[논문]딥러닝 개념을 위한 인공지능 교육 프로그램

류미영; 한선관

doi:10.14352/jkaie.2019.23.6.583

검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
검색연산자

검색도움말
검색연산자	기능	검색시 예
()	우선순위가 가장 높은 연산자	예1) (나노 (기계 \| machine))
공백	두 개의 검색어(식)을 모두 포함하고 있는 문서 검색	예1) (나노 기계) 예2) 나노 장영실
\|	두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색	예1) (줄기세포 \| 면역) 예2) 줄기세포 \| 장영실
!	NOT 이후에 있는 검색어가 포함된 문서는 제외	예1) (황금 !백금) 예2) !image
*	검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색	예) semi*
""	따옴표 내의 구문과 완전히 일치하는 문서만 검색	예) "Transform and Quantization"

과학기술 지식인프라 ScienceON

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

논문 상세정보

MyON담기

내보내기 페이스북 공유 트위터 공유 카카오톡 공유

딥러닝 개념을 위한 인공지능 교육 프로그램

AI Education Programs for Deep-Learning Concepts

정보교육학회논문지 = Journal of the Korean Association of Information Education v.23 no.6 , 2019년, pp.583 - 590

류미영 (경인교육대학교 컴퓨터교육과 ) ; 한선관 ( 경인교육대학교 컴퓨터교육과)

초록

용어
논문에서 용어와 풀이말을 자동 추출한 결과로,
시범 서비스 중입니다.

본 연구는 초등학생의 딥러닝 개념 학습을 위한 교육 프로그램을 개발하는 것이다. 교육 프로그램의 모델은 CT요소 중심 모델을 토대로 딥러닝 교수학습모델을 개발하였다. 개발한 프로그램의 주제는 인공지능의 이미지 인식 CNN알고리즘으로 정하고, 9개 차시 교육프로그램을 개발하였다. 프로그램은 6학년을 대상으로 2주간에 걸쳐 적용을 하였다. 프로그램에 대한 학습 적합도 검사는 전문가 타당도 분석 결과로 CVR이 타당하게 나왔다. 학습자 수준 적합도와 교사 지도 수준의 적합도 문항의 경우 .80이하로 나타났으며 .96이 넘은 학습 환경과 매체의 적합도 문항에서는 높게 나타났다. 학생들의 만족도 분석 결과 학습의 이해도와 유익성, 흥미도, 학습자료 등에 대해서 평균 4.0이상을 보여 긍정적인 평가를 하여 본 연구의 가치를 확인할 수 있었다.

Abstract

The purpose of this study is to develop an educational program for learning deep learning concepts for elementary school students. The model of education program was developed the deep-learning teaching method based on CT element-oriented teaching and learning model. The subject of the developed program is the artificial intelligence image recognition CNN algorithm, and we have developed 9 educational programs. We applied the program over two weeks to sixth graders. Expert validity analysis showed that the minimum CVR value was more than .56. The fitness level of learner level and the level of teacher guidance were less than .80, and the fitness of learning environment and media above .96 was high. The students' satisfaction analysis showed that students gave a positive evaluation of the average of 4.0 or higher on the understanding, benefit, interest, and learning materials of artificial intelligence learning.

주제어

#인공지능 #기계학습 #딥러닝 교육 #컨볼루션네트워크 #소프트웨어교육

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

문제 정의

그리고 이미지 인식 기술이 인간의 삶에 미치는 영향을 긍정적, 부정적인 면으로 나누어 살펴보게 함으로써 가치에 대한 일반화가 이루어질 수 있도록 하였다.

8~9차시 일반화 단계에서는 이러한 이미지 인식 알고리즘이 실제 사용되고 있는 사례를 살펴보고, 이 알고리즘을 어떤 문제에 해결하면 좋을지에 대한 아이디 어를 창의적으로 생각해보도록 하였다. 그리고 이미지 인식 기술이 인간의 삶에 미치는 영향을 긍정적, 부정적인 면으로 나누어 살펴보게 함으로써 가치에 대한 일반화가 이루어질 수 있도록 하였다. 마지막으로 이와 관련한 직업군과 진로를 탐색할 수 있는 시간을 마련하였다.
또한 그 과정에서 요구되는 사고력의 핵심은 바로 컴퓨팅 사고이므로 이를 바탕으로 한 프로그램의 개발에 중점을 두었다.

