[국내논문]컴퓨터 비전공자를 위한 기초 코딩 교육에서 학습자의 시각적 문해력과 사고 유형이 프로그램 이해와 작성에 미치는 영향 분석 Analysis of the Effects of Learners' Visual Literacy and Thinking Patterns on Program Understanding and Writing in Basic Coding Education for Computer Non-majors원문보기
최근 소프트웨어와 인공지능 교육이 점차 중요하게 다루어지면서 2019년 12월 과학기술정보통신부는 2022년까지 초·중등학교에서 소프트웨어와 인공지능 교육을 필수교육으로 확대하는 계획을 발표하였다. 초·중등학교에서는 물론, 대부분 대학교에서도 컴퓨터 비전공자들을 대상으로 한 소프트웨어 교육이 활발히 이루어지고 있지만, 컴퓨터 비전공자들을 대상으로 하는 코딩 교육에 관한 연구는 부족한 실정이다. 본 논문에서는 대학의 교양 과목으로 컴퓨터 비전공자를 대상으로 한 코딩 교육에서 효율적인 교수학습방법을 찾고자 한다. 밀레니얼 세대와 Z세대로 불리는 요즘 대학생들은 시각적 정보를 선호하고 디지털 네이티브로 컴퓨터에 익숙하다. 이런 특징을 기반으로 대학생들의 시각적 문해력과 사고 유형을 조사한 후, 기초 코딩 과목에서 학생들의 시각적 문해력과 사고유형이 프로그램을 이해하고 작성하는 코딩 기반의 문제해결력에 영향을 미치는지 살펴보았다. 이를 토대로 코딩이 처음인 컴퓨터 비전공자 학생들을 위한 코딩 활동에 대해서 보다 효율적인 교수학습방법에 대한 대안을 제시하였다.
최근 소프트웨어와 인공지능 교육이 점차 중요하게 다루어지면서 2019년 12월 과학기술정보통신부는 2022년까지 초·중등학교에서 소프트웨어와 인공지능 교육을 필수교육으로 확대하는 계획을 발표하였다. 초·중등학교에서는 물론, 대부분 대학교에서도 컴퓨터 비전공자들을 대상으로 한 소프트웨어 교육이 활발히 이루어지고 있지만, 컴퓨터 비전공자들을 대상으로 하는 코딩 교육에 관한 연구는 부족한 실정이다. 본 논문에서는 대학의 교양 과목으로 컴퓨터 비전공자를 대상으로 한 코딩 교육에서 효율적인 교수학습방법을 찾고자 한다. 밀레니얼 세대와 Z세대로 불리는 요즘 대학생들은 시각적 정보를 선호하고 디지털 네이티브로 컴퓨터에 익숙하다. 이런 특징을 기반으로 대학생들의 시각적 문해력과 사고 유형을 조사한 후, 기초 코딩 과목에서 학생들의 시각적 문해력과 사고유형이 프로그램을 이해하고 작성하는 코딩 기반의 문제해결력에 영향을 미치는지 살펴보았다. 이를 토대로 코딩이 처음인 컴퓨터 비전공자 학생들을 위한 코딩 활동에 대해서 보다 효율적인 교수학습방법에 대한 대안을 제시하였다.
As software and artificial intelligence education became more and more important, in December 2019, the Ministry of Science and ICT announced plans to expand software and AI education to mandatory education in elementary and secondary schools by 2022. In addition to elementary and secondary schools,...
As software and artificial intelligence education became more and more important, in December 2019, the Ministry of Science and ICT announced plans to expand software and AI education to mandatory education in elementary and secondary schools by 2022. In addition to elementary and secondary schools, most universities are actively engaged in software education for computer non-majors, but research on coding education for computer non-majors is insufficient. The purpose of this paper is to find an efficient teaching and learning method for coding education for computer non-majors. Nowadays, college students, called Millennial and Generation Z, prefer visual information and are familiar with computers as digital natives. Based on these characteristics, this study examined the visual literacy and thinking styles of college students and then examined whether the students' visual literacy and thinking styles influenced coding-based problem solving in coding subjects. Based on this, this paper proposes an alternative to do programming education more efficiently for students who are new to coding.
