[논문]대학에서 비전공자 대상 인공지능 교육의 사례 연구

이영석

doi:10.22156/cs4smb.2022.12.02.157

대학에서 비전공자 대상 인공지능 교육의 사례 연구
A Case Study on Artificial Intelligence Education for Non-Computer Programming Students in Universities 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.12 no.2, 2022년, pp.157 - 162

이영석 (강남대학교 KNU참인재대학)

초록
AI-Helper

지식정보 사회에서는 일상생활에서 만나는 다양한 문제들을 컴퓨팅 사고를 바탕으로 해결할 수 있도록 디지털 리터러시 교육과 함께 AI 기술을 활용할 수 있는 인공지능 교육이 필요하다. 본 논문에서는 대학에서 컴퓨터 비전공자들을 중심으로 컴퓨터프로그래밍을 가르치면서 데이터 중심의 인공지능 교육을 실시하고, 학생들의 만족도 조사와 함께 학업성적 요인과 관련된 주요 요인들의 상관관계를 분석하였다. 그 결과, 성적과 문제해결력 기반의 과제와 학습 만족도가 강한 상관이 나타났고, 다중 회귀 분석 결과에서도 성적에 유의한 영향(F=225.859, p<0.001)을 주는 것으로 나타났으며, 학생들의 만족도가 높게 나타났다. 비전공자들에게도 프로젝트 형태의 구체적인 사례를 중심으로 데이터의 중요성과 인공지능 모델의 개념을 이해하고, 자신의 관심 분야에서 인공지능을 원활하게 활용할 수 있음을 확인할 수 있었다. 이러한 인공지능 교육 사례가 정립되고, 학생들의 인공지능 교육이 활성화된다면, 인공지능 기술의 관심을 통해 인공지능 전문가들과 협업할 수 있는 인공지능 교육의 방향을 제시할 수 있을 것이다.

Abstract ▼ AI-Helper

In a society full of knowledge and information, digital literacy and artificial intelligence (AI) education that can utilize AI technology is needed to solve numerous everyday problems based on computational thinking. In this study, data-centered AI education was conducted while teaching computer programming to non-computer programming students at universities, and the correlation between major factors related to academic performance was analyzed in addition to student satisfaction surveys. The results indicated that there was a strong correlation between grades and problem-solving ability-based tasks, and learning satisfaction. Multiple regression analysis also showed a significant effect on grades (F=225.859, p<0.001), and student satisfaction was high. The non-computer programming students were also able to understand the importance of data and the concept of AI models, focusing on specific examples of project types, and confirmed that they could use AI smoothly in their fields of interest. If further cases of AI education are explored and students' AI education is activated, it will be possible to suggest its direction that can collaborate with experts through interest in AI technology.

주제어

표/그림 (6)

표 Table 1. Distribution of the research group
그림 Fig. 1. Result Analysis of Online Class Satisfaction
그림 Fig. 2. Result analysis of class difficulty
표 Table 2. The results of correlation analysis.
표 Table 3. The results of multiple regression analysis
표 Table 4. The results of multiple regression analysis

참고문헌 (17)

F. Pedro et al. (2019). Artificial intelligence in education: Challenges and opportunities for sustainable development, (Online). http://repositorio.minedu.gob.pe/handle/20.500.12799/6533
R. Luckin & M. Cukurova, (2019). Designing educational technologies in the age of AI: A learning sciences-driven approach, British Journal of Educational Technology, 50(6), 2824-2838,

상세보기
N. Garrett, N. Beard & C. Fiesler. (2020). More Than 'If Time Allows' The Role of Ethics in AI Education, in Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society, (pp.272-278).
C. Perrotta & N. Selwyn. (2020). Deep learning goes to school: Toward a relational understanding of AI in education, Learning, Media and Technology, 45(3), 251-269.

상세보기
W. W. B. Goh & C. C. Sze. (2019). AI paradigms for teaching biotechnology, Trends in biotechnology, 37(1), 1-5.

상세보기
O. Zawacki-Richter. et al. (2019). Systematic review of research on artificial intelligence applications in higher education-where are the educators?, International Journal of Educational Technology in Higher Education, 16(1), 1-27,

상세보기
D. S. Touretzky et al. (2019). K-12 Guidelines for Artificial Intelligence: What Students Should Know, in Proc. of the ISTE Conference.
M. Hussain et al. (2019). Using machine learning to predict student difficulties from learning session data, Artificial Intelligence Review, 52(1), 381-407.

상세보기
L. S. Marques, C. Gresse von Wangenheim & J. C. Hauck. (2020). Teaching Machine Learning in School: A Systematic Mapping of the State of the Art, Informatics in Education, 19(2), 283-321.
A. I. Vlasov, L. V. Juravleva & V. A. Shakhnov. (2019). Visual environment of cognitive graphics for end-to-end engineering project-based education, Journal of Applied Engineering Science, 17(1), 99-106.

상세보기
G. Gadanidis. (2017). Artificial intelligence, computational thinking, and mathematics education, The International Journal of Information and Learning Technology.
M. L. How & W. L. D. Hung. (2019). Educing AI-thinking in science, technology, engineering, arts, and mathematics (STEAM) education, Education Sciences, 9(3), 184. DOI : 10.3390/educsci9030184

상세보기
R. J. Passonneau et al. (2017). Preface: special issue on multidisciplinary approaches to AI and education for reading and writing, International Journal of Artificial Intelligence in Education, 27(4), 665-670.

상세보기
F. Duzhin & A. Gustafsson. (2081). Machine learning-based app for self-evaluation of teacher-specific instructional style and tools, Education Sciences, 8(1), 7. DOI : 10.3390/educsci8010007

상세보기
Y. Lee. (2020). A Study on the Diagnosis Method of Knowledge Information in Computational Thinking using LightBot. Journal of the Korea Convergence Society, 11(8), 33-38. DOI : 10.15207/JKCS.2020.11.8.033

원문보기 상세보기
Y. Lee. (2020). A study on the Correlation of between Online Learning Patterns and Learning Effects in the Non-face-to-face Learning Environment. Journal of the Korea Academia-Industrial cooperation Society. 21(8), 557-562. DOI : 10.5762/KAIS.2020.21.8.557

원문보기 상세보기
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

원문보기 상세보기

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