[벡트 AI 테크 블로그] 초등 인공지능 리터러시 기반 교육 프로그램 개발 및 효과 연구 논문 심층 해설
초등학교 교육 현장에서 선생님들의 AI의 활용에 대한 관심이 매우 높습니다. JPEE(실천공학교육논문지)는 초등학교 교육에서 AI 리터러시 기반 교육 프로그램의 개발 및 효과에 관한 논문을 게재했습니다.
벡트 AI테크블로그에서는 본 논문을 상세히 분석하여 AI 기반 교육 프로그램의 연구 생태계 발전에 기여하고자 합니다.
서론: 디지털 심화 시대와 인공지능 교육의 중요성
현대 사회는 디지털 전환을 넘어, 인공지능이 사회 전반에 깊숙이 스며드는 '디지털 심화 시대'로 접어들고 있습니다. 디지털 기술, 특히 인공지능은 이제 단순한 도구를 넘어 금융, 사회, 문화, 의료 등 모든 영역에서 필수적인 요소가 되었습니다. 2022년 등장한 생성형 인공지능은 창작과 예술 분야에까지 영향을 미치며, 인간과 AI가 공존하는 새로운 시대를 열고 있습니다.
이러한 변화에 발맞춰, 세계 각국은 인공지능 분야의 주도권을 확보하고, AI를 통해 사회 문제를 해결하며 미래 변화에 대응하기 위해 힘쓰고 있습니다. 디지털 심화 시대에 디지털 기술 활용 역량을 기르는 것은 더 이상 선택이 아닌 필수이며, AI 인재 양성은 국가 경쟁력을 좌우하는 핵심 요소로 부상하고 있습니다.
우리나라는 2019년 인공지능 국가전략을 시작으로, 2022년 디지털 100만 인재 양성 계획을 통해 AI 인재 양성에 박차를 가하고 있습니다. 2022 개정 교육과정에서는 초·중등 정보 교육(SW·AI)을 확대하고, 초등 교육과정에도 AI 관련 내용이 반영되었습니다.구체적으로, 5~6학년 실과 교과에 '디지털 사회와 인공지능' 영역이 17차시로 편성되었으며, 학교 자율 시간을 활용하여 34시간 이상 AI 교육을 운영하도록 규정하고 있습니다.
그러나 현실적인 어려움도 존재합니다. 학교 현장에서는 기초적인 컴퓨터 소양 교육과 소프트웨어 교육에 필요한 시간도 부족한 상황이며, 정규 교육과정 내에서 AI 교육을 충분히 실시하기에는 제약이 따릅니다. 따라서 학생들에게 AI 교육을 제공할 수 있는 다양한 교육 기회의 필요성이 강조되고 있습니다.
이러한 배경 속에서, 초등 교육 현장에서는 인공지능 데이, 인공지능 캠프, 가족 참여형 캠프, 해커톤 등 다양한 형태의 교내 행사를 통해 AI 교육 기회를 제공하고 있습니다.교육부의 '디지털 새싹' 사업과 같은 지원을 통해, 초·중·고 학생들에게 AI 개념과 원리에 대한 기초 지식과 실습을 제공하는 AI 캠프가 활발하게 운영되고 있습니다. 특히, 방학 기간에 진행되는 AI 캠프는 학생들이 AI 기술을 체험하고, 다양한 교구를 활용한 실습 활동과 프로젝트 제작을 통해 풍부한 교육 경험을 쌓을 수 있도록 돕고 있습니다.
국내외 AI 교육 연구는 주로 교육과정 개발, 교사 교육, AI를 교실에 통합하는 방안 등에 초점을 맞추고 있습니다.그러나 AI 리터러시를 중심으로 교육 프로그램을 개발하고, 그 효과를 종합적으로 분석한 연구는 아직 부족한 실정입니다.
이에 본 연구는 초등학생 수준에 적합한 AI 리터러시 기반의 집중형 AI 교육 캠프를 설계하고, 이 프로그램이 학생들의 AI 리터러시, AI 흥미, AI 교육 의지에 미치는 영향을 분석하고자 합니다.
