Earticle

본 연구는 2022 개정 교육과정 초등학교 정보 교육과 관련된 실과 교과서 9종을 대상으로 인공지능 교육 내용 의 반영 양상과 제시 방식을 분석하였다. 이를 위해 Romey 분석을 중심으로 교육과정 분석, 내용 제시 방식 분석 을 종합적으로 수행하였다. 교육과정 분석 결과, 9종 교과서 모두 교육과정 성취기준을 대체로 충실히 반영하고 있었으며, Romey 분석 결과, 그림과 도표 및 활동 영역이 비교적 탐구적인 경향을 보인 반면, 텍스트와 단원 끝부 분에 제시된 질문 영역은 권위적인 경향을 띠어 학생의 탐구성을 촉진하는 데 한계가 있었다. 이는 동일한 교육과 정임에도 교과서 설계에 따라 인공지능 학습 경험의 차이가 발생할 수 있음을 시사한다. 내용 제시 방식에서는 대 다수 교과서가 전통적 IPO 모델과 Guided Learning에 해당되었으며, 단일 데이터 형태 제시 방법을 사용하고 있 었다. 본 연구는 이러한 분석을 바탕으로 탐구 중심 활동 강화, 데이터 제시 방식의 다양화 등과 함께 보편적 인 공지능 교육의 실질적 구현을 위해 초등 정보 교과의 독립적 편성과 시수 확대가 필수적임을 제언한다.

This study analyzes the reflection patterns and presentation methods of AI education contents in nine elementary Practical Arts textbooks based on the 2022 Revised Curriculum. To this end, curriculum analysis and content presentation analysis were comprehensively conducted, with a primary focus on Romey’s analysis. The results of the curriculum analysis showed that all nine textbooks generally reflected the achievement standards faithfully. However, Romey’s analysis revealed that while figures, diagrams, and activities tended to be exploratory, texts and end-of-unit questions were largely authoritative, thereby limiting the promotion of students’ inquiry. Regarding content presentation, most textbooks relied on the traditional IPO model and Guided Learning, and predominantly utilized single data types. These findings imply that disparities in AI learning experiences may arise depending on the textbook design. Based on these results, this study suggests reinforcing inquiry-based activities and diversifying data presentation. Furthermore, it asserts that establishing an independent information subject and expanding class hours are essential for the practical realization of universal AI education.

본 연구는 프로그래밍 언어 학습의 한계를 보완하고 중등 교육 단계에서 데이터 리터러시를 효과적으로 함양 하기 위해 No-Code 기반 데이터 분석 교육 프로그램을 설계·개발하고 그 교육적 효과를 실증적으로 분석하였 다. 프로그램은 Excel과 Orange 3, 생성형 AI 등을 활용한 실습 중심의 20차시 교수·학습 과정으로, 데이터 이 해, 수집, 분석, 표현의 네 가지 핵심 역량을 중심으로 구성되었다. 인천 지역 중학교 1-3학년 학생을 대상으로 사전·사후 검사를 실시한 결과, 모든 영역에서 데이터 리터러시 능력이 향상되었으며, 특히 데이터 분석과 데이 터 수집 영역에서 두드러진 개선이 확인되었다. 반면 데이터 표현 영역의 향상폭은 상대적으로 제한적이었다. 또 한 도구 중심의 실제적 데이터 분석 경험이 학습자의 이해를 심화시키고, 노코드 기반 접근이 데이터 분석 학습 의 진입 장벽을 완화하는 데 효과적임을 확인하였다. 본 연구는 중등교육에서 프로그래밍 지식 없이도 데이터 분석 역량을 기를 수 있는 교육적 접근 방식을 제안했다는 점에서 의의를 가진다.

This study designed and developed a No-Code-based data analysis education program and empirically examined its educational effectiveness to address the limitations of programming language learning and to effectively foster data literacy at the secondary education level. The program consisted of a 20-session practice-oriented teaching and learning process utilizing Excel and Orange 3. Pre- and post-tests were conducted with middle school students in grades one through three in Incheon. The results showed improvements in students’ data literacy across all domains, with particularly notable gains in data analysis and data collection. In contrast, improvements in the data representation domain were relatively limited. It was also found that tool-based, hands-on data analysis experiences deepened learners’ understanding and that a No-Code-based approach effectively reduced barriers to entry in data analysis learning. This study is significant in that it proposes a practical instructional model for cultivating data analysis competencies without requiring programming knowledge in secondary education.

