지식그래프의 구조가시성이 학습성과에 미치는 영향|RISS 상세보기

다국어 초록 (Multilingual Abstract)

Against the backdrop of digital transformation in Chinese higher education and the rapid diffusion of Knowledge Graph-supported teaching environments, this study addresses a question that is often noted in practice but insufficiently explained in research: why do students exposed to the same Knowledge Graph support sometimes experience clearer learning structures and more controllable progress, while others feel an increased burden and struggle to use the system effectively? Adopting a learner-centered perspective, the study conducts a systematic quantitative examination of how Knowledge Graph environments shape learning outcomes and under what conditions such effects are more likely to become salient.
Conceptually, the study treats learners’ perceived ‘structural visibility’ in a Knowledge Graph learning environment as the key independent construct. Structural visibility refers to learners’ capability to use a Knowledge Graph to apprehend the overall course structure, specific learning pathways, and their connections to assessment tasks. This construct is operationalized by two dimensions: the alignment of teaching, learning, and assessment, and the clarity of learning pathways. Integrating cognitive load theory, social cognitive theory, engagement research, and technology acceptance models, the study proposes a chain mechanism of ‘structural visibility→self-efficacy→learning engagement→learning outcomes,’ while hypothesizing that technology acceptance moderates the path from structural visibility to self-efficacy. These assumptions form the structural equation model to be tested.
Methodologically, the study employs a questionnaire-based quantitative design. The participants were undergraduates from eastern and central China who had experience using Knowledge Graph supported teaching environments. A total of 786 valid responses were collected via an online survey platform. The measurement scales were finalized after expert content validity review and pilot testing. SPSS was used for data screening and descriptive analysis; Mplus was employed to examine reliability, convergent validity, and discriminant validity of the measurement model. Structural paths were then estimated within a partial least squares structural equation modeling (PLS-SEM) framework. A baseline model and several competing models were constructed to test direct effects, single-mediator effects, chain mediation, and the proposed moderation.
The results indicate that structural visibility exerts a stable and statistically significant direct effect on learning outcomes with a relatively large effect size. The single mediating effect through learning engagement also makes a substantive contribution, suggesting that structural visibility not only enhances learning outcomes directly but also operates indirectly by activating engagement. In contrast, the chain mediation via ‘self-efficacy→learning engagement’ is statistically significant yet smaller in magnitude. Path estimates further show that structural visibility most strongly predicts learning engagement; the effect of self-efficacy on engagement is comparatively modest, whereas engagement remains a robust predictor of learning outcomes. Technology acceptance demonstrates a clear moderating effect on the ‘structural visibility→self-efficacy’ path: when acceptance is high, structural visibility more readily translates into enhanced self-efficacy; when learners perceive lower ease of use and usefulness of the Knowledge Graph system, this translation is noticeably weakened.
The study advances the literature in three ways. First, by linking structural visibility to the integration of teaching, learning, and assessment, it offers a more fine-grained conceptualization of how structured information is externalized in Knowledge Graph environments, enriching discussions on structural explicitness and cognitive load regulation. Second, through comparisons between full and partial mediation models, it revises the implicit assumption that self-efficacy must occupy the central position in the mediation chain, arguing instead that in highly structured digital learning contexts, engagement is more likely to function as the pivotal conduit connecting learning environments to outcomes, with self-efficacy playing a supportive and conditional role. Third, it extends technology acceptance models beyond explaining adoption and frequency of use to illuminate boundary conditions for instructional effectiveness, showing how differences in acceptance may silently amplify or attenuate the outcome gains associated with structural visibility.
Practically, the findings suggest that the design of Knowledge Graph teaching environments should prioritize structural visibility so that students can clearly discern what to learn, how to proceed along appropriate pathways, and which assessment tasks align with those pathways. During implementation, structured task design, timely feedback, and peer modeling should be jointly employed to convert structural information into sustained behavioral engagement and deeper cognitive processing. In terms of technological support, universities should systematically assess students’ levels of technology acceptance. For groups with relatively low acceptance, institutions ought to provide measures such as simplified interfaces, guided operational examples, and peer mentoring, thereby reducing technological barriers.
Keywords: Knowledge Graph; structural visibility; self-efficacy; learning engagement; learning outcomes; technology acceptance

번역하기

국문 초록 (Abstract)

