DOI QR코드

DOI QR Code

Development of the Brain Compatibility Index Equation for Brain-based Analysis of Teaching-Learning Program in Science

과학 교수-학습 프로그램의 두뇌기반 분석을 위한 두뇌맞춤지수 산출식 개발

  • Received : 2010.06.16
  • Accepted : 2010.12.23
  • Published : 2010.12.31

Abstract

The purpose of this study was to develop the brain compatibility index equation for the brain-based analysis method of science teaching-learning program. To develop the index equation, one sample unit in middle school science programs was selected and analyzed by the brain-based analysis frame (CORE Brain Map). Then, the index equation was derived by the CORE Brain Map. In addition, four sample units in elementary science programs were selected to validate the brain compatibleness index equation. From the random network theory of Erdos and Renyi, this study derived the brain compatibility index equation; (BCI=$\frac{L_o}{11(N_o-1)}{\cdot}{\sum}\limits_{i=1}^4l_iw_i$) for quantitative analysis of science teaching-learning program. With this equation, this study could find the quantitative difference among the teaching-learning programs through the unit and curriculum. Brain-based analysis methods for the qualitative and quantitative analysis of science teaching-learning program, which was developed in this study is expected, to be a useful application to analyze and diagnose various science teaching-learning programs.

이 연구의 목적은 과학 교수-학습프로그램의 두뇌 기반 분석을 위한 정성적 정량적 분석방법을 제시하는 것이다. 연구목적 달성을 위해, 첫 번째로 두뇌기반 분석을 위한 분석방법의 고안에는 중학교 과학 교수-학습프로그램 중 한 단원을 연구대상으로 선정하여 분석하였다. 제시된 분석방법의 유용성 검증에는 7차 및 2007 개정 교육과정의 초등학교 과학 교수-학습프로그램 중 네 단원을 연구대상으로 선정하여 검증하였다. 그 결과, 교수-학습 프로그램을 CORE Brain Map을 통해 정성적으로 컨설팅 할 수 있었다. 또한 네트워크 이론으로부터 정량적 분석을 위한 두뇌맞춤지수 산출식(BCI=$\frac{L_o}{11(N_o-1)}{\cdot}{\sum}\limits_{i=1}^4l_iw_i$)을 유도하였다. 이를 통해 단원 및 교육과정에 따른 연구대상 교수-학습프로그램들 간의 정량적 차이를 확인할 수 있었다. 이 연구를 통해 개발된 두뇌기반 과학 교수-학습 프로그램의 정성적 정량적 분석방법은 두뇌기반 다양한 과학 교수-학습 프로그램의 분석 및 진단에 활용 가능할 것으로 전망된다.

Keywords

References

  1. 임채성(2005). 뇌 기능에 기초한 과학 교수학습: 뇌기능과 학교 과학의 정의적.심체적.인지적 영역의 연계적 통합 모형. 초등과학교육, 24(1), 86-101.
  2. 임채성(2009). 뇌기반 진화적 과학 교수학습 모형의 개발. 한국과학교육학회지, 29(8), 990-1010.
  3. 강호감(1991). 두뇌의 기능분화에 따른 교수전략이 창의력 및 자연과 학업성취도에 미치는 영향. 서울대학교 박사학위논문.
  4. 권용주(1998). 청소년들에게서 전두연합령은 어떻게 과학적 추론 및 과학개념 변화의 수행을 매개하는가? 한국과학교육학회지, 18(3), 437-441.
  5. 권용주, 박지영, 신동훈(2006a). 가설생성 학습후에 나타난 초등 예비교사의 뇌파 변화. 초등과학교육, 25(2), 159-166.
  6. 권용주, 박지영, 신동훈, 정진수, 박국태(2006b). 가설생성 학습 후에 나타난 초등학생의 두뇌 활성 변화. 한국생물교육학회지, 34(1), 72-80.
  7. 권용주, 이준기(2010). 분류 지식의 생성과 이해 형태 학습을 통한 학생들의 두뇌활성 변화. 한국과학교육학회지, 30(4), 487-497.
  8. 권용주, 정진수, 박윤복, 강민정(2003). 선언적 과학 지식의 생성 과정에 대한 과학 철학적 연구: 귀납적, 귀추적, 연역적 과정을 중심으로. 한국과학교육학회지, 23(3), 215-228.
  9. 권용주, 정진수, 이준기, 이일선 (2009). 과학적 탐구사고력 향상을 위한 과학지식의 생성과 평가. 서울: 메이드.
  10. 김용진(2003). 과학 문제 풀이의 사고과정에서 뇌파 분석에 의한 두뇌 기능 연구. 한국생물교육학회지, 31(4), 313-319.
  11. 김용진, 장남기(2001a). 시청각 학습의 반복 수행에 따른 전두부의 뇌파 활성도 변화. 한국과학교육학회지, 21(3), 516-528.
  12. 김용진, 장남기(2001b). 중학교 과학 수업에서 두뇌순환학습 프로그램의 적용 효과. 한국생물교육학회지, 29(2), 186-194.
  13. 김유미(2002). 두뇌기반 교수-학습의 원리와 적용방안 탐색. 교육학연구, 40(3), 247-270.
  14. 김재영과 최선희(2003). 두뇌기반 학습원리에 기초한 초등 과학수업의 효과 - 4학년 생명영역을 중심으로 -. 한국생물교육학회지, 31(2), 119-131.
  15. 이안나, 권용주, 정진수, 양일호(2007). 동물 행동 학자의 연구 활동에서 나타나는 연구 단계, 사고 과정, 행동 양식 및 생성 지식에 관한 연구. 한국생물교육학회지, 35(3), 361-373.
  16. 이준기, 이일선, 권용주(2010). 과학탐구 교수-학습프로그램의 평가를 위한 두뇌기반 분석틀 개발. 한국과학교육학회지, 30(5), 647-667.
  17. 임채성, 김정용(2003). 과학학습양식에 따른 4MAT System 활용 초등 과학 수업의 효과. 한국생물교육학회지, 31(4), 320-331.
  18. 최선영, 장남기(2003). 초등학생의 창의력, 학업 성취도 및 과학관련 태도를 신장시킬 수 있는 전뇌순환학습 프로그램 개발과 적용 효과. 한국생물교육학 회지, 31(4), 282-291.
  19. 허경철(1999). 지식생성교육을 위한 지식의 구조 분석. 한국교육, 26(1), 101-127.
  20. 허명(1999). 중등학생의 과학탐구능력 신장을 위한 학습지도 및 평가방법의 개선방향. 한국과학교육학회지, 10(2), 1-9.
  21. Barabasi, A. L. (2002). Linked: The new science of networks. Perseus Publishing, Cambridge, MA. [강병남, 김기훈 공역 (2002). 링 크. 동아시아 출판사.
  22. Bressler, S. L., & Tognoli, E. (2006). Operational principles of neurocognitive networks. International Journal of Psychophysiology, 60, 139-148. https://doi.org/10.1016/j.ijpsycho.2005.12.008
  23. Chen, C., Xue, G., Dong, Q., Jin, Z., Li, T., Xue, F., Zho, L., & Guo, Y. (2007). Sex determines the neurofunctional predictors of visual word learning. Neuropsychologia, 45, 741-747. https://doi.org/10.1016/j.neuropsychologia.2006.08.018
  24. Choi, Y. Y., Shamosh, N. A. , Cho, S. H., DeYoung, C. G., Lee, M. J., Lee, J., Kim, SI., Cho, Z., Kim, K., Gray, JR., & Lee, K. H. (2008). Multiple bases of human intelligence revealed by cortical thickness and neural activation. The Journal of Neuroscience, 28(41), 10323-10329. https://doi.org/10.1523/JNEUROSCI.3259-08.2008
  25. Doidge, N. (2007). The brain that changes itself. NY: Penguin Books.
  26. Eckert, M. A., Lombardino, L. J., Walczak, A. R., Bonihla, L., Leonard, C. M., & Binder, J. R. (2008). Manual and automated measures of superior temporal gyrus asymmetry: Concordant structural predictors of verbal ability in children. NeuroImage, 41, 813-822. https://doi.org/10.1016/j.neuroimage.2008.03.002
  27. Erdos P., & Renyi, A. (1960). On the evolution of random graphs. Publications of the Mathematical Institute of Hungarian Academy of Sciences, 5, 17-61.
  28. Erickson, K. I., Colcombe, S. J., Wadhwa, R., Bherer, L., Peterson, M. S., Scalf, P. E., Kim, J. S., Alvarado, M., & Kramer, A. F. (2007a). Training-induced functional activation changes in dual-task processing: An fMRI Study. Cerebral Cortex, 17(1), 192-204.
  29. Erickson, K. I., Colcombe, S. J., Wadhwa, R., Bherer, L., Peterson, M. S., Scalf, P. E., Kim, J. S., Alvarado, M., & Kramer, A. F. (2007b). Training-induced plasticity in older adults: Effects of training on hemispheric asymmetry. Neurobiology of Aging, 28, 272-283. https://doi.org/10.1016/j.neurobiolaging.2005.12.012
  30. Gogtay, N., & Thompson, P. M. (2010). Mapping gray matter development: Implications for typical development and vulnerability to psychopathology. Brain and Cognition, 72, 6-15. https://doi.org/10.1016/j.bandc.2009.08.009
