[논문]개별 맞춤형 학습을 위한 인공지능(AI) 기반 수학 디지털교과서의 학습자 데이터 구축 모델

이화영

doi:10.7468/jksmec.2023.26.4.333

개별 맞춤형 학습을 위한 인공지능(AI) 기반 수학 디지털교과서의 학습자 데이터 구축 모델
A Model for Constructing Learner Data in AI-based Mathematical Digital Textbooks for Individual Customized Learning 원문보기

Journal of the Korean Society of Mathematical Education. Series C : Education of primary school mathematics, v.26 no.4, 2023년, pp.333 - 348

이화영 (한국과학창의재단)

초록
AI-Helper

인공지능 기반의 수학 디지털교과서의 가장 핵심적인 기능으로 여겨지는 개별 맞춤형 교수·학습이 실현되기 위해서는 개별 학생의 여러 가지 특성 요인에 대한 명확한 분석과 진단이 가장 관건이다. 본 연구에서는 수학 AI 디지털교과서에서 개별 맞춤형 학습 진단을 위한 분석 요인과 도구, 데이터 수집·분석을 위한 구축 모델을 도출하였다. 이를 위하여 최근 교육부의 AI 디지털교과서 적용 계획에 따른 수학 AI 디지털교과서에 대한 요구, 개별화 맞춤형 학습과 이를 위한 데이터에 대한 선행 연구, 수학 디지털플랫폼에서 학습자 분석에 대한 요인 등이 검토되었다. 연구 결과, 연구자는 학생 개인별로 수집해야 할 데이터로 학습 분석을 위한 요인으로 학습 준비도, 과정 및 수행도, 성취도, 취약점, 성향 분석을 위한 요인으로 학습 지속 시간, 문제해결에 걸린 시간, 집중도, 수학학습 습관, 정서 분석을 위한 요인으로 자신감, 흥미, 불안, 학습의욕, 가치 인식, 태도 분석을 위한 요인으로 자기 관리, 학습 전략으로 정리하였다. 또한, 이러한 요인에 대한 데이터 수집 도구로, 문제에 대한 정오 데이터, 학습 진도율, 학생 활동에 대한 화면 녹화 자료, 이벤트 데이터, 시선 추적 장치, 자기 응답 설문 등을 제안하였다. 최종적으로 이러한 요인들을 학습 전, 중, 후로 시계열화한 데이터 수집 모델이 제안되었다.

Abstract ▼ AI-Helper

Clear analysis and diagnosis of various characteristic factors of individual students is the most important in order to realize individual customized teaching and learning, which is considered the most essential function of math artificial intelligence-based digital textbooks. In this study, analysis factors and tools for individual customized learning diagnosis and construction models for data collection and analysis were derived from mathematical AI digital textbooks. To this end, according to the Ministry of Education's recent plan to apply AI digital textbooks, the demand for AI digital textbooks in mathematics, personalized learning and prior research on data for it, and factors for learner analysis in mathematics digital platforms were reviewed. As a result of the study, the researcher summarized the factors for learning analysis as factors for learning readiness, process and performance, achievement, weakness, and propensity analysis as factors for learning duration, problem solving time, concentration, math learning habits, and emotional analysis as factors for confidence, interest, anxiety, learning motivation, value perception, and attitude analysis as factors for learning analysis. In addition, the researcher proposed noon data on the problem, learning progress rate, screen recording data on student activities, event data, eye tracking device, and self-response questionnaires as data collection tools for these factors. Finally, a data collection model was proposed that time-series these factors before, during, and after learning.

주제어

표/그림 (7)

그림 [그림 1] 개별화 학습의 동적 프레임워크 (Tetzlaff, Schmiedek, Brod, 2021)
표 [표 1] 학습자 초기수학 능력과 단원학습 성취 측정 항목 (이현숙 외, 2019, pp.125-152)
그림 [그림 2] 문항 카드 예시(자연수의 연산) (김희정 외, 2020, p.18)
표 [표 2] 정의적 영역 진단 검사 문항 (한국과학창의재단, 2020)
표 [표 3] 국내외 인공지능 시스템에서 수집하고 활용하는 학생 데이터
표 [표 4] 학생 데이터 분석·진단을 위한 요인별 데이터 수집 도구
그림 [그림 3] 시계열에 따른 학생별 데이터 구축 모델

참고문헌 (47)

