[논문]AI 프로젝트 수업에서 프로그래밍 언어 활용 수준 및 프로젝트 흥미에 따른 AI에 대한 태도 및 효능감 변화

한정윤

doi:10.14352/jkaie.2020.24.4.391

[국내논문] AI 프로젝트 수업에서 프로그래밍 언어 활용 수준 및 프로젝트 흥미에 따른 AI에 대한 태도 및 효능감 변화
Changes in attitudes and efficacy of AI learners according to the level of programming skill and project interest in AI project 원문보기

정보교육학회논문지 = Journal of the Korean Association of Information Education, v.24 no.4, 2020년, pp.391 - 400

한정윤 (KAIST 과학영재교육연구원)

초록
AI-Helper

인공지능이 4차 산업혁명 시대의 핵심 기술로 주목받는 가운데, 인공지능에 대한 기본적인 소양을 길러주기 위한 교육의 필요성이 대두되고 있다. 이에 따라 본 연구에서는 초·중등학생을 위한 프로젝트 기반의 AI 교육 프로그램을 개발하여 적용하고 그 효과를 분석하였다. 본 연구에 참여한 학생들은 3인 1조로 편성되어 2박 3일 일정의 프로젝트 학습을 수행하였으며, 이 과정에서 자신이 원하는 문제를 선택하고 인공지능 기술을 활용해 이를 해결하는 구체적인 산출물을 제작하였다. AI 프로젝트 수업의 효과를 알아보기 위해 활동 전후 학습자의 인공지능에 대한 태도와 효능감의 변화를 분석하였다. 분석 결과, AI 프로젝트 수업 이후 인공지능에 대한 태도와 효능감 모두에서 통계적으로 유의미한 수준의 긍정적인 변화가 확인되었다. 이러한 변화는 인지된 프로그래밍 언어 활용 수준이 높을수록, 프로젝트 학습에 대한 흥미 수준이 높을수록 더욱 뚜렷하게 나타났다.

Abstract ▼ AI-Helper

While artificial intelligence (AI) is attracting attention as a core technology in the era of the 4th industrial revolution, needs for artificial intelligence education to cultivate AI literacy is emerging. In this regard, we developed and applied a project-based AI education program for elementary and middle school students, and analyzed its effects. Participants were assigned into teams with three members, and each team engaged in a project-based AI education program for two nights and three days. In the project, they selected an real-world problem they wanted and devised an AI-enabled artifact to solve it. The effectiveness of the program was investigated with the changes in attitude and efficacy of learners toward artificial intelligence. The results showed that the AI project learning positively changed both attitudes and efficacy toward artificial intelligence at a statistically significant level. This change was more pronounced as the level of perceived programming skills increased, and the level of interest in the project learning increased.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

이처럼 세계적으로 K-12 학생들을 위한 보편적인 인공지능 교육의 필요성이 강조되는 가운데, 본 연구에서는 초·중등 학생을 위한 프로젝트 학습을 개발·적용하고, 이후 교육적 효과를 파악하고자 하였다.
이를 위해 본 연구에서는 2박 3일간의 AI 프로젝트 수업에 자발적으로 참여한 55명의 초·중학생을 대상으로 자신이 관심이 있는 생활 주변의 문제를 선택하고 AI 기술을 이용해 이를 해결하는 최종 결과물을 산출하도록 하였다.
연구문제 2와 관련하여, 학습자들이 인식한 프로그래밍 언어 활용 수준에 따라 인공지능에 대한 태도 변화가 어떠한지 살펴보았다. 먼저, 자신의 프로그래밍 언어 활용 수준이 높다고 인식한 학습자 집단에서는 인공지능에 대한 태도의 모든 영역인 흥미(t=2.
연구문제 3과 관련하여, 학습자가 AI 프로젝트 학습에 대해 느낀 흥미 정도에 따라 프로젝트 학습 사전 · 사후에 측정된 학습자의 인공지능에 대한 태도 변화가 어떠한지 살펴보았다.
이러한 노력의 일환으로 본 연구에서는 2박 3일 일정의 프로젝트 학습 기반 AI 교육 프로그램을 개발하여 55명의 초 · 중학생을 대상으로 적용하였으며, 적용한 교육 프로그램의 효과를 인공지능에 대한 태도와 효능감 측면에서 분석하였다.

