[논문]스프레드시트를 활용한 데이터 과학 교육 프로그램이 초등학생의 컴퓨팅 사고력 향상에 미치는 효과

김용민; 김종훈

doi:10.14352/jkaie.2017.21.2.219

스프레드시트를 활용한 데이터 과학 교육 프로그램이 초등학생의 컴퓨팅 사고력 향상에 미치는 효과
Effect of data science education program using spreadsheet on improvement of elementary school computational thinking 원문보기

정보교육학회논문지 = Journal of the Korean Association of Information Education, v.21 no.2, 2017년, pp.219 - 230

초록
AI-Helper

본 연구는 초등학생의 컴퓨팅 사고력 향상을 위한 교육 방법으로 스프레드시트를 활용한 데이터 과학 교육프로그램을 개발하여 적용한 후 그 효과를 검증하였다. 교육 프로그램은 Rossett의 요구 분석 모형을 적용하여 초등학생 205명과 컴퓨터교육 전공 현직 초등교사 20명을 대상으로 실시한 사전 요구분석 결과를 바탕으로, 교수설계의 대표 모형인 ADDIE 모형의 절차에 따라 개발하였다. 개발한 교육 프로그램의 효과를 검증하기 위해 ${\bigcirc}{\bigcirc}$대학교에서 실시한 교육기부 프로그램의 지원자 표집에 의한 지원자 표본 20명의 학생을 대상으로 총 6일 동안 42차시 수업을 진행하였고 사전 사후 검사 결과를 통해 교육적 효과를 분석하였다. 분석 결과, 본 연구에서 개발한 교육 프로그램이 초등학생의 컴퓨팅 사고력 향상에 효과적임을 알 수 있었다.

Abstract ▼ AI-Helper

In this study, we developed a data science education program using spreadsheet, applied it after educational method to improve elementary school student 's Computational Thinking, and then verified its effect. Based on the results of preliminary requirement analysis conducted by Rossett's request analysis the educational program was developed based on the procedure of the ADDIE model which is the representative model of the teaching design based on the result of prior requirement analysis of 205 elementary school students and computer teaching major 20 incumbent elementary school teachers, applying Rossett's requirement analysis model. In order to verify the effect of the developed educational program, we are promoting 42 hours of lecture for a total of 6 days for 20 students of applicants who volunteered for volunteer votes of educational donation programs implemented at ${\bigcirc}{\bigcirc}$University, We analyzed the educational effect using the results of pre-post test. As a result of the analysis, we learned that the educational program developed in this study is effective for improving elementary school student 's Computational Thinking.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서, ‘4차 산업혁명’으로 인한 빅데이터 시대에 필요한 미래 인재 양성 교육은 컴퓨팅 사고력을 함양하는 것이 무엇보다 중요하며, 이에 본 연구에서는 초등학생의 컴퓨팅 사고력 향상을 위한 스프레드시트 활용 데이터 과학 교육 프로그램을 개발하였다.
본 연구에서는 초등학생을 대상으로 컴퓨팅 사고력을 향상시키기 위하여 스프레드시트를 활용한 데이터 과학 교육 프로그램을 제안하고 ADDIE 모형의 개발 단계에 따라 교육 프로그램을 개발 및 적용하였다. 방학 기간 동안 집중교육의 형태로 총 6일 동안 교육을 실시한 후 계산적 인지력과 창의성 사전․사후 검사 결과를 검증해 본 결과, 본 연구에서 개발한 교육 프로그램은 초등학생의 컴퓨팅 사고력 향상에 효과적인 것으로 나타났다.
그런데 이상하게 엄마가 할 때는 배터리가 별로 안 줄고 내가 할 때는 팍팍 줄어든다. 왜 같은 핸드폰을 같은 시간 동안 사용하는데 내가 쓸 때만 배터리가 빨리 나가는지 알고 싶어 이 주제를 선택하게 되었다

가설 설정

대립가설: 스프레드시트를 활용한 데이터 과학 교육 프로그램에 의한 학습자의 컴퓨팅 사고력에는 차이가 있다.
연구가설: 스프레드시트를 활용한 데이터 과학 교육 프로그램에 의한 학습자의 컴퓨팅 사고력에는 차이가 없다.

