퍼지 분석 계층 과정과 퍼지 포괄 평가를 통한 디지털 국제 중국문학 교육의 지속 가능성

요약

이 프로토콜은 디지털 지원 국제 중국 문학 교육의 지속 가능성을 정량화하기 위한 재현 가능한 퍼지 분석 계층 프로세스와 퍼지 종합 평가(FAHP-FCE) 워크플로우를 상세히 설명합니다. 기술적, 교육적, 문화적, 정책 차원에서 지속 가능성을 운영화하고, 지표 가중치, 차원 점수, 그리고 맥락 간 비교를 위한 해석 가능한 지속가능성 지수를 출력합니다.

초록

이 프로토콜은 하이브리드 FAHP–FCE 모델을 사용하여 디지털 지원 국제 중국문학 교육의 지속 가능성을 재현 가능한 방법으로 평가합니다. 전체적인 목표는 다차원적 지속가능성 판단을 투명하고 정량적인 지속가능성 지수(SI)로 전환하는 것입니다. 워크플로우는 19개의 지표로 구성된 4차원 지표 시스템을 구축합니다. 전문가 판단은 FAHP를 통해 지표 가중치를 도출하며, 학습자 및 교사 설문지 응답은 FCE 절차를 통해 회원 수준에 매핑됩니다. 가중 퍼지 합성과 디퍼지화를 통해 SI가 산출됩니다. 중국 내 세 개 대학(237명의 학습자와 9명의 교사)에서 대표성 실습을 통해 전체 SI는 78.2("우수")를 기록했으며, 문화 적응과 제도적 자원의 차이와 일치하는 의미 있는 지역별 변동을 보였습니다. 이 프로토콜은 신뢰할 수 있는 전문가 패널 소집에 크게 의존합니다. 더불어, 지표는 지역 정책 정의나 교육과정 목표가 다르면 현장 간 직접적인 비교가 복잡해질 수 있으므로 일관되게 운영되어야 합니다. 향후 적용 분야에는 가중치와 소속 분포의 안정성을 테스트하기 위한 여러 학기에 걸친 종단적 구현과, 이 모호한 접근법을 대체 다중 기준 모델과 비교하는 비교 연구가 포함될 것입니다.

서론

최근 몇 년간 세계화와 디지털화의 가속화된 수합은 국제 중국 교육을 재편했으며, 기술 지원 교실에서 디지털 네이티브 학습 생태계로 전환하고 있습니다^. 이러한 변화 속에서 중국문학 과목은 언어 습득을 지원하는 것을 넘어서; 또한 문화적 정체성, 미적 감수성, 해석 역량을 기르는 ^3,4. 이러한 결과는 디지털 환경에서 특히 취약할 수 있는데, 기존 평가 방식은 즉각적이고 쉽게 수치화할 수 있는 인지 향상을 우선시하는 반면, 감정적 공명, 지속적인 문화적 참여, 해석^{적 깊이와} 같은 장기적 목표를 과소평가하는 경우가 많습니다. 무엇보다도, 이 프로토콜은 인간 행동의 관점에서 교육 지속 가능성을 평가합니다. 학습자와 교사가 디지털 문헌 플랫폼과 상호작용하는 인지적 반응, 정서적 참여, 교수적 행동을 정량화함으로써, 이 프레임워크는 주관적인 인간 경험을 측정 가능한 행동 지표로 변환합니다.

기존 평가는 범위와 기간 모두에서 제한적입니다. 많은 연구가 여전히 단순화된 지식 숙달 측정에^의존하여, 미적 쾌락, 문화적 공감, 대화적 해석과 같은 복잡한 학습자 경험은 부정적으로 분류되거나 주변적 결과로 취급됩니다 ^8,9. 더욱이, 짧은 관찰 기간—종종 한 학기보다 짧은—는 누적된 효과를 놓칠 수 있는데, 디지털 도구가 학습자의 해석 루틴을 점진적으로 형성하는 방식과 교사의 디지털 교수법 전문성이 반복^{적 실천}을 통해 어떻게 발전하는지 등이 포함됩니다. 평가 프레임워크도 자주 분산되어 있는데, 기술적 또는 교육적 지표는 단독으로 보고되며, 지속 가능한 실행을 제약하거나 가능하게 할 수 있는 문화적·정책적 조건은 하나의 일관된 모델로 통합되는 경우가 드물다¹². 이러한 단편화는 특히 의미 형성이 본질적으로 개방적이고 맥락에 민감한 교차문화 문학 교실에서 장소 간 전이 가능성을 감소시킵니다^13,14.

