러닝 애널리틱스
Learning Analytics
러닝 애널리틱스란?
- 학습 데이터를 분석해 교육 진단·개선
- 이수·참여·성취·행동을 봄
- '감'이 아닌 데이터로 교육 관리
러닝 애널리틱스가 실제로 바꾸는 것은 분기 교육보고 회의의 대화입니다. '이번 과정 반응 좋았습니다'라는 말 대신 '3주차에서 수강 포기가 몰렸고, 그 주차만 영상이 47분입니다'라고 말하게 됩니다. 근거가 붙는 순간 논쟁이 개선 과제로 바뀝니다. 교육팀이 예산을 지키는 방식도 달라집니다 — 변명이 아니라 로그로 설명하게 되기 때문입니다.
분석은 보통 네 층으로 나눠 봅니다. 무슨 일이 있었는지 보는 기술적 분석(이수율·진도·접속 시간), 왜 그랬는지 캐는 진단적 분석(이탈 구간·문항별 오답률), 누가 위험한지 미리 보는 예측적 분석(2주 미접속자의 미이수 확률), 무엇을 할지 정하는 처방적 분석(맞춤 콘텐츠 추천)입니다. 국내 기업 대부분은 첫 번째 층에서 멈춰 있습니다. 이수율 표를 매달 뽑지만 이탈이 몰리는 구간을 한 번도 열어보지 않은 경우가 흔합니다.
경계도 분명히 해둘 필요가 있습니다. 러닝 애널리틱스는 학습 과정의 데이터를 다루고, 채용·이직·승진까지 보는 피플 애널리틱스와는 데이터 출처도 목적도 다릅니다. 수강자가 30명 미만인 과정이라면 통계보다 인터뷰가 정확합니다. 표본이 작을수록 한두 명의 이탈이 비율을 크게 흔들기 때문에, 소수 과정은 숫자 대신 대화로 접근하는 편이 낫습니다.
가장 흔한 오해는 대시보드를 깔면 분석이 시작된다는 생각입니다. 도구는 화면을 줄 뿐, 무엇을 볼지 정하는 것은 사람입니다. 더 위험한 것은 상관을 인과로 읽는 일입니다. 고성과자가 교육을 많이 들은 것이지, 교육이 고성과를 만든 것이 아닐 수 있습니다. 이수율을 개인 KPI로 걸면 영상만 틀어놓고 다른 일을 하는 사람이 늘고, 데이터가 감시 도구로 쓰인다는 소문이 돌면 학습 로그 자체를 회피하는 행동이 나타납니다.
이러닝·LMS의 확산으로 학습 로그가 쌓이면서 2010년대에 하나의 분야로 정립됐습니다. 교육공학과 데이터 분석이 만나는 지점에서 발전했습니다.
가상의 사례로 살펴보겠습니다. 임직원 2,400명, 연매출 4,100억 원 규모의 유통업 A사입니다. 신임팀장 온라인 과정을 3년째 운영했지만 이수율이 41%에서 꿈쩍하지 않았습니다. '콘텐츠가 별로인가 봅니다'라는 말만 반복되던 상황이었습니다.
- HRD팀 김 과장이 LMS에서 최근 2년치 학습 로그 1만 2천여 건을 내려받아 주차별로 쪼개 보니, 전체 이탈의 38%가 3주차 한 곳에 몰려 있었습니다.
- 재생 구간 데이터를 열어보니 3주차 영상 47분 중 평균 11분 지점에서 멈췄습니다. 정확히 그 자리에 12분짜리 사례 영상이 붙어 있었습니다.
- 중도 포기한 팀장 5명에게 전화를 돌리자 "출퇴근 지하철에서 보는데 15분 넘어가면 못 봅니다"라는 답이 세 명에게서 똑같이 나왔습니다.
- 교육기획 박 팀장이 47분 영상을 8분짜리 6개로 쪼개고 실습 워크시트를 붙였습니다. 2주 미접속자에게는 소속 본부장 이름으로 알림이 나가도록 바꿨습니다.
- 6개월 뒤 이수율은 41%에서 78%로, 3주차 이탈은 38%에서 9%로 떨어졌습니다. 과정 이수자의 성과면담 실시율이 미이수자보다 2.3배 높다는 것도 인사 데이터와 붙여보고 처음 확인했습니다.