Earticle

본 연구는 기존 인공지능 교육의 한계를 보완하고 교육 대전화의 패러다임을 반영한 AI교육 2.0 모델을 개발하는 데 목적이 있다 이 를 위해 국내외 AI 교육 등의 문헌 연구와 사례 분석, 집단지성 워크숍, 델파이 조사, 내용 타당도 검증을 포함한 설계기반 연구 방법 을 적용하여 AI교육 2.0 모델을 체계적으로 설계·개발하였다. AI교육 2.0 모델은 기초 역량으로 디지터시를 설정하고, 이를 토대로 AI 이해교육, AI협력교육, AI가치교육의 세 가지 핵심 교육 영역을 구조화하였다. AI교육 2.0을 통해 학습자가 신장하는 핵심 역량은 AI 사고력(AI Thinking)으로 추상화, 자동화, 지능화, 자율화의 4가지 요소를 제안하였다. 연구의 타당도 검증 결과, AI교육 2.0 모델은 전 반적으로 높은 타당도를 확보하였으며, 교육 현장에서의 적용 가능성과 이론적 정합성을 동시에 갖춘 모델로 평가되었다. 본 연구는 AI 기술의 이해를 넘어, AI와 함께 살아가는 시민을 기르는 f교육 모델을 제시하였다는 점에서 의의가 있다.

This study aims to develop the AI Education 2.0 model, which addresses the limitations of existing artificial intelligence education and reflects the paradigm shift toward educational transformation. To this end, a design-based research methodology was employed, incorporating literature review and case analysis of domestic and international AI education, collective intelligence workshops, Delphi surveys, and content validity verification, to systematically design and develop the AI Education 2.0 model. The model establishes Digitacy as its foundational competency and structures three core educational domains: Understanding AI Education, AI Collaboration Education, and AI Value Education. The central competency fostered through AI Education 2.0 is AI Thinking, which consists of four components: abstraction, automation, intelligence, and autonomy. The results of the content validity evaluation indicate that the AI Education 2.0 model demonstrates a high level of overall validity and is assessed as a model that simultaneously ensures theoretical coherence and practical applicability in educational settings. This study is significant in that it proposes an educational model that goes beyond understanding AI technologies to cultivating citizens capable of living and collaborating with AI in an AI-driven society.

본 연구는 한국 대학 EFL 맥락에서 AI 강화 구조화 탐구 모형이 말하기 수행, 비판적 사고 성향 및 질문 생성 관련 심리 요인에 미치는 영향을 검증하였다. 준실험 혼합연구로, 10주간 수업(N=40)에서 질문 생성 훈련과 AI 매개 리허설을 통합 적용하였다. 분석 결과 말하기 능력은 유의하게 향상되었고(η²p = .336), 비판적 사고성향은 증가하며 질문 불안·체면 우려·권력거리 인식은 감소하였다. 이러한 결과는 AI가 독립적 효과 요인이 아니라 근접발달 영역 내 조절 구조를 재분배하는 매개적 요소로 기능했을 가능성을 시사한다. 그러나 소규모 군집 설계의 한계가 있으므로, 다양한 EFL 맥락에서 일반화 가능성과 인과적 안정성을 검증하기 위한 대규모 후속 연구가 필요하다.

This quasi-experimental mixed-methods study examined an AI-mediated structured inquiry model in a participation-constrained Korean EFL university context. A 10-week intact-class intervention (N = 40), integrating question-generation training, iterative prompt refinement, AI-mediated rehearsal, and structured oral tasks, produced significant gains in CEFR-aligned speaking proficiency (η²p = .336), improvements in critical thinking disposition, and reductions in anxiety and perceived hierarchical barriers. Findings are preliminary and context-specific, suggesting that algorithmically responsive rehearsal embedded within structured inquiry may redistribute regulatory processes in the Zone of Proximal Development and expand functional participation space rather than functioning as an autonomous causal agent, highlighting the importance of instructional configuration over technological determinism. Future large-scale cluster-randomized studies are needed to establish the generalizability and causal stability of these findings across diverse EFL contexts.

교육부는 미래 사회의 변화에 대응하기 위해 디지털 기초 소양 강화를 강조하고 있으며 특히 인공지능의 원리를 이해하고 비판적으로 활용할 수 있는 AI 리터러시와 컴퓨팅 사고력 함양에 주목하고 있다. 최근 프로그래밍 교육에서는 코드의 오류를 찾아내고 수정하는 '디버깅' 과정이 문제 해결력과 논리적 사고를 자극하는 핵심기제로 평가받고 있으며 생성형 AI의 등장은 이러한 디버깅 활동에 새로운 교육적 비계(Scaffolding)를 제공하고 있다. 본 연구의 목적은 생성형 AI를 활용한 디버깅 중심 정보 교육 프로그램을 개발하고 이를 초등학교 현장에 적용하여 학생들의 컴퓨팅 사고력과 AI 리터러시에 미치는 교육적 효과를 분석하는 데 있다. 연구 결과 생성형 AI와의 상호작용을 통한 디버깅 과정이 컴퓨팅 사고력과 인공지능 리터러시에 긍정적인 영향을 미친 것으로 나타났다.