본 연구는 디지털 전환과 함께 지식그래프 기반 교수‧학습 환경이 빠르게 확산되는 중국의 대학 교육 맥락에서, 동일한 지식그래프 지원 환경에서도 학습자 간 학습 경험과 효과가 상이하게 나타나는 현상에 주목하였다. 즉, 일부 학습자는 지식그래프를 통해 학습구조가 명확해지고 학습 진도가 통제 가능하다고 인식하는 반면, 다른 학습자는 학습 부담이 증가하고 사용이 어렵다고 인식하는 차이가 어떠한 요인과 작용 메커니즘에 의해 발생하는지를 규명하고자 하였다. 본 연구의 목적은 지식그래프 기반 학습 환경에서 학습자가 지각하는 구조적 특성이 학습성과에 미치는 영향을 분석하고, 이러한 효과가 어떠한 심리적·행동적 경로를 통해 나타나는지, 그리고 어떤 조건에서 강화되거나 약화되는지를 실증적으로 검증하는 데 있다.
이를 위해 본 연구는 지식그래프 환경에서 학습자가 지각하는 ‘구조가시성’을 핵심 개념으로 설정하고, 구조가시성과 자기효능감, 학습참여, 학습성과, 기술 수용도 간의 관계 혹은 내적 메커니즘을 밝히고자 하였다. 여기서 구조가시성이란 학습자가 지식그래프를 통해 학습과정 전체의 구조, 구체적인 학습 경로, 그리고 평가 과제와의 연계성을 종합적으로 인식할 수 있는 정도를 의미하는 개념으로, ‘교수·학습·평가의 일관성’과 ‘학습 경로의 명확성’이라는 두 하위 요인을 가진 것으로 정의된다. 그리고 구조가시성, 자기효능감, 학습참여, 학습성과, 기술 수용도 간의 관계 및 내적 메커니즘은 인지부하이론, 사회인지이론, 학습참여이론, 기술수용모형을 통합하여 ‘구조가시성→자기효능감→학습참여→학습성과’에 이르는 연쇄적 매개 경로를 가진 이론적 모형으로 설정하였다. 그리고 기술 수용도는 구조가시성과 자기효능감 간의 관계를 조절할 것이라는 가설로 설정하였다.
이상의 문제를 해결하기 위해 본 연구에서는 지식그래프 기반 수업 환경을 실제로 경험한 중국 동부 및 중부 지역 대학의 학부생을 대상으로 온라인 설문조사를 실시하고 총 786부의 유효 표본을 확보하였다. 측정도구는 전문가 내용타당도 검토와 예비조사를 거쳐 수정·보완되었으며, SPSS를 활용하여 자료 정제 및 기술통계 분석을 수행하였다. 이후 Mplus를 사용하여 측정모형의 신뢰도와 수렴·판별타당도를 검증하고, 편의최소제곱 구조방정식모형(PLS-SEM)을 적용하여 구조 경로를 추정하였다. 또한 기본모형과 경쟁모형을 비교함으로써 직접효과, 매개효과, 연쇄적 매개효과, 조절효과를 종합적으로 분석하였다.
분석 결과, 구조가시성은 학습성과에 대해 통계적으로 유의미한 직접효과를 보였으며, 효과 크기 또한 의미 있는 수준으로 나타났다. 또한 학습참여를 매개로 한 간접효과가 확인되어, 구조가시성이 학습성과에 직접적으로 영향을 미칠 뿐 아니라 학습참여를 촉진하는 경로를 통해 간접적으로도 영향을 미침이 확인되었다. 반면, 자기효능감을 거쳐 학습참여로 이어지는 연쇄적 매개 경로는 통계적으로 유의하였으나 효과 크기는 상대적으로 제한적인 것으로 나타났다. 경로 분석 결과, 구조가시성이 학습참여에 미치는 영향이 가장 두드러졌으며, 자기효능감의 영향은 조건적·보조적 역할에 가까운 것으로 나타났다. 그리고 기술 수용도는 구조가시성과 자기효능감 간의 관계에서 유의한 조절효과를 보이는 것으로 나타났는데, 이는 기술 수용도가 높은 학습자일수록 구조가시성이 자기효능감 향상에 강한 영향을 주고 있음을 의미한다.
본 연구는 이론적·실천적 측면에서 다음과 같은 의의를 지닌다. 이론적으로는 지식그래프 기반 학습 환경에서 구조가시성 개념을 교수·학습·평가의 일관성과 연계하여 정교화함으로써, 구조화된 정보 제시와 학습성과 간의 관계에 대한 이해를 확장하였다. 또한 학습참여와 자기효능감의 상대적 역할을 검증함으로써, 고도로 구조화된 디지털 학습 환경에서 학습참여의 매개적 중요성을 실증적으로 제시하였다. 아울러 기술수용모형을 학습 효과의 경계 조건을 설명하는 틀로 확장하였다는 점에서 의의가 있다. 실천적으로는 지식그래프 기반 교수·학습 환경 설계 시 구조가시성 확보의 중요성을 강조하며, 학습자 특성에 따른 기술 지원 전략의 필요성에 대한 시사점을 제공한다.
주제어: 지식그래프, 구조가시성, 자기효능감, 학습참여, 학습성과, 기술수용도

번역하기

본 연구는 디지털 전환과 함께 지식그래프 기반 교수‧학습 환경이 빠르게 확산되는 중국의 대학 교육 맥락에서, 동일한 지식그래프 지원 환경에서도 학습자 간 학습 경험과 효과가 상이하...

목차 (Table of Contents)