Earticle

본 연구는 머신러닝의 수치 데이터 분류 과업에서 텍스트 분류 과업으로 단계적으로 확장되는 Orange3 기반 수업 설계의 교육적 유용성을 인문학 전공 학부생 맥락에서 탐색하였다. 본 수업은 Bruner의 EIS 이론을 바탕으로 붓꽃 분류, 펭귄 분류, 스팸 메일 분류 학습 후 파이썬 코드로 재현, 실생활 및 전공과의 연계 고찰이라는 단계로 구성되었다. 연구 참여자는 영어영문학과 학생 18명이었으며, 사후회고적 사전-사후 설문과 개방형 응답을 수집하여 양적·질적으로 분석하였다. 분석 결과, 이러한 교수 설계는 학습자의 머신러닝 개념 이해를 돕고, 노코드와 코드 기반 학습 사이의 연결을 지원하며, 데이터 리터러시를 실생활 및 진로와 관련된 것으로 인식하게 하는 데 기여한 것으로 나타났다. 이러한 결과는 이와 같은 교수 설계가 인문학 학부생을 위한 데이터 리터러시 입문 교육의 실천적 모형이 될 수 있음을 시사한다.

This study explores the pedagogical usefulness of a staged Orange3-based instructional sequence for humanities undergraduates, in which learners move from familiar numeric classification tasks to text classification. Based on Bruner’s EIS theory, the course was organized into five stages: Iris classification, penguin classification, spam text classification, Google Colab code reproduction, and real-life connection. Eighteen students majoring in English Language and Literature participated in the study, and data were collected through a retrospective pretest (then) and posttest (post) survey and open-ended responses. The analysis showed that this approach supported learners’ conceptual understanding of machine learning, helped them connect no-code and code-based learning, and contributed to their recognition of data literacy as relevant to real life and future career paths. These findings suggest that this course design can serve as a practical model for introductory data literacy education for non-computer science majors.