To respond to future societal shifts, the Ministry of Education emphasizes strengthening foundational digital lite racy, specifically focusing on fostering AI literacy and computational thinking to understand and critically utilize A I principles. In recent programming education, the 'debugging' process—identifying and correcting code errors—is recognized as a core mechanism that stimulates problem-solving skills and logical thinking, while the emergence o f generative AI provides a new educational scaffolding for these activities. The purpose of this study is to develo p a generative AI-assisted, debugging-centered education program and apply it to an elementary school setting to analyze its educational effects on students' computational thinking and AI literacy. The findings indicate that the debugging process through interaction with generative AI has a positive impact on both computational thinking an d AI literacy.

본 연구에서는 창의적 문제 해결 프로세스로 주목받고 있는 디자인 씽킹 프로세스를 도입하여 초등학생 인공 지능 교육 프로그램을 개발하고 적용하였다. 인공지능의 이해, 공감적 문제발견, 문제 정의, 아이디어 창출, 프로 토타입 제작, 평가 및 공유 단계로 디자인 씽킹 기반 인공지능 교육 프로그램을 개발하였으며, 초등학교 4∼6학 년 학생을 대상으로 개발 프로그램을 적용하였다. 프로그램의 효과를 확인하기 위해 학생들의 컴퓨팅 사고력을 사전 사후 검사한 결과 학년별로 컴퓨팅 사고력이 상승했으며, 학생들은 공감적 문제발견에서 얻은 통찰을 바탕 으로 창의적 문제 해결을 위해 협업하는 과정을 경험하였다. 또한 인공지능 기술을 활용하여 문제를 해결하려는 태도를 엿볼 수 있었고, 프로토타입 단계에서 아이디어를 생성하고 팀원 간 의사소통을 통해 아이디어를 발전시 키는 모습을 확인하였다. 이를 통해 디자인 씽킹 기반 인공지능 교육 프로그램은 초등학생들을 위한 인공지능 교육 중 하나의 방안으로써 학습의 연속성을 보장하며, 창의적 문제 해결 과정의 경험을 제공할 수 있다는 가능 성을 확인하였다.

In this study, the AI education program for elementary school students was developed and applied by introducing the design thinking process, which is attracting attention as a creative problem solving process. A design thinking-based AI education program was developed in the stages of Understanding AI, Identifying sympathetic problems, Problem definition, Ideate, Prototype, Test and sharing, and the development program was applied to elementary school students in 4th-6th grade. As a result of pre- and post-testing of students' computational thinking skills to confirm the effectiveness of the program, computational thinking skills increased by grade level, and students experienced a process of collaboration for creative problem solving based on insights gained from sympathetic problem finding. In addition, it was possible to get a glimpse of the attitude of using AI technology to solve problems, and it was confirmed that ideas were generated in the prototype stage and developed through communication between team members. Through this, the design thinking-based AI education program as one of the AI education for elementary school students guarantees the continuity of learning and confirms the possibility of providing an experience of the creative problem-solving process.

본 연구는 AI 놀이 콘텐츠를 활용한 유아 인공지능 교육 프로그램이 유아의 컴퓨팅 사고력에 미치는 영향을 검 증하는 데 목적이 있다. 이를 위해 충청남도에 소재한 A 단설유치원의 만 5세 유아 20명을 대상으로 9주 동안 총 14차시의 교육 프로그램을 적용하였다. 교육 내용은 인공지능, 데이터, 알고리즘(순차·반복 구조)을 주요 주제로, 쥬니버스쿨의 AI 놀이 및 놀이코딩 콘텐츠를 게임, 신체 활동, 소그룹 토의 등 다양한 놀이 기반 활동과 연계하여 구성하였다. 연구 결과, 유아의 컴퓨팅 사고력 총점은 통계적으로 유의미하게 향상되었으며, 특히 문제 분해와 알 고리즘 영역에서 가장 큰 효과를 보였다. 이는 AI 놀이 콘텐츠 기반 유아 인공지능 교육이 유아의 컴퓨팅 사고력 발달에 긍정적 영향을 미칠 수 있음을 보여주며, 놀이와 학습을 연계한 유아 인공지능 교육 프로그램의 타당성과 실천 가능성을 제시한다.

This study investigated the effects of an AI play-based education program on young children’s computational thinking. The program was implemented with twenty five-year-old children attending a public kindergarten in Chungcheongnam-do, Korea, over a nine-week period comprising fourteen sessions. The curriculum focused on the key concepts of artificial intelligence, data, and basic algorithmic structures (sequence and iteration), and integrated AI play and play-coding content from Juniver School into various play-based learning experiences, including games, physical activities, and small-group discussions. The findings revealed a statistically significant improvement in children’s overall computational thinking, particularly in the areas of problem decomposition and algorithmic thinking. These results suggest that AI play-based learning can effectively foster young children’s computational thinking development. Furthermore, the study underscores the educational value and practical feasibility of integrating AI and play in early childhood education, providing empirical evidence to support the implementation of play-centered AI education programs in kindergarten settings.

인공지능 기술의 확산은 학교 교육에서 인공지능 교육의 필요성을 더욱 부각시키고 있다. 교육부는 놀이·체험 중심 학습을 초등 인공지능 교육의 핵심 방향으로 제시하였으며, 2022 개정 교육과정에서는 인공지능을 활용한 실생활 문제 해결 역량과 창의적 사고 역량 함양을 강조하고 있다. 이에 본 연구는 노벨엔지니어링 기반의 학생 체험 중심 인공지능융합교육 프로그램을 개발·적용하고자 하였다. PDIE 모형에 따라 총 10차시로 설계하였으며, 인공지능 교육 플랫폼 엔트리를 활용하여 구현하였다. 초등학교 6학년 학생을 대상으로 적용한 결과, 인공지능 리터러시와 컴퓨팅사고력에서 통계적으로 유의미한 향상이 나타나 본 프로그램의 교육적 효과와 현장 적용 가능성을 확인하였다.

