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
- 또한, DBR를 통하여 프로그래밍 기반 TPACK 교육 프로그램을 개선하였지만, 개선을 통하여 교육 프로그램이 예비 교사의 TPACK에 미치는 영향을 분석하지 않았다. 따라서 본 연구에서는 1차, 2차, 3차, 최종 프로그래밍 기반 TPACK 교육 프로그램이 예비 교사의 TPACK에 미치는 효과를 분석하였다. 교육 프로그램의 효과를 분석하기 위하여 대조군으로 ICT 도구를 활용한 TPACK 교육 프로그램을 예비 교사에게 적용하였다.
- 따라서 본 연구에서는 DBR를 통하여 개발한 프로그래밍 기반 TPACK 교육 프로그램을 검증하는 연구를 진행하였다. 연구에서는 DBR를 통하여 개발한 1차, 2차, 3차, 최종 교육 프로그램과 ICT 기반 TPACK 교육 프로그램을 예비 교사에게 적용하고, 예비 교사의 TPACK 변화를 분석하였다.
- DBR은 실용적인 교육 이론을 개발하고, 현장의 문제를 해결하기 위하여 교육의 문제를 분석하고, 문제를 해결하려는 방안을 개발하고, 개발한 문제 해결 방안을 현장에 적용하고, 적용 결과를 고찰하는 과정을 반복적으로 진행하는 연구 방법이다. 따라서 현장에서 발생하는 다양한 요인을 반영하여 실제적인 해결 방안을 개발할 수 있는 연구 방법이다. 또한, 반복적으로 연구를 진행하므로 일반화된 교육 이론과 모델, 프로그램을 도출할 수 있다[15][16].
- 본 연구에서는 DBR를 통하여 개발한 프로그래밍 기반 TPACK 교육 프로그램이 예비 교사의 TPACK에 미치는 효과를 살펴보았다. 이러한 연구를 통해 얻은 결론은 다음과 같다.
- 본 연구에서는 설계 기반 연구를 통하여 개발한 프로그래밍 기반 TPACK 교육 프로그램이 예비 교사의 TPACK에 미치는 효과를 분석하였다. 이러한 연구를 위하여 DBR를 통하여 개발한 1차, 2차, 3차, 최종 교육 프로그램과 ICT 기반 TPACK 교육 프로그램을 예비 교사에게 적용하였다.
- 김성원과 이영준(2017)은 예비 교사의 TPACK 교육에서 프로그래밍 언어를 테크놀로지 도구로 활용하기 위한 연구를 진행하였다. 연구에서는 예비 교사를 대상으로 TPACK 교육의 선행 연구를 분석하여 예비 교사의 TPACK을 향상시킬 수 있는 교육 방안을 도출하였다. TPACK 선행 연구에서는 ‘브레인스토밍, 수업 설계, TPACK 이론 탐색, 테크놀로지 탐색, 교육과정 분석, 마이크로티칭, 수업 성찰, 협력’이 예비 교사의 TPACK 향상에 효과가 있는 것으로 나타났다.
제안 방법
- 본 연구에서는 집단별로 다른 교육 프로그램을 처치하였다. E1, E2, E3, E4는 프로그래밍 기반 TPACK 교육 프로그램을 적용하였으며, C는 ICT 기반 TPACK 교육 프로그램을 실시하였다. 처치는 15주 동안 진행되었으며, 주마다 세 시간의 강의를 실시하였다.
- 개발한 교육 모델을 바탕으로 프로그래밍 기반 TPACK 교육 프로그램을 개발하였다. TPACK 교육 프로그램은 ‘분석-탐색-설계-적용-평가’로 구성하였다.
- 교육 프로그램의 효과를 분석하기 위하여 처치 전, 후에 TPACK 검사 도구를 실시하였다. 검사 결과를 비교하여 설계 기반 연구를 통하여 개선한 프로그래밍 기반 TPACK 교육 프로그램이 예비 교사의 TPACK에 미치는 영향을 검증하였다.
