Analysis of Problem-Solving Processes through Data-based STEAM Education: Focusing on Atmospheric Circulation and Surface Currents

전체 글

(1)Journal of Korean Society of Earth Science Education 13(3); 330~343; December 2020. pISSN: 2005-5668 eISSN: 2289-0386 https://doi.org/10.15523/JKSESE.2020.13.3.330. ORIGINAL ARTICLE. 데이터 기반 STEAM 교육을 통한 문제 해결 과정 분석: 대기대순환과 표층 해류 내용을 중심으로 홍석영1⋅한신2⋅김형범3* (1제천제일고등학교 교사, 2고려대학교 겸임교수, 3충북대학교 교수). Analysis of Problem-Solving Processes through Data-based STEAM Education: Focusing on Atmospheric Circulation and Surface Currents Seok Young Hong1⋅Shin Han2⋅Hyoungbum Kim3* (1Jecheon Jeil Highschool, 2Korea University, 3Chungbuk National University) ABSTRACT In this study, STEAM program on the subject of ‘atmospheric circulation and surface current’ was produced based on data and applied to 106 first-year high school students to analyze its effect and problem-solving processes. This program was organized to collect, refine, visualize, and analyze data and to allow communication processes to proceed based on these results. Using this, the concept of circulation in daily life was expanded from a global perspective to identify problems about circulation around the world. As a result of the application of the program, significant changes were identified in knowledge information processing competency. Also, significant changes were made in terms of convergence and creativity, which are sub categories among STEAM core competencies. It also sought to obtain suggestions for data-based STEAM education by analyzing students' responses in the form of a Text network. Key words : atmospheric circulation, data, problem-solving processes, STEAM. Ⅰ. 서 론. 술의 융합을 강조하고 있다(교육과학기술부, 2015). 여 기서 융합은 내용과 지식의 나열적인 혼합이 아닌, 핵. 최근 개정된 2015 개정 교육과정은 다가오는 미래. 심 역량 중심의 과목 간의 연계를 통하여 실현되는 것. 사회에 대비할 수 있는 인재를 육성하기 위해 핵심 역. 을 의미한다(윤옥한, 2017; 김유란 외 2020). 이를 위해. 량을 강조하고 있다(교육과학기술부, 2015). 이는 학교. 학생들은 실생활에서의 문제 해결에 필요한 창의적인. 수업이 기존의 내용과 지식 위주에서 벗어나 실생활의. 역량과 타인과의 의사소통을 기반으로 올바른 인성을 기. 문제를 해결하는 적용능력을 함양할 수 있도록 변화해. 를 수 있어야 한다(윤옥한, 2017). 이러한 관점에서 2010. 야 한다는 것이며, 이를 위해 다양한 학문적 지식과 기. 년 이후 학교 현장에서는 과학·기술과 예술을 융합한 융. Received 30 November, 2020; Revised 13 December, 2020; Accepted 18 December, 2020 *Corresponding author : Hyoungbum Kim, Chungbuk National University, 1 Chungdae-ro, Seowon-Gu, Cheongju Chungbuk Chungcheongbuk-do, 28644, Korea E-mail : hyoungbum21@gmail.com This research was supported by Chungbuk National University Korea National University Development Project(2020).. ⓒ The Korean Society of Earth Sciences Education. All rights reserved. This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License(http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited..

(2) 331. 데이터 기반 STEAM 교육을 통한 문제 해결 과정 분석. 합인재교육(이하 STEAM 교육)에 대한 강조가 있었으며, 지금까지 다양한 형태의 교수·학습 콘텐츠가 개발되었다.. STEAM 교육은 인지적, 정의적 측면에서 효과적인. 사고능력과 내러티브 능력 등을 기를 수 있다(Shreiner,. 2018). 또한 이를 토대로 타인과 소통하는 기본적인 역 량을 함양하는 데도 도움을 받을 수 있다.. 교수 방법으로 인식되고 있으며, 나아가 진로 인식과. 이전에 발표된 선행연구들에서 데이터 리터러시(Data. 과학적 소양, 창의성, 시스템 사고 등에 대해서도 유의. Literacy)라는 개념을 활용하여 데이터와 관련한 역량을. 미한 효과가 보고되고 있다(이용섭과 김윤경, 2012; 강. 총체적인 관점에서 설명하고 있다(Wolff et al., 2016; Kim. 남화 외, 2018; 김유란 외, 2020; Kim & Chae, 2016). 하. et al., 2016; 김시내, 2018; Shreiner, 2018; 이진석, 2019;. 지만 박현주 외(2016)의 연구에 따르면 고등학교 학생. Ryan et al., 2019). 이는 2015 개정 교육과정 중 ‘지식정. 들의 STEAM 교육에 대한 요구가 가장 높은 편이나,. 보처리역량’이 데이터와 관련한 역량과 그 의미가 가. 오히려 학교급이 높아질수록 STEAM 교육 실행이 감. 장 유사하다고 볼 수 있는데(손미현, 2020a), 지식정보. 소하고 있는 실정이며 특히 고등학교의 STEAM 교육. 처리역량은 지식이나 자료를 수집, 분석, 선택, 평가, 조. 은 20% 미만 수준으로 가장 낮게 시행되고 있다. 이러. 직하여 이를 해석하고 문제를 해결하는 과정에서 길러. 한 결과는 고등학교에서 STEAM 교육에 대한 실행이. 질 수 있는 역량으로 지식정보화 사회에서 강조되는 개. 현행 교육과정의 내용과 학습자의 요구에 부합하지 못. 념이다(교육과학기술부, 2015; 이진숙 외 2017; 손미현. 하는 결과라 판단된다.. 과 정대홍, 2018). 이러한 역량은 특히 과학교육에서 강. 한편, 우리 사회는 점차 데이터 기반의 사회로 변화. 조하고 있는데, 과학적 탐구 과정과 데이터를 기반으로. 하고 있으며 지금도 수많은 데이터가 생성되고 있다(김. 하는 문제해결과정이 매우 유사한 측면을 보이기 때문. 시내, 2018; Shreiner, 2018; Nestorov et al., 2019). 데이. 이다(Mandinach & Gummer, 2013). 즉, 과학교육에서 과. 터란 사전적으로 ‘자료’를 뜻하는 비교적 간단한 용어. 학적 탐구를 통하여 구현될 수 있는 탐구력, 문제해결. 지만 현대사회에 들어 그 의미가 확대되면서 더욱 중. 력, 의사소통 능력과 같은 특성이 데이터를 활용하여 문. 요해지고 있으며, 최근 교육현장에서도 데이터의 양이. 제를 해결하는 과정에서도 길러질 수 있으며, 과학적 탐. 급격하게 증가하면서 데이터를 이해하고 활용하는 것. 구 경험은 데이터를 통한 일련의 탐구 과정을 통해서도. 을 매우 강조하고 있다(배화순, 2019). 비정형적인 수. 실현될 수 있다.. 많은 데이터들을 유의미한 정보(Information)로 정제하. 한편, 국내에서 데이터를 기반으로 진행된 교육분야. 는 과정에서 다양한 공학적인 방법이 요구되며, 더욱. 의 연구로는 손미현(2020b)이 데이터 기반 과학탐구를. 효율적인 방법을 위한 방안이 모색된다. 따라서 이러한. 위하여 ESDA(Exploratory Scientific Data Analysis) 탐구. 과정은 일종의 정보처리과정이자 창의적 사고를 유발하. 모형을 개발하여, 이를 고등학교 1학년 영재학생 12명. 는 과정으로 볼 수 있다(Calzada-Prado & Marzal, 2013;. 에게 적용하였다. 그 결과 손미현(2020b)은 학생들의 탐. 김용민과 김종훈, 2017; 김시내, 2018; 최은희와 이진호,. 구에 대한 흥미를 고취할 수 있는 사례를 발견하였다.. 2019). 그러므로 이렇게 산출된 정보는 의사결정(Data. 또한 이희후(2019)는 초등학교 6학년 학생 53명을 실. Based Decision Making)이나 사회적 참여 등에 활용되. 험 집단과 통제집단으로 구분하여 데이터 시각화 도구. 며 인간의 삶에 밀접한 영향을 주는 개념으로 확대되고. 를 활용하여 생태계와 쓰레기의 친환경적 처리에 관한. 있다(Kippers et al., 2018). 이러한 측면에서 우리나라의. 수업프로그램을 개발하였다. 수업 처치 이후 지식정보. 교육과정에서도 정보교육 및 빅데이터의 중요성과 이를. 처리 역량과 과학 기술에 대한 태도의 향상에 유의미한. 다루는 방법을 강조하기 위해 진로선택교과에 ‘인공지. 효과는 없었지만 각각의 하위 요소에서 유의미한 효과. 능과 미래사회’와 같은 교과를 신설하여 시행하고 있다.. 를 검증하였다. 박찬솔과 손정우(2020)는 탐구적 과학. 데이터를 처리하는 과정에서 길러질 수 있는 역량. 글쓰기를 통하여 데이터 기반의 탐구학습을 제작하여 초. 은 매우 다양하다. 우선 데이터를 분석하고 해석하는. 등학교 5학년 학생에게 투입한 결과로 과학적 사고력,. 과정에서는 과학적⋅공학적 사고능력을 함양할 수 있으. 과학적 탐구능력에서 통계적으로 유의미한 향상을 확인. 며, 정보를 유의미하면서도 빠르게 전달할 수 있는 시각. 하였다. 김정아 외(2019)는 파이썬(Python)을 활용하여 초. 화 도구를 선정하여 이를 구성하는 과정에서는 수학적. 등학교 6학년 학생들을 대상으로 데이터 시각화 교육.