본 연구는 중장년층 교사를 중심으로, 교사 연수가 교사 효능감을 매개로 디지털 리터러시 수업 운영에 미치는 영향을 분석하고, 연령에 따른 매개효과의 차이를 비교·검증하였다. 분석 결과, 교사 연수는 디지털 리터러시 수업 실행에 유의한 직접효과를 보였으며, 교사 효능감은 이 관계를 부분적으로 매개하는 것으로 나타났다. 전체 효과 중 교사 효능감을 통한 간접경로는 약 6.2%로 확인되어, 효능감이 수업 실행으로의 전이에 일정 부분 기여하는 보 조적 경로로 기능함을 보여주었다. 이러한 결과는 교사 연수의 직접적 영향력이 핵심적임을 보여주는 동시에, 효 능감이 그 과정에서 보완적 심리 기제로 작용함을 시사한다. 따라서 중장년층 교사의 수업 실행력을 실질적으로 강화하기 위해서는 실천적이고 적용 가능한 연수 프로그램을 중심으로 하되, 교사의 효능감을 높일 수 있는 지원 이 병행될 필요가 있다.

This research analyzed the effects of teacher training on the implementation of digital literacy instruction among middle-aged and senior teachers, focusing on the mediating role of teacher efficacy, and examined differences in the mediation effects by age group. The results indicated that teacher training had a significant direct effect on the implementation of digital literacy instruction, while teacher efficacy partially mediated this relationship. The indirect pathway through teacher efficacy accounted for approximately 6.2% of the total effect, suggesting that efficacy functioned as a supplementary mechanism contributing to the transfer of training into practice. These results demonstrate that the direct influence of training remains the primary driver of digital literacy instruction, while teacher efficacy operates as a complementary psychological pathway. To strengthen the instructional practices of middle-aged and senior teachers, training programs should emphasize practical and applicable content, while simultaneously providing support that enhances teachers’ efficacy.

주의력결핍 과잉행동장애(Attention-Deficit/Hyperactivity Disorder, ADHD)는 아동 및 청소년기에 가장 흔히 진단되는 신경발달장애로, 보건의료뿐만 아니라 교육 분야에서도 조기 진단과 치료의 중요성이 커지고 있다. 보다 객관적인 ADHD 진단을 위하여 EEG나 MRI 등을 이용한 연구가 선행되었지만, 이러한 장비는 접근성 측면에서 한계가 있다. 이에 본 연구에서는 접근성이 상대적으로 높은 안구 추적을 통해 측정되는 동공 크기 변화 데이터를 기반으로 ADHD를 예측하는 딥러닝 모델을 제안하였다. 동공 크기 데이터는 눈 깜빡임 등으로 결측치가 포함될 수 있는데 이는 모델의 예측 성능이 저하되는 원인이 되기도 한다. 이에 본 연구는 LSTM과 트랜스포머 인코더 기반으로 결측치 정보를 학습에 반영하고, 지역적·전역적 패턴을 함께 학습하도록 모델을 설계하였다. 또한 어텐션 가중치 시각화를 통해 ADHD 분류에 기여한 주요 시점을 확인함으로써 모델의 해석 가능성을 확보하였다. 모델 검증 결과, 제안된 모델은 우수한 예측 성능을 보여 (AUC 0.846), 학교 및 상담 현장에서 보조 진단 도구로의 활 용 가능성을 확인하였다.

