Earticle

현재까지 진행된 다양한 인공지능 교육 관련 연구 성과에서는 인공지능의 원리와 개념 교육에 관한 내용이 중심이었다. 따라서 본 연구에서는 인공지능을 타 학문과 탈 학문적 융합교육을 할 수 있도록 교육 프로그램을 개발하였다. 중심 교육 내용으로는 고등학교 화학에서 다루고 있는 분자 구조의 이해를 도울 수 있도록 머신러 닝을 활용하는 것으로 하였고, 총 8차시 분량으로 설계하였다. 본 연구에서 개발한 프로그램은 전문가 검토를 통 해 I-CVI(Item Content Validity Index) 값을 산출하였고, 그 결과 모든 문항이 .80 이상으로 기각되는 항목이 없었으나. 추가 세부 의견을 반영하여 수정 및 완성하였다. 본 연구의 프로그램은 화학 교과와 정보(인공지능) 교과의 내용적 요소를 탈 학문적으로 융합하였기 때문에 학습자로 하여금 융합인재소양이 높아질 수 있을 것으 로 기대한다. 또한, 이 교육 프로그램을 위한 별도의 시수 확보가 요구되지 않아 교사에게는 수업 부담을 낮출 수 있을 것이다.

In this study, an educational program was developed so that artificial intelligence could be used as a transdisciplinary convergence education with other disciplines. The main educational content is designed for 8 hours using machine learning to help students understand the molecular structure dealt with in high school chemistry. The program developed in this study calculated the I-CVI (Item Content Validity Index) value through expert review, and as a result, none of the items were rejected with a score of .80 or higher. Because the program of this study combines the content elements of the chemistry subject and the information (artificial intelligence) subject academically, it is expected that the learner will be able to increase the convergence talent literacy. In addition, since it is not required to secure a additional number of hours for this educational program, the burden on teachers may be low.

제4차 산업혁명 시대의 도래 후 국가 경쟁력의 가장 중요한 요소는 인공지능이라고 할 수 있다. 그러나, 인공 지능의 발달은 빅데이터를 기반한 머신러닝 없이는 불가능하기 때문에 미래형 인재는 머신러닝을 어릴 때부터 친숙하게 활용하고 이해하여 실생활에 창의적으로 적용할 수 있는 역량이 필수적으로 수반되어야 한다. 이에 본 논문에서는 K-NN 알고리즘 이해를 기반한 초등학생 대상 머신러닝 교육 프로그램을 개발하고 적용하여 그 효 과를 분석하였다. 그 결과 교육 프로그램을 적용한 학생들의 K-NN 알고리즘에 대한 이해를 바탕으로 머신러닝 원리와 적용에 대한 이해도가 향상되었음을 알 수 있었다. 이를 통하여 제안된 교육 프로그램의 효과가 검증되 었으며, 정보 기술에 대한 기초 지식 수준이 낮은 학생들에게도 머신러닝을 교육시킬 수 있는 방안에 대한 가능 성을 확장시켰다는 관점에서 본 논문의 의의를 찾을 수 있다.

After the advent of the 4th industrial revolution era, the essential element of national competitiveness can be said to be artificial intelligence. However, since artificial intelligence is impossible without machine learning based on big data, future talents must be accompanied by the ability to use and understand machine learning familiarly from childhood and apply creatively to real life. In this paper, we developed and applied a machine learning education program based on understanding the K-NN algorithm for elementary school students and analyzed the effect. As a result, we found that the students' understanding of machine learning principles and machine learning application were improved based on understanding the K-NN algorithm. Through these results, the effectiveness of the proposed education program was verified. The significance of this paper can be found from the viewpoint of expanding the possibility of a way to educate machine learning even for students with low basic knowledge of information technology.

다가오는 지능정보사회의 핵심이 될 인공지능(AI) 교육의 필요성이 대두되면서, 국가적 차원에서도 교육과정 에 인공지능 관련 내용을 포함하는 등 관심을 집중시키고 있다. 본 연구에서는 지도학습 중심의 머신러닝을 통 해 생활 속 문제를 해결하는 과정에서 학생들의 창의적 문제해결력을 신장시키기 위해 PASPA 교육 프로그램을 제시하였으며, 학습의 효과를 높이기 위해 피지컬 컴퓨팅 도구인 마이크로비트(Micro:bit)를 활용하였다. PASPA 교육 프로그램에 적용된 교수 학습 과정은 문제 인식(Problem Recoginition), 해결 방법 논의(Argument), 데이터 기준 세우기(Setting data standard), 프로그래밍(Programming), 적용 및 평가(Application and evaluation)의 5단 계로 이루어진다. 본 교육 프로그램을 학생들에게 적용한 결과 창의적 문제해결력의 향상을 확인할 수 있었으며, 세부 영역에서는 특정 영역의 지식·사고, 비판적·논리적 사고 영역에서 유의한 차이를 보임이 확인되었다.