(3) 홍석영⋅한신⋅김형범. 332. 을 실시하여 계산된 인지력, 창의성 요인에서 유의미. 스템 간의 상호작용과 인간과 관련한 지구 환경변화에. 한 효과를 확인하였다. 박지수(2019)는 초등학교 3, 4. 대한 문제를 파악하고 이를 해결할 수 있는 방법을 모색. 학년의 사회과 학습 자료로 제시된 데이터 시각화 자. 하는 것까지의 일련의 과정을 제공할 수 있다.. 료를 분석하여 보다 심미성을 높인 자료를 제공하는. 이 연구에서는 우선 다양한 형태의 데이터와 데이. 경우 지식적인 측면과 교과에 대한 긍정적인 인식에. 터 시각화 자료를 제공하여 학생들이 데이터의 의미를. 도움을 준다는 결과를 확인하였다. 이러한 결과는 데이. 파악하고 데이터 처리의 필요성과 그 과정을 생각할 수. 터를 다루는 수업이 지식정보처리 역량에 해당하는 정. 있도록 하였다. 이후 학생들이 대기의 순환, 해류의 순. 보수집 및 분석 능력은 물론 이를 토대로 하는 시청각적. 환과 관련한 데이터를 유의미한 정보로 변환하여 문제를. 소통 능력 등 창의적 사고와 소통 측면에서 중요한 역할. 도출하는 과정을 통해 데이터와 관련한 역량을 함양하고,. 을 할 수 있음을 시사한다(박현주 외, 2019). 하지만 지. 이와 관련한 우리주변의 문제를 해결하는 아이디어를 산. 금까지의 연구는 주로 데이터 시각화 도구의 사용 측면. 출하는 것을 포함하는 교수·학습방법으로서 STEAM 교. 이나, 정보 교과 내에서 데이터를 시각화하는 방법을 학. 육프로그램을 개발하여 제시하고자 하였다. 따라서 이 연. 습하는 형태와 같이 제한적으로 진행된 측면이 있다(Fouh. 구의 문제는 다음과 같다. 첫째, 대기대순환과 표층 순환. et al., 2012; Hsieh & Cifuentes, 2006; Ryan et al., 2019).. 을 주제로 하는 데이터 기반의 STAEM 프로그램을 개발. 또한 과학을 주제로 진행된 연구들은 비교적 간단한 측. 하는 것이며, 둘째, 개발한 프로그램을 학교 현장에 투입. 정도구인 아두이노나 센서 등을 이용하여 데이터를 측. 하여 그 효과 및 문제해결과정을 확인하고 제안점을 도. 정하고 이를 분석하여 그 결과를 얻는 방식으로 주로 진. 출하는 것이다.. 행하였기 때문에, 비정형화 되어있는 데이터를 수집하 여 처리하는 과정에 대한 교육연구는 미흡한 편이다. 또 한 기존의 연구들이 주로 초등학생들을 대상으로 하는. Ⅱ. 연구 방법. 연구로서 진행되어, 고등학생을 대상으로 하는 연구는 미비한 실정이다. 따라서 고등학생들의 데이터에 관한. 1. 연구 대상 및 방법. 역량을 함양할 수 있는 프로그램 개발이 필요하다. 이에 이 연구에서는 고등학생들을 대상으로 하는 데이터 기반의 교수·학습 프로그램을 개발하고자 하였 다. 데이터 기반의 수업에서는 다양한 학문을 융합할 수 있는 측면이 있는데(손미현, 2020a), 이는 데이터 자 체가 가지고 있는 이론적 배경에 대한 과학 지식, 데이. 이 연구의 목적은 고등학생들을 대상으로 데이터 기반의 STEAM 교육 프로그램을 개발하는 데 있다. 그 목적을 달성하기 위해 충청북도 소재의 A고등학교 1 학년 학생 106명을 대상으로 연구가 진행되었으며, 도 입교과는 고등학교 통합과학의 ‘환경과 에너지’ 단원. 터 처리과정에서 필요한 공학적 방법론 및 얻어낸 정. 중 대기대순환과 표층 순환을 주제로 진행하였다. A고. 보를 통해 의사소통하는 과정에서 필요한 심미적 방법. 등학교는 소도시에 위치한 학교로서 학생들의 학업성. 들이 포함되어있기 때문이다. 따라서 이러한 융합적인. 취도가 높은 편은 아니지만 다양한 활동에 적극적인 자. 측면을 다루는 교수·학습방법으로 STEAM 교육의 형. 세를 보이는 학생들이 많아 STEAM 활동을 기반으로. 태를 적용할 수 있으며, 그중에서도 지구과학 분야의. 하는 이 연구 프로그램을 적용하는 것이 적절하다고 판. 대기대순환과 표층 순환의 주제는 기상과 해류 관련 데이터들이 온라인 오픈소스들을 이용하여 쉽게 접근 할 수 있다는 점에서 데이터와 관련한 일련의 과정을 제 공하기에 적절한 주제라고 할 수 있다(배화순, 2019). 또 한 대기 대순환과 표층해류가 기후변화, 환경 오염, 사회 경제 문제 등에 영향을 끼치며(박효진과 문병권 2017; 박. 단하였다. 개발된 데이터 기반의 STEAM 프로그램과 교 수학습지도안을 기반으로 연구자를 포함한 3명의 교과 담당교사가 수업을 진행하였으며, 이를 위하여 2020년. 8월 1일부터 2020년 11월 30일까지 지속적인 워크숍과 세미나 및 컨설팅 등의 연수를 진행하였다. 또한 이 연 구 프로그램의 목적과 진행방식을 이해하고, 운영할 수. 경애 외, 2020; 정재인 외, 2020), 인간의 삶과 아주 밀접. 있도록 전문가 집단을 구성하였다. 그리고 STEAM 활. 한 관련이 있는 주제이다. 그러므로 학생들이 지구 시. 동과 창의교육과 관련한 개념 도입이 필요한 부분에서.

