선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는 현직 초등학교 교사들의 소프트웨어 교육 교수효능감(Software Education Teaching Efficacy) 검사 도구를 개발하여 타당도를 확보하고 신뢰도를 검증해 보고자 한다.
- 본 연구는 소프트웨어 교육을 교수(Teaching)하기 위해 가지고 있는 교사의 신념을 효과적으로 측정하기 위해 소프트웨어 교육 교수효능감 (SE-TEBI) 문항을 개발하였다. 문항은 STEBI-B 문항의 번안본을 바탕으로 소프트웨어 교육에 영향을 주는 요인들을 문헌 연구를 통해 추가하여 구성하였고, 구성된 35개의 예비 문항에 대한 요인 분석 및 신뢰도 분석을 통하여 5개 문항을 삭제하여 최종 문항을 완성하였고, 완성된 30개의 최종 문항에 대한 요인 분석 및 신뢰도 분석을 수행하여 문항 구성의 적절성을 입증하였다.
제안 방법
- STEBI-B 번안 문항과 정보교육 PCK 문항 문항, TPACK 문항, 학생에 대한 신념을 묻는 문항, 사회문화적 영향에 대한 신념을 묻는 문항 등 모두 합쳐 총 40개 문항을 SE-TEBI(Software Education Teaching Efficacy Belief Instrument)의 예비 문항으로 설정하였다.
- 이와 같이 학교나 학부모, 지역사회가 교육에 미치는 영향을 사회문화적 영향이라 한다. STEBI-B의 문항 중 포함되지 않다고 판단되는 요소인 학생에 대한 교사 신념과 사회문화적 영향에 대한 문항 중 신뢰도 검사 결과 등을 고려하여 대표성이 있다고 판단되는 문항을 추출하였고, 소프트웨어 교육에 맞도록 수정하였다[18].
- 테크놀로지를 가르쳐야 할 수도 있고(예: 피지컬 컴퓨팅), 테크놀로지를 활용하여 수업을 전개(예: 디지털 저작 도구)해야 할 수도 있다. TPACK에 관련한 문항은 박기철, 강성주(2014)의 초ㆍ중등교사의 테크놀로지 교수내용지식(TPACK)에 대한 인지경로 모형 개발에서 제시된 7개의 요인 중 TPACK 요인의 요인부하량이 높은 문항과 신뢰도를 고려하여 대표성이 있다고 판단되는 문항을 추출하였고, 소프트웨어 교육에 맞도록 수정하였다[22].
- 개인 효능에 대하여 묻는 문항은 ‘나는～’ 등과 같은 1인칭 주어를 사용해서 교사 자신에 한정하여 응답할 수 있도록 구성하여, 결과 기대의 문항과 구분될 수 있도록 하였다.
- 문항 번안 및 용어 대체에 관하여 현직 초ㆍ중등 교사이면서 컴퓨터교육 및 정보영재를 전공하는 석사과정 2인과 박사과정 1인의 의견을 통해 문항 내용을 검토하였다. 검토 과정에 서, 묵종 반응 경향(Acquiescence Response Style)을 피하기 위해 설정된 역문항들은 응답자가 혼란을 유발하여 제대로 된 응답을 할 수 없을 것 같다는 의견이 다수 제시되었기 때문에 모든 역문항은 순문항으로 교체하였다. 또한, 문장 서술이 유사하여 응답자로 하여금 동일 문항으로 인지될 수 있다고 의견이 나온 문항들은 번안을 여러 가지로 제시하여 다른 문항으로 인지될 수 있는 문항으로 선택 하였다.
- 과학 교수효능감을 측정하기 위한 도구는 1990년 Enochs와 Riggs에 의해 STEBI(Science Teaching Efficacy Belief Instrument)가 개발한 것을 Bleicher가 시대의 흐름에 맞게 문항을 수정하여 2004년에 STEBI-B를 개발하였다[15][13]. 수학 교수효능감을 측정하기 위한 도구는 2000년 Enochs, Smith와 Huinker가 STEBI의 Science와 관련된 부분을 Mathematics로 수정하여 개발한 MTEBI(Mathematics Teaching Efficacy Belief Instrument)가 있다[14].
