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
- 데이터 속성으로 규칙 만들기 단계에서는 문장의 긍정과 부정 정서에 대한 값을 계산하기 위한 목적으로 문장의 속성인 단어의 정서 값을 찾고, 계산된 결과에 따라 규칙을 통해 긍정 문장과 부정 문장으로 분류하는 활동을 수행하였다. 활동은 긍정과 부정의 정서에 관한 탐구를 수행한 이후, 학생이 작성한 문장을 다른 학생이 보면 어떤 정서를 가지게 될 것인지 분류하기 위해 문장의 속성을 단어로 설정하는 탐구활동을 수행하였다.
- 본 연구는 초등학교 고학년을 대상으로 문장의 정서를 분류하는 인공지능의 학습 원리와 과정을 언플러그드 수준의 조작을 통해 시뮬레이션하여 구체적으로 이해할 수 있는 인공지능 교육 콘텐츠를 개발하였다. 제안하는 인공지능 교육 콘텐츠는 단어와 문장의 긍정과 부정을 분류하는 주제를 활용하여 인식, 표현과 추론, 학습, 상호작용, 사회적 영향의 모든 요소가 포함되도록 4단계 8차시 분량으로 구성하였다.
- 초등학생 대상의 인공지능 교육의 방향은 인공지능의 사례를 조사하고 체험하는 소양 수준의 교육, 인공지능의 개념과 원리를 이해하는 언플러그드 수준의 교육, 온라인 교육환경에서 인공지능을 적용하거나 활용하여 문제를 해결해보는 교육으로 크게 나눠볼 수 있다. 본 연구는 코딩에 능숙하지 않은 초등학생을 대상으로 언플러그드 수준의 조작을 통해 인공지능이 학습하는 과정을 구체적으로 시뮬레이션하여 시각적으로 인공지능의 개념과 원리를 이해할 수 있는 교육 콘텐츠를 제안하였다. 개발한 인공지능 교육 콘텐츠는 단어와 문장의 긍정과 부정을 분류하는 주제를 활용하여 인식, 표현과 추론, 학습, 상호작용, 사회적 영향의 모든 요소가 포함되도록 4단계 8차시 분량으로 재구성하였다.
- 본 연구에서는 인공지능 교육 콘텐츠를 개발하기 위해서 주제는 ReadyAI Lab에서 제시한[19], 초등학교 5학년 대상 단어의 긍정과 부정을 분류하는 교육 콘텐츠를 전문가 협의를 통해 선정하고 개발하였다. 전문가의 구성은 컴퓨터교육학 박사 2명과 박사수료 1명, 국어교육학 석사 1명, 초등교사 1명으로 총 5명이 참여하였다.
- 즉, 이전 단계에서는 인간이 설문을 통해 단어의 정서 값을 도출한 것에 반해, 4단계에서는 학습할 단어가 포함된 문장과 문장의 긍부정 값으로 단어의 정서 값을 도출하는 활동을 통해 초등학생 수준에서 인공지능의 학습이 무엇인지 체험할 수 있도록 하였다. 이 과정에서 학생은 문장의 정서 분류는 사전에 정의한 문장의 정서 값 계산식에 의하여 분류되고, 단어의 정서 값을 인공지능의 학습 과정을 통해 결정되는 것을 이해하도록 하였다. 3단계에서 설문을 통해 인간이 단어의 정서 값을 정하는 것과 인공지능이 단어의 정서 값을 정하는 것의 차이를 이해하고, 3단계와 4단계를 비교하는 활동을 마지막으로 수행하였다.
- 12]과 같이 문장의 정서 값을 계산하여 분류하는 경험을 할 수 있도록 하였다. 추가적으로 학생이 제작한 계산식에 따라 규칙을 만들어서 문장을 분류하는 방식과 인공지능이 자동적으로 분류하는 방식을 비교하는 활동을 하였고, 마지막으로 학생이 경험한 활동을 토대로 인공지능이 사회에 어떤 영향을 미칠 것인지 탐구하는 활동을 수행하였다.
제안 방법
- 이 과정에서 학생은 문장의 정서 분류는 사전에 정의한 문장의 정서 값 계산식에 의하여 분류되고, 단어의 정서 값을 인공지능의 학습 과정을 통해 결정되는 것을 이해하도록 하였다. 3단계에서 설문을 통해 인간이 단어의 정서 값을 정하는 것과 인공지능이 단어의 정서 값을 정하는 것의 차이를 이해하고, 3단계와 4단계를 비교하는 활동을 마지막으로 수행하였다.
- 교육 프로그램은 교사와 학생의 인공지능 요구도를 분석하여 놀이와 체험의 언플러그드 활동으로 구성하고, 학교 현장에서 손쉽게 확보할 수 있는 주제로 설정하였다. 개발된 교육 프로그램은 인공지능에 대한 탐구, 선형회귀, 의사 결정트리, 관심사 추천, 퍼셉트론, 나만의 인공지능 구상하기로 총 6차시 분량으로 제작하여 초등학교 5학년 학생을 대상으로 적용하였다. 적용결과, 인공지능에 대한 관심이 증가하였고, 인공지능 교육에 대한 인식이 긍정적으로 변화한 것으로 분석되었다.
- 본 연구는 코딩에 능숙하지 않은 초등학생을 대상으로 언플러그드 수준의 조작을 통해 인공지능이 학습하는 과정을 구체적으로 시뮬레이션하여 시각적으로 인공지능의 개념과 원리를 이해할 수 있는 교육 콘텐츠를 제안하였다. 개발한 인공지능 교육 콘텐츠는 단어와 문장의 긍정과 부정을 분류하는 주제를 활용하여 인식, 표현과 추론, 학습, 상호작용, 사회적 영향의 모든 요소가 포함되도록 4단계 8차시 분량으로 재구성하였다. 수업은 초등학교 4∼6학년을 대상으로 온라인 교육을 적용하였다.
