학기 전체를, 한 장의 보고서로
10주차에 열리는 종합분석은 한 학기의 학습 데이터를 모아 추이·설문·총평·논문 방향까지 자동으로 정리합니다. 아래는 실제 결과물의 예시입니다.
※ 아래 화면은 시연용 예시 데이터입니다.
주차별 학습효율 추이
교육공학 3대 학습참여 지표(행동·인지·정의)를 1~10주로 추적
행동적 참여 (Behavioral)
+32%p
1주 대비
인지적 참여 (Cognitive)
+28%p
1주 대비
정의적 참여 (Affective)
+40%p
1주 대비
학기말 설문 자동생성
AI 제시 문항을 선행연구 원문과 나란히 — 채택할지 수정할지는 연구자가 결정
AI가 제시하는 설문문항
건의한 연구방향에 맞춘 문항 + 설계 근거
선행연구 설문문항 원문
근거가 된 선행연구의 실제 문항 · 출처
채택 / 수정
그대로 쓸지, 조정할지 연구자가 선택
AI가 제시하는 설문문항
사전학습 영상이 대면 수업 이해에 도움이 되었다.
설계 근거: 플립러닝의 핵심 가정(사전학습→대면 심화)에 대한 학습자 인식 측정.
선행연구 설문문항 원문
“수업 전에 제공된 동영상 강의는 대면 수업 활동을 준비하는 데 도움이 되었다.”
플립러닝 인식 문항 (대표 예시)
출처: Bishop & Verleger (2013), ASEE · DOI: 10.____/______
채택 / 수정
✓ 채택수정AI가 제시하는 설문문항
나는 이 과목의 핵심 개념을 스스로 적용할 수 있다고 느낀다.
설계 근거: 취약 개념에 대한 자기효능감(Self-efficacy) 측정 — 적용·전이 단계로 조정 가능.
선행연구 설문문항 원문
“나는 이 수업에서 다루는 가장 어려운 내용도 이해할 수 있다고 확신한다.”
학업적 자기효능감 문항 (대표 예시)
출처: Bandura (1977); cf. MSLQ — Pintrich et al. (1991) · DOI: 10.____/______
채택 / 수정
채택✎ 수정응답 결과 시각화
문항별 5점 척도 분포와 평균
학기 총평
PRO교육공학 이론 렌즈로 본 결론을 근거 그래프와 함께 제시
한 학기 동안 완주율·이해도·대면 참여도가 꾸준히 상승했습니다. 사전학습→대면 심화 구조가 학습 행동에 누적 효과를 낸 것으로 보입니다.
플립러닝 · 인지부하 이론 · 자기조절학습
강점
완주율이 한 학기 +32%p로 가장 큰 폭으로 상승 — 사전학습 루틴이 정착했습니다.
근거 · 주차별 완주율 추이 (1→10주)
보완점
이해도(Q1 3.9)에 비해 자기효능감(Q2 3.6)이 0.3점 낮아 취약 개념 보강이 필요합니다.
근거 · 학기말 설문 문항별 평균
개선 제안
상·하위 그룹 완주율 격차가 후반부까지 약 13%p 잔존 — 또래 설명·하위 그룹 보충이 유효합니다.
근거 · 완주율 상위/하위 그룹 비교
논문 제목·방향 제안
플립러닝이 학습자의 완주율과 대면 참여에 미치는 영향
주장 방향: 주차별 추이의 우상향을 도입 효과로 주장
권장 방법: 단일집단 사전-사후 + 반복측정
취약 개념 자기효능감과 학습 전이의 관계
주장 방향: 설문의 자기효능감·전이 문항 상관 분석
권장 방법: 설문 기반 상관·회귀 분석
내 강의의 한 학기도 이렇게 정리됩니다
베타 신청 후 종합분석을 직접 사용해 보세요.