[논문]인공지능 활용 교육에 대한 초등교사 인식 분석

한형종; 김근재; 권혜성

doi:10.14400/jdc.2020.18.7.047

인공지능 활용 교육에 대한 초등교사 인식 분석
The Analysis of Elementary School Teachers' Perception of Using Artificial Intelligence in Education 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.7, 2020년, pp.47 - 56

한형종 (서울대학교 교육학과) , 김근재 (서울청담초등학교) , 권혜성 (과천초등학교)

초록
AI-Helper

본 연구는 인공지능 활용 교육에 대한 초등교사의 인식을 종합적으로 분석하는 목적을 지닌다. 최근 학교 교육 현장에서 인공지능 기술의 활용에 대한 관심이 증대되고 있다. 하지만 초등학교 교사들이 이를 어떻게 인식하는지를 확인하는 연구는 미흡하다. 본 연구는 초등교사 69명을 대상으로 기술통계, 중다회귀분석, 의미변별척도를 활용하여 초등교사들이 교육에서 인공지능 활용에 대해 어떻게 인식하는지를 총체적으로 분석하였다. 연구 결과, 초등교사들은 인공지능 기술이 수업 시간 내 활동을 보조하는데 가장 적합하다고 응답하였으며 교수학습 방법 측면에서는 문제중심학습이 가장 적절하다고 인식하고 있었다. 인공지능의 교육적 활용에 대해 영향을 미치는 요소는 학습 내용, 학습 자료, 인공지능 기기로 나타났다. 인공지능 활용 교육은 개별학습, 참여 촉진, 흥미 유발 등의 특성을 지닌다고 인식하였다. 향후 최적화된 교육 운영을 가능하게 하는 수업 전략이나 모형 개발 등이 이루어질 필요가 있다.

Abstract ▼ AI-Helper

The purpose of this study is to comprehensively analyze elementary school teachers' perceptions of the use of artificial intelligence in education. Recently, interest in the use of artificial intelligence has increased in the field of education. However, there is a lack of research on the perceptions of elementary school teachers using AI in education. Using descriptive statistics, multiple linear regression analysis, and semantic differential meaning scale, 69 elementary school teachers' perceptions of using AI in education were analyzed. As a results, artificial intelligence technology was perceived as most suitable method for assisting activities in class and for problem-based learning. Factors which influence the use of AI in education were learning contents, learning materials, and AI tools. AI in education had the features of personalized learning, promoting students' participation, and provoking students' interest. Further, instructional strategies or models that enable optimized educational operation should be developed.

주제어

표/그림 (11)

그림 Fig. 1. Research model : Multiple regression analysis for educational use of AI
표 Table 1. Questionnaire composition
표 Table 2. Meaning of artificial intelligence technology Unit: n(%)
표 Table 3. Perception of education using artificial intelligence: How to use in education Unit: n(%)
표 Table 4. Perception of education using artificial intelligence : Subjects Unit: n(%)
표 Table 5. Perception of education using artificial intelligence: Application time Unit: n(%)
표 Table 6. Perception of education using artificial intelligence: Teaching and learning method Unit: n(%)
표 Table 7. Results of regression model analysis
표 Table 8. Results of multiple regression analysis
그림 Fig. 2. Profile chart of difference between existing education and artificial intelligence in education
표 Table 9. Paired t-test for difference between existing education and artificial intelligence-based education

