[논문]학생들의 태도 특성 분석을 통한 학생 집단 구분에 대한 연구: TIMSS 2015 결과를 중심으로

황지현; 고은성

doi:10.30807/ksms.2018.21.3.001

학생들의 태도 특성 분석을 통한 학생 집단 구분에 대한 연구: TIMSS 2015 결과를 중심으로
Investigating Korean Students' Different Profiles of Affective Constructs and Engagements: A Latent Profile Analysis on TIMSS 2015 원문보기

韓國學校數學會論文集 = Journal of the Korean school mathematics society, v.21 no.3, 2018년, pp.207 - 225

초록
AI-Helper

지난 10년간 이루어진 국제비교연구들에 따르면 우리나라 학생들은 높은 수학 학업 성취도에 비해 정의적 요인과 교사특성에 대한 지각에서 부정적인 결과를 보이고 있다. 이런 일반적인 결과에 더해, 본 연구는 TIMSS 2015 결과를 바탕으로 우리나라 학생들의 정의적 특성 및 교사 특성에 대한 지각에 대해 추가적인 정보를 제공하고자 한다. 본 연구에서는 잠재 프로파일 분석을 사용하여 학생들의 정의적 요인 및 교사특성에 대한 지각과 관련하여 질적으로 다른 다섯 그룹들을 발견하였다. 그 중에서 정의적 요인들에 비해 교사특성에 대한 지각에서 상대적으로 더 부정적인 결과를 보이는 두 그룹에 좀 더 주목할 필요가 있다. 각 그룹의 서로 다른 특징은 그룹에 속하는 학생들의 정의적 측면 및 교사특성에 대한 지각을 향상시키기 위해 서로 다른 접근 방법을 취할 필요가 있음을 시사한다. 이를 위해 학업 성취도뿐만 아니라, 정의적 특성 및 교사특성에 대한 지각에 영향을 미치는 요소들과 관련된 후속 연구가 필요함을 제안한다.

Abstract ▼ AI-Helper

Large-scale international comparison studies for a decade have shown Korean students' negative affective constructs and engagement. In addition to this general finding, this research aimed to provide details in Korean students' affective constructs and engagement. With the latent profile analysis, we found five groups of individuals showing qualitatively different characteristics in their affective constructs and engagement. Particularly, it is required to pay more attentions to two groups with relatively negative views on engaging teaching in mathematics lessons. The findings in this research suggested that different approaches could be required to improve affective constructs and engagement in each group. This necessitated further research on achievement and influential factors on each group's characteristics of affective constructs and engagement.

주제어

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 우리나라 학생들의 다차원적인 정의적 요인들과 교사특성에 대한 학생의 지각 내에서 드러나는 특징을 분석하여 학생 집단을 구분하고자 한다. 이를 위해 기본적으로 수학에 대한 정의적 측면과 교사특성에 대한 지각에서 우리나라 학생들의 모집단은 질적으로 다양한 집단의 학생들로 구성되어 있으며, 이러한 질적 차이는 학생들의 설문 조사 결과를 통해 관찰 가능하다고 가정한다.
본 연구는 정의적 요인과 교사특성에 대한 학생의 지각의 측면에 기초하여 우리나라 학생들을 수학 교과에 대한 태도 특성에 따라 구분하기 위해, 정의적 요인들에 대한 선행연구와 교사특성에 대한 학생의 지각에 대한 선행연구를 반영한다.
이를 위해 기본적으로 수학에 대한 정의적 측면과 교사특성에 대한 지각에서 우리나라 학생들의 모집단은 질적으로 다양한 집단의 학생들로 구성되어 있으며, 이러한 질적 차이는 학생들의 설문 조사 결과를 통해 관찰 가능하다고 가정한다. 본 연구는 정의적 측면과 교사특성에 대한 지각에서 다양한 특성을 지닌 학생들의 집단을 잠재 프로파일 분석(latent profile analysis, LPA)을 사용하여 구분하고, 각 집단이 보이는 서로 다른 특징들을 살펴본다. 이러한 각 그룹의 서로 다른 특징은 우리나라 학생들의 수학교과에 대한 태도 특성 개선을 위한 다양한 연구의 시작점이 될 수 있을 것으로 기대된다.
본 연구에서는 또한 수학교과에서 나타나는 학생들의 집단별 태도 특성을 조사하는데 있어 앞서 논의된 정의적 특성뿐만 아니라 교사특성에 대한 학생의 지각에서 나타나는 특성을 포함한다. 이는 정의적 요소와 교수 참여에 대한 태도가 학생과 교사간의 상호작용에 바탕을 두고 밀접한 연관성이 있다는 연구에 기인한다(Stroet, Opdenakker, & Minnaert, 2013).
그러나 교사특성에 대한 학생의 지각이 어떻게 학생들의 정의적 특성과 함께 학생들의 수학교과에 대한 태도 특성을 형성하는지에 대한 조사는 이루어지지 않고 있다. 본 연구에서는 수학에 대한 정의적 요인들과 수학교과에서 학생들이 지각하는 교사특성을 종합하여 학생들의 수학교과에 대한 집단별 태도 특성을 분석한다.
본 연구에서는 학생의 수업 참여를 분석하는 데 있어, 학생과 교사의 상호작용 속 행동 및 표현 자체보다는 교사특성에 대해 학생들의 지각에 주목하고자 한다. 교사가 교실의 사회적 맥락에서 중요한 역할을 수행할 때 교사가 어떠한 의도를 가지고 학생들에게 행동하고 표현하는지가 중요하다(Simon,1995).
뿐만 아니라, 연구자들은 학생들의 여러 외적 특성들, 예를 들면 학업성취도, 성별, 학년, 지역 특성에 따라 학생들의 정의적 특성이 다름을 확인하고 그에 적합한 교과 내용을 제공하고 교수-학습 전략을 사용할 것을 제안한다. 이러한 연구결과는 모두 학생 개개인이 지닌 정의적 특성을 최대한 포착하고, 이를 반영한 수학 교수를 제공함으로써 학생들의 정의적 특성을 개선하고 수학 학습의 효과를 극대화하기 위한 노력이다.
그러나 이 때 교사의 행동 및 표현 자체보다는 이에 대해 학생들이 어떻게 지각하고 있는가가 더 중요하다(이미영, 2007). 이에 수학교과에서 교사의 행동에 대한 학생의 지각 역시 수학교과에 대한 학생들의 태도 특성과 분리될 수 없는 것으로, 본 연구에서는 정의적 요인들과 함께 이를 학생들의 수학교과에 대한 태도 특성을 구성하는 요소로 간주한다.

