Earticle

본 연구의 목적은 AI 기반 맞춤형 학습 플랫폼 '광주아이온'을 실제 초등학교 수업에 적용한 교사들의 경험을 심층분석하여 그 교육적 가능성과 한계점을 탐색하는 데 있다. 이를 위해 연구자 본인의 자기성찰적 사례 연구, 동료 교사 3인과의 심층 인터뷰, 학생 반응 자료 등을 통합하여 질적 분석을 수행하였다. 연구 결과, '광주아이온'의 장점으로는 (1) 통합 로그인을 통한 접근 편의성, (2) 수업자료 공유 및 피드백 과정의 효율성, (3) 유료 에듀테크 서비스무상 제공을 통한 교육기회 형평성, (4) 게임화 및 시각화 도구를 활용한 학생의 흥미 유발 등이 있었다. 반면, 한계점으로는 (1) 일부 도구의 기능적 불완전성 및 기술적 오류, (2) 자동화로 인한 교사 역할 축소 우려, (3) 교사의 디지털 역량에 따른 활용 격차, (4) 저학년의 디지털 소양 부족으로 인한 수업 적응 어려움 등이 나타났다. 결론적으로 '광주아이온'은 교육 효율성과 학생 참여를 높이는 잠재력을 지녔으나, 기술 안정성을 확보하고 교육의 본질을 고려한 플랫폼 개선이 요구된다. 본 연구는 향후 AI 기반 플랫폼의 효과적 활용을 위해 플랫폼 개선과 동시에 교사연수, 학생 디지털 리터러시 교육 등의 정책적 지원 필요성을 제언한다.

The purpose of this study is to explore the educational possibilities and limitations of the AI-based learning platform 'Gwangju AI-ON' by analyzing the in-depth experiences of elementary school teachers who have applied it in their classrooms. For this purpose, a qualitative analysis was conducted, integrating the researcher's self-reflective case study, in-depth interviews with three fellow teachers, and student response data. The results showed that the strengths of 'Gwangju AI-ON' included (1) ease of access through Single Sign-On (SSO), (2) efficiency in sharing class materials and providing feedback, (3) equity in educational opportunities through free access to paid EdTech services, and (4) stimulation of student interest using gamification and visualization tools. Conversely, limitations identified were (1) functional imperfections and technical errors in some tools, (2) concerns about the reduction of the teacher's role due to automation, (3) a gap in utilization based on teachers' digital competency, and (4) difficulties in adaptation for younger students with insufficient digital literacy. In conclusion, while 'Gwangju AI-ON' has the potential to enhance educational efficiency and student engagement, platform improvements are required, considering technical stability and the essence of education. This study suggests the necessity of teacher training, student digital literacy education, and policy support for the successful integration of AI-based platforms in the educational field.

본 연구의 목적은 최근 10년간 국내에서 수행된 초중고 데이터 과학 교육 프로그램 연구를 체계적으로 분석하 여 국내 데이터 과학 교육의 현황을 조사하고 향후 발전 방향을 제안하는 데 있다. 이를 위해 산업 현장에서 널리 활용되는 CRISP-DM, KDD, OSEMN 프레임워크를 바탕으로 교육 참여자, 학습 활동 맥락 및 유형, 학습 내용, 실습 도구, 사용 데이터, 목표 역량 등의 교육 프로그램 핵심 요소로 구성된 분석 틀을 도출하여 총 26편의 국내 연구를 분석하였다. 분석 결과, 주요 학습 활동 유형은 프로젝트 기반 학습과 토의·토론이었으며, 학습 내용은 대 부분 데이터 수집·이해, 탐색적 분석, 결과 해석·활용 단계를 중심으로 구성되어 있었다. 한편, 전처리와 모델 구축 단계는 상대적으로 적게 다뤄지고 있었다. 실습 도구로는 블록 코딩과 GUI 도구 중심의 도구 활용이 두드러졌으 나, AI 기반 코드 작성 지원 도구의 활용 사례는 확인되지 않았다. 또한 다루는 데이터의 경우 실제 데이터를 활 용하는 경향이 강화되고 있음을 확인할 수 있었다. 목표 역량은 기능 중심으로 설계되는 경우가 많았고, 데이터 윤리와 같은 태도적 역량은 제한적으로 제시되었다. 분석 결과를 바탕으로 초중고 데이터 과학 교육의 체계적 연 계 및 발전 방향을 논의한다.

