본 연구의 목적은 AI 분류 모델을 기반으로 한 화학 I 수업의 효과를 검토하고자 한다. 이를 위하여 경북 D 고등학교에서 2023년 1학기에 시행된 화학 I 수업에서 AI 분류 모델을 활용한 수업의 개발과 적용 후 그 변화를 탐색하였다. 교과 내용과 AI 도구를 선정하고 교과-AI융합 교육 모형 및 AI 하드웨어 소프트웨어를 결정한 후, 프로그램의 세부 활동을 개발하여 실제 수업에 적용하였다. 수업 적용 후, 학생들의 화학 개념 형성, AI 가치 인식, AI 기반 메이킹 역량의 세가지 측면에서 자기 효능감이 향상되었음이 확인되었다. 구체적으로, 텍스트 및 이미지 분류 모델 기반의 화학 수업이 학생들의 화학 개념 형성에 대한 자아 효능감에 긍정적인 영향을 미쳤으며, 학생들의 AI 가치 인식과 흥미를 증진시켰고, 학생들의 AI와 피지컬 컴퓨팅 능력을 향상시키는데 기여하였다. 이러한 결과는 AI 분류 모델을 기반으로 한 화학 I 수업이 학생들에게 긍정적인 영향을 미침을 보여주며, 교육현장에서의 유용성을 입증한다.
본 연구의 목적은 AI 분류 모델을 기반으로 한 화학 I 수업의 효과를 검토하고자 한다. 이를 위하여 경북 D 고등학교에서 2023년 1학기에 시행된 화학 I 수업에서 AI 분류 모델을 활용한 수업의 개발과 적용 후 그 변화를 탐색하였다. 교과 내용과 AI 도구를 선정하고 교과-AI융합 교육 모형 및 AI 하드웨어 소프트웨어를 결정한 후, 프로그램의 세부 활동을 개발하여 실제 수업에 적용하였다. 수업 적용 후, 학생들의 화학 개념 형성, AI 가치 인식, AI 기반 메이킹 역량의 세가지 측면에서 자기 효능감이 향상되었음이 확인되었다. 구체적으로, 텍스트 및 이미지 분류 모델 기반의 화학 수업이 학생들의 화학 개념 형성에 대한 자아 효능감에 긍정적인 영향을 미쳤으며, 학생들의 AI 가치 인식과 흥미를 증진시켰고, 학생들의 AI와 피지컬 컴퓨팅 능력을 향상시키는데 기여하였다. 이러한 결과는 AI 분류 모델을 기반으로 한 화학 I 수업이 학생들에게 긍정적인 영향을 미침을 보여주며, 교육현장에서의 유용성을 입증한다.
The purpose of this study is to examine the effects of a Chemistry I class based on an artificial intelligence (AI) classification model. To achieve this, the research investigated the development and application of a class utilizing an AI classification model in Chemistry I classes conducted at D H...
The purpose of this study is to examine the effects of a Chemistry I class based on an artificial intelligence (AI) classification model. To achieve this, the research investigated the development and application of a class utilizing an AI classification model in Chemistry I classes conducted at D High School in Gyeongbuk during the first semester of 2023. After selecting the curriculum content and AI tools, and determining the curriculum-AI integration education model as well as AI hardware and software, we developed detailed activities for the program and applied them in actual classes. Following the implementation of the classes, it was confirmed that students' self-efficacy improved in three aspects: chemistry concept formation, AI value perception, and AI-based maker competency. Specifically, the chemistry classes based on text and image classification models had a positive impact on students' self-efficacy for chemistry concept formation, enhanced students' perception of AI value and interest, and contributed to improving students' AI and physical computing abilities. These results demonstrate the positive impact of the Chemistry I class based on an AI classification model on students, providing evidence of its utility in educational settings.
The purpose of this study is to examine the effects of a Chemistry I class based on an artificial intelligence (AI) classification model. To achieve this, the research investigated the development and application of a class utilizing an AI classification model in Chemistry I classes conducted at D High School in Gyeongbuk during the first semester of 2023. After selecting the curriculum content and AI tools, and determining the curriculum-AI integration education model as well as AI hardware and software, we developed detailed activities for the program and applied them in actual classes. Following the implementation of the classes, it was confirmed that students' self-efficacy improved in three aspects: chemistry concept formation, AI value perception, and AI-based maker competency. Specifically, the chemistry classes based on text and image classification models had a positive impact on students' self-efficacy for chemistry concept formation, enhanced students' perception of AI value and interest, and contributed to improving students' AI and physical computing abilities. These results demonstrate the positive impact of the Chemistry I class based on an AI classification model on students, providing evidence of its utility in educational settings.
이를 위하여 본 연구에서는 AI 분류 모델 기반 화학수업이 주는 효과에 대하여 학생들의 자기효능감의 변화를 교육과정의 틀에 기초하여 지식이해, 가치태도, 그리고 기능의 3가치 측면으로 분석하였다. 결국, 본 연구의 목적은 고등학생을 대상으로 교육과정 성취기준에 따라 AI 분류 모델 기반 화학수업을 개발하고 프로그램 투입을 통해 그 효과를 화학 개념 형성, AI 가치, 그리고 AI 연계 메이킹 역량 측면에서 학생들의 자기효능감을 종합적으로 분석하고자 한다.