- 수업은 첫째, 문제를 해결하기 위해 필요한 데이터의 속성을 도출하고 학생이 직접 수집해보는 “데이터로 세상 바라보기” 단계 둘째, 수집한 데이터가 컴퓨터에 저장되고 표현되는 방식 을 탐구하는 “데이터로 표현하기” 단계 셋째, 학생이 단어와 문장의 정서 값을 수집하여 긍정과 부정의 정서를 구분하는 규칙을 만들고 시뮬레이션 해보는 “데이터 속성으로 규칙 만들기” 단계 마지막으로, 인공지능에 대한 정의와 사례를 탐구하고, 자동적으로 단어와 문장의 정서 값을 찾아가는 학습의 과정을 시뮬레이션 해보고 사회적 영향력을 고려해보는 “자동으로 분류하기” 단계로 구성하였다. 개발한 콘텐츠의 학습 단계에 대한 적합성과 교육적인 효과성을 확인하고자 초등학생을 대상으로 적용하였고, 결과분석을 통해 학습 주제와 단계가 교육적으로 의미가 있음을 제시하였다.
- 문장의 정서 값을 계산하기 위해서, 학생은 단어에 기반하여 문장의 정서 값을 계산하는 식을 설계하고 적용하였다. 계산식은 분류하는 문장 속에 수집된 단어들의 정서 값을 모두 더하는 형태로 설계하고, 모두 더한 값이 1보다 크면 긍정적인 문장, -1과 1 사이면 중립적인 문장, -1보다 작으면 부정적인 문장으로 분류하는 규칙을 설정하였다.
- 학습 단계의 적합성을 확인하기 위한 목적으로 각 단계를 세부적인 과제들로 나누어 구성하고, 각 단계별로 수행을 완료한 과제의 수를 분석하였다. 과제는 조사한 내용을 정리하여 작성하는 활동에서 시뮬레이션을 수행하는 활동까지 다양하게 구성하여 총 115개의 과제를 개발하였다. 세부적으로 데이터로 세상 바라보기(1단계) 20개 과제, 데이터 표현하기(2단계) 27개 과제, 데이터 속성으로 규칙 만들기(3단계) 38개 과제, 자동으로 분류하기(4단계) 30개 과제를 제시하였고, 학생이 온라인 교육에서 과제 수행을 완료한 경우에만 분석하였다.
- 초등학생의 인공지능 교육을 위해서 초등교사를 대상으로 인공지능 교육을 하는 15주간의 교육과정과 교육 프로그램을 적용한 김갑수(2019)의 연구를 살펴보면 다음과 같다[9]. 교육과정의 단계를 인공지능 이해하기, 인공지능 도구 이해하고 활용하기, 인공지능 프로그램 이해하고 활용하기의 3단계로 제안하고, 각 단계마다 세부적인 교육 프로그램을 제안하였다. 첫 번째 단계인 인공지능 이해하기 단계에서는 인공지능의 역사, 적용 분야, 튜링 테스트를 다루고, 두 번째 단계인 인공지능 도구 이해하고 활용하기에서는 한글-영어 번역기에 대한 이해, 인공지능 비서(시리, 빅스비, 어시스턴트)를 사용하기, 교과에 활용할 수 있는 인공지능 도구(미술교과 예, autodraw, quickdraw)를 활용하도록 제안하였다.
- 본 활동에 적용된 단어의 정서 값 결정 모델은 초등 학생 수준을 고려하여 델타 규칙(delta rule)을 활용하였으며 단일 퍼셉트론이라고 할 수 있다[3]. 단어의 정서 값을 결정하기 위해 각 단어 마다 단일 퍼셉트론으로 정하고, 기본적인 델타 규칙을 통해 학습 데이터로 주어진 문장을 모두 만족시킬때까지 임계 값(threshold)을 기준으로 정하는 방법을 적용하였다. 단어의 정서 값 인공지능 학습 모델을 입력, 처리, 출력 관점에서 설명하면 다음과 같다.
- 데이터로 표현하기 단계에서는 숫자, 문자, 이미지, 소리, 동영상 데이터를 수치로 표현하는 방법과 정형, 반정형, 비정형 데이터의 정의를 조사하고, 구체적인 사례를 찾아 정리하는 탐구를 수행하였다. 활동을 세부적으로 살펴보면, [Fig.
- 또한, 음식별로 학생의 경험과 취향에 따라 스트레스가 해소되는 정도를 수치(1∼5단계)로 함께 수집하여 스트레스 해소가 잘되는 음식의 특징을 데이터 속성으로 분석하는 활동을 [Fig. 2]과 같이 수행하였다.
- 첫 번째 단계인 인공지능 이해하기 단계에서는 인공지능의 역사, 적용 분야, 튜링 테스트를 다루고, 두 번째 단계인 인공지능 도구 이해하고 활용하기에서는 한글-영어 번역기에 대한 이해, 인공지능 비서(시리, 빅스비, 어시스턴트)를 사용하기, 교과에 활용할 수 있는 인공지능 도구(미술교과 예, autodraw, quickdraw)를 활용하도록 제안하였다. 마지막 단계인 인공지능 프로그램 이해하고 활용하기 단계에서는 데이터를 정의하고 수집하여 인공신경망을 경험할 수 있도록 Teachable Machine을 활용하는 교육내용과 이를 위해 필요한 지식요소로 데이터 정의하고 수집하기, 인공신경망 만들기, 학습한 모듈을 응용 프로그램에 적용하기로 정의하여 초등교사를 위한 교육과정과 교육 프로그램을 제안하였다. 제안한 교사를 위한 콘텐츠는 타당성이 4점 이상으로 평가되어 초등학생을 위한 교육에 충분히 활용될 수 있음을 보여주었다.