이론적 배경: 인공지능 리터러시의 개념과 구성 요소
'리터러시(Literacy)'는 원래 글을 읽고 이해하는 문해력을 의미하는 용어였으나, 오늘날에는 새로운 매체와 기술의 등장에 따라 그 의미가 확장되고 있습니다. 미디어 리터러시, 디지털 리터러시와 마찬가지로, '인공지능 리터러시'는 AI 기술을 이해하고 활용하는 능력을 포괄하는 개념으로 사용됩니다.
AI 리터러시에 대한 정의는 학자마다 조금씩 다릅니다. Long과 Magerko(2020)는 AI 리터러시를 개인이 AI 기술을 비판적으로 평가하고, AI와 효과적으로 협력하며 소통하고, 온라인에서 AI를 활용하는 능력 등을 포함하는 역량들의 집합체로 보았습니다. 이철현(2020)은 AI 리터러시를 AI 관련 기본 개념과 원리를 이해하고, AI 기술이 적용된 도구를 일상생활, 학업, 업무에 올바르게 활용할 줄 아는 능력으로 정의했습니다. 임다미(2021)는 AI에 대한 기본 소양을 바탕으로 지식과 정보를 능동적으로 처리하는 역량으로 규정했습니다.
AI 리터러시의 구성 요소에 대한 연구도 다양하게 이루어져 왔습니다. Kandlhofer 외(2016)는 자동화, 지능 에이전트, 컴퓨터 과학, 분류, 문제 해결, 기본 계획, 기계 학습의 7가지 요소를 AI 리터러시의 하위 요소로 제시했습니다. 이철현(2020)은 AI 기초 지식, AI 활용 능력, AI 개발 능력, AI 윤리적 가치관의 4가지 요소를 제시했으며, 권해연(2022) 역시 AI 기초 지식, AI 개발 역량, AI 활용 능력, AI 윤리적 가치관을 AI 리터러시의 4가지 요인으로 보았습니다.정기민(2022)은 AI 교육 프로그램 개발 연구에서 컴퓨팅 사고 역량, AI 원리 이해, AI 활용 능력, AI에 대한 비판적 사고력을 AI 리터러시의 하위 요인으로 정의했습니다.
본 연구에서는 선행 연구들을 종합하여 초등학생 수준에 적합한 AI 리터러시를 다음과 같이 정의하고, 이를 바탕으로 교육 프로그램을 설계했습니다.
- AI 기본 지식: AI가 무엇인지에 대한 이해
- AI 가치 인식: AI의 영향력에 대한 이해
- AI 기반 문제 해결: AI의 원리를 이해하고 간단한 문제 해결 능력 함양
국내 인공지능 교육 현황 분석
국내에서 AI 교육이 본격적으로 시작된 것은 2016년부터라고 볼 수 있습니다.박민규 외(2021)의 연구에 따르면, 2016년부터 2021년까지 국내 AI 교육 연구는 주로 AI 프로그램 및 콘텐츠 개발, AI 인식 및 이미지에 대한 주제를 다루었으며, 양적 연구와 프로그램 개발 연구가 주를 이루었습니다.
2021년부터는 AI 교육 연구가 더욱 활발해지면서, 다양한 교과 융합이 시도되고, AI의 이해, 원리, 활용에 대한 연구가 증가하는 경향을 보였습니다. 하지만 AI의 사회적 영향력과 윤리에 대한 주제는 상대적으로 비중이 낮은 것으로 나타났습니다.
초등학생 대상 AI 교육 도구로는 AI 체험을 위한 온라인 플랫폼과 엔트리의 활용이 많은 것으로 보고되고 있으며, 피지컬 컴퓨팅, 생성형 AI 도구의 활용도 점차 증가하고 있습니다.AI 교육 프로그램 운영 차시를 분석한 결과, 8차시 이하의 단발성 프로그램이 연구물의 40%, 20차시 미만의 프로그램이 90% 이상을 차지하는 것으로 나타났습니다.