둘째로, 본 연구에서 제시한 텍스트 분류 AI 기반의 화학 수업은 현재까지의 교과 적용 연구에서 거의 탐구가 이루어지지 않은 영역이다. 대다수의 교과에 적용된 AI 분류 모델은 주로 이미지 분류 AI에 중점을 두고 있었으나, 본 연구에서는 화학 수업에서의 텍스트 분류 AI 활용에 대한 새로운 접근 방법을 제시함으로써 이 분야에 대한 기존의 공백을 채우고자 하였다. 본 연구에서 학생들은 화학 수업의 모델생성과정에서 AI을 메이킹 도구로 적극적으로 활용하여 텍스트 분류 활동을 하는 모습이 학생들의 서술형 문항 및 산출물에 포착되었다.
따라서 본 연구에서는 AI 기술을 고등 화학 교육에서 활용하기 위한 방안으로 피지컬 컴퓨팅을 기반으로 한 AI 연계 메이커 교육을 제안하는 바이다. 특히, 본 연구는 AI 분류 모델 기반 융합 수업을 화학 교육과정에 도입하여 정규 교과 시간에 메이커 연계 교육활동이 이루어질 수 있도록 구성하고 이에 대한 효과를 탐색하고자 한다.
본 연구는 ASKMB 모형을 활용하여 화학과 AI 교육을 효과적으로 융합하는 방법을 모색하였다. 이를 위해 ‘AI 분류 모델 기반 화학수업’을 설계하였고, 이를 ‘탐색’, ‘모델링’, ‘활용’의 세 단계로 나누었다.
본 연구는 다양한 AI의 기능 중 분류 모델을 기반으로 AI 교육이 정규 교육과정에 반영될 수 있도록 화학 교육에 적용하여 실현 가능성과 학생들의 자기효능감의 변화를 파악하고자 하였다. 이를 위해 텍스트 및 이미지를 활용한 AI 분류 모델 기반 교수학습 프로그램을 개발 및 적용하여 학생들의 인식변화를 분석하고 그 결과를 확인하였다.
수업 적용 후, “MLFK와 스크래치를 활용한 분류관련 블록코딩이 의식주 문제 해결에 기여한 화학에 어떤 것이 있는지를 이해하는데 어떤 영향을 주었는가?”와 같은 서술형 문항을 추가하였다. 설문 결과를 분석함으로써, 본 AI 분류 모델 기반 메이킹이 화학 개념 형성에 대한 자기효능감에 어떠한 영향을 주었는지 확인하고자 하였다. 수집된 자료의 분석을 위하여 Window용 SPSS 25.
문항의 세부 내용은 고등 화학 수업에서 화학의 첫걸음에 나오는 학습 주제인 ‘식량, 의복, 주거와 관련된 화학의 유용성’부분과 ‘탄소화합물의 유용성’으로 구분할 수 있었다. 이 소재를 통해 AI 분류모델 기반 화학 I 수업이 각 화학 개념 형성에 대한 자기효능감의 변화를 알아보았다. Table 3에는 텍스트 분류 모델 및 이미지 분류 모델로 인한 전반적인 변화를 제시하지 않았으나, AI 분류모델 중 텍스트 분류 모델을 활용하여 화학수업을 진행한 화학의 유용성(식량, 의복, 주거 문제해결) 개념에 대한 학생들의 자기효능감이 수업 투입 전 평균은 3.
특히, 본 연구는 AI 분류 모델 기반 융합 수업을 화학 교육과정에 도입하여 정규 교과 시간에 메이커 연계 교육활동이 이루어질 수 있도록 구성하고 이에 대한 효과를 탐색하고자 한다. 즉, AI 분류 모델 기반 융합수업이 피지컬 컴퓨팅을 활용한 화학 교육의 메이커 활동으로서 본 수업의 실효성을 교육과정의 구성 요소를 토대로 검증하기 위한 방법을 제시하고 그 의미를 도출하고자 하였다. 이를 위하여 본 연구에서는 AI 분류 모델 기반 화학수업이 주는 효과에 대하여 학생들의 자기효능감의 변화를 교육과정의 틀에 기초하여 지식이해, 가치태도, 그리고 기능의 3가치 측면으로 분석하였다.
따라서 본 연구에서는 AI 기술을 고등 화학 교육에서 활용하기 위한 방안으로 피지컬 컴퓨팅을 기반으로 한 AI 연계 메이커 교육을 제안하는 바이다. 특히, 본 연구는 AI 분류 모델 기반 융합 수업을 화학 교육과정에 도입하여 정규 교과 시간에 메이커 연계 교육활동이 이루어질 수 있도록 구성하고 이에 대한 효과를 탐색하고자 한다. 즉, AI 분류 모델 기반 융합수업이 피지컬 컴퓨팅을 활용한 화학 교육의 메이커 활동으로서 본 수업의 실효성을 교육과정의 구성 요소를 토대로 검증하기 위한 방법을 제시하고 그 의미를 도출하고자 하였다.
가설 설정
그리고 의류 이외에 우리 주변의 식량 문제해결, 주거 문제해결이 기여한 물품들을 테블릿 PC를 통해 조사하여 수집된 데이터를 확인하고 데이터에 있는 정보를 찾아내기 위해 위해서 어떤 작업이 필요할지 생각을 공유하였다. 마지막, 문제 파악 및 가설생성에서는 메이킹 활동 전 알고리즘 블록코딩의 모습 예상하기/예상한 블록코딩을 통해 작동될 AI 분류 모델은 어떻게 작동할지 가설 설정해보도록 하였다. 가설을 설정하며 모델 수정, 구성, 평가의 과정을 경험하게 된다.
