A meta analysis of programming education effects according to learning activity themes

학습 활동 주제별 프로그래밍 교육 효과 메타분석

  • Received : 2015.12.04
  • Accepted : 2016.03.26
  • Published : 2016.03.30

Abstract

The introduction of educational programming language has changed programming learning environment to learn programming through various learning activities. We need to analyze how effective these learning activities could be in programming learning. We performed a meta analysis of the programming learning effects according to 8 types of learning activities. The 44 studies were collected from 1993 to 2015 for the meta analysis. The study data of 77 were extracted among 44 studies through several steps. The major results were as follows. The effect size of cognitive domain was shown to be mid-level with .595 and the effect size of affective domain was shown to be mid-level with .594. We analysed according to learning activities. The effect size were no significant difference between learning activities in the cognitive domain. But simulation, animation and mathematical activities was shown to be more consistent results and mid-level effect size. Although the effect size were no significant difference, the homogeneity was shown to be high in the affective domain. The implications were suggested from research findings. First, it is desirable that learners learn programming according to various learning activity themes. Second, instructors should pay attention to simulation, animation and mathmatics activities. Third, researchers need research to find another factors for effective learning.

교육용 프로그래밍 언어의 도입은 다양한 학습활동을 전개할 수 있도록 교육환경을 변화시켰다. 이러한 학습 활동들이 프로그래밍 학습에 어느 정도 효과가 있는지 분석할 필요가 있다. 이를 위해 8가지 주요 학습 활동 주제별로 메타 분석 하였다. 연구 대상은 1993년부터 2015년까지 논문지에 게재된 프로그래밍 교육 논문이다. 분석 기준에 부합하는 총 44편의 논문에서 추출한 77개의 연구 자료를 선정했다. 본 연구의 주요결과를 살펴보면, 인지적 영역과 정의적 영역에서 .595와 .594로 중간 수준의 효과 크기를 나타냈다. 인지적 영역에서는 학습 주제별 유의한 차이는 없으나 수리, 시뮬레이션, 애니메이션 영역에서 중간 수준의 효과크기로 비교적 일관된 결과를 나타냈다. 정의적 영역에서는 학습 주제별 효과크기는 유의한 차이는 없지만, 개별 연구 간에 그리고 학습 주제 간에 동질성이 높게 나타났다. 이러한 연구 결과를 바탕으로 시사점을 제시하였다. 첫째, 학습자들은 다양한 학습 활동 주제에 따라 학습하는 것이 바람직하다. 둘째, 교수자들은 시뮬레이션, 애니메이션, 수리 활동에 주목할 필요가 있다. 셋째, 연구자들은 효과적인 학습을 위해 다른 요인을 찾아보는 연구가 필요하다.

Keywords

References

  1. Robins, A., Rountree, J., & Rountree, N. (2003). Learning and teaching programming: A review and discussion. Computer Science Education, 13(2), 137-172. https://doi.org/10.1076/csed.13.2.137.14200
  2. Guzdial, M. (2004). Programming environments for novices. Computer science education research, 2004, 127-154.
  3. Milne, I., & Rowe, G. (2002). Difficulties in learning and teaching programming-views of students and tutors. Education and Information technologies, 7(1), 55-66. https://doi.org/10.1023/A:1015362608943
  4. Resnick, M., Maloney, J., Monroy-Hernandez, A., Rusk, N., Eastmond, E., Brennan, K., & Kafai, Y. (2009). Scratch: programming for all. Communications of the ACM, 52(11), 60-67. https://doi.org/10.1145/1592761.1592779
  5. Brennan, K., & Resnick, M. (2013). Stories from the scratch community: connecting with ideas, interests, and people. In Proceeding of the 44th ACM technical symposium on Computer science education, 463-464.
  6. Maloney, J. H., Peppler, K., Kafai, Y., Resnick, M., & Rusk, N. (2008). Programming by choice: urban youth learning programming with scratch. ACM SIGCSE Bulletin, 40(1), 367-371. https://doi.org/10.1145/1352322.1352260
  7. Price, T. W., & Barnes, T. (2015). Comparing Textual and Block Interfaces in a Novice Programming Environment. In Proceedings of the eleventh annual International Conference on International Computing Education Research, 91-99.
  8. 진영학.김영식 (2011). 교육용프로그래밍언어의 효과에 관한 메타분석. 컴퓨터교육학회논문지, 14(3), 25-36.
  9. 양창모 (2014). 교육용 프로그래밍 언어를 사용한 프로그래밍 교육의 효과에 관한 메타분석. 정보교육학회논문지, 18(2), 317-324. https://doi.org/10.14352/jkaie.2014.18.2.317
  10. 류희찬.류제천 (1993). BASIC 프로그래밍 학습이 국민학생의 수학적 문제해결력에 미치는 영향. 수학교육학연구, 3(2), 69-77.
  11. 백영균.우인상 (1994). LOGO 프로그래밍의 수업방법이 문제해결력에 미치는 효과에 관한 연구. 교육공학연구, 9(1), 73-90.
  12. 박숙영 (1998). Logo 컴퓨터 프로그래밍과 아동의 공간지식. 교육학연구, 36(1), 213-226.
  13. 황성동 (2014). 알기 쉬운 메타분석의 이해. 서울: 학지사.
  14. 진윤아 (2015). Stata를 이용한 메타분석. 서울: 고려대학교출판부
  15. 정인숙 외 (2011). 체계적 문헌고찰과 메타분석. 서울: 수문사
  16. 황성동 (2015). R을 이용한 메타분석. 서울: 학지사.
  17. Cooper, H., Hedges, L. V., & Valentine, J. C. (2009). The handbook of research synthesis and meta-analysis. Russell Sage Foundation.
  18. Cohen, J. (1988). Statistical power analysis for the Behavioral Sciences(2nd ed.) NewJersey: Lawrence Erlbaum Associates.
  19. Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. New York: Basic Books
  20. Gardner. H.(1999). Intelligence reframed: Multiple intelligences for the 21st century. NewYork: Basic Books