이러한 단발성 프로그램이나 짧은 차시로 구성된 프로그램들은 주로 AI 도구 체험에 그치거나, AI 교육의 다양한 영역을 포괄적으로 다루지 못하고 특정 영역에만 초점을 맞추는 한계를 가지고 있습니다. 그러나 AI의 이해, 원리 및 활용, 사회적 영향 등 AI 교육의 핵심 요소들은 서로 밀접하게 연결되어 있으며, 폭넓은 이해를 필요로 합니다.
AI4K12 이니셔티브에서 제시한 바와 같이, AI의 사회적 영향이라는 핵심 주제를 중심으로 AI의 인식, 학습, 추론, 상호작용 등 AI에 대한 개념과 원리 및 활용을 학습할 때, 진정한 AI 리터러시를 함양할 수 있습니다. 따라서 AI 리터러시 함양을 위해서는 교육 내용이 폭넓게 다루어져야 하며, 충분한 교육 시간 확보가 필수적입니다.
초등 인공지능 리터러시 기반 교육 프로그램 개발 및 실행
본 연구에서는 앞서 언급한 이론적 배경과 국내 AI 교육 현황 분석을 바탕으로, 초등학생의 AI 리터러시 함양을 목표로 하는 교육 프로그램을 개발하고 실행했습니다.
연구 대상
2021년 7월, A 초등학교 3~4학년 학생들을 대상으로 5일간 AI 캠프를 운영했습니다. 최종 연구 대상은 AI 리터러시 설문에 성실하게 응답한 23명의 학생들로, 3학년 학생 17명(남 12명, 여 5명)과 4학년 학생 6명(남 3명, 여 3명)으로 구성되었습니다. 학생들은 자발적으로 여름방학 AI 캠프에 참여했으며, AI 수업은 하루 4시간씩 5일간, 총 20시간 동안 진행되었습니다.
캠프 시작 전, 학생들의 사전 준비도를 파악하기 위해 컴퓨팅 사고 효능감, AI 경험 여부, AI 친숙도, 캠프에 대한 기대감 등을 설문 조사했습니다.컴퓨팅 사고 효능감은 컴퓨터 숙달 정도, 프로그래밍 능력, 자신감을 묻는 3개 문항으로 구성되었으며, 5점 리커트 척도로 측정했습니다. AI 경험 여부는 AI에 대한 경험 인식을 묻는 1개 문항으로, 유무를 묻는 형태로 구성했습니다. AI 친숙도는 AI를 다루는 것의 익숙함과 자신감을 묻는 2개 문항으로 구성되었으며, 5점 리커트 척도로 측정했습니다. 캠프에 대한 기대감은 캠프에 대한 기대 정도를 묻는 1개 문항으로 구성되었으며, 5점 리커트 척도로 측정했습니다.
학생들의 사전 준비도 분석 결과, 컴퓨팅 효능감 평균은 3.04, AI 경험이 있는 학생은 9명(60.9%), 없는 학생은 14명(39.1%), AI 친숙도 평균은 3.07, 캠프에 대한 기대감 평균은 4.52로 나타났습니다. 전반적으로 학생들은 컴퓨팅 효능감과 AI에 대한 친숙도는 중간 정도 수준이었으며, AI 경험이 없는 학생들이 더 많았지만, AI 캠프에 대한 기대감은 높은 것으로 나타났습니다.
초등 인공지능 캠프 프로그램 개발
학생들의 사전 준비도 분석 결과를 바탕으로, 초등학생 수준의 AI 리터러시를 중심으로 교육 프로그램을 개발했습니다. 본 AI 캠프의 목적은 학생들이 AI를 재미있게 체험하고 학습하여, 문제 해결에 활용하는 능력을 함양하는 것입니다.
이를 위한 구체적인 목표는 다음과 같습니다.
- 다양한 AI 기술을 체험하고 AI와 친숙해지기
- 초등학생 수준에 적합한 활동을 통해 AI의 원리 이해하기
- AI의 사회적 영향 및 인간과 AI의 공존성에 대해 생각해보기
- 기계 학습을 활용한 AI 문제 해결 프로그램 제작하기
차시별 수업 내용은 AI 리터러시 영역을 고려하여, AI의 이해, AI의 원리와 활용, AI의 사회적 영향력, AI 실습의 4가지 세부 영역으로 구성했습니다. 각 영역별 학습 목표와 학습 활동을 설정하고, 총 20차시를 2차시씩 묶어 모듈 형태로 수업을 설계했습니다.
