본문 바로가기
KERD
논문KCI 등재

기상 데이터 분석 과정에서 나타나는 오류의 유형과 맥락 탐색

Exploration of types and context of errors in the weather data analysis process

홍석영
대한지구과학교육학회 (The Korean Society of Earth Science Education)|2024.08|대한지구과학교육학회지 (Journal of the Korean Society of Earth Science Education)|제17권 제2호|pp. 153-167

1

조회

0

다운로드

0

인용

0

참고문헌

키워드

빅데이터데이터맥락상오류contexterrordatabig dataweather

초록

본 연구에서는 고등학생들의 기상 데이터 분석 과정에서 나타나는 오류와 오류의 발생적 맥락에 대해 탐색하였다. 연구를 위해 A 고등학교 74명의 학생들이 제작한 222개의 기상 데이터 탐구 활동 내용을 수집하고, 데이터 수집 및 해석, 데이터 표현, 데이터 해석 과정에서 나타난 세부 오류 유형을 탐색하였다. 연구의 결과로 데이터 해석 과정에서는 학생들이 기상요소의 계절적 변동과 주기적 패턴에 대한 이해가 다소 미흡하다는 것을 확인하였다. 또한, 데이터 표현 과정에서는 그래프의 단위 표현, 범례 설정, 추세선 활용 등에서 다양한 유형의 오류가 있음을 확인하였다. 오류가 발생하는 원인으로는 저작 도구의 특징, 오개념과 인지적 편향 등이 있었다. 연구 결과를 바탕으로 미래 사회 과학 교육의 중요한 화두인 빅데이터 활용 교육에 대한 교육적 시사점을 도출하였다. 그리고 이와 관련한 후속 연구를 제언하였다.

Abstract

This study explored the errors and context occurred during high school students' data analysis processes. For the study, 222 data inquiry reports produced by 74 students from ‘A’ High School were collected and explored the detailed error types in the data analysis processes such as data collection and preprocessing, data representation, and data interpretation. The results of study found that in the data interpretation process, students had a somewhat insufficient understanding of seasonal variations and periodic patterns about weather elements. And, various types of errors were identified in the data representation process, such as basic unit in graphs, legend settings, trend lines. The causes of these errors are the feature of authoring tools, misconceptions related to weather elements, and cognitive biases, etc. Based on the study's results, educational implications for big data education, a significant topic in future science education, were derived. And related follow-up studies were suggested.

참고문헌 (40)

