[논문 리뷰] Data Science as a Route to AI for Middle- and High-School Students

Shriram Krishnamurthi, Emmanuel Schanzer외 4명|arXiv (Cornell University)|2020. 04. 30.

Teaching and Learning Programming참고 문헌 8인용 수 8

한 줄 요약

이 논문은 중학교 및 고등학교 학생들이 인공지능(AI)의 기초 길로 데이터 과학을 소개하는 K-12 교육과정인 Bootstrap:Data Science(bs:ds)를 제시한다. 학생이 선택한 데이터셋과 접근성 있고 포용적인 설계를 통해 데이터 분석, 프로그래밍, 통계적 추론을 통합함으로써 bs:ds는 필수적인 데이터 리터러시를 기르고, 교육적·인지적·물리적 장벽을 극복하여 향후 AI 학습을 준비시킨다.

ABSTRACT

The Bootstrap Project's Data Science curriculum has trained about 100 teachers who are using it around the country. It is specifically designed to aid adoption at a wide range of institutions. It emphasizes valuable curricular goals by drawing on both the education literature and on prior experience with other computing outreach projects. It embraces "three P's" of data-oriented thinking: the promise, pitfalls, and perils. This paper briefly describes the curriculum's design, content, and outcomes, and explains its value on the road to AI curricula.

연구 동기 및 목표

• 중·고등학교 학생들을 대상으로 접근성 있고 엄밀하며 공정한 데이터 과학 교육이 부족한 문제를 해결하기 위해.
• 향후 AI 학습에 필수적인 기초 데이터 과학 역량을 기르는 교육과정을 만드기 위해.
• 학생 자율 선택 편향, 교사 지원 부족, 과학·기술·공학·수학(STEM) 준비도 부족 등의 AI 교육 장벽을 극복하기 위해.
• 시각 장애가 있는 학생들을 포함한 모든 학습자에게 포용적인 설계와 보편적 접근을 통해 접근성을 확보하기 위해.
• 미래의 K-12 교육에서 AI 교육과정의 표준화된 사전 조건이 되도록 가능성을 확보하기 위해.

제안 방법

• bs:ds 교육과정은 광범위한 접근성과 공정성을 확보하기 위해 기존의 필수 수학 수업에 통합된다.
• 학생들은 데이터 처리를 위한 코드 작성, 요약 및 추론을 위한 통계 기법 적용, 실제 세계의 질문을 해결하기 위한 데이터 분석을 학습한다.
• 데이터 중심 사고의 '세 가지 P'—기대, 함정, 위험—을 강조하여 비판적 참여를 유도한다.
• 비제이스키의 가까운 발달 영역 이론과 브루너의 인지적 사다리 이론에 기반한 서포트와 생산적 어려움 전략을 사용한다.
• 학생들이 데이터 정제 과정에 혼란을 겪지 않도록 사전에 정제된 총괄 데이터셋을 사용한다.
• 학생이 선택한 데이터셋(예: 스포츠, 페카몬, 건강 데이터 등)을 통해 개인화를 실현함으로써 참여도와 소유감을 높인다.

실험 결과

연구 질문

• RQ1 어떻게 중·고등학교 학생들에게 효과적이고 공정한 방식으로 데이터 과학을 도입하여 AI 학습을 준비시킬 수 있는가?
• RQ2 다양한 학습자, 특히 시각 장애가 있는 학생들에게도 접근성 있고 흥미로운 방식으로 데이터 과학을 제공하기 위한 수업 전략은 무엇인가?
• RQ3 어떻게 데이터 과학 교육과정이 향후 K-12 교육 환경에서 AI 교육의 실질적인 사전 조건이 될 수 있는가?
• RQ4 학생 개인화가 데이터 과학 학습에서 참여도와 소유감을 높이는 데 어떤 역할을 하는가?
• RQ5 어떻게 교육과정이 자원이 부족한 학교에서 고급 주제인 AI를 도입할 때 발생하는 물리적·인지적 과제를 해결할 수 있는가?

주요 결과

• bs:ds 교육과정은 미국 6개 주에 약 100명의 교사가 도입했으며, 국제적 관심을 끌며 확장성과 실제 적용 가능성을 입증했다.
• 필수 수학 수업에 데이터 과학을 통합함으로써 교육의 공정성 확보가 가능했으며, 학교의 성비 및 다양성 비율을 그대로 반영했다.
• 학생이 선택한 데이터셋 사용이 참여도와 소유감을 크게 높였으며, 이는 Bootstrap:Algebra 연구에서 입증되었고, bs:ds에도 동일하게 적용된 것으로 추론된다.
• 접근성 있는 IDE와 프로그래밍 언어를 통해 시각 장애 학생의 포함성을 확보함으로써 접근성 문제를 성공적으로 해결했다.
• bs:ds는 표준 기반 K-12 교육과정에서 생략된 핵심 요소를 메우며, 체계적인 소프트웨어 설계, 테스트 데이터 설계, 검증 방법을 강조함으로써 책임감 있는 AI를 위한 기초를 다진다.
• 교육과정은 향후 전년도 과정으로 발전할 수 있도록 설계되었으며, 통계, 타당성의 위협, 고계수 함수와 같은 고급 프로그래밍 개념으로의 확장 계획이 수립되어 있다.