[논문]라이트봇을 활용한 컴퓨팅 사고력에서 지식 정보의 진단 방안에 관한 연구

이영석

doi:10.15207/jkcs.2020.11.8.033

라이트봇을 활용한 컴퓨팅 사고력에서 지식 정보의 진단 방안에 관한 연구
A Study on the Diagnosis Method of Knowledge Information in Computational Thinking using LightBot 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.8, 2020년, pp.33 - 38

이영석 (강남대학교 KNU참인재대학)

초록
AI-Helper

현대 사회는 다양한 분야의 문제를 컴퓨터와 접목하여 새로운 방향으로 생각하고 문제를 해결할 필요가 있다. 이렇게 자신만의 아이디어로 컴퓨팅 기술을 활용하여 다양한 문제를 추상화하고 자동화하는 것을 컴퓨팅 사고라고 한다. 본 논문에서는 프로그래밍 교육 상황에서 다양한 문제를 제시하고 이를 해결하기 위해 다양한 문제해결 방식을 찾도록 하는 과정을 통해 컴퓨팅 사고 기반의 지식 정보를 어떻게 진단하고 향상시킬 수 있는지를 분석하고자 한다. 학습자를 진단하기 위해 사전 검사와 라이트봇을 수행하고, 그 결과의 상관관계를 파악하여 학습자의 지식 상태를 체크한 뒤, 문제 해결 학습 기법에 따라 강의를 진행한 평가 결과와 라이트봇 수행 결과의 상관관계를 분석하여, 제안하는 기법에 따라 학습한 학습자들의 집단 평균 성적을 비교 분석한 결과 학습효과가 유의미하게 있는 것으로 나타났다. 본 논문에서 제안하는 문제해결을 위한 컴퓨팅 사고력 기반의 지식 정보를 도출하고 향상시키는 기법을 소프트웨어 교육에 적용한다면 학생들의 흥미와 관심을 유도하여, 학습 효과가 높아질 것이다.

Abstract ▼ AI-Helper

Modern society needs to think in new directions and solve problems by grafting problems from diverse fields with computers. Abstraction and automation of various problems using computing technology with your own ideas is called computational thinking. In this paper, we analyze how to diagnose and improve knowledge information based on computational thinking through the process of presenting a variety of problems in programming education situations and finding several problem-solving methods to solve them. To pretest the learners, they were diagnosed using a measurement sheet and a LightBot. By determining the correlation between the evaluation results and LightBot results, the learners' current knowledge statuses were checked, and the correlation between the evaluation results and the LightBot results, based on what was taught according to the problem-solving learning technique, was analyzed according to the proposed technique. The analysis of the group average score of the learners showed that the learning effect was significant. If the method of deriving and improving knowledge based on computational thinking ability for solving the problem proposed in this paper is applied to software education, it will induce student interest, thereby increasing the learning effect.

주제어

표/그림 (5)

그림 Fig. 1. Knowledge discovery process
표 Table 1. The results of correlation analysis
표 Table 2. The results of correlation analysis
표 Table 3. Distribution of the research group according to class, gender and year grade
표 Table 4. Independent sample test for all learners