(4) 333. 데이터 기반 STEAM 교육을 통한 문제 해결 과정 분석. 는 연구자가 개발하여 전문가 타당도를 거친 수업동영. 구에서는 데이터와 관련한 세부 요소가 특정한 순서를. 상 강의를 제공하여 이를 활용할 수 있도록 하였다.. 가져 순차적으로 제시되기보다는 전반적인 교수·학습활 동 내에서 다양한 데이터를 다루어보며 이를 기반으로. 2. 프로그램 개발. 문제를 해결하는 과정을 제공하고 이와 관련한 데이터. 이 연구는 고등학교 1학년 통합과학 교과의 내용 요. 리터러시 소양을 함양할 수 있도록 하였다.. 소인 대기대순환과 표층해류를 주제로 진행하였다. 이. 또한 교수·학습활동을 구성하는 과정에서 학생들의. 과정에서 대기대순환과 표층해류 중심의 데이터와 관. 창의적 사고에 대한 역량 강화를 위하여 창의적 사고기법. 련한 교수·학습요소를 포함하고자 데이터 리터러시에. 인 HTE(Here, There, & Everywhere) 기법을 활용하였다. 관한 선행연구를 분석하고, 적절한 교수·학습형태로 산. (김용기 외, 2018). HTE 모형은 비유를 활용하며 생활주. 출할 수 있는 수업요소를 추출하였다. 연구자들에 따라. 변에서 발견되는 현상과 유사한 현상이 다른 영역에서. 데이터 관련 역량으로서 데이터 리터러시(Data Literacy). 도 나타나는 것을 확인하는 과정을 통하여 과학적 원리. 에 대한 정의가 매우 다양한 편이지만, 데이터를 수집· 처리하는 과정뿐만 아니라 이를 기반으로 현상에 대한 문제를 도출하고 의사소통하는 과정을 포함하는 것. 의 보편성을 이해하고, 이와 관련한 개념을 확장하는 창 의적 사고의 과정으로 구성된다(Arcand & Watzke, 2014; 한신 외, 2019). 즉 HTE를 통한 현상에 대한 이해를 기. (Adam et al., 2015; Wolff et al., 2016; Gray et al., 2018;. 반으로 그 안에 포함된 원리를 발견하고, 이를 토대로 문. 배화순, 2019)을 주요 리터러시로 정의한다. 본 연구에. 제 상황의 해결책을 모색하거나 유사한 문제에 이를 적. 서도 이러한 일련의 과정을 포함하기 위하여 데이터. 용하는 일련의 사고과정의 단계로 수업을 구성할 수 있. 활용, 데이터 분석, 데이터 시각화, 데이터 의사소통으. 다. 또한 비유의 활용이 학습자의 인지구조관련 선행조. 로 구분되는 네 가지 세부 하위요소를 선정하였으며. 직자의 역할을 하고 개념학습을 도울 수 있으며, 비유. 이와 관련한 자세한 내용은 Table 1과 같다.. 를 생성하는 과정에서 창의적 사고능력을 자극할 수 있. 데이터와 관련한 역량은 현재의 문제를 해결하는 과 정을 맥락으로 하여 데이터를 수집하고 분석한 자료를 토대로 결론을 산출하며, 이를 기반으로 새로운 계획을 수립하는 순차적인 과정을 통해 길러질 수 있다(Wolff et. 기 때문에(한신 외, 2020; Duit, 1991; Mayer, 1993), 교과 간 연계 및 융합교육인 STEAM 교육프로그램에서 활 용하는 것이 적절하다고 볼 수 있다. 이 연구에는 지구과학교육 전문가 2인, STEAM 교. al., 2016). 하지만 Wolff et al.(2016)은 데이터를 수집하. 육 담당교사 1인으로 구성된 전문가 집단과의 지속적. 는 과정에서 데이터가 문제에 대한 답을 해결할 수 있는. 인 타당성 검토를 통하여 개발한 프로그램의 내용 적. 적절한 자료인지에 대한 여부, 즉 데이터의 적절성을 파 악하기 위해서는 데이터 수집과정에 대한 계획을 수립 할 필요가 있다고 하였다. 이러한 과정에서 수집한 데이 터의 일부를 선택적으로 분석하는 과정이 선행될 수 있. 절성과 타당도를 논의하였다. 또한 프로그램 투입에 앞서 같은 고등학교에 재학 중인 2학년 학생 39명을 대상으로 프로그램에 대한 Pilot-test를 수행하고 학습 과 활동의 난이도를 조정하는 과정을 거쳤다.. 기 때문에 데이터 리터러시의 요인들의 순서를 일부 변 경하는 것이 가능하다. 즉 이 과정에서는 귀납적 또는 연역적 탐구방법을 모두 활용할 수 있다. 따라서 이 연 Table 1. Components of Data Literacy 구성 요소. 내용. 데이터 활용. 데이터 형식·내용 이해, 데이터 수집 전략 모색. 데이터 시각화. 유의미한 정보전달 방법으로의 시각화 방법 고안. 데이터 분석. 패턴, 그래프, 데이터 시각화 도구 등에 기반한 유의미한 정보추출 문제상황 확인 및 문제 해결을 위한 계획 수립. 데이터 의사소통. 데이터를 통해 얻어낸 정보와 데이터 시각화 자료를 통한 의사소통.

(5) 홍석영⋅한신⋅김형범. 3. 검사 도구 및 자료 분석 이 연구의 목적은 데이터 기반의 STEAM 교육의 효 과와 학생들의 문제해결과정을 분석하는 것이다. 따라. 334. 사 도구는 ‘매우 그렇지 않다’에서 ‘매우 그렇다’ 까지 4 점 리커트 척도로 구분되어 있으며, 검사 도구의 신뢰도 는 Cronbach α= .88이다. 고등학교 1학년 학생 106명을 대상으로 데이터 기반. 서 개발된 교수·학습 프로그램을 적용하는 과정에서. STEAM 프로그램의 이전과 이후에 선정한 검사도구를. 변화가 예상되는 데이터 활용과 이와 관련한 핵심역량. 활용하여 실시하였으며, SPSS 25를 활용하여 독립표본. 을 검사할 수 있는 도구를 선정하였다. 데이터와 관련 한 다양한 역량 중에서 가장 포괄적인 개념으로는 데. t-검정을 실시하였다. 또한 수업 처치 이후 교수학습활 동에서 데이터 기반 STEAM 교육에 대한 인식을 확인. 이터 리터러시가 있으나, 이에 대한 개념이 연구에 따. 하기 위하여 서술형 응답지를 제공하고 자유롭게 자신. 라 다루고 있는 세부 요소가 매우 방대하며 기존에 개. 의 생각을 서술하도록 하여 최종 자료를 확보하였다.. 발된 검사 도구가 주로 정보 교과나 시민교육 영역에. 여기서 얻은 응답은 박한우와 Leydesdorff(2004)가 개발. 서 한정적으로 적용가능한 형태이기 때문에 과학기반. 한 KrKwic 프로그램과 UCINET 6 프로그램을 활용하. 의 STEAM 교육의 결과를 확인하기에는 적합하지 않 은 측면이 있었다.. 여 텍스트 네트워크의 형태로 자료를 분석하고자 하였 다. 이는 비정형적 형태의 어휘 데이터의 분석에 용이. 이에 이 연구에서는 데이터 리터러시와 그 개념이. 한 방법으로(홍석영, 2019) 학생들 응답에서 나타나는. 유사하고 일상의 문제를 인식하여 해결 방안을 탐색하. 어휘의 빈도와 단어 간의 관계를 활용하여 교수·학습. 는 과정에서 길러질 수 있는 역량인 지식정보처리역량. 활동에 대한 제안점을 질적이면서도 양적인 방법을 통. 영역에서의 변화를 확인하기로 하였다. 이를 위하여 백순근 외(2017)가 개발한 고등학생 대상의 2015 개정. 해 확인하고자 하였다. 이 연구에서 활용한 범주와 검 사도구는 Table 2와 같다.. 교육과정의 핵심역량 검사 도구 중 지식정보처리역량 에 해당하는 문항을 활용하여 문제 및 과제 인식, 해결 책 탐색, 해결 및 평가와 관련한 역량을 측정하고자 하 였다. 3개의 하위 구인에 대한 문항은 각 5개로, 총 15 개의 문항이 ‘전혀 타당하지 않다’에서 ‘매우 타당하다’ 까지 5단계의 리커트 척도로 구분되어 있으며 ‘전혀 타 당하지 않다’에 1점, 매우 타당하다에 5점을 부과하였 다. 검사 도구의 신뢰도 Cronbach α= .90이다.. STEAM 교육은 학생들의 STEAM 역량을 기르는 것. Table 2. Test categories and tools 범주. 검사 도구. 지식정보처리 역량 (데이터 리터러시). 핵심역량 측정도구 중 지식정보처리역량 문항 (백순근 등, 2017). STEAM 핵심역량 (창의, 도전, 융합, 배려). STEAM 교육 핵심역량 조사도구 (박현주 등, 2019). 데이터 및 데이터 기반의 구조화되지 않은 자유 서술형 검사 STEAM 교육에 대한 인식. 을 목적으로 진행되는데 한국과학창의재단(2012)에서 는 STAEM 핵심역량을 창의, 소통, 융합, 배려로 구분 하고 있다. 즉 ‘창의’는 문제해결능력과 관련한 역량으 로 창의력과 문제해결능력 등을 포함하는 개념이며 ‘소 통’은 의사소통능력이나 대인관계능력과 관련된다. 또 한 ‘융합’은 다양한 지식을 이해하고 이를 통하여 새로 운 지식을 만들어 낼 수 있는 역량과 관련되며, ‘배려’는. Ⅲ. 연구 결과 1. 데이터 기반 STEAM 교육프로그램 개발 개발된 프로그램은 총 6차시로 구성되어 있으며. 자신감이나 자아효능감을 포함하는 개념이다(과학창의. STEAM 교육의 상황제시, 창의적 설계, 감성적 체험이. 재단, 2012). 이러한 역량을 측정하기 위하여 본 연구에. 각 2차시씩 운영될 수 있도록 하였다(Table 3). 또한 교. 서는 박현주 외(2019)가 개발한 STEAM 교육 핵심역량. 수·학습 내용은 학생들의 데이터 이해 수준이나 수업. 조사 도구를 활용하였다, 이는 요인분석 및 전문가 타당. 내 활용하는 ICT 기자재의 활용 여건 등을 고려하여. 도를 기반으로 하여 창의(11문항), 도전(5문항), 융합(7. 창의적 설계와 감성적 체험에서의 차시를 다소간 조절. 문항), 배려(9문항)의 총 32문항으로 구성되어 있다. 검. 하여 진행할 수 있도록 하였다. 또한 학생들의 창의적.

