$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

수학교육에서 인공지능(AI) 활용에 관한 예비수학교사의 인식 분석

An Analysis Prospective Mathematics Teachers' Perception on the Use of Artificial Intelligence(AI) in Mathematics Education

초록

AI 시대의 함께 교육에서도 AI 활용의 필요성이 제기된다. 본 연구의 목적은 예비수학교사가 인식하는 미래 수학교육에서 AI의 필요성과 AI 활용에서 교사의 역할을 조명하는 것이다. 연구 결과, 교수 측면에서 예비교사들은 학교 수학에 AI 활용이 시대적 요구이며, 다양한 유형의 수업 구현과 정확한 지식 및 정보를 전달할 수 있지만, 인지적·감정적 상호작용에 한계가 있다고 하였다. 학습 측면에서 AI는 개별화 학습을 제공하고, 학교 수업 외 보충학습에 활용할 수 있고, 학습 흥미를 자극할 수 있지만, 학생들의 주체적 사고 능력을 저해할 수 있다고 하였다. 평가의 측면에서 AI는 객관적이고 공정하며 교사의 업무를 감소할 수 있지만 서·논술형 문항과 과정 중심 평가에서 한계가 있다고 하였다. AI 활용에서 예비교사들이 생각하는 교사의 역할은 수업, 감정적 상호작용, 비정형화된 평가, 상담이었고, AI의 역할은 개별화 학습, 기계적 학습, 정형화된 평가와 행정 업무로 나타났다.

Abstract

With the advent of the AI, the need to use AI in the field of education is widely recognized. The purpose of this study is to shed light on how prospective mathematics teachers perceive the need for AI and the role of teachers in future mathematics education. As a result, with regard to teaching, prospective teachers recognized that the use of AI in school mathematics is a demand of a new era, that various types of lesson can be implemented, and that accurate knowledge and information can be delivered. On the other hand, they recognized that AI has limitations in having cognitive and emotional interactions with students. As for mathematics learning, the prospective teachers recognized that AI can provide individualized learning, be used for supplementary learning outside of school, and stimulate students' interest in learning. However, they also said that learning through AI could undermine students' ability to think on their own. With regard to assessment, the prospective teachers recognized that AI is objective, fair and can reduce teachers' workload, but they also said that AI has limitations in evaluating students' abilities in constructed-response items and in process-focused assessment. The roles of teachers that the prospective teachers think were to conduct a lesson, emotional interaction, unstructured assessment, and counseling, and those of AI were individualized learning, rote learning, structured assessment, and administrative works.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
AI
AI의 정의는 무엇인가?
인간이 하는 것과 같이 지능적이라고 불릴 수 있는 방식으로 행동하는 기계를 만드는 것

AI라는 용어는 1956년 Dartmouth 대학에서 주관한 워크숍에서 John McCarthy에 의해 처음 사용된 것으로 알려져 있다. Dartmouth 워크숍을 위해 제출된 제안서에 따르면, AI는 “인간이 하는 것과 같이 지능적이라고 불릴 수 있는 방식으로 행동하는 기계를 만드는 것”으로 정의되었다(McCarthy, Minsky, Rochester, & Shannon, 1955, p. 11).

수학
수학이 타교과에 비해 AI 기술을 활발히 적용되는 이유는 무엇인가?
수학은 타 교과에 비해 비교적 잘 구조화되어 있고 명확한 답을 가진다는 점에서 AI 기술이 가장 활발히 적용되고 있는 교과 중 하나이다

최근 교육 분야에서도 AI라는 용어가 종종 입에 오르내리고 있다. 특히, 수학은 타 교과에 비해 비교적 잘 구조화되어 있고 명확한 답을 가진다는 점에서 AI 기술이 가장 활발히 적용되고 있는 교과 중 하나이다(Holmes et al., 2019).