As software and artificial intelligence education became more and more important, in December 2019, the Ministry of Science and ICT announced plans to expand software and AI education to mandatory education in elementary and secondary schools by 2022. In addition to elementary and secondary schools, most universities are actively engaged in software education for computer non-majors, but research on coding education for computer non-majors is insufficient. The purpose of this paper is to find an efficient teaching and learning method for coding education for computer non-majors. Nowadays, college students, called Millennial and Generation Z, prefer visual information and are familiar with computers as digital natives. Based on these characteristics, this study examined the visual literacy and thinking styles of college students and then examined whether the students' visual literacy and thinking styles influenced coding-based problem solving in coding subjects. Based on this, this paper proposes an alternative to do programming education more efficiently for students who are new to coding.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이 요인들에 대한 측정항목들을 분석하여 프로그램을 이해하고 작성하는 코딩 기반 문제해결력과 어떤 관계를 갖는지 분석한다. 또한, 시각적 문해력 요인과 사고 유형 요인 간 상호작용 효과가 존재하는지를 파악하여 컴퓨터 비전공자를 위한 효과적인 수업방안을 제안하고자 한다.
이처럼 국내·외에서 Python 언어는 대학의 컴퓨터 비전공자에게 적합한 언어로 판단할 수 있다[15]. 본 논문에서는 Python 프로그래밍을 다루는 한 대학의 교양 과목을 수강한 컴퓨터 비전공자 학습자들을 대상으로 프로그램을 이해하고 작성하는 코딩 기반의 문제해결력을 측정한다. 이를 위해 Python 프로그래밍 요소를 부분적으로 묻는 <문제해결력 측정문항군 1>과 전체 프로그래밍 요소를 포함한 <문제해결력 측정문항군 2>를 바탕으로 어떤 특성을 가진 학생들이 높은 문제해결력을 갖는지 분석하고자 한다.
본 논문에서는 시각적 정보를 찾는 요즘 Z세대들의 특성을 고려하여 시각적 문해력에 초점을 두고 분석하였다. 한 연구에서 시각적으로 생각할 수 있는 능력은 시각적 메시지를 정확하게 해석하고 그러한 메시지를 작성할 수 있는 능력이라 정의하였다[40].
본 논문은 시각적 문해력이 컴퓨터 과학 교육 중 하나인 코딩 교육에 어떻게 영향을 미치는지를 분석하였다. 시각적 문해력을 고려하지 않았던 이전 연구[21][22]에서는 프로그래밍 초보자의 경우에는 구체적인 사고 유형을 가진 학습자가 더 유리하였다.
2장에서는 본 논문에서 적용한 시각적 문해력의 개념과 설문 문항을 기술하였다. 아울러 추상적/구체적 사고수준을 측정할 수 있는 설문 문항을 제시한다. 3장에서는 설문에 사용될 측정 문항을 기술한다.
이를 위해 Python 프로그래밍 요소를 부분적으로 묻는 과 전체 프로그래밍 요소를 포함한 를 바탕으로 어떤 특성을 가진 학생들이 높은 문제해결력을 갖는지 분석하고자 한다.
제안 방법
과 같이 첫번째 문항군()에서는 변수와 수식, 선택, 반복의 프로그래밍 요소를 이용하여 터틀 기반의 GUI 프로그램을 이해하고 코딩하는 문제들이었고, 두번째 문항군() 에서는 첫번째 문항군의 프로그래밍 요소를 포함하고 함수와 객체를 포함하여 종합적으로 프로그램을 이해하고 코딩을 하는 문제를 활용했다.
다음 시각적 문해력 값과 사고 유형(BIF 값), 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력간의 상관관계 분석을 통해 관계를 살펴보았다. <표 5>와 같이 상관관계 분석에서는 시각적 문해력이 높은 학생들의 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력이 높은 것으로 나타났다.
다음은 사고 유형을 나타내는 BIF 값과 시각적 문해력 값의 평균을 구한 후, 평균 이하인 집단과 평균을 초과하 는 집단으로 구분하였다. BIF 값과 시각적 문해력 값의 평균을 기준으로 나눈 집단 간 시각적 프로그램을 이해 하고 작성하는 코딩 기반 문제해결력의 차이가 있는지 분산분석을 하였다.
다음은 샘플의 수가 작아 회귀분석 결과가 회귀분석의 기본 가정을 위배하는지를 확인하기 위해 등분산성(homoscedasticity), 정규성(normality), 오차항의 독립성(independence of error)을 분석하였다. 첫째, 다음 <그림 1>과 같이 독립 변숫값의 수준이 다를 때 종속 변수가 가질 수 있는 평균은 달라도 평균을 중심으로 분산은 동일 한 분포를 보인다[34].
