본문 바로가기
KERD
논문KCI 등재

교사의 인공지능 융합교육 교수역량 척도 개발 및 타당화

Development and Validation of Teaching Competence Scale for Teachers’ Artificial Intelligence Convergence Education

이정민|황수민|박가영
한국교육공학회 (Korean Society Of Educational Technology)|2023.03|교육공학연구 (Journal of Educational Technology)|제39권 제1호|pp. 315-344|DOI http://dx.doi.org/10.17232/KSET.39.1.315

0

조회

0

다운로드

16

인용

0

참고문헌

키워드

인공지능교사교수역량척도 개발scale development인공지능 융합교육teaching competencyArtificial intelligence convergence education
주제분류교육학

초록

최근 인공지능 융합교육에 대한 수요와 질 높은 인공지능 융합교육을 제공할 수 있는 교사역량에 대한 관심이 높아졌지만, 아직까지 교사의 인공지능 융합교육 교수역량을 측정할 수 있는 도구는 부족하다. 따라서 본 연구는 교사의 인공지능 융합교육 교수역량 척도를 개발하고 타당화하고자 하였다. 우선 선행연구분석을 통해 초기 문항을 도출하고, 관련 분야 22명의 전문가 패널을 대상으로 총 2차에 걸쳐 델파이 조사를 진행하였다. 델파이 조사 결과 전문가들의 질적 의견과 Lawshe(1975)가 제안한 내용타당도 비율의 최솟값 기준에 따라 문항을 유지, 수정, 삭제하였다. 이후 초기문항을 타당화 하기 위하여 전국 교사 213명을 대상으로 설문조사를 진행했으며, 요인분석을 실시하여 최종적으로 2개 역량군과 6개의 하위요인을 도출하였다. 연구 결과, 인공지능 융합교육 기초 역량군에는 ‘인공지능 융합교육 이해역량’과 ‘인공지능 이해역량’이, 인공지능 융합교육 교수설계 역량군에는 ‘교육과정/수업 재구성 역량’, ‘인공지능 기반 학습환경 조성역량’, ‘교육 성과 평가 및 피드백 역량’, ‘수업 성찰 및 개선 역량’의 네 개 하위역량이 도출되었다. 이상을 바탕으로 본 연구는 학교 현장에서 교사들의 인공지능 융합교육 교수역량을 진단하고, 교사 재교육 및 예비 교사 교육을 위한 시사점을 제안했다는 점에서 의의를 가진다.

Abstract

The Ministry of Education is attempting to cultivate artificial intelligence convergence education teachers and establishment of artificial intelligence convergence education majors at graduate schools. However the scale for measuring and evaluating teachers’ abilities remains insufficient. Hence this study developed and validated the teaching competency scale of artificial intelligence convergence education for teachers. We derived the initial items through literature analysis, and we conducted Delphi surveys twice for 22 expert panels in related fields. Owing to the Delphi survey, items were maintained, modified, and deleted according to the qualitative opinions of experts and minimum value standard of the content validity ratio proposed by Lawshe(1975). Consequently, to validate the initial question, we conducted two surveys and a factor analysis for 213 teachers nationwide. Through factor analysis and reliability analysis, we derived two competency groups and six sub-factors “artificial intelligence convergence education understanding competency.” and “artificial intelligence convergence education instructional design competency.” “curriculum/class reconstruction competency.” “artificial intelligence-based learning environment development competency.” and “class reflection and improvement competency.” This study is significant in that it diagnoses teachers’ artificial intelligence convergence education teaching competency and presents a direction for teacher retraining and pre-teacher education.