인공지능 역시 컴퓨터 과학의 한 분야이므로 컴퓨터 과학에 대한 이해 없이 인공지능을 이해하기란 매우 어렵다. 또한 그 과정에서 요구되는 사고력의 핵심은 바로 컴퓨팅 사고이므로 이를 바탕으로 한 프로그램의 개발에 중점을 두었다.
이에 본 연구에서는 인공지능 중 딥러닝의 개념을 학습하기 위한 교육 프로그램을 개발하였다.

이에 본 연구에서는 인공지능 중 딥러닝의 개념을 학습하기 위한 교육 프로그램을 개발하였다. 전문가들의 논의로 ‘딥러닝 문제해결학습 모델’을 기존의 ‘CT요소 중심모델[11]’을 보완하여 설계하고, 그에 따라 9차시의 교육 프로그램을 개발하였다.
이에 본 연구에서는 인공지능의 개념 중 딥러닝개념을 이해하기 위한 교육 프로그램을 개발하여 인공지능을 위한 교육의 방향을 제시하고자 한다.

이에 본 연구에서는 인공지능의 개념 중 딥러닝개념을 이해하기 위한 교육 프로그램을 개발하여 인공지능을 위한 교육의 방향을 제시하고자 한다.
즉, 눈과 귀가 없는 컴퓨터가 0과 1로 구성된 이진자료를 입력받아 처리하여 출력하는 경험을 해보도록 하는 것이다.

감각차단법이란 한선관 이 개발한 인공지능 학습 방법으로 사람이 세상을 인식하는 다양한 감각(시각, 청각, 촉각 등)의 일부를 차단한 상태에서 뇌의 인지처리과정을 스스로 느끼는 메타인지방법 이다[17]. 즉, 눈과 귀가 없는 컴퓨터가 0과 1로 구성된 이진자료를 입력받아 처리하여 출력하는 경험을 해보도록 하는 것이다. 이를 통해 인간과 컴퓨터의 차이를 알게 되고, 휴리스틱적인 접근 방법에 대해 이해하게 된다.

제안 방법

1,2차시에 비트와 픽셀에 대한 의미를 이해할 수 있도록 수업을 구성하였다.

이미지 인식이라는 인공지능 알고리즘을 이해하기 위해서는 사전학습으로 컴퓨터가 이미지를 어떻게 인식하는지에 대한 이해가 반드시 선행이 되어야 한다. 1,2차시에 비트와 픽셀에 대한 의미를 이해할 수 있도록 수업을 구성하였다. 3차시 인식화 단계에서는 인간과 컴퓨터의 인식에 대한 차이를 발견하기 위해 감각차단법[24]을 이용한 놀이활동을 실시하였다.
넷째, 초등학생을 대상으로 하는 프로그램의 개발에 있어서 개념과 원리 이해를 위한 메타인지 전략을 사용한다.

넷째, 초등학생을 대상으로 하는 프로그램의 개발에 있어서 개념과 원리 이해를 위한 메타인지 전략을 사용한다. 인공지능 교육 프로그램에 특히 요구되는 것은 인간과 컴퓨터의 지능이 어떻게 다르게 작동되는가를 이해하는 것이다.
대신 학습자의 만족도 검사를 바탕으로 이해도와 난이도를 분석하였으며, 개방형 질문을 이용한 의견을 받아 학습의 난이도와 인공지능 용어의 개념, 알고리즘의 이해도를 추가 분석하였다.

인공지능 용어와 개념 그리고 알고리즘은 초등학생들에게는 상위 개념이라 검사도구를 이용한 사전, 사후, 성취도 검사는 실시하지 않았다. 대신 학습자의 만족도 검사를 바탕으로 이해도와 난이도를 분석하였으며, 개방형 질문을 이용한 의견을 받아 학습의 난이도와 인공지능 용어의 개념, 알고리즘의 이해도를 추가 분석하였다.
딥러닝 개념학습을 위한 프로그램 개발은 초등학생을 대상으로 하였으며, 컴퓨터교육 관련 전문가(컴퓨터교육과 교수 1인, 컴퓨터교육 박사 2인, 컴퓨터교육 관련 석사 6명) 9명이 FGI(Focus Group Interview)로 진행하여 프로그램 설계 및 개발을 하였다.

