내용타당도 검증은 CVR로 분석하였다. CVR에서는 .62 이상인 문항을 토대로 하였으며, CVR의 검증 과정에서 2문항을 제거하였고, 5개 문항을 수정하였다. 3단계에서는 2010년 4월 초에 본 연구 대상자와 유사한 대상자 25인을 대상으로 예비 검사를 실시하여 문항 신뢰도를 검증하였다.

그리고 와 같이 전체 구성 상태에서 차례대로 한 문항씩 제거한 후에 나머지 문항만을 토대로 신뢰도 계수를 추정하는 신뢰도 계수의 변화(Alpha if item Deleted)를 나타냄으로서 각 문항들이 갖는 해당 요인에서의 신뢰도를 검증하였다.

예비검사에서는 컴퓨터 교육관련 전문가 10명을 대상으로 내용타당도를 검증하였고, 예비교사 25명을 대상으로 신뢰도 검사를 실시하였다. 내용타당도 검증은 CVR을 통해 산출하였다. 즉, 내용 타당도 비율 검사는 준거에 대한 중요도 결과를 양화(quantifying consensus)한 비율로 산출하였다.

70 이상을 나타내었기 때문에 예비검사의 문항을 그대로 사용하였다. 단, 문항의 뜻이 모호하거나, 전달이 잘 되지 않는다고 판단되는 문항은 수정하였다. 또한, 예비검사에서는 7점의 Likert척도를 구안하였으나, 응답의 어려움으로 인하여 5점의 Likert 척도로 수정하였다.

내용타당도 비율(CVR) 은 다음과 같다[28]. 따라서 각 문항들에 대해 CVR(Content Validity Ratio)을 산출하고 각 문항들의 비율이 .62 이상인 문항들을 예비검사 문항으로 사용하였다.

왜냐하면 Shulman이 언급하고 있는 교수내용지식의 범위에서도 학생이나 환경에 관한 지식은 특정 상황에 관련되는 것이기 때문이다[18]. 따라서 교사들이 갖추어야 할 정보교과의 교수내용지식을 일반 교육학지식 및 교과교육학지식 영역에 해당하는 교수법에 관한 지식(Knowledge of Instructional Strategies), 내용지식 영역에 해당하는 표현의 지식(Knowledge of Representation), 내용에 관한 지식(Knowledge of Subject Matter) 평가에 관한 지식(Knowledge of Evaluation), 교과교육학지식 영역에 해당하는 교육과정에 관한 지식(Knowledge of Curriculum)의 5개 영역으로 구조화 하였다 .

본 연구는 4단계에 걸친 문항 개발 절차를 토대로 문항을 개발하고 최종 도구를 확정하였다. 본 연구에서 개발된 초등 예비교사들의 정보교과 교수내용지식 수준 측정 문항에 대한 타당성 분석 결과, 최종 5개의 요인에 39개의 문항이 개발되었다.

셋째, 본 연구는 정보교과를 가르치는 데 교사들에게 필요한 PCK를 측정하였다. 교사의 수준은 정보교과에 관한 지식인 CK와 이를 가르치는 데 필요한 교육학적 지식인 PK의 유기적 결합에 근거한다.

첫째, 예비검사이다. 예비검사에서는 컴퓨터 교육관련 전문가 10명을 대상으로 내용타당도를 검증하였고, 예비교사 25명을 대상으로 신뢰도 검사를 실시하였다. 내용타당도 검증은 CVR을 통해 산출하였다.

교사들이 갖추어야 할 지식에 대해 Shulman(1986)은 교사들이 교실 상황에 필요한 지식을 교과목지식(Subject matter knowledge), 교육학 지식(Pedagogical knowledge), 교육과정 지식(Curricular Knowledge)으로 분류하는 모델을 제안하였다[5]. 이후 수정된 모델을 통해 교과목지식, 교육학 지식과 함께 교수내용지식(Pedagogical Content Knowledge)을 제안하였다[6]. 교사들의 교수내용 지식이란 교과목 지식이나 교육학 지식과는 구별되는 지식으로써, 교수하고자 하는 내용, 학생 이해, 학교 상황, 교수법, 교육과정 등 교수 상황 전반에 관련된 지식을 의미한다[7].

내용타당도 검증은 CVR을 통해 산출하였다. 즉, 내용 타당도 비율 검사는 준거에 대한 중요도 결과를 양화(quantifying consensus)한 비율로 산출하였다. 내용타당도 비율(CVR) 은 다음과 같다[28].

