Earticle

본 연구는 2022 개정 교육과정의 디지털 리터러시 내용 체계를 바탕으로 초등교사의 디지털 리터러시 역량을 분 석하고, 교사의 역량 향상을 위한 시사점을 제시하기 위한 목적이 있다. 이를 위해 17개 시도교육청에서 선정한 초 등학교 핵심 교사를 대상으로 설문조사를 실시하였으며, 교사의 SW 관련 전문성 관련 배경 변인에 따른 디지털 리 터러시 역량을 분석하였다. 분석 결과, 컴퓨터 심화 전공을 하였거나, SW 교양과목을 수강한 적이 있는 교사는 디지 털 리터러시를 ‘가르칠 수 있다’(4.00)에 가까운 점수를 나타냈으나, 그렇지 않은 경우 ‘보통’(3.00)을 선회하는 것으로 분석되었다. 본 연구는 초등교사의 디지털 리터러시 교육에 대한 역량 분석을 바탕으로, 교사의 디지털 리터러시 교 육 방향에 대한 시사점을 제시했다는 점에 의의가 있다.

This study aims to identify elementary school teachers' self-perceived digital literacy competency based on the digital literacy content framework of the 2022 revised curriculum, and to suggest implications for improving teachers' competency. To this end, a survey was conducted among core elementary school teachers selected from 17 provincial education departments, and digital literacy competencies were analyzed according to background variables related to teachers' SW-related expertise. The results showed that teachers who majored in advanced computer science or who had taken SW liberal arts subjects were closer to ‘able to teach digital literacy’(4.00), but otherwise hovered around ‘average’(3.00). The significance of this study is that based on the analysis of primary teachers' competence in teaching digital literacy, it provides implications for the direction of teachers' digital literacy education.

인공지능과 분석기술의 고도화로 교육 환경에서 개별학습자를 위한 맞춤형 수업의 설계와 적용 가능성이 대두 되고 있으나 인공지능 맞춤형 교육 및 융합 교육은 일부 교과에서 한정적으로 이루어지며 직접적인 시도 역시 미 약하다고 볼 수 있다. 본 연구에서는 초등학교 음악교육에서 인공지능 융합 프로그램을 설계하여 적용하고 학생들 의 학습유형과 흥미유형에 따른 효과를 분석하였다. 프로그램 적용 결과, 인공지능 도구를 활용하여 학습한 집단은 자기특성 이해역량, 사회적 역량, 실천 역량, 의사결정 역량에서 보다 긍정적이고 통계적으로 유의미한 변화가 있었 으며 이 결과는 학습자의 세부적인 학습유형 및 흥미유형에 따라 차이가 있었다. 학습자 맞춤형 수업을 위해 개별 학습자의 세분화된 유형을 고려한다면 인공지능 융합 교육의 효과성과 더불어 미래 세대에게 필요한 역량의 효율 적인 향상을 기대할 수 있을 것이다.

With the advancement of artificial intelligence and analysis technology, the possibility of designing and applying customized classes for individual learners in the educational environment is emerging, but artificial intelligence customized education and convergence education are limited to some subjects, and direct attempts can also be considered weak. In this study, we designed and applied an artificial intelligence convergence program in elementary school music education and analyzed the effects according to students' learning and interest types. As a result of applying the program, the group that learned using artificial intelligence tools had more positive and statistically significant changes in self-characteristic understanding ability, social competency, practical competency, and decision-making competency, and these results were consistent with the learner's detailed learning type and interest type. There was a difference depending on. If we consider the detailed types of individual learners for learner-tailored classes, we can expect the effectiveness of artificial intelligence convergence education and efficient improvement of the capabilities required for future generations.

정보교육은 최근 10년 동안 많은 변화를 겪고 있으며 그 중에서도 교육과정개정이 2015년과 2022년 두 번이 있었다. 본 연구에서는 2017년과 2022-2023년 기간의 정보교육관련 학술지 191편을 수집하여 연구 유형을 분류 하고 두 시기의 연구 동향을 메타분석 한다. 분석 결과, 학술지는 모두 6가지 유형으로 분류됐으며 교육 프로그 램을 적용한 효과를 분석하는 유형 39.8%, 교육 모델·교육 과정·교육 프로그램 개발에 대한 유형 20.9%, 실태·요 인·인식 조사에 대한 유형 20.9%로 상위 3개 연구 유형으로 나타났다. 기간별로 2017년 연구의 특징은 창의력 사고력 중심의 연구가 두드러졌고 2022-2022년 연구에서는 인공지능 소양 중심의 연구가 많은 것으로 나타났다. 또한 정보교육의 연구 경향은 그 시기에 발표되는 교육정책이나 사회적 분위기 등에 영향을 받는 것으로 보이며 인공지능 관련 정책과 이슈는 계속 만들어지고 있으므로 당분간 관련 연구는 이어질 것으로 예측된다.