- 따라서 본 연구에서는 1차, 2차, 3차, 최종 프로그래밍 기반 TPACK 교육 프로그램이 예비 교사의 TPACK에 미치는 효과를 분석하였다. 교육 프로그램의 효과를 분석하기 위하여 대조군으로 ICT 도구를 활용한 TPACK 교육 프로그램을 예비 교사에게 적용하였다.
- 이러한 연구를 위하여 DBR를 통하여 개발한 1차, 2차, 3차, 최종 교육 프로그램과 ICT 기반 TPACK 교육 프로그램을 예비 교사에게 적용하였다. 교육 프로그램의 효과를 분석하기 위하여 처치 전, 후에 TPACK 검사 도구를 실시하였다. 검사 결과를 비교하여 설계 기반 연구를 통하여 개선한 프로그래밍 기반 TPACK 교육 프로그램이 예비 교사의 TPACK에 미치는 영향을 검증하였다.
- 반면에 최종 개발한 프로그래밍 기반 TPACK 교육 프로그램의 효과를 분석하는 연구가 진행되지 않았다. 또한, DBR를 통하여 프로그래밍 기반 TPACK 교육 프로그램을 개선하였지만, 개선을 통하여 교육 프로그램이 예비 교사의 TPACK에 미치는 영향을 분석하지 않았다. 따라서 본 연구에서는 1차, 2차, 3차, 최종 프로그래밍 기반 TPACK 교육 프로그램이 예비 교사의 TPACK에 미치는 효과를 분석하였다.
- 이에 따라 예비 교사의 TPACK 교육에서 테크놀로지 도구에 따른 예비 교사의 TPACK 변화를 확인할 수 있었다. 또한, E1, E2, E4의 비교를 통하여 예비 교사의 TPACK 교육에서 프로그래밍 교육을 개선하였을 때, 예비 교사의 TPACK 변화를 확인하였다. 하지만 TPACK 교육이 아니라 프로그래밍 교육만을 진행하였을 때, 예비 교사의 TPACK 변화를 확인하지 못하였다.
- 본 연구에서는 프로그래밍 기반 TPACK 교육 프로그램의 효과를 검증하기 위하여 통제 집단에게 한글, 스프레드시트, 파워포인트와 같은 ICT 도구를 활용한 TPACK 교육 프로그램을 적용하였다. 이에 따라 예비 교사의 TPACK 교육에서 테크놀로지 도구에 따른 예비 교사의 TPACK 변화를 확인할 수 있었다.
- 따라서 본 연구에서는 DBR를 통하여 개발한 프로그래밍 기반 TPACK 교육 프로그램을 검증하는 연구를 진행하였다. 연구에서는 DBR를 통하여 개발한 1차, 2차, 3차, 최종 교육 프로그램과 ICT 기반 TPACK 교육 프로그램을 예비 교사에게 적용하고, 예비 교사의 TPACK 변화를 분석하였다.
- 연구 대상은 한국의 K 대학에 다니고 있는 예비 교사이다. 연구자는 교육 프로그램을 활용한 강의를 개설하였으며, 집단별로 다른 교육 프로그램을 적용하였다. 연구 대상에게 연구에 대한 설명을 진행하였고, 연구 참여에 동의한 예비 교사에게만 검사를 실시하였다.
- 본 연구에서는 설계 기반 연구를 통하여 개발한 프로그래밍 기반 TPACK 교육 프로그램이 예비 교사의 TPACK에 미치는 효과를 분석하였다. 이러한 연구를 위하여 DBR를 통하여 개발한 1차, 2차, 3차, 최종 교육 프로그램과 ICT 기반 TPACK 교육 프로그램을 예비 교사에게 적용하였다. 교육 프로그램의 효과를 분석하기 위하여 처치 전, 후에 TPACK 검사 도구를 실시하였다.
