본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

목차

논문요약 10

Ⅰ. 서론 14

1. 연구 배경 14

2. 연구의 필요성 16

3. 연구의 목적 18

4. 연구 문제 19

5. 용어의 정의 20

가. 컴퓨팅 사고 20

나. 반성적 컴퓨팅 사고 20

다. 정보 교육 20

6. 연구의 제한점 21

Ⅱ. 이론적 배경 22

1. 반성적 사고 (Reflective Thinking, RT) 22

가. 반성적 사고의 정의 23

나. 반성적 사고의 과정 24

다. 반성적 사고와 교육 25

2. 컴퓨팅 사고 (Computational Thinking, CT) 27

가. 컴퓨팅 사고력의 정의 28

나. 컴퓨팅 사고력의 구성 요소 30

3. 컴퓨팅 사고와 반성적 사고 32

가. 컴퓨팅 사고와 반성적 사고의 공통점 33

나. 컴퓨터 교육 속 반성적 사고 34

4. 반성적 컴퓨팅 사고 (Reflective Computational Thinking, RCT) 36

가. 반성적 컴퓨팅 사고의 정의 36

나. 반성적 컴퓨팅 사고의 요인 38

다. 반성적 컴퓨팅 사고의 과정 39

Ⅲ. 연구 방법 40

1. 연구 설계 40

가. 반성적 컴퓨팅 사고력 교육모델 개발 40

나. 반성적 컴퓨팅 사고력 교육모델 효과 검증 41

2. 실험 처치 44

3. 연구 대상 및 환경 46

4. 연구 절차 49

Ⅳ. 반성적 컴퓨팅 사고력 교육모델 개발 결과 50

1. 반성적 컴퓨팅 사고력 교육 목표 50

2. 반성적 컴퓨팅 사고력 교육 프레임워크 51

1) 컴퓨팅 사고와의 관계 51

2) 반성적 사고와의 관계 51

3) 반성적 컴퓨팅 사고력 교육의 요소 53

3. 반성적 컴퓨팅 사고력 교수·학습 모형 56

가. 반성적 컴퓨팅 사고력 교수·학습 목표 56

나. 반성적 컴퓨팅 사고력 교수·학습 모형 58

4. 반성적 컴퓨팅 사고력 교육모델의 적용 61

가. 2022 개정 정보과 교육과정 분석 61

나. 인공지능 교수·학습 계획안 개발 64

5. 반성적 컴퓨팅 사고력 교육모델 평가 72

가. RCT 교육모델 개발 결과 72

나. RCT 교육모델을 적용한 AI 교육 계획안 개발 결과 73

Ⅴ. 반성적 컴퓨팅 사고력 교육모델의 효과 검증 결과 76

1. 반성적 컴퓨팅 사고력 검사 도구 개발 76

가. 반성적 컴퓨팅 사고력 자기 평가 도구 개발 76

나. 반성적 컴퓨팅 사고력 검사 도구 및 루브릭 개발 79

다. 개발 일지 분석 도구 개발 82

2. 반성적 컴퓨팅 사고력 자기 평가 결과 84

가. 반성적 컴퓨팅 사고력 자기 평가 집단 내 결과 85

나. 반성적 컴퓨팅 사고력 자기 평가 집단 간 결과 91

다. 반성적 컴퓨팅 사고력 자기 평가 결과 종합 92

3. 반성적 컴퓨팅 사고력 검사 결과 94

가. 반성적 컴퓨팅 사고력 검사 집단 내 결과 95

나. 반성적 컴퓨팅 사고력 검사 집단 간 결과 101

다. 반성적 컴퓨팅 사고력 검사 결과 종합 102

4. 개발일지 분석 결과 104

1) 인공지능의 원리와 활용에 대한 이해 105

2) 데이터 수집·분석·표현 106

3) 알고리즘 111

4) 자동화 114

5) 일반화(문제해결) 117

6) 일반화(표현) 120

Ⅵ. 결론 및 제언 124

1. 결론 124

2. 제언 128

참고문헌 132

ABSTRACT 136

부록 142

〈부록 1〉 반성적 컴퓨팅 사고력 교육모델 연구 적합성 검토 검사지 142

〈부록 2〉 (실험‧대조군) 인공지능 교수‧ 학습 설계안 연구 적합성 검토지 143

〈부록 3〉 (실험‧대조군) 인공지능 교수‧ 학습 계획안 비교표 144

〈부록 4〉 4~5차시 자동화 교수‧학습을 위한 활동 맵과 규칙 148