가설 설정

본 연구는 우리나라 학생들의 다차원적인 정의적 요인들과 교사특성에 대한 학생의 지각 내에서 드러나는 특징을 분석하여 학생 집단을 구분하고자 한다. 이를 위해 기본적으로 수학에 대한 정의적 측면과 교사특성에 대한 지각에서 우리나라 학생들의 모집단은 질적으로 다양한 집단의 학생들로 구성되어 있으며, 이러한 질적 차이는 학생들의 설문 조사 결과를 통해 관찰 가능하다고 가정한다. 본 연구는 정의적 측면과 교사특성에 대한 지각에서 다양한 특성을 지닌 학생들의 집단을 잠재 프로파일 분석(latent profile analysis, LPA)을 사용하여 구분하고, 각 집단이 보이는 서로 다른 특징들을 살펴본다.

제안 방법

TIMSS 자료를 이용한 각 국가에 대한 연구를 살펴보면, Ekl öf(2007)가 TIMSS 2003 자료를 이용하여 스웨덴 학생이 가진 수학에 대한 가치 인식과 성취도의 관계를 탐구하였다.
그래서 우리는 각 모델의6개 지표, 아카이케 정보 기준(Akaike Information Criterion; AIC; Akaike, 1987), 베이지안 정보 기준(Bayesian InformationCriterion; BIC; Schwarz, 1978), 표본크기 조정 베이지안 정보 기준(sample-size adjusted BIC;SSBIC; Sclove, 1987), Lo-Mendell-Rubin 우도비율검정(Lo-Mendell-Rubin likelihood ratio test;LRT; Lo, Mendell, & Rubin, 2001), 파라메트릭 부트스트랩 우도비율검정(the parametric bootstrapped likelihood ratio test; PBLR; McLachlan, 1987), 엔트로피(entropy; Celeux & Soromenho,1996)를 종합적으로 조사하였다.
AIC, BIC, SSBIC의 경우, 값이 작을수록 모델 적합성이 뛰어남을 의미한다. 또한 k개의 프로파일을 갖는 것으로 추정된 모델을 k-1개의 프로파일을 갖는 모델과 비교하기 위해 두 가설검정 LRT와 PBLR을 적용하였다. 검정 결과로서 유의 확률이 유의 수준0.
본 연구는 이러한 노력의 일환으로 TIMSS 2015 자료를 이용해 학생들의 정의적 요인들(흥미, 자신감, 가치인식)과 교사특성에 대한 학생 지각 척도에 잠재 프로파일 분석을 적용하여 우리나라 중학교 2학년 학생들의 수학교과에 대한 태도를 5개의 집단으로 구분하여 특징지을 수 있음을 확인하였다. 각 집단의 특징을 토대로 다음과 같은 시사점을 도출하였다.
본 연구를 위해Mplus7.3(Muthén & Muthén, 1998)을 사용하여 잠재 프로파일 분석을 실시하였다.
각 영역에 대한 내용-참조 해석이 가능하기 때문에, 실제 척도 점수로부터 얻은 결과에 대해 간단한 해석이 가능하다. 본 연구에서는 정의적 요인들과 교사특성에 대한 학생의 지각에서 드러나는 각 그룹의 특징을 설명하는데 상, 중, 하, 세 영역을 이용하였다.
잠재프로파일 분석은 관찰된 연속 변수들의 평균에 기초하여 질적으로 다른 그룹의 학생들, 즉 잠재 그룹들을 조사한다. 잠재 프로파일 분석은 프로파일의 수를 결정하기 위해 다양한 수의 프로파일이 있는 몇몇 모델들을 고려하고 그 모델들을 비교한다. 그래서 우리는 각 모델의6개 지표, 아카이케 정보 기준(Akaike Information Criterion; AIC; Akaike, 1987), 베이지안 정보 기준(Bayesian InformationCriterion; BIC; Schwarz, 1978), 표본크기 조정 베이지안 정보 기준(sample-size adjusted BIC;SSBIC; Sclove, 1987), Lo-Mendell-Rubin 우도비율검정(Lo-Mendell-Rubin likelihood ratio test;LRT; Lo, Mendell, & Rubin, 2001), 파라메트릭 부트스트랩 우도비율검정(the parametric bootstrapped likelihood ratio test; PBLR; McLachlan, 1987), 엔트로피(entropy; Celeux & Soromenho,1996)를 종합적으로 조사하였다.
잠재 프로파일 분석은 관찰된 자료로부터 관찰되지 않은 변수들을 복구하는 혼합 모델링의 한 방법이다. 잠재프로파일 분석은 관찰된 연속 변수들의 평균에 기초하여 질적으로 다른 그룹의 학생들, 즉 잠재 그룹들을 조사한다. 잠재 프로파일 분석은 프로파일의 수를 결정하기 위해 다양한 수의 프로파일이 있는 몇몇 모델들을 고려하고 그 모델들을 비교한다.
최적의 모델을 결정한 후, 프로파일을 꺾은선 그래프로 나타내고 각 프로파일에 대한 자세한 정보도 함께 제시하였다(와 참고).
학생들의 정의적 요인들과 교사특성에 대한 학생의 지각을 조사하기 위해 “수학 학습에 대한 흥미(이하, 흥미), 교사특성에 대한 학생의 지각(이하, 학생 지각), 수학에 대한 자신감(이하, 자신감), 수학에 대한 가치 인식(이하, 가치 인식)”에 대한 척도 점수를 수집하였다( 참조).