- E1, E2, E3, E4는 프로그래밍 기반 TPACK 교육 프로그램을 적용하였으며, C는 ICT 기반 TPACK 교육 프로그램을 실시하였다. 처치는 15주 동안 진행되었으며, 주마다 세 시간의 강의를 실시하였다. 본 연구에서 처치는 K 대학교의 교양 강의의 일부로 진행되었다.
- 2차 교육 프로그램에서는 프로그래밍 학습과 프로그래밍 기반 교육과정, 수업 사례 분석을 개선하였다. 프로그램 개선을 통하여 예비 교사는 프로그래밍을 수업에 활용하는 과정에서 겪는 어려움은 감소하였지만, 프로그래밍을 교육적 맥락에 활용하지 못하고 지식을 전달하는 도구로 활용하였다.
대상 데이터
- 본 연구에서 연구 대상은 예비 교사이다. 따라서 본 연구의 결과는 예비 교사 교육과정의 개선에 활용할 수 있다.
- 처치는 15주 동안 진행되었으며, 주마다 세 시간의 강의를 실시하였다. 본 연구에서 처치는 K 대학교의 교양 강의의 일부로 진행되었다.
- 연구 대상은 한국의 K 대학에 다니고 있는 예비 교사이다. 연구자는 교육 프로그램을 활용한 강의를 개설하였으며, 집단별로 다른 교육 프로그램을 적용하였다.
- 연구에 참여한 예비 교사는 104명이며, 집단별로 성별과 학년은와 같다
데이터처리
- ANCOVA에서는 사전 검사 결과를 공변량(covariate)으로 설정하고, 집단별로 사후 검사값을 비교하였다. ANCOVA 분석이 유의한 경우에만 사후 검정을 실시하였으며, 사후 검정은 Bonferroni를 사용하였다. 사후 검사의 정규성(normality)과 등분산성(equal variance)은 Kolmogorov-Smirmov 검정과 Levene 검정을 통해 검증하였다.
- DBR를 통해 개발한 프로그래밍 교육 프로그램의 효과를 분석하기 위하여 공분산 분석(ANalysis of COVAriance, ANCOVA)을 실시하였다. ANCOVA에서는 사전 검사 결과를 공변량(covariate)으로 설정하고, 집단별로 사후 검사값을 비교하였다. ANCOVA 분석이 유의한 경우에만 사후 검정을 실시하였으며, 사후 검정은 Bonferroni를 사용하였다.
- DBR를 통해 개발한 프로그래밍 교육 프로그램의 효과를 분석하기 위하여 공분산 분석(ANalysis of COVAriance, ANCOVA)을 실시하였다. ANCOVA에서는 사전 검사 결과를 공변량(covariate)으로 설정하고, 집단별로 사후 검사값을 비교하였다.
- 사후 검사를 ANCOVA로 분석하기 위하여 정규성과 등분산성을 검증하였다. 정규성은 Kolmogorov-Smirmov 검정을 통하여 얻은 값이 모두 .
- ANCOVA 분석이 유의한 경우에만 사후 검정을 실시하였으며, 사후 검정은 Bonferroni를 사용하였다. 사후 검사의 정규성(normality)과 등분산성(equal variance)은 Kolmogorov-Smirmov 검정과 Levene 검정을 통해 검증하였다. 본 연구에서 통계 분석을 위한 프로그램은 IBM SPSS statistics 21.
이론/모형
- E1은 김성원과 이영준(2017)에서 개발한 프로그래밍 기반 TPACK 교육 프로그램을 적용하였다. 김성원과 이영준(2017)의 프로그래밍 기반 TPACK 교육 프로그램은 본인 교과의 문제를 분석하고, 문제 해결을 위한 내용을 탐색하고, 프로그래밍을 활용하여 수업을 설계하고, 설계한 수업을 적용하여, 수업을 성찰 및 개선하도록 구성하였다.