구체적인 수업 내용
- 인공지능의 이해 (총 4차시)
- 학습 목표: ① AI가 적용된 다양한 기기 체험하기 ② AI가 인간보다 잘하는 것 구분하기
- 주요 활동:
- 미술 작품과 음악 작품을 감상하고, 사람이 만든 것인지 컴퓨터가 만든 것인지 구분해보기
- GPT-3와 사람의 대화 장면을 비교하고, 친구와 대화하는 것과 AI와 대화하는 것의 공통점과 차이점 이야기해보기
- 직접 경험한 AI의 편리함에 대해 자유롭게 이야기해보기
- 오늘 하루 동안 했던 행동을 정리하고, 비슷한 행동끼리 분류해보기
- 내가 할 수 있는 행동을 AI도 할 수 있는지 생각해보기
- 활동 카드에 제시된 다양한 활동 중 사람이 잘하는 것과 AI가 잘하는 것을 구분하고, 사람의 지능과 AI의 차이에 대해 토론해보기
- 인공지능의 원리와 활용 (총 10차시)
- 학습 목표: ① 놀이 활동을 통해 숫자와 문자를 색, 그림 등 다양한 방법으로 표현하기 ② 생활 속에서 다양한 유형의 데이터를 찾아보고 수치 데이터를 그래프로 표현하기 ③ 사물의 특징을 찾아 분류하기 ④ 놀이 활동을 통해 AI의 학습 과정을 체험하기
- 주요 활동:
- 6색 주사위와 100칸 학습지를 이용하여 주사위를 던진 결과를 글자와 색으로 표현하고, 어떤 방식이 보기 쉬운지 비교해보기
- 간단한 색깔을 숫자로 대응시켜 그림을 그려보고, 데이터를 시각화하는 방법 이해하기
- 스마트폰 사용과 관련된 경험을 공유하고, 스마트폰 사용의 심각성을 알아보기 위해 필요한 데이터가 무엇인지 생각해보기
- '스마트폰 사용량과 시력', '스마트폰 사용량과 몸무게'와 같은 데이터를 표와 그래프(선 그래프, 점 그래프, 막대 그래프 등)로 표현하고, 데이터 간의 관계를 해석해보기
- 일상생활 속에서 의사결정나무 알고리즘이 적용된 사례를 살펴보고, 관련 프로그램(아키네이터 등)을 체험하며 기계가 지식을 추론하고 표현하는 방법 이해하기
- 먹을 수 있는 버섯과 먹을 수 없는 버섯의 특징을 비교하여 분류 기준을 찾고, 의사결정나무를 만들어 새로운 데이터(버섯)를 분류해보기
- 일상생활 속에서 의사결정나무를 활용할 수 있는 사례를 탐색하고, 자신만의 의사결정나무를 만들어 공유하기
- AI가 자율적으로 의사 결정을 내리는 경우를 생각해보고, AI에게 부여할 역할과 지켜야 할 규칙을 정하여 역할극으로 표현해보기
- 인공지능의 사회적 영향력 (총 2차시)
- 학습 목표: AI가 규칙을 지키며 인간과 함께 공존하는 모습을 역할극으로 나타내기
- 주요 활동:
- AI가 자율적이며 전문적으로 의사 결정을 하는 경우를 생각해보고, 그런 AI를 어떻게 활용할 수 있을지 토론하기
- 모둠별로 AI와 함께하는 삶을 살아가기 위해 AI에게 부여할 역할과 AI가 지켜야 할 규칙을 정하고 역할극으로 표현하기
- 인공지능 실습 (총 4차시)
- 학습 목표: ① AI 문제 해결 프로그램을 위한 알고리즘 만들기 ② 간단한 AI 문제 해결 프로그램 제작하기
- 주요 활동:
- 생활 속에서 AI 프로그램이 사용되는 사례를 살펴보고, 활용된 데이터에 대해 알아보기
- 스스로 해결하고자 하는 생활 속 문제를 정하고, 필요한 데이터를 선정하여 문제 해결 알고리즘 설계하기
- 설계한 알고리즘을 친구들과 공유하고 수정·보완하기
- 프로그램에 필요한 학습 모델을 만들고, 작성한 학습 모델을 활용하여 프로그램을 제작하고 공유하며 수정·보완하기
연구 도구
AI 캠프에 참여한 학생들의 AI 리터러시에 대한 효과를 측정하기 위해, 초등 AI 리터러시, AI 흥미, AI 교육 의지 측정도구를 사용했습니다. 측정도구는 총 5개 영역, 16개 문항으로 구성되었으며, 모든 문항은 5점 리커트 척도로 측정했습니다.
