Analysis of the Effectiveness of Online Liberal Arts Software Education on Computational Thinking: Focusing on Learners' Self-Assessment

온라인 교양 소프트웨어 교육의 컴퓨팅 사고력 효과성 분석: 학습자 자기평가를 중심으로

Abstract

This study aims to analyze the effectiveness of online liberal arts software education in enhancing learners' computational thinking(CT) competencies and increasing their interest in the software field through self-assessment. To this end, a survey was conducted among students enrolled in the course "Software and Computational Thinking" at B University, and statistical verification was performed on changes in seven sub-skills and levels of interest. The analysis revealed statistically significant improvements in learners' perceived competence across all seven sub-skills(p < .001), along with a notable increase in interest related to software. Cross-tabulation results showed that 'Problem Decomposition' and 'Creative Idea Generation' were particularly effective for beginner and intermediate students, while 'Programming Skills' and 'Data Analysis' exhibited performance differences depending on prior knowledge. Notably, perceived skill improvement(growth experience) was strongly correlated with positive evaluations of the course's impact(r = .713). 'Problem Decomposition' best predicted Daily Problem-Solving, while 'Data Analysis' most influenced Career Path. The results of this study provide a solid empirical foundation for improving university-level software education in the liberal arts.

본 연구는 학습자 자기평가를 통해 온라인 교양 소프트웨어 교육이 컴퓨팅 사고력과 소프트웨어 분야 흥미도에 미치는 영향을 분석하는 것을 목적으로 한다. 이를 위해 B대학교 「소프트웨어와 컴퓨터적 사고」 교과목 수강생을 대상으로 설문을 실시하고, 7개 하위 역량 및 흥미도 변화에 대한 통계적 검증을 수행하였다. 분석 결과, 7개 모든 하위 역량에서 학습자의 인식된 능력 수준이 통계적으로 유의미하게 향상되었으며(p < .001), 소프트웨어 관련 흥미도 역시 유의미하게 증가했다. 교차분석 결과에서는 '문제 분해'와 '창의적 아이디어 도출'은 초·중급 학생에게 효과적이었고, '프로그래밍 기술'과 '데이터 분석'은 사전 지식에 따라 성과 차이가 컸다. 특히, 인식된 역량 향상(성장 경험)은 교과목의 긍정적 효과 평가와 강한 상관관계를 보였으며(r = .713), 7개 하위 역량 중 '문제 분해'는 일상 문제 해결(R² = .505), '데이터 분석'은 진로 설정(R² = .404)에 각각 가장 큰 영향을 미치는 핵심 동인으로 분석되었다. 본 연구는 대학 교양 소프트웨어 교육 과정의 설계 및 개선에 실증적 근거로 활용될 수 있다는 점에서 의의를 가진다.

1. 서론

인공지능, 디지털 전환(DX), 사물인터넷, 빅데이터 등으로 대표되는 4차 산업혁명 시대에 '컴퓨팅 사고력'은 전공과 관계없이 모든 현대인이 갖춰야 할 핵심 역량으로 자리 잡았다[1]. 대학의 교양 교육은 특정 전공 지식에 국한되지 않는 보편적이고 통합적인 지식을 제공하고, 비판적 사고력과 문제 해결 능력 등 심화 사고 능력을 함양하는 데 그 목적이 있다. 이러한 맥락에서, 대학 교양 소프트웨어 교육은 모든 전공의 학생들이 디지털 시대의 언어를 이해하고, IT 기술을 융합하여 새로운 가치를 창출할 수 있는 컴퓨팅 사고력과 같은 기본 소양을 길러준다는 점에서 그 중요성은 매우 크다[2][3].