가설 설정

2) 학습자의 인식된 프로그래밍 언어 활용 수준에 따라 인공지능에 대한 태도 및 효능감 변화에 차이가 있는가?
3) 학습자의 인공지능 프로젝트 흥미 수준에 따라 인공지능에 대한 태도 및 효능감 변화에 차이가 있는가?

제안 방법

이를 위해 본 연구에서는 2박 3일간의 AI 프로젝트 수업에 자발적으로 참여한 55명의 초·중학생을 대상으로 자신이 관심이 있는 생활 주변의 문제를 선택하고 AI 기술을 이용해 이를 해결하는 최종 결과물을 산출하도록 하였다. 이후 학습자의 AI에 대한 태도와 효능감 변화를 분석하였고, 프로젝트 학습 이전에 파악한 프로그래밍 언어 사용 수준, 그리고 프로젝트 학습 이후 파악한 흥미 수준에 따라 태도와 효능감 변화에 차이가 있는지 살펴보았다.
이 중 초등학생은 43명, 중학생은 12명이었으며, 남학생은 45명, 여학생은 10명이었다. AI 프로젝트 학습 시작 전 실시한 사전 설문을 통해 프로그래밍 언어 활용 수준이 높은 집단과 낮은 집단을 파악하였으며, AI 프로젝트 학습 이후 이루어진 설문을 통해 AI 프로젝트 학습 흥미 수준이 높은 집단과 낮은 집단을 파악하였다.
본 연구에서 적용된 프로젝트 학습의 효과를 분석하고자 프로젝트 학습 전 · 후에 사전, 사후 설문이 실시되었다.
이를 위해 인공지능의 다양한 정의와 실제 활용 사례가 제시되었으며, Neural Network Playground¹⁾를 활용해 인공지능의 학습 과정을 심도 있게 탐색하는 활동을 하였다. 또한 학생들이 전통적인 컴퓨터 알고리즘과 인공지능이 가진 문제해결 방식의 차이를 파악할 수 있도록 Teachable machine²⁾을 활용하여 분류 작업(classification task)을 수행하는 간단한 인공지능 모델을 직접(hands-on) 학습시키고 그 결과를 확인해보았다. 이러한 문제해결 방식의 차이를 이해함으로써 학생들은 인공지능으로 해결하기 적절한 문제의 특성을 파악하는 기회를 가졌다.
문제 도출 및 정의 단계에서 학생들은 인공지능을 활용해서 해결하고자 하는 생활 주변의 문제를 도출하고, 이를 해결하는데 필요한 구체적인 사항들을 팀원들과 함께 결정하였다. 이러한 논의를 통해 인공지능 모델 구축을 위해 설정할 레이블은 무엇인지, 필요한 데이터는 무엇이며 이를 어떻게 수집할지 등이 결정되었다.
이러한 논의를 통해 인공지능 모델 구축을 위해 설정할 레이블은 무엇인지, 필요한 데이터는 무엇이며 이를 어떻게 수집할지 등이 결정되었다. 이 과정에서 학생들은 문제해결의 가능성뿐만 아니라 문제해결의 가치를 함께 검토하며 문제를 선정하였다. 문제 선정 이후 학생들은 성공적인 프로젝트 수행을 위해 필요한 역할을 결정하고 분담하였다.
본 연구에서 적용된 프로젝트 학습의 효과를 분석하고자 프로젝트 학습 전 · 후에 사전, 사후 설문이 실시되었다. 먼저, 인공지능에 대한 학습자의 태도를 측정하기 위한 설문 문항은 이춘식(2013)이 개발한 로봇에 대한 학습자의 태도 검사척도[14] 중 흥미, 중요성, 학습, 직업 영역의 일부 문항을 발췌, 수정하여 구성하였다. 예를 들어 ‘로봇 관련 잡지를 읽고 싶다’는 ‘인공지능 관련 책이나 잡지를 읽고 싶다’로 수정되었다.
다음으로 학습자의 인공지능 활용에 대한 효능감을 측정하기 위한 설문 문항은 이환철 외(2016)의 SW 교육 효과성 측정지표[15] 중 컴퓨팅 사고력 효능감 영역의 일부를 발췌 후 수정하여 구성하였다. 예를 들어, ‘나는 SW가 우리 생활을 편리하게 해준다고 생각한다’는 ‘나는 인공지능이 우리 생활을 편리하게 해준다고 생각한다’로 수정되었다.

