교육용 프로그래밍 언어의 도입은 다양한 학습활동을 전개할 수 있도록 교육환경을 변화시켰다. 이러한 학습 활동들이 프로그래밍 학습에 어느 정도 효과가 있는지 분석할 필요가 있다. 이를 위해 8가지 주요 학습 활동 주제별로 메타 분석 하였다. 연구 대상은 1993년부터 2015년까지 논문지에 게재된 프로그래밍 교육 논문이다. 분석 기준에 부합하는 총 44편의 논문에서 추출한 77개의 연구 자료를 선정했다. 본 연구의 주요결과를 살펴보면, 인지적 영역과 정의적 영역에서 .595와 .594로 중간 수준의 효과 크기를 나타냈다. 인지적 영역에서는 학습 주제별 유의한 차이는 없으나 수리, 시뮬레이션, 애니메이션 영역에서 중간 수준의 효과크기로 비교적 일관된 결과를 나타냈다. 정의적 영역에서는 학습 주제별 효과크기는 유의한 차이는 없지만, 개별 연구 간에 그리고 학습 주제 간에 동질성이 높게 나타났다. 이러한 연구 결과를 바탕으로 시사점을 제시하였다. 첫째, 학습자들은 다양한 학습 활동 주제에 따라 학습하는 것이 바람직하다. 둘째, 교수자들은 시뮬레이션, 애니메이션, 수리 활동에 주목할 필요가 있다. 셋째, 연구자들은 효과적인 학습을 위해 다른 요인을 찾아보는 연구가 필요하다.
교육용 프로그래밍 언어의 도입은 다양한 학습활동을 전개할 수 있도록 교육환경을 변화시켰다. 이러한 학습 활동들이 프로그래밍 학습에 어느 정도 효과가 있는지 분석할 필요가 있다. 이를 위해 8가지 주요 학습 활동 주제별로 메타 분석 하였다. 연구 대상은 1993년부터 2015년까지 논문지에 게재된 프로그래밍 교육 논문이다. 분석 기준에 부합하는 총 44편의 논문에서 추출한 77개의 연구 자료를 선정했다. 본 연구의 주요결과를 살펴보면, 인지적 영역과 정의적 영역에서 .595와 .594로 중간 수준의 효과 크기를 나타냈다. 인지적 영역에서는 학습 주제별 유의한 차이는 없으나 수리, 시뮬레이션, 애니메이션 영역에서 중간 수준의 효과크기로 비교적 일관된 결과를 나타냈다. 정의적 영역에서는 학습 주제별 효과크기는 유의한 차이는 없지만, 개별 연구 간에 그리고 학습 주제 간에 동질성이 높게 나타났다. 이러한 연구 결과를 바탕으로 시사점을 제시하였다. 첫째, 학습자들은 다양한 학습 활동 주제에 따라 학습하는 것이 바람직하다. 둘째, 교수자들은 시뮬레이션, 애니메이션, 수리 활동에 주목할 필요가 있다. 셋째, 연구자들은 효과적인 학습을 위해 다른 요인을 찾아보는 연구가 필요하다.
The introduction of educational programming language has changed programming learning environment to learn programming through various learning activities. We need to analyze how effective these learning activities could be in programming learning. We performed a meta analysis of the programming lea...
The introduction of educational programming language has changed programming learning environment to learn programming through various learning activities. We need to analyze how effective these learning activities could be in programming learning. We performed a meta analysis of the programming learning effects according to 8 types of learning activities. The 44 studies were collected from 1993 to 2015 for the meta analysis. The study data of 77 were extracted among 44 studies through several steps. The major results were as follows. The effect size of cognitive domain was shown to be mid-level with .595 and the effect size of affective domain was shown to be mid-level with .594. We analysed according to learning activities. The effect size were no significant difference between learning activities in the cognitive domain. But simulation, animation and mathematical activities was shown to be more consistent results and mid-level effect size. Although the effect size were no significant difference, the homogeneity was shown to be high in the affective domain. The implications were suggested from research findings. First, it is desirable that learners learn programming according to various learning activity themes. Second, instructors should pay attention to simulation, animation and mathmatics activities. Third, researchers need research to find another factors for effective learning.