This study systematically analyzes data science education programs implemented in Korean K–12 settings over the past decade to examine the current state of data science education and propose directions for future development. Using CRISP-DM, KDD, and OSEMN as analytical criteria, an analysis framework was constructed encompassing key program components: target learners, instructional context and activities, learning content, tools, levels of data used, and intended competencies. Through this framework, 26 domestic studies were reviewed. The analysis revealed that project-based learning and discussion-oriented activities were commonly employed. The learning content was primarily focused on data collection and understanding, exploratory data analysis, and interpretation and application of results, with relatively less emphasis on data preprocessing and model development. The tools used prominently block coding and GUI tools. While the use of real-world datasets has increased, no cases utilizing AI-assisted coding tools were identified. Intended competencies were predominantly functional, with minimal attention to attitudinal competencies such as data ethics. Based on these findings, this study discusses the necessity of coherent K–12 alignment and proposes future directions for advancing data science education.

교육에서 말하는 창업가 역량은 미래 사회에서 학생이 직면하는 문제를 스스로 해결할 수 있는 능력을 의미한다. 2022 개정 교육과정은 이러한 역량의 중요성을 강조하고 있으나 초등 단계에서는 진로 교육의 운영 여건이 제한적이다. 본 연구는 이와 같은 한계를 보완하고자 에듀테크 기반 4차시 진로 교육 프로그램을 ADDIE모형에 따라 개발하고 초등학생 20명을 대상으로 단일 집단 사전·사후 검사를 실시하여 창업가 역량 함양의 변화를 확인하였다. 검사 도구는 청소년 창업가정신 핵심역량 진단도구(초등용)를 연구 목적에 맞게 재구성하였으며 신뢰도는 Cronbach’s α=.950 으로 나타났다. 수집된 자료를 윌콕슨 부호순위검정으로 분석한 결과, 측정한 네 가지 역량에서 모두 유의미한 향상이 관찰되었고(p<.05) 효과 크기는 |r|=.879~.967로 나타났다. 이는 단기 교육 환경에서도 에듀테크를 활용한 진로 교육을 통해 창업가 역량 함양에 가능성이 있음을 보여준다. 본 연구는 단일집단을 대상으로 진행하여 결과의 일반화에는 한계가 있으며 향후 연구에서는 비교 집단을 포함하여 학년별 및 학습 수준 특성을 반영한 프로그램을 적용해 에듀테크 활용 교육의 효과를 보다 정교하게 검증할 필요가 있다.

This study developed a four-session edtech-based career education program based on the ADDIE model and ex amined changes in entrepreneurship using a single-group pretest–posttest design with 20 elementary school stude nts. The assessment instrument was adapted from the Youth Entrepreneurship Core Competency Diagnostic Tool (elementary version), and high reliability was confirmed (Cronbach’s α = .950). Data were analyzed using the Wilc oxon signed-rank test, revealing statistically significant improvements across all four competencies (p < .05) with large effect sizes (|r| = .879–.967). These findings indicate the potential of edtech-based career education to suppo rt the development of entrepreneurship in short-term educational settings. However, due to the single-group desig n, the generalizability of the results is limited, and future research should incorporate comparison groups and consi der grade- and learning-level characteristics.

본 연구는 바이브 코딩 기반 교육용 앱 개발 프로그램 참여에 따른 예비교사의 TPACK 관련 자기인식 변화와 설계 경험의 특징을 분석하였다. Kolb의 경험학습이론에 근거하여 앱 경험–성찰–앱 개발–수업 적용 설계로 구성된 3주 프로그램을 설계하고, 교육대학교 3학년 예비교사 23명에게 적용하였다. 단일집단 사전·사후 설계를 통해 TPACK 설문(7개 영역, 35문항)을 분석한 결과, 모든 하위 영역에서 사후 점수가 유의하게 증가하였으며 특히 TCK 영역에서 상대적으로 큰 변화가 나타났다. 또한 성찰일지와 앱 산출물 분석 결과, 예비교사들은 AI 의존적 문제 해결에서 출발하여 구조적 이해와 전략적 디버깅을 거쳐 학습자와 수업 목적을 고려한 통합적 설계 단계로 이동하는 양상을 보였다. 이러한 결과는 자연어 기반 바이브 코딩을 포함한 설계·개발 경험이 예비교사의 디지털 교수설계 인식 및 TPACK 통합 관점의 변화와 관련될 수 있음을 시사한다.

