직업계고 학생 맞춤형 인공지능 교육과정 설계 연구 : 전북인공지능고 2025 교육계획 기반 AI-전공 연계 수업모형 설계 = Designing an AI-Integrated Curriculum for Vocational High School Students: Developing AI–Major-Linked Lesson Models Based on the 2025 Educational Plan of Jeonbuk AI High School

다국어 초록 (Multilingual Abstract)

This study aims to design a practical AI–major mapping instructional model that addresses two major barriers in vocational high school AI education: students’ lack of foundational competence and the increased burden on non-specialist teachers. Grounded in Jeonbuk AI High School’s 2025 educational plan and curriculum, as well as the AI curriculum handbook of Jeonju University, this research conducts a document-based Design-Based Research (DBR) 0–1 cycle.
The procedure consists of four steps: (1) context and problem analysis, (2) derivation of core design principles, (3) construction of a conjecture map, and (4) consistency analysis. Two design principles—functional understanding of AI principles and a coding-ZERO strategy—are articulated, and three spreadsheet-based instructional recipes (classification, prediction, and decision-making) are developed accordingly. The proposed model shows strong alignment with institutional initiatives such as AI digital textbooks, digital tutoring, smart classrooms, and teacher training plans, indicating high feasibility for implementation.
This study contributes design principles that lower entry barriers to AI education in vocational settings and provides a foundation for subsequent pilot implementation and Content Validity Index (CVI) validation in later DBR cycles.

국문 초록 (Abstract)

본 연구의 목적은 직업계고 인공지능(AI) 교육에서 나타나는 학생의 기초 역량 부족과 비전문가 교사의 수업 준비 부담이라는 이중 장벽을 완화할 수 있는 실천적 수업 모형을 설계하는 데 있다. 이를 위해 전북인공지능고등학교의 2025년 교육계획서와 교육과정 편성표, 전주대학교 인공지능학과 교육과정 편람을 주요 분석 자료로 활용하여 문서 중심 설계기반연구(Design-Based Research, DBR) 0–1주기를 수행하였다.
연구 절차는 (1) 학교 맥락 및 문제 분석, (2) 설계 원리 도출, (3) Conjecture Map 구성, (4) 정합성 분석의 네 단계로 구성하였다. 분석 결과, ‘AI 원리의 기능적 이해’와 ‘코딩 ZERO 전략’을 핵심 설계 원리로 설정하고, 스프레드시트만으로 구현 가능한 세 가지 수업 레시피(분류, 예측, 의사결정)를 개발하였다. 또한 전주대학교 인공지능학과의 핵심 전공 영역을 전북인공지능고의 전공 교과·과제와 연결하는 AI–전공 매핑 프레임워크를 제안하였으며, 디지털 튜터 운영, AI 디지털교과서 도입, 스마트교실 구축, 교원 디지털 연수 등 학교의 2025년 교육계획과의 높은 정합성을 확인하였다.
본 연구는 코딩을 요구하지 않는 데이터 기반 AI 학습 설계 원리를 제시함으로써 직업계고의 AI 교육 진입 장벽을 낮추는 데 기여한다. 나아가 향후 파일럿 수업 적용과 내용 타당도(Content Validity Index, CVI) 검증, 후속 DBR 주기를 통해 모형의 효과성과 일반화 가능성을 심화할 필요가 있다.

목차 (Table of Contents)

• 목차 ⅰ
• 표 목차 ⅳ
• 그림 목차 ⅳ
• 국문초록 ⅴ
• Abstract ⅶ
• Ⅰ. 서론 1
• 1. 연구의 배경 1
• 2. 연구의 필요성 2
• 3. 연구의 목적 2
• 4. 연구 문제 3
• 5. 연구의 범위 및 제한 3
• 6. 용어의 정리 4
• Ⅱ. 이론적 배경 5
• 1. 직업계고와 인공지능 교육 정책 동향 5
• 2. 직업계고 인공지능 교육 관련 선행연구 6
• 3. 설계기반연구(DBR)와 문서 중심 DBR 0–1주기 8
• 4. 스프레드시트 기반 데이터·AI 학습 9
• 5. AI-전공 매핑과 대학–고교 연계 10
• 6. 소결 11
• Ⅲ. 연구 방법 13
• 1. 연구 설계 개요 13
• 2. 연구 대상 및 자료 13
• 3. 연구 절차 14
• 4. 자료 분석 방법 17
• 5. 연구 윤리 18
• 6. 소결 18
• Ⅳ. 설계 결과 1: 설계 원리와 수업 레시피 20
• 1. 설계 원리 도출 과정 20
• 2. 설계 원리의 구체화 21
• 3. 수업 레시피 개관 23
• 4. 레시피 A: 분류 중심 수업 25
• 5. 레시피 B: 예측 중심 수업 29
• 6. 레시피 C: 의사결정 중심 수업 34
• 7. 소결 39
• Ⅴ. 설계 결과 2: AI-전공 매핑과 단원·차시 설계 41
• 1. AI–전공 매핑 프레임워크 구성 41
• 2. AI–전공 매핑 결과 42
• 3. 단원 및 차시 설계 사례 44
• 4. 평가 설계와 루브릭 46
• 5. 소결 47
• Ⅵ. 정합성 분석 48
• 1. 정합성 분석 결과 48
• Ⅶ. 결론 및 제언 50
• 1. 연구 결과 요약 50
• 2. 교육적 시사점 51
• 3. 연구의 한계 및 후속 연구 과제 52
• 참고문헌 54
• 부록 57