데이터 기반 맞춤형 수업을 위한 교사 역량 모델 개발
A developmental study on teacher competency model for data based personalized instruction
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
지능정보화사회의 도래와 함께 데이터 기반 맞춤형 수업 역량은 교사에게 요구되는 중요한 역량 중 하나이다. 교사는 데이터를 활용하여 수업을 설계하고, 실행하고, 성찰하는 주체이다. 교사는 데이터를 기반으로 교육적 의사결정을 내리고, 맞춤형 학습 지원을 제공할 필요가 있다. 이를 위해서는 기존에 교사가 가지고 있는 교육학 지식, 내용 지식과 데이터 활용 역량이 어떻게 연결되는지 이해하고, 데이터 기반 맞춤형 수업을 위한 교사 역량의 개념을 명확히 정의할 필요가 있다. 이에 본 연구에서는 문헌 검토와 초⋅중등 교사 6명을 대상으로 행동사건면담을 실시하여 데이터 기반 맞춤형 수업을 위한 교사 역량 모델을 개발하였다. 그리고 15명의 전문가 패널을 대상으로 델파이 조사를 실시하여 역량 모델을 타당화하였다. 연구 결과, 4개 역량군, 12개 핵심역량, 46개 행동지표가 도출되었다. 이 연구에서 도출한 역량군에는 데이터 기반 맞춤형 수업 진단, 설계, 실행, 성찰이 있으며, 각 역량군별로 3개의 핵심역량을 도출하였다. 본 연구는 데이터 기반 맞춤형 수업에 필요한 역량과 구체적인 행동지표를 도출함으로써 인공지능 시대에 필요한 교사 교육의 방향을 제시하였다는 점에서 의의가 있다.
Abstract
With the advent of the intelligent information society, teacher competency for data-based personalized instruction has become increasingly important. Teachers are responsible for designing, implementing, and reflecting on courses using data. They make pedagogical decisions and provide personalized learning supports based on data. To enhance using data for effective teaching, it is essential to comprehend the connection among the pedagogical knowledge, content knowledge, and data literacy, and to precisely define teacher competencies for data-based personalized instruction. This study aims to develop a teacher competency model for data-based personalized instruction by reviewing literature and conducting behavioral event interview with six elementary and secondary school teachers. The competency model was validated through a Delphi survey of 15 expert panels. This study created 4 competency groups, 12 core competencies, and 46 behavioral indicators. The competency groups include diagnostic, design, implementation, and reflection competencies for data-based personalized instruction, and each group includes three core competencies. This study provides the direction of teacher education in the age of artificial intelligence by clarifying the competencies and specific behavioral indicators necessary for data-based personalized instruction.
참고문헌 (31)
- 고은지, "예비교사를 위한 데이터 리터러시 측정도구 개발 및 타당화", 교육정보미디어연구, 29(4), pp.933~959 (2023)
- 금선영, "코로나19 팬데믹 시대 원격수업에 나타난교사 행위자성의 유형과 영향 요인", 교육공학연구, 37(2), pp.161~190 (2021)
- 김태기, "학습분석의 교수학습 현장적용", 아시아교육연구, 21(3), pp.907~951 (2020)
- 도재우, "맞춤형 교육을 위한 교사의 학습분석 기반 대시보드 활용과 인식에 대한 연구", 한국교원교육연구, 39(4), pp.261~289 (2022)
- 류기혁, "교육공학 분야에서 교사교육 20년 연구동향 분석", 교육공학연구, 37(1), pp.1~27 (2021)
- 박윤희, "기업현장교사 역량모델 개발 연구", HRD연구, 20(2), pp.167~201 (2018)
- 이동국, "인공지능(AI)활용 교육을 위한 교사 역량 및 연수 과제 도출", 교육정보미디어연구, 28(2), pp.415~444 (2022)
- 이종성, "델파이방법" (2001), 교육과학사
- 이현경, "학습자 데이터 기반 맞춤형 수업설계에 대한 초등학교 교사의 인식", 교육공학연구, 38(1), pp.37~67 (2022)
- 이현경, "학습분석의 윤리적 이슈와 실천방안에 대한 초등학교 교사의 인식", 교육정보미디어연구, 26(1), pp.157~181 (2020)
- 조영환, "학습분석 기반 적응적 협력학습 지원에 대한 학습자의 인식", 교육정보미디어연구, 25(1), pp.25~57 (2019)
- 주정흔, "인공지능 기반 맞춤형 교육의 실제와 쟁점", 교육비평, (52), pp.23~63 (2023)
- 황영식, "초· 중등학교 교사의 AI·디지털 공통역량에 관한 조작적 정의 및 하위역량 개발", 한국교육행정학회, 41(2), pp.227~253 (2023)
- 홍선주, "미래 학교 교사의 교수학습 역량 모델링", 교육문화연구, 25(3), pp.265~288 (2019)
- Datnow, A., "Teacher capacity for and beliefs about data-driven decision making : A literature review of international research", Journal of Educational Change, 17, pp.7~28 (2016)
- Gelderblom G., "Data-based decision making for instructional improvement in primary education", International journal of educational research, 80, pp.1~14 (2016)
- Herodotou, C., "Implementing predictive learning analytics on a large scale: The teacher's perspective", Proceedings of the seventh international learning analytics & knowledge conference, pp.267~271 (2017)
- Lawshe, C. H., "A quantitative approach to content validity", Personnel psychology, 28(4), pp.563~575 (1975)
- Lucia, A. D., "Art & science of competency models" (1999), Jossey-Bass
- Mandinach, E. B., "What does it mean for teachers to be data literate : Laying out the skills, knowledge, and dispositions", Teaching and Teacher Education, 60, pp.360~376 (2016)
- Molla, T., "Teacher agency and professional practice", Teachers and Teaching, 26(1), pp.67~87 (2020)
- Nasa, P., "Delphi methodology in healthcare research : How to decide its appropriateness", World Journal of Methodology, 11(4), pp.116~ (2021)
- Ndukwe, I. G., "Teaching analytics, value and tools for teacher data literacy : A systematic and tripartite approach", International Journal of Educational Technology in Higher Education, 17(1), pp.1~31 (2020)
- Oosterhoff, A. M., "Aiming for agency. the effects of teacher education on the development of the expertise of early childhood teachers", Teaching and Teacher Education, 96, pp.103176~ (2020)
- Raffaghelli, J. E., "Centering complexity in ‘educators’ data literacy’to support future practices in faculty development : A systematic review of the literature", Teaching in Higher Education, 25(4), pp.435~455 (2020)
- Reigeluth, C. M., "Instructional-design theories and models: The learner-centered paradigm of education (vol 4)", pp.287~316 (2017)
- Rose, T, "The end of average: How we succeed in a world that values sameness" (2016), HarperOne
- Schildkamp, K., "Data-based decision-making for school improvement : Research insights and gaps", Educational research, 61(3), pp.257~273 (2019)
- Spencer, L. M., "Competency at work" (1993), Wiley
- Sun, J., "A review of research on teachers’ use of student data: From the perspective of school leadership", Educational Assessment, Evaluation and Accountability, 28, pp.5~33 (2016)
- van den Bosch, R. M., "Data-based decision-making : Teachers’comprehension of curriculum-based measurement progress-monitoring graphs", Learning Disabilities Research & Practice, 32(1), pp.46~60 (2017)