• 정보교육학회논문지
• /
• 제26권1호
• /
• pp.11-22
• /
• 2022

비대면 수업을 통한 블렌디드 러닝과 인공지능 융합 교육으로의 변화가 가속화되고 있는 교육환경은 디지털 리터러시 함양을 기초소양으로 하고 있다. 이 연구에서는 비대면 수업의 문제점을 보완하며 등장한 메타버스 플랫폼에서 디지털 문해력을 기르기 위한 협동 SW 교육 프로그램을 만들어 미래 역량에 대한 효과성을 검증하고자 하였다. 의사소통 및 협업의 기회가 적은 소인수 학습 간 클러스터를 구축하여 메타버스 안에서 협력적 의사소통을 기반으로 한 SW 교육을 진행하는 방법으로 총 20차시 프로그램을 구성하였다. 연구의 효과성을 검증하기 위해 미래 교육 역량으로 제시되는 4C 역량을 효과성 도구로 선정하여 집단 동질성 검사와 대응표본 t검정을 실시하였다. 연구 결과 메타버스 기반 협동 SW 교육 프로그램은 협력적 의사소통 능력 향상에 효과적으로 나타나서 블렌디드 러닝을 통한 SW교육의 가능성을 확인하였다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제63권2호
• /
• pp.209-231
• /
• 2024

4차 산업혁명과 인공지능의 발전으로 교육 분야에서 많은 변화가 일어나고 있다. 특히, 인공지능을 기반으로 하는 교육의 중요성이 강조되고 있다. 이러한 흐름에 따라 본 연구에서는 고등학교 수학에서 딥러닝 예측을 이용한 통계교육 프로그램을 개발하고 이러한 통계적 문제해결 과정 중심의 통계교육 프로그램이 고등학생들의 통계적 소양 및 컴퓨팅 사고력에 미치는 영향을 고찰하고자 한다. 먼저, 본 연구에서는 고등학교 수학에 적용할 수 있는 딥러닝 예측을 이용한 통계교육 프로그램을 개발하였고, 이를 실제 수업상황에 적용하여 분석하였다. 분석 결과, 학생들은 자료가 어떤 맥락에서 생성되고 수집되었는지 경험함으로써 맥락에 대한 이해도가 향상되었으며, 다양한 데이터셋을 탐색하고 분석하는 과정에서 자료의 변이성에 대한 이해도가 높아졌고, 자료의 신뢰성을 검증하는 과정에서 자료를 비판적으로 분석하는 능력을 보였다. 통계교육 프로그램이 고등학생들의 컴퓨팅 사고력에 미치는 영향을 분석하고자 대응 표본 t-검정 시행하였고, 수업 전과 후의 컴퓨팅 사고력 (t=-11.657, p<0.001)은 통계적으로 유의한 차이가 있음을 확인하였다.

• 정보교육학회논문지
• /
• 제26권6호
• /
• pp.567-577
• /
• 2022

2022 개정 초등학교 교육과정에서 디지털 소양이 강조되면서 인공지능 교육과 소프트웨어 교육에 관심이 높아지고 있다. 초등학교에서 정보 교육을 위해 할당된 수업 시수는 34시간뿐이어서, 학생들의 디지털 소양을 기르는 데 한계가 많다. 따라서 인공지능과 소프트웨어 교육을 위한 수업 시수를 확보하려면 다른 교과와 정보 교육이 융합하는 형태로 이루어져야 한다. 본 연구에서는 S-PUMA 교수법을 활용한 글 읽기 교육이 초등학생의 문학적 상상력에 어떤 영향을 미치는지는 분석하였다. 이 연구를 위해 초등학교 6학년 2개 반을 선정하여 실험 집단과 통제 집단으로 구분하고, 실험집단에만 5차시에 걸쳐 S-PUMA 교수법에 따라 글 읽기 교육을 진행하였다. 그 결과, S-PUMA 교수법을 활용한 글 읽기 교육이 문학적 상상력과 컴퓨팅 사고력을 향상시킨 것으로 분석되었다. 다만, 문학적 상상력의 하위 영역인 창조적 상상력은 모든 집단에서 향상되었기에 S-PUMA 교수법에 의한 효과인지, 교육 내용에 따른 자연적인 효과인지 추가적인 연구가 필요하다.