- AI 리터러시: AI에 대한 기본 지식(4문항), AI 가치 인식(3문항), AI 문제 해결(3문항)의 3가지 하위 영역으로 구성
- 문항 예시: '나는 우리 주변에 있는 인공지능이 무엇인지 알고 있다.'(AI 기본 지식), '나는 인공지능이 우리 사회를 발전시키는 데 중요하다고 생각한다.'(AI 가치 인식), '나는 인공지능으로 해결할 수 있는 우리 생활의 문제를 발견할 수 있다.'(AI 문제 해결)
- AI 흥미: 3문항 (예: '나는 인공지능에 대해 배우는 것이 재미있다.')
- AI 교육 의지: 3문항 (예: '나는 앞으로 인공지능에 대해서 계속 배우고 싶다.')
각 변인별 문항 내적 일관성 신뢰도인 Cronbach's α를 산출한 결과, AI 리터러시는 0.884, AI 흥미는 0.802, AI 교육 의지는 0.801로 모두 높은 신뢰도를 나타냈습니다.
또한, 학생들의 AI 개념 변화를 분석하기 위해, 1차시와 20차시 수업에서 '인공지능이 무엇이라고 생각하는가?'라는 질문에 대한 학생들의 자유 서술형 답안을 수집했습니다.
자료 분석 방법
본 연구는 초등 AI 캠프의 효과성을 분석하기 위해, 집단 내 사전-사후 분석을 실시했습니다. 캠프 수업 전에 각 변인에 대한 사전 검사를 실시하고, 20차시의 AI 캠프를 진행한 후, 사후 검사를 실시했습니다.
수집된 자료 분석은 다음과 같은 순서로 진행했습니다.
- 연구 도구의 신뢰도 검증을 위해 Cronbach's α 계수를 산출했습니다.
- AI 캠프의 효과를 분석하기 위해 기술 통계 및 대응 표본 t-검정을 실시했습니다. 표본 수가 30개 미만이므로, 비모수 통계 방법인 Wilcoxon signed-rank test를 사용했습니다.
- AI 캠프 효과 분석 결과에 대한 심층 분석을 위해, 오차 막대 그래프(Error Bar Plot)를 통해 데이터를 시각화했습니다.
- AI 교육 의지에 영향을 미치는 요인을 분석하기 위해, 회귀 분석을 실시했습니다.
- AI 개념에 대한 학생들의 서술형 응답을 워드클라우드 분석하여, 학생들의 개념화 변화를 분석했습니다.
통계 분석에는 Jamovi 2.6 버전을 활용했습니다. Jamovi는 통계 분석 및 데이터 시각화를 위한 사용자 친화적인 오픈 소스 소프트웨어입니다.
초등 인공지능 리터러시 기반 교육 프로그램의 효과
기술 통계 분석 결과
AI 캠프 참여 전후 학생들의 AI 리터러시, AI 흥미, AI 교육 의지에 대한 기술 통계 결과는 다음과 같습니다.
- 사전 검사 평균: AI 기본 지식 3.28, AI 가치 인식 3.93, AI 문제 해결 3.06, AI 흥미 4.09
- 사후 검사 평균: AI 기본 지식 4.03, AI 가치 인식 4.30, AI 문제 해결 3.54, AI 흥미 4.35, AI 교육 의지 4.06
모든 요소에서 사후 검사의 평균이 높게 나타났습니다.
