[논문]교양 컴퓨팅 사고력 과목의 학습자 학습동기 향상을 위한 ARCS 모델의 적용 및 효과 분석

전수진; 신좌철

doi:10.6109/jkiice.2020.24.2.259

교양 컴퓨팅 사고력 과목의 학습자 학습동기 향상을 위한 ARCS 모델의 적용 및 효과 분석
Application and Effect Analysis of ARCS Model to Improve Learner's Learning Motivation in Liberal Computational Thinking Subjects 원문보기

한국정보통신학회논문지 = Journal of the Korea Institute of Information and Communication Engineering, v.24 no.2, 2020년, pp.259 - 267

전수진 (Department of Innovation and Convergence, Hoseo University) , 신좌철 (Department of Innovation and Convergence, Hoseo University)

초록
AI-Helper

본 연구의 목적은 ARCS 모형을 적용한 컴퓨팅 사고력 수업에 대한 효과를 분석하는 것이다. 이에 본 연구에서는 컴퓨팅 사고력 교육과 ARCS 모델에 대한 선행연구를 통해 ARCS의 각 동기요소(주의집중(A), 관련성(R), 자신감(C), 만족감(S))에 따른 세부 수업 전략을 설계하였다. 그리고 ARCS 모델을 적용한 실험반과 일반적인 수업을 실시한 비교반의 학습동기 검사결과를 비교하였다. 그 결과, 실험반의 학생들이 컴퓨팅 사고력 수업에 대한 학습동기가 유의미하게 높게 나타났다. 특히 컴퓨터 전공 관련 학생들의 학습 동기는 비교반에 비해 현저히 높게 나타났으며 전공 학생들은 관련성(R) 영역이, 비전공 학생들은 만족감(S) 영역이 높게 나타났다. 따라서 본 연구에서는 이러한 결과를 토대로 향후 효과적인 교양 교육에서의 컴퓨팅 사고력 수업에 대한 개선을 제안하였다.

Abstract ▼ AI-Helper

The purpose of this study is to analyze the effects of computational thinking class using ARCS model to increase students' learning motivation. Then, this study designed the detailed instruction strategy according to each motivation factor(Attention, Relevance, Confidence, Satisfaction) of ARCS through the previous study on computational thinking education and ARCS model. The results of the ARCS test were compared between the experimental group to which the ARCS model was applied and the control group to which the general class was conducted. As a result, students in the experimental group showed significantly higher motivation for learning about computational thinking. In particular, the learning motivation of computer-related majors was significantly higher than that of the control group. In addition, majors were found to have high relevance(R) and non-majors had high satisfaction(S). Therefore, based on these findings, this study suggests an improvement for effective computational thinking class in liberal arts education.

주제어

표/그림 (10)

표 Table. 1 Experimental Design
표 Table. 2 Experiences for computer education
표 Table. 3 Test tool for learning motivation
표 Table. 4 ARCS basic strategy applied to CT courses
표 Table. 5 Lesson Content and ARCS Strategy
그림 Fig. 1 Unplugged activities using worksheets and Coding
그림 Fig. 2 Process of CT project
표 Table. 6 ARCS between groups in all
표 Table. 7 ARCS between groups in majors
표 Table. 8 ARCS between groups in non majors

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 대학 기초교양으로써의 컴퓨팅 사고력 수업에서 학습동기 향상을 위해 ARCS 모델을 적용한 컴퓨팅 사고력 수업의 효과는 다음과 같이 분석되었다.
본 연구에서는 대학에서의 필수교양으로써의 컴퓨팅사고력(CT) 교과목에서 학습자들의 학습동기를 효과적으로 향상시키기 위해 ARCS 모형을 적용한 교수학습을 설계하고 이를 적용하여 그 결과를 비교군과 비교분석하였다. 이를 위해 대학 1학년 전체 학생들을 대상으로 한 기초교양으로써의 컴퓨팅 사고력 수업에 적용하였다.
이에 본 연구의 목적은 대학 필수교양으로써의 컴퓨팅 사고력 교과목에서 학습자들의 학습동기를 향상시키기 위해서 ARCS 모형을 적용한 교수학습을 설계하고 그 효과를 분석하는 것이다.