이전 연구들은 디지털 도구 채택과 언어 습득의 단기 인지 향상에 대해 광범위하게 탐구했지만, 평가 프레임워크는 여전히 자주 분열되어 있습니다. 기존 문헌에는 기술적, 교육적, 문화적, 정책 차원을 하나의 측정 가능한 기준으로 통합하는 포괄적인 모델이 부족합니다. 이 연구는 표준화된 FAHP-FCE 프레임워크를 도입하여 이 중요한 격차를 해소하고, 주관적이고 단기 평가에서 투명하고 재현 가능한 지속가능성 지수로 전환하여 교차 부지 비교를 지원해야 합니다.

이러한 한계를 해결하기 위해 본 프로토콜은 디지털 지원 국제 중국문학 교육의 지속 가능성을 평가할 수 있는 재현 가능한 프레임워크를 도입합니다. 퍼지 다중 기준 의사결정 논리를 바탕으로, 이 방법은 퍼지 분석 계층 프로세스(FAHP)와 퍼지 종합 평가(FCE)¹⁵를 통합하여 기술적 기능성, 교수적 효과성, 문화적 적응성, 정책 지원이라는 네 가지 연결된 차원에서 지속 가능성을 운영화합니다. 이 접근법은 '명확한' 채점 모델에 비해 세 가지 실용적인 장점을 제공하도록 설계되었습니다: 전문가의 판단에서 지표 가중치를 투명하게 도출하면서 언어적 불확실성을 수용합니다; 설문지 응답을 점진적 인식을 더 잘 반영하는 회원 등급으로 변환합니다; 또한 교차 부지 비교 및 민감도 분석을 지원하는 해석 가능한 지속가능성 지수 14,16,17을 산출합니다. 해석적 투명성, 문화 간 적응성, 장기적 신뢰성을 평가 워크플로우에 내재함으로써, 프로토콜은 단기적인 결과 점검을 넘어 디지털 매개 및 문화 간 교육 맥락에 적용 가능한 평가 도구를^{제공합니다.}

프로토콜

연구가 기관 인간 연구 윤리 지침과 적용 가능한 데이터 보호 규정을 준수하는지 확인했습니다^19,20. 연구 절차 전에 각 참가자로부터 서면 동의를 받았습니다. 각 참가자에게 연구 코드를 할당하고, 모든 데이터셋을 익명화했으며, 연결 키(식별자<> 코드)를 별도의 접근 제한 파일에 저장했습니다. 원시 데이터 접근을 권한 있는 인원에게만 제한하고, 윤리 신청서에 보존 기간과 삭제 계획을 문서화합니다.

