인공지능(AI) 학습 플랫폼을 활용한 수학 개별화 교수-학습에서 나타나는 피드백 사례 연구 A Case Study on the Feedback in Mathematics Individualized Teaching-Learning Using Artificial Intelligence (AI) Learning Platforms원문보기
교육부는 2022 개정 교육과정 총론 주요사항(시안)에서 교육과정 개정의 추진 배경으로 ‘미래사회에 필요한 역량을 함양하고 학습자 맞춤형 교육을 강화할 수 있도록 미래 교육 비전의 정립과 수업 및 평가 개선을 포함하는 교육과정 체제의 전환이 필요’하다고 하였다. 교육과정 체제 전환에서 지속적으로 언급되는 교육 키워드는 ‘맞춤형 교육’과 ‘인공지능(AI)’이다. 이에 따라 2020년부터 정부 부처에서 인공지능(AI) 관련 교육정책 방향과 과제, 인공지능(AI) 기반 융합 혁신미래교육 중장기 발전 계획(2021~2025) 등을 발표하며 인공지능(AI)을 교육에 활용하기 위한 정책과 계획이 수립되고 실행되고 있다. 이러한 흐름 속에서 인공지능(AI)의 교육적 활용은 미래를 준비하기 위한 과정이자 현재의 필요라 할 수 있다. 하지만 인공지능(AI) 유의미한 활용과 교육적 효과를 위해서는 인공지능(AI)을 학교 교수-학습 과정에 투입했을 때 어떤 양상이 나타나는지 분석하고, 이를 바탕으로 학교 수학 수업에서 교사가 인공지능(AI) 교수-학습 도구를 어떻게 활용해야 효과적인지 탐색해보는 연구가 이루어져야 한다. 연구의 필요성에 따라 본 연구에서는 수학 교과를 중심으로 인공지능(AI) 수학 학습 플랫폼을 개별화 교수-학습 과정에 적용하여 학생과 교사의 경험과 인공지능(AI) 피드백 상호작용을 분석하여 인공지능(AI) 피드백의 교육적 활용에 대해 논의하였다. 먼저, 인공지능(AI) 수학 학습 플랫폼을 활용한 수학 교수-학습 과정에서 학생과 교사가 경험한 플랫폼의 특성이 어떠한지 상호작용(...
교육부는 2022 개정 교육과정 총론 주요사항(시안)에서 교육과정 개정의 추진 배경으로 ‘미래사회에 필요한 역량을 함양하고 학습자 맞춤형 교육을 강화할 수 있도록 미래 교육 비전의 정립과 수업 및 평가 개선을 포함하는 교육과정 체제의 전환이 필요’하다고 하였다. 교육과정 체제 전환에서 지속적으로 언급되는 교육 키워드는 ‘맞춤형 교육’과 ‘인공지능(AI)’이다. 이에 따라 2020년부터 정부 부처에서 인공지능(AI) 관련 교육정책 방향과 과제, 인공지능(AI) 기반 융합 혁신미래교육 중장기 발전 계획(2021~2025) 등을 발표하며 인공지능(AI)을 교육에 활용하기 위한 정책과 계획이 수립되고 실행되고 있다. 이러한 흐름 속에서 인공지능(AI)의 교육적 활용은 미래를 준비하기 위한 과정이자 현재의 필요라 할 수 있다. 하지만 인공지능(AI) 유의미한 활용과 교육적 효과를 위해서는 인공지능(AI)을 학교 교수-학습 과정에 투입했을 때 어떤 양상이 나타나는지 분석하고, 이를 바탕으로 학교 수학 수업에서 교사가 인공지능(AI) 교수-학습 도구를 어떻게 활용해야 효과적인지 탐색해보는 연구가 이루어져야 한다. 연구의 필요성에 따라 본 연구에서는 수학 교과를 중심으로 인공지능(AI) 수학 학습 플랫폼을 개별화 교수-학습 과정에 적용하여 학생과 교사의 경험과 인공지능(AI) 피드백 상호작용을 분석하여 인공지능(AI) 피드백의 교육적 활용에 대해 논의하였다. 먼저, 인공지능(AI) 수학 학습 플랫폼을 활용한 수학 교수-학습 과정에서 학생과 교사가 경험한 플랫폼의 특성이 어떠한지 상호작용(Interaction), 내용의 질(Quality of Content), 피드백과 지원(Feedback and Support), 유용성(Usability) 측면에서 평가한 결과를 살펴보고자 하였다. 그리고 학생과 교사가 경험한 교수-학습 지원 및 한계 요소를 질적으로 탐색해보고자 하였다. 이를 토대로 수학 개별화 교수-학습 과정에서 나타나는 문항과 피드백을 분석하고, 학습자의 특성에 따라 피드백과 피드백 수용성이 어떤 양상으로 나타나는지 알아보았다. 분석 결과를 바탕으로 개별 학습자 맞춤형 교육을 실현하기 위해 교사가 인공지능(AI) 수학 학습 플랫폼과 피드백을 활용하는 방안은 무엇인지 제안하고자 하였다. 연구의 목적을 위해 본 연구에서는 연구 문제를 다음과 같이 설정하였다. 연구 문제 1. 인공지능(AI) 수학 학습 플랫폼의 특성은 어떠한가? 1-1. 학생이 경험한 인공지능(AI) 수학 학습 플랫폼의 특성은 상호작용, 내용의 질, 피드백과 지원, 유용성 측면에서 어떠한가? 1-2. 교사가 경험한 인공지능(AI) 수학 학습 플랫폼의 특성은 상호작용, 내용의 질, 피드백과 지원, 유용성 측면에서 어떠한가? 1-3. 학생과 교사가 경험한 인공지능(AI) 수학 학습 플랫폼의 교수-학습 지원 및 한계 요소는 무엇인가? 연구 문제 2. 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습 과정에서 나타나는 피드백은 어떠한가? 2-1. 수학 교수-학습 과정에서 나타나는 문항과 피드백은 어떠한가? 2-2. 학생의 특성에 따른 피드백과 피드백 수용성은 어떠한가? 2-3. 낮은 성취 수준의 학생은 어떤 피드백을 경험하며 수학 문제를 해결하는가? 연구 문제 3. 개별화 교수-학습을 촉진하기 위한 교사의 인공지능(AI) 수학 학습 플랫폼과 피드백 활용 방안은 무엇인가? 연구 문제를 해결하기 위한 문헌고찰은 인공지능(AI)과 수학 교육, 개별화 교수-학습, 피드백을 중심으로 이루어졌으며, 연구 방법은 다음과 같다. 첫째, 예비 연구를 통해 인공지능(AI) 수학 학습 플랫폼 평가 요소와 문항 및 피드백 분석 요소를 추출하였다. 플랫폼 평가틀과 문항 및 피드백 분석틀을 전문가와 검토하고 수정 및 보완한 후, 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습 과정을 진행하여 평가틀과 분석틀을 최종 수정 및 보완하였다. 둘째, 연구 참여에 동의한 초등학교 5학년 학생 6명을 대상으로 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습을 실행하였다. 본연구에 활용하는 인공지능(AI) 수학 학습 플랫폼은 칸 아카데미칸 아카데미(Khan Academy)와 노리 AI 스쿨 수학(KnowRe)이며, 적용하는 수학 교수-학습 내용은 5학년 1학기 수학 4단원 약분과 통분, 5단원 분수의 덧셈과 뺄셈이다. 인공지능(AI) 수학 학습 플랫폼을 활용한 교수-학습 과정 전반은 영상 녹화하였다. 셋째, 학생 연구참여자들의 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습 과정 완료 후 학생이 경험한 플랫폼을 평가해보고, 피드백 수용성을 검사하였다. 그리고 면담을 통해 학생이 경험한 교수-학습 지원 및 한계 요소를 탐색하였다. 또한 인공지능(AI) 수학 학습 플랫폼을 활용한 수학 수업을 경험한 교사 연구참여자 5명을 대상으로 플랫폼 평가 및 의견 자유 서술을 진행하여 교사가 경험한 교수-학습 지원 및 한계 요소를 탐색하였다. 넷째, 연구참여자들의 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습 과정(6명, 총 67차시)에서 나타나는 피드백과 일부 차시의 문항을 기준에 따라 분석하였다. 이후 학생의 특성에 따른 피드백과 피드백 수용성을 알아보고, 낮은 성취 수준의 학생이 어떤 피드백 상호작용을 경험하며 수학 문제를 해결하는지 사례 분석을 하였다. 다섯째, 앞의 연구 결과를 토대로 수학 개별화 교수-학습을 촉진하기 위해 교사가 인공지능(AI) 수학 학습 플랫폼과 피드백을 활용하는 방안은 무엇일지 수학 문항, 인공지능(AI) 수학 수업 모델, 수학과 교육과정(시안) 중 교수·학습 및 평가 방향을 기준으로 제안하였다. 연구 결과는 다음과 같다. 첫째, 학생과 교사가 경험한 인공지능(AI) 수학 학습 플랫폼의 정량적 평가 결과 상호작용, 내용의 질, 피드백과 지원, 유용성 범주 모두 높은 수준의 평점을 나타냈다. 인공지능(AI) 수학 학습 플랫폼에 대해 학생과 교사가 정성적으로 평가한 내용을 토대로 교수-학습 지원 및 한계 요소를 분석한 결과는 다음과 같다. 학생들이 인공지능(AI) 수학 학습 플랫폼을 통해 경험한 학습 지원 요소에 공통적으로 ‘피드백’이 포함되어 있었다. 교사가 경험한 학습 지원 요소는 인지 범주에서 ‘개별화 학습’, ‘완전 학습’, 정의 범주에서 ‘게이미피케이션(gamification)’, ‘성취감’, 행동 범주에서 ‘즉시성’이 있었다. 교사가 경험한 교수 지원 요소는 ‘학생 수준 진단’과 ‘개별화 교수’가 있었다. 학생과 교사가 공통적으로 경험한 교수-학습 한계 요소는 ‘피드백 난이도’, ‘문제 난이도’, ‘시스템 오류’였다. 별도의 학생 응답으로 협력적 문제해결과 쌍방향 질의응답의 부재가 있었고, 교사 응답으로 성취 수준이 낮은 학생에 대한 인간 교사의 개입 필요가 있었다. 둘째, 수학 개별화 교수-학습 과정에서 나타나는 문항과 피드백을 분석한 결과 문항 형태는 선택형(선다형)과 서답형(단답형) 두 유형이, 문항 수준은 연계 없는 절차형[PNC]과 연계 있는 절차형[PWC] 두 수준이 나타났다. 피드백의 범주 및 유형, 빈도를 분석한 결과 피드백은 인지, 행동, 정의 3개 범주에서 모두 나타났으며 행동 범주의 피드백 유형이 다른 범주에 비해 많이 포함됐다. 빈도가 높은 피드백은 정의 범주의 동기 유발적 피드백과 인지 범주의 설명적 피드백이었다. 다음으로 학습자의 특성에 따른 피드백 피드백 수용성을 분석한 결과 학습자의 성취 수준이 높을수록 피드백 빈도가 낮았으며, 재시도 피드백 비율이 낮았다. 그러나 학습 성취 수준과 학습자의 피드백 수용성 간 뚜렷한 경향이 나타나지는 않았다. 학습유형에 따른 피드백과 피드백 수용성을 분석한 결과 학습유형에 따라 인공지능(AI) 학습 플랫폼으로부터 받은 피드백의 유형과 비율에 차이가 있었고, 학습유형에 긍정정서 혹은 긍정동기가 포함된 학습자는 상대적으로 피드백 수용성이 높았다. 