초등학교 인공지능 융합 교육 수업의 내용분석 연구 : SW·AI 수업 우수사례를 중심으로 Content analysis study of Elementary school Artificial intelligence convergence Education classes : Focusing on best cases of SW/AI classes원문보기
인공지능 기반의 디지털 사회가 도래하고 AI 소양 및 디지털 소양이 중요한 역량 으로 급부상함에 따라 교육 분야에 인공지능과 에듀테크를 도입하고자 하는 움직임 이 빨라지고 있다. 특히 교수·학습 분야에 인공지능과 에듀테크가 활용되면 학습자 에게 새로운 학습 경험을 제공하고 학습자의 AI 및 디지털 소양을 함양하는 데 도 움을 줄 수 있다. 이처럼 인공지능을 활용한 인공지능 ...
인공지능 기반의 디지털 사회가 도래하고 AI 소양 및 디지털 소양이 중요한 역량 으로 급부상함에 따라 교육 분야에 인공지능과 에듀테크를 도입하고자 하는 움직임 이 빨라지고 있다. 특히 교수·학습 분야에 인공지능과 에듀테크가 활용되면 학습자 에게 새로운 학습 경험을 제공하고 학습자의 AI 및 디지털 소양을 함양하는 데 도 움을 줄 수 있다. 이처럼 인공지능을 활용한 인공지능 융합 교육의 필요성 함께 대 두되면서 구체적이고 실제적인 수업 수준에서 인공지능과 에듀테크의 역할에 대한 고민과 논의 역시 필요한 시점이다. 이에 따라 본 연구는 인공지능 융합 교육을 수 업으로 구현한 다양한 시도 중에서 비교적 우수한 수업 사례를 분석하여 향후 인공 지능 융합 수업을 효과적으로 설계하기 위한 방향성을 탐색하고자 하였다. 이를 위해 본 연구는 한국과학창의재단에서 주관하는 SW·AI 수업 우수사례 공모전 에서 2020년, 2021년, 2022년에 수상한 초등학교 대상의 수업을 연구대상으로 선정하 여 총 42개의 교수·학습 지도안 및 관련 수업자료를 분석하였다. 연구 방법은 내용분 석의 절차를 따라 분석범주를 교과, 인공지능 교육요소, 에듀테크의 기능으로 나누어 설정하고 각 분석범주를 분석하기 위한 분석단위를 포함한 수업 분석 틀을 구안하였 다. 그리고 이 수업 분석 틀을 준거로 연구대상으로 선정된 수업을 양적 질적으로 병 행하여 분석하였다. 이러한 연구 과정을 통하여 도출한 결론은 다음과 같다. 첫째, 교과 측면에서 인공지능 융합 교육 우수사례는 실과 교과와 연계된 사례가 64.2%로 가장 많았는데 이는 우수사례 중 반이 넘는 수업이 실과 교과를 단독으로 또는 타 교과와 융합하여 설계되었다는 것을 확인할 수 있다. 이를 통해 실과 교육 과정의 소프트웨어 및 프로그래밍과 관련된 성취기준과 교육 내용이 인공지능 융합 수업을 설계하는 데 중추적인 역할을 하고 있음을 알 수 있었다. 둘째, 인공지능 융합 교육 우수사례의 전체 42개 수업 중 21개의 수업에서 인공지 능 교육요소를 발견할 수 있었고, 교육요소 중에서도 ‘인공지능 원리와 활용’ 요소 와 관련된 수업 사례가 15개로 가장 많았다. 그 외에 교육요소 중 ‘인공지능의 사 회적 영향’ 요소를 포함한 수업 사례는 8개, ‘인공지능의 이해’ 요소를 포함한 수 업 사례는 2개였다. 이 결과를 종합해보면 인공지능 융합 수업 우수사례에서는 인 공지능의 본질에 대한 이해를 다루는 내용보다는 인공지능의 원리를 활용하거나 인 공지능이 가지는 사회적 이슈를 융합하는 방향으로 수업을 설계하는 경향이 보이는 것을 확인할 수 있었다. 셋째, 인공지능 융합 교육 수업 우수사례가 활용하고 있는 에듀테크가 수행하는 기능은 대부분 1가지 또는 2가지이고, 주로 개별학습 지원과 교수학습 지원의 기능 을 하는 사례를 많이 발견할 수 있었다. 전체 42개의 수업 사례 중 36개의 사례는 1가지 이상의 에듀테크를 수업 중에 활용하고 있었는데 각 에듀테크의 기능을 세부 적으로 분석한 결과, 수업 중 활용되는 에듀테크가 개별학습을 지원하는 빈도수가 28개로 가장 높았고 교수학습을 지원하는 빈도수가 20개, 협력학습을 지원하는 빈 도수는 8개였다. 연구 결과를 토대로 향후 인공지능 융합 교육 및 관련된 연구의 질적 향상을 위한 제언을 하면 다음과 같다. 첫째, 인공지능 융합 교육이 소프트웨어 프로그래밍 및 기계학습 체험 활동과 연 계되어야 한다는 관념에서 벗어나, 수업 중 활용할 수 있는 인공지능과 에듀테크의 범위를 다양화할 필요가 있다. 인공지능 융합 교육의 본질은 인공지능 원리의 이해 뿐 아니라 이러한 이해를 기반으로 다양한 교과와 융합하여 창의적으로 문제를 해 결하는 역량을 기르는 데에 있기 때문이다. 둘째, 본 연구는 SW·AI 수업 우수사례 공모전에 수상한 교수·학습 지도안을 본 연 구 문제에 맞게 구안한 분석 틀을 준거로 분석하였다. 따라서 본 연구에서 사용한 분석범주 외에 인공지능 융합 수업의 다양한 측면을 분석하기 위한 후속 연구가 필 요하다. 셋째, 본 연구는 수업을 설계하는 교수자의 입장에서 인공지능 융합 수업 우수사 례를 살펴보았기 때문에 학습자가 어떤 영향을 받았는지 알 수 없다. 따라서 인공 지능 융합 수업이 학습자에게 어떠한 긍정적인 교육적 효과가 있는지를 밝히기 위 한 후속 연구가 필요하다.
인공지능 기반의 디지털 사회가 도래하고 AI 소양 및 디지털 소양이 중요한 역량 으로 급부상함에 따라 교육 분야에 인공지능과 에듀테크를 도입하고자 하는 움직임 이 빨라지고 있다. 특히 교수·학습 분야에 인공지능과 에듀테크가 활용되면 학습자 에게 새로운 학습 경험을 제공하고 학습자의 AI 및 디지털 소양을 함양하는 데 도 움을 줄 수 있다. 이처럼 인공지능을 활용한 인공지능 융합 교육의 필요성 함께 대 두되면서 구체적이고 실제적인 수업 수준에서 인공지능과 에듀테크의 역할에 대한 고민과 논의 역시 필요한 시점이다. 이에 따라 본 연구는 인공지능 융합 교육을 수 업으로 구현한 다양한 시도 중에서 비교적 우수한 수업 사례를 분석하여 향후 인공 지능 융합 수업을 효과적으로 설계하기 위한 방향성을 탐색하고자 하였다. 이를 위해 본 연구는 한국과학창의재단에서 주관하는 SW·AI 수업 우수사례 공모전 에서 2020년, 2021년, 2022년에 수상한 초등학교 대상의 수업을 연구대상으로 선정하 여 총 42개의 교수·학습 지도안 및 관련 수업자료를 분석하였다. 연구 방법은 내용분 석의 절차를 따라 분석범주를 교과, 인공지능 교육요소, 에듀테크의 기능으로 나누어 설정하고 각 분석범주를 분석하기 위한 분석단위를 포함한 수업 분석 틀을 구안하였 다. 그리고 이 수업 분석 틀을 준거로 연구대상으로 선정된 수업을 양적 질적으로 병 행하여 분석하였다. 이러한 연구 과정을 통하여 도출한 결론은 다음과 같다. 첫째, 교과 측면에서 인공지능 융합 교육 우수사례는 실과 교과와 연계된 사례가 64.2%로 가장 많았는데 이는 우수사례 중 반이 넘는 수업이 실과 교과를 단독으로 또는 타 교과와 융합하여 설계되었다는 것을 확인할 수 있다. 