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
- 본 연구는 프로그래밍 교육에서 온라인 교수‧학습 및 평가 도구의 활용이 자기효능감을 거쳐 몰입에 이르고, 다시 논리적 사고력을 거쳐 최종적으로 컴퓨팅 사고력에 이르는 경로가 존재하는지 규명하고자 한다. 이는 해당 도구의 효과성과 영향력을 확인하는 의미도 있지만, 도구의 활용 횟수에서 출발하여 컴퓨팅 사고력에 이르는 경로, 즉 인과 관계를 규명함으로써 인지적 사고력에 이르는 교육용 도구의 활용과 동기적 매개 변인의 영향력을 규명할 수 있다는 점에서 의미가 있다.
- 본 연구는 프로그래밍 교육을 위한 대표적인 교수‧학습 및 평가 도구로서 일선 학교에서 최근 많이 활용되고 있는 온라인 저지의 활용이 학습 동기와 사고력에 미치는 구조적 관계를 규명하였으며, 자기효능감에서 몰입에 이르는 인과 관계와 논리적 사고력에서 컴퓨팅 사고력에 이르는 인과 관계를 규명하였다.
제안 방법
- 구조 방정식 모델링 분석을 위해 (Fig. 6)과 같이 측정 모형을 설정하고, 이에 대한 확인적 요인 분석을 실시하여 측정 모형의 적합도와 타당도를 분석하였다. 모수 추정 방법으로 최대 우도법을 적용하였으며, 측정 모형의 적합도 분석 결과는 [Table 5]와 같다.
- 구조 방정식 모델링을 위한 기초 단계로서 자료의 기술 분석과 상관 분석을 실시하였다. 연구 변인에 대한 기술 분석의 결과는 [Table 3]과 같다.
- 도구 활용 횟수는 자기효능감과 몰입에 각각 이르는 직접 경로를, 자기효능감과 몰입은 다시 컴퓨팅 사고력과 논리적 사고력에 각각 이르는 직접 경로를 설정하였다. 그리고 자기효능감에서 몰입으로, 논리적 사고력에서 컴퓨팅 사고력으로 가는 경로를 설정하였다. ‘자기효능감 → 몰입’의 경로를 설정한 이유는 이지혜(2009)[26], 김종운, 김효은 (2012)[27], 박경숙(2015)[28] 등의 연구에서 자기효능감이 몰입에 영향을 미친다고 보고하였기 때문이며, ‘논리적 사고력 → 컴퓨팅 사고력’의 경로를 설정한 이유는 ISTE & CSTA가 제시한 컴퓨팅 사고력의 구성 요소 내에 논리적 사고력이 포함된 것으로 분석되기 때문이다.
- 4)와 같이 교수‧학습 및 평가 도구인 온라인 저지의 활용 횟수를 독립 변인으로 설정하고, 자기효능감과 몰입을 매개 변인으로, 컴퓨팅 사고력과 논리적 사고력을 종속 변인으로 설정하였다. 도구 활용 횟수는 자기효능감과 몰입에 각각 이르는 직접 경로를, 자기효능감과 몰입은 다시 컴퓨팅 사고력과 논리적 사고력에 각각 이르는 직접 경로를 설정하였다. 그리고 자기효능감에서 몰입으로, 논리적 사고력에서 컴퓨팅 사고력으로 가는 경로를 설정하였다.
- 그러나, 일부 연구에서는 몰입의 매개 효과가 없다고 보고하고 있으며[29][30], 컴퓨팅 사고력과 논리적 사고력 간의 명확한 인과 관계를 규명한 연구가 충분하지 않은 상황이다. 따라서, 도구 활용 횟수, 학습 동기, 사고력에 이르는 구조적 관계 외에 자기효능감과 몰입 간, 컴퓨팅 사고력과 논리적 사고력 간 인과 관계를 확인하기 위해 (Fig. 5)와 같이 경쟁 모형을 설정하였다. 경쟁 모형은 자기효능감과 몰입 간, 컴퓨팅 사고력과 논리적 사고력 간 경로 방향이 연구 모형과 반대로 설정한 모형이다.
- 본 연구에서는 도구의 활용 횟수, 자기효능감, 몰입, 컴퓨팅 사고력, 논리적 사고력과 관련된 선행 연구를 토대로 연구 모형과 경쟁 모형을 설정하고, 측정 모형의 확인적 요인 분석, 그리고 연구 모형과 경쟁 모형의 적합도와 경로 분석을 실시하였다.