제안 방법
3월 셋째 주부터 넷째 주까지 총 2주 동안 AI 분류 모델기반 수업을 수행하였다. 활동에 대한 안내는 3월 둘째 주에 진행되었고, 수업 전 설문 또한 이 시기에 진행이 되었다.
AI 분류 활동을 통한 학생들의 변화를 분석하기 위해 학생들의 수업 전-후의 설문조사 및 음성녹음 파일을 분석하였다. 42명의 학생들 중 일부를 제외하고는 AI 분류 모델에 대한 경험이 없으므로 AI과 관련된 기본 개념을 활동지를 통해 알려준 뒤 수업이 이루어졌다. 기본 개념은 MLFK, 스크래치, mBLOCK, 아두이노 및 센서에 대한 내용으로 구성되었으며 학생들은 수업 전 개념설명을 들으며 관련 내용을 익혔다.
AI 기반 고등 화학 수업 프로그램이 ASKMB의 3가지 요소에 대한 학생들의 자기효능감 변화를 확인하였다. 3가지 구성 요소인 화학 개념 형성, AI 가치 인식, 그리고 AI 기반 메이킹 역량에서 자기효능감 변화를 분석한 결과는 Table 2과 같다.
AI 분류 모델 기반 화학 I 수업에서 학생들의 자기효능감을 화학 개념 형성, AI에 대한 가치 변화 및 AI 분류모델 기반 메이킹 역량 측면에서 확인하기 위한 본 연구는 프로그램을 개발 및 효과 검증을 위하여 전체적인 연구절차가 ‘프로그램 개발’, ‘프로그램 적용’의 두 단계로 이뤄졌다
수업은 크게 2가지 수업으로 이루어졌는데, 첫 번째 수업은 MLFK와 스크래치를 이용한 텍스트 AI 분류 모델, 두 번째 수업은 mBLOCK과 아두이노, RGB LED 센서를 이용한 이미지 AI 분류모델 및 피지컬 메이킹 활동으로 제시하였다. AI 분류 활동을 통한 학생들의 변화를 분석하기 위해 학생들의 수업 전-후의 설문조사 및 음성녹음 파일을 분석하였다. 42명의 학생들 중 일부를 제외하고는 AI 분류 모델에 대한 경험이 없으므로 AI과 관련된 기본 개념을 활동지를 통해 알려준 뒤 수업이 이루어졌다.
본 연구에서는 AI 분류 모델을 활용한 메이킹을 중요시 하기에, 이주영 외(2023)의 ASKMB 모형에서 모델 생성단계를 모델링과 메이킹의 통합적인 의미로 확장하여 AI 분류 모델 기반 메이킹 활동으로 구성하였다. 때문에 본 연구에서의 모델생성 단계는 실습도구를 이용한 작업 수행을 통해 손쉽게 머신러닝 모델을 개발하고 이를 활용하게 하였다. 그리고 이 모델을 코딩교육에 주로 사용되는 플랫폼에 추가하여 만든 머신러닝 모델을 바탕으로 프로젝트를 만들 수 있도록 하였다.
화학Ⅰ수업은 고등학교 1학년 때 학습한 통합과학의 내용을 확장하여 물질 및 자연 현상에 대한 호기심과 흥미를 가지고 화학의 핵심 개념에 대한 이해와 탐구 능력의 함양을 통하여 개인과 사회의 문제를 과학적이고 창의적으로 해결하기 위한 과학적 소양을 기르기 위한 과목이다. 때문에 통합과학을 학습한 고등학교 2학년 학생들이 이해할 수 있는 난이도의 화학 개념을 기반으로 AI 분류 모델에 기반한 수업을 개발하여 적용하였다. 학생들은 AI와 관련된 간단한 기본개념만 알고 있는 상태이고, 교내 동아리 혹은 공동교육과정으로 AI와 관련된 수업을 들은 학생 1명이 있었다.
메이킹 평가에서는 올바른 알고리즘 프로그래밍을 제시하여 본인이 미리 구성한 알고리즘과의 차이 파악하고, 구성한 블록코딩 알고리즘 프로그래밍을 조별로 발표해보며 AI 분류 블록코딩 및 메이킹을 평가하게 하였다. 메이킹 수정에서는 최적의 AI 분류 모델 기반 메이킹 활동으로 조별로 재구성하고 수업으로부터 AI의 활용 가능성 분석하여 조별로 AI 분류 모델 기반 메이킹 구성에 대한 공유 및 토의를 통한 피드백 받도록 구성하였다.
모델링 구성에서는 MLFK, mBLOCK 플랫폼을 활용하여 AI 분류 모델 기반 메이킹을 구성하고, 메이킹 구성 전 학생들에게 순서도를 알려주고 텍스트, 이미지 분류에 맞게 알고리즘 프로그래밍 구성하며, AI 분류의 확인을 위해 아두이노, RGB LED 센서를 활용한 피지컬 컴퓨팅 구성하도록 하였다. 메이킹 평가에서는 올바른 알고리즘 프로그래밍을 제시하여 본인이 미리 구성한 알고리즘과의 차이 파악하고, 구성한 블록코딩 알고리즘 프로그래밍을 조별로 발표해보며 AI 분류 블록코딩 및 메이킹을 평가하게 하였다. 메이킹 수정에서는 최적의 AI 분류 모델 기반 메이킹 활동으로 조별로 재구성하고 수업으로부터 AI의 활용 가능성 분석하여 조별로 AI 분류 모델 기반 메이킹 구성에 대한 공유 및 토의를 통한 피드백 받도록 구성하였다.