As the need for artificial intelligence (AI) education, which will become the core of the upcoming intelligent information society rises, the national level is also focusing attention by including artificial intelligence-related content in the curriculum. In this study, the PASPA education program was presented to enhance students' creative problem-solving ability in the process of solving problems in daily life through supervised machine learning. And Micro:bit, a physical computing tool, was used to enhance the learning effect. The teaching and learning process applied to the PASPA education program consists of five steps: Problem Recoginition, Argument, Setting data standard, Programming, Application and evaluation. As a result of applying this educational program to students, it was confirmed that the creative problem-solving ability improved, and it was confirmed that there was a significant difference in knowledge and thinking in specific areas and critical and logical thinking in detailed areas.

본 연구는 초등학생의 컴퓨팅 사고력 향상을 위한 교육 방법으로 지역화 공공데이터를 활용한 인공지능 교육 프로그램을 개발하고 그 효과를 검증하였다. ADDIE 모형에 따라 초등학생을 대상으로 사전 요구 분석을 진행 한 결과를 바탕으로 프로그램 설계를 진행하였다. 지역화 공공데이터를 기반으로 머신러닝 포 키즈와 스크래치 를 활용하여 인공지능 원리를 학습하고 공공데이터를 목적에 맞게 추상화하는 과정을 통해 문제를 해결하고 컴 퓨팅 사고력을 향상할 수 있도록 교육 프로그램을 개발하고 적용하였다. 비버챌린지를 활용하여 사전·사후 검사 결과를 통해 컴퓨팅 사고력의 변화 정도를 분석하였으며, 분석 결과 본 연구는 초등학생의 컴퓨팅 사고력 향상 에 긍정적인 영향을 미친 것으로 나타났다.

This study developed an artificial intelligence education program using localized public data as an educational method for improving computing thinking skills of elementary school students. According to the ADDIE model, the program design was carried out based on the results of pre-requisite analysis for elementary school students, and textbooks and education programs were developed. Based on localized public data, the training program was constructed to learn the principles of artificial intelligence using machine learning for kids and scratches and to solve problems and improve computational thinking through abstracting public data for purpose. It is necessary to put this training program into the field through further research and verify the change in students' computational thinking as a result.

본 연구는 초등학생의 컴퓨팅 사고력을 향상시키기 위한 교육 방법으로 데이터 라벨링 중심의 머신러닝 교 육 프로그램을 개발하여 적용한 후 그 효과를 검증하였다. 교육 프로그램은 현직 초등학교 교사 100명을 대상으 로 실시한 사전 요구분석 결과를 바탕으로 설계 및 개발을 진행하였다. 개발한 교육 프로그램의 효과를 검증하 기 위하여 K 초등학교에 재학 중인 6학년 학생 17명을 대상으로 1일 2차시씩 총 6주간 12차시의 교육을 진행하 였다. 해당 교육이 컴퓨팅 사고력 향상에 미친 효과를 측정하기 위해 '비버챌린지(Bebras Challenge)'를 활용하 여 사전 사후 검사를 진행하여 교육적 효과를 분석하였다. 분석 결과 데이터 라벨링 중심의 머신러닝 교육이 초 등학생의 컴퓨팅 사고력 향상에 기여한 것으로 나타났다.

This study verified the effectiveness of machine learning education programs focused on data labeling as an educational method for improving computational thinking of elementary school students. The education program was designed and developed based on the results of a preliminary demand analysis conducted on 100 elementary school teachers. In order to verify the effectiveness of the developed education program, 17 sixth-grade students attending K Elementary School were given 2 classes per day for a total of 6 weeks. In order to measure the effect of the training on improving computational thinking, the educational effects were analyzed by conducting pre-post-inspection using the "Beaver Challenge". According to the analysis, machine learning education focused on data labeling contributed to improving computational thinking of elementary school students.

본 연구는 인공지능이라는 시대적 흐름에 따라 초등학교에서 쉽게 적용할 수 있는 인공지능 교육 프로그램을 개발하는 데 목적을 두고 있다. 교육 프로그램은 ADDIE 모형의 단계에 따라 초등교사 70명 대상의 요구 분석 결과를 바탕으로 목적과 방향을 설계하였다. 설문 결과 초등학생들이 인공지능을 처음 배울 때 생활 속에서 가 장 접하기 쉬운 소리 데이터를 주제로 설정하고, 일상생활에서 소리 데이터를 활용하여 문제를 해결하는 과정에 서 인공지능의 원리를 익히고, 그 과정에서 컴퓨팅 사고력도 키울 수 있도록 머신러닝 교육 프로그램을 개발하 였다. 인공지능 교육의 필요성이 대두되는 요즘 본 연구에서 개발한 소리 데이터를 기반으로 일상생활 문제를 해결하는 초등 머신러닝 교육 프로그램을 통해 초등 인공지능 교육의 기반을 갖출 수 있을 것이다.

