데이터 기반 과학 탐구 보고서에 나타난데이터 리터러시 요소 분석
Analysis of Data Literacy Components in Data-Based Scientific Inquiry Reports
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
이 연구는 데이터 기반의 과학 탐구 보고서에 나타난 데이터 리터러시 요소를 분석하는 탐색적 사례 연구로서 과학 탐구의 맥락에서 데이터 리터러시를 고찰하였다. 이를 위해 선행연구로부터 데이터 리터러시 세부 요소를 규명하고, 2022 개정 과학과 교육과정의 과정·기능 영역과 연계하여 구안한 분석틀을 활용해 무선 날씨 센서를 활용한 데이터 기반의 탐구 보고서를 분석하였다. 주요 분석 결과는 다음과 같다. 학생 대부분은 데이터 수집과 데이터 시각화는 원활히 수행하였으나 데이터 기반 질문 생성과 데이터 전처리, 데이터 평가 단계에서 어려움을 겪는 것으로 나타났다. 이에 따라 탐구 과정 구성 요소와 관련하여 데이터 리터러시를 함양하기 위해서는 데이터 기반 질문 생성, 데이터 추출 및 전처리, 데이터 평가 등의 요소에 초점을 맞춘 체계적인 지도 방안이 필요함을 논의하였다. 데이터 리터러시 함양 교육이 특히 강조되는 2022 개정 과학과 교육과정의 적용을 앞둔 시점에서 이 연구가 과학 탐구에서 데이터 리터러시를 효과적으로 통합하는 방안의 논의에서 하나의 근거가 될 수 있기를 기대한다.
Abstract
This study is an exploratory case study that analyzes the elements of data literacy present in data-based scientific inquiry reports, examining data literacy within the context of scientific inquiry. To achieve this, detailed elements of data literacy were identified from previous research, and an analytical framework was developed in connection with the process and skills areas of the 2022 revised science curriculum. This framework was then used to analyze data-based inquiry reports utilizing wireless weather sensors. The key findings are as follows: while most students successfully performed data collection and data visualization, they struggled with generating data-based questions, data preprocessing, and data evaluation. Consequently, this study discussed the need for systematic instructional strategies to cultivate data literacy related to the components of the inquiry process, focusing on as generating data-based questions, data extraction and preprocessing, and data evaluation. As the 2022 revised science curriculum, which emphasizes data literacy education, is about to be implemented, it is hoped that this study will serve as a foundation for discussions on effectively integrating data literacy into scientific inquiry.
참고문헌 (43)
- "2015", ~
- 교육부, "과학·수학·정보·융합교육 종합계획(2020-2024)", 교육부 보도자료, ~ (2020)
- "2022", ~
- "2022", ~
- 교육부, "미래세대 과학교육표준", 한국과학창의재단, ~ (2019)
- 김슬기, "초․ 중등 AI 교육을 위한 데이터 리터러시 정의 및 구성 요소 연구", 정보교육학회 논문지, 25(5), pp.691~704 (2021)
- 김슬기, "예비교사의 데이터 리터러시 역량증진을 위한 빅데이터 분석 교양강좌의 개발 및 적용", 정보교육학회논문지, 26(2), pp.141~151 (2022)
- 김슬기, "인공지능 교육을 위한 학교급별 데이터 전처리 내용 연구", 컴퓨터교육학회 논문지, 24(4), pp.1~12 (2021)
- 김용남, "자동기상관측시스템을 활용한 실시간 기상 관측 자료 제공 웹 페이지개발", 한국지구과학회지, 30(4), pp.478~484 (2009)
- 김은지, "2022 개정 교육과정의 디지털 소양교육을 위한 2015 개정 교육과정 교과별 용어 분석", 한국컴퓨터정보학회 학술발표논문집, 30(2), pp.725~726 (2022)
- 김일영, "인공지능(AI)리터러시 함양을 위한 음악 내용요소 및 수행기대 개발", 학습자중심교과교육연구, 23(18), pp.675~689 (2023)
- 김정아, "파이썬을 활용한 데이터 시각화 교육이 초등학교 6학년 학생의 컴퓨팅 사고력에 미치는 효과", 정보교육학회논문지, 23(3), pp.197~206 (2019)
- 김주섭, "데이터 리터러시 역량 강화 방안에 관한 연구-연구데이터 관리 교육을 중심으로", 한국문헌정보학회지, 57(1), pp.115~137 (2023)
- 김찬종, "지구과학교육론" (2022), 북스힐
- 김효준, "개방형 과학 탐구를 위한 효과적인지도 전략의 탐색-과학고등학교의 KYPT문제 해결사례를 중심으로-", 한국과학교육학회지, 32(10), pp.1489~1501 (2012)
- 배화순, "데이터 리터러시의 사회과 교육적 함의", 시민교육연구, 51(1), pp.95~120 (2019)
