과학의 본성 이해를 위한 생성형 인공지능 활용 과학적 모델링 수업 설계원리 개발 = Development of Instructional Design Principles for Generative AI?Supported Scientific Modeling Instruction to Enhance Understanding of the Nature of Science (NOS)

다국어 초록 (Multilingual Abstract)

The rapid advancement of artificial intelligence (AI) is bringing about changes across society, highlighting the need for competencies to respond to these changes. In science education, such competencies are emphasized in terms of scientific literacy. In particular, the Nature of Science (NOS) has long been addressed as a central topic in science education, where it is recognized as a key component of scientific literacy. However, many students still demonstrate limited understanding of NOS, often perceiving scientific knowledge as objective and absolute. Therefore, educational efforts are required to improve students’ understanding of NOS through appropriate instructional interventions.
Scientific modeling can be considered an effective approach for supporting NOS understanding, as it allows students to directly experience the processes through which scientific knowledge is constructed and developed. For modeling instruction to be effective, teachers need to support students’ modeling processes through feedback and promote metacognition so that modeling activities are recognized as processes of scientific knowledge construction. However, despite acknowledging the importance of modeling instruction, many teachers face practical difficulties in classroom implementation due to time constraints and instructional burden.
In this regard, the potential of generative AI can be considered as a tool to address the challenges teachers face in scientific modeling instruction. Generative AI can provide individualized feedback and support reflection on learning, and thus is expected to enhance the effectiveness of scientific modeling instruction. The purpose of this study was to develop instructional design principles and detailed guidelines for scientific modeling instruction using generative AI to promote students’ understanding of NOS, and to examine their validity and effectiveness.
To this end, a design and development research methodology was applied. Initial design principles and detailed guidelines were derived through a review of prior literature and interviews with teachers, followed by two rounds of expert review to establish internal validity. Based on the refined design principles, a four-session instructional intervention was designed and implemented in a Grade 11 Earth science classroom. External validity and educational effectiveness were examined through pre- and post-tests on NOS understanding, evaluations of student models, and in-depth interviews with teachers and students.
The results indicated overall improvement in students’ understanding of NOS, with statistically significant gains particularly in the domains of tentativeness, subjectivity, and socio-cultural embeddedness of science. In addition, students’ scientific models showed significant improvement across all dimensions, including model construction, representation, and explanatory power. Interview analyses further revealed that generative AI functioned as a teaching–learning partner by supporting students’ cognitive development and understanding of NOS through questioning, feedback, and reflection throughout the modeling process, while enabling teachers to focus more on their roles as facilitators and coordinators of classroom interaction.
Based on these findings, a final set of design principles consisting of six principles and 24 detailed guidelines was developed. The six design principles include the principle of iterative modeling, learner-driven inquiry, metacognitive facilitation, integration of the Nature of Science (NOS), adaptive support, and interaction facilitation. The detailed guidelines were organized by distinguishing supports provided directly by teachers and those delivered through generative AI.
This study is significant in that it systematically developed and empirically validated instructional design principles and detailed guidelines for integrating generative AI into scientific modeling instruction to enhance students’ understanding of NOS, contributing both academic and practical implications.

국문 초록 (Abstract)

