컴퓨팅 사고력 향상을 위한 ‘깊이있는 학습’기반 정보 융합 수업 모형 개발 = Development of a Deep Learning-Based Information Convergence Instructional Model for the Enhancement of Computational Thinking

국문 초록 (Abstract)

인공지능(AI) 기술의 급속한 발전은 사회 전반에 걸쳐 급격한 변화를 이끌고 있으며, 이에 따라 미래 사회에서 요구되는 핵심 역량에 대한 새로운 교육 패러다임의 필요성이 제기되고 있다. 미래교육에 대한 국제적 논의를 주도하고 있는 OECD는 ‘OECD 학습 나침반 2030’을 통해 학생들이 복잡하고 예측 불가능한 문제 상황에 주도적으로 대응할 수 있는 ‘변혁적 역량’을 강조하였으며, 우리나라의 2022 개정 교육과정 또한 이를 반영하여 ‘깊이있는 학습(Deep Learning)’을 핵심 철학으로 삼고 있다. 특히 정보 교과의 핵심 역량인 컴퓨팅 사고력(computational thinking)은 문제를 구조화하고 알고리즘적으로 해결하는 고차원적 인지 능력으로서, 깊이있는 학습을 실현하는 데 있어 필수적인 미래 역량이다.
컴퓨팅 사고력은 정보 교과의 핵심 역량을 넘어 모든 교과에서 적용 가능한 보편적 사고력이다. 실제로 국내·외에서 컴퓨팅 사고력의 융합적 확장성을 다룬 연구들이 일부 진행되어 왔으나, 대부분 초등학교 수준에 한정되거나 단일 수업 사례에 그치는 경향이 있으며, 고등학교 교육과정 수준에서 정보 교과를 중심으로 한 깊이있는 학습 기반 융합 수업 모형 개발 연구는 극히 제한적이다. 또한, 컴퓨팅 사고력 향상을 목적으로 다른 교과에서 적용된 수업들은 대부분 교사가 선정한 주제에 따라 수업이 진행되고, 문제 해결 중심의 활동을 구성하거나, 프로그래밍 학습에 중점을 둔 접근을 활용하였다. 이러한 수업들은 컴퓨팅 사고력의 일부분에 초점을 두었으나 교사 주도의 문제 제시, 코딩 기초 중심 활동, 정규 수업 외 시간에서의 실험적 접근 등에 머무르는 한계가 있다. 이에 중등 교육 현장에서 컴퓨팅 사고력과 깊이있는 학습의 실질적 연계를 위한 구체적 교수 설계의 필요성이 대두된다.
이러한 필요성에 의해 본 연구는 컴퓨팅 사고력을 단순한 기술 습득의 차원을 넘어 깊이있는 학습의 핵심 요소인 성찰(reflection), 메타인지(metacognition), 자기주도성(self-directed learning), 협업과 소통(collaboration and communication), 삶과의 연계(real-world relevance) 등과 긴밀히 연결하는 새로운 수업 모형의 필요성을 제안한다. 특히, 컴퓨팅 사고력은 문제 상황을 분석하고 절차적으로 해결하며, 해결 과정을 성찰하고 재구성하는 일련의 사고 과정이므로 학습자가 주체적으로 사고하고 협력하며 의미를 구성하는 깊이있는 학습의 방향성과 본질적으로 맞닿아 있다. 더 나아가, 본 연구는 고등학교 교육과정 수준에서 정보 교과를 토대로 타 교과의 개념을 융합하여, 학습자의 컴퓨팅 사고력을 향상시키는 깊이있는 학습을 실현할 수 있는 수업 모형을 개발하는 데 목적을 둔다. 이 목적을 달성하기 위하여 본 연구문제는 다음과 같다. 첫째, 컴퓨팅 사고력 향상을 위한 ‘깊이있는 학습’기반 정보 융합 수업 모형과 교수 전략은 어떻게 구성되는가? 둘째, 컴퓨팅 사고력 향상을 위한 ‘깊이있는 학습’기반 정보 융합 수업 모형의 교수 전략은 내적으로 타당한가? 셋째, 컴퓨팅 사고력 향상을 위한 ‘깊이있는 학습’기반 정보 융합 수업 모형과 교수 전략은 외적으로 타당한가?