- 입력은 학습할 단어가 포함된 문장과 문장의 정서 분류 결과이고, 출력은 단어의 정서 값으로 설정하였다. 모델이 학습하는 과정은 3단계에서 정의한 문장의 정서 값을 계산하는 식을 통해 계산된 문장의 정서 값이 올바를 때까지 단어의 정서 값을 변화하였다. 이 과정에서 학생은 단어의 정서 값이 변화하는 범위인 학습 값(learning rate, 0∼1 사이)을 조정할 수 있도록 하였고, 처리결과 단어의 정서 값이 결정되었다.
- 문장의 정서 값을 계산하기 위해서, 학생은 단어에 기반하여 문장의 정서 값을 계산하는 식을 설계하고 적용하였다. 계산식은 분류하는 문장 속에 수집된 단어들의 정서 값을 모두 더하는 형태로 설계하고, 모두 더한 값이 1보다 크면 긍정적인 문장, -1과 1 사이면 중립적인 문장, -1보다 작으면 부정적인 문장으로 분류하는 규칙을 설정하였다.
- 김진수 (2019)는 초등학생에게 인공지능이 학습하는 원리를 보드게임이라는 환경을 통해 흥미와 관심을 높여 활동에 보다 적극적으로 참여할 수 있도록 제안하고, 초등학생을 대상으로 적용하였다[8]. 보드게임을 제작한 과정은 인공지능 학습의 원리 이해를 학습목표로 설정하고, 게임의 소재를 이미지로 선정하여 인공지능 학습 방법 중 에 하나인 CNN(Convolutional Neural Network)방식에 따라 게임의 구조를 설계하여 게임의 규칙을 작성하고 테스트로 게임을 수행하여 최종적으로 수정하는 과정을 거쳐 인공지능 이미지처리 보드게임을 제작하였다. 제작한 보드게임을 초등학교 152명에게 적용한 결과, 5점 만점 중 평균 4.
- 이승철(2020)은 해외의 주요국에서 제안한 인공지능 교육을 분석하여 우리나라 초등학생을 위한 인공지능 교육내용 체계와 요소를 제안하였다[16]. 분석은 AI4K12, Exploring Computer Science, 중국의 차세대 인공지능 개발 계획 등을 참조하였고, 초등학생을 위한 인공지능 교육내용 빛 방법을 인공지능 이해, 원리, 적용의 3단계로 구성하여 제안하였다.
- 전문가의 구성은 컴퓨터교육학 박사 2명과 박사수료 1명, 국어교육학 석사 1명, 초등교사 1명으로 총 5명이 참여하였다. 선정한 주제를 4단계로 구분하고 각 단계당 2차시씩 총 8차시 분량의 온라인 수업으로 재구성하였다. 수업의 재구성은 인공지능 교육을 위한 아이디어로 제시된[1], 인식(Perception), 표현과 추론(Representation and Reasoning), 학습(Learning), 상호작용(Natural interaction), 사회적 영향(Societal Impact)의 5가지 요소가 모두 포함될 수 있도록 개발하였다.
- 과제는 조사한 내용을 정리하여 작성하는 활동에서 시뮬레이션을 수행하는 활동까지 다양하게 구성하여 총 115개의 과제를 개발하였다. 세부적으로 데이터로 세상 바라보기(1단계) 20개 과제, 데이터 표현하기(2단계) 27개 과제, 데이터 속성으로 규칙 만들기(3단계) 38개 과제, 자동으로 분류하기(4단계) 30개 과제를 제시하였고, 학생이 온라인 교육에서 과제 수행을 완료한 경우에만 분석하였다.
- 수업 전에 인공지능에 대한 태도가 4점 이상으로 높은 집단과 4점 미만으로 낮은 집단을 구분하여 과제수행의 차이분석을 하였다. 분석결과 [Table 5]와 같이, 사전에 태도가 높은 집단과 낮은 집단 간에 통계적으로 유의미한 차이가 4단계에서만 나타났다.
- 수업은 첫째, 문제를 해결하기 위해 필요한 데이터의 속성을 도출하고 학생이 직접 수집해보는 “데이터로 세상 바라보기” 단계 둘째, 수집한 데이터가 컴퓨터에 저장되고 표현되는 방식 을 탐구하는 “데이터로 표현하기” 단계 셋째, 학생이 단어와 문장의 정서 값을 수집하여 긍정과 부정의 정서를 구분하는 규칙을 만들고 시뮬레이션 해보는 “데이터 속성으로 규칙 만들기” 단계 마지막으로, 인공지능에 대한 정의와 사례를 탐구하고, 자동적으로 단어와 문장의 정서 값을 찾아가는 학습의 과정을 시뮬레이션 해보고 사회적 영향력을 고려해보는 “자동으로 분류하기” 단계로 구성하였다.