대학교의 교양 과목으로 개설된 코딩 수업에서 학습한 Python 언어를 대상으로 프로그램 이해하기와 작성하기 문항들을 가지고 2회 문제해결력을 측정하였다. <표3>과 같이 첫번째 문항군(<문제해결력 측정문항군 1>)에서는 변수와 수식, 선택, 반복의 프로그래밍 요소를 이용하여 터틀 기반의 GUI 프로그램을 이해하고 코딩하는 문제들이었고, 두번째 문항군(<문제해결력 측정문항군 2>) 에서는 첫번째 문항군의 프로그래밍 요소를 포함하고 함수와 객체를 포함하여 종합적으로 프로그램을 이해하고 코딩을 하는 문제를 활용했다.
실생활의 문제를 프로그래밍으로 해결할 때 사용하는 데이터흐름도(Data Flow Diagram), UML(Unified Modeling Language), 순서도 등은 모두 시각화된 다이어그램이다. 또한, 본 논문에서는 학생들의 추상적이거나 구체적인 사고 유형이 코딩에 영향을 미친다는 기존 연구[21][22]를 바탕으로 학생들의 사고 유형을 프로그래밍 에 영향을 미치는 요소로 선택하였다. 본 논문에서는 컴퓨터 비전공자 학생들의 개인 특성 요인 중 시각적 문해력 요인을 축소화하여 시각적 자료의 분석과 사용, 시각적 자료의 제작, 시각적 자료의 평가 요인으로 분류하였다.
문항은 Python 언어의 기본 내장 모듈인 터틀(Turtle) 모듈을 기반으로 한 기초적인 그래픽 사용자 인터페이스(Graphical User Interface: GUI) 프로그래밍에 초점을 두었다. 본 논문에서 채택한 프로그래밍 요소로는 프로그래밍 언어론[16][17]에서 다루는 변수, 연산자, 수식, 선택, 반복, 함수, 클래스를 두었다.
또한, 본 논문에서는 학생들의 추상적이거나 구체적인 사고 유형이 코딩에 영향을 미친다는 기존 연구[21][22]를 바탕으로 학생들의 사고 유형을 프로그래밍 에 영향을 미치는 요소로 선택하였다. 본 논문에서는 컴퓨터 비전공자 학생들의 개인 특성 요인 중 시각적 문해력 요인을 축소화하여 시각적 자료의 분석과 사용, 시각적 자료의 제작, 시각적 자료의 평가 요인으로 분류하였다. 이 요인들에 대한 측정항목들을 분석하여 프로그램을 이해하고 작성하는 코딩 기반 문제해결력과 어떤 관계를 갖는지 분석한다.
해석수준이론과 관련된 기존 연구들에 의하면 개인별로 추상적 사고수준에서 차이가 있는 것으로 조사되었다 [30][31]. 본 연구는 컴퓨터 비전공자들의 사고수준을 BIF로써 측정하였다[28][29]. 행동 개념화 척도 값이 컴퓨터 비전공자 학생들의 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력에 어떻게 영향을 미치는지 살펴본다면, 컴퓨터 비전공자들의 코딩 교육에 대한 유용한 시사점을 제시할 수 있다.
셋째, 오차항 간의 독립성을 분석하기 위해 상관관계를 분석하였다. 오차항 간의 상관관계가 존재한다는 것은 종속 변수 간에 체계적인 상호관계가 존재한다는 것을 의미한다.
시각적 문해력을 확인하기 위해 터틀을 이용한 코딩 기반의 문제해결력 측정 문항 예시를 과 같이 제시하였다.
시각적 문해력의 측정항목들을 다차원 요인으로서 축소하여 시각적 문해력 요인들이 시각적 프로그램을 이해하고 작성하는 코딩 기반의 문제해결력에 어떤 영향을 미치는지에 대해서 분석하였다. 요인분석 결과는 <표 4>에 나타난 바와 같이 시각적 문해력을 구성하는 요인들은 분석과 사용 능력, 제작 능력, 평가 능력으로 나타났다.
BIF 값과 시각적 문해력 값의 평균을 기준으로 나눈 집단 간 시각적 프로그램을 이해 하고 작성하는 코딩 기반 문제해결력의 차이가 있는지 분산분석을 하였다. 아울러 분산분석에서 상호작용 관계가 있는지를 확인하여 학생들의 개인 특성 간 관계를 분석하였다. 분산분석에서 상호작용 효과 분석은 어떤 한 독립 변수의 효과가 다른 독립 변수의 수준에 영향을 받는지 아닌지를 조사하는 것이다.