The expansion of AI technologies has underscored the need for AI education in schools. The 2022 revi sed curriculum emphasizes play- and experience-based learning to foster real-life problem-solving and cr eative thinking skills using AI. Accordingly, this study developed and implemented an AI convergence pr ogram based on a student-centered Novel Engineering approach, designed under the PDIE model and deli vered in ten sessions using the Entry AI platform. The program was applied to sixth-grade elementary s tudents. Results revealed statistically significant improvements in AI literacy and computational thinking, demonstrating the program’s effectiveness and its applicability in elementary school settings.

본 연구에서는 로봇을 기반으로 초등학교 정규 교과 내용과 SW‧AI를 융합한 교육 프로그램을 설계하고, 그 효 과를 검증하고자 하였다. 교육 프로그램은 기초부터 심화까지 7개 모듈로 구성되어 있으며, 이를 초등학생 305명 에게 적용한 결과는 다음과 같다. 첫째, 로봇 기반 SW‧AI 융합 교육 프로그램은 초등학생들의 컴퓨팅사고력, 동 기, 태도를 향상시켰다. 둘째, 하위 집단의 컴퓨팅사고력, 동기, 태도는 통계적으로 유의한 향상을 보였으나, 상위 집단은 그렇지 않았다. 셋째, 동기 및 태도 수준에 따른 컴퓨팅사고력 점수 차이는 통계적으로 유의하였다. 넷째, SW‧AI 교육 경험에 따른 컴퓨팅사고력 점수 차이는 통계적으로 유의하였다. 본 연구는, 초등학생 대상 로봇 기반 SW‧AI 융합 교육 프로그램을 설계하고 그 효과를 검증하여, 초등학교 교육 현장에 구체적인 교수-학습 자료를 제공하였다는 점에서 연구의 의의를 찾을 수 있다.

In this study, we designed an educational program based on robot that combined elementary school curriculum and SW‧AI, and applied it to verify effectiveness. The educational program consists of seven modules from basic to advanced, and appropriate robots are used. The results of applying them to 305 elementary school students are as follows: First, SW‧AI convergence educational program significantly improved computational thinking, motivation and attitude. Second, computational thinking, motivation and attitude improved significantly in low initial score group. However, high initial score group did not. Third, there was a statistically significant differences in the computational thinking according to motivation and attitude. Fourth, there was a statistically significant difference in computational thinking according to SW‧AI educational experience. This study designed a robot-based SW‧AI convergence educational program for elementary school students and verified its effectiveness. The implication of this study is that it provided specific teaching and learning materials in elementary education.

인공지능 중심 사회로의 전환을 대비하는 초등 교육에서는 소프트웨어(SW)와 인공지능(AI)을 활용한 문제 해 결 역량 함양이 필수적으로 요구되고 있다. 이러한 시대적 변화에 발맞추어 SW·AI 교육을 담당할 예비 교원들 이 컴퓨팅 사고력을 갖춘 교사로 성장할 수 있도록 돕는 실무 중심의 교육 과정이 필요하다. 본 연구에서는 게 임 제작 과정을 활용한 SW 수업이 학습자의 흥미를 높이고 컴퓨팅 사고력 향상에 기여할 것으로 가정하였다. 또한 AI를 활용한 학습 경험은 학습 동기를 유발하고 논리적 사고 체계의 내면화에 효과적일 것으로 가정하였 다. 본 연구의 목적은 예비 교원을 대상으로 게임 제작 중심의 SW·AI 융합 교육을 설계·적용하고, 그 교육적 효과를 분석하는 데 있다. 특히 AI 알고리즘 학습 여부라는 독립 변인이 학습자에게 미치는 영향의 차이를 알아 보았다. 결과적으로 게임 제작 중심의 SW·AI 융합 교육과 ‘AI 알고리즘 학습’ 유무가 학습자의 흥미와 컴퓨팅 사고력에서 모두 유의미한 향상을 확인하였다. 이를 통해 향후 초등 교육 현장에 적용 가능한 실전 지도 능력 배양 모델을 제시하는 데 기여할 것으로 기대한다.

As elementary education moves toward an AI-centered society, enhancing problem-solving skills through software (SW) and artificial intelligence (AI) has become a critical requirement. This study designed and implemented a game development–based SW–AI integrated program for pre-service teachers to improve computational thinking and learning interest. The program incorporated generative AI–supported activities, with AI algorithm learning treated as an independent variable. A comparative experimental design was employed to examine differences in learning outcomes between groups with and without AI algorithm instruction. The results demonstrated significant improvements in both learning interest and computational thinking, with statistically significant differences favoring the group that received AI algorithm learning. These findings indicate that integrating game development with AI algorithm instruction is an effective approach for strengthening computational thinking and practical instructional competencies in elementary computer education.