마지막으로 성취 수준이 낮은 학생들의 오답 문항에서 나타나는 피드백 상호작용을 분석한 결과, 이 학생들은 인공지능(AI) 피드백을 통해 오류 및 오개념 발견, 수학 개념 재개념화를 하였다. 반면 인공지능(AI) 피드백의 학습자 오답 유형 구분 어려움(단순 실수, 개념 미형성), 학생 행동 및 정서 파악 어려움, 피드백 의존성 등의 문제점도 있었다. 또한 학생들의 오류 유형과 플랫폼별 인공지능(AI) 피드백을 분석한 결과 가장 많이 나타난 오류는 ‘풀이 과정의 오류’였고, 이외에도 다양한 오류가 발생하였다. 인공지능(AI) 플랫폼별로 학생의 오류에 대응하는 피드백에 차이는 있었지만, 학생이 오류를 범한 문항과 관련된 개념을 설명하고자 했고, 개념과 연결하여 문제를 해결하는 방법과 풀이 과정을 제시했다는 공통점이 있었다. 셋째, 개별화 교수-학습을 촉진하기 위한 교사의 인공지능(AI) 수학 학습 플랫폼과 피드백 활용 방안을 수학 문항, 수학 수업 모델, 수학과 교육과정(시안) 측면에서 정리하였다. 수학 문항 측면에서 교사는 학습자 맞춤형 문항 제시를 활용하여 개별 학생의 반복적 오류를 줄이고, 인공지능(AI) 피드백을 통해 학생의 오류 유형을 파악하여 수학 개념 이해 정도를 확인한다. 수학 수업 모델 측면에서 교사는 개별화 수업을 가능하게 하는 AI 수업 모델, 학생을 수업 속으로 참여시키는 AI 수업 모델, 수업 공간 확장의 AI 수업 모델, 수준별 정리를 통한 학습 활동 개별화 AI 수업 모델을 적용할 수 있다. 수학과 교육과정 측면에서 ‘교수·학습’과 관련하여 교사는 개별화 교수-학습을 학생이 능동적·주도적으로 수행할 수 있도록 인공지능(AI) 피드백 활용에 대한 학습자 훈련(training)을 계획해야 하고, 플랫폼과 피드백이 학년, 수학 학습 내용, 학습자 특성에 적합한지 고려해야 한다. 수학 학습 결과와 진단 피드백을 활용하여 ‘깊이 있는 학습’을 위한 다양한 교수·학습 방법을 수업에 적용하고, 학생의 수학 학습 결과 및 진단 피드백과 연계하여 개별 학습자의 수학 학습 속도, 학습 능력, 성취 수준 등을 고려한 맞춤형 지도를 계획 및 실행한다. ‘평가’와 관련하여 교사는 ‘학습 과정에 대한 성찰’을 포함한 평가를 실행하며, 평가 및 진단 피드백 정보를 통해 학생의 학습 결손을 파악하고 개별 학습자 맞춤형 지원을 한다. 인공지능(AI) 피드백을 과정 중심 평가와 연계하여 활용하며, 학생의 수학 학습 결과와 진단 피드백을 활용하여 다양한 평가 방법을 적용한 후 결과를 개별 맞춤형으로 제공한다. 이상의 연구 결과를 토대로 한 결론은 다음과 같다. 첫째, 인공지능(AI) 플랫폼을 수학 수업에 활용할 때 교사의 개입이 필요하며, 피드백을 중심으로 한 교수-학습 지원이 요구된다. 학생과 교사가 경험한 인공지능(AI) 수학 학습 플랫폼의 특성을 비교하여 살펴보았을 때, 상호작용, 내용의 질, 피드백과 지원, 유용성 범주 측면에서 교사와 학생의 인식이 모두 높은 수준의 결과를 나타냈으며, 모든 학생은 ‘피드백’을 학습 지원 요소로 보았다. 이는 학생과 교사 모두 인공지능(AI) 수학 학습 플랫폼을 활용한 수학 교수-학습에 만족함을 의미하며, 학교 수학 수업에서 인공지능(AI) 수학 학습 플랫폼의 교수-학습 지원 가능성을 시사한다. 그러나 인공지능(AI) 수학 학습 플랫폼의 ‘피드백·문제 난이도’, ‘시스템 오류’에 대해 학생과 교사 모두 교수-학습의 한계 요소로 지적하였고, 특히 교사는 성취 수준이 낮은 학생의 경우 인간 교사의 개입이 꼭 필요하다고 하였다. 이를 통해 학생에게 유의미한 학습이 실행되기 위해서는 교수-학습과 평가 측면에서 교사의 지속적인 조정과 관리가 요구됨을 알 수 있었다. 둘째, 수학 개별화 교수-학습 시 인공지능(AI) 플랫폼의 문항과 피드백을 토대로 학생의 성취 수준과 학습유형을 고려한 교사의 맞춤형 지원이 선별적으로 요구된다. 수학 개별화 교수-학습 과정에서 나타나는 인공지능(AI) 피드백을 분석해보았을 때, 문항 형태와 인지적 요구 수준은 다소 한정적이었으나 피드백은 인지, 행동, 정의 세 범주에서 모두 나타났다. 또한 인공지능(AI) 피드백은 학습자의 성취 수준과 학습유형에 따라 차이가 있었고, 긍정정서나 긍정동기를 지닌 학습유형의 학생이 피드백 수용성이 높았다. 성취 수준이 낮은 학생들의 오답 문항에서 나타나는 피드백 상호작용 분석 결과는 인공지능(AI) 피드백이 학습자의 수학 개념 이해 분석, 오류 분석, 재개념화를 지원한다는 것과 교사의 개입을 통해 학습자의 정서 및 행동 파악과 지원이 이루어져야 함을 시사한다. 셋째, 수학 개별화 교수-학습을 촉진하기 위해 교사가 인공지능(AI) 수학 학습 플랫폼과 피드백을 활용할 때, 축적된 인공지능(AI) 수학 학습 피드백 정보를 다양한 교수·학습 및 평가 방법과 연계하여 학습자의 깊이 있는 학습과 학습 과정에 대한 성찰을 위한 개별 맞춤형 교육을 계획하고 실행해야 한다.
교육부는 2022 개정 교육과정 총론 주요사항(시안)에서 교육과정 개정의 추진 배경으로 ‘미래사회에 필요한 역량을 함양하고 학습자 맞춤형 교육을 강화할 수 있도록 미래 교육 비전의 정립과 수업 및 평가 개선을 포함하는 교육과정 체제의 전환이 필요’하다고 하였다. 교육과정 체제 전환에서 지속적으로 언급되는 교육 키워드는 ‘맞춤형 교육’과 ‘인공지능(AI)’이다. 이에 따라 2020년부터 정부 부처에서 인공지능(AI) 관련 교육정책 방향과 과제, 인공지능(AI) 기반 융합 혁신미래교육 중장기 발전 계획(2021~2025) 등을 발표하며 인공지능(AI)을 교육에 활용하기 위한 정책과 계획이 수립되고 실행되고 있다. 이러한 흐름 속에서 인공지능(AI)의 교육적 활용은 미래를 준비하기 위한 과정이자 현재의 필요라 할 수 있다. 하지만 인공지능(AI) 유의미한 활용과 교육적 효과를 위해서는 인공지능(AI)을 학교 교수-학습 과정에 투입했을 때 어떤 양상이 나타나는지 분석하고, 이를 바탕으로 학교 수학 수업에서 교사가 인공지능(AI) 교수-학습 도구를 어떻게 활용해야 효과적인지 탐색해보는 연구가 이루어져야 한다. 연구의 필요성에 따라 본 연구에서는 수학 교과를 중심으로 인공지능(AI) 수학 학습 플랫폼을 개별화 교수-학습 과정에 적용하여 학생과 교사의 경험과 인공지능(AI) 피드백 상호작용을 분석하여 인공지능(AI) 피드백의 교육적 활용에 대해 논의하였다. 먼저, 인공지능(AI) 수학 학습 플랫폼을 활용한 수학 교수-학습 과정에서 학생과 교사가 경험한 플랫폼의 특성이 어떠한지 상호작용(Interaction), 내용의 질(Quality of Content), 피드백과 지원(Feedback and Support), 유용성(Usability) 측면에서 평가한 결과를 살펴보고자 하였다. 그리고 학생과 교사가 경험한 교수-학습 지원 및 한계 요소를 질적으로 탐색해보고자 하였다. 이를 토대로 수학 개별화 교수-학습 과정에서 나타나는 문항과 피드백을 분석하고, 학습자의 특성에 따라 피드백과 피드백 수용성이 어떤 양상으로 나타나는지 알아보았다. 분석 결과를 바탕으로 개별 학습자 맞춤형 교육을 실현하기 위해 교사가 인공지능(AI) 수학 학습 플랫폼과 피드백을 활용하는 방안은 무엇인지 제안하고자 하였다. 연구의 목적을 위해 본 연구에서는 연구 문제를 다음과 같이 설정하였다. 연구 문제 1. 인공지능(AI) 수학 학습 플랫폼의 특성은 어떠한가? 1-1. 학생이 경험한 인공지능(AI) 수학 학습 플랫폼의 특성은 상호작용, 내용의 질, 피드백과 지원, 유용성 측면에서 어떠한가? 1-2. 교사가 경험한 인공지능(AI) 수학 학습 플랫폼의 특성은 상호작용, 내용의 질, 피드백과 지원, 유용성 측면에서 어떠한가? 1-3. 학생과 교사가 경험한 인공지능(AI) 수학 학습 플랫폼의 교수-학습 지원 및 한계 요소는 무엇인가? 연구 문제 2. 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습 과정에서 나타나는 피드백은 어떠한가? 2-1. 수학 교수-학습 과정에서 나타나는 문항과 피드백은 어떠한가? 2-2. 학생의 특성에 따른 피드백과 피드백 수용성은 어떠한가? 2-3. 낮은 성취 수준의 학생은 어떤 피드백을 경험하며 수학 문제를 해결하는가? 연구 문제 3. 개별화 교수-학습을 촉진하기 위한 교사의 인공지능(AI) 수학 학습 플랫폼과 피드백 활용 방안은 무엇인가? 연구 문제를 해결하기 위한 문헌고찰은 인공지능(AI)과 수학 교육, 개별화 교수-학습, 피드백을 중심으로 이루어졌으며, 연구 방법은 다음과 같다. 첫째, 예비 연구를 통해 인공지능(AI) 수학 학습 플랫폼 평가 요소와 문항 및 피드백 분석 요소를 추출하였다. 플랫폼 평가틀과 문항 및 피드백 분석틀을 전문가와 검토하고 수정 및 보완한 후, 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습 과정을 진행하여 평가틀과 분석틀을 최종 수정 및 보완하였다. 둘째, 연구 참여에 동의한 초등학교 5학년 학생 6명을 대상으로 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습을 실행하였다. 본연구에 활용하는 인공지능(AI) 수학 학습 플랫폼은 칸 아카데미칸 아카데미(Khan Academy)와 노리 AI 스쿨 수학(KnowRe)이며, 적용하는 수학 교수-학습 내용은 5학년 1학기 수학 4단원 약분과 통분, 5단원 분수의 덧셈과 뺄셈이다. 인공지능(AI) 수학 학습 플랫폼을 활용한 교수-학습 과정 전반은 영상 녹화하였다. 셋째, 학생 연구참여자들의 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습 과정 완료 후 학생이 경험한 플랫폼을 평가해보고, 피드백 수용성을 검사하였다. 그리고 면담을 통해 학생이 경험한 교수-학습 지원 및 한계 요소를 탐색하였다. 또한 인공지능(AI) 수학 학습 플랫폼을 활용한 수학 수업을 경험한 교사 연구참여자 5명을 대상으로 플랫폼 평가 및 의견 자유 서술을 진행하여 교사가 경험한 교수-학습 지원 및 한계 요소를 탐색하였다. 