The Journal of Korean Association of Computer Education (컴퓨터교육학회논문지)

The Korean Association of Computer Education (한국컴퓨터교육학회)
권호 표지
DOI QR코드

DOI QR Code

Analysis of Types and Characteristics of Self-Directed Learning of Learners in Online Software Education

온라인 소프트웨어 교육 학습자들의 자기주도학습 유형 분류 및 특징 분석

  • Received : 2018.09.20
  • Accepted : 2018.12.27
  • Published : 2019.01.31
Download PDF
⟨ Previous Next ⟩

Abstract

The purpose of this study is to analyze the self-directed learning types of software education learners and to characterize them according to each type. To do this, 429 middle school students participating in online software education at K university were surveyed and a latent class analysis to analyze self-directed learning types was conducted. As a result, the self-directed learning types of the software education learners were classified into 'highest level of self-directed learning type (class 1)', 'self learning style recognition type (class 2)', 'self learning style preference type (class 3)', and 'lack of self-directed learning type(class 4)'. Also, the level of software learning achievement according to self-directed learning type of software education learners was found to be the highest at 'highest level of self-directed learning type (class 1)' and lowest at 'self learning style preference type (class 3)'. Based on these results, we suggested the strategic implications for software education.

본 연구에서는 소프트웨어 교육의 효과성을 증진하기 위하여 소프트웨어 교육 학습자들의 자기주도학습 유형을 분석하고 각 유형에 따른 특징을 살펴봄으로써 보다 전략적인 소프트웨어 교육을 위한 교육적 시사점을 제공하고자 하였다. 이를 위해 K대학교에서 온라인 소프트웨어 교육과정에 참여하고 있는 중학생 429명을 대상으로 설문을 실시하고, 자기주도학습 유형을 분석하기 위해 잠재계층 분석을 실시하였다. 그 결과, 소프트웨어 교육 학습자들의 자기주도학습 유형은 '최고수준 자기주도학습형(계층 1)', '자기 학습스타일 인식형(계층 2)', '자기 학습스타일 선호형(계층 3)', 그리고 '자기주도학습 부재형(계층 4)'으로 나타났다. 또한 소프트웨어 교육 학습자들의 자기주도학습 유형에 따른 소프트웨어 학업성취도 수준은 '최고수준 자기주도학습형(계층 1)'이 가장 높고, '자기 학습스타일 선호형(계층 3)' 가장 낮은 것으로 확인되었다. 이러한 결과를 바탕으로 소프트웨어 교육을 위한 시사점을 제시하였다.