두 번째로, ‘모델링’ 단계는 분류 모델 기반 메이킹의 구성, 평가, 수정이 핵심 내용으로 설정되어 메이킹과 관련된 다양한 활동을 수행하도록 설계하였다. 모델링 구성에서는 MLFK, mBLOCK 플랫폼을 활용하여 AI 분류 모델 기반 메이킹을 구성하고, 메이킹 구성 전 학생들에게 순서도를 알려주고 텍스트, 이미지 분류에 맞게 알고리즘 프로그래밍 구성하며, AI 분류의 확인을 위해 아두이노, RGB LED 센서를 활용한 피지컬 컴퓨팅 구성하도록 하였다. 메이킹 평가에서는 올바른 알고리즘 프로그래밍을 제시하여 본인이 미리 구성한 알고리즘과의 차이 파악하고, 구성한 블록코딩 알고리즘 프로그래밍을 조별로 발표해보며 AI 분류 블록코딩 및 메이킹을 평가하게 하였다.
셋째, AI 분류 모델 이외에 AI의 다양한 기능을 이용한 프로그램을 개발하기 위한 연구가 필요하다. 본 연구는 MLFK, 스크래치, mBLOCK을 활용한 텍스트 AI, 이미지 AI 분류기능을 활용했다. AI의 기능은 무궁무진하기 때문에 이러한 AI 분류모델 뿐만 아니라 CHAT GPT를 활용한 언어적 AI을 활용한 수업 혹은 AI과 메이킹 활동을 더욱 유연하게 접목한 수업 등 다양한 활동이 가능할 것이다.
본 연구에서는 AI 분류 모델을 활용한 메이킹을 중요시 하기에, 이주영 외(2023)의 ASKMB 모형에서 모델 생성단계를 모델링과 메이킹의 통합적인 의미로 확장하여 AI 분류 모델 기반 메이킹 활동으로 구성하였다. 때문에 본 연구에서의 모델생성 단계는 실습도구를 이용한 작업 수행을 통해 손쉽게 머신러닝 모델을 개발하고 이를 활용하게 하였다.
우리나라의 과학 교육과정은 주로 학생들의 종합적인 성장을 고려하여 구성되어 있으며, 이는 지식 이해, 가치태도, 기능 측면의 세 가지 요소를 기본으로 한다. 본 연구에서는 정규 교육과정에서 이루어지는 수업을 통해 학생들의 성장과 발달을 측정하기 위해 지식(K: 화학 개념 형성), 인성(B: AI 가치 이해), 모델링(AI 분류 모델 기반 메이킹 역량)의 세 가지 요소를 토대로 구성된 AI 분류 모델기반 화학 수업을 적용하였다. 때문에, AI 교과융합 화학수업을 개발하고 그 효과를 분석할 때도 본 모델에 적용한 세 가지 구성 요소를 기반으로 분석하여, 교과-AI 융합 수업이 정규 교육과정에 효과적으로 통합될 수 있는 방안을 도출했다는 점에서 상당한 가치를 지닌다.
생활 속의 탄소 화합물과 관련된 4~6차시에는 다양한 탄소화합물의 종류에는 어떤 것들이 있는지 4~5차시에 걸쳐 학습한 뒤 6차시에서 mBLOCK의 이미지 인식 AI 기능을 활용하여 AI 분류 모델 수업을 진행하였다. 화학Ⅰ 교과서에 나오는 탄소화합물 5가지 중 3가지를 선정한 후 각각 20장 이상의 이미지를 학습시켜 AI데이터를 학습시켰다.
전체 수업은 학생들이 직접 참여하여 블록코딩을 수행할 수 있도록 자유로운 분위기를 조성하여 스스로 AI 분류 모델을 만들어보고 메이킹 활동을 할 수 있도록 하였다. 수업은 크게 2가지 수업으로 이루어졌는데, 첫 번째 수업은 MLFK와 스크래치를 이용한 텍스트 AI 분류 모델, 두 번째 수업은 mBLOCK과 아두이노, RGB LED 센서를 이용한 이미지 AI 분류모델 및 피지컬 메이킹 활동으로 제시하였다. AI 분류 활동을 통한 학생들의 변화를 분석하기 위해 학생들의 수업 전-후의 설문조사 및 음성녹음 파일을 분석하였다.
즉, AI 분류 모델 기반 융합수업이 피지컬 컴퓨팅을 활용한 화학 교육의 메이커 활동으로서 본 수업의 실효성을 교육과정의 구성 요소를 토대로 검증하기 위한 방법을 제시하고 그 의미를 도출하고자 하였다. 이를 위하여 본 연구에서는 AI 분류 모델 기반 화학수업이 주는 효과에 대하여 학생들의 자기효능감의 변화를 교육과정의 틀에 기초하여 지식이해, 가치태도, 그리고 기능의 3가치 측면으로 분석하였다. 결국, 본 연구의 목적은 고등학생을 대상으로 교육과정 성취기준에 따라 AI 분류 모델 기반 화학수업을 개발하고 프로그램 투입을 통해 그 효과를 화학 개념 형성, AI 가치, 그리고 AI 연계 메이킹 역량 측면에서 학생들의 자기효능감을 종합적으로 분석하고자 한다.
