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
- 이러한 관점에서 볼 때 인공 지능 교육 또한 학습자들의 수준에 적합한 교육용 프로그래밍 언어를 사용할 필요가 있다. 이에 본 논문에서는 교육용 프로그래밍 언어를 사용한 인공지능 교육을 실시하였으며, 이 교육을 통해 학습자들의 인공지능 기술에 대한 태도의 변화를 살펴보고자 한다.
제안 방법
- 금영만(2012)이 사용한 검사 도구는 이춘식(2008)이 개발한 기술적 태도 검사도구를 초등학생 수준에 적합하도록 수정 · 보완하였으며 기술에 대한 흥미, 기술의 성 역할, 기술의 중요성과 영향, 기술의 접근 용이성, 기술과 학교수업, 기술 관련 진로, 기술과 창의적 활동의 하위 항목으로 구성되어 있다.
- 이 연구는 프로그램의 적용 전과 후에 변화된 종속 변수를 검사하여 인과관계를 추론하는 단일집단 사전 사후검사 설계(One-Group Pretest-Posttest Desing)방법을 사용하였다[20]. 본 연구를 위하여 단일 집단에 대해 기술적 태도에 대한 사전, 사후 검사와 실험 처치로 딥러닝 기반 텍스트 및 이미지 인식 모델 개발 및 적용 교육을 실시하였고 [Fig 3]은 이를 도식화한 것이다.
- 889로 조사되어 신뢰할 만한(reliable) 검사도구이며, 초등학생 5명의 예비검사를 통해 초등학생 수준에 적합한지에 대한 안면 타당도를 측정한 결과 타당한 것으로 평가되었다[16]. 본 연구에서는 금영만(2012)이 사용한 기술적 태도에 대한 검사 도구의 문항 내용을 인공지능 기술에 적합하도록 수정하여 사용하였으며, 컴퓨터교육 전문가 5명의 내용타당도 검토를 거쳐 문항을 완성하였다.
- 감정이식 로봇 개발 수업은 인공지능이 느낄 수 있는 감정을 규정하고, 사용자의 말에 반응하는 인공지능 모델을 만들고, 이를 표현하는 수업이다. 이 모델 또한 감정을 나타내는 레이블에 데이터를 입력하고, 그 데이터를 훈련시켜 모델을 생성한다.
- 이 연구에서 적용한 딥러닝 기반 인공지능 모델 개발 교육 프로그램은 총 4차시 분량의 수업으로 구성되어 있다. 4차시의 프로그램 중 2차시는 텍스트 인식 인공지능 모델을 개발하고 적용하는 수업으로 구성되어 있으며, 나머지 2차시는 이미지 인식 인공지능 모델을 개발하고 적용하는 수업으로 구성되어 있다.
- 텍스트 인식 인공지능 모델과 이미지 인식 인공지능 모델 모두 지도 학습(Supervised Learning)을 기반한 인공지능 모델 개발 수업으로서, 각각의 레이블에 대한 데이터를 학습시키는 방식으로 모델을 생성하였다.
- 이미지 인식 인공지능 모델은 가위바위보의 주제로 수업이 이루어졌다. 학습자가 가위, 바위, 보에 해당하는 레이블을 생성하고, 각각의 레이블에 이미지 형태의 데이터를 태블릿을 사용하여 입력한다.
- 훈련한 모델을 바탕으로 스크래치를 사용하여 표정을 나타내는 로봇을 만들고 실행한다.
대상 데이터
- 이 연구는 서울특별시에 소재한 Y초등학교 5, 6학년 학생 406명을 대상으로 딥러닝 기반 이미지 인식 모델 개발 및 적용 교육을 적용하여 수행하였다. 연구에 참여한 남녀 학생 비율은 [Table 1] 과 같다.
데이터처리
- 단일 집단에 대해 기술적 태도에 대한 사전, 사후 검사를 실시하였으며, 통계 분석 도구인 SPSS 23.0을 사용하여 분석을 실시하였다. 블록형 프로그래밍 언어 기반 인공지능 교육이 초등학생의 기술적 태도에 미치는 영향을 통계적으로 분석한 결과는 다음과 같다.
- 블록형 프로그래밍 언어 기반 인공지능 교육을 받은 학생의 기술적 태도 변화를 분석하기 위해 집단의 사전-사후 검사에 대한 대응표본 t-검정을 실시하였다. [Table 2]에서와 같이 블록형 프로그래밍 언어 기반 인공지능 교육을 받은 학생들은 인공지능 기술적 태도의 각 하위 요소인 인공지능 기술에 대한 흥미는 3.
