KCI등재
물질의 상태 분류에 대한 머신러닝 기반 교사교육 프로그램의 교육적 효과 = The Educational Effect of Machine Learning-Based Teacher Education Program on the 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
259-284(26쪽)
DOI식별코드
제공처
목적 본 연구에서는 초·중등 과학교사를 대상으로 물질의 상태 분류에 대한 머신러닝 기반 교사교육 프로그램을 개발 및 실행하여 물질의 상태 분류 머신러닝 모델을 구축하였다. 그리고 모델의 평가 및 과학교사들의 경험을 질적 분석하여 프로그램의 효과성 및 과학수업에 머신러닝을 적용하는 것에 대한 과학교사들의 인식을 확인하고자 하였다.
방법 이를 위하여 중부권 소재의 사범대학의 교육대학원에 재학 중인 초·중등 과학교사 31명을 대상으로 총 3회의 물질의 상태 분류 활동을 수행하고 의사결정트리 알고리즘을 적용한 머신러닝 모델로 구축하였다. 그리고 정확도, F1-score 등 모델 성능 평가를 통해 프로그램의 효과성을 확인하였다. 또한 과학교사들이 머신러닝의 적용에 대해 갖는 생각을 질적 분석하였다.
결과 총 3회의 물질의 상태 분류 활동 동안 구축된 모델의 성능 평가 결과 정확도, F1-score 등의 값이 정적으로 증가하여 물질의 상태 분류에 대한 머신러닝 기반 교사교육 프로그램의 교육적 효과가 있는 것으로 판단되었다. 그리고 연구 참여자들의 머신러닝 모델 생성을 위한 데이터를 분석한 결과, 지식에 근거한 연역적 사고과정을 통해 물질의 상태를 분류하는 경우가 있음이 드러났다. 머신러닝 모델의 분류 성능을 비교한 결과 미시적 분류 기준보다는 거시적 분류 기준이 더 큰 영향을 주었으며, 물질의 사례별 연구 참여자와 머신러닝 모델의 분류 결과를 비교하였을 때 혼합물의 경우 불일치도가 증가하였다. 또한 질적 연구 분석을 통해 연구 참여자들이 머신러닝의 적용에 대해 갖는 생각을 ‘과학 개념의 생성 과정 체험’, ‘인지갈등’, ‘의사소통’ 등 9개의 주제로 도출하였다.
결론 머신러닝을 과학교육의 탐구학습 방안으로 교사교육에 적극 도입하여야 하며, 머신러닝 기반 교육 프로그램을 토대로 귀납적 사고와 같은 과학적 추론 과정을 제대로 반영할 수 있는 교과서 등의 교육 자료가 개발되어야 하겠다. 그리고 혼합물을 물질의 상태 분류 학습에 포함시켜야 하는가에 대한 과학적 관점에서의 논의가 필요하다.
Objectives In this study, a machine learning-based teacher education program for classifying the state of matter was developed and implemented for elementary and secondary science teachers and machine learning model for state classification of matter was established. And by analyzing the model evaluation and the experience of science teachers qualitatively, it was attempted to confirm the effectiveness of the program and the perception of science teachers about the application of machine learning to science classes.
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, a total of three 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 and F1-score. In addition, we qualitatively analyzed the thoughts of science teachers on the application of machine learning.
Results TAs a result of evaluating the performance of the built model during a total of 3 state of matter classification activities, it was determined that the accuracy and F1-score values increased statically, resulting in the educational effect of the Machine Learning-Based Teacher Education Program on the Classifying State of Matter. And as a result of analyzing the data of the study participants, it was revealed that there are cases in which the states of matter are classified through a deductive thinking process based on knowledge. As a result of comparing evaluation indicators of the machine learning models, the macroscopic classification criteria had a greater effect than the microscopic classification criteria. And when the classification results between the machine learning model and the research participants for various examples were compared, in the case of mixtures, the degree of inconsistency increased. In addition, through qualitative research analysis, the thoughts of science teachers on the application of machine learning were derived into nine topics, including ‘experience the process of creating science concepts’, ‘cognitive conflict’, and ‘communication’.
Conclusions Machine learning should be actively introduced into teacher education as an inquiry-learning method of science education. And educational materials such as textbooks that can properly reflect scientific reasoning processes such as inductive thinking should be developed based on machine learning-based education programs. And it is necessary to discuss from a scientific point of view whether mixtures should be included in the learning of Classifying State of Matter.
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)