본 연구는 다양한 AI의 기능 중 분류 모델을 기반으로 AI 교육이 정규 교육과정에 반영될 수 있도록 화학 교육에 적용하여 실현 가능성과 학생들의 자기효능감의 변화를 파악하고자 하였다. 이를 위해 텍스트 및 이미지를 활용한 AI 분류 모델 기반 교수학습 프로그램을 개발 및 적용하여 학생들의 인식변화를 분석하고 그 결과를 확인하였다. 총 19문항의 사전-사후 설문지를 통해 학생들의 화학 개념 형성, AI 가치, AI 기반 메이킹 역량의 자아효능감 변화를 분석하였다.
이를 위해 텍스트 및 이미지를 활용한 AI 분류 모델 기반 교수학습 프로그램을 개발 및 적용하여 학생들의 인식변화를 분석하고 그 결과를 확인하였다. 총 19문항의 사전-사후 설문지를 통해 학생들의 화학 개념 형성, AI 가치, AI 기반 메이킹 역량의 자아효능감 변화를 분석하였다. 우선, 지식 측면에서 텍스트 및 이미지 분류 모델 기반의 화학 수업 과정에서 학생들이 화학 개념을 이해하고 적용하면서 화학 개념 형성에 대한 자신의 능력에 대하여 긍정적 인식을 갖게 되었다.
화학의 첫걸음과 관련된 1~3차시에는 고등학교 화학 I에서 화학과 관련된 식량, 의복, 주거 문제해결의 개념을 1~2차시에 걸쳐 학습한 후 3차시에서 MLFK의 텍스트 AI을 활용한 수업을 진행하였다. 식량, 의복, 주거문제와 관련한 단어를 조별로 10개~15개 정도를 AI 데이터로 학습시킨 뒤 스크래치 블록코딩을 통해 단어를 입력하면 몇%의 정확도로 식량, 의복, 주거문제를 구분할 수 있는지 AI 분류 모델을 이용한 활동을 Fig.
자료 수집을 위해 프로그램을 적용하기 전 학생들에게 연구의 목적, 자료의 수집에 대해 안내하였고 동의를 얻었다. 활용할 자료는 참여 관찰, 활동 대화 녹음, 산출물 분석, 수업 전-후 설문지 등의 방법으로 수집하였다. 저자 중 1명은 교사이자 프로그램 적용자로서 관찰자 및 도움을 주는 조력자로서 학생들의 AI 분류 모델 만들기 활동을 도와주면서 학생들이 연구자를 의식하지 않도록 탐구활동이나 블록코딩 활동에 최소한의 개입을 하였으며, 학생들에게 조별 활동을 통해 스스로 의문점을 최대한 해결해 나갈 수 있도록 안내했다.
대상 데이터
경북 D 고등학교의 2023년 1학기 화학 I 수업을 수강하는 학생 42명(남: 42명)을 대상으로 진행하였다. 화학Ⅰ수업은 고등학교 1학년 때 학습한 통합과학의 내용을 확장하여 물질 및 자연 현상에 대한 호기심과 흥미를 가지고 화학의 핵심 개념에 대한 이해와 탐구 능력의 함양을 통하여 개인과 사회의 문제를 과학적이고 창의적으로 해결하기 위한 과학적 소양을 기르기 위한 과목이다.
생활 속의 탄소 화합물과 관련된 4~6차시에는 다양한 탄소화합물의 종류에는 어떤 것들이 있는지 4~5차시에 걸쳐 학습한 뒤 6차시에서 mBLOCK의 이미지 인식 AI 기능을 활용하여 AI 분류 모델 수업을 진행하였다. 화학Ⅰ 교과서에 나오는 탄소화합물 5가지 중 3가지를 선정한 후 각각 20장 이상의 이미지를 학습시켜 AI데이터를 학습시켰다. 이후 블록코딩 프로그래밍을 활용하여 Fig.
데이터처리
설문 결과를 분석함으로써, 본 AI 분류 모델 기반 메이킹이 화학 개념 형성에 대한 자기효능감에 어떠한 영향을 주었는지 확인하고자 하였다. 수집된 자료의 분석을 위하여 Window용 SPSS 25.0을 사용하여 사전-사후 검사 점수에 대한 대응표본 t-검정을 실시하였다. 이에 대한 결과로서, 학생들의 응답 평균(M)과 표준편차(SD)를 함께 제시하였고, 검사도구의 신뢰도는 사전-사후 각각 0.
학생들에게 설문지는 한 번호로 일률적으로 기입하지 않도록 하였으며, 리커트 5점 척도를 활용하여 양적분석을 실시하였다. 양적분석은 대응표본 t검정을 통해 의미한 분석 자료인지, 아닌지를 파악한 뒤 AI 분류 모델 기반 프로그램이 학생들의 인식 변화에 유의미한 영향을 미쳤는지 분석하도록 하였다. 검사 도구 및 분석방법은 타당도와 신뢰도를 확보하기 위해 과학 교육 전문가 1인과 과학 교육 박사 과정 1인, 석사 과정 3인의 전문가 자문을 받아 구성하였다.
조별 활동 후 제작되는 산출물은 수업 전중 후에 학생들의 관찰일지를 분석하고, 설문지는 수업 전, 그리고 수업이 모두 끝난 후 개별로 작성하도록 하였다. 학생들에게 설문지는 한 번호로 일률적으로 기입하지 않도록 하였으며, 리커트 5점 척도를 활용하여 양적분석을 실시하였다. 양적분석은 대응표본 t검정을 통해 의미한 분석 자료인지, 아닌지를 파악한 뒤 AI 분류 모델 기반 프로그램이 학생들의 인식 변화에 유의미한 영향을 미쳤는지 분석하도록 하였다.
