KCI등재
물질의 상태 분류에 대한 과학교사와 머신러닝 모델의 분류 결과의 비교 분석 = Comparative analysis of classification results between science teachers and machine learning models about classifying state of matter
저자
발행기관
학술지명
학습자중심교과교육연구(The Journal of Learner-Centered Curriculum and Instruction)
권호사항
발행연도
2023
작성언어
-주제어
KDC
373
등재정보
KCI등재
자료형태
학술저널
수록면
363-379(17쪽)
DOI식별코드
제공처
목적 본 연구는 물질의 상태 분류에 대한 초⋅중등 과학교사들인 연구 참여자들과 개발된 머신러닝 모델의 분류 결과를 비교 분석하여 분류의 결과가 불일치하는 상황의 원인을 확인하고, 그 결과를 토대로 물질의 상태 분류 학습에 줄 수 있는 교육적 함의를 찾고자 하였다.
방법 이를 위하여 중부권 소재 사범대학의 교육대학원에 재학 중인 초⋅중등 과학교사 31명을 대상으로 물질의 상태 분류 활동을 수행하고 의사결정 트리 알고리즘을 적용한 머신러닝 모델을 구축하였다. 그리고 정확도, F1-score, 정밀도, 재현율 등 모델의 성능 평가를 실시하였다.
결과 개발된 물질의 상태 분류 머신러닝 모델의 분류 정확도는 0.820, F1-score는 0.820, 정밀도는 0.826, 재현율은 0.820으로 나타났다. 또한 과학교사들이 분류한 결과와 머신러닝 모델의 분류 결과가 불일치하는 정도는 순물질이나 균일 혼합물보다 불균일 혼합물에서 크게 나타났다. 이러한 불일치는 연구 참여자들이 물질의 상태를 분류할 때 거시적 관점과 미시적 관점의 분류기준을 일관적으로 적용하지 않거나, 특정 물질은 특정 상태라는 개념을 미리 가지고 물질의 상태를 분류하기 때문에 나타나는 현상으로 분석되었다. 그리고 의사결정 트리 알고리즘의 시각화를 통해 학습 상태를 드러내는 도구로서의 유용성을 확인하였다.
결론 연구 결과를 토대로, 선행연구에서 지적한 학생들의 물질의 상태 분류 과정에서 드러나는 혼란의 원인을 찾아볼 수 있었으며, 머신러닝은 효과적인 학습상태 진단도구가 될 수 있으므로 이를 활용할 수 있도록 교사교육이 필요함을 제안하였다.
Objectives This study compares and analyzes state classification results of matter between developed machine learning model and research participants who are elementary and middle school science teachers, identifies the cause of the situation in which classification results are inconsistent. And based on the results, we tried to find educational implications that can help learn state classification of matter.
Methods For 31 elementary and middle school science teachers enrolled in the Graduate School of Education at the College of Education located in the central region, matter classification activities were performed and a decision tree algorithm was applied to the machine learning model. And the effectiveness of the program was confirmed through model performance evaluation such as accuracy, F1-score, precision, recall.
Results The classification accuracy of developed machine learning model for classifying state of matter was 0.820, the F1-score was 0.820, the precision was 0.826 and the recall was 0.820. In addition, the degree of discrepancy between the classification results of science teachers and the classification results of the decision tree algorithm was larger in heterogeneous mixtures than in pure matters or homogeneous mixtures. This discrepancy was analyzed as a phenomenon that occurs because science teachers do not consistently apply the classification criteria from the macroscopic and microscopic perspectives or do have the concept that a specific matter is a specific state in advance when classifying the state of matter. Based on the results of these studies, the cause of confusion revealed in the process of classifying the state of matter pointed out in previous studies was found.
Conclusions Based on the research results, it was possible to find the cause of confusion revealed in the process of classifying the state of matter of students pointed out in previous studies, and since machine learning can be an effective tool for diagnosing learning conditions, it is suggested that teacher training is needed to utilize it.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)