넷째, 연구참여자들의 인공지능(AI) 수학 학습 플랫폼을 활용한 개별화 교수-학습 과정(6명, 총 67차시)에서 나타나는 피드백과 일부 차시의 문항을 기준에 따라 분석하였다. 이후 학생의 특성에 따른 피드백과 피드백 수용성을 알아보고, 낮은 성취 수준의 학생이 어떤 피드백 상호작용을 경험하며 수학 문제를 해결하는지 사례 분석을 하였다. 다섯째, 앞의 연구 결과를 토대로 수학 개별화 교수-학습을 촉진하기 위해 교사가 인공지능(AI) 수학 학습 플랫폼과 피드백을 활용하는 방안은 무엇일지 수학 문항, 인공지능(AI) 수학 수업 모델, 수학과 교육과정(시안) 중 교수·학습 및 평가 방향을 기준으로 제안하였다. 연구 결과는 다음과 같다. 첫째, 학생과 교사가 경험한 인공지능(AI) 수학 학습 플랫폼의 정량적 평가 결과 상호작용, 내용의 질, 피드백과 지원, 유용성 범주 모두 높은 수준의 평점을 나타냈다. 인공지능(AI) 수학 학습 플랫폼에 대해 학생과 교사가 정성적으로 평가한 내용을 토대로 교수-학습 지원 및 한계 요소를 분석한 결과는 다음과 같다. 학생들이 인공지능(AI) 수학 학습 플랫폼을 통해 경험한 학습 지원 요소에 공통적으로 ‘피드백’이 포함되어 있었다. 교사가 경험한 학습 지원 요소는 인지 범주에서 ‘개별화 학습’, ‘완전 학습’, 정의 범주에서 ‘게이미피케이션(gamification)’, ‘성취감’, 행동 범주에서 ‘즉시성’이 있었다. 교사가 경험한 교수 지원 요소는 ‘학생 수준 진단’과 ‘개별화 교수’가 있었다. 학생과 교사가 공통적으로 경험한 교수-학습 한계 요소는 ‘피드백 난이도’, ‘문제 난이도’, ‘시스템 오류’였다. 별도의 학생 응답으로 협력적 문제해결과 쌍방향 질의응답의 부재가 있었고, 교사 응답으로 성취 수준이 낮은 학생에 대한 인간 교사의 개입 필요가 있었다. 둘째, 수학 개별화 교수-학습 과정에서 나타나는 문항과 피드백을 분석한 결과 문항 형태는 선택형(선다형)과 서답형(단답형) 두 유형이, 문항 수준은 연계 없는 절차형[PNC]과 연계 있는 절차형[PWC] 두 수준이 나타났다. 피드백의 범주 및 유형, 빈도를 분석한 결과 피드백은 인지, 행동, 정의 3개 범주에서 모두 나타났으며 행동 범주의 피드백 유형이 다른 범주에 비해 많이 포함됐다. 빈도가 높은 피드백은 정의 범주의 동기 유발적 피드백과 인지 범주의 설명적 피드백이었다. 다음으로 학습자의 특성에 따른 피드백 피드백 수용성을 분석한 결과 학습자의 성취 수준이 높을수록 피드백 빈도가 낮았으며, 재시도 피드백 비율이 낮았다. 그러나 학습 성취 수준과 학습자의 피드백 수용성 간 뚜렷한 경향이 나타나지는 않았다. 학습유형에 따른 피드백과 피드백 수용성을 분석한 결과 학습유형에 따라 인공지능(AI) 학습 플랫폼으로부터 받은 피드백의 유형과 비율에 차이가 있었고, 학습유형에 긍정정서 혹은 긍정동기가 포함된 학습자는 상대적으로 피드백 수용성이 높았다. 마지막으로 성취 수준이 낮은 학생들의 오답 문항에서 나타나는 피드백 상호작용을 분석한 결과, 이 학생들은 인공지능(AI) 피드백을 통해 오류 및 오개념 발견, 수학 개념 재개념화를 하였다. 반면 인공지능(AI) 피드백의 학습자 오답 유형 구분 어려움(단순 실수, 개념 미형성), 학생 행동 및 정서 파악 어려움, 피드백 의존성 등의 문제점도 있었다. 또한 학생들의 오류 유형과 플랫폼별 인공지능(AI) 피드백을 분석한 결과 가장 많이 나타난 오류는 ‘풀이 과정의 오류’였고, 이외에도 다양한 오류가 발생하였다. 인공지능(AI) 플랫폼별로 학생의 오류에 대응하는 피드백에 차이는 있었지만, 학생이 오류를 범한 문항과 관련된 개념을 설명하고자 했고, 개념과 연결하여 문제를 해결하는 방법과 풀이 과정을 제시했다는 공통점이 있었다. 셋째, 개별화 교수-학습을 촉진하기 위한 교사의 인공지능(AI) 수학 학습 플랫폼과 피드백 활용 방안을 수학 문항, 수학 수업 모델, 수학과 교육과정(시안) 측면에서 정리하였다. 수학 문항 측면에서 교사는 학습자 맞춤형 문항 제시를 활용하여 개별 학생의 반복적 오류를 줄이고, 인공지능(AI) 피드백을 통해 학생의 오류 유형을 파악하여 수학 개념 이해 정도를 확인한다. 수학 수업 모델 측면에서 교사는 개별화 수업을 가능하게 하는 AI 수업 모델, 학생을 수업 속으로 참여시키는 AI 수업 모델, 수업 공간 확장의 AI 수업 모델, 수준별 정리를 통한 학습 활동 개별화 AI 수업 모델을 적용할 수 있다. 수학과 교육과정 측면에서 ‘교수·학습’과 관련하여 교사는 개별화 교수-학습을 학생이 능동적·주도적으로 수행할 수 있도록 인공지능(AI) 피드백 활용에 대한 학습자 훈련(training)을 계획해야 하고, 플랫폼과 피드백이 학년, 수학 학습 내용, 학습자 특성에 적합한지 고려해야 한다. 수학 학습 결과와 진단 피드백을 활용하여 ‘깊이 있는 학습’을 위한 다양한 교수·학습 방법을 수업에 적용하고, 학생의 수학 학습 결과 및 진단 피드백과 연계하여 개별 학습자의 수학 학습 속도, 학습 능력, 성취 수준 등을 고려한 맞춤형 지도를 계획 및 실행한다. ‘평가’와 관련하여 교사는 ‘학습 과정에 대한 성찰’을 포함한 평가를 실행하며, 평가 및 진단 피드백 정보를 통해 학생의 학습 결손을 파악하고 개별 학습자 맞춤형 지원을 한다. 인공지능(AI) 피드백을 과정 중심 평가와 연계하여 활용하며, 학생의 수학 학습 결과와 진단 피드백을 활용하여 다양한 평가 방법을 적용한 후 결과를 개별 맞춤형으로 제공한다. 이상의 연구 결과를 토대로 한 결론은 다음과 같다. 첫째, 인공지능(AI) 플랫폼을 수학 수업에 활용할 때 교사의 개입이 필요하며, 피드백을 중심으로 한 교수-학습 지원이 요구된다. 학생과 교사가 경험한 인공지능(AI) 수학 학습 플랫폼의 특성을 비교하여 살펴보았을 때, 상호작용, 내용의 질, 피드백과 지원, 유용성 범주 측면에서 교사와 학생의 인식이 모두 높은 수준의 결과를 나타냈으며, 모든 학생은 ‘피드백’을 학습 지원 요소로 보았다. 이는 학생과 교사 모두 인공지능(AI) 수학 학습 플랫폼을 활용한 수학 교수-학습에 만족함을 의미하며, 학교 수학 수업에서 인공지능(AI) 수학 학습 플랫폼의 교수-학습 지원 가능성을 시사한다. 그러나 인공지능(AI) 수학 학습 플랫폼의 ‘피드백·문제 난이도’, ‘시스템 오류’에 대해 학생과 교사 모두 교수-학습의 한계 요소로 지적하였고, 특히 교사는 성취 수준이 낮은 학생의 경우 인간 교사의 개입이 꼭 필요하다고 하였다. 이를 통해 학생에게 유의미한 학습이 실행되기 위해서는 교수-학습과 평가 측면에서 교사의 지속적인 조정과 관리가 요구됨을 알 수 있었다. 둘째, 수학 개별화 교수-학습 시 인공지능(AI) 플랫폼의 문항과 피드백을 토대로 학생의 성취 수준과 학습유형을 고려한 교사의 맞춤형 지원이 선별적으로 요구된다. 수학 개별화 교수-학습 과정에서 나타나는 인공지능(AI) 피드백을 분석해보았을 때, 문항 형태와 인지적 요구 수준은 다소 한정적이었으나 피드백은 인지, 행동, 정의 세 범주에서 모두 나타났다. 또한 인공지능(AI) 피드백은 학습자의 성취 수준과 학습유형에 따라 차이가 있었고, 긍정정서나 긍정동기를 지닌 학습유형의 학생이 피드백 수용성이 높았다. 성취 수준이 낮은 학생들의 오답 문항에서 나타나는 피드백 상호작용 분석 결과는 인공지능(AI) 피드백이 학습자의 수학 개념 이해 분석, 오류 분석, 재개념화를 지원한다는 것과 교사의 개입을 통해 학습자의 정서 및 행동 파악과 지원이 이루어져야 함을 시사한다. 셋째, 수학 개별화 교수-학습을 촉진하기 위해 교사가 인공지능(AI) 수학 학습 플랫폼과 피드백을 활용할 때, 축적된 인공지능(AI) 수학 학습 피드백 정보를 다양한 교수·학습 및 평가 방법과 연계하여 학습자의 깊이 있는 학습과 학습 과정에 대한 성찰을 위한 개별 맞춤형 교육을 계획하고 실행해야 한다.
In this study, the artificial intelligence (AI) mathematics learning platform is applied to the individualized teaching-learning process, focusing on mathematics subjects, discussed about the educational use of artificial intelligence (AI) feedback by analyzing the experiences of students and teache...
In this study, the artificial intelligence (AI) mathematics learning platform is applied to the individualized teaching-learning process, focusing on mathematics subjects, discussed about the educational use of artificial intelligence (AI) feedback by analyzing the experiences of students and teachers and the interaction of artificial intelligence (AI) feedback. According to this, the research questions were as follow: 1. What are the characteristics of artificial intelligence (AI) math learning platforms? 1-1. What are the characteristics of the artificial intelligence (AI) math learning platforms experienced by students in terms of interaction, quality of content, feedback and support, and usability? 1-2. What are the characteristics of the artificial intelligence (AI) math learning platforms experienced by teachers in terms of interaction, quality of content, feedback and support, and usability? 