과학 교사의 과학·AI융합교육 실천 동기와 인식
Science Teachers’ Motivation and Perception of Science·AI Convergence Education
0
조회
0
다운로드
18
인용
0
참고문헌
키워드
초록
이 연구는 과학 교사의 과학·AI융합교육 실천 동기와 인식을 조사하여 효과적인 과학·AI융합교육에 필요한 요소 및 시사점을 제공하는 것을 목적으로 한다. 연구 방법으로 초·중·고등학교 과학·AI융합교육을 실천한 경험이 있는 과학 교사 15명을 대상으로 면담을 실시하였고, 수집된 자료는 토픽모델링의 LDA기법을 활용하여 분석하였다. 연구 참여자의 과학·AI융합교육 실천 동기는 4개, 인식은 6개의 토픽으로 추출되었다. 동기에서 추출된 토픽은 ‘현 과학 교육에 대한 문제의식’,‘전문성 개발’,‘과학·기술·정보 융합 트렌드에 대한 긍정적인 인식’,‘관심 또는 호기심에 의한 연수 참여’이었다. 인식에서 추출된 토픽은 ‘데이터 분석 과학실험에 유용’,‘초등학생 대상 코딩교육 필요’,‘교수학습 도구로서 AI에 대한 평가’,‘현장 교사의 연구 시간 부족’,‘정규교육과정 내 도입 방법에 대한 고민’,‘AI 교육 플랫폼 필요’이었다. 분석 결과를 통하여 과학 교사가 느끼는 과학·AI융합교육 실천 상의 어려움과 과학·AI융합교육 실천을 위한 요구를 파악하고 향후 연구를 제안하였다.
Abstract
The purpose of this study is to analyze the motivation and perception of science teachers who practiced science·AI convergence education and to draw implications for science· AI convergence education. Interviews were conducted with 15 science teachers who practiced science·AI convergence education in elementary, middle and high schools. The collected data were analyzed using the LDA technique of topic modeling. The research participants' motivation for practicing science·AI convergence education were classified into 4 topics and perception was classified into 6 topics. The topics of motivation were 'concerns of current science education', 'for professional development', 'positive perception of science, technology and information convergence trends' and 'attempt by interest or curiosity'. The topics of perception were 'useful for data analysis in science experiments', 'necessity of coding education for elementary school students', 'evaluation of AI as a teaching and learning tool', 'lack of research time for teachers', 'concerns about convergence curriculum', and 'necessity of a AI education platform'. Through the analysis results, the difficulties and demands of science teachers who practiced science·AI convergence education were identified and future research was proposed.
참고문헌 (35)
- 교육부, "제3차 수학･과학･정보･융합 교육 종합계획(’20-’24) 동시 발표: 지능정보사회의 소양을 갖추고세계를 선도하는 인재 양성", 교육부 보도자료, ~ (2020)
- 김연희, "유아 인공지능(AI) 교육에 대한 유치원교사 인식 분석", 학습자중심교과교육연구, 22(6), pp.163~178 (2022), 학습자중심교과교육학회[DOI]
- 김재우, "텍스트 마이닝을 활용한 사회과 교육과정시기별 학술 담론의 특징 분석", 박사, pp.2020
- 김재우, "텍스트 마이닝을 활용한 사회과 연구 동향 분석: 2000년대 이후의 학술 논문을 중심으로", 시민교육연구, 51(2), pp.35~70 (2019), 한국사회과교육학회[DOI]
- 남윤경, "미래 세대를 위한 과학 융합교육" (2022), 부산대학교출판문화원
- 대한민국 정부, "AI 국가전략", ~ (2019)
- 박선주, "AI 학습경험, AI 교육 관심도 및 전공학과에 따른 예비교사의 AI 교육 인식", 정보교육학회논문지, 25(1), pp.103~111 (2021), 한국정보교육학회[DOI]
- Seidman I, "질적 연구 방법으로서의 면담" (2009), 학지사
- 신원섭, "운동과 에너지에서 인공지능 융합 과학교육의 가능성 탐색 연구", 에너지기후변화교육, 10(1), pp.73~86 (2020), 에너지기후변화교육학회[DOI]
- 이용배, "소프트웨어 학습 경험에 따른 초등교사의 인공지능 교육 도입에 대한 인식", 정보교육학회논문지, 25(3), pp.449~457 (2021), 한국정보교육학회[DOI]
- 이재호, "초등 AI 교육 플랫폼에 대한 전문가 인식조사 연구", 정보교육학회논문지, 24(5), pp.483~494 (2020), 한국정보교육학회[DOI]
- 이정락, "빅데이터와텍스트네트워크 분석", pp.244~ (2022), 영남대학교출판부