This study examined changes in pre-service teachers’ TPACK-related self-perceptions and design experiences following participation in a Vibe coding–based educational app development program. A three-week program grounded in Kolb’s experiential learning theory was implemented with 23 third-year pre-service teachers. Using a one-group pretest–posttest design, a 35-item TPACK survey showed significant posttest increases across all subdomains, with a relatively larger change in technological content knowledge. Qualitative analyses of reflection journals and app artifacts indicated a shift from AI-dependent problem solving to structural understanding, strategic debugging, and integrated instructional design considering learners and instructional goals. These findings suggest that design and development experiences incorporating natural-language–based Vibe coding may be related to changes in pre-service teachers’ perceptions of integrated digital instructional design.

본 연구는 2022 개정 교육과정 교과서를 기반으로 블록 프로그래밍 자동 채점 및 피드백 시스템을 설계하고 예비 교원을 대상으로 사용성 및 학습 효과를 평가하였다. 요구 분석 결과, 교사들은 학습자 간 수준 차이로 인한 개별화 지도와 학습자의 오류에 대한 피드백 제공에 어려움을 느끼고 있었다. 이에 본 연구에서는 학습 데이터 수집, 정답 코드 기반 자동 채점 및 피드백 제공, 교수자용 대시보드 제공을 설계 원리로 설정하였다. 사용성 평가 결과, 전체 문항 평균 4.29점으로 응답자들은 시스템이 학습하기 쉽고 사용이 편리하다고 응답하였다. 또한 개선된 시스템을 적용한 수업에서 엔트리 스터디 모드 기반 수업과 비교하여 예비 교원의 프로그래밍 자기효능감이 유의미하게 향상되었다. 본 시스템은 블록 프로그래밍 수업에서 교사의 평가 부담을 낮추고 과정 중심의 개별화 피드백을 지원한다는 의의가 있다. 그러나 소규모 예비 교원 표본을 대상으로 한 예비 연구로서 한계를 갖는다. 향후 연구에서는 충분한 표본을 확보하고 실제 초등학교 현장에 적용하여 학습 효과를 실질적으로 검증할 필요가 있다.

This study designed an automatic grading and feedback system for block-based programming based on the 2022 Revised National Curriculum, and evaluated its usability and learning effects with pre-service teachers. A needs analysis found that teachers had difficulty providing individualized instruction and timely feedback due to varying learner levels. The system was built on three design principles: learning data collection, reference code-based automatic grading and feedback, and an instructor dashboard. Usability evaluation yielded a mean score of 4.29, with respondents rating the system as easy to learn and use. Pre-service teachers who used the improved system showed a statistically significant gain in programming self-efficacy compared to those using Entry's built-in study mode. The system reduces teachers' assessment burden and supports individualized feedback in block-based programming instruction. As a preliminary study with a small sample, future research should validate learning effects with a larger sample in actual elementary school settings.

본 연구는 영어 서답형 튜터링에서 학생의 오답에 대해 교육적으로 유의미한 피드백을 생성하기 위한 80억개 파라미터 이하의 소규모 LLM 최적화 방법을 제안한다. 기존 피드백 생성 연구는 전문가 피드백 레이블에 크게 의존하여 데이터 구축에 많은 시간과 비용이 소요되는 한계가 있다. 이를 해결하기 위해 영어 서답형 튜터링 벤치마크 데이터셋(DIRECT-M)을 활용하여 다양한 파라미터 규모의 LLM으로 피드백 후보를 생성한 뒤, 교육적 유의미성 평가 기준이 프롬프트로 제공된 GPT-5.1로 고품질·저품질 피드백을 선별하여 선호도 데이터를 구축하였다. 이후 구축된 선호도 데이터를 기반으로 직접 선호도 최적화(DPO)를 적용하여 LLaMA-3B/8B 기반 피드백 생성 모델을 학습하고 그 효과를 검증하였다. 실험 결과, 피드백 데이터 생성 단계에서 대규모 LLM이 소규모 LLM보다 교육적으로 더 유의미한 피드백을 생성하는 것으로 확인되었다. 또한, 선호도 데이터 기반 DPO는 소규모 LLM이 교육적 기준에 정렬된 피드백을 생성하도록 유도하여, 전문가 피드백과 의미적으로 더 유사하면서도 교육적으로 더 유의미한 피드백을 생성하도록 강화함을 자동평가 방식과 전문가 평가를 통해 확인하였다.