(6) 335. 데이터 기반 STEAM 교육을 통한 문제 해결 과정 분석. 사고 발현을 위해 비유를 활용하여 일상에서 나타나는. 상과 해류의 운동을 확인할 수 있도록 하였다. 이를 통. 순환에 관한 개념을 이해하는 것(Here)을 시작으로 순. 해 실제 자연현상을 설명하기 위해 설정한 대기대순환. 환과 관련한 현상이나 문제를 찾아보는 것(There), 지. 과 표층 순환의 모델을 이해하고, 모델과 자연현상의. 구규모와 관련한 순환관련 현상이나 문제에 대한 인식. 차이점을 직접 확인할 수 있도록 하였다. 이러한 단계. 및 적용(Everywhere)으로 점차 개념의 적용 범위를 확. 는 앞서 학생들이 제시한 순환에 대한 비유물과 실제. 장해 나가는 순차적 과정으로 교수·학습 프로그램을. 대기대순환과의 유사점과 차이점을 비교하는 활동으. 구성하였다. 이 연구에서 활용한 주요 교수·학습 내용. 로 확장되도록 구성하였다. 이 단계에서의 데이터 리. 과 데이터 리터러시 요소는 Table 3과 같다.. 터러시 요소는 비주얼 맵과 같은 데이터 시각화 방법. 1-2차시의 ‘상황제시’ 단계에서는 커피 알갱이가 물. 의 특징을 확인하는 것과 이러한 데이터 시각화 자료. 속에서 움직이는 모습, 운동장 트랙을 달리는 육성 선. 에서 위도별 풍향, 해역에 따른 해류의 이동 등의 정보. 수의 비유를 활용하여 학생들이 순환 개념에 대한 친. 를 찾아 분석하는 것을 포함하였다. 상황제시 단계에. 숙함을 가질 수 있도록 하였다. 또한 이러한 관점에서. 서 진행된 교수학습과정은 대기대순환과 해류순환이. 지구를 구성하는 대기와 해수도 순환하고 있음을 설명. 라는 주제로서 HTE 모형을 세부적으로 도입한 것으로. 하기 위해, 학생들이 일상생활에서 찾을 수 있는 순환. 이와 관련한 주요 내용은 Table 4와 같다.. 과 관련한 비유를 생성하는 단계를 포함시켰다. 이는. Fig 1은 상황제시 단계에서 학생들이 산출한 순환과. 친숙한 사물에서부터 지구 규모의 순환까지 개념의 영. 관련한 비유이다. 톱니바퀴, 물살, 굴뚝의 연기 등 주변. 역을 점차 확장한 것으로, 이 단계에서는 학생들에게. 에서 볼 수 있는 순환의 사례와 전 지구적인 유체 순환. 실시간으로 지구의 대기와 해수의 움직임을 보여주는. 의 특징을 비교한 것을 확인할 수 있다.. 3-4차시에 해당하는 ‘창의적 설계’ 단계에서는 풍. 비주얼 맵을 제공하여 위도별로 나타나는 탁월풍의 양 Table 3. Educational elements and learning contents 차시 및 STEAM 요소. 창의교육 요소. 데이터 리터러시 요소. 주요 교수학습내용. 1-2 (상황제시). H (Here). 데이터 활용 데이터 분석 데이터 시각화. 순환에 관한 비유를 활용한 개념의 확장 실시간 비주얼 맵을 통한 개념 전개 (데이터 시각화 사례). 3-4 (창의적 설계). T (There). 데이터 활용 데이터 분석 데이터 시각화. 데이터 연구 방법 사례 제시 데이터 시각화(워드클라우드) 연습 우리나라에서 대기, 해류 순환에 관한 기사(빅데이터) 자료 정리 문제 발견 및 구체적인 조사 활동. 5-6 (감성적 체험). E (Everywhere). 데이터 활용 데이터 분석 데이터 시각화 데이터 의사소통. 발견한 문제와 관련한 데이터 조사 데이터 시각화를 통한 데이터 정보추출 데이터 분석을 통한 문제 발견 문제에 대한 해결책 제시 및 의사소통. Table 4. Creative education elements and learning contents in ‘Presenting the situation’ 창의교육 요소. 주요 교수학습내용. H (Here). 우리 주변에서 나타나는 순환관련 사례 발견하기 순환에 관한 비유를 들어 현상 설명해보기. T (There). 순환 개념의 적용 및 확장 실시간 비주얼맵 분석(대기, 해류), 대기대순환과 표층순환의 모델 이해. E (Everywhere). 순환 개념의 정교화 대기대순환, 표층순환 모델과 자연현상의 차이점 발견 순환에 관한 비유물과 대기대순환, 표층순환의 공통점 및 차이점 발견.

