한 교육 데이터의 활용이 가능해졌다. 즉 인터넷, 모바일, 클라우드 기반의 스마트 교육 환경에서는 학습자와 강사의 학습 관련 활동정보 등이 대량의 디지털데이터로 축적되므로 이를 체계적으로 수집하고 분석하여 학습자에게 유용한 피드백 정보를 생성하고 교육 관련 정보로 활용할 수 있다.
수집된 방대한 교육 데이터는 빅데이터 전략을 통해 정형화된 학습정보뿐만 아니라 학습활동과 관련된 비정형의 교육 데이터를 종합적으로 이해하고 분석함으로써 학습자의 능력, 역량 등을 알아내고 이 정보를 토대로 개인별 맞춤형 학습을 제공함으로써 교육의 성과를 높일 수 있다.
특히 이러한 빅데이터를 HRD 교육시스템에 효과적으로 구축하게 되면, 학습에 다양한 이득효과를 얻을 수 있다. 학습자 측면에서는 학습 동기를 강화하거나 학습자의 학습 성과를 관찰하고 예측하는 잠재적인 문제를 조기에 발견하여 학습을 포기하지 않도록 하는데 응용될 수 있다. HRD 교육담당자 측면에서는 방대한 양의 학습데이터를 분석하여 학습의 지체요인을 밝혀내고 성공한 학습요인들을 시스템에 적용하여 개별 학습자들의 학업성취도를 향상하게 시킬 수 있다.
그러나 기존 기업의 HRD 교육시스템에서는 스마트폰, 태블릿과 같은 다양한 단말기를 활용한 스마트 교육 인프라의 활용이 대부분에서 미흡한 상태이며, 특히 빅데이터와 같은 최신 IT 기술을 활용하여 교육분야에서 실시간으로 조직 구성원의 다양한 학습요구를 분석하여 교육과정에 반영시킨 사례를 찾아보기 어렵다.
따라서 본 논문에서는 HRD 교육시스템에 빅데이터를 접목한 아키텍처를 제시하고, 개인학습에 있어 빅데이터 기술의 유효성을 검증하기 위해 HRD 교육담당자들을 대상으로 빅데이터 활용분야와 빅데이터 활용가치에 대해 설문 조사를 하고 그 결과를 분석하였다. 조사·분석된 결과를 토대로 빅데이터가 HRD 교육담당자는 물론, 기존에 알려진 학습효과를 높일 수 있는 다양한 방법들(교수법활용, 학습프로세스 개선, 콘텐츠 개발, 수준별 맞춤학습 제공 등)과 더불어 개인학습에 도움이 될 만한 충분한 가치가 있음을 확인했다.

The conventional e-learning and offline education has long suffered from the spatial and temporal limitations. Furthermore, the educational data in the conventional e-learning and offline education has been recorded manually or with the help of optical character decoder mainly based on test and survey results. Hence, a majority of data related to the curricula and learning activities have not been recorded. However, the introduction of human resource development (HRD) system and smart educational environment made it possible to offer all kinds of learning activities via online. As a result, it became easier to collect data related to learning activities. Furthermore, it also became possible to improve the achievement of learners and utilize diverse educational materials through individualized learning programs. That is to say, a large quantity of digital data in relation to the learning activities of learners and lecturers can be accumulated in such smart educational environments as Internet, mobile device and cloud platform. So, it is now possible to collect and analyze this data systematically for offering useful feedbacks and educational information to learners.
Extensive educational data can be converted into structured learning data through big data strategies. In this way, it can help understand and analyze unstructured educational data related to learning activities in a comprehensive way. In the end, it can provide a personalized learning program by examining the ability and competence of each individual learner. In other words, it can enhance the overall educational performance.
In particular, it is possible to obtain various benefits by effectively implementing such big data in the HRD educational system. For instance, learners can make use of this big data for enhancing their learning motivation or observing and predicting their learning performance. In this way, they can discover potential problems at an early stage so that they do not easily abandon their studies. HRD educational staffs can make use of this big data for analyzing a large quantity of learning data to discover the factors leading to learning difficulties. Also, they can apply the successful learning factors to help learners improve their learning achievement.
However, the existing corporate HRD educational systems do not make proper use of smart educational infrastructure that includes smartphone and tablet PC. In particular, it is very rare to find a case in which such cutting-edge technology as big data is used to analyze and reflect various learning requirements of organizational members in a curriculum.
On that account, this thesis aimed to present an architecture integrating big data into the HRD educational system in an effort to advance the HRD educational system. Moreover, this thesis aimed to verify the technological feasibility of big data in personal learning. To this end, this thesis conducted a survey on the practical value and applications of big data with the HRD educational staffs. Also, the findings from this survey were analyzed thoroughly. The findings of this analysis confirmed that big data could offer a variety of improved learning methods (teaching method utilization, learning process improvement, content development, personalized learning program for each level, etc.) for the HRD educational staffs. More importantly, the findings of this analysis confirmed that big data could be of great help to personalized learning.

목 차
국문초록 ⅶ
영문초록 ⅸ
제 1 장 서론 1
1.1 연구의 배경 및 목적 1
1.2 연구의 범위 및 방법 2
1.3 논문의 구성 4
제 2 장 관련 연구 5
2.1 HRD 교육시스템 5
2.1.1 HRD 교육시스템 소개 5
2.1.2 교육평가 및 역량관리 프로세스 7
2.1.3 HRD 트렌드 분석을 통한 시사점 10
2.2 빅데이터 기술 12
2.2.1 빅데이터 정의 및 특징 12
2.2.2 빅데이터 관련 처리기술 16
2.2.3 빅데이터 HRD 기술 활용 사례 21
2.3 스마트교육에서 빅데이터와 관련 기술 22
2.3.1 스마트교육 빅데이터 22
2.3.2 교육 빅데이터 유형 24
2.3.3 교육 데이터마이닝 25
2.3.4 학습 애널리틱스 26
제 3 장 빅데이터 기반의 HRD 교육시스템 28
3.1 빅데이터 기반의 HRD 교육시스템 개요 28
3.2 사용자 요구사항 34
3.3 빅데이터 기반의 HRD 교육시스템 설계 35
3.4 교육단계별 HRD 교육시스템 활용 43
3.4.1 교육준비 단계 44
3.4.2 교육운영 단계 47
3.4.3 교육완료 단계 51
3.4.4 통계분석 단계 53
3.5 기존 HRD 교육시스템과 비교 55
제 4 장 빅데이터 기반의 HRD 교육시스템 성과분석 57
4.1 분석대상자 범위 57
4.2 자료조사 및 분석방법 57
4.3 성과분석 결과 59
4.3.1 설문응답률 59
4.3.2 빅데이터 활용분야 60
4.3.3 빅데이터 활용가치 63
4.3.4 결과분석 및 향후 발전과제 67
제 5 장 결론 71
참고문헌 73
부 록 77

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)