AI 본문요약
AI-Helper

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

문제 정의

이를 위해, 문제 해결 학습을 위해 다양한 문제 상황을 제시하고 다양한 문제해결 방식을 찾도록 하는 과정을 통해 컴퓨팅 사고 기반의 지식 정보를 어떻게 진단하고 향상시킬 수 있는지를 분석하고자 한다. 그리고, 이러한 교육 형태가 어떻게 지식 정보를 진단하고 향상 정도에 관한 상관관계와 효과성을 분석하고자 한다.
따라서 본 논문에서는 학생들의 흥미를 유도하면서 컴퓨팅 사고를 학습하기 위해서, 컴퓨팅 사고의 지식구조를 측정하고 표현하는 방법에 관한 방안을 찾고자 한다. 이를 위해, 문제 해결 학습을 위해 다양한 문제 상황을 제시하고 다양한 문제해결 방식을 찾도록 하는 과정을 통해 컴퓨팅 사고 기반의 지식 정보를 어떻게 진단하고 향상시킬 수 있는지를 분석하고자 한다.
따라서, 사람의 인식과 문제해결 과정의 지식 정보는 학습자들이 문제 공간(지식의 범위), 관계의 거리(근접성), 아이디어 사이의 연관성(어휘 연관) 및 문제 표현이 인식된 최종 상태(조건부 지식)에서 선택하기로 생각하고 문제해결의 개념지도를 학생의 지식구조 형태로 구성하여 관련 지식의 진단과 평가를 하고자 한다[20].
본 논문에서는 Python을 바탕으로 프로그래밍 교육을 문제 해결 학습 형태로 제시하여, 문제 상황을 스스로 해결해 나가도록 하였다. 그 결과, 학생들의 지식 정보와 학업 성적과 함께 학생들이 수행한 문제 해결 학습 과정과 학업 성적과의 상관관계를 분석하여 의미 있는 결과를 도출하였다.

제안 방법

이러한 3단계 라이트봇 과정은 컴퓨터 비전공자를 포함해서 컴퓨팅 사고력을 향상시키기에 적절한 도구라고 할 수 있다. 그래서 학기 초에 컴퓨팅 사고력을 진단하기 위해서 컴퓨팅 사고력 검사지를 풀고 라이트봇을 60분 동안 간단한 설명과 함께 풀 수 있도록 하였다. 이렇게 실시한 컴퓨팅 사고력 검사지와 라이트봇의 결과를 정리해서 상관관계를 분석한 결과는 Table 1과 같다.
따라서 본 논문에서는 학생들의 흥미를 유도하면서 컴퓨팅 사고를 학습하기 위해서, 컴퓨팅 사고의 지식구조를 측정하고 표현하는 방법에 관한 방안을 찾고자 한다. 이를 위해, 문제 해결 학습을 위해 다양한 문제 상황을 제시하고 다양한 문제해결 방식을 찾도록 하는 과정을 통해 컴퓨팅 사고 기반의 지식 정보를 어떻게 진단하고 향상시킬 수 있는지를 분석하고자 한다. 그리고, 이러한 교육 형태가 어떻게 지식 정보를 진단하고 향상 정도에 관한 상관관계와 효과성을 분석하고자 한다.
제안하는 지식 정보 진단 방안을 구성하기 위해서 한국교육학술정보원과 서울시 교육연구정보원에서 제시한 컴퓨팅 사고력 검사지를 활용하였다[3, 14, 20]. 컴퓨팅 사고력 검사지에 대한 문항과 그 검사지에 대한 신뢰도와 통계적으로 유의미한 결과를 이미 파악하였으므로, 학습자들의 초기 학습자 수준의 진단을 위해 이 사전 검사지를 사용하도록 한다[20].

이론/모형

하지만, 이 검사지는 펜과 연필로 푸는 형태이다 보니, 컴퓨팅 사고력을 측정할 수는 있지만, 실제 추상화 과정을 통해 컴퓨팅 사고력의 자동화 요소를 측정하기는 어려울 수 있으므로 라이트봇(Lightbot)이라는 도구를 사용하였다[20, 23].

성능/효과

본 논문에서는 Python을 바탕으로 프로그래밍 교육을 문제 해결 학습 형태로 제시하여, 문제 상황을 스스로 해결해 나가도록 하였다. 그 결과, 학생들의 지식 정보와 학업 성적과 함께 학생들이 수행한 문제 해결 학습 과정과 학업 성적과의 상관관계를 분석하여 의미 있는 결과를 도출하였다.
01)의 양의 상관관계가 나타났다. 따라서 컴퓨팅 사고력 검사지의 결과가 높아질수록 라이트봇의 진단 결과도 높아질 것이라고 할 수 있고, 그 반대의 경우도 성립된다고 할 수 있다.
상관관계를 분석한 결과, 라이트봇 사전 실행한 결과와 컴퓨팅 사고력 검사지 전체 결과는 .392(p<0.01)의 양의 상관관계가 나타났다.
이상의 결과를 종합했을 때, 컴퓨팅 사고력 기반의 문제해결 학습을 위한 제안하는 컴퓨팅 사고력의 지식 정보 진단 방안은 학업 성적과도 관련성이 높으면서 학생들의 컴퓨팅 사고력을 향상시켰다고 할 수 있다.
제안하는 지식 정보 진단 방안에 따라서 라이트봇 성적으로 진단한 결과 사전 평균 점수는 16.25 (표준편차 3.294)와 사후 평균 점수는 18.03 (표준편차 2.667)로, 평균 점수는 사후 결과가 높고 표준편차는 작아지므로 효과적인 학습이 이루어졌다고 할 수 있으며, 사전 진단 결과와 사후 진단 결과의 차이(t=-5.012, p<0.01)가 있음을 확인하였다.