(7) 홍석영⋅한신⋅김형범. 336. Fig. 1. Student’s metaphor examples about ‘Circulation’. Fig. 2. Wordcloud examples about ‘Circulation’. 속, 풍향 등이 분절되어 있는 형태로 나열 되어 있는. 주제를 선정하고 이와 관련한 구체적인 정보와 데이터. 기상데이터를 해석하는 과정에서 발생할 수 있는 어려. 를 검색하도록 하였다.. 움을 직접 확인하고, 이전단계에서 살펴보았던 비주얼. 5-6차시에 해당하는 ‘감성적 체험’ 단계에서는 앞선. 맵 형태의 시각화의 장점을 생각하는 단계를 포함하였. 단계에서 확인한 문제를 넘어 전세계에서 발생하고 있. 다. 이후 데이터를 처리하는 과학적인 사례와 방법을. 는 대기, 해수의 순환과 관련한 문제를 발견하고 이와. 설명하여 과학에서의 데이터 처리의 중요성에 대해 이. 관련한 데이터를 수집하여 이를 시각화하여 나타낼 수. 해하고, 대표적인 텍스트 마이닝 시각화 방법인 워드. 있도록 하였다. 이를 위해 수업에 활용한 자료의 일부. 클라우드를 직접 제작하며 데이터 분석과 데이터 시각. 를 Fig 3에 제시하였다. 이 과정에서 수집한 데이터를. 화 등에 대한 기회를 제공하였다. 이는 비정형적인 데. 가장 잘 표현할 수 있는 시각화 방법을 찾고, 이러한. 이터인 언어를 활용하여 학생들이 데이터를 다루는 과. 시각화 방법을 선정한 이유에 대해서도 토론할 수 있. 정에서 필요한 데이터 정제, 정보의 범주(범위)설정 등. 도록 하였으며 기능적인 측면뿐 아니라 심미적인 측면. 을 체험해 볼 수 있도록 한 것이다. 이때 우리나라 주. 에서도 데이터를 가장 잘 표현 할 수 있는 방안에 대. 변에서 나타난 대기대순환, 대기 운동, 해수, 해류 순. 해서도 고민하도록 하였다. 이 과정에서 교사는 학생. 환 등의 키워드가 포함된 신문기사를 수집하며 이를. 들이 다양한 데이터를 검색하는 방법이나, 이를 적절. 토대로 우리나라에서 발생하였던 대기대순환과 해류. 하게 표현할 수 있는 시각화 도구에 대해 안내하는 역. 와 관련한 문제를 키워드의 형태로 발견할 수 있도록. 할을 한다. 이후 모둠별로 수집한 정보와 데이터 시각. 하였다. Fig 2는 학생들이 제작한 워드클라우드의 예. 화 자료를 기반으로 문제를 해결하기 위한 방안을 고. 시이다. 이후 모둠별로 발견한 주제를 정리하여 핵심. 안하거나 다양한 차원에서 문제에 의한 피해를 경감하.

(8) 337. 데이터 기반 STEAM 교육을 통한 문제 해결 과정 분석. Fig 3. Educational materials in ‘Emotional Experience’. Fig. 4. Data visualization and card news examples about problem related to ‘Circulation’. 는 방법을 찾아 인포그래픽이나 카드뉴스와 같은 방법. 2. 프로그램 적용 결과. 으로 시각화할 수 있도록 하였다. 또한 이를 SNS 플랫 폼에 공유하고 다른 모둠의 산출물을 읽고 이와 관련. 가. 지식정보처리 역량에 미치는 영향. 한 의사소통하는 상호작용의 과정을 포함시켰다. Fig.. 이 수업에 참여한 학생들 106명을 대상으로 지식정. 4는 학생들이 데이터를 기반으로 제작한 시각화 자료. 보처리역량, STEAM 핵심역량 검사지를 투입하였으며. 와 카드뉴스이다. 산출물을 제작한 모둠의 학생들은. 사전·사후 검사 결과에 대한 독립표본 t-검정을 진행하. 국가별 미세먼지 유입·유출 데이터를 수집하고 이를. 였다. 이에 대한 결과는 Table 5와 같다. 지식정보처리. 플로우 맵(Flow map)과 파이차트(Pie chart)등을 활용하. 역량의 경우 사전 평균 50.38점, 사후 평균 53.87점으. 여 시각화하였다. 또한 이를 기반으로 문제의 원인과. 로 약 2.5점 가량의 평균 상승이 나타났으며 t-검정 결. 해결방안을 포함하는 카드뉴스를 제작하였다.. 과 p <.05 수준에서 통계적으로 유의미한 변화를 보였 다. 또한 지식정보처리역량의 각 하위 영역에 해당하 는 t-검정 결과는 Table 6과 같다. 총 3가지의 하위 영.

(9) 홍석영⋅한신⋅김형범. 338. Table 5. Test results of knowledge information processing competency test (N=106) 영역. 집단. M. SD. 지식정보 처리역량. 사전. 50.38. 6.81. 사후. 53.87. 6.81. t. p. -6.02. 0.0001*. *p<.05. Table 6. Test results of sub categories in knowledge information processing competency test (N=106) 하위영역(문항 수) 문제 및 과제 인식 (5) 해결책 탐색 (5) 해결 및 평가 (5). 집단. 평균. SD. 사전. 17.36. 2.33. 사후. 18.56. 2.59. 사전. 16.63. 2.58. 사후. 17.71. 2.51. 사전. 16.39. 2.89. 사후. 17.59. 2.63. t. p. -5.31. 0.001*. -4.16. 0.001*. -4.30. 0.001*. *p<.05. 역에 해당하는 문제 및 과제 인식, 해결책 탐색, 해결 및 평가 역량에서 모두 p <.05 수준에서 유의미한 결과 를 나타내었다. 이는 정은주와 손정우(2020)가 데이터 를 활용하여 과학 탐구 수업을 진행한 연구에서 얻은 연구결과와 맥을 같이하며, STEAM 교육프로그램이 데 이터를 기반으로 하여 구성되었기에 데이터 처리, 분 석, 시각화 등의 일련의 과정을 수행하는 과정을 통해 이러한 역량이 함양될 수 있었다는 결과와 일치한다.. 나. STEAM 핵심역량에 미치는 영향 STEAM 핵심역량 검사에 대한 평균점수는 사전·사 후 각각 92.36, 95점으로 2.64점이 상승하였으며 이는. p <.05 수준에서 유의미한 차이가 있는 것으로 확인되 었다(Table 7). 이는 대기 대순환과 해류 순환을 주제 로 데이터 처리, 데이터 시각화 과정, 카드뉴스 제작 등과 같은 데이터 기반의 활동이 학생들의 STEAM 핵 심역량에 유의미한 변화를 나타낸 것으로 판단된다.. Table 7. Test results of STEAM core competency test (N=106) 영역. 집단. M. SD. STEAM 핵심역량. 사전. 92.36. 10.28. 사후. 95. 9.19. t. p. -2.86. 0.005*. t. p. -.3.31. 0.001*. 0.35. 0.71. -2.01. 0.04*. -1.98. 0.05. *p<.05. Table 8. Test results of sub categories in STEAM core competency test (N=106) 하위영역(문항 수) 창의(11) 도전(5) 융합(7) 배려(9) *p<.05. 집단. 평균 (문항 당 평균). SD. 사전. 28.93 (2.63). 3.79. 사후. 30.20 (2.75). 4.08. 사전. 12.93 (2.59). 3.14. 사후. 12.83 (2.57). 2.95. 사전. 21.73 (3.10). 4.05. 사후. 22.41 (3.20). 3.03. 사전. 28.76 (3.20). 3.14. 사후. 29.57 (3.29). 3.26.