1-3. What are the teaching-learning support and limiting factors of the artificial intelligence (AI) math learning platforms experienced by students and teachers? 2. What is the feedback in the individualized teaching-learning process using the artificial intelligence (AI) math learning platform? 2-1. What are the math problems and feedback in the mathematics teaching-learning process? 2-2. How is feedback and feedback acceptance based on student characteristics? 2-3. What kind of feedback do low-performing students experience when solving math problems? 3. What is the teacher's artificial intelligence (AI) math learning platforms and feedback utilization method to promote individualized teaching-learning? The literature review to solve the research questions was centered on artificial intelligence (AI), mathematics education, individualized teaching-learning, and feedback. Research method is as follows. First, through preliminary research, artificial intelligence (AI) math learning platforms evaluation elements, questions, and feedback analysis elements were extracted. After reviewing, modifying, and supplementing the platform evaluation framework, questions, and feedback analysis framework with experts, individualized teaching-learning process using artificial intelligence (AI) math learning platforms were conducted. And then, the evaluation framework and analysis framework were finally modified and supplemented. Second, individualized teaching-learning using an artificial intelligence (AI) math learning platforms was conducted for six 5th grade elementary school students who agreed to participate in the study. The artificial intelligence (AI) math learning platforms used in this study are Khan Academy and KnowRe AI School Mathematics(KnowRe). Unit 5 Addition and subtraction of fractions is applied. The entire teaching-learning process using the artificial intelligence (AI) math learning platforms was video recorded. Third, after completing the individualized teaching-learning process using the artificial intelligence (AI) math learning platforms of the student research participants, the platform experienced by the students was evaluated and the feedback acceptance was examined. In addition, through interviews, the teaching-learning support and limit factors experienced by the students were explored. In addition, the platform evaluation and free statement of opinions were conducted for five teacher research participants who had experienced mathematics classes using an artificial intelligence (AI) mathematics learning platforms to explore teaching-learning support and limit factors experienced by teachers. Fourth, the feedback in the individualized teaching-learning process (6 students, total 67 sessions) using the artificial intelligence (AI) math learning platforms of the research participants and the math problems of some sessions were analyzed according to the criteria. Then, feedback and feedback acceptance according to the characteristics of the students were investigated, and case studies were conducted on how students with low achievement levels experienced feedback interactions and solved math problems. Fifth, based on the results of the previous research, there were suggestions about how teachers can use artificial intelligence (AI) mathematics learning platforms and feedback to promote individualized teaching and learning in math problems, math instruction model, and mathematics curriculum. The results of the study are as follows. First, as a result of the quantitative evaluation of the artificial intelligence (AI) math learning platforms experienced by students and teachers, high scores were obtained in all categories of interaction, content quality, feedback and support, and usability. The results of analyzing the teaching-learning support and limit factors based on the qualitative evaluation of students and teachers on the artificial intelligence (AI) math learning platforms are as follows. ‘Feedback’ was commonly included in learning support elements that students experienced through the artificial intelligence (AI) math learning platforms. The learning support factors experienced by teachers were ‘individualized learning’ and ‘complete learning’ in the cognitive category, ‘gamification’ and ‘achievement’ in the affective category, and ‘immediacy’ in the behavioral category. The teaching support factors experienced by teachers included ‘diagnosis of student level’ and ‘individualized teaching’. The teaching-learning limit factors commonly experienced by students and teachers were ‘feedback level of difficulty’, ‘problem level of difficulty’, and ‘system error’. There were ‘absence of cooperative problem solving’ and ‘interactive question and answe’ with another answerr, and as a teacher response, there was a need for human teacher intervention for students with low achievement