-
TEL : 02-450-3922 -
LOCATION : 산학협동관 607호 -
HOMEPAGE :
교육목표
건국대학교 교육대학원 교육데이터컨설팅 전공은 교육과 관련하여 수집되는 다양한 데이터를 분석하고 해석하는 역량을 갖춘 교육 데이터 전문가를 양성하기 위한 프로그램으로, 초·중·고 교육 기관의 교원이나 행정가, 대학의 입학, 학사, 교육, 평가, 행정 업무를 담당하고 있는 실무자를 비롯하여, 향후 초·중등 교육 및 고등교육 관련 교육기관이나 연구기관에서 데이터 분석 전문가로서 활동하고자 하는 분들을 주요 대상으로 한다.
교육데이터컨설팅 프로그램의 목표는 교육 분야의 현안들을 해결하기 위해 학급 단위의 소규모 데이터에서 대규모 빅데이터에 이르기까지 다양한 종류의 교육 관련 데이터를 분석하고 활용하는 역량을 강화하는 데 있으며, 주요 응용 분야는 다음과 같다.
- 교육 및 학습 관련 빅데이터 분석을 위한 머신러닝과 딥러닝의 적용
- 학업적·심리적 위험군 예측 및 진단
- 교육기관에서 수집되는 입학, 학사, 교육, 진로 데이터의 통합적 분석을 통한 정책 제안
- 학습자 특성 분석을 통한 개별화·맞춤형 학습 프로그램 설계
- 소셜네트워크 분석을 통한 교육 조직 및 학급 내 관계망 분석
- 텍스트 데이터 분석을 통한 여론 동향 및 수요자 만족도 분석
- 기관 평가 데이터 분석을 통한 교육 정책 시사점 도출
교수소개
| 직급 | 교수명 | 세부전공 | 연구실 | 연락처 | |
|---|---|---|---|---|---|
| 교수 | 이현숙 | 상허연구관 505호 | 02-450-4148 | hyunsyi@konkuk.ac.kr | |
| www.psychomet.net | |||||
| 조교수 | 오미자 | 경영관 432호 | 02-450-0473 | skyomj@konkuk.ac.kr | |
| 조교수 | 남영옥 | 경영관 542호 | 02-450-0473 | n052@konkuk.ac.kr | |
| 조교수 | 박수미 | 경영관 432호 | 02-450-0473 | earth2000@konkuk.ac.kr | |
| 조교수 | 김현정 | 법학관 304호 | 02-450-3931 | nygirl@konkuk.ac.kr | |
| 겸임교수 | 박세진 | parksejin206@gmail.com | |||
| 겸임교수 | 김나진 | knj@catholic.ac.kr | |||
| 겸임교수 | 김성훈 | ryan.kim0409@gmail.com |
교육과정 전공로드맵 열람
전공교육과정
| 교과목 명 | 영문표기 | 학점(시간) | 비고 |
|---|---|---|---|
| 교육데이터컨설팅개론 | Introduction to Educational Data Consulting | 2(2) | |
| 교육데이터마이닝 | Educational Data Mining | 2(2) | |
| 학습분석학 | Learning Analytics | 2(2) | |
| 사회연결망분석 | Social Network Analysis | 2(2) | |
| 텍스트분석학 | Text Analysis | 2(2) | |
| 데이터시각화 | Data Visualization | 2(2) | |
| 기계학습 | Machine Learning | 2(2) | |
| 인공지능 | Artificial Intelligence | 2(2) | |
| 딥러닝 | Deep Learning | 2(2) | |
| R프로그래밍 | R Programming | 2(2) | |
| 테크놀로지와검사 | Technology and Testing | 2(2) | |
| 미래교육평가 | Future of Educational Evaluation | 2(2) | |
| 문항반응이론 | Item Response Theory | 2(2) | |
| 인지진단이론 | Cognitive Diagnostic Theory | 2(2) | |