설계 개발 연구 방법에 따라 본 연구 문제를 해결하기 위해 선행 문헌을 검토하였다. 선행 문헌 검토에 따라 도출 된 수업 모형과 교수 전략의 내적 타당성을 확인하기 위해 컴퓨터 교육 전문가, 교육 공학 전문가, 교육 과정 전문가 등 총 6인에게 1차 내적 타당화를 진행하였다. 1차 내적 타당화를 거쳐 수업 모형과 교수 전략을 수정 및 보완하여 전문가 5인에게 2차 내적 타당화를 실시하였다. 전문가 타당화를 통해 도출된 수업 모형과 교수 전략의 외적 타당화를 확인하기 위해 서울 소재 과학 고등학교 2학년 학생들을 대상으로 현장연구를 진행하였다. 현장 적용 후 교수자와 학습자의 반응을 살펴보기 위해 설문조사와 면담을 실시하였다. 그리고 수업 모형의 매 단계마다 진행된 학습자와의 면담과 성찰일지를 분석하였다. 학생들의 컴퓨팅 사고력 향상을 검사하기 위해 자기보고식 설문으로 이루어진 43문항의 검사지를 활용하여 수업 전용 전, 후에 검사를 실시하였다. 마지막으로 교수자와 학습자의 반응을 바탕으로 수업 모형과 교수 전략을 수정 및 보완하여 최종 수업 모형과 교수 전략을 개발하였다.
연구 결과, 컴퓨팅 사고력 향상을 위한 ‘깊이있는 학습’기반 정보 융합 수업의 5단계의 모형과 13개의 교수전략 및 42개의 세부 지침을 개발하였다. 수업 모형의 5단계는 ‘연구 문제 인식 및 문제 맥락 탐색’, ‘연구 문제 정의 및 구조화’, ‘정보교과 기반 융합 연구 문제해결 방안 탐색’, ‘연구 문제 해결 구현 및 적용’, ‘연구 문제 해결과정 성찰 과정 발표 및 평가’로 구성되어 있다. 컴퓨팅 사고력 향상을 측정하기 위한 사전-사후 검사를 한 결과 t값이 5.221로 컴퓨팅 사고력이 향상되었음을 확인하였고, 학습자들의 긍정적 반응이 관찰되었다. 이를 통해 본 연구에서 개발한 수업 모형과 교수 전략이 컴퓨팅 사고력 향상에 도움을 주었다는 것을 확인할 수 있었다.
본 연구결과를 통해 개발된 수업 모형과 교수전략은 고등학교 대상으로 2022개정 교육에서 강조하고 있는 ‘깊이있는 학습’기반 정보 융합 수업 모형을 개발하여 학습자들의 컴퓨팅 사고력 향상에 유의미한 효과가 있다는 것을 확인하였다. 이는 현장에 있는 교사들에게 ‘깊이있는 학습’기반 수업 설계에 대한 구체적이고 실질적인 방안을 제시했다는 점에서 의의가 있다. 또, 컴퓨팅 사고력은 정보교과에서만 강조하는 핵심 역량이 아닌 범교과에서도 기를 수 있다는 점에서 다양한 교과에서 융합 수업을 설계하여 컴퓨팅 사고력을 향상시킬 수 있는 처방적이고 체계적인 방안을 제시하였다는 점에서 교육적 시사점이 있다. 더 나아가, 컴퓨팅 사고력의 구성요소와 깊이있는 학습의 요소를 수업 매 단계에 연결하여 수업을 진행하였다는 점, 개발된 모형의 전문가 타당화를 통해 내적 타당성을 확인했다는 점, 현장 적용 가능성을 실제적으로 진행하여 외적 타당성을 검토했다는 점, 개발된 모형이 컴퓨팅 사고력 향상에 긍정적인 효과가 있음을 통계적으로 검증하였다는 점에서 의의가 있다.
