Earticle

인공지능의 급격한 발전에 따라 교육계에서도 인공지능 교육과정을 개발하고 미래 인재 양성을 위한 변화에 힘쓰고 있다. 국외에서는 유치원부터 고등학교 인공지능 교육에 관한 연구가 활발히 일어나는 반면, 국내에서는 주로 실과 교과를 중심으로 초등 고학년(5~6학년) 학생들을 대상으로 한 인공지능 교육이 이루어지고 있다. 이에 본 연구에서는 초등학교 3학년부터 고등학교까지 연속적이고 유기적인 인공지능 교육이 이루어질 수 있도록 초등 중학년(3~4학년) 학생들을 대상으로 한 인공지능 활용 교육 프로그램을 개발하고 실제 수업에 적용하였다. 프로그램은 2022 개정 교육과정 총론의 목표에 따라 학생들이 디지털 기초소양을 함양할 수 있도록 내용 기준을 구성하고 교과와 연계하여 학생들이 쉽고 재미있게 인공지능을 이해하고 활용할 수 있도록 하였다. 또, 초등 3~4학년 학생들이 쉽게 다룰 수 있는 ‘TOONING’, ‘똑똑 수학 탐험대’ 등의 플랫폼을 활용하여 5가지 수업 주제를 구성하였다. 인공지능 활용 교육 프로그램을 실시한 후 학생들을 대상으로 설문조사를 진행한 결과, ‘학습 흥미도’ 및 ‘인공지능 이해’, ‘프로그램 적절성’ 평가에서 모두 긍정적인 응답 결과를 얻었다.

With the rapid development of Artificial Intelligence(AI), many educators are making efforts to develop artificial intelligence(AI) curriculum and cultivate talented people with the ability to lead the future society. Research on AI education from kindergarten to high school is being conducted abroad. However, in Korea, AI education is mainly conducted for students in the upper grades of elementary school (5th to 6th grades), mainly in practical subjects. Therefore, in this study, I developed an education program using AI for 3rd to 4th grades students so that continuous and organic AI education from 3rd grade of elementary school to high school can be achieved. And I applied this program to actual classes to verify the effectiveness. In accordance with the goal of the ‘2022 Revised Curriculum’, the program organized content standards and linked to the subject so that students could cultivate ‘digital literacy’, and made it easy and fun for students to understand and use AI. Five class topics were organized using platforms such as 'TOONING' and 'Smart Math Expedition' that can be easily handled by elementary school students in the 3rd to 4th grades. As a result of conducting a survey of students after conducting an education program using artificial intelligence, positive responses were obtained in all evaluations of 'Learning interest', 'Understanding AI', and 'Program appropriateness'.

본 연구는 Embodied Learning(이하 EL)을 활용하여 초등학교 1학년 학생들이 기초 소양, 즉 언어 소양, 수리 소양, 디지털 소양을 함양할 수 있는 프로그램을 개발하였다. 선행 연구 분석 결과 유치원과 초등학교 교육의 자연스러운 연결 및 학습자의 흥미와 동기 유발 측면에서 놀이와 신체 활동이 초등학교 1학년 학생들의 학습에 중요함을 도출하였다. 이에 EL의 접근법이 적합하다고 판단하여 연구를 진행하였다. 먼저 2022 개정 교육과정과 EL 기반 플랫폼인 Rewond에서 기초 소양 요소를 추출하고 EL의 주요 원리를 적용하여 1차 프로그램을 개발하였다. 개발된 프로그램을 약 643명의 1학년 학생들에게 적용한 후, 수업을 진행한 39명의 교사와 강사들로부터 평가를 받았다. 프로그램 평가 결과를 바탕으로 프로그램을 수정 및 보완하였고, 마지막으로 초등 교육 경력과 교육 프로그램 개발 및 연구 경력이 있는 7명의 전문가의 최종 검토를 받았다. 이를 바탕으로 최종 프로그램을 개발하였다.

This study developed a program based on Embodied Learning (EL) to improve basic skills—specifically language, math, and digital literacy—among 1st-grade elementary school students. Based on the analysis of previous research, it was concluded that play and physical activity are crucial for the learning of first-grade elementary school students, particularly in terms of ensuring a smooth transition between kindergarten and elementary school education and in fostering students' interest and motivation. Consequently, we determined that the Embodied Learning (EL) approach would be appropriate for this study. First, we extracted foundational literacy elements from the 2022 revised curriculum and the EL-based platform, Rewond. We then developed an initial program by applying the key principles of EL. This program was implemented with approximately 643 first-grade students, and feedback was collected from 39 teachers and instructors who conducted the lessons. Based on the program evaluation results, we revised and refined the program. Finally, the program underwent a final review by seven experts with extensive experience in elementary education, curriculum development, and research. With this input, we developed the final version of the program.