This study proposes a method for optimizing small-scale LLMs (< 8B parameters) to generate pedagogically meaningful feedback for students' incorrect answers in English open-ended tutoring. Existing feedback generation research relies on expert feedback labels, which results in high time and cost for data construction. To tackle this issue, we use the English open-ended tutoring benchmark dataset (DIRECT-M) to generate feedback candidates with LLMs of various parameter sizes, and then deploy GPT-5.1 to select high-quality and low-quality feedback based on feedback evaluation criteria to construct a preference dataset. Subsequently, direct preference optimization (DPO) is leveraged to train feedback generation models based on LLaMA-3B/8B, and the effectiveness of the approach is validated. Experimental results show that large-scale LLMs tend to outperform small-scale LLMs in the pedagogically meaningful feedback generation. Additionally, preference data-based DPO effectively tunes small LLMs to generate more pedagogically aligned feedback, resulting in feedback that is more semantically similar to expert feedback and more pedagogically meaningful based on automated and expert evaluation.

본 연구는 초등학생의 취약한 디지털 자원 생산 역량을 강화하기 위해 Merrill의 교수설계 모델을 적용한 재구성 중심(UMC) 기반 디지털 리터러시 교육 프로그램을 개발 및 검증하였다. 프로그램은 Merrill의 교수 제1원리를 통해 학습 경험을 과업 중심으로 정렬하고, 내용 요소 제시 이론을 적용해 단계별 자료와 피드백을 구조화하였으며, 단계 전환 구간에 스캐폴딩을 집중 배치하여 무작위 탐색을 줄이고 수행 전이를 안정화하도록 구성되었다. 초등학생 80명을 대상으로 연구를 수행한 결과, 실험집단은 통제집단보다 디지털 리터러시 전체와 콘텐츠 제작, 협업, 디지털 메타인지 요인에서 유의한 향상을 보였다. 이는 UMC의 점진적 수행 경로와 정교한 안내 설계의 결합이 생산 수행의 인지적 과부하를 완화하고 학습자의 통합적 역량을 강화하는 데 효과적임을 입증한다. 본 연구는 교수설계 이론에 기반하여 생산 중심 디지털 리터러시 교육의 실천적 준거를 제시했다는 점에서 의의를 갖는다.

To enhance elementary students’ digital resource production competencies, this study developed and verified a UMC-based digital literacy program applying Merrill’s instructional design principles. The program aligned learning experiences around the task using Merrill’s First Principles of Instruction and, drawing on Component Display Theory, structured stage-specific materials and feedback; scaffolding was concentrated at phase-transition points to curb unguided tinkering and stabilize learners’ progression across stages. Results from 80 students showed that the experimental group achieved significant improvements in overall digital literacy and sub-factors such as content creation, collaboration, and Digital metacognition compared to the control group. These findings demonstrate that integrating UMC’s incremental paths with sophisticated instructional design effectively alleviates cognitive overload in the production process and strengthens integrated competencies. This study provides a practical framework for production-oriented digital literacy education based on instructional design theories.

본 연구의 목적은 구성주의 학습이론에 기반하여 대학 교육에서 생성형 인공지능(AI)의 교수‧학습 활용을 이론적으로 고찰하고 교육적 시사점을 도출하는 데 있다. 연구 방법은 국내·외 선행연구와 대학 교육 현장의 AI 활용 사례에 대한 문헌 분석을 통해, AI 활용 유형과 구성주의 핵심 요소 간의 이론적 연계성을 체계적으로 분석하였다. 연구 결과, 생성형 AI는 튜터, 가상조교, 프로젝트 학습 지원 등을 통해 학습자 중심 수업, 스캐폴딩 제공, 자기조절 학습을 촉진할 가능성이 있는 것으로 나타났다. 이는 AI가 학습자의 능동적 지식 구성 과정을 지원하는 교수‧학습파트너로 기능할 수 있음을 시사한다. 반면 학습의 피상화, AI 과의존, 정보 오류와 편향, 학습윤리 및 개인정보 보호 문제 등 구조적 한계 또한 도출되었다. 본 연구는 구성주의 관점에서 AI 활용의 이론적 체계를 정립하고, 대학내 AI 도입을 위한 가이드라인 및 거버넌스 구축 등 구체적인 실천 전략을 제시하였다는 데 의의가 있다.

This study theoretically examines the application of generative AI in higher education through the lens of constructivist learning theory. Utilizing a systematic literature review and case analyses of domestic and international studies, the research explores the theoretical alignment between AI application types and core constructivist principles. The findings indicate that generative AI—functioning as AI tutors and virtual assistants—acts as a pedagogical partner to promote learner-centered scaffolding and active knowledge construction. However, the study also identifies critical limitations, including superficial learning, overreliance, information bias, and ethical or privacy concerns. The significance of this research lies in systematizing a theoretical framework for AI integration while proposing practical directions. This study provides a theoretical framework for AI integration and proposes practical institutional strategies for responsible AI use in higher education.