  1. ), "MOE", 2022
  2. 김명신, "탐구학습에서 가설 생성과평가를 위한 데이터 시각화의 효과와 난점", 교육정보미디어연구, 29(1), pp.175~199 (2023)
  3. 김봉철, "데이터 과학 교육이 초등학생의 컴퓨팅 사고력에 미치는 효과 : 마이크로비트의 센서 기능을 중심으로", 정보교육학회논문지, 25(2), pp.337~346 (2021)
  4. 김소현, "데이터 기반 모델링 활동을 통한과학적 탐구 질문 생성과 과학 개념의 변화", 학습자중심교과교육연구, 23(3), pp.747~764 (2023)
  5. 김용민, "스프레드시트를 활용한 데이터 과학 교육 프로그램이 초등학생의 컴퓨팅 사고력 향상에 미치는 효과", 정보교육학회논문지, 21(2), pp.219~230 (2017)
  6. 김유정, "고등학생들의 과학 그래프작성 및 해석 과정에서 나타난 오류", 한국과학교육학회지, 29(8), pp.978~989 (2009)
  7. 김익균, "과학영재학교 학생들의 변인간의 관계를 찾는 자료변환과정 분석", 새물리, 66(7), pp.853~863 (2016)
  8. 김익균, "Effects of Students'Background Knowledge and Methodological Belief on the Process of Finding the Relationship between Measured Data", 새물리, 68(4), pp.387~396 (2018)
  9. 김재경, "비전공자 대상의 데이터과학 교과목 개발과 컴퓨팅 사고력 효과 분석", 컴퓨터교육학회논문지, 24(3), pp.23~31 (2021)
  10. 김지나, "물리실험에서 선개념과 불일치한실험 데이터에 대한 학생들의 해석 유형", 한국과학교육학회지, 27(5), pp.404~411 (2007)
  11. 김형욱, "초등학교 과학영재 학생을 대상으로 한 데이터 시각화 학습 프로그램 개발 및 효과 : Tableau 프로그램 활용을 중심으로", 초등과학교육, 43(1), pp.18~34 (2024)
  12. 마민영, "그래프 표현과 해석에서 드러나는 두 중학생의 일정한 변화율의 이해에 대한 사례 연구", 중등교육연구, 66(2), pp.439~466 (2018)
  13. 서민주, "표집 시뮬레이션을 활용한 비형식적 통계적 추리의 교수-학습 : 문화-역사적 활동이론의 관점에 따른 분석", 한국학교수학회논문집, 26(1), pp.21~47 (2023)
  14. 송유경, "데이터 리터러시향상을 위한 데이터 기반 토론 수업 모형 및 교수전략 개발 연구", 교육공학연구, 37(4), pp.943~982 (2021)
  15. 양수진, "초등학생들의 과학 선 그래프 작성및 해석 과정 분석", 초등과학교육, 31(3), pp.321~333 (2012)
  16. 오영열, "데이터 기반 통계교육을 위한 초등학생의 데이터 관련 오류적 인식 사례 분석", 한국초등교육, 33(4), pp.91~108 (2022)
  17. 정인진, "중등학교 교과서 기후변화관련 온실 기체 데이터 시각화 수업 활동 자료 개발", 현장과학교육, 17(4), pp.416~430 (2023)
  18. 정혜윤, "복잡한 데이터를 활용한 모델 기반탐구에서 나타난 예비교사의 과학적 상상력 발현및 인식", 학습자중심교과교육연구, 23(4), pp.171~187 (2023)
  19. 지영명, "비형식적 통계적 추리 지도를 위한 예비초등교사의 통계지식 연구", 박사, pp.2020
  20. 최한나, "중학교 수학과 사회, 과학 교과서의 그래프 활동 및 이해 수준 분석", 교과교육학연구, 27(1), pp.108~125 (2023)
  21. Åberg‐Bengtsson, L, "What lies behind graphicacy? Relating students' results on a test of graphically represented quantitative information to formal academic achievement", Journal of Research in Science Teaching, 43(1), pp.43~62 (2006)
  22. Azzam, T., "Data visualization, part 1", pp.7~32 (2013)
  23. Binali, T., "High school and college students’ graph-interpretation competence in scientific and daily contexts of data visualization", Science & Education, pp.1~23 (2022)
  24. Börner, K., "Data visualization literacy : Definitions, conceptual frameworks, exercises, and assessments", Proceedings of the National Academy of Sciences, 116(6), pp.1857~1864 (2019)
  25. Chai, C. P., "The importance of data cleaning : Three visualization examples", Chance, 33(1), pp.4~9 (2020)
  26. Chang, H. Y., "Strategies and difficulties during students’ construction of data visualizations", International Journal of STEM Education, 11(11), pp.1~22 (2024)
  27. Farmer, S., "Real graphs from real data : Experiencing the concepts of measurement and uncertainty", School Science Review, 346, pp.81~84 (2012)
  28. Gilbert, J. K., "Visualization in science education", pp.9~27 (2005), Springer Netherlands
  29. Glazer, N., "Challenges with graph interpretation : A review of the literature", Studies in Science Education, 47(2), pp.183~210 (2011)
  30. Gobert, J. D., "Cyber-physical Laboratories in Engineering and Science Education", pp.191~217 (2018)
  31. Hillmayr, D., "The potential of digital tools to enhance mathematics and science learning in secondary schools: A context-specific meta-analysis", Computers &Education, 153, pp.1~25 (2020)
  32. Maltese, A. V., "Data visualization literacy : Investigating data interpretation along the novice-expert continuum", Journal of College Science Teaching, 45(1), pp.84~90 (2015)
  33. Mensan, T., "Development and validation of unplugged activity of computational thinking in science module to integrate computational thinking in primary science", Education Science Education International, 31(2), pp.142~149 (2020)
  34. Pols, C. F. J., "What do they know? Investigating students’ ability to analyse experimental data in secondary physics education", International Journal of Science Education, 43(2), pp.274~297 (2021)
  35. Prain, V., "Learning through constructing representations in science : A framework of representational construction affordances", International Journal of Science Education, 34(17), pp.2751~2773 (2012)
  36. Rahmatina, D., "Students’ misconceptions in interpreting the mean of the data presented in a bar graph", International Journal of Insights for Mathematics Teaching, 2(1), pp.57~74 (2019)
  37. Rohrer, J. M., "Thinking clearly about correlations and causation : Graphical causal models for observational data", Advances in Methods and Practices in Psychological Science, 1(1), pp.27~42 (2018)
  38. Volkwyn, T. S., "Developing representational competence : Linking real-world motion to physics concepts through graphs", Learning : Research and Practice, 6(1), pp.88~107 (2020)
  39. Wong, V., "Variation in graphing practices between mathematics and science : Implications for science teaching", School Science Review, 98(365), pp.109~115 (2017)
  40. Zagallo, P., "Teaching real data interpretation with models(TRIM) : Analysis of student dialogue in a large-enrollment cell and developmental biology course", CBE-Life Sciences Education, 15(2), pp.1~18 (2016)

