취업준비생 대상 인공지능 교육 효과성 검증

Abstract

A rapidly changing society requires learners to have the ability to quickly adapt to changes. In accordance with this phenomenon, the educational paradigm is also rapidly changing, and education needs to ensure that members of society have the capabilities for the 4th Industrial Revolution. Education must reflect social needs, and the curriculum that reflects social needs must evolve along with technological development and personalized learning trends. Artificial intelligence (AI), which is becoming the biggest topic in the 4th industrial era, is a technology required in many fields, and the need for AI literacy competency development was announced as a national strategy of the Republic of Korea(Ministry of Science and ICT, 2019). However, although the demand for AI intelligence manpower in various fields is currently explosively increasing, it is difficult to supply and demand manpower through regular education in a short time. Although AI can be considered as computer science, the study scope and applicable fields are infinite. Therefore, it is not only for science and engineering majors, but also it is becoming a basic literacy for modern people in the 4th Industrial Revolution. However, to learn AI, basic learning contents such as computer languages, basic mathematics, and computer algorithms need to be preceded in common. Even among science and engineering majors, many students are not familiar with computer coding. Further, natural science majors often perceive themselves as non-majors. In particular, since non-majors such as humanities, social sciences, and arts/physical education are experiencing many difficulties from the beginning of their learning, there is a need for an AI teaching support plan for both non-majors and majors who are experiencing difficulties in learning. Unlike regular education, the AI curriculum for job seekers involves a large amount of learning within a limited period of time, Therefore, it can be assumed that a flipped learning method can be a good option among other learner-centered learning methods because the learners with various background can easily accommodate and consequently their academic achievement and educational satisfaction can be improved. Accordingly, for the purpose of effective implementation of AI education for both non-majors and majors, an experimental study to measure academic achievement and educational satisfaction when the flipped learning method is adopted and learner-centered education is provided, The research questions presented in this study are as follows. 1. Is AI education applied with the flipped learning effective in improving the academic achievement of young job seekers? 2. Is AI education applied with the flipped learning effective in improving the educational satisfaction of young job seekers? 