대상 데이터

이러한 과정을 통해 TIMSS 2015에서는 5309명의 학생들에 대한 자료를 제공한다. 그러나 일부 학생들의 경우 본 연구에서 조사하는 척도들 중의 하나에서 무효값으로 처리되어 있어, 그 결과 10명의 학생에 대한 자료가 제거되었고 최종적으로 본 연구에서는 5229명의 학생들에 대한 자료를 분석하였다(Martin et al., 2016).
본 연구의 연구 대상은 TIMSS 2015에 참여한 5,299명의 학생들이다. 본 연구를 위한 자료는 150개 학교(170개 학급)로부터 수집된 것이며, 5,299명의 학생들을 지도한 교사는 310명이다. 이 학생들은 우리나라에서 중학교 2학년 과정에 속한다.
본 연구의 연구 대상은 TIMSS 2015에 참여한 5,299명의 학생들이다. 본 연구를 위한 자료는 150개 학교(170개 학급)로부터 수집된 것이며, 5,299명의 학생들을 지도한 교사는 310명이다.

데이터처리

프로파일들을 정당화하기 위해 각 척도를 사용하여 분산분석(ANOVA)과 Tukey의 ANOVA 사후 분석을 수행할 수 있다(Grunschel, Patrzek, & Fries,2013).

이론/모형

Mullis &Martin(2013)의 연구를 반영하여 학생 배경설문지의 항목에 대한 학생들의 반응과 정의적 요인들과 교사특성에 대한 학생의 지각에 대한 학생들의 반응을 연결하기 위해 부분점수 문항반응이론을 적용하였다.
본 연구도 정의적 측면이 다차원적이라는 Di Martino & Zan(2010, 2011)에 바탕을 두고 있다.

