RISS 학술연구정보서비스

검색
자동완성 버튼
다국어입력
다국어 입력
あ ぁ か が さ ざ た だ な は ば ぱ ま や ゃ ら わ ゎ ん い ぃ き ぎ し じ ち ぢ に ひ び ぴ み り う ぅ く ぐ す ず つ づ っ ぬ ふ ぶ ぷ む ゆ ゅ る え ぇ け げ せ ぜ て で ね へ べ ぺ め れ お ぉ こ ご そ ぞ と ど の ほ ぼ ぽ も よ ょ ろ を
ア ァ カ サ ザ タ ダ ナ ハ バ パ マ ヤ ャ ラ ワ ヮ ン イ ィ キ ギ シ ジ チ ヂ ニ ヒ ビ ピ ミ リ ウ ゥ ク グ ス ズ ツ ヅ ッ ヌ フ ブ プ ム ユ ュ ル エ ェ ケ ゲ セ ゼ テ デ ヘ ベ ペ メ レ オ ォ コ ゴ ソ ゾ ト ド ノ ホ ボ ポ モ ヨ ョ ロ ヲ ―

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
ㅥ ㅦ ㅧ ㅨ ㅩ ㅪ ㅫ ㅬ ㅭ ㅮ ㅯ ㅰ ㅱ ㅲ ㅳ ㅴ ㅵ ㅶ ㅷ ㅸ ㅹ ㅺ ㅻ ㅼ ㅽ ㅾ ㅿ ㆀ ㆁ ㆂ ㆃ ㆄ ㆅ ㆆ ㆇ ㆈ ㆉ ㆊ ㆋ ㆌ ㆍ ㆎ
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω α β γ δ ε ζ η θ ι κ λ μ ν ξ ο π ρ σ τ υ φ χ ψ ω
á à Á À é è É È ç Ç ê
Ä Ö Ü ä ö ü ß
ְ ֳ ֲ ֱ ָ ַ ֵ ֶ ִ ֹ ּ ֻ ׂ ׁ ּ פ ם ן ו ט א ר ק ף ך ל ח י ע כ ג ד ש ץ ת צ מ נ ה ב
‘ ’ “ ” 〔 〕 〈 〉 「 」 『 』 【 】 ＂ （ ） ［ ］ ｛ ｝
± × ÷ ≠ ≤ ≥ ∞ ∴ ♂ ♀ ∠ ⊥ ⌒ ∂ ∇ ≡ ≒ ≪ ≫ √ ∽ ∝ ∵ ∫ ∬ ∈ ∋ ⊆ ⊇ ⊂ ⊃ ∪ ∩ ∧ ∨ ￢ ⇒ ⇔ ∀ ∃ ∮ ∑ ∏ ＋ － ＜ ＝ ＞
、 。 · ‥ … ¨ 〃 ― ∥ ＼ ∼ ´ ～ ˇ ˘ ˝ ˚ ˙ ¸ ˛ ¡ ¿ ː ！ ＇ ， ． ／ ： ； ？ ＾ ＿ ｀ ｜
½ ⅓ ⅔ ¼ ¾ ⅛ ⅜ ⅝ ⅞ ¹ ² ³ ⁴ ⁿ ₁ ₂ ₃ ₄
Æ Ð Ħ IJ Ł Ø Œ Þ Ŧ Ŋ æ đ ð ħ ı ij ĸ ŀ ł ø œ ß þ ŧ ŋ ʼn
А Б В Г Д Е Ё Ж З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Ъ Ы Ь Э Ю Я а б в г д е ё ж з и й к л м н о п р с т у ф х ц ч ш щ ъ ы ь э ю я
′ ″ ℃ Å ￠ ￡ ￥ ¤ ℉ ‰ ＄ ％ Ｆ ￦ ㎕ ㎖ ㎗ ℓ ㎘ ㏄ ㎣ ㎤ ㎥ ㎦ ㎙ ㎚ ㎛ ㎜ ㎝ ㎞ ㎟ ㎠ ㎡ ㎢ ㏊ ㎍ ㎎ ㎏ ㏏ ㎈ ㎉ ㏈ ㎧ ㎨ ㎰ ㎱ ㎲ ㎳ ㎴ ㎵ ㎶ ㎷ ㎸ ㎹ ㎀ ㎁ ㎂ ㎃ ㎄ ㎺ ㎻ ㎽ ㎾ ㎿ ㎐ ㎑ ㎒ ㎓ ㎔ Ω ㏀ ㏁ ㎊ ㎋ ㎌ ㏖ ㏅ ㎭ ㎮ ㎯ ㏛ ㎩ ㎪ ㎫ ㎬ ㏝ ㏐ ㏓ ㏃ ㏉ ㏜ ㏆
§ ※ ☆ ★ ○ ● ◎ ◇ ◆ □ ■ △ ▽ → ← ↑ ↓ ↔ 〓 ◁ ◀ ▷ ▶ ♤ ♠ ♡ ♥ ♧ ♣ ⊙ ◈ ▣ ◐ ◑ ▒ ▤ ▥ ▨ ▧ ▦ ▩ ♨ ☏ ☎ ☜ ☞ † ‡ ↕ ↗ ↙ ↖ ↘ ♭ ♩ ♪ ♬ ㉿ ㈜ № ㏇ ™ ㏂ ㏘ ℡ ＃ ＆ ＊ ＠ ª º
ⅰ ⅱ ⅲ ⅳ ⅴ ⅵ ⅶ ⅷ ⅸ ⅹ Ⅰ Ⅱ Ⅲ Ⅳ Ⅴ Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ
ا ب ت ث ج ح خ د ذ ر ز س ش ص ض ط ظ ع غ ