R 매핑을 이용한 인공지능의 교육적 활용 탐색 -국외 문헌 분석을 중심으로- Exploring the Educational Use of Artificial Intelligence based on R mapping - Focusing on Foreign Publication Analysis Results -원문보기
최근의 혁신적 기술 진보를 배경으로 지능정보사회의 핵심기술인 머신러닝, 딥러닝을 비롯한 인공지능 기술이 비약적으로 발전하면서 인공지능의 교육적 활용에 대한 관심과 필요성이 높아지고 있다. 이에 교육부에서도 인공지능 기술에 기반한 지능정보사회를 대비하여 인공지능 역량 강화 교육을 교육 현장에 도입하는 제 1차 정보교육 종합계획을 발표하였다. 이에 본 연구에서는 인공지능의 교육적 활용 가능성을 탐색하기 위해 Web of Science(WoS)에서 인공지능의 교육적 활용과 관련된 국외 논문 416편의 자료를 수집하였다. 수집한 자료를 대상으로 R 프로그램의 bibliometrix 패키지를 활용하여 국가별 연구현황과 연구 주제, 인용횟수, 저자 등록 키워드 네트워크 분석을 실시하였다. 이를 통해 현재 해외에서 이루어지는 있는 인공지능의 교육적 활용에 대한 연구 동향을 알 수 있었다. 본 연구의 결과를 토대로 인공지능 역량 강화 교육을 위한 정보교육 과정에서 연구되어야 할 주제와 방향성에 대한 시사점 얻을 수 있을 것으로 보인다.
최근의 혁신적 기술 진보를 배경으로 지능정보사회의 핵심기술인 머신러닝, 딥러닝을 비롯한 인공지능 기술이 비약적으로 발전하면서 인공지능의 교육적 활용에 대한 관심과 필요성이 높아지고 있다. 이에 교육부에서도 인공지능 기술에 기반한 지능정보사회를 대비하여 인공지능 역량 강화 교육을 교육 현장에 도입하는 제 1차 정보교육 종합계획을 발표하였다. 이에 본 연구에서는 인공지능의 교육적 활용 가능성을 탐색하기 위해 Web of Science(WoS)에서 인공지능의 교육적 활용과 관련된 국외 논문 416편의 자료를 수집하였다. 수집한 자료를 대상으로 R 프로그램의 bibliometrix 패키지를 활용하여 국가별 연구현황과 연구 주제, 인용횟수, 저자 등록 키워드 네트워크 분석을 실시하였다. 이를 통해 현재 해외에서 이루어지는 있는 인공지능의 교육적 활용에 대한 연구 동향을 알 수 있었다. 본 연구의 결과를 토대로 인공지능 역량 강화 교육을 위한 정보교육 과정에서 연구되어야 할 주제와 방향성에 대한 시사점 얻을 수 있을 것으로 보인다.
There is a growing interest and need for the educational use of artificial intelligence as artificial intelligence technologies such as machine learning and deep learning, the core technologies of the intelligent information society, owing to the recent innovative technological advances. Consequentl...
There is a growing interest and need for the educational use of artificial intelligence as artificial intelligence technologies such as machine learning and deep learning, the core technologies of the intelligent information society, owing to the recent innovative technological advances. Consequently, the Ministry of Education announced the First Information Education Comprehensive Plan for introducing artificial intelligence competence enhancing education into the education field in preparation for the intelligent information society based on artificial intelligence technologies. Therefore, this study collected 416 overseas papers related to the educational use of artificial intelligence from the Web of Science (WoS) in order to explore the potential for using artificial intelligence educationally. This study analyzed the research status and research topic by country, citation counts, network analysis on keywords of the collected data by using the bibliometrix package of R program. Through this, it was possible to identify the research trend on the educational use of artificial intelligence, currently being conducted in foreign countries. It is believed that it will be possible to obtain implications for the topics and directions to be studied in the information education for strengthening artificial intelligence education based on the results of this study.
There is a growing interest and need for the educational use of artificial intelligence as artificial intelligence technologies such as machine learning and deep learning, the core technologies of the intelligent information society, owing to the recent innovative technological advances. Consequently, the Ministry of Education announced the First Information Education Comprehensive Plan for introducing artificial intelligence competence enhancing education into the education field in preparation for the intelligent information society based on artificial intelligence technologies. Therefore, this study collected 416 overseas papers related to the educational use of artificial intelligence from the Web of Science (WoS) in order to explore the potential for using artificial intelligence educationally. This study analyzed the research status and research topic by country, citation counts, network analysis on keywords of the collected data by using the bibliometrix package of R program. Through this, it was possible to identify the research trend on the educational use of artificial intelligence, currently being conducted in foreign countries. It is believed that it will be possible to obtain implications for the topics and directions to be studied in the information education for strengthening artificial intelligence education based on the results of this study.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
이에 본 연구에서는 인공지능의 교육적 활용에 대한 국외논문 문헌 자료를 대상으로 국가별 연구현황과 연구 주제, 키워드, 인용 횟수, 저자등록 키워드에 대한 데이터 및 네트워크 분석을 하였다. 각 자료가 나타내는 결과를 분석하여 향후 도입되는 인공지능 역량 강화 교육이 교육 현장에서 효과적으로 적용될 수 있도록 정보 교육 과정에서 연구되어야 할 주제와 방향성에 대한 시사점을 제공하고자 한다.
본 연구에서는 인공지능의 교육적 활용을 다룬 국외 논문 문헌을 대상으로 R 프로그램의 bibliometrix 패키지를 활용하여 데이터 및 네트워크 분석을 하였다. 그 후 각 자료가 나타내는 결과를 해석하여 앞으로 교육이 인공지능과 함께 나아가야 할 방향을 제시하였다. 본 연구의 결론은 다음과 같다.
본 연구에서는 인공지능의 교육적 활용을 다룬 국외 논문 문헌을 대상으로 R 프로그램의 bibliometrix 패키지를 활용하여 데이터 및 네트워크 분석을 하였다. 그 후 각 자료가 나타내는 결과를 해석하여 앞으로 교육이 인공지능과 함께 나아가야 할 방향을 제시하였다.
이에 본 연구에서는 인공지능의 교육적 활용에 대한 국외논문 문헌 자료를 대상으로 국가별 연구현황과 연구 주제, 키워드, 인용 횟수, 저자등록 키워드에 대한 데이터 및 네트워크 분석을 하였다. 각 자료가 나타내는 결과를 분석하여 향후 도입되는 인공지능 역량 강화 교육이 교육 현장에서 효과적으로 적용될 수 있도록 정보 교육 과정에서 연구되어야 할 주제와 방향성에 대한 시사점을 제공하고자 한다.
제안 방법
7)은 이러한 공동 단어를 분석한 결과를 나타낸 그림이다. 그 구조는 K-평균 군집화를 이용하여 실행하였으며 크게 4개의 클러스터가 눈에 띈다. 세부구조를 살펴보면 Education이 속해있는 클러스터는 다른 클러스터보다 많은 공동 단어가 위치하고 있는데, 이는 점차 교육에서의 적용이 다양한 개념들과 결합하여 활발해지고 있다는 것을 나타내는 것이다.
bibliometrix 패키지는 과학 및 사회과학 분야의 양적 연구를 위해 개발된 패키지로 저널의 인용과 키워드 분석, 개념 관계를 시각적으로 표현하는 데 유용하다. 분석은 세 단계를 거치게 되는데, 먼저 자료를 추출하여 R 프로그램 형식으로 변환을 하고, 출력된 데이터 자료를 통계 분석 한다. 그 다음은 변수들의 행렬화를 통한 결합을 통해 다양한 분석을 가능하게 한다.
[Table 1]은 bibliometrix 패키지에서 사용하는 프로그램 초기 명령어의 예시를 나타낸 것이다. 셋째, 문헌 데이터 분석은 416편의 자료를 대상으로 국적에서 키워드까지 다양한 방면의 분석을 한다. 넷째, 네트워크 분석을 위하여 bibliometrix 패키지에서는 행렬 결합을 해야 하는데, cocMatrix() 라는 패키지 명령어를 이용한다.
첫째, 인공지능 기술의 교육적 활용 문헌에 대한 내용 분석적 연구가 필요하다. 앞선 논의의 주요 분석 방법은 R 프로그램을 활용하여 주로 논문에 있는 저자 정보와 초록 키워드 등을 이용한 분석이었다. 하지만, 위의 정보에서 제시하고 있는 것 이외에 인공지능 기술의 교육적 활용에 대한 가능성을 보다 심도 있게 다루려면 내용에 대한 질적 분석이 필요하다.
대상 데이터
본 연구를 위한 국외논문 문헌 연구자료는 Clarivate Analytics(http://www.webofknowledge.com)의 Web of Science(WoS)에서 수집하였다. 자료는 Science Citation Index(SCI)와 Social Science Citation Index(SSCI), Arts & Humanities Citation Index(A&HCI)에 게재된 것을 대상으로 하였으며, 검색어를 Artificial Intelligence와 Education을 조합하여 인공지능의 교육적 활용에 대한 분야를 중심으로 중복되는 것을 제외하고, 분석이 이루어졌던 2019년 5월을 기준으로 416편의 자료를 추출하였다.
1)과 같다. 우선 연구 대상과 연구 방법을 선정하여 문헌분석과 네트워크 분석에 필요한 자료를 선정한다. 둘째, 분석 프로그램을 선정하고 구성하여 자료를 수집한다.
자료는 Science Citation Index(SCI)와 Social Science Citation Index(SSCI), Arts & Humanities Citation Index(A&HCI)에 게재된 것을 대상으로 하였으며, 검색어를 Artificial Intelligence와 Education을 조합하여 인공지능의 교육적 활용에 대한 분야를 중심으로 중복되는 것을 제외하고, 분석이 이루어졌던 2019년 5월을 기준으로 416편의 자료를 추출하였다.
데이터처리
자료는 Science Citation Index(SCI)와 Social Science Citation Index(SSCI), Arts & Humanities Citation Index(A&HCI)에 게재된 것을 대상으로 하였으며, 검색어를 Artificial Intelligence와 Education을 조합하여 인공지능의 교육적 활용에 대한 분야를 중심으로 중복되는 것을 제외하고, 분석이 이루어졌던 2019년 5월을 기준으로 416편의 자료를 추출하였다. 분석 프로그램으로는 R을 활용하였으며, bibliometrix 패키지를 활용하였다. bibliometrix 패키지는 과학 및 사회과학 분야의 양적 연구를 위해 개발된 패키지로 저널의 인용과 키워드 분석, 개념 관계를 시각적으로 표현하는 데 유용하다.
이론/모형
반면에 교육에 관련된 키워드는 클러스터를 형성하고 있으나 주로 오른쪽 하단에 위치하고 있다. 인공지능의 인식 방법은 과거 지식기반방식에서 최근 데이터를 중심으로 하는 머신러닝의 접근 방식을 채택하였다[25]. 또한, 최근 주목받고 있는 딥러닝(Deep learning)은 인간 두뇌의 신경망 안에서 일어나고 있는 학습 과정을 특정한 알고리즘 형태로 모형화한 것이다[27].
성능/효과
[Table 7]은 논문의 저자가 작성하는 저자 키워드(Author Keyword)와 그와 관련된 연관 키워드(Keyword plus)의 빈도를 나타낸 것이다. Artificial intelligence는 가장 많은 빈도를 나타낸 저자 키워드였고, System은 가장 많은 연관 키워드로 나타났다. 특히, 저자 키워드 중 세 번째에 위치한 E-learning은 현재 MOOC(Massive Open Online Course), 비영리적으로 MOOC 교육을 제공하는 Edx 등과 같은 개방형 공유교육 플랫폼의 도입으로 다수의 학습자를 대상으로 한 온라인 교육과 연관이 있는 키워드이다.
게재 논문이 가장 많은 저자는 Chen. CY였으며 h-index와 g-index 모두 가장 높은 값을 나타내었다. 하지만, 2016년 이후 논문 생산이 늘고 있는 현실을 고려할 때 한 저자가 인공지능의 교육적 활용을 주제로 그리 많은 논문을 쓰고 있지는 않았다.
둘째, 네트워크 분석결과, 국가별 네트워크 연결 상태는 데이터 분석과 같은 결과로 미국과 영국, 중국을 중심으로 복잡하게 연결되어 있었으며, 공동 인용과 저자 키워드 네트워크는 연구 분야를 좀 더 다양하게 확장해야 하는 교육 분야에 방향성을 제시하였다. 공동 단어 분석은 다중대응분석을 사용하여 크게 4개의 클러스터 형성을 확인하였으며 특히 Education이 속한 클러스터에 많은 공동 단어와 클러스터 형성에 영향을 미친 다수의 최신 논문을 통해 빠르게 변화할 수 있는 연구 경향을 확인하였다.
셋째, 문헌 데이터 분석은 416편의 자료를 대상으로 국적에서 키워드까지 다양한 방면의 분석을 한다. 넷째, 네트워크 분석을 위하여 bibliometrix 패키지에서는 행렬 결합을 해야 하는데, cocMatrix() 라는 패키지 명령어를 이용한다. 이 방식에 따른 명령어의 예시는 [Table 2]와 같다.
둘째, 네트워크 분석결과, 국가별 네트워크 연결 상태는 데이터 분석과 같은 결과로 미국과 영국, 중국을 중심으로 복잡하게 연결되어 있었으며, 공동 인용과 저자 키워드 네트워크는 연구 분야를 좀 더 다양하게 확장해야 하는 교육 분야에 방향성을 제시하였다. 공동 단어 분석은 다중대응분석을 사용하여 크게 4개의 클러스터 형성을 확인하였으며 특히 Education이 속한 클러스터에 많은 공동 단어와 클러스터 형성에 영향을 미친 다수의 최신 논문을 통해 빠르게 변화할 수 있는 연구 경향을 확인하였다.
둘째, 의학 분야의 논문은 인공지능의 교육적 활용을 다루는 논문에서 많이 인용되는 논문임이 확인되었다. 이는 의학에서 환자의 진단과 교육에서 학생들의 진단 평가가 각각 치료전략과 교수전략을 확정한다는 점에서 어느 정도 공통된 속성이 있음을 뜻한다.
논문을 게재하기 위해 자주 인용하는 논문 9개를 비교한 결과에서는 교육 분야 활용 논문뿐만 아니라 의학 분야 논문들도 인용되고 있다는 점이 눈에 띄었다. 저자 키워드와 연관 키워드의 출현 빈도수를 분석한 결과 저자 키워드는 Artificial intelligence, Education, E-learning 순이었고, 연관 키워드는 System, Education 순이었다. 인공지능이 교육 혁신의 동력으로 부상하면서 인공지능을 활용한 교육은 E-learning 시장을 대체하며 급격히 성장할 것으로 전망되고 있다.
첫째, 인공지능의 교육적 활용을 다룬 연구는 미국과 영국, 중국을 중심으로 광범위하게 수행되고 있었으며, 학술지에서 인공지능의 교육적 활용에 대해 다루는 논문의 수도 2016년 이후 점차 증가하는 경향을 보였다. 아울러 2020년 5월 교육부에서는 초등학교부터 체계적인 인공지능 역량 교육을 통해 지능정보사회의 소양을 갖추고 세계를 선도하는 인재를 양성하기 위한 제1차 정보교육 종합계획을 발표하였다.
후속연구
따라서 이러한 기술적인 특징을 반영하는 키워드는 System과 Algorithm 그리고 Model과 Network, Information과 같은 것이다. 그러나 이들 키워드는 현재 Education과의 연결 거리가 네트워크상에서 상당히 먼 것으로 드러나 향후 교육 분야에서 적극적으로 반영하여 연구해야 할 것으로 보인다. 앞으로의 교육에서는 가상현실과 인간의 감각을 연결하여 가정에서도 기존에 할 수 없는 다양한 교육 활동이 가능해질 것으로 전망된다[12].
이러한 인공지능을 접목한 교육 사례를 볼 때, 키워드 빈도에서 Intelligence Tutoring System, E-learning은 향후 인공지능의 도입과 함께 교육 분야에서 적극적으로 시스템화할 적응적 학습(Adaptive)의 선행 연구 격이라고 할 수 있다. 그리고 Neuroscience, Eye tracking, 챗봇(Chatbot) 등을 활용한 Intelligence Tutoring System을 E-learning에 적용하는 연구를 통해 학생 개인의 학습 특성을 고려하여 실시간 피드백을 제공하는 학생 맞춤형 교육을 제공할 수 있을 것으로 기대된다.
마찬가지로 키워드 분석과 작성자 분석, 연관검색어 분석도 같은 방식으로 가능하다. 다섯째, 시각화로 각 프로그램이 가지고 있는 고유 시각화 특성을 다양한 지표로 나타내고자 하며, 마지막 결론으로 교육에 적용 가능성과 방향을 시사점으로 도출하고자 한다.
둘째, 게재된 국내 문헌에서 인공지능의 교육적 활용에 대한 전반적인 매핑을 확인할 필요가 있다. 현재 국내 문헌 연구는 주로 저자 등록 키워드를 대상으로 이루어지고 있다.
본 연구는 인공지능 교육적 활용을 위한 연구가 활성화된 시기가 2016년부터임을 고려할 때, 인공지능 교육에 대한 연구 논문이 충분하지 않은 상황에서 한정적으로 분석을 수행한 한계가 있다. 하지만 인공지능의 교육적 활용과 관련된 국외 논문을 수집하고 R 프로그램의 bibliometrix 패키지를 활용하여 빅데이터 분석을 통해 인공지능의 교육적 활용 가능성을 탐색하였다는 것에서 연구의 의의를 찾을 수 있다.
의학 분야에서의 환자의 진단을 위해 구축한 빅데이터 시스템은 오래전부터 활성화되어 임상에 활용되고 있다. 앞으로 교육 분야에서도 인공지능 역량 강화를 위해 빅데이터와 인공지능 플랫폼을 활용할 수 있는 미래형 교육 인프라를 구축할 필요가 있다. 미래의 교육은 Hutchins(1995)가 제안한 분산형 인지와 공간적인 제약을 초월한 형태의 교육을 추구하여 VR/AR과 같은 기기를 활용할 것이다[10].
그러나 이들 키워드는 현재 Education과의 연결 거리가 네트워크상에서 상당히 먼 것으로 드러나 향후 교육 분야에서 적극적으로 반영하여 연구해야 할 것으로 보인다. 앞으로의 교육에서는 가상현실과 인간의 감각을 연결하여 가정에서도 기존에 할 수 없는 다양한 교육 활동이 가능해질 것으로 전망된다[12]. 환경적인 측면에서는 지식이나 정보, 기술이 개인에 국한되지 않고, 다양한 기기나 데이터베이스의 총체적인 합으로 인식하는 분산 인지(Distributed Cognition)의 개념으로 인공지능과 함께 외적인 정보 표상을 공유하고 변형할 것으로 예상된다[10].
10편의 논문을 표시하였는데, 대부분 최신 논문임을 알 수 있다. 이러한 맥락으로 추론하면 최근 들어서야 인공지능의 교육적 활용 연구가 활발하게 진행되고 있으며, 향후 연구 경향 또한 새로운 클러스터의 형성 방향으로 빠르게 변화할 수 있을 것이라는 전망을 가능하게 한다.
이외에도 ‘Robotics’, ‘Technology’와 같은 기술적인 접근과 관련 있는 키워드, ‘Experts System’, ‘Machine Learning’과 같은 인공지능의 알고리즘을 측면과 관련 있는 키워드, ‘Management’, ‘Environment’와 같은 학습자의 주변 학습 환경과 관리적인 측면의 키워드를 주목하여 인공지능과 함께 종합적으로 활용할 수 있는 방안을 모색해야 할 것이다.
특히, 윤진영 외(2019) 연구에서 프로젝트 기반 학습(PBL, Project Based Learning)을 적용한 인공지능 기반 STEAM 교육 프로그램을 개발하여 초·중등학교에 적용한 결과 흥미도의 측면에서 유의미한 결과가 나타났다[30]. 이점은 향후 STEAM 교육을 통해 인공지능의 교육적 활용을 추구할 수 있을 것으로 기대된다. 게재 논문이 가장 많은 저자는 Chen.
미래의 교육은 Hutchins(1995)가 제안한 분산형 인지와 공간적인 제약을 초월한 형태의 교육을 추구하여 VR/AR과 같은 기기를 활용할 것이다[10]. 즉, 교실에서 얻은 데이터만으로 활동하는 것을 넘어 별도의 데이터 저장 플랫폼에서 자유롭게 필요한 것을 가지고 올 것이며, 가정이나 실외 공간에서도 학습을 수행하게 될 것이다. 따라서 수업이나 연구에서 활용할 수 있는 고유한 데이터베이스와 시스템을 구축할 필요가 있으며, 이에 대한 연구가 필요하다.
첫째, 인공지능 기술의 교육적 활용 문헌에 대한 내용 분석적 연구가 필요하다. 앞선 논의의 주요 분석 방법은 R 프로그램을 활용하여 주로 논문에 있는 저자 정보와 초록 키워드 등을 이용한 분석이었다.
이러한 문제를 해결하기 위해, 프로젝트 학습, 창의적 문제해결 등을 통한 협동학습, 여러 상호작용을 장려하는 실험 수업 등을 해결책으로 제시하였으나 현실적인 효과를 거두지 못했다[12][16]. 하지만, 제시된 연구는 학생들 개개인의 적절한 학습 방식에 대하여 유의미한 모델화를 진행하였으며, 향후 교육에서의 인공지능을 활용한 적응적 학습이 이루어지도록 적절한 방향을 논의하는 데 도움이 될 것이다.
현재 국내 문헌 연구는 주로 저자 등록 키워드를 대상으로 이루어지고 있다. 향후 인공지능의 교육적 활용에 대한 국외 문헌과의 비교 연구와 국내 교육 상황에 맞는 인공지능 교육 프로그램 개발을 위해서 국내 문헌을 대상으로 한 매핑 연구가 필요하다고 생각한다.
질의응답
핵심어
질문
논문에서 추출한 답변
실험 결과를 교육적 활용에 의미를 부여할 수 있는 점을 논의하면 무엇이 있는가?
첫째, 베이지안 네트워크를 기반으로 한 학생들의 적절한 학습 방식의 모델화는 웹 기반 적응적 학습의 적절한 사례를 제시하고 있다. 현재, 우리나라는 한 교실에서 20∼40명 가량의 다양한 학생들이 단일한 교육내용을 동시간에 학습한다. 이는 학업 성취도 편차가 큰 학생들의 수준 및 동기 그리고 선호하는 학습 방식이 다양함에도 불구하고, 동일한 수업을 진행함으로써 학습 부적응이나 스트레스, 적절한 동기가 유발되지 못하는 문제가 발생한다[4][18]. 이러한 문제를 해결하기 위해, 프로젝트 학습, 창의적 문제해결 등을 통한 협동학습, 여러 상호작용을 장려하는 실험 수업 등을 해결책으로 제시하였으나 현실적인 효과를 거두지 못했다[12][16]. 하지만, 제시된 연구는 학생들 개개인의 적절한 학습 방식에 대하여 유의미한 모델화를 진행하였으며, 향후 교육에서의 인공지능을 활용한 적응적 학습이 이루어지도록 적절한 방향을 논의하는 데 도움이 될 것이다.
둘째, 의학 분야의 논문은 인공지능의 교육적 활용을 다루는 논문에서 많이 인용되는 논문임이 확인되었다. 이는 의학에서 환자의 진단과 교육에서 학생들의 진단 평가가 각각 치료전략과 교수전략을 확정한다는 점에서 어느 정도 공통된 속성이 있음을 뜻한다. 의학 분야에서의 환자의 진단을 위해 구축한 빅데이터 시스템은 오래전부터 활성화되어 임상에 활용되고 있다. 앞으로 교육 분야에서도 인공지능 역량 강화를 위해 빅데이터와 인공지능 플랫폼을 활용할 수 있는 미래형 교육 인프라를 구축할 필요가 있다. 미래의 교육은 Hutchins(1995)가 제안한 분산형 인지와 공간적인 제약을 초월한 형태의 교육을 추구하여 VR/AR과 같은 기기를 활용할 것이다[10]. 즉, 교실에서 얻은 데이터만으로 활동하는 것을 넘어 별도의 데이터 저장 플랫폼에서 자유롭게 필요한 것을 가지고 올 것이며, 가정이나 실외 공간에서도 학습을 수행하게 될 것이다. 따라서 수업이나 연구에서 활용할 수 있는 고유한 데이터베이스와 시스템을 구축할 필요가 있으며, 이에 대한 연구가 필요하다.
4차 산업혁명이란?
18세기 영국에서 시작된 산업혁명은 시기와 특징에 따라 1차에서 4차 산업혁명으로 구분되며 1차 산업혁명은 1784년 증기기관 혁명과 기계화 생산 설비가 등장한 것을, 2차 산업혁명은 1870년 전기를 활용한 대량 생산으로 제조업이 확대된 것을, 3차 산업혁명은 1969년 컴퓨터를 활용한 정보화, 자동화 생산 시스템의 기틀이 마련된 것을 의미한다[6][12]. 그리고 현재에 해당하는 4차 산업혁명은 인공지능, 로봇, 가상현실, 빅데이터 등 첨단 과학기술을 통해 실재와 가상을 결합함으로써 사물과 환경을 지능적으로 제어하는 가상의 물리 시스템의 출현을 의미한다. 즉, 정보통신기술(ICT)과 제조업, 생명과학기술(BT) 등 다양한 과학기술 분야의 총체적인 변화가 나타나는 사회이며, 기존에 인간이 차지하고 있던 많은 직업을 대체하여 미래 일자리와 사회 환경에 큰 변화를 가져올 것이 예상되는 사회이다[12].
3차 산업혁명이란 무엇을 의미하는가?
18세기 영국에서 시작된 산업혁명은 시기와 특징에 따라 1차에서 4차 산업혁명으로 구분되며 1차 산업혁명은 1784년 증기기관 혁명과 기계화 생산 설비가 등장한 것을, 2차 산업혁명은 1870년 전기를 활용한 대량 생산으로 제조업이 확대된 것을, 3차 산업혁명은 1969년 컴퓨터를 활용한 정보화, 자동화 생산 시스템의 기틀이 마련된 것을 의미한다[6][12]. 그리고 현재에 해당하는 4차 산업혁명은 인공지능, 로봇, 가상현실, 빅데이터 등 첨단 과학기술을 통해 실재와 가상을 결합함으로써 사물과 환경을 지능적으로 제어하는 가상의 물리 시스템의 출현을 의미한다.
참고문헌 (30)
Aria, M., & Cuccurullo.(2017). Bibliometrix: an R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959-975.
Bae, Y.I., Shin, H.R.(2016). A Study on Convergence and Cooperation Patterns of Artificial Intelligence Technology. Gyeonggi Research Institute, 1-115.
Chang, Y.J.(2017). The Direction of Data Science Education in the Fourth Industrial Revolution Era: Focusing in Understanding of Artificial and Data Initiative. Journal of Integrated Humanities, 9(1). 155-180.
Chun, B.H., Park, K.B., Chun, M.R.(2008). An Analysis of the Attitude Toward Science, Achievements Motivation, and the Peer Relationship, and Parents' Attitudes to Science Gifted Education. Journal of Gifted/Talented Education, 18(3), 443-464.
Glenn, J. C., Gordon, T. J. and Florescu, F.(2014). The state of the future. Washington, D.C.: The Millennium Project.
Han, D.S.(2016). University Education and Contents in The Fourth Industrial Revolution. Korea Humanities Content Society, 42, 9-24.
Han, K.S., An, D.G.(2018). Exploring the Direction of Science-Gifted Education in the 4th Industrial Revolution Era. The Journal of the Korean Society for the Gifted and Talented, 16(4), 5-27.