Attention-Deficit/Hyperactivity Disorder (ADHD) is one of the most common neurodevelopmental disorders diagnosed in children and adolescents. While previous studies have explored using devices such as EEG or MRI to enhance diagnostic objectivity, such methods are limited in accessibility. To address this, this study proposes a deep learning model that predicts ADHD using pupil size dynamics obtained through eye tracking. Since pupil size time series frequently contain missing values, the proposed model is based on LSTM and Transformer encoders, explicitly incorporating missing-value information while capturing both local and global temporal patterns. Furthermore, attention pooling weights are visualized to provide interpretability by identifying the time segments most relevant to ADHD classification. Experimental results demonstrated that the proposed model achieved superior performance (AUC = 0.846), highlighting its potential as an auxiliary diagnostic tool.

본 논문은 정신분석학과 인지심리학의 무의식 개념과 딥러닝의 내부 작동 방식 사이에 존재하는 구조적, 개념적 유사성을 탐색하고, 이를 통해 인공지능의 작동 원리를 인문학적 관점에서 새롭게 재해석하고자 하는 것이다. 심 리학 이론에서 인간의 정보처리는 의식적 영역보다도 자동적이고 암묵적인 무의식에 더 큰 영향을 받으며 작동한 다고 본다. 본 논문은 AI 의 대표적 실현 방법인 딥러닝 모델의 신경망 내부 작동 방식이 감추어진 잠재 공간을 생성한다는 점에서 일종의 “기계적 무의식” 이라 보고 논의를 진행하였다. 구체적으로 신경망의 비선형적 처리, 층간 억압 구조로 만들어 지는 잠재 공간 개념을 인지심리학과 정신분석학의 무의식, 집단무의식, 동시성 이론으 로 비교함으로써, AI 작동 메커니즘이 인간 심리 구조의 은유로서 이해될 수 있는 가능성을 제시하였다.

This paper explores the structural and conceptual parallels between the notion of the unconscious in psychoanalysis and cognitive psychology, and the internal operational mechanisms of deep learning models. Through this comparison, the study aims to reinterpret the functioning of artificial intelligence from a humanities- oriented perspective. Psychological theories posit that human information processing is influenced more strongly by automatic, implicit, and unconscious mechanisms than by conscious deliberation. Building on this view, the present work conceptualizes the hidden internal processes of deep learning&# 8212;particularly the formation of latent spaces generated through nonlinear computations and inter- layer suppression—as a form of “mechanical unconscious.” By comparing these latent computational structures with the psychological constructs of the unconscious, the collective unconscious, and synchronicity proposed in psychoanalysis and cognitive psychology, this paper suggests that the operational mechanisms of AI can be meaningfully understood as metaphors for human psychological processes.

본 연구는 레고(LEGO)를 활용한 인공지능 로봇 교육 프로그램이 초등학생의 창의적 문제해결력에 미치는 효과 를 분석하였다. 인공지능과 로봇 융합교육이 확대되는 현 시점에서, 학습자가 스스로 문제를 정의하고 창의적으로 해결하는 능력은 미래 사회의 핵심 역량으로 주목받고 있다. 초등학생을 대상으로 실험집단에는 레고를 활용하고, 비교집단에는 완성형 로봇 교구를 활용하여 인공지능 로봇 교육을 진행하였다. 창의적 문제해결력은 분석 결과, 두 집단 모두 향상되었으나 레고 활용 프로그램을 적용한 실험집단의 향상 폭이 더 컸으며, 특히 확산적 사고와 동기적 요소에서 두 집단간 통계적으로 유의미한 차이가 나타났다. 이는 레고의 비구조화된 조작 활동이 학습자의 아이디어 생성력과 내적 동기를 자극하여 창의적 문제해결력을 강화한 결과로 해석된다. 본 연구는 레고를 활용한 인공지능 로봇 교육이 학습자의 창의적 문제해결력 향상에 유의한 영향을 미친다는 실증적 근거를 제시함으로써, 초등 인공지능 로봇 교육의 교수·학습 설계를 위한 기초 자료로 활용될 수 있다.