대상 데이터

본 연구는 K 대학교에서 실시한 AI 프로젝트 학습에 참여한 총 55명의 초 · 중학생을 대상으로 수행되었다.
본 연구는 K 대학교에서 실시한 AI 프로젝트 학습에 참여한 총 55명의 초 · 중학생을 대상으로 수행되었다. 이 중 초등학생은 43명, 중학생은 12명이었으며, 남학생은 45명, 여학생은 10명이었다. AI 프로젝트 학습 시작 전 실시한 사전 설문을 통해 프로그래밍 언어 활용 수준이 높은 집단과 낮은 집단을 파악하였으며, AI 프로젝트 학습 이후 이루어진 설문을 통해 AI 프로젝트 학습 흥미 수준이 높은 집단과 낮은 집단을 파악하였다.
본 연구에 참여한 학생들은 3인 1조로 편성되어 2박 3일 일정의 AI 프로젝트 수업에 참여하였다. AI 프로젝트 학습은 학생들이 인공지능에 대한 기본 개념을 익히고, 인공지능 모델을 직접 구현하여, 이를 기반으로 자신이 선택한 실생활 문제를 해결해가는 과정으로 구성되었다([Table 1]).
인공지능 모델 구축 실습 단계에서는 학생들이 간단한 인공지능 모델을 구축할 수 있는 기능학습이 이루어졌다. 이를 위해 IBM Watson 기반의 온라인 AI 실습환경인 Machine learning for kids³⁾가 활용되었다. 학생들은 텍스트 데이터, 이미지 데이터 기반 인공지능 모델을 직접 학습시키고, 각각의 모델을 기반으로 텍스트 명령을 알아듣거나, 특정 사용자의 얼굴을 인식하는 스크래치 프로그램을 작성하는 실습 시간을 가졌다.

데이터처리

인공지능에 대한 학습자의 태도와 효능감 변화를 분석하기 위해 대응표본 t검정을 실시하였으며, 프로젝트 학습에 대한 학습자의 인식을 분석하기 위해 기술 통계를 실시하였다. 분석에는 SPSS 23이 활용되었다.