최근 딥러닝 기반 음성 인식 기술의 발전으로 사용자 발화를 이용한 서비스 개발이 활발하다. 하지만 음성 인식 기술을 조선소에 적용하기 위해서 현장 소음의 다양성과 불규칙성, 통신 장애, 하드웨어 비용 등의 제약조건이 존재한다. 또한, 다수의 철 구조물이 존재하고 통신 음영구역에서 작업이 진행되는 조선업 특성상 서버에서 동작하는 대규모 음성 인식 모델이 아닌 작업자 장비에 부착된 소형 모듈에 탑재하여 독립적으로 동작하는 소형 음성 인식 모델에 관한 연구가 필요하다. 본 연구에서는 조선소에서 활용할 수 있는 소형 음성 인식 모델을 학습하기 위한 Part-mix 증강기법과 NKB(Noise-Keyword Balancing) 손실함수라는 두 가지 기법을 제시한다. 이를 통해, 작업 소음과 작업자 간 대화가 섞여 발생하는 부분음으로 인한 오인식 문제를 극복하고 다수 소음 데이터, 소수 키워드 데이터의 불균형으로 발생하는 성능 저하 문제를 데이터 분포에 따른 Loss 조정으로 이를 개선한다.

Recent advancements in deep learning-based speech recognition technology have led to the development of services using user speech. However, applying this technology to shipyards involves overcoming challenges such as diverse and irregular noise, communication interruptions, and hardware costs. Due to the shipbuilding environment, with numerous steel structures and communication shadow zones, there is a need for small, standalone speech recognition models mounted on worker equipment, rather than large-scale server-based models. This study proposes two techniques—Part-mix augmentation and the NKB (Noise-Keyword Balancing) loss function—that jointly address misrecognition caused by mixed operational noise and partial speech from conversations. Together, these techniques overcome challenges arising from data imbalance between abundant noise and limited keyword data by adjusting the loss distribution based on data properties, significantly improving speech recognition performance in complex noise environments.

본 연구는 대학 신입생을 대상으로 한 파이썬 입문 강의에서 블록 기반, 텍스트 기반, 혼합형 교수법의 효과성을 조사하였다. 60명의 학생이 세 그룹으로 무작위 배정되어 각기 다른 교수법을 13주간 적용받았다. 학습 성과, 문제 해결 능력, 학생 태도는 시험, 코딩 연습, 설문 조사 및 인터뷰를 통해 평가되었다. 결과적으로 모든 그룹에서 유의미한 향상이 나타났으며, 혼합형 교수법을 적용한 그룹이 가장 높은 사후 평가 점수(81.2점)와 최종 프로젝트에서 최고 성과(평균 89.3점)를 기록하였다. 혼합형 교수법은 블록 기반 프로그래밍의 접근성과 텍스트 기반 코딩의 심층성을 효과적으로 결합하여, 시각적 표현에서 텍스트 표현으로의 점진적인 전환을 통해 학습을 단계적으로 지원하였다. 이 접근법은 다양한 학습자의 요구를 충족시키면서도 고급 프로그래밍 기술 습득을 준비하도록 설계되었다. 혼합형 그룹의 학생들은 자신감, 즐거움, 몰입감에서 가장 큰 향상을 보고하였다. 연구 결과는 혼합형 교수법이 개념적 이해, 코딩 숙련도 및 학습 만족도를 증진하는 데 가장 효과적임을 강조하고 있다.

This study investigates the effectiveness of block-based, text-based, and hybrid instructional approaches in introductory Python courses for community college freshmen. Sixty students were randomly assigned to three groups, each following a distinct instructional method over a 13-week semester. Learning outcomes, problem-solving skills, and student attitudes were evaluated using exams, coding exercises, surveys, and interviews. The results revealed significant improvements across all groups, with the hybrid approach achieving the highest post-test scores (81.2 points) and the best project performance(average of 89.3 points in the final project). The hybrid method effectively combined the accessibility of block-based programming with the depth of text-based coding, employing a gradual transition from visual to textual representations. This approach scaffolded learning, addressing the needs of diverse learners while equipping them with advanced programming skills. Students in the hybrid group reported the greatest improvements in confidence, enjoyment, and engagement. The findings underscore the hybrid approach as the most effective for promoting conceptual understanding, coding proficiency, and overall satisfaction among diverse learners.