평가 문항을 개발하고 문항의 타당도를 검증할때, 탐색요인분석에서는 KMO의 표본 적합도와 Bartlett의 구형성 검정을 실시하여 요인분석이 가능한지의 여부를 먼저 진단한다. 앞에서도 언급한 바와 같이 이론적으로 완벽하지 않은 부분에 대한 문항을 개발하였기 때문에 통계적인 방법을 사용하는 것에 대해 검증하였다.

본 연구의 대상은 초등학교 예비교사들로 C교육대학교의 4학년 학생들이다. 2010년 4월 한달 동안 C교육대학교에 재학 중인 4학년 전체 학생인 350명을 대상으로 정보교과의 PCK에 대한 문항으로 설문을 실시하였다. 전체 350명 중, 정보 교과의 교수내용지식의 내용을 이해하지 못하거나, 전혀 관심을 보이지 않은 대상자, 그리고 응답을 했지만 무성의 하거나 일관성이 없는 응답을 보인 대상자를 포함하여 53을 제외하였다.

3단계에서는 2010년 4월 초에 본 연구 대상자와 유사한 대상자 25인을 대상으로 예비 검사를 실시하여 문항 신뢰도를 검증하였다. 4단계에서는 2010년 4월 15일부터 5월 10일까지 25일 동안 초등 예비교사 350명에게 설문하였다.

전체 350명 중, 정보 교과의 교수내용지식의 내용을 이해하지 못하거나, 전혀 관심을 보이지 않은 대상자, 그리고 응답을 했지만 무성의 하거나 일관성이 없는 응답을 보인 대상자를 포함하여 53을 제외하였다. 따라서 본 연구에 참여한 예비교사는 총 297이며, 297의 응답을 대상으로 초등 예비교사의 정보교과 교수내용지식 측정을 위한 도구를 개발하였다.

본 연구의 대상은 초등학교 예비교사들로 C교육대학교의 4학년 학생들이다. 2010년 4월 한달 동안 C교육대학교에 재학 중인 4학년 전체 학생인 350명을 대상으로 정보교과의 PCK에 대한 문항으로 설문을 실시하였다.

2010년 4월 한달 동안 C교육대학교에 재학 중인 4학년 전체 학생인 350명을 대상으로 정보교과의 PCK에 대한 문항으로 설문을 실시하였다. 전체 350명 중, 정보 교과의 교수내용지식의 내용을 이해하지 못하거나, 전혀 관심을 보이지 않은 대상자, 그리고 응답을 했지만 무성의 하거나 일관성이 없는 응답을 보인 대상자를 포함하여 53을 제외하였다. 따라서 본 연구에 참여한 예비교사는 총 297이며, 297의 응답을 대상으로 초등 예비교사의 정보교과 교수내용지식 측정을 위한 도구를 개발하였다.

그러나 교과들에 대한 PCK는 조작적으로 정의되어 있으며, 어떤 요인들로 PCK를 측정해야 하는지에 대한 부분은 많은 이론적 검증을 통해 제시되어 있다. 그러므로 기존의 연구들을 토대로 PCK의 요인을 추출하고, 문항을 개발하였기 때문에 본 연구에서는 확인요인분석(CFA : Confirmatory factor analysis)을 사용하였다. 왜냐하면 확인요인분석은 연구자의 지식에 근거하여 내재된 요인 차원이나 가설을 확인하는 수단으로 사용되므로 본 연구에 더 적합할 것으로 판단하였다[29].

2단계에서는 추출된 각 요인과 문항들에 대해 컴퓨터교육 관련 전문가 10인을 대상으로 내용타당도를 검증하였다. 내용타당도 검증은 CVR로 분석하였다. CVR에서는 .

셋째, 교사들의 PCK 수준 측정 부분이다. 초등 예비교사들의 PCK 수준을 분석하기 위하여 각 문항들의 평균점을 산출하였고, 각 PCK 요인들의 수준에 있어서 차이를 나타내는지 분석하기 위하여 repeat analysis를 사용하였다. repeat analysis는 MANOVA의 한 방법으로 한 대상들의 다양한 요인에 대한 수준을 측정할 때 사용하는 반복구획설계의 한 방법이다.

초등 예비교사들의 정보교과 PCK 수준의 차이를 repeat analysis를 통해 분석하였다. 분석 결과는 <표7>과 같이 ‘표현에 관한 지식’이 3.

