현대사회는 21세기 초반 지식정보사회를 지나 지능정보사회로 바뀌어 가고 있다. 본 연구에서는 지능정보사회에서 요구되는 학습자의 핵심역량을 신장시키기 위하여 인공지능의 한 분야인 머신러닝을 기반으로 소프트웨어 교육 교수-학습 모형을 개발하였다. 본 모형은 인공지능 자체에 대한 학습의 부담감을 줄이고, 머신러닝을 활용하여 문제를 해결하는 과정에서 핵심역량을 신장시키는 것에 중점을 두었다. 개발된 모형의 구체적인 단계는 문제인식 및 분석, 데이터 수집, 데이터 가공 및 선별, ML모델 훈련 및 평가, ML프로그래밍, 적용 및 해결, 공유 및 환류의 7단계로 구성되어 있다. 본 연구에서 개발한 모형을 학생과 학부모를 대상으로 적용한 결과 긍정적인 반응을 얻을 수 있었으며, 이를 통해 머신러닝 기반의 소프트웨어 교육 프로그램의 개발 및 운영에 작은 밑거름을 제시할 수 있을 것으로 기대한다.
현대사회는 21세기 초반 지식정보사회를 지나 지능정보사회로 바뀌어 가고 있다. 본 연구에서는 지능정보사회에서 요구되는 학습자의 핵심역량을 신장시키기 위하여 인공지능의 한 분야인 머신러닝을 기반으로 소프트웨어 교육 교수-학습 모형을 개발하였다. 본 모형은 인공지능 자체에 대한 학습의 부담감을 줄이고, 머신러닝을 활용하여 문제를 해결하는 과정에서 핵심역량을 신장시키는 것에 중점을 두었다. 개발된 모형의 구체적인 단계는 문제인식 및 분석, 데이터 수집, 데이터 가공 및 선별, ML모델 훈련 및 평가, ML프로그래밍, 적용 및 해결, 공유 및 환류의 7단계로 구성되어 있다. 본 연구에서 개발한 모형을 학생과 학부모를 대상으로 적용한 결과 긍정적인 반응을 얻을 수 있었으며, 이를 통해 머신러닝 기반의 소프트웨어 교육 프로그램의 개발 및 운영에 작은 밑거름을 제시할 수 있을 것으로 기대한다.
The society we are living in has being changed to the age of the intelligent information society after passing through the knowledge-based information society in the early 21st century. In this study, we have developed the instructional model for software education based on the machine learning whic...
The society we are living in has being changed to the age of the intelligent information society after passing through the knowledge-based information society in the early 21st century. In this study, we have developed the instructional model for software education based on the machine learning which is a field of artificial intelligence(AI) to enhance the core competencies of learners required in the intelligent information society. This model is focusing on enhancing the core competencies through the process of problem-solving as well as reducing the burden of learning about AI itself. The specific stages of the developed model are consisted of seven levels which are 'Problem Recognition and Analysis', 'Data Collection', 'Data Processing and Feature Extraction', 'ML Model Training and Evaluation', 'ML Programming', 'Application and Problem Solving', and 'Share and Feedback'. As a result of applying the developed model in this study, we were able to observe the positive response about learning from the students and parents. We hope that this research could suggest the future direction of not only the instructional design but also operation of software education program based on machine learning.
The society we are living in has being changed to the age of the intelligent information society after passing through the knowledge-based information society in the early 21st century. In this study, we have developed the instructional model for software education based on the machine learning which is a field of artificial intelligence(AI) to enhance the core competencies of learners required in the intelligent information society. This model is focusing on enhancing the core competencies through the process of problem-solving as well as reducing the burden of learning about AI itself. The specific stages of the developed model are consisted of seven levels which are 'Problem Recognition and Analysis', 'Data Collection', 'Data Processing and Feature Extraction', 'ML Model Training and Evaluation', 'ML Programming', 'Application and Problem Solving', and 'Share and Feedback'. As a result of applying the developed model in this study, we were able to observe the positive response about learning from the students and parents. We hope that this research could suggest the future direction of not only the instructional design but also operation of software education program based on machine learning.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서 개발한 머신러닝 기반 소프트웨어 교수-학습 모형을 시범 적용해보고 문제점 및 보완 방안을 모색하기로 하였다. 이를 위해 대구교육대학교 컴퓨터교육과의 교수 및 현직교사들이 함께 학생, 학부모 15팀 총 30명을 대상으로 3주간의 캠프를 계획하고 운영하였다.
