초등학생의 데이터 수집, 분석, 표현 수업을 위한 세부역량 개발 및 적용 Development And Applying Detailed Competencies For Elementary School Students' Data Collection, Analysis, and Representation원문보기
2019년부터 소프트웨어 교육은 모든 초등학생들이 배워야 하는 필수과목이 되었다. 하지만 아직 어떤 식으로 수업을 진행해야 할지에 대해서는 많은 교사들이 낯설어하고 있다. 이에 이 논문에서는 소프트웨어 교육의 핵심이 되는 컴퓨팅 사고력 중 데이터 수집, 분석, 표현 수업에 도움이 되고자 각각의 의미, 세부역량과 성취기준을 제시하고 예시수업을 통해 적용 가능성을 제시하였다. 논문의 전체 과정을 요약하면 다음과 같다. 첫째, 기존의 연구들에서 데이터 관련 역량의 의미, 세부역량 및 성취기준에 관한 연구들을 정리하고 이것을 바탕으로 하여 예비조사를 진행하였다. 예비조사에서는 FGI와 폐쇄형 질문을 동시에 진행하였으며 이를 통하여 전문가들의 검토의견을 반영한 본 조사의 설문 문항을 작성하였다. 둘째, 위의 결과로 만들어진 설문문항을 컴퓨터교육 전공 박사, 박사과정, 소프트웨어교육 담당 교사 및 소프트웨어교육 종사자를 대상으로 하여 타당도, 안정도, 신뢰도를 검증받았다. 셋째, 그 결과 개발된 세부역량과 성취기준 중 '수집방법 선택-문제 상황에 따라 수집 방법을 선택할 수 있다', '데이터의 의미 탐색-분석된 데이터들이 어떤 의미를 갖는지 안다.', '다양한 표현방법 활용-다양한 표현 도구를 사용한다.'를 수업목표로 하여 다섯 차시의 수업을 개발하여 적용하였으며 이 때 교육, 수업, 평가의 일체화를 위해 백워드 2.0 설계모형을 활용하였다. 그 결과 최종적으로 데이터 수집, 분석, 표현의 세부역량과 성취기준을 제시하였다. 이는 초등학교에서 데이터 관련 수업을 계획함에 있어 어떠한 방향으로 수업을 하면 좋을 지에 대한 구체적이고 명확한 기준을 세울 때 도움이 될 수 있을 것이다.
2019년부터 소프트웨어 교육은 모든 초등학생들이 배워야 하는 필수과목이 되었다. 하지만 아직 어떤 식으로 수업을 진행해야 할지에 대해서는 많은 교사들이 낯설어하고 있다. 이에 이 논문에서는 소프트웨어 교육의 핵심이 되는 컴퓨팅 사고력 중 데이터 수집, 분석, 표현 수업에 도움이 되고자 각각의 의미, 세부역량과 성취기준을 제시하고 예시수업을 통해 적용 가능성을 제시하였다. 논문의 전체 과정을 요약하면 다음과 같다. 첫째, 기존의 연구들에서 데이터 관련 역량의 의미, 세부역량 및 성취기준에 관한 연구들을 정리하고 이것을 바탕으로 하여 예비조사를 진행하였다. 예비조사에서는 FGI와 폐쇄형 질문을 동시에 진행하였으며 이를 통하여 전문가들의 검토의견을 반영한 본 조사의 설문 문항을 작성하였다. 둘째, 위의 결과로 만들어진 설문문항을 컴퓨터교육 전공 박사, 박사과정, 소프트웨어교육 담당 교사 및 소프트웨어교육 종사자를 대상으로 하여 타당도, 안정도, 신뢰도를 검증받았다. 셋째, 그 결과 개발된 세부역량과 성취기준 중 '수집방법 선택-문제 상황에 따라 수집 방법을 선택할 수 있다', '데이터의 의미 탐색-분석된 데이터들이 어떤 의미를 갖는지 안다.', '다양한 표현방법 활용-다양한 표현 도구를 사용한다.'를 수업목표로 하여 다섯 차시의 수업을 개발하여 적용하였으며 이 때 교육, 수업, 평가의 일체화를 위해 백워드 2.0 설계모형을 활용하였다. 그 결과 최종적으로 데이터 수집, 분석, 표현의 세부역량과 성취기준을 제시하였다. 이는 초등학교에서 데이터 관련 수업을 계획함에 있어 어떠한 방향으로 수업을 하면 좋을 지에 대한 구체적이고 명확한 기준을 세울 때 도움이 될 수 있을 것이다.