이를 통해 실과 교육 과정의 소프트웨어 및 프로그래밍과 관련된 성취기준과 교육 내용이 인공지능 융합 수업을 설계하는 데 중추적인 역할을 하고 있음을 알 수 있었다. 둘째, 인공지능 융합 교육 우수사례의 전체 42개 수업 중 21개의 수업에서 인공지 능 교육요소를 발견할 수 있었고, 교육요소 중에서도 ‘인공지능 원리와 활용’ 요소 와 관련된 수업 사례가 15개로 가장 많았다. 그 외에 교육요소 중 ‘인공지능의 사 회적 영향’ 요소를 포함한 수업 사례는 8개, ‘인공지능의 이해’ 요소를 포함한 수 업 사례는 2개였다. 이 결과를 종합해보면 인공지능 융합 수업 우수사례에서는 인 공지능의 본질에 대한 이해를 다루는 내용보다는 인공지능의 원리를 활용하거나 인 공지능이 가지는 사회적 이슈를 융합하는 방향으로 수업을 설계하는 경향이 보이는 것을 확인할 수 있었다. 셋째, 인공지능 융합 교육 수업 우수사례가 활용하고 있는 에듀테크가 수행하는 기능은 대부분 1가지 또는 2가지이고, 주로 개별학습 지원과 교수학습 지원의 기능 을 하는 사례를 많이 발견할 수 있었다. 전체 42개의 수업 사례 중 36개의 사례는 1가지 이상의 에듀테크를 수업 중에 활용하고 있었는데 각 에듀테크의 기능을 세부 적으로 분석한 결과, 수업 중 활용되는 에듀테크가 개별학습을 지원하는 빈도수가 28개로 가장 높았고 교수학습을 지원하는 빈도수가 20개, 협력학습을 지원하는 빈 도수는 8개였다. 연구 결과를 토대로 향후 인공지능 융합 교육 및 관련된 연구의 질적 향상을 위한 제언을 하면 다음과 같다. 첫째, 인공지능 융합 교육이 소프트웨어 프로그래밍 및 기계학습 체험 활동과 연 계되어야 한다는 관념에서 벗어나, 수업 중 활용할 수 있는 인공지능과 에듀테크의 범위를 다양화할 필요가 있다. 인공지능 융합 교육의 본질은 인공지능 원리의 이해 뿐 아니라 이러한 이해를 기반으로 다양한 교과와 융합하여 창의적으로 문제를 해 결하는 역량을 기르는 데에 있기 때문이다. 둘째, 본 연구는 SW·AI 수업 우수사례 공모전에 수상한 교수·학습 지도안을 본 연 구 문제에 맞게 구안한 분석 틀을 준거로 분석하였다. 따라서 본 연구에서 사용한 분석범주 외에 인공지능 융합 수업의 다양한 측면을 분석하기 위한 후속 연구가 필 요하다. 셋째, 본 연구는 수업을 설계하는 교수자의 입장에서 인공지능 융합 수업 우수사 례를 살펴보았기 때문에 학습자가 어떤 영향을 받았는지 알 수 없다. 따라서 인공 지능 융합 수업이 학습자에게 어떠한 긍정적인 교육적 효과가 있는지를 밝히기 위 한 후속 연구가 필요하다.
With the advent of the artificial intelligence-based digital society and the rapid emergence of AI and digital literacy as important capabilities, the movement to introduce artificial intelligence and Edutech in the field of education is accelerating. In particular, when artificial intelligence and ...
With the advent of the artificial intelligence-based digital society and the rapid emergence of AI and digital literacy as important capabilities, the movement to introduce artificial intelligence and Edutech in the field of education is accelerating. In particular, when artificial intelligence and Edutech are used in the field of teaching and learning, it can provide new learning experiences to learners and help cultivate learners' AI and digital literacy. As the need for artificial intelligence convergence education using artificial intelligence emerges, it is also necessary to consider and discuss the role of artificial intelligence and Edutech at a practical class level. Accordingly, this study sought to explore directions for effectively designing artificial intelligence convergence classes by analyzing relatively excellent class cases among various attempts to implement artificial intelligence convergence education into classes. To this end, this study selected as research subjects elementary school classes that won awards in 2020, 2021, and 2022 in the SW/AI class contest hosted by the KOFAC, and a total of 42 teaching&learning guidelines were selected. The research method followed the procedure of content analysis to set analysis categories by dividing them into subjects, artificial intelligence education elements, and Edutech functions, and devised a class analysis framework including analysis units. And based on this class analysis framework, the classes selected as research subjects were analyzed quantitatively and qualitatively in parallel. The conclusions drawn through this research method are as follows. First, in terms of subject matter, the best cases of