Information education has been experiencing many changes over the past 10 years, and among them, there were two curriculum revisions, in 2015 and 2022. In this study, we collect 191 academic journals related to information education from 2017 and 2022-2023, classify research types, and conduct a meta-analysis on research trends in the two periods. As a result of the analysis, all academic journals were classified into 6 types: 39.8% were those that analyzed the effects of applying educational programs, 20.9% were those that were about the development of educational models, curriculum, and educational programs, and 20.9% were those that were about surveys of actual conditions, factors, and perceptions. appeared as the top three research types. By period, the characteristics of the 2017 research were prominent in research focusing on creativity and thinking skills, while the 2022-2022 research showed a lot of research focusing on artificial intelligence knowledge. In addition, research trends in information education appear to be influenced by educational policies and social atmosphere announced at that time, and since policies and issues related to artificial intelligence continue to be created, related research is expected to continue for the time being.

최근 교육 현장에서 데이터 활용 및 데이터기반 의사결정의 중요성이 강조되며 교사의 데이터 리터러시를 함양 하기 위한 교육의 필요성이 제기되고 있다. 교사를 위한 데이터 리터러시는 교육 과정에서 획득 및 활용할 수 있는 다양한 유형의 데이터를 수집, 분석, 해석하여 이를 교육적 행동으로 연결하는 역량을 의미한다. 생성형 인공지능은 쉽고 빠르게 데이터 분석을 학습할 수 있도록 도와준다는 점에서 데이터 리터러시 교육 시 효과적으로 활용될 수 있다. 본 연구에서는 생성형 인공지능을 활용한 데이터 리터러시 교육 프로그램을 설계하고, 실행하여 효과성 평 가를 실시하였다. 연구 결과, 개발된 프로그램은 데이터 리터러시를 향상시키는 것으로 나타났으나 프로그램 차시 확대, 교육적 맥락의 실사례 제공 등의 보완할 점도 발견되어, 설계한 프로그램을 수정 및 보완하여 최종 프로그 램을 도출하였다. 본 연구는 예비교사를 위한 데이터 리터러시 교육 프로그램을 개발함으로써, 예비교사 및 교사 를 위한 데이터 리터러시 교육을 설계 및 실행 시 참고할 수 있는 기초자료를 제공했다는 데 연구의 의의가 있다.

With the advent of a data-driven society, the importance of data literacy in education requires that teachers build data literacy skills. Data literacy for teachers refers to the ability to collect, analyze, interpret, and utilize various types of data in the educational process, translating these insights into educational actions. Generative AI can be used effectively to teach data literacy to teachers because it can help them learn data analysis quickly and easily. A data literacy education program using generative AI was designed using the ADDIE instructional design model, and the final program was developed by modifying and supplementing through effectiveness evaluation and response analysis. As a result of the effectiveness evaluation, the developed program was found to improve data literacy, but there were also points of improvement, such as expanding the program time and providing actual examples of the educational context. So, the final program was developed through modification and supplementation. The significance of this study is that it developed a data literacy education program for pre-service teachers and provided materials that can be used as a reference when developing or implementing education for pre-service teachers and teachers.

본 연구는 ITS(Intelligent Tutoring System)가 제공하는 피드백의 기능과 유형을 확인하고 교육적 효과를 위 한 개선 방향과 추후 개발 시 고려해야 할 시사점 도출에 목적을 두고 있다. 이에 본 연구는 CMU(Carnegie Mellon University)에서 구축한 CTAT(Cognitive Tutor Authoring Tools)으로 개발된 ITS 플랫폼 4개 (Mathtutor, Stoichiometry Tutor, AdaptErrex, Chem Tutor)를 선정하여, 각 플랫폼이 피드백을 제공하는 시기, 목적, 내용, 주체를 분석하였다. 분석 결과 자기조절을 목적으로 피드백은 찾아 볼 수 없었고, 정의적 내용을 담 은 피드백이 미흡한 수준으로 제공되는 것으로 나타났다. 피드백과 관련 변수 중 특히 동기 유발을 지원하는 측 면에서 보완이 필요함을 확인하였다. 또한 생성형 피드백 기능이 없어 AI가 학습자 특성에 따른 개별 피드백을 생성하는 기능을 추가할 것을 제안하였다.

