협력학습에서의 자기조절학습 측정을 위한 멀티모달 학습분석(MMLA) 활용: 체계적 문헌고찰

Abstract

협력학습 맥락에서 자기조절학습을 정밀하게 측정하는 방법으로 멀티모달 학습분석(Multimodal Learning Analytics, MMLA)이 주목받고 있다. 그러나 다양한 데이터 유형과 분석 기법이 조절 과정을 이해하는 데 어떻게 기여하는지에 대한 체계적인 분석은 아직 부족하다. 이에 본 연구는 MMLA를 활용하여 협력학습에서 자기조절학습을 측정한 실증 연구 21편을 체계적으로 분석하여, (1) 연구 목적과 수행 맥락, (2) 이론적 기반, (3) 수집된 데이터 유형 및 분석 방법, (4) 멀티모달 데이터 통합 방법을 고찰하였다. 분석 결과, 대부분의 연구는 동시적․면대면 협력학습 환경에서 자기조절학습을 진단하고 모델링하는 데 초점을 맞췄다. 이론적 기반으로는 Hadwin 외(2011)의 사회적 공유 조절 이론이 가장 널리 활용되었다. 또한, 연구들은 담화(음성, 텍스트), 행동(시선, 로그), 생리(피부전도도, 심박수) 데이터를 시계열 분석, 프로세스 마이닝, 딥러닝 기반 예측 모델 등 고도화된 기법으로 통합하여 학습자의 명시적 전략, 주의집중, 내재적 정서 및 인지 상태를 분석했다. 본 연구는 MMLA가 협력학습 상황에서 자기조절학습 과정을 가시화하고 정밀하게 해석할 수 있는 방법론적 잠재력을 확인하였다는 점에서 의의가 있다. MMLA는 자기조절의 복잡한 작동 원리를 이해하는 데 효과적인 접근법이며, 향후 실시간 조절 지원 시스템 개발 등 실천적 연구로의 확장이 요구된다.

Multimodal learning analytics (MMLA) has emerged as a promising approach for capturing self-regulated learning (SRL) in collaborative contexts. However, the systematic understanding of how different data modalities and analysis techniques reflect regulation processes remains limited. This systematic review analyzed 21 peer-reviewed empirical studies with four objectives: (1) identifying the research purposes and contexts in which MMLA has been applied to measure SRL in collaborative learning, (2) examining the theoretical foundations underpinning these studies, (3) analyzing the types of multimodal data collected and analytical methods used, and (4) analyzing the methods of multimodal data integration. The findings showed that most studies focused on diagnosing and modeling SRL in synchronous, face-to-face, collaborative settings. The theoretical grounding was dominated by Hadwin et al.’s (2011) framework of socially shared regulation. Contextual, behavioral and physiological data were triangulated across studies using advanced analytic techniques such as time-series analysis, process mining, and deep learning-based prediction models. This review outlines current practices and highlights MMLA’s potential to provide granular, theory-aligned insights into SRL in collaborative learning.