- 김성원과 이영준(2017)의 프로그래밍 기반 TPACK 교육 프로그램은 본인 교과의 문제를 분석하고, 문제 해결을 위한 내용을 탐색하고, 프로그래밍을 활용하여 수업을 설계하고, 설계한 수업을 적용하여, 수업을 성찰 및 개선하도록 구성하였다. E2와 E3, E4는 설계 기반 연구를 활용하여 김성원과 이영준(2017)의 프로그래밍 기반 TPACK 교육 프로그램(E1에서 처치)에서 예비 교사가 겪는 문제점을 분석하고, 선행 연구 분석을 통하여 개선한 교육 프로그램을 사용하였다[13].
- 처치에 따른 예비 교사의 변화를 측정하기 위하여 TPACK 검사 도구를 활용하였다. 예비 교사의 TPACK을 측정하기 위한 검사 도구는 박기철과 강성주(2014)의 연구에서 개발한 TPACK 검사 도구를 사용하였다. 검사 도구는 36개의 문항이며, 5점 리커트 척도로 응답하게 개발되었다[18].
- 처치에 따른 예비 교사의 변화를 측정하기 위하여 TPACK 검사 도구를 활용하였다. 예비 교사의 TPACK을 측정하기 위한 검사 도구는 박기철과 강성주(2014)의 연구에서 개발한 TPACK 검사 도구를 사용하였다.
성능/효과
- 교육 프로그램별로 ICT 기반 TPACK 교육 프로그램과 비교한 결과를 살펴보면, E1은 예비 교사의 PCK이 향상되었으며, E2는 TCK 발달에 효과적이었다. E3는 PK와 PCK, TPK, TCK 향상에 효과적이었으며, E4는 PK, CK, PCK, TPK, TCK, TPACKS 발달에 유의한 영향을 주었다.
- E2는 E1에서 프로그래밍 학습과 프로그래밍 기반 수업 사례와 교육과정 분석을 보완하였다. 그 결과, 예비 교사의 TCK에만 유의한 변화가 나타났다. 선행 연구를 살펴보면, E2에서는 E1과 달리 예비 교사가 프로그래밍 학습이나 수업에서 프로그래밍 활용에 느끼는 어려움을 감소하였다[14][21].
- 둘째, 예비 교사의 TPACK 교육에서 테크놀로지 도구의 종류는 TK에 영향을 주지 않았다. E1, E2, E3, E4와 C의 TK를 비교하였을 때, 예비 교사의 TK에서 유의한 차이가 나타나지 않았다.
- E4와 C는 테크놀로지 도구를 제외하고 동일한 TPACK 교육 프로그램을 적용하였을 때, TK를 제외한 TPACK의 모든 요인에서 E4가 유의하게 높았다. 따라서 E4는 C와 비교하였을 때, 예비 교사가 교과 내용과 교수학습에 맞게 테크놀로지를 활용할 수 있는 역량을 발달시키는 것을 확인할 수 있었다. 기존의 테크놀로지 도구는 기능적 한계를 가지므로 예비 교사가 테크놀로지 학습하고 수업에 활용에 어려움을 느꼈다.
- E1, E2, E3, E4와 C의 TK를 비교하였을 때, 예비 교사의 TK에서 유의한 차이가 나타나지 않았다. 따라서 예비 교사의 TK는 테크놀로지의 영향을 받지 않는 것을 확인할 수 있었다. 테크놀로지의 종류에 따라 예비 교사가 테크놀로지의 기능과 응용, 한계를 이해하는 정도의 차이는 존재하지 않았다.
- 그러므로 TK는 향상되었지만, TK와 PK의 통합과 CK가 통합된 지식이 형성되지 못하였다[23]. 따라서 프로그래밍 기반 수업 예시와 교육과정 분석, 프로그래밍 학습 보완은 예비 교사가 본인 교과에 프로그래밍의 통합을 촉진하지만(TCK), 교수-학습 상황에서 프로그래밍 활용 방안에 대한 지식을 발달하는 데 한계가 존재한다는 것을 확인할 수 있었다.