  31. Greake, J. G., & Hansen, P. C. (2005). Neural correlates of intelligence as revealed by fMRI of fluid analogies. NeuroImage, 26, 555-564. https://doi.org/10.1016/j.neuroimage.2005.01.035
  32. Jensen, E. (2000). Brain-based learning 2nd Ed. Turning Point Publishing.
  33. Jin, S., Kwon, Y., Jeong, J., Kwon, S., & Shin, D. (2006b). Increased information transmission during scientific hypothesis generation: Mutual information analysis of multichannel EEG. International Journal of Psychophysiology, 62(2), 337-344. https://doi.org/10.1016/j.ijpsycho.2006.06.003
  34. Kassubek, J., Schmidtke, K., Kimmig, H., Lucking, C. H., & Greenlee, M. W. (2001). Changes in cortical activation during mirror reading before and after training: an fMRI study of procedural learning. Cognitive Brain Research, 10(3),207-17. https://doi.org/10.1016/S0926-6410(00)00037-9
  35. Kwon, Y. J., Lee, J. K., Shin, D. H. & Jeong, J. S. (2009). Changes in brain activation induced by the training of hypothesis generation skills: An fMRI study. Brain and Cognition, 69, 391-397. https://doi.org/10.1016/j.bandc.2008.08.032
  36. Lee, J. K. (2009). Dissociation of the brain activation network associated with hypothesis-generating and hypothesisunderstanding in biology learning: Evidence from an fMRI study. Unpublished Doctoral Dissertation. Cheongwon, Chungbuk: Korea National University of Education.
  37. Lee, K. H., Choi, Y. Y., Gray, J. R., Cho, S. H., Chae, J. H., Lee, S., & Kim, K. (2006). Neural correlates of superior intelligence: Stronger recruitment of posterior parietal cortex. NeuroImage, 29, 578-586. https://doi.org/10.1016/j.neuroimage.2005.07.036
  38. Luna, B., Padmanabhan, A., & O'Hearn, K. (2010). What has fMRI told us about the Development of Cognitive Control through Adolescence? Brain and Cognition, 72, 101-113. https://doi.org/10.1016/j.bandc.2009.08.005
  39. McIntosh, A. R., & Gonzalez-Lima, F. (1994). Structural equation modeling and its application to network analysis in functional brain imaging. Human Brain Mapping, 2, 2-22. https://doi.org/10.1002/hbm.460020104
  40. Milo, R., Shen-Orr, S., Itzkovitz, S., Kashtan, N., Chklovskii, D., & Alon. U. (2002). Network motifs: Simple building blocks of complex networks. Science, 5594(298), 824 827.
  41. Olesen, P. J., Westerberg, H., & Klingberg, T. (2004). Increased prefrontal and parietal activity after training of working memory. Nature Neuroscience, 7(1),75-79. https://doi.org/10.1038/nn1165
  42. Posner, M. I., & Rothbart, M. K. (2005). Influencing brain networks: implications for education. Trends in Cognitive Science, 9(3), 99-103. https://doi.org/10.1016/j.tics.2005.01.007
  43. Reis, D. L, Brackett, M. A., Shamosh, N. A., Kiehl, K. A., Salovey, P., & Gray, J. R. (2007). Emotional intelligence predicts individual differences in social exchange reasoning. NeuroImage, 35, 1385-1391. https://doi.org/10.1016/j.neuroimage.2006.12.045
  44. Schmithorst, V. J., & Holland, S. K. (2006). Functionl MRI evidence for disparate developmental processes underlying intelligence in boys and girls. NeuroImage, 31, 1366-1379. https://doi.org/10.1016/j.neuroimage.2006.01.010
  45. Sousa, D. A. (2001). How the brain learns. Thousand Oaks, CA: Corwin Press.
  46. Sporns, O., & Kotter, R. (2004). Motifs in Brain Networks. PLoS Biology, 2(11), 1910-1918.
  47. Suzcs, D., & Goswami, U. (2007). Educational Neuroscience: Defining a new discipline for the study of mental representations. Mind, Brain and Education, 1(3), 114-127. https://doi.org/10.1111/j.1751-228X.2007.00012.x
  48. Tononi, G. (2004). An information integration theory of consciousness. BMC Neuroscience, 5, 42. https://doi.org/10.1186/1471-2202-5-42
  49. Wagner, B. M., & Thagard, P. (2004). Spiking phineas gage: A neurocomputational theory of cognitive-affective integration in decision making. Psychological Review, 111(1), 67-79. https://doi.org/10.1037/0033-295X.111.1.67

Cited by

  1. Development and Application of Equations of the Contribution Degree on the Brain Compatibleness Index - Focused on ‘Structures and Functions of Cells' Unit in the 7th Grade Science Textbooks- vol.38, pp.4, 2010, https://doi.org/10.15717/bioedu.2010.38.4.531