[국내논문]온라인 SW교육에서 초등학생의 컴퓨팅사고력 및 학습만족도에 대한 자기조절학습, 그릿, 부모지원의 예측력 규명 Predictability of Elementary Students' Self-Regulated Learning, GRIT and Parents Support on Computational Thinking and Learning Satisfaction in Online Software Education원문보기
본 연구의 목적은 온라인 SW교육에서 초등학생의 컴퓨팅사고력과 학습만족도에 대한 자기조절학습, 그릿, 부모지원의 예측력을 규명하는데 있다. 이를 위해 2018년 여름 광역시 소재 K대학교의 온라인 SW교육프로그램을 수강한 초등학생 71명이 본 연구에 참여하였으며, 최종적으로 63명의 데이터가 분석에 사용되었다. 연구결과는 다음과 같다. 첫째, 자기조절학습, 그릿은 컴퓨팅사고력을 유의하게 예측하였다. 둘째, 자기조절학습, 그릿은 학습 만족도를 유의하게 예측하였다. 본 연구의 결과는 온라인 SW교육에서 초등학생의 컴퓨팅사고력과 학습만족도 향상을 위한 요인을 규명하였다는 점에서 의의가 있다.
본 연구의 목적은 온라인 SW교육에서 초등학생의 컴퓨팅사고력과 학습만족도에 대한 자기조절학습, 그릿, 부모지원의 예측력을 규명하는데 있다. 이를 위해 2018년 여름 광역시 소재 K대학교의 온라인 SW교육프로그램을 수강한 초등학생 71명이 본 연구에 참여하였으며, 최종적으로 63명의 데이터가 분석에 사용되었다. 연구결과는 다음과 같다. 첫째, 자기조절학습, 그릿은 컴퓨팅사고력을 유의하게 예측하였다. 둘째, 자기조절학습, 그릿은 학습 만족도를 유의하게 예측하였다. 본 연구의 결과는 온라인 SW교육에서 초등학생의 컴퓨팅사고력과 학습만족도 향상을 위한 요인을 규명하였다는 점에서 의의가 있다.
The purpose of this study was to investigate the prediction of self-regulated learning, GRIT and parents support on computational thinking and learning satisfaction in online software education. The participants were 71 elementary students who attended to an online software education which K univers...
The purpose of this study was to investigate the prediction of self-regulated learning, GRIT and parents support on computational thinking and learning satisfaction in online software education. The participants were 71 elementary students who attended to an online software education which K university offered in Spring 2018. The 63 of cases were used to analyze by SPSS. The key findings were as follows: First, self-regulated learning and GRIT significantly predicted computational thinking. Second, self-regulated learning and GRIT significantly predicted learning satisfaction. This research suggested the implications for computational thinking and learning satisfaction in online software education.
The purpose of this study was to investigate the prediction of self-regulated learning, GRIT and parents support on computational thinking and learning satisfaction in online software education. The participants were 71 elementary students who attended to an online software education which K university offered in Spring 2018. The 63 of cases were used to analyze by SPSS. The key findings were as follows: First, self-regulated learning and GRIT significantly predicted computational thinking. Second, self-regulated learning and GRIT significantly predicted learning satisfaction. This research suggested the implications for computational thinking and learning satisfaction in online software education.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
아울러, 그릿은 장기적인 목표를 성취하기 위한 인내와 노력, 나아가 열정을 의미하며[12], 그릿이 높은 학습자는 도전적인 과제도 열심히 잘 수행해나가고, 자신의 목표를 열정적으로 수행해 나간다[13]. 따라서 본 연구에서는 온라인 소프트웨어교육에서 학습자의 인내와 노력, 열정을 의미하는 그릿과 학습자의 학습에 대한 관리 기술과 전략을 의미하는 자기주도 학습이 컴퓨팅사고력과 학습만족도에 미치는 살펴보고자 개인요인으로 선정하였다.
다시 말해, 부모가 자녀의 교육활동에 관심을 가지고 격려하고 지원할 때, 자녀의 학습태도 뿐만 아니라 성과에도 도움이 된다[15]. 따라서 본 연구는 부모지원을 컴퓨팅사고력과 학습만족도에 영향을 미치는 환경요인으로 선정하였다.