artificial intelligence convergence education were most often linked to practical subjects at 64.2%, which means that more than half of the best cases were designed with practical subjects alone or by combining them with other subjects. Through this, it was found that the achievement standards and educational content related to software and programming in the practical curriculum play a pivotal role in designing artificial intelligence convergence classes. Second, out of a total of 42 classes in the best cases of artificial intelligence convergence education, artificial intelligence education elements were found in 21 classes. Among the education elements, there were 15 class cases related to the ‘artificial intelligence principles and use’ element, which was the most. In addition, among the educational elements, there were 8 class cases that included the ‘social impact of artificial intelligence’ element. And 2 class cases that included the ‘understanding of artificial intelligence’ element. Summarizing these results, it can be seen that in best cases of artificial intelligence convergence classes, there is a tendency to design classes in a direction that utilizes the principles of artificial intelligence or converges the social issues of artificial intelligence rather than content that deals with understanding the essence of artificial intelligence. Third, most of the Edutech used in the best cases of artificial intelligence convergence education classes perform one or two functions, and many cases were found that mainly function as individual learning support and teaching and learning support. Out of a total of 42 class cases, 36 classes were using at least one type of EduTech during class. As a result of detailed analysis of the functions of each EduTech, the frequency of EduTech used during class supporting individual learning was 28. The frequency of supporting teaching and learning was 20, and the frequency of supporting cooperative learning was 8. Based on the research results, suggestions for improving the quality of future artificial intelligence convergence education and related research are as follows. First, there is a need to break away from the notion that artificial intelligence convergence education should be linked to software programming and machine learning experience activities and diversify the scope of artificial intelligence and Edutech that can be used during classes. The essence of artificial intelligence convergence education is not only to understand the principles of artificial intelligence, but also to develop the ability to creatively solve problems by integrating various subjects based on this understanding. Second, this study analyzed the teaching and learning guidance plan awarded in the SW/AI class contest based on the analysis framework designed to suit this research problem. Therefore, follow-up research is needed to analyze various aspects of artificial intelligence convergence classes. Third, because this study examined best cases of artificial intelligence convergence classes from the perspective of an instructor who designs classes, it is unknown how learners were affected. Therefore, follow-up research is needed to reveal what positive educational effects artificial intelligence convergence classes have on learners.