- 이은경(2020)은 초중등 수준의 인공지능 교육을 한국과 미국을 중심으로 비교하여 시사점을 도출하였다[15]. 연구는 한국의 차세대 소프트웨어(SW)교육 표준모델, 미국의 ReadyAI Lab, AI4All open learning, ECS alternate Curriculum Unit on AI, 유럽의 Elements of AI 의 교육내용을 AI4K12에서 제시한 AI의 5가지 빅아이디어를 중심으로 분석하였다. 분석결과, 인공지능 교육의 핵심적인 주제로 한국은 인공지능 개념, 지식표현 및 추론, 머신러닝, 인공신경망에 중점을 두고 있고, 미국은 인공지능 개념, 인식, 표현과 추론, 학습(머신러닝, 인공 신경망), 상호작용, 사회적영향을 포함하고, 유럽은 인공 지능 개념, 문제해결, 머신러닝, 인공신경망, 미래예측 및 사회적 영향을 다루고 있는 것으로 나타났다.
- 류미영(2019)은 초등학생에게 딥러닝 개념을 이해시키기 위한 목적으로 인공지능 교육 프로그램을 제작하여 적용하였다[21]. 연구를 구체적으로 살펴보면, SW교육 교수학습 모델 중 CT 요소중심 모델을 인공지능 교수학습 모형으로 재구성하여 인식화, 개념화, 알고리즘화, 자동화, 일반화의 5단계로 제안하였고[7], 총 9차시 분량의 교육 프로그램을 개발하여 초등학교 6학년을 대상으로 2주간 적용하여 결과를 분석하였다. 분석결과 제안하는 인공지능 교육 프로그램은 학습자 수준의 적합도와 교사지도 수준의 적합도가 .
- 활동은 긍정과 부정의 정서에 관한 탐구를 수행한 이후, 학생이 작성한 문장을 다른 학생이 보면 어떤 정서를 가지게 될 것인지 분류하기 위해 문장의 속성을 단어로 설정하는 탐구활동을 수행하였다. 이후 단어의 정서 값을 수업에 참여한 학생은 [Fig. 6]와 같이 3개의 단어를 입력하고, [Fig. 7]과 같이 입력한 전체 단어 중 무작위로 선정된 10개 단어에 대한 정서를 긍정, 중립, 부정 버튼을 클릭하여 투표하는 방법으로 단어의 정서 값을 평가하였다.
- 한국과학창의재단과 한국정보과학교육 연합회에서는 초등학생을 위한 인공지능 교육에 대한 범위와 방향을 설정하기 위한 목적으로 초중등 컴퓨터와 정보교육 관련 전문가의 자문을 통해 차세대 SW교육 표준모델에서 인공지능과 융합이라는 영역을 제안하였다[12]. 인공지능과 융합 영역의 하위 영역을 데이터과학, 인공지능, 로보틱스로 구분하였고, 하위 영역 중 인공지능 영역의 초등학교 수준에서는 윤리의식을 가지고 올바르게 인공지능을 활용하는 능력을 함양하고 문제해결에 필요한 간단한 인공지능을 구현하는 내용을 다루도록 하였다.
- 인공지능에 대한 태도의 변화를 확인하기 위한 목적으로 인공지능 기술에 대한 태도 검사도구를 수정하여 인공지능에 대한 흥미(2문항), 중요성과 영향(2문항), 진로(2문항)를 5점 척도로 온라인 설문하였다[4][14]. 연구 도구의 Cronbach α계수는 흥미 .
- 자동으로 분류하기 단계는 3단계에서 정의한 문장의 정서를 분류하는 핵심요소인 단어의 정서 값을 기계학습을 통해 도출하는 활동을 수행하였다. 즉, 이전 단계에서는 인간이 설문을 통해 단어의 정서 값을 도출한 것에 반해, 4단계에서는 학습할 단어가 포함된 문장과 문장의 긍부정 값으로 단어의 정서 값을 도출하는 활동을 통해 초등학생 수준에서 인공지능의 학습이 무엇인지 체험할 수 있도록 하였다.
- 본 연구는 초등학교 고학년을 대상으로 문장의 정서를 분류하는 인공지능의 학습 원리와 과정을 언플러그드 수준의 조작을 통해 시뮬레이션하여 구체적으로 이해할 수 있는 인공지능 교육 콘텐츠를 개발하였다. 제안하는 인공지능 교육 콘텐츠는 단어와 문장의 긍정과 부정을 분류하는 주제를 활용하여 인식, 표현과 추론, 학습, 상호작용, 사회적 영향의 모든 요소가 포함되도록 4단계 8차시 분량으로 구성하였다. 수업은 첫째, 문제를 해결하기 위해 필요한 데이터의 속성을 도출하고 학생이 직접 수집해보는 “데이터로 세상 바라보기” 단계 둘째, 수집한 데이터가 컴퓨터에 저장되고 표현되는 방식 을 탐구하는 “데이터로 표현하기” 단계 셋째, 학생이 단어와 문장의 정서 값을 수집하여 긍정과 부정의 정서를 구분하는 규칙을 만들고 시뮬레이션 해보는 “데이터 속성으로 규칙 만들기” 단계 마지막으로, 인공지능에 대한 정의와 사례를 탐구하고, 자동적으로 단어와 문장의 정서 값을 찾아가는 학습의 과정을 시뮬레이션 해보고 사회적 영향력을 고려해보는 “자동으로 분류하기” 단계로 구성하였다.