From 2019, software education has become a required subject for all elementary school students. However, many teachers are still unfamiliar with how the classes should be instructed. So this paper presented the meaning, detailed competencies and achievement standard in order to help in the collectio...
From 2019, software education has become a required subject for all elementary school students. However, many teachers are still unfamiliar with how the classes should be instructed. So this paper presented the meaning, detailed competencies and achievement standard in order to help in the collection, analysis and representation of data among the computational thinking that are key to software education. And it also suggested the applicability of the classes. The full course of the paper is summarized as follows. First, existing studies have summarized the meaning, detail and achievement standard of data related competencies. Based on this, a preliminary investigation was instructed. Pilot study carried out both FGI and closed questions at the same time. This was done in response to the survey's questionnaire reflecting the opinions of experts. Second, the results of the questionnaire generated as a result of the above were verified for validity, stability, and reliability among the PhD, PhD courses, software education teachers, and software education workers. Third, I developed and applied the five lessons as a class objective as 'Choosing collection method-Select the collection method according to the problem situation.', 'Searching for meaning of data-Understand what the analyzed data mean..', 'Using various expression methods-Use a variety of expression tools.' using the backward design model to integrate education, class, and assessment. As a result, the detailed competencies of data collection, analysis, and representation and achievement standard were presented. This may help in setting specific and specific criteria for what direction classes are recommended when planning data-related classes in elementary schools.
From 2019, software education has become a required subject for all elementary school students. However, many teachers are still unfamiliar with how the classes should be instructed. So this paper presented the meaning, detailed competencies and achievement standard in order to help in the collection, analysis and representation of data among the computational thinking that are key to software education. And it also suggested the applicability of the classes. The full course of the paper is summarized as follows. First, existing studies have summarized the meaning, detail and achievement standard of data related competencies. Based on this, a preliminary investigation was instructed. Pilot study carried out both FGI and closed questions at the same time. This was done in response to the survey's questionnaire reflecting the opinions of experts. Second, the results of the questionnaire generated as a result of the above were verified for validity, stability, and reliability among the PhD, PhD courses, software education teachers, and software education workers. Third, I developed and applied the five lessons as a class objective as 'Choosing collection method-Select the collection method according to the problem situation.', 'Searching for meaning of data-Understand what the analyzed data mean..', 'Using various expression methods-Use a variety of expression tools.' using the backward design model to integrate education, class, and assessment. As a result, the detailed competencies of data collection, analysis, and representation and achievement standard were presented. This may help in setting specific and specific criteria for what direction classes are recommended when planning data-related classes in elementary schools.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
결과적으로 초등학생의 컴퓨팅 사고력 향상을 위한 데이터 수집, 분석, 표현교육을 현장에 적용하기 위해 세부역량과 성취기준을 마련하고, 이를 직접 수업함으로써 실제로 적용이 가능한지 확인하고자 하였다.
이후의 시간은 각자가 조사해온 원데이터에 관한 분석을 간단히 진행하고 발표하여 각 모둠의 데이터 분석이 잘되었는지, 잘 되지 않았다면 어떠한 점을 보충하면 좋을지에 대한 이야기를 나눈다. 그리고 다음 차시까지 학생들로 하여금 이러한 본인들의 데이터에 대한 분석을 진행하여 오는 과제를 수행해 올 수 있도록 한다.
그러나 이러한 데이터 수집, 분석, 표현의 필요성이 점차 커짐에도 불구하고 김용민(2018)에 의하면 데이터 과학에 대해 현재까지 논의가 이루어져 온 국내․외의 관련 연구들 중 데이터 과학 교육에 대한 연구는 전혀 찾아볼 수 없으며, 컴퓨팅 사고력, 창의성과 관련된 연구들 중에서도 데이터 과학 교육에 대한 연구는 찾아볼 수 가 없었음이 밝혀졌다. 따라서 이 연구에서는 이러한 필요성에 의해 데이터 수집, 분석, 표현의 교육을 위한 기초로서 각각의 세부역량을 제시하고자 한다.