이에 따라 본 연구의 목적은 Bandura(1977)[9]의 상호결정론에 기초하여 온라인 소프트웨어 교육에서 초등학생의 컴퓨팅사고력과 학습만족도에 영향을 미치는 요인을 규명하고, 초등학생의 컴퓨팅사고력과 학습만족도를 향상시키는 양질의 소프트웨어교육을 개발하기 위한 기초자료를 제공하고자 한다. 이를 위한 본 연구의 연구 문제는 다음과 같다.
또한, 소프트웨어교육은 최근 교육과정에 도입됨에 따라[3], 온라인 환경에서 소프트웨어교육에 대한 연구 또한 아직 미비한 실정이다. 이에 본 연구에서는 온라인 소프트웨어 학습 환경을 일반적인 학습으로 범위를 확장하고, 컴퓨팅사고력을 함양하는 것이 소프트웨어교육의 학습성과라는 측면[4]에서 관련 변인들과의 관계를 유추해보고자 한다.
본 연구에서는 컴퓨팅사고력 및 학습만족도에 대한 그릿, 자기조절학습, 부모지원의 예측력을 규명하고자 하였다. 본 연구의 결과가 시사하는 바에 대한 논의와 연구의 결론은 다음과 같다.
제안 방법
이에 본 연구는 온라인 소프트웨어교육 성과인 컴퓨팅사고력과 학습만족도에 영향을 미치는 요인을 상호결정론에 근거하여 선정하였다. 먼저, 개인요인으로는 자기조절학습과 그릿(GRIT)을 선정하였다. 자기조절학습이란 학습자가 자신의 학습과정과 환경에 대해 능동적으로 관리하는 기술과 전략으로[11], 실증적으로 많은 선행연구에서 온라인학습 성과에 영향을 미치는 주요 요인으로 보고되고 있다.
온라인 소프트웨어 교육에 대한 전반적인 만족도를 의미하는 학습만족도는 학습에 대한 운영과 프로그램에 대한 성과를 확인할 수 있는 대표적인 요인이다[31]. 따라서 본 연구에서는 학습만족도를 예측하는 다양한 요인을 탐색하기 위하여 자기조절학습, 그릿, 부모지원을 예측변인으로 선정하였다.
본 연구에서 상정한 연구문제를 검증하기 위하여 선행연구를 통해 신뢰도와 타당도가 검증된 도구를 선정하였으며, 각 문항은 5점 척도(1=전혀 그렇지 않다, 5=매우 그렇다.)로 측정하였다(Table 1 참조).
자기조절학습은 DiDonato(2013)[36]의 자기조절학습능력 관련 5문항(예: 나는 다음으로 넘어가기 전에 내가 이해했는지 확인했다.)을 본 연구의 환경에 맞게 수정ㆍ번안하여 측정하였다. 원도구의 문항내적일관성 신뢰도 Cronbach의 α는 .
그릿은 Duckworth와 Quinn(2009)[35]의 GRIT-S(the Short Grit Scale)를 본 연구 환경에 맞게 수정ㆍ번안하여 측정하였다. 본 도구는 꾸준한 노력(예: 나는 본 SW 교육프로그램이 힘들어도 의욕을 잃지 않는다.
컴퓨팅사고력은 Korkmaz, Çakır와 Özden (2015)[38]이 초등학생의 컴퓨팅사고력을 측정하기 위해 개발한 CTLs(Computational thinking levels scale)를 수정ㆍ번안하여 측정하였다.
부모지원은 Bandura(2006)[37]의 부모지원 관련 문항을 본 연구의 환경에 맞게 수정ㆍ번안하여 측정하였다. 본 도구는 부모의 지원에 대한 총 6문항으로 구성되어 있으며(예: 나의 부모님은 내가 ‘본 SW교육프로그램’의 과제를 열심히 하도록 독려해 주신다.
학습만족도는 Shin(2003)[39]의 만족도 측정도구를 본 연구 환경에 맞게 수정ㆍ번안하여 측정하였다. 본 도구는 총 8문항으로(예: 본 SW교육프로그램에 참여하는 것은 가치 있다.