본 논문에서는 컴퓨터 비전공자 학생들의 개인 특성 요인 중 시각적 문해력 요인을 축소화하여 시각적 자료의 분석과 사용, 시각적 자료의 제작, 시각적 자료의 평가 요인으로 분류하였다. 이 요인들에 대한 측정항목들을 분석하여 프로그램을 이해하고 작성하는 코딩 기반 문제해결력과 어떤 관계를 갖는지 분석한다. 또한, 시각적 문해력 요인과 사고 유형 요인 간 상호작용 효과가 존재하는지를 파악하여 컴퓨터 비전공자를 위한 효과적인 수업방안을 제안하고자 한다.
이번 장에서는 시각적 문해력이 프로그램을 이해하고 작성하는 코딩 기반의 문제해결력에 어떤 영향을 미치는지를 분석한 후, 시각적 문해력 수준과 추상적/구체적 사고수준을 상하로 두어, 해당 문제해결력에 어떤 영향을 미치는지 살펴보았다. 이를 위해 본 연구에서 시각적 문 해력을 측정하기 위한 ACRL의 7개 범주의 20개 항목에 대하여 신뢰성 분석과 요인분석을 하였다.
이번 장에서는 시각적 문해력이 프로그램을 이해하고 작성하는 코딩 기반의 문제해결력에 어떤 영향을 미치는지를 분석한 후, 시각적 문해력 수준과 추상적/구체적 사고수준을 상하로 두어, 해당 문제해결력에 어떤 영향을 미치는지 살펴보았다. 이를 위해 본 연구에서 시각적 문 해력을 측정하기 위한 ACRL의 7개 범주의 20개 항목에 대하여 신뢰성 분석과 요인분석을 하였다.
연구에 따르면, 구체적 사고에서 추상적 사고로 이동하는 데 도움이 되는 몇 가지 중요한 요소는 다음과 같다[43]. 첫째, 추상적 사고수준을 높이기 위해 학생들을 문제 해결 상황에 참여시키고, 합리적인 결론에 이르기까지 일련의 작업을 계획하며 순서를 정하게 한다. 둘째, 문제에 대한 가능한 해결책을 식별하고 평가하게 한다[43].
본 연구에서는 2019학년도 진행된 대학 교양 과목을 수강하면서 설문조사에 동의한 학생들 61명을 대상으로 분석하였다. 학생들의 동의하에 BIF 값과 시각적 문해력을 측정하였다. 시각적 문해력을 확인하기 위해 터틀을 이용한 코딩 기반의 문제해결력 측정 문항 예시를 <표3>과 같이 제시하였다.
대상 데이터
본 연구에서는 2019학년도 진행된 대학 교양 과목을 수강하면서 설문조사에 동의한 학생들 61명을 대상으로 분석하였다.
데이터처리
다음은 사고 유형을 나타내는 BIF 값과 시각적 문해력 값의 평균을 구한 후, 평균 이하인 집단과 평균을 초과하 는 집단으로 구분하였다. BIF 값과 시각적 문해력 값의 평균을 기준으로 나눈 집단 간 시각적 프로그램을 이해 하고 작성하는 코딩 기반 문제해결력의 차이가 있는지 분산분석을 하였다. 아울러 분산분석에서 상호작용 관계가 있는지를 확인하여 학생들의 개인 특성 간 관계를 분석하였다.
과 마찬가지로 에 대한 평균 차이검증을 위해 사고 유형(추상적 vs. 구체적)과 시각적 문해력 수준(낮음 vs. 높음) 조건에 따른 2원 변량 분산분석을 하였다.
다음은 시각적 문해력의 요인들을 독립 변수로 삼고 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력을 종속 변수로 삼아 회귀분석을 하였다. 그 결과, <표 6>에서와 같이 <문제해결력 측정문항군 1>에 대해서는 시각적 문해력 요인 중에서 분석과 사용 능력이 회귀계수 1.
를 바탕으로 과 에 대해 사고 유형 (BLEVEL)과 시각적 문해력 수준(VLEVEL) 간 상호작용 효과가 있는지 분산분석을 하였다.