대학 교육 현장에서는 컴퓨팅 사고력과 관련한 다양한 연구가 진행되어 왔다. 초기에는 주로 컴퓨팅 사고력의 개념 정립과 대학 교육에서 소프트웨어 교육의 필요성에 집중되었다[1][2]. 이후 대학의 비전공자 대상 소프트웨어 교육 사례가 축적되면서, 교육 내용이 코딩 기술 보다는 컴퓨팅 사고력 기반의 문제 해결력에 초점을 맞춰야 한다는 논의로 이어졌다[3]. 최근 컴퓨팅 사고력 교육의 효과에 대한 연구에서, 학습자의 학업 성취도와 창의적 문제 해결 능력에 긍정적인 영향을 미친다는 결과가 보고되고 있다[5][6]. 또한 전공자조차 컴퓨팅 사고력 개념에 대한 이해도가 낮아 명시적인 교육이 필요하다는 주장도 있다[7]. 특히 온라인 교육 환경의 확산에 따라 그 효과성을 실증적으로 검토할 필요성이 점점 커지고 있다. 소프트웨어 교육은 시공간의 제약 없이 학습자가 자율적으로 반복 학습할 수 있다는 장점을 지니지만, 실습 과정에서 즉각적인 피드백이 부족하고 학습자 간 상호작용이 감소함에 따라 학습 동기가 저하되는 등의 한계도 존재한다. 이에 따라 온라인 교육의 특성을 반영한 교육 설계와 그 효과에 대한 검증이 요구된다[4].

본 연구는 ‘온라인 교육’, ‘컴퓨팅 사고력’, ‘학습자 자기평가’라는 핵심 키워드의 융합을 통해 AI 시대의 온라인 교육 환경에 대응하고자 하며, 온라인 동영상 기반 학습이 일상화된 현재, 이러한 관점을 반영한 후속 연구의 필요성이 더욱 강조되고 있다. 이에 본 연구에서는 기존의 정량적 성과 중심 접근을 넘어, 온라인 환경에서 이루어지는 교양 소프트웨어 교육의 성장 경험 기반 효과를 학습자 자기평가(Self-Assessment)를 바탕으로 다각도로 분석하고, 이를 통해 학습자 중심의 실증적 교육 설계에 기여하고자 한다.

2. 관련 이론

2.1 컴퓨팅 사고력의 개념과 구성 요소

컴퓨팅 사고력(Computational Thinking, CT)은 컴퓨터 과학의 원리를 활용해 복잡한 문제를 구조화하고 체계적으로 해결하는 사고 체계이자 과정으로 모든 대학생이 갖추어야 할 기본 소양으로 인식되고 있다[1]. 이는 단순히 컴퓨터처럼 생각하거나 프로그래밍 기술에만 국한되는 것이 아니라, 문제의 본질을 정확히 이해하고 논리적이고 창의적으로 해결책을 찾아내는 능력을 포함한다.

컴퓨팅 사고력은 ▷문제 분해(Problem Decomposition) → ▷패턴 인식(Pattern Recognition) → ▷추상화(Abstraction) → ▷알고리즘 설계(Algorithm Design)로 구성된다. 이러한 구성은 프로그래밍 교육 및 문제 해결 중심의 학습에서 필수적으로 다루어지며, 논리적 사고력 향상을 위한 기반이 된다. 문제 분해는 복잡하고 방대한 문제를 보다 작고 관리 가능한 단위로 나누는 사고 과정이며, 패턴 인식은 분해된 문제들 사이에서 공통적인 경향이나 규칙을 식별하는 능력을 포함한다. 추상화는 문제 해결에 필수적인 정보를 중심으로 불필요한 요소를 제거함으로써 본질에 집중하도록 돕고, 알고리즘 설계는 이러한 정보를 기반으로 절차적 해결 방안을 논리적으로 구성하는 과정이다.

2.2 자기평가 설문

최근 교육 효과를 측정하는 방법론으로 학습자의 태도 변화 등을 반영할 수 있는 자기평가(Self-Assessment)가 측정 도구로 활용되고 있다. 컴퓨팅 사고력은 문제 해결 능력, 알고리즘 설계 등 인지적 영역에 해당하지만, 교육을 통해 형성되는 자신감이나 학습 동기와 같은 정서적 변화 또한 중요하게 나타난다. 자기평가 설문은 이러한 인지적·정서적 측면의 학습 효과를 파악하기 위한 효과적인 진단 도구로 활용될 수 있다. 즉 컴퓨팅 사고력과 같이 복합적인 사고 능력의 변화를 측정할 때, 학습자가 직접 자신의 역량 변화를 어떻게 '인식(Perceived)'하고 있는지를 파악하는 것은 학습자 관점에서 교육의 효과성을 심층적으로 이해하는 데 중요한 단서를 제공한다.