(10) 339. 데이터 기반 STEAM 교육을 통한 문제 해결 과정 분석. 이러한 결과에 대해 STEAM 핵심역량의 하위 영역. 할 수 있도록 하였다. 학생들의 설문 응답을 어절 단위. 에 대한 독립표본 t-검정을 실시하였으며 결과는 Table. 로 구분하고 텍스트 네트워크 기법을 활용하여 분석하. 8과 같다. 총 4가지의 세부 영역 중에서 ‘융합, ‘창의’. 였다. 학생들의 응답을 어휘단위로 구분하고 유사한. 에서 통계적으로 유의미한 변화를 나타내었다(p <.05).. 단어를 정제하여 정리된 총 3026개의 단어 중 빈도수. 하지만 ‘도전’ 영역에서는 사전·사후에서 유의미한 변. 가 5 이상인 어휘들 간의 관계를 정리하였으며 이에. 화가 나타나지 않았으며‘배려’영역에서는 사전 검사에. 대한 결과는 Fig5와 같다. 가장 많은 빈도로 출현한 키. 비해 사후 검사의 평균값이 높게 나타났지만 통계적으. 워드는 ‘데이터’이며 ‘알게 되다’, ‘우리’, ‘나의’, ‘인생. 로는 유의미한 차이를 나타내지 않았다(p <.05). 즉 이. 에서’ 등의 노드 간의 강한 관계를 나타내고 있다. 이. 연구에서 개발한 STEAM 프로그램이 창의적 사고기법. 는 학생들이 응답한 문장 내에서 이러한 키워드가 서. 인 HTE를 활용하여 구성되었기에 다양한 비유를 활용. 로 가까운 위치에 관계한다는 것을 의미하는 것으로. 하며 확산적 사고력을 함양할 수 있었고, 수업활동 내. 데이터 기반의 STEAM 수업을 통하여 데이터가 나(학. 에서 데이터와 데이터를 시각화하는 도구와 방법, 카. 생)의, 혹은 우리의 인생에서 중요한 위치를 가지고 있. 드뉴스에 포함되어 있는 순환과 관련한 문제 탐색 등. 다는 것을 인식하게 되었다는 것으로 해석된다. 또한. 의 과정에서 ‘창의’ 영역의 역량을 기르는데 도움을 받. ‘인생에서’, ‘다른’, ‘활용’ 노드 간에는 새롭게 알게 된. 았기 때문이라 판단된다. 다만, STEAM 프로그램이 안. 데이터 정제, 시각화 방법을 다른 교과나 일상생활에. 내된 형태의 탐구활동으로 진행되었으며 데이터와 관. 서도 활용할 수 있다는 응답이 많았기에 뚜렷한 상호. 련한 전반적인 처리 과정이 강조되었기에 데이터를 기. 관계를 나타내는 것으로 해석할 수 있다. 이에 대한 학. 반으로 의사소통하거나, 학생 또는 모둠 간의 협업에. 생들의 주요 응답은 다음과 같다.. 대한 안내의 시간이 다소 부족했던 것으로 판단 된다. ...우리 조의 주제인 미세플라스틱에 대해 조사해보. 다. 데이터 및 데이터 기반의 STEAM 교육에 대 한 인식. 니, 현재 전세계적으로 플라스틱으로 인한 환경오염 그리고 많은 해양생물들의 피해가 심각하다는 것을 다. 이 연구에서는 데이터 기반 STEAM 프로그램의 수 업 이후 학생들이 데이터에 대한 인식과 STEAM 교육 에 대한 인식을 확인하기 위하여 구조화되지 않은 형. 시 한번 더 느낄 수 있는 계기가 되었다. 많은 데이터 를 이용하여 다양하고 폭넓은 정보들을 알아낼 수 있 고, 데이터를 기반으로 하여 더욱 정확하고 신속한 정 보 습득이 가능할 것이다.... 태의 설문지를 투입하고 자신의 생각을 자유롭게 서술. Fig. 5. Text network about perception on data and data-based STEAM program. (A 학생).

(11) 홍석영⋅한신⋅김형범. 340. ...데이터 자료를 사용하면 보다 논리정연하고 가시. 한편, 학생들의 응답 중에서는 데이터 왜곡의 가능. 성이 좋은 자료를 만들 수 있고 살아가며 데이터를 이. 성과 이에 대한 경각심을 가져야 한다는 과학의 본성. 용해 수업시간에 발표나 친구들끼리 약속을 정할때 사. 관점에서의 성찰이 포함되어 있었다.. 용하는 편리한 방법이 될 것이다.... (A 학생). (B 학생) ...주어진 통계자료가 주는 정보가 여러 방향으로 해. ...데이터는 내가 일일이 경험할 수 없는 영역까지. 석될 수 있으며, 한 가지 관점으로만 데이터를 해석했. 시야를 넓혀주어 앞으로 공부를 하며 자료해석 능력이. 다가는 현실과 동떨어진 결론을 낼 수도 있겠다는 생. 성장할수록 더 넓은 세상과 연결되는 통로의 의미를. 각도 들었다.. 가질 것 같다.... (C학생). (C 학생) 이러한 응답은 데이터 기반의 수업이 과학의 본성. 데이터 기반의 STEAM 교육에 대한 인식 측면에서. 을 설명하는 도구로도 활용될 수 있음을 시사한다.. 는 ‘데이터’ 키워드를 중심으로 ‘어렵다’, ‘알게되다’ 등 의 노드 간의 관계가 나타나는 것을 확인할 수 있다.. Ⅳ. 결론 및 제언. 이는 워드클라우드와 같은 시각화 과정, 데이터를 재 해석하고 이를 구현해 내는 과정, 모바일 카드뉴스 제 작 등과 같은 학생들이 기존에 경험하지 않았던 형태. 이 연구에서는 데이터를 기반으로 하여 대기대순환,. 와 도구를 활용하여 수업 활동이 진행되었기 때문에. 해류 순환에 관한 STEAM 프로그램을 제작하고 이를. 이를 사용하는 것에 대한 어려움을 이야기하는 응답이. 학교 현장에 투입하여 그 효과와 문제해결과정을 알아. 다소 높은 빈도의 결과가 나타난 것으로 해석된다. 하. 보고자 하였다. 이를 위한 연구결과는 다음과 같다.. 지만 수업을 진행해나가며 데이터 및 도구의 활용방법. 첫째, 창의적 사고기법인 HTE를 활용하여 일상생활. 에 대해 점차 익숙해지면서 이전에 가졌던 어려움이. 에서 알게 된 순환의 개념에서 전 지구적인 관점에서 나. 해소될 수 있었다고 이야기하며 수업이 점차 흥미로워. 타나는 순환으로의 개념을 확장하는 단계를 프로그램에. 졌다는 학생들의 응답을 확인할 수 있었다. 또한 ‘정. 포함하여 데이터 기반의 STEAM 프로그램을 개발하였. 보’, ‘자료’, ‘어떻게’와 같은 어휘 간의 관계가 나타나. 다. 개발된 데이터 기반의 STEAM 프로그램은 총 6차. 는 것은 데이터를 통하여 정보를 인식하고 이를 습득. 시로 구성되어 있으며 순환의 개념을 비유를 통해 확. 하는 과정과 관련하여 데이터 처리의 방법과 그 의미. 장시키며 이해하는 단계인 ‘상황제시’ 단계, 텍스트 마. 를 알게 되었다는 학생들의 긍정적인 응답이 있었기. 이닝을 통하여 우리나라에서 나타나는 순환의 문제와. 때문이다. 대표적인 학생들의 응답은 아래와 같다.. 그 원인을 발견하는 ‘창의적 설계’ 단계, 전 세계적으로 나타날 수 있는 순환과 관련한 데이터를 수집하여 시. ...전부터 해왔던 수업과 달리 매우 색달라서 처음에. 각화하고 분석하여 이러한 문제를 해결하기 위한 방안. 는 이해가 안가고 낯설었지만, 하다보니 의외로 간단. 을 모색하도록 구성된 ‘감성적 체험’ 단계로 구분하여. 하고 자기가 하고자하는 열정만 있다면 충분히 모두. 개발하였다.. 할 수 있는 활동이라고 생각한다.. (E 학생). 처음에 수업을 들었을 때는 어려워보였으며, "데이 터를 우리가 과연 정리하여 할 수 있을까?" 라는 불안 한 생각이 들었다. 두 번째 설명을 들었을 때는 할 수 있을 거라는 희망이 보였다..... (F 학생). 둘째, 이 연구에서 개발한 STEAM 프로그램에 참여 한 학생들의 지식정보처리 역량에 대한 통계적 검정 값 이 수업적용 전에 비해 수업 적용 후에 향상된 것으로 나타났다. 이는 데이터에 기반한 수업활동 설계가 본. STEAM 프로그램에 참여한 학생들에게 직접적인 영향 을 준 것이라 판단된다. 즉 지식정보처리 역량은 자료를. ...처음에는 어떻게 시작해야할지 고민되어 앞이 막. 수집, 분석, 선택, 평가, 조직하는 과정에서 길러질 수 있. 막했지만, 어느정도 틀이 잡히니 자료를 조사해가면서. 는 역량으로, 데이터를 기반으로 탐구활동을 거쳐서 진. 정리하고 이를 시각자료로 표현하기 쉬웠다... (G 학생). 행된 수업이 학생들의 역량을 향상시키는 데 도움을 주었던 것으로 해석할 수 있다. 또한 STEAM 핵심역량.

