CTSkills 앱 -- 컴퓨팅 사고력에서 학생들의 문제 분해 능력 측정

核心概念

본 연구는 초등 및 중등 교육에서 컴퓨팅 사고력의 중요한 구성 요소인 문제 분해 능력을 측정하는 웹 기반 평가 도구인 "CTSKills" 앱을 소개하고, 이를 통해 학생들의 문제 분해 능력 기준선을 마련하고자 합니다.

要約

CTSkills 앱 연구 논문 요약

참고문헌: Assaf, D., Adorni, G., Lutz, E., Negrini, L., Piatti, A., Mondada, F., ... & Gambardella, L. M. (2024). The CTSkills App--Measuring Problem Decomposition Skills of Students in Computational Thinking. arXiv:2411.14945v1 [cs.HC] 22 Nov 2024.

연구 목적: 본 연구는 초등 및 중등 교육(4-9학년)에서 학생들의 컴퓨팅 사고력(CT) 중 문제 분해 능력을 측정하고 평가하기 위한 웹 기반 애플리케이션인 "CTSKills"를 개발하고, 이를 통해 학생들의 문제 분해 능력에 대한 기준선을 제공하는 것을 목적으로 합니다.

연구 방법:

• 참 participants: 10-17세의 초등 및 중등 학생 75명 (4-9학년)
• 연구 도구: 웹 기반 애플리케이션 "CTSKills" 개발
  • 3단계 난이도의 인터랙티브 게임 형식으로 구성
  • 각 단계별 4가지 질문 유형을 통해 문제 분해 능력 평가
    • Q1: 문제 상황에서 관련된 객체 식별 (실질적 분해 및 추상화)
    • Q2: 움직이는 객체 식별 (객체에 속성 부여)
    • Q3: 객체 간의 관계 및 변화 식별 (관계적 분해)
    • Q4: 객체 간의 충돌 관계 식별 (관계적 분해)
• 데이터 수집: 앱 사용 중 자동 생성된 스크린샷 및 사용자 응답, 타임스탬프, 객체 이동 기록을 JSON 파일로 저장
• 데이터 분석: 학생들의 정답률, 오답률 분석 및 ANOVA, 카이제곱 검정, 사후 분석(Tukey's HSD), 선형 혼합 효과 모형(LMMs)을 활용하여 학년, 성별, 질문 유형에 따른 점수 차이 분석

주요 연구 결과:

• 학년이 높아짐에 따라 전반적인 문제 분해 능력 향상: 특히 실질적 분해 및 추상화(Q1) 및 객체에 속성 부여(Q2)
• 9학년 학생들의 점수가 8학년보다 낮게 나타남: 중등 교육 과정의 복잡성 증가 및 학업적 기대로 인한 것으로 추정
• 성별에 따른 유의미한 차이 없음: 컴퓨팅 사고력 교육의 포용성을 시사
• 질문 유형에 따른 난이도 차이 존재: Q2(객체에 속성 부여) 점수가 가장 높았으며, Q3(객체 간 관계 및 변화 식별) 및 Q4(객체 간 충돌 관계 식별)는 상대적으로 낮은 점수 분포를 보임

연구의 의의:

• 본 연구는 초등 및 중등 교육 현장에서 학생들의 문제 분해 능력을 측정하고 평가할 수 있는 객관적이고 자동화된 도구인 "CTSKills" 앱을 개발했습니다.
• "CTSKills" 앱을 통해 수집된 데이터는 학생들의 컴퓨팅 사고력 발달 과정을 이해하고, 효과적인 교육 중재 및 교육 방식을 개발하는데 활용될 수 있습니다.

연구의 한계점 및 향후 연구 방향:

• 앱 메뉴 내 객체의 사전 추상화 및 언어 이해도 차이가 학생들의 과제 수행에 영향을 미쳤을 가능성 존재
• 횡단적 연구 설계로 인해 인과 관계 규명 및 문제 해결 능력 발달 과정 추적에 제한적
• 향후 연구에서는 앱 사용성 개선, 난이도 조절, 언어 옵션 추가, 기능적 분해와 같은 더 복잡한 과제 포함, 종단 연구 설계 도입, 교사 효과 및 교실 환경과 같은 추가적인 요인 탐색 필요

統計

본 연구는 10-17세의 초등 및 중등 학생 75명(4-9학년)을 대상으로 진행되었습니다.
"CTSkills" 앱은 3단계 난이도의 인터랙티브 게임 형식으로 구성되었으며, 각 단계별 4가지 질문 유형을 통해 문제 분해 능력을 평가했습니다.
데이터 분석 결과, 학년이 높아짐에 따라 전반적인 문제 분해 능력이 향상되는 경향을 보였습니다.
9학년 학생들의 점수가 8학년보다 낮게 나타났으며, 이는 중등 교육 과정의 복잡성 증가 및 학업적 기대로 인한 것으로 추정됩니다.
성별에 따른 유의미한 차이는 나타나지 않았습니다.
질문 유형에 따라 난이도에 차이가 있었으며, Q2(객체에 속성 부여) 점수가 가장 높았고, Q3(객체 간 관계 및 변화 식별) 및 Q4(객체 간 충돌 관계 식별)는 상대적으로 낮은 점수 분포를 보였습니다.

