Earticle

초록

영어

This study examined how 11 preservice elementary teachers refined their grounds for judging errors and their pedagogical content knowledge (PCK) while designing statistical graph tasks with intentional errors, solving other groups’ tasks, and engaging in whole-class discussion. Multi-model generative AI analysis was used as supplementary retrospective analysis of the same lesson materials rather than as an independent performance test. The findings showed that the teachers reconsidered the match between data and graph type, axes, units, titles, reference quantities in percentage reasoning, conditions for using broken axes, the distinction between “decrease” and “difference,” and the relationship between grade-band achievement standards and actual instructional timing. Reflection sheets and intergroup rebuttal records indicated that the participants came to view graph errors as pedagogical issues involving students’ understanding, not merely formal defects. They also experienced foundational AI-TPACK by selecting, revising, and rejudging AI-generated error candidates while distinguishing intended errors, omissions, valid additional detections, and overgenerated candidates against PCK-based criteria. The AI-generated outputs were useful for proposing structural error candidates and checking numerical consistency, but their pedagogical validity became stronger when interpreted in conjunction with human discussion. These findings suggest that generative AI should be used as a supplementary analytical resource for proposing error candidates, generating counterarguments, reexamining interpretations, and facilitating discussion.

한국어

본 연구는 예비 초등교사 11명이 사전에 의도한 오류를 포함한 통계 그래프 문항을 설계하고, 교차 풀이와 전체 토론을 거치며 오류 판단 근거와 PCK를 어떻게 정교화하는지 분석하였다. 다중 생성형 AI 분석은 모델 성능 검증이 아니라 동일 수업 자료의 사후 검토를 위한 보조 분석으로 활용하였다. 분석 결과, 예비 초등교사들은 자료-그래프 유형 매칭, 축·단위·제목, 비율 기준량, 물결선의 허용 조건, ‘감소’와 ‘차이’의 구분, 학년군 성취기준과 실제 지도 시점을 재판단하였다. 모둠 간 반박 기록과 수업 후 성찰문에서 예비 초등교사들은 그래프 오류를 단순한 형식적 결함이 아니라 학생 이해와 연결된 교수학적 문제로 재해석하는 인식 전환을 보였다. 그들은 또한 AI 산출물을 그대로 수용하지 않고 PCK 기준에 비추어 의도 오류, 미탐지, 정밀 추가 탐지, 과잉 산출을 구분하며 오류 후보를 선별·수정·재판단하는 AI-TPACK으로 해석될 수 있는 기초 역량을 경험하였다. 생성형 AI는 구조적 오류와 수치 정합성 검토에는 유용했으나, 그 산출물의 교수학적 타당성은 인간 토론 자료와 결합될 때 더 분명해짐을 시사한다.

목차

요약
Ⅰ. 서론
Ⅱ. 이론적 배경
1. 통계 그래프 수업과 오류 토론의 교육적 의미
2. 생성형 AI의 통계 그래프 오류 검토 역량과 한계
Ⅲ. 연구 방법 및 설계
1. 연구 참여자
2. 자료 수집
3. 인간 자료 분석
4. 생성형 AI 보조 분석
Ⅳ. 연구 결과 및 논의
1. 예비 초등교사들의 화이트보드 토론과 PCK 정교화
2. 토론과 성찰에서 나타난 PCK 정교화
3. 점진적 정보 공개 기반 생성형 AI 보조 분석 방법 탐색
Ⅴ. 결론 및 제언
참고문헌

<부록>

키워드

저자

• 송상헌 [ Song, Sanghun | 경인교육대학교, 교수 ] 교신저자
• 김현아 [ Kim, Hyeona | 경인교육대학교 교육전문대학원, 채드윅송도국제학교 교사 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국초등수학교육학회지 [Journal of Elementary Mathematics Education in Korea]

• 간기

  계간

• pISSN

  1229-3229

• 수록기간

  1997~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 375 DDC 372