The purpose of this study is to identify the functions and types of feedback provided by intelligent tutoring systems (ITSs), and to derive improvement directions for educational effectiveness and implications for future development. This study selected four ITS platforms (Mathtutor, Stoichiometry Tutor, AdaptErrex, and Chem Tutor) developed with Cognitive Tutor Authoring Tools (CTAT) built by Carnegie Mellon University (CMU) and analyzed the timing, purpose, content, and subject of feedback provided by each platform. As a result of the analysis, we found that there was no feedback for the purpose of self-regulation, and that feedback with definitional content was provided at an insufficient level, confirming the need for improvement in relevant variables, especially in terms of supporting motivation. We also suggested adding a function that allows AI to generate individualized feedback based on learner characteristics, as there is no generative feedback function.

영어교육의 궁극적 지향점은 ‘의사소통 역량’이다. 우리나라 학생들은 노출과 학습강도가 미흡한 상황이나, 인공 지능(Artificial intelligence, AI) 챗봇을 이용한 외국어 회화 연습으로 이를 극복할 수 있다는 여러 연구 결과가 있 다. 영어 인공지능 시스템인 AI 펭톡은 초등학교 학습자를 위해 제작된 맞춤형 인공지능 말하기 연습시스템이다. 본 연구에서는 AI 펭톡을 활용한 공교육 영어과 수업을 구성하고, 초등학생 학습자들의 발음 능력과 어휘력에 미 치는 영향, 영어과 학습에 대한 정의적 영역에 대한 변화를 분석한다. 실험집단 20명, 통제 집단 20명으로 5학년 학생 전체 40명을 대상으로 10차시의 수업을 4주간 실시한 후 결과를 평가하였다. 결과에 따르면 두 집단 모두 발 음 능력과 어휘력이 향상되었고, 실험집단의 경우 발음 능력 향상 정도에서 통제집단과 통계적으로 유의한 차이를 보였다. 학생들은 AI 펭톡을 활용한 영어 수업에 전반적으로 긍정적인 반응을 보였으며, 영어 학습에 대한 자신감 이 향상된 것을 확인하였다.

The aim of study is investigate effects of English classes using Artificial intelligence(AI) Chatbot on English pronunciation and vocabulary ability of elementary students. Forty participants(5th graders) were divided into experimental( n=20) and control(n=20) groups. Their pronunciation scores of pre-and post-pronunciation tests focusing on segmentals, stress, intonation, speed and rhythm were quantitatively analyzed. Findings of this study indicated that: 1) There were statistically significant differences in pronunciation abilities between the two groups. 2) There were statistically improve in English vocabulary abilities in both group. 3) students responses to open-ended questions that AI Pengtalk classes enhanced their interests, and helped them speak English well, enhanced their interests, positive attitudes and self-confidence in their English study. These results suggest that AI Pengtalk is good tool for developing students’ English pronunciation abilities in schools.

최근 우리 생활 속에서 인공지능에 대한 개념이 익숙해지고 필요성이 증가하면서 유아부터의 코딩 교육에 대한 수요도 함께 증가하고 있으나 어떤 코딩 도구로 학습해야 하는지에 대한 정보와 연구는 매우 적었다. 본 연구에서 는 초등 1학년을 대상으로 코딩 학습의 가능성을 확인하고 코딩 학습 도구를 2D기반으로 학습하는 경우와 3D기반 으로 학습하는 경우의 효과를 분석하고자 하였다. 이를 위해 10차시의 코딩 학습 프로그램을 설계하고 전문가 검증 을 통해 보완한 후 적용하였다. 프로그램에 참여한 2D기반 학습반은 코딩에 대한 흥미도에서는 3D기반 학습반보다 상승 폭이 높았으며 자기 효능감에서는 자신감, 과제 난이도에 따른 대응 영역에서 2D기반 학습반의 상승 폭이 높 았으나 대인관계 영역에서는 3D기반 학습반의 상승 폭이 더 높았다. 이 결과는 초등 저학년에서도 코딩 교육의 긍 정적 효과를 얻을 수 있으며 코딩 도구 선택시에 참고할 수 있는 자료로 가치가 있으리라 여겨진다.

