References
- 교육부 (2015a). 수학과 교육과정. 교육부 고시 제 2015-74호 [별책8번].
- 교육부 (2015b). 정보과 교육과정. 교육부 고시 제2015-74호.
- 교육부 (2020a). 인공지능 시대 교육정책방향과 핵심과제, (2020.11).
- 교육부 (2020b). 제3차 수학교육종합계획(2020-2024). 교육부 과학.수학.정보.융합 교육 종합계획.
- 김수환, 김성훈, 이민정, 김현철 (2020). K-12 학생 및 교사를 위한 인공지능교육에 대한 고찰. 컴퓨터교육학회 논문지, 23(4), 1-11.
- 김준석 외 5명 (2017). 25시간만에 배우는 머신러닝 예제. 이모션미디어.
- 박경은, 이상구 (2015). "컴퓨팅 사고력(Computational thinking)" 향상과 Sage 도구를 이용한 수학교육. 수학교육논문집, 29(1), 19-33.
- 박만구 (2020). 수학교육에서 인공지능 활용 가능성. 한국수학교육학회지 시리즈 E, 34(4), 545-561.
- 사이토 고키 (2017). 밑바닥부터 시작하는 딥러닝. 한빛미디어.
- 신동조, 고상숙 (2019). 수학교육에서 계산적 사고(Computational Thinking)의 의미 및 연구 동향 탐색. 한국수학교육학회지 시리즈 A, 58(4), 483-505.
- 안성진 (2015). Computational Thinking에 대한 이해, 정보문화포럼 2015년연구보고서.
- 이승우 (2020). 프랑스 중학교 수학 교육과정 분석: '알고리즘과 프로그래밍' 영역을 중심으로. 학교수학, 22(1), 125-159.
- 이은경 (2020). 국내외 초.중등학교 인공지능 교육과정 분석. 컴퓨터교육학회논문지, 23(1), 37-44. https://doi.org/10.32431/KACE.2020.23.1.003
- 이재호, 장준형 (2020). 일반학생과 영재학생의 소프트웨어교육을 통한 컴퓨팅 사고력 신장 효과 비교 분석. 영재교육연구, 30(1), 55-64.
- 이지혜, 허난 (2018). 수학교육의 변화와 인공지능과의 연관성 탐색. 한국수학교육학회지 시리즈 E, 32(1), 23-36.
- 정인우, 조한혁 (2020). 3차원 좌표계 기반 코딩환경을 활용한 수학적 창의성 발현 방안: 코딩과제 설계 및 코드표현의 분석을 중심으로. 학교수학, 22(1), 161-181.
- 최인용, 김화경, 이화영, 임해미 (2021). 프랑스 고등학교 수학 교과서의 '알고리즘과 프로그래밍' 영역 분석. 대한수학교육학회지 <학교수학>, 23(4), 617-646.
- 한국과학창의재단 (2014). 초중등 단계 ComputationalThinking 도입을 위한 기초연구, (2014.04).
- 홍진곤 외 5인 (2020). 고등학교 인공지능 수학. 천재교과서.
- G. E. Hinton (2000). Computaton by Neural Networks. Nature Neuroscience, 3(2000), 1170-1176.
- G. Gadanidis, R. Cendros, L. Floyd, & I. Namukasa (2017). Computational thinking in mathematics teacher education. Contemporary Issues in Technology and Teacher Education, 17(4), 458-477.
- J. A. Freeman, & D. M. Skapura (1992). Neural Networks. Addison Wesley.
- J. M. Wing (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215
- J. M. Wing (2017). Computational thinking's influence on research and education for all. Italian Journal of Educational Technology, 25(2), 7-14.
- P. D. Wasserman (1989). Neural Computing: Theory and Practice. Van Nostrand Reinhold(New York).
- S. Ioffe, & C. Szegedy(2015). Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate shift. arXiv:1502.03167v3 [cs.LG].
- Y. LeCun, Y. Bengio, & G. Hinton (2015). Deep Learning. Nature, 521, 436-444. https://doi.org/10.1038/nature14539
- 김두천 (2022). '인공지능교육진흥법'제정안 발의: https://www.idomin.com/news/articleView.html?idxno=802904
- 김태년 (2022). 정확한 AI 개념 가르칠 교재.프로그램 필요하다: https://www.hangyo.com/mobile/article.html?no=95571