초중등 인공지능 융합교육의 인지적 효과에 대한 메타분석

Abstract

Artificial intelligence is used as one of the core technologies in many fields and is currently affecting all areas of society. Accordingly, each country is announcing artificial intelligence-related policies and curricula, and is striving to foster artificial intelligence manpower. AI integrated education targeting elementary, middle, and high school students is suggested to proceed in the direction of cultivating the ability to understand and use artificial intelligence in teenagers, going beyond the existing expert training education for colleges and adults. As the importance of artificial intelligence integrated education grows, the number of studies using it is also increasing every year. In addition, looking at the contents of artificial intelligence curriculum in Korea, the United States, and the EU, it can be seen that the learning effect in the cognitive domain is considered important in artificial intelligence education, as social influence is commonly dealt with. In this study, meta-analysis was used to analyze the effect size of the cognitive domain of artificial intelligence convergence education. The purpose of the study are as follows. 1. What is the overall average effect size of artificial intelligence integrated education on the cognitive domain? 2. What is the average effect size for each sub-factor affecting the cognitive domain of artificial intelligence integrated education? 3. Is there a difference in the effect size of the cognitive domain of artificial intelligence convergence education according to the moderator? 3-1. What is the average effect size according to the general characteristics of artificial intelligence integrated education? 3-2. What is the average effect size according to the class design characteristics of artificial intelligence integrated education? For the meta-analysis, 37 papers related to artificial intelligence integrated education were selected from 2019 to June 2022, and number of 74 effect sizes were extracted to calculate the effect size of artificial intelligence integrated education on the cognitive learning effect. In addition, to verify the heterogeneity of artificial intelligence integrated education, subgroup analysis was conducted by dividing variables into general characteristics and instructional design characteristics. The research results are as follows. First, in artificial intelligence integrated education, the overall average effect size of the cognitive learning area was on the large side. Second, a total of 8 areas of cognitive learning area measured in the study. AI literacy, AI efficacy, concept understanding, and computational thinking showed large effect sizes. Third, the general characteristics of artificial intelligence integrated education were also analyzed, and there was no significant difference in the effect size related to the number of students. At the school level, the effect size of classes targeting elementary school students is larger than that of other school levels and when artificial intelligence convergence education was implemented in extracurricular activities, it was more effective than regular curriculum. In main subject, informatics was the most common, and the effective. It was followed by art, mathematics, integrated classes, science, English, and geography. In terms of class design, class schedules are most effective for consecutive classes of 16 or more. In addition, the cognitive learning effect was the highest in artificial intelligence understanding classes. In artificial intelligence classes using teaching aids, a large effect size was shown when a variety of teaching aids were used in combination, rather than using only a specific programming language. In this study, the implications derived from the results of multilateral analysis