Keywords

References

  1. 김현철, 이민석, 윤일규 (2017). 4차 산업혁명에 대비한 SW 융합인재 양성 방안. 국가과학기술자문회의.
  2. 교육부 (2015). 실과(기술.가정)/정보과 교육과정.
  3. 교육부, 과학기술정보통신부 (2016). 소프트웨어 교육 활성화 기본계획.
  4. 교육부 (2015). 소프트웨어교육 운영 지침.
  5. 이철현(2017). 소프트웨어교육을 위한 컴퓨팅 사고력 기반 실생활 문제해결(CT-RLPS)모형개발. 한국실과교육학회지, 30(3), 33-57.
  6. 이철현(2017). 컴퓨팅 사고력 기반 실생활 문제해결학습이 초등학생의 컴퓨팅 사고력 향상에 미치는 효과. 실과교육연구, 23(4), 91-107.
  7. 임서은, 정영식(2017). 컴퓨팅사고력 향상을 위한 알고리즘 기반의 교수학습방법 개발. 정보교육학회논문지, 21(6), 629-638. https://doi.org/10.14352/jkaie.2017.21.6.629
  8. 정영식, 김갑수, 정인기, 김현배, 김철, 유정수, 김종우, 홍명희(2015). 초등학생을 위한 SW 교육과정 표준 모델 개발. 정보교육학회논문지, 19(4), 467-480. https://doi.org/10.14352/jkaie.2015.19.4.467
  9. 김진연, 허혜연, 김영민, 김기수 (2015). 중.고등학교 기술교과의 소프트웨어교육에 대한 기술교사의 인식 및 교육요구도 분석. 한국기술교육학회지, 15(3), 50-72.
  10. 한선관, 김수환(2015). 초등 SW교육의 필요성에 대한 학부모의 인식 분석. 정보교육학회논문지, 19(2), 187-196. https://doi.org/10.14352/jkaie.2015.19.2.187
  11. 김경규, 이종연 (2016). 컴퓨팅 사고력 기반 프로그래밍 학습의 효과성 분석. 컴퓨터교육학회논문지, 19(1), 27-39. https://doi.org/10.32431/KACE.2016.19.1.004
  12. 오미자, 김미량 (2018). 컴퓨팅 사13]고력 향상을 위한 스크래치 프로그래밍 교육의 효과 분석. 교육정보미디어연구, 24(2), 255-275.
  13. 이애화 (2018). 국내 소프트웨어교육 연구동향 분석. 교육정보미디어연구, 24(2), 277-301.
  14. 이정민, 박현경(2017). 국내 로봇활용 SW교육에 대한 연구 동향: 2006년-2016년을 중심으로. 한국콘텐츠학회논문지, 17(10), 190-204. https://doi.org/10.5392/JKCA.2017.17.10.190
  15. 김형철, 고영민, 김한일, 김철민 (2015). PSA 중심 프로그래밍 학습이 문제해결력과 논리적 사고력에 미치는 효과: 고등학생을 대상으로. 컴퓨터교육학회논문지, 18(5), 1-13. https://doi.org/10.32431/KACE.2015.18.5.001
  16. Rich, P., Bly, N., & Leatham, K. R. (2014). Beyond cognitive increase: Investigating the influence of computer programming on perception and application of mathematical skills. Journal of Computers in Mathematics and Science Teaching, 33(1), 103-128.
  17. Rich, P. J., Leatham, K. R., & Wright, G. A. (2013). Convergent Cognition. Instructional Science, 41(2), 431-453. https://doi.org/10.1007/s11251-012-9240-7
  18. Lye, S. Y., & Koh, J. H. L. (2014). Review on teaching and learning of computational thinking through programming: What is next for K-12? Computers in Human Behavior, 41, 51-61. https://doi.org/10.1016/j.chb.2014.09.012
  19. 김수환(2015). Computational Thinking 증진을 위한 학습자 중심의 교수학습 전략의 효과. 정보교육학회논문지, 19(3), 323-332. https://doi.org/10.14352/jkaie.2015.19.3.323
  20. 김수진, 강현희 (2015). 문제중심학습 효과에 영향을 주는 학습자 요인에 관한 연구. 예술인문사회 융합 멀티미디어 논문지, 15(4), 601-612.
  21. 홍기칠 (2009). 자기주도 학습력 수준에 따른 문제중심학습의 효과. 사고개발, 5(2), 25-48.
  22. 노지예, 이정민 (2018). 로봇 활용 SW 교육성과에 영향을 미치는 요인 간의 관계 규명. 학습자중심교과교육학회, 18(7), 201-209.
  23. Huang, T., Shu, Y., Chang, S., Huang, Y., Lee, S., Huang, Y., & Liu, C. (2014). Developing a self-regulated oriented online programming teaching and learning system. 2014 IEEE International Conference on Teaching, Assessment and Learning for Engineering (TALE), Wellington, 2014, 115-120.
  24. Xia, B. S. & Liitiainen, E. (2017). Student performance in computing education: an empirical analysis of online learning in programming education environments. European Journal of Engineering Education, 42(6), 1025-1037. https://doi.org/10.1080/03043797.2016.1250066
  25. Robinson, P. & Caroll, J. (2017). An online learning platform for teaching, learning, and assessment of programming. 2017 IEEE Global Engineering Education Conference (EDUCON), Athens, 2017, 547-556.
  26. Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49 (3), 33-35. https://doi.org/10.1145/1118178.1118215
  27. Wing, J. M. (2008). Computational thinking and thinking about computing. Philosophical Transactions of the Royal Society of London A: Mathematical, Physical and Engineering Sciences, 366(1881), 3717-3725. https://doi.org/10.1098/rsta.2008.0118
  28. Aho, A. V. (2012). Computation and computational thinking. The Computer Journal, 55(7), 832-835. https://doi.org/10.1093/comjnl/bxs074
