김진관(닷커넥터)

배움, 나눔, 성장을 추구하는 연결주의자

Categories

Tag Cloud

2022개정교육과정 AGI AI AIEd블룸분류법 AILiteracy AI교육 AI글쓰기 AI기만 AI디지털기반교육혁신 AI리터러시 AI멘티 AI보조학습 AI성숙도모델 AI수업 AI시대 AI유도인지위축 AI윤리 AI음악 AI죄책감 AI지원 AI채점 AI챗봇 AI코딩 AI코딩에이전트 AI튜터 AI편향 AI프레임워크 AI한계 AI협업 Anthropic BrainRot CBCI CCT CHC이론 CSL ChatGPT DOK EFL FeedOMeter Felten GeminiAPI GenAI GenSRL HCI HEAI Hallucination IB Instructor-in-the-Loop K-12 K-12교육 LLM LSTM LearnYourWay OECD교수나침반 PLC RIF ResNet RoseFrame SDG4 SDT SRL Suno Taxonomy TriDENT T자형인재 UDL UX디자인 VerbalizedSampling Webb XAI cs교육 gamedev gesture-recognition human-in-the-loop mediapipe pedagogy_in_the_loop 개발자경험 개별화수업 개인화교육 게임 경제학모델 공동창작 공부법 과정중심평가 교과서 교사 교사연수 교사커뮤니티 교사효능감 교수법 교실혁명 교육 교육공학 교육변화 교육설계 교육용LLM 교육적취약성 교육정책 교육철학 교육평가 교육프레임워크 교육혁신 교육형평성 구조적다양성 구조적변화 권위 글로벌교육 금전적유인 기만행위 기술트렌드 기울기소실 내재화 논문리뷰 뇌기반학습 뇌신경과학 누적문화진화 대화설계 데이터믿음비대칭성 듀이 디자인교육 디지털교육 디지털기반아날로그수업 디지털도구 디지털리터러시 디지털스트레스 딥러닝 랑시에르 랜드마크 로즈프레임 리더십 마르자노 맞춤형학습 매슬로우 머신러닝 메타분석 메타인지 모델불일치 모드붕괴 문화 문화적거리 미래교육 민주주의 바람직한어려움 바이브코딩 벤치마크 보편적학습설계 부스운영 분산된 창의성 블룸 분류법 블룸분류법 블룸분류체계 블룸택소노미 비판적AI리터러시 비판적이론 사고도구 사회적학습 상호작용주의 생성형 AI 생성형AI 선도교사 설명적변화 성찰 세컨드브레인 소크라테스식대화법 소프트웨어교육 쇤 수업철학 숨은노동 스칸디나비아디자인 스캐폴딩 스크린리더 스토리리빙 시행착오 신경망 실용주의 심리적안전감 언어학습 에듀테크 연결주의 영어교육 외삽 웰빙 웹개발 웹앱 위르겐슈미트후버 윕앱 유사자동화 은닉마르코프모델 음악교육 의미론적지식 이미지생성 이중과정이론 이중부호화이론 이중처리이론 이해의환상 인간-AI복합편향 인간-AI상호작용 인간-AI협업 인간AI상호작용 인간중심AI 인공지능 인공지능사고력 인과성의환상 인과추론 인사이트 인지과학 인지발달 인지복잡성 인지부하 인지부하이론 인지연속체이론 인지이론 인지적정렬 인지증강 인지편향 자기결정성이론 자기조절학습 자기효능감 잔차연결 장기기억 적응형학습 전문가시스템 전문적학습공동체 전인교육 전형성편향 접근성 정책패러독스 정치교육 제미나이 조직문화 즉흥연주 격차 증명사진 지식 지식격차 지식의깊이 지적자율성 질적연구 집단 천재성 참여형AI 창의성 책리뷰 철학 총괄평가 추상화 컴퓨팅사고력 코딩에이전트 타임머신 토이프로젝트 튜터링 파울루프레이리 페르소나 포용적디자인 프로그래밍교육 프로테제효과 프로토타이핑 프롬프트 프롬프트엔지니어링 피드백 피드백리터러시 하이브리드시스템 학교 학교문화 학문적엄격성 학습 학습과학 학습동기 학습문화 학습분석 학습전략 한나아렌트 해방적AI교육학 혁신 협업프로젝트 환각

3 분 소요

hits

1. 연구의 목적

(1) 최근 생성형 AI의 등장으로 K-12 교육에서 AI/ML이 미칠 영향에 대한 논의가 활발하지만, 학생들에게 AI에 대해 무엇을 가르쳐야 하는지, 그리고 이것이 컴퓨팅 교육 도입의 우산 역할을 해온 컴퓨팅 사고력(CT)과 어떻게 연결되는지에 대한 명확한 합의가 부족함. 기존의 CT 프레임워크는 AI/ML의 개념과 실제를 포괄적으로 다루지 못하고 있음.

(2) 본 연구는 K-12 교육에서 AI/ML 기술을 포함하도록 CT를 확장하는 방법을 제안하고, 지난 10년간의 컴퓨팅 교육 프로그램 설계, 컴퓨팅과 타 과목 통합, 알고리즘 편향 및 공정성 문제 해결 경험을 바탕으로 AI/ML 교육을 위한 CT 프레임워크를 제시하는 것을 목표로 함.

2. 연구의 방법

(1) 본 연구는 문헌 연구와 개념적 분석을 통해 CT 프레임워크를 확장하고 AI/ML 교육에 적용하는 방안을 모색함. 구체적인 실험 설계나 데이터 분석은 포함되지 않음.

