• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2023년도 제67차 동계학술대회논문집 31권1호
• /
• pp.227-228
• /
• 2023

정부의 인공지능 국가전략을 통해 인공지능 교육은 초등학교에서도 필수교육으로 대두되고 있다. 또한 인공지능 소양을 습득하기 위해 타 교과와 융합한 인공지능 융합 교육의 필요성이 증가하고 있고, 인공지능 발달에 대한 수학의 역할을 고려하여 수학 교과를 통해 인공지능의 이해를 기르는 것이 강조되고 있다. 따라서 본 연구에서는 수학 교과와 인공지능 교과가 융합한 인공지능 융합 교육 프로그램을 개발하기 위해 초등학교 3~4학년 수학 교과의 도형 분류를 의사 결정 나무 모델을 활용하여 가르치는 인공지능 융합 교육 프로그램을 개발하였다. 본 연구를 통해 개발된 프로그램은 초등학생의 인공지능 개념학습을 통한 인공지능 기초소양 함양뿐만 아니라 수학 교과의 이해 및 성취도 향상에 도움이 될 것으로 기대된다.

• 한국학교수학회논문집
• /
• 제23권2호
• /
• pp.223-237
• /
• 2020

4차 산업혁명 시대를 대표하는 인공지능 기술은 이제 우리 삶에 깊숙이 관여되고 있고 미래 교육은 이러한 인공지능의 원리와 활용에 대한 학생들의 역량 함양을 중시하고 있다. 따라서 본 연구의 목적은 인공지능 역량과 가장 밀접한 교과인 수학에서 다루어야 하는 인공지능 관련 교육 내용을 고찰하는데 있다. 이를 위해 인공지능의 핵심 기술인 기계학습(machine learning)의 원리를 수학기반으로 학습할 수 있는 인공지능 교과를 수학과의 과목으로 신설할 것과, '인공지능과 데이터 과학을 위한 수학' 교과에서 다루어야 하는 주요 수학 내용들을 제안하였다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제37권2호
• /
• pp.159-181
• /
• 2023

본 연구는 초점 집단 면담(FGI)을 활용하여 인공지능에 대한 중등 수학 교사의 인식을 도구로서 인공지능과 교과로서 인공지능으로 나누어 분석하였다. 도구로서 인공지능 중 수학 교수 및 학습 도구 측면에서 수학 교사들은 인공지능을 활용하면 다양한 유형의 수학 수업이 가능할 것이라는 긍정적인 의견을 제시하였으나 학생들의 수학적 사고 과정의 면밀한 파악 및 학생들과 정서적 상호작용에 있어 인공지능 활용에 한계를 제시하였다. 도구로서 인공지능 중 수학 평가 도구로서의 측면에서 수학 교사들은 인공지능을 활용하면 문항 출제 및 채점을 용이하게 할 수 있다는 긍정적인 의견이 있었던 반면, 논술형 문항 채점에서는 교사의 개입이 필요하다는 의견이 있었다. 교과로서 인공지능 측면에서 수학 교사들은 <인공지능 수학> 교과의 도입 취지와 학습의 필요성에는 공감하였으나 이를 가르치기 위한 교사의 준비와 교수 학습 및 평가 자료가 다소 부족한 실정이라고 응답하였다. 따라서 본 연구를 통해 중·고등학교 수학에서도 맞춤형 인공지능 학습 도구가 개발되어야 하고, 교사들의 평가를 도울 수 있는 인공지능 평가 도구를 개발 및 보급할 필요가 있으며, <인공지능 수학> 교과에 대한 교사의 이해를 높일 수 있는 전문성 향상 프로그램과 학생들에게 의미 있는 학습을 도울 수 있는 컨텐츠 위주로 교과 내용을 구성할 필요가 있음을 시사한다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제37권3호
• /
• pp.443-465
• /
• 2023

2015 개정 수학과 교육과정에서는 <인공지능 수학> 과목이 신설되었으며, 행렬과 공간벡터 내용은 2015 개정 수학과 교육과정에서 <고급 수학>을 제외하고는 <인공지능 수학>에만 등장하는 일시적이면서도 특별한 상황에 놓여있다. 본 연구는 2015 개정 수학과 교육과정에 따라 5종으로 출판된 <인공지능 수학> 교과서의 자료의 표현, 자료의 분류, 자료의 처리 단원에서 인공지능을 이해하는데 필수적인 수학 개념이자 관련 학습 요소인 행렬과 벡터에 대한 정의와 관련 하위 개념들이 어떻게 구현되고 있는지를 파악하고, 유사한 개념이 다루어지는 타 교과목과의 연결성을 분석하였다. 그 결과, 행렬의 경우 기본 개념 제시에는 큰 차이가 없었으나 교과서별로 이미지 자료를 처리하는 데 있어 활용한 행렬의 하부 개념 유형이나 이용한 행렬의 연산에는 다소 차이가 있음이 확인되었다. 벡터의 정의와 하부 개념과 관련된 내용은 교과서별로 상이하였고, 벡터의 활용을 전개하는 데에 있어 벡터의 크기, 두 벡터 사이의 거리나 벡터의 내적에 대한 맥락의 수준 및 수학적인 해석에는 차이가 있었다. 이를 통해 벡터와 관련된 개념을 수학 교과의 연계성에 치중하여 설명한 교과서와 수학적 개념과 원리보다는 인공지능과 관련한 지식 학습에 초점을 맞춘 교과서가 식별되었다. 결과를 바탕으로 교육과정과 교과서 개발을 위한 시사점을 제시하였다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제35권4호
• /
• pp.445-473
• /
• 2021