- 연구 모형은 (Fig. 4)와 같이 교수‧학습 및 평가 도구인 온라인 저지의 활용 횟수를 독립 변인으로 설정하고, 자기효능감과 몰입을 매개 변인으로, 컴퓨팅 사고력과 논리적 사고력을 종속 변인으로 설정하였다. 도구 활용 횟수는 자기효능감과 몰입에 각각 이르는 직접 경로를, 자기효능감과 몰입은 다시 컴퓨팅 사고력과 논리적 사고력에 각각 이르는 직접 경로를 설정하였다.
대상 데이터
- net. judgeon.net, codingfun.net 등이 있으며, 본 연구에서는 codingfun.net을 적용하였다. codingfun.
- 일반고 2교에서 10차시의 프로그래밍 교육에 온라인 저지를 적용하였으며, 총 216명의 자료가 최종 연구 결과에 반영되었다. 당초 대상 인원이 283명이었으나, 연구 참여에 동의하지 않거나 검사에 참여하지 않은 학생 67명은 제외하였다.
- 온라인 저지에서 평가는 문제별로 미리 준비한 채점 데이터를 가지고 진행된다. (Fig.
- 일반고 2교에서 10차시의 프로그래밍 교육에 온라인 저지를 적용하였으며, 총 216명의 자료가 최종 연구 결과에 반영되었다. 당초 대상 인원이 283명이었으나, 연구 참여에 동의하지 않거나 검사에 참여하지 않은 학생 67명은 제외하였다.
데이터처리
- 컴퓨팅 사고력과 논리적 사고력의 판별 타당도에 대해서 [Table 7]의 (3) 방법으로 재검정을 실시하였으며, 결과는 [Table 10]과 같다. 비제약 모델과 제약 모델의 x2 차이 값이 80.
이론/모형
- 마지막으로 측정 모형의 판별 타당성을 검정하기 위해 [Table 7]의 3가지 분석 방법[34][36]을 수행하였다.
- 프로그래밍 교육을 위한 온라인 평가 도구에는 [Table 1]에서 블록형 언어가 가능한 codingfun.net을 적용하였다. 독립 변인으로 설정한 도구의 활용 횟수는 참여 학생 216명이 10차시의 수업과 수행 평가 과정에서 자신이 작성한 소스를 온라인 저지 시스템에 제출한 총 횟수로서 23,154회가 연구 결과에 반영되었다.
성능/효과
- 그러나, x2은 표본 크기에 민감하여 모형과 자료의 불일치를 과도하게 추정하는 특징이 있기 때문에 그 외 다른 적합도 지수들을 함께 고려하는 것이 바람직하다고 논의되므로[32][34], 본 연구에서는 설명력과 간명성을 고려하여 RMSEA, CFI, TLI의 적합도 지수를 함께 분석하였으며, RMSEA=.037, CFI=.986, TLI=.983으로 기준값(RMSEA[.08, CFI].9, TLI>.9)이 충족하는 것으로 나타나 측정 모형이 비교적 자료를 잘 반영한 것으로 확인되었다.
- 그러나, 앞서 측정 모형의 적합도 검정에서 서술한 것처럼 x2은 표본 크기에 민감하여 모형과 자료의 불일치를 과도하게 추정하는 특징이 있기 때문에 그 외 다른 적합도 지수들을 함께 고려하는 것이 바람직하다고 논의되므로[32][34], 본 연구에서는 설명력과 간명성을 고려하여 RMSEA, CFI, TLI의 적합도 지수를 함께 분석하였으며, 두 모형이 RMSEA=.042, 연구 모형이 CFI=.980, TLI=.977, 경쟁 모형이 CFI=.977, TLI=.980으로 기준값 (RMSEA[.08, CFI].9, TLI>.9)이 충족되는 것으로 나타나 두 모형이 모두 적합한 것으로 확인되었다.
- 넷째, 연구 모형에서 규명된 각 변인 간의 구조적 인과 관계를 토대로 프로그래밍 교육의 대표적인 교수‧학습 및 평가 도구인 온라인 저지의 활용이 학생의 자기효능감을 증대하고, 이를 통해 몰입을 유도하며, 이러한 학습 동기의 촉진이 논리적 사고력을 통해 컴퓨팅 사고력으로 발현된다고 분석할 수 있다.
- 둘째, 연구 모형과 경쟁 모형에서 도구의 활용이 ‘몰입 → 자기효능감’의 이중 매개 변인으로는 사고력으로 발현되지 않으며, ‘자기효능감 → 몰입’의 이중 매개 변인을 거치거나, ‘몰입’의 단독 매개 변인을 거쳐서 사고력으로 발현된다.