본 연구는 2007년부터 2025년까지 국내에서 수행된 LEGO 로봇 기반 STEAM 교육 관련 연구 48편을 대상으로 체계적 문헌고찰을 실시하여 연구 동향과 구조적 특징을 분석하였다. 초기 연구는 RCX, NXT, EV3 등 LEGO Mindstorms 계열 교구를 활용하여 학업성취도와 컴퓨팅 사고력과 같은 인지적 성과 검증에 주로 초점을 두었다. 이후 연구는 LEGO SPIKE Prime과 Essential을 중심으로 인공지능(AI) 융합, 학습자 중심 학습 경험, 협력적 문제해결 역량을 포함하는 방향으로 점진적으로 확장되는 경향을 보였다. 그러나 국내 연구는 수업 설계 제안과 사례 중심 분석에 편중되어 있으며, 교사 역량, 수업 지속성, 현장 적용성을 실증적으로 검토한 연구는 제한적인 것으로 나타났다. 이에 본 연구는 기술융합수준(Level 1–4)을 분석 틀로 적용하여 기존 연구의 발전 양상을 구조적으로 재해석하였다. 분석 결과, 선행 연구는 센서 제어 및 데이터 기반 알고리즘 중심(Level 2–3)에 집중되어 있었으며, AI 융합(Level 4) 연구는 초기적·탐색적 설계 단계에 머물러 있는 것으로 확인되었다. 이러한 분석을 바탕으로 본 연구는 LEGO 로봇 기반 AI 융합 STEAM 교육의 실천 가능성을 제고하기 위한 향후 연구 및 교수설계 방향을 제안하였다.

This study presents a systematic literature review of 48 Korean studies on LEGO robot–based STEAM education published between 2007 and 2025, analyzing research trends and structural limitations. Early studies mainly examined cognitive outcomes such as academic achievement and computational thinking using LEGO Mindstorms platforms (RCX, NXT, EV3). More recent research, centered on LEGO SPIKE Prime and SPIKE Essential, has expanded toward artificial intelligence (AI) integration, learner-centered experiences, and collaborative problem solving, indicating a shift toward human-centered AI competencies. However, domestic research remains largely focused on instructional design proposals and case-based analyses, with limited empirical attention to teacher competence, instructional sustainability, and classroom applicability. To address this gap, this study applies a technology integration level framework (Levels 1–4) to structurally analyze prior research. The results show that most studies concentrate on sensor-based and data-driven approaches (Levels 2–3), while AI-integrated studies (Level 4) remain at an early exploratory design stage. Based on these findings, implications for future research and instructional design to enhance AI-integrated LEGO robot–based STEAM education are discussed.

본 연구는 현직 교사의 교육 데이터 사용 현황과 데이터 리터러시 수준을 분석하고, 데이터 사용 빈도에 따른 데 이터 리터러시의 차이를 탐색하는 것을 목적으로 하였다. 이를 위해 현직 교사 93명을 대상으로 설문조사를 실시하였으며, 기술통계 분석과 독립표본 t-검정, 일원분산분석을 수행하였다. 연구 결과, 교사의 절반 이상이 학기에 두번 이하로 교육 데이터를 사용하는 것으로 나타났으며, 주로 평가 데이터와 학습자 데이터를 활용하는 것으로 확인되었다. 주요 데이터 사용 장벽으로는 데이터 탐색의 어려움과 데이터 활용 역량 부족이 제시되었다. 교사의 데이터 리터러시는 전반적으로 중간 수준이었으나, 데이터 수집 및 관리 영역에서 낮은 점수를 보였다. 데이터 사용 빈도가 높은 교사들은 데이터 리터러시 모든 하위 영역에서 다른 집단보다 더 높은 수준을 보였다. 이러한 결과는 교사의 데이터 리터러시가 실제 데이터 사용 경험과 밀접하게 관련됨을 시사하며, 다양한 데이터 탐색 및 경험에 초점을 맞춘 실질적 지원의 필요성을 강조한다.