제안 방법

따라서, ‘4차 산업혁명’으로 인한 빅데이터 시대에 필요한 미래 인재 양성 교육은 컴퓨팅 사고력을 함양하는 것이 무엇보다 중요하며, 이에 본 연구에서는 초등학생의 컴퓨팅 사고력 향상을 위한 스프레드시트 활용 데이터 과학 교육 프로그램을 개발하였다. 개발한 교육 프로그램은 사전 요구분석을 통해 주제 및 교육내용을 선정하여 초등학교 3, 4, 5학년 학생들 중 지원자 표본(volunteer sample) 40명의 학생을 대상으로 투입하였다. 컴퓨팅 사고력의 구성요인은 계산적 인지력(추상적 사고, 비판적 사고, 논리적 사고, 재귀적 사고, 알고리즘적 사고)과 창의성(창의적 사고)으로 구분하여 설정하였다[11].
다만, 선행 연구들에서 컴퓨팅 사고력의 구성 요인을 인지적, 창의적 측면으로 구분하고 있는 것을 살펴볼 수 있었다. 따라서, 본 연구에서는 컴퓨팅 사고력의 구성요인을 계산적 인지력(추상적 사고, 비판적 사고, 논리적 사고, 재귀적 사고, 알고리즘적 사고)과 창의 성(창의적 사고)으로 구분하여 설정하였다[11]. 계산적 인지력 검사 도구로는 김병수(2014)의 연구에서 개발한 계 산적 인지력 검사(Computational Cognition Test) A, B형을 선정하였고, 창의성 검사도구로는 토란스(Torrance)의 TTCT(Torrance Tests of Creative Thinking) 검사지도 형 A, B형을 선정하였다.
첫날에는 사전 검사와 오리엔테이션 중심으로, 마지막 날에는 사후 검사 및 학습자들이 만든 프로젝트를 학생들과 학부모 대상으로 최종 발표(데이터 스토리텔링)하는 시간으로 이루어졌다. 매일 오전 9시부터 오후 15시까지 40분 단위 수업 7차시와 휴식 시간, 점심시간으로 운영되었고, 학습의 내면화를 위하여 매일 배운 내용과 관련하여 가정에서 복습 및 예습을 할 수 있도록 과제를 제시하였다.
먼저, 실험 집단이 정규성을 확보하고 있는지 확인하기 위하여 정규성 검정을 실시하였다.
문제 해결의 세부적인 단계는 문제의 특성에 따라 달라지지만, 데이터 과학 교육 문제 해결 단계는 일반적으로 다음과 같이 정의할 수 있는데[12], 본 연구에서는 이 단계에 따라 교육 자료를 개발하였다.
본 연구에서 개발한 교육 프로그램은 집중이수제 형식으로 6일간 총 42차시의 집합 강의 및 실습에 투입되었다. 첫날에는 사전 검사와 오리엔테이션 중심으로, 마지막 날에는 사후 검사 및 학습자들이 만든 프로젝트를 학생들과 학부모 대상으로 최종 발표(데이터 스토리텔링)하는 시간으로 이루어졌다.
1일차(1-7차시) 교육내용은 ‘오리엔테이션’, ‘사전검사’, ‘데이터과학의 의미를 이해하고 이를 위한 엑셀의 기본 기능 익히기’라는 주제로 이루어졌다. 엑셀의 화면 구성, 문서 작성하고 저장하기, 셀 서식 지정하기, 수식 입력하기, 차트 만들기, 데이터베이스 관리하기, 피벗테이블 이용하기, 구글 설문지 만들기 등의 활동을 실시하였다.
요구 분석 결과 및 데이터 과학 교육 도구의 특징, 데이터 과학 교육 문제 해결 단계를 바탕으로 [Table 6]과 같이 교육 프로그램 교수 전략을 설계하였다.
본 연구에서 개발한 프로그램의 교육적 효과를 살펴보기 위해 [Table 7]과 같이 ◯◯대학교에서 실시한 교육기부 프로그램의 지원자 표집에 의한 지원자 표본 (volunteer sample) 20명의 학생을 선정하였다. 학생들을 대상으로 전체 프로그램의 오리엔테이션, 사전․사후의 계산적 인지력 검사, 창의성 검사를 포함하여 총 6일 동안 42차시 수업으로 진행되었다. 교육은 외부 변인 통제가 보다 용이하도록 학기 중 주말반 수업 형식을 지양하고 방학 기간 동안 하루 종일 집중교육의 형태로 실시하여 학교, 학원 등의 외부 변인을 최대한 통제하였다.