본 연구에서는 머신러닝 기반 소프트웨어 교수-학습 모형을 개발하고, 적용하였다. 지능정보사회에서 요구되는 학습자 역량을 크게 4가지로 분류하여 AI플랫폼 활용 역량, 지능정보사회 기초 역량, 자기 및 관계 조절 역량, AI기반 고등사고 역량으로 제시하였다.
본 연구에서는 실생활의 문제 해결 과정에 머신러닝을 활용하여 보다 효과적인 학습이 이루어질 수 있도록 앞서 고찰한 머신러닝의 단계 및 기존의 SW 교수-학습 모형 분석을 기초로 하여 (Fig. 7)과 같이 머신러닝 기반 소프트웨어 교수-학습 모형을 개발하였다.
이러한 4차 산업혁명사회는 산업 변화에 초점을 맞추어 살펴보고 있기 때문에 교육을 포함한 사회 변화에 초점을 맞춘 ‘지능정보사회’를 교육의 측면에서 살펴보고자 한다[6].
지능정보사회에서 요구되는 학습자 역량을 크게 4가지로 분류하여 AI플랫폼 활용 역량, 지능정보사회 기초 역량, 자기 및 관계 조절 역량, AI기반 고등사고 역량으로 제시하였다. 이러한 역량을 개발할 수 있도록 Machine Learning for Kids 플랫폼을 활용한 교수-학습 모형을 개발하고 이를 실제 적용해 본 뒤 교육 현장에서의 시사점을 찾아보고자 하였다.
이어서 캠프 참가자간의 작품 공유를 통해 서로의 결과물을 보고, 작품 내용을 수정하거나 작동 오류를 디버깅하여 개선하는 활동을 하였다.
이에 본 연구에서는 지능정보사회에서 요구되는 학습자의 핵심 역량을 살펴보고, 이러한 핵심역량을 신장시키기 위하여 인공지능의 한 분야인 머신러닝을 기반으로 소프트웨어교육 교수-학습 모형을 개발하고자 한다.
제안 방법
Machine Learning for Kids가 제공하는 언어는 ‘스크래치2’, ‘스크래치3’, ‘파이썬’, ‘앱인벤터’ 등이 있는데 이 중 학습자의 수준을 고려하여 ‘스크래치3’를 활용하여 프로그램을 제작하였다.
개발된 모형은 머신러닝을 활용한 문제 해결 과정을 학생들이 학습할 수 있도록 문제인식 및 분석, 데이터 수집, 데이터 가공 및 선별, ML 모델 훈련 및 평가, ML 프로그래밍, 적용 및 해결, 공유 및 환류의 단계로 이루 어져 있으며 각 단계의 구체적 의미는 아래와 같다.
넷째, 개발된 모형에 대한 전문가 검토를 실시한다.
둘째, 머신러닝 및 SW 교수-학습과 관련된 선행 교수-학습 모형을 분석한다.
애니메이션이 인식할 수 있는 다양한 데이터의 형태 중 텍스트 자료형을 통한 머신러닝 학습 방법을 선택하였다. 또한 애니메이션의 진행 중 애니메이션의 등장인물이 물음에 따라 학습자가 대답을 하면 이를 인식할 수 있도록 레이블을 질문에 따라 구분하였다. 이 과정을 거치면 학습자들은 필요한 레이블을 만들고 그에 따라 학습자가 대답할 수 있는 텍스트 데이터를 생각하여 표현하였다.
문제인식 및 분석 단계에서는 현재의 인공지능이 적용된 다양한 챗봇 플랫폼을 체험한 후 앞으로 달라질수 있는 미래의 애니메이션의 모습을 이야기하며 인공 지능 챗봇을 활용한 애니메이션 제작의 필요성에 대하여 논의하였다. 일방적인 스토리의 흐름이 아닌 인공지능 챗봇 프로그램으로 학습자와의 상호작용을 통하여 스토리가 달라지는 반응형 애니메이션 제작에 대하여 문제 인식을 하였다.
본 연구에서 개발한 모형은 학습자가 머신러닝의 자체를 깊이 있게 탐색하기보다 문제를 인식하고 해결하는 전 과정에서 머신러닝을 체험하고 활용함으로써 자연스럽게 머신러닝을 학습할 수 있도록 하였다. 개발된 모형은 1.
본 연구에서 개발한 모형을 실험적으로 적용해 보기 위하여 ‘인공지능 챗봇 만들기’를 주제로 학습 내용을 선정하여 아래와 같이 적용해 보았다.
이렇게 개발된 모형을 바탕으로 초등학생과 학부모들을 대상으로 AI교육 캠프 프로그램을 개발ㆍ적용하였 다. 본 캠프는 교육용 프로그래밍 언어에 대한 기초를 바탕으로 머신러닝에 대한 이해, Machine Learning for Kids를 활용한 스토리텔링 프로그램 작성에 관한 내용으로 구성하였다.