딥러닝 개념학습을 위한 프로그램 개발은 초등학생을 대상으로 하였으며, 컴퓨터교육 관련 전문가(컴퓨터교육과 교수 1인, 컴퓨터교육 박사 2인, 컴퓨터교육 관련 석사 6명) 9명이 FGI(Focus Group Interview)로 진행하여 프로그램 설계 및 개발을 하였다. 또한 프로그램 설계 및 개발에 대한 타당도를 얻기 위해 설문지를 작성하여 컴퓨터 교육 전문가를 내용 타당도를 받았고 그에 따른 수정 및 보완작업을 하였다.
또한 프로그램 설계 및 개발에 대한 타당도를 얻기 위해 설문지를 작성하여 컴퓨터 교육 전문가를 내용 타당도를 받았고 그에 따른 수정 및 보완작업을 하였다.

딥러닝 개념학습을 위한 프로그램 개발은 초등학생을 대상으로 하였으며, 컴퓨터교육 관련 전문가(컴퓨터교육과 교수 1인, 컴퓨터교육 박사 2인, 컴퓨터교육 관련 석사 6명) 9명이 FGI(Focus Group Interview)로 진행하여 프로그램 설계 및 개발을 하였다. 또한 프로그램 설계 및 개발에 대한 타당도를 얻기 위해 설문지를 작성하여 컴퓨터 교육 전문가를 내용 타당도를 받았고 그에 따른 수정 및 보완작업을 하였다.
본 연구에서 개발된 인공지능 교육 프로그램의 현장 적용성과 타당성을 살펴보기 위해 S초등학교 6학년 학생을 대상으로 2주에 걸쳐 총 9차시 수업을 실시하였다.

본 연구에서 개발된 인공지능 교육 프로그램의 현장 적용성과 타당성을 살펴보기 위해 S초등학교 6학년 학생을 대상으로 2주에 걸쳐 총 9차시 수업을 실시하였다. 수업장면과 산출물은 [Fig.
본 프로그램은 초등학생의 수준에서 딥러닝을 이해할 수 있도록 구성하였기 때문에 실제 인공지능 프로그램을 코딩하지 않고 그 개념과 원리를 감각차단법과 언플러그드 놀이법, 개발된 인공지능 프로그램을 활용하여 학생들이 쉽게 접근하고 이해할 수 있도록 하였다.

본 프로그램은 초등학생의 수준에서 딥러닝을 이해할 수 있도록 구성하였기 때문에 실제 인공지능 프로그램을 코딩하지 않고 그 개념과 원리를 감각차단법과 언플러그드 놀이법, 개발된 인공지능 프로그램을 활용하여 학생들이 쉽게 접근하고 이해할 수 있도록 하였다.
인공지능 교육 프로그램에 대한 학습 적합도는 인공 지능교육 전문가와 초등교사를 대상으로 델파이 검사를 실시하고 타당도를 분석하였다.

인공지능 교육 프로그램에 대한 학습 적합도는 인공 지능교육 전문가와 초등교사를 대상으로 델파이 검사를 실시하고 타당도를 분석하였다.
인공지능 교육 프로그램을 개발하기 위하여 4가지 준거를 세워 프로그램의 개발 방향을 정하였다.

인공지능 교육 프로그램을 개발하기 위하여 4가지 준거를 세워 프로그램의 개발 방향을 정하였다.
인공지능 교육 프로그램의 주제는 인공지능의 이미지인식 알고리즘인 CNN(Convolution Neural Network)으로 정하고, 6학년 실과, 수학, 국어, 창의적 체험활동 시간을 재구성하여 9차시 프로그램을 [Table 2]와 같이 개발하였다.

인공지능 교육 프로그램의 주제는 인공지능의 이미지인식 알고리즘인 CNN(Convolution Neural Network)으로 정하고, 6학년 실과, 수학, 국어, 창의적 체험활동 시간을 재구성하여 9차시 프로그램을 [Table 2]와 같이 개발하였다.
전문가들의 논의로 ‘딥러닝 문제해결학습 모델’을 기존의 ‘CT요소 중심모델[11]’을 보완하여 설계하고, 그에 따라 9차시의 교육 프로그램을 개발하였다.

전문가들의 논의로 ‘딥러닝 문제해결학습 모델’을 기존의 ‘CT요소 중심모델[11]’을 보완하여 설계하고, 그에 따라 9차시의 교육 프로그램을 개발하였다.
즉, 컴퓨팅 사고화를 통해 구조화, 시각화, 절차화를 학습한다.