引用

抽出されたキーインサイト

The CTSkills App -- Measuring Problem Decomposition Skills of Students in Computational Thinking

by Dorit Assaf,... 場所 arxiv.org 11-25-2024

https://arxiv.org/pdf/2411.14945.pdf

深掘り質問

"CTSkills" 앱을 활용한 문제 분해 능력 측정 방식이 프로그래밍 학습과 같은 다른 컴퓨팅 사고력 영역의 학습 성과 예측에 어떻게 활용될 수 있을까요?

"CTSkills" 앱은 학생들의 문제 분해 능력을 측정하는 데 유용한 도구이며, 이는 프로그래밍 학습과 같은 다른 컴퓨팅 사고력 영역의 학습 성과 예측에도 활용될 수 있습니다.
문제 분해 능력은 복잡한 문제를 작고 관리 가능한 하위 문제로 나누는 능력을 의미하며, 이는 프로그래밍에서 큰 문제를 해결 가능한 작은 단위로 나누어 코드를 작성하고 디버깅하는 데 필수적인 역량입니다. 따라서 "CTSkills" 앱을 통해 측정된 문제 분해 능력 점수는 학생의 프로그래밍 학습 성과를 예측하는 중요한 지표가 될 수 있습니다.
구체적으로, "CTSkills" 앱에서 수집된 데이터는 다음과 같이 활용될 수 있습니다.

학습 성취도 예측: 문제 분해 능력 점수를 기반으로 학생들의 프로그래밍 학습에 대한 이해도 및 숙련도를 예측하고, 그에 맞는 개별화된 학습 경로를 제공할 수 있습니다.
학습 과정 개선: "CTSkills" 앱에서 학생들이 어떤 유형의 문제 분해에 어려움을 겪는지 분석하여 프로그래밍 교육 과정에서 해당 부분을 강화하거나 새로운 교육 방법을 도입할 수 있습니다.
평가 도구 개발: "CTSkills" 앱의 문제 유형 및 난이도를 프로그래밍 개념에 맞게 변형하여 프로그래밍 학습을 위한 새로운 평가 도구를 개발할 수 있습니다.

결론적으로, "CTSkills" 앱은 문제 분해 능력과 프로그래밍 학습 간의 상관관계를 파악하고 이를 바탕으로 효과적인 프로그래밍 교육 방안을 모색하는 데 valuable한 도구가 될 수 있습니다.

컴퓨팅 사고력 교육에서 문제 분해 능력 외에도 중요하다고 생각되는 다른 핵심 역량은 무엇이며, 이를 평가하기 위한 효과적인 방법은 무엇일까요?

문제 분해 능력 외에도 컴퓨팅 사고력 교육에서 중요한 핵심 역량은 다음과 같습니다.

추상화 (Abstraction): 복잡한 정보에서 중요한 부분을 추출하고 일반화하여 모델링하는 능력입니다. 예를 들어, 특정 게임의 캐릭터를 생성할 때 공통적인 특징을 추출하여 '캐릭터'라는 클래스를 정의하고, 각 캐릭터의 개별적인 특징은 속성으로 정의하는 것이 추상화에 해당합니다.

평가 방법: 특정 상황을 주고 데이터를 분류, 순위를 매기거나, 핵심 개념을 일반화하는 과제를 통해 평가할 수 있습니다. 예를 들어, 다양한 종류의 동물 그림을 제공하고 공통 특징에 따라 분류하도록 하거나, 특정 동물의 특징을 설명하고 이를 프로그램 코드로 표현하는 과제를 제시할 수 있습니다.

패턴 인식 (Pattern Recognition): 주어진 정보나 현상에서 반복되는 패턴이나 규칙을 찾아내는 능력입니다. 프로그래밍에서는 반복적인 작업을 자동화하거나 효율적인 알고리즘을 설계하는 데 중요한 역량입니다.

평가 방법: 수열 추론, 그림 패턴 찾기, 코드 분석 등을 통해 평가할 수 있습니다. 예를 들어, 숫자나 도형으로 이루어진 수열을 제시하고 다음 항을 예측하도록 하거나, 주어진 코드에서 반복되는 패턴을 찾아 간략하게 표현하는 과제를 제시할 수 있습니다.

