본 연구는 멀티모달 학습분석(Multimodal Learning Analytics; MMLA)의 관점에서 조절이 개별학습과 집단 학습에서 통합되고 있는 경향에 주목하여 수행되었다. 이를 위해 자기조절학습(Self-Regulated Learning; SRL)과 사회적으로 공유된 학습조절(Socially Shared Regulation of Learning; SSRL) 연구를 대상으로, MMLA 워크플로우를 체계화한 Blikstein와 Worsley(2016)의 연구에 기반하여 데이터가 어떻게 수집, 처리, 분석, 활용되었는지에 대해 단계별로 분석하였다. 연구를 위해 2022~2024년 사이 SCOPUS 데이터베이스를 기반으로 멀티모달, 학습분석, 조절 등의 키워드로 25편의 연구를 추출하였다. 연구 결과, SRL 연구는 생리·행동 데이터를 활용하여 개인의 인지·정서 조절 과정을 시계열적으로 탐색한 반면, SSRL 연구는 발화, 행동, AI 로그 등 사회적 상호작용 데이터를 통합하여 집단의 공동조절 구조를 분석하는 경향을 보였다. 결과에 대한 논의에서는 SRL과 SSRL의 통합적 경향이 나타나는 점, 대면학습과 비대면학습 등 학습 맥락에 따라 수집되는 데이터의 유형이 달라지는 점, 데이터의 융합이 나타나는 점, 데이터 분석에서는 다양한 분석 기법이 사용되는 점, 데이터 활용에서는 실제 학습 지원과 설계로 연결되는 특징 등에 대해 제시하였다. 본 연구에서는 아직 SRL과 SSRL의 통합적 설명 프레임워크를 제시할 수 있는 수준은 아니지만 최근 연구들은 멀티모달 데이터를 융합하여 학습자의 조절 과정을 보다 정교하게 분석하고, 그 결과를 실시간 피드백과 학습 설계 지원에 활용하고 있다는 점을 확인하였다.

This study examined how learners’ regulation behaviors are identified, interpreted, and supported through data-informed approaches in Multimodal Learning Analytics(MMLA). To this end, the study analyzed research on Self-Regulated Learning(SRL) and Socially Shared Regulation of Learning(SSRL) based on the MMLA workflow framework. Twenty-five studies published between 2022 and 2024 were selected from the SCOPUS database using keywords such as ‘multimodal’, ‘learning analytics’, and ‘regulation’. The results indicate that SRL research primarily utilized physiological and behavioral data to explore individual cognitive and emotional regulation processes in a time-series manner. In contrast, SSRL research tended to analyze the structure of group shared regulation by integrating social interaction data, including speech, behavior, and AI logs. The discussion highlights the integrative trends between SRL and SSRL, the variation in data types depending on learning contexts (e.g., face-to-face vs. online), the emergence of data fusion techniques, the application of diverse analytical methods, and the connection of data utilization to practical learning support and instructional design. Although a fully integrated explanatory framework for SRL and SSRL has not yet been established, this study confirms that recent research is increasingly fusing multimodal data to analyze learners’ regulation processes with greater precision and utilizing the findings for real-time feedback and instructional design support.