성능/효과

1) 인공지능 교육을 위한 프로젝트 기반학습은 학습자의 인공지능에 대한 태도와 효능감에 어떤 영향을 미치는가?
연구문제 1과 관련하여, 프로젝트 학습 사전과 사후에 측정된 학습자의 인공지능에 대한 태도 변화를 분석한 결과, 흥미(t=2.324, p<.05), 중요성(t=2.988, p<.01), 학습(t=2.387, p<.05), 직업(t=3.448, p<.001) 모든 영역에서 유의미한 변화가 확인되었다([Table 2]).
인공지능에 대한 효능감은 프로그래밍 언어 활용 수준이 높다고 인식한 집단(t=6.943, p<.001)과 낮다고 인식한 집단(t=4.200, p<.01) 모두 유의미한 변화를 보였으며, 효능감 향상 폭은 프로그래밍 언어 활용 수준이 높다고 인식한 집단에서 더 크게 나타났다([Table 5]).
반면, 자신의 프로그래밍 언어 활용 수준이 낮다고 인식한 학습자 집단에서는 인공지능에 대한 태도의 하위 요인 중 직업에 대한 인식에서만 유의미한 변화가 확인되었다(t=3.503, p<.01)([Table 4]).
먼저, 자신의 프로그래밍 언어 활용 수준이 높다고 인식한 학습자 집단에서는 인공지능에 대한 태도의 모든 영역인 흥미(t=2.471, p<.05), 중요성(t=2.936, p<.01), 학습(t=2.930, p<.01), 직업(t=3.061, p<.01)에서 유의미한 변화가 확인되었다.
또한, 프로젝트 학습 사전과 사후에 측정된 학습자의 인공지능에 대한 효능감 변화를 분석한 결과, 학습자의 AI 효능감이 AI 프로젝트 학습을 마친 이후 유의미하게 증가(t=7.866, p<.001)한 것으로 나타났다([Table 3])
그 결과, AI 프로젝트 흥미 정도가 높은 학습자 집단에서는 태도에 대한 요인 중 흥미(t=2.616, p<.05), 중요성(t=2.970, p<.01), 직업(t=7.988, p<.001)이 프로젝트 수행 전과 후에 유의미하게 변화한 것으로 나타난 반면, AI 프로젝트 흥미 정도가 낮은 학습자 집단에서는 인공지능 학습에 대한 태도(t=2.364, p<.05)에서만 유의미한 변화가 확인되었다([Table 6])
그 결과, 본 연구에서 개발 · 적용한 AI 프로젝트 학습은 학습자의 인공지능에 대한 긍정적 태도 변화와 효능감 증진에 유의미한 영향을 미친 것으로 확인되었다.
그 결과, 본 연구에서 개발 · 적용한 AI 프로젝트 학습은 학습자의 인공지능에 대한 긍정적 태도 변화와 효능감 증진에 유의미한 영향을 미친 것으로 확인되었다. 먼저 태도 면에서 프로젝트 학습 이후 학생들은 인공지능에 대해 더 큰 흥미를 느꼈고, 인공지능이 우리의 삶에서 중요한 역할을 하고 있다고 인식하였으며, 인공지능에 대해 더 배우길 원하고, 향후 인공지능과 관련된 직업을 선택하겠다는 의향이 더 커진 것으로 확인되었다. 이러한 긍정적 태도 변화는 본 연구의 프로젝트 학습이 단순한 기능 교육이 아닌, 학생의 실생활과 연계된 문제해결의 과정으로 수행되었기 때문으로 해석할 수 있다.