자기평가는 응답자의 주관성이나 사회적 기대에 따른 응답 경향 등이 개입될 수 있다는 한계가 존재한다. 그럼에도 불구하고, 교육 과정이 학습자의 인식 및 태도에 미친 실질적인 영향을 파악하는 데 있어 자기평가 설문은 그 가치가 높다고 할 수 있다[8].

3. 연구 방법

3.1 표본 구성 및 교과목 개요

본 연구는 B대학교에서 2024학년도 2학기와 2025학년도 1학기에 개설된 「소프트웨어와 컴퓨터적 사고」 교과목을 수강한 113명을 대상으로 하였다. 해당 교과목은 2학점 온라인 교양 과목으로, 녹화된 강의 영상을 통해 이론과 실습이 병행되는 형태로 구성되어 있다. 참여한 수강생 113명은 전공 계열별로 인문 39명(34.5%), 사회 47명(41.6%), 공학 13명(11.5%), 예체능 14명(12.4%)으로 분포되어 있으며, 학년별로는 2학년이 56명(49.6%)으로 가장 많고, 이어서 3학년 50명(44.2%), 4학년 7명(6.2%) 순이었다.

표 1은 주차별 수업 주제로 매주 1차시 동영상에는 해당 주제에 대한 이론 설명과 기본 예제 실습이, 2차시 동영상에는 심화 실습이 진행된다. 또한 매주 학습 내용을 기반으로 주차별 과제가 부여되며, 학습자는 과제 해결 과정에서 컴퓨팅 사고력의 핵심 단계(▷문제 분해 → ▷패턴 인식 → ▷추상화 → ▷알고리즘 설계)를 따르도록 안내받는다.

표 1. 「소프트웨어와 컴퓨터적 사고」 교과목의 주차별 수업 주제

Table 1. Weekly Course Outline of 「Software and Computational Thinking」

모든 실습과 과제는 블록 기반 코딩 도구인 Scratch를 활용하여 수행되었으며, 이는 복잡한 프로그래밍 문법에 대한 부담을 줄이고 학습자가 코딩 기술보다 컴퓨팅 사고력 향상에 집중할 수 있도록 지원하였다.

3.2 자기평가 설문 도구 설계

본 연구에서는 교과목의 교육 효과를 다각도로 측정하기 위해 ‘자기평가’ 설문지를 분석 도구로 활용하였다. 해당 설문은 기말고사 기간 중 단일 설문지를 활용하여 수강 전 상태를 회고적으로 평가(retrospective pre-test)하고, 수강 후 인식된 향상 정도를 측정(post-test)하는 방식으로 설계되었다. 이와 같은 설계는 수강 전·후에 각각 설문을 실시할 경우 발생할 수 있는 응답 태도의 변화나 외부 요인의 영향을 최소화하고, 학습자의 인식 변화를 보다 일관되게 파악하기 위한 목적을 지닌다. 모든 문항은 5점 리커트 척도(5-Point Likert Scale)를 기반으로 구성되었으며, 학습자의 주관적 성장 경험을 정량적으로 분석할 수 있도록 설계되었다.

자기평가 설문은 다음의 세 영역으로 구성된다.