Hong, J.M.(2017). Education for the future of the 4th Industrial Revolution Edutech. Seoul: Bookisbob.
Hood, N., Littlejohn, A., & Milligan, C.(2015). Context counts: How learner's contexts influence learning in a MOOC. Computers & Education, 91, 83-91.
Hutchins, E.(1995). Cognition in wild. Cambridge, MA: MIT Press.
Jeong, Y.J.(2017). An Analysis of the Perception of University Student Learning Styles in accordance with a Hyper-Connected Society. The Journal of Educational Research, 15(4), 233-256.
Jho, H.G.(2017). The Changes of Future Society and Educational Environment according to the Fourth Industrial Revolution and the Tasks of School Science Education. Journal of Korean Elementary Science Education, 36(3), 286-301.
Jho, H.G.(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.
Jho, H.K.(2018). Exploration of Predictive Model for Learning Outcomes of Students in the E-learning Environment by Using Machine Learning. Journal of Learner-Centered Curriculum and Instruction, 18(21), 553-572.
Johnson, L., Adams Becker, S., Cummins, M., Estrada, V., Freeman, A., & Hall, C.(2016). NMC horizon report: 2016 higher education edition. The New Media Consortium, Austin.
Joo, Y.J., Chung, Y.L., Pyo, J.Y.(2011). The Effectiveness of Creative Problem Solving (CPS) Learning on Student Science Interest, Science Process Skills, and Science Achievement. Journal of Reasearch in Curriculum & Instruction, 15(3), 657-667.
Kim, J.W.(2017). A Study on the New Educational Paradigm of the Age of Artificial Intelligence. Kyungpook National University.
Kim, K.O., Hong, Y. S.(2015). The Science Learning Motivation and Academic Stress and Stress Coping Styles of the Elementary Students with Low Science Achievement. Journal of Korean Elementary Science Education, 34(4), 447-457.
Lee, G.G., Kim, H.B., Ha, H.S., Hong, H.G.(2018). Exploratory Research on Automating the Analysis of Scientific Argumentation Using Machine Learning. Journal of the Korean Association for Research in Science Education, 38(2), 219-234.
Lee, J.Y., Seo, H.J.(2018). Analysis of Future Education Trends Using Semantic Network Analysis. Journal of Korean Association for Educational Information and Media, 24(4), 649-678.
Lee, S.H., Kim, Y.S.(2018). Artificial Intelligence in School. Communications of the Korean Institute of Information Scientists and Engineers, 36(11), 44-50.
Lee, S.J., Lee, S.J.(2012). A New Direction of Undergraduate General Education : Through a Case Study of Competence-based Education. Korean Journal of General Education, 6(2), 11-42.
Linn, M.(2003). Technology and science education: star- ting points, research programs, and trends. International Journal of Science Education, 25(6), 727-758.
Na, J.Y., Jang, B.G.(2017). The Perspectives of Pre-service Elementary Teachers on Science Education of Future. Journal of Korean Elementary Science Education, 36(1), 85-94.
Ryu, M.Y., Han. S.K.(2018). The Educational Perception on Artificial Intelligence by Elementary School Teachers. Journal of The Korean Association of Information Education, 22(3), 317-324.
Ryu, M.Y., Han, S.K.(2019). AI Education Programs for Deep-Learning Concepts. Journal of The Korean Association of Information Education, 23(6), 583-590.
Shim, S.M., Shin, Y.J.(2017). A Study on Changes in Learners' Recognition of 21st Century Learner Competencies through Science-centered STEAM Class. Journal of Korean Elementary Science Education, 36(2), 143-154.
Yoon, S.K.(2018). Social Studies Education in the Era of AI: Making a Relationship between Human and AI. Research in Social Studies Education, 25(2), 1-20.
Youn, J.Y., Kim, Y.M., So, J.H., Kim, Y. H.(2019). A Study on the Media Art STEAM Education Program Using Data Science and Artificial Intelligence. The Korean Society of Science & Art, 37(5), 265-276.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.