다음으로 효능감 면에서, 프로젝트 학습 이후 인공지능에 대한 효능감 또한 유의미한 수준으로 향상된 것이 확인되었다. 이는 본 연구의 프로젝트 학습이 단순히 인공지능을 구현하기 위한 기술적 요소의 학습에만 그치지 않고, 이를 구체적인 결과물(AI-enabled solutions) 제작을 위해 활용하는 학습 경험을 제공했기 때문으로 볼 수 있다.
학생들은 새롭게 배운 지식과 이론을 구체적 산출 활동과 통합함으로써 인공지능이라는 학습 주제에 대한 효능감을 높임과 동시에 인공지능이 우리 삶에 미치는 영향을 구체적이고 생동감 있게 확인할 수 있었을 것이다. 이는 선행연구 결과와 일치하는 것으로, 본 연구에서 적용한 AI 프로젝트 학습이 학생들 자신의 관심 영역 안에 있는 주제를 스스로 선택하고 새롭게 배운 기술을 활용해 이를 협력적이고 성공적으로 해결해가는 경험을 제공함으로써 인공지능에 대한 학습자의 효능감을 긍정적으로 변화시키는 데 효과적이었음을 알 수 있다.
이러한 AI 프로젝트 학습의 긍정적인 효과는 프로그래밍 언어 활용 수준이 높다고 인식한 학생들에게서 더욱 뚜렷하게 나타났다. AI 프로젝트 학습 이후 본 연구에서 조사한 모든 태도 요인에서 유의미한 수준의 긍정적 변화를 보였다. 효능감 측면에서도 자신의 프로그래밍 언어 활용 수준이 높다고 인식한 학생들에게서 더 큰 폭의 향상이 확인되었다.
06). 하지만 프로젝트 학습 이후 학생들의 직업에 대한 태도는 유의미한 수준으로 향상되었으며, 이러한 향상 폭은 언어 활용 수준이 낮다고 인식한 학생들에게서 더욱 크게 나타났다(t=3.503). 이는 진로 교육으로써 AI 프로젝트 학습의 가능성을 충분히 보여준다.
인공지능에 대한 학습자의 태도 변화는 AI 프로젝트 흥미 수준에 따라 차이가 있었다. 프로젝트 학습에 높은 흥미를 보였던 학생들은 학습 이외의 태도 요인에서 유의미한 변화가 확인된 반면, 흥미 수준이 낮은 학생들은 태도 요인에서만 유의미한 변화가 확인되었다. 하지만 높은 흥미를 보였던 학생의 경우 학습 태도 요인의 사전 설문 응답 결과가 이미 매우 긍정적인 수준(평균 4.
본 연구에서 수행한 AI 프로젝트 학습은 일반적인 프로젝트 학습 과정과 절차에 인공지능이라는 소재를 중점적으로 활용한 것으로, 이러한 핵심 소재의 특성에 의해 프로그래밍 언어를 활용하는 프로젝트 학습과 다소 차이를 보인다고 할 수 있다. 먼저, AI 프로젝트 학습의 최종 결과물을 만들어내기 위해서는 일정 수준 이상의 성능을 가진 인공지능 모델의 구축 여부 무척 중요하다.
본 연구를 통해 인공지능을 활용한 실제적 문제해결과정을 경험하는 AI 프로젝트 학습의 효과를 확인해볼 수 있었다. 하지만 이러한 학습 효과는 2박 3일간의 짧은 기간 동안 비교적 적은 학생들을 통해 확인된 것이기에 추후 연구를 통해 이러한 긍정적 변화가 얼마나 유지되는지, 이러한 학습 효과가 유지되기 위한 여건은 무엇인지 등을 추가로 조사해 볼 필요가 있다.