- 이준형, "인공지능 기반의 ITS에 관한 초중등교사의 인식 조사", 에듀테인먼트연구, 3(2), pp.25~36 (2021), 한국에듀테인먼트학회[DOI]
- 임태형, "전문교사 양성을 위한 교육대학원 AI융합교육 교육과정에 대한 의미연결망분석", 학습자중심교과교육연구, 20(21), pp.1185~1211 (2020), 학습자중심교과교육학회[DOI]
- 장진아, "인공지능 챗봇 관련 국내 연구 동향 및 챗봇 활용 현황 분석: 과학 교육에서의 활용을 위한 시사점을 중심으로", 학습자중심교과교육연구, 21(13), pp.729~743 (2021), 학습자중심교과교육학회
- 조영생, "AI 분류 모델을 활용한 초등 AI · 과학 융합 교육프로그램 개발", Brain, Digital, & Learning, 11(2), pp.227~243 (2021), 뇌·AI기반교육연구소[DOI]
- 한미영, "데이터 기반 과학 탐구 사례 연구", 현장과학교육, 16(2), pp.165~178 (2022), 한국현장과학교육학회[DOI]
- 한형종, "인공지능 활용 교육에 대한 초등교사 인식 분석", 디지털융복합연구, 18(7), pp.47~56 (2020), 한국디지털정책학회[DOI]
- 허희정, "인공지능을 주제로 한 과학탐구실험 교과 내 ‘첨단과학탐구’ 단원 수업 프로그램의 개발 및 적용", 학습자중심교과교육연구, 22(8), pp.173~190 (2022), 학습자중심교과교육학회[DOI]
- 학교 교육에서 AI 의 개념 및 활용, "홍선주", 한국교육과정평가원, ~, pp.포지션 페이퍼 ORM 2020-21-3 (2020)
- Armstrong D, "The place of inter-rater reliability in qualitative research : An empirical study", Sociology, 31(3), pp.597~606 (1997)
- Blei DM, "Latent dirichlet allocation", Journal of machine Learning research, 3, pp.993~1022 (2003)
- Chiru CG, "Comparison between LSA-LDA-Lexical Chains", In WEBIST, 2, pp.255~262 (2014)
- Chounta IA, "European conference on technology enhanced learning", pp.3~16 (2017), Springer
- Glaser BG, "The discovery of grounded theory : Strategies for qualitative research" (1967), Aldine
- Good R, "Artificial intelligence and science education", Journal of Research in Science Teaching, 24(4), pp.325~342 (1987)
- Holmes W, "Artificial Intelligence in Education", ~ (2020)
- Irving S, "Interviewing as Qualitative Research:A Guide for Researchers in Education and the Social Sciences", pp.124~ (2009), Teachers College Press
- Janasik N, "Text mining in qualitative research : Application of an unsupervised learning method", Organizational Research Methods, 12(3), pp.436~460 (2009)
- Kim JH, "Learning design to support student-AI collaboration : Perspectives of leading teachers for AI in education", Education and Information Technologies, 27, pp.6069~6104 (2022)
- Moret M, "Validity and reliability of qualitative data analysis : Inter-observer agreement in reconstructing interpretative frames", Field Methods, 19(1), pp.24~39 (2007)
- Panichella A, "How to effectively use topic models for software engineering tasks?", An approach based on genetic algorithms: In 2013 35th International Conference on Software Engineering (ICSE) IEEE, pp.522~531 (2013)
- Tan AH, "Text mining: The state of the art and the challenges", Proceedings of the Pakdd 1999Workshop on Knowledge Disocovery from Advanced Databases, 8, pp.65~70 (1999)
- Thompson C, "Increasing the visibility of coding decisions in team-based qualitative research in nursing", International Journal of Nursing Studies, 41(1), pp.15~20 (2004)
- Yu CH, "Compatibility between text mining and qualitative research in the perspectives of grounded theory, content analysis, and reliability", Qualitative Report, 16(3), pp.730~744 (2011)