수학교육에서 AI 활용
수학교육에서 AI 활용을 크게 두 가지 측면으로 분류하면 어떻게 되는가?
첫째, 선행연구에서는 학생의 수학학습 과정을 분석하기 위해 기계학습(machine learning)과 데이터 마이닝(data mining)과 같은 AI 알고리즘을 사용하였다. AI는 학습 분석학(learning analytics) 측면에서 주로 교육용 빅데이터를 분석하여 학생의 인지적·정의적 영역에 미치는 변인 식별과 예측 그리고 학생의 학습 행동과 패턴을 모델링하기 위해 사용되는 경향이 있다(Shin & Shim, 2020). 예를 들어, Aksoy, Narli, & Idil(2016)은 데이터 마이닝 기술을 사용하여 중학교 학생의 성별, 학년, 유치원 경험유무, 부모의 교육수준, 수학학습 선호도에 관한 변인으로부터 수학적 태도에 영향을 미치는 변인을 식별하고 이를 예측하기 위한 다양한 규칙(예를 들어, 성별=여자, 학년=8학년, 모 교육수준=초졸, 부 교육수준=고졸 → 학생의 수학적 태도=부정적)을 찾아냈다. Gabriel et al.(2018)은 기계학습을 사용하여 PISA1) 자료(오스트리아)로 부터 수학적 소양2)에 미치는 인구통계학적 변인과 심리학적 변인을 분석한 결과 수학 자아효능감이 학생의 수학적 소양에 가장 유의미한 변인이라는 것을 보고하였다. Masci et al.(2018) 역시 PISA 자료를 기계학습을 통해 분석하여 9개국3) 학생의 수학 성취도에 영향을 미치는 국가별 유의미한 학생 변인과 학교 변인을 탐색하였다. Martin et al.(2015)은 반복적 등분할(equipartitioning) 조작으로 특정 분수를 만드는 온라인 게임을 설계한 뒤 온라인 게임 과정에서 발생한 초등학생들의 로그 데이터(log data)를 분석하여 분수 분할 활동 패턴을 군집화하고 군집별 학생의 분수학습 방식을 조사하였다. 나아가 Araya et al.(2014)은 수학적 모델링 학습을 위해 설계된 게임 기반 온라인 학습에서 초등학교와 중학교 학생의 학습패턴을 검토하였고, Kim, Yoon, Jo, & Branch(2018)는 온라인 통계 수업에서 대학생들의 자기주도적 학습패턴을 3개의 군집으로 분류하고 군집별 효과적인 교수학적 전략을 제시하였다.둘째, 선행연구에서는 맞춤형 수학 교수·학습을 제공하기 위해 지능형 교수 시스템(intelligent tutoring system, 이하 ITS)과 같은 AI 기반 시스템을 개발하여 사용하였다.