[연구목적]본 연구는 인간과 인공지능 기술 협력 기반의 AI 소셜리빙랩 통합 운영 모델을 제안하여 사회적 난제를 해결하고 지역 사회 혁신을 창출하는데 도움을 주고자 함을 목적으로 한다. 기술 개발 및 공급자 중심으로 통제된 실험실 환경에서 개발된 인공지능 기술은 복잡한 현실 세계에서 제 기능을 발휘하지 못하거나 데이터의 편향성과 불투명성으로 사회적 차별과 갈등을 유발하는 등의 한계가 지적되었다. 이에 본 연구에서는 이를 극복하고 인간과 AI가 협력하기 위한 방안을 제시하고자 한다. [연구방법]본 연구는 문헌 연구와 이론적 고찰을 통해 기존 AI 개발 방식과 리빙랩의 한계를 분석하였다. 이를 토대로 스탠포드 d.school의 디자인씽킹(Design Thinking) 방법론을 준용하여 AI의 공학적 라이프사이클과 리빙랩의 공동 창조 프로세스를 연계하는 이론적 모형을 설계하고, 주요 참여 주체의 역할 및 거버넌스 체계를 정립하는 연구를 수행하였다. [연구결과]첫째, 디자인씽킹 방법론을 기반으로 5단계 통합 순환 모델을 설계하여 AI 솔루션에 대한 현장 적합성과 높은 활용도를 확보하고자 하였다. 둘째, 인간(시민)의 역할을 단순한 데이터 제공자가 아닌 AI 튜터로 재정의하여 AI에게 맥락을 학습시키고 편향을 교정함으로써 인간중심(Human-in-the-Loop, HITL)의 AI 소셜리빙랩을 구현하는데 기여하고자 하였다. 셋째, 현장에서의 지속 가능한 혁신 창출을 위한 생태계 조성을 위해 쿼드러플 헬릭스(Quadruple Helix)를 구축하여 산·학·관·민이 유기적으로 협력하도록 하였으며, 데이터 주권 확보를 위한 데이터 협동조합과 적응형 규제 방안을 제시하였다. [연구의 시사점]본 연구에서는 사회 혁신과 기술 개발이 별개로 발생하는 것이 아닌 사회-기술적 공진화(Socio-technical Co-evolution)의 관점을 제시했다는 점에서 학술적 의의가 있다. 본 연구에서 제안된 통합 모델은 향후 인간을 위한 AI를 실현하고 인간(시민)이 주도하는 스마트 사회를 구현하는 데 기여할 것으로 기대된다.

[Purpose] The purpose of this study is to propose an integrated operation model for an AI Social Living Lab based on human-AI collaboration to resolve wicked social problems and foster regional innovation. AI technologies developed in controlled laboratory environments often fail to function properly in the complex real world or cause social discrimination due to data bias and opacity. Therefore, this study presents measures to overcome these limitations and facilitate cooperation between humans and AI. [Methodology]Through literature review and theoretical consideration, this study analyzed the limitations of existing AI development approaches and Living Labs. Based on this analysis, a theoretical model was designed by applying Stanford d.school's Design Thinking methodology to link the engineering lifecycle of AI with the co-creation process of Living Labs. Furthermore, the study defined the roles of key participants and established a governance system necessary for the operation of the model. [Findings]The main results of this study are as follows: First, a 5-step integrated spiral model was designed based on Design Thinking methodology to secure field relevance and high utility for AI solutions. Second, the role of citizens was redefined not as mere data providers but as 'AI Tutors' who teach context to AI and correct bias, thereby contributing to the realization of a Human-in-the-Loop (HITL) AI Social Living Lab. Third, to create an ecosystem for sustainable on-site innovation, a Quadruple Helix framework was established to ensure organic cooperation among industry, academia, government, and people, and measures for data cooperatives and adaptive regulation were proposed to secure data sovereignty. [Implications]This study holds academic significance in presenting a perspective of 'Socio-technical Co-evolution,' suggesting that social innovation and technological development do not occur separately but evolve together. The integrated model proposed in this study is expected to contribute to realizing 'AI for Humans' and implementing a smart society led by citizens.

인공지능, 빅데이터, 생명과학 산업 등이 선도하는 지식정보사회의 물결이 우리 삶의 방식에 전방위적인 영향 을 미치고 있다. 이에 교육부는 미래사회 변화에 대응할 수 있는 기초소양과 역량을 함양할 수 있는 교육과정 개선을 추진하며 AI·소프트웨어 교육을 비롯한 디지털 기초소양 강화를 서두르고 있다. 모든 교과교육을 통해 디지털 기초소양 함양의 기반을 마련하고 정보 교육과정과 연계한 AI 등 신기술분야의 기초 및 심화 학습을 내 실화하는 것은 미래사회에 대비한 교육으로서 반드시 필요한 부분이라 볼 수 있다. 하지만 디지털·AI 리터러시 함양을 위한 각각의 내용에 대한 연구는 비교적 활발히 이루어지고 있는 반면 디지털·AI 리터러시를 함양할 수 있는 교수·학습 전략에 대한 연구는 미비한 실정이다. 따라서 본 연구에서는 디지털·AI 리터러시를 키워줄 수 있는 컴퓨팅 사고력(CT) 기반의 디지털·AI 교수·학습 전략을 개발하여 델파이 전문가 검증을 실시한 결과 타당 함으로 분석되었고, 이를 바탕으로 교수자 사용성 평가 및 학습자 효과성 분석을 진행한 후 최종 교수·학습 전 략을 완성하였다.

The wave of a knowledge and information society led by AI, Big Data, and so on is having an all-round impact on our way of life. Therefore the Ministry of Education is in a hurry to strengthen Digital Literacy, including AI and SW Education, by improving the curriculum that can cultivate basic knowledge and capabilities to respond to changes in the future society. It can be seen that establishing a foundation for cultivating Digital Literacy through all subjects and improving basic and in-depth learning in new technology fields such as AI linked to the information curriculum is an essential part for future society. However, research on each content for cultivating Digital and AI literacy is relatively active, while research on teaching and learning strategies is insufficient. Therefore in this study, a CT-based Digital and AI teaching and learning strategy that can foster that was developed and Delphi expert verification was conducted, and the final teaching and learning strategy was completed after evaluating instructor usability and analyzing learner effectiveness.