제안 방법

같다. 검증을 위한 독립변인은 ARCS 모델을 적용한 컴퓨팅사고력 수업이고 종속변인은 학습동기이다. 실험군과 비교군의 사후 학습동기 차이와 전공자와 비전공자 내에서의 실험군과 비교군의 차이 유무를 검증하였다.
또한, 앞에서 배운 컴퓨팅사고력의 요소를 실생활 문제를 해결하거나 게임분석에 활용하여 통합적으로 해결할 수 있도록 4명 이하로 조를 구성하여 프로젝트를 진행하였다. CT 프로젝트의 단계 및 보고서의 구성은 다음 그림 2와 같다.
본 연구에서 적용되는 ARCS 동기유발 전략은 표4와 같이 Keller의 동기전술 체크리스트에서 컴퓨팅 사고력 수업에 활용할 수 있는 내용으로 요소별 전술로 선정하였다[13].
또한 각 문항에서 *표시한 것은 부정문으로 되어 있어 반대 점 수로코딩을 하였다. 설문 후 분석을 위해서 5가지 각 영역별 문항들의 합산 점수의 평균값을 구하여 사용하였다.
검증을 위한 독립변인은 ARCS 모델을 적용한 컴퓨팅사고력 수업이고 종속변인은 학습동기이다. 실험군과 비교군의 사후 학습동기 차이와 전공자와 비전공자 내에서의 실험군과 비교군의 차이 유무를 검증하였다. 집단 간 검사 결과 분석을 위하여 독립표본 t-검증을 실시하였다.
이를 위해 먼저, 문헌조사를 통한 컴퓨팅 사고력의 교육 범위를 설정하고 주당 2시간씩 15차시(총 30시간) 분량의 수업 내용을 선정하였다. 이러한 수업 내용을 바탕으로 ARCS 모델의 특징과 교수설계의 이론에 대한 선행 연구를 통해 ARCS 모델의 주의집중, 관련성, 자신감, 만족감의 네 가지 각 요소에 따른 수업 전략을 설계하였다.
이를 위해 대학 1학년 전체 학생들을 대상으로 한 기초교양으로써의 컴퓨팅 사고력 수업에 적용하였다. 그 분석한 결과는 다음과 같다.
진행하였다. 이를 위해 먼저, 문헌조사를 통한 컴퓨팅 사고력의 교육 범위를 설정하고 주당 2시간씩 15차시(총 30시간) 분량의 수업 내용을 선정하였다. 이러한 수업 내용을 바탕으로 ARCS 모델의 특징과 교수설계의 이론에 대한 선행 연구를 통해 ARCS 모델의 주의집중, 관련성, 자신감, 만족감의 네 가지 각 요소에 따른 수업 전략을 설계하였다.
345명의 학생을 대상으로 실험하였다. 전공 관련학과 학생들과 비전공학생들은 ARCS모델을 적용한 수업을 실시한 실험군과 일반적인 지식전달 방식의 수업을 진행한 비교군으로 나누어 진행되었다.
컴퓨팅 사고력 수업의 학습 내용과 각 학습 내용에 따른 ARCS 전략은 주당 2시간씩 15주 총 30시간으로 설계하였다.