| 적응적학습및평가 | Adaptive Learning and Assessment | 2(2) | |
| 교육통계분석론 | Educational Statistics | 2(2) | |
| 교육연구설계및분석 | Design and Analysis of Educational Research | 2(2) | |
| 통계적예측과회귀분석 | Statistical Prediction and Regression Analysis | 2(2) | |
| 다변량통계분석 | Multivariate Statistical Analysis | 2(2) | |
| 종단자료분석 | Longitudinal Data Analysis | 2(2) | |
| 대규모데이터분석 | Large-scale Data Analysis | 2(2) | |
| 교육데이터컨설팅세미나 | Seminar in Educational Data Consulting | 2(2) | |
| 교육데이터마이닝사례연구 | Studies in Educational Data Mining | 2(2) | |
| 학습분석학사례연구 | Studies in Learning Analytics | 2(2) | |
| 교육데이터컨설팅실습 | Practice in Educational Data Consulting | 2(2) | |
| 빅데이터분석실습 | Big Data Analysis | 2(2) | |
| 데이터과학의이해 | Introduction to Data Science | 2(2) | |
| 감성인지데이터분석 | Analysis of Emotions and Perceptions | 2(2) | |
| 데이터과학의수학적기초 | Mathematical Foundations for Data Science | 2(2) |
교과목 해설
| 교육데이터컨설팅개론 | 교육데이터컨설팅의 개념과 적용 범위, 응용 사례 등에 관해 학습하고, 다양한 성격과 특성을 가지는 교육데이터의 수집, 분석, 해석하는 방법에 관해 포괄적으로 고찰한다. |
| 교육데이터마이닝 | 연관규칙 탐색, 군집화 및 분류화 기술, 데이터 표현 등과 같은 데이터마이닝의 주요 이론을 학습한다. |
| 학습분석학 | 학습자의 인지적, 정의적 특성을 측정하는 교육데이터에 예측이나 분류와 관련된 통계 기법 및 데이터마이닝 기법을 적용함으로써 교수학습적 처방이나 교육 프로그램의 개선을 위한 의사결정에 활용하기 위한 방법론적 기초를 제공한다. |
| 사회연결망분석 | 사회적 관계에 대한 체계적인 분석을 수행하기 위하여 네트워크 데이터의 특성을 파악하고 이에 적합한 연구 모형을 설정하며, 사회연결망 분석의 이론적 이해를 바탕으로 실제적인 분석역량을 기른다. |
| 텍스트분석학 | 텍스트 분석을 위한 핵심 기술 및 이론을 학습한다. 이를 위해 스키마 분석, 콘텐츠 분석, 사전과 단어 기반 분석과 의미망 분석 기술 등을 학습한다. |
| 데이터시각화 | 데이터의 통계적 특성을 효과적으로 제시하기 위한 데이터 요약, 비교, 시각화 기법을 소개하고, 시계열 데이터나 다차원 데이터의 시각화, 네트워크 시각화, 트리 기반 시각화 등에 대해 학습한다. |
| 기계학습 | 최근 기계학습 분야에서 사용되는 알고리즘 및 모형으로서 일반화 선형모형, 인공신경망, 서포트벡터머신, 베이지안 네트워크, 클러스터링, 강화학습 등을 학습한다. |
| 인공지능 | 전통적인 인공지능 이론인 탐색과 지식표현, 전문가시스템과 기계학습에 대한 주요 개념과 구현 방법에 대해 학습하고 인공지능이 응용되는 기술 및 분야와 향후 발전방향에 대해 논의한다. |
| 딥러닝 | 기계학습 강좌의 후속 과목으로서, 다양한 인공신경망 기법들을 포함한 딥러닝 기법들에 관해 기본 개념 및 알고리즘, 응용 사례 등에 관해 학습한다. 또한 파이썬 또는 R 프로그램을 이용한 데이터 분석 실습을 병행한다. |