This study examined in-service teachers’ educational data use, data literacy levels, and differences in data literacy according to data use frequency. A survey was conducted with 93 in-service teachers, and data were analyzed using descriptive statistics, independent samples t-tests, and one-way ANOVA. The results showed that more than half of the teachers used educational data no more than twice per semester. Teachers mainly used assessment and learner data and reported difficulties in finding relevant data and insufficient data literacy. Overall data literacy levels were moderate, with lower scores in data collection and management. Teachers who used data more frequently demonstrated significantly higher data literacy across all subdomains. These findings suggest that teachers’ data literacy is closely related to actual data use experiences and highlight the need for practical support focusing on data exploration and use.

AI(Artificial Intelligence)의 활용은 사회 전반으로 확산하고 있으며 교육 분야 또한 교육부의 정책 추진과 함께 AI 교육에 관심이 높아지고 있다. AI 교육 정책의 안착을 위해서는 교육 주체 및 다양한 사회적 이해관계자의 인식과 담론을 살피는 동시에 대중의 신뢰와 공감이 전제되어야 한다. 하지만, AI 교육에 대한 대중의 인식과 관심을 종합적으로 분석한 연구는 부족한 실정이다. 기존 연구는 특정 교육 주체를 중심으로 하거나 AI 교육 도입 여부에 초점을 두었다는 한계가 있다. 이에 본 연구에서는 유튜브 댓글 데이터를 활용하여 AI 교육에 대한 대중의 인식과 담론 구조를 실증적으로 분석하였다. 이를 위해 AI 교육 정책, AI 교육 일반, AI 활용 교육의 세 가지 주제를 중심으로 유튜브 댓글을 수집하고, TF, TF-IDF, LDA 토픽 모델링을 적용하여 핵심 키워드와 담론 구조를 탐색하였다. 분석 결과, AI 교육에 대한 대중의 인식은 주제별로 상이한 담론 구조를 보였으며 이는 AI 교육 정책 설계 시 기술적 타당성과 함께 대중의 인식을 기반으로 한 소통 전략이 필요함을 시사한다.

The use of artificial intelligence (AI) has expanded across society, and interest in its application to education has increased alongside policy initiatives by the Ministry of Education. However, comprehensive research on public perceptions of AI education remains limited, as prior studies have largely focused on specific stakeholders or narrow aspects of AI adoption. This study examined public perceptions and discourse structures related to AI education using YouTube comments. Comments from videos addressing AI education policy, AI education in general, and AI-based practices were analyzed using term frequency (TF), TF-IDF, and Latent Dirichlet Allocation (LDA) topic modeling. The findings indicate that perceptions vary across themes, suggesting that effective AI education policy implementation requires not only technical feasibility but also communication strategies grounded in public discourse.

이 연구의 목적은 2022 개정 교육과정의 방향을 반영하여 초등학교 인공지능 교육을 위한 인정 교과서 교육과정을 개발하는 데 있다. 이를 위해 인공지능 교육 전문가를 대상으로 1·2차 델파이 조사를 실시하여 교육과정 영역, 내용 체계, 성취기준의 타당도를 검증하고, 내용 타당도 비율, 합의도, 수렴도, 변이 계수를 활용하여 분석하였다. 연구 결과, 교육과정 영역으로 ‘인공지능과 우리 생활’, ‘인공지능과 데이터’, ‘인공지능과 문제해결’이 도출되었다. 또한 초등학생의 발달 수준과 교육과정 연계를 고려하여 각 영역의 핵심 아이디어, 내용 체계, 성취기준을 개발하고, 인공지능 프로젝트 수행보다는 인공지능을 활용한 문제 해결 경험 중심으로 교육과정을 구성하였다. 이 연구는 전문가 합의를 바탕으로 초등학교 인공지능 교육을 위한 인정 교과서 교육과정을 체계적으로 개발하고, 초·중학교 인공지능 교육 연계를 위한 기초 자료를 제공한다.

This study developed an authorized textbook curriculum for artificial intelligence (AI) education in elementary schools aligned with the 2022 revised national curriculum. A two-round Delphi study with AI education experts validated the curriculum domains, content structure, and achievement standards. The results identified three domains—‘ AI and Everyday Life’, ‘AI and Data’, and ‘AI and Problem Solving’. Considering students’ developmental levels and curriculum alignment, the curriculum emphasizes AI-based problem-solving experiences rather than full-scale AI projects. The study provides guidance for linking elementary and secondary AI curricula.