- 교육과정의 단계를 인공지능 이해하기, 인공지능 도구 이해하고 활용하기, 인공지능 프로그램 이해하고 활용하기의 3단계로 제안하고, 각 단계마다 세부적인 교육 프로그램을 제안하였다. 첫 번째 단계인 인공지능 이해하기 단계에서는 인공지능의 역사, 적용 분야, 튜링 테스트를 다루고, 두 번째 단계인 인공지능 도구 이해하고 활용하기에서는 한글-영어 번역기에 대한 이해, 인공지능 비서(시리, 빅스비, 어시스턴트)를 사용하기, 교과에 활용할 수 있는 인공지능 도구(미술교과 예, autodraw, quickdraw)를 활용하도록 제안하였다. 마지막 단계인 인공지능 프로그램 이해하고 활용하기 단계에서는 데이터를 정의하고 수집하여 인공신경망을 경험할 수 있도록 Teachable Machine을 활용하는 교육내용과 이를 위해 필요한 지식요소로 데이터 정의하고 수집하기, 인공신경망 만들기, 학습한 모듈을 응용 프로그램에 적용하기로 정의하여 초등교사를 위한 교육과정과 교육 프로그램을 제안하였다.
- 학생의 활동은 사전에 주어진 문장과 단어의 정서만 정의하고, [Fig. 10]과 같이 학습하는 값을 학생이 설정할 수 있도록 하여 학습이 진행될수록 자동으로 단어의 정서 값이 조정되는 모습을 시뮬레이션을 통해 관찰할 수 있도록 하였다. 시뮬레이션은 주어진 문장의 정서를 모두 만족하도록 단어의 정서 값이 설정되면 종료된다.
- 데이터로 세상 바라보기 단계에서는 학생이 문제를 해결하기 위한 데이터 속성을 도출하고, 수집하는 활동을 수행하였다. 학생의 흥미와 관심을 고려하여 음식이라는 주제를 선정하였고, 스트레스 해소에 도움이 되는 음식을 추천하는 문제로 활동을 구성하였다. 활동을 세부적으로 살펴보면, 음식의 속성을 매운맛, 짠맛, 단맛 등 맛의 종류로 구분하는 활동, 음식별 맛의 종류에 따른 정도(1∼5단계)를 정하고 실제 학생이 먹어본 음식의 데이터를 수집하였다.
- 학생이 설정한 값에 따라 단어의 정서 값을 학습해야 하는 문장에 따라 자동으로 학습하는 모습을 [Fig. 11] 과 같이 시뮬레이션하여 인공지능이 학습하는 모습을 시각화하여 이해할 수 있도록 하였다.
- 학습 단계의 적합성을 확인하기 위한 목적으로 각 단계를 세부적인 과제들로 나누어 구성하고, 각 단계별로 수행을 완료한 과제의 수를 분석하였다. 과제는 조사한 내용을 정리하여 작성하는 활동에서 시뮬레이션을 수행하는 활동까지 다양하게 구성하여 총 115개의 과제를 개발하였다.
- 활동을 구체적으로 살펴보면, 문장과 단어의 정서를 사전에 설정하여, 만약 문장이 긍정이면 문장에 포함된 단어들의 정서 값의 합이 1보다 클 때까지 학습하고, 문장이 부정이라면 문장에 포함된 단어들의 정서 값의 합이 –1보다 작을 때까지 학습하였다.
- 데이터로 표현하기 단계에서는 숫자, 문자, 이미지, 소리, 동영상 데이터를 수치로 표현하는 방법과 정형, 반정형, 비정형 데이터의 정의를 조사하고, 구체적인 사례를 찾아 정리하는 탐구를 수행하였다. 활동을 세부적으로 살펴보면, [Fig. 3]와 같이 컴퓨터가 다루는 2진수를 10진수로 변환하기 활동, [Fig. 4]과 같이 소리 파형을 디지털로 샘플링하는 활동, [Fig. 5]와 같이 색을 RGB값으로 표현하고 비트맵 이미지 그리는 활동, 정형, 반정형, 비정형 데이터의 정의를 조사하고, 인터넷 홈페이지와 SNS에서 구체적인 사례 찾아 데이터의 특성을 탐구하는 활동을 수행하였다.
- 활동을 세부적으로 살펴보면, 음식의 속성을 매운맛, 짠맛, 단맛 등 맛의 종류로 구분하는 활동, 음식별 맛의 종류에 따른 정도(1∼5단계)를 정하고 실제 학생이 먹어본 음식의 데이터를 수집하였다.
대상 데이터
- 이영호(2019)는 블록형 프로그래밍 도구를 사용하여 초등학생을 위한 인공지능 교육 프로그램을 개발하였다 [17]. 교육 프로그램은 교육용 프로그래밍 언어인 scratch 3.0를 사용하고, 지도학습 기반의 텍스트 인식 인공지능 체험을 2차시 분량, 이미지 인식 인공지능 체험을 2차시 분량으로 총 4차시 분량으로 구성하고, 초등학교 5,6학년 406명을 대상으로 적용하였다. 적용한 결 과, 초등학생이 인식하는 인공지능 기술의 중요성, 접근성, 학교에서의 인공지능 기술 교육의 필요성의 사전과 사후의 변화가 통계적으로 유의한 것으로 분석되었다.
- 연구대상은 전국의 초등학교에 공문을 발송하여 초등학교 4∼6학년 대상으로 “정서 데이터와 인공지능” 수업을 홍보하고, 온라인 교육에 4주간의 수업과 사후 설문까지 참여한 230명(4학년 114명, 5학년 74명, 6학년 42명)을 대상으로 연구하였다.
- 본 연구에서는 인공지능 교육 콘텐츠를 개발하기 위해서 주제는 ReadyAI Lab에서 제시한[19], 초등학교 5학년 대상 단어의 긍정과 부정을 분류하는 교육 콘텐츠를 전문가 협의를 통해 선정하고 개발하였다. 전문가의 구성은 컴퓨터교육학 박사 2명과 박사수료 1명, 국어교육학 석사 1명, 초등교사 1명으로 총 5명이 참여하였다. 선정한 주제를 4단계로 구분하고 각 단계당 2차시씩 총 8차시 분량의 온라인 수업으로 재구성하였다.
