초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

인공지능의 미래 영향력이 늘어남에 따라 인공지능 기술경쟁력 확보를 위한 인공지능 인재 양성에 전 세계적으로 많은 관심을 기울이고 있다. 2019년 인공지능 국가전략 수립을 시작으로 대한민국에서도 인공지능 교육을 위해 관련 학과를 신설 및 증설하고 있으며 인공지능 기초교육 강화를 위해 초중등 필수교육으로 지정하는 등 인공지능을 국가 차원의 핵심과제로 다루고 있으나, 전문계고등학교 그중에서도 특히 특성화고등학교 학생들을 위한 교육 자료가 부족한 실정이다.
인공지능 심화 교육을 받은 전문가 양성도 중요하지만, 요구하는 인력양성 수준에 따라 교육의 전문성에 차이를 둘 필요가 있다. 예를 들자면 범국민을 대상으로는 인공지능 사용자 수준의 기초 역량을, 직업계고 학생 등에게는 인공지능 활용자 수준의 기초 직무 수행 역량을, 인공지능 개발자에게는 고수준의 전문 개발 역량을 길러주는 등 필요 역량에 따른 학습 방법의 차이가 존재할 수 있다.
특성화고등학교에서는 ...

인공지능의 미래 영향력이 늘어남에 따라 인공지능 기술경쟁력 확보를 위한 인공지능 인재 양성에 전 세계적으로 많은 관심을 기울이고 있다. 2019년 인공지능 국가전략 수립을 시작으로 대한민국에서도 인공지능 교육을 위해 관련 학과를 신설 및 증설하고 있으며 인공지능 기초교육 강화를 위해 초중등 필수교육으로 지정하는 등 인공지능을 국가 차원의 핵심과제로 다루고 있으나, 전문계고등학교 그중에서도 특히 특성화고등학교 학생들을 위한 교육 자료가 부족한 실정이다.
인공지능 심화 교육을 받은 전문가 양성도 중요하지만, 요구하는 인력양성 수준에 따라 교육의 전문성에 차이를 둘 필요가 있다. 예를 들자면 범국민을 대상으로는 인공지능 사용자 수준의 기초 역량을, 직업계고 학생 등에게는 인공지능 활용자 수준의 기초 직무 수행 역량을, 인공지능 개발자에게는 고수준의 전문 개발 역량을 길러주는 등 필요 역량에 따른 학습 방법의 차이가 존재할 수 있다.
특성화고등학교에서는 직업교육을 통해 학생들의 취업 역량을 함양시키고 졸업 후 전문 교육을 위한 대학 진학이 아닌 취업을 목표로 하고 있다. 이를 반영하여 본 연구에서는 인공지능 기반 고졸 인력 수요 계획을 참고하여 산업체 요구를 반영한 특성화고등학교만의 인공지능 교육콘텐츠를 개발하고자 하였다. 이를 위하여 본 연구는 ADDIE 교수설계모형의 5단계를 따라 연구를 진행하였다.

첫째, 특성화고등학교 학습자의 성취 수준을 분석하여 교육 주제를 결정하였다.
둘째, 인공지능 관련 산업체 임직원들이 고졸 학력의 인재에게 기대하는 요구 역량을 반영하여 교육콘텐츠 개발 방향성과 교육 목표, 교수학습 모형을 구성하였다.
셋째, 2015 개정 교육과정의 핵심 목표인 창의‧융합형 인재 양성을 위해 전문 교과와 인공지능을 융합한 프로젝트 수업을 위한 콘텐츠를 개발하였다.
넷째, 특성화고등학교 재학생을 대상으로 통제집단과 실험집단을 나누어 이미지 데이터를 활용한 기계학습 모델 학습을 진행하였다.
다섯째, 두 집단 간 사전 사후 검사 결과를 토대로 교차 T 검정을 시행하여 개발한 교육콘텐츠의 효과성을 검증해보았다.

본 연구에서는 개발한 교육콘텐츠를 적용하여 특성화고 학생들의 컴퓨팅 사고력을 향상시키고 미래 직업 세계의 신산업 기술 인재 양성을 위한 기반을 다지기 위해 수업 사례와 교육 방향을 제시하고자 하였다. 특성화고 학생 21명을 대상으로 수업을 진행한 결과, 일반계 고등학생을 위한 기존의 언어 코딩 기반의 교육콘텐츠보다 본 논문에서 제안한 블록 코딩 기반의 교육콘텐츠를 적용했을 때 특성화고 학생들의 컴퓨팅 사고력 향상에 더 유의미한 긍정적인 변화 양상을 보였다.
이를 통해 산업체 요구사항을 반영하고 학습 난이도를 조절한 특성화고 학생 맞춤형 인공지능 교육콘텐츠가 컴퓨팅 사고력 향상에 효과적임을 확인할 수 있었다.
다만, 본 연구는 특정 학교‧특정 전문 교과를 대상으로 프로그램을 적용하고 교육의 효과성을 분석하였기에 일반화에 한계가 있어 향후 다양한 전문 교과와 융합 교육이 이루어질 수 있도록 연구를 확장해 나갈 필요가 있으며 본 연구에서는 언어 코딩과 블록 코딩 교육콘텐츠의 차이에 주안을 두고 연구를 진행하였으나 산업체 직무 요구사항을 반영한 특성화고 학생 맞춤형 콘텐츠를 개발하는 과정에서 교육콘텐츠의 데이터로 일반적이지 않은 전공 관련 이미지 데이터를 사용하였기에 데이터 변인에 따른 차이가 있을 수 있어 향후 이를 구별한 추가적인 연구의 설계 및 검증이 필요하다.
또한, 본 연구에서 교육의 효과성 검증을 위해 컴퓨팅 사고력 향상 정도를 인지적 영역 검사지를 통해 검증하였는데, 현재 사용 중인 컴퓨팅 사고력 측정 검사지의 경우 문항의 진술이나 난이도 구성에 있어서 특성화고 학생들에게 너무 어렵거나 너무 쉬워 검사지 선정에 어려움이 있었다. 추후 이를 고려하여 후속 연구로 특성화고 학생들의 문해력과 성취 수준에 맞는 별도의 차별화된 검사지를 개발하는 추가적인 연구가 이루어질 필요가 있으며 인지적 측면 외에 학습 동기와 수업 참여도 등 정의적 측면에서의 효과성 분석도 고려해볼 필요가 있다.

주제어