본 연구는 생성형 인공지능(ChatGPT)을 활용한 메타인지 전략 활동이 초보 프로그래밍 학습자의 컴퓨 팅 사고력(CT), 문제해결력(PS), 프로그래밍 어려움 인식에 미치는 영향을 분석하였다. 수도권 대학생 75 명을 대상으로 4주간 MetaPrompt 활동을 적용한 결과, CT와 PS가 유의미하게 향상되었고, 어려움 인식 수준은 감소하였다. 프로그래밍 경험자에게서 더 큰 향상 폭이 확인되었으며, 정성 분석에서는 대다수 학습자가 MetaPrompt활동을 긍정적으로 인식하였다. 그러나 어려움 수준이 높은 일부 학습자는 ChatGPT 활용에 소극적이었고, 학습 주도성과 사용 경험의 부족을 드러냈다. 이에 따라 생성형 AI 활용 수업에서는 기능 이해와 전략적 활용을 위한 사전교육이 병행되어야 한다. 본 연구는 MetaPrompt가 전 략적 학습 도구로서 초보자의 사고 촉진과 어려움 완화에 효과적임을 실증적으로 보여주며, 향후 AI 기 반 맞춤형 교수 설계에 실천적 시사점을 제공한다.

The present study analysed the effects of metacognitive strategy activities utilising generative artificial intelligence (i.e. ChatGPT) on the computational thinking (CT), problem-solving skills (PS), and programming difficulty perception of novice programming learners. Following the implementation of MetaPrompt activities on a sample of 75 college students residing in the Seoul metropolitan area over a period of four weeks, a significant enhancement in CT and PS was observed, accompanied by a decline in the perception of difficulty level. Greater improvements were observed among those with programming experience, and qualitative analysis revealed that most learners perceived the MetaPrompt activity positively. However, some learners with high difficulty levels were reluctant to use ChatGPT, revealing a lack of learning initiative and usage experience. Consequently, it is imperative that education on functional understanding and strategic utilisation be conducted in parallel in AI-based classes. The present study provides empirical evidence that MetaPrompt is an effective strategic learning tool for promoting thinking and alleviating difficulties among beginners. The study offers practical implications for future AI-based customized instructional design.

이 연구는 국제학교 학생들의 AI·SW 교수학습 과정안이 컴퓨팅 사고력 하위요인에 미치는 영향을 규명하고자 한다. 선행 연구인 최용운 외(2024)의 1차 연구를 바탕으로, AI ‧ SW 수업을 이수한 동일 집 단의 창의성(CR), 협력(CO), 문제 해결(PS), 알고리즘적 사고(AT) 경로를 분석하였다. 연구 결과, 첫째, 창의성(CR)이 협력(CO)에 미치는 영향력이 1차 연구와 2차 연구에 따라 유의미한 변화를 보였다. 1차 연구에서 경로계수 .220에서 2차 연구에서는 .545로 약 2.5배 증가하였으며, 이는 AI ‧ SW 교육과정이 투입되고, 창의성(CR)이 협력(CO)에 미치는 영향이 강화되었음을 의미한다. 둘째, AI ‧ SW 교육과정에 서 창의성(CR)이 문제해결력(PS)에 미치는 영향력의 감소(.578→.348)는 두 역량 간의 기능적 분화 (functional differentiation)를 의미한다. AI ‧ SW 교육과정에 따른 학습자의 인지구조 변화와 문제해결 접근법의 다양화로 설명할 수 있다. 셋째, 협력(CO)이 알고리즘 사고(AT)와 문제해결력(PS)에 미치는 영향이 1차 연구에서 통계적으로 유의미한 결과가 도출되지 않았으나, 2차 연구에서는 알고리즘 사고 ( =.308, p<.001)와 문제해결력( =.234, p<.01) 모두 통계적으로 유의한 것으로 나타났다. 이러한 결 과는 AI ‧ SW 교육과정에서 협력적 학습 환경이 인지적 역량 발달에 미치는 지연효과(delayed effect)를 보여주는 중요한 발견이다. 넷째, AI ‧ SW 교육과정에서 문제해결력(PS)과 알고리즘 사고(AT)간 경로계 수의 감소(.383→.161)는 학습자의 인지적 독립성(cognitive independence) 발달을 의미한다. 초기에는 학습자들이 문제해결 경험에 크게 의존하여 알고리즘적 사고를 전개하였으나, AI ‧ SW 교육과정이 진행 되면서 알고리즘 사고(AT)가 독립적인 인지 영역으로 정착되고 문제해결력에 대한 의존도가 감소한 것 으로 해석된다. 이러한 결과는 AI ‧ SW 교육이 단순한 기술적 역량 개발을 넘어 21세기 핵심 역량의 통 합적 발달을 촉진하는 교육적 환경을 제공한다는 점에서 중요한 시사점을 제공한다.