▷ 컴퓨팅 사고력 역량 평가

1) 평가 항목: ①문제 분해, ②논리적 사고, ③창의적 아이디어 도출, ④문제 해결 능력, ⑤알고리즘 설계, ⑥프로그래밍 기술, ⑦데이터 분석

2) 평가 방식: 수강 전 역량 수준과 수강 후 인식된 향상 정도를 각각 1점~5점 척도로 평가함

▷ 소프트웨어 관련 흥미도 평가

1) 평가 항목: ①프로그래밍 학습, ②데이터 분석 및 관련 도구 활용, ③4차 산업혁명 주요 기술, ④IT 및 소프트웨어 관련 창업

2) 평가 방식: 수강 전 흥미도 수준과 수강 후 인식된 흥미도 변화 정도를 각각 1점~5점 척도로 평가함

▷ 교과목의 긍정적 영향 평가

1) 평가 항목: ①학업 및 전공 학습, ②사회진출 및 진로 설정, ③일상생활 문제 해결 능력

2) 평가 방식: 각 항목별 긍정적 영향 인식 수준을 1점~5점 척도로 평가함

3.3 분석 방법

먼저 교과목 수강을 통해 컴퓨팅 사고력 향상 및 소프트웨어 관련 흥미도 증가가 통계적으로 유의미한지를 검증하기 위해 일표본 t-검정(One-Sample t-test)과 카이제곱 검정(Chi-square test)을 실시하였다. 또한 컴퓨팅 사고력, 소프트웨어 관련 흥미도, 교과목의 긍정적 영향 등 주요 변수들 사이의 상호 관련성과 그 강도를 확인하기 위해 상관분석(Correlation Analysis)을 실시하였다. 마지막으로 컴퓨팅 사고력의 7개 하위 역량에 대해 수강 전 역량 수준에 따라 수강 후 역량 수준이 어떻게 변화했는지를 살펴보기 위해 교차분석(Cross-Tabulation Analysis)을 실시하였다.

4. 분석 결과

4.1 컴퓨팅 사고력 역량 평가

그림 1은 수강 전 컴퓨팅 사고력의 7개 하위 역량 수준을 보여준다. 수강 전 역량 수준은 ‘창의적 아이디어 도출(Creative Idea Generation)’이 3.13점으로 가장 높았고, ‘프로그래밍 기술(Programming Skills)’이 2.47점으로 가장 낮았다.

그림 1. 수강 전 컴퓨팅 사고력 역량 수준

Fig. 1. Pre-Course Level of Computational Thinking Competencies

그림 2는 수강 후 인식된 컴퓨팅 사고력 관련 7개 하위 역량의 향상 정도를 보여준다. 7개 하위 역량 모두 ‘보통’ 수준(3점)을 크게 상회하였으며, 각 역량별 평균 향상 점수는 3.58점에서 3.81점 사이로 나타났다. 이는 본 교과목이 수강생들의 컴퓨팅 사고력 향상에 실질적인 효과가 있었음을 시사한다. 수강 후 인식된 역량 향상 정도는 '문제 분해(Problem Decomposition)'가 평균 3.81점으로 가장 높았고, '알고리즘 설계(Algorithm Design)'가3.58점으로 가장 낮았다.

그림 2. 수강 후 인식된 역량 향상 정도

Fig. 2. Post-Course Perceived Improvement in Computational Thinking Competencies

표 2는 컴퓨팅 사고력의 7개 하위 역량에 대해 수강 전 역량 수준에 따른 수강 후 인식된 역량 향상 정도의 분포 변화를 제시한 교차분석 결과이다. 이 교차분석의 목적은 수강생들의 초기 역량 수준이 학습 효과에 어떤 영향을 미쳤는지를 파악하고, 역량 향상의 패턴을 보다 정밀하게 분석하는 데 있다.

표 2. 7개 하위 역량의 수강 전 역량 수준에 따른 수강 후 인식된 역량 향상에 대한 교차분석

Table 2. Cross-Tabulation of Perceived Competency Gains in Seven Computational Thinking Sub-Domains by Pre-Course Competency Levels

교차분석 결과를 정리하면 다음과 같다. 먼저 ①문제 분해와 ③창의적 아이디어 도출 역량은 초급 및 중급 수준의 학생들에게 특히 효과적이었다. 수강 전 '부족(2점)' 또는 '보통(3점)' 수준이었던 학생들이 '많이 향상되었다(4점)'고 응답한 비율이 각각 42.9%, 52.6%로 높게 나타났다.

특히 ③창의적 아이디어 도출에서는 '보통(3점)' 수준 학생의 62.2%가 '많이 향상되었다(4점)'고 답해, 평범한 수준 학생들의 잠재력을 이끌어내는 데 성공했음을 보여준다. 또한 ②논리적 사고와 ④문제 해결 능력은 학생들의 사전 역량 수준과 관계없이 전반적인 향상을 이끌어냈다. ②논리적 사고는 모든 그룹에서 고른 향상을 보였고, ④문제 해결 능력은 ' 매우 충분(5점)'으로 응답했던 최상위권 학생의 91.7%가 '매우 많이 향상되었다(5점)'고 평가하여, 상위권 학생들에게도 도전적인 학습 경험을 제공했음을 시사한다.