1. 평가 맥락 및 자료 준비

1. 교육 맥락(즉, 디지털 보조 교수가 이루어지는 특정 교육 환경, 학습자 인구통계학적 프로필, 교수법적 틀)을 정의하세요.
   1. 강의 유형(국제 중국 문학), 대상 대상 학생, 진행 방식(대면, 혼합, 온라인 등)을 명시하세요.
   2. 최소 학습자 숙련도 기준(예: 중국어 능력 시험[HSK] 5단계 또는 이에 상응하는 수준)을 정의하고, 운영 자격 기준(시험 증명서, 취업 결과, 강사 확인)을 명시하세요.^21,22.
   3. 기간(주), 근무 시간, 플랫폼/도구 제약 조건(브랜드명 없음), 그리고 단일 평가 목표인 FAHP–FCE 워크플로우를 이용한 교육 지속 가능성을 정량화하는^23,24,25를 명시하세요.
2. 재료 목록을 작성하세요
   1. 자료표에 모든 자료(양식, 도구, 스크립트, 소프트웨어 및 저장 공간)를 기록하세요. 여기에는 (i) 19문항으로 구성된 학습자 설문지(보충 파일 S1), (ii) 전문가 쌍별 비교 양식(보충 파일 S2), (iii) 사전 동의서, (iv) 데이터 캡처 템플릿, (v) 분석 스크립트 및 그 버전이 포함됩니다.
   2. 재현성을 위해 파일 이름과 버전 식별자를 할당하세요(예: 보조 파일 S1_questionnaire_items.pdf, 보조 파일 S2_expert_form.pdf, fahp_weighting.py, fce_membership.py, si_compute.py, analysis_readme.txt)^26,27).
3. 워크플로우 다이어그램을 만드세요 (그림 1)
   1. 1절부터 10절까지를 요약한 한 페이지 분량의 흐름도를 그려보고, 각 인수인계 시 입력/출력을 라벨링하세요(전문가의 판단> 퍼지 행렬 > 가중치; 학습자 응답> 회원 행렬; 지속가능성 지수> 종합).
   2. 절차가 안전하게 중단될 수 있는 중요한 단계와 재현성을 보장하기 위해 특정 데이터 산출물을 보관해야 하는 지점, 그리고 각 시점에서 저장해야 할 산출물을 표시하는 일시정지 지점(섹션 3.2, 4.2, 8.3)을 표시하세요.

2. 지표 프레임워크 구축

1. 3단계 계층 구조를 구축하세요.
   1. 평가 목표를 네 가지 차원(기술적 기능성, 교육적 효과성, 문화적 적응성, 정책 지원)으로 매핑하세요.
   2. 네 가지 차원(목표 > 차원 > 지표) 아래 19개의 지표를 정의하고, 각 지표가 설문지 응답이나 문서화된 증거를 통해 측정 가능하도록 하십시오.
2. 지표와 응답 형식을 정의하세요.
   1. 각 지표에 대해 운영 정의를 작성하고, 양수(높을수록 좋음)인지 음수(낮을수록 좋음)인지 명시하며, 지표-차원 매핑을 데이터 사전에 기록하세요(표 1).
   2. 학습자 반응 척도를 7점 리커트 형식으로 지정하라: 1 = 강하게 동의하지 않음; 7 = 강력히 동의합니다.
      참고: 코호트 간 재사용을 위해 지표 세트를 최종 확정하고 동결하며, 데이터 사전과 표 1 버전을 보관하세요.

3. 전문가 패널을 구성하고 쌍별 판단(FAHP) 수집

1. 전문가 패널을 모집하세요.
   1. 문학 강사, 교육 기술 전문가, 평가 연구자, 관리자 등 역할을 다하는 패널을 모집하세요.
   2. 자격 기준(경력 연수, 디지털 교육 친숙도, 문화 간 교수 경험)을 정의하고, 투명성을 위해 패널 구성을 문서화하세요.
2. 퍼지 쌍별 비교를 수집하세요.
   1. 삼각형 퍼지 숫자(TFN^)의 치수/지표 및 의미에 대한 간단한 브리핑과 함께 열차 전문가들을 제공합니다.
   2. 변동성을 줄이기 위해 명확한 기준과 예시를 제공하세요(예: TFN [2, 3, 4] = "중요한"; TFN [4, 5, 6] = "매우 중요한").
   3. 세션을 종료하기 전에 (i) 네 가지 차원과 (ii) 각 차원 내 지표에 대해 쌍별 판단을 수집하고 완전성을 검증합니다.

4. 퍼지 판결 행렬 구축 및 일관성 검증

1. 퍼지 판단 행렬을 구성합니다.
   1. 각 전문가의 쌍별 응답을 각 계층²⁵에서 모호한 역행렬로 변환합니다.
   2. 누락된 항목을 확인하고 집계 전에 상호 인정 규칙을 준수하세요.
2. 일관성을 테스트하고 의견 차이를 화해하세요.
   1. 각 전문가 행렬을 삼각형 퍼지 수(TFN)31,32,33의 중심점과 같은 미리 정해진 규칙을 사용해 명확한 행렬로 디퍼지합니다. 크리스프 값은 다음 식으로 계산됩니다:
      