비모수 검정에서 중요한 지표인 중앙값을 살펴보면, 사전 검사에서는 AI 기본 지식 3.00, AI 가치 인식 4.00, AI 문제 해결 3.00, AI 흥미 4.33이었고, 사후 검사에서는 AI 기본 지식 4.25, AI 가치 인식 4.67, AI 문제 해결 3.67, AI 흥미 4.67, AI 교육 의지 4.33으로 나타나, 역시 모든 요소에서 사후 검사의 중앙값이 높게 나타났습니다.
인공지능 리터러시, 인공지능 흥미에 대한 효과 분석
사전-사후 검사 평균 비교에서 모든 요소의 평균이 향상되어, 이 차이의 통계적 유의성을 검증하기 위해 대응 표본 검정을 실시했습니다. 표본 수가 적어 비모수 검정 분석인 Wilcoxon signed-rank test를 사용했습니다.
분석 결과, AI 기본 지식, AI 가치 인식, AI 문제 해결, 전체 평균에서 통계적으로 유의미한 향상이 나타났습니다 (p < .05). 그러나 AI 흥미는 평균이 증가했음에도 불구하고, 통계적으로 유의미한 차이는 나타나지 않았습니다 (p > .05).
AI 흥미에 대한 심층 분석을 위해, 오차 막대 그래프(Error Bar Plot)를 활용하여 데이터를 시각화했습니다. 오차 막대 그래프는 두 그룹의 평균, 신뢰 구간, 중앙값을 한눈에 보여주어 데이터의 변동성을 파악하고, 두 그룹 간 차이의 유의성을 시각적으로 확인할 수 있도록 돕습니다. 오차 막대가 짧으면 데이터 변동성이 작고, 길면 변동성이 큰 것으로 해석합니다.
오차 막대 그래프 분석 결과, AI 기본 지식은 사전-사후 검사에서 겹치는 구간이 없고 막대가 짧아 데이터 변동성이 적은 것을 보여주었습니다. AI 가치 인식과 AI 문제 해결은 사전-사후 검사에서 겹치는 부분이 있었지만, 평균과 중앙값의 차이가 커서 뚜렷한 변화를 확인할 수 있었습니다. AI 흥미는 사후 검사에서 평균과 중앙값이 높았지만, 사전 검사의 신뢰 구간이 넓고 두 막대가 겹치는 부분이 있어 데이터 변동성이 크기 때문에 통계적으로 유의하지 않은 결과가 나온 것으로 해석할 수 있습니다.
인공지능 교육 의지에 영향을 주는 요인 분석
향후 AI 교육을 더 받고 싶은 의지인 AI 교육 의지를 예측하는 변인을 분석하기 위해, AI 기본 지식, AI 가치 인식, AI 문제 해결, AI 흥미를 예측 변인으로 설정하여 회귀 분석을 실시했습니다.
회귀 분석 결과, AI 흥미(β = .83, p < .001)만이 AI 교육 의지를 유의하게 예측하는 것으로 나타났습니다. 회귀 모형은 유의 수준 .01에서 유의했으며, AI 교육 의지에 대한 설명력은 86% (adj. R² = .83)였습니다. 즉, 학생들의 AI 흥미가 높을수록, 향후 AI 교육을 받고 싶어 하는 의지가 강하다는 것을 의미합니다.
인공지능 개념에 대한 학생들의 생각 변화 분석
학생들은 AI 캠프 참여 전후에, '자신이 생각하는 인공지능'에 대한 질문에 자유롭게 답했습니다. 이 답안을 워드클라우드 분석을 통해 시각화하고 비교하여, 캠프 참여 전후 학생들의 AI 개념 변화를 분석했습니다.
사전 검사에서 주로 나타난 단어는 '편리하게, 도와주는, 로봇' 등이었으며, '모르겠다'는 응답도 있었습니다. 반면, 사후 검사에서는 '명령을, 로봇, 프로그램을, 편리하게' 등과 같은 단어가 주로 나타났으며, 사전 검사보다 학생들이 AI에 대해 더 풍부하게 표현할 수 있게 되었습니다. 특히, 사후 검사에서만 나타난 단어들은 '학습, 인간을 흉내내는, 프로그램, 사람의 지능 모방' 등입니다.