후속연구

하지만 본 연구의 결과는 이러한 직업에 대한 학습자의 태도가 인공지능 기술을 활용해 실제적 문제를 직접 해결해가는 프로젝트 학습을 통해 긍정적으로 변할 수 있음을 보여준다. 이는 미래 인공지능 인력양성을 위한 진로 교육을 위해 본 연구가 제시하는 프로젝트 기반의 인공지능 교육이 효과적으로 적용될 수 있음을 시사한다.
예를 들어 본 연구에서 제시한 학습 주제 선택의 자율성 뿐만 아니라, 프로젝트 학습의 각 활동 단계별로 달성해야 할 목표를 명확히 제시하여 학습자들이 긴 시간 운영되는 프로젝트 학습 도중에 작은 성취를 얻을 수 있도록 할 수 있을 것이다. 또한, 교수자가 학습 과정에 대한 성취 수준에 따라 과제 수준을 개별화하여 제시함으로써 학습자들의 도전감을 자극한다면 학습 활동에 더욱 큰 흥미를 유발할 수 있을 것이다.
본 연구를 통해 인공지능을 활용한 실제적 문제해결과정을 경험하는 AI 프로젝트 학습의 효과를 확인해볼 수 있었다. 하지만 이러한 학습 효과는 2박 3일간의 짧은 기간 동안 비교적 적은 학생들을 통해 확인된 것이기에 추후 연구를 통해 이러한 긍정적 변화가 얼마나 유지되는지, 이러한 학습 효과가 유지되기 위한 여건은 무엇인지 등을 추가로 조사해 볼 필요가 있다. 아울러 학생들이 산출한 결과물들에 대한 질적인 분석도 함께 이루어진다면 향후 AI 프로젝트 학습을 설계 · 운영함에 있어서 유용한 시사점을 도출할 수 있을 것이다.
하지만 이러한 학습 효과는 2박 3일간의 짧은 기간 동안 비교적 적은 학생들을 통해 확인된 것이기에 추후 연구를 통해 이러한 긍정적 변화가 얼마나 유지되는지, 이러한 학습 효과가 유지되기 위한 여건은 무엇인지 등을 추가로 조사해 볼 필요가 있다. 아울러 학생들이 산출한 결과물들에 대한 질적인 분석도 함께 이루어진다면 향후 AI 프로젝트 학습을 설계 · 운영함에 있어서 유용한 시사점을 도출할 수 있을 것이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	프로젝트 학습이란 무엇인가?	프로젝트 학습(project-based learning)은 학습자가 실제적 문제해결 과정을 경험하도록 그들 스스로 문제를 정의하고 이를 해결하기 위한 계획을 수립하며 이를 직접 실행해가도록 하는 방식의 교수ㆍ학습 방법이다[23]. 프로젝트 학습에서 학습자들은 학습의 주도권을 갖고 학습의 구체적인 내용과 방향, 깊이를 능동적으로 선택하며[4], 최종적으로 그들이 선택한 문제를 해결하는 구체적이고 가시적인 산출물을 만들어낸다는 특징이 있다[2]
	인공지능이란 용어는 언제 처음 사용되었는가?	인공지능이란 용어는 1956년 열린 다트머스 회의 (Dartmouth conference)에서 존 매카시(John McCarthy)에 처음 사용되었다. 이후 인공지능 기술은 두 차례의 암흑기를 겪으며 발전과 침체를 거듭하다, 최근 향상된 컴퓨터 계산 능력, 사물인터넷(IoT) 기술 등에 의한 데이터 크기의 기하급수적 증가, 합성곱 신경망(CNN)이나 적대적 생성 신경망(GAN)과 같은 새로운 기계 학습(machine learning) 알고리즘 개발 등의 요인에 의해 급속도로 성장하였다.
	프로젝트 학습 과정의 각 단계는 어떻게 이루어지는가?	프로젝트 학습 과정은 문제해결을 위한 최종 산출물을 정해진 기간 내에 완성하는 것을 중심으로 구성되며, 크게 1) 프로젝트 수행에 필요한 제반 사항을 갖추기 위한 준비 단계, 2) 주제를 정하고 문제해결 과정을 실행하는 전개 단계, 그리고 3) 최종 결과물을 작성하고 발표 및 평가를 하는 마무리 단계로 구분해볼 수 있다[9]. 먼저 준비 단계는 프로젝트 수행을 위한 제반 사항을 갖추는 단계로, 이 단계에서 학생들은 프로젝트를 함께 수행할 팀을 구성하고 학습 주제와 관련된 내용을 이해하며 필요한 자료를 탐색한다. 다음으로 전개 단계에서 학생들은 해결하고자 하는 문제를 구체적으로 정의하고 이를 해결하는데 필요한 자료를 탐색하며 문제해결을 위한 아이디어를 공유한다. 이때 학생들은 지속적인 협력과 상호작용을 통해 서로의 아이디어를 직접 구현하고 보완하며 최종적인 결과물을 만들어가게 된다. 마지막 마무리 단계에서는 최종 결과물을 요약·발표하며 각 팀의 결과물을 공유한다. 이때 학생들은 서로의 결과물을 평가하고 자신의 결과물을 성찰하는 시간을 가진다. 이러한 프로젝트 학습의 전체 과정은 학습 주제와 맥락의 특성에 따라 짧게는 며칠에서 길게는 몇 달까지 지속될 수 있다.

참고문헌 (23)

Bell, S. (2010). Project-based Learning for the 21st Century: Skills for the Future. Journal of Educational Strategies, 83(2), 39-43.
Blumenfeld, P. C., Soloway, E., Marx, R. W., Krajcik, J. S., Guzdial, M., & Palincsar, A. (1991). Motivating Project-based Learning: Sustaining the Doing, Supporting the Learning. Educational Psychologist, 26(3), 369？398.

상세보기
Cha, H., & Kim, M. (2020). Effectiveness Analysis of Prototyping-Fidelity Levels on Creative Problem-Solving Projects in Software Education: Focused on perceived academic self-efficacy and problem-solving skills. Journal of Learner-Centered Curriculum and Instruction, 20(3), 689-711.

상세보기
Helle, L., Tynjala, P., & Olkinuora, E. (2006). Project-Based Learning in Post-Secondary Education Theory, Practice and Rubber Sling Shots. Higher education, 51(2), 287-314.