- 마지막으로 전체 검사 결괏값을 보면, 사후 검사에서 예비 교사의 TPACK은 통계적으로 유의한 차이가 확인되었다, F(4,98)= 4.83, p< .01.
- 예비 교사가 TK가 높을수록 테크놀로지가 어떠한 기능을 수행할 수 있는지 이해하고, 다양한 상황에서 테크놀로지의 응용 방안을 도출하고, 테크놀로지의 기능적 한계를 파악하여 상황에 따라 테크놀로지의 활용 방안이나 여부를 결정할 수 있다. 본 연구에서는 TPACK 교육 프로그램을 개선함에 따라 TK는 변화하지 못하였지만, TCK와 TPK, TPACK은 발달하였다. 따라서 예비 교사는 테크놀로지가 교과나 교수-학습에 어떠한 기능을 응용하고 활용할 수 있는지와 교육적 맥락에 따라 테크놀로지의 한계를 이해하는 지식은 발달하였다[9].
- 01. 사후 검정에서는 E4(M= 4.01, SD= .12)와 E3(M= 3.92, SD= .11)가 C(M= 3.44, SD= .12)보다 보정 평균(adjusted mean)이 높았으며, 집단 간의 차이가 유의한 것으로 나타났다.
- 연구 결과를 종합하면 예비 교사의 교육에서 프로그래밍 언어를 활용하면 ICT 도구를 활용하였을 때보다 예비 교사의 TPACK이 유의한 향상이 이루어진다는 것을 확인하였다.
- C와 비교하였을 때, E1, E2, E3, E4, TK의 보정 평균은 높았지만, 통계적으로 유의한 차이는 나타나지 않았다. 이러한 결과는 본 연구에서 활용한 처치가 TK의 발달에는 영향을 주지 않는다는 것을 확인할 수 있었다. 따라서 테크놀로지의 종류나 수업 사례 분석, 교육과정 분석, 수업 설계, 수업 성찰은 예비 교사의 TK에는 영향을 주지 않지만, TK와 CK, PK간의 통합을 촉진하여 TPACK 발달에 영향을 준다는 것을 확인할 수 있었다[14][32].
- 이러한 연구 결과는 기존에 TPACK 프레임워크가 등장한 것처럼 교사가 수업에 테크놀로지를 활용할 수 있는 역량을 향상하기 위해서는 테크놀로지에 대한 교육으로는 한계가 존재하며, 수업 사례나 수업 설계, 수업 성찰, 테크놀로지 기반 활동이 필요하다는 것을 증명하였다.
- E1과 E2의 수업 성찰은 수업 적용 결과를 바탕으로 진행하였지만, E3의 수업 성찰은 분석, 탐색, 설계 단계에서 설계 및 적용한 수업을 비교하도록 구성하였다. 이를 통하여 예비 교사는 기존의 내용 지식과 교육 신념, 태도 등을 바탕으로 설계한 수업과 프로그래밍을 경험한 후 설계한 수업, TPACK 이론과 수업 사례, 교육과정 등을 탐색한 뒤 설계한 수업을 비교하면서 프로그래밍의 효용과 한계를 이해하고, 본인 교과의 특성에 맞게 프로그래밍을 활용하는 방안을 도출할수 있다.
- E4에서는 프로그래밍 기반 TPACK 교육 프로그램에서 예비 교사가 프로그래밍 학습과 제작에서 겪는 인지적 부담을 감소시키기 위하여 프로그램을 개선하였다. 이를 통하여 예비 교사의 CK, PK의 발달과 지식 간의 상호작용을 통하여 TPK, TCK, PCK, TPACKS가 발달한 것을 확인할 수 있었다. 선행 연구에서는 예비 교사가 테크놀로지를 활용하지 못하는 것이 테크놀로지 학습에 대한 부담감과 테크놀로지의 지식 부족 때문이었다[14].
