AI 사고를 통한 초등 지리교육의 확장 - 놀이형 탐구와 문제 해결의 융합-
Expanding Elementary Geography Education through AI Thinking - Integration of Play-Based Inquiry and Problem Solving -
3
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구에서는 AI 사고를 초등 지리교육에 적용하여 데이터 기반 탐구와 실천적 문제 해결 역량을 확장하는 교육적 가능성을 탐색하고자 하였다. 이를 위해 놀이형 탐구와 문제 해결을 통합한 Geo-AI PBL 모형을 설계하고, 그 효과를 검증하였다. 부산광역시 소재 초등학교 5학년 2개 학급을 대상으로 두 차례의 설계기반연구(DBR)를 수행하였으며, AI 응답 로그, 사전･사후 검사(지리적 사고, AI 사고 자기효능감, 윤리 민감도), 면담 자료를 수집･분석하였다. 모형 설계에서는 CRISP–DM과지리적 사고 요소를 바탕으로 도출한 AI 사고의 네 단계를 놀이 활동과 정합되게 구성하여 Geo-AI PBL의 수업 구조를 마련하였다. 분석 결과, 실험집단은 비교집단 대비 예측적 사고, 다층적 공간 사고, 윤리적 성찰에서 유의미한 향상을 보였다. 1차 주기에서 두드러졌던 AI 출력의 단순화 경향은 2차 주기에서 프롬프트 리플렉션과 스케일 스위치 전략을 도입한 이후 뚜렷하게 완화되었다. 학생들은 위성영상과 지역 자료를 AI 예측과 결합하여 비용･형평･환경을 고려한 실행 가능한 대안을 도출하였으며, 기술 의존의 한계와 데이터 불확실성에 대한 성찰도 나타냈다. 또한 AI 응답의 단순화･확장 양상을 분석하는 코드 체계와 AI 사고–지리적 사고 정합 루브릭을 개발함으로써, 초등 지리교육을 지식 전달 중심에서 데이터 기반 실천으로 전환할수 있는 설계적 근거를 제공한다.
Abstract
This study aimed to explore the educational potential of applying AI thinking to elementary geography education in order to expand data-driven inquiry and practical problem-solving competencies. To this end, a Geo-AI PBL model that integrates play-based inquiry with problem solving was designed, and its effectiveness was examined. Two cycles of design-based research (DBR) were conducted with two fifth-grade classes in Busan, and data were collected through AI response logs, pre- and post-tests (geographical thinking, AI thinking self-efficacy, ethical sensitivity), and interviews. The model was theoretically grounded in CRISP–DM and elements of geographical thinking, aligning the four derived stages of AI thinking with play-based activities to establish the instructional structure of the Geo-AI PBL. The findings indicate that the treatment group showed significant improvements in predictive thinking, multiscalar spatial reasoning, and ethical reflection compared to the comparison group. The simplification tendencies observed in AI outputs during the first cycle were markedly mitigated in the second cycle following the implementation of the prompt reflection and scale-switching strategies. Students connected satellite imagery and local datasets with AI-generated predictions to propose feasible solutions that accounted for cost, equity, and environmental considerations, while also demonstrating reflection on technological dependence and data uncertainty. Based on these results, the study develops an AI–geographical thinking concordance rubric, a codebook for diagnosing simplification and expansion in AI responses, and a mapping of play mechanics to AI functions, thereby offering design principles for shifting elementary geography education from transmission-based instruction toward data-driven praxis.