<문제해결력 측정문항군 1>에 대한 평균 차이검증을 위해 사고 유형(추상적 vs. 구체적)과 시각적 문해력 수준(낮음 vs. 높음) 조건에 따른 2원 변량 분산분석을 하였다. 먼저 사고 유형과 시각적 문해력 수준 조건에 따른 집단별 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력 평균(표준편차)은 다음과 같다.
이론/모형
그런데도 분산분석에 사용된 집단 간 평균 차이는 통계적으로 유의한 차이를 보였다. 본 연구에서 사용된 분산분석의 절차와 측정방법과 실험 설계는 기존의 연구방법론 교재와 논문에서 사용된 방법을 그대로 따르고 있다[36][37][38].
학생들의 개인 특성은 시각화가 소프트웨어 개발에 핵심 요소라고 주장하는 이론[18][19][20]에 근거하여 컴퓨터 비전공 학생들의 시각적 문해력(Visual Literacy)을 선택하였다. 실생활의 문제를 프로그래밍으로 해결할 때 사용하는 데이터흐름도(Data Flow Diagram), UML(Unified Modeling Language), 순서도 등은 모두 시각화된 다이어그램이다.
성능/효과
높음) 조건에 따른 2원 변량 분산분석을 하였다. 구체적 사고인 경우의 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력의 평균은 4.47(SD=3.28)이며, 추상적 사고인 경우의 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력의 평균은 4.74(SD=3.37)이었다. 낮은 시각적 문해력인 경우의 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력의 평균은 3.
그 결과, 에서와 같이 에 대해서는 시각적 문해력 요인 중에서 분석과 사용 능력이 회귀계수 1.13(p = .003)으로서 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력에 유의한 영향을 미치는 것으로 나타났다.
넷째, 독립 변수 간의 다중공선성(multi- collinearity)이 없음을 확인하였다. 독립 변수 간의 상관관계가 높으면 특정변수의 순수한 효과가 작아지게 되어 특정변수의 유의성이 상실될 수 있다.
둘째, 회귀분석의 정규성에서 오차항의 평균은 0이며, 분산은 σ2 인 정규분포를 이루어야 한다.
마지막으로 사고 유형과 시각적 문해력의 상호작용 효과는 통계적으로 유의하였다(F(1,57)=12.09, p=.001). 즉, 추상적 사고수준이 낮은 경우에는 시각적 문해력 수준이 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해 결력에 미치는 차이가 없었지만, 추상적 사고수준이 높은 경우에는 시각적 문해력이 높을수록 시각적 프로그램 을 이해하고 작성하는 코딩 기반 문제해결력이 높은 것으로 나타났다.
011). 마지막으로 사고 유형과 시각적 문해력의 상호작용 효과는 통계적으로 유의하였다(F(1,57)=4.90, p=.031).
<표 5>와 같이 상관관계 분석에서는 시각적 문해력이 높은 학생들의 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력이 높은 것으로 나타났다. 반면, 사고 유형은 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력에 영향을 미치지 않는 것으로 나타났다.
본 연구에서 분산분석의 분석 대상이었던 학생들의 지능지수, 학업성적, 소프트웨어 전문성과 경험, 부모의 소득 등 많은 개인적 차이는 전체 평균에서 설명되지 않는 오차항으로 반영이 되었다. 그런데도 분산분석에 사용된 집단 간 평균 차이는 통계적으로 유의한 차이를 보였다.
분산분석 결과 사고 유형에 따른 주 효과는 통계적으로 유의하지 않았다(F(1,57)=.15, p=.698). 분산분석 결과 시각적 문해력 수준에 따른 주 효과는 통계적으로 유의하였다(F(1,57)=6.
66)이었다. 분산분석 결과 사고 유형에 따른 주 효과는 통계적으로 유의하지 않았다(F(1,57)=.90, p=.346). 분산분석 결과 시각적 문해력 수준에 따른 주 효과는 통계적으로 유의하였다(F(1,57)=14.
분산분석 결과 시각적 문해력 수준에 따른 주 효과는 통계적으로 유의하였다(F(1,57)=14.20, p<.001).
분산분석 결과 시각적 문해력 수준에 따른 주 효과는 통계적으로 유의하였다(F(1,57)=6.94, p=.011).
분석 결과 과 모두 과 같이 사고 유형에 대해서는 수준 간 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력 격차가 존재하지 않았지만, 시각적 문해력 수준이 상위인 학생들이 두 시험 모두 성적이 좋았으며, 두 요인 간에도 상호작용이 존재하는 것으로 나타났다.