- 서웅, "초등학생의 데이터 수집, 분석, 표현수업을 위한 세부역량 개발 및 적용", 정보교육학회 논문지, 23(2), pp.131~139 (2019)
- 서유나, "데이터 기반의 인공지능 융합 초등 사회과 탐구학습을 위한 수업모형 및 교수전략 개발 연구", 학습자중심교과교육연구, 23(12), pp.1~25 (2023)
- 손미현, "지식정보처리역량 함양을 위한 데이터 기반 과학탐구 모형 개발", 박사, pp.2020
- 손미현, "지식정보처리역량 함양을 위한 데이터 기반 과학탐구 모형 개발", 한국과학교육학회지, 40(6), pp.657~670 (2020)
- 오필석, "과학 교육에서 기능 중심의 과학 탐구에 대한 비판적 고찰", 한국과학교육학회지, 40(2), pp.141~150 (2020)
- 윤경미, "실험보고서 평가에서 피드백 유형이 중학생의 과학탐구능력에 미치는 영향", 석사, pp.2008
- 이기영, "고등학생들의 통합 탐구기능 향상을 위한 인지적 스캐폴딩 도구 개발 및 적용", 한국과학교육학회지, 39(4), pp.545~562 (2019)
- 이은정, "고등학교 과학 교사의 디지털 리터러시 관련 수업에 대한 사례 연구", 석사, pp.2023
- 이은정, "데이터 분석 교육이 일반계 고등학생의 융합적 사고력과 데이터 리터러시에 미치는 영향", 한국컴퓨터교육학회 학술발표대회논문집, 26(1), pp.257~258 (2022)
- 이청호, "데이터 윤리 가이드라인 분석 연구", 윤리교육연구, 70(11), pp.323~366 (2023)
- 조재만, "과학 데이터를 활용한 데이터 리터러시 교육 프로그램", 한국컴퓨터교육학회 학술발표대회논문집, 27(1), pp.315~317 (2023)
- 한미영, "데이터 기반 과학 탐구 사례 연구", 현장과학교육, 16(2), pp.165~178 (2022)
- 홍지영, "초등학생의 데이터 리터러시 함양을 위한 AI 데이터 과학 교육 프로그램 개발", 정보교육학회논문지, 24(6), pp.633~641 (2020)
- Gebre E, "Conceptions and perspectives of data literacy in secondary education", British Journal of Educational Technology, 53(5), pp.1080~1095 (2022)
- Griffis K, "Making authentic data accessible : The sensing the environment inquiry module", Journal of Biological Education, 42(3), pp.119~122 (2008)
- Jonathan G, "Data infrastructure literacy", Big Data & Society, 1(13), pp.1~12 (2018)
- Kjelvik MK, "Getting messy with authentic data: Exploring the potential of using data from scientific research to support student data literacy", CBE—Life Sciences Education, 18(2), pp.es2~ (2019)
- Lawshe CH, "A quantitative approach to content validity", Personal Psychology, 28(4), pp.563~575 (1975)
- Mandinach EB, "A systemic view of implementing data literacy in educator preparation", Educational Researcher, 42(1), pp.30~37 (2012)
- "The science process skills" (2024)[URL]
- Qin J, "Lessons learned from a two-year experience in science data literacy education", International Association of Scientific and Technological University Libraries, 31st Annual Conference, pp.2~11 (2010)
- Robert KY, "Case study research design and methods", pp.19~56 (2014)
- Russel SJ, "Thinking and reasoning with data and chance: sixty-eighth yearbook", pp.17~29 (2006), National Council of Teachers of Mathematics
- Schwartz RS, "Developing views of nature of science in an authentic context : An explicit approach to bridging the gap between nature of science and scientific inquiry", Science Education, 88(4), pp.610~645 (2004)
- Swan K, "Challenges to cross-disciplinary curricula: Data literacy and divergent disciplinary perspectives", Annual Conference of the American Educational Research Association (2009)
- Song YK, "A developmental study of an instructional model and strategies for data-driven debate(DDD)to improve data literacy", Journal of Educational Technology, 37(4), pp.943~982 (2021)
- Wolff A, "Creating an understanding of data literacy for a data-driven society", Journal of Community Informatics, 12(3), pp.9~26 (2016)