초등 예비교사들의 정보교과 PCK 측정 준거의 양호도는 타당도와 신뢰도 계수의 추정을 통해 분석하였다. 타당도는 확인요인분석의 공통요인분석을 실시하였으며, 신뢰도 검증은 문항의 내적 일치도(internal consistency)를 토대로 보수적인 추정을 하지만 측정오차를 가장 줄일 수 있는 Cronbach α 계수를 추정하였다.

타당도는 확인요인분석의 공통요인분석을 실시하였으며, 신뢰도 검증은 문항의 내적 일치도(internal consistency)를 토대로 보수적인 추정을 하지만 측정오차를 가장 줄일 수 있는 Cronbach α 계수를 추정하였다.

확인요인분석은 공통요인분석(common factor analysis)으로 하였으며, 요인 수 결정을 위해서는 단일주출분해법을 사용하였다. 탐색요인분석에서는 요인 수 결정을 위해 주축요인분해법(principal factor analysis)을 사용하여 고유치(eigen value)와 스크리 검사(scree test)를 진행하지만, 본 연구는 기본적으로 다섯 개의 요인을 상정하였기 때문에 단일주출분해법을 사용하였다. 회전방식은 사각 회전(Oblique Rotation)을 통해 Harris-Kaiser의 orthoblique 방식을 사용하였다.

확인요인분석은 공통요인분석(common factor analysis)으로 하였으며, 요인 수 결정을 위해서는 단일주출분해법을 사용하였다. 탐색요인분석에서는 요인 수 결정을 위해 주축요인분해법(principal factor analysis)을 사용하여 고유치(eigen value)와 스크리 검사(scree test)를 진행하지만, 본 연구는 기본적으로 다섯 개의 요인을 상정하였기 때문에 단일주출분해법을 사용하였다.

탐색요인분석에서는 요인 수 결정을 위해 주축요인분해법(principal factor analysis)을 사용하여 고유치(eigen value)와 스크리 검사(scree test)를 진행하지만, 본 연구는 기본적으로 다섯 개의 요인을 상정하였기 때문에 단일주출분해법을 사용하였다. 회전방식은 사각 회전(Oblique Rotation)을 통해 Harris-Kaiser의 orthoblique 방식을 사용하였다. 왜냐하면 HKP(Harris- Kaiser계수)를 .

본 연구에서 개발된 초등 예비교사들의 정보교과 교수내용지식 수준 측정 문항에 대한 타당성 분석 결과, 최종 5개의 요인에 39개의 문항이 개발되었다. 개발된 5개의 요인은 교육과정에 관한 지식, 표현에 관한 지식, 내용에 관한 지식, 평가에 관한 지식, 그리고 교수법에 관한 지식이다. 5개 요인의 누적분산 비율은 72% 정도의 설명력을 나타내었다.

958로 신뢰도가 높은 것으로 나타났다. 그리고 각 문항들을 제거했을 때의 신뢰도 계수가 전체 신뢰도 계수보다 낮아지는 현상을 나타내었다. 그러므로 해당 문항들이 모두 구성되었을 때의 신뢰도가 높기 때문에 해당 문항들을 제거할 필요가 없는 것으로 보인다.

넷째 요인은 평가에 관한 지식으로 6번째 문항인 '정보교과 내용 평가에 대해 의미를 부여할 수 있다(EVAL6)가 .714의 요인부하량으로 가장 높은 부하량을 보였으며, ‘교과 내용 이해도에 대해 학습목표와 비추어 총괄평가를 시행할 수 있다(EVAL8)'의 문항이 .691의 요인부하량으로 분석되었다.

3%로 70%가 넘는 값을 나타내었다. 누적분산비율은 전체 분산 중 본 연구에서 추출한 요인이 설명하는 분산의 비율을 나타내주고 있기 때문에 본 연구의 요인들이 정보교과 PCK를 70%이상 설명해 주고 있음을 알 수 있다. 특히 본 연구에서는 초등 예비교사를 대상으로 설정하여 학생이나 환경에 대한 요인을 고려하지 않음을 감안할 때, 높은 분산비율이라 할 수 있다.

다섯째 요인인 교수법에 관한 지식은 ‘학습에 흥미를 가질 수 있도록 정보교과만의 독특한 교수방법을 사용할 수 있다 : unplugged, pair programming 등(TEA1)'의 문항이 .660으로 가장 높은 요인부하량을 나타내었다.