With the advent of the artificial intelligence-based digital society and the rapid emergence of AI and digital literacy as important capabilities, the movement to introduce artificial intelligence and Edutech in the field of education is accelerating. In particular, when artificial intelligence and Edutech are used in the field of teaching and learning, it can provide new learning experiences to learners and help cultivate learners' AI and digital literacy. As the need for artificial intelligence convergence education using artificial intelligence emerges, it is also necessary to consider and discuss the role of artificial intelligence and Edutech at a practical class level. Accordingly, this study sought to explore directions for effectively designing artificial intelligence convergence classes by analyzing relatively excellent class cases among various attempts to implement artificial intelligence convergence education into classes. To this end, this study selected as research subjects elementary school classes that won awards in 2020, 2021, and 2022 in the SW/AI class contest hosted by the KOFAC, and a total of 42 teaching&learning guidelines were selected. The research method followed the procedure of content analysis to set analysis categories by dividing them into subjects, artificial intelligence education elements, and Edutech functions, and devised a class analysis framework including analysis units. And based on this class analysis framework, the classes selected as research subjects were analyzed quantitatively and qualitatively in parallel. The conclusions drawn through this research method are as follows. First, in terms of subject matter, the best cases of artificial intelligence convergence education were most often linked to practical subjects at 64.2%, which means that more than half of the best cases were designed with practical subjects alone or by combining them with other subjects. Through this, it was found that the achievement standards and educational content related to software and programming in the practical curriculum play a pivotal role in designing artificial intelligence convergence classes. Second, out of a total of 42 classes in the best cases of artificial intelligence convergence education, artificial intelligence education elements were found in 21 classes. Among the education elements, there were 15 class cases related to the ‘artificial intelligence principles and use’ element, which was the most. In addition, among the educational elements, there were 8 class cases that included the ‘social impact of artificial intelligence’ element. And 2 class cases that included the ‘understanding of artificial intelligence’ element. Summarizing these results, it can be seen that in best cases of artificial intelligence convergence classes, there is a tendency to design classes in a direction that utilizes the principles of artificial intelligence or converges the social issues of artificial intelligence rather than content that deals with understanding the essence of artificial intelligence. Third, most of the Edutech used in the best cases of artificial intelligence convergence education classes perform one or two functions, and many cases were found that mainly function as individual learning support and teaching and learning support. Out of a total of 42 class cases, 36 classes were using at least one type of EduTech during class. As a result of detailed analysis of the functions of each EduTech, the frequency of EduTech used during class supporting individual learning was 28. The frequency of supporting teaching and learning was 20, and the frequency of supporting cooperative learning was 8. Based on the research results, suggestions for improving the quality of future artificial intelligence convergence education and related research are as follows. First, there is a need to break away from the notion that artificial intelligence convergence education should be linked to software programming and machine learning experience activities and diversify the scope of artificial intelligence and Edutech that can be used during classes. The essence of artificial intelligence convergence education is not only to understand the principles of artificial intelligence, but also to develop the ability to creatively solve problems by integrating various subjects based on this understanding. Second, this study analyzed the teaching and learning guidance plan awarded in the SW/AI class contest based on the analysis framework designed to suit this research problem. Therefore, follow-up research is needed to analyze various aspects of artificial intelligence convergence classes. Third, because this study examined best cases of artificial intelligence convergence classes from the perspective of an instructor who designs classes, it is unknown how learners were affected. Therefore, follow-up research is needed to reveal what positive educational effects artificial intelligence convergence classes have on learners.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.