AI 본문요약
AI-Helper

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

문제 정의

두 번째 연구문제는 인공지능을 교육적 활용함에 있어 초등교사들이 어떻게 인식하는지를 확인하는 것이다. 먼저, 인공지능 기술을 활용한 교육을 운영함에 있어 교육 단계와 활용 방안에 대해 의견을 확인해 본 결과는 Table 3과 같다.
추 후 연구에서는 대상자 수를 확대하여 설문 등을 통해 추 가적인 분석이 이루어질 필요가 있으며 면담을 통해 심 층적인 내용 분석이 함께 이루어져야 한다. 둘째, 본 연구 는 초등학교에서의 인공지능 활용에 대한 인식을 분석하 였다. 인공지능은 향후 중·고등학교, 그리고 대학에도 보 다 활발하게 활용될 가능성을 지니므로 각 학교급별 교 사 혹은 교수자, 학습자를 대상으로 인식을 분석하는 비 교 연구를 통해 차이를 확인하여 종합하는 연구가 이루어져야 한다.
따라서 본 연구는 인공지능 기술의 교육적 활용에 대 해 초등교사가 지니는 인식이 어떠한지를 종합적인 측면 에서 탐색해 보고자 하였다. 구체적인 연구문제는 다음과 같다.
하지만 이상의 중요성에도 불구하고 여전히 인공지 능 기술의 교육적 활용에 대해 교사의 인식을 종합적으 로 확인한 연구는 미흡하다. 따라서 본 연구는 인공지능 기술의 교육적 활용에 대해 초등교사가 이를 어떻게 인 식하는지를 총체적으로 확인해 보고자 하였다.
본 연구는 인공지능에 대한 관심이 교육을 포함한 다 양한 영역에서 확대되고 있는 상황에서 향후 미래사회의 교육 현장에서 보다 활발하게 활용될 것으로 고려되는 인공지능의 교육적 활용에 대한 초등교사 인식을 종합적 으로 분석하는 목적을 지닌다. 이상의 결과를 기반으로 교육에서의 인공지능 활용 방안과 고려사항을 논의하면 다음과 같다.
연구 목적을 달성하기 위해 본 연구는 온라인 설문을 활용하여 초등교사의 인식에 대한 자료 수집이 이루어졌 다. 설문지는 크게 개인의 인적사항, 인공지능 기술에 대 한 인식, 인공지능을 활용한 교육에 대한 인식과 운영 방안, 인공지능을 교육적으로 활용함에 있어 고려 요소, 기 존 교육과 인공지능 활용 교육에 대한 차이 인식으로 구 성하였다.

제안 방법

도출된 총 여섯 가지의 개념 요소 중 대다수의 초등교사들은 인공지능을 1) 공학, 자연과학, 교육 등 여러 학문 분야의 지식이 통합된 지능형 시스템, 2) 컴퓨터 프로그 램을 통해 다양한 정보 및 자료를 처리하는 가시적 형태, 3) 인간이 수행하는 지적 기능을 보조 혹은 도와주는 로봇순으로 우선 응답하였다.
기존 교육과 인공지능 활용 교육에 대해 초등교사가 인식하는 차이에 대해서는 의미변별척도를 활용하였다. 이는 특정 영역이나 대상 등에 대해 개인이 인식하는 느 낌이나 이미지가 무엇인지를 서로 상반되는 형용사 쌍을 활용하여 분석하는 것이다[25].
연구 목적을 달성하기 위해 본 연구는 온라인 설문을 활용하여 초등교사의 인식에 대한 자료 수집이 이루어졌 다. 설문지는 크게 개인의 인적사항, 인공지능 기술에 대 한 인식, 인공지능을 활용한 교육에 대한 인식과 운영 방안, 인공지능을 교육적으로 활용함에 있어 고려 요소, 기 존 교육과 인공지능 활용 교육에 대한 차이 인식으로 구 성하였다. 이를 정리하면 Table 1과 같다.
세 번째 연구문제인 인공지능을 교육적으로 활용함에 있어 고려해야 할 요소가 무엇인가를 확인하기 위해 크 게 인공지능의 교육적 활용이 보다 활발하게 이루어지기 위해 필요한 요소, 연수 시 가장 중점적으로 고려해야 하 는 부분, 인공지능의 교육적 활용에 영향을 미치는 교육 요소를 확인하였다.
첫 번째 연구문제인 인공지능 기술에 대해 초등교사가 인식하는 의미가 무엇인지를 확인하기 위해 선행연구를 통해 도출된 총 여섯 가지의 개념 요소를 도출하였다. 도 출된 개념 요소는 ① 공학, 자연과학, 교육 등 여러 학문 분야의 지식이 통합된 지능형 시스템, ② 인간과 유사한 사고 혹은 생각을 할 수 있는 컴퓨터 시스템, ③ 컴퓨터 프로그램을 통해 다양한 정보 및 자료를 처리하는 가시 적 형태, ④ 인간과 유사한 상호작용이 이루어질 수 있는 인공물, ⑤ 인간이 수행하는 지적 기능을 보조 혹은 도와 주는 로봇, ⑥ 여러 정보를 신속하게 분석하거나 계산해 주는 컴퓨터 프로그램이다.