This study analyzed the effects of an AI robot education program utilizing LEGO bricks on elementary school students' creative problem solving skills. With the growing adoption of AI and robotics in education, learners' ability to define and creatively solve problems is emerging as a key competency for future society. An AI robot education program was conducted with elementary school students. The experimental group used LEGO bricks, while the control group used a pre-built robot kit. The analysis revealed that both groups improved their creative problem solving skills, but the experimental group using the LEGO program showed greater improvement. Statistically significant differences were observed between the two groups in terms of divergent thinking and motivational factors. This finding suggests that the unstructured manipulative activities of LEGO bricks stimulate learners' idea generation and intrinsic motivation, thereby enhancing their creative problem-solving skills. This study provides empirical evidence that AI robot education utilizing LEGO bricks significantly enhances learners' creative problem solving skills, and can serve as a foundation for designing instructional strategies for elementary school AI robot education.

본 연구는 메타버스에 대한 교사들의 인식을 알아보고, 메타버스를 활용해 고등학교 생명과학 실험 수업 프로그램을 개발하고 이를 적용해서 학생들의 학업 성취도, 메타버스에 대한 흥미 및 메타버스 활 용 실험에 대한 만족도에 영향을 주는지를 알아보는 것이다. 생명과학 교사들로부터 메타버스 활용 실 험 실태를 조사하여, 개발할 메타버스 활용 생명과학 실험 주제를 ‘DNA 반보존적 복제’로 선정하였다. 메타버스 실험 공간을 실험 공간, 모둠 공간, 열린 공간으로 나누어 개발하였으며, 수업은 계획, 실험 수행, 평가로 총 4차시로 나누어 진행하였다. 14명의 고등학생을 대상으로 개발한 메타버스 실험 수업 을 적용한 결과, 학업 성취도와 메타버스 실험에 대한 만족도가 향상된 것을 확인할 수 있었다.

This study aimed to explore teachers' perceptions of the metaverse, develop a high school life science laboratory class program utilizing the metaverse, and examine its impact on students' academic achievement, interest in the metaverse, and satisfaction with metaverse experiments. A survey of life science teachers regarding their experiences with metaverse experiments was conducted, and the topic of the metaverse-based life science experiment was selected as "DNA semi-conservative replication." The metaverse experiment space was divided into three sections: an experimental space, a group space, and an open space. The class was divided into four periods: planning, experiment execution, and evaluation. The results of applying the developed metaverse experiment class to 14 high school students showed improvements in academic achievement and satisfaction with metaverse experiments.

본 연구에서는 Bloom의 개정 교육목표 분류법을 사용하여 2015 개정 교육과정과 2022 개정 교육과정의 초 등 정보교육 관련 성취기준 진술을 분석하였다. 학습 요소 측면에서는 디지털 기술의 중요성을 강조하고 디지털 기술 활용 능력을 함양하도록 하였고 인공지능이나 디지털 기술 등 시대의 변화에 부응하는 방향으로 변화하였 다. 분류표의 요소 별로 변화를 살펴보면 메타지식을 제외한 모든 지식, ‘평가하기’를 제외한 모든 인지 과정을 확장하여 체계적이고 균형있게 학습하도록 성취기준을 설정하고 있음을 알 수 있었다. 2022 개정 교육과정이 시대의 흐름에 맞게 올바른 방향으로 변경되었으나 기존의 교육과정을 운영하는 상황 에서 새로운 교육과정을 준비해야 한다는 점, 정보교육에서 다루어야 할 학습 내용의 분량이 늘어나고 난이도가 높아졌다는 점 등 초등교사들의 부담이 많아졌다. 이러한 상황에서 초등교사들이 학생들이 학습 목표를 달성할 수 있도록 지도할 수 있는 충분한 역량을 갖출 수 있도록 다양한 지원책이 필요하다.

In this study, we analyzed achievement standards in 2015 and 2022 revised elementary school information education-related curriculum based on Bloom's revised taxonomy of educational objectives. In terms of learning elements, the 2022 revised curriculum emphasizes the importance of digital technology and the ability to utilize artificial intelligence and digital technology. When examing the changes by element of the taxonomy, the achievement standards were set to ensure systematic and balanced learning by expanding all knowledge except metacognition and all cognitive processes except 'evaluate'. The 2022 revised curriculum has changed in the right direction but elementary school teachers have a lot of burdens having to prepare a new curriculum while operating the existing curriculum, and the amount and difficulty of learning contents to be covered has increased. In this situation, various supports are required so that teachers can have sufficient capacity to guide students to achieve their learning goals.