즉, 시각적 문해력과 사고 유형 간에 상호작용이 존재하고 있음을 밝힘으로써 어떤 경우에 추상적 사고와 구체적 사고가 각각 코딩 능력에 도움이 되는지 밝힐 수 있었다. 시각적 문해력이 높은 경우, 추상적 사고수준이 함께 높다면 가장 높은 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력을 가지게 됨을 알게 되었고, 시각적 문해력이 낮은 경우, 구체적 사고가 코딩 능력에 도움이 됨을 알 수 있다.
다음 시각적 문해력 값과 사고 유형(BIF 값), 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력간의 상관관계 분석을 통해 관계를 살펴보았다. <표 5>와 같이 상관관계 분석에서는 시각적 문해력이 높은 학생들의 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력이 높은 것으로 나타났다. 반면, 사고 유형은 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력에 영향을 미치지 않는 것으로 나타났다.
요인분석 결과는 에 나타난 바와 같이 시각적 문해력을 구성하는 요인들은 분석과 사용 능력, 제작 능력, 평가 능력으로 나타났다.
029)로서 유의한 영향을 미치는 것으로 나타났다. 제작 능력이 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력에 미치는 영향은 회귀계수 0.874(p = .034)로서 유의한 영향을 미치는 것으로 나타났다. 즉, 종합적인 프로그래밍 요소를 활용하여 문제를 잘 해결하기 위해서는 시각적 문해력 요인 중에서 분석과 사용 능력과 더불어 창의적으로 설계하고 제작해보는 능력이 함께 필요함을 알 수 있었다.
시각적 문해력의 다른 요인들은 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해 결력에 유의한 영향을 미치지는 않았다. 즉, 난이도가 상대적으로 낮은 문항군에서는 시각적 문해력 요인에서 시각적 자료를 잘 검색하고 수집하며, 효과적으로 사용하는 능력이 도움을 주고 있음을 알 수 있었다.
본 연구결과에서는 기존 연구에서 밝히지 못한 원인을 시각적 문해력으로 규명하였다. 즉, 시각적 문해력과 사고 유형 간에 상호작용이 존재하고 있음을 밝힘으로써 어떤 경우에 추상적 사고와 구체적 사고가 각각 코딩 능력에 도움이 되는지 밝힐 수 있었다. 시각적 문해력이 높은 경우, 추상적 사고수준이 함께 높다면 가장 높은 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력을 가지게 됨을 알게 되었고, 시각적 문해력이 낮은 경우, 구체적 사고가 코딩 능력에 도움이 됨을 알 수 있다.
하지만, 시각적 문해력 수준이 하위이면 사고 유형이 하위인 학생들의 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해결력이 높았다. 즉, 시각적 문해력이 높으면, 추상적 사고를 하는 학생일수록 문제를 잘 해결하는 반면, 시각적 문해력이 낮으면, 구체적 사고를 하는 학생일수록 문제를 잘 해결하는 것으로 분석되었다.
034)로서 유의한 영향을 미치는 것으로 나타났다. 즉, 종합적인 프로그래밍 요소를 활용하여 문제를 잘 해결하기 위해서는 시각적 문해력 요인 중에서 분석과 사용 능력과 더불어 창의적으로 설계하고 제작해보는 능력이 함께 필요함을 알 수 있었다.
001). 즉, 추상적 사고수준이 낮은 경우에는 시각적 문해력 수준이 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해 결력에 미치는 차이가 없었지만, 추상적 사고수준이 높은 경우에는 시각적 문해력이 높을수록 시각적 프로그램 을 이해하고 작성하는 코딩 기반 문제해결력이 높은 것으로 나타났다.
001). 즉, 추상적 사고수준이 낮은 경우에는 시각적 문해력 수준이 시각적 프로그램을 이해하고 작성하는 코딩 기반 문제해 결력에 미치는 차이가 없었지만, 추상적 사고수준이 높은 경우에는 시각적 문해력이 높을수록 시각적 프로그램 을 이해하고 작성하는 코딩 기반 문제해결력이 높은 것으로 나타났다.
첫째, 다음 과 같이 독립 변숫값의 수준이 다를 때 종속 변수가 가질 수 있는 평균은 달라도 평균을 중심으로 분산은 동일 한 분포를 보인다[34].