This study aims to develop artificial intelligence education programs that can be easily applied in elementary schools according to the trend of the times called artificial intelligence. The training program designed the purpose and direction based on the analysis results of the needs of 70 elementary school teachers according to the steps of the ADDIE model. According to the survey, elementary school students developed a machine learning education program to set sound data as the theme of the most accessible in their daily lives and to learn the principles of artificial intelligence in solving problems using sound data in real life. These days, when the need for artificial intelligence education emerges, elementary machine learning education programs that solve daily life problems based on sound data developed in this study will lay the foundation for elementary artificial intelligence education.

본 연구는 초등학생의 컴퓨팅 사고력 신장을 위한 교육 방법으로 인공지능 교육 프로그램을 개발하여 적용한 후 그 효과를 검증하였다. 교육 프로그램은 ADDIE(Analysis-Design-Development-Implementation-Evaluation) 모형에 따라 사전에 초등학교 교사 100명을 대상으로 구글 설문을 이용하여 실시한 요구 분석 결과를 바탕으로 그 목표와 방향을 설계하였다. 머신러닝 포 키즈 중 블록 기반의 프로그래밍을 위해 스크래치를 사용하였고 숫 자 데이터를 활용하여 인공지능의 원리를 학습하고 직접 문제를 해결하는 프로그래밍 과정에서 컴퓨팅 사고력을 향상할 수 있도록 교재를 개발하고 적용하였다. 비버챌린지를 활용하여 사전·사후 검사 결과를 통해 컴퓨팅 사 고력의 변화 정도를 분석하였으며, 분석 결과 본 연구는 초등학생의 컴퓨팅 사고력 향상에 긍정적인 영향을 미 친 것으로 나타났다.

This study developed and applied an artificial intelligence education program as an educational method for increasing computational thinking of elementary school students and verified its effectiveness. The educational program was designed based on the results of a demand analysis conducted using Google survey of 100 elementary school teachers in advance according to the ADDIE(Analysis-Design-Development-Implementation-Evaluation) model. Among Machine Learning for Kids, we use scratch for block-based programming and develop and apply textbooks to improve computational thinking in the programming process of learning the principles of artificial intelligence and solving problems directly by utilizing numerical data. The degree of change in computational thinking was analyzed through pre- and post-test results using beaver challenge, and the analysis showed that this study had a positive impact on improving computational thinking of elementary school students.

인공지능은 우리의 일상 생활과 정치, 경제, 문화 등의 모든 분야에서 폭넓게 변화를 이끌고 있으며, 현재를 살 아가는 사람들뿐만 아니라, 미래를 살아갈 학생들에게 기본적인 소양으로서 인공지능 교육이 중요해지고 있다. 본 연구는 고등학생을 위한 인공지능 머신러닝 교육 프로그램을 개발하고, AI 리터러시에 미치는 영향을 검증하는데 목적이 있다. 이를 위해 프로그램을 설계하여 개발하고, 고등학교 1, 2학년 학생 33명을 대상으로 9차시 교육에 적 용하였다. 교육 프로그램은 인공지능의 이해, 인공지능 윤리, 머신러닝의 이해, 머신러닝 활용으로 구성 하였으며, 프로그램 적용 후, 대응 표본 t-test를 통해 결과를 분석하였고, 통계적으로 유의미한 차이가 있음을 알 수 있었다. 검사 도구로 측정한 결과, 인공지능 사회적 영향, 인공지능 문제 해결, 인공지능의 이해, 인공지능 윤리, 인공지능 실행 계획, 데이터 리터러시, 6가지의 모든 하위 요소에서 평균 점수가 향상된 것으로 나타났다. 즉, 인공지능 머신 러닝 교육 프로그램은 AI 리터러시 향상에 효과적임을 확인할 수 있었다.

Artificial Intelligence is leading broad changes in our daily lives and across various fileds such as politics, economy, and culture. It is becoming increasingly important not only for people living in the present but also for students who will shape the future to have basic knowledge of AI as part of their education. This study aims to develop an AI machine learning education program for high school students and verify its effect on AI literacy. To achieve this, a program was designed, developed, and implemented in a 9-hour course for 33 high school students in grades 1 and 2. The educational program was structured to cover understanding AI, AI ethics, understanding and utilizing machine learning. After the program was implemented, the results were analyzed through paired sample t-tests, revealing statistically significant differences. The results measured by the assessment tools indicated an improvement in average scores across all six sub-elements: social impact of AI, problem-solving with AI, understanding of AI, AI ethics, AI implementation planning, and data literacy. In conclusion, the AI machine learning education program was found to be effective in enhancing AI literacy.

본 연구는 고등학교 학생들의 데이터 리터러시를 함양할 수 있는 머신러닝 기반 AI 융합 수업 모형과 수업 설계 원리를 개발하고, 그에 따른 상세 지침을 개발하는 것을 목적으로 하였다. 이를 위해 선행 문헌 연구를 통해 머신러닝을 기반으로 한 수업 모형과 설계 원리 및 상세 지침을 개발하고, 서울 소재 상업계열 특성화고등학교 학생 15명에게 적용하여 실행하였다. 연구 결과 학생들의 데이터 리터러시가 통계적으로 유의미(p< .001)하게 향 상되었으므로 본 연구의 수업 모형이 학습자의 데이터 리터러시 향상에 긍정적인 영향을 주었음을 확인할 수 있었 고, 앞으로 관련 연구로 이어지길 기대한다.