대상 데이터

본 연구는 충청도 소재 A대학교의 일반교양 교육에서 컴퓨팅 사고력 수업을 듣는 1학년 학생들을 대상으로 진행하였다. 이를 위해 먼저, 문헌조사를 통한 컴퓨팅 사고력의 교육 범위를 설정하고 주당 2시간씩 15차시(총 30시간) 분량의 수업 내용을 선정하였다.
본 연구의 실험은 4년제 대학의 기초교양 ‘컴퓨팅사고력’ 과목을 이수한 1학년 학생들을 대상으로 실시하였다.
이 실험을 위하여 표2와 같이 컴퓨터 과련 전공학과인 컴퓨터정보공학과, 빅데이터경영공학과, 정보통신공학과 학생과 비전공학과인 영어영문학과, 디지털기술경영학과, 사회복지학부, 한국언어문화학과, 골프 산업학과, 간호학과, 시각디자인학과, 화장품 생명공학부 등의 345명의 학생을 대상으로 실험하였다. 전공 관련학과 학생들과 비전공학생들은 ARCS모델을 적용한 수업을 실시한 실험군과 일반적인 지식전달 방식의 수업을 진행한 비교군으로 나누어 진행되었다.

데이터처리

또한, 이 검사도구의 신뢰도는 검사 결과를 통해 Cronbach's α계수로 표 3과 같이 산출하였다. 전체 α 계수는 0.
실험군과 비교군의 사후 학습동기 차이와 전공자와 비전공자 내에서의 실험군과 비교군의 차이 유무를 검증하였다. 집단 간 검사 결과 분석을 위하여 독립표본 t-검증을 실시하였다.

이론/모형

본 연구에서는 ARCS 모델을 적용한 컴퓨팅 사고력 수업이 학습자들의 학습동기에 미치는 효과를 분석하기 위해 사전-사후 학습동기 검사 도구로 학습동기 검사 도구를 사용하였다[9]. 이 학습동기 검사 도구는 Keller (1987)의 The Course Interest Survey를 수정하여 제작한 검사 도구로써 Likert 5점 척도의 34문항으로 구성되어 있다[12][13].
사용하였다[9]. 이 학습동기 검사 도구는 Keller (1987)의 The Course Interest Survey를 수정하여 제작한 검사 도구로써 Likert 5점 척도의 34문항으로 구성되어 있다[12][13].