level. Second, as a result of analyzing the math problems and feedback in the individualized teaching-learning process in mathematics, there were two types and two levels of problems: selection type item(multiple choice form) and supply type item(short-answer form), [PNC](procedures without connections) and [PWC](procedures with connections). As a result of analyzing the categories, types, and frequencies of feedback, feedback appeared in all three categories: cognitive, behavioral, and affective, and feedback types in the behavioral category were included more than other categories. Feedback with high frequency was motivational feedback in the affective category and descriptive feedback in the cognitive category. Next, as a result of analyzing feedback acceptance according to the learner's characteristics, the higher the learner's achievement level, the lower the feedback frequency and the lower the retry feedback rate. However, there was no clear trend between the learning achievement level and learners' feedback acceptance. As a result of analyzing feedback and feedback acceptance according to learning type, there were differences in the type and ratio of feedback received from the artificial intelligence (AI) learning platforms according to learning type, and learners with positive emotion or positive motivation in the learning type showed relatively feedback acceptance was high. Finally, as a result of analyzing the feedback interactions in the incorrect answers of students with low achievement level, these students discovered error and misconception and reconceptualized through artificial intelligence (AI) feedback. On the other hand, there were problems such as difficulties in distinguishing types of learners' wrong answers in artificial intelligence (AI) feedback(simple mistakes, unformed concepts), difficulties in understanding student behavior and emotion, and dependence on feedback. Third, in order to promote individualized teaching-learning, the teacher's artificial intelligence (AI) math learning platforms and feedback utilization plans were summarized in terms of math problems, math instruction model, and mathematics curriculum. In terms of math problems, teachers use learner-customized problems presentations to reduce individual students' repetitive errors, and identify students' error types through artificial intelligence (AI) feedback to check the level of understanding of math concepts. In terms of the math instruction model, teachers can apply an AI instruction model that enables individualized class, an AI instruction model that engages students in class, an AI instruction model that expands the class space, and an AI instruction model that individualizes learning activities by level. Regarding ‘teaching and learning’ in terms of the mathematics curriculum, teachers should plan learner training for the use of artificial intelligence (AI) feedback so that students can actively lead individualized teaching-learning, and consider whether the feedback is appropriate for the grade level, mathematics learning content, and learner characteristics. Along with, apply various teaching and learning methods for ‘deep learning’ by utilizing math learning results and diagnostic feedback, and plan and execute customized instruction considering individual learners' math learning speed, learning ability, and achievement level by linking with students' math learning results and diagnostic feedback. Regarding ‘evaluation’, teachers conduct evaluation including ‘reflection on the learning process’, identifies students’ learning deficits through evaluation and diagnosis feedback information, and provides customized support for individual learners. Artificial intelligence (AI) feedback is used in conjunction with process-centered evaluation, and results are provided individually customized after applying various evaluation methods using students' math learning results and diagnostic feedback. The conclusions based on the above research results are as follows. First, when using artificial intelligence (AI) platforms in mathematics classes, teacher intervention is required, and teaching-learning support centered on feedback is required. When examining the characteristics of artificial intelligence (AI) math learning platforms experienced by students and teachers, both teachers and students' perceptions in terms of interaction, quality of content, feedback and support, and usability showed high levels of results, and all students viewed ‘feedback’ as a learning support factor. This means that both students and teachers are satisfied with mathematics teaching-learning using the artificial intelligence (AI) mathematics learning platforms, suggesting the possibility of supporting teaching-learning of the artificial intelligence (AI) mathematics learning platforms in school mathematics classes. However, both students and teachers pointed out ‘feedback/problem level of