• 정보교육학회논문지
• /
• 제25권5호
• /
• pp.791-801
• /
• 2021

본 논문은 예비교사와 현직교사를 위한 인공지능 소양 교육으로 적용할 수 있는 교육 사례를 연구하였다. 이를 위해, 이미지를 인식하는 인공신경망의 동작 원리를 교육하는 사례를 제안하였다. 본 교육 사례는 인공신경망 동작 및 구현의 기초 원리 교육에 초점을 맞추어, 인공신경망 구현에 필요한 매개변수 최적화 해들을 스프레드시트로 찾는 방법을 적용하였다. 본 논문에서는 지도학습 방식의 인공신경망에 초점을 맞추었다. 첫 번째로, 인공신경망 원리 교육 사례로서 2종 이미지를 인식하는 인공신경망 교육 사례를 제안하였다. 두번째로 인공신경망 확장 교육 사례로서 3종 이미지를 인식하는 인공신경망 교육 사례를 제안하였다. 마지막으로 인공신경망 교육 사례를 분석한 결과와 교육 만족도 분석 결과를 제시하였다. 제안한 교육 사례를 통해, 인공신경망 동작 원리, 학습 데이터 작성 방법, 학습 데이터양에 따라 실행되는 매개변수 계산 회수 그리고 매개변수 최적화에 대해 학습할 수 있다. 예비교사와 현직교사에 대한 교육 만족도 조사 결과는 각 조사 항목에 대해 모두 70%이상 긍정적인 응답 결과를 나타내어, 높은 수업 적용 적합성을 나타내었다.

• 한국컴퓨터교육학회 학술대회
• /
• 한국컴퓨터교육학회 2017년도 하계학술대회
• /
• pp.31-34
• /
• 2017

현재 4차 산업혁명이 사회에 던지는 화두는 다양하다. 첫째, 소프트웨어 중심 사회이다. 빅 데이터, 인공지능 기술 등이 다양한 분야와 결합하고 그 중심에는 소프트웨어가 있다. 앞으로 소프트웨어 교육이 필수적이고 강화되어야 할 이유다. 둘째, 생산과 소비가 결합된다는 것이다. 즉, 더 이상 소비자가 수동적인 소비자로만 남지 않으며, 획일화된 제품과 서비스에 흥미를 느끼지 않고, 소비자가 직접 자신이 구매할 제품 생산과 판매에 관여하는 '프로슈머(prosumer)' 필요한 물건을 직접 만드는 D.I.Y.(Do It Yourself), 3D 프린팅 등이 새로운 소비 방식을 대표한다[3]. 이에 메이커 운동이 떠오르고 있고, 메이커에 대한 관심이 커지고 있다. 우리나라는 2015 개정 교육과정을 통해 소프트웨어 교육을 강화했다. 초등학교에서는 5~6학년 실과 교과의 정보 관련 단원이 ICT활용 중심에서 소프트웨어 기초 소양 내용 중심으로 개편되었다[1]. 아직 교육과정이 시행되기 전이지만 선도학교나 연구학교를 통해 진행된 소프트웨어 교육을 보면 기능을 익히는 프로그래밍 교육이 주류를 이루고 있고, 이래서는 다양하고 창의적인 결과물을 도출할 수 없다. 이를 해결하기 위해서는 디자인 사고를 도입할 수 있다. 디자인 사고는 인간을 관찰하고 공감하여 소비자를 이해한 뒤, 다양한 대안을 찾는 확산적 사고와 주어진 상황에 최선의 방법을 찾는 수렴적 사고의 반복을 통하여 혁신적 결과물을 도출하는 창의적 문제 해결 방법 중 하나이다[5]. 따라서 본 연구에서는 초등학생들의 소프트웨어 교육을 위한 디자인 사고 기반 메이커 교육 프로그램을 개발하고자 한다.