대상 데이터

참여 대상자들은 테크놀로지를 활용한 교육 운영 경 험이 있는 대상자로 한정하였다. 남성은 20명, 여성은 49명이 참여하였으며 총 69명 중 인공지능 관련 연수 등의 교육을 받은 경험을 지닌 대상자는 15명이었으며, 그 렇지 않은 초등교사는 54명이다.
설문 기간은 2020년 3월 23일부터 4월 6일까지 2주 동안 진행되었다. 수집된 설문에 대한 자료 분석 방법을 연구문제별로 정리하면 다음과 같다.
인공지능의 교육적 활용에 대한 초등교사의 인식을 종 합적으로 분석하기 위한 본 연구에 참여한 대상자는 초 등교사 71명이며 그 중 설문에 적합하지 않은 응답을 한 2명의 설문지를 제외한 총 69명의 응답 결과를 분석하였 다. 참여 대상자들은 테크놀로지를 활용한 교육 운영 경 험이 있는 대상자로 한정하였다.
다음으로 본 연구의 한계점을 고려한 향후 연구를 제 언하면 다음과 같다. 첫째, 본 연구는 인공지능의 교육적 활용을 위한 인식을 분석함에 있어 69명의 초등교사가 참여하였다. 기초 연구로서 초등교사의 구체적인 인식을 확인해 볼 수 있었지만 이는 일반화의 한계를 지닌다.

데이터처리

최종적으로 도출된 형용사 쌍에 대해 본 연구에서는 Osgood과 동료들[25]이 제안한 7점 척도(극도로, 매우, 약간, 이도저도 아닌, 약간, 매우, 극도로)를 활용하여 세부적인 측면에서 느끼는 인식을 확인하였다. 도출된 결과는 보다 가시적으로 드러내기 위 해 프로필 차트(profile chart)로 시각화하였으며 기존 교육과 인공지능 활용 교육에 대한 인식 차이를 위해 대응표본 t 검증을 실시하였다. 수집된 자료에 대한 분석은 SPSS Statistics 23을 활용하여 분석이 이루어졌다.
마지막으로 인공지능의 교육적 활용에 미치는 교육 요 소가 무엇인지를 확인하기 위해 중다회귀분석을 실시하 였으며 회귀 모형에 대한 분산분석표를 정리하면 Table 7과 같다.
도출된 결과는 보다 가시적으로 드러내기 위 해 프로필 차트(profile chart)로 시각화하였으며 기존 교육과 인공지능 활용 교육에 대한 인식 차이를 위해 대응표본 t 검증을 실시하였다. 수집된 자료에 대한 분석은 SPSS Statistics 23을 활용하여 분석이 이루어졌다.
인공지능이 지닌 의 미, 인공지능을 활용한 교육에 대해 초등교사가 어떠한 인식을 지니는지에 대해서는 기술통계 분석이 이루어졌다. 인공지능을 교육적으로 활용함에 있어서 고려 요소 등이 무엇인지를 확인하기 위해 기술통계 분석과 중다회 귀분석을 활용하였다. 그 중, 인공지능의 교육적 활용에 영향을 미치는 교육 요소 확인을 위한 중다회귀분석 연 구 모형은 Figure 1과 같다.
수집된 설문에 대한 자료 분석 방법을 연구문제별로 정리하면 다음과 같다. 인공지능이 지닌 의 미, 인공지능을 활용한 교육에 대해 초등교사가 어떠한 인식을 지니는지에 대해서는 기술통계 분석이 이루어졌다. 인공지능을 교육적으로 활용함에 있어서 고려 요소 등이 무엇인지를 확인하기 위해 기술통계 분석과 중다회 귀분석을 활용하였다.