이 연구의 목적은 컴퓨팅 사고력의 요소 중 데이터수집, 데이터 분석, 데이터 표현의 목표를 명확히 설정하고 초등학생 대상의 교육에서 세부역량을 개발하며 그 세부역량마다의 성취기준을 마련하기 위함이다. 또한 개발된 세부역량과 성취기준을 토대로 교육내용을 개발하여 초등학생들에게 직접 수업해 보는 것을 목표로 한다
이 논문은 컴퓨팅 사고력의 구성요소 중 데이터 수집, 분석, 표현의 효과적인 교수·학습을 위해서는 각각 어떠 한 세부역량과 성취기준이 필요한지에 대해 알아보고 그 것이 적용 가능한지 예시 수업을 개발하여 확인했다는 것 에 의미가 있다.
이 연구의 목적은 컴퓨팅 사고력의 요소 중 데이터수집, 데이터 분석, 데이터 표현의 목표를 명확히 설정하고 초등학생 대상의 교육에서 세부역량을 개발하며 그 세부역량마다의 성취기준을 마련하기 위함이다. 또한 개발된 세부역량과 성취기준을 토대로 교육내용을 개발하여 초등학생들에게 직접 수업해 보는 것을 목표로 한다
제안 방법
개발된 세부역량과 성취기준이 실제 교육을 하는 데 있어서 적용 가능할지를 알아보기 위해 총 5차시의 예시수업을 설계 및 시연하였다. 이 예시수업에서 목표하는 세부역량과 성취기준을 선정할 때는 2015 개정교육과정을 참고하였으며 그 결과 아래의 표와 같은 세부역량과 성취기준을 목표로 수업을 진행하였다.
2차시에서는 1차시의 과제로써 각자 생각해온 주제를 공유하고 그 중 가장 적합하다고 생각하는 주제 하나를 모둠의 프로젝트 주제로 삼는다. 그 후 기본적인 몇 가지 수집방법의 예시와 특징을 알아보는 수업을 통해 자신들이 선택한 주제에 알맞은 수집방법을 스스로 선택한다. 그리고 두 번째 과제로 본인들이 선택한 주제와 수집방법을 통해 실제로 조사를 해온다.
예비조사는 기존의 연구에 대해 폐쇄형 질문으로 적합 또는 부적합을 선택하도록 하였고 개방형 질문을 통해 각 요소의 역량마다 배워야 할 내용을 추가로 제시하도록 하였다. 그리고 1차 조사의 결과와 분석을 토대로 바탕으로 각 역량별 의미를 수정한 후 다시 한 번역량별 세부역량을 재구성하였으며 성취기준 또한 개방형 질문을 통해 작성하였다.
그 후 기본적인 몇 가지 수집방법의 예시와 특징을 알아보는 수업을 통해 자신들이 선택한 주제에 알맞은 수집방법을 스스로 선택한다. 그리고 두 번째 과제로 본인들이 선택한 주제와 수집방법을 통해 실제로 조사를 해온다.
둘째, 이러한 1차 조사 결과를 반영한 목표, 세부역량, 성취기준을 컴퓨터 교육 전문가와 현장전문가(교사)에게 델파이 방법으로 2차 조사를 진행하였으며 이 조사의 결과에 대한 타당도와 신뢰도 분석을 시행하여 데이터 수집, 분석, 표현 영역의 목표, 세부역량, 성취기준을 도출하였다.
또한 예시 수업에서 진행할 학습방법으로는 초등학생이 가장 선호하는 ‘데이터 과학’교육 방법(김용민, 2018)인 팀별 프로젝트 학습을 선택하였으며 모든 학생들은 같은 반 중 임의의 3인, 4인 혹은 5인 1조로 구성된 팀별로 활동하였다.
그리고 이를 종합하여 데이터분석은 ‘데이터를 분류하고 관계 또는 파악하여 데이터가 가진 의미를 분석하는 과정’이라는 새로운 의미를 도출하였다. 마지막으로 데이터 표현의 경우 데이터 수집의 경우와 마찬가지로 역량의 향상을 위해 꼭 컴퓨팅 도구를 사용하여야 하는 것은 아니라는 의견이 제시되어 이를 적용하였다.
