교사의 인공지능 융합교육 교수역량 척도 개발 및 타당화
Development and Validation of Teaching Competence Scale for Teachers’ Artificial Intelligence Convergence Education
- 주제(키워드) 인공지능 , 인공지능 융합교육 , 교사 , 교수역량 , 척도 개발 , Artificial intelligence convergence education , teaching competency , scale development
- 주제(기타) 교육학
- 설명문(URI) https://www.kci.go.kr/kciportal/ci/sereArticleSearch/ciSereArtiView.kci?sereArticleSearchBean.artiId=ART002943516
- 등재 KCI등재
- 발행기관 한국교육공학회
- 발행년도 2023
- URI http://www.dcollection.net/handler/ewha/000000204771
- 본문언어 한국어
초록/요약
최근 인공지능 융합교육에 대한 수요와 질 높은 인공지능 융합교육을 제공할 수 있는 교사역량에 대한 관심이 높아졌지만, 아직까지 교사의 인공지능 융합교육 교수역량을 측정할 수 있는 도구는 부족하다. 따라서 본 연구는 교사의 인공지능 융합교육 교수역량 척도를 개발하고 타당화하고자 하였다. 우선 선행연구분석을 통해 초기 문항을 도출하고, 관련 분야 22명의 전문가 패널을 대상으로 총 2차에 걸쳐 델파이 조사를 진행하였다. 델파이 조사 결과 전문가들의 질적 의견과 Lawshe(1975)가 제안한 내용타당도 비율의 최솟값 기준에 따라 문항을 유지, 수정, 삭제하였다. 이후 초기문항을 타당화 하기 위하여 전국 교사 213명을 대상으로 설문조사를 진행했으며, 요인분석을 실시하여 최종적으로 2개 역량군과 6개의 하위요인을 도출하였다. 연구 결과, 인공지능 융합교육 기초 역량군에는 ‘인공지능 융합교육 이해역량’과 ‘인공지능 이해역량’이, 인공지능 융합교육 교수설계 역량군에는 ‘교육과정/수업 재구성 역량’, ‘인공지능 기반 학습환경 조성역량’, ‘교육 성과 평가 및 피드백 역량’, ‘수업 성찰 및 개선 역량’의 네 개 하위역량이 도출되었다. 이상을 바탕으로 본 연구는 학교 현장에서 교사들의 인공지능 융합교육 교수역량을 진단하고, 교사 재교육 및 예비 교사 교육을 위한 시사점을 제안했다는 점에서 의의를 가진다.
more초록/요약
The Ministry of Education is attempting to cultivate artificial intelligence convergence education teachers and establishment of artificial intelligence convergence education majors at graduate schools. However the scale for measuring and evaluating teachers’ abilities remains insufficient. Hence this study developed and validated the teaching competency scale of artificial intelligence convergence education for teachers. We derived the initial items through literature analysis, and we conducted Delphi surveys twice for 22 expert panels in related fields. Owing to the Delphi survey, items were maintained, modified, and deleted according to the qualitative opinions of experts and minimum value standard of the content validity ratio proposed by Lawshe(1975). Consequently, to validate the initial question, we conducted two surveys and a factor analysis for 213 teachers nationwide. Through factor analysis and reliability analysis, we derived two competency groups and six sub-factors “artificial intelligence convergence education understanding competency.” and “artificial intelligence convergence education instructional design competency.” “curriculum/class reconstruction competency.” “artificial intelligence-based learning environment development competency.” and “class reflection and improvement competency.” This study is significant in that it diagnoses teachers’ artificial intelligence convergence education teaching competency and presents a direction for teacher retraining and pre-teacher education.
more