수학교육에서 AI 활용은 크게 두 가지 측면으로 분류할 수 있다. 첫째, 선행연구에서는 학생의 수학학습 과정을 분석하기 위해 기계학습(machine learning)과 데이터 마이닝(data mining)과 같은 AI 알고리즘을 사용하였다. AI는 학습 분석학(learning analytics) 측면에서 주로 교육용 빅데이터를 분석하여 학생의 인지적·정의적 영역에 미치는 변인 식별과 예측 그리고 학생의 학습 행동과 패턴을 모델링하기 위해 사용되는 경향이 있다(Shin & Shim, 2020). 예를 들어, Aksoy, Narli, & Idil(2016)은 데이터 마이닝 기술을 사용하여 중학교 학생의 성별, 학년, 유치원 경험유무, 부모의 교육수준, 수학학습 선호도에 관한 변인으로부터 수학적 태도에 영향을 미치는 변인을 식별하고 이를 예측하기 위한 다양한 규칙(예를 들어, 성별=여자, 학년=8학년, 모 교육수준=초졸, 부 교육수준=고졸 → 학생의 수학적 태도=부정적)을 찾아냈다. Gabriel et al.(2018)은 기계학습을 사용하여 PISA1) 자료(오스트리아)로 부터 수학적 소양2)에 미치는 인구통계학적 변인과 심리학적 변인을 분석한 결과 수학 자아효능감이 학생의 수학적 소양에 가장 유의미한 변인이라는 것을 보고하였다. Masci et al.(2018) 역시 PISA 자료를 기계학습을 통해 분석하여 9개국3) 학생의 수학 성취도에 영향을 미치는 국가별 유의미한 학생 변인과 학교 변인을 탐색하였다. Martin et al.(2015)은 반복적 등분할(equipartitioning) 조작으로 특정 분수를 만드는 온라인 게임을 설계한 뒤 온라인 게임 과정에서 발생한 초등학생들의 로그 데이터(log data)를 분석하여 분수 분할 활동 패턴을 군집화하고 군집별 학생의 분수학습 방식을 조사하였다. 나아가 Araya et al.(2014)은 수학적 모델링 학습을 위해 설계된 게임 기반 온라인 학습에서 초등학교와 중학교 학생의 학습패턴을 검토하였고, Kim, Yoon, Jo, & Branch(2018)는 온라인 통계 수업에서 대학생들의 자기주도적 학습패턴을 3개의 군집으로 분류하고 군집별 효과적인 교수학적 전략을 제시하였다. 둘째, 선행연구에서는 맞춤형 수학 교수·학습을 제공하기 위해 지능형 교수 시스템(intelligent tutoring system, 이하 ITS)과 같은 AI 기반 시스템을 개발하여 사용하였다. 앞서 기술된 학습 분석학적 측면은 주로 연구자의 관점에서 AI 기술이 사용되었던 반면 맞춤형 교수·학습 시스템은 실제 학생과 교사가 현장에서 활용할 수 있다는 점에서 보다 실제적이다.

질의응답 정보가 도움이 되었나요?

참고문헌 (48)