본 연구의 목적은 기존 TPACK 구성 요소 평가가 초기 도구 의존과 국내 수업 맥락을 반영하지 못한 한계를 보완하 여, 실제 수업에서 관찰 가능한 실행 기반 TPCK·TPK·TCK 지표를 도출하고 수업 루브릭 설계의 근거를 제시하는 데 있다. 이를 위해 본 연구에서는 개념도 방법을 적용하였다. 수석교사 10인을 대상으로 진술문을 생성·정제하여 최 종 35개를 확정하고, 분류·중요도 평정을 수집하고 집단 유사성 행렬(35×35)에 대해 다차원분석방법을 채택하고, Ward 위계적 군집과 k-means로 구조를 검증하였다. 최종 진술문은 9개 군집으로 안정적으로 구조화되었고, TPCK 영역(군집1–4)은 실시간 진단·조정, 개인화·AI 피드백, 동료 피드백 기반 개념 전환, 증거 기반 사후 통합조정의 실행 사슬을 형성하였고 TPK 영역(군집5–7)은 수업 운영·표준화, 맞춤 경로 설계·성찰 지원, 학생 주도 협력·GRR 설계로 요약되었으며 TCK 영역(군집8–9)은 교과 표상 설계·형식 정합성 검증과 모형 한계 인식·대안 검증으로 정리되었다. 본 연구의 결과는 에듀테크 통합 수업의 수업 실행 질 관리와 교사 전문성 개발에 실질적 시사점을 제공한다.

This study addresses limitations in TPACK evaluations—dependence on early instruments and weak alignment with Korean classrooms—by deriving practice-based, observable TPCK, TPK, and TCK indicators from classroom practice to underpin instructional rubric design. To this end, we applied a concept-mapping method. With ten master teachers, we generated and refined statements to a final set of 35, collected sorting and importance ratings, constructed a 35×35 group similarity matrix and conducted multidimensional scaling (MDS), and validated the structure using Ward’s hierarchical clustering and k-means. TPCK (1–4)—real-time diagnosis, AI-aided personalization, peer-driven conceptual change, post-lesson integration; TPK (5–7)—operations/standardization, personalized pathways, student-led collaboration (GRR); TCK (8–9)—representation checks and model-limit validation. The findings offer practical implications for managing instructional implementation quality in EdTech-integrated classrooms and for teacher professional development.

본 연구는 초등학교 저학년 학생들이 생성형 인공지능과 블록 프로그래밍을 활용하여 지금-여기-우리의 삶을 이야기로 표현함으로써의 교육적 변화를 분석하고자 하였다. 연구 대상은 B초등학교 2학년 24명으로, 2022 개정 통합교과의 ‘나’, ‘자연’, ‘마을’, ‘세계’ 단원을 중심으로 수업을 설계하였다. 학생들은 생성형 인공지능을 통해 시청 각적 소재를 제작하고 이를 바탕으로 자신의 이야기를 블록 프로그래밍으로 구현하였다. 면담, 산출물, 관찰 기록 등 질적 자료와 컴퓨팅 사고력 사전·사후 검사 결과를 분석한 결과, 본 수업은 학생들의 이야기 구성 능력 향상에 긍정적 영향을 주었으며, 컴퓨팅 사고력 또한 유의미하게 향상되었다(t = 4.28, p < .01). 이러한 결과는 인간과 인 공지능이 협력하는 내러티브 창작 활동이 초등 저학년 정보교육의 새로운 방향이 될 수 있음을 시사한다.

This study examined how lower elementary students used generative artificial intelligence and block-based programming to narrate their present lives and explored the educational changes that emerged through this process. The 24 participants were 2nd grade students from B elementary school, and the lessons were designed around themes in the 2022 Revised Integrated Curriculum. Students generated audiovisual materials using generative AI and created their own stories through block programming. Analysis of qualitative data and quantitative data showed that the lessons positively supported students’ narrative construction and significantly improved their computational thinking skills (t = 4.28, p < .01). These findings suggest that human–AI collaborative narrative creation may offer a promising direction for information education for young learners.