셋째, 교육과정지식은 학생들에게 가르쳐야 할 교과 내용과 범위가 어떻게 조직되고 정리되어 있는지에 대한 지식이며, 넷째, 교수내용지식은 해당 교과의 교사가 가져야 하는 내용지식과 교과 교육학에 관련된 전문지식으로써, 타 교과 교사와 차별할 수 있는 지식이다. 다섯째, 학생지식은 교사가 가르쳐야 하는 내용을 학습하는 대상자의 특성이나, 학생 발달 특성에 대한 지식을 의미하며, 여섯째, 교육상황지식은 교실 또는 학생 모둠의 상황, 학교가 위치하고 있는 지역의 특성에 따른 상황이나, 더 나아가 사회 문화적인 상황에 대한 지식을 포함하고 있다. 마지막으로 교육목적지식은 해당 교과의 궁극적인 교육목표와 가치 및 역사적, 철학적 배경에 대한 지식이다.

둘째 요인인 표현에 관한 지식은 6번째 문항인 ‘학생들에게 친근한 사건을 들어 정보교과 내용을 설명할 수 있다(EXP6)'의 문항이 .739로 가장 높은 요인부하량을 나타내었고, ’정보교과 내용을 이해하는데 도움을 줄 수 있는 친근한 유추를 사용할 수 있다(EXP5)'의 문항이 .730의 부하량으로 분석되었다.

본 연구는 확인요인분석을 하기 전에 요인분석의 가능성을 진단하기 위하여 KMO 측도와 Bartlett의 구형성 검정을 실시한 결과, KMO 측도가 .935로 높게 나타났으며, Bartlett의 구형성 검정에서는 χ2값이 1872.89(p<.001)로 요인분석이 가능한 것으로 나타났다.

본 연구는 4단계에 걸친 문항 개발 절차를 토대로 문항을 개발하고 최종 도구를 확정하였다. 본 연구에서 개발된 초등 예비교사들의 정보교과 교수내용지식 수준 측정 문항에 대한 타당성 분석 결과, 최종 5개의 요인에 39개의 문항이 개발되었다. 개발된 5개의 요인은 교육과정에 관한 지식, 표현에 관한 지식, 내용에 관한 지식, 평가에 관한 지식, 그리고 교수법에 관한 지식이다.

본 연구에서 개발한 초등 예비교사들의 정보교과에 대한 PCK 측정 도구의 전체 신뢰도는 .974로 매우 신뢰로운 것으로 분석되었다.

분석 결과, 첫 번째 요인의 분산 비율은 .575로 가장 높으며, 두 번째 요인은 .061, 세 번째 요인의 분산이 .034 등으로 낮아지지만, 다섯 번째 요인까지의 누적분산 비율을 72.3%로 70%가 넘는 값을 나타내었다. 누적분산비율은 전체 분산 중 본 연구에서 추출한 요인이 설명하는 분산의 비율을 나타내주고 있기 때문에 본 연구의 요인들이 정보교과 PCK를 70%이상 설명해 주고 있음을 알 수 있다.

분석 결과, 첫째 요인인 교육과정에 관한 지식 요인에 해당하는 7번째 문항인 ‘정보 교육과정 내의 각 단원과 차시들의 학습목표와 평가에 대해 설명할 수 있다(CURI7)’는 문항이 .766으로 가장 높은 요인부하량을 나타내었다.

분석 결과는 과 같이 ‘표현에 관한 지식’이 3.41의 평균으로 다른 요인들에 비해 높은 지식수준을 나타내었다.

셋째 요인인 내용에 관한 지식 요인은 3번째 문항인 ‘학생들이 정보교과 내용에 대해 질문하는 모든 것에 대해 대답할 수 있다(CON3)’가 .704의 요인부하량을 나타내어 내용에 관한 지식 요인을 가장 잘 설명하는 문항으로 나타났다.

둘째, 일반 교육학지식은 교수학습방법, 교수학습설계, 학급경영 등의 교과내용지식을 초월하는 지식을 의미한다. 셋째, 교육과정지식은 학생들에게 가르쳐야 할 교과 내용과 범위가 어떻게 조직되고 정리되어 있는지에 대한 지식이며, 넷째, 교수내용지식은 해당 교과의 교사가 가져야 하는 내용지식과 교과 교육학에 관련된 전문지식으로써, 타 교과 교사와 차별할 수 있는 지식이다. 다섯째, 학생지식은 교사가 가르쳐야 하는 내용을 학습하는 대상자의 특성이나, 학생 발달 특성에 대한 지식을 의미하며, 여섯째, 교육상황지식은 교실 또는 학생 모둠의 상황, 학교가 위치하고 있는 지역의 특성에 따른 상황이나, 더 나아가 사회 문화적인 상황에 대한 지식을 포함하고 있다.