관련 논문AI추천

데이터 기반 과학 탐구 보고서에 나타난데이터 리터러시 요소 분석김진욱, 안유민한국현장과학교육학회 · 현장과학교육2024 · 제18권 제3호고등학생들의 협력적 인포그래픽 시각화 과정 탐색: 기후변화 주제를 중심으로홍석영한국현장과학교육학회 · 현장과학교육2025 · 제19권 제2호고등학생들의 과학 그래프 작성 및 해석 과정에서 나타난 오류김유정, 노태희, 최길순한국과학교육학회 · 한국과학교육학회지2009 · 제29권 제8호중학생들의 과학 그래프 작성 과정에서의 오류 유형 분석강훈식, 김유정, 노태희, 문세정한국과학교육학회 · 한국과학교육학회지2009 · 제29권 제2호중등학교 교과서 기후변화 관련 온실 기체 데이터 시각화 수업 활동 자료 개발박경애, 이지은, 정인진한국현장과학교육학회 · 현장과학교육2023 · 제17권 제4호실제 데이터 분석 과정이 고등학생의 질문 생성에 미치는 영향손미현한국현장과학교육학회 · 현장과학교육2023 · 제17권 제3호

이 간행물의 다른 논문 (6건)

슈퍼블루문 기사 내용분석을 통한 과학 커뮤니케이션의 중요성 및 개선방향 연구설아침, 김용기, 김형범pp. 86-101지구과학교육을 위한 “활동적 고유한 가치” 제안: Eratosthenes 지구 크기 측정을 중심으로오준영, 이유미pp. 102-122데이터 시각화 역량 관점에서 2022 개정 수학/과학 교육과정의 성취기준 분석이동영, 정주희, 남윤경, 황주현, 박애령pp. 123-136지구과학 데이터 활용 프로젝트 학습이 중학생의 지식정보 처리 역량 및 의사소통과 협업 역량에 미치는 영향김종희, 주수진, 노자헌pp. 137-152초등학교 6학년을 위한 디지털 활용 천문우주 STEAM 프로그램의 효과 분석허윤정, 김형범pp. 168-180
원문 보기