of studies measuring the cognitive learning effect of AI integrated education are as follows. First, the cognitive learning effect size for artificial intelligence integrated education is large, so it should be applied to various subjects. Among the cognitive learning effects, concept understanding, artificial intelligence efficacy, computational thinking, and artificial intelligence literacy were high, and the effect size for measuring the achievement of central subjects such as academic achievement was medium or higher. It can be seen that there is a positive impact through artificial intelligence integrated education in various subjects. The software integrated education, which is a related field, has a medium effect size. Therefore, it can be seen that when the artificial intelligence integrated education is conducted, the effect of the cognitive learning effect that students cultivate through the class is greater than that of other integrated classes. Second, when analyzing the effect size according to the sub-region and moderating variable of artificial intelligence integrated class, there were cases where the effect size differed depending on the number of cases. There were fewer classes in the subject than in the comparative subject, and in the case of certain subjects, the number of cases was limited. Therefore, various cases should be developed by investing manpower and resources in research on artificial intelligence convergence education. If there are more detailed cases and studies such as subjects and teaching tools, it will be possible to lead more effective learning by suggesting design plans for AI integrated classes optimized for individual subjects.;인공지능은 여러 분야에서 핵심 기술 중 하나로 활용되며 현재 사회 전 영역에 영향을 미치고 있다. 이에 따라 각 국가에서는 인공지능 관련 정책 및 교육과정을 발표하며 인공지능 인력양성에 힘쓰고 있다. 초·중·고등학생들을 대상으로 하는 인공지능 융합교육은 기존의 대학, 성인을 대상으로 했던 전문가 양성 교육에서 나아가 청소년의 인공지능 이해 및 활용 역량을 기르는 방향으로 운영되고 있다. 한국, 미국, EU에서 다루는 초·중·고 인공지능 교육과정 내용 요소를 살펴보면 사회적 영향을 부분을 공통적으로 중요하게 다루고 있다. 이는 인공지능 교육에서 인공지능에 대해 이해하고 활용하는 인지적 영역의 학습효과의 중요성을 강조하고 있음을 알 수 있다. 이러한 인공지능 융합교육의 중요성이 커짐에 따라 관련된 연구 수도 매년 증가하고 있다. 본 연구에서는 메타분석을 활용하여 인공지능 융합교육의 인지적 영역의 효과크기를 분석하고자 하였다. 이를 위한 연구문제는 다음과 같다. 1. 인공지능 융합교육이 인지적 영역에 미치는 전체평균 효과크기(Effect Size)는 어떠한가? 2. 인공지능 융합교육의 인지적 영역에 미치는 하위요소별 평균 효과크기는 어떠한가? 3. 조절변인에 따른 인공지능 융합교육의 인지적 영역 효과크기는 차이가 있는가? 3-1. 인공지능 융합교육의 일반적 특성에 따른 평균 효과크기는 어떠한가? 3-2. 인공지능 융합교육의 교수설계 특성에 따른 평균 효과크기는 어떠한가? 메타분석을 위해 2019년부터 2022년 8월까지 국내외 인공지능 융합교육 관련 논문 37편을 선정하고 74개의 효과크기 수를 추출하여 인공지능 융합교육이 인지적 영역에 미치는 효과크기를 산출하였다. 또한, 인공지능 융합교육의 이질성 검증을 위해 일반적 특성과 교수설계 특성으로 변인을 구분하여 하위그룹 분석을 진행하였다. 연구결과는 다음과 같다. 첫째 인공지능 융합교육에서 인지적 학습 영역의 전체 평균효과크기는 효과가 큰 편에 해당했다. 둘째, 연구에서 측정하는 인지적 영역의 분야를 총 8가지로 종합하여 제시하고 있다. 이때 인공지능 리터러시, 인공지능 효능감, 개념이해도, 컴퓨팅사고력에서 큰 효과크기를 보였다. 셋째, 인공지능 융합교육을 운영한 수업의 일반적 특성을 기준으로도 분석했는데, 학교급에서는 초등학생을 대상으로 한 수업의 효과크기가 다른 학교급에 비해 효과가 크고, 교과 외 활동에서 인공지능 융합교육을 시행할 때 정규 교과과정보다 효과가 있었다. 중심융합교과는 정보교과가 가장 많았으며, 그 효과 크기도 가장 크게 나타났다. 그 다음으로는 미술, 수학, 융합, 과학, 영어, 지리 순이었다. 교수설계 적인 측면에서는 수업 차시는 16차시 이상의 연속적인 수업에 가장 효과 크기가 크게 나타났다. 또한, 인공지능 이해 수업에서의 인지적 영역 효과가 가장 높았으며, 교구를 활용한 인공지능 수업 시 특정 프로그래밍 언어만 활용하는 것이 아니라 다양한 수업 교구를 혼합해서 사용할 때 큰 효과크기를 보였다. 본 연구에서 인공지능 융합교육의 인지적 영역을 측정하는 연구를 다각도로 분석한 결과를 토대로 도출한 시사점은 다음과 같다. 첫째, 인공지능 융합교육에 대한 인지적 영역 효과크기가 크게 나타남에 따라 다양한 과목에서의 적용이 확대되어야 한다. 인지적 학습효과 중 개념이해도, 인공지능 효능감, 컴퓨팅사고력, 인공지능 리터러시 부분이 높았고, 학업성취도와 같은 중심 교과의 성취도를 측정한 효과크기도 중간 이상으로, 다양한 과목에서 인공지능 융합 교육을 통한 긍정적인 영향이 있음을 알 수 있다. 또한, 관련 분야인 소프트웨어 융합 수업이 중간 정도의 효과크기를 가짐에 따라, 인공지능을 주제로 융합한 수업을 진행하였을 때 학생들이 수업을 통해 함양하는 인지적 영역의 효과가 더 크게 나타남을 알 수 있다. 둘째, 인공지능 융합 수업의 하위영역 및 조절변인에 따른 효과크기를 분석하였을 때, 사례 수에 따라 효과크기가 차이가 있는 경우가 있었다. 비교과에 비해 교과에서 진행된 수업이 더 적었고, 특정 교과의 경우 사례 수가 적어 한계가 있었다. 이러한 분석에 비추어 보건대 인공지능 융합교육에 대한 연구에 인력과 자원의 투입으로 다양한 사례가 개발되어야 한다. 과목, 수업 도구 등 구체화 된 사례 및 연구가 많아지면 개별 교과에 맞는 최적화 된 인공지능 융합수업의 설계방안을 제시하여 더욱 효과적인 학습을 이끌어 낼 수 있을 것이다.