대상 데이터

[Table 1], [Table 2]와 같이 ◯◯대학교에서 실시하는 ‘창의컴퓨터교실(교육기부 프로그램)’에 지원한 초등학생을 포함하여, 제주특별자치도내 초등학교 4～6학년 205명의 학생들과 컴퓨터교육 전공 초등 현직교사 20명을 대상으로 요구 분석을 실시하였다.
본 연구에서 개발한 프로그램의 교육적 효과를 살펴보기 위해 [Table 7]과 같이 ◯◯대학교에서 실시한 교육기부 프로그램의 지원자 표집에 의한 지원자 표본 (volunteer sample) 20명의 학생을 선정하였다. 학생들을 대상으로 전체 프로그램의 오리엔테이션, 사전․사후의 계산적 인지력 검사, 창의성 검사를 포함하여 총 6일 동안 42차시 수업으로 진행되었다.
세계경제포럼(WEF)은 2012년 떠오르는 10대 기술 중 하나로 빅데이터 기술을 선정하였으며 국내에서도 지식경제부에서 2012년도에 10대 핵심기술 하나로 빅데이터를 선정하였다[4]. 최근에 만들어진 많은 양의 다양한 데이터는 수집되고 분석이 되어져야 할 필요성을 인식하지만 기존의 방법으로는 데이터의 처리가 어려워지고 있다[22].
요구분석은 ○○대학교에서 실시하는 ‘창의컴퓨터교실(교육기부 프로그램)’에 지원한 초등학생을 포함하여, ○○도내 초등학교 4～6학년 205명의 학생들과 컴퓨터 교육 전공 초등 현직교사 20명을 대상으로 실시하였다.

데이터처리

또한, 창의성 사전 검사에서는 정규성을 확보한 창의성 하위 요소는 집단 내 대응표본 t검정, 정규성을 확보하지 못한 하위 요소는 윌콕슨 부호 순위 검정(Wilcoxon signed-rank test)을 실시하였다. 검정 결과 창의성의 유의미한 향상을 보였다.
사전 검사에 대한 비모수/모수 통계를 결정하기 위해 정규성 검정의 방법으로 샤피로-윌크 (Shapiro-Wilks) 검정을 실시하였고 [Table 9]에 그 결과를 제시하였다
사전․사후 검사 결과 계산적 인지력의 변화를 알아보기 위하여 [Table 11]과 같이 모수통계인 대응표본 t검정을 실시하였다.
사전․사후 검사 결과 창의성의 변화를 알아보기 위하여 [Table 12]와 같이 정규성을 확보한 항목은 모수 통계인 대응표본 t검정을 실시하였고, 정규성을 확보하지 못한 항목은[Table 13]과 같이 비모수 통계인 윌 콕슨 부호 순위 검정(Wilcoxon signed-rank test)을 실시하였다.