본 논문은 웹 기반 코딩 플랫폼인 CodeWalks를 Open edX 학습관리시스템(LMS)과 통합하여 코딩 교육을 개선하는 방안을 제시하였다. 제안된 시스템은 RESTful API와 사용자 정의 XBlock을 활용하여 CodeWalks와 Open edX 간의 원활한 통신을 구현하였으며, 이를 통해 실시간 코딩 활동 모니터링, 포괄적인 학습자 분석, 자동화된 퀴즈 채점, 그리고 블록 기반 및 텍스트 기반 코딩 인터페이스의 통합과 같은 핵심 기능을 제공하였다. 또한, Open edX의 분석 모듈인 edX Insights와 Figures를 통합하여 학습자 진행 상황을 정밀하게 추적하고 분석할 수 있는 강력한 프레임워크를 구축하였다. 정량적 분석 결과, 제안된 시스템은 학습자의 참여도(31% 증가, p < 0.001), 과제 완료율(23% 상승, χ² = 45.2, p < 0.001), 오류율(41% 감소, p < 0.001), 블록 기반에서 텍스트 기반 코딩으로의 전환율(73% vs. 52%, χ² = 38.7, p < 0.001), 그리고 학습자 만족도(중앙값 4.4 vs. 3.7, U = 76,234, p < 0.001)에서 통계적으로 유의미한 개선을 보였다. 이 연구는 코딩 초보자들의 학습 어려움을 해결하고 개인화된 학습 환경을 제공함으로써, 더 효과적이고 접근성 높은 코딩 교육의 새로운 가능성을 제시하였다.

This paper proposes integrating the CodeWalks coding platform with Open edX LMS to enhance coding education. The system uses RESTful APIs and custom XBlocks for seamless communication, enabling real-time monitoring, comprehensive analytics, and automated assessment. Integration with edX Insights and Figures provides detailed learner progress tracking. Quantitative analysis reveals significant improvements in the experimental group: 31% increase in engagement rate (p < 0.001), 22% higher completion rate (χ² = 45.2, p < 0.001), 41% decrease in error rate (p < 0.001), improved transition to text-based coding (73% vs 52%, χ² = 38.7, p < 0.001), and higher learner satisfaction (median 4.4 vs 3.7, U = 76,234, p < 0.001). The integrated platform addresses challenges faced by coding novices and offers a personalized learning environment. This study contributes to effective online coding education and provides a foundation for future innovations in educational technology.

본 연구는 주간 정신전력교육에 형성평가가 부재하고 또한 필요하다는 인식에서 출발하였다. 그런데 교육 진행 교관이나 정훈장교가 매주 형성평가 문항을 직접 제작한다는 것은 현실적으로 어려우므로, 교육 현장에서 쉽게 활용할 수 있도록 문항을 자동으로 출제하고 정답·오답 해설까지 제공하는, Novice’s Checklist 방식이라 명명한 생성형 AI 프롬프트를 우선 개발하였다. 그리고 이 프롬프트에 기초하여 생성된 문항들이 질적으로 양호한지 인간 출제 비교 실험을 통해 검토했다. 오답의 전반적인 매력 차원과 교육적 의미와 중요성 차원에 있어서는 부족하지 않았지만, 사실에 관한 결함이나 논쟁 차원에 있어서는 AI 출제가 인간 출제에 비해 부족함을 확인하였다. 다음으로, 생성된 문항들의 측정학적 특성은 어떠한지 KR20 및 IRT 분석을 통해 검토했다. 신뢰도는 문항 수를 감안하면 수용 가능한 수준으로 나타났고, 전반적으로 난이도는 쉽고 변별도는 높은 것으로 나타났다. 끝으로, 생성된 문항들이 수업 중에 가르치고 배운 내용과 의미 있게 관련된다고 할 수 있는지 참석/불참 집단 정답률 차이 검정을 통해 검토했다. 참석 집단이 불참 집단보다 정답률이 높다고 할 수 있다는 상식적이고 당연한 결과를 얻어 형성평가로서의 중대한 결함은 없음을 확인하였다.