성능/효과

넷째, 자신의 전공이나 실생활에서의 필요를 바탕으로 프로젝트를 함으로써 내재적 강화(S1)를 높이고, 과제 점수 및 CT 프로젝트에 대한 피드백 및 보상을 제공함으로써 내재적 강화(S2)를 하도록 하며, 학습 내용과 일치하는 문제로 중간고사와 기말고사 문제를 출제하고 공정한 평가로 공정성(S3)을 높임으로써 만족감 (Satisfaction)을 높인다.
높인다. 둘째, 여러 학문에서 SW가 사용되는 사례를 제시함으로써 자신의 관심사와 맞는 목적 지향성(R1)을 찾도록 하며, 짝활동 및 프로젝트 활동을 통해 수업 내용을 적용할 수 있도록 함으로써 모티브를 일치(R2)시키며, 강의 전반부에서 배운 개념을 기반으로 코딩을 하거나 CT 프로젝트를 수행함으로써 이전 수업을 상기할 수 있도록 하여 수업에 대한 친밀성(R3)을 높임으로써 학습 관련성(Relevance)을 높인다.
특히 컴퓨팅 사고력 수업이 관련성 영역이 높은 것은 본 컴퓨팅 사고력 수업의 이점과 협동학습을 통한 다양한 문제해결 활동 및 이전수업과 현재 수업간의 연결을 통한 친밀성은 높았음을 알 수 있으나, 교과에 대한 자신감 향상을 위해 자신의 학습목표에 따른 다양한 연습 문제와 적절한 피드백을 통한 성취감을 느낄 수 있는 과제를 더 제공할 필요가 있다는 것을 시사한다. 둘째, 컴퓨터 전공 관련 학생들은 비전공 학생들보다는 비교군에 비해 학습동기가 현저히 높게 나타났다. 이는 전공 관련 학생들은 자신의 전공과 관련된 내용과 목표에 합당하다고 느끼기 때문에 더 적극적이고 학습에 대한 흥미와 의지가 높다고 볼 수 있다.
둘째, 문제 분해 단계에서는 문제 해결을 위한 산출물의 기능이나 프로세스를 작은 단위로 나누어 기술한다. 둘째, 패턴인식 단계에서는 앞에서 분해된 절차나 기능 안에서 반복되는 과정이나 규칙을 찾아 기술한다. 필요시 관련 데이터를 찾아본다.
001). 또한 주의집중, 관련성, 자신감, 만족감의 각 영역에서도 실험군의 평균이 비교군의 평균보다 모두 통계적으로 유의미하게 높게 나타났다(p<0.001). 특히, 실험군에서 관련성(R)은 4가지 영역 중에서 가장 높게 나타났으며(M: 3.
이는 전공 관련 학생들은 자신의 전공과 관련된 내용과 목표에 합당하다고 느끼기 때문에 더 적극적이고 학습에 대한 흥미와 의지가 높다고 볼 수 있다. 또한, 비전공학생들도 비교군에 비해 유의미한 차이는 아니지만 더 높은 평균값을 보인 것을 보면 컴퓨팅 사고력 수업에 ARCS 모델을 적용함으로써 비전공학생들에게도 교과에 대한 학습동기를 높여줄 수 있는 가능성을 엿볼 수 있었다.
또한, 주의집중, 관련성, 자신감, 만족감의 각 영역에서도 실험군의 평균이 비교군의 평균보다 높게 나타났다. 그러나 이는 통계적으로는 유의미하지는 않았다.
이는 전공학생들은 컴퓨팅 사고력 과목 내용이 본인들의 전공과 관련성이 높기 때문에 수업의 직접적인 이점을 인식하며 다양한 과제에 열심히 참여한 결과를 가져왔다. 반면, 비전공 학생들은 평가 결과와 교수자의 피드백에 대해 긍정적이며 수업내용이 실생활에 적용할 기회를 제공 받는 것을 통해 컴퓨팅 사고력 교과에 대한 내적 만족감이 높은 것으로 나타났다. 이는 전공학생들과 비전공학생들이 컴퓨팅 사고력 교과를 대하는 태도와 인식에 있어서 차이가 있음을 나타내며, 따라서 그러한 학습자 특성에 따른 교수설계의 구별이 필요함을 시사한다.
셋째, 자신의 현재 CT 소양과 목표 소양과 학습 목표를 확인하도록 하여 학습요건(C₁)을 설정하고, CT의 하위 개념별 언플러그드 활동과 코딩 과제 해결에 대한 피드백을 제공하여 성공기회(C₂)를 제공하며, 프로젝트의 주제를 발굴하고 설계해 봄으로써 개인이 스스로 자신의 과제를 통제할 수 있도록(C₃)함으로써 자신감 (Confidence)을 높인다.
셋째, 컴퓨터 관련 전공 학생들에게는 관련성 영역이 가장 높게 나타났으나 비전공 학생들에게는 만족감 영역이 가장 높게 나타났다. 이는 전공학생들은 컴퓨팅 사고력 과목 내용이 본인들의 전공과 관련성이 높기 때문에 수업의 직접적인 이점을 인식하며 다양한 과제에 열심히 참여한 결과를 가져왔다.
비교한 결과는 표8과 같다. 실험군의 사후 컴퓨팅 사고력 교과에 대한 학습 동기는 평균 3.30 (SD: 0.70)으로비교군의 평균 3.19 (SD: 0.66)보다 높았다. 그러나 이는 통계적으로는 유의미하지 않았다.
실험군의 컴퓨팅 사고력 교과에 대한 학습 동기 평균은 3.49(SD: 0.66)로 비교군의 평균 3.17(SD: 0.65) 보다높게 나타났으며 이는 통계적으로도 유의미하였다(p<0.001). 또한 주의집중, 관련성, 자신감, 만족감의 각 영역에서도 실험군의 평균이 비교군의 평균보다 모두 통계적으로 유의미하게 높게 나타났다(p<0.
첫째, ARCS 모델을 적용한 컴퓨팅 사고력 수업은 일반적인 수업방식에 비해 학생들의 학습동기를 높여주었다. 특히 컴퓨팅 사고력 수업이 관련성 영역이 높은 것은 본 컴퓨팅 사고력 수업의 이점과 협동학습을 통한 다양한 문제해결 활동 및 이전수업과 현재 수업간의 연결을 통한 친밀성은 높았음을 알 수 있으나, 교과에 대한 자신감 향상을 위해 자신의 학습목표에 따른 다양한 연습 문제와 적절한 피드백을 통한 성취감을 느낄 수 있는 과제를 더 제공할 필요가 있다는 것을 시사한다.
첫째, CT와 관련된 다양한 실생활 사례를 이용한 영상 및 이미지 자료를 제시하여 지각성 각성(A1)을 하도록 하며 스토리 기반의 생활 속 컴퓨터과학 문제 제시하여 탐구적 각성을 주며, 영상, 이미지, 퀴즈, 인터넷, 활동지 등의 다양한 자료를 변화 있게 제공하여 변화성 (A3)을 줌으로써 주의 집중도(Attention)를 높인다. 둘째, 여러 학문에서 SW가 사용되는 사례를 제시함으로써 자신의 관심사와 맞는 목적 지향성(R1)을 찾도록 하며, 짝활동 및 프로젝트 활동을 통해 수업 내용을 적용할 수 있도록 함으로써 모티브를 일치(R2)시키며, 강의 전반부에서 배운 개념을 기반으로 코딩을 하거나 CT 프로젝트를 수행함으로써 이전 수업을 상기할 수 있도록 하여 수업에 대한 친밀성(R3)을 높임으로써 학습 관련성(Relevance)을 높인다.
001). 특히, 실험군에서 관련성(R)은 4가지 영역 중에서 가장 높게 나타났으며(M: 3.61, SD: 0.73) 자신감(C) 영역은 가장 낮게 나타났다(M: 3.38, SD: 0.60).
001). 특히, 실험군에서 관련성(R)은 전공자들에게도 4가지 영역 중에서 가장 높게 나타났으며(M: 3.80, SD: 0.66) 자신감(C)은 가장 낮게 나타났다(M: 3.54, SD: 0.56).