  • CT 1.0: 기존의 규칙 기반 컴퓨팅 사고력 (알고리즘, 논리적 사고, 추상화 등)
  • CT 2.0: 데이터 중심의 컴퓨팅 사고력 (데이터 수집, 분석, 모델 훈련 등)
  • CT+: CT 1.0, CT 2.0, 사회문화적 맥락, 윤리적 고려사항을 통합한 확장된 컴퓨팅 사고력

(2) 본 연구는 특정 평가 방법을 사용하지 않음. 대신, 기존 연구와 사례를 분석하여 CT+ 프레임워크의 타당성을 논함.

(3) 본 연구는 CT 프레임워크의 개념적 확장, AI/ML 교육의 방향성 제시, 윤리적 고려사항 강조 등을 분석 관점으로 사용함.

3. 주요 발견

(1) 기존의 CT 1.0은 규칙 기반 프로그래밍에 초점을 맞추고 있어 데이터 중심의 AI/ML 모델을 이해하는 데 한계가 있음. CT 2.0은 데이터 수집, 분석, 모델 훈련 등 AI/ML의 핵심 요소를 다루지만, 사회문화적 맥락과 윤리적 고려사항이 부족함.

(2) CT+는 CT 1.0, CT 2.0, 사회문화적 맥락, 윤리적 고려사항을 통합함으로써 AI/ML 교육에 필요한 포괄적인 프레임워크를 제공함. CT+는 학생들이 AI 모델을 설계하고 사용하는 과정에서 윤리적 문제, 사회적 영향, 공정성 문제 등을 고려하도록 장려함.

(3) CT+는 인지적 측면뿐만 아니라 사회적, 윤리적 측면을 강조하여 학생들이 AI 기술의 잠재적 위험과 사회적 불평등을 인식하고 해결하는 데 필요한 역량을 개발하도록 지원함.

확장된 컴퓨팅 사고력: CT+ 그림: Kafai & Proctor (2022) 기반 CT+의 확장된 관점

4. 결론 및 시사점

(1) 본 연구는 K-12 교육에서 AI/ML 교육을 위해 CT 프레임워크를 확장해야 할 필요성을 강조하고, CT+라는 새로운 프레임워크를 제시함. CT+는 학생들이 AI 기술을 이해하고 사용하는 데 필요한 인지적, 사회적, 윤리적 역량을 개발하도록 지원함.

(2) 본 연구는 교육 현장에서 AI/ML 교육을 설계하고 구현하는 데 다음과 같은 시사점을 제공함.

  • AI/ML 교육은 컴퓨팅 교육과 통합되어야 함.
  • AI/ML 교육은 데이터, 윤리, 알고리즘 공정성에 대한 통합적인 초점을 가져야 함.
  • AI/ML 교육은 다양한 교수학적 접근법을 활용하여 학습자의 참여를 유도해야 함.
  • AI/ML 교육은 사회적 맥락과 윤리적 고려사항을 강조해야 함.

5. 리뷰어의 ADD(+) One: 생각 더하기

(1) 이 논문에서 가장 주목할 점은 기존 컴퓨팅 사고력(CT 1.0)에 데이터 중심 사고(CT 2.0)와 윤리적, 사회적 맥락을 통합한 CT+ 프레임워크를 제안했다는 점임. 이는 급변하는 AI 기술 환경에서 학생들이 비판적 사고 능력과 사회적 책임감을 갖춘 인재로 성장하도록 돕는 데 매우 중요함.

(2) 이 논문은 AI 교육이 단순히 기술적 지식 습득을 넘어 사회적 맥락 속에서 AI를 이해하고 비판적으로 평가하는 능력 함양에 초점을 맞춰야 함을 시사함. 이는 AI 윤리 교육의 중요성을 강조하며, 학생들이 AI 기술이 사회에 미치는 영향에 대해 깊이 생각하도록 유도함.

(3) 이 연구 결과를 초등학교에 적용할 경우, AI의 기본 개념과 윤리적 문제에 대한 쉬운 설명과 함께 학생들이 직접 AI 모델을 체험하고 윤리적 문제를 토론하는 활동을 제공해야 함. 반면, 고등학교에서는 AI 모델의 작동 원리, 알고리즘 편향 문제, AI의 사회적 영향 등에 대한 심층적인 학습과 토론이 필요함.

(4) CT+ 프레임워크를 기반으로 학생들이 AI 모델을 설계하고 평가하는 과정을 자동화하는 AI 기반 교육 도구를 개발한다면 어떨까? 이 도구는 학생들이 AI 모델의 성능, 공정성, 윤리적 영향 등을 시뮬레이션하고 분석하여 AI 기술에 대한 이해도를 높이고 비판적 사고 능력을 함양하는 데 도움을 줄 수 있을 것임.

6. 추가 탐구 질문

(1) CT+ 프레임워크가 실제 교육 현장에서 효과적으로 적용되기 위한 구체적인 교수 학습 전략은 무엇인가?

(2) CT+ 프레임워크가 다양한 교과(예: 사회, 역사, 과학)에 통합될 때 어떤 방식으로 적용될 수 있으며, 어떤 교육적 효과를 기대할 수 있는가?

(3) AI 기술의 발전 속도를 고려할 때, CT+ 프레임워크는 어떻게 지속적으로 업데이트되고 개선되어야 하는가?

<출처> - Kafai, Y. B., & Grover, S. (2024). Expanding the Scope of Computational Thinking in Artificial Intelligence for K-12 Education. *Proceedings of the 55th ACM Technical Symposium on Computer Science Education*. [https://doi.org/10.1145/3626252.3630936](https://doi.org/10.1145/3626252.3630936)

참고