데이터처리
- 인공지능 기술에 대한 태도가 높은 집단(4점 이상)과 낮은 집단(4점 미만) 간에 학습 단계별 과제 수행율을 독립표본 t검증하였다.
- 분석은 SPSS WIN 12.0을 사용하여 인공지능 기술에 대한 태도를 수업 전과 후를 대응표본 t검증하였다. 인공지능 기술에 대한 태도가 높은 집단(4점 이상)과 낮은 집단(4점 미만) 간에 학습 단계별 과제 수행율을 독립표본 t검증하였다.
- 수업 전에 인공지능에 대한 태도가 4점 이상으로 높은 집단과 4점 미만으로 낮은 집단을 구분하여 사전사후 차이분석을 하였다. 사전에 인공지능에 대한 태도가 높은 집단은 [Table 2]와 같이, 흥미, 중요성과 영향, 진로 영역에서 매우 높게 나타났고, 사후에 평균 점수가 감소하는 것으로 분석되었다.
이론/모형
- 본 활동에 적용된 단어의 정서 값 결정 모델은 초등 학생 수준을 고려하여 델타 규칙(delta rule)을 활용하였으며 단일 퍼셉트론이라고 할 수 있다[3]. 단어의 정서 값을 결정하기 위해 각 단어 마다 단일 퍼셉트론으로 정하고, 기본적인 델타 규칙을 통해 학습 데이터로 주어진 문장을 모두 만족시킬때까지 임계 값(threshold)을 기준으로 정하는 방법을 적용하였다.
성능/효과
- 현실에서 초등학생이 접하는 상황과 문제를 데이터로 도출하는 1단계에서는 약 97%로 분석되어 학생이 관심 있는 주제를 바탕으로 데이터를 도출하는 활동이 학생의 수준에 적합한 것으로 해석할 수 있다. 데이터의 표현 방식에 대한 이해를 다루는 2단계에서는 약 77%의 수행을 보여 1단계에 비해 학생이 처음 접하는 방식과 경험을 제공하고 있어 상대적으로 어렵게 인식하는 것으로 분석되었다. 문제를 해결하기 위해서 도출한 속성으로 데이터 표현 방식에 따라 데이터를 수집하여 문제를 해결하는 규칙을 제작하는 3단계에서는 약 92%의 수행을 보여 비교적 학생의 수준에 적합한 것으로 분석되었다.
- 첫째, 기본적인 소양의 차원에서 인공지능의 정의, 개념, 윤리적 차원의 접근과 언플러그드 방식을 활용하는 방향이다. 둘째, 인공지능을 체험하는 수준에서 인공지능 서비스를 경험하거나 간단하게 인공지능을 적용해보는 인공지능 교육 플랫폼을 활용하는 방향이다. 마지막으로 인공지능을 활용하여 문제를 해결하고자 인공지능이 학습하는 원리와 이론에 대한 이해와 실제로 적용하기 위한 인공지능 교육 플랫폼의 적극적인 활용의 방향으로 구분할 수 있다.
- 첫째, 초등학교 고학년을 대상으로 놀이와 체험을 중심으로 하는 언플러그드를 적극적으로 활용하는 것으로 나타났다[6]. 둘째, 초등학교 수준에서 접할 수 있는 인공지능 서비스를 체험하여 문제를 해결하거나 도움을 받을 수 있는 경험을 제공하는 것으로 나타났다. 마지막으로 인공지능 교육 플랫폼에서 이미지, 텍스트 데이터를 학습하고 결과를 시각화된 형태로 제공하여 인공지능으로 문제를 해결해보는 경험을 제공하는 것으로 분석되었다.
- 문제를 해결하기 위해서 도출한 속성으로 데이터 표현 방식에 따라 데이터를 수집하여 문제를 해결하는 규칙을 제작하는 3단계에서는 약 92%의 수행을 보여 비교적 학생의 수준에 적합한 것으로 분석되었다. 마지막으로 수집한 데이터를 기반으로 컴퓨터가 학습하여 자동으로 문제를 해결하는 4단계에서는 약 75%의 수행을 보여 4단계 중에서 가장 어려워하는 것으로 분석되었다.
- 둘째, 초등학교 수준에서 접할 수 있는 인공지능 서비스를 체험하여 문제를 해결하거나 도움을 받을 수 있는 경험을 제공하는 것으로 나타났다. 마지막으로 인공지능 교육 플랫폼에서 이미지, 텍스트 데이터를 학습하고 결과를 시각화된 형태로 제공하여 인공지능으로 문제를 해결해보는 경험을 제공하는 것으로 분석되었다.
- 데이터의 표현 방식에 대한 이해를 다루는 2단계에서는 약 77%의 수행을 보여 1단계에 비해 학생이 처음 접하는 방식과 경험을 제공하고 있어 상대적으로 어렵게 인식하는 것으로 분석되었다. 문제를 해결하기 위해서 도출한 속성으로 데이터 표현 방식에 따라 데이터를 수집하여 문제를 해결하는 규칙을 제작하는 3단계에서는 약 92%의 수행을 보여 비교적 학생의 수준에 적합한 것으로 분석되었다. 마지막으로 수집한 데이터를 기반으로 컴퓨터가 학습하여 자동으로 문제를 해결하는 4단계에서는 약 75%의 수행을 보여 4단계 중에서 가장 어려워하는 것으로 분석되었다.