성능/효과

또한 6-프로파일 모델에 대한 엔트로피는 5-프로파일 모델과 비교했을 때 상당히 작음을 알 수 있다. 6개 지표에 대한 이러한 결과는 5-프로파일 모델과 6-프로파일 모델을 비교하는데 일관적이지 않고, 게다가 연구참여자의 5%보다 적은 크기의 그룹의 수가 증가하였다. 이런 모든 지표들을 종합적으로 평가하고 LRT결과들을 비판적으로 고려함으로써 우리는 5개의 프로파일을 갖는 모델이 가장 적절하다는 결론을 도출할 수 있다.
또한 k개의 프로파일을 갖는 것으로 추정된 모델을 k-1개의 프로파일을 갖는 모델과 비교하기 위해 두 가설검정 LRT와 PBLR을 적용하였다. 검정 결과로서 유의 확률이 유의 수준0.05보다 작을 경우, k개의 프로파일을 갖는 추정 모델이 적합한 것으로 결론 내렸다.
교사특성의 하위요인과 학문적 자아개념 간의 관계를 살펴보면, ‘높은 기대, 더 많은 기회와 선택부여’, ‘학업과 규칙지향 행동’, ‘지지적 도움 행동’이 유의미한 정적 상관을 보였으며, ‘부정적 피드백과 지시행동’은 유의미한 부적 상관을 보였다. 교사특성의 하위요인과 학습태도와 관계는 모든 영역에서 유의미한 정적 상관을 보였다.
학습에 대한 흥미와 성취도는 학생 개개인을 고려하면 서로 양의 상관관계를 가지지만, 국가 수준을 고려하면 음의 상관관계를 보인다. 다시 말해, 학생 개인의 학습 흥미도가 높을수록 높은 성취도를 가질 것으로 기대되지만, 전반적인 흥미도가 낮은 국가일수록 높은 평균 성취도가 기대됨을 보였다. Shen & Tam(2008) 또한 개인 수준과 국가 수준을 구분하여 비슷한 연구 결과를 확인하였다.
둘째, ‘학생 지각’ 척도에서 상대적으로 낮은 결과를 나타내는 프로파일 그룹들이 존재한다.
그리고 [그림 Ⅳ-1]과 [그림Ⅳ-2]를 통해 알 수 있듯이 프로파일 4와 프로파일 5 그룹의 경우 긍정적인 정의적 특성을 가지는 학생들이 학업성취도 또한 다른 그룹에 비해 높다. 따라서 본 연구의 결과는 다섯 개의 프로파일 그룹,약 75%의 학생들이 하나의 그룹으로, 나머지25%의 학생들이 서로 다른 네 그룹으로 구분될 수 있음을 제안한다. 그리고 교수-학습 전략을 취하는데 있어서 각 그룹의 정의적 요인들과 교사특성의 지각에 대한 서로 다른 특징들을 고려할 필요가 있음을 제안한다.
예를 들면, [그림 Ⅳ-1]과 [그림 Ⅴ-1]을 통해 알 수 있듯이, 그룹의 정의적 요인들 점수에 비해 상대적으로 낮은 ‘학생 지각’을 보인 프로파일 4 그룹의 경우 가장 높은 평균 학업성취도(약 673)를, 프로파일2 그룹의 경우 가장 낮은 평균 성취도(약 527)를 보였다. 또한 정의적 특성과 교사특성에 대한 학생의 지각에서 가장 긍정적인 결과를 보인 프로파일 5 그룹의 평균 학업성취도는 약 647점으로 프로파일 4 그룹의 학업성취도보다 약 25점정도 낮음을 알 수 있다. 이러한 결과는 학생들의 정의적 특성, 교사특성에 대한 지각, 그리고 학업성취도가 복잡한 관계를 이루고 있음을 시사한다.
변인들의 모든 쌍은0.365 ∼ 0.674의 범위에서 양의 상관관계가 있는 것으로 나타났는데, 특히 수학 학습에 대한 흥미는 다른 변인들과 상당한 관련이 있는 것으로 나타났다.
<표 Ⅳ-2>는 프로파일의 수를 결정하는데 도움이 되는 모델 적합지수를 보여준다. <표 Ⅳ-1>은 세 지표 AIC, BIC, SSBIC 모두 모델들에 대해 값들이 지속적으로 감소함을 보여준다. 이것은 모델이 더 많은 수의 프로파일을 가질수록 모델 적합성이 더 좋아진다는 결과가 도출되었음을 의미한다.
6개 지표에 대한 이러한 결과는 5-프로파일 모델과 6-프로파일 모델을 비교하는데 일관적이지 않고, 게다가 연구참여자의 5%보다 적은 크기의 그룹의 수가 증가하였다. 이런 모든 지표들을 종합적으로 평가하고 LRT결과들을 비판적으로 고려함으로써 우리는 5개의 프로파일을 갖는 모델이 가장 적절하다는 결론을 도출할 수 있다.
조광규(1997)는 초등학생들을 대상으로 교사행동에 대한 학생들의 지각이 학습동기 및 학업성취에어떠한 영향을 미치는지 조사하였다. 조사결과, 교사의 지지적 도움, 교사의 부정적 피드백과 지시행동, 교사의 학업과 규칙 지향 행동, 교사의 높은 기대 및 더 많은 기회와 선택 부여 행동으로 구성된 교사행동을 긍정적으로 지각할수록 학습동기와 학업성취도 모두에서 긍정적인 영향을 주는 것으로 나타났다.
프로파일 2 그룹은 프로파일 1 그룹과, 프로파일 4 그룹은 프로파일 5 그룹과 ‘흥미’, ‘자신감’, ‘가치인식’ 척도에서 유사한 특징을 보임에도 불구하고, ‘학생 지각’ 척도에서는 상대적으로 낮은 결과를 나타내었다.