  1. 1. Ministry of Science & ICT (2019). National strategy for artificial intelligence. Retrieved from https://www.msit.go.kr/web/msipContents/contentsView.do?cateId_policycom2&artId2405727 
  2. 2. Kyun, S., Yi, J., & Kwon, S. (2018). Students' perception of universities' introduction of artificial intelligence and of the artificial intelligence professors. The Journal of Educational Research, 16(3), 77-101. 
  3. 3. Kim, D.-J., Shin, J., Lee, J., Lim, W., Lee, Y., & Choi, S. (2019). Conceptualizing discursive teaching capacity: A case study of a middle school mathematics teacher, School Mathematics, 21(2), 291-318. 
  4. 4. Kim, H-K., Park, C., Jeong, S., & Ko, H. K. (2018). A view on complementary relation of human teacher and AI teacher in future education, Journal of Education & Culture, 24(6), 189-207. 
  5. 5. Nam M. (2018). The characteristics of teacher perceptions on the school education changes in intelligent information society. The Journal of Educational Development, 38(2), 129-153. 
  6. 6. Park, S., & Ihm, H-J. (2019). Elementary English teachers' perception toward future of English education. The Journal of Education, 39(4), 123-144. 
  7. 7. Park, J. H., & Shin, N. M. (2017). Students' perceptions of artificial intelligence technology and artificial intelligence teachers. The Journal of Korean Teacher Education, 34(2), 169-192. 
  8. 8. Suk, J-Y., & Yi, S-W. (2018). The role of teachers in the age of artificial intelligence- A case of the tasks for Korean teachers. Humanities Research, 55, 361-390. 
  9. 9. Song, S. C., & Shim, K. C. (2017). A study on the awareness of pre-service science teachers about secondary education in future intelligence information society. Biology Education, 45(3), 404-417. 
  10. 10. Ryu, K., Jung, J. W., Kim, Y. S., & Kim, H. B. (2018). Understanding qualitative research methods. Seoul; Park Young Sa. 
  11. 11. Lim, J. H., Ryu, K. H., & Kim, B. C. (2017). An exploratory study on the direction of education and teacher competencies in the 4th industrial revolution. The Journal of Korean Education, 44(2), 5-32. 
  12. 12. Choi, M-Y. & Lee, T-W. (2019). The status of Artificial Intelligence in education and Prediction of change in roles of teacher and school. Conference Paper of the Korean Association of Computer Education, 23(2), 85-88. 
  13. 13. Aksoy, E., Narli, S., & Idil, F. H. (2016). Using data mining techniques examination of the middle school students' attitude towards mathematics in the context of some variables. International Journal of Education in Mathematics Science and Technology, 4(3), 210-228. 
  14. 14. Ally, M. (2019). Competency profile of the digital and online teacher in future education. International Review of Research in Open and Distributed Learning, 20(2), 302-318. 
  15. 15. Araya, R., Jimenez, A., Bahamondez, M., Calfucura, P., Dartnell, P., & Soto-Andrade, J. (2014). Teaching modeling skills using a massively multiplayer online mathematics game. World Wide Web, 17(2), 213-227. 
  16. 16. Bywater, J. P., Chiu, J. L., Hong, J., & Sankaranarayanan, V. (2019). The teacher responding tool: Scaffolding the teacher practice of responding to student ideas in mathematics classrooms. Computers & Education, 139, 16-30. 
  17. 17. Cabestrero, R., Quiros, P., Santos, O. C., Salmeron-Majadas, S., Uria-Rivas, R., Boticario, J. G., ... & Ferri, F. J. (2018). Some insights into the impact of affective information when delivering feedback to students. Behaviour & Information Technology, 37(12), 1252-1263. 
  18. 18. Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial intelligence trends in education: a narrative overview. Procedia Computer Science, 136, 16-24. 
  19. 19. Cope, B., Kalantzis, M., & Searsmith, D. (2020). Artificial intelligence for education: Knowledge and its assessment in AI-enabled learning ecologies. Educational Philosophy and Theory. Advance online publication. 
  20. 20. Cukurova, M., Kent, C., & Luckin, R. (2019). Artificial intelligence and multimodal data in the service of human decision­making: A case study in debate tutoring. British Journal of Educational Technology, 50(6), 3032-3046. 
  21. 21. Dutton, T., Barron, B., & Boskovic, G. (2018). Building an ai world: Report on national and regional ai strategies. Retrieved from https://www.cifar.ca/docs/default-source/ai-society/buildinganaiworld_eng.pdf 
  22. 22. Frey, C. B., & Osborne, M. A. (2017). The future of employment: How susceptible are jobs to computerisation?. Technological Forecasting and Social Change, 114, 254-280. 
  23. 23. Gabriel, F., Signolet, J., & Westwell, M. (2018). A machine learning approach to investigating the effects of mathematics dispositions on mathematical literacy. International Journal of Research & Method in Education, 41(3), 306-327. 
  24. 24. Guilherme, A. (2019). AI and education: the importance of teacher and student relations. AI & Society, 34(1), 47-54. 
  25. 25. Holmes, W., Bialik, M., & Fadel, C. (2019). 인공지능 시대의 미래교육 (정제영, 이선복 역). 서울: 박영스토리. 