이론/모형
본 연구에서는 AI 분류 모델 기반 화학 I 수업에 대한 고등학생들의 효능감의 측면에서 다음과 같이 분석하였다. 학생들의 자기효능감 변화를 화학 개념 형성 측면에서는 ASKMB모델의 K(지식)와 관련하여 분석하였고, 추가로 B(인성), M(AI 분류 모델 기반 메이킹)의 변화를 살펴보기 위하여 다음과 같은 검사 도구를 활용하였다.
성능/효과
‘AI를 활용한 수업에 지속적인 참여 가능성’에서도 사전 평균은 3.57(1.00)에서 사후에 4.19(.82)로 향상되었고 t(41)=-4.301 p=.000로 그 효과도 유의미함을 확인할 수 있었다.
001 수준에서 유의하게 증가하였다. AI 이미지 분류모델을 사용하여 학생들이 탄소화합물의 구조를 만드는 모델을 만들어보고 학습시킨 AI 이미지 분류모델이 피지컬 컴퓨팅으로 시현되도록 하는 과정에서 학생들이 탄소화합물에 대하여 학습한 결과가 학생들의 화학 개념 형성에 대한 자기 효능감이 상승하였음을 알 수 있었다. 이는 추가로 조사했던 서술형 문항에서도 확인할 수 있었다.
이 소재를 통해 AI 분류모델 기반 화학 I 수업이 각 화학 개념 형성에 대한 자기효능감의 변화를 알아보았다. Table 3에는 텍스트 분류 모델 및 이미지 분류 모델로 인한 전반적인 변화를 제시하지 않았으나, AI 분류모델 중 텍스트 분류 모델을 활용하여 화학수업을 진행한 화학의 유용성(식량, 의복, 주거 문제해결) 개념에 대한 학생들의 자기효능감이 수업 투입 전 평균은 3.56(.98)에서 프로그램 투입 후에 4.25(.82)로 향상되었으며 t(41)=-4.146 p=.000로 유의미한 효과가 있었다. 둘째로, AI 분류 모델 중 이미지 분류 모델을 활용하여 수업을 진행한 탄소화합물의 유용성 개념에 대한 학생들의 자기효능감은 수업 투입 전 평균이 3.
Table 4에 제시된 바와 같이, AI 분류 모델을 활용한 화학Ⅰ 수업을 통해 학생들의 수업에 대한 흥미가 AI 이해, AI 교과 수업 적용, AI 연계 수업 선호도, 그리고 AI 활용 수업의 유익성 측면의 모든 문항에서 p<.001 수준에서 유의하게 증가하였다
구체적으로 검사 영역별 분석결과를 살펴보면 AI 텍스트 분류모델을 사용하여 화학 개념을 학습한 화학의 유용성 부분에서 식량 및 의복, 그리고 주거에 대한 화학의 기여에 대한 화학 개념이 p<.0001 수준에서 유의하게 증가하였다
두번째, AI 이미지 분류 모델을 사용하여 화학 개념을 학습한 탄소화합물의 유용성 부분에서 탄소화합물의 개념 및 사례에서 학생들의 화학 개념에 대한 자기효능감이 p<.001 수준에서 유의하게 증가하였다
000로 유의미한 효과가 있었다. 둘째로, AI 분류 모델 중 이미지 분류 모델을 활용하여 수업을 진행한 탄소화합물의 유용성 개념에 대한 학생들의 자기효능감은 수업 투입 전 평균이 3.58(.99)에서 프로그램 투입 후에 4.26(.76)로 향상되었으며 t(41)=-4.233 p=.000로 유의미한 효과가 있었다. AI 분류 모델에 따른 두 가지 영역의 화학 개념 형성에서 학생들의 자기효능감에 대한 세부적인 효과는 Table 3와 같다.
즉, AI를 활용한 프로그램 도입은 학생들의 화학 지식 습득에 대한 자기효능감에 도움이 되었으며, 화학 수업의 유용성에 대한 이해도를 높였다. 둘째로, 인성 측면에서 학생들이 본 수업에 참여하며 AI를 다루는 경험은 학생들의 AI 가치 인식 및 흥미를 증진시켰다. 학생들은 AI에 대한 긍정적 태도를 형성하며, 이는 지속적인 학습 참여 가능성을 제시한 것으로 보인다.
본 연구에서는 정규 교육과정에서 이루어지는 수업을 통해 학생들의 성장과 발달을 측정하기 위해 지식(K: 화학 개념 형성), 인성(B: AI 가치 이해), 모델링(AI 분류 모델 기반 메이킹 역량)의 세 가지 요소를 토대로 구성된 AI 분류 모델기반 화학 수업을 적용하였다. 때문에, AI 교과융합 화학수업을 개발하고 그 효과를 분석할 때도 본 모델에 적용한 세 가지 구성 요소를 기반으로 분석하여, 교과-AI 융합 수업이 정규 교육과정에 효과적으로 통합될 수 있는 방안을 도출했다는 점에서 상당한 가치를 지닌다. 이는 본 AI 분류모델을 적용한 화학수업이 교육과정에 유용하게 적용될 수 있는 가능성을 보여주는 중요한 결과이다.
또한, 머신러닝, 텍스트 인식 AI 및 이미지 인식 AI 활용 능력에 대한 자기효능감이 사전-사후 검사 결과에서 통계적으로 유의미한 향상으로 나타났다. 이것은 초기에 학생들이 텍스트 인식 AI에 대한 이해 부족으로 낮은 사전점수가 나타났고, 머신러닝 및 이미지 인식 AI 사용 능력도 초기에는 제한적이었다.