그러나 본 연구는 과학 고등학교에 재학 중인 학습자를 대상으로 수행되었기 때문에 연구 결과를 일반 고등학생 전체로 일반화하는 데에는 한계가 존재한다. 또한, 수업 모형의 적용 대상이 10명으로 제한되어 있어, 수업 규모에 따른 운영상의 현실적 제약과 교수 전략의 다양성을 충분히 반영하기 어려웠다. 아울러, 본 연구에서 활용한 컴퓨팅 사고력 측정 도구는 그 타당성과 신뢰성이 충분히 검증되지 않았기 때문에, 향후 연구에서는 높은 신뢰도와 타당도를 갖춘 측정 도구 개발이 필요하다. 이러한 한계점을 바탕으로 후속 연구에서는 보다 다양한 교육환경과 대상에의 적용을 통해 수업 모형의 일반화 가능성을 높이고, 교수 전략의 확장성을 확보하여 정교한 평가 도구의 개발을 통해 연구의 신뢰도를 제고할 필요가 있다.

다국어 초록 (Multilingual Abstract)

The rapid advancement of artificial intelligence (AI) technologies is bringing about significant transformations across various sectors of society. As a result, the need for a new educational paradigm that fosters essential competencies for the future has emerged. The Organisation for Economic Co-operation and Development (OECD), which leads international discourse on future education, emphasizes the development of “transformative competencies” through the “OECD Learning Compass 2030,” enabling students to proactively address complex and unpredictable problem situations. Reflecting this, Korea’s 2022 Revised National Curriculum has adopted “deep learning” as its core educational philosophy. Among future competencies, computational thinking (CT)—a key competency in the Informatics curriculum—is a higher-order cognitive ability that enables learners to structure problems and solve them algorithmically, making it indispensable for realizing deep learning.
CT is not only a core competency in Informatics but also a universally applicable mode of thinking that can be employed across various subject areas. Although several studies, both domestic and international, have explored the integrative potential of CT, most of them have been limited to the elementary level or to single-lesson case studies. There is a noticeable lack of research on the development of convergence instructional models grounded in deep learning, particularly at the high school level, centered on the Informatics curriculum. Moreover, instructional approaches in other subjects aiming to enhance CT have primarily followed teacher-driven topics, problem-solving activities, or programming-based tasks. These approaches tend to focus on partial aspects of CT and are often limited to teacher-led problem presentations, basic coding practices, or experimental sessions conducted outside regular classroom hours.
Accordingly, there is a growing need for specific instructional design strategies that can effectively link CT and deep learning in actual secondary education settings. In response to this need, the present study proposes a new instructional model that closely connects CT not as a mere technical skill but as a critical element of deep learning, incorporating reflection, metacognition, self-directed learning, collaboration and communication, and real-world relevance. As CT involves analyzing problem situations, resolving them procedurally, and reflecting and reconstructing the problem-solving process, it aligns fundamentally with the aims of deep learning, which centers on learners’ active thinking, collaboration, and meaning-making.
Therefore, the purpose of this study is to develop a deep learning-based instructional model that enhances CT by integrating concepts from other subject areas based on the high school Informatics curriculum. To achieve this goal, the research questions of the study are as follows: First, how can a deep learning-based information convergence instructional model and its teaching strategies be constructed to enhance CT? Second, are the teaching strategies within this instructional model internally valid? Third, is the instructional model and its strategies externally valid in enhancing CT?
To answer these research questions, this study employed a design and development research method, beginning with a review of the relevant literature. Based on the findings from the literature review, a preliminary instructional model and set of teaching strategies were created. To verify internal validity, a first round of expert validation was conducted with six experts in computer education, educational technology, and curriculum development. After refining the model and strategies based on this feedback, a second round of validation was conducted with five experts. For external validation, the revised instructional model was implemented in a field study involving second-year students at a science high school in Seoul. Surveys and interviews were conducted with both instructors and learners, and student reflections and interviews were analyzed at each stage of the instructional process. To measure the improvement in students’ CT, a 43-item self-report questionnaire was administered both before and after the instruction.