이론/모형

따라서, 본 연구에서는 컴퓨팅 사고력의 구성요인을 계산적 인지력(추상적 사고, 비판적 사고, 논리적 사고, 재귀적 사고, 알고리즘적 사고)과 창의 성(창의적 사고)으로 구분하여 설정하였다[11]. 계산적 인지력 검사 도구로는 김병수(2014)의 연구에서 개발한 계 산적 인지력 검사(Computational Cognition Test) A, B형을 선정하였고, 창의성 검사도구로는 토란스(Torrance)의 TTCT(Torrance Tests of Creative Thinking) 검사지도 형 A, B형을 선정하였다.
계산적 인지력 검사 도구로는 김병수(2014)의 연구에서 개발한 계산적 인지력 검사(Computational Cognition Test) A, B형을 사용하였고, 창의성 검사도구로는 토란스(Torrance)의 TTCT(Torrance Tests of Creative Thinking) 검사지 도형 A형을 사용하였다.
본 연구에서는 ADDIE모형의 절차에 따라 로제트 (Rossett)의 요구 분석 모형을 사용하였다. 로제트 (Rossett) 모형을 적용한 이유는 기업 교육에서 널리 활용되고 있는 대표적인 교육 요구 분석 모형으로 요구 분석의 실행과정에 초점을 둠으로써, 실제 요구 분석 실행자들이 적용하기 쉬운 안내를 제공하기 때문이다[20].

성능/효과

또한, 창의성 사전 검사에서는 정규성을 확보한 창의성 하위 요소는 집단 내 대응표본 t검정, 정규성을 확보하지 못한 하위 요소는 윌콕슨 부호 순위 검정(Wilcoxon signed-rank test)을 실시하였다. 검정 결과 창의성의 유의미한 향상을 보였다. 이로써 연구가설은 기각되어 대립 가설이 받아들여져 본 연구에서 개발된 스프레드시트를 활용한 데이터 과학 교육 프로그램은 학습자의 컴퓨팅 사고력을 향상시킬 수 있음을 입증하였다.
계산적 인지력 사전 검사에 대한 정규성 검정 결과 정규분포를 이루는 것으로 나타났다.
계산적 인지력 사전 검사에서 실험 집단은 정규분포를 갖춘 표본임이 검증되었으며 사전․사후의 집단 내 대응표본 t검정의 결과 계산적 인지력의 유의미한 향상을 보였다.
본 연구에서는 초등학생을 대상으로 컴퓨팅 사고력을 향상시키기 위하여 스프레드시트를 활용한 데이터 과학 교육 프로그램을 제안하고 ADDIE 모형의 개발 단계에 따라 교육 프로그램을 개발 및 적용하였다. 방학 기간 동안 집중교육의 형태로 총 6일 동안 교육을 실시한 후 계산적 인지력과 창의성 사전․사후 검사 결과를 검증해 본 결과, 본 연구에서 개발한 교육 프로그램은 초등학생의 컴퓨팅 사고력 향상에 효과적인 것으로 나타났다.
셋째, 데이터를 분석에 적합한 형태로 가공하는 ‘현상 이해하기: 탐색적 데이터 분석’ 단계이다.
여섯째, 관계자에게 결과를 적절한 형태로 소통하는 ‘데이터 스토리텔링’ 단계로 ‘발표’, ‘공유’ 등의 활동으로 이루어진다.
검정 결과 창의성의 유의미한 향상을 보였다. 이로써 연구가설은 기각되어 대립 가설이 받아들여져 본 연구에서 개발된 스프레드시트를 활용한 데이터 과학 교육 프로그램은 학습자의 컴퓨팅 사고력을 향상시킬 수 있음을 입증하였다.
창의성 사전 검사에 대해 샤피로-윌크(ShapiroWilks) 정규성 검정을 실시한 결과, 유창성과 독창성, 정교성 영역의 유의도가 각각 .002, .015, .013으로 나타나 귀무가설을 기각하여 정규성이 만족되지 않았다. 나머지 영역에서는 유의도가 유의수준인 .