이론/모형

형용사 쌍은 인공지능 및 테크놀로지 활용 교육 관련 선행연구 검토를 통해 특성 이 무엇인지를 확인하여 초안을 구성한 후 교육공학 전 문가 1인의 검토를 받았다. 최종적으로 도출된 형용사 쌍에 대해 본 연구에서는 Osgood과 동료들[25]이 제안한 7점 척도(극도로, 매우, 약간, 이도저도 아닌, 약간, 매우, 극도로)를 활용하여 세부적인 측면에서 느끼는 인식을 확인하였다. 도출된 결과는 보다 가시적으로 드러내기 위 해 프로필 차트(profile chart)로 시각화하였으며 기존 교육과 인공지능 활용 교육에 대한 인식 차이를 위해 대응표본 t 검증을 실시하였다.

성능/효과

구체적인 연구문제는 다음과 같다. 첫째, 인공지능이 지닌 의미에 대해 초등교사는 어 떠한 인식을 지니는가? 둘째, 인공지능을 활용한 교육에 대해 초등교사는 어떠한 인식을 지니는가? 셋째, 교육에 인공지능을 활용함에 있어 고려해야 할 요소는 무엇인 가? 넷째, 기존 교육과 인공지능 활용 교육의 차이에 대 해 초등교사는 어떻게 인식하는가?
넷째, 초등교사들은 기존 교육과 비교하여 볼 때, 인공 지능 활용 교육이 개별적인 학습을 가능하게 하며, 참여 및 상호작용이 촉진될 수 있으며 학습자의 흥미를 도모 할 수 있다는 등의 대체로 긍정적인 인식을 나타냈다. 이 와 동시에 인공지능을 활용한 교육이 여전히 새롭고 테 크놀로지가 중심이 되며 불안하다는 인식을 지니고 있다 는 점도 확인해 볼 수 있었다.
다양한 교과목 중 사회/도덕, 과학/실과 교과목에 인 공지능을 활용할 것으로 인식하였으며 한 차시(40분)를 기준으로 인공지능을 활용하는 시간에 있어서는 전체 중 10-20%(4분 이상∼8분 미만), 20-30%(8분 이상∼12분 미만)에 가장 많은 응답을 하였다
다음으로 인공지능을 활용한 교육을 위해 초등교사 연 수 프로그램 개발 시 중점적으로 고려해야 하는 부분에 대해서는 인공지능이 지닌 의미를 포함한 인공지능 전반 에 대한 이해(9명, 13.0%), 인공지능의 교육적 활용에 대 한 경험과 성공 사례(21명, 30.4%), 인공지능 도구내용 개발(예, 인공지능 도구의 내용 코딩)(4명, 5.8%), 인공지 능의 수업 활용에 대한 안내(35명, 50.7%)로 나타났다.
대응표본 t 검증을 통해 기 존 교육의 특성과 비교하여 볼 때, p<.05 수준에서 내용 중심-활동 중심, 동적인-정적인 형용사 쌍에서 유의미한 차이를 나타냈다.
둘째, 협력 학습이 보다 효과적으로 이루어질 수 있도 록 지원한다. 인공지능 기술은 학습자의 특성을 고려한 팀 구성을 가능하게 하며 팀별 논증 활동에 있어서 적절 한 질문을 제공한다[3].
류미영과 한선관(2017)은 초등학 생이 인공지능 기술에 대해 어떻게 인식하는지를 살펴보 기 위해 의미변별법을 활용하여 분석한 결과, 똑똑하며 정확성을 지니고 새로운 기술로 인식하고 있었다[23]. 또 한, 인공지능의 교육적 활용에 대해서는 긍정적으로 응답 한 학습자들이 그렇지 않은 학습자들도 많았으며 인공지능을 활용한 교육을 희망하는 학습자들은 인공지능 기술 이 교육에 있어서 편리성과 인간 친화적이며 기술 진보 적인 접근이 이루어질 수 있다는 인식을 지니고 있음을 확인하였다. 박종향과 신나민(2017)은 인공지능이 교사 로서 역할을 수행할 수 있는 점을 고려하여 인공지능 기 술과 가상의 인공지능 교사에 대한 초·중·고등학생의 인 식을 비교 분석하였다[24].
