프로그래밍 문제해결 단계별 생성형 인공지능의 교육적 효과 탐색
Exploring the educational effects of generative AI across programming problem-solving stages
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 생성형 인공지능(ChatGPT)이 프로그래밍 문제해결의 각 단계에서 학습자의 성과와 경험에미치는 영향을 탐색하는 것을 목적으로 하였다. 서울 소재 대학의 공과대학 학부생 60명을 대상으로단일집단 반복측정 설계를 적용하여 실험을 수행하였다. 참여자들은 Pólya의 문제해결 네 단계(문제이해, 계획수립, 계획실행, 반성)를 기반으로 구성된 프로그래밍 과제를 생성형 인공지능을 사용하지 않은 통제조건과 사용한 처치조건에서 각각 수행하였다. 실험에 사용된 과제와 평가 루브릭은 연구자가직접 개발하였다. 양적 분석 결과, 계획수립과 계획실행 단계에서는 처치조건이 통제조건보다 유의미하게 높은 성과를 보였으며, 문제이해 단계에서는 유의한 차이가 나타나지 않았다. 효과 크기는 계획실행, 계획수립, 문제이해 순으로 도출되었다. 질적 분석에서는 생성형 인공지능의 사용이 문제해결시간 단축, 문법 학습, 디버깅 과정의 효율성 향상 등에서 긍정적 영향을 미친 반면, 일부 학습자는비판적 평가 역량이 부족할 경우 혼란을 경험하거나 자기주도적 문제해결이 위축되는 부정적 경험을보고하였다. 또한 질적 분석 결과, 학습자의 프로그래밍 능력, 생성형 AI 활용 전략, 비판적 사고 능력에 따라 생성형 AI의 활용 양상과 효과가 상이하게 나타났으며, 이는 개별 학습자 특성이 생성형 AI 의 학습적 기능에 중요한 영향을 미침을 보여준다. 이러한 결과는 프로그래밍 교육에 생성형 AI를 적용할 때 문제해결 단계별 인지적 특성과 학습자의 전략을 고려한 차별적 활용 방안이 필요함을 시사하며, 향후 맞춤형 교수전략 개발의 필요성을 제기한다.
Abstract
This study aimed to explore the effects of generative artificial intelligence (ChatGPT) on learners’ performance and experiences across each stage of programming problem solving. Sixty undergraduate engineering students from a university in Seoul participated in a single-group repeated-measures experiment. Participants completed programming tasks based on Pólya’s four stages-understanding, planning, execution, and reflection—under both a control condition (without generative AI) and a treatment condition (with generative AI), using tasks and evaluation rubrics developed by the researcher. Quantitative analysis revealed that the treatment condition led to significantly higher performance in the planning and execution stages, while no significant difference was found in the understanding stage. The effect sizes followed the order of execution, planning, and understanding. Qualitative findings showed that generative AI helped reduce problem-solving time and supported grammar learning and debugging. However, learners lacking critical evaluation skills experienced confusion or reduced self-directed learning. The analysis also indicated that learners’ programming skills, strategies for using generative AI, and critical thinking abilities influenced how effectively the tool was utilized. These findings suggest that the integration of generative AI into programming education should consider the cognitive demands of each problem-solving stage and learners’ individual characteristics, emphasizing the need for differentiated instructional strategies.