본 연구는 초등학생의 사회정서학습(SEL) 역량 강화를 위해 생성형 AI 기반 챗봇 ‘셀리(Selly)’를 설계하고 구 현하였다. 셀리는 학생이 자신의 감정을 자유롭게 표현하고 AI로부터 즉각적이며 개인화된 정서적 피드백을 받 을 수 있도록 설계되었다. 또한 종이 기반 SEL 활동지와 병행하여 전통적 수업 환경과 디지털 기반 학습 환경 의 장점을 모두 살릴 수 있도록 하였다. 연구는 초등학교 5학년을 대상으로 4주간 수업을 진행하였고, 사전과 사 후 검사에는 한국형 사회정서학습 역량 진단도구(K-SEL)를 활용하였으며, 챗봇 대화 로그와 성찰지, 교사 관찰 기록을 분석 자료로 삼았다. 연구 결과, 챗봇 활용 집단은 자기관리, 사회적 인식, 관계기술 영역에서 통계적으로 유의미한 향상을 보였고, 정서표현과 자기성찰의 질적 발전도 확인되었다. 이러한 결과는 AI 기반 SEL 프로그 램이 초등교육 현장에 효과적으로 적용될 수 있음을 시사한다.

This study designed and implemented ‘Selly’, a generative AI-based chatbot aimed at enhancing social-emotional learning (SEL) competencies among elementary school students. Selly was developed to allow students to freely express their emotions and receive immediate, personalized emotional feedback from AI. The chatbot was also integrated with paper-based SEL activity sheets, thereby combining the advantages of traditional classroom settings with those of digital learning environments. The intervention was conducted over four weeks with fifth-grade students. The Korean Social-Emotional Learning Competency Diagnostic Tool (K-SEL) was used for pre- and post-tests, while chatbot conversation logs, student reflection journals, and teacher observation records were analyzed as supplementary data. The results indicated that the group utilizing the chatbot demonstrated statistically significant improvements in self-management, social awareness, and relationship skills. Moreover, qualitative analysis revealed advancements in emotional expression and self-reflection. These findings suggest that AI-driven SEL programs can be effectively applied in elementary education settings.

본 연구는 중등교사의 AI 교수효능감에 영향을 미치는 요인을 탐색하고자 하였다. 이를 위해 본 연구는 중·고등 학교 교사 191명에게 설문지를 배포하고 최종 수거된 186명의 자료를 위계적회귀분석 방법을 사용하여 분석하였 다. 그 결과, 첫째, AI 연수시간은 AI 교수효능감에 정적인 영향을 미치는 것으로 나타났다. 둘째, AI 기술에 대한 인지된 유용성과 AI 리터러시 역량이 AI 교수효능감에 정적인 영향을 미치는 것으로 나타났다. 셋째, AI 기술에 대한 용이성은 AI 교수효능감에 영향을 미치지 않는 것으로 나타났다. 본 연구 결과는 교사의 AI 교수효능감을 향 상하기 위해 AI 관련 연수의 확대가 필요하며, 동시에 AI 리터러시 교육 프로그램을 활성화하고 교사가 AI 기술 의 유용성을 인식할 수 있도록 지원하는 노력이 요구됨을 시사한다.

This study aimed to explore factors influencing secondary school teachers' AI teaching efficacy. To this end, a questionnaire was distributed to 191 middle and high school teachers and the data collected from 186 teachers were analyzed using hierarchical regression analysis. The results revealed that, first, AI training hours had a positive effect on AI teaching efficacy. Second, perceived usefulness of AI technology and AI literacy skills were found to have a positive effect on AI teaching efficacy. Third, the ease of AI technology did not appear to affect AI teaching efficacy. These findings suggest that in order to enhance teachers’ AI teaching efficacy, it is necessary to expand AI-related training opportunities, activate AI literacy education programs, and support teachers in recognizing the usefulness of AI technologies.