본 온라인 소프트웨어 교육 프로그램은 총 12주 과정으로, 학생들의 컴퓨팅 사고력 및 창의적 문제해결력을 계발하고자 구성되었다. 학생들은 C언어, Python, 알고리즘, 스크래치 과정 중 본인의 흥미와 수준에 따라 과목을 선택하여 수강하였다.
학생들은 원하는 어느 과목이든 선택 가능하나 교육원에서는 각 과목의 수준을 고려하여 알고리즘-스크래치-Python-C언어 순서로 수강할 것을 제안하였다. 학생들은 본인이 원하는 시간에 교육원 LMS에 접속하여 학습을 수행하였고, 각 학급의 튜터는 매 주 학생이 수행해야 할 학습에 대하여 공지사항 게시판과 SMS 문자 등을 이용해 안내하였다. 학생들은 먼저 해당 차시에 제공된 e-book을 통해 관련 개념을 학습한 후 과제를 수행하였다.
학생들은 본인이 원하는 시간에 교육원 LMS에 접속하여 학습을 수행하였고, 각 학급의 튜터는 매 주 학생이 수행해야 할 학습에 대하여 공지사항 게시판과 SMS 문자 등을 이용해 안내하였다. 학생들은 먼저 해당 차시에 제공된 e-book을 통해 관련 개념을 학습한 후 과제를 수행하였다. 그러나 해당 개념을 이미 학습했거나 숙달한 경우, 개념학습을 수행하지 않고 직접 과제를 수행하기도 하였다.
그러나 해당 개념을 이미 학습했거나 숙달한 경우, 개념학습을 수행하지 않고 직접 과제를 수행하기도 하였다. C언어와 Python 과정을 수강한 학생들은 12주 동안 6～8차시의 개념학습과 소과제(도전과제), 그리고 2개의 프로젝트(탐구과제)를 수행하였으며, 알고리즘과 스크래치 과정에서는 6차시의 개념학습과 과제를 수행하였다. 소과제는 개념학습에서 배운 기초적인 내용을 연습하는 과제이며, 프로젝트는 6주간 학습한 개념학습을 기반으로 학생들이 실세계 기반 문제해결을 하는 과제로, 그동안 배운 개념, 지식이 종합적으로 요구된다.
학생들은 e-book에 제시된 내용을 기반으로 학습하되 필요에 따라 인터넷과 관련 도서 등을 찾아 학습을 확장하였으며, 필요한 경우 게시판 Q&A를 통해 튜터 또는 학급동료의 도움을 받기도 하였다. 또한 제출한 과제는 1:1로 튜터의 피드백을 제공받아 과제의 우수성 및 개선방안 등에 관한 내용을 제공 받았으며 학급의 우수답안은 게시판에 공유되어 타 학생의 문제해결 과정과 본인의 방식을 비교해보도록 하였다. C언어 과정 예시는 [Table 2]에 제시되어 있으며, e-book 및 프로젝트 과제(탐구 과제) 예시는 Fig.
첫째, 본 연구에서 활용한 측정도구의 신뢰도를 검증하기 위해 Cronbach의 α를 확인하였다. 둘째, 기술통계분석을 통해 수집된 자료의 정규성을 확인하였다. 셋째, 상관분석을 실시하여 변인간의 상관관계를 확인하였다.
각 변인 간 상관관계를 알아보기 위해 그릿, 자기조절학습, 부모지원, 컴퓨팅사고력 및 만족도 간의 상관분석을 실시하였다. 분석 결과, 모든 변인 사이의 상관관계는 유의수준 .
따라서 본 연구의 일반화를 위하여 추후 일반 학생을 대표하는 집단을 대상으로 추가적으로 연구를 수행하여 연구결과를 비교ㆍ분석해볼 필요가 있다. 둘째, 본 연구에서는 학습자의 개인요인으로 자기주도학습과 그릿을, 환경요인으로 부모지원을 선정하였다. 그러나 학습자의 학습성과에는 보다 다양한 요인이 영향을 미칠 수 있으므로, 후속연구에서는 보다 다양한 학습자의 개인요인과 환경요인의 예측력을 검증할 필요가 있다.