695의 부하량을 보였다. 즉, 정보교과의 원리나 원칙에 대한 내용, 전체적인 내용에 대한 이해가 교사들의 내용에 관한 지식을 가장 잘 측정할 수있는 문항으로 분석되었다.

5개 요인의 누적분산 비율은 72% 정도의 설명력을 나타내었다. 특히 다른 요인들에 비하여 교육과정에 관한 지식이 가장 높은 고유값을 보임으로써 교사들에게 있어서 가장 중요한 지식이 교육과정에 관한 지식임을 나타내 주었다. 즉, 초등 정보교과의 경우, 교육과정이 명확히 설정되어 있지 않기 때문에 이에 대한 지식이 높지 않을 가능성이 크다.

누적분산비율은 전체 분산 중 본 연구에서 추출한 요인이 설명하는 분산의 비율을 나타내주고 있기 때문에 본 연구의 요인들이 정보교과 PCK를 70%이상 설명해 주고 있음을 알 수 있다. 특히 본 연구에서는 초등 예비교사를 대상으로 설정하여 학생이나 환경에 대한 요인을 고려하지 않음을 감안할 때, 높은 분산비율이라 할 수 있다. 다섯 개 요인에서 문항들이 차지하는 요인부하량(factor loading) 산출한 결과는 <표4>와 같다.

따라서 유사하게 인식되는 PCK의 내용이라 할지라도 과학교과 교사가 지니고 있는 PCK와 정보교과 교사가 지니는 PCK는 상이하다. 그러므로 예비교사가 정보교과에 대한 CK를 습득했다면, 기존에 인지하고 있던 PK와의 결합을 통해 정보교과만의 독특한 PCK를 형성할 수 있을 것으로 보인다.

둘째, 본 연구에서 개발한 초등 예비교사들의 정보교과에 대한 교수내용지식 측정 도구는 초등학교 현장의 초등학교 교사들이 지니는 정보교과에 대한 교수내용지식을 측정할 수 있을 것으로 보인다. 현장에서 학생을 가르치고 있는 초등 교사들의 정보교과 교수내용지식을 측정함으로써 교사 연수 등에서 어느 부분에 대한 교육을 진행해야 하는 지 등에 대해서도 시사점을 제공할 수 있을 것이다.

교사의 수준은 정보교과에 관한 지식인 CK와 이를 가르치는 데 필요한 교육학적 지식인 PK의 유기적 결합에 근거한다. 따라서 교사 스스로 자신의 PCK를 측정하고, 정보교과를 가르치는데 충분한 전문성을 확보하고 있는지를 확인하는데 기여할 수 있을 것이다.

첫째, 초등학교 교사들의 일반 교과에 대한 교수내용지식과 정보교과에 대한 교수내용지식을 비교함으로써, 일반 교과에 비해 정보교과에 관한 지식이 어느 정도 수준인지를 분석할 필요가 있다. 즉, 일반교과 대비 정보교과에 관한 지식 수준을 가늠하는 것은 정보사회를 준비하는 학생들을 어느 정도 잘 지도할 수 있을지에 대한 부분을 설명해 줄 수 있을 것이기 때문이다.

59점으로 다른 지식에 비해서도 낮게 나타났다. 초등 예비교사들이 정보교과의 내용에 대해 정확히 인지하지 못하고 있다는 것은 향후, 학교 교육에서 정보교과를 기피할 수 있는 가능성이 있기 때문에 이러한 부분에 대한 대책이 마련되어야 할 것으로 보인다.

둘째, 본 연구에서 개발한 초등 예비교사들의 정보교과에 대한 교수내용지식 측정 도구는 초등학교 현장의 초등학교 교사들이 지니는 정보교과에 대한 교수내용지식을 측정할 수 있을 것으로 보인다. 현장에서 학생을 가르치고 있는 초등 교사들의 정보교과 교수내용지식을 측정함으로써 교사 연수 등에서 어느 부분에 대한 교육을 진행해야 하는 지 등에 대해서도 시사점을 제공할 수 있을 것이다.