The introduction of educational programming language has changed programming learning environment to learn programming through various learning activities. We need to analyze how effective these learning activities could be in programming learning. We performed a meta analysis of the programming learning effects according to 8 types of learning activities. The 44 studies were collected from 1993 to 2015 for the meta analysis. The study data of 77 were extracted among 44 studies through several steps. The major results were as follows. The effect size of cognitive domain was shown to be mid-level with .595 and the effect size of affective domain was shown to be mid-level with .594. We analysed according to learning activities. The effect size were no significant difference between learning activities in the cognitive domain. But simulation, animation and mathematical activities was shown to be more consistent results and mid-level effect size. Although the effect size were no significant difference, the homogeneity was shown to be high in the affective domain. The implications were suggested from research findings. First, it is desirable that learners learn programming according to various learning activity themes. Second, instructors should pay attention to simulation, animation and mathmatics activities. Third, researchers need research to find another factors for effective learning.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 이러한 다양한 학습 활동이 실제 프로그래밍 교육에 어떤 영향을 미쳤는지 비교 분석하고자 한다. 그 동안 축적된 프로그래밍 교육 연구를 종합적으로 메타 분석하여 프로그래밍 교육을 위한 효과적인 교수․학습 방법을 위한 시사점을 제시하고자 한다. 이와 같은 연구 목적을 달성하기 위해 본 연구에서는 다음과 같은 연구 문제를 설정하였다.
본 연구에서는 이러한 다양한 학습 활동이 실제 프로그래밍 교육에 어떤 영향을 미쳤는지 비교 분석하고자 한다. 그 동안 축적된 프로그래밍 교육 연구를 종합적으로 메타 분석하여 프로그래밍 교육을 위한 효과적인 교수․학습 방법을 위한 시사점을 제시하고자 한다.
가설 설정
알고리즘, 애니메이션, 그리기, 게임, 수리, 혼합, 프로젝트 등 모든 영역에서 집단 내에 효과 크기가 동일하다는 귀무가설을 기각하지 못한다. 또한 이질성을 나타내는 I2이 게임영역을 제외하고는 굉장히 낮게 나오는 것으로 이는 집단 내에서 동질성이 높다는 의미이다.
제안 방법
인지적 측면과 정의적 측면 두 영역으로 나뉘어 효과크기를 분석했다. 그리고 인지적 영역과 정의적 영역 각각에서 학습 활동 주제별로 분석했다.
다음으로 프로그래밍 교육의 효과를 보다 상세히 분석하기 위해 조절 변수로 학습 활동 주제 8가지를 선정하여 분석하였다. 학습 활동 주제별 프로그래밍 교육 효과 크기는 <표 5>에 제시하였다.
셋째, 프로그래밍 교육을 효과적으로 할 수 있는 다른 요인을 찾아보는 연구가 필요하다. 본 연구에서 여러 가지 요인 중에서 학습 활동 주제를 선정하여 분석하였다. 그 밖에 다른 요인을 찾아서 프로그래밍에 영향을 미치는 요인을 분석해볼 필요가 있다.
본 연구에서 조절변수로 활용하는 학습 활동 주제는 분석 대상 연구에서 실제 프로그래밍 교육 활동의 학습 지도안 혹은 지도 계획을 분석하여 수리, 게임, 그리기, 시뮬레이션, 알고리즘, 프로젝트, 애니메이션, 복합 등 총 8가지범주로 분류하였고, 그 내용은 와 같다.
595로 중간 수준이라고 볼 수 있다. 본 연구에서는 분석 대상 연구들의 표본 및 개입방법이 상이하기 때문에 무선효과 모형을 이용하여 분석하였다.
분석 결과는 다음 <표 5>와 같다. 분석은 집단 내에서 고정효과 모형으로 분석하고 집단 간에도 고정효과 모형으로 분석하였다. 집단 내ㆍ 집단 간에 고정효과 모형으로 분석함으로써 조절 변수에 따라서 범주화된 하위 집단 내 동질성 및 집단 간 동질성을 파악할 수 있다.
앞서, 통계적으로 유의한 차이는 없지만 애니메이션, 수리, 시뮬레이션은 다른 영역에 비해 연구간 동질성이 높게 나타났다. 비교적 일관되게 중간 크기 이상의 효과 크기를 보인점이 의미가 있기 때문에 세부적으로 학교급별로 분석했다. 수리영역의 15개 연구자료는 초등학생 4, 중학생 2, 고등학생 6, 대학생 3개로 구성되었다.
최종 선정된 44편의 논문에서 얻은 77개의 연구 자료는 CMA(Comprehensive Meta Analysis V2)프로그램을 이용하여 분석하였다. 인지적 측면과 정의적 측면 두 영역으로 나뉘어 효과크기를 분석했다. 그리고 인지적 영역과 정의적 영역 각각에서 학습 활동 주제별로 분석했다.
대상 데이터
55개의 연구 자료에 대한 출판 편향을 분석하였다. [그림 1]에서 보는 바와 같이 깔때기 그림 모양이 좌우 비대칭임을 확인할 수 있다.
