earticle

영어

This study analyzes recent trends in research on predicting learning outcomes using Learning Management System (LMS) data. LMS accumulates student learning activity data, which can be utilized to predict academic performance, prevent dropouts, and provide personalized learning support. While previous studies primarily used machine learning models based on static data, recent advancements incorporate time series analysis and deep learning techniques (such as LSTM, CNN, and DTW) to improve prediction accuracy. In particular, time series analysis is increasingly used to capture changes in students' learning patterns and develop early warning systems. This study compares and analyzes research from domestic and international journals, discussing the necessity and limitations of time series models and proposing the future application of reinforcement learning (XAI) and real-time learning outcome prediction systems.

한국어

이 논문은 학습관리시스템(LMS) 데이터를 활용한 학습 성과 예측 연구의 최신 동향을 분석한다. LMS에는 학 생들의 학습 활동 데이터가 누적되며, 이를 분석하여 성적 예측, 중도 탈락 방지, 맞춤형 학습 지원 등에 활용할 수 있다. 기존 연구에서는 정적 데이터 기반의 기계학습 모델을 활용했으나, 최근에는 시계열 분석과 딥러닝 기법 (LSTM, CNN, DTW 등)을 결합하여 예측 성능을 향상시키는 방향으로 발전하고 있다. 특히 시계열 분석을 통해 학 생의 학습 패턴 변화를 포착하고 조기 경고 시스템을 구축하는 연구가 증가하고 있다. 본 연구는 국내외 학술지의 연 구들을 비교 분석하여 시계열 모델의 필요성과 한계를 논의하고, 향후 강화학습(XAI) 및 실시간 학습 성과 예측 시 스템의 발전 가능성을 제안한다.