후속연구

따라서 본 연구의 결과는 다섯 개의 프로파일 그룹,약 75%의 학생들이 하나의 그룹으로, 나머지25%의 학생들이 서로 다른 네 그룹으로 구분될 수 있음을 제안한다. 그리고 교수-학습 전략을 취하는데 있어서 각 그룹의 정의적 요인들과 교사특성의 지각에 대한 서로 다른 특징들을 고려할 필요가 있음을 제안한다.
프로파일 그룹들이 정의적 특성에서는 유사하더라도, ‘학생 지각’에서 차이가 있다는 것은, 그룹별로 정의적 특성과 ‘학생 지각’ 사이에 다른 상관관계가 존재할 가능성이 있음을 시사한다. 나아가 이러한 다른 상관관계에 영향을 끼치는 요인들에 대한 자세한 연구가 필요할 것이다. 한편으로, 프로파일 2 그룹의 교사의 지도에 대한 극단적으로 부정적인 견해는 그 자체로 개선이 시급한 문제로 인식되며, 이 그룹의 학생들을 돕기 위한 노력이 필요하다.
넷째, 본 연구는 우선 우리나라 학생들을 서로 다른 특성을 가진 그룹으로 구분하는 것에만 초점을 맞추었지만, 후속 연구로 각 그룹에 대한 학업성취도를 연구하여 좀 더 깊이 있게 이해하고 정의적 특성과 교사특성에 대한 학생의 지각에 영향을 미치는 요인들을 각각 파악할 필요가 있음을 시사한다. 예를 들면, [그림 Ⅳ-1]과 [그림 Ⅴ-1]을 통해 알 수 있듯이, 그룹의 정의적 요인들 점수에 비해 상대적으로 낮은 ‘학생 지각’을 보인 프로파일 4 그룹의 경우 가장 높은 평균 학업성취도(약 673)를, 프로파일2 그룹의 경우 가장 낮은 평균 성취도(약 527)를 보였다.
본 연구의 결과가 우리나라 학생들의 정의적 특성과 교사특성에 대한 학생의 지각에 대한 이해를 넓히는 것뿐만 아니라, 프로파일 분석을 시발점으로 하여 학업성취도 및 정의적 특성에 대한 다양하고 세부적 분석이 이루어질 수 있기를 기대한다. 또한 다양한 시각에서 수학교육과 관련된 학생들의 집단 특성에 대한 연구가 이루어질 필요가 있음을 제안한다.
본 연구도 정의적 측면이 다차원적이라는 Di Martino & Zan(2010, 2011)에 바탕을 두고 있다. 본 연구는 TIMSS 결과를 이용한 이차 분석 연구이기 때문에 실제로 수집된 자료가 이론적으로 제시된 정의적 측면의 세 가지 요소와 대응되는지 확인이 필요하다.
또한 학업 성취도의 향상과 정의적 특성의 개선을 동시에 고려할 때, 프로파일을 이용한 정의적 요인들과 학업성취도 간의 복잡한 관계에 대한 연구는 많은 정보를 제공할 수 있다. 본 연구의 결과가 우리나라 학생들의 정의적 특성과 교사특성에 대한 학생의 지각에 대한 이해를 넓히는 것뿐만 아니라, 프로파일 분석을 시발점으로 하여 학업성취도 및 정의적 특성에 대한 다양하고 세부적 분석이 이루어질 수 있기를 기대한다. 또한 다양한 시각에서 수학교육과 관련된 학생들의 집단 특성에 대한 연구가 이루어질 필요가 있음을 제안한다.
연구자들은 정의적 특성 개선을 위한 교수-학습 원리를 개발하고, 또한 정의적 특성에 영향을 미치는 다양한 교수전략을 확인하려는 연구를 지속적으로 진행해오고 있다. 뿐만 아니라, 연구자들은 학생들의 여러 외적 특성들, 예를 들면 학업성취도, 성별, 학년, 지역 특성에 따라 학생들의 정의적 특성이 다름을 확인하고 그에 적합한 교과 내용을 제공하고 교수-학습 전략을 사용할 것을 제안한다. 이러한 연구결과는 모두 학생 개개인이 지닌 정의적 특성을 최대한 포착하고, 이를 반영한 수학 교수를 제공함으로써 학생들의 정의적 특성을 개선하고 수학 학습의 효과를 극대화하기 위한 노력이다.
셋째, 프로파일 5 그룹에 속하는 학생들에 대한 보다 세심한 관찰 및 연구를 통해 학생들의 정의적 특성과 교사특성에 대한 학생의 지각에 대해 더 유익한 정보를 얻을 수 있을 것으로 기대해 볼 수 있다. 프로파일 5 그룹의 경우 ‘흥미’, ‘자신감’, ‘가치인식’, ‘학생 지각’ 모두에서 상 영역에 속하며, 각 척도들이 비슷한 수준을 유지한다.
프로파일 5 그룹의 경우 ‘흥미’, ‘자신감’, ‘가치인식’, ‘학생 지각’ 모두에서 상 영역에 속하며, 각 척도들이 비슷한 수준을 유지한다. 이 그룹의 학생들에 대한 정보는 우리나라 교육 현실 속에서 다른 그룹에 속하는 학생들의 정의적 특성과 교사특성에 대한 학생의 지각의 개선에 도움을 줄 수 있는 방안에 대한 해답을 제시할 수도 있을 것이다.
본 연구는 정의적 측면과 교사특성에 대한 지각에서 다양한 특성을 지닌 학생들의 집단을 잠재 프로파일 분석(latent profile analysis, LPA)을 사용하여 구분하고, 각 집단이 보이는 서로 다른 특징들을 살펴본다. 이러한 각 그룹의 서로 다른 특징은 우리나라 학생들의 수학교과에 대한 태도 특성 개선을 위한 다양한 연구의 시작점이 될 수 있을 것으로 기대된다.
첫째, 본 연구의 결과는 학생들의 정의적 특성 및 교사특성에 대한 학생의 지각에 대한 이해와 개선을 시도할 때, 학생들을 더 세분화 된 그룹으로 구분하고 각 그룹의 특성에 따라 서로 다른 전략을 취할 필요가 있음을 시사한다. 그 동안 TIMSS 자료에 기반을 두어 우리나라 학생들의 수학교과에서의 특성을 분석한 연구들은 우리나라 학생들이 학업성취도는 높은 반면 정의적 특성에서는 낮은 또는 부정적인 반응을 보인다고 보고하면서, 이러한 결과를 우리나라 모든 학생들이 공통된 지닌 특징으로 인식하는 경향이 지배적이었다.