이 연구는 생성형 인공지능을 활용한 TPACK 교육 프로그램이 초등 예비교사의 인공지능 융합 수업 전문성에 미치는 효과를 검증하였다. 이를 위해 두 집단에 동일한 TPACK 기반 교육을 적용하고, 실험 집단에는 생성형 인공지능을 활용한 수업 설계 활동을 추가하였다. 사전-사후 검사 통제 집단 설계에 기반한 분석 결과, 통제 집단은 일부 하위 요인에서만 유의한 증가를 보인 반면, 실험 집단은 TPK와 TPACK을 포함한 대부분의 요인에서 유의한 향상을 보였다. 또한 사후 검사에서 실험 집단은 통제 집단보다 유의하게 높은 수준을 나타냈다. 이는 생성형 인공지능 기반 TPACK 교육이 예비교사의 인공지능 융합 수업 전문성 향상에 기여할 수 있음을 시사한다.

This study examined the effects of a generative artificial intelligence-based TPACK program on elementary pre-service teachers’ expertise in AI convergence education. Both groups received the same TPACK-based instruction, while the experimental group additionally participated in generative artificial intelligence-supported lesson design activities. Using a pretest-posttest control group design, the results showed that the control group demonstrated significant improvement only in a few subdomains, whereas the experimental group showed significant gains in major subdomains, including TPK and overall TPACK. In addition, posttest results indicated that the experimental group achieved significantly higher levels of expertise related to AI convergence education than the control group. These findings suggest that integrating generative artificial intelligence into TPACK instruction may contribute to enhancing pre-service teachers’ expertise in AI convergence education.

이 연구는 국내·외 초등학교 인공지능 교육과정을 대상으로 교육 내용의 구성과 특징을 비교·분석하였다. 국내 초등학교 인공지능 교육과정과 교재, 국외 초등 인공지능 교육과정 사례를 분석 대상으로 선정하고, 국가 교육과정에 근거한 분석 틀을 적용하여 교육 내용의 영역과 세부 요소를 분류하였다. 분석 결과의 타당성은 초등학교 교사의 분석과 인공지능 교육 전문가의 검토를 통해 확보하였다. 연구 결과, 국내외 초등학교 인공지능 교육과정은 인공지능 개념 이해, 데이터 및 기계 학습, 인공지능의 사회적 영향과 윤리 등을 공통적으로 포함하였으나, 영역구성과 강조 수준에서는 차이가 나타났다. 일부 교육과정은 체험 중심 활동을 강조한 반면, 다른 교육과정은 개념 구조화와 데이터 기반 문제 해결을 중심으로 구성되는 경향을 보였다. 이 연구는 동일한 분석 기준을 적용하여 국내외 초등학교 인공지능 교육과정의 교육 내용 구성을 비교·분석하였다는 점에서 의의가 있다.

This study examines the content organization of elementary artificial intelligence(AI) curricula across countries. Domestic and international elementary AI curricula and instructional materials were analyzed using an analytical framework derived from the national curriculum, and the results were validated through expert review in AI education. The findings indicate that elementary AI curricula commonly address AI concepts, data and machine learning, and the social and ethical implications of AI, but differ in their organization and emphasis. Some curricula prioritize experience-based activities, whereas others emphasize conceptual understanding and data-driven problem solving. This study provides a systematic comparison of the content organization of elementary AI curricula using a common analytical framework.

본 연구는 대학 정보계열 전공생을 대상으로, 대학 정보교육에서 생성형 AI 코딩 도구가 학습자 숙련도(초보자 vs 숙련자)에 따라 미치는 차별적 영향을 분석하였다. 전공생 87명을 대상으로 2×2 혼합 설계를 적용한 결과, AI 활용은 초보자의 효율성을 높이고(ΔM=+1.54) 인지 부하를 낮추는(ΔM=-1.27) 도구적 지원(기능적 지원)으로 작용하였다. 반면 숙련자에게는 AI 활용 조건에서 비판적 검증 노력(ΔM=+1.32)과 자기 효능감(ΔM=+0.88)이 증가하여, AI 지원이 숙련도에 따라 상이한 학습 반응을 유발함을 시사한다. 특히 숙련도와 AI 활용 여부(활용/비활용) 간 유의미한 상호작용(p<.001)은 획일적 AI 도입의 한계를 보여준다. 이에 본 연구는 학습 단계별로 AI의 역할을 탐색 도구에서 검증 파트너로 차별화하는 A.S.E.M(Adaptive Scaffolding Education Model)을 제안하여, 대학 정보교육을 중심으로 하되 설계 원리 전이 관점에서 AI 활용 교육 설계의 실질적 방법론을 제시한다.