  29. Barr, V., & Stephenson, C. (2011). Bringing computational thinking to K-12: What is involved and what is the role of the computer science education community? Acm Inroads, 2(1), 48-54. https://doi.org/10.1145/1929887.1929905
  30. CSTA, & ISTE. (2011). Operational definition of computational thinking for K-12 education. Retrieved from: http://csta.acm.org/Curriculum/sub/CurrFiles/CompThinkingFlyer.pdf.
  31. Grover, S., & Pea, R. (2013). Computational thinking in K-12: A review of the state of the field. Educational Researcher, 42(1), 38-43. https://doi.org/10.3102/0013189X12463051
  32. Kafai, Y., & Burke, Q. (2013). Computer programming goes back to school. Phi Delta Kappan, 95(1), 61-65. https://doi.org/10.1177/003172171309500111
  33. Brennan, K., & Resnick, M. (2012). New frameworks for studying and assessing the development of computational thinking. In Annual American Educational Research Association meeting, Vancouver, BC, Canada.
  34. 주영주, 박수영(2015). 소프트웨어 교육에서 의 자기효능감, 교수맥락, 학습접근방식과 학습 만족도 간의 관계 규명. 학습자중심교과교육학회, 15(8), 325-341.
  35. Knowles, M. (1975). Self-directed learning: A guide for learners and teachers. New York: Cambridge Books.
  36. 양명희 (2000). 자기조절학습의 모형 탐색과 타당화 연구. 박사학위논문. 서울대학교 대학원, 서울.
  37. 성은모, 최효선(2016) 고등학생 성적 우수 학습자의 자기주도학습역량 요인 탐색. 아시아교육연구, 17(4), 215-237.
  38. 구양미(2006). 대학의 혼합형 학습자기주도적 학습능력의 향상을 위한 앱인벤터 활용 수학 영재프로그램의 개발과 적용. 한국콘텐츠학회논문지, 16(6), 1-8. https://doi.org/10.5392/JKCA.2016.16.06.001
  39. 김판수, 최성우, 강형구, 전규태, 전민경 (2017). 청소년을 위한 블렌디드러닝 기반 온라인 자기주도학습능력 종합진단검사 도구 개발. 디지털융복합연구, 15(4), 1-11. https://doi.org/10.14400/JDC.2017.15.4.1
  40. 정미경(2003). 초등학생용 자기조절학습 검사의 표준화. 초등교육연구, 16(1), 253-272.
  41. 성은모, 채유정, 이성혜(2017). 영재 학습자의 자기주도학습역량 특성 탐색. 영재교육연구, 27(3), 299-329. https://doi.org/10.9722/JGTE.2017.27.3.299
  42. 이성혜, 채유정, 성은모(2017). 일반 학업우수자와 영재 학습자의 자기주도학습역량 비교. 영재교육연구, 27(2), 123-137. https://doi.org/10.9722/JGTE.2017.27.2.123
  43. 채유정, 이성혜, 박성희(2016). 온라인 영재 교육 프로그램에서 학습자 배경변인과 특성에 따른 효과성 인식과 만족도 차이 분석. 영재교육연구, 26(4), 611-633. https://doi.org/10.9722/JGTE.2016.26.4.611
  44. 박경은, 이상구(2015). 지역아동센터학생 대상 EBS 동영상을 활용한 자기 주도적 수학학습 사례 연구. 수학교육논문집, 29(4), 589-623.
  45. 이가람, 김정은, 구성우, 안원주, 조규락 (2016). 사용자 경험에 기반한 자기주도학습 수학 프로그램 개발. 컴퓨터교육학회논문지, 19(3), 21-34. https://doi.org/10.32431/KACE.2016.19.3.003
  46. 박용철, 이수정(2011). 스크래치 프로그래밍 교육이 초등학생의 자기 주도적 학습 능력에 미치는 효과. 정보교육학회논문지, 15(1), 93-100.
  47. 이재준, 유인환(2016). 자기주도적 학습능력의 향상을 위한 앱인벤터 활용 수학영재프로그램의 개발과 적용. 한국콘텐츠학회논문지, 16(6), 1-8. https://doi.org/10.5392/JKCA.2016.16.06.001
  48. 최정원, 이영준(2013). 정보영재교육의 효과성 분석. 교원교육, 29(4), 115-129.
  49. 성은모 (2017). 대학생의 스마트미디어 활용 유형분류에 따른 스마트미디어 유용성, 학습 민첩성, 학업성취도의 차이 분석: 잠재계층분석(Laten Class Analysis)을 중심으로. 교육정보미디어연구, 23(3), 631-655.
  50. 성은모, 최홍일 (2017). 잠재계층분석(LCA) 을 활용한 청소년 생활관리역량 집단 유형 및 특징 분석. 한국청소년연구, 28(3), 267-290.
  51. Geiser, C. (2013). Data analysis with Mplus. NY: Guilford Press.
  52. Lanza, S. T., Savage, J. S., & Birch, L. L. (2010). Identification and prediction of latent classes of weight-loss strategies among women. Obesity, 18, 833-840. https://doi.org/10.1038/oby.2009.275
  53. Muthen, L. K., & Muthen, B. O. (2007). Mplus user's guide. LA: Muthen & Muthen.
  54. Nylund, K. L., Asprouhov, T., & Muthen, B. O. (2007). Deciding on the number of classes in latent class analysis and growth mixture modeling. Structural Equation Modeling, 14(4), 53-569.
  55. Rea, L. M., & Parker, R.A. (2005). Designing &Conducting Survey Research A Comprehensive Guide (3rd Edition). San Francisco, CA: Jossey-Bass.
  56. 성은모, 진성희, 유미나 (2016). 학습분석학 관점에서 학습자의 자기주도학습지원을 위한 학습 데이터 탐색 연구. 교육공학연구, 32(3), 453-499.

Cited by

  1. 비대면 강의환경에서의 온라인 학습패턴과 학습 효과의 상관관계 연구 vol.21, pp.8, 2019, https://doi.org/10.5762/kais.2020.21.8.557
  2. 몰입형 증강현실 교육 모델 설계에 관한 연구 vol.7, pp.4, 2021, https://doi.org/10.20465/kiots.2021.7.4.023