마지막으로 ⑤알고리즘 설계, ⑥프로그래밍 기술, ⑦데이터 분석은 사전 지식에 따라 성과 차이가 뚜렷하게 나타났다. 알고리즘 설계는 '부족(2점)' 수준 학생들의 응답이 '보통 향상되었다(3점)'에 집중되어, 개념 이해 후 자신감을 얻기까지 추가적인 시간이 필요함을 보여주었다. ⑥프로그래밍 기술과 ⑦데이터 분석에서는 사전 지식의 영향이 더욱 두드러졌다. '매우 부족(1점)'이라 답했던 학생 중 일부는 '전혀 향상되지 않았다(1점)'고 응답한 반면, '매우 충분(5점)'이라고 답했던 학생들은 대다수(⑦데이터 분석 80.0%)가 '매우 많이 향상되었다(5점)'고 답해, 사전 경험 유무가 학습 장벽 또는 향상의 기회로 작용했음을 명확히 보여준다.

표 3은 교과목 수강 후 인식된 컴퓨팅 사고력 관련 7개 하위 역량의 향상 정도가 통계적으로 유의미한지 검증하기 위해 일표본 t-검정의 결과이다. 표 3에서 보듯이 7개 모든 하위 역량에서 통계적으로 매우 유의미한 것으로 나타났다(all p < .001). 또한 수강 전 역량 수준이 수강 후 인식된 역량 향상 정도에 미치는 영향을 분석한 카이제곱 검정에서도 모든 역량에서 유의확률이 .001 미만으로 나타났다. 이는 수강 전 역량 수준과 수강 후 인식된 역량 향상 정도 사이에 통계적으로 매우 유의미한 연관성이 존재함을 보여준다.

표 3. 컴퓨팅 사고력 7개 하위 영역에 대한 기술 통계 및 일표본 t-검정 결과

Table 3. Descriptive Statistics and One-Sample t-Test Results for Seven Sub-Domains of Computational Thinking

4.2 소프트웨어 관련 흥미도 평가

교과목 수강 후, 4개 소프트웨어 관련 분야에 대한 학생들의 흥미도 변화를 t-검정으로 분석한 결과, 모든 항목에서 통계적으로 유의미하게 증가한 것으로 나타났다(all p < .001). 또한, 카이제곱 검정 결과 수강 전 흥미도와 수강 후 흥미 정도 간에도 유의미한 연관성이 있는 것으로 나타났다(all p < .001). 이는 학생의 사전 흥미 수준에 따라 그 효과가 다르게 나타났음을 보여준다.

표 4는 소프트웨어 관련 4개 분야인 ①프로그래밍 학습, ②데이터 분석 및 관련 도구 활용, ③4차 산업혁명 주요 기술, ④IT 및 소프트웨어 관련 창업에 대한 교차분석 결과이다. 각 항목은 수강 전 흥미도(Pre-course Interest) 수준에 따라 수강 후 인식된 흥미도(Post-course Interest) 변화의 분포를 보여준다. 먼저 ①프로그래밍 학습은 수강 전 흥미가 ‘전혀 없었다(1점)’던 학생(34명) 중 61.7%의 ‘조금 증가(2점)’ 또는 ‘보통 증가(3점)’ 수준으로 상승했으며, ‘매우 있었다(5점)’고 답한 학생(7명)은 전원(100%)이 ‘매우 많이 증가(5점)’했다고 답했다. ②데이터 분석 및 관련 도구 활용은 수강 전 흥미가 ‘전혀 없었다(1점)’던 학생(30명)의 10.0%는 수강 후에도 흥미가 ‘전혀 증가 안 함(1점)’을 선택했다. 반면, ‘매우 있었다(5점)’던 학생(4명)은 전원(100%)이 ‘매우 많이 증가(5점)’했다고 답했다. 이는 비관심자에게는 학습 장벽으로, 고관심자에게는 지적 만족감으로 작용했음을 시사한다. ③4차 산업혁명 주요 기술은 수강 전 ‘보통(3점)’ 수준의 흥미를 가졌던 학생(40명) 중 가장 많은 40.0%가 ‘상당히 증가(4점)’를 선택했고, ‘매우 있었다(5점)’고 답한 학생(9명) 중 77.8%는 ‘매우 많이 증가(5점)’했다고 응답했다. ④IT 및 소프트웨어 관련 창업은 수강 전 흥미가 ‘전혀 없었다(1점)’던 학생(26명) 중 19.2%가 ‘전혀 증가 안 함(1점)’을 선택해 가장 높은 진입 장벽을 보였다. 이와 대조적으로, ‘조금 있었다(4점)’고 평가한 학생(12명)의 50.0%는 ‘매우 많이 증가(5점)’했다고 응답했다.