후속연구

이에, 향후 전공대학 및 학과별 세부적인 집단 통제를 통해 실험한 결과를 분석할 필요가 있으며, 그 외의 다양한 변수에 대해서도 살펴볼 필요가 있을 것이다. 그와 더불어, 컴퓨팅 사고력 교과에 대한 다양한 교수학습 접근과 그 효과에 대한 연구가 더 필요할 것이다.
다만, 연구대상인 인문대 학생들의 수업 여건이 이공대 학생들의 분반당 인원수에서 상당한 차이가 있었으며, 비교군에서 컴퓨터 관련 전공학과가 비전공 학과 학생들의 인원수 비율이 맞지 않는 점, 같은 비정공일지라도 학과마다 그 특성이상이 할 수 있다는 것 등은 본 연구의 제한점이었다. 이에, 향후 전공대학 및 학과별 세부적인 집단 통제를 통해 실험한 결과를 분석할 필요가 있으며, 그 외의 다양한 변수에 대해서도 살펴볼 필요가 있을 것이다.
시사하고 있다. 따라서 이러한 연구 결과들은 교양에서의 컴퓨팅 사고력 수업에서도 수업 전반에 걸쳐 이러한 ARCS 모델을 적용함으로써 학생들의 학습 동기를 높일 수 있을 것으로 기대한다.
이러한 한계점을 보완하기 위해서는 학습자 수준을 고려한 적정수준의 교육내용의 선정 및 조직뿐 아니라, 학생들의 학습 동기를 높이기 위한 다양한 교수학습 방법의 개발이 필요하다.
제한점이었다. 이에, 향후 전공대학 및 학과별 세부적인 집단 통제를 통해 실험한 결과를 분석할 필요가 있으며, 그 외의 다양한 변수에 대해서도 살펴볼 필요가 있을 것이다. 그와 더불어, 컴퓨팅 사고력 교과에 대한 다양한 교수학습 접근과 그 효과에 대한 연구가 더 필요할 것이다.

