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
- 그러므로 본 논문에서는 예비교사들의 컴퓨팅 사고력 수준을 파악하기 위해 교양필수과정인 ‘정보사회와 컴퓨터’ 과목에서 연도별로 산출된 스크래치 프로젝트를 Dr. Scratch 분석도구로 평가하여 학생들의 CT요소별 점수와 등급을 확인하여, 학생들에게 부족한 CT요소는 무엇이고 선호하는 블록은 무엇인지 파악하고자 한다.
- Scratch 분석도구로 평가하여 학생들의 CT요소별 점수와 등급을 확인하여, 학생들에게 부족한 CT요소는 무엇이고 선호하는 블록은 무엇인지 파악하고자 한다. 또한,담당교수가 부여한 학점과 Dr. Scratch의 평가결과와의 차이 여부 등을 통해 평가자와 평가도구의 신뢰성을 파악하고자 한다. 이를 위해 2016년부터 2018년까지 3년동안 K 교육대학교 1학년 학생 325명을 대상으로 스크래치 수업을 실시한 후 제출한 결과물을 연도별, 학점별로 CT요소 점수에 차이가 있는지 그 연관성을 분석하고자 한다.
- 본 논문에서는 예비교사들의 EPL 수업후 산출된 결과물을 Dr. Scratch로 평가하여 연도별, 학점별로 CT요소와의 연관성을 분석하였다. 그 결과, 연도가 증가할수록 CT요소, 점수, 등급도 증가하고, 학점이 높을수록 CT요소, 점수, 등급도 높아짐을 알 수 있었다.
- 학점은 담당교수가 스크래치 프로젝트 결과물을 보고 평가기준에 의해 부여한 것으로 자동화된 Dr. Scratch 평가도구의 결과와 어느 정도 일치성을 갖는지 분석하고자 한다.
제안 방법
- ‘정보사회와 컴퓨터’ 강의는 교양필수과정으로 SW 교육영역인 언플러그드, EPL, 피지컬컴퓨팅을 배우며 EPL은 스크래치를 사용하여 스토리텔링, 게임, 미디어아트, 학습콘텐츠, 시뮬레이션, 실생활중심콘텐츠 등 프로젝트 유형별로 활동주제를 구성하여 10주 동안 실시한 후, 결과물로 프로젝트 기획서, 알고리즘 설계서 및 스크래치 프로젝트 파일을 제출받았다.
- 그러므로 본 논문에서는 연도별로 산출된 스크래치 프로젝트를 Dr. Scratch로 평가하여 연도별로 CT요소점수와 등급에 차이가 있는가?, 학점별로 CT요소 점수와 등급에 차이가 있는가? 를 분석하여 연도별, 학점별로 CT요소 점수에 차이가 있는지 그 연관성을 분석하고자 한다. 연구절차는 그림 1과 같다.
- 그러므로 본 논문에서는 연도별로 산출된 스크래치 프로젝트를 Dr. Scratch로 평가하여 연도별로 CT요소점수와 등급에 차이가 있는가?, 학점별로 CT요소 점수와 등급에 차이가 있는가? 를 분석하여 연도별, 학점별로 CT요소 점수에 차이가 있는지 그 연관성을 분석하고자 한다. 연구절차는 그림 1과 같다.
- Scratch의 평가결과와의 차이 여부 등을 통해 평가자와 평가도구의 신뢰성을 파악하고자 한다. 이를 위해 2016년부터 2018년까지 3년동안 K 교육대학교 1학년 학생 325명을 대상으로 스크래치 수업을 실시한 후 제출한 결과물을 연도별, 학점별로 CT요소 점수에 차이가 있는지 그 연관성을 분석하고자 한다.
- 즉, 학점이 높으면 Dr. Scratch 등급과 CT요소 점수도 높은가를 알아보기 위해 학점을 3그룹으로 분류하였다. A+, A, A-학점을 A그룹으로, B+, B, B-학점을 B그룹으로, C+, C, C-학점을 C그룹으로, D+, F학점은 각각 1명의 학생으로 평균비교를 하는데 무의미하여 결측으로 제외하였다.