The purpose of this study is to develop a machine learning-based AI convergence class model and class design principles that can foster data literacy in high school students, and to develop detailed guidelines accordingly. We developed a machine learning-based teaching model, design principles, and detailed guidelines through research on prior literature, and applied them to 15 students at a specialized high school in Seoul. As a result of the study, students' data literacy improved statistically significantly (p<.001), so we confirmed that the model of this study has a positive effect on improving learners' data literacy, and it is expected that it will lead to related research in the future.

과소적합(overfitting)과 과대적합(underfitting)은 인공지능이 머신러닝을 합리적으로 수행하지 못했을 때 발생하 는 현상이다. 초·중등 인공지능 교육에서 머신러닝의 개념과 유형은 보편적으로 다루어지는 주제이므로, 그 문제적 상황인 과소적합과 과대적합에 대한 교육은 학생이 머신러닝에 대한 확장적 탐구를 해나가도록 촉진한다는 의의 를 지닌다. 이에 본 연구에서는 초·중등 학생을 대상으로 머신러닝의 유형에 이어 과소적합 및 과대적합을 교육하 는 3차시의 교육 프로그램과 교수·학습 자료를 개발하였다. 이어서 개발한 교육 프로그램을 11명의 초·중등 학생 에 시범적으로 적용하였다. 그 결과 모든 학생이 개발된 초기 프로그램보다 빠르게 일련의 교수·학습 활동을 마쳤 다. 이에 따라 학습 주제에 대한 전형적인 도식과 인공지능 교육 플랫폼을 활용한 심화 학습을 추가하여 교육 프 로그램을 보완하였다. 향후 보완된 교육 프로그램을 다수의 초·중등학생에 적용하여 효과성을 검증할 것이다.

Overfitting and underfitting are phenomena that occur when artificial intelligence fails to reasonably perform machine learning. Since the concept and types of machine learning in artificial intelligence education are popular topics, the education program for underfitting and overfitting will serve as an opportunity for learners to explore machine learning. Therefore, in this study, an education program and related teaching-learning materials were developed to educate machine learning, underfitting, and overfitting for elementary and middle school students. Subsequently, the developed education program was applicated for learners. As a result of learner responses and output analysis, all learners completed the activities faster than expected. Accordingly, the education program was supplemented by adding a schematic for the learning topic and an artificial intelligence education platform. It is necessary to verify the effectiveness by applying the supplemented education program to a number of elementary and middle school students.

본 연구는 예비교사의 미래 교육을 위한 인공지능 융합교육 역량을 함양하고, 동시에 학생의 학습 과정에 대한 이해를 증진할 수 있는 교육 프로그램을 개발하고 효과를 분석하는 것을 목적으로 하였다. 이를 위해 물질의 상태 분류를 주제로 머신러닝포키즈와 스크래치3를 활용한 인공지능 융합교육 프로그램을 15주차 분량으로 개발하였다. 개발된 내용 은 자발적으로 참여한 K대학교 예비교사들에게 처치되었다. 그 결과, 예비교사들은 머신러닝의 학습을 이해하는 과정을 통해 학생의 학습 과정을 비유적으로 이해할 수 있었다. 또한, 인공지능 교수효능감의 사전-사후 t검정 결과는 t=-7.137(p< .000)으로 통계적으로 유의한 향상을 보였다. 따라서 본 연구에서 개발한 인공지능 융합교육 프로그램은 교생실습 외에 비간접적인 방식으로 예비교사의 학생에 대한 이해를 높일 수 있는데 도움이 되고, 인공지능 교육 역량 함양에 기여할 수 있음이 시사된다.

The purpose of this study is to develop and analyze the effects of an educational program that can cultivate artificial intelligence(AI) convergence education competency for future education and enhance students' understanding of pre-service teachers. For this end, an AI convergence education program using Machine Learning for Kids and Scratch 3 was developed for 15 weeks under the theme of classifying the state of matter. The developed program were treated by K University pre-service teachers who participated voluntarily. As a result, pre-service teachers were able to metaphorically understand the learning process of students through understanding of machine learning training process. In addition, the pre-post t-test result of AI teaching efficacy showed a statistically significant improvement with t=-7.137 (p<.000). Therefore, it is suggested that the AI convergence education program developed in this study can help to increase the understanding of the pre-service teacher's students in an indirect way other than practice teaching, and can contribute to foster AI education competency.

Artificial intelligence and machine learning are used in many parts of our daily lives, but the basic processes and concepts are barely exposed to most people. Understanding these basic concepts is becoming increasingly important as kids don't have the opportunity to explore AI processes and improve their understanding of basic machine learning concepts and their essential components. Machine learning educational tools can help children easily understand artificial intelligence and machine learning. In this paper, we examine machine learning education tools and compare their features.