- 연구결과를 정리하면 다음과 같다. 본 연구에 참여한 집단은 인공지능에 관심이 있는 학생이 수업에 참여하게 되어 수업 이후에 태도의 상승이 나타나지 않는 천장효과가 발생하는 것으로 분석되었다. 수업 전에 인공지능에 대한 태도가 비교적 낮은 집단을 선정하여 분석을 수행한 결과, 사전에 비해 사후에서 태도가 상승하는 것으로 분석되어 본 연구에서 제안하는 인공지능 교육 콘텐츠가 초등학교 고학년을 대상으로 효과적이라 할 수 있다.
- 본 연구에서 개발한 인공지능 교육 콘텐츠의 각 단계 별로 학생 과제수행을 완료한 비율을 분석한 결과, 전체적으로 약 85% 수행한 것으로 분석되었고 세부적인 내용은 [Table 4]와 같다.
- 연구를 구체적으로 살펴보면, SW교육 교수학습 모델 중 CT 요소중심 모델을 인공지능 교수학습 모형으로 재구성하여 인식화, 개념화, 알고리즘화, 자동화, 일반화의 5단계로 제안하였고[7], 총 9차시 분량의 교육 프로그램을 개발하여 초등학교 6학년을 대상으로 2주간 적용하여 결과를 분석하였다. 분석결과 제안하는 인공지능 교육 프로그램은 학습자 수준의 적합도와 교사지도 수준의 적합도가 .80 이상인 것으로 나타났고, 학생의 학습 이해도와 유익성, 흥미도, 학습자료 등에 대해 평균 4.0 이상을 보여 충분히 교육적으로 활용 가능함을 보여주었다.
- 연구는 한국의 차세대 소프트웨어(SW)교육 표준모델, 미국의 ReadyAI Lab, AI4All open learning, ECS alternate Curriculum Unit on AI, 유럽의 Elements of AI 의 교육내용을 AI4K12에서 제시한 AI의 5가지 빅아이디어를 중심으로 분석하였다. 분석결과, 인공지능 교육의 핵심적인 주제로 한국은 인공지능 개념, 지식표현 및 추론, 머신러닝, 인공신경망에 중점을 두고 있고, 미국은 인공지능 개념, 인식, 표현과 추론, 학습(머신러닝, 인공 신경망), 상호작용, 사회적영향을 포함하고, 유럽은 인공 지능 개념, 문제해결, 머신러닝, 인공신경망, 미래예측 및 사회적 영향을 다루고 있는 것으로 나타났다.
- 수업 전에 인공지능에 대한 태도가 4점 이상으로 높은 집단과 4점 미만으로 낮은 집단을 구분하여 사전사후 차이분석을 하였다. 사전에 인공지능에 대한 태도가 높은 집단은 [Table 2]와 같이, 흥미, 중요성과 영향, 진로 영역에서 매우 높게 나타났고, 사후에 평균 점수가 감소하는 것으로 분석되었다. 인공지능을 구체적으로 학습하게 됨에 따라 추상적이고 피상적이었던 태도와 인식이 보다 현실적으로 변화하는 것이라고 해석할 수 있다.
- 본 연구에 참여한 집단은 인공지능에 관심이 있는 학생이 수업에 참여하게 되어 수업 이후에 태도의 상승이 나타나지 않는 천장효과가 발생하는 것으로 분석되었다. 수업 전에 인공지능에 대한 태도가 비교적 낮은 집단을 선정하여 분석을 수행한 결과, 사전에 비해 사후에서 태도가 상승하는 것으로 분석되어 본 연구에서 제안하는 인공지능 교육 콘텐츠가 초등학교 고학년을 대상으로 효과적이라 할 수 있다.
- 연구 도구의 Cronbach α계수는 흥미 .872, 중요성과 영향 .637, 진로 .765으로 분석되어 신뢰할 수 있는 것으로 나타났다.
- 수업은 초등학교 4∼6학년을 대상으로 온라인 교육을 적용하였다. 연구결과, 수업하기 이전에 인공지능에 대한 태도가 높은 학생은 천장효과가 나타나는 것을 확인할 수 있었다. 반면, 인공지능에 대한 태도가 상대적으로 낮은 학생의 경우, 수업 전과 후의 태도가 통계적으로 유의미하게 차이가 있고, 상승한 것으로 분석되어 본 연구에서 개발한 인공지능 교육 콘텐츠가 교육적으로 의미가 있다고 해석할 수 있다.
- 인공지능에 대한 흥미, 중요성과 영향, 진로의 하위 영역에서 통계적으로 유의미한 차이는 없는 것으로 분석되었다. 각 영역별로 평균 점수가 상승하거나 동일한 것으로 나타났지만, 인공지능에 흥미와 관심이 높은 학생이 수업에 참여하게 되어 수업 이전부터 5점 만점에 4점 이상으로 높게 나타나 수업 이전과 이후에 인공지능에 대한 태도에서 차이가 발생하지 않는 천장효과가 발생하는 것으로 해석할 수 있다[23].
- 개발된 교육 프로그램은 인공지능에 대한 탐구, 선형회귀, 의사 결정트리, 관심사 추천, 퍼셉트론, 나만의 인공지능 구상하기로 총 6차시 분량으로 제작하여 초등학교 5학년 학생을 대상으로 적용하였다. 적용결과, 인공지능에 대한 관심이 증가하였고, 인공지능 교육에 대한 인식이 긍정적으로 변화한 것으로 분석되었다.