This study originated from the recognition that formative assessment is both absent and necessary in the weekly Military Moral Strength and Political Education. Considering the practical challenges of facilitators or troop information and education officers manually creating formative assessment items each week, a generative AI prompt named the Novice’s Checklist was developed to automate the creation of items, including explanations for correct answers and distractors, for easy use in educational settings. The quality of the AI-generated items was evaluated through a comparative experiment with human-generated items. While AI-generated items were not inferior in terms of distractor appeal and their educational importance, they showed shortcoming in factual flaws or issues compared to human-generated items. Subsequently, the psychometric properties of the AI-generated items were analyzed using KR-20 and IRT. The reliability was found to be acceptable given the number of items, and the overall difficulty was low, while discrimination was high. Finally, the alignment of the AI-generated items with the content taught during lessons was examined through a comparison of correct response rates between attendance and non-attendance groups. The results showed that the attendance group consistently achieved higher correct response rates than the non-attendance group, confirming no significant flaws as a formative assessment.

본 연구는 실생활 문제해결을 위한 ‘공공데이터 활용 융합 수업’을 계획하고 모의수업을 진행하는 과정에서 예비 교사들의 실제적인 수업 역량을 기르는 것을 목표로 한다. 구체적으로, ‘공공데이터 활용 융합 수업’ 계획서를 맥락적 영역과 통계적 영역으로 구분하여 분석함으로써 예비 교사의 공공데이터 활용과 연계한 통계 교육의 내실화된 현장 실행 방안을 탐색하고, 통계적 소양 함양을 위한 시사점을 제공하고자 한다. 이를 위해 K대학 사범대학 수학교육과 학생들을 대상으로 실생활 문제 상황을 수업 맥락으로 활용하는 '공공데이터 활용 융합수업'을 설계하도록 하였으며, 이를 통해 5개의 수업계획서와 예비교사의 발문을 수집·분석하였다. 연구 결과, 예비수학교사들이 공공데이터를 융합수업에 적용함으로써 실제 주변의 쟁점이 되는 비표준화 데이터를 추출하는 경험을 얻고, 수업실천 역량에 대한 시사점을 도출할 수 있었다. 이는 공공데이터를 수학 수업에 융합하려는 예비교사들의 노력이 단순한 기술적 수업 전문성을 넘어서는 새로운 교사교육의 시도임을 보여준다. 향후 인공지능 기반 미래 교육과 AIDT 디지털 교실 혁명의 요구에 기여할 것이다.

The purpose of this study is to develop the practical teaching capabilities of prospective teachers by planning statistical mathematics lessons that solve real-life problems using the Open Data portal. Specifically, the purpose is to strengthen the statistical literacy of prospective teachers through the development of statistics classes using the Open Government Data portal. The research method involved implementing teacher education. Additionally, five lesson plans and the questions used in the mock lessons were collected and analyzed. As a result, the teacher education program can be used as educational material for developing expertise in improving school mathematics. By addressing real-life problem situations and issues, it was possible to provide prospective teachers with a new perspective on changing societal problems. Accordingly, the efforts of pre-service teachers to integrate Open Data into mathematics lessons can be seen as an initiative in teacher education that goes beyond the development of technical teaching expertise. It can be concluded that these efforts may contribute to the practical teaching competencies necessary to adapt to the demands of the digital classroom revolution through future education based on artificial intelligence and the utilization of AIDT.

본 논문은 공공데이터를 확보하여 빅데이터 환경을 구축하고 지도 기반의 API를 이용하여 공공인프라에 대한 평판 분석 플랫폼을 설계 및 구현하였다. 본 연구의 포커스는 주변 지역의 인프라 정보에 대한 명확한 평판을 기준으로 주변 인프라 에 비해서 부동산 시세가 합리적인지를 판단할 수 있는 척도가 될 수 있으며 거짓된 정보 제공을 최소화할 수 있는 해결책을 가지고 있다. 그러므로 본 논문은 주거지역의 긍정적인 시설과 부정적인 시설 정보를 제공할뿐만 아니라 국민이 직접 참여하여 관공서 및 시설 인프라에 대한 객관적인 의견을 비정형 데이터로 제시할 수 있는 오피니언마이닝 기반의 지역 정보 공유 시스템으로 향후 참여형 플랫폼 분야에도 기여할 것으로 예상한다.

This paper designed and implemented a reputation analysis platform for public infrastructure by securing public data, constructing a big data environment, and using a map-based API. The focus of this study is that it can be a measure to judge whether real estate prices are reasonable compared to surrounding infrastructure based on clear reputation of infrastructure information in surrounding areas, and it has a solution to minimize the provision of false information. Therefore, this paper is expected to contribute to the field of participatory platforms in the future as an opinion mining-based regional information sharing system that not only provides positive and negative facility information in residential areas, but also allows citizens to directly participate and provide objective opinions on public offices and facility infrastructure as unstructured data.