셋째, 선행 모형 분석 결과를 바탕으로 머신러닝 학습 모형을 개발한다.
Machine Learning for Kids가 제공하는 언어는 ‘스크래치2’, ‘스크래치3’, ‘파이썬’, ‘앱인벤터’ 등이 있는데 이 중 학습자의 수준을 고려하여 ‘스크래치3’를 활용하여 프로그램을 제작하였다. 스크래치로 간단한 애니메이션을 만든 후 이야기의 분기가 달라지는 부분에서 챗봇ML모델 블록을 사용하여 스토리가 달라지도록 애니메이션을 제작하였다.
이어 실시한 데이터 수집 단계에서는 학생과 학부모는 애니메이션의 특정 상황에서 사람이 입력할 수 있는 데이터에는 어떤 형식이 있는지 서로 의논하여 파악하여 정하고 필요한 데이터를 수집하는 활동을 하였다. 애니메이션이 인식할 수 있는 다양한 데이터의 형태 중 텍스트 자료형을 통한 머신러닝 학습 방법을 선택하였다. 또한 애니메이션의 진행 중 애니메이션의 등장인물이 물음에 따라 학습자가 대답을 하면 이를 인식할 수 있도록 레이블을 질문에 따라 구분하였다.
데이터 가공 및 선별 단계에서는 앞 단계에서 만든 레이블과 학습 데이터를 실제 Machine Learning for Kids 플랫폼의 ‘훈련’ 에 입력하는 활동을 하였다. 이 과정에서 학습자는 머신러닝 모델을 만들기 위하여 수기로 작성한 텍스트 데이터를 컴퓨터가 인식할 수 있는 텍스트 자료형으로 가공을 하고, 각 레이블에서 필요한 학습 데이터만을 선별하여 훈련시키는 과정을 (Fig. 8) 와 같이 진행하였다.
이렇게 개발된 모형을 바탕으로 초등학생과 학부모들을 대상으로 AI교육 캠프 프로그램을 개발ㆍ적용하였 다. 본 캠프는 교육용 프로그래밍 언어에 대한 기초를 바탕으로 머신러닝에 대한 이해, Machine Learning for Kids를 활용한 스토리텔링 프로그램 작성에 관한 내용으로 구성하였다.
본 연구에서는 머신러닝 기반 소프트웨어 교수-학습 모형을 개발하고, 적용하였다. 지능정보사회에서 요구되는 학습자 역량을 크게 4가지로 분류하여 AI플랫폼 활용 역량, 지능정보사회 기초 역량, 자기 및 관계 조절 역량, AI기반 고등사고 역량으로 제시하였다. 이러한 역량을 개발할 수 있도록 Machine Learning for Kids 플랫폼을 활용한 교수-학습 모형을 개발하고 이를 실제 적용해 본 뒤 교육 현장에서의 시사점을 찾아보고자 하였다.
첫째, 학습자가 학습을 통해 도달해야 하는 머신러닝 활용 수업 목표를 설정하고 기본 방향을 설정한다.
대상 데이터
머신러닝 기반 소프트웨어 교수-학습 모형의 훈련 및 평가 단계에서 학습자는 머신러닝 학습을 실행했는데 이때 앞 단계에서 입력한 데이터를 활용했다. 이렇게 만든 ML모델은 (Fig.
본 연구에서 개발한 머신러닝 기반 소프트웨어 교수-학습 모형을 시범 적용해보고 문제점 및 보완 방안을 모색하기로 하였다. 이를 위해 대구교육대학교 컴퓨터교육과의 교수 및 현직교사들이 함께 학생, 학부모 15팀 총 30명을 대상으로 3주간의 캠프를 계획하고 운영하였다.
성능/효과
넷째, 학습된 머신러닝 모형을 그대로 사용하지 않고 평가 단계를 거쳐 정교한 모형 개발 단계를 체험할 수 있도록 한다.
둘째, 이미 만들어진 머신러닝 모형을 단순히 사용하는 것이 아닌 문제에 따라 학습자만의 모형을 만들어 해결할 수 있도록 한다.
또한 본 캠프의 설문을 통해 학생 및 학부모들의 100%가 인공지능 교육과 활용 방안에 대해 기초적인 개념을 이해했는지에 대한 질문에 ‘보통’ 이상으로 응답 하였으며 특히 어렵다고만 생각하였던 인공지능에 대해 친근해 질 수 있는 좋은 기회였다는 반응을 보였다.