이 연구는 2015 개정 교육과정에서 신설 과목으로 설계된 <인공지능 수학> 교과서를 분석하여 차기 교육과정 설계의 시사점을 도출하는 데 목적이 있다. <인공지능 수학> 시안을 담은 수학과 교육과정 문서에서는 '학습 요소' 대신에 '관련 학습 요소'를 제시하고 있다. '관련 학습 요소'는 인공지능의 맥락에서 활용될 수 있는 수학적 개념이나 원리로 정의하고 있는데 '관련 학습 요소'를 다루는 범위와 방법에 대해서는 구체적인 제한은 없다. 이에 '관련 학습 요소'가 <인공지능 수학> 교과서에서 반영된 양상을 형식, 범위와 방법, 공학적 도구 활용 방식을 중심으로 분석하였다. 교과서별로 '관련 학습 요소'를 교과서에 기술하는 형식상의 차이와 수학 개념을 취급하는 양과 범위에 차이가 있었다. 또한, '관련 학습 요소'를 하나의 수학 개념과 동일하게 정의하여 사용한 경우와 정의보다는 인공지능의 맥락에서 설명 위주로 서술하였다. '관련 학습 요소'를 인공지능의 맥락에서 활용할 수 있도록 교과서별로 유사한 공학적 도구를 다루었지만, 계산과 결과를 해석하는 활동 중심이었다. 고등학교 수학 과목으로서 <인공지능 수학>의 지향을 교과서에 충분히 반영하기 위해서 '관련 학습 요소'에 관한 체계적인 논의가 필요하다. 또한, 학생들이 인공지능 맥락의 활용 사례를 경험하기 위해서는 공학적 도구를 활용하여 문제를 설정하고 해결할 수 있는 내실화된 활동이 교과서에 구현되어야 할 것이다.

• 한국수학교육학회지시리즈A:수학교육
• /
• 제62권2호
• /
• pp.289-302
• /
• 2023

지식정보사회의 비약적인 발전에 힘입어 빅데이터를 분석하여 가치있는 결과물을 도출하고 유용한 정보를 추출하는 역량이 학교 수학의 주요 목표 중 하나로 급부상하고 있다. 고등학교 수학 진로 선택 과목 중 하나인 <인공지능 수학>은 디지털 기술을 활용한 통계 프로젝트를 통해 빅데이터에 기반한 새로운 통계 교육의 기회를 제공할 수 있다. 이 연구에서는 효과적인 빅데이터 통계 프로젝트 기반 과제를 설계하기 위한 일련의 가이드라인을 제안하고, 이 기준에 따라 5종의 인공지능 수학 교과서에 실린 최적화 단원 과제들을 평가하였다. 인공지능 수학 교과에서 빅데이터 통계 프로젝트 과제를 설계 시 고려하도록 도출된 가이드라인은 다음과 같다: (1) 지식과 기술을 국가 학교 수학 교육과정에 맞추고, (2) 전처리된 대규모 데이터 세트를 사용하며, (3) 데이터 과학자의 문제 해결 방법을 사용하고, (4) 의사 결정을 장려하며, (5) 공학도구를 활용하고, (6) 협업 학습을 촉진한다. 분석 결과에 따르면 가이드라인에 완전히 부합하는 과제는 드물었고, 특히 대부분의 교과서에서 가이드라인 2에 해당하는 요소를 프로젝트 과제에서 통합하지 못하고 있는 것으로 나타났다. 또한 소규모 데이터 세트나 빅데이터를 전처리 없이 직접 사용하는 경우가 많아 학생들의 빅데이터의 개념에 대한 오해를 불러일으킬 것이 우려된다. 본 연구에서는 결과를 토대로 인공지능에 필요한 관련 수학 지식과 기술을 밝히고, 이것이 빅데이터 과제에 통합될 때 얻을 수 있는 잠재적 이점과 교육적 고려사항에 대해 논의하였다. 이 연구는 수학적 개념과 머신러닝 알고리즘과의 연계 및 빅데이터를 사용하는 통계 교육에서의 효과적인 공학적 도구 사용에 대한 통찰을 제공하고자 하였다.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제38권1호
• /
• pp.49-67
• /
• 2024