This study investigated the changes in sub-factors of computational thinking among international school students participating in AI and SW teaching-learning programs. Building upon Choi et al.(2024) prior research, the study analyzed the pathways of Creativity(CR), Cooperativity(CO), Problem Solving(PS), and Algorithmic Thinking(AT) within the same group after AI and SW classes. First, the influence of CR on CO showed a significant change between the initial and follow up studies. The path coefficient increased approximately 2.5 times, from .220 in the first study to .545 in the second. This indicates that the AI and SW curriculum strengthened the impact of CR on CO. Second, a decrease in the influence of CR on PS (.578→.348) within the AI and SW curriculum suggests a functional differentiation between these two competencies. This can be explained by changes in learners cognitive structures and diversification of problem solving approaches due to AI and SW education. Third, while the initial study did not yield statistically significant results for the influence of CO on AT and PS, the follow up study showed statistically significant results for both AT( =.308, p<.001) and PS( =.234, p<.01). These findings highlight a crucial discovery. The delayed effect of cooperativity learning environments on cognitive skill development within the AI and SW curriculum. Fourth, the decrease in the path coefficient between PS and AT(.383→.161) observed in the AI and SW curriculum signifies the development of learners cognitive independence. Initially, learners heavily relied on problem solving experiences to develop algorithmic thinking. However, as the AI and SW curriculum progressed, algorithmic thinking appears to have become an independent cognitive domain, reducing its dependence on problem solving abilities. These results provide significant implications, suggesting that AI and SW education offers an educational environment that fosters the integrated development of 21st century core competencies, going beyond simple technology skill development.

전통놀이 관련 기존 연구를 살펴보면 윷놀이, 고누놀이 등에는 컴퓨터과학 요소가 다수 포함되어 있어 학교 SW교육에 활용할 가치가 높다고 보고하고 있다. 그러나 현재까지는 윷놀이 고누놀이 외 활용 가능한 전통놀이를 활용한 교수학습 콘텐츠가 부족한 실정이다. 따라서 이 연구에서는 SW교육에서 활용 가능한 AI를 활용한 공기놀이 STEAM 프로그램을 총 4차시 분량으로 개발하였다. 개발한 프로그램의 효과성을 검 증하기 위해 이질 통제집단 전후 검사 연구 모델을 사용하였다. 효과성 검증을 위한 종속변수로는 SW교육 의 목표인 컴퓨팅 사고력으로 설정하였다. 효과성 검증 결과 AI를 활용한 공기놀이 STEAM 프로그램은 컴 퓨팅 사고력 신장에 도움이 되는 것으로 밝혀졌다.

According to existing studies related to traditional games, it is reported that Yutnori and Gonunori contain a number of computer science elements, which are highly valuable for school SW education. However, up to now, there is a lack of teaching and learning content that utilizes traditional games other than Yut Nori and Gonu Nori. Therefore, in this study, we developed a four-hour STEAM program using AI that can be used in SW education. To verify the effectiveness of the developed program, a heterogeneous control group pre- and post-test study model was used. The dependent variable for effectiveness verification was set as computational thinking, which is the goal of SW education. The results of the effectiveness verification showed that the STEAM program using AI helps improve computational thinking.

본 연구에서는 AI 메이커 코딩 교육이 초등학생의 컴퓨팅 사고력 향상에 미치는 영향을 분석하였다. 연구 대 상은 안산시 H 초등학교에 재학 중인 10명의 학생이며, 소프트웨어 코딩 기반 메이커교육용 교수학습모형을 활 용한 총 8차시의 AI 메이커 코딩 교육을 학생들에게 적용하여 컴퓨팅 사고력의 향상 정도를 분석하였다. 수업에 참여한 학생들은 실생활의 문제를 코딩과 메이킹 활동을 통해 해결하는 과정을 수행하였고, 컴퓨팅 사고력 검사 지를 통해 교육 전‧후의 컴퓨팅 사고력 향상 정도를 측정하는 한편, 면담을 통해 컴퓨팅 사고력 구성요소와 관 련된 학생들의 사고 과정을 관찰하였다. 연구 결과 모든 학생의 컴퓨팅 사고력 평균 점수가 향상되었으며, 학생 간 점수의 편차가 감소함을 확인하였다. 면담을 통해서는 문제해결 과정에서 학생들이 컴퓨팅 사고력과 관련된 사고 능력을 적극적으로 활용함을 알 수 있었다. 이를 통해 AI 메이커 코딩 교육은 학생의 컴퓨팅 사고력 향상 에 긍정적인 영향을 줄 수 있음을 확인하였다.

This study analyzed the effect of AI maker coding education on improving students' computational thinking. The subjects of the study were 10 students at H Elementary School in Ansan, and a total of 8 AI maker coding education using the Instructional Model for Maker Education based on SW Coding was applied to students to find out the degree of improvement of computational thinking. Students who participated in the class performed a process of solving real-life problems through coding and making activities, measured the degree of improvement in computing thinking before and after education through a computing thinking test paper, and observed students' thinking processes related to computing thinking components through interviews. As a result, it was confirmed that the average score of all students' computational thinking skills was improved, and the deviation of scores between students decreased. Through the interview, it was found that students actively utilize their thinking skills related to computational thinking skills in the problem-solving process. Through this, it was confirmed that AI maker coding education can have a positive effect on improving students' computing thinking skills.