그러나 학습자의 학습성과에는 보다 다양한 요인이 영향을 미칠 수 있으므로, 후속연구에서는 보다 다양한 학습자의 개인요인과 환경요인의 예측력을 검증할 필요가 있다. 셋째, 본 연구에서는 Likert 척도를 활용하여 자기보고식 측정방식으로 진행되었다. 이는 학습자가 지각하는 양적인 정도로만 측정했다는 것을 의미하며 객관적인 실체를 반영하지 않았을 가능성이 있다.
대상 데이터
환경요인으로는 부모지원을 선정하였다. 온라인교육은 학습자의 흥미와 수준에 맞는 학습을 할 수 있다는 특성뿐만 아니라, 학습자가 시간과 장소를 자율적으로 학습할 수 있다는 특성을 가지고 있다.
본 연구는 광역시 소재 K대학교의 온라인 소프트웨어 교육과정(C언어, Python, 알고리즘, 스크래치)에 참여한 초등학생 5-6학년 71명을 대상으로 2018년에 수행되었다. 참여 학생들은 총 12주의 온라인 교육에 참여하여 해당 과정을 이수한 자들이다.
참여 학생들은 총 12주의 온라인 교육에 참여하여 해당 과정을 이수한 자들이다. 최종적으로 불성실한 응답을 제외한 63명의 데이터가 분석에 사용되었으며, 참여 학생의 학년은 5학년 25명(39.7%), 6학년 36명(57.1%), 미응답 2명(3.2%)으로 나타났으며, 성별은 남학생 42명(66.7%), 여학생 17명(27.0%), 미응답 4명(6.3%)으로 나타났다.
본 온라인 소프트웨어 교육 프로그램은 총 12주 과정으로, 학생들의 컴퓨팅 사고력 및 창의적 문제해결력을 계발하고자 구성되었다. 학생들은 C언어, Python, 알고리즘, 스크래치 과정 중 본인의 흥미와 수준에 따라 과목을 선택하여 수강하였다. 이는 의무적인 교육과정이 아닌 학생 자발적으로 선택하는 과정이므로 과정 수강을 위한 선발 과정이 없으며, 해당 과목에 흥미가 있는 모든 학생 모두에게 교육기회가 제공되었다.
데이터처리
첫째, 본 연구에서 활용한 측정도구의 신뢰도를 검증하기 위해 Cronbach의 α를 확인하였다.
본 연구에서 수집된 자료는 SPSS를 활용하여 다음의 절차에 따라 유의수준 .05에서 통계적 유의성을 검증하였다. 첫째, 본 연구에서 활용한 측정도구의 신뢰도를 검증하기 위해 Cronbach의 α를 확인하였다.
둘째, 기술통계분석을 통해 수집된 자료의 정규성을 확인하였다. 셋째, 상관분석을 실시하여 변인간의 상관관계를 확인하였다. 넷째, 연구가설을 검증하기 위해 각 변인들 간의 효과를 탐색적으로 검증하고 새로운 변인의 추가효과를 확인하기 위해 단계적(stepwise)방법을 적용하였다.
본 연구에서 사용된 각 변인들의 일반적인 경향을 확인하기 위해 평균, 표준편차, 최솟값, 최댓값, 왜도, 첨도를 산출하였다. 모든 변인은 5점 척도를 사용하였으며, 각 변수들의 기술통계 결과는 다음 [Table 3]와 같다.
이론/모형
여기서 개인은 인지적 능력, 신체적 특성, 성격, 신념 및 태도 등을 포함하며, 환경은 물리적 환경과 사회적 환경 및 환경에 대한 개인의 지각을, 행동은 반응과 같은 실질적 행동양식을 포함한다[10]. 이에 본 연구는 온라인 소프트웨어교육 성과인 컴퓨팅사고력과 학습만족도에 영향을 미치는 요인을 상호결정론에 근거하여 선정하였다. 먼저, 개인요인으로는 자기조절학습과 그릿(GRIT)을 선정하였다.