As a result of this study, a five-phase instructional model with 13 teaching strategies and 42 detailed guidelines was developed to enhance CT. The five phases of the model consist of: (1) identifying the research problem and exploring the context, (2) defining and structuring the research problem, (3) exploring solutions to the convergence research problem based on Informatics, (4) implementing and applying the solution, and (5) reflecting on the problem-solving process, presenting, and evaluating outcomes. The pre- and post-tests measuring CT revealed a statistically significant improvement (t = 5.221), and learners showed positive responses. These results demonstrate that the developed instructional model and teaching strategies effectively contributed to enhancing students’ CT.
The developed instructional model and strategies align with the core direction of the 2022 Revised National Curriculum by demonstrating a meaningful impact on CT through deep learning-based information convergence instruction for high school students. This study is significant in that it provides concrete and practical guidance for teachers in designing deep learning-based instruction. Furthermore, since CT is a competency that can be cultivated across various subjects—not just Informatics—the study offers a prescriptive and systematic approach for designing convergence instruction in other subject areas as well. It is also notable that CT and deep learning components were integrated into each phase of instruction, that the model’s internal validity was confirmed through expert review, that its external validity was supported by practical field application, and that its effect on CT was statistically verified.
However, this study has limitations. As the participants were students enrolled in a science high school, the results may not be generalizable to the broader high school student population. In addition, the instructional model was applied to a small sample of 10 students, which may not sufficiently reflect the operational complexity and diversity of teaching strategies required for larger class sizes. Moreover, the CT assessment tool used in this study lacks full validation in terms of reliability and validity. Therefore, future research should focus on expanding the applicability of the instructional model to diverse educational contexts and developing more sophisticated evaluation tools with greater validity and reliability.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구의 필요성 및 목적 1
• 2. 연구 문제 5
• 3. 용어의 정의 6
• Ⅱ. 이론적 배경 8
• 1. 깊이있는 학습 8
• 가. 깊이있는 학습의 개념과 구성요소 8
• 나. 정보교과에서의 깊이있는 학습 9
• 다. 개념기반 수업모형과 깊이있는 학습의 관계 13
• 2. 컴퓨팅 사고력 15
• 가. 컴퓨팅 사고력의 개념과 구성요소 15
• 나. 컴퓨팅 사고력 향상을 위한 융합 교육 20
• Ⅲ. 연구 방법 26
• 1. 연구 절차 27
• 2. 연구 대상 29
• 3. 연구 도구 30
• 4. 자료 수집 32
• 가. 선행문헌 검토 32
• 나. 내적 타당화 33
• 다. 외적 타당화 35
• 라. 컴퓨팅 사고력 향상 파악 38
• 5. 자료 분석 38
• 가. 전문가 타당화 자료 38
• 나. 학습자 반응 자료 39
• Ⅳ. 연구 결과 43
• 1. 초기 수업 모형 및 교수전략 43
• 가. 선행문헌 검토를 통한 수업 모형 및 교수전략 43
• 나. 초기 수업 모형 및 교수 전략 개발 51
• 2. 내적 타당화 61
• 가. 1차 전문가 타당화 61
• 나. 2차 전문가 타당화 67
• 3. 외적 타당화 92
• 가. 수업의 설계 및 실행 92
• 나. 교수자 반응 평가 124
• 다. 학습자 반응 평가 126
• 라. 컴퓨팅 사고력 향상 여부 145
• 4. 최종 수업 모형 및 교수 전략 148
• 가. 모형의 가정 및 특징 148
• 나. 최종 수업 모형과 교수전략 및 세부지침 150
• Ⅴ. 결론 및 제언 177
• 1. 논의 170
• 가. 컴퓨팅 사고력 향상을 위한 ‘깊이있는 학습’기반
• 정보 융합 수업 모형 171
• 나. 정보교육에서의 깊이있는 학습 175
• 다. 연구의 이론적, 실천적 함의 176
• 2. 결론 및 제언 177
• 가. 결론 177
• 나. 연구의 제한점 및 추후 연구를 위한 제언 179
• 참고문헌 183
• 부록 195
• Abstract 219