| R프로그래밍 | R 프로그래밍의 기본 절차 및 분석 방법을 학습하고, 데이터 분석에 활용하는 실습을 병행한다. |
| 테크놀로지와검사 | 테크놀로지의 발달로 인한 교육검사 및 심리검사의 변화와 기술적 진보에 관해 학습한다. |
| 미래교육평가 | 미래 사회의 기술적, 사회문화적 변화 및 교육환경의 변화로 인해 교육평가에 일어나게 될 변화와 이슈 등에 관해 고찰한다. |
| 문항반응이론 | 인간의 인지적·정의적 특성을 측정하는 데 기본이 되는 현대측정 이론으로서 문항반응이론의 개념 및 원리를 학습하고, 검사개발, 컴퓨터적응검사, 검사동등화, 문제은행구축 등 문항반응이론이 적용되는 다양한 상황에 관해 학습한다. |
| 인지진단이론 | 현대측정이론 중 하나인 인지진단이론의 개념 및 원리에 관해 학습하고, 교육검사나 심리검사를 바탕으로 피험자의 인지적 특성을 진단하고 분류하는 데 있어서 인지진단이론을 적용한 연구들을 고찰한다. |
| 적응적학습및평가 | 컴퓨터상에서 검사를 실시하고 검사 결과를 피험자에게 보고하는 컴퓨터화 검사 및 학습자의 능력에 따라 문항 제시 방식이 달라지는 컴퓨터적응검사의 원리를 습득하고, 교수학습 상황에서 적응적 학습 및 평가를 활용하는 방안에 관해 고찰한다. |
| 교육통계분석론 | 교육학 분야의 양적 연구를 수행하는 데 필요한 기본적인 통계 기법을 중심으로 각 분석 방법의 원리를 습득하고 이를 실제 자료에 적용하여 해석하는 방법을 학습한다. |
| 교육연구설계및분석 | 교육학 분야의 연구 문제에 대한 해답을 도출하기 위해 타당한 연구 설계 및 분석 방법에 관해 고찰한다. |
| 통계적예측과회귀분석 | 통계적 추론과 예측에 관해 고찰하고, 선형회귀분석 및 로지스틱회귀 등을 비롯한 선형모형 이론과 이를 이용한 다양한 응용 사례에 대해 학습한다. |
| 다변량통계분석 | 다변량분산분석, 요인분석, 구조방정식모형 등 다양한 다변량 분석 기법을 학습한다. |
| 종단자료분석 | 교육학 분야에서 수집된 종단자료의 특성에 적합한 분석 방법을 탐구하고, 종단연구에서 주로 사용되는 최신 통계 기법을 습득한다. |
| 대규모데이터분석 | 교육학 분야에서 수집되는 대규모 데이터의 분석에 필요한 기법들을 학습하고, 다양한 통계 패키지를 이용하여 분석 실습을 수행한다. |
| 교육데이터컨설팅세미나 | 교육데이터컨설팅 분야의 최신 연구 동향 및 분석 방법에 관해 고찰한다. |
| 교육데이터마이닝사례연구 | 교육 분야에서 데이터마이닝 기법이 사용된 연구 사례에 대해 학습하고, 개별 연구 과제를 기획해서 수행한다. |
| 학습분석학사례연구 | 학습분석학 관련 국내외 연구 사례에 대해 고찰하고, 개별 연구 과제를 기획해서 수행한다. |
| 교육데이터컨설팅실습 | 다양한 실제 데이터를 분석하고 해석하며, 분석결과를 요약하여 보고하는 교육데이터컨설팅의 전반적인 절차를 다룸으로써 소규모 프로젝트 수행 경험을 쌓는 것을 목적으로 한다. |
| 빅데이터분석실습 | 빅데이터 분석의 기본 개념과 및 R을 활용한 데이터분석 응용 방법을 학습한다. 빅데이터 분석을 위한 R프로그래밍, 데이터 조작방법, 통계 데이터 분석, 데이터 시각화를 통한 커뮤니케이션 등을 학습한다. |
| 데이터과학의이해 | 4차 산업혁명시대의 창의적 인재가 되기 위해 데이터 과학에 대한 이해를 높일 수 있는 이론과 실제를 학습하고, 데이터 과학자에게 요구되는 역량과 자질을 함양한다. |
| 감성인지데이터분석 | 인간의 감성 및 인지에 대한 기본적인 이해를 바탕으로 감성과 인지를 객관적으로 측정하고 이를 통해 도출한 감성 데이터들을 효과적으로 가공하여 활용하는 능력을 기르는 것을 목표로 한다. |
| 데이터과학의수학적기초 | 데이터 과학의 기본 원리를 이해하는 데 필요한 기본적인 수학 개념을 학습하고, 이러한 개념이 데이터 분석에 어떻게 적용되는지 탐색한다. |