화학 교사의 메타모델링 인식 향상을 위한 의사결정트리 활용 교육 프로그램의 효과: 산화 환원 반응 모델을 중심으로
The Effect of an Educational Program Using Decision Trees for Improving Chemistry Teachers' Metamodeling Perceptions: Focusing on Redox Reaction Models
3
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
이 연구에서는 화학 교사의 산화 환원 반응 모델에 대한 메타모델링 인식 향상을 위하여 의사결정트리를 활용한 교육 프로그램을 개발하고 적용하였다. 연구 대상은 종합교원양성대학의 석사과정에 재학 중인 화학 교사 23명이며, 1회 수업당 4시 간씩 총 3회, 12시간에 걸쳐 온라인으로 프로그램을 진행하였다. 교육 프로그램은 전자 이동 모델, 산화수 변화 모델, 결합 유형 변화 모델(굿스테인 모델)에 대한 개념 확인 및 동기 유발, 오렌지3 프로그램을 활용한 인공지능 도구의 기능 탐색 , 모델별 개념 기반 데이터 생성 , AI 모델링을 통한 개념 정교화 , AI 기반 오류 진단 및 평가 , 성찰 및 공유의 6단계로 구성하였다 . 교사들은 화 학 반응식에 대한 정보를 직접 생성하여 의사결정트리 분류 모델을 만들고, 머신러닝이 분류에 오류를 나타낼 때 의사결정트리를 통해 오류의 원인을 파악하고 스스로 오개념을 수정하도록 하였다 . 프로그램의 효과를 분석하기 위해 산화 환원 반응 모델에 대 한 가치관과 모델 기반 판단 역량, 과학 메타모델링 인식의 변화를 사전-사후 설문을 통해 분석하였다. 연구 결과, 교사들의 산화 환 원 반응 모델에 대한 가치관이 위계적 관점에서 다원적 관점으로 변화하였으며 , 모델의 적용 범위와 한계를 명확히 인식하는 고 차원적인 판단 역량을 함양하였다 . 특히 , 과학 메타모델링 인식은 객관적 설명 도구 수준 (2단계 )에서 탐구적 ·다원적 도구 수준 (3, 4단계)으로 발달하였다 . 인공지능 도구는 교사들의 메타인지적 성찰을 촉진하는 효과적인 교수-학습 도구로 활용되었으며, 교사 들은 오류의 즉각적 확인 및 시각화, 협력적 토의 촉진, 메타인지적 성찰 촉진 등을 통해 긍정적인 학습 경험을 하였다. 이러한 결과는 인공지능을 활용한 탐구 경험이 교사들의 과학의 본성에 대한 이해를 심화하고 실제적인 교수 전략의 변화까지 이끌어 낼 수 있음을 시사한다. 따라서 화학 교사들이 모델의 본성을 깊이 이해하고 미래 사회가 요구하는 학생들의 과학적 사고력과 탐구 역량을 함양하는 수업을 설계할 수 있도록 교사들이 직접 과학 모델을 구성하고 평가하는 탐구 경험을 중심으로 인공지능 도구를 활용하는 전문성 개발 프로그램이 지속적으로 개발되고 확대되어야 할 것이다.
Abstract
In this study, an educational program utilizing decision trees was developed and applied to improve chemistry teachers' metamodeling perceptions regarding oxidation-reduction reaction models. The participants included 23 chemistry teachers enrolled in a master's program at a comprehensive teacher training university. The program was conducted online over three sessions, each lasting four hours, for a total of 12 hours. The educational program consisted of six stages: concept verification and motivation regarding the electron transfer model, oxidation state change model, and bond type change model (Goodstein model); exploration of AI tool functions using the Orange3 program; generation of concept-based data for each model; concept refinement through AI modeling; AI-based error diagnosis and evaluation; and reflection and sharing. Teachers generated information about chemical reaction equations to create a decision tree classification model, identified the causes of classification errors through the decision tree when machine learning indicated errors, and corrected misconceptions independently. To analyze the effectiveness of the program, changes in teachers' values regarding oxidation-reduction reaction models, model-based judgment capabilities, and perceptions of scientific metamodeling were examined through pre- and post- surveys. The results indicated that teachers' values regarding oxidation-reduction reaction models shifted from a hierarchical perspective to a pluralistic perspective, and they developed a higher-level judgment capability to clearly recognize the scope and limitations of the models. In particular, the perception of scientific metamodeling progressed from the level of objective explanatory tools (Level 2) to the level of exploratory and pluralistic tools (Levels 3 and 4). AI tools were utilized as effective teaching and learning instruments that facilitated teachers' metacognitive reflection. Teachers had positive learning experiences through immediate error identification and visualization, promotion of collaborative discussions, and enhancement of metacognitive reflection. These results suggest that inquiry experiences utilizing AI are effective in deepening teachers' understanding of the nature of science and leading to changes in their practical teaching strategies. Therefore, it is essential to continuously develop and expand professional development programs centered on inquiry experiences where teachers construct and evaluate scientific models themselves using AI tools. This will enable chemistry teachers to deeply understand the nature of models and design lessons that foster the scientific thinking and inquiry skills required by future society.