본 회귀 모형의 통계적 유의성 검정 결과, F값 51.736, 유의확률 .000으로 본 모형의 설명력은 유의한 것으로 나타났으며 하위의 독립변수들이 본 모형에 대해 약 61%를 설명하고 있음을 확인해 볼 수 있었다.
셋째, 인공지능의 교육적 활용에 영향을 미치는 요소 를 확인해 본 결과, 교육 요소 중 학습 내용과 교육 자료, 인공지능 기기가 영향을 미칠 수 있다는 결과가 나타났 다. 이를 위해 초등교사들은 적절한 학습 내용의 선정과 인공지능의 활용을 기반으로 한 활동이 이루어질 수 있는 자료를 개발해야 한다.
셋째, 자동화된 평가 시스템을 통해 지속적이며 용이한 관리가 이루어질 수 있다. 인공지능 기술을 기반으로 한 자동화된 평가 시스템은 주어진 문제에 대해 학습자 가 수행한 활동의 결과물에 대한 실시간 평가를 수행하 여 평가 결과와 즉각적인 피드백을 제공한다[19].
7%)로 나타났다. 요컨대, 인공지능을 수업에 활용할 때 필요한 수업 모형 이나 운영 전략 등이 가장 필요한 것으로 확인되었다.
예컨대, wifi망 구축, AI 스피커 활용 공간, AI 스피커 전원 공급 공간 등의 환경적 공간이 필요한 것이 다. 이와 함께 인공지능에 대한 교육 이해 관계자의 관심, 의지 및 열정(14명, 20.3%), 챗봇, AI 스피커와 같이 수 업에서 활용하기 위한 인공지능 활용 도구의 다양화(14 명, 20.3%)가 이루어져야 한다는 응답이 확인되었으며 일부 초등교사들은 수업에서의 인공지능 도구 활용을 위 한 표준화된 교재 개발(4명, 5.8%), 수업에서의 인공지능 도구 활용에 대한 가이드(매뉴얼) 개발(3명, 4.3%)이 필 요하다는 의견을 제시하였다.
인공지능을 교육적으로 활용함에 있어 학습 내용의 적 합 수준, 다양한 교육자료의 활용 여부, 인공지능 기기 유 무가 p<.001 수준에서 유의미한 영향을 미침을 확인하 였다.
인공지능을 활용한 교육을 운영함에 있어 적절한 교수 학습 방법에 대해서는 Table 6과 같이 강의식(2명, 2.9%), 문제중심학습(43명, 62.3%), 협력학습 혹은 팀 학 습(22명, 31.9%), 토론식(2명, 2.9%)으로 나타나 문제중 심학습이 가장 적절한 것으로 나타났다.
첫째, 대다수의 초등교사들은 인공지능 기술 자체에 대해서 공학, 자연과학 등의 다 학문적 지식이 통합된 지 능형 시스템으로 인식하고 있었으며 인공지능 활용 교육 에 있어서 수업 시간 내 활동을 보조하는 역할이 가장 적 합하여 문제중심 학습이나 협력 혹은 팀 기반 학습에 활 용하는 것이 바람직할 것이라는 인식을 지니고 있었다. 이 점은 무엇보다 인공지능이 교육 현장에서 보조교사로 서 역할을 수행하여 교사의 활동을 보조하거나 지원하는 방안을 중점적으로 고려해야 함을 나타낸다.
특히, 교육에 있어서 인공지능은 크게 다음과 같은 측면에서 도움을 제공할 것이다. 첫째, 인공지능 기술은 교육적 활용에 있 어서 학습자의 요구나 스타일, 특성 등을 고려한 맞춤형 개별 학습을 가능하게 한다. 예컨대, 챗봇은 학습자가 지 닌 개인적 경험과 사전 지식의 수준 등에 따라 상이하게 생성할 수 있는 학습자 질문에 대해 적응적으로 답변을 제공할 수 있다[15].
구체적인 연구문제는 다음과 같다. 첫째, 인공지능이 지닌 의미에 대해 초등교사는 어 떠한 인식을 지니는가? 둘째, 인공지능을 활용한 교육에 대해 초등교사는 어떠한 인식을 지니는가? 셋째, 교육에 인공지능을 활용함에 있어 고려해야 할 요소는 무엇인 가? 넷째, 기존 교육과 인공지능 활용 교육의 차이에 대 해 초등교사는 어떻게 인식하는가?