먼저 기존 문헌 조사와 더불어 1차로 FGI를 통해 예비조사를 실시하였다. FGI는 특정 주제에 대해 소수의 그룹을 대상으로 하는 인터뷰로, 참여자가 인식하는 의미와 내용을 파악하는 방법이며(Lunt & Livingstone,1996), 연구자가 연구주제에 대해 다양한 시각의 정보를 얻을 수 있다는 것이 가장 큰 장점이다.
셋째, 이 연구를 통해 개발한 세부역량과 성취기준을 바탕으로 수업을 설계하여 적용하였다. 이를 통해 연구를 통하여 도출된 내용들을 바탕으로 한 실제 수업을 구성할 수 있음을 알 수 있다.
셋째, 이 연구에서 개발한 세부역량과 성취기준을 토대로 한 예시 수업을 설계하여 실제로 초등학생들에게 적용하였다.
예비조사 결과 작성된 문항들에 대하여 2018년 7월 6일∼16일에 좀 더 많은 수의 전문가와 현장교사들에게 본 조사를 실시하였으며 이를 통해 신뢰도와 타당도를 검증하였다.
예비조사는 기존의 연구에 대해 폐쇄형 질문으로 적합 또는 부적합을 선택하도록 하였고 개방형 질문을 통해 각 요소의 역량마다 배워야 할 내용을 추가로 제시하도록 하였다. 그리고 1차 조사의 결과와 분석을 토대로 바탕으로 각 역량별 의미를 수정한 후 다시 한 번역량별 세부역량을 재구성하였으며 성취기준 또한 개방형 질문을 통해 작성하였다.
그리고 교사가 만들어온 최종 결과물의 예시를 확인하여 데이터 분석은 무엇이며 예를 들어 어떻게 하면 되는지에 관한 가이드라인을 제시해 줄 수 있도록 한다. 이후의 시간은 각자가 조사해온 원데이터에 관한 분석을 간단히 진행하고 발표하여 각 모둠의 데이터 분석이 잘되었는지, 잘 되지 않았다면 어떠한 점을 보충하면 좋을지에 대한 이야기를 나눈다. 그리고 다음 차시까지 학생들로 하여금 이러한 본인들의 데이터에 대한 분석을 진행하여 오는 과제를 수행해 올 수 있도록 한다.
첫째, 컴퓨팅 사고력 중 데이터 수집, 분석, 표현의 목표와 세부역량에 대해서 기존의 논문과 문헌을 조사하여 정리한 내용을 전문과 설문과정과 한 차례의 컴퓨터 교육 전문가 설문과정과 FGI를 통해 수정·보완하였고 더불어 성취기준을 개발하였다.
첫째, 컴퓨팅 사고력 중 데이터 수집, 분석, 표현의 의 미에 관한 기존의 연구들을 종합하여 새롭게 구성하였다.
마지막 차시는 모든 학생들의 최종결과물이 제출된 후 진행하였다. 학생들은 이번 차시를 통해 첫 시간에 안내받았던 평가기준에 맞추어 다른 학생들의 최종결과물을 채점하였다. 또한 모든 동료평가를 마친 후 자기평가 또한 같은 기준으로 진행하여 본인의 최종결과물을 객관적으로 바라볼 수 있는 시간을 가졌다.
대상 데이터
WEF(World Economic Forum)는 2012년 떠오르는 10대 기술 중 하나로 빅데이터 기술을 선정하였으며 같은 해 국내의 지식경제부에서도 마찬가지로 10대 핵심기술 중 하나로 빅데이터를 선정하였다(최윤식, 2012). 빅데이터라는 용어가 대중적인 키워드로서 데이터의 중요성을 상징하는 단어로 쓰이고 있다면, 학술적으로 데이터의 중요성을 부각시키는 현상은 데이터 과학의 대두(이재윤,2015)라고 할 수 있다.
개발한 수업은 2018년 9월 18일부터 10월 30일까지 경기도 성남시 소재의 소프트웨어선도학교에서 초등학교 5학년 전체(다섯 반 123명) 학생을 대상으로 5차시 동안 진행하였다.
둘째, 이 논문에서는 연구대상으로 초등교육을 선정하였다. 따라서 여기서 다뤄진 세부역량과 성취기준의 경우 중·고등교육이나 일반인·전문가 대상의 데이터 관련 교육에서는 달라질 수 있다.
예비조사는 2018년 6월에 실시하였으며, 패널로는 전문성을 고려하여 컴퓨터교육 전공 박사, 박사과정과 교육현장에서 소프트웨어교육을 담당하고 있는 초등교사 및 중등교사 8인을 선정하였다.