〈부록 5〉 6~7차시 일반화(적용) 교수‧학습을 위한 활동 맵과 규칙 149

〈부록 6〉 (실험‧대조군) 인공지능 교수‧ 학습 계획안 연구 적합성 검토지 150

〈부록 7〉 사전‧사후 RCT 자기 평가 도구 의뢰서 152

〈부록 8〉 사전‧사후 RCT 검사 도구 154

〈부록 9〉 사전‧사후 RCT 검사 평가 루브릭 168

〈부록 10〉 RCT 자기 평가 및 검사에 대한 단순 주효과 검증 결과 172

표목차

〈표 1〉 컴퓨팅 사고력의 구성 요소 30

〈표 2〉 컴퓨팅 사고력 구성 요소의 정의 31

〈표 3〉 반성적 컴퓨팅 사고력 교육모델 개발 목록 40

〈표 4〉 반성적 컴퓨팅 사고력 검증 도구 개발 목록 41

〈표 5〉 연구설계 과정 42

〈표 6〉 자료 수집 및 분석 방법 43

〈표 7〉 연구 대상에 대한 실험 처치 비교 44

〈표 8〉 연구 대상의 배경 요인 및 분석 방법 46

〈표 9〉 연구 대상의 성별 47

〈표 10〉 연구 대상의 사전 인공지능 교육 경험 47

〈표 11〉 연구 대상의 사전 인공지능 관련 지식·기술 48

〈표 12〉 연구 절차 및 내용 49

〈표 13〉 반성적 컴퓨팅 사고력 교수·학습 목표 57

〈표 14〉 반성적 컴퓨팅 사고력 교수·학습 모형 59

〈표 15〉 인공지능 교육의 세부 영역 추출 62

〈표 16〉 인공지능 교육 성취기준의 분석 63

〈표 17〉 인공지능 교수·학습 설계안 65

〈표 18〉 인공지능 프로그램 개발 계획서 프롬프트 70

〈표 19〉 인공지능 프로그램 개발 일지 프롬프트 71

〈표 20〉 RCT 교육모델 연구 적합성 검토 결과 72

〈표 21〉 AI 교육 목표에 대한 연구 적합성 검토 결과 73

〈표 22〉 AI 교육 활동에 대한 연구 적합성 검토 결과 74

〈표 23〉 RCT 자기 평가 도구의 구성 요인 및 문항 76

〈표 24〉 RCT 자기 평가 도구의 연구 적합성(신뢰도) 검토 결과 77

〈표 25〉 RCT 자기 평가 도구의 연구 적합성(내적 일관성) 검토 결과 78

〈표 26〉 재구성한 반성적 컴퓨팅 사고력 검사 도구 79

〈표 27〉 RCT 검사 도구의 연구 적합성(내용 타당도) 검토 결과 80

〈표 28〉 RCT 검사 도구의 연구 적합성(내적 일관성) 검토 결과 81

〈표 29〉 재구성한 개발 일지 분석 도구 82

〈표 30〉 개발 일지에 대한 메시지 분석 예시 83

〈표 31〉 RCT 자기 평가 점사에 대한 정규성, 등분산성 검정 결과 85

〈표 32〉 RCT 자기 평가 결과에 대한 사전 동질성 검정 결과 87

〈표 33〉 RCT 자기 평가 점수에 대한 집단 내 차이 검증 결과 88

〈표 34〉 RCT 자기 평가 변화량에 대한 정규성, 등분산성 검정 결과 91

〈표 35〉 RCT 자기 평가 변화량에 대한 집단 간 차이 검증 결과 93

〈표 36〉 RCT 검사 점수에 대한 정규성 검정 결과 95

〈표 37〉 RCT 검사 점수에 대한 사전 동질성 검정 결과 97

〈표 38〉 RCT 검사 점수에 대한 집단 내 차이 검증 결과 98

〈표 39〉 RCT 검사 변화량에 대한 정규성 검정 결과 101

〈표 40〉 RCT 검사 변화량에 대한 집단 간 차이 검증 결과 103

〈표 41〉 개발일지 내 반성적 사고 분석 빈도 104

〈표 42〉 1차시 개발일지 분석 105

〈표 43〉 2차시 데이터 관련 개발일지 분석 106

〈표 44〉 4~5차시 데이터 관련 개발일지 분석 108

〈표 45〉 3차시 알고리즘 관련 개발일지 분석 111

〈표 46〉 4~5차시 자동화 관련 개발일지 분석 114

〈표 47〉 6~7차시 일반화(문제해결) 관련 개발일지 분석 117

〈표 48〉 8~10차시 일반화(표현) 관련 개발일지 분석 120

〈표 49〉 RCT 자기 평가 점수에 대한 단순 주효과 검증 결과 172