후속연구

다만, 본 연구의 실험집단은 상관연구에 필요한 30명 이상의 참여자를 확보하지 못하여 일반화 하는 데에는 한계가 있다. 또한, 본 연구에서 개발한 교육 프로그램은 비교집단이 없이 실험집단에만 투입하여 컴퓨팅 사고력 향상이 본 연구에서 개발한 교육프로그램의 영향 때문인지 상관관계를 분석할 수 없다는 문제점이 있다.
[Table 4]에 따르면 데이터 과학 교육 프로그램을 통하여 기대되는 효과로는 컴퓨팅 사고력과 창의성 순으로 나타났다. 따라서, 본 연구는 선행연구를 통해 밝혀진 컴퓨팅 사고력의 구성요인인 계산적 인지력(추상적 사고, 비판적 사고, 논리적 사고, 재귀적 사고, 알고리즘적 사고)과 창의성(창의적 사고)을 높여줄 것으로 기대된다.
다만, 본 연구의 실험집단은 상관연구에 필요한 30명 이상의 참여자를 확보하지 못하여 일반화 하는 데에는 한계가 있다. 또한, 본 연구에서 개발한 교육 프로그램은 비교집단이 없이 실험집단에만 투입하여 컴퓨팅 사고력 향상이 본 연구에서 개발한 교육프로그램의 영향 때문인지 상관관계를 분석할 수 없다는 문제점이 있다. 추후의 연구에서는 다수의 참여자를 대상으로 실험집단과 비교집단을 구성하여 연구 결과에 대한 각 요인들 간의 상관관계를 분석할 필요가 있다.
또한, 본 연구에서 개발한 교육 프로그램은 비교집단이 없이 실험집단에만 투입하여 컴퓨팅 사고력 향상이 본 연구에서 개발한 교육프로그램의 영향 때문인지 상관관계를 분석할 수 없다는 문제점이 있다. 추후의 연구에서는 다수의 참여자를 대상으로 실험집단과 비교집단을 구성하여 연구 결과에 대한 각 요인들 간의 상관관계를 분석할 필요가 있다.

질의응답

핵심어	질문	논문에서 추출한 답변
	디지털 정보의 양이 방대해지고 그 불확실성이 점차 증대되는 시대에 교육에서는 무엇이 필요한가?	또한, 2012년 디지털 데이터의 양이 아날로그 데이터의 양을 앞지르는 것을 시작으로 이제는 측정조차 불가 능하고 나날이 급격하게 증가하는 많은 양의 디지털 데이터의 홍수 속에서 살아가게 되었다[19]. 이와 같이 디지털 정보의 양이 방대해지고 그 불확실성이 점차 증대되는 시대에 교육에서는 필요한 디지털 데이터를 수 집․분석하여 유용한 정보를 추출할 수 있는 능력을 길러주어야 할 필요가 있다[17].
	‘4차 산업혁명’의 핵심기술을 어떻게 교육과 융합시켜 나갈 수 있을지에 대한 고민이 필요한 이유는 무엇인가?	‘4차 산업혁명’은 정보통신기술 (ICT) 이 제조업 등 다양한 산업들과 결합하며 지금까지는 볼 수 없던 새로운 형태의 제품과 서비스, 비즈니스를 창출하는 것을 말한다[14]. ‘4차 산업혁명’의 물결은 18세기 이후 인류가 경험한 3차례의 산업혁명과 달리, 알파고의 충격을 시작으로 기존 삶의 방식을 근본적으로 바꿔놓으며 빠르게 우리 생활 속으로 파고들고 있다. 따라서, 인공지능, 사물인터넷(IoT), 자율주행자동차, 3D프린터, 나노기술 등으로 대표되는 ‘4차 산업혁명’의 핵심기술을 어떻게 교육과 융합시켜 나갈 수 있을지에 대한 고민이 무엇보다 필요한 시점이다.
	4차 산업혁명은 무엇인가?	” 2016년 세계 경제포럼(WEF)에서 클라우스 슈밥(Claus Schwab) 회장이 언급한 내용이다. ‘4차 산업혁명’은 정보통신기술 (ICT) 이 제조업 등 다양한 산업들과 결합하며 지금까지는 볼 수 없던 새로운 형태의 제품과 서비스, 비즈니스를 창출하는 것을 말한다[14]. ‘4차 산업혁명’의 물결은 18세기 이후 인류가 경험한 3차례의 산업혁명과 달리, 알파고의 충격을 시작으로 기존 삶의 방식을 근본적으로 바꿔놓으며 빠르게 우리 생활 속으로 파고들고 있다.