셋째, 머신러닝 모형을 만들기 위한 데이터를 처리하는 단계를 통하여 학생들의 능동적 문제 해결 과정을 학습할 수 있도록 한다.
첫째, 머신러닝 자체에 대한 학습보다 머신러닝을 활용한 문제 해결의 전 과정에서 지능정보사회에서 요구하는 역량을 기를 수 있도록 한다.
후속연구
• 문제인식 및 분석 : 인공지능을 적용하여 해결할 수 있는 문제를 주변에서 찾는 것을 학생들이 어려워하여 후속 연구에서는 이를 보완할 수 있도록 다양한 인공지능 기반의 문제 상황을 개발하는 것이 필요하다.
본 연구는 새롭게 부각되고 있는 AI 교육이라는 시대적 요구에 부응하며 미래 사회를 살아갈 학습자들의 역량을 개할 수 있다는 점에서 의미를 가지며 향후 지속적인 학습 프로그램 개발과 관련 연구를 통하여 더 나은 교육, 창의융합형 인재를 양성하는데 기여할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
AI교육의 현황과 장점은?
현재 인공지능과 프로그래밍을 연계하기 위한 여러 플랫폼이 개발되어 서비스되고 있으며 이를 통해 단순히 인공지능에 대한 체험뿐만 아니라 인공지능을 활용한 프로그램을 직접 구현해봄으로써 소프트웨어교육과 인공지능을 융합하여 교육할 수 있다[3].
머신러닝(Machine Learning)이란?
머신러닝(Machine Learning)이란 인공지능의 한 분야로써 컴퓨터 시스템이 스스로 패턴과 추론을 통하여 작업을 수행할 수 있는 알고리즘과 통계 모델에 관한 연구이다[14].
인공지능 LMS는 교육과 관련해서 어떻게 인식되는가?
현재 학교 현장에서 ‘인공지능교육’을 인공지능 활용 교수학습지원시스템(LMS)을 의미하는 경우가 많으며 많은 수의 교육 관계자 또한 그렇게 인식하는 경우가 많다. 하지만 인공지능 LMS는 전통적인 교수학습 장면에서 교수ㆍ학습의 보조 도구로서의 가치는 지닌다 할지라도 국가적 차원에서 시도하는 AI교육 기반 조성과는 다소 거리가 있으며 AI교육은 학생들이 자신의 삶 속에서 AI가 갖는 의미를 찾고, 나아가 AI를 활용하여 실생활 속 문제를 해결하는 경험을 제공해 주는 방향으로 나아가야 할 것이다.
참고문헌 (16)
Ministry of Science and ICT(2019). 6th National Informatization Plan for Implementation of Intelligent Information Society.
Ministry of Education(2019). Education Policy for 2020, pp41-42.
Yongho Lee(2019), An Analysis of the Influence of Block-type Programming Language_Based Artificial Intelligence Education on the Learner's Attitude in Artificial Intelligence. Journal of The Korean Association of Information Education. Vol.23, No.2, pp.189-196.
Schwab, K. (2016), "The fourth industrial revolution" Geneva: World Economic Forum.
Jinsook Kim.Jeyoung Jung.Kyuyeon Lim.Kwanghoon Jung.Bokyoung Kae.Jeoung Hoon(2016). Future Education Big Picture Research Report. KERIS.
Jongheon Lim.Kyunghoon Ryu.Byeongchan Kim(2017). An Exploratory Study on the Direction of Education and Teacher Competencies in the 4th Industrial Revolution, The Journal of Korean Education Vol. 44(2), pp.5-32.
Ministry of Science(2016). Mid- and Long-term Comprehensive Measures for Intelligent Information Society Adapted to the 4th Industrial Revolution. ICT and Future Planning.
Wangheon Seok.Gwanghui Lee(2015), Artificial intelligence technology and the possibilities of the industry. Issue Report 2015-04, ETRI.
Christoph Sommer and Daniel W. Gerlich, (2013), Machine learning in cell biology - teaching compute to recognize phenotypes, Journal of Cell Science.
Yeongsik Kim(2019), An inquiry for the predictive variables on the demand for the private tutoring utilizing machine learning approaches. The Journal of economics and finance of education Vol. 28, No. 3, pp 29-52.
Seongwan Bae(2016), Estimation of the Apartment Housing Price Using the Machine Learning Methods: The Case of Gangnam-gu, Seoul. The Journal of KOREA Real Estate Analysis Association Vol. 2017 No.1 pp. 293-309
Google AIY Project. Retrieved from https://aiyprojects.withgoogle.com
Google Teachable Machine Learning. Retrieved from https://teachablemachine.withgoogle.com
※ AI-Helper는 부적절한 답변을 할 수 있습니다.