This study examines the differential effects of generative AI coding tools on 87 undergraduate informatics majors, focusing on learner expertise within the context of the national AI strategy. Using a 2×2 mixed experimental design, we found that AI provided instrumental support for novices by increasing efficiency and reducing cognitive load, whereas experienced learners showed increased critical verification and self-efficacy. A significant expertise × AI-use interaction (p<.001) highlights the limitations of uniform adoption, leading us to propose the A.S.E.M (Adaptive Scaffolding Education Model). This model differentiates AI’s role—from exploration tool to verification partner—offering a practical, expertise-sensitive methodology for informatics education across various learning levels.

본 연구는 생성형 AI를 학습의 도구가 아닌 협력적 파트너로 인식하도록 돕기 위해 개발된 AI 창의-협력 모형(co-AI 모형)을 실제 교육 현장에 적용하고, 이에 따른 초등학생의 AI 인식 및 수용 태도의 변화 양상을 탐색하고자 하였다. 이를 위해 초등학교 6학년 학생 50명을 대상으로 co-AI 모형 기반 프로젝트 수업을 실시하였으며, 사전·사후 설문 분석 및 면담을 통해 교육적 효과를 분석하였다. 연구 결과, AI 기초 인식, 인간-AI 협업 인식, 협업을 통한 자기 성장 인식, 사용 지속 의향의 모든 영역에서 통계적으로 유의미한 긍정적 변화가 나타났다. 특히 성별이나 학업 성취 수준에 따른 효과 차이는 유의미하지 않았으나, 사전 AI 사용 경험이 적었던 학생들에게서 상대적으로 높은 인식 변화가 관찰되었다. 이러한 결과는 co-AI 모형이 학생의 배경 특성과 관계없이 AI를 능동적인 협업 파트너로 경험하게 하는 유용한 수업 설계 틀로서 교육적 활용 가치가 있음을 시사한다.

This study applied the AI Creative-Collaboration Model (co-AI model) to an actual classroom to shift students' perception of generative AI from a tool to a collaborative partner and explored its impact on their AI acceptance attitudes. A project-based curriculum was conducted with 50 sixth-graders, with effects analyzed through preand post-surveys and interviews. Results showed statistically significant positive changes in AI literacy, human- AI collaboration, self-growth, and continued use intention. While gender and academic achievement showed no significant differences, students with less prior AI experience exhibited a more pronounced shift in perception. These findings suggest the co-AI model is a valuable instructional framework that empowers students to engage with AI as an active partner regardless of their background.

본 연구는 장애 학생 대상 디지털 교육 정책에 대한 특수교사의 인식을 분석하고 정책 실행의 우선순위와 개선 방향을 도출하는 것을 목적으로 수행되었다. 이를 위해 전국 특수교사 1,641명을 대상으로 설문조사를 실시하였으며, 정책 영역은 인프라 구축, 교육자료 지원, 교육 및 문화확산 지원, 학교 운영 및 교원 역량 강화 지원, 인식 개선의 5개 영역으로 구성되었다. 수집된 자료는 대응표본 t 검정, IPA(Importance–Performance Analysis), 일원분산분석(ANOVA)을 통해 분석하였다. 연구 결과, 디지털 교육 정책의 전체 중요도 평균은 실행도보다 유의미하게 높게 나타나 정책 필요성과 현장 실행 간 격차가 존재함을 확인하였다. 특히 교육자료 지원 영역은 중요도는 높으나 실행도가 낮아 개선이 시급한 영역으로 나타났다. 또한 학교급, 학교 설립유형, 학교 유형에 따라 실행도 인식에서 유의한 차이가 나타났다. 이러한 결과는 장애 학생 대상 디지털 교육의 실질적 실행을 위해 교육자료 및 실감형 콘텐츠 지원 확대와 정책 접근성 개선이 필요함을 시사한다. 본 연구는 특수교육 현장의 관점에서 디지털 교육 정책의 실행 수준을 진단함으로써, 향후 정책 개선을 위한 기초자료를 제공하는 데 의의가 있다.

This study examined special education teachers’ perceptions of digital education policies for students with disabilities and identified priority areas for policy improvement. A survey was conducted with 1,641 special education teachers nationwide, and data were analyzed using paired t-tests, Importance–Performance Analysis (IPA), and ANOVA. The results showed that the perceived importance of digital education policies was significantly higher than their level of implementation, indicating a gap between policy expectations and actual practice. Educational resource support was identified as the most urgent area requiring improvement due to high importance but low implementation. Significant differences in implementation levels were also found according to school level, establishment type, and school type. The findings suggest the need to expand educational resources and improve policy accessibility to support effective digital education for students with disabilities.