후속연구

시대적인 요구에 따라서 다양한 기술과 정보를 바탕으로 융합적 사고가 가능한 인재를 필요로 하고 있다. 이러한 인재는 컴퓨팅 사고력을 바탕으로 다양한 문제해결의 경험을 수행할 수 있어야 하고, 자신의 지식 정보로 표현하여 구조화하는 능력이 필요하게 될 것이므로, 이에 관련된 연구가 더 많이 필요할 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	컴퓨팅 기술을 활용하기 위해서 학습해야하는 것은 무엇인가?	컴퓨팅 사고 기반의 소프트웨어 교육을 통해 학생들은 컴퓨팅 기술을 활용하여 자신의 생각과 아이디어를 표현하는 방법을 학습할 수 있다[7]. 컴퓨팅 기술을 활용하기 위해서는 컴퓨터의 동작 원리와 같은 기본 개념과 함께 교육용 프로그래밍 언어를 학습해야 한다[8].
	지식 발견과 추론을 하기 위해선 무엇을 해야하는가?	지식 발견과 추론은 복잡한 문제의 조건을 진단하고 적합한 해결책을 제시하기 위한 기법이다. 지식 발견을 위해 인간이 생각하는 방법과 유사한 형태로 지식을 표현하고, 표현된 지식을 정형화하여 다양한 조건에 맞는 추론이 가능하도록 해야 한다[20, 22].
	지식 발견과 추론은 무엇인가?	지식 발견과 추론은 복잡한 문제의 조건을 진단하고 적합한 해결책을 제시하기 위한 기법이다. 지식 발견을 위해 인간이 생각하는 방법과 유사한 형태로 지식을 표현하고, 표현된 지식을 정형화하여 다양한 조건에 맞는 추론이 가능하도록 해야 한다[20, 22].

참고문헌 (23)

S. H. Kim. (2015). Analysis of Non-Computer Majors' Difficulties in Computational Thinking Education, The Journal of Korean Association of Computer Education, 18(3), 49-57.
KERIS. (2016). Research report KR 2016-4, http://lib.keris.or.kr/search/detail/CATLAB000000012086.
Y. Lee. (2018). Analyzing the effect of software education applying problem-solving learning. Journal of Digital Convergence, 16(3), 95-100. DOI : 10.14400/JDC.2018.16.3.095
J. J. Lee & S. W. Kim. (2019). Analysis of Informatics Curriculum and Teaching Cases for Digital Literacy Education. The Journal of Korean Association of Computer Education, 22(5), 11-25. DOI : 10.32431/kace.2019.22.5.002
G. Chen, J. Shen, L. Barth-Cohen, S. Jiang, X. Huang, & M. Eltouhky. (2017). Assessing Elementary Students' Computational Thinking in Everyday Reasoning and Robotics Programming. Computer and Education, 109, 162-175. DOI : 10.1016/j.compedu.2017.03.001

상세보기
K. Kim & H. Kim. (2014). A Case Study on Necessity of Computer Programming for Interdisciplinary Education. Journal of Digital Convergence, 12(11), 339-348.
Y. Lee. (2018). Python-based Software Education Model for Non-Computer Majors. Journal of the Korea Convergence Society, 9(3), 73-78. DOI : 10.15207/JKCS.2018.9.3.073
S. Jun. (2017). Design and Effect of Development-Oriented Model for Developing Computing Thinking in SW Education. Journal of The Korean Assocaition of Information Ecucation, 21(6), 619-627. DOI : 10.14352/jkaie.2017.21.6.619