- E3는 PK와 PCK, TPK, TCK 향상에 효과적이었으며, E4는 PK, CK, PCK, TPK, TCK, TPACKS 발달에 유의한 영향을 주었다. 이를 통하여 예비 교사의 TPACK 교육에서 같은 프로그래밍 언어를 활용하여도 교육 방안에 따라 예비 교사의 TPACK 발달에 미치는 영향이 다르다는 것을 확인할 수 있었다.
- 사후 검사를 ANCOVA로 분석하기 위하여 정규성과 등분산성을 검증하였다. 정규성은 Kolmogorov-Smirmov 검정을 통하여 얻은 값이 모두 .05보다 크므로 정규성 가정이 만족한다고 판단하였다. 등분산성은 Levene 검정을 통해 분석한 결괏값이 모두 .
- 첫째, DBR를 통하여 개발한 프로그래밍 기반 TPACK 교육 프로그램은 예비 교사의 TPACK 발달에 효과적이다. ICT 기반 TPACK 교육 프로그램(C)보다 프로그래밍 기반 TPACK 교육 프로그램(E4)이 예비 교사의 TPACK발달에 효과적이었다.
후속연구
- 하지만 교사는 예비 교사와 다르게 수업 설계 및 적용 경험이 많으며, 교육적 신념이나 태도가 다르다. 따라서 본 연구에서 개발한 프로그래밍 기반 TPACK 교육 프로그램을 적용하는 데 한계가 존재한다. 따라서 후속 연구에서는 교사의 특성에 맞게 프로그래밍 기반 TPACK 교육 프로그램을 개선하고, 교사를 대상으로 DBR를 진행하여야 한다.
- 본 연구에서 연구 대상은 예비 교사이다. 따라서 본 연구의 결과는 예비 교사 교육과정의 개선에 활용할 수 있다. 하지만 교사는 예비 교사와 다르게 수업 설계 및 적용 경험이 많으며, 교육적 신념이나 태도가 다르다.
- 따라서 본 연구에서 개발한 프로그래밍 기반 TPACK 교육 프로그램을 적용하는 데 한계가 존재한다. 따라서 후속 연구에서는 교사의 특성에 맞게 프로그래밍 기반 TPACK 교육 프로그램을 개선하고, 교사를 대상으로 DBR를 진행하여야 한다. 이를 통하여 교사의 TPACK 향상에 효과적인 TPACK 교육 프로그램을 개발할 수 있으며, 개발한 교육 프로그램을 교사 연수에 활용하면 교사의 TPACK 향상뿐만 아니라 학교 현장에서 효과적인 교육이 진행되는데 기여할 수 있다.
- 따라서 후속 연구에서는 교사의 특성에 맞게 프로그래밍 기반 TPACK 교육 프로그램을 개선하고, 교사를 대상으로 DBR를 진행하여야 한다. 이를 통하여 교사의 TPACK 향상에 효과적인 TPACK 교육 프로그램을 개발할 수 있으며, 개발한 교육 프로그램을 교사 연수에 활용하면 교사의 TPACK 향상뿐만 아니라 학교 현장에서 효과적인 교육이 진행되는데 기여할 수 있다.
- 따라서 프로그래밍 언어의 효과를 해석하는 데 한계가 존재한다. 후속 연구에서는 프로그래밍 교육을 받는 집단, ICT 활용 교육을 받는 집단, ICT 기반 TPACK 교육 프로그램을 받는 집단, 프로그래밍 기반 TPACK 교육 프로그램을 받는 집단으로 나누고, 처치에 따른 예비 교사의 TPACK 변화를 통하여 프로그래밍 기반 TPACK 교육 프로그램의 효과를 검증하고 일반화하여야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.