인성교육 과정에서 생성 된 비정형 형태의 텍스트 데이터에는 많은 정보가 담겨있으며 특히 이를 축적한 빅데이터는 인간을 이해할 수 있는 자료로 활용될 수 있다. 본 연구에서는 인성평가에서 기존에 주로 사용해왔던 자기보고식 검사와 교사나 전문가가 상황을 관찰하는 관찰평가의 두 가지 축에서 나아가 인공지능을 이용한 정량적 평가방법을 제안하였다. 본 연구에서는 인성이 긍정적 덕목과 무관하 지 않음에 착안하여 학생들의 긍정정도를 정량적으로 나타내고자 시도하였다. 인성교육 과정에서 발생 되는 학습자의 성찰노트나, 에세이, 소감문등을 이용하므로 별도의 평가도구나 시 공간적인 자원이 필요 없다. 그리고 머신러닝을 활용한 자동화가 가능하므로 평가인원의 많고 적은 수에 구애받지 않으며 시간에 따른 변화를 쉽게 추출할 수 있다. 따라서 집단 간의 인성수치 비교가 가능하며 집단 내에서 수치 비교가 가능하므로 상담이나 심층조사가 필요한 개인이나 집단의 선별을 위한 자료로 활용이 가능하다. 이 연구를 활용하는 방안은 시간에 따른 개인의 변화를 수치화하여 특이점을 찾아 심층 면접을 위한 사전자료로 활용할 수 있을 것이다. 즉 시간에 따른 학습자의 긍정과 부정의 변화를 알 수 있으므로 특별히 부정 지수가 높게 나온 날짜의 자료만 자세히 검토할 수 있는 자료로 활용할 수 있다. 또 다른 활용 방안으로 집단 간의 인성수치 비교를 하고자 하는 경우나, 집단 내에서 개인의 수치 비교가 가능하여 상담이나 심층조사가 필요한 개인이나 집단의 선별을 위한 자료로 활용 가능하다. 연구 초기인 현재는 인성을 긍정과 부정적인 측면으로 볼 수 있다는 가정에서 출발하였으나 앞으로 컴퓨터가 인간을 더 깊이 이해하는 알고리즘이 개발 된다면 인성의 다양한 덕목을 구체적으로 평가할 수 있으리라 본다.

Atypical text data generated during the character education process contains a lot of information. Moreover, the big data accumulated therein can be used as material for better understanding human beings. In this study, we proposed a quantitative evaluation method using artificial intelligence, in addition to two axes of a self-reported test, which is used mainly in personality evaluations, and observational evaluations made by teachers or experts. This study attempted to quantitatively express the positiveness of students, with the thinking that personality is not related to positive virtues. Since the student uses the reflection notes, essays, and testimonials generated during the character education process, there is no need for separate evaluation tools or time and space resources. In addition, automation that makes use of machine learning enables easy extraction of changes over time, regardless of the number of employees. Therefore, it is possible to compare personality values between groups and to compare numbers within groups, which can be used as data for screening individuals or groups requiring consultation or in-depth investigation. This study can be used as a sort of dictionary for in-depth interviews by finding out singularities through the quantification of individual changes over time. In other words, it is possible to know the change of the learner's positive and negative attitude over time, which in turn can be used as data in order to examine in detail data pertaining to the date when the negative index is high. As an example of another method of use, it is possible to compare personality values between groups, or to compare individual figures within groups, and to use them as data for screening individuals or groups requiring consultation or in-depth investigation. At the beginning of the study, we started with the assumption that people can be viewed as possessing both positive and negative aspects. However, if an algorithm is developed that understands humans more deeply, we can evaluate various virtues of humanity in much greater detail.

본 논문에서는 머신러닝 플랫폼을 활용하여 STEAM 교육을 하는 인공지능 융합교육 프로그램이 초등학생의 융합인재소양과 학습몰입에 미치는 영향에 대해 분석하였다. 동질집단인 초등학교 6학년 44명을 실험집단과 통제집단으로 나누고 통제집단에는 일반 교과 융합 수업 10차시를, 실험집단에는 머신러닝 포 키즈(Machine learning for Kids)를 활용한 STEAM 기반 인공지능 융합 수업 10차시를 적용하였다. 인공지능 융합교육 프로그램은 2015 개정 교육과정의 목표, 성취기준 및 내용 요소를 분석하여 융합교육 프로그램 설계를 위한 교과목 및 수업 내용을 선정하였고, 소프트웨어 수업 모델, 다양한 교수·학습 전략 등을 활용한 교수·학습 과정안 및 학습지를 개발하였다. 융합인재소양 검사와 학습몰입 검사 결과, 실험집단과 통제집단 간에 유의미한 차이가 있는 것으로 나타났다. 특히 인공지능 기능을 확장시킨 코딩 환경이 학습자들의 몰입과 융합인재소양에 긍정적인 영향을 미친다는 것을 확인할 수 있었다. 융합인재소양의 하위 요소 중 융합, 창의 영역과 같은 개인적인 역량을 발휘하는 부분에서 유의미한 차이가 나타났으며, 학습몰입의 하위 요소 중 도전과 능력의 조화, 명확한 목표, 과제에 대한 집중, 자기 목적적 경험 영역에서 유의미한 차이가 나타났다. 추후 더욱 확장된 연구가 이루어진다면, 미래를 대비하는 더욱 효과적인 교육을 위한 기초 연구가 될 수 있을 것이다.