후속연구

둘째, 향후 인공지능이 초등학교 현장에서 보다 활발 하게 적용되기 위해서는 인공지능을 효과적으로 활용할 수 있는 학습 공간이 구축되어야 하며, 수업 모형, 교수 전략 등의 개발과 인공지능에 대한 이해가 기초 되어야 한다. 특히, 교실 공간은 인공지능을 포함한 다양한 테크 놀로지를 활용함에 있어 기반이 되는 매우 중요한 요소 이다.
인공지능은 향후 중·고등학교, 그리고 대학에도 보 다 활발하게 활용될 가능성을 지니므로 각 학교급별 교 사 혹은 교수자, 학습자를 대상으로 인식을 분석하는 비 교 연구를 통해 차이를 확인하여 종합하는 연구가 이루어져야 한다. 셋째, 본 연구를 통해 도출된 결과를 기반으 로 학교 현장에서 활용 가능한 개발 연구를 수행해야 한 다. 구체적인 수업모형이나 전략은 학교 현장에서 교사들 에게 처방을 제공하여 효과적인 운영이 이루어질 수 있 도록 도움을 제공하기 때문이다.
하지만 탐색적 연구나 개발 혹은 응용 연구가 일부 이루어지고 있음에도 불구하고 초등교육 현장에서 인공지능을 어떻게 교육 적으로 활용할 것인가에 대한 기초 연구로서 교사의 인 식을 경험적으로 확인한 연구는 찾아보기 어렵다. 인공지 능에 대해 교사가 어떠한 인식을 지니며, 이의 활용에 대 해 어떠한 관점을 지니는지를 알 수 있다면 이에 최적화 된 교육이 이루어질 수 있는 구체적인 수업 전략의 개발 등이 이루어질 수 있을 것이다. 인공지능을 활용한 교육 이 보다 효과적으로 이루어지기 위해서는 이를 수업에 활용하는 교사가 어떠한 인식을 지니는지를 확인할 필요 가 있다.
인공지능은 향후 중·고등학교, 그리고 대학에도 보 다 활발하게 활용될 가능성을 지니므로 각 학교급별 교 사 혹은 교수자, 학습자를 대상으로 인식을 분석하는 비 교 연구를 통해 차이를 확인하여 종합하는 연구가 이루어져야 한다.
기초 연구로서 초등교사의 구체적인 인식을 확인해 볼 수 있었지만 이는 일반화의 한계를 지닌다. 추 후 연구에서는 대상자 수를 확대하여 설문 등을 통해 추 가적인 분석이 이루어질 필요가 있으며 면담을 통해 심 층적인 내용 분석이 함께 이루어져야 한다. 둘째, 본 연구 는 초등학교에서의 인공지능 활용에 대한 인식을 분석하 였다.
향후 미래 사회에서는 교육을 포함한 다양한 맥락에서 인공지능이 보다 활발하게 활용될 것이다.

참고문헌 (25)

C. I. Lim. (2019). Redirecting the research and practice of educational technology for future society and education. Journal of Educational Technology, 35(2), 253-287. DOI : 10.17232/KSET.35.2.253

상세보기
J. Y. Kim & K. H. Ro. (2019). A Study on the Data Collection and Convergence of Career Advisor System Using AI. Journal of Digital Convergence, 17(2), 177-185. DOI : 10.14400/JDC.2019.17.2.177
R. Luckin, W. Holmes, M. Griffiths & L. B. Forcier. (2016). Intelligence unleashed: An argument for AI in education. London: Pearson.
OECD. (2019). Trends shaping education 2019. Paris: OECD Publishing. DOI : 10.1787/trends_edu-2019-en.
D. G. Song, M. Rice & E. Y. Oh. (2019). Participation in online courses and interaction with a virtual agent. International Review of Research in Open and Distributed Learning, 20(1), 1-21. DOI : 10.19173/irrodl.v20i1.3998
H. K. Jho. (2017). The changes of higher education and the tasks of general education according to the fourth industrial revolution. Korean Journal of General Education, 11(2), 53-89.
J. E. Hyun & H. J. Im. (2019). Analysis and Implications of AI Speakers as English Learning Tools. The Mirae Journal of English Language and Literature, 24(1), 201-219.
N. Goksel & A. Bozkurt. (2019). Artificial intelligence in education: Current insights and future perspectives. In E. Guler. & B. Karatop. (eds.). Handbook of Research on Learning in the Age of Transhumanism (pp. 224-236). IGI Global. DOI : 10.4018/978-1-5225-8431-5.ch014
K. S. Noh & J. Y. Lee. (2016). Convergence study on model of job design support platform using big data and AI. Journal of Digital Convergence, 14(7), 167-174. DOI : 10.14400/JDC.2016.14.7.167
K. S. Kim & Y. K. 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. DOI : 10.14352/jkaie.2017.21.1.137