참고문헌 (23)

Bae Hye jin, Lee Dong Hwan(2016), An Analysis on Statistical Units of Elementary School Mathematics Textbook, Journal of Elementary Mathematics Education in Korea, 20(1), 55-69.
Booth, C.(2011), Reflective Teaching, Effective Learning: Instructional Literacy for Library Educators. Chicago: American Library Association.
Choi Jae-Hwang(2016), Analysis of Instructional Design for Information Literacy Instruction, Journal of Institute for Social Sciences, 27(4), 163-180.
Choi Yun Sik(2012), Insight into Futures. Seoul: Gimmyoung.
Cleveland, W. S.(2001), Data Science: An Action Plan for Expanding the Technical Areas of the Field of Statistics, International Statistical Review, 69(1).

상세보기
Franklin, C., Kader,G., Mewborn, D., Moreno, J. Peck, R. Perry, M., & Scheaffer, R.(2007). Guidelines for Assessment and Instruction in Statistics Education (GAISE) Report Pre-K-12. American Statistical Association. Retrieved from http://www.amstat.org/education/gaise/GAISEPreK12_Intro.pdf.
Ham Seong Jin, Kim Soon Hwa, Park Se Young, Song Ki Sang(2014), Development of CT-STEAM Education Program Enhancing Integrated Thinking Skills for Elementary School, The Journal of Korean association of computer education, 17(6), 81-91.
J. Stanton(2013), A Introduction to Data Science. Syracuse University.
Jagadish, H. V.(2015), Big Data and Science: Myths and Reality. Big Data Research, 2(2), 49-52.

상세보기
Kang Hyun Young(2012), Study of the educational meaning of Statistical Literacy, Journal for history of mathematics, 25(4), 121-137.
Kim Byeong Su(2014), lProgramming education progra based on PPS to improve computational thinking ability, Jeju National University of Education doctoral dissertation.
Kim Jin Young(2016), Hello Data Science, Seoul: Hanbit Media.
Kim Jong Hye(2009), Secondary Education Program for Problem-solving Ability based on Computational Thinking, Korea National University of Education doctoral dissertation.
Kim Sung Beom, Kang Sung Hyun(2016), Data Science leading the Fourth Industrial Revolution, Industrial engineering magazine, 23(3), 9-13.
Kim Tae Hun(2015), STEAM Education Program based on Programming to Improve Computational Thinking Ability, Jeju National University of Education doctoral dissertation.
Kim Yuri, Moon Yongeun(2015), Study on the Use of Public Open Data for Software(SW) Education, The Journal of Internet Electronic Commerce Research, 15(6), 245-261.
Lee Eun Hee, Kim Won Kyung(2015), A comparative analysis on research trends of statistics education between Korea and overseas, THE MATHEMATICAL EDUCATION), 54(3), 241-259.

원문보기 상세보기
Lee Eun Kyoung(2009), Robot Programming Teaching and Learning Model to Enhance Computational Thinking Ability, Korea University of Education doctoral dissertation.
Lee Eun Kyoung(2013), Computer Education Curriculum and Instruction : Creative Programming Learning with Scratch for Enhancing Computational Thinking, The Journal of Korean association of computer education, 16(1), 1-9.
Lee Jaemu(2014), Needs Assessment for an Adaptive e-Learning System Applying Rossett"s Model, The Korea Contents Society, 14(6), 529-538.
Ryu Miyoung, Han Seonkwan(2015), Development of Computational Thinking-based Educational Program for SW Education, Journal of The Korean Association of information Education, 19(1), 11-20.

원문보기 상세보기
Shi, Y., P. S. Yu, Y. Zhu, and Y. Tian. (2014), Explore New Field of Data Science Under Big Data Era: Preface for ICDS 2014. Procedia Computer Science 30, 1-3.

상세보기
Yi Myongho(2016), A Study on the Curriculums of Data Science, Journal of the Korean Biblia Society for Library and Information Science, 27(1), 263-290.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증