인공지능의 급속한 발전은 사회 전반을 넘어 교육에도 영향을 미치고 있으며, 과학교육에서는 과학 관련 역량과 지식을 지니고 개인과 사회의 문제해결에 민주시민으로서 참여하고 실천하는 태도와 능력으로서 과학적 소양을 강조하고 있다. 이때 과학적 소양의 핵심적인 요소인 과학의 본성(Nature of Science, NOS)은 과학교육에서 지속적으로 강조되어 왔으나, 많은 학생들이 여전히 과학 지식을 객관적이고 절대적인 것으로 인식하는 등 낮은 이해 수준을 보인다. 따라서 적절한 교육적 개입을 통해 학생들의 과학의 본성에 대한 이해를 개선하기 위한 노력이 요구된다.
과학의 본성에 대한 이해를 효과적으로 지원할 수 있는 수업 방법으로 과학적 모델링 수업을 고려할 수 있다. 과학적 모델링 수업은 학생들이 과학 지식의 구성 및 발전 과정을 직접 경험할 수 있다는 점에서 과학의 본성 이해에 도움이 될 수 있다. 이러한 수업이 효과적으로 이루어지기 위해서는 피드백을 통해 학생들의 모델링 과정을 지원하고, 모델링 과정을 과학 지식 생성 과정으로 인식할 수 있도록 메타인지를 촉진하는 교사의 역할이 중요하다. 그러나 많은 교사들은 모델링 수업의 중요성에 공감하면서도 시간적 제약과 실행 부담 등 현실적인 어려움으로 인해 수업을 쉽게 실행하지 못하고 있다.
이에 따라 과학적 모델링 수업에서 교사가 경험하는 어려움을 지원하기 위한 도구로서 생성형 인공지능의 활용을 고려할 수 있다. 생성형 인공지능은 개별 학습자에게 피드백 제공, 성찰 촉진 등의 기능을 수행함으로써 과학적 모델링 과정을 지원할 수 있을 것으로 기대된다. 본 연구의 목적은 과학의 본성 이해를 촉진하기 위하여 생성형 인공지능을 활용한 과학적 모델링 수업 설계원리와 상세지침을 개발하고, 그 타당성과 효과성을 검증하는 데 있다.
본 연구에서는 이를 위하여 설계·개발 연구 방법론을 적용하였으며, 선행 문헌 분석과 교수자 면담을 통해 초기 설계원리 및 상세지침을 도출한 후 두 차례의 전문가 검토를 통해 내적 타당화를 수행하였다. 이후 도출된 설계원리를 바탕으로 고등학교 2학년 지구과학 수업에서 4차시의 현장 적용 수업을 설계·실행하고, 과학의 본성에 대한 사전·사후 검사, 수업 산출물 평가, 교수자 및 학습자 심층 면담을 통해 외적 타당성과 교육적 효과를 검증하였다.
연구 결과, 학습자의 과학의 본성 이해는 전반적으로 향상되었으며, 특히 과학의 잠정성, 주관성, 사회·문화적 맥락성 영역에서 통계적으로 유의미한 변화가 나타났다. 또한 학습자의 과학적 모델링 산출물은 모델 구성, 표현력, 설명력의 모든 측면에서 유의미하게 향상되었다. 교수자 및 학습자 반응 분석 결과, 생성형 인공지능은 모델링 과정 전반에서 질문 제시, 피드백 제공, 성찰 촉진을 통해 학습자의 사고 확장과 과학의 본성 이해를 지원하는 교수·학습 파트너로 기능하였으며, 교사는 촉진자이자 상호작용 조정자로서의 역할에 보다 집중할 수 있음을 확인하였다.
이상의 연구 결과를 종합하여, 총 6개의 수업 설계원리와 24개의 상세지침으로 구성된 최종 설계원리를 도출하였다. 각 설계원리는 ‘순환적 모델링 지원의 원리’, ‘학습자 주도적 탐구의 원리’, ‘메타인지 촉진의 원리’, ‘과학의 본성(NOS) 통합의 원리’, ‘맞춤형 지원의 원리’, ‘상호작용 촉진의 원리’로 구성되며, 상세지침은 교사가 직접 수행해야 할 지원과 생성형 인공지능을 통해 제공할 지원을 구분하여 제시하였다.
본 연구는 과학의 본성 이해를 목표로 생성형 인공지능을 과학적 모델링 수업에 통합하기 위한 설계원리와 상세지침을 체계적으로 개발하고, 그 타당성과 효과성을 경험적으로 검증하였다는 점에서 학문적 및 실천적 의의를 지닌다.

목차 (Table of Contents)

• Ⅰ. 서론 1
• 1. 연구의 필요성 및 목적 1
• 2. 연구문제 6
• 3. 용어의 정의 7
• 가. 과학의 본성 7
• 나. 과학적 모델링 수업 7
• Ⅱ. 이론적 배경 8
• 1. 과학의 본성 8
• 가. 과학의 본성 개념 및 구성 요소 8
• 나. 과학의 본성에 대한 교육적 접근 12
• 2. 과학적 모델링 14
• 가. 과학적 모델과 모델링의 개념 14
• 나. 과학적 모델링 수업 16
• 다. 과학적 모델링 수업과 과학의 본성 이해 21
• 3. 생성형 인공지능을 활용한 과학 수업 23
• 가. 생성형 인공지능의 개념 및 특성 23
• 나. 생성형 인공지능을 활용한 과학교육 24
• 다. 생성형 인공지능을 활용한 과학적 모델링 수업의 가능성 26
• Ⅲ. 연구방법 28
• 1. 연구 절차 30
• 2. 초기 수업 설계원리 개발 33
• 3. 내적 타당화 34
• 가. 연구 참여자 34
• 나. 연구 도구 35
• 다. 자료 분석 방법 36
• 4. 외적 타당화 38
• 가. 연구 참여자 38
• 나. 현장 적용 절차 40
• 다. 연구 도구 및 자료 분석 방법 57
• Ⅳ. 연구결과 68
• 1. 최종 수업 설계원리 68
• 가. 수업 설계원리의 가정 및 특징 68
• 나. 최종 수업 설계원리 및 상세지침 70
• 2. 초기 수업 설계원리 78
• 가. 초기 수업 설계원리 개발을 위한 선행문헌 검토 78
• 나. 초기 수업 설계원리 개발을 위한 전문가 면담 80
• 다. 초기 수업 설계원리 및 상세지침 82
• 3. 수업 설계원리의 내적 타당화 결과 90
• 가. 1차 전문가 타당화 결과 90
• 나. 2차 전문가 타당화 결과 105
• 4. 수업 설계원리의 외적 타당화 결과 117
• 가. 과학의 본성 이해 사전·사후 검사 결과 117
• 나. 수업 산출물(초기, 최종 모델) 평가 결과 119
• 다. 수업 설계원리에 대한 교수자 및 학습자 반응 122
• Ⅴ. 논의 및 결론 136
• 1. 논의 136
• 가. 과학의 본성 이해를 위한 생성형 인공지능 활용 과학적 모델링 수업 설계원리 개발의 의의 136
• 나. 생성형 인공지능을 통한 과학적 모델링 및 과학의 본성 이해 지원 137
• 다. 생성형 인공지능과 교사의 역할 분담 및 교사의 역할 변화 139
• 라. 설계원리 적용 결과 141
• 2. 결론 및 제언 143
• 가. 요약 및 결론 143
• 나. 제언 145
• 참고문헌 147