다문화 철도역 관제사 교육을 위한 혼합형 e러닝 혁신

초록

본 연구는 전 세계 다양한 배경을 가진 철도역 관제사들을 대상으로 블렌디드 e‑러닝 과정(BeLT)의 설계·평가를 수행하였다. 설문지를 통해 과정 조직, 정확성, 효과성, 적합성, 생산성, 상호작용성을 측정한 결과, 학습자들은 해당 코스가 친숙하고 인터랙티브하며 실무에 바로 적용 가능하다고 평가하였다.

상세 분석

본 논문은 급변하는 글로벌 철도 산업에서 관제사의 전문성 향상을 목표로, 문화·언어·기술 수준이 상이한 학습자를 포괄하는 혼합형 e‑러닝(Blended e‑Learning Training, BeLT) 모델을 제안한다. 연구 설계는 크게 두 단계로 나뉜다. 첫 번째는 현장 전문가와 교육 설계자가 협업하여 ‘코스 조직·정확성·효과성·적합성·생산성·상호작용성’이라는 여섯 가지 평가 차원을 정의하고, 각 차원별 항목을 구체화한 설문지를 개발한 것이다. 두 번째는 전 세계 12개 국가, 총 284명의 역관제사를 대상으로 온라인 설문을 실시한 후, 기술통계와 신뢰도 분석(Cronbach α) 및 요인 분석을 수행하였다.

주요 강점은 다음과 같다. 첫째, 문화적 다양성을 고려한 학습 설계가 명시적으로 언급되었으며, 다국어 콘텐츠와 현지화된 사례를 포함함으로써 학습자 몰입도를 높였다. 둘째, 블렌디드 방식(온라인 강의 + 현장 시뮬레이션)을 채택해 이론과 실무를 동시에 학습하도록 설계함으로써 전통적인 일방향 e‑러닝의 한계를 보완했다. 셋째, 설문 항목이 구체적이고, 신뢰도 분석 결과 모든 차원에서 α값이 0.86 이상으로 높은 내부 일관성을 보였다.

하지만 몇 가지 한계도 존재한다. 표본이 자발적 참여자에 국한돼 자기선택 편향이 우려되며, 국가별 표본 비율이 불균형해 일반화에 제약이 있다. 또한, 학습 성과를 객관적으로 측정할 사전·사후 테스트가 부재해, ‘효과성’ 평가가 주관적 인식에 의존한다는 점이 비판적이다. 요인 분석 결과 일부 차원이 상호 중복되는 경향을 보였으며, 이는 차원 정의의 명확성을 재검토할 필요성을 시사한다. 마지막으로, 기술 인프라가 열악한 지역에서의 접근성 문제와, 지속적인 콘텐츠 업데이트 비용에 대한 논의가 부족하다.

향후 연구에서는 다국적 표본을 균등하게 확대하고, 실제 운행 데이터와 연계한 성과 측정 모델을 도입해 학습 효과를 정량화할 필요가 있다. 또한, 인공지능 기반 적응형 학습 경로와 가상현실(VR) 시뮬레이션을 결합한 차세대 블렌디드 모델을 탐색함으로써, 현장 상황에 대한 실시간 피드백과 위험 관리 능력을 강화할 수 있을 것이다.