본 연구에서 사용할 자료를 수집하기 위해 학술연구정보서비스를 이용하여 한국연구재단의 등재지를 대상으로 논문을 수집하였다. 검색에 사용한 키워드는 ‘프로그래밍 교육’이다.
비교적 일관되게 중간 크기 이상의 효과 크기를 보인점이 의미가 있기 때문에 세부적으로 학교급별로 분석했다. 수리영역의 15개 연구자료는 초등학생 4, 중학생 2, 고등학생 6, 대학생 3개로 구성되었다. 수리 영역의 학교급별 효과크기는 대학생 .
애니메이션은 5개의 연구자료 중에 4개가 초등학생 대상 연구이다. 시뮬레이션은 2개의 연구자료 모두 중학생 대상 연구이다. 시뮬레이션은 중학생, 애니메이션은 초등학생들에게 주로 적용되었다.
학교 급이 올라갈수록 보다 긍정적인 효과를 보이고 있다. 애니메이션은 5개의 연구자료 중에 4개가 초등학생 대상 연구이다. 시뮬레이션은 2개의 연구자료 모두 중학생 대상 연구이다.
메타 분석을 위해 효과 크기를 산출하는데 필요한 통계값 (평균, 표준편차, 사례 수)이 있어야한다. 이를 만족하는 논문 80편을 선정하였다. 로봇을 활용한 연구 자료는 배제한다.
최종 선정된 44편의 논문에서 얻은 77개의 연구 자료는 CMA(Comprehensive Meta Analysis V2)프로그램을 이용하여 분석하였다. 인지적 측면과 정의적 측면 두 영역으로 나뉘어 효과크기를 분석했다.
로봇을 활용한 연구 자료는 배제한다. 최종적으로 44편의 논문에서 77개의 연구 자료를 선정하였다.
검색에 사용한 키워드는 ‘프로그래밍 교육’이다. 키워드로 검색하여 수집한 국내 논문은 447편이었다. 메타 분석을 위해 효과 크기를 산출하는데 필요한 통계값 (평균, 표준편차, 사례 수)이 있어야한다.
데이터처리
본 연구에서는 에서 제시한 8가지 학습 활동 주제를 조절 변수로, 메타 ANOVA분석을 하였다.
효과크기를 산출하는 방식에는 대표적으로 Cohen`s d가 있다. 실험집단과 통제집단의 표준 편차를 통합한 값인 통합표준편차(Pooled Standard Deviation)를 사용하여 효과크기를 계산한다. Cohen`s d로 계산된 효과크기는 작은 표본에서 절대적인 효과 크기를 과대 추정하는 경향이 있다.
성능/효과
넷째, 프로그래밍 교육은 정의적 영역에서 보다 더 일관된 효과를 보이고 있다. 이는 프로그래밍 교육 자체에 대해 학생들이 긍정적으로 여기고 있다고 해석할 수 있다.
따라서 애니메이션, 수리, 시뮬레이션 영역의 이질성이 낮다는 점은 다른 학습 활동에 비해 보다 일관된 교육 결과를 제시한다는 의미다. 또한 분석 결과 학습 활동 주제별 효과 크기는 통계적으로 유의한 차이가 없다고 나타났다. 이러한 연구 결과는 두 가지 의미로 해석할 수 있다.
정의적 영역의 학습 활동 주제별 프로그래밍 교육 효과 크기는 <표 7>에 제시하였다. 먼저 게임 영역을 제외한 모든 영역에서 이질성이 굉장히 낮은 것으로 나타났다. 전체 분석 결과에서도 이질성이 낮게 나타났다.
분석 결과를 살펴보면 그리기(0.853)가 큰 효과 크기를 보이고 그 다음으로 게임, 시뮬레이션, 애니메이션, 수리가 중간 효과 크기를 보인다.
양창모(2014)는 1988년부터 2014년까지 70편의 논문 중에서 101개의 연구 자료를 대상으로 메타 분석 하였다. 분석결과 인지적 영역과 정의적 영역의 평균효과 크기는 각각 .632, .666 이었다. 교육 처치 기간과 효가 크기의 상관관계를 분석한 결과 상관계수 r=-0.
정의적 영역에서 학습 활동 주제별 효과 크기는 통계적으로 유의한 차이가 없다고 나타났다. 인지적 영역의 결과와 같지만, <표 7>의 결과와 함께 분석하면 의미는 다르다.
8 이상)를 보이고 있다. 종속변인별로 분석한 결과 창의성, 문제해결력, 논리적 사고가 학습 동기보다 통계적으로 유의하게 높게 나타났다. 이를 바탕으로 프로그래밍 교육이 정의적 영역보다 인지적 영역에 더 적절하다고 해석하였다[8].