상세보기
C. B. Kwan, S. W. Ham, C. H. Kim, J. S. Seo, M. H. Park & S. H. Kang. (2018). Development of predictive model for length of stay in acute stroke patients using artificial intelligence. Journal of Digital Convergence, 16(1), 231-242. DOI : 10.14400/JDC.2018.16.1.231
K. M. An & Y. C. Lee. (2019). An exploratory study on artificial intelligence quality, preference and continuous usage intention: A case of online job information platform. Journal of Digital Convergence, 17(7), 73-87. DOI : 10.14400/JDC.2019.17.7.073
S. P. Huang. (2018). Effects of using artificial intelligence teaching system for environmental education on environmental knowledge and attitude. Eurasia Journal of Mathematics, Science and Technology Education, 14(7), 3277-3284. DOI : 10.29333/ejmste/91248
P. Lodhi, O. Mishra, S. Jain & V. Bajaj. (2018). StuA: An intelligent student assistant. International Journal of Interactive Multimedia and Artificial Intelligence, 5(2), 17-25. DOI : 10.9781/ijimai.2018.02.008

상세보기
J. Hill, W. R. Ford & I. G. Farreras. (2015). Real conversations with artificial intelligence: A comparison between human-human online conversations and human-chatbot conversations. Computers in human behavior, 49, 245-250. DOI : 10.1016/j.chb.2015.02.026

상세보기
T. Karsenti. (2019). Artificial intelligence in education: The urgent need to prepare teachers for tomorrow's schools. Formation et profession, 27(1), 112-116. DOI : 10.18162/fp.2019.a166
B. M. McLaren, O. Scheuer & J. Miksatko. (2010). Supporting collaborative learning and e-discussions using artificial intelligence techniques. International Journal of Artificial Intelligence in Education, 20(1), 1-46. DOI : 10.3233/JAI-2010-0001
E. Walker, N. Rummel, B. M. McLaren & K. R. Koedinger. (2007). The student becomes the master: Integrating peer tutoring with cognitive tutoring. In proceedings of Computer-Supported Collaborative Learning Conference (pp. 750-752). DOI : 10.3115/1599600.1599737
S. Vajjala. (2018). Automated assessment of non-native learner essays: Investigating the role of linguistic features. International Journal of Artificial Intelligence in Education, 28(1), 79-105. DOI : 10.1007/s40593-017-0142-3

상세보기
S. A. 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(1), 1-13. DOI : 10.1186/s41039-017-0062-8

상세보기
Y. H. 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, 23(2), 189-196. DOI : 10.14352/jkaie.2019.23.2.189

원문보기 상세보기
C. Edwards, A. Edwards, P. R. Spence & X. Lin. (2018). I, teacher: using artificial intelligence(AI) and social robots in communication and instruction. Communication Education, 67(4), 473-480. DOI : 10.1080/03634523.2018.1502459

상세보기
M. Y. Ryu & S. K. Han. (2017). Image analysis of artificial intelligence recognized by elementary school students. Journal of The Korean Association of Information Education, 21(5), 527-535. DOI : 10.14352/jkaie.2017.21.5.527
J. H. Park & N. M. Shin. (2017). Students' perceptions of artificial intelligence technology and artificial intelligence teachers. The Journal of Korean Teacher Education, 34(2), 169-192. DOI : 10.24211/tjkte.2017.34.2.169
C. E. Osgood, G. J. Suci & P. H. Tannenbaum. (1957). The measurement of meaning. Urbana: Univer.

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