초록
본 연구는 AI 교육을 위해 수학교과에서 다루어야 할 AI 핵심 개념으로 '데이터 수집', '데이터 표현', '데이터 분석', '최적화 및 의사결정' 4가지로 선정하였다. 이를 바탕으로 선택 중심 교육과정의 각 영역별 수학 핵심 개념 및 내용 요소와 대비하여 AI 핵심 개념에 대한 포함 여부를 조사하였다. 또한 <인공지능 수학>의 내용 체계의 적정성을 핵심 개념과 관련 학습 요소 중심으로 살펴보았다. 그 결과 첫째, <인공지능 수학>의 학습 경로를 어떻게 설정할 것인가?, 둘째, <인공지능 수학>의 성격에 관한 재정의 논의가 필요한가?, 셋째, <인공지능 수학>의 핵심 개념 선정 및 용어 선택은 적절한가?, 넷째, <인공지능 수학>의 내용 체계의 관련 학습 요소 제시는 적절한가? 등에 대한 논의가 필요하다는 시사점을 도출하였다.
In this study, 'data collection', 'data expression', 'data analysis, and 'optimization and decision-making' were selected as the core AI concepts to be dealt with in the mathematics for AI education. Based on this, the degree of reflection of AI core concepts was investigated and analyzed compared to the mathematical core concepts and content of each area of the elective course. In addition, the appropriateness of the content of was examined with a focus on core concepts and related learning contents. The results provided some suggestions for answering the following four critical questions. First, How to set the learning path for ? Second, is it necessary to discuss the redefinition of the nature of ? Third, is it appropriate to select core concepts and terms for ? Last, is it appropriate to present the relevant learning contents of the content system of ?