인공지능교육 연구 동향 분석 결과를 요약하면 다음과 같다. 첫째, 국내 학술지 게재 논문과 학위 논문의 인공지능교육 연구 현황은 1987년도부터 2016년까지의 누적된 논문 수는 18편이었고, 2017년부터 2020년까지 누적된 논문 수는 58편으로 2017년도부터 꾸준히 논문 수가 증가되었다. 이는 2019년 정부가 발표한 인공지능에 대한 역량이 강조되면서 인공지능교육에 대한 중요성이 높아짐에 따라 관련 연구도 증가하고 있는 추세이다. 둘째, 인공지능교육 연구에서 ‘머신러닝’, ‘긍정’, ‘언플러그드’, ‘알고리즘’, ‘초등학생’ 등에 대한 키워드가 현재 연구의 활발한 주제 대상인 것으로 나타났다. 이는 현재 ...
인공지능교육 연구 동향 분석 결과를 요약하면 다음과 같다. 첫째, 국내 학술지 게재 논문과 학위 논문의 인공지능교육 연구 현황은 1987년도부터 2016년까지의 누적된 논문 수는 18편이었고, 2017년부터 2020년까지 누적된 논문 수는 58편으로 2017년도부터 꾸준히 논문 수가 증가되었다. 이는 2019년 정부가 발표한 인공지능에 대한 역량이 강조되면서 인공지능교육에 대한 중요성이 높아짐에 따라 관련 연구도 증가하고 있는 추세이다. 둘째, 인공지능교육 연구에서 ‘머신러닝’, ‘긍정’, ‘언플러그드’, ‘알고리즘’, ‘초등학생’ 등에 대한 키워드가 현재 연구의 활발한 주제 대상인 것으로 나타났다. 이는 현재 제4차 산업혁명에서 부각되고 있는 인공지능을 학생들에게 보다 쉽게 다가가게 하도록 하기 위해 초등학생을 대상으로 어떻게 가르칠 것인가 하는 연구가 활발하게 나타나고 있음을 보여주는 것이다. 셋째, 현재 교육부가 제시한 정보교육 종합계획[2020~2024]의 교육 내용에 맞추어 초등학생을 대상으로 인공지능에 대한 개념과 인공지능의 학습모델을 언플러그드, 플립러닝 수업방식으로 흥미를 유발하는 게이미피케이션 형태로 개발한 프로그램 연구를 연결시킬 수 있다. 또한, 중·고등학생을 대상으로 인공지능의 개념과 이해를 학습하고 인공지능 학습 모델을 프로그래밍 도구를 사용하여 기초적인 프로그래밍 과정을 학습할 수 있다. 그리고 이를 실생활과 연계하여 문제를 해결하는 프로그램을 만드는 프로젝트 형태의 교육방식을 제안한 연구를 연결 지을 수 있으며, 앞으로 이와 관련된 연구들이 계속 증가될 것으로 예상된다. 본 연구는 2017년부터 연구되어온 인공지능교육을 본 연구자가 설정한 인공지능교육 연구대상 논문 선정 기준 틀에 준거해 인공지능교육 연구의 동향을 살펴본 것이다. 따라서 본 연구는 앞으로의 인공지능교육에 관한 후속연구를 위해 기초자료로 제공하는데 의의가 있다. 기존의 인공지능교육의 연구동향을 밝히는 연구가 많이 수행된 바 없었다. 학문 분야는 계속적으로 발전을 거치면서 변화되기 때문에 향후 더 많은 연구 자료를 가지고 주기를 나누어 전체적인 연구 동향을 조사하여 그 변화를 살펴볼 필요가 있다.