3. What can be improved in the instructional support plan and flipped learning instructional design needed to AI education for young job seekers with various majors? In this study, 80 students enrolled on the AI education program for young job seekers operated by one university in Gyeongbuk are selected as the study subjects: 40 majors and non-majors in the control group and 40 majors and non-majors in the experimental group. An experimental study is conducted in which a traditional education is provided to the control group and the flipped learning method is provided to the experimental group. The targeting topic is the AI and Internet of Things(AIoT), and 30 hours of education with theoretical and practical study contents is provided to each group. After the education is completed, paper tests and practice tasks are evaluated to measure academic achievement, and the class satisfaction and flipped learning satisfaction surveys are conducted to measure educational satisfaction. In addition, learners' and instructors' experiences are listened to through focus group interviews in the experimental group. The study outcomes according to the research questions are derived based on the academic achievement, educational satisfaction, and focus group interviews. The academic achievement is measured by the paper exams that measure the achievement of basic and high-level learning goals of Bloom's Taxonomy and evaluation of practical assignments. When an independent sample t-test is conducted on the scores of the paper exams, the experimental group shows significantly higher academic achievement than the control group. Since the effectiveness of academic achievement measured by the results of practical assignments doesn not meet normality, it is excluded from the comparative analysis between groups. To measure the educational satisfaction, the course satisfaction is conducted in the control and experimental groups, and the flipped learning satisfaction is additionally investigated in the experimental group through a questionnaire. When the independent sample t-test is conducted for the educational satisfaction, there is no significant difference between the groups, and all groups score highly evenly. A high degree of satisfaction with the flipped learning is confirmed in the experimental group, and the students with previous flipped learning experience are highly satisfied with this method compared to the learning without the previous experience. The conclusions of our study are as follows. First, in terms of academic achievement, it can be concluded that the AI education with the flipped learning is effective for both non-majors and majors. Except for the most basic question, the experimental group scores higher than the control group in basic and advanced questions of all tests and practical assignments. The AI education with the flipped learning improves academic achievement in both basic and higher-level learning areas for both majors and non-majors, and it is confirmed that the non-major group shows higher effectiveness in the flipped learning-applied classes than the major group. Second, in terms of the educational satisfaction, both the control and experimental groups are highly satisfied. This means that the AI curriculum for the young job seekers at the university has been continuously improved thanks to the analysis of learner characteristics and needs according to the ADDIE model for 7 years, the development