- 앞서 문항을 검토했던 석사과정 2인과 박사과정 1인을 포함하여, 현직 교사이면서 초등컴퓨터 교육, 정보영재교육, 컴퓨터교육을 전공하는 석사 과정 및 박사과정 대학원생 10인을 대상으로 내용타당도 검증을 실시하였다. 내용타당도 검증은 내용타당도 비율(Content Validity Ratio, CVR)을 산출하는 방식으로 이루어졌다. 내용타당도 비율의 산출 근거는 <그림 1>과 같다[23].
- 검토 과정에 서, 묵종 반응 경향(Acquiescence Response Style)을 피하기 위해 설정된 역문항들은 응답자가 혼란을 유발하여 제대로 된 응답을 할 수 없을 것 같다는 의견이 다수 제시되었기 때문에 모든 역문항은 순문항으로 교체하였다. 또한, 문장 서술이 유사하여 응답자로 하여금 동일 문항으로 인지될 수 있다고 의견이 나온 문항들은 번안을 여러 가지로 제시하여 다른 문항으로 인지될 수 있는 문항으로 선택 하였다.
- 먼저, STEBI-B 문항의 개인 효능 13문항과 결과 기대 10문항을 우리말로 번안하였고, 여기에서 ‘과학’ 과목에 관한 내용은 ‘소프트웨어 교육’으로 대체하였다.
- 먼저, STEBI-B 문항의 개인 효능 13문항과 결과 기대 10문항을 우리말로 번안하였고, 여기에서 ‘과학’ 과목에 관한 내용은 ‘소프트웨어 교육’으로 대체하였다. 문항 번안 및 용어 대체에 관하여 현직 초ㆍ중등 교사이면서 컴퓨터교육 및 정보영재를 전공하는 석사과정 2인과 박사과정 1인의 의견을 통해 문항 내용을 검토하였다. 검토 과정에 서, 묵종 반응 경향(Acquiescence Response Style)을 피하기 위해 설정된 역문항들은 응답자가 혼란을 유발하여 제대로 된 응답을 할 수 없을 것 같다는 의견이 다수 제시되었기 때문에 모든 역문항은 순문항으로 교체하였다.
- 본 연구는 소프트웨어 교육을 교수(Teaching)하기 위해 가지고 있는 교사의 신념을 효과적으로 측정하기 위해 소프트웨어 교육 교수효능감 (SE-TEBI) 문항을 개발하였다. 문항은 STEBI-B 문항의 번안본을 바탕으로 소프트웨어 교육에 영향을 주는 요인들을 문헌 연구를 통해 추가하여 구성하였고, 구성된 35개의 예비 문항에 대한 요인 분석 및 신뢰도 분석을 통하여 5개 문항을 삭제하여 최종 문항을 완성하였고, 완성된 30개의 최종 문항에 대한 요인 분석 및 신뢰도 분석을 수행하여 문항 구성의 적절성을 입증하였다.
- 소프트웨어 교육만의 교과 특이성을 측정할 수 있는 문항을 추가하기 위하여 교수학적 내용지식(Pedagogical Content Knowledge, PCK)에 대한 신념을 묻는 문항과 테크놀로지 교수내용지식(Technological, Pedagogical and Content Knowledge, TPACK)에 대한 신념을 묻는 문항을 추가하였다.
- 앞서 문항을 검토했던 석사과정 2인과 박사과정 1인을 포함하여, 현직 교사이면서 초등컴퓨터 교육, 정보영재교육, 컴퓨터교육을 전공하는 석사 과정 및 박사과정 대학원생 10인을 대상으로 내용타당도 검증을 실시하였다. 내용타당도 검증은 내용타당도 비율(Content Validity Ratio, CVR)을 산출하는 방식으로 이루어졌다.
- 80 이상일 경우 신뢰도가 높다[24]. 전체적인 신뢰도는 높았지만 수정된 항목-전체 상관관계가 .25 이하로 낮은 2개 항목을 제거하여 최종으로 35문항의 예비 문항을 확정하였다. 응답은 리커트 5점 척도를 사용하도록 하였다.
- 최종 확정된 SE-TEBI 문항은 총 30문항으로 구성되어 있으며 상세 내용은 에 제시하였다.
대상 데이터
- 본 연구의 대상은 전국의 초등 현직 교사이다. 2018년 8월 중순부터 9월 중순까지 온라인 설문을 활용하여 설문을 실시하였다. 수집된 결과는 총 149건이었으며, 이 중 3건은 근무하고 있는 학교급에 중학교와 대안학교를 선택하였기 때문에 제외하였다.