셋째, 상관분석을 실시하여 변인간의 상관관계를 확인하였다. 넷째, 연구가설을 검증하기 위해 각 변인들 간의 효과를 탐색적으로 검증하고 새로운 변인의 추가효과를 확인하기 위해 단계적(stepwise)방법을 적용하였다.
성능/효과
둘째, 자기조절학습, 그릿은 학습만족도를 유의하게 예측하였다. 이와 같은 결과는 선행연구([13], [32],[33]) 결과와 맥을 같이 하는 것으로, 학습만족도에 있어 자기조절학습과 그릿이 온라인 소프트웨어교육 환경에서도 중요한 역할을 하는 요인으로 이해할 수 있다.
각 변인 간 상관관계를 알아보기 위해 그릿, 자기조절학습, 부모지원, 컴퓨팅사고력 및 만족도 간의 상관분석을 실시하였다. 분석 결과, 모든 변인 사이의 상관관계는 유의수준 .05에서 유의한 것으로 나타났다([Table 4] 참조).
그릿, 자기조절학습, 부모지원이 컴퓨팅사고력을 예측하는지 확인하기 위하여 단계선택 방식의 다중회귀분석을 실시한 결과, 그릿과 자기조절학습이 컴퓨팅사고력을 유의하게 예측하는 것으로 나타났으며, 회귀모형에서 그릿과 자기조절학습은 컴퓨팅사고력 총 변량의 87%(adj.R2 =.87)를 설명하는 것으로 나타났다([Table 4] 참조).
그릿, 자기조절학습, 부모지원이 학습만족도를 예측하는지 확인하기 위하여 단계선택 방식의 다중회귀분석을 실시한 결과, 자기조절학습과 그릿이 학습만족도를 유의하게 예측하는 것으로 나타났으며, 회귀모형에서 자기조절학습과 그릿은 학습만족도 총 변량의 61%(adj.R2=.61)를 설명하는 것으로 나타났다([Table 6] 참조).
첫째, 자기조절학습, 그릿은 학업성취도인 컴퓨팅사고력을 유의하게 예측하였다. 특히, 컴퓨팅 사고력에 대한 그릿과 자기조절학습의 예측력은 총 87%로 매우 큰 설명력을 보이는 것으로 나타났다.
첫째, 자기조절학습, 그릿은 학업성취도인 컴퓨팅사고력을 유의하게 예측하였다. 특히, 컴퓨팅 사고력에 대한 그릿과 자기조절학습의 예측력은 총 87%로 매우 큰 설명력을 보이는 것으로 나타났다. 이는 선행연구 결과([21],[22],[23],[24],[25])와 유사한 결과로, 그릿과 자기조절학습이 온라인 소프트웨어 교육 환경에서도 학습자의 학업성취도에 긍정적인 영향을 미치는 요인임을 재확인 시켜주었다.
따라서 후속 연구에서는 인터뷰를 통한 질적인 측정 방법을 통해 보다 심층적인 연구가 진행되어야 할 필요가 있다. 셋째, 본 연구에서 사용된 측정도구는 모두 외국에서 개발된 도구를 수정ㆍ번안한 것으로, 국내 온라인학습 환경의 특성이 충분히 반영되었다고 보기 어렵다. 따라서 국내 온라인 학습환경에 맞는 측정도구의 개발과 타당화 작업이 수행될 필요가 있다.
후속연구
본 연구의 제한점을 토대로 다음과 같은 후속 연구를 제안한다. 첫째, 본 연구에 참여한 학생들은 일반 학교 교육이 아닌 온라인 소프트웨어 교육 프로그램에 자발적으로 참여한 학생이라는 점에서 연구집단의 특수성을 지니므로 본 연구결과를 일반 학생 집단에 일반화하여 해석하는데는 무리가 있다. 따라서 본 연구의 일반화를 위하여 추후 일반 학생을 대표하는 집단을 대상으로 추가적으로 연구를 수행하여 연구결과를 비교ㆍ분석해볼 필요가 있다.
