- 권한신청
- P-ISSN1013-0799
- E-ISSN2586-2073
- KCI
초록
최근 학교도서관은 교과융합수업을 실행하고 수업 콘텐츠를 개발하는 역할을 요구받고 있다. 이에 본 연구는 융합교육 플랫폼의 역할이 가능하도록 학교도서관의 독서 활동과 인공지능 교육을 융합한 프로그램을 개발하고 중학교 수업에 적용한 후, 결과를 분석하였다. 프로그램은 인공지능 주제와 연관된 독서 활동을 통해서 인공지능의 개념과 원리를 이해하고, 인공지능 교육용 도구를 활용하여 생활 속 문제 상황을 창의적으로 해결하는 창의적 문제해결 함양을 목표로 하였다. 프로그램은 총 18차시(6회기)로 개발하였고, 2022학년도 경기도 A중학교의 학교도서관 자유학기 주제선택 수업에 참여하는 1학년 36명을 대상으로 적용하였다. 교육 프로그램 적용 후, 사전-사후 차이를 대응표본 t-test로 수행한 결과, 인공지능 학습에 대한 자기효능감과 창의적 문제해결력이 유의하게 향상되었다. 또한 프로그램을 수강한 학습자의 수업 태도와 독서 태도가 긍정적으로 나타났다. 연구 결과를 토대로 학교도서관과 연계한 인공지능 융합교육에 대한 시사점을 논의하였다.
Abstract
Recently, there has been a growing demand for school libraries to take on the role of curriculum convergence and content development. This study purposed to develop a program that integrates reading activities and artificial intelligence (AI) education in a middle school library as a platform for convergence education. The program aimed to enhance creative problem-solving skills by integrating an understanding of AI concepts and principles through reading activities related to AI topics. The program, comprising 18 sessions (6 modules), was implemented with 36 first-year students at A Middle School, Gyeonggi-do, in 2022. After implementation, a paired-sample t-test revealed significant improvements in AI learning self-efficacy and creative problem-solving skills. Participants also showed positive attitudes toward class engagement and reading activities. Implications for AI convergence education in connection with school libraries were discussed.
초록
본 연구는 디지털 도서관의 콘텐츠를 탐색하는 동안 이용자의 암묵적 적합성 피드백을 활용하여 적합성을 판단하기 위해 뇌파 기반 및 시선추적 기반 방법들을 제안하고 평가해 보았다. 이를 위해서 32명을 대상으로 하여 동영상, 이미지, 텍스트 데이터를 활용하여 뇌파/시선추적 실험들을 수행하였다. 제안된 방법들의 유용성을 평가하기 위해서, 딥러닝 기반의 인공지능 방법들을 경쟁 기준으로 사용하였다. 평가 결과, 주제에 적합한 동영상과 이미지(얼굴/감정)를 선택하는 데에는 뇌파 컴포넌트 기반 방법들(av_P600, f_P3b)이 높은 분류 정확도를 나타냈고, 이미지(객체)와 텍스트(신문 기사)를 선택하는 데에는 인공지능 기반 방법 즉, 객체 인식 기반 방법과 자연언어 처리 방법이 각각 높은 분류 정확도를 나타냈다. 끝으로, 뇌파, 시선추적 및 인공지능 기술에 기반한 디지털 도서관 인터페이스를 구현하기 위한 지침 즉, 암묵적 적합성 피드백에 기반한 시스템 모형을 제안하고, 분류 정확도를 향상시키기 위해서 미디어별로 적합한 뇌파 기반, 시선추적 기반 및 인공지능 기반 방법들을 제시하였다.
Abstract
This study proposed and evaluated electroencephalography (EEG)-based and eye-tracking-based methods to determine relevance by utilizing users’ implicit relevance feedback while navigating content in a digital library. For this, EEG/eye-tracking experiments were conducted on 32 participants using video, image, and text data. To assess the usefulness of the proposed methods, deep learning-based artificial intelligence (AI) techniques were used as a competitive benchmark. The evaluation results showed that EEG component-based methods (av_P600 and f_P3b components) demonstrated high classification accuracy in selecting relevant videos and images (faces/emotions). In contrast, AI-based methods, specifically object recognition and natural language processing, showed high classification accuracy for selecting images (objects) and texts (newspaper articles). Finally, guidelines for implementing a digital library interface based on EEG, eye-tracking, and artificial intelligence technologies have been proposed. Specifically, a system model based on implicit relevance feedback has been presented. Moreover, to enhance classification accuracy, methods suitable for each media type have been suggested, including EEG-based, eye-tracking-based, and AI-based approaches.