질의응답

핵심어	질문	논문에서 추출한 답변
	수학교육연구가 다양한 요인들에 관심을 가지는 이유는 무엇인가?	학생의 수학 학습의 결과는 학생의 인지적 역량에 의해서만 결정되는 것이 아니라 정의적(affective) 측면을 포함한 다양한 요인으로부터 영향을 받는다는 것이 알려지면서(Singh, Granville, &Dika, 2002), 수학교육연구는 그 다양한 요인들에 관심을 가져왔다. 그 대표적인 것으로 정의적 요인(Di Martino & Zan, 2010; Mcleod, 1994)과 수학교사의 특성에 대한 학생들의 지각(Newmann,Wehlage, & Lamborn, 1992; Singh et al.
	수학교육에서 정의는 무엇인가?	수학교육에서 정의(affect)는 인지적 측면과 정서적 측면 사이의 상호작용으로 알려져 있으며 (Mcleod, 1994), 최근 몇 년 동안 정의적 측면에 대한 관심이 급속하게 증가해 왔다. 학생들은 수학을 배울 때, 정서 상태가 어떠한가에 따라 도전적인 문제를 해결하는데 적극적일 수도 있으며, 아니면 어려움에 직면했을 때 그들의 인지 과정을 완전히 멈추어버릴 수도 있다(Di Martino & Zan, 2010).
	학생의 수학 학습의 결과에 영향을 미치는 요인들로는 무엇이 있는가?	학생의 수학 학습의 결과는 학생의 인지적 역량에 의해서만 결정되는 것이 아니라 정의적(affective) 측면을 포함한 다양한 요인으로부터 영향을 받는다는 것이 알려지면서(Singh, Granville, &Dika, 2002), 수학교육연구는 그 다양한 요인들에 관심을 가져왔다. 그 대표적인 것으로 정의적 요인(Di Martino & Zan, 2010; Mcleod, 1994)과 수학교사의 특성에 대한 학생들의 지각(Newmann,Wehlage, & Lamborn, 1992; Singh et al., 2002; Skinner & Belmont, 1993; Skinner, Furrer,Marchand, & Kndermann, 2008; Stroet, Opdenakker, & Minnaert, 2013)을 들 수 있다.

참고문헌 (52)