이론/모형
- 이춘식(2008)은 기술에 대한 긍정적인 태도 형성은 학생들에게 기술과 관련된 직업에 대해 많은 관심을 가질 수 있고, 기술을 중요하게 생각하는 계기가 될 수 있다고 보았다[10]. 국내에서 연구 된 기술적 태도와 관련된 연구를 살펴보면 특정한 수업이 기술적 태도에 미치는 효과에 대해 살펴보고 있으며, 연구에서 기술적 태도를 측정하기 위한 도구로 이춘식(1999)과 이춘식(2008)이 개발한 기술에 대한 태도 척도를 사용하였으며, 이춘식(1999, 2008)이 개발한 기술 태도 척도는 Wolters(1989)가 개발한 TAS를 번역하여 제작되었다.
- 기술적 태도에 대한 검사도구는 금영만(2012)이 사용한 검사도구를 사용하였다. 금영만(2012)이 사용한 검사 도구는 이춘식(2008)이 개발한 기술적 태도 검사도구를 초등학생 수준에 적합하도록 수정 · 보완하였으며 기술에 대한 흥미, 기술의 성 역할, 기술의 중요성과 영향, 기술의 접근 용이성, 기술과 학교수업, 기술 관련 진로, 기술과 창의적 활동의 하위 항목으로 구성되어 있다.
- 이 연구는 프로그램의 적용 전과 후에 변화된 종속 변수를 검사하여 인과관계를 추론하는 단일집단 사전 사후검사 설계(One-Group Pretest-Posttest Desing)방법을 사용하였다[20]. 본 연구를 위하여 단일 집단에 대해 기술적 태도에 대한 사전, 사후 검사와 실험 처치로 딥러닝 기반 텍스트 및 이미지 인식 모델 개발 및 적용 교육을 실시하였고 [Fig 3]은 이를 도식화한 것이다.
성능/효과
- 059로 유의하지 않은 것으로 나타났다. 마지막으로 인공지능 기술과 창의적 활동에서는 4.06에서 4.12로 올랐으며, 유의확률은 .069로 유의하지 않은 것으로 나타났다.
- 블록형 프로그래밍 언어 기반의 인공지능 교육은 학습자의 수준에 적합하며, 흥미를 끌 수 있는 인공지능 교육에서의 새로운 방법이 될 수 있을 것이라 본다. 본 연구에서는 블록형 프로그래밍 언어 기반 인공지능 교육을 실시하였으며, 이러한 교육은 학생들의 인공지능 교육에 대한 태도에 있어 정적인 방향으로 영향을 미치는 것으로 나타났다. 이러한 결과는 학생들의 수준에 적합한 인공지능 기술에 대한 교육은 학생들이 인공지능 기술에 대한 중요성을 인식하는데 도움을 주었다.
- 000으로 유의한 차이를 보였다. 인공지능 기술과 진로는 3.45에서 3.50으로 올랐으며, 유의확률은 .059로 유의하지 않은 것으로 나타났다. 마지막으로 인공지능 기술과 창의적 활동에서는 4.
- 326으로 유의하지 않은 것으로 나타났다. 인공지능 기술의 성 역할은 3.52에서 3.53으로 올랐으며, 유의 확률은 .667로 유의하지 않은 것으로 나타났다. 인공지능 기술의 중요성은 3.
후속연구
- 그리고 학생들이 난해하게 느끼고 있던 인공지능 기술을 실제로 체험해봄으로써 인공지능 기술에 대한 심리적 장벽을 낮출 수 있었으며, 이를 통해 이러한 인공지능 기술에 대한 교육의 필요성을 인식할 수 있었다. 이러한 인공지능 기술에 대한 학생들의 태도 변화는 다양한 방면에서 사용되며 발전하고 있는 인공지능 기술에 대한 접근성의 향상을 가져올 것으로 기대된다. 이와 더불어 본 연구 결과를 살펴볼 때 현재 이루어지고 있는 소프트웨어 교육 영역에 인공지능 교육 또한 추가되어 실시될 필요가 있다고 판단된다.
- 이러한 인공지능 기술에 대한 학생들의 태도 변화는 다양한 방면에서 사용되며 발전하고 있는 인공지능 기술에 대한 접근성의 향상을 가져올 것으로 기대된다. 이와 더불어 본 연구 결과를 살펴볼 때 현재 이루어지고 있는 소프트웨어 교육 영역에 인공지능 교육 또한 추가되어 실시될 필요가 있다고 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.