In this paper, the effect of artificial intelligence convergence education program that provides STEAM education using machine learning platform on elementary school students' STEAM literacy and learning flow was analyzed. A homogeneous group of 44 elementary school 6th graders was divided into an experimental group and a control group. The control group received 10 lessons of general subject convergence class, and the experimental group received 10 lessons of STEAM-based artificial intelligence convergence education using Machine learning for Kids. To develop the artificial intelligence convergence education program, the goals, achievement standards, and content elements of the 2015 revised curriculum to select subjects and class contents is analyzed. As a result of the STEAM literacy test and the learning flow test, there was a significant difference between the experimental group and the control group. In particular, it can be confirmed that the coding environment in which the artificial intelligence function is expanded has a positive effect on learners' learning flow and STEAM literacy. Among the sub-elements of convergence talent literacy, significant differences were found in the areas of personal competence such as convergence and creativity. Among the sub-elements of learning flow, significant differences were found in the areas such as harmony of challenge and ability, clear goals, focus on tasks, and self-purposed experiences. If further expanded research is conducted in the future, it will be a basic research for more effective education for the future.

This paper is based on Yanbian University's physical test data, and uses statistical analysis methods to study the relationship between college students' physical test scores to promote college physical education. Firstly, using gender as categorical variables, we conduct a general analysis of students in different majors and different grades, and obtain the advantages and disadvantages of male and female college students; then we use Decision Trees and Random Forest algorithms to conduct modeling analysis to provide valuable suggestions for relevant departments of the university. the aiming of this research analyzing about the undergraduates physical test is that giving universities the targeted suggestions to improve the college graduate rate and promote the overall development of higher education, lay the foundation for achieving universal health.

목적 본 연구에서는 문제해결능력 향상을 위한 PBL 기반 초등 인공지능 교수⋅학습 모델을 설계하고, 개발한 PBL 기반 초등 인공지능 교수⋅학습 모델을 바탕으로 교육 프로그램을 개발한다. 그리고 개발된 교육 프로그램을 적용하여 인공지능 교육 프로그램이초등학생의 문제해결능력 향상에 미치는 영향을 분석하여 타당성을 검증하는데 목적이 있다. 방법 이를 위하여 선행연구 고찰을 통한 문제중심학습(PBL) 기반 인공지능 교수⋅학습 모델을 설계하였고, 총 16차시의 문제중심학습(PBL) 기반 초등 머신러닝 교육 프로그램을 개발하였다. 개발한 프로그램에 대해 소프트웨어⋅인공지능 교육 전문가 검토를진행하였고, 개발한 교육 프로그램을 부산시 소재의 M초등학교 5학년 1개 학급 30명에게 적용하였다. 프로그램 적용 사전⋅사후검사지를 SPSS Statistics의 대응표본 t-검정을 통한 분석으로 문제중심학습 기반 머신러닝 교육 프로그램의 문제해결능력 향상효과성을 분석하였다. 결과 문제해결능력의 9가지 능력요소 문제인식, 정보수집, 분석, 확산적 사고, 의사결정, 기획력, 실행과 모험 감수, 평가, 피드백전 영역에서 평균값 상승이 이루어졌으며, 유의수준 기준에서도 유의한 차이를 발견할 수 있었다. 교육 프로그램 적용 후 학생들을대상으로 설문조사와 인터뷰를 분석한 결과, 인공지능에 대하여 필요성 및 흥미, 유용성을 느꼈으며, 인공지능 교육에 대해서도 창의력과 사고력 향상에 도움이 되며 인공지능과 관련된 진로선택에 긍정적인 영향을 미친다는 것을 알 수 있었다. 결론 문제중심학습(PBL) 기반 초등 머신러닝 교육 프로그램이 초등학교 5학년의 문제해결능력 향상과 인공지능과 인공지능 교육에 대한 긍정적 영향을 준다는 점을 확인할 수 있었고, 추후 다양한 학년과 학교의 형태, 교과와의 융합 등을 고려한 인공지능 교육프로그램 후속 연구의 참고 자료로 활용될 수 있을 것이라 기대한다.