of lecture materials and direct lectures by the AI professors at the university, and the survey of learner satisfaction for each subject. This can be attributed to the fact that the curriculum has been already highly recognized. Third, there are a total of seven ways to support the learners and improvement points for the flipped learning AI curriculum derived through focus group interviews: the importance of explaining basic terms, the use of multimedia, the classroom teaching environment for group activities, and the learners' active participation inside and outside classroom, the professional preparation of lectures by instructors, the support for learners using the Learning Management System (LMS), and the use of online collaboration tools. Next, the limitations of this study and suggestions for follow-up studies are as follows. First, in the experimental study, the students are divided into majors and non-majors according to whether they majored in science or engineering, but the boundary between majors and non-majors is ambiguous to simply define non-science majors as non-majors. Second, the results of academic achievement measured as practical assignments were given basic scores depending on whether they were submitted, and accordingly, there was not much difference in scores, so the normality was not met. In the future, it is necessary to subdivide the system of practical assignment scores so that individual differences can be clearly measured. Third, the educational satisfaction measured in this study is equally high in the control and experimental groups, and does not exhibit a statistically significant difference. There is a blind point that this may be the result of an experienced instructor and a verified curriculum rather than the result of flipped learning. Forth, the test population is only limited to 80 participants, and thus a follow-up study should explore more population. In this study, the academic achievement and educational satisfaction are measured through experimental research to examine the effectiveness of flipped learning-based AI education for young job seekers, and focus group interviews are conducted. The flipped learning method in the AI education is highly effective. It is highly meaningful that the support plans and guidelines based on the flipped learning are provided for the design and implementation of the AI curriculum for non-majors and majors who are having difficulty learning the AI.;시시각각 빠르게 변화하는 사회는 학습자에게 변화에 빠르게 적응하는 능력 을 요구하고 있다. 이러한 현상에 따라 교육 패러다임 역시 빠르게 변화하고 있으 며, 교육은 이에 맞추어 사회 구성원들이 4차산업혁명 시대의 사회가 요구하는 역 량을 갖추도록 할 필요가 있다. 교육은 사회적 요구를 반영해야 하며, 사회적 요 구가 반영된 교육과정은 기술발달 및 개인 맞춤형 학습 추세와 함께 발전되어야 한다. 4차산업시대에 가장 큰 화두가 되고 있는 인공지능은 여러 분야에서 요구되 고 있는 기술이며, 인공지능 리터러시 역량 개발에 대한 필요성은 대한민국 범 국 가 전략으로 발표되었다(과학기술정보통신부, 2019). 그러나 현재 다양한 분야에서 인공지능 인력에 대한 수요는 폭발적으로 증가하는 추세이지만, 정규교육을 통한 인력수급은 단시간 내에 이루어지기 어렵다. 인공지능은 컴퓨터공학 계열 학문으 로 분류될 수 있지만 학문 범위와 적용 가능한 분야는 무궁무진하므로 이공계 전 공자만을 위한 학문이 아니라 4차산업혁명 시대의 현대인들이 기본적으로 갖추어 야하는 리터러시로 간주되고 있다. 그러나 인공지능을 학습하기 위해서는 기본 컴 퓨터 언어, 기초수학, 컴퓨터 알고리즘 등의 기초적인 학습내용이 공통적으로 선 행될 필요가 있다. 이공계 전공자들 중 공학 계열 전공자이지만 컴퓨터 코딩에 생 소한 학습자들도 많고, 자연과학 계열 전공자들은 자신이 비전공자라고 인식하는 경우가 많다. 