학생들은 AI에 대한 긍정적 태도를 형성하며, 이는 지속적인 학습 참여 가능성을 제시한 것으로 보인다. 마지막 모델링 측면에서 AI 기반 메이킹 활동은 학생들의 AI 및 피지컬 컴퓨팅 능력에 대한 자기효능감을 향상시켰다. 뿐만 아니라, 직접적인 AI 활용을 통해 화학 개념에 대한 깊은 학습 과정이 이뤄지도록 지원하였다.
마지막으로 AI 분류 모델 기반 메이킹 역량에서도 사전 평가(Mean=2.47)와 사후 평가(Mean=4.23) 간에 통계적으로 유의한 변화가 나타났다(t=-8.356, p<.001)
마지막으로 AI를 사용한 프로그래밍 및 블록 코딩의 프로그래밍 능력에 대한 인식 또한 유의미한 향상을 보였다. 텍스트 AI 및 이미지 AI을 활용하여 프로그래밍을 진행하고, 내재된 프로그래밍을 통해 머신러닝의 기본 개념을 이해하는 경험을 하였다.
종합적으로, 본 연구에서는 화학 교육과 AI, 메이커 교육의 정규교육과정에서의 융합을 통해 학생들의 교과-AI 연계 학습 경험과 이와 관련된 자기효능감을 증진시키는 방안을 모색하였다. 연구 결과를 종합하여 볼 때, AI 분류모델과 메이킹 활동이 혼합된 수업이 화학 개념과 AI의 연계를 통해 학습자들에게 심도 있는 이해를 제공하는 데에 성공하였다. 그러나 본 연구의 한계와 후속 연구의 필요성도 도출되었다.
0001 수준에서 유의하게 증가하였다. 이를 통해 AI 텍스트 분류 모델을 사용하여 화학의 유용성을 학습한 결과가 학생들의 화학 개념 형성에 대한 자기효능감 변화에 효과적이었음을 알 수 있었다. 이는 추가로 조사했던 서술형 문항에서도 확인할 수 있었다.
001 수준에서 유의하게 증가하였다. 이를 통해 본 수업은 학생들에게 AI의 가치 인식 측면에서 효과가 있었음을 확인할 수 있었다. 학생들의 서술형 응답에서도 이러한 결과를 확인할 수 있었다(예 3).
본 연구에서 학생들은 화학 수업의 모델생성과정에서 AI을 메이킹 도구로 적극적으로 활용하여 텍스트 분류 활동을 하는 모습이 학생들의 서술형 문항 및 산출물에 포착되었다. 이를 통해, 텍스트 분류 AI를 효과적으로 수업에 적용하기 위한 활동과정의 세부사항을 파악할 수 있었으며 지금까지 화학 수업에서 시도되지 않았던 텍스트 분류 AI 기반 화학 수업의 가능성을 보여주었다. 이는 학생들에게 AI 분류 모델을 텍스트 기반으로 화학 수업을 시작하고 진행하는 데에 있어 연구자들에게 유용한 지침을 제공할 것으로 기대된다.
제시된 바와 같이 본 프로그램을 고등학교 화학 수업에 투입한 후 학생들의 자기효능감 측면에서 화학 개념 형성, AI 가치 인식, AI 분류 모델 기반 메이킹 역량 모두 프로그램 투입 전에 비하여 모두 유의미한 향상을 가져왔다. 화학 개념 형성에 대한 자기효능감 측면에서 사전 평가(Mean=3.
종합적으로, 본 연구에서는 화학 교육과 AI, 메이커 교육의 정규교육과정에서의 융합을 통해 학생들의 교과-AI 연계 학습 경험과 이와 관련된 자기효능감을 증진시키는 방안을 모색하였다. 연구 결과를 종합하여 볼 때, AI 분류모델과 메이킹 활동이 혼합된 수업이 화학 개념과 AI의 연계를 통해 학습자들에게 심도 있는 이해를 제공하는 데에 성공하였다.
우선, 지식 측면에서 텍스트 및 이미지 분류 모델 기반의 화학 수업 과정에서 학생들이 화학 개념을 이해하고 적용하면서 화학 개념 형성에 대한 자신의 능력에 대하여 긍정적 인식을 갖게 되었다. 즉, AI를 활용한 프로그램 도입은 학생들의 화학 지식 습득에 대한 자기효능감에 도움이 되었으며, 화학 수업의 유용성에 대한 이해도를 높였다. 둘째로, 인성 측면에서 학생들이 본 수업에 참여하며 AI를 다루는 경험은 학생들의 AI 가치 인식 및 흥미를 증진시켰다.
때문에, 현재 교육과정 내에서는 AI를 사용한 교과 수업이 없지만 추후 학생들의 참여도를 알아볼 수 있는 문항 들에서 긍정적인 변화를 나타낸 것이다. 학생들이 AI를 활용한 수업으로 텍스트 AI과 이미지 AI을 활용한 아두이노 RGB LED 센서를 경험한 뒤 지속적 참여 가능성에 대한 설문에서 유의미한 수치가 나왔듯이, AI를 활용한 수업을 수강할 것인지에 대해서도 유의미한 수치가 나왔다. 또한 '한 번도 해보지 않았던 블록 코딩을 친구들과 같이 협력하여 해보는 것이 재미있었고 다음에도 이런 기회가 생기면 다시 참여해보고 싶다'는 학생의 서술형 문항의 답변에서 이를 다시 확인할 수 있었다.