원문보기 상세보기
Atmatzidou, S. & Demetriadis, S. (2016). Advancing students' computational thinking skills through educational robotics: A study on age and gender relevant differences. Robotics and Autonomous Systems, 75, 661-670. DOI : 10.1016/j.robot.2015.10.008

상세보기
Y. Sung. (2017). Development of SW Education Model based on HVC Learning Strategy for Improving Computational Thinking. Journal of The Korean Assocaition of Information Ecucation, 21(5), 583-593.
J. K. Shim & D. Y. Kwon. (2019), Development of an Educational Tangible Coding Tools for Algorithmic Thinking Focused on Programming Activities. The Journal of Korean Association of Computer Education, 22(6), 77-90. DOI : 10.32431/kace.2019.22.6.002
O. H. Kang. (2020). Analysis of the Organization Structure and Learning Objectives of High School Informatics Textbooks. The Journal of Korean Association of Computer Education, 23(3), 9-15. DOI : 10.32431/kace.2020.23.3.002
E. J. Kim. (2019). A Study on Difficulty Equalization Algorithm for Multiple Choice Problem in Programming Language Learning System. The Journal of Korean Association of Computer Education, 22(3), 55-65. DOI : 10.32431/kace.2019.22.3.005

원문보기 상세보기
Y. Lee & J. Cho. (2019). Analysis of Correlation between Satisfaction and Academic Achievement of Software Education Based on Problem-solving Learning. Journal of the Korea Convergence Society, 9(2), 49-54. DOI : 10.22156/CS4SMB.2019.9.2.049
M. Lee & S. Kim. (2019). Study on the Development of a General-Purpose Computational Thinking Scale for Programming Education on Problem Solving. The Journal of Korean Association of Computer Education, 22(5), 66-77. DOI : 10.32431/kace.2019.22.5.006
S. Kim, Y. J. Kim, A. Jo & M. Lee. (2019). Development of a Tool for Computational Thinking Assessment in Problem-Solving Programming Education: Paper Type Inspection and Self-Report Questionnaire. The Journal of Korean Association of Computer Education, 22(3), 89-99. DOI : 10.32431/kace.2019.22.3.008

원문보기 상세보기
B. Kim, Y. Jeon, J. Kim & T. Kim. (2016). Development and Application of Real Life Problem Solving Lesson Contents Based on Computational Thinking for Informatics Integrated-Gifted Elementary School Students' Creativity. Korean Journal of Teacher Education, 32(1), 159-186. DOI : 10.14333/KJTE.2016.32.1.159

상세보기
J. Y. Ki. (2018). A Study on UX Design Process Lecture Based on Modified PBL(Problem-Based Learning). Journal of the Korea Convergence Society, 9(1), 117-131. DOI : 10.15207/JKCS.2018.9.1.117
J. H. Ku. (2017). Designing an App Inventor Curriculum for Computational Thinking based Non-majors Software Education. Journal of Convergence for Information Technology, 7(1), 61-66. DOI : 10.22156/CS4SMB.2017.7.1.061
Y. Lee & J. Cho. (2020). Knowledge representation for computational thinking using knowledge discovery computing. Information Technology and Management, 21(1), 15-28. DOI : 10.1007/s10799-019-00299-9

상세보기
Agustinaningsih, W. (2020, July). Personalized Learning Modeling for the Control of Student Creativity in Physics Learning Media. In International Conference on Learning Innovation 2019 (ICLI 2019) (pp. 88-95). Atlantis Press. DOI : 10.2991/assehr.k.200711.016
Meghji, A. F., Mahoto, N. A., Unar, M. A. & Shaikh, M. A. (2020). The Role of Knowledge Management and Data Mining in Improving Educational Practices and the Learning Infrastructure. Mehran University Research Journal of Engineering and Technology, 39(2), 310-323. DOI : 10.22581/muet1982.2002.08

상세보기
Danny Yaroslavski. (2018). Lightbot, http://Lightbot.com/.

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