급속한 기술 발전으로 생성형 AI가 교육에 새로운 가능성을 제시하고 있으나, 기존 연구는 정규 교육과정 학생들에 편중되어 있다. 본 연구는 평생 학습자와 전공 학생 간 협력을 통한 생성형 AI 교육 모델을 제시한다. 교육 모델은 컴퓨팅 사고력의 핵심 요소인 추상화, 알고리즘, 프로그래밍, 디버깅을 기반으로 구성하고, 페어 프로그래밍을 도입 하여 세대 융합적 지식 공유를 촉진한다. 주요 특징은 생성형 AI 엔진을 교육용 파이프라인에 통합하여 평생 학습자 의 경험을 활용한 개인화 콘텐츠 창작과 전공자의 기술 지원을 통한 디지털 역량 강화에 있다. 교육 모델의 효과성 검증을 위해 평생 학습자 10명과 전공자 5명을 대상으로 실제 교육을 진행한 결과, AI 기술 활용 능력의 유의미한 향상과 협력 학습을 통한 세대 간 지식 공유의 효과성이 확인되었다. 본 연구는 AI 시대 평생교육의 새로운 방향을 제시한다는 점에서 의의가 있다.

Generative AI presents new opportunities in the field of education. However, previous studies have predominantly focused on students in formal education settings. This study proposes an education model that facilitates generative AI learning through collaboration between lifelong learners and university students majoring in related disciplines. The model consists of the core components of computational thinking:abstraction, algorithms, programming, and debugging, and incorporates pair programming to promote effective intergenerational knowledge exchange. A core feature is the integration of a generative AI engine into the educational pipeline, enabling personalized content creation that draws on lifelong learners’ experiences while enhancing digital competencies through expert technical support. To evaluate the effectiveness of the model, an educational program was implemented with 10 lifelong learners and 5 student participants. The results demonstrated a significant improvement in AI technology utilization and confirmed the value of collaborative learning in fostering intergenerational knowledge sharing. This study offers meaningful insights into the future direction of lifelong education in the era of AI.

본 연구의 목적은 모듈형 데이터 분석 도구를 활용하여 구성주의 기반의 교수학습방법을 구체화하는데 있다. 인공지능교육을 위한 내용기준에서 제시하는 인공지능이 적용된 도구로서 모듈형 데이터 분석도구가 갖는 가치 와 의미를 살펴보고 컴퓨팅사고력을 기반으로 문제해결력을 기르는 단계와 과정을 살펴보고자 하였다. 모듈형 데이터분석 도구는 구성주의적 관점에서 동화와 조절을 통해 평형화를 이루는 과정에서 스키마를 형성하는 인지 적 사고절차를 시각적으로 표현함으로서 인공지능에서 데이터의 구조를 형상화하는 특징을 갖고 있는 도구라는 장점을 갖는다. AI교육은 문제해결의 절차를 알고리즘으로 구현된 블랙박스로서의 표상화된 스키마를 적용한다 는 점에서 데이터 분석의 모듈을 구조화하고 추상적 지식의 구조를 구체화하는 특징을 갖는다고 할 수 있다. 따 라서 개념적 스키마와 내재적 스키마를 연결하는 도구로서의 장점을 갖는다는 점에서 모듈형 데이터 분석 도구 의 활용가치를 살펴볼 수 있다.

This study aims to specify a constructivism-based instructional method using a modular data analysis tool. The value and meaning of a modular data analysis tool have been examined to be applied in the national curriculum for artificial intelligence education and the process of cultivating problem-solving ability based on computational thinking. The modular data analysis tool visually expresses the cognitive thinking process that forms the schema in equilibrating through assimilation and adjustment. Artificial intelligence education has features that embody abstract knowledge and structure the data analysis module through the represented schema as a BlackBox implemented as an algorithm. Therefore, the value of the modular data analysis tool could be examined because it has the advantage of connecting the conceptual and implicit schema.

This study examines critical thinking in Korea’s 2022 Revised National Curriculum for high school Korean Language Arts and English and proposes restructuring directions for the generative AI era. Using a qualitative document analysis of 125 achievement standards, it applies an Ennis-Freire matrix that classifies critical thinking into three levels (functional literacy, logical critique, social critique) across six functions. Results show strong concentration at Level 1 (73.6%), with Level 2 at 24.8% and Level 3 at 1.6%. Korean is distributed across Levels 1 and 2 (52.5%, 44.1%), whereas English is concentrated at Level 1 (92.4%) with no Level 3 standards, revealing a substantial gap between the two subjects. These patterns suggest current standards emphasize skills increasingly replicable by AI while underrepresenting socially grounded critical literacy for interrogating assumptions, bias, and power. The study proposes four restructuring directions: resistant reading, personal knowledge and reflective meaning-making, social-emotional learning integration, and process-oriented assessment including AI-critical evaluation practices. It also discusses implications for teacher capacity building and classroom implementation, while noting the limits of standards-based document analysis.

This study aimed to examine the impact of generative AI literacy and AI ethical awareness on clinical decision-making confidence among nursing students and to identify the mediating role of critical thinking disposition. The participants were 280 nursing students at a university located in W city, Gangwon Special Self-Governing Province. Data was collected from September 1 to September 20, 2025, using structured self-report questionnaires. The collected data were analyzed using descriptive statistics, t-test, ANOVA, Pearson's correlation coefficients, Baron & Kenny's three-step mediation analysis, and the Sobel test via SPSS 26.0. The results indicated that generative AI literacy and AI ethical awareness had significant positive correlations with clinical decision-making confidence and critical thinking disposition. Furthermore, critical thinking disposition was found to partially mediate the relationship between generative AI literacy/ethical awareness and clinical decision-making confidence. These findings suggest that integrating critical thinking training with technical AI education is essential to enhance the clinical competency of future nurses in an AI-driven healthcare environment.