참고문헌 (48)

  1. 인공지능 국가전략, "관계부처합동", ~ (2019)
  2. 교육부, "‘2022 개정 교육과정’ 총론 주요 사항 발표", ~ (2021)
  3. 김계수, "AMOS 18.0 구조방정식 모형분석" (2010), 한나래출판사
  4. 김귀훈, "교사를 위한 인공지능 소양교육 프로그램 개발 및 인공지능 융합교육 관심도 효과성 검증", 한국컴퓨터정보학회논문지, 26(8), pp.13~21 (2021), 한국컴퓨터정보학회[DOI]
  5. 김성원, "한국 고등학생의 인공지능에 대한 태도", 한국융합학회논문지, 11(12), pp.1~13 (2020), 한국융합학회[DOI]
  6. 김성원, "중학생의 인공지능에 대한 태도 검사 도구 개발", 컴퓨터교육학회 논문지, 23(3), pp.17~30 (2020), 한국컴퓨터교육학회[DOI]
  7. 김성원, "한국 학생의 인공지능에 대한 태도 분석: 학교급을 중심으로", 교원교육, 37(3), pp.131~153 (2021), 교육연구원
  8. 김용석, "사회적 바람직성 척도의 개발", 한국사회복지행정학, 12(3), pp.1~39 (2010), 한국사회복지행정학회[DOI]
  9. 2015 개정 교육과정에 따른 인공지능 기초 과목 시안 개발 연구, "김재현", 한국과학창의재단, ~ (2020)
  10. 김주환, "구조방정식으로 논문쓰기" (2009), 커뮤니케이션북스
  11. 김현진, "학교교육에서 AI 활용에 대한 교사의 인식", 교육공학연구, 36(3), pp.905~930 (2020), 한국교육공학회[DOI]
  12. 박한별, "인공지능 융합교육을 위한 교원의 역량 도출", 컴퓨터교육학회 논문지, 24(5), pp.17~25 (2021), 한국컴퓨터교육학회[DOI]
  13. 박희정, "정보(SW·AI) 교수효능감 측정도구 개발", 컴퓨터교육학회 논문지, 24(4), pp.39~52 (2021), 한국컴퓨터교육학회[DOI]
  14. 성태제, "연구방법론" (2020), 학지사
  15. 안성훈, "교육대학원 융합교육전공 운영 현황 분석", 정보교육학회 학술논문집, 12(2), pp.411~418 (2021)
  16. 양혜지, "초등교원의 SW교육 역량 추출", 학습자중심교과교육연구, 20(19), pp.1357~1378 (2020), 학습자중심교과교육학회[DOI]
  17. 우종필, "구조방정식모델 개념과 이해" (2022), 한나래아카데미
  18. 인공지능(AI) 활용 교육을 위한 교사 역량 도출 연구, "이동국", ~ (2021)
  19. 이소율, "예비교사의 인공지능 교수효능감 측정 도구(AI-TEBI) 개발", 컴퓨터교육학회 논문지, 24(1), pp.47~61 (2021), 한국컴퓨터교육학회[DOI]
  20. 이순묵, "요인분석의 기초" (2000), 교육과학사
  21. 이은경, "국내외 초·중등학교 인공지능 교육과정 분석", 컴퓨터교육학회 논문지, 23(1), pp.37~44 (2020), 한국컴퓨터교육학회[DOI]
  22. 이원규, "AI융합 교육을 위한 교사 교육과정 개발", 융합인문학, 8(3), pp.29~52 (2020), 한국인문사회질학회[DOI]
  23. 이종성, "델파이 방법" (2001), 교육과학사
  24. 전인성, "수요자 요구분석 기반의 맞춤형 인공지능융합교육 과정 연구", 컴퓨터교육학회 논문지, 23(5), pp.43~52 (2020), 한국컴퓨터교육학회[DOI]
  25. 조정호, "4차 산업혁명시대 교육의 개선방향:인성교육과 인공지능을 중심으로", 인격교육, 13(2), pp.75~89 (2019), 한국인격교육학회[DOI]
  26. 한선관, "AI 사고를 위한 인공지능 교육" (2021), BM성안당
  27. 홍선주, "미래 학교 교사의 교수학습 역량 모델링", 교육문화연구, 25(3), pp.365~388 (2019), 교육연구소[DOI]
  28. 학교 교육에서 인공지능(AI)의 개념 및 활용, "홍선주", 한국교육과정평가원, ~, pp.ORM 2020-21-3 (2020)
  29. Ally, M., "Competency profile of the digital and online teacher in future education", International Review of Research in Open and Distributed Learning, 20(2) (2019)
  30. Bagozzi, R. P., "On the evaluation of structural equation models", Journal of the academy of marketing science, 16(1), pp.74~94 (1988)
  31. DeVellis, R. F., "Scale development: Theory and applications" (2021), Sage publications
  32. Fadel, C., "Four-dimensional education", ~ (2015)
  33. Hair, J. F., "Multivariate data analysis" (2009), Pearson Education, Inc
  34. Hetzel, R. D, "Advances in social science methodolog Vol. 4", pp.175~206 (1996), Greenwich
  35. Holmes, W., "Artificial intelligence in education" (2019), Center for Curriculum Redesign
  36. Hong, S., "Testing configural, metric, scalar, and latent mean invariance across genders in sociotropy and autonomy using a non-Western sample", Educational and psychological measurement, 63(4), pp.636~654 (2003)
  37. Hu, L. T., "Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives", Structural equation modeling : a multidisciplinary journal, 6(1), pp.1~55 (1999)
  38. Kaiser, H. F., "An index of factorial simplicity", psychometrika, 39(1), pp.31~36 (1974)
  39. Kim, S., "Analyzing teacher competency with TPACK for K-12 AI education", KI-Kunstliche Intelligenz, 35(2), pp.139~151 (2021)
  40. Lawshe, C. H., "A quantitative approach to content validity", Personnel psychology, 28(4), pp.563~575 (1975)
  41. Luckin, R., "Intelligence unleashed: An argument for AI in education" (2016), Open Ideas at Pearson
  42. Marsh, H. W., "Goodness-of-fit indexes in confirmatory factor analysis: The effect of sample size", Psychological bulletin, 103(3), pp.391~ (1988)
  43. Russell, S., "Artificial intelligence: a modern approach" (2010), Pearson Education, Inc
  44. Rychen, D. S., "Key competencies for a successful life and well-functioning society" (2003), Hogrefe Publishing
  45. Safren, S. A., "Factor structure of the social interaction anxiety scale and the social phobia scale", Behaviour research and therapy, 36(4), pp.443~453 (1998)
  46. Seldon, A., "The fourth education revolution" (2018), Legend Press Ltd
  47. Silvia, E. S. M., "Some factors affecting the success of specification searches in covariance structure modeling", Multivariate Behavioral Research, 23(3), pp.297~326 (1988)
  48. Skulmoski, G. J., "The Delphi method for graduate research", Journal of Information Technology Education : Research, 6(1), pp.1~21 (2007)