인공지능의 문제 해결 과정을 이해하기 위해 핵심 기능을 분해하고 그 안에서 패턴을 찾고, 추상화를 하게 된다. 즉, 컴퓨팅 사고화를 통해 구조화, 시각화, 절차화를 학습한다.
초등교사와 전문가들에게 투입한 문항은 총 18문항으로 개발하였고 개별 문항의 특성을 분석하여 8개의 큰 카테고리 즉, 인공지능 수업 모형의 적절성, 인공지능 교육 내용의 적절성, 학생 학습 수준의 적절성, 교사 지도 수준의 적절성, 현장 수업 적용의 적절성, 수업 환경과 매체의 적절성, 인공지능 알고리즘과 개념의 이해도, 수업 목표의 달성에 대한 적절성으로 묶어 구분하여 타당도를 분석하였고 그 결과는 [Table 3]과 같다.

초등교사와 전문가들에게 투입한 문항은 총 18문항으로 개발하였고 개별 문항의 특성을 분석하여 8개의 큰 카테고리 즉, 인공지능 수업 모형의 적절성, 인공지능 교육 내용의 적절성, 학생 학습 수준의 적절성, 교사 지도 수준의 적절성, 현장 수업 적용의 적절성, 수업 환경과 매체의 적절성, 인공지능 알고리즘과 개념의 이해도, 수업 목표의 달성에 대한 적절성으로 묶어 구분하여 타당도를 분석하였고 그 결과는 [Table 3]과 같다.

성능/효과

둘째, 인공지능 교육을 위해서는 SW교육의 경험이 선행되어야 한다.

둘째, 인공지능 교육을 위해서는 SW교육의 경험이 선행되어야 한다. 초등학생을 위한 프로그램이라 실제 인공지능 알고리즘을 직접 코딩하지는 않지만 개발된 프로그램을 실행해보는 과정에서 코딩과 피지컬 컴퓨팅을 경험은 인공지능 프로그램에 대해 충분하게 이해할 수 있도록 도와줄 수 있다.
또한 다른 친구 추천과 학습에 재참여 의지를 보여 AI 학습에 대해 전반적으로 만족하는 것으로 나타났다.

0이상을 보여 긍정적인 평가를 하였다. 또한 다른 친구 추천과 학습에 재참여 의지를 보여 AI 학습에 대해 전반적으로 만족하는 것으로 나타났다.
만족도 분석 결과 학습자들의 참여는 적극적으로 하였음을 알 수 있었고, 인공지능 학습의 이해도와 유익성, 흥미도, 학습자료 등에 대해서 평균 4.0이상을 보여 긍정적인 평가를 하였다.

만족도 분석 결과 학습자들의 참여는 적극적으로 하였음을 알 수 있었고, 인공지능 학습의 이해도와 유익성, 흥미도, 학습자료 등에 대해서 평균 4.0이상을 보여 긍정적인 평가를 하였다. 또한 다른 친구 추천과 학습에 재참여 의지를 보여 AI 학습에 대해 전반적으로 만족하는 것으로 나타났다.
초등학생들에게 개발된 프로그램을 적용하고, 타당도와 만족도를 분석한 결과 학생들의 만족도는 긍정적이었으며 교사들은 딥러닝이라는 개념에 대해 낯설어함을 알 수 있었으나 언플러그드 접근 방법과 AI 활용을 통해 인공지능 교육 프로그램이 현장에서 적용될 수 있음을 알 수 있었다.

초등학생들에게 개발된 프로그램을 적용하고, 타당도와 만족도를 분석한 결과 학생들의 만족도는 긍정적이었으며 교사들은 딥러닝이라는 개념에 대해 낯설어함을 알 수 있었으나 언플러그드 접근 방법과 AI 활용을 통해 인공지능 교육 프로그램이 현장에서 적용될 수 있음을 알 수 있었다.
타당도 검사를 분석한 결과 CVR값이 최솟값 .56을 모두 넘어 타당도를 확보하였으며 인공지능을 위한 수업모형, 교육 프로그램 등이 현장에서 적용하는데 무리가 없음을 확인하였다.

타당도 검사를 분석한 결과 CVR값이 최솟값 .56을 모두 넘어 타당도를 확보하였으며 인공지능을 위한 수업모형, 교육 프로그램 등이 현장에서 적용하는데 무리가 없음을 확인하였다.