      여기서 C 는 디퍼지된 선명한 값이고, , , 는 각각 TFN의 하한, 모달(가장 가능성 높은) 값, 상한을 나타냅니다.
   2. 분석적 계층 과정(AHP) 절차^34,35를 사용하여 선명한 행렬의 일관성 비율(CR)을 계산합니다. 이 과정은 행렬의 주 고유값(λ_max)을 계산하고, 일관성 지수(여기서 n은 행렬 크기)를 결정한 뒤, 적절한 무작위 지수(RI)로 나누어 CR()을 얻는 과정을 포함합니다. 수락 임계치를 CR 0.10< 설정하세요.
   3. CR≥ 0.10이라면, 일관되지 않은 비교는 전문가에게 반환하고, 이견은 촉진 토론을 통해 조정하며, 논쟁이 있는 판결만 회수하세요.
      일시정지: 각 매트릭스, CR 보고서, 조정 로그를 복제 산출물로 아카이브합니다.

5. 퍼지 가중치 유도 (FAHP 출력)

1. 개별 판단을 종합하세요.
   1. 지정된 연산자(예: 퍼지 기하평균)를 사용하여 집계 전문가 행렬을 그룹 수준 퍼지 행렬로 변환합니다^17,36.
   2. 보충 파일 S2에 집계 연산자와 매개변수를 기록하세요.
2. 무게를 디퍼지화하고 정규화하세요.
   1. 그룹 단위의 퍼지 우선순위를 디퍼지하여 동일한 사전 지정된 디퍼지화 규칙¹⁰을 사용하여 명확한 가중치를 얻습니다.
   2. 각 수준 내의 가중치(차원 합은 1, 각 차원 내 표시 합은 1)를 정규화하고, 최종 차원과 표시 가중치 벡터를 출력합니다.
   3. 테이블 1에 최종 가중치를 채우고, 이후 FCE 섹션에 사용되는 테이블 버전을 잠가라.

6. 학습자 설문지를 설계하고 시행합니다

1. 악기 준비해.
   1. 보충 파일 S1에 있는 19개 항목 전체를 그대로 제공하고, 각 항목은 표 1의 한 표시에 매핑됩니다.
   2. 모든 페이지/화면에 명확한 앵커 텍스트를 인쇄한 7점 리커트 척도를 사용하세요(1 = 강하게 반대; 7 = 강력히 동의).
   3. 소규모 그룹(예: 10–15명)으로 설문지를 파일럿 테스트하여 이해도와 완료 시간을 확인한다³⁷.
2. 설문지를 실시하고 참가자당 한 가지 고유한 응답을 강제합니다.
   1. 자격을 갖춘 학습자(HSK 5+ 또는 운영상 동등학자)를 초대하고 표준화된 데이터 수집 프로토콜을 마련하세요. 정확한 관리 기간(예: 학기 말에 정해진 2주 기간)과 완료 방식(예: 집중 참여를 보장하기 위해 15–20분간 진행되는 수업 내 감독 세션, 또는 안전하고 시간 제한된 설문 링크를 통한 통제된 온라인 배포)을 명시하세요. 강사나 연구자는 설문지 배포 전에 표준 브리핑을 제공해야 하며, 연구 목적을 명확히 설명하고 데이터 익명성을 보장하며 모든 응답자에게 7점 리커트 척도 기준점을 정의해야 합니다.
   2. 학습자당 한 번의 사용 액세스 토큰(또는 동등한 일회용 코드)을 발급하고, 반복 제출을 비활성화하며, 토큰 로그를 통해 중복 확인을 통해 참가자당 한 번의 응답을 강제합니다.
   3. 익명성이 필요하다면, 응답과 별도로 토큰을 저장하고 분석 전에 로그인 식별자를 해시하세요.
   4. 데이터 정리 전에 모든 제외 규칙(예: 불완전한 응답, 중복 토큰 항목)을 문서화하여 사후 편향을 방지하세요.
3. 하위 그룹 분석을 위한 메타데이터 기록.
   1. 응답자 프로필을 명확히 정의하기 위해 포괄적인 비식별 메타데이터를 기록하여 하위 그룹 분석을 수행하세요. 학습자의 경우, 여기에는 모국어 집단, 연령, 성별, 만다린 학습 연수, 현재 HSK 능력 수준, 전공, 강의 유형, 학습 장소 등 인구통계학적 및 학업적 특성이 포함되어야 합니다. 전문가 패널의 경우, 교육 경력 연수, 최고 학위, 특정 분야 전문성(예: 문학 교육, 교육 기술) 등 전문 인구통계를 명확히 기록하세요.
      주의: 개인 식별 정보를 보호하고 승인된 데이터 처리 절차를 준수하세요.