(12) 341. 데이터 기반 STEAM 교육을 통한 문제 해결 과정 분석. 의 세부 요인 중 ‘융합’과 ‘창의’ 측면에서 통계적으로. 하며, 역량 수준에 따라 다르게 활용할 수 있는 학습. 유의미한 결과 값을 확인할 수 있었다. 우선, ‘융합’의. 자료를 개발하거나 프로그램의 단계를 더욱 세분화할. 측면에서는 데이터를 주제로 하는 수업이 학생들의 다. 필요가 있다. 결과적으로 학생들에게 적합한 형태로. 양한 사고를 자극할 수 있는 소재였으며, 수업을 진행하. 난이도를 조절할 필요가 있다.. 는 과정에서 다양한 교과 간의 지식을 융합할 수 있도록. 교수학습활동을 담당하는 교사의 데이터 역량 강화. 구성되었기 때문이다. ‘창의’의 측면에서는 창의적 사고. 를 위해서는 데이터의 가치를 인식하고 이를 수업에. 기법인 HTE를 활용하여, 데이터를 기반으로 하는 다양. 활용하기 위한 교사의 자구적인 노력이 필요할 뿐 아. 한 활동을 경험하게 하는 과정에서 학생들의 창의적 사. 니라 지속적인 교사교육과 교육 시스템과 환경 개선. 고가 향상되었을 것으로 판단된다. 한편, ‘도전’과 ‘배려’. 등 제도적인 노력 또한 필요하다. 무엇보다 데이터의. 영역에서는 통계적으로 유의미한 변화가 나타나지 않았. 가치와 이를 활용한 교수·학습활동에 다양한 교육 관. 다. 이는 본 연구에서 개발한 STEAM 프로그램이 학생. 계자들이 지속적인 관심을 가질 필요가 있다.. 들에게 다른 형태의 과제에 도전하도록 하는 것과 학생 들이 도전 역량을 향상시킬 수 있는 수업 환경 조성 측. 국문요약. 면에서 다소 부족했던 것으로 판단된다. 따라서 학생 의 역량 수준에 따라 다양한 단계와 수준의 활동을 수 행할 수 있는 수업 환경 조성 및 방안이 마련되어야 할. 이 연구에서는 데이터를 기반으로 하여 대기대순환,. 것으로 사료된다. 특히 ‘도전’ 영역은 STEAM 핵심역량. 해류 순환에 관한 STEAM 교육프로그램을 제작하고 이. 중 문항당 평균이 가장 낮은 영역으로, 이러한 결과는. 를 고등학교 1학년 106명을 대상으로 적용하여 그 효. 학생들 즉 모집단이 가지고 있는 특징적인 요소에 영향. 과와 문제해결과정을 분석하고자 하였다. 이를 위해 데. 을 받는 구인일 수 있기 때문에 이를 확인하기 위해서는. 이터를 수집, 정제, 시각화, 분석하고 이러한 결과를 기. 보다 구체적이고 다변화된 연구가 필요하다. 마지막으. 반으로 의사소통 과정을 진행할 수 있도록 하는 프로그. 로 ‘배려’ 영역에서 통계적으로 유의미하지 않은 결과는. 램을 구성하였다. 이를 활용하여 일상생활에서의 순환. STEAM 프로그램이 모둠활동을 중심으로 진행되었지. 에서 전 지구적인 관점에서 나타나는 순환으로의 개념. 만, 데이터와 관련한 산출물을 기반으로 의사소통하는. 을 확장하여 전 세계적으로 발생하는 순환에 관한 문제. 과정이 상대적으로 부족했기 때문이라 판단된다. 이러한. 를 확인할 수 있도록 하였다. 프로그램의 투입 결과 지식. 측면에서 수업의 효과를 얻기 위해서는 데이터 기반의 의. 정보처리역량과 그 하위 영역에서 유의미한 변화가 확인. 사소통 과정을 강조한 형태의 교수·학습 설계가 필요할. 되었으며. STEAM 핵심역량과 STEAM 핵심역량의 하위. 것으로 사료된다.. 영역인 융합, 창의 역량에서 유의미한 변화를 확인하였. 따라서 이 연구의 제안점은 다음과 같다. 해당 프로그. 다. 또한 학생들의 응답을 텍스트 네트워크의 형태로 분. 램을 투입한 학교의 학생들의 학업성취 수준이 중⋅하위. 석하여 데이터 기반 STEAM 교육에 대한 제안할 점을. 권이 다수 분포하는 학교였기에 성취 수준이 높은 학생들. 얻고자 하였다.. 에 대한 이 연구의 적용 결과를 확인하는 것은 어렵다. 또한 데이터 처리를 위해 구성한 모둠 간 구성원에 따라. 주제어: 대기대순환, 데이터, 문제해결과정, STEAM. 이를 처리하고 산출물을 제작하는 시간에 편차가 크게 나타났는데 이는 모둠을 구성하는 기준이었던 기존의 학업성취 수준과 무관하게 데이터와 관련한 역량이 나. References. 타난다는 것을 의미한다. 이러한 측면에서 학생들 개개 인의 데이터 관련 역량에 영향을 주는 구인들과 구인들. 강남화, 이나리, 노민정, 유진은(2018). 융합인재교육(STEAM). 의 상관관계에 대한 후속 연구를 제안할 수 있다. 또한. 프로그램이 학생에 미친 효과에 대한 메타분석. 한. 이러한 편차를 줄이기 위해 학교현장에서는 모둠의 구. 국과학교육학회지 38(6), 875-883.. 성에서 데이터와 관련한 역량을 우선적으로 고려해야. 교육과학기술부(2015). 과학과 교육과정, 교육부 고시 제.