김소희(2015). 수학적.수학외적 의사소통을 통한 수업이 학생의 인지적.정의적 영역 발달에 미치는 효과. 고려대학교 교육대학원 석사학위논문.
김정원, 김병숙(2004). 학생이 지각한 교사특성과 학문적 자아개념 및 학습태도와의 관계. 아동교육, 13(2), 253-262.
김희진(2014). 놀이를 활용한 수학 학습이 중학생의 수학적 태도에 미치는 영향 분석. 한국외국어대학교 교육대학원 석사학위논문.
박맹구(2001). 중.고등학생이 지각한 교사행동과 자아개념 및 학습태도와의 관계 연구. 원광대학교 교육대학원 석사학위논문.
이미영(2007). 초등학생의 교사 행동지각, 학업성취 관련 변인 및 학업 성취도의 관계. 충남대학교 교육대학원 석사학위논문.
이민찬, 길양숙(1998). 수학 학습에 영향을 미치는 정의적 특성의 학년별 변화 및 성별, 성취집단별 차이. 한국수학교육학회지 시리즈A 수학교육, 37(2), 147-158.
이영선(2017). 스마트폰 어플리케이션을 활용한 수학 수업이 학생들의 정의적 영역에 미치는 영향: 함수내용을 중심으로. 고려대학교 교육대학원 석사학위논문.
이영주(1999). 초등학교 고학년 아동의 정의적 특성, 수학적 문제해결력, 추론능력간의 관계. 한국교원대학교 대학원 석사학위논문.
이종필(2010). 중학교3 학년 학생 수학학습의 도.농간 정의적 특성 연구. 공주대학교 교육대학원 석사학위논문.
이종희, 김선희(2010). 중고등학교 학생들의 수학 정의적 성취의 차이 분석. 교과교육학연구, 14(4), 759-785.
이희숙, 정제영, 선미숙(2016). 교육자원 투입에 따른 청소년의 학업성취 효과에 대한 메타적 접근-교사변인을 중심으로-, 청소년학연구, 23(4), 425-450.
조광규(1997). 교사행동에 대한 학생의 지각이 학습동기 및 학업성취에 미치는 영향. 전남대학교 교육대학원 석사학위논문.
주미경(2010). 수학에 대한 정의적 특성 개선을 위한 수업 원리 및 사례. 수학에 대한 정의적 특성 개선 방안 탐색 세미나 연구자료 ORM2010-58(pp.139-154).
최권, 전민재, 안효영, 진하늘, 도승이(2013). 중학생이 지각한 교사 및 교우 관계가 수업참여를 매개로 학업성취에 미치는 영향. 아시아교육연구, 14(4), 281-306.
최지혜(2014). 교사 지도성이 초등학생의 학업성취도에 미치는 영향에 관한 다층분석. 초등교육연구, 27(3), 163-187.
한국교육과정평가원(2016). 수학.과학성취도 추이 변화 국제비교 연구: 결과분석. 연구보고 RRE 2016-15-1.
Akaike, H. (1987). Factor analysis and AIC. Psychometrika, 52(3), 317-332. doi:10.1007/BF02294359

상세보기
Akey, T. M. (2006). School context, student attitudes and behavior, and academic achievement: An exploratory analysis. New York, NY: MDRC.
Atweh B., Clarkson P., & Nebres B. (2003). Mathematics education in international and global contexts. In: Bishop A.J., Clements M.A., Keitel C., Kilpatrick J., Leung F.K.S. (eds), Second international handbook of mathematics education: Springer International Handbooks of Education(pp. 158-229). Dordrecht, Netherlands: Springer
Celeux, C., & Soromenho, G. (1996). An entropy criterion for assessing the number of clusters in a mixture model. Journal of Classification, 13, 195-212.

상세보기
Choi, K., Choi, T., & McAninch, M. (2012). A comparative investigation of the presence of psychological condition in high achieving eighth graders from TIMSS 2007 mathematics. ZDM Mathematics Education, 44, 189-199.

상세보기
Coppola, C., Di Martino, P., Pacelli, T., & Sabena, C. (2012). Primary teachers' affect: a crucial variable in the teaching of mathematics. Nordic Studies in Mathematics Education, 17(3-4), 101-118.
Di Martino, P., & Zan, R. (2010). 'Me and maths': Towards a definition of attitude grounded on students' narratives. Journal of Mathematics Teacher Education,13, 27-48. doi:10.1007/s10857-009-9134-z

상세보기
Di Martino, P., & Zan, R. (2011). Attitude toward mathematics: A bridge between beliefs and emotions. ZDM Mathematics Education, 43, 471-482. doi:10.1007/s11858-011-0309-6

상세보기
Di Martino, P., & Zan, R. (2015). The construct of attitude in mathematics education. In B. Pepin & B. Roesken-Winter (Eds.), From beliefs to dynamic affect systems in mathematics education: Exploring a mosaic of relationships and interactions (pp. 51-72). Cham, Switzerland:Springer.
Eklof, H. (2007). Self-concept and valuing of mathematics in TIMSS 2003: Scale structure and relation to performance in a Swedish setting. Scandinavian Journal of Educational Research, 51(3), 297-313.

상세보기
Grunschel, C., Patrzek, J., & Fries, S. (2013). Exploring different types of academic delayers: Alatent profile analysis. Learning and Individual Differences, 23, 225-233. doi:10.1016/j.lindif.2012.09.014

상세보기
Lo,Y., Mendell, N.R., & Rubin,D.B. (2001). Testing the number of components in a normal mixture. Biometrika, 88(3), 767-778. doi:10.1093/biomet/88.3.767

상세보기
Ma, X., & Kishor, N. (1997). Assessing the relationship between attitude toward mathematics and achievement in mathematics: A meta-analysis. Journal for Research in Mathematics Education, 28(1), 26-47.