인공지능교육 연구 동향 분석 결과를 요약하면 다음과 같다. 첫째, 국내 학술지 게재 논문과 학위 논문의 인공지능교육 연구 현황은 1987년도부터 2016년까지의 누적된 논문 수는 18편이었고, 2017년부터 2020년까지 누적된 논문 수는 58편으로 2017년도부터 꾸준히 논문 수가 증가되었다. 이는 2019년 정부가 발표한 인공지능에 대한 역량이 강조되면서 인공지능교육에 대한 중요성이 높아짐에 따라 관련 연구도 증가하고 있는 추세이다. 둘째, 인공지능교육 연구에서 ‘머신러닝’, ‘긍정’, ‘언플러그드’, ‘알고리즘’, ‘초등학생’ 등에 대한 키워드가 현재 연구의 활발한 주제 대상인 것으로 나타났다. 이는 현재 제4차 산업혁명에서 부각되고 있는 인공지능을 학생들에게 보다 쉽게 다가가게 하도록 하기 위해 초등학생을 대상으로 어떻게 가르칠 것인가 하는 연구가 활발하게 나타나고 있음을 보여주는 것이다. 셋째, 현재 교육부가 제시한 정보교육 종합계획[2020~2024]의 교육 내용에 맞추어 초등학생을 대상으로 인공지능에 대한 개념과 인공지능의 학습모델을 언플러그드, 플립러닝 수업방식으로 흥미를 유발하는 게이미피케이션 형태로 개발한 프로그램 연구를 연결시킬 수 있다. 또한, 중·고등학생을 대상으로 인공지능의 개념과 이해를 학습하고 인공지능 학습 모델을 프로그래밍 도구를 사용하여 기초적인 프로그래밍 과정을 학습할 수 있다. 그리고 이를 실생활과 연계하여 문제를 해결하는 프로그램을 만드는 프로젝트 형태의 교육방식을 제안한 연구를 연결 지을 수 있으며, 앞으로 이와 관련된 연구들이 계속 증가될 것으로 예상된다. 본 연구는 2017년부터 연구되어온 인공지능교육을 본 연구자가 설정한 인공지능교육 연구대상 논문 선정 기준 틀에 준거해 인공지능교육 연구의 동향을 살펴본 것이다. 따라서 본 연구는 앞으로의 인공지능교육에 관한 후속연구를 위해 기초자료로 제공하는데 의의가 있다. 기존의 인공지능교육의 연구동향을 밝히는 연구가 많이 수행된 바 없었다. 학문 분야는 계속적으로 발전을 거치면서 변화되기 때문에 향후 더 많은 연구 자료를 가지고 주기를 나누어 전체적인 연구 동향을 조사하여 그 변화를 살펴볼 필요가 있다.
The results of this study can be summarized as follows; First, through the analysis of the degree centrality of the keyword network, a network with machine learning, positive, unplugged, algorithms, and elementary school students as a large hub is formed between keywords. Second, even in the an...
The results of this study can be summarized as follows; First, through the analysis of the degree centrality of the keyword network, a network with machine learning, positive, unplugged, algorithms, and elementary school students as a large hub is formed between keywords. Second, even in the analysis of betweenness centrality, it can be seen that machine learning, elementary school students, positivity, and algorithms have high betweenness centrality values, so that they are keywords that simultaneously act as intermediaries connecting other keywords. Third, among the tools for evaluating educational effects within the research on artificial intelligence education, the value of eigenvector centrality of learning understanding was higher than that of other measurement tools. This means that keywords of active research topics and learning comprehension are linked together. This study looked at trends in artificial intelligence education research based on the criteria framework for selecting papers for artificial intelligence education research set by the researcher, which has been studied since 2017. Therefore, this research is meaningful in providing basic data for follow-up research on artificial intelligence education in the future. Not many studies have been carried out to reveal the research trends of artificial intelligence education. As the academic field changes as it continues to develop, it is necessary to examine the changes by dividing the cycle with more research data in the future and examining the overall research trends.
The results of this study can be summarized as follows; First, through the analysis of the degree centrality of the keyword network, a network with machine learning, positive, unplugged, algorithms, and elementary school students as a large hub is formed between keywords. Second, even in the analysis of betweenness centrality, it can be seen that machine learning, elementary school students, positivity, and algorithms have high betweenness centrality values, so that they are keywords that simultaneously act as intermediaries connecting other keywords. Third, among the tools for evaluating educational effects within the research on artificial intelligence education, the value of eigenvector centrality of learning understanding was higher than that of other measurement tools. This means that keywords of active research topics and learning comprehension are linked together. This study looked at trends in artificial intelligence education research based on the criteria framework for selecting papers for artificial intelligence education research set by the researcher, which has been studied since 2017. Therefore, this research is meaningful in providing basic data for follow-up research on artificial intelligence education in the future. Not many studies have been carried out to reveal the research trends of artificial intelligence education. As the academic field changes as it continues to develop, it is necessary to examine the changes by dividing the cycle with more research data in the future and examining the overall research trends.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.