대상 데이터
- 예비교사들의 스크래치 프로젝트를 분석한 후 CT 수준을 파악하여 SW 교육 피드백을 받고자, 2016년부터 2018년까지 3년 동안 K 교육대학교 1학년 학생 325명을 대상으로 교양필수 강의에서 제출한 스크래치 프로젝트를 평가하여 분석하였다. 평가도구는 스크래치 코드 분석툴인 Dr.
이론/모형
- 예비교사들의 스크래치 프로젝트를 분석한 후 CT 수준을 파악하여 SW 교육 피드백을 받고자, 2016년부터 2018년까지 3년 동안 K 교육대학교 1학년 학생 325명을 대상으로 교양필수 강의에서 제출한 스크래치 프로젝트를 평가하여 분석하였다. 평가도구는 스크래치 코드 분석툴인 Dr. Scratch를 사용하였다.
성능/효과
- 연도가 증가하면서 추상화, 동기화, 병렬화 요소가 증가하며, CT점수 평균과 등급도 증가하였다. 2016년 2017년에 비해 2018년의 CT점수 평균이 가장 높았으며 마스터 단계의 비율도 증가함을 알 수 있었다. 즉, 학생들은 연도가 증가할수록 등급이 높아갈수록 모든 블록들을 활용하여 프로그래밍함을 알 수 있다.
- 따라서 어떤 학점군에서 점수평균이 차이가 있는지 알아보기 위하여 Duncan을 이용한 사후검정을 실시한 결과, 표 7과 같이 A, B, C 그룹 모두 유의하게 차이가 있음을 알 수 있었다. A그룹 평균이 14.67로 가장 높고, 다음으로 B그룹 평균이 13.72로두 번째로 높고, 마지막으로 C그룹 평균 점수가 12.77로 가장 낮았다. 즉, 담당교수의 평가와 Dr.
- 또한,학점이 높을수록 흐름제어, 추상화, 동기화, 병렬화 요소도 높아지고, CT점수 평균과 등급도 증가하였다. B. C학점에 비해 A학점 그룹의 CT점수 평균이 가장 높았으며 마스터 단계의 비율도 높음을 알 수 있었다
- Scratch로 평가하여 연도별, 학점별로 CT요소와의 연관성을 분석하였다. 그 결과, 연도가 증가할수록 CT요소, 점수, 등급도 증가하고, 학점이 높을수록 CT요소, 점수, 등급도 높아짐을 알 수 있었다. 특히 2018년도 마스터 단계의 학생들이 CT요소와 점수가 가장 높았다.
- 그 원인 중 하나로 연도가 증가할수록 담당교수의 강의평가 결과가 증가하였는데, 표 10과 같이 연도별 강의 평가 카이제곱 검정결과, 강의평가 문항별(강의계획서,강의내용, 강의방법, 과제물, 평가)로 모두 유의함을 알 수 있다. 즉, 연도가 증가할수록 교수자에 대한 강의만족도가 높아졌으며, 이에 따라 학생들의 과제 결과물도 좋아졌음을 알 수 있다.
- 그림2∼그림8과 같이 연도가 증가하면서 CT요소 점수가 증가하는지 알아보기 위해 서열상관분석을 실시한 결과, 표 3과 같이 추상화, 동기화, 병렬화 항목의 상관계수가 유의함을 알 수 있었다.
- 높은 학점일수록 평균점수가 높아지는 경향이 유의미한지를 알아보기 위해 일원배치 분산분석을 실시한 결과(F=8.719, p=0.000) 학점별 점수의 차이는 의미가 있음을 알 수 있었다(학점별 점수의 분산이 동질성 가정을 만족함(p=0.248)). 따라서 어떤 학점군에서 점수평균이 차이가 있는지 알아보기 위하여 Duncan을 이용한 사후검정을 실시한 결과, 표 7과 같이 A, B, C 그룹 모두 유의하게 차이가 있음을 알 수 있었다.