첫째, 본 연구에 참여한 학생들은 일반 학교 교육이 아닌 온라인 소프트웨어 교육 프로그램에 자발적으로 참여한 학생이라는 점에서 연구집단의 특수성을 지니므로 본 연구결과를 일반 학생 집단에 일반화하여 해석하는데는 무리가 있다. 따라서 본 연구의 일반화를 위하여 추후 일반 학생을 대표하는 집단을 대상으로 추가적으로 연구를 수행하여 연구결과를 비교ㆍ분석해볼 필요가 있다. 둘째, 본 연구에서는 학습자의 개인요인으로 자기주도학습과 그릿을, 환경요인으로 부모지원을 선정하였다.
둘째, 본 연구에서는 학습자의 개인요인으로 자기주도학습과 그릿을, 환경요인으로 부모지원을 선정하였다. 그러나 학습자의 학습성과에는 보다 다양한 요인이 영향을 미칠 수 있으므로, 후속연구에서는 보다 다양한 학습자의 개인요인과 환경요인의 예측력을 검증할 필요가 있다. 셋째, 본 연구에서는 Likert 척도를 활용하여 자기보고식 측정방식으로 진행되었다.
이는 학습자가 지각하는 양적인 정도로만 측정했다는 것을 의미하며 객관적인 실체를 반영하지 않았을 가능성이 있다. 따라서 후속 연구에서는 인터뷰를 통한 질적인 측정 방법을 통해 보다 심층적인 연구가 진행되어야 할 필요가 있다. 셋째, 본 연구에서 사용된 측정도구는 모두 외국에서 개발된 도구를 수정ㆍ번안한 것으로, 국내 온라인학습 환경의 특성이 충분히 반영되었다고 보기 어렵다.
질의응답
핵심어
질문
논문에서 추출한 답변
소프트웨어교육과 일반적인 학습의 차이는 무엇인가?
이러한 시대적 변화에 따라 국내에서도 컴퓨팅사고력 향상 및 소프트웨어교육 활성화를 위해 2015년 개정 교육과정에 정보 교과를 추가하여 소프트웨어교육을 지정하고, 이를 점차 확대해나가고 있다[4]. 그러나 소프트웨어교육은 일반적인 학습과는 달리 논리적 사고력과 문제해결력, 그리고 프로그래밍 언어에 대한 지식을 요구하는 교육적 특성상 처음 학습하는 학습자의 경우 학습에 대한 어려움뿐만 아니라 낮은 흥미를 나타낸다[5]. 이러한 맥락에서 온라인학습은 학습자가 스스로 흥미와 수준에 맞는 콘텐츠를 선택하여 학습할 수 있는 기회를 제공한다는 점에서[6], 소프트웨어교육의 교육적 특성을 극복하기 위한 학습방법 중 하나임을 유추해 볼 수 있다.
본 연구의 제한점을 토대로한 후속 연구로는 무엇을 제안하였는가?
본 연구의 제한점을 토대로 다음과 같은 후속 연구를 제안한다. 첫째, 본 연구에 참여한 학생들은 일반 학교 교육이 아닌 온라인 소프트웨어 교육 프로그램에 자발적으로 참여한 학생이라는 점에서 연구집단의 특수성을 지니므로 본 연구결과를 일반 학생 집단에 일반화하여 해석하는데는 무리가 있다. 따라서 본 연구의 일반화를 위하여 추후 일반 학생을 대표하는 집단을 대상으로 추가적으로 연구를 수행하여 연구결과를 비교ㆍ분석해볼 필요가 있다. 둘째, 본 연구에서는 학습자의 개인요인으로 자기주도학습과 그릿을, 환경요인으로 부모지원을 선정하였다. 그러나 학습자의 학습성과에는 보다 다양한 요인이 영향을 미칠 수 있으므로, 후속연구에서는 보다 다양한 학습자의 개인요인과 환경요인의 예측력을 검증할 필요가 있다. 셋째, 본 연구에서는 Likert 척도를 활용하여 자기보고식 측정방식으로 진행되었다. 이는 학습자가 지각하는 양적인 정도로만 측정했다는 것을 의미하며 객관적인 실체를 반영하지 않았을 가능성이 있다. 따라서 후속 연구에서는 인터뷰를 통한 질적인 측정 방법을 통해 보다 심층적인 연구가 진행되어야 할 필요가 있다.