difficulty’ and ‘system error’ of the artificial intelligence (AI) math learning platforms as limit factors in teaching-learning. In particular, teachers said that human teacher intervention is essential for students with low achievement level. Through this, it was found that continuous adjustment and management of teachers are required in terms of teaching-learning and evaluation in order to carry out meaningful learning for students. Second, in the case of individualized mathematics teaching-learning, customized support from teachers considering the student's achievement level and learning type is selectively required based on the math problems and feedback of the artificial intelligence (AI) platforms. When we analyzed the artificial intelligence (AI) feedback that appeared in the mathematics individualized teaching-learning process, the form of the item and the level of cognitive demand were somewhat limited, but the feedback appeared in all three categories(cognitive, behavioral, affective categories). In addition, artificial intelligence (AI) feedback differed according to the learner's achievement level and learning type, and students with positive emotions or positive motivation had high feedback acceptance. The result of analyzing the feedback interaction in the incorrect answer questions of students with low achievement level is that artificial intelligence (AI) feedback supports learners' understanding of mathematical concepts, analysis of errors, and reconceptualization, and that learners' emotions and behaviors are understood through teacher intervention. Third, in order to promote individualized teaching and learning in mathematics, when teachers use artificial intelligence (AI) mathematics learning platforms and feedback, individually customized education for in-depth learning and reflection on the learning process must be planned and executed by linking accumulated artificial intelligence (AI) math learning feedback information with various teaching-learning and evaluation methods.
In this study, the artificial intelligence (AI) mathematics learning platform is applied to the individualized teaching-learning process, focusing on mathematics subjects, discussed about the educational use of artificial intelligence (AI) feedback by analyzing the experiences of students and teachers and the interaction of artificial intelligence (AI) feedback. According to this, the research questions were as follow: 1. What are the characteristics of artificial intelligence (AI) math learning platforms? 1-1. What are the characteristics of the artificial intelligence (AI) math learning platforms experienced by students in terms of interaction, quality of content, feedback and support, and usability? 1-2. What are the characteristics of the artificial intelligence (AI) math learning platforms experienced by teachers in terms of interaction, quality of content, feedback and support, and usability? 1-3. What are the teaching-learning support and limiting factors of the artificial intelligence (AI) math learning platforms experienced by students and teachers? 2. What is the feedback in the individualized teaching-learning process using the artificial intelligence (AI) math learning platform? 2-1. What are the math problems and feedback in the mathematics teaching-learning process? 2-2. How is feedback and feedback acceptance based on student characteristics? 2-3. What kind of feedback do low-performing students experience when solving math problems? 3. What is the teacher's artificial intelligence (AI) math learning platforms and feedback utilization method to promote individualized teaching-learning? The literature review to solve the research questions was centered on artificial intelligence (AI), mathematics education, individualized teaching-learning, and feedback. Research method is as follows. First, through preliminary research, artificial intelligence (AI) math learning platforms evaluation elements, questions, and feedback analysis elements were extracted. After reviewing, modifying, and supplementing the platform evaluation framework, questions, and feedback analysis framework with experts, individualized teaching-learning process using artificial intelligence (AI) math learning platforms were conducted. And then, the evaluation framework and analysis framework were finally modified and supplemented. Second, individualized teaching-learning using an artificial intelligence (AI) math learning platforms was conducted for six 5th grade elementary school students who agreed to participate in the study. The artificial intelligence (AI) math learning platforms used in this study are Khan Academy and KnowRe AI School Mathematics(KnowRe). Unit 5 Addition and subtraction of fractions is applied. The entire teaching-learning process using the artificial intelligence (AI) math learning platforms was video recorded. Third, after completing the individualized teaching-learning