- 0를 사용하고, 지도학습 기반의 텍스트 인식 인공지능 체험을 2차시 분량, 이미지 인식 인공지능 체험을 2차시 분량으로 총 4차시 분량으로 구성하고, 초등학교 5,6학년 406명을 대상으로 적용하였다. 적용한 결 과, 초등학생이 인식하는 인공지능 기술의 중요성, 접근성, 학교에서의 인공지능 기술 교육의 필요성의 사전과 사후의 변화가 통계적으로 유의한 것으로 분석되었다.
- 전체적으로 살펴보면, 과제의 수행을 약 85%정도 완료하고 있을 뿐 아니라 가장 어려운 단계에서도 약 75%의 수행율을 나타내고 있고, 인공지능과 관련된 태도에 의해 과제수행에 차이가 비교적 적어 본 연구에서 제시하는 콘텐츠가 초등학생을 위한 인공지능 교육 콘텐츠로 적합하다고 할 수 있다.
- 마지막 단계인 인공지능 프로그램 이해하고 활용하기 단계에서는 데이터를 정의하고 수집하여 인공신경망을 경험할 수 있도록 Teachable Machine을 활용하는 교육내용과 이를 위해 필요한 지식요소로 데이터 정의하고 수집하기, 인공신경망 만들기, 학습한 모듈을 응용 프로그램에 적용하기로 정의하여 초등교사를 위한 교육과정과 교육 프로그램을 제안하였다. 제안한 교사를 위한 콘텐츠는 타당성이 4점 이상으로 평가되어 초등학생을 위한 교육에 충분히 활용될 수 있음을 보여주었다.
- 보드게임을 제작한 과정은 인공지능 학습의 원리 이해를 학습목표로 설정하고, 게임의 소재를 이미지로 선정하여 인공지능 학습 방법 중 에 하나인 CNN(Convolutional Neural Network)방식에 따라 게임의 구조를 설계하여 게임의 규칙을 작성하고 테스트로 게임을 수행하여 최종적으로 수정하는 과정을 거쳐 인공지능 이미지처리 보드게임을 제작하였다. 제작한 보드게임을 초등학교 152명에게 적용한 결과, 5점 만점 중 평균 4.7점의 만족도와 92.0%의 이해도인 것으로 분석되어 보드게임의 형태로 인공지능이 학습하는 원리를 가르치는 것은 충분히 가능한 것으로 나타났다.
- 기존연구를 토대로 초등학생을 위한 인공지능 교육의 방향을 정리하면 다음과 같다. 첫째, 기본적인 소양의 차원에서 인공지능의 정의, 개념, 윤리적 차원의 접근과 언플러그드 방식을 활용하는 방향이다. 둘째, 인공지능을 체험하는 수준에서 인공지능 서비스를 경험하거나 간단하게 인공지능을 적용해보는 인공지능 교육 플랫폼을 활용하는 방향이다.
- 분석된 내용을 바탕으로 초등학생을 위한 인공지능 콘텐츠 개발에 대한 시사점은 다음과 같다. 첫째, 보드 게임이나 언플러그드의 경우 개념과 원리를 익히기에 적합하다고 할 수 있다. 데이터를 수집하여 인공지능과 같이 자동적으로 문제를 해결하기 위해서 스스로 학습하는 과정을 시뮬레이션하기 위해서는 오프라인 활동만으로는 부족하다고 할 수 있다.
- 학생이 입력한 샘플 문장으로 동작하는 문장 정서 분류기의 모습은 [Fig. 9]과 같이, 입력된 문장 중에서 정서 값을 측정한 단어는 2개 단어가 있고, 친구(W1) 단어의 정서 값은 0.57, 음식(W2) 단어의 정서 값은 1점으로 계산되어 최종적으로 입력된 문장의 정서 값은 1.57점으로 계산되었다. 따라서, 입력한 샘플 문장의 정서 값이 1보다 크게 되어 문장을 분류하는 규칙에 따라 긍정적 인 문장인 것으로 분류되었다.
후속연구
- 초중등 인공지능 교육의 방향은 인공지능 기술을 이해하고 활용하여 학생이 스스로 문제를 해결할 수 있고, 광범위한 이론적 내용보다는 초중등 수준을 고려한 핵심적인 내용을 제공하며, 인공지능 기술과 사회적 영향과 윤리적인 고찰을 다루어야 함을 강조하였다. 마지막으로 초중등 학습자의 수준과 특성을 고려한 교육 콘텐츠와 도구의 개발이 필수적으로 선행될 필요가 있음을 제안하였다.
- 본 연구의 한계는 연구대상이 인공지능에 대해 어느 정도 관심과 흥미가 있는 학생이 연구에 참여하였다는 점에서 연구 표본의 대표성에 한계가 있다. 향후 연구로는 초등학생을 위한 인공지능 교육의 방향성에 따라 다양한 주제와 내용으로 풍부한 교육 콘텐츠의 개발이 요구될 뿐 아니라 인공지능 교육 단계에서 어려움을 느끼는 과제에 대한 세부적인 분석을 통해 교육 콘텐츠를 개발할 필요가 있다.
- 본 연구의 한계는 연구대상이 인공지능에 대해 어느 정도 관심과 흥미가 있는 학생이 연구에 참여하였다는 점에서 연구 표본의 대표성에 한계가 있다. 향후 연구로는 초등학생을 위한 인공지능 교육의 방향성에 따라 다양한 주제와 내용으로 풍부한 교육 콘텐츠의 개발이 요구될 뿐 아니라 인공지능 교육 단계에서 어려움을 느끼는 과제에 대한 세부적인 분석을 통해 교육 콘텐츠를 개발할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.