최근 인공지능 언어 모델의 다양한 활용에 대한 관심이 높아지면서 수학교육에서의 교수학적 활용 방안 모색에 대한 필요성이 강조되고 있다. 인공지능 언어 모델은 자연어 처리가 가능하다는 특징으로 인하여 수학 문장제 해결과 관련된 활용이 기대된다. 인공지능 언어 모델 중 하나인 ChatGPT의 성능을 확인하기 위하여 초등학교 교과서에 제시된 문장제를 해결하도록 지시하였으며 풀이 과정 및 오류를 분석하였다. 분석 결과, 인공지능 언어 모델은 81.08%의 정답률을 나타내었으며 문제 이해 오류, 식 수립 오류, 계산 오류 등이 발생하였다. 이러한 문장제 해결 과정 및 오류 유형의 분석을 바탕으로 인공지능 언어 모델의 교수학적 활용 방안과 관련된 시사점을 제안하였다.

• 한국학교수학회논문집
• /
• 제24권4호
• /
• pp.391-405
• /
• 2021

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.

• 한국수학교육학회지시리즈E:수학교육논문집
• /
• 제37권2호
• /
• pp.277-297
• /
• 2023

합성곱(convolution)은 인공지능(artificial intelligence)에서 컴퓨터 비전(computer vision), 심층학습(deep learning) 등의 분야를 이해하고 응용하려면 알아야 하는 중요한 수학적 연산이다. 그러나 현재의 공학수학 교과과정의 합성곱 내용은 독립적인 주제가 아니라 단편적으로 다루어지고 있어서 그 의미를 충분히 전달하지 못하고 있다. 이에 본 논문에서는 공학수학에서 인공지능 교육과 연계할 수 있도록 개발한 합성곱 교수·학습 자료를 제시한다. 먼저 기존 공학과 인공지능 기술의 통합적 관점에서 합성곱에 대한 배경지식과 응용 사례를 정리하고, 코딩을 이용한 교육이 가능하도록 파이썬(Python)/SageMath 코드를 개발하여 제공한다. 또한 합성곱 지식이 인공지능에서 어떻게 활용되는지 보여주는 구체적인 예시로, 이미지 분류에 사용되는 합성곱신경망(Convolutional Neural Network, CNN)을 개발된 코드와 함께 제공한다. 본 교수·학습자료는 합성곱 개념을 쉽고 효과적으로 교육할 수 있도록 공학수학의 보충 자료로 활용가능하며, 학습자는 코딩을 통해 합성곱을 배우고 본인의 전공과 관련된 인공지능 기술을 학습하는 데 이를 이용할 수 있다.

• 한국수학교육학회지시리즈C:초등수학교육
• /
• 제26권4호
• /
• pp.333-348
• /
• 2023

인공지능 기반의 수학 디지털교과서의 가장 핵심적인 기능으로 여겨지는 개별 맞춤형 교수·학습이 실현되기 위해서는 개별 학생의 여러 가지 특성 요인에 대한 명확한 분석과 진단이 가장 관건이다. 본 연구에서는 수학 AI 디지털교과서에서 개별 맞춤형 학습 진단을 위한 분석 요인과 도구, 데이터 수집·분석을 위한 구축 모델을 도출하였다. 이를 위하여 최근 교육부의 AI 디지털교과서 적용 계획에 따른 수학 AI 디지털교과서에 대한 요구, 개별화 맞춤형 학습과 이를 위한 데이터에 대한 선행 연구, 수학 디지털플랫폼에서 학습자 분석에 대한 요인 등이 검토되었다. 연구 결과, 연구자는 학생 개인별로 수집해야 할 데이터로 학습 분석을 위한 요인으로 학습 준비도, 과정 및 수행도, 성취도, 취약점, 성향 분석을 위한 요인으로 학습 지속 시간, 문제해결에 걸린 시간, 집중도, 수학학습 습관, 정서 분석을 위한 요인으로 자신감, 흥미, 불안, 학습의욕, 가치 인식, 태도 분석을 위한 요인으로 자기 관리, 학습 전략으로 정리하였다. 또한, 이러한 요인에 대한 데이터 수집 도구로, 문제에 대한 정오 데이터, 학습 진도율, 학생 활동에 대한 화면 녹화 자료, 이벤트 데이터, 시선 추적 장치, 자기 응답 설문 등을 제안하였다. 최종적으로 이러한 요인들을 학습 전, 중, 후로 시계열화한 데이터 수집 모델이 제안되었다.