이러한 결과는 AI 캠프 참여 경험이 학생들의 AI 개념 지식을 명료화하고, 구체적인 개념으로 발전 및 확장시키며, 자신의 용어로 표현하는 학습 효과를 가져왔음을 보여줍니다.
결론 및 제언
본 연구는 초등 AI 리터러시 기반 교육 프로그램으로 집중형 AI 캠프를 개발하고, 학생들의 AI 리터러시, AI 흥미, AI 교육 의지에 미치는 효과를 분석했습니다.
연구 결과, 초등 AI 리터러시 기반 교육은 AI 리터러시 구성 요소인 기본 지식, 가치 인식, 문제 해결 능력을 유의미하게 향상시키는 것으로 나타났습니다. AI 흥미는 평균이 증가했으나, 통계적으로 유의미한 차이는 없었습니다. 오차 막대 그래프 분석 결과, AI 흥미는 사후 검사에서 평균과 중앙값이 높지만, 사전 검사의 데이터 변동성이 커서 통계적으로 유의하지 않은 결과가 나온 것으로 해석됩니다. 이러한 결과는 본 교육이 학생들의 AI 리터러시 향상에 효과가 있음을 시사합니다.
AI 흥미에서 통계적으로 유의한 차이가 없었던 것은, 학생들의 사전 준비도 조사에서 나타난 바와 같이, 교육에 대한 기대감과 AI에 대한 흥미가 이미 높은 학생들이 많았기 때문으로 보입니다.
또한, AI 리터러시 교육 후, 향후 교육 지속 의지에 영향을 미치는 변인을 분석한 결과, AI 흥미가 가장 큰 영향력을 가지는 예측 변인으로 나타났습니다. 이는 AI 교육을 지속적으로 받고 싶어 하는 의지에 학생들의 흥미가 가장 중요한 요인임을 보여주는 결과입니다. 따라서 향후 AI 교육 프로그램을 설계할 때, 학생들의 흥미를 유발할 수 있는 매력적인 콘텐츠와 참여를 독려하고 흥미를 유지할 수 있는 교수 전략 개발이 중요합니다.
마지막으로, AI 리터러시 교육을 통한 학생들의 AI 개념 변화를 워드클라우드로 분석한 결과, 학생들은 학습, 프로그램, 사람의 지능 모방 등과 같은 단어를 사용하여 AI 개념을 더욱 풍부하게 표현할 수 있게 되었습니다. 이는 본 교육이 학생들의 AI에 대한 개념을 구체화하고 명료하게 표현하는 데 효과가 있었음을 보여줍니다.
본 연구 결과는 초등 AI 리터러시 향상 프로그램 개발의 기초 자료로 활용될 수 있을 것입니다. 그러나 본 연구는 초등학교 3, 4학년 23명을 대상으로 진행되었으며, 자가 설문을 통해 학생들의 AI 리터러시를 측정했다는 한계를 가지고 있습니다. 따라서 후속 연구에서는 더 많은 학생을 대상으로, 자가 설문 외에도 연구자의 관찰을 동반한 학생들의 수행형 과제 수집 및 분석을 통해 AI 리터러시를 측정하여, 학생들이 실제로 함양한 AI 역량을 보다 정확하게 평가할 것을 제안합니다.
벡트 소개
벡트는 하드웨어와 소프트웨어 모두를 아우르는 AI 전문기업입니다.
2024년 코스닥 시장에 상장한 벡트는 하드웨어 분야에서 오랫동안 축적해 온 디지털 사이니지에 대한 전문성과 역량을 통해 우리 사회와 산업의 디지털 전환을 선도하고 있습니다.
더불어 벡트는 AI 산업의 핵심 소프트웨어 기술과 응용 사업 역량을 빠르게 축적하고 있으며 이를 통해 다양한 AI 제품과 응용 어플리케이션들을 개발하고 있습니다.
앞으로도 벡트는 끊임없는 기술 혁신과 선도적인 사업 실행력을 바탕으로 디지털 사이니지 분야의 글로벌 AI 리더로서 고객과 함께 지속 성장하며 새로운 가치를 창출할 것입니다.