- 따라서 Dr. Scratch 점수평균은 2016년, 2017년보다 2018연도의 점수평균(14.54)이 가장 높으며, 다음으로 2017연도의 평균이 13.67, 2016연도의 평균이 13.00 으로 나타나지만 이 둘의 차이는 유의미하지 않음을 알 수 있다
- 004). 따라서 어떤 연도에서 점수평균이 유의미한 차이가 있는지 알아보기 위하여 LSD, Bonferroni,Duncan 방법을 이용하여 사후검정을 실시한 결과, LSD 방법에서는 2018년의 평균이 2016년, 2017년과 유의미하게 차이가 있었으며, Bonferroni 방법에서는 2018년과 2016년의 평균이 유의하게 차이가 있었다. 표 4와 같이 Duncan 방법에서도 2018년의 평균이 2016년, 2017년의 평균과 차이가 있음을 알 수 있었다.
- 248)). 따라서 어떤 학점군에서 점수평균이 차이가 있는지 알아보기 위하여 Duncan을 이용한 사후검정을 실시한 결과, 표 7과 같이 A, B, C 그룹 모두 유의하게 차이가 있음을 알 수 있었다. A그룹 평균이 14.
- 또한, 자료표현 요소는 그림 3과 같이 2016년∼2018년 모두 2점의 비율이 많은 것으로 나타났으며, 이는 리스트보다는 변수를 사용한 프로젝트가 60%를 차지하고 있음을 알 수 있다.
- 즉, 학생들은 연도가 증가할수록 등급이 높아갈수록 모든 블록들을 활용하여 프로그래밍함을 알 수 있다. 또한,학점이 높을수록 흐름제어, 추상화, 동기화, 병렬화 요소도 높아지고, CT점수 평균과 등급도 증가하였다. B.
- 병렬화 요소는 그림 7과 같이 2점이 0.3%, 3점이 65.2%로 키입력 이벤트를 두 개이상 사용하거나 스프라이트 클릭을 2개이상 사용하는 것보다는 방송주고받기,복제본생성, 배경바꾸기, 조건문 실행하는 것을 더 선호하고 많이 활용한다는 것을 알 수 있다.
- 분석결과를 종합해보면, 예비교사들의 스크래치 프로젝트는 하나이상의 스프라이트를 사용하여 마우스와 키입력 이벤트와 묻고 기다리기 상호작용을 선호하며, 변수 등의 자료표현 요소와 방송주고받기, 복제본 생성 등의 병렬처리도 사용하나 복잡한 조건과 논리연산은 어려워 하고 사용빈도도 적은 것으로 나타났다. 즉, 블록들의 순차, 반복보다는 적절한 조건문 사용을 더 어려워하는 것으로 보인다.
- 즉, 블록들의 순차, 반복보다는 적절한 조건문 사용을 더 어려워하는 것으로 보인다. 연도가 증가하면서 추상화, 동기화, 병렬화 요소가 증가하며, CT점수 평균과 등급도 증가하였다. 2016년 2017년에 비해 2018년의 CT점수 평균이 가장 높았으며 마스터 단계의 비율도 증가함을 알 수 있었다.
- 연도별로 등급과 CT요소들에 차이가 있는가를 알아보기 위해 연도와 등급과 CT요소별로 교차분석과 피셔의 정확도 검정을 이용하여 분석을 실시한 결과, 표 5와 같이 모든 CT요소에서 유의확률이 0.000으로 유의수준 0.05 내에서 귀무가설을 채택하므로 연도와 등급, CT요소는 서로 영향을 미친다고 할 수 있다. 즉, 연도와 등급이 높아질수록 흐름제어, 데이터표현, 추상화, 사용자 상호작용, 동기화, 병렬화, 논리적 사고 요소의 점수도 증가함을 알 수 있다.