표 4. 수강 전 흥미 수준에 따른 수강 후 흥미도 증가의 교차분석

Table 4. Cross-Tabulation of Post-Course Interest Gains by Pre-Course Interest Levels

4.3 교과목의 긍정적 영향 평가

수업의 교육적 가치가 학생의 '시작점(수강 전 역량 수준)'과 '인식된 역량 향상(성장 경험)' 중 어떤 것이 더 관련 있는지 분석하기 위해 상관분석을 실시하였다. 그 결과, 역량 향상과 긍정적 영향(Positive Influence) 사이에는 매우 강한 양의 관계(r = .713, p < .001)가 발견되었다. 이는 학생들이 체감한 ‘성장 경험’이 수업에 대한 긍정적 평가로 직접적으로 이어진다는 것을 의미한다.

표 5는 7개 하위 역량 중 어떤 역량이 긍정적 영향의 핵심 동인(Key Driver)으로 작용했는지 분석한 결과이다.

표 5. 영역별 긍정적 효과를 유도한 핵심 역량 분석

Table 5. Key Competency Driver of Positive Influence by Area

특히 7개의 역량 중 '문제 분해(Problem Decomposition)'(β = .307, p = .015)와 '데이터 분석(Data Analysis)'(β = .284, p = .010) 역량만이 긍정적 인식을 예측하는 유의미한 핵심 동인으로 나타났다. 이 두 역량은 수업에 대한 전반적인 긍정적 영향(Overall Positive Influence)과 ①학업 및 전공 학습(Academic Studies)에 대한 긍정적 영향을 예측하는 가장 중요한 변수였으며(R² = .535), 그 영향력은 영역별로 뚜렷하게 구분되었다. 문제 분해 역량은 ③일상생활 문제 해결(Daily Problem-Solving)에 영향을 미치는 유일한 동인으로 분석되었으며(R² = .505), 데이터 분석 역량은 ②진로 설정(Career Path)에 긍정적 영향을 미치는 유일한 동인으로 나타났다(R² = .404). 이러한 결과는 학생의 입장에서 ‘문제 분해’는 일상적인 문제 해결에 활용 가능한 보편적이고 기초적인 기술로, ‘데이터 분석’은 진로 탐색 및 특정 직업 수행과 연계된 전문적이고 실무적인 기술로 인식되고 있음을 시사한다.

5. 결론

본 연구는 온라인 교양 소프트웨어 교육이 학습자의 컴퓨팅 사고력 역량과 소프트웨어 분야에 대한 흥미도 및 교과목의 긍정적 영향에 미치는 실질적인 효과를 학습자 자기평가를 통해 실증적으로 분석하였다. 분석 결과, 7개 모든 컴퓨팅 사고력 하위 역량에서 인식된 능력 수준이 통계적으로 유의미하게 향상되었으며(p < .001), 이는 교육의 효과성을 명확히 보여준다.

본 교과목의 교육적 가치는 학생의 ‘성장 경험’ 기반 효과, 즉 인식된 역량 향상에 있으며, 이러한 성장 경험은 수업의 긍정적 영향(학업, 진로, 일상생활 기여도)과 강한 상관관계(r = .713)를 보였다. 또한, 교차분석을 통해 수강 전 역량 수준에 따른 수강 후 학습 효과의 차이를 확인하였으며, 이는 단순히 교육 만족도를 넘어선 긍정적인 변화와 더불어, 학습자 특성을 고려한 교육 설계의 필요성을 시사한다. 이러한 결과는 대학 교양 소프트웨어 교육 과정의 설계 및 개선을 위한 실증적 근거를 제공한다는 점에서 의의가 있다. 다만, 자기평가는 학습자의 주관적 인식에 의존하므로, 실제 객관적인 역량 변화와는 차이가 있을 수 있다. 따라서 후속 연구에서는 코딩 테스트와 같은 실제 성취도와 연계를 통해 보다 심층적인 검토가 필요하다.