Recently, as the concept of artificial intelligence has become more familiar and the need for it has increased in our lives, the demand for coding education from early childhood has also increased, but there has been very little information and research on what coding tools to use for learning. In this study, we attempted to confirm the possibility of coding learning for first grade elementary school students and analyze the effects of learning coding learning tools on a 2D basis and on a 3D basis. To this end, a coding learning program for the 10th session was designed, supplemented through expert verification, and then applied. The 2D-based learning class that participated in the program showed a higher increase in interest in coding than the 3D-based learning class. In terms of self-efficacy, the 2D-based learning class showed a higher increase in the areas of confidence and response to task difficulty, but the 3D-based learning class showed a higher increase in the interpersonal relationship area. These results show that even lower elementary school students can obtain positive effects from coding education and are believed to be valuable as reference data when selecting coding tools.

본 연구는 초등교육 현장에서 AI기반 맞춤형 교수·학습을 통한 학습자 특성 진단 및 처방에 대한 요구를 분석함으로써, 교사 들이 학습자의 다양한 학습 요구를 AI를 활용하여 지원할 수 있는 방안을 모색하는 것을 목적으로 한다. 이를 위해 AI가 데이터 를 통해 진단해 줄 중요도가 높은 개인별 및 집단별 학습자 특성과, 이를 기반으로 처방적 측면에서 교수 설계 및 학생 지도를 위한 피드백 전략에 대한 요구 분석 문항을 개발하였다. 개발된 총 83개의 문항을 바탕으로 현직 초등교사를 대상으로 중요도, 실행도를 측정하였고, Borich의 요구도 산출 공식, 초점의 소재 모형을 활용하여 분석하였다. 연구 결과, 교사들은 진단 측면에서 학생들의 강-약점, 관심 키워드, 학습 스타일 등 개별적인 특성뿐만 아니라, 학생들의 다중지능, 쓰기 효능 등 집단별 특성에 대 해서도 파악하고자 하는 높은 요구를 보였다. 본 연구에서는 진단에 따른 처방전략에 대한 교사요구도 함께 도출하였다.

This study aims to analyze the needs for learner characteristics diagnosis and prescription through AI-based personalized teaching and learning in primary educational contexts, so that teachers can meet the diverse learning needs of students. To this end, a total of 83 needs survey questions on important individual and group characteristics of learners to be identified using AI and feedback and prescription strategies about instructional design and student guidance in terms of prescription were collected and analyzed, using Borich's needs calculation formula and The Locus for Focus model to measure the importance and implementation scales. The results of the study showed that teachers have a strong need to understand not only individual characteristics such as students' merits and weaknesses, keywords of interest, and learning styles, but also group characteristics such as students' multiple intelligences and writing efficacy in terms of diagnosis, deriving the needs for prescription strategies.

학생들의 문해력이 감소함에 따라 어휘 교육의 필요성은 계속해서 강조되고 있다. 생성형 AI 기반 챗봇은 자연스러운 의사소통을 통한 학생 맞춤형 교육이 가능하다는 장점이 있다. 또한 다양한 어휘 사용 예시를 생 성, 제공할 수 있어 어휘 학습에 효과적으로 활용될 수 있다. 본 연구는 초등학교 6학년 학생들의 어휘 학습 지원을 위해 교육과정 및 교과서 분석 결과를 토대로 모델을 파인튜닝한 후, 웹 페이지 형식으로 시각화하였 다. 챗봇 모델 구현 결과, 본 챗봇은 학습된 데이터를 바탕으로 학습자의 수준에 맞는 답변을 출력하였으며, 데이터 셋에 없는 내용이라도 예시 문장, 사용 상황 등을 다양하게 제시하였다. 또한 학습자와의 이전 대화 내용을 고려한 답변을 출력하며 자연스러운 상호작용을 이어나갔다. 1회, 4회 파인튜닝 후 각 모델의 정확도 를 평가한 결과, 파인튜닝이 반복될수록 답변의 정확도는 높아졌다.

As students’ literacy decreases, the need for vocabulary education continues to be emphasized. Chatbots based on Generative AI have the advantage of enabling natural communication and customized learning for students. In addition, it can create and provide examples of various vocabulary use, which can be effectively used for vocabulary learning. This study developed a chatbot that supports vocabulary learning for 6th graders in Korean elementary school. This study fine-tuned the model based on the curriculum and textbook analysis results. After that, the chatbot was visualized in the form of a web page. As a result, this chatbot provided appropriate answers to the learner’s level based on the learned data. Even if the contents were not in the dataset, various example sentences and usage situations were presented. It continued natural interactions by outputting answers that considered the previous conversation. After implementing the chatbot model, the accuracy of the answer was evaluated. As a result of evaluation, it was confirmed that the accuracy of the answer increased as fine-tuning was repeated.