Objectives In this study, a PBL-based elementary artificial intelligence teaching and learning model is designed to improve problem-solving ability, and an education program is developed based on the PBL-based elementary artificial intelligence teaching and learning model. In addition, the purpose of this study is to verify the validity by analyzing the effect of artificial intelligence education programs on improving elementary school students' problem-solving skills by applying the developed education program. Methods To this end, a problem-oriented learning (PBL)-based artificial intelligence teaching and learning model was designed through consideration of previous studies, and a total of 16 problem-oriented learning (PBL)-based elementary machine learning education programs were developed. Software and artificial intelligence education experts were reviewed for the developed program, and the developed education program was applied to 30 students in 1 class in 5th grade of M Elementary School in Busan. The effectiveness of problem-solving ability improvement of problem-based learning-based machine learning education programs was analyzed by analyzing the program-applied pre- and post-test papers through the corresponding sample t-test of SPSS Statistics. Results The average value increased in all areas of problem-solving ability recognition, information collection, analysis, diffusion thinking, decision-making, planning, execution and risk-taking, evaluation, and feedback, and significant differences were also found in the significance level standards. As a result of analyzing the survey and interviews of students after the application of the education program, it was found that AI education was necessary, interested, and useful, and helped improve creativity and thinking skills, and had a positive effect on career choices related to AI. Conclusions It was confirmed that the PBL-based elementary machine learning education program has a positive effect on problem-solving skills and artificial intelligence education for fifth graders, and it is expected to be used as a reference for follow-up studies of artificial intelligence education programs considering various grades, school forms, and convergence with subjects.

본 논문에서는 비전공자들을 위한 기초 머신러닝 모델 학습 및 활용교육 커리큘럼을 제안하고, Orange 머신러닝 모델 학습 및 분석 도구를 활용한 교육 방법을 제안하였다. Orange는 오픈 소스기반 머신러닝 및 데이터 시각화 도구로서, 복잡한 프로그래밍 없이 시각적인 위젯을 사용하여, 데이터를 학습시켜 머신러닝 모델을 만들 수 있다. Orange는 비전공자 학부생부터 전문가 그룹까지 다양하게 사용되는 플랫폼이다. 본 논문에서는 한 학기 분량의 기초 머신러닝 모델 학습 및 활용교육 커리큘럼과 주별 실습 내용을 제시하였다. 그리고, 머신러닝 모델 학습 및 활용에 대한 교육 내용 실체를 실증하기 위해, Orange 도구를 활용하여, 분류 데이터(Categorical Data) 표본과 수치 데이터(Numerical Data) 표본으로부터 머신러닝 모델을 학습시키고, 모델을 활용하여 모집단의 결과를 예측하는 활용 사례들을 제안하였다. 마지막으로 본 커리큘럼에 대한 교육 만족도를 비전공자 대상으로 조사 및 분석하였다.

In this paper, a basic machine learning model learning and utilization education curriculum for non-majors is proposed, and an education method using Orange machine learning model learning and analysis tools is proposed. Orange is an open-source machine learning and data visualization tool that can create machine learning models by learning data using visual widgets without complex programming. Orange is a platform that is widely used by non-major undergraduates to expert groups. In this paper, a basic machine learning model learning and utilization education curriculum and weekly practice contents for one semester are proposed. In addition, in order to demonstrate the reality of practice contents for machine learning model learning and utilization, we used the Orange tool to learn machine learning models from categorical data samples and numerical data samples, and utilized the models. Thus, use cases for predicting the outcome of the population were proposed. Finally, the educational satisfaction of this curriculum is surveyed and analyzed for non-majors.

이 연구는 교육학 등 인문사회과학에서 최신 연구방법으로 확산되고 있는 머신러닝 기법에 대해 주목하여, 연구방법으로서 데이터 과학 기법의 적용에 대한 기술적(technical), 연구윤리적 고려사항을 고찰하는 것을 목적으로 한다. 구체적으로 교육의 데이터화(datafication) 개념(Cukier & MayerSchonberger, 2013)을 바탕으로 COVID-19를 거치며 급격하게 진행된 교육의 디지털 전환에 따른 교육생태계 변화와 데이터화가 연구방법의 전환으로 이어져 온 일련의 변화에 대해 비판적 논의를제기하였다. 이를 위해 머신러닝에 관한 문헌 고찰과 기존 연구사례들을 바탕으로 머신러닝 알고리즘을 적용한 교육학 연구에서 간과되어 온 컴퓨터 연산기법의 작동 조건들과 인과적 추론의 논리적 오류 등 5가지의 주요 문제점을 도출하였다. 구체적으로 신뢰할 수 있고 의미 있는 지식을 도출하기 위해 요구되는 데이터 분석 절차와 검증 내용을 제시하였으며, 머신러닝의 활용과 해석에서 연구자의학문영역에 대한 지식(subjective knowledge)과 데이터 준비과정(data preprocessing)의 중요성에 관하여 상술하였다. 본 연구결과를 바탕으로 전통적 통계모형과의 상보(相補)로써 교육 데이터 과학(educational data science)의 잠재력에 대해 제언하였다.