한편 예비조사에 앞서 살펴본 컴퓨팅 사고력 중 데이터 수집, 분석, 표현 역량의 배워야 할 내용에 관해서는 오경선(2016)과 미래창조과학부, 한국정보화진흥원(2015)의 자료를 참고하였으며 이에 덧붙여 제시된 의견을 표로 나타내면 다음과 같다.
데이터처리
설문조사 결과의 정확한 추정치를 얻기 위해 타당도,안정도, 신뢰도 검증 등의 통계분석 방법을 활용하였다. 타당도는 Lawshe(1975)가 제시한 내용 타당도 비율(Content Validity Ratio, CVR)로 검증하였으며 이 연구에서의 내용타당도를 구할 때 본 조사에서의 N=31 이므로 0.
신뢰도는 문항 내적 일치도 (Cronbach’sα)로 판별하였고 0.6 이상이면 신뢰가 있다고 보았다.
이론/모형
백워드 설계를 통한 수업은 경기도 교육연구원(2015)에서 추구하는 ‘교육과정, 수업, 평가를 하나의 연속된 교육 활동으로 바라보고, 이를 유기적이고 통합적으로 운영하여 세 요소의 불일치 요소를 최소화하고 학생을 교육과정, 수업, 평가의 중심에 두어 삶의 주체로 성장시키는 교육활동’에 적합한 수업형태라고 할 수 있다. 따라서 이 연구에서의 수업 개발 방법은 이에 적합한 백워드 설계(2.0)를 활용하였다(김경자, 온정덕, 2011).
성취기준을 개발하기 위해서는 최숙영(2016)의 논문을 참고하였으며 논의 결과 도출된 세부역량별 성취기준을 설문조사를 통해 신뢰도와 타당도를 검사하였다.
이번 수업의 데이터 표현활동을 통해서는 디자인 제작 도구인 망고보드를 활용하였다. 그 이유로는 다양한 템플릿이 이미 만들어져 있어서 컴퓨터를 활용한 데이터 표현에 익숙하진 않은 학생들도 몇 가지 글과 그림,도표를 수정하는 것만으로 효과적인 결과물을 만들 수 있기 때문이었다.
설문조사 결과의 정확한 추정치를 얻기 위해 타당도,안정도, 신뢰도 검증 등의 통계분석 방법을 활용하였다. 타당도는 Lawshe(1975)가 제시한 내용 타당도 비율(Content Validity Ratio, CVR)로 검증하였으며 이 연구에서의 내용타당도를 구할 때 본 조사에서의 N=31 이므로 0.31 이상이면 채택으로 간주하였다. 안정도는 변이계수를 사용하였다.
성능/효과
그리고 이를 종합하여 데이터분석은 ‘데이터를 분류하고 관계 또는 파악하여 데이터가 가진 의미를 분석하는 과정’이라는 새로운 의미를 도출하였다.
두 번째로는 ‘분류하고, 관계와 패턴을 파악하고, 데이터가 가진 의미를 분석하는 것’까지가 데이터 분석의 영역이라는 의견이 제시되었다.
둘째, 기존의 데이터 관련 세부역량에 관한 연구들을 정리하여 초등학생의 데이터 관련 교육에 알맞은 세부역량들을 도출하였으며 각각에 대한 성취기준을 마련하였다. 이를 통해 데이터 수집, 분석, 표현역량을 달성하기 위한 구체적이고 명확한 기준이 제시되었다고 할 수 있다.
학생들은 이번 차시를 통해 첫 시간에 안내받았던 평가기준에 맞추어 다른 학생들의 최종결과물을 채점하였다. 또한 모든 동료평가를 마친 후 자기평가 또한 같은 기준으로 진행하여 본인의 최종결과물을 객관적으로 바라볼 수 있는 시간을 가졌다.
설문의 결과 각 역량의 의미, 세부역량, 세부역량별 성취기준에 대한 타당성 결과 CVR값이 0.747～1.00으로 최소 0.31이상을 모두 만족하였으며 안정도는 0.12～0.24로 0.5 이하를 만족하였고 문항 내적일관성 신뢰도가 0.727～0.841로 기준인 0.6을 넘어 모든 결과에서 설문문항이 적합하다는 결과를 얻을 수 있었다.