상세보기
Marsh, H. W., Ludtke, O., Trautwein, U., & Morin, A. J. S. (2009). Classical la tent profile analysis of academic self-concept dimensions: Synergy of person-and variable-centered approaches to theoretical models of self-concept. Structural Equation Modeling: A Multidisciplinary Journal, (2), 191-225. doi:10.1080/10705510902751010

상세보기
Martin, M. O., Mullis, I. V. S., & Hooper, M. (Eds.). (2016). Methods and Procedures in TIMSS 2015. Chestnet Hill, MA: TIMSS & PIRLS International Study Center, Lynch School of Education, Boston College and International Association for the Evaluation of Educational Achievement (IEA).
McLachlan, G. J. (1987). On bootstrapping the likelihood ratio test stastistic for the number of components in a normal mixture. Journal of the Royal Statistical Society. Series C (Applied Statistics), 36(3), 318-324.
Mcleod, D. B. (1992). Research on affect in mathematics education: A reconceptualization. In D. A. Grows (Ed.), Handbook of research on mathematics teaching and learning (pp. 575-596). New York, NY: Macmillan.
Mcleod, D. B. (1994). Research on affect and mathematics learning in the JRME: 1970 to present. Journal for Research in Mathematics Education, 25(6), 637-647.

상세보기
Mullis, I. V. S., & Martin, M. O. (Eds.). (2013). TIMSS 2015 Assessment Framework. Chestnut Hill, MA: TIMSS & PIRLS International Study Center, Boston College.
Muthen, L., & Muthen, B. (1998). MPlus (version 7.3) [Computer software]. Los Angeles, CA: Muthen & Muthen.
Newmann, F. M., Wehlage, G. G., & Lamborn, S. D. (1992). The significance and sources of student engagment. In F. M. Newmann (Ed.), Student engagement and achievement in American secondary schools(pp. 11-39). New York, NY: Teachers' College Press.
Opdenakker, M.-C., Maulana, R., & den Brok, P. (2012). Teacher-student interpersonal relati onships and academic motivation within one school year: Developmental changes and link age. School Effectiveness and School Improvement, 23(1), 95-119. doi:10.1080/09243453.2011.619198

상세보기
Papanastasiou, C., & Papanastasiou, E. C. (2006). Modeling mathematics achievement in Cypr us. In S. J. Howie & T. Plomp (Eds.), Contexts of learning mathematics and science: Lessons learned from TIMSS(pp. 113-125). New York, NY: Routledge
Schwabe, L., & Wolf, O. T. (2010). Learning under stress impairs memory formation. Neurobiology of Learning and Memory, 93(2), 183-188. doi:10.1016/j.nlm.2009.09.009

상세보기
Schwarz, G. (1978). Estimating the Dimension of a Model. The Annals of Statistics, 6(2), 461-464.

상세보기
Sclove, S. L. (1987). Application of model-selection criteria to some problems in multivariate analysis. Psychometrika, 52(3), 333-343. doi:10.1007/BF02294360

상세보기
Shen, C., & Tam, H. P. (2008). The paradoxical relationship between student achievement and self-perception: A cross-national analysis based on three waves of TIMSS data. Educational Research and Evaluation, 14(1), 87-100. doi: 10.1080/13803610801896653

상세보기
Simon, M. A. (1995). Reconstructing mathematics pedagogy from a constructivist perspective. Journal for Research in Mathematics Education, 26(2), 114-145.

상세보기
Singh, K., Granville, M., & Dika, S. (2002). Mathematics and science achievement: Effects of motivation, interest, and academic engagement. Journal of Educational Research, 95(6), 323-332. doi:10.1080/00220670209596607

상세보기
Skinner, E. A., & Belmont, M. J. (1993). Motivation in the classroom: Reciprocal effects of teacher behavior and student engagement across the school year. Journal of Educational Psychology, 85(4), 571-581.

상세보기
Skinner, E. A., Furrer, C., Marchand, G., & Kndermann, T. (2008). Engagement and disaffection in the classroom: Part of a larger motivational dynamic? Journal of Educational Psychology, 100(4), 765-781. doi:10.1037/a0012840

상세보기
Stroet, K., Opdenakker, M.-C., & Minnaert, A. (2013). Effects of need supportive teaching on early adolescents' motivation and engagement: A review of the literature. Educational Research Review, 9, 65-87. doi:10.1016/j.edurev.2012.11.003

상세보기
Thomson, S., & Fleming, N. (2004). Summing it up: Mathematics achievement in Australian schools in TIMSS 2003. (TIMSS Australia Monograph No. 6). Camberwell, Australia: Australian Council for Educational Research.
Wilkins, J. L. M. (2004). Mathematics and science self-concept: An international investigation. The Journal of Experimental Education, 72(4), 331-346. doi:10.3200/JEXE.72.4.331-346

상세보기
Yoshino, A. (2012). The relationship between self-concept and achievement in TIMSS 2007:A comparison between American and Japanese students. International Review of Education, 58(2), 199-219.

상세보기
Zan, R., Brown, L., Evans, J., & Hannula, M. S. (2006). Affect in mathematics education: An introduction. Educational Studies in Mathematics, 63, 113-121. doi:10.1007/s10649-006-9028-2

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