한국초등과학교육학회지:초등과학교육 (Journal of Korean Elementary Science Education)

  • 제43권2호
  • /
  • Pages.322-336
  • /
  • 2024
  • /
  • 1598-3099(pISSN)
  • /
  • 2733-8436(eISSN)
한국초등과학교육학회 (The Korean Elementary Science Education Society)
권호 표지
DOI QR코드

DOI QR Code

ChatGPT 활용한 초등 과학 수업에서 질문 단계의 변화 및 수업에 대한 인식 분석

Analysis of Changes in Question Levels and Class Perception in Elementary Science Classes Using ChatGPT

  • 투고 : 2024.02.20
  • 심사 : 2024.04.17
  • 발행 : 2024.04.30
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

본 연구에서는 초등학생들을 위한 ChatGPT 활용 과학 수업에 대한 교육적 효과를 탐색하고자 하였다. D광역시 소재의 초등학교 6학년 학생 25명을 대상으로 초등 과학 수업이 초등학생의 인지적 영역 발달에 미치는 영향, 초등학생은 과학 수업에서 ChatGPT를 활용하는 것에 대해 어떻게 인식하는지 알아보았다. 연구 결과 ChatGPT 활용 과학 수업이 초등학생들의 인지적 영역 발달에 도움을 줄 수 있는 가능성을 찾을 수 있었고, 초등학생은 ChatGPT를 활용한 수업의 효과에 긍정적인 응답을 하였다. 또한 ChatGPT를 활용한 과학 수업에 대해 긍정적으로 인식하는 학생들과 부정적으로 인식하는 학생들, 그리고 긍정적인 면과 부정적인 면을 모두 인식하는 학생들로 구분하였다. 부정적으로 인식하는 학생들은 주로 ChatGPT를 활용한 과학 수업에서 'Remember' 단계에 머무는 학생들이 많았으며, 긍정적인 면과 부정적인 면을 모두 인식하는 학생들일수록 보다 높은 단계의 질문을 ChatGPT에게 제시하는 것으로 나타났다.

This study explored the educational effects of using ChatGPT in science lessons for elementary school students. The participants included 25 sixth-grade students studying at an elementary school in Metropolitan City D. This study examined the impacts of elementary science lessons on the cognitive development of elementary school students and their perceptions of using ChatGPT in their science classes. We found that science lessons that used ChatGPT aided the cognitive development of the participating elementary students. These students responded positively to the classes using ChatGPT. The results were then divided into those who perceived ChatGPT positively, those who perceived it negatively, and those who recognized both positive and negative aspects. Students who perceived it negatively mainly remained at the memorization level, and those who recognized both positive and negative aspects posed higher-level questions to ChatGPT.

키워드

과제정보

이 논문은 2022년 대한민국 교육부와 한국연구재단의 지원을 받아 수행된 연구임(NRF-2022S1A5C2A04092614/NRF-2022R1A2C2005683).

참고문헌

  1. 교육부(2020a). 수학교육 종합계획(안) [2020~2024년].
  2. 교육부(2020b). 정보교육 종합계획(안) [2020~2024년].
  3. 교육부(2022). 교육부 고시 제2022-33호 [별책 9] 과학과 교육과정.
  4. 김낙훈(2023). ChatGPT가 한국인 고등학생 영어 학습자의 대학수학능력시험 영어 읽기 과업의 인지 처리 과정에 미치는 영향에 관한 시론적 탐색. 중등영어교육, 16(2), 179-205.
  5. 김태하, 윤혜경(2023). 연구학교 참여 초등교사의 인공지능 활용 과학 수업에 관한 인식 변화. 초등과학교육, 42(3), 467-479.
  6. 김혜란, 최선영(2021). 초등과학 실시간 쌍방향수업을 위한 인공지능 융합교육프로그램의 개발과 적용 - '식물의 생활' 단원을 중심으로-. 초등과학교육, 40(4), 433-442.
  7. 박수원(2016). 뇌가소성에 대한 이해와 교육적 시사점. 교원교육, 32(1), 25-60.
  8. 신원섭, 신동훈(2020). 초등과학교육에서 인공지능의 적용 방안 연구. 초등과학교육, 39(1), 117-132.
  9. 이서교, 신영준(2022). AI 분류모델 과학 교육프로그램이 초등학생의 과학 흥미에 미치는 영향. 인공지능연구논문지, 3(3), 35-45.
  10. 이진남(2021). 비판적 정보 문해력 교육의 필요성. 사고와 표현, 14(2), 7-29.
  11. 조헌국(2023). 텍스트 기반 생성형 인공지능의 이해와 과학교육에서의 활용에 대한 논의. 한국과학교육학회지, 43(3), 307-319. https://doi.org/10.14697/JKASE.2023.43.3.307
  12. 홍수민, 한형종(2023). ChatGPT의 교육적 활용에 대한 초등교사 인식 및 교육 요구도 분석. 한국컴퓨터교육학회 논문지, 26(4), 51-63.
  13. Anderson, L., Krathwohl, D., Airasian, P., Cruikshank, K., Mayer, R., Pintrich, P., Raths, J., & Wittrock M. (2001). Taxonomy for Learning, Teaching, and Assessing, A: A Revision of Bloom's Taxonomy of Educational Objectives (1st Ed.). New York, NY: Pearson Longman Publishing.
  14. Benjamin, S. B. (1956). Taxonomy of Educational Objectives, Handbook 1: Cognitive Domain. Ann Arbor, MI: Edwards Brothers, Inc..
  15. Chin, C., & Brown, D. E. (2002). Student-generated questions: A meaning aspect of learning in science. International Journal of Science Education, 24(5), 521-549.
  16. Correll, M., & Heer, J. (2017). Regression by eye: Estimating trends in bivariate visualizations. In Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems, 1387-1396.
  17. Kim, J., & Lee, S. S. (2023). Are two heads better than one?: The effect of student-AI Collaboration on students' learning task performance. TechTrends, 67(2), 365-375.
  18. Mathison, S. (1988). Why triangulate?. Educational Researcher, 17(2), 13-17. https://doi.org/10.2307/1174583
  19. Sejnowski, T. J. (2023). Large language models and the reverse turing test. Neural Computation, 35(3), 309-342. https://doi.org/10.1162/neco_a_01563
  20. Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776-778.
  21. Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction. Cambridge, MA: The MIT Press.
  22. Ilkka, T. (2018). The impact of artificial intelligence on learning, teaching, and education. JRC Science for Policy Report, European Union .
  23. Zheng, Y. (2023). ChatGPT for teaching and learning: An experience from data science education. In Proceedings of the 24th Annual Conference on Information Technology Education, 66-72.