process using the artificial intelligence (AI) math learning platforms of the student research participants, the platform experienced by the students was evaluated and the feedback acceptance was examined. In addition, through interviews, the teaching-learning support and limit factors experienced by the students were explored. In addition, the platform evaluation and free statement of opinions were conducted for five teacher research participants who had experienced mathematics classes using an artificial intelligence (AI) mathematics learning platforms to explore teaching-learning support and limit factors experienced by teachers. Fourth, the feedback in the individualized teaching-learning process (6 students, total 67 sessions) using the artificial intelligence (AI) math learning platforms of the research participants and the math problems of some sessions were analyzed according to the criteria. Then, feedback and feedback acceptance according to the characteristics of the students were investigated, and case studies were conducted on how students with low achievement levels experienced feedback interactions and solved math problems. Fifth, based on the results of the previous research, there were suggestions about how teachers can use artificial intelligence (AI) mathematics learning platforms and feedback to promote individualized teaching and learning in math problems, math instruction model, and mathematics curriculum. The results of the study are as follows. First, as a result of the quantitative evaluation of the artificial intelligence (AI) math learning platforms experienced by students and teachers, high scores were obtained in all categories of interaction, content quality, feedback and support, and usability. The results of analyzing the teaching-learning support and limit factors based on the qualitative evaluation of students and teachers on the artificial intelligence (AI) math learning platforms are as follows. ‘Feedback’ was commonly included in learning support elements that students experienced through the artificial intelligence (AI) math learning platforms. The learning support factors experienced by teachers were ‘individualized learning’ and ‘complete learning’ in the cognitive category, ‘gamification’ and ‘achievement’ in the affective category, and ‘immediacy’ in the behavioral category. The teaching support factors experienced by teachers included ‘diagnosis of student level’ and ‘individualized teaching’. The teaching-learning limit factors commonly experienced by students and teachers were ‘feedback level of difficulty’, ‘problem level of difficulty’, and ‘system error’. There were ‘absence of cooperative problem solving’ and ‘interactive question and answe’ with another answerr, and as a teacher response, there was a need for human teacher intervention for students with low achievement level. Second, as a result of analyzing the math problems and feedback in the individualized teaching-learning process in mathematics, there were two types and two levels of problems: selection type item(multiple choice form) and supply type item(short-answer form), [PNC](procedures without connections) and [PWC](procedures with connections). As a result of analyzing the categories, types, and frequencies of feedback, feedback appeared in all three categories: cognitive, behavioral, and affective, and feedback types in the behavioral category were included more than other categories. Feedback with high frequency was motivational feedback in the affective category and descriptive feedback in the cognitive category. Next, as a result of analyzing feedback acceptance according to the learner's characteristics, the higher the learner's achievement level, the lower the feedback frequency and the lower the retry feedback rate. However, there was no clear trend between the learning achievement level and learners' feedback acceptance. As a result of analyzing feedback and feedback acceptance according to learning type, there were differences in the type and ratio of feedback received from the artificial intelligence (AI) learning platforms according to learning type, and learners with positive emotion or positive motivation in the learning type showed relatively feedback acceptance was high. Finally, as a result of analyzing the feedback interactions in the incorrect answers of students with low achievement level, these students discovered error and misconception and reconceptualized through artificial intelligence (AI) feedback. On the other hand, there were problems such as difficulties in distinguishing types of learners' wrong answers in artificial intelligence (AI) feedback(simple mistakes, unformed concepts), difficulties in understanding student behavior and emotion, and dependence on feedback. Third, in order to promote individualized teaching-learning, the teacher's artificial intelligence (AI) math learning platforms and feedback utilization