- 변인 간의 매개 효과를 확인하기 위해 Bootstrapping 분석을 실시하였으며, [Table 13]에서 ‘도구 활용 횟수 → 컴퓨팅 사고력’의 경로가 95% 신뢰 구간에서 .00056～.00238의 상한 값과 하한 값을 보이므로 0을 포함하지 않는 것으로 나타나 매개 효과가 유의함을 확인할 수 있다.
- 변인 간의 매개 효과를 확인하기 위해 Bootstrapping 분석을 실시하였으며, [Table 15]에서 ‘도구 활용 횟수→ 자기효능감’에 이르는 경로와 ‘도구 활용 횟수 → 논리적 사고력’에 이르는 경로가 95% 신뢰 구간에서 각각 .00284～.01081, .00017～.00186의 상한 값과 하한 값을 보이므로 0을 포함하지 않는 것으로 나타나 매개 효과가 있음을 확인할 수 있다.
- 셋째, 연구 모형과 경쟁 모형에서 도구의 활용이 자기효능감이나 몰입 등의 학습 동기를 거쳐 사고력에 영향을 주는 경로 상에 ‘논리적 사고력 → 컴퓨팅 사고력’의 인과적 관계는 규명되었으나, ‘컴퓨팅 사고력 → 논리적 사고력’의 인과적 관계는 규명되지 않았다.
- 자기효능감과 몰입 간, 컴퓨팅 사고력과 논리적 사고력 간 상관 계수가 각각 0.83(p<.01), 0.566(p<.01)로 나타나 다중 공선성이 의심되나, 회귀 분석의 공선성 진단결과 분산팽창지수(Variance Inflation Factor: VIF)가 각각 3.221, 1.472로 10을 넘지 않아서 다중 공선성에는 문제가 없는 것으로[32] 확인되었다.
- 첫째, 프로그래밍 교육에서 대표적인 교수‧학습 및 평가 도구인 온라인 저지의 활용이 자기효능감과 몰입 등의 학습 동기에 정(+)적인 영향을 미치며, 그것이 다시 컴퓨팅 사고력과 논리적 사고력에 정(+)적인 영향을 미친다.
- 그러나, [Table 7]의 (1) 방법이 가장 엄격하다고 논의되므로[34], 판별 타당도가 의심되는 컴퓨팅 사고력과 논리적 사고력에 대해서 [Table 7]의 (2) 방법에 의한 검정을 실시하였으며, 그 결과는 [Table 9]와 같다. 컴퓨팅 사고력과 논리적 사고력은 산출 범위 내에 1이 포함되지 않아 판별 타당성이 확보된 것이 확인되었다.
- 학습 동기와 사고력을 측정하기 위해 [Table 2]의 도구를 사용하였으며, 본 연구의 신뢰도는 Cronbach’s α계수가 .738～.966으로 모두 양호한 것으로 나타났다.
후속연구
- 이는 해당 도구의 효과성과 영향력을 확인하는 의미도 있지만, 도구의 활용 횟수에서 출발하여 컴퓨팅 사고력에 이르는 경로, 즉 인과 관계를 규명함으로써 인지적 사고력에 이르는 교육용 도구의 활용과 동기적 매개 변인의 영향력을 규명할 수 있다는 점에서 의미가 있다. 이는 향후 구조 방정식 모델링을 위한 연구 모형의 설정에서 변인간 관계 설정을 위한 기초 자료로 활용될 수 있을 것이다. 특히, 코로나 19와 같은 국가적인 감염병에 대응하여 전면적인 비대면 교육을 고려해야 하는 상황에서 프로그래밍 교육을 위한 온라인 교수‧학습 및 평가 도구의 정의적, 인지적인 영역에 대한 구조적 영향력과 효과성에 관한 연구는 매우 긴요하다고 할 것이다.
- 그러나, 프로그래밍 교육에서 교수‧학습 및 평가 도구의 활용이 학습자의 학습 동기와 사고력에 미치는 구조적 영향력과 인과 관계에 대한 연구는 충분하지 않다. 특히, 프로그래밍 교육을 위한 교수‧학습 및 평가 도구의 활용이 학습 동기를 거쳐 최종적인 사고력에 이르는 경로가 규명된다면 비대면 수업을 포함한 다양한 교육 상황에서 효과적인 프로그래밍 교육을 위한 유용한 시사점을 제공할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.