특히 인문, 사회과학, 상경, 예체능 등 이공계 비전공자들의 경우 학 습 초기부터 많은 어려움을 겪고 있으므로 비전공자 및 학습에 어려움을 겪고 있 는 전공자 모두를 위한 인공지능 교수 지원방안이 요구되고 있다. 취업준비생 대상 인공지능 교육과정은 정규 교육과는 달리 한정된 기간 안에 많은 분량의 학습이 이루어지기에, 다양한 배경과 사전지식을 가진 학습자들을 위 한 학습자중심 교수방법 중 플립러닝을 교수에 적용한다면 학습자의 개별 니즈와 능력에 따른 학습이 가능해지며, 학업성취도 및 교육만족도 역시 향상될 수 있을 것으로 가정하였다. 이에 따라 비전공자 및 전공자 모두에게 인공지능 교육의 효과적 수행을 목적으로, 플립러닝 방식을 채택하여 학습자중심교육을 제공하였을 때 학업성취도와 교육만족도를 측정하는 실험연구를 통해 플립러닝을 적용한 인 공지능 교육의 효과성 및 학습자 지원방안에 대해 연구하였다. 이에 본 연구에서 제시한 연구문제는 다음과 같다. 연구문제 1. 플립러닝을 적용한 인공지능 교육이 취업준비생의 학업성취도 향 상에 효과가 있는가? 연구문제 2. 플립러닝을 적용한 인공지능 교육이 취업준비생의 교육만족도 향 상에 효과가 있는가? 연구문제 3. 다양한 전공의 취업준비생을 위한 인공지능 교육에 필요한 교수 (instruction)적 지원 방안 및 플립러닝 교수설계에서 개선할 부분은 무엇인가? 본 연구에는 경북 소재 A대학에서 운영하고 있는 청년 취업준비생 대상 인공 지능 교육프로그램 수강생 80명을 연구대상으로 선정하여, 통제군 내 전공자와 비 전공자 40명, 실험군 내 전공자와 비전공자 40명을 동일한 인원으로 무선할당하여 통제군에는 전통적 교실수업을, 실험군에는 플립러닝이 적용된 수업을 제공하는 실험연구를 진행하였다. 대상 과목은 청년 취업준비생 대상 인공지능 교육과정 중 AIoT 과목으로, 이론수업과 실습수업이 병행되는 총 30시간의 교육이 각 집단 별 로 진행되었다. 교육이 종료된 후 학업성취도 측정을 위해 시험과 실습과제에 대 한 평가가 수행되었으며, 교육만족도 측정을 위해 수업만족도 및 플립러닝 만족도 설문이 이루어졌다. 추가로 실험군 포커스그룹 인터뷰를 통하여 학습자 경험 및 교수자 경험을 청취하였다. 연구문제에 따른 연구결과는 학업성취도와 교육만족도, 포커스그룹 인터뷰를 토대로 도출되었다. 학업성취도는 Bloom's Taxonomy의 기본 및 고차원적 학습목 표 달성을 측정하는 시험과 실습과제에 대한 평가로 측정하였다. 이론시험으로 측 정한 점수에 대해서 독립표본 t검정을 실시하였을 때 실험군이 통제군보다 학업성 취도가 유의미하게 높게 나타났다. 실습과제 결과로 측정한 학업성취도 효과성은 정규성을 충족하지 못하였으므로, 집단간 비교분석에서 제외하였다. 교육만족도 측정을 위해 통제군과 실험군에 수업만족도 조사를 실시하였고, 실험군에게 추가 로 플립러닝 만족도를 설문을 통해 조사하였다. 교육만족도는 독립표본 t검정을 실시하였을 때 집단 간 유의한 차이가 나타나지 않았으며 모든 집단에 골고루 높 은 점수 결과가 나왔다. 플립러닝 수업을 실시한 실험군에 실시한 플립러닝 만족 도에서도 높은 만족도가 도출되었으며, 이전 플립러닝 경험이 있는 학습자들이 경 험이 없는 학습자들보다 만족도가 유의한 수준으로 높게 측정되었다. 본 실험연구 결과에 대한 결론은 다음과 같다. 첫째, 학업성취도 면에서 플립 러닝을 적용한 인공지능 교육은 비전공자 및 전공자의 모두에게 효과성이 있음이 나타났다. 이론시험의 가장 기초적인 문항을 제외하고 기본 및 고차원적 문항에서 실험군이 통제군보다 높은 점수를 얻었다. 플립러닝을 적용한 인공지능 교육은 전 공자와 비전공자 모두 기본 및 고차원적 학습 영역에서 학업성취도를 향상시켰고, 특히 비전공자 집단은 전공자 집단보다 플립러닝 적용 수업에서 그 효과성이 높 게 나타났음을 확인할 수 있었다 둘째, 교육만족도 측면에서 플립러닝을 적용한 인공지능 교육은 유의한 효과성이 나타나지 않았으며, 통제군과 실험군 모두 동일 하게 높은 만족도가 나타났다. 이는 A대학 청년취업준비생 대상 인공지능 교육과 정이 7년 동안 ADDIE 모형에 따라 학습자 특성 및 요구 분석, A대학 인공지능 전 문 교수진의 강의자료 개발 및 직접 강의, 매 과목 별 학습자 만족도 조사를 토대 로 한 지속적인 개선을 통한 검증된 커리큘럼을 운영하였기 때문으로 볼 수 있다. 셋째, 포커스그룹 인터뷰를 통해 도출한 플립러닝 인공지능 교육과정에 대한 학습 자 지원방안 및 개선점은 총 일곱 가지로, 기초적 용어 설명의 중요성, 멀티미디 어를 활용, 그룹활동을 위한 교실수업 환경, 학습자의 적극적 교실밖 및 교실 수 업 동기부여, 교수자의 전문적 수업준비, 학습관리시스템(LMS)을 활용한 학습자 지원, 온라인 협업툴의 활용이다. 다음으로 본 연구의 한계점과 후속연구에 대한 제안은 다음과 같다. 첫째, 실험연구에서 학습자를 이공계 전공여부에 따라 전공자와 비전공자로 구 분하였으나, 단순히 비이공계 전공자를 비전공자로 정의하기에는 전공자와 비전공자의 경계가 모호하다. 둘째, 학업성취도 중 실습과제로 측정된 결과값은 과제 제출 시 기본 점수가 부여되었으므로 학습자간 점수차이가 크지 않아 정규성 가정을 충족하지 못하였 다. 따라서 향후 실습과제 점수 체계를 세분화하여 학습자간 성취도가 명확히 측 정되도록 할 필요가 있다. 셋째, 본 연구에서 측정한 교육만족도는 통제군과 실험군에서 동일하게 높게 나타났으며, 통계적으로 유의한 차이를 보이지 않았다. 이는 플립러닝에 대한 결 과보다 경험 있는 교수자와 검증된 커리큘럼에 의한 결과일 수 있다는 맹점이 있 다. 넷째, 실험군과 통제군 각 1회에 걸쳐 총 80명의 제한된 모집단을 대상으로 하였기에, 더 큰 모집단을 대상으로 보다 객관적인 지표 확인이 필요하기에 이에 대한 후속연구가 필요하다. 본 연구는 취업준비생들을 대상으로 플립러닝 기반의 인공지능교육의 효과성 을 살펴보기 위해 실험연구를 통해 학업성취도와 교육만족도를 측정하였으며, 더 불어 포커스그룹 인터뷰를 실시하였고 이를 통해 인공지능 교육에서 플립러닝의 효과성을 증명하였다. 또한 한정된 시간으로 진행되는 청년 취업준비생들을 위한 비학위 인공지능 교육과정에서 플립러닝을 활용하여 비전공자 및 인공지능 학습 에 어려움을 겪고 있는 전공자들을 위한 인공지능 교육과정 설계 및 실행에 대해 지원방안과 가이드라인을 논의하였다는 점에서 의의를 가진다.