컴퓨팅사고력이란?
4차 산업혁명으로 인하여 세계 각국에서는 컴퓨팅 사고력(Computational Thinking: CT)을 갖춘 인재 양성에 집중하고 있다. 컴퓨팅사고력이란 컴퓨팅 기술을 바탕으로 복잡한 문제를 효과적으로 해결하는 종합적인 사고능력을 의미하며[1], 21세기 학습자가 갖추어야 할 학습역량으로 제시되고 있다[2]. 이에 국외 여러 나라는 컴퓨팅사고력의 향상을 위해 교육과정에 소프트웨어교육을 도입하기 시작하였으며, 프로그래밍 관련 교육을 필수로 지정하였다[3].
참고문헌 (40)
Korea Foundation for the Advancement of Science and Creativity (2014). Research for Introducing Computational Thinking into Primary and Secondary Education. Seoul : Korea Foundation for the Advancement of Science and Creativity.
Wing, J. M. (2006). Computational Thinking. Communications of the ACM, 49(3), 33-35.
Kim, J. M. & Lee, W. K. (2014). Controversial Issues in Knowledge and Problem Solving Skills of Information Subjects Observed after Amending the Curriculum in the U.K. The Journal of Korean association of computer education, 17(3), 54-64,
The Korean Ministry of education (2015). Software education operating guide. Seoul: The Korean Ministry of education.
Song, U. & Gil, J. (2017). Development and Application of Software Education Program Based on Blended Learning for Improving Computational Thinking of Pre-Service Elementary Teachers. Korea Information Processing Society, 6(7), 353-360.
Ministry of Education & Human Resources Development & Korea Education & Research Information Service (2004). White paper on ICT in Education Korea. Seoul : Korea Education and Research Information Service.
Chae, Y., Lee, S., & Parrk, S. (2016). Analysis of The Perception of Effectiveness and Satisfaction According to Learners' Background Variables and Characteristics in Online Gifted Education Program. Journal of Gifted/Talented Education, 26(4), 611-633.
Sung, E. Jin, S. H., & Yoo. M. (2016). Exploring Learning Data for Supporting Self-Directed Learning in the Perspective of Learning Analytics. Korean Society and Educational Technology, 32(3), 487-533.
Bandura, A. (1977). Self-efficacy: Toward a unifying theory of behavioral change. Psychological Review, 84(2), 191-215.
Kim, D., & Keum, J. (2015). The Effect of Mobile Self Efficacy, Achievement Goal Orientation and School Belonging on School Satisfaction and Life Satisfaction in Open Middle School. Journal of Lifelong Learning Society, 11(3), 39-57.
Zimmerman, B. J., & Schunk, D. H. (Eds.). (2001). Self-regulated learning and academic achievement: Theoretical perspectives. London, UK: Routledge.
Duckworth, A. L., Peterson, C., Matthews, M. D., & Kelly, D. R. (2007). Grit: Perseverance and passion for long-term goals. Journal of Personality and Social Psychology, 92(6), 1087-1101.
Joo, Y. J. & Kim, D. (2016). Influence of Grit (Perseverance of Effort and Consistency of Interest), Teacher Support, and Parent Support on Self-Regulation and Educational Satisfaction in Children in a Gifted Education Program. Special Education Research, 15(1), 24-49.
Song, Y. H. (2011). Effects of Parent Educational Supporting Activities on Learning Motivation and Study Habit of Elementary Students. Journal of elementary education studies, 18(2), 183, 202.
Epstein, J. L. (1995). School/family/community partnerships. Phi delta kappan, 76(9), 701-712.
Voogt, J., Fisser, P., Good, J., Mishra, P., & Yadav, A. (2015). Computational thinking in compulsory education: Towards an agenda for research and practice. Education and Information Technologies, 20(4), 715-728.
Wing, J. M. (2008). Computational thinking and thinking about computing. Philosophical transactions of the royal society of London A: mathematical, physical and engineering sciences, 366(1881), 3717-3725.
Chung, M. (2005). The Development of Self-Regulated Learning Test for University Students. Korean Society for Educational Evaluation, 18(3), 155-181.