참고문헌 (18)

J. E. Nah, "Software Education Needs Analysis in Liberal Arts," Journal of The Korean Association of General Education, 11:3, 63-89, Jun. 2017.
S. H. Kim, "Analysis of Non-Computer Majors' Difficulties in Computational Thinking Education," Journal of the Korea Association of computer education, 18(3), 49-57, May, 2015.
J. O. Joe, "A study on ARCS model's application for the development of learning motivation of college General English education," Journal of The Korean Association of General Education, 8(6), 111-141, Dec. 2014.
J. S. Seong, S. H. Kim, and H. C. Kim, "Analysis of Art and Humanity Major Learners' Features in Programming Class," Journal of the Korea Association of computer education, 18(3), 25-3, May. 2015.
S. J. Jun, "Design of Computing Thinking Instruction Based on ARCS Model in Liberal Arts Education," the preceeding of Korea Institute of information and Communication Engineering, 30(1), 90-93, Aug. 2019.
J. M. Wing, Computational thinking. Communications of the ACM, 49(3), 33-35, Mar. 2006.

상세보기
H. C. Kim, "Programming curriculum and framework development for Computational Thinking across the curriculum," Korean Research Foundation, Technical Report. Oct. 2017.
J. Y. Seo, S. H. Shin, and E. H. Goo, "Analysis of Changes of Digital Mind by the Class Type in Basic Software Education for the Students of Humanities," Journal of Digital Convergence, 15:9, 55-64, Sep. 2017.

원문보기 상세보기
H. J. Kim, and K M. Kim, "Effect Analysis of the SW Curriculum Reorganization for Non-CS Students on the Class Satisfaction," Proceeding of the Korea Association of computer education, 22(2), 45-48, 2018.
M. J. Oh, "Non-Major Students' Perceptions of Programming Education Using the Scratch Programming Language," Journal of the Korea Association of computer education, 20(1), 1-11, Jan. 2017.
M. J. Kim, and H. C. Kim, "Effectiveness analysis based on computational thinking of a computing course for non- computer majors," Journal of the Korea Association of computer education, 21(1), 11-21, 2018.
S. U. Han, "The Effects of Keller's Motivation Strategy on Learning Motivation and Academic Achievement - Focusing on 2nd Grade Students of High School -," the thesis of Master Degree. The Graduate School of Education Dankook University, Seoul, 2012.
J. M. Keller, "How to integrate learner motivation planning into lesson planning : The ARCS model approach," Paper presented at VII Semanario, Santiago, Cuba, Feb. 2000.
K. A. Kim, "A study of ARCS strategy for development of learning motivation of music instruction," the thesis of Master Degree, Education graduate, Korea National University of Education, Chungcheong-bukdo, Aug. 2007.
E. K. Kim, "A Study on the Effect of ARCS Synchronization Model on Korean Language and Learning," the thesis of Master Degree, Education graduate, Seokang University, Seoul, Feb. 2007.
J. O. Oh, "The Effects of ARCS Strategies on Learning Motivation and Learning Attitudes in the instruction of Social Studies," the thesis of Master Degree, Education graduate, Busan University, Busan, Feb. 2005.
E. J. Kim, "The Effect of an ARCS Model-Based Computer Programming Course on Learning Motivation and Achievement," the thesis of Master Degree, Korea National University of Education, Cheongju, Feb. 2007.
S. J. Tak, "A study on the web based computer education to use ARCS model," the thesis of Master Degree, Yonsei University, Seoul, Feb. 2003.

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