(13) 홍석영⋅한신⋅김형범. 342. 2015-74호 [별책 9]. 세종: 교육과학기술부, p. 272.. 백순근, 윤승혜, 신안나, 손주영, 김연경(2017). 고등학생. 김시내(2018). 데이터 예술(Data Art)를 통한 확장된 데이. 용 여섯 가지 핵심역량 측정도구 개발 및 타당화. 터 시각화 교육 방안 모색. 조형교육, 68, 1-24. 김용기, 김형범, 조규동, 한신(2018). HTE-STEAM(융합인 재교육) 프로그램 개발 및 효과: 자유학기제 수업 활용 사례를 중심으로. 대한지구과학교육학회지, 11(3), 224-236. 김용민, 김종훈(2017). 스크래치를 활용한 데이터 시각화 활동이 예비 코딩 강사의 창의성 향상에 미치는 효 과. 정보교육학회논문지, 21(3), 309-320. 김유란, 전재돈, 엄주영, 이효녕(2020). 중학생을 위한 시 스템 사고 기반 STEAM 교육 프로그램의 개발 및 효과 분석. 한국지구과학회지, 41(1), 75-91. 김정아, 김민규, 유혜진, 김용민, 김종훈(2019). 파이썬을. 연구. 교육평가연구, 30(3), 363-395. 손미현(2020a). 지식정보화 사회에서의 과학탐구 교육 방 향성 탐색. 현장과학교육, 14(3), 401-414. 손미현(2020b). 지식정보처리역량 함양을 위한 데이터 기 반 과학탐구 모형 개발. 서울대학교 박사학위논문, p. 190. 손미현, 정대홍(2018). 지식정보처리역량에 대한 과학교사 의 인식 조사. 한국과학교육학회지, 38(5), 693-703. 윤옥한(2017). STEAM 교육을 위한 교수체제설계 모형 탐색. 교양교육연구, 11(1), 443-474. 이용섭, 김윤경(2012). 과학 기반 STEAM의 ‘날씨와 우리 생활’ 학습이 창의적 사고 및 창의적 인성에 미치는. 활용한 데이터 시각화 교육이 초등학교 6학년 학생. 효과. 대한지구과학교육학회지, 5(2), 204-212.. 의 컴퓨팅 사고력에 미치는 효과. 정보교육학회논. 이진석(2019). 사회과 교육에서 데이터 시각화를 통한 데. 문지, 23(3), 197-206. 박경애, 이재연, 박재진, 이은일, 변도성, 강분순, 정광영 (2020). 2015 개정 교육과정 기반 중등학교 과학 및 지구과학 교과서의 통합 해류도 분석. 한국지구과 학회지, 41(3), 248-260. 박지수(2019). 사회과 학습자료로서 데이터 시각화 기법 의 효과 연구: 초등학교 3,4학년을 대상으로. 사회과 교육, 58(3), 57-73. 박찬솔, 손정우(2020). 탐구적 과학 글쓰기를 통한 데이터 기반 과학 탐구학습이 초등학생의 과학과 핵심역량 에 미치는 영향. 교사교육연구, 59(2), 245-258. 박한우, Leydesdorff(2004). 한국어 내용분석을 위한. 이터 리터러시 함양: 2015 교육과정 중, 고등학교 사회 교과서 내용 분석을 중심으로. 교사교육연구, 58(4), 501-512. 이진숙, 김은주, 김대현(2017). 2015 개정 과학과 공통 교 육과정에서의 핵심역량-교과역량, 교과역량-성취기 준의 관계 분석. 통합교육과정연구, 11(2), 1-25. 이희후(2019). 데이터 시각화 도구를 활용한 STEAM 프 로그램이 초등학생의 지식정보처리 역량, 과학 기 술에 대한 태도에 미치는 효과. 한국교원대학교 석 사학위논문, p. 143. 정은주, 손정우(2020). 디지털 탐구도구로 측정한 데이터 를 활용하는 과학 탐구 수업이 초등학생의 역량에. KrKwic 프로그램의 이해와 적용: Daum.net에서 제. 미치는 영향. 과학교육연구지, 44(2), 205-213.. 공된 지역혁신에 관한 뉴스를 대상으로. Journal of. 정재인, 이경준, 김승범(2020). 뉴스 기사 텍스트 마이닝. the Korean Data Analysis Society, 6(5), 1377-1387.. 과 네트워크 분석을 통한 폭염의 사회·경제적 영향. 박현주, 변수용, 심재호, 백윤수, 정진수(2016). 우리나라. 유형 도출: 2012~2016년 사례. 대기, 30(3), 237-248.. 초·중·고등학교의 STEAM 교육 운영 현황 실태조. 최은희, 이진호(2019). 텍스트의 시각화를 위한 수업 지도. 사. 한국과학교육학회지, 36(4), 669-679.. 방안. 상품문화디자인학연구, 57, 121-130.. 박현주, 심재호, 김어진, 함형인, 이영태, 이지애, 권혁수. 한국과학창의재단(2012). 융합인재교육(STEAM) 실행방. (2019). STEAM 교육의 핵심역량 조사도구 개발. 과. 향 정립을 위한 기초연구. 한국과학창의재단,. 학교육연구지, 43(2), 258-269. 박효진, 문병권(2017). 해들리순환 경계의 변동성. 과학과 과학교육, 42(1), 1-7. 배화순(2019). 데이터 리터러시의 사회과 교육적 함의. 시민교육연구, 51(1), 95-120.. 2012-12, p. 161. 한신, 김형범, 김용기(2019). 자연재해 주제를 활용한 창 의융합 HTE-STEAM(융합인재교육) 프로그램 개발 및 효과. 대한지구과학교육학회지, 12(3), 291-301. 한신, 김형범, 김용기, 송하명(2020). 비유를 활용한 STEAM.

(14) 343. 데이터 기반 STEAM 교육을 통한 문제 해결 과정 분석. 프로그램 개발 및 효과: 중학교 ‘태양계’ 단원을 중 심으로. 대한지구과학교육학회지, 13(1), 15-28.. & Earth Sciences Education, 3(1), 27-58. Kim, H., & Chae, D. H. (2016). The development and appli-. 홍석영(2019). 텍스트 네트워크 분석을 활용한 태도 관련. cation of a STEAM program based on traditional Korean. 국내 과학교육연구동향 분석. 현장과학교육, 13(4),. culture. Eurasia Journal of Mathematics, Science &. 412-430.. Technology Education, 12(7), 1925-1936.. Adam, V. M., Joseph, A. H., & Dubravka, S. (2015). Data. Kippers, W., Poortman, C., Schildkamp, K., & Visscher, A.. visualization literacy: Investigating data interpretation. (2018). Data literacy: What do educators learn and strug-. along the novice-expert continuum. Journal of College. gle with during a data use intervention? Studies In. Science Teaching, 45(1), 84-90.. Educational Evaluation, 56, 21-31.. Arcand, K. K., & Watzke, M. (2014). Here, there & every-. Mandinach, E., & Gummer, E. (2013). Defining data literacy:. where: Science through metaphor, near and far. Science. A report on a convening of experts. Journal of Educational. Communicating Astronomy with the Public Journal, 15(1), 8-9. Calzada-Prado, F. J., & Marzal, M. A. (2013). Incorporating data literacy into information literacy programs: Core competencies and contents. Libri, 63(2), 123-134.. Research and Policy Studies, 13, 6-28. Mayer, R. E. (1993). The instructive metaphor: Metaphoric aids to students’ understanding of science. Metaphor and Thought, 2, 561-578. Nestorov, S., Jukić, N., & Rossi, S. (2019). Design and im-. Duit, R. (1991). On the role of analogies and metaphors in. plementation of a data visualization course with a re-. learning science. Science Education, 75(6), 649-672.. al-world project component in an undergraduate in-. Fouh, E., Akbar, M., & Shaffer, C. A. (2012). The role of. formation systems curriculum. Journal of Information. visualization in computer science education. Computers in the Schools, 29, 95-117. Gray, J., Gerlitz, C., & Bounegru, L. (2018). Data infrastructure literacy. Big Data & Society, 5, 1-13.. Systems Education, 30(3), 202-211. Ryan, L., Silver, D., Laramee, R. S., Ebert, D., & Rhyne, T. (2019). Teaching data visualization as a skill. IEEE Computer Graphics and Applications, 39(2), 95-103.. Hsieh, Y. C. J., & Cifuentes, L. (2006). Student-generated. Shreiner, T. L. (2018). Data literacy for social studies: examining. visualization as a study strategy for science concept. the role of data visualizations in K-12 textbooks. Theory. learning. Educational Technology & Society, 9(3), 137-148.. and Research in Social Education, 46(2), 194-231. Wolff, A., Gooch, D., Cavero Montaner, J. J., Rashid, U.,. Kim, A. K., Thomas, F. S., & Alexander, P. B. (2016). What. & Kortuem, G. (2016). Creating an understanding of. geoscience experts and novices look at, and what they. data literacy for a data-driven society. The Journal of. see, when viewing data visualizations. Journal of Astronomy. Community Informatics, 12(3), 9-26..

(15)