후속연구
본 연구는 MLFK, 스크래치, mBLOCK을 활용한 텍스트 AI, 이미지 AI 분류기능을 활용했다. AI의 기능은 무궁무진하기 때문에 이러한 AI 분류모델 뿐만 아니라 CHAT GPT를 활용한 언어적 AI을 활용한 수업 혹은 AI과 메이킹 활동을 더욱 유연하게 접목한 수업 등 다양한 활동이 가능할 것이다.
연구 결과를 종합하여 볼 때, AI 분류모델과 메이킹 활동이 혼합된 수업이 화학 개념과 AI의 연계를 통해 학습자들에게 심도 있는 이해를 제공하는 데에 성공하였다. 그러나 본 연구의 한계와 후속 연구의 필요성도 도출되었다. 다양한 교과목에 대한 AI 교육의 효과, 수업 단계에 따른 메이커 교육의 효과적인 적용, 교육모델의 다양성과 탐구 활동의 차별화, 다양한 AI 기능을 활용한 프로그램 개발, 학교 현장에 AI 교육 프로그램 적용을 위한 다양한 지원에 대한 연구가 더욱 필요하다.
그러나 본 연구의 한계와 후속 연구의 필요성도 도출되었다. 다양한 교과목에 대한 AI 교육의 효과, 수업 단계에 따른 메이커 교육의 효과적인 적용, 교육모델의 다양성과 탐구 활동의 차별화, 다양한 AI 기능을 활용한 프로그램 개발, 학교 현장에 AI 교육 프로그램 적용을 위한 다양한 지원에 대한 연구가 더욱 필요하다. 이러한 한계와 필요성을 고려할 때, 향후 다양한 학문 분야와 현장의 교사들이 함께 참여하는 대규모 연구 프로젝트가 필요하며, 이를 통해 보다 효과적이고 현실적인 AI 교육 모델을 개발하고 적용해 나가는 방향으로 나아가야 할 것이다.
이는 학생들에게 AI 분류 모델을 텍스트 기반으로 화학 수업을 시작하고 진행하는 데에 있어 연구자들에게 유용한 지침을 제공할 것으로 기대된다. 더불어, AI 교육이 더욱 활성화되는 시기에, 교사들에게 향후 수업모델을 효율적으로 구성하는 데에 도움이 될 것이며, 수업 디자인 및 진행에 있어서의 실질적인 지침을 제공하는 데에 기여할 것이다.
둘째, AI 연계 메이커 교육을 화학교과에 반영하였을 때 어떤 효과가 있는지에 대하여 수업 단계에 따른 질적 연구분석이 필요하다. 본 연구에서는 수업 도입전과 후의 설문지분석과 학생들의 서술형응답 그리고 학생들의 활동모습을 관찰함으로써 수업의 효과를 제시하였지만, 본 연구가 피지컬 컴퓨팅을 기반으로 하는 AI 분류 모델 기반 메이킹 활동으로 화학수업을 구성하였기 때문에 수업 장면들을 메이킹이라는 특정한 틀을 통해 분석하여 그 의미를 구체적으로 도출하는 과정이 필요하다.
둘째, AI 연계 메이커 교육을 화학교과에 반영하였을 때 어떤 효과가 있는지에 대하여 수업 단계에 따른 질적 연구분석이 필요하다. 본 연구에서는 수업 도입전과 후의 설문지분석과 학생들의 서술형응답 그리고 학생들의 활동모습을 관찰함으로써 수업의 효과를 제시하였지만, 본 연구가 피지컬 컴퓨팅을 기반으로 하는 AI 분류 모델 기반 메이킹 활동으로 화학수업을 구성하였기 때문에 수업 장면들을 메이킹이라는 특정한 틀을 통해 분석하여 그 의미를 구체적으로 도출하는 과정이 필요하다.
셋째, AI 분류 모델 이외에 AI의 다양한 기능을 이용한 프로그램을 개발하기 위한 연구가 필요하다. 본 연구는 MLFK, 스크래치, mBLOCK을 활용한 텍스트 AI, 이미지 AI 분류기능을 활용했다.
이를 통해, 텍스트 분류 AI를 효과적으로 수업에 적용하기 위한 활동과정의 세부사항을 파악할 수 있었으며 지금까지 화학 수업에서 시도되지 않았던 텍스트 분류 AI 기반 화학 수업의 가능성을 보여주었다. 이는 학생들에게 AI 분류 모델을 텍스트 기반으로 화학 수업을 시작하고 진행하는 데에 있어 연구자들에게 유용한 지침을 제공할 것으로 기대된다. 더불어, AI 교육이 더욱 활성화되는 시기에, 교사들에게 향후 수업모델을 효율적으로 구성하는 데에 도움이 될 것이며, 수업 디자인 및 진행에 있어서의 실질적인 지침을 제공하는 데에 기여할 것이다.
다양한 교과목에 대한 AI 교육의 효과, 수업 단계에 따른 메이커 교육의 효과적인 적용, 교육모델의 다양성과 탐구 활동의 차별화, 다양한 AI 기능을 활용한 프로그램 개발, 학교 현장에 AI 교육 프로그램 적용을 위한 다양한 지원에 대한 연구가 더욱 필요하다. 이러한 한계와 필요성을 고려할 때, 향후 다양한 학문 분야와 현장의 교사들이 함께 참여하는 대규모 연구 프로젝트가 필요하며, 이를 통해 보다 효과적이고 현실적인 AI 교육 모델을 개발하고 적용해 나가는 방향으로 나아가야 할 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.