  26. 26. Huang, X., Craig, S. D., Xie, J., GraManyikeesser, A., & Hu, X. (2016). Intelligent tutoring systems work as a math gap reducer in 6th grade after-school program. Learning and Individual Differences, 47, 258-265. 
  27. 27. Ibanez, M. B., Di-Serio, A., Villaran-Molina, D., & Delgado-Kloos, C. (2015). Support for augmented reality simulation systems: The effects of scaffolding on learning outcomes and behavior patterns. IEEE Transactions on Learning Technologies, 9(1), 46-56. 
  28. 28. Jacobs, V. R., Lamb, L. L., & Philipp, R. A. (2010). Professional noticing of children's mathematical thinking. Journal for Research in Mathematics Education, 41(2), 169-202. 
  29. 29. Kim, D., Yoon, M., Jo, I. H., & Branch, R. M. (2018). Learning analytics to support self-regulated learning in asynchronous online courses: A case study at a women's university in South Korea. Computers & Education, 127, 233-251. 
  30. 30. Li, W., Chiu, C. K., & Tseng, J. C. (2019). Effects of a personalized navigation support approach on students' context-aware ubiquitous learning performances. Journal of Educational Technology & Society, 22(2), 56-70. 
  31. 31. Manyika, J., Chui, M., Miremadi, M., Bughin, J., George, K., Willmott, P., & Dewhurst, M. (2017). A future that works: Automation, employment, and productivity. New York: McKinsey Global Institute. 
  32. 32. Martin, T., Smith, C. P., Forsgren, N., Aghababyan, A., Janisiewicz, P., & Baker, S. (2015). Learning fractions by splitting: Using learning analytics to illuminate the development of mathematical understanding. Journal of the Learning Sciences, 24(4), 593-637. 
  33. 33. Masci, C., Johnes, G., & Agasisti, T. (2018). Student and school performance across countries: A machine learning approach. European Journal of Operational Research, 269(3), 1072-1085. 
  34. 34. McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth summer research project on artificial intelligence. AI Magazine, 27(4), 12-14. 
  35. 35. Pai, K. C., Kuo, B. C., Liao, C. H., & Liu, Y. M. (2020). An application of Chinese dialogue-based intelligent tutoring system in remedial instruction for mathematics learning. Educational Psychology. Advance online publication. 
  36. 36. Phillips, A., Pane, J. F., Reumann-Moore, R., & Shenbanjo, O. (2020). Implementing an adaptive intelligent tutoring system as an instructional supplement. Educational Technology Research and Development. Advance online publication. 
  37. 37. Rajendran, R., Iyer, S., & Murthy, S. (2018). Personalized affective feedback to address students' frustration in ITS. IEEE Transactions on Learning Technologies, 12(1), 87-97. 
  38. 38. Reinhold, F., Hoch, S., Werner, B., Richter-Gebert, J., & Reiss, K. (2020). Learning fractions with and without educational technology: What matters for high-achieving and low-achieving students?. Learning and Instruction. Advance online publication. 
  39. 39. Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International Journal of Artificial Intelligence in Education, 26(2), 582-599. 
  40. 40. Russell, S, J., & Norvig, P. (2016). Artificial intelligence: A modern approach. New Jersey: Prentice Hall. 
  41. 41. Ryoo, K., & Linn, M. C. (2016). Designing automated guidance for concept diagrams in inquiry instruction. Journal of Research in Science Teaching, 53(7), 1003-1035. 
  42. 42. Schwarz, B. B., Prusak, N., Swidan, O., Livny, A., Gal, K., & Segal, A. (2018). Orchestrating the emergence of conceptual learning: A case study in a geometry class. International Journal of Computer-Supported Collaborative Learning, 13(2), 189-211. 
  43. 43. Shin, D., & Shim, J. (2020). A systematic review on data mining for mathematics and science education. International Journal of Science And Mathematics Education. Advance online publication. 
  44. 44. VanLehn, K., Burkhardt, H., Cheema, S., Kang, S., Pead, D., Schoenfeld, A., & Wetzel, J. (2019). Can an orchestration system increase collaborative, productive struggle in teaching-by-eliciting classrooms?. Interactive Learning Environments. Advance online publication. 
  45. 45. Hu, W., & Shi, Y. B. (2018). Research on the role predicament of teachers in the era of artificial intelligence. US-China Education Review, 8(6), 273-278. 
  46. 46. Wu, H. M., Kuo, B. C., & Wang, S. C. (2017). Computerized dynamic adaptive tests with immediately individualized feedback for primary school mathematics learning. Journal of Educational Technology & Society, 20(1), 61-72. 
  47. 47. Zhao, Y., & Liu, G. (2019, January). How do teachers face educational changes in artificial intelligence era. 2018 International Workshop on Education Reform and Social Sciences (pp. 47-50). Chengdu, China. 
  48. 48. Zhou, J-S., & Dai, J-C. (2019, June). The transformation of teachers' role in the new era of intelligence education. 2019 International Conference on Advanced Education and Management (pp. 297-301). Chengdu, China. 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

DOI 인용 스타일

"" 핵심어 질의응답