earticle

영어

As online and blended learning environments expand, analyzing learner behavioral data is becoming essential for developing effective educational strategies. This study explores course-taking patterns and inter-course linkages using actual learning records from Boostcourse, a non-profit online platform by the NAVER Connect Foundation. Based on data from 63 courses offered between September 2023 and August 2024, the study analyzes learner engagement by day, month, and time of day. A Bayesian network was used to identify relationships among variables such as course difficulty, time, and learner activity. Chord diagrams and network visualizations further illustrate transitions across six subject domains. Results show learning activity was concentrated on Mondays, Tuesdays, in January and August, and during afternoon hours. Strong linkages were observed among the domains of Artificial Intelligence, Data Science, and Computer Science, with Python courses serving as key hubs. These findings suggest that learner data can inform the design of adaptive learning paths and contribute to more effective online curriculum development.

한국어

비대면 학습의 일상화와 온라인 교육 환경의 확산에 따라, 수강자의 학습 데이터를 기반으로 학습 패턴과 수강 흐름을 분석하는 연구의 필요성이 증가하고 있다. 본 연구는 네이버 커넥트재단이 운영하는 온라인 교육 플랫폼 부스트코스의 63개 강의에 대한 수강 데이터를 활용하여, 2023년 9월부터 2024년 8월까지 1년간 수강생들의 학습 패턴과 연계 수강 경로를 분석하였다. 수강 요일, 월, 시간대 등 변수 간 관계는 베이지안 네트워크로 분석하였고, 강의 간 연계 흐름은 Chord diagram 및 네트워크 분석 기법을 통해 시각화하였다. 분석 결과, 월요일과 화요일, 1 월과 8월, 오후 시간대에 수강 활동이 집중되었으며, "인공지능", "데이터 과학", "컴퓨터 과학" 분야 간 연계성이 높게 나타났다. 특히 데이터 과학 분야에서 파이썬 강의가 중심 허브로 작용하였다. 본 연구는 학습자의 실제 수 강 데이터를 바탕으로 적응적 학습 경로 설계와 교육과정 개선을 위한 실증적 기초자료를 제공하였다.