• 정보교육학회논문지
• /
• 제26권5호
• /
• pp.341-352
• /
• 2022

인공지능, 빅데이터, 생명과학 산업 등이 선도하는 지식정보사회의 물결이 우리 삶의 방식에 전방위적인 영향을 미치고 있다. 이에 교육부는 미래사회 변화에 대응할 수 있는 기초소양과 역량을 함양할 수 있는 교육과정 개선을 추진하며 AI·소프트웨어 교육을 비롯한 디지털 기초소양 강화를 서두르고 있다. 모든 교과교육을 통해 디지털 기초소양 함양의 기반을 마련하고 정보 교육과정과 연계한 AI 등 신기술분야의 기초 및 심화 학습을 내실화하는 것은 미래사회에 대비한 교육으로서 반드시 필요한 부분이라 볼 수 있다. 하지만 디지털·AI 리터러시 함양을 위한 각각의 내용에 대한 연구는 비교적 활발히 이루어지고 있는 반면 디지털·AI 리터러시를 함양할 수 있는 교수·학습 전략에 대한 연구는 미비한 실정이다. 따라서 본 연구에서는 디지털·AI 리터러시를 키워줄 수 있는 컴퓨팅 사고력(CT) 기반의 디지털·AI 교수·학습 전략을 개발하여 델파이 전문가 검증을 실시한 결과 타당함으로 분석되었고, 이를 바탕으로 교수자 사용성 평가 및 학습자 효과성 분석을 진행한 후 최종 교수·학습 전략을 완성하였다.

• 한국수자원학회논문집
• /
• 제55권7호
• /
• pp.495-504
• /
• 2022

최근 인공지능의 발전으로 시계열 자료 분석에 효과적인 Long Short-Term Memory (LSTM) 모델이 댐유입량 예측의 정확도를 높이는 데 활용되고 있다. 본 연구에서는 그 중 LSTM의 성능을 더욱 향상할 수 있는 Sequence-to-Sequence (s2s) 구조에 Attention 기법을 LSTM 모델에 첨가하여 소양강댐 유역의 유입량을 예측하였다. 분석 데이터는 2013년부터 2020년까지의 유입량 시자료와 종관기상관측기온 및 강수량 자료를 학습, 검증, 평가로 나누어 훈련한 후, 모델의 성능 평가를 진행하였다. 분석 결과, LSTM-s2s 모델보다 attention까지 첨가한 모델이 일반적으로 더 좋은 성능을 보였으며, attention 첨가 모델이 첨두값도 더 잘 예측하는 모습을 보였다. 그리고 두 모델 모두 첨두값 발생 동안 유량 패턴을 잘 반영하였지만 세밀한 시간 단위 변화량에는 어려움이 있었다. 이를 통해 시간 단위 예측의 어려움에도 불구하고, LSTM-s2s에 attention까지 첨가한 모델이 기존 LSTM-s2s의 예측 성능을 향상할 수 있음을 알 수 있었다.

• 한국수자원학회논문집
• /
• 제54권10호
• /
• pp.795-805
• /
• 2021

본 연구는 소양강댐 유역을 대상으로 LSTM 기반의 일유출량 추정 딥러닝 모형을 개발한 후, 모형구조 및 입력자료의 다양한 조합에 대한 모형의 정확도를 살폈다. 첫 12년(1997.1.1-2008.12.31) 동안의 유역평균 일강수량, 일기온, 일풍속 (이상 입력), 일평균 유량 (출력)으로 이루어진 데이터베이스를 기반으로 모형을 구축하였으며, 이후 12년(2009.1.1-2020.12.31) 동안의 자료를 사용하여 Nash-Sutcliffe Model Efficiency Coefficient (NSE)와 RMSE를 살폈다. 가장 높은 정확도를 보인 조합은 64개의 은닉유닛을 가진 LSTM 모형 구조에 가능한 모든 입력자료(12년치의 일강수량, 일기온, 일풍속)를 활용한 경우로서 검증기간의 NSE와 RMSE는 각각 0.862와 76.8 m³/s를 기록하였다. LSTM의 은닉유닛이500개를 초과하는 경우 과적합으로 인한 모형의 성능 저하가 나타나기 시작했으며, 1000개를 초과하는 경우 과적합 문제가 두드러졌다. 12년치의 일강수만 입력자료로 활용한 경우에도 매우 높은 성능(NSE=0.8~0.84)의 모형이 구축되었으며, 한 해의 자료만을 활용하여 학습한 경우에도 충분히 활용 가능한 정확도(NSE=0.63~0.85)를 가진 모형을 구축할 수 있었다. 특히 유량의 변동성이 큰 한 해의 자료만을 활용하여 모형을 학습한 경우 매우 높은 정확도(NSE=0.85)의 모형이 구축되었다. 학습자료가 중유량과 양극한의 유량을 모두 포함한 경우라면 5년 이상의 입력자료는 모형의 성능을 크게 개선시키지 못했다.