Garrison, D. R. (2003). Self-directed learning and distance education. In M. G. Moore & W. G. Anderson (Eds.), Handbook of distance education (pp. 161-168). Mahwah, NJ, US: Lawrence Erlbaum Associates.
Huh, J. (2014). Variables Related to the Self-regulating Ability of Elementary School Children. The Korean Entertainment Industry Association, 8(1), 87-95.
Azevedo, R. & Cromley, J. G. (2004). Does training on self-regulated learning facilitate students' learning with hypermedia? Journal of Educational Psychology, 96(3), 523-535.
Hwang, M, Ha, H. S., & Kim, M. (2017). Grit and Academic Achievement among Elementary School Students: The Mediating Role of Academic Self-Regulation. The Korean Journal of Elementary Counseling, 16(3), 301-319.
Bazelais, P., Lemay, D. J., & Doleck, T. (2016). How Does Grit Impact College Students' Academic Achievement in Science? European Journal of Science and Mathematics Education, 4(1), 33-43.
Davidson, B. (2014). Examining the relationship between non-cognitive skills and leadership: The influence of hope and grit on transformational leadership behavior. Unpublished Doctoral dissertation, University of Kansas, Lawrence, KS.
Grolnick, W. S., & Slowiaczek, M. L. (1994). Parents' involvement in children's schooling: A multidimensional conceptualization and motivational model. Child Development, 65(1), 237-252.
Lee, J. L., & Kwon, D. H. (2016). An Analysis of Structural Relationship among Locus of Control, Mindset, Grit, and Academic Achievement. Korea Youth Research Association, 23(11), 245-264.
Epstein, J. L., Herrick, S. C., & Coates, L. (1996). Effects of summer home learning packets on student achievement in language arts in the middle grades. School Effectiveness and School Improvement, 7(4), 383-410.
Mun, E. S., & Kim, C. H. (2003). of Parental Involvement and the Academic Motivation and Achievement of Elementary and Middle School Students. Korea educational Psychology Association, 17(2), 271-288.
Joo. Y., Kim, D. & Lim, E. (2015). The Structural Relationship among Task Commitment, Self Regulation Learning Ability, Parent Support, Satisfaction and Achievement in Gifted Education. Journal of Gifted/Talented Education, 25(4), 529-546.
Kim, M. S. (2007). An Analysis of the Gifted Students" and Their Parents" Satisfaction on Gifted Education. The Korean Society for the Gifted and Talented, 6(2), 165-188.
McCoy, C. W. (2001). The relationship of self-directed learning, technological self-efficacy, and satisfaction of adult learners in a digital learning environment. Unpublished doctoral dissertation, The University of Alabama.
Lee, J., & Kim, Y. (2015). Examining structural relationships among self-regulated learning, flow, satisfaction, and continuous intention to use smart learning. The Journal of Educational Research, 13(2), 127-150.
King, A. L. D., Huebner, S., Suldo, S. M., & Valois, R. F. (2006). An ecological view of school satisfaction in adolescence: Linkages between social support and behavior problems. Applied Research in Quality of Life, 1(3), 279-295.
Duckworth, A. L., Peterson, C., Matthews, M. D., & Kelly, D. R. (2007). Grit: Perseverance and passion for long-term goals. Journal of Personality and Social Psychology, 92(6), 1087-1101.
DiDonato, N. C. (2013). Effective self-and co-regulation in collaborative learning groups: An analysis of how students regulate problem solving of authentic interdisciplinary tasks. Instructional Science, 41(1), 25-47.
Bandura, A. (2006). Guide for constructing self-efficacy scales. Self-efficacy beliefs of adolescents, 5(1), 307-337.
Korkmaz, O., Cakir, R., & Ozden, M. Y. (2015). Computational thinking levels scale (ctls) adaptation for secondary school level. Gazi Journal of Education Sciences, 1(2), 143-162.
Shin, N. (2003). Transactional presence as critical predictor of success in distance learning. Distance Education, 24(1), 48-58.
Curran, P. J., West, S. G., & Finch, J. F. (1996). The robustness of test statistics to nonnormality and specification error in confirmatory factor analysis. Psychological Methods, 1(1), 16-29.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.