7. 회원 등급(FCE) 계산

1. 평가 등급과 숫자 점수를 정의하세요.
   1. 다섯 등급 평가 세트를 정의하세요: 우수, 좋음, 보통, 상대적으로 나쁨, 나쁨.
   2. 등급에서 지수로의 변환을 위한 수치 점수(예: 90, 80, 70, 60, 50)를 할당하고, 추가 파일 S3³⁸에 점수 체계를 기록하세요.
2. 멤버십 함수를 명시하고 멤버십 행렬을 구축하세요.
   1. 성적 구성원 관계에 대한 리커트 반응을 매핑하기 위한 소속 함수(예: 사다리꼴 ^함수)를 명시^한다.
   2. 보충 파일 S3에서 각 등급 경계에 대한 명시적 매개변수를 제공하고, 모든 지표에 동일한 매개변수가 적용되는지 명시하십시오.
   3. 각 지표에 대해 학습자 응답을 5요소 멤버십 벡터로 변환한 후, 학습자 간 집계(예: 멤버십 평균)를 통해 지표 수준의 멤버십 벡터를 만듭니다.
   4. 모든 지표 수준의 회원 벡터를 쌓아 등급별 지표별 회원 행렬을 구성합니다.

8. 퍼지 합성을 수행하여 지속 가능성 지수(SI) 산출

1. 가중치 퍼지 연산자를 적용하세요.
   1. 지정된 가중 퍼지 합성 연산자(예: 가중 평균 연산자)를 사용하여 지표 가중 벡터와 지시 소속 행렬을 결합하여 포괄적인 소속 벡터^41,42를 얻습니다.
   2. 독립적인 재현성을 보장하기 위해 보충 파일 S3 에 운영자의 이름과 공식을 보고하세요.
2. 디퍼지파이를 통해 0에서 100 스케일까지 SI를 계산합니다.
   1. 성적 점수의 가중 평균(섹션 8.1.2에 정의됨)을 통해 종합 회원 벡터를 단일 SI 값으로 변환합니다.
   2. 각 차원 내에서 9.1–9.2절을 반복하여 차원별 지표 가중치를 사용하여 SI 값을 출력합니다.
   3. 미리 정해진 기준을 사용하여 SI 값을 분류합니다: 85–90 = 우수; 75–84 = 선; 65–74 = 보통; 55–64 = 상대적으로 가난함; ≤ 54 = 가난함.
      일시정지: 중간 벡터, 행렬, 계산 시트(또는 스크립트 출력)를 파일 해시와 함께 저장소에 저장합니다.

9. 선택적 질적 검증(혼합 방법)

1. 인터뷰 참가자 샘플.
   1. SI 패턴(예: 문화적 적응력 높음 대 낮은 성)에 맞는 목적 체계를 사용하는 강사와 학습자를 샘플링하고, 추가 동의를 받아 녹음을 진행합니다.
   2. 점수의 해석 가능성, 지속 가능성의 인지된 동인, 맥락적 제약 조건에 초점을 맞춘 반구조화 인터뷰 가이드를 사용하세요 (보충 파일 S4)⁴³.
2. 코드 및 삼각측량 결과.
   1. 녹음을 그대로 전사하고 부호화 전에 전사본을 익명화하세요.
   2. 사전 지정된 코딩 체계를 사용한 코드 전사본, 문서 코더 교육, 코더 간 합의(해당되는 경우), 그리고 해결 규칙^44,45.
   3. 정성적 주제를 차원별 SI 결과와 삼각측량하여 정량적 절차를 무시하지 않고 강점과 약점을 맥락화합니다.