The aim of the study is to discuss the technical and ethical considerations regarding the current applications of the emerging data science techniques in the field of education. Based on the literature review, this study provides an overview of machine learning approaches that have been used to answer to educational research agenda in South Korea. By comparing the logical features of these computational techniques to the conventional statistical methodologies, the authors highlight the unique challenges and opportunities associated with educational data science and discuss what that means to developing scientific knowledge in the field of education research. The authors argue the importance of the awareness of the differences in data conditions and causal inferences between computational approaches and conventional statistical modelings. Computational techniques using big data are not a magical tool to discover knowledge. This study explains why researchers’ domain knowledge and rigorous data preparation have bigger impacts on drawing reliable and meaningful information for educational intervention. This study encourages critical inquiry into the implications of data science for education. By revisiting the goals of public education, the authors call for the future research to host open discussion of the potential of educational data sciences.

산업혁명 이후 인간의 일은 기계의 발명이나, 기계의 일을 조직하는 것으로 확장되었다. 이렇게 인간의 일이 변하였기에 일에 필요한 숙련 수준은 높아질 수밖에 없다. 오늘날 디지털화로 기계가 센서와 IoT로 빅데이터를 구축하고 기계학습으로 패턴을 찾고 고장의 예후를 찾아내게 되면서 기계는기계를 보조하는 인간의 경험 숙련까지 대신할 수 있게 되었다. ICT 기술의 발전과 디지털 변환으로 기계나 프로그램을 발명하고, 기계나 프로그램의일을 조직하는 인간의 일은 더욱 많아지게 되며, 이제 인간은 디자이너나 엔지니어로서의 숙련을 갖추어야 한다. 이를 위해서 인간은 기술성에 대한 깊이 있는 이해를 할 필요가 있으며, 기술변화에 대응하여 기술교육이 적절히 이루어질 수 있도록 평생교육의 권리가 시민권으로 주어져야 한다.

After the Industrial Revolution, human work expanded to invent machines or to organize machines’ work. As human work has changed like this, the level of skills required for work is bound to increase. Today, with digitalization, machines build big data with sensors and IoT, find patterns through machine learning, andfind the prognosis of failure, and can even replace human experience skills that have supported machines. With the development of ICT technology and digital transformation, human tasks such as inventing machines or programs and organizing the work of machines and programs have increased. To this end, human beings need to have a deep understanding of technicity, and the right to lifelong education should be given as citizenship so that technical education can be properly conducted in response to technological changes.

최신 소프트웨어 시스템은 머신 러닝 기술로 구동되는 컴포넌트를 점점 더 통합하고 추천 엔진, 이상 탐지, 분류 작업 및 예측 모델링과 같은 다양한 기능을 강화하는데 활용하고 있다. 머신 러닝 요소를 통합하는 이러한 소프트웨어 시스템은 기존의 대응 제품과 비교할 때 고유한 속성을 가지고 있다. 그럼에도 불구하고 이러한 머신 러닝 기반 시스템은 효과적이고 신뢰할 수 있는 소프트웨어에 기대되는 품질과 표준을 유지하는 것이 가장 중요하다. 소프트웨어 엔지니어링 관점에서 볼 때 이러한 머신 러닝 기반 시스템을 만들고 관리하는 데에는 수많은 문제가 있고, 많은 문헌 검토 및 사례 분석을 통해 이러한 장애물을 해결할 수 있는 특정 솔루션이 제공되었다. 그럼에도 불구하고 학생들이 다양한 머신 러닝 개발 환경의 급변하는 진화에 적응하도록 돕는 소프트웨어 공학 교육에 대한 다양한 문헌과 사례 연구는 보고되지 않았다. 게다가 전통적인 소프트웨어 공학 교육은 종종 머신 러닝 개발의 고유한 측면을 간과했다. 결과적으로 이 두 영역 간의 시너지 효과와 차이점을 캡슐화하는 교육은 충분히 실현되지 않았다. 이 논문의 목적은 이러한 격차를 해소하는 것이며, 이를 달성하기 위해 이 연구는 소프트웨어 엔지니어링 커리큘럼의 일부로 머신 러닝 기반 시스템 개발과 관련된 원칙과 강의 경험을 제시한다.

Modern software systems are increasingly integrating components driven by machine learning technology, harnessing its power to enrich various functionalities such as recommendation engines, anomaly detection, classification tasks, and predictive modeling. These software systems, which incorporate machine learning elements, bear distinctive attributes compared to their conventional counterparts. Regardless, it is of utmost importance that these machine learning-based systems uphold the qualities and standards expected of effective and reliable software. From a software engineering viewpoint, there have been numerous challenges in creating and managing these machine learning-based systems. Many literature reviews, and case analyses have offered certain solutions to address these hurdles. Nonetheless, various literatures and case studies have not been reported for software engineering education that help students adapt to the fast-paced evolution of diverse machine learning development environments. Moreover, traditional software engineering education has often overlooked the unique facets of machine learning development. Consequently, education that encapsulates the synergies and differences between these two arenas is yet to be fully realized. The objective of this paper is to bridge this gap. To achieve this, the study brings forward principles and teaching experiences related to the development of machine learning-based systems as part of the software engineering curriculum.