저자의 다른 논문

류미영(9) 한선관(63)

참고문헌 (19)

1. AI for Kids. (2019). Retrieved November, 2019. https://www.aisingapore.org/industryinnovation/ai4k.
2. AI4ALL. (2019). Retrieved November 18, 2019. from http://ai-4-all.org.
3. AI4children. (2019). Retrieved November 18, 2019. from https://www.ai4children.org.
4. Borge. N. (2016), White paper - Artificial Intelligence to Improve Education Learning Challenges, International Journal Of Advanced Engineering & Innovative Technology, 2(6), 10-13.
5. China AI Textbook. (2018). Retrieved November 18, 2019. from https://item.jd.com/12347925.html
6. CSTA(2019). K-12 Guidelines for Artificial Intelligence:What Students Should Know.AI4K12 https://github.com/touretzkyds/ai4k12/wiki/Resource-Directory
7. Francesc. P,, Miguel. S., Axel. R. & Paula. V. (2019). Artificial intelligence in education: challenges and opportunities for sustainable development. Unesco Report for Education 2030.
8. Holmes. W., Bialik. M. & Fadel. C. (2019), Artificial Intelligence In Education Promises and Implications for Teaching and Learning. The Center for Curriculum Redesign Report.
9. House of Lords. (2018). AI in the UK: ready, willing and able?. Select Committee on Artificial Intelligence.
10. J. S. Kim, N. J. Park.(2019). Development of a board game-based gamification learning model for training on the principles of artificial intelligence learning in elementary courses. Journal of The Korean Association of Information Education, 23(3), 229-235.
11. J. S. Kim, S. K. Han, S. H. Kim, S. W. Jung, J. M. Yang, E. D. Jang, J. N. Kim (2016), Study on Development of Teaching and Learning Model for Software Education, Korea Education Development Institute & KERIS Research Report CR 2015-35.
12. K. S. Kim., Y. G.. Park. (2017). A Development and Application of the teaching and learning model of Artificial Intelligence Education for Elementary Student. Journal of The Korean Association of Information Education, 21(1), 137-147.
13. M. Y. Choi, T. W. Lee (2019). The status of Artificial Intelligence in education and Prediction of change in roles of teacher and school. The Korean Association of Computer Education, 23(2), 85-88.
14. M. Y. Ryu, S. K. Han (2017), Image of Artificial Intelligence of Elementary Students by using Semantic Differential Scale, Journal of The Korean Association of Information Education, 21(5), 527-535.
15. M. Y. Ryu, S. K. Han (2018), The Educational Perception on Artificial Intelligence by Elementary School Teachers, Journal of The Korean Association of Information Education, 22(3), 317-324.
16. S. H.. Kim, S. H. Kim, H. C. Kim (2019). Analysis of International Educational Trends and Learning Tools for Artificial Intelligence Education. The Korean Association of Computer Education, 23(2), 25-28.
17. S. K. Han (2010), Teaching Strategy of Intelligent Systems Course with Unplugged Computing, 2010 Fall Proceeding of Korea Intelligent Information System Society, 1(1), 250-255.
18. S. Popenici, S. Kerr (2017), Exploring the impact of artificial intelligence on teaching and learning in higher education. Research and Practice in Technology Enhanced Learning, 12(22), 1-13.
19. Y. J. Jang. (2019). Development of unplugged education program for elementary school AI classes. Master Thesis. Seoul National University of Education.

이 논문을 인용한 문헌

문의하기

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

ScienceON :
KCI :
AccessON :

원문 URL 링크

DOI : 10.14352/jkaie.2019.23.6.583 [무료]
한국정보교육학회 : 저널
학술교육원 : 저널
Korea Open Access Journals : 저널
AccessON : 저널

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

오픈액세스(OA) 유형

: 출판사/학술단체 등이 한시적으로 특별한 프로모션 또는 일정기간 경과 후 접근을 허용하여, 출판사/학술단체 등의 사이트에서 이용 가능한 논문

이 논문과 연관된 기능

이 논문과 함께 이용한 콘텐츠

DOI 인용 스타일

"" 핵심어 질의응답

내보내기

상세정보
내보내기 구분	파일저장 인쇄 메일전송
구성항목	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

과학기술 지식인프라 ScienceON

ScienceON Chatbot