후속연구
이를 위해 학습자들의 특성을 먼저 파악해 볼 필요가 있다. 어떤 학습자 특성이 코딩에 긍정적인 영향을 미치는 지 찾아 적절한 교수학습 방법을 마련해야 할 것이다.
참고문헌 (43)
교육부 (2015). 2015 개정 교육과정 보도자료. http://www.moe.go.kr/web/100063/ko/board/view.do?bbsId316&boardSeq62381& modeview에서 인용.
국가교육과정정보센터 (2015). 교육과정 원문 및 해설서 2015 개정시기. http://ncic.go.kr/mobile.dwn.ogf.inventoryList.do#에서 인용.
손병국.송상호 (2018). 초등학교 소프트웨어 교육에서 에듀테인먼트 특성에 대한 주관성 유형 탐색. 정보교육학회논문지, 22(2), 177-193.
Kim, K., & Kim, H. (2014). A case study on necessity of computer programming for interdisciplinary education. Journal of digital convergence, 12(11), 339-348.
Koschke, R. (2003). Software Visualization in Software Maintenance, Reverse Engineering, and Re-engineering: A Research Survey. Journal of Software: Evolution and Process, 15(2), 87-109.
Brumberger, E. (2011). Visual Literacy and the Digital Native: An Examination of the Millennial Learner. Journal of Visual Literacy, 30(1), 19-47.
Moody, D. L. (2010). The "Physics" of Notations: A Scientific Approach to Designing Visual Notations in Software Engineering. 2010 ACM/IEEE 32nd International Conference on Software Engineering, 2, 485-486.
박찬정.현정석 (2018). 컴퓨팅 사고력을 위한 시각적 다이어그램 구조화의 성별 및 추상적 사고 성향 차이 분석. 컴퓨터교육학회논문지, 21(3), 11-20.
신지형 (2019). 밀레니얼세대와 Z세대의 미디어 이용. KISDI STAT Report, 19(4), 2-7.
Hattwig, D., Bussert, K., Medaille, A., & Burgess, J. (2013). Visual literacy standards in higher education: New opportunities for libraries and student learning. Libraries and the Academy, 13(1), 61-89.
강인애.이재경.남미진 (2014). 융합인재교육(STEAM) 을 통한 시각적 문해력 효과 연구: 인포그래픽 동영상 만들기를 중심으로. 교육발전연구, 30(1), 89-110.
Kiper, A., Arslan, S., Kiyici, M., & Akgun, O. E. (2012). Visual Literacy Scale: The Study of Validity and Reliability. The Online Journal of New Horizons in Education, 2(2), 73-83.
Pem, K. (2019). Enhancing High Order Science Visual Literacy Skills in Biology Learners. Open University of Mauritius. Online Submission.
Vallacher, R. R. & Wegner, D. M. (1987). What Do People Think They're Doing? Action Identification and Human Behavior. Psychological Review, 94(1), 3-15.
Vallacher, R. R. & Wegner, D. M. (1989). Levels of Personal Agency: Individual Variation in Action Identification. Journal of Personality and Social Psychology, 57(4), 660-671.
George, D. & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference. 11.0 update. (4th ed), Allyn & Bacon, Boston.
이학식.김영 (2002). SPSS 10.0 매뉴얼. 법문사.
남준우.이한식 (2010). 계량경제학 이론과 EViews/Excel 활용 (제3판). 홍문사.
Daniels, S. (2019). Why Visual Learning and Teaching?https://www.insightresources.org/2019/04/26/why-visual-learning-and-teaching/에서 인용. (Visual Learning and Teaching: An Essential Guide for Educators K-8에서 발췌).
백순근 (2007). 교육연구 및 통계작성. 교육과학사
임시혁 (2017). 통계자료의 분석의 이해와 적용. 아카데미프레스.
김재휘.김태훈.박인희 (2010). 예방 행동의 결과를 얻는 시점에 따른 효과적인 설득 메시지 유형: 해석수준이론을 중심으로. 한국심리학회지:소비자 광고, 11(3), 451-474.
Entry. https://playentry.org/#!/에서 인용.
https://www.thecampbellinstitute.org/wp-content/uploads/2017/09/Campbell-Institute-Visual-Literacy-WP.pdf 에서 인용.
박소라.김정선 (2011). 시각적 문해력 향상을 위한 그 림책의 그림 읽기 전략 연구. 미술교육연구논총, 30, 27-53.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.