고호경, 양길석, 이환철(2015). 수학학습 상담을 위한？진단 검사지 개발 연구. 수학교육논문집, 29(4),？723-743.
교육부(2020). 제3차 수학교육 종합계획. 교육부.
교육부(2023). 디지털기반 교육혁신 방안. 2023년 2월？24일자 카드뉴스. https://www.moe.go.kr/boardCnts/viewRenew.do?boardID72771&lev0&statusYNW&smoe&m0315&opTypeN&boardSeq94559.
교육부, 한국교육학술정보원(2023). AI 디지털교과서？개발 가이드라인.
교육인적자원부(2007). 디지털교과서 상용화 추진 방안.
김성훈, 김우진, 장연주, 김현철(2021). 설명 가능한 AI 학습 지원 시스템 개발. 컴퓨터교육학회 논문지,？24(1), 107-115. https://doi.org/10.32431/kace.2021.24.1.012
김수철(2022). 과정중심의 초등학교 수학 진단편가 자료 개발 연구(온라인 학습 플랫폼 적용의 관점에서). 아시아태평양융합교류논문지, 8(11), 327-336.
김화경, 송민호, 최인용, 정인우(2020). 컴퓨터 기반 평가에서 수학 기초학력 미달 학생의 특징 분석:？PISA 2018 문항 응답 시간과 동작을 중심으로. 학교수학, 22(3), 791-809.
남윤석, 한성희(2007). 지적장애학생의 수학교수전략？개별화를 위한 스캐폴딩 기반 코스웨어의 개발. 특수교육저널:이론과 실천, 8(3), 93-116.
류성림(1999). 수학 학습 부진아의 개별화 교수 방법,？초등수학교육, 3(2), 115-131.
박선향, 윤혜림, 조보람, 최문영(2021). 학습역량 진단 구 개발 및 타당화 연구: K-대학 재학생을 중심으로. 한국산학기술학회논문지, 22(11), 794-802.
박성익(2008). 개별화학습의 전망과 과제. 교육방법연구, 20(1), 1-22.
박만구, 임현정, 김지영, 이규하, 김미경(2020). 머신러닝 추천모듈이 적용된 맞춤형 학습 플랫폼 효과성？탐색: 학습시간, 자기주도적 학습능력, 수학에 대한？태도, 수학학업성취도를 중심으로. 수학교육, 59(4),？373-387.
박만구, 이윤경, 정보화, 정유진, 김지영(2023). 초등수학에서 메타버스 수업 공간 설계 및 적용 사례연구: 정의적 영역을 중심으로. 수학교육, 62(1),？117-149.
범은애, 전인숙, 한지연(2023). 인공지능(AI) 기반 맞춤형 학습의 효과검증: 기초 수학수업 사례 중심으로. 한국사물인터넷학회논문지, 9(3), 35-43.
송다겸, 이봉주(2017). 수학 성취도가 낮은 학생의 보충 지도 과정에서 블렌디드 e-러닝과 개별화 교수체제의 효과 비교 분석. 수학교육, 56(2), 161-175.
송민호(2016). 디지털교과서 및 소프트웨어교육의 도입에 따른 수학교육 관점에서의 공학적 도구 설계？및 활용에 관한 고찰. 학습자중심교과교육연구,？16(11), 333-352.
양성현(2023). GeoGebra의 '구성단계 네비게이션 바'와 '구성단계' 기능을 활용한 과정 중심 평가 가능성 탐색. 수학교육학연구, 33(1), 58-80.
이기마, 이유정, 김희정(2023). 국내 AI 수학 학습 플랫폼의 적응형 학습에 대한 분석. 한국학교수학회논문집, 26(3), 245-268.
이봉규, 정경욱, 이원경(2022). 개별화 교수전략을 적용한 AI 기반 적응형 학습 시스템 활용 중학교 기초학력 미달 수업에 관한 참여적 실행연구. 학습자중심교과교육연구, 22(24), 333-359.
이상구, 이재화, 박경은(2017). 대화형 수학 디지털교과서 개발과 활용 사례 연구-선형대수학을 중심으로-. 수학교육논문집, 31(3), 241-255.
이영호(2017). 맞춤형 프로그램 교육을 위한 지능형？문제 해결 경로 예측 모델 개발. 박사학위논문, 서울교육대학교.
이현경, 조영환, 금선영(2022). 학습자 데이터 기반 맞춤형 수업설계 대한 초등학교 교사의 인식. 교육공학연구, 38(1), 37-67.
이현숙, 김중훈, 이화영, 김혜미, 정평강, 신재현, 이대식, 장혜원, 남지현, 이영호, 안서헌, 진소현(2019).？인공지능(AI) 활용 초등수학 수업 지원시스템 개발방안 연구. 교육부, 한국과학창의재단 연구보고서.
임현서, 윤주형, 최성경(2022). 맞춤형 학습컨설팅을？위한 학습 스타일 진단 도구 개발: H 대학교 사례를 중심으로. 학습자중심교과교육연구, 22(22), 735-751. https://doi.org/10.22251/jlcci.2022.22.22.735