상세보기
Kim, J. S., & Kwon G. Y. (2019, February 15). China Publishes AI Textbook for Elementary School after Middle and High School. Retrived From https://www.yeosijae.org/posts/575
Kim, K. (2014). Measuring and applying the self-efficacy in computer programming education. Journal of The Korean Association of Information Education, 18(1), 111-120.

원문보기 상세보기
Kim, S. H., Kim, S. H., Lee, M. J., & Kim, H. C. (2020). Review on Artificial Intelligence Education for K-12 Students and Teachers. The Korean Association of Computer Education, 23(4), 1-11.

원문보기 상세보기
Kim, S. I., Kim, J. S., Kang, S. J., Kim, T. Y., & Yoon, J. H. (2019) Development and Application of Middle School Students Maker Education Program using Arduino based on Design Thinking, The Journal of Korean Industrial Education Association, 44(1), 162-189.
Kim, S. L., Park, S. H., Kang, & M. S. (2010). Study in Project Instruction of UCC in Elementary Social Education: in History Unit of 6th Grade. Journal of Education Innovation Research, 20(2), 19-46.
Kim, Y. M. (2019). Artificial Intelligence (AI) Manpower Training Policies and Implications in Major Countries. Health Industry Brief, 276, 1-20.
Kim, Y. S. (2019). Global Trends of AI Talent Development Policy in Major Countries. Monthly Software Oriented Society, 143, 29-36.
Korea Foundation for the Advancement of Science and Creativity (2019). 2019 AI Convergence Education Policy Book. Seoul: Korea Foundation for the Advancement of Science and Creativity.
Kroper, M., Fay, D., Lindberg, T., & Meinel, C. (2010). Interrelations between Motivation, Creativity and Emotions in Design Thinking Processes - An Empirical Study Based on Regulatory Focus Theory. Proceedings of the 1st International Conference on Design Creativity ICDC 2010 (pp. 97-104).
Lee, C. S. (2013). Korean Students's Attitude Scale Towards Robot. Journal of Korean Practical Arts Education, 19(2), 151-168.
Lee, H., Lee, H., Sung, J., Jung, S. W., Kim, S., & Kim, S. (2016). A study on surveying the actual conditions and evaluating the effectiveness of SW education in elementary and secondary schools. Seoul: Korea Foundation for the Advancement of Science and Creativity. Retrieved on August, 26, 2017.
Lee, S. H. (2020). Analyzing the Effects of Artificial Intelligence (AI) Education Program based on Design Thinking Process. The Korean Association of Computer Education, 23(4), 49-59.
Lee, Y. (2019). An Analysis of the Influence of Block-type Programming Language-Based Artificial Intelligence Education on the Learner's Attitude in Artificial Intelligence. Journal of The Korean Association of Information Education, 23(2), 189-196.

원문보기 상세보기
Ministry of Science and Technology Information and Communication (2019, December 17). Artificial Intelligence (AI) National Strategy Presentation. Retrived From http://www.korea.kr/news/pressReleaseView.do?newsId156366736
Ryu, M., & Han, S. (2019). AI Education Programs for Deep-Learning Concepts. Journal of The Korean Association of Information Education, 23(6), 583-590.

원문보기 상세보기
Touretzky, D., Gardner-McCune, C., Martin, F., & Seehorn, D. (2019). Envisioning AI for K-12: What Should Every Child Know about AI? Proceedings of the AAAI Conference on Artificial Intelligence, 33, 9795-9799.
Vazhayil, A., Shetty, R., Bhavani, R. R., & Akshay, N. (2019). Focusing on Teacher Education to Introduce AI in Schools: Perspectives and Illustrative Findings. Proceedings - IEEE 10th International Conference on Technology for Education, T4E 2019, 71-77. https://doi.org/10.1109/T4E.2019.00021
Wong, G., Ma, X., Dillenbourg, p., & Huan, J. (2020). Broadening Artificial Intelligence Education in K-12: Where to Start? ACM Inroads, 11(1), 20-29.

상세보기
Wurdinger, S. D., Haar, J., Hugg, B., & Bezon, J. (2007). A Qualitative Study using Project based Learning in a Mainstream Middle School. Improving Schools, 10(2), 150-61.

상세보기

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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