후속연구
첫째, 이 연구에서 개발된 다른 세부역량과 그 성취기준들도 실제 수업에서 적용가능한지에 대한 연구가 필요하다. 동시에 이 논문에서 말하는 세부역량에 대한 성취기준을 만족하였을 때 데이터 수집, 분석, 표현 능력, 즉 컴퓨팅 사고력이 향상되었는지에 대해 확인할 수 있는 연구가 필요하다.
첫째, 이 연구에서 개발된 다른 세부역량과 그 성취기준들도 실제 수업에서 적용가능한지에 대한 연구가 필요하다. 동시에 이 논문에서 말하는 세부역량에 대한 성취기준을 만족하였을 때 데이터 수집, 분석, 표현 능력, 즉 컴퓨팅 사고력이 향상되었는지에 대해 확인할 수 있는 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
백워드 설계를 통한 수업은 어떤 교육 활동에 적합한 수업형태인가?
백워드 설계를 통한 수업은 경기도 교육연구원(2015)에서 추구하는 ‘교육과정, 수업, 평가를 하나의 연속된 교육 활동으로 바라보고, 이를 유기적이고 통합적으로 운영하여 세 요소의 불일치 요소를 최소화하고 학생을 교육과정, 수업, 평가의 중심에 두어 삶의 주체로 성장시키는 교육활동’에 적합한 수업형태라고 할 수 있다. 따라서 이 연구에서의 수업 개발 방법은 이에 적합한백워드 설계(2.
디자인 제작 도구인 망고보드를 데이터 표현활동에 활용하는 이유는 무엇인가?
이번 수업의 데이터 표현활동을 통해서는 디자인 제작 도구인 망고보드를 활용하였다. 그 이유로는 다양한템플릿이 이미 만들어져 있어서 컴퓨터를 활용한 데이터 표현에 익숙하진 않은 학생들도 몇 가지 글과 그림,도표를 수정하는 것만으로 효과적인 결과물을 만들 수 있기 때문이었다.
데이터 과학이란?
빅데이터라는 용어가 대중적인 키워드로서 데이터의 중요성을 상징하는 단어로 쓰이고 있다면, 학술적으로 데이터의 중요성을 부각시키는 현상은 데이터 과학의 대두(이재윤,2015)라고 할 수 있다. 여기서 말하는 데이터 과학이란 데이터를 수집, 분석, 처리하는 학문 분야 중 하나이다.(Shiet al, 2014).
참고문헌 (17)
Dongil Kim(2016). "Data Science for Smart Manufacturing - Techniques, applications and issues", ie Magazine, 23(3).
Google for education(2015). Exploring Computational Thinking, https://edu.google.com/resources/programs/exploring-computational-thinking/#!ct-overview/.
Ministry of Science and ICT, National Information Society Agency(2015). Information Culture Forum, 2015 Research Report, p.13.
Oh-Kyung Sun(2016). "A study on the Contents of Computational Thinking for Programming Education", Ph.D. Dissertation, Sungkyunkwan University, Republic of Korea, 257 pages.
Jae Yun Lee(2015). "Data science and data literacy", Korea Society for Information Management, 22, pp. 11-15.
Seongjin Ahn, Kyusung Noh, Oh-Kyung Sun, (2018). Thinking Like a Computer, Ehanmedia.
Seungyong Noh(2006). "Delphi Technique: Expert insight into the future", Korea Research Institute for Human Settlements, v.299(2006-09), pp.53-62.
Shi, Y., P. S. Yu., Y. Zhu., & Y. Tian. (2014). Explore New Field of DataScience Under Big Data Era: Preface for ICDS 2014. Procedia ComputerScience, 30, 1-3.
Sook Young Choi(2016). A Study on Teaching-learning for Enhancing Computational Thinking Skill in terms of Problem Solving. The Korean Association of Computer Education. Vol. 19 No. 1 (2016) pg. 53, p. 10.
Woong Suh(2019). "Development of Data-related Competency for Computational Thinking Classes in Elementary School", Master's Thesis, Sungkyunkwan University, Republic of Korea, 71pages.
Yongmin Kim(2018). "Data Science Education Program to Improve Computational Thinking and Creativity", Ph.D. Dissertation, Jeju National University, Republic of Korea, 308 pages.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.