〈표 50〉 RCT 검사 점수에 대한 단순 주효과 검증 결과 173

그림목차

[그림 1] 반성적 사고와 컴퓨팅 사고의 공통점 18

[그림 2] 반성적 컴퓨팅 사고의 원리 37

[그림 3] 반성적 컴퓨팅 사고력 교육 프레임워크 52

[그림 4] 인공지능 프로그램 개발 계획서 예시 70

[그림 5] 인공지능 프로그램 개발 일지 예시 71

[그림 6] RCT 자기 평가 CT영역의 사전·사후 결과 프로파일 89

[그림 7] RCT 자기 평가 RCT영역의 사전·사후 결과 프로파일 90

[그림 8] RCT 검사 사전·사후 결과 프로파일 99

[그림 9] 4~5차시 데이터 관련 실험군의 활동 과정 109

[그림 10] 3차시 알고리즘 관련 활동 과정 113

[그림 11] 4~5차시 통제군과 실험군의 자동화 관련 활동 과정 116

[그림 12] 6~7차시 일반화(적용) 관련 활동 과정 119

[그림 13] 8~9차시 일반화(활용) 관련 활동 과정 123

[그림 14] 4~5차시 자동화 교수·학습을 위한 활동 맵과 규칙 148

[그림 15] 6~7차시 일반화(적용) 교수·학습을 위한 활동 맵과 규칙 149

초록보기

 디지털 대전환의 시대, 우리는 그 어느 때보다도 끊임없이 변화를 추구하는 시대를 살아가고 있다. 이 순간에도 새로운 정보가 기하급수의 속도로 생겨나고 있는 지금, '생각'하는 동물이라는 인간에 대한 전통적인 정의가 재조명되고 있다. 더 이상 개념적 지식을 더 많이 아는 것만으로는 큰 의미가 없고 중요한 것은 다양한 분야에서 빠른 속도로 변화하는 많은 양의 정보를 어떻게 다룰 것인가에 관한 것, 즉 정보를 단순화하는 일반적인 원리로써의 방법적 지식이다. 그리고 사회 전반에 걸친 이 현상은 교육계에도 근본적인 전환을 요구하고 있으며, 우리는 변화하는 사회에 대처하는 방법 중 하나를 컴퓨팅 사고력에서 찾을 수 있을 것이다.

그렇다면 "컴퓨팅 사고력은 어떻게 길러질 수 있는가?" 본 연구는 다음과 같은 질문으로부터 시작되었다. 21세기 문해력으로 컴퓨팅 사고력이 주목받고 있으나, 컴퓨터를 사용하는 모든 경험이 학습으로 이어지는 것은 아니다. 오히려 기술의 빠른 발달이 교육 현장에 예상치 못한 영향을 미치며 정보 교육을 바라보는 관점에 혼란이 가중되고 있다. 이에 대한 해답을 컴퓨팅 사고의 본질로부터 찾고자 이와 관련된 초기의 논의로 돌아가고자 한다. 본 연구는 컴퓨팅 사고가 명령을 내리는 관점에서 '어떻게(How to)'에 초점을 둔 방법적 지식으로써 그 과정이 절차적이며, 동시에 필연적으로 회귀적이라는 점에 주목하며 컴퓨팅 사고력이 반성적 사고와 관계가 있다고 가정하였다. 이에 반성적 컴퓨팅 사고(Reflective Computational Thinking)를 컴퓨팅 사고를 일차적으로 실행(ACT)하는 과정 중 발생하는 계산적 문제를 해결하기 위해 컴퓨팅 사고를 비선형적으로 재실행(RE-ACT)하는 반성적 사고로 정의하고 이를 실현할 수 있는 교육모델을 개발하여 효과성을 검증하고자 한다.

이를 위해 설정한 연구 문제는 아래와 같다.

[연구 문제 1] 반성적 컴퓨팅 사고력 교육모델 개발

1-1. 반성적 컴퓨팅 사고력 교육모델은 무엇인가?

1-2. 반성적 컴퓨팅 사고력 교육모델을 적용한 교육 프로그램은 어떤 모습인가?

[연구 문제 2] 반성적 컴퓨팅 사고력 교육모델 효과 검증

2-1. 반성적 컴퓨팅 사고력 교육모델의 효과는 어떻게 측정할 수 있는가?

2-2. 반성적 컴퓨팅 사고력 교육모델은 일반적인 컴퓨팅 사고력 교육모델과 비교하여 어떤 효과가 있는가?

연구 문제별 구체적 연구 방법은 다음과 같다.

연구 문제 1을 해결하기 위해 반성적 컴퓨팅 사고력 교육 목표와 교수·학습모형으로 이루어진 모델과 이를 적용한 인공지능 교육 프로그램을 개발하였으며, 전문가 델파이 조사를 통해 모델의 타당성을 확보하였다.