알고리즘 설계 (Algorithm Design): 문제 해결을 위한 단계별 절차를 논리적으로 설계하고 표현하는 능력입니다. 컴퓨팅 사고력의 핵심 역량이며, 프로그래밍은 이러한 알고리즘을 컴퓨터가 이해할 수 있는 형태로 구현하는 과정입니다.

평가 방법: 특정 문제를 해결하기 위한 알고리즘을 직접 작성하고, 순서도나 의사 코드로 표현하게 하거나, 실제 프로그래밍 언어를 사용하여 구현하는 과제를 통해 평가할 수 있습니다. 예를 들어, 로봇을 특정 위치로 이동시키는 알고리즘을 작성하고, 이를 블록 코딩 도구나 Python과 같은 텍스트 기반 언어로 구현하도록 할 수 있습니다.

디버깅 (Debugging): 프로그램 코드의 오류를 찾아내고 수정하는 능력입니다. 프로그래밍 과정에서 필연적으로 발생하는 오류를 효율적으로 해결하고 프로그램의 완성도를 높이는 데 중요한 역량입니다.

평가 방법: 의도적으로 오류를 심어둔 코드를 제공하고 오류를 찾아 수정하도록 하거나, 특정 결과가 나오지 않는 코드의 문제점을 분석하고 해결 방안을 제시하는 과제를 통해 평가할 수 있습니다.
위에 언급된 역량들은 서로 연관되어 있으며, 컴퓨팅 사고력을 향상시키기 위해서는 이러한 역량들을 통합적으로 길러주는 것이 중요합니다. 또한, 평가 방법은 학생들의 발달 단계와 학습 환경을 고려하여 다양하게 개발되어야 합니다.

인공지능 기술의 발전이 교육 분야, 특히 컴퓨팅 사고력 교육에 미치는 영향은 무엇이며, 이러한 변화에 대응하기 위해 교육 현장은 어떻게 준비해야 할까요?

인공지능 기술의 발전은 교육 분야, 특히 컴퓨팅 사고력 교육에 큰 영향을 미치고 있습니다. 이러한 변화에 대응하기 위해 교육 현장에서는 다음과 같은 준비가 필요합니다.
1. 인공지능 기술의 교육적 활용:

개인 맞춤형 학습: 인공지능은 학생들의 학습 데이터를 분석하여 개인별 수준과 필요에 맞는 학습 경로를 제공하고, 학습 과정에 대한 피드백을 제공할 수 있습니다.
교사 업무 경감: 인공지능은 채점, 출석 관리, 학습 자료 제작 등 반복적인 업무를 자동화하여 교사가 학생들에게 더 집중할 수 있도록 도와줍니다.
새로운 교육 콘텐츠 개발: 인공지능 기반의 다양한 교육 도구 및 플랫폼을 활용하여 학생들의 흥미와 참여를 유도하는 새로운 교육 콘텐츠를 개발할 수 있습니다.
2. 컴퓨팅 사고력 교육의 중요성 강화:

인공지능 시대 필수 역량: 인공지능 시대에는 인공지능을 이해하고 활용하는 능력뿐만 아니라, 인공지능과 협력하고 문제를 해결하는 능력이 중요해집니다. 컴퓨팅 사고력은 이러한 능력의 기반이 되는 핵심 역량입니다.
문제 해결 능력 함양: 인공지능은 정형화된 문제 해결에 뛰어나지만, 복잡하고 창의적인 사고가 요구되는 문제 해결에는 한계를 보입니다. 컴퓨팅 사고력 교육을 통해 학생들은 문제를 분석하고, 해결 전략을 세우고, 논리적으로 사고하는 능력을 키울 수 있습니다.
3. 교육 현장의 변화:

교사 교육: 교사들은 인공지능 기술에 대한 이해를 높이고, 이를 교육 현장에 효과적으로 활용할 수 있는 역량을 갖춰야 합니다.
교육 과정 개편: 컴퓨팅 사고력을 함양할 수 있도록 교육 과정을 개편하고, 인공지능 윤리, 데이터 과학, 프로그래밍 등 관련 분야에 대한 교육을 강화해야 합니다.
디지털 교육 환경 구축: 인공지능 기반 교육 도구 및 플랫폼 활용을 위한 디지털 교육 환경 구축과 함께 개인정보 보호 및 윤리적인 문제에 대한 대비책 마련도 필요합니다.
인공지능 기술의 발전은 교육 분야에 새로운 가능성을 제시하는 동시에, 교육 현장의 변화를 요구하고 있습니다. 컴퓨팅 사고력 교육을 중심으로 교육 과정과 교수 학습 방법을 개선하고, 인공지능 기술을 적극적으로 활용하여 미래 사회에 필요한 역량을 갖춘 인재를 양성해야 합니다.