첫째, 다양한 학습 활동 주제에 따라 프로그래밍을 학습하는 것이 바람직하다. 학습 활동 주제 간에 효과 크기에서 유의한 차이가 없었다.
첫째, 여러 가지 학습 활동 주제 중에서 교육 효과에 유의한 차이를 줄 수 있는 압도할 만한 학습 활동 주제는 없다는 것이다. 프로그래밍 교육을 받는 학생들은 다양한 학습 수준, 흥미, 동기 등을 지녔다.
인지적 영역에서 다른 영역에 비해 비교적 연구간 동질성이 높게 나타났다. 추가 분석 결과 수리영역은 고학년일수록 보다 효과적이었고, 시뮬레이션은 중학생, 애니메이션은 초등학생들에게 주로 적용되었다. 학습 활동 주제에 따라 학교급 별로 세분화된 교육 프로그램 개발 및 연구가 필요하다.
정의적 영역의 학습 활동 주제별 프로그래밍 교육의 효과 크기를 분석한 결과는 다음 <표 10>과 같다. 효과 크기는 게임(0.964)이 큰 효과 크기를 보이고, 그리기, 알고리즘, 프로젝트, 혼합, 수리가 중간 효과 크기를 보인다.
질의응답
핵심어
질문
논문에서 추출한 답변
프로그래밍 교육의 장점은?
프로그래밍 교육은 학생들이 스스로 학습의 주체가 되어 주어진 과제를 분석하고, 해결 방법을 탐색하며, 실행하는 과정에서 발생하는 오류를 수정해가는 경험을 통해 문제해결력, 논리적 사고력 등의 고차원적인 사고 능력을 배양할 수 있다[1]. 그러나 초보 학습자들에게는 프로그래밍 학습이 어려운 영역으로 인식되었다.
블록 기반 비주얼 프로그래밍 도구의 특징은?
이러한 문제를 해결하기 위해 교육용 프로그래밍 언어가 도입되었다. 특히 블록 기반 비주얼 프로그래밍 도구는 블록을 드래그하면서 프로그래밍 할 수 있다. 블록은 색상별로 범주화되어 있고, 그 모양에 따라서 결합 여부가 직관적으로 판단할 수 있기 때문에 문법적 오류로 인한 인지적 부담을 줄일 수 있다.
프로그래밍 교육은 어떤 학습자에게 어려운 영역으로 인식되고 있는가?
프로그래밍 교육은 학생들이 스스로 학습의 주체가 되어 주어진 과제를 분석하고, 해결 방법을 탐색하며, 실행하는 과정에서 발생하는 오류를 수정해가는 경험을 통해 문제해결력, 논리적 사고력 등의 고차원적인 사고 능력을 배양할 수 있다[1]. 그러나 초보 학습자들에게는 프로그래밍 학습이 어려운 영역으로 인식되었다. 프로그래밍 학습시 학습자들에게 나타나는 대부분의 오류는 단순한 문법적 오류이고[2], 이를 해결하는 과정에서 학습자들에게 인지적 부담이 가중된다[3].
참고문헌 (20)
Robins, A., Rountree, J., & Rountree, N. (2003). Learning and teaching programming: A review and discussion. Computer Science Education, 13(2), 137-172.
Guzdial, M. (2004). Programming environments for novices. Computer science education research, 2004, 127-154.
Milne, I., & Rowe, G. (2002). Difficulties in learning and teaching programming-views of students and tutors. Education and Information technologies, 7(1), 55-66.
Resnick, M., Maloney, J., Monroy-Hernandez, A., Rusk, N., Eastmond, E., Brennan, K., & Kafai, Y. (2009). Scratch: programming for all. Communications of the ACM, 52(11), 60-67.
Brennan, K., & Resnick, M. (2013). Stories from the scratch community: connecting with ideas, interests, and people. In Proceeding of the 44th ACM technical symposium on Computer science education, 463-464.
Maloney, J. H., Peppler, K., Kafai, Y., Resnick, M., & Rusk, N. (2008). Programming by choice: urban youth learning programming with scratch. ACM SIGCSE Bulletin, 40(1), 367-371.
Price, T. W., & Barnes, T. (2015). Comparing Textual and Block Interfaces in a Novice Programming Environment. In Proceedings of the eleventh annual International Conference on International Computing Education Research, 91-99.
진영학.김영식 (2011). 교육용프로그래밍언어의 효과에 관한 메타분석. 컴퓨터교육학회논문지, 14(3), 25-36.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.