4차 산업혁명의 도래로 인공지능(AI)과 디지털 기술이 보건의료 현장에 빠르게 통합되면서, 간호사에게는 디지털 리터러시와 AI 역량이 필수적인 핵심 역량으로 요구되고 있다. 본 연구는 에듀테크기반 문제중심학습이 간호대학생의 핵심 역량, 특히 AI 사고력과 AI 리터러시 향상에 미치는 효과를 검증하기 위해 설계되었다. 연구 설계는 비동등성 대조군 전후 설계를 적용한 유사실험연구로, G도 C시에 소재한 간호대학생 104명을 대상으로 하였으며, 실험군 52명과 대조군 52명으로 구성되었다. 실험군은 간호연구 교과목에서 에듀테크 기반 PBL 프로그램에 참여하였고, 대조군은 전통적인 강의식 수업을 제공받았다. 측정 변수는 AI 사고력, AI 리터러시, 협동역량, 자기주도학습역량이었다. 연구 결과, 실험군은 대조군에 비해 AI 사고력과 AI 리터러시에서 통계적으로 유의한 향상을 보였다. 이러한 결과는 에듀테크 기반 PBL이 간호대학생의 AI 관련 핵심 역량을 효과적으로 증진시킬 수 있음을 시사하며, 디지털 기술과 학습자의 능동적 참여를 통합한 교수·학습 설계가 디지털 헬스케어 환경에 적합한 미래형 간호 전문인력 양성을 위한 전략적 교육 방안이 될 수 있음을 강조한다.

With the advent of the Fourth Industrial Revolution, the integration of artificial intelligence (AI) and digital technologies into healthcare settings has made digital literacy and AI competency essential skills for nurses. We designed this study to examine the effectiveness of EduTech-based Problem-Based Learning (PBL) in enhancing the core competencies of nursing students. A quasi-experimental design with a non-equivalent control group pretest-posttest structure was employed, involving 104 nursing students from C city in G province (52 in the experimental group and 52 in the control group). The experimental group participated in an EduTech-based PBL program integrated into a nursing research course, while the control group received traditional lecture-based instruction. The measured variables included AI thinking ability, AI literacy, collaboration competence, and self-directed learning ability. The results showed that the experimental group demonstrated significantly greater improvements in AI thinking ability and AI literacy compared to the control group. These findings suggest that EduTech-based PBL is effective in improving AI-related competencies among nursing students and highlight that instructional designs integrating digital technologies and active learner participation can serve as strategic approaches for cultivating future nursing professionals equipped for the digital healthcare environment.proach for fostering future nursing professionals equipped for technologically advanced healthcare environments.

본 연구는 대학생의 인성, 비판적 사고성향, AI지식이 인공지능 윤리의식에 미치는 영향을 탐색하였다. 수도권 및 충청권 소재 3개 대학 재학생 93명을 대상으로 온라인 설문조사 실시 후 SPSS 30.0을 활용하여 기술통계, T-test, ANOVA, 상관분석, 다중회귀분석을 실시하였다. 연구결과, 성별과 AI윤리수업 수강경험에 따른 통계적 유의미한 차이가 없었으나 학년에서는 2학년이 인성과 AI지식이 가장 높게 나타났으며, 전공별로는 자연·공학계열이 AI윤리의식과 비판적 사고성향, 예체능계열은 인성과 AI지식이 가장 높게 나타났다. 다중회귀분석 결과, 회귀모형의 설명력은 46.0%(R²=.460)으로 나타났다. AI윤리의식에는 비판적 사고성향만이 유의한 영향이 있었으며(β=.708, p<.001), 인성(β=-.073)과 AI지식(β=.137)은 통계적으로 유의하지 않았다. 본 연구결과는 AI윤리교육 설계·운영시 전공별 특성의 고려와 더불어 AI윤리의식 향상을 위해서는 비판적 사고역량을 강화시킬 수 있는 교육과정을 제공해야 함을 시사한다. 마지막으로 본 연구는 대학생의 AI윤리교육의 모델이 정립되지 않은 상황에서 AI윤리의식에 영향을 주는 변인을 탐색하기 위하여 실시된 연구임에 따라 수도권, 충청권 소재 3개 학교의 재학생을 대상으로 소규모 표본으로 진행되었다. 이에 따라 본 연구결과를 국내 전체 대학생에게 일반화하기 어렵다는 한계점이 있다.

This study examined the effects of character, critical thinking disposition, and AI knowledge on artificial intelligence ethical awareness among university students. An online survey was conducted with 93 students from the Seoul metropolitan and Chungcheong regions. Data were analyzed using SPSS 30.0 through descriptive statistics, t-tests, ANOVA, correlation and multiple regression analyses. The results showed no statistically significant differences in AI ethical awareness by gender or prior AI ethics education. However, second-year students demonstrated the highest levels of character and AI knowledge. Differences by academic discipline were observed, with natural science and engineering students showing higher AI ethical awareness and critical thinking disposition, while arts and physical education students exhibited higher character and AI knowledge. Multiple regression analysis indicated that only critical thinking disposition significantly predicted AI ethical awareness (β = .708, p < .001), explaining 46.0% of the variance (adj R² = .460). These findings suggest that AI ethics education should be tailored to disciplinary characteristics and emphasize the development of critical thinking competencies. Finally, as this study was an exploratory effort to identify variables affecting AI ethics awareness at a time when AI ethics education models for university students are not yet fully established, it was conducted with a small sample from three universities. Consequently, there is a limitation in generalizing these results to the entire population of South Korean university students.