관련 논문AI추천

예비교사 AI 활용 수업 역량 진단 척도 개발 및 타당화: K대학교 교원양성과정 재학생을 대상으로조민휘, 조영하한국교육개발원 · 한국교육2025 · 제52권 제2호초등교사 인공지능 리터러시 측정 도구 개발 및 타당화정혜원, 한소미교육연구소 · 교육연구논총2025 · 제46권 제3호교원의 AI⋅디지털 역량 측정 도구 개발과 타당화강신천, 서정희, 이현우, 임경희, 임규연, 허희옥한국교육정보미디어학회 · 교육정보미디어연구2024 · 제30권 제2호초등 예비교원의 AIED 역량 및 성취기준 개발박정호, 이희란한국정보교육학회 · 정보교육학회논문지2024 · 제28권 제2호초·중등학교 교사의 AI·디지털 공통역량에 관한 행동지표 개발김희규, 신형석, 주영효, 황영식한국교육방법학회 · 교육방법연구2023 · 제35권 제4호예비 종교교사를 위한 인공지능 융합 교육역량 요인 구성 연구남선우21세기기독교사회문화아카데미 · 신학과 사회2024 · 제38권 제1호

이 간행물의 다른 논문 (9건)

교수설계자가 설계 과정에서 활용하는 질적 자료 탐색김유리, 김현진, 김현영pp. 1-33PBL 수업효과 측정도구 개발 및 타당화박현미, 양정아, 이혜정pp. 35-63실시간 원격수업에서의 디자인씽킹 기반 프로젝트학습을 위한 교수전략 개발이은서, 유재혁, 고보경, 허선영, 임은선pp. 65-104Z세대의 모바일 학습 일상에 관한 디지털 문화기술지김현영, 김현진pp. 105-154온라인 학습 콘텐츠 유형에 따른 뇌파 활성도 차이 분석최명숙, 손화정pp. 155-185
원문 보기