- 수집된 결과는 총 149건이었으며, 이 중 3건은 근무하고 있는 학교급에 중학교와 대안학교를 선택하였기 때문에 제외하였다. 결측 문항도 없고, 모든 문항에 성실하게 응답한 것으로 판단되어 146건의 케이스를 대상으로 분석하였다. 이들의 일반적 배경은 <표 3>과 같다.
- 본 연구의 대상은 전국의 초등 현직 교사이다. 2018년 8월 중순부터 9월 중순까지 온라인 설문을 활용하여 설문을 실시하였다.
데이터처리
- SE-TEBI의 문항은 2가지 범주인 개인효능과 결과기대로 구성되어 있는데, 이에 해당하는 문항들이 제대로 요인 구조를 형성하고 있는지 확인하기 위하여 주성분 분석(Principal Component Analysis)를 실시하였다.
- 먼저, 요인 분석이 적합한지 확인하기 위하여 KMO(Kaiser-Meter-Oklin)와 Bartlett의 검정을 실시하였다. <표 4>에 제시한 바와 같이, KMO 측도는 .
- 이번 연구에 수집된 응답을 토대로 초등 교사의 SE-TE 수준을 분석하였다. 초등 교사들의 SE-TE 수준은 3.
성능/효과
- 이 이론에 따르면, 이 두 가지 형태의 기대가 사람의 행동에 강한 영향을 끼친다고 본다. 결과 기대는 어떤 행동이 어떤 확실한 결과를 나타낼 것이라고 믿는 것이고, 개인 효능은 개인이 문제 상황에서 그 행동을 성공적으로 수행할 수 있다고 믿는 것이다. 자아 효능감 이론에서는 결과 기대보다 개인 효능이 사람의 행동에 더 영향을 크게 미친다고 본다[8][9].
- 두 범주를 Pearson 상관관계로 분석한 결과, 와 같이 .635～ .942 범위의 정적 상관을 보이며, 유의 수준 .01에서 통계적으로 유의한 상관관계를 갖는 것으로 나타났다.
- 먼저, 요인 분석이 적합한지 확인하기 위하여 KMO(Kaiser-Meter-Oklin)와 Bartlett의 검정을 실시하였다. <표 4>에 제시한 바와 같이, KMO 측도는 .905로 1에 근접하고, Bartlett의 구형성 검정에서 근사 카이제곱은 3804.012로 유의확률 .001 수준에서 유의하므로 요인분석 적합성이 확인되었다.
- 최종 SE-TEBI 문항에 대한 초등 교사의 SE-TE 수준을 분석한 결과, 가장 높은 수준을 보이는 것은 결과 기대에 대한 문항으로 평균 4.15의 값을 보였고, 가장 낮은 수준을 보이는 것은 개인 효능에 대한 문항으로 2.96의 값을 보였다. 이는 결과 기대 전체 값 3.
- 한편, 결과 기대의 범주로 설정한 문항번호 Q35와 Q25는 개인 효능의 요인에 속한 것으로 나타났다. 문항번호 Q35는 결과기대의 사회적 영향에 대한 문항이고, Q25는 결과기대의 학생에 대한 신념에 대한 문항이다.
후속연구
- 후속 연구에서는 본 연구에서 개발된 초등 교사의 SE-TEBI를 활용하여 성별, 연령, 지역, 연수 경험 등 다양한 배경 변인에 따른 교사의 SE-TE를 비교ㆍ분석할 수 있다. 또한, 이를 바탕으로 배경 변인별로 효과적으로 SE-TE를 증진시킬 수 있는 교사 연수 프로그램을 설계하는 데 기초자료를 제공할 수 있기를 기대한다.
- 후속 연구에서는 본 연구에서 개발된 초등 교사의 SE-TEBI를 활용하여 성별, 연령, 지역, 연수 경험 등 다양한 배경 변인에 따른 교사의 SE-TE를 비교ㆍ분석할 수 있다. 또한, 이를 바탕으로 배경 변인별로 효과적으로 SE-TE를 증진시킬 수 있는 교사 연수 프로그램을 설계하는 데 기초자료를 제공할 수 있기를 기대한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.