plans were summarized in terms of math problems, math instruction model, and mathematics curriculum. In terms of math problems, teachers use learner-customized problems presentations to reduce individual students' repetitive errors, and identify students' error types through artificial intelligence (AI) feedback to check the level of understanding of math concepts. In terms of the math instruction model, teachers can apply an AI instruction model that enables individualized class, an AI instruction model that engages students in class, an AI instruction model that expands the class space, and an AI instruction model that individualizes learning activities by level. Regarding ‘teaching and learning’ in terms of the mathematics curriculum, teachers should plan learner training for the use of artificial intelligence (AI) feedback so that students can actively lead individualized teaching-learning, and consider whether the feedback is appropriate for the grade level, mathematics learning content, and learner characteristics. Along with, apply various teaching and learning methods for ‘deep learning’ by utilizing math learning results and diagnostic feedback, and plan and execute customized instruction considering individual learners' math learning speed, learning ability, and achievement level by linking with students' math learning results and diagnostic feedback. Regarding ‘evaluation’, teachers conduct evaluation including ‘reflection on the learning process’, identifies students’ learning deficits through evaluation and diagnosis feedback information, and provides customized support for individual learners. Artificial intelligence (AI) feedback is used in conjunction with process-centered evaluation, and results are provided individually customized after applying various evaluation methods using students' math learning results and diagnostic feedback. The conclusions based on the above research results are as follows. First, when using artificial intelligence (AI) platforms in mathematics classes, teacher intervention is required, and teaching-learning support centered on feedback is required. When examining the characteristics of artificial intelligence (AI) math learning platforms experienced by students and teachers, both teachers and students' perceptions in terms of interaction, quality of content, feedback and support, and usability showed high levels of results, and all students viewed ‘feedback’ as a learning support factor. This means that both students and teachers are satisfied with mathematics teaching-learning using the artificial intelligence (AI) mathematics learning platforms, suggesting the possibility of supporting teaching-learning of the artificial intelligence (AI) mathematics learning platforms in school mathematics classes. However, both students and teachers pointed out ‘feedback/problem level of difficulty’ and ‘system error’ of the artificial intelligence (AI) math learning platforms as limit factors in teaching-learning. In particular, teachers said that human teacher intervention is essential for students with low achievement level. Through this, it was found that continuous adjustment and management of teachers are required in terms of teaching-learning and evaluation in order to carry out meaningful learning for students. Second, in the case of individualized mathematics teaching-learning, customized support from teachers considering the student's achievement level and learning type is selectively required based on the math problems and feedback of the artificial intelligence (AI) platforms. When we analyzed the artificial intelligence (AI) feedback that appeared in the mathematics individualized teaching-learning process, the form of the item and the level of cognitive demand were somewhat limited, but the feedback appeared in all three categories(cognitive, behavioral, affective categories). In addition, artificial intelligence (AI) feedback differed according to the learner's achievement level and learning type, and students with positive emotions or positive motivation had high feedback acceptance. The result of analyzing the feedback interaction in the incorrect answer questions of students with low achievement level is that artificial intelligence (AI) feedback supports learners' understanding of mathematical concepts, analysis of errors, and reconceptualization, and that learners' emotions and behaviors are understood through teacher intervention. Third, in order to promote individualized teaching and learning in mathematics, when teachers use artificial intelligence (AI) mathematics learning platforms and feedback, individually customized education for in-depth learning and reflection on the learning process must be planned and executed by linking accumulated artificial intelligence (AI) math learning feedback information with various teaching-learning and evaluation methods.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.