블룸 분류법 기반 학습성과 체계적 문헌고찰 프로토콜

초록

본 논문은 학습성과와 교수‑학습 과정을 블룸의 분류법으로 분석하기 위한 체계적 문헌고찰(SLR) 프로토콜을 제시한다. 목표, 연구문제(RQ), 검색 문자열, 포함·제외 기준, 데이터 추출 및 품질 평가 절차를 Kitchenham 가이드라인에 맞춰 상세히 설계하고, 검증 및 보고 계획까지 포함한다.

상세 분석

이 프로토콜은 교육공학 분야에서 도구 지원을 통한 학습성과 설계·평가 연구가 아직 체계적으로 정리되지 않은 현실을 정확히 짚어낸다. 먼저 연구 목표를 “학습성과와 블룸 분류법을 연계한 도구 지원 근거를 종합·합성”으로 명확히 정의하고, 필요성을 대학 교육 정책 변화와 커리큘럼 재설계 흐름에 연결시켜 설득력을 높였다. 연구문제(RQ)는 도구의 실증 검증 정도(RQ1), 실제 적용 현황(RQ2), 도구 사용에 영향을 받는 주체와 그 효과(RQ3) 등 실용적인 관점을 중심으로 구성돼 있다. 특히 RQ3을 세부 질문(RQ3.1)으로 구분해 학습자·교수자·학과·기관 등 다양한 이해관계자를 포괄한다는 점이 장점이다.

검색 문자열은 PICOC 프레임워크를 적용해 Population(교육 시스템), Intervention(블룸 기반 도구), Outcomes(검증·채택 수준) 등을 체계화했으며, “learning outcome” OR “teaching learning” AND “Bloom’s taxonomy” AND (“tool” OR “tool support”) 라는 간결하지만 포괄적인 식을 제시한다. 데이터베이스 선택(ACM, IEEE Xplore, IET, ScienceDirect, Springer, Wiley)과 2009‑2019년 기간 설정은 분야 주요 문헌을 충분히 포착하도록 설계되었다.

포함·제외 기준은 언어, 출판 형태, 피어 리뷰 여부, 페이지 수, 연구 초점, 실증 결과 유무 등 6가지로 구체화돼 있어 선택 편향을 최소화한다. 또한 두 단계(자동 검색 + 스노우볼링)와 중복 제거, 버전 관리 절차를 명시해 검색 완전성을 확보한다.

데이터 추출 양식은 메타데이터(제목, 저자, 연도, 출판 유형)와 RQ·PQ별 구체적 증거를 표 형태로 정리하도록 설계돼 있어 후속 분석(통계, 워드 클라우드 등)과 시각화가 용이하다. 품질 평가(QA)는 Dyba와 Dingsoyr의 5가지 기준을 ‘예/부분/아니오’로 평가하도록 하여 연구의 내부·외부 타당성을 체계적으로 검증한다.

위협(validity threats) 분석에서는 기술적·이론적·일반화·해석적 타당성을 구분하고, 검색 편향·제외 편향·데이터 추출 오류·프로세스 제한 등을 명시적으로 다룬다. PRISMA 체크리스트를 활용한 보고서 구조 검증을 추가함으로써 재현 가능성을 높인다.

전체적으로 Kitchenham 가이드라인을 충실히 따르면서도 교육공학 특유의 블룸 분류법 적용을 강조한 점이 독창적이다. 다만 검색 문자열이 ‘teaching learning’이라는 비표준 표현에 의존하고 있어 일부 관련 문헌을 놓칠 가능성이 있다. 또한 QA 항목에 대한 구체적 점수 체계가 제시되지 않아 평가 일관성 확보에 추가적인 기준 설정이 필요할 수 있다.