본 연구에서는 피지컬 컴퓨팅을 통한 프로젝트 기반 학습과 메타인지 전략이 초등학생의 지식정보처리 및 창의적 사고 역 량 변화에 미치는 교육적 효과를 탐색하였다. 이를 위해 충청남도 소재 W초등학교 5학년 1학급 학생 8명을 실험 집단과 통 제 집단으로 구분하여 연구를 진행하였다. 각 집단에는 피지컬 컴퓨팅을 통한 프로젝트 기반 학습을 실시하였으며 실험 집 단에는 추가적으로 메타인지 전략을 적용하였다. 역량 변화를 확인하기 위해 사전·사후 검사를 실시하였고 Mann–Whitney U test, Wilcoxon signed-rank test를 활용하여 집단 간 및 집단 내 변화 경향을 분석하였다. 그 결과, 두 집단 모두 지식정 보처리 및 창의적 사고 역량의 평균값이 전반적으로 향상되었으며, 특히 메타인지 전략을 적용한 실험 집단에서 상대적으로 긍정적인 변화가 관찰되었다. 본 연구는 소규모 표본을 대상으로 한 탐색적 연구로서 결과의 일반화에는 한계가 있으나 질 적 분석을 병행하여 이를 보완하고자 하였으며, 피지컬 컴퓨팅을 통한 프로젝트 기반 학습과 메타인지 전략이 초등학생의 지식정보처리 및 창의적 사고 역량 함양을 촉진할 수 있다는 가능성을 시사하였다.

This study explored the educational effects of Project-Based Learning (PBL) through physical computing and metacognitive strategies on changes in elementary students’ knowledge-information processing and creative thinking competencies. Eight fifth-grade students at W Elementary School in Chungcheongnam-do were divided into an experimental group and a control group. The experimental group was provided with additional metacognitive strategies. Pre– and post–tests were conducted, and the results were analyzed using Mann–Whitney U and Wilcoxon signed-rank tests. Although the small sample size limits the generalizability of the findings, qualitative data were analyzed to address this limitation. The findings suggest the potential of Project-Based Learning through physical computing and metacognitive strategies to enhance elementary students’ knowledge-information processing and creative thinking competencies.

MOOC의 높은 중도 탈락 문제가 대두됨에 따라서 본 연구는 이를 예측하는 머신러닝 기반의 시간 분할 검증을 적용한 예측모델을 개발하고자 하였다. 이를 위해 edX의 학습 데이터를 사용하여 시간 분할 설계(temporal split design)를 통해 2023년 학습 데이터(N=1,601)로 모델을 훈련하고, 2024년 학습 데이터(N=1,827)로 검증하였다. 모델 평가는 로지스틱 회귀 분석과 랜덤 포레스트 기법을 사용하였다. 탐색적 분석 결과, 학습 중후반기의 퀴즈 수행도 가 가장 중요한 예측 변수로 나타났으며, 데이터 분포가 다른 환경에서도 중도 이탈의 초기 징후를 효과적으로 탐 지하는 것으로 확인되었다. 각 변수의 기여도를 시각화하기 위해 SHAP 분석을 수행한 결과, 퀴즈 응답의 지속성 이 중도 이탈 예측에 가장 중요한 요소로 확인되었다. 이 결과는 검증된 예측 모델을 활용한 조기 경보 시스템이 실제 교육 현장에서 효과적으로 구현될 수 있음을 보여준다.

With the increasing concern over high dropout rates in massive open online courses (MOOCs), the present study endeavored to develop a machine learning–based time-series prediction model to forecast learner attrition. The model was trained on the 2023 dataset (N=1,601) and validated on the 2024 dataset (N=1,827) through a temporal split design, with the utilization of learning log data from edX. The performance of the model was evaluated using logistic regression and random forest techniques. Exploratory analyses revealed that quiz performance during the mid-to-late stages of the course was the most significant predictor of dropout, and the model effectively detected early signs of attrition even in environments with different data distributions. To visualize the contribution of each variable, SHAP analysis was conducted, confirming that the consistency of quiz completion was the most influential factor in predicting dropout. These results demonstrate the efficacy of implementing an early warning system based on a validated prediction model in real educational settings.