상세보기
정제영(2021). 포스트코로나 시대의 미래교육: 비대면？지능형 교육 기술의 동향. 융합연구리뷰, 7(3),？4-29.
정평강(2018). 데이터기반개별화(DBI)의 특성과 학생의 학업성취도에 미치는 효과: 문헌 연구. 학습장애연구, 15(1), 165-192.
조한혁, 송민호(2014). 실행식(Executable expression)？기반 SMART 스토리텔링 수학교육. 수학교육학연구, 24(2), 269-283.
주정흔(2023). 인공지능 기반 맞춤형 교육의 실제와？쟁점. 교육비평, 52, 23-63. http://dx.doi.org/10.23119/er.2023..52.23
진성희, 유미나(2015). 이러닝 학습환경에서의 학습분석기반 대시보드 연구동향 분석. 교육정보미디어연구, 21(2), 185-213.
최숙기(2022). 학습자 맞춤형 국어과 수업 설계를 위한 인지진단모형의 활용 방안 연구. 청람어문교육,？87, 73-101.
최인선(2022). 수학교실에서 인공지능(AI)을 활용한？교수학습 방안 탐색: 중학교 통계 단원 시나리오？개발을 중심으로. 한국학교수학회논문집, 25(2),？149-174.
한국과학창의재단(2020). 초등학교 수학클리닉 사전검사 매뉴얼, https://askmath.kofac.re.kr/images/user/sub/(elemen)math_clinic.pdf
한국과학창의재단(2021). 수학학습지원을 위한 인공지능 종합시스템 구축 ISP. 한국과학창의재단.
한국과학창의재단(2023). 2022 개정 교육과정에 따른？수학.과학 AI 디지털교과서 검정 실시 공고. 한국과학창의재단 공고 제2023-0028호.
허남구, 류희찬(2015). 활동 중심 수학과 디지털교과서의 개발 및 적용, 수학교육학연구, 25(2), 241-261.
홍옥수, 김중훈, 김혜미, 임영빈, 김경미, 김성훈, 김승민, 남지현, 신재현, 안서헌, 이영호, 임미인, 정평강, 황규하 (2021). 인공지능(AI) 초등수학수업 지원시스템 개발 및 운영방안 연구. 발간등록번호？11-1342000-000702-01. 교육부, 한국과학창의재단.
Cengel, M., Karadag, Z. (2010). Geogebra and？process-oriented assessment: A potential for a？sea level change. In D. Novak, D. Martinovic,？and Z. Karadag (Eds.) Proceedings of the first？North American GeoGebra Conference.？(pp.136-146). Ithaca College.
Coffield, F., Moseley, D., Hall, E., & Ecclestone, K.？(2004). Learning styles and pedagogy in post-16？learning: A systematic and critical review.？Learning and Skills Research Centre.
Karsenti, T. (2019). Artificial intelligence in？education: The urgent need to prepare teachers？for tomorrow's schools. Formation et Profession,？27(1), 105-111.
Kirschner, P. A. (2017). Stop propagating the learning styles myth. Computers & Education, 106, 166-171. http://dx.doi.org/10.1016/j.compedu.2016.12.006

상세보기
Ma, W., Adesope, O. O., Nesbit, J. C., & Liu, Q.？(2014). Intelligent tutoring systems and？learningoutcomes: A meta-analysis. Journal of？Educational Psychology, 106(4), 901-918.

상세보기
Tetzlaff, Schmiedeck, Brod (2021). Developing？personalized education: A dynamic framework.？Education Psychology Review. 33, 863-882.？https://doi.org/10.1007/s10648-020-09570-w.

상세보기
Wu. L. J., Chen H. H., Sung. Y. T., Chang. K.？E.(2012). Developing cognitive diagnostic？assessments system for mathematics learning, In？B. Werner (Ed.), Proceedings of the 12th IEEE？International Conference on Advanced Learning？Technologies, ICALT 2012 (pp.228-229). IEEE？Computer Society.
Schwendimann, B. A., Rodriguez-Triana, M. J.,？Vozniuk, A., Prieto, L. P., Boroujeni, M. S.,？Holzer, A., & Dillenbourg, P. (2017). Perceiving？learning at a glance: A systematic literature？review of learning dashboard research. IEEE？Transactions on Learning Technologies, 10(1),？30-41.

상세보기
Venturini, M., Sinclair, N.(2017). Designing？assessment tasks in a dynamic geometry？environment. In A Leung and A.？Baccaglini-Frank (Eds.), Digital technologies in？designing mathematics education tasks:？Mathematics Education in the Digital Era (pp.？77-98). Springer International Publishing？Switzerland.
Zawacki-Richter, O., Marin, V.I., Bond, M., &？Gouverneur F. (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.

저자의 다른 논문 :

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