- 연도에 따라 CT요소 점수가 달라지는가를 알아보기 위해 연도와 CT요소별로 교차분석과 피셔의 정확도 검정을 이용하여 분석을 실시한 결과, 표 2와 같이 논리적 사고요소를 제외한 6개 CT요소에서 유의확률이 유의수준 0.05 이내이므로 연도가 CT요소 점수에 영향을 미친다는 것을 알 수 있다.
- 예비교사들이 제출한 325개 스크래치 프로젝트를 분석한 결과, 개발자 단계(54.77%), 마스터 단계(42.15%)가 96.92%를 차지하고 있었다. 2016년과 2017년에는 개발자 단계의 비율이 높았으나 2018년에는 마스터 단계의 비율이 53.
- 이러한 연도별로 평균점수의 증가가 유의미한지를 알아보기 위해 연도별 점수의 분산이 동질성 가정을 만족하므로(p=0.212) 일원배치 분산분석을 실시한 결과 연도가 점수에 영향을 미치는 것을 알 수 있다(F=5.689, p=0.004). 따라서 어떤 연도에서 점수평균이 유의미한 차이가 있는지 알아보기 위하여 LSD, Bonferroni,Duncan 방법을 이용하여 사후검정을 실시한 결과, LSD 방법에서는 2018년의 평균이 2016년, 2017년과 유의미하게 차이가 있었으며, Bonferroni 방법에서는 2018년과 2016년의 평균이 유의하게 차이가 있었다.
- 77로 가장 낮았다. 즉, 담당교수의 평가와 Dr. Scratch 평가결과가 일치함을 알 수 있었다.
- 그 원인 중 하나로 연도가 증가할수록 담당교수의 강의평가 결과가 증가하였는데, 표 10과 같이 연도별 강의 평가 카이제곱 검정결과, 강의평가 문항별(강의계획서,강의내용, 강의방법, 과제물, 평가)로 모두 유의함을 알 수 있다. 즉, 연도가 증가할수록 교수자에 대한 강의만족도가 높아졌으며, 이에 따라 학생들의 과제 결과물도 좋아졌음을 알 수 있다.
- 05 내에서 귀무가설을 채택하므로 연도와 등급, CT요소는 서로 영향을 미친다고 할 수 있다. 즉, 연도와 등급이 높아질수록 흐름제어, 데이터표현, 추상화, 사용자 상호작용, 동기화, 병렬화, 논리적 사고 요소의 점수도 증가함을 알 수 있다. 2018년 마스터단계의 CT요소 점수들이 가장 높다는 것을 알 수 있으며, 학생들은 연도가 증가할수록 등급이 높아갈수록 모든 블록들을 활용하여 프로그래밍함을 알 수 있다.
- 학점이 높으면 CT요소 점수가 높은지 알아보기 위해 서열상관분석을 실시한 결과, 표 6과 같이 흐름제어, 추상화, 동기화, 병렬화 항목의 상관계수가 유의함을 알 수 있었으며 모두 양의 상관관계로, 학점이 높을수록 흐름제어, 추상화, 동기화, 병렬화 점수도 높아지는 추세라고 할 수 있다.
후속연구
- 분석결과를 바탕으로 첫째, 학생들이 자신들이 만든 스크래치 프로젝트를 Dr. Scratch와 같은 자동화된 평가도구를 사용하여 평가해본후 피드백을 받고 스스로 수정 보완해보는 과정도 필요할 것으로 본다. 둘째, 저장소에 있는 스프라이트 활용뿐만 아니라 오디오, 비디오 등 필요한 자료를 직접 제작하여 활용하는 수준까지 확대되도록 ICT 교육도 함께 이루어질 필요가 있다.
- 둘째, 저장소에 있는 스프라이트 활용뿐만 아니라 오디오, 비디오 등 필요한 자료를 직접 제작하여 활용하는 수준까지 확대되도록 ICT 교육도 함께 이루어질 필요가 있다. 셋째, 복잡한 조건과 논리연산 활용 등 논리적 사고 요소를 이해하고 잘 활용될 수 있도록 교육되어질 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.