연구 문제 2를 해결하기 위해 효과 검증 도구를 개발하였으며, 전문가 델파이 조사와 학생 대상 크론바흐 알파 검사를 통해 연구 적합성을 확보하였다. 이후 실행 연구를 위해 서울 소재 초등학교 6학년 학생 37명(실험집단 19명, 통제집단 18명)을 대상으로 동질집단 사전-사후 준실험설계를 적용하고 총 10차시의 수업을 실시하였다. 결과 분석은 효과성을 입증하기 위하여 혼합연구 중 QUAN→qual 방법을 적용하였다.

이때 두 집단의 컴퓨팅 사고력 교육모델은 모두 사회적 구성주의 철학을 바탕으로 한다. 이는 전통적인 교수주의 철학에 의한 컴퓨팅 사고의 경험이 학습자의 후속 경험에 미칠 부정적 영향을 고려하여 최대한 우회적으로 처치를 진행하고자 한 것이다. 따라서 차별점은 검증(시뮬레이션)을 통한 오류의 발견과 이를 해결하기 위한 지적 경로의 회귀(디버깅)을 의도적인 교육 활동으로 강조하느냐의 여부이며, 실험군은 이차적인 컴퓨팅 사고 과정(RE-ACT)에 노출되게 된다. 반면 통제군의 교육 활동은 일차적인 컴퓨팅 사고 과정(ACT)만을 포함하며, 학습자의 경험에 따라 자연스러운 문제 재발견에 따른 회귀가 이루어질 수 있으나 교사가 의도한 경험은 아니다.

연구 문제에 따른 결과는 다음과 같다. 연구 문제 1의 '반성적 컴퓨팅 사고력 교육모델 개발'과 관련하여 다음과 같은 결과를 얻을 수 있었다. 첫째, 반성적 컴퓨팅 사고력 교육모델은 계산적 문제 발견, 실행(ACT), 계산적 문제 재발견, 재실행(RE-ACT), 공유 및 반성의 5단계로 이루어지며, 각 단계는 컴퓨팅 사고력의 구성 요소 및 반성적 사고의 과정과 연결되어 있다. 이것은 기존의 정보 교육이 전통적인 교수·학습 방법에서 탈피하는 것을 넘어 반성적 사고가 촉발될 수 있는 교육 환경을 재구성하는 것을 의미한다. 둘째, 2022 개정 교육과정에서 초등학교 5~6학년 정보 교육은 '디지털 사회와 인공지능' 단일 영역으로 구성되었으며 앞으로의 정보 교육은 컴퓨팅 사고력을 바탕으로 한 인공지능 교육이 핵심이므로 반성적 컴퓨팅 사고력 교육모델의 일반화는 인공지능 교육에의 적용을 포함한다.

연구 문제2의 '반성적 컴퓨팅 사고력 교육모델 효과 검증'과 관련하여 다음과 같은 결과를 얻을 수 있었다. 첫째, 반성적 컴퓨팅 사고력 측정 도구는 컴퓨터가 해결해야 하는 초기의 문제 상황과 이미 진행된 문제에서 수정이 이루어지는 회귀적 문제 상황을 다루어야 한다. 둘째, 효과 검증을 위해 자기 평가와 검사에 사전·사후 차이 검증, 변화량 차이 검증을 실시하였으며, 주효과검증으로 재확인하였다. 분석 결과 실험군이 통제군에 비해 CT 영역과 RCT영역에서 사전에 비해 사후에 유의미한 효과가 있는 것으로 나타났다. 양적 분석 결과는 학생들의 차시별 개발일지에 대한 질적 분석 결과와도 일치함을 확인하였다.

최종적으로 컴퓨터 과학자처럼 사고하는 반성적 컴퓨팅 사고력 함양과 관련하여 다음과 같은 결론 및 시사점을 도출하였다. 첫째, 반성적 컴퓨팅 사고를 촉발할 수 있는 의도적인 계산적 문제를 설계해야 한다. 둘째, 학습자 스스로 일련의 컴퓨팅 사고의 절차에 따라 문제를 해결해야 한다. 셋째, 문제 재발견과 회귀를 위해 의도적인 반성적 컴퓨팅 사고 전략(시뮬레이션과 디버깅) 시간이 충분히 보장되어야 한다. 넷째, 지식의 구성을 위해 구체적 사물과 상호작용하는 과정 중 협업을 통한 피드백 경험이 효과적이다. 다섯째, 컴퓨팅 사고는 모든 문제 상황에 적용 가능한 사고가 아니라 다양한 사고 양식 중 하나로써 활용할 수 있도록 해야 한다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차