적응형 학습이 교육의 미래입니다. 교육 네트워크는 미래를 위해 준비되었습니까?
교사와 행정 관리자가 학생 성과와 졸업률을 높이기 위해 고분분투하는 상황에서 더 높은 품질의 학습 경험을 제공하는 새로운 교육 기술(EdTech)의 활용도가 높아지고 있습니다. 스트리밍 동영상, 혼합 현실, 게이미피케이션 및 글로벌 온라인 협업과 같은 디지털 애플리케이션은 “교실을 벗어난 학습” 환경을 가능하게 합니다.
그러나 교육자는 교육 기술의 혁신이 있더라도 전통적인 “획일화된 교육” 접근법으로는 충분하지 않다는 사실을 인식하고 있습니다. 학생 구성은 문화, 지역, 경제적 배경 및 학습 스타일 측면에서 매우 다양합니다. 교육자는 동일한 방법으로는 모든 학생이 학습 계획을 흡수할 수 없으며 교습 방법이 개별 학생을 위해 더 맞춤화되어야 한다는 사실을 점점 더 인식하고 있습니다. 맞춤화된 학습 경험을 학생에게 전달하는 동시에 정부의 성과 기준을 달성하기 위해 교육자는 적응형 학습 시스템으로 전환하고 있습니다.
적응형 학습이란 무엇인가?
적응형 학습은 교육 컨텐츠를 학생의 학습 스타일과 속도에 맞게 조정하는 컴퓨터 인공 지능 알고리즘을 사용합니다. 컨텐츠에 대한 학생의 반응을 토대로 알고리즘은 학생의 고유한 요구와 능력에 따라 지시, 수정 및 개입에 대한 패턴과 반응을 실시간으로 감지합니다. 적응형 학습 플랫폼과 예방적 분석 및 기타 교육 기술 애플리케이션을 결합하는 경우 학생과 교사 모두를 위한 학습 경험의 질을 크게 높이는데 도움을 줄 수 있습니다.
적응형 학습이 전통적 교육 방법에서 전환하는 출발점이기는 하지만 교육자는 모든 학생의 고유한 요구에 적응하는 수업을 통해 새로운 표준으로 빠르게 자리잡기를 기대합니다. 시장 조사 기관 Markets and Markets에 따르면 글로벌 교육 기술 및 스마트 교실의 시장 규모는 연평균 16.1%로 성장하여 2025년에 1,810억 달러에 이를 것으로 전망됩니다.
CoSN(Consortium of School Networks)의 최근 설문 조사에 따르면 적응형 기술은 다음과 같이 2020년에 구현된 5대 기술 중 하나입니다.
- 디지털 협업 플랫폼
- 사생활 보호 및 온라인 안전을 위한 도구
- 분석 및 적응형 기술
- 클라우드 인프라
- 모바일 장치
통신 네트워크의 핵심 역할
교육자와 행정 관리자에게 네트워크 연결성과 가용성의 중요성은 점점 더 높아져 가고 있습니다. 학생이 지속적으로 애플리케이션에 참여하지 못하고, 화면이 멈추거나 네트워크가 중단되는 경우 학생은 좌절하게 되고 과제를 완료하지 못하며 진도에 뒤쳐지게 됩니다. 기술 문제로 인한 서비스 중단은 교사의 성과에 영향을 주고 관리 당국에 대한 불만이 야기됩니다. 또한 교사가 기술 사용 중에 문제를 경험하게 된다면 향후에 해당 기술의 사용을 피하게 됩니다.
적응형 학습 플랫폼과 교육 기술 디지털 애플리케이션은 대역폭 소모가 심하고 지연 시간에 민감합니다. 온라인 평가, 영상 감시 및 학생 정보 시스템과 같은 다른 학군 네트워크 요구와 결합하는 경우 네트워크에 큰 부하를 순식간에 유발할 수 있습니다. 캠퍼스, 학생의 집 그리고 학생이 “이동 중”에 이러한 애플리케이션에 액세스하기 때문에 네트워크에 성능 저하가 발생하거나 완전하게 중단될 수 있으며 이 경우 네트워크에 액세스하려는 학생과 교사에게 부정적 영향을 주게 됩니다.
SETDA(State Education Technology Directors Association)에서는 인터넷/클라우드 액세스와 학군 WAN(광역 통신망)을 위한 다음 권고안을 발표했습니다.
진화가 필요한 교육 네트워크
증가하는 디지털 학습 애플리케이션을 효율적으로 지원하기 위해 교육 네트워크는 여러 방식으로 진화해야 합니다.
- 교육 네트워크는 여전히 고정형의 정적 용량을 사용하는 경향이 있어 네트워크가 변화해야 할 때 확장하거나 축소하기 어려운 수명 주기를 사용해야 합니다.