10. 보고서 및 아카이브 (재현성 패키지)

1. 핵심 산출물 보고.
   1. 차원 및 지표 가중치, 회원 행렬(또는 요약), SI 값, 성적 라벨, 하위 그룹 비교(예: 사이트 또는 숙련도 그룹)를 보고합니다.
   2. 모든 제외 규칙과 최종 분석된 표본 크기를 명시하세요(초록/결과와의 일관성 확인).
2. 아카이브 자료와 코드.
   1. FAHP 가중치, 회원 계산, 합성, 디퍼지화에 사용되는 익명화된 데이터셋, 스크립트, 스프레드시트를 보관합니다.
   2. 소프트웨어/런타임 버전(예: 프로그래밍 언어 버전; 패키지 버전)과 고정된 무작위 시드(사용 시)를 제공합니다^46,47.
3. 사용 민감도 분석(권장).
   1. 교란 지표는 재규격화, SI 재계산, SI 변동을 요약하여 레버리지 포인트를 식별하는 동안 ±10%씩 가중치를 조정합니다(표 2).
   2. 가중치는 낮지만 민감도가 높은 지표를 잠재적 '임계 위험'으로 해석하고 이를 명확히 보고하세요.

결과

차원 가중치 및 주요 지표
퍼지 분석 계층 과정(FAHP)을 사용한 결과, 측면 가중치는 기술적 측면(T)이 지속 가능성에 가장 큰 비중을 차지한 것으로 나타났습니다(0.32), 그 다음이 문화 측면(C, 0.26), 교육적 측면(P, 0.23), 정책 측면 (G)은 가장 낮은 가중치(0.19^)를 받았습니다. 지표 수준에서는 기술적 차원이 기능적 반복 효율성(T3, 0.25)¹과 알고리즘 해석 가능성(T1, 0.22)을 우선시했습니다. 문화적 차원은 문화 간 해석 적응성(C2, 0.29)과 문화적 부담에 따른 단어 정확성(C1, 0.27)을 강조했다. 교육적 차원에서는 정서적 목표 달성(P3, 0.24)이 지식 목표 달성(P1, 0.21)보다 우세하여, 디지털 매개 문헌 교육에서 정서적 및 해석적 결과의 중요성을 강조한다

토론

이 프로토콜은 하이브리드 FAHP–FCE 워크플로우가 디지털 지원 국제 중국 문학 강좌에서 '교육 지속 가능성'을 느슨하게 정의된 결과가 아닌 투명하고 재현 가능한 색인으로 실질화할 수 있음을 보여줍니다. 결과는 기술적 기능이 지속 가능성의 전제 계층으로 기능하며, 알고리즘 해석 가능성이 지속가능성 지수(SI) 변동에 가장 민감하게 반응하는³¹을 보임을 나타냅니다. 실제로 이 패턴은 단계적 논리와 일치한다: 학습자와 강사는 더 깊은 문화적 참여와 해석 작업을 지속하기 전에 안정적이고 설명 가능한 시스템 행동을 필요로 하는 경향이 있다⁵⁴.

두 번째 강점은 문화적 적응력으로, 이는 특히 비영어권 및 덜 일반적으로 가르침받는 언어 배경을 가진 학습자에게 매우 중요했다³⁴. 정성적 주제들은 이러한 ...

재료

이 논문에 사용된 재료 목록

이름	회사	카탈로그 번호	댓글
학습자 설문지 (19문항)	자체 설계	해당 없음	학습자들을 모으는 데 사용됨 기술, 교육법, 문화, 정책 차원의 평가; 7점 리커트 척도
전문가 쌍별 비교 형식	자체 설계	해당 없음	전문가들을 수집하는 데 사용됨 FAHP 가중치 계산을 위한 퍼지 쌍별 비교
데이터 캡처 템플릿 & 대본	엑셀 / 파이썬	해당 없음	데이터 저장, 멤버십 매트릭스 계산, 지속 가능성 지수(SI) 생성에 사용됩니다