- 네트워크 구성은 각 캠퍼스에서 직접 연결하는 방식 아닌 중앙화된 학군 데이터 센터를 통해 개별 캠퍼스 인터넷과 클라우드 연결 요구를 집선하는 경향이 있습니다.
- 네트워크 관리는 사후 대응적이며 각 단계에서 인간의 개입이 필요한 수동 프로세스를 수반하는 경향이 있습니다.
- 일반적으로 각 캠퍼스는 교환, 라우팅, 방화벽 및 최적화를 위한 개별 장비를 운용합니다. 이러한 장비를 업그레이드, 교체 및 문제 해결하기 위해서는 중앙 학군 IT 또는 서비스 공급자 기술자가 각 캠퍼스를 직접 방문해야 합니다.
이러한 문제가 합쳐져 소유와 운영이 매우 비효율적이고 비싸며 경직되고 정적인 교육 네트워크가 만들어졌습니다. 새로운 적응형 교육 및 교육 기술 애플리케이션을 지원하려면 교육 네트워크는 더 빠르고 더 가까우며 더 스마트하고 더 안전한 인프라로 진화해야 합니다.
- 더 빠름: 대역폭 용량 및 데이터 속도 측면에서 더 빨라야 합니다.
- 더 가까움: 클라우드 기반 컴퓨팅 기능을 네트워크 에지에 더 가깝게 위치시켜야 합니다.
- 더 스마트함: 자동화, 분석, 인공 지능 및 가상화 기능을 통해 더 스마트해야 합니다.
- 더 안전함: 문제가 발생하기 전에 예방적으로 해결할 수 있도록 네트워크 상태에 대한 인지 능력을 강화하는 기술을 사용해야 합니다.
요약하면 교육 네트워크는 높은 수준의 적응형 인프라가 되어야 합니다.
Adaptive Network
Ciena는TM라고 부르는 새로운 네트워킹 접근법을 개척한 기업입니다. 이 접근법의 구성 요소는 다음과 같습니다.
프로그래밍 가능 인프라: 다중 도메인 및 다중 공급업체 환경에서 모든 기능을 갖춘 물리 및 가상 네트워크 요소로 실시간 네트워크 원격 측정 기능을 제공합니다.
분석 기능 및 지능성: 머신 러닝 기반 플랫폼으로 스트르밍 네트워크 원격 측정을 활용하여 애플리케이션 성능에 영향을 주는 이벤트가 발생할 수 있는 시기와 위치를 선제적으로 예측합니다.
소프트웨어 제어 및 자동화: 다중 공급업체 구성 요소를 지능적으로 오케스트레이션하고 수동 네트워크 프로세스를 자동화하며 인간의 개입 없이 부정적 네트워크 상황을 피하는 조치를 수행합니다.
서비스: 고객이 네트워크를 구축, 운영 및 지속적으로 개선하려면 입증된 방법론이 적용된 노련한 기술 서비스와 전문가 서비스가 필요하며 이를 통해 Adaptive Network로 향하는 여정을 가속화할 수 있습니다.
교육 산업을 위한 Adaptive Network 이점
Adaptive Network는 유연한 “주문형 대역폭” 서비스를 제공하기 위해 소프트웨어 기반 자동화와 제어를 구현하며 이를 통해 필요에 따라 대역폭 용량을 쉽게 확장하거나 축소할 수 있습니다.
예측적 분석은 잠재적인 혼잡 및 중단 원인을 선제적으로 식별하도록 지원하며 소프트웨어 기반 제어는 인간의 개입 없이 이러한 문제를 피하도록 도와줍니다.
다중 물리 네트워크 장치를 가상 네트워크 기능을 호스팅하는 uCPE(범용 고객 댁내 장치)로 교체하는 경우 원격으로 관리와 문제 해결이 가능해져 비용과 복잡성을 줄일 수 있습니다.
적응형 학습 및 교육 기술 애플리케이션과 컴퓨팅 기능을 컨텐츠가 생성되고 소비되는 네트워크 에지 가까이 이동시키면 지연 시간과 잠재적 혼잡 원인을 크게 줄일 수 있으며 그 결과 학생과 교사 모두를 위한 고품질의 경험을 보장하는데 도움이 됩니다.
적응형 학습 및 교육 기술 혁신은 교육의 미래입니다. 학생과 교사는 학생들이 선호하고 배워야 하는 학습 과정과 모듈을 맞춤화할 수 있는 이점을 얻게 됩니다. 적응형 네트워크 접근법을 구현하면 교육 네트워크가 오늘날의 모든 요구 사항과 애플리케이션을 지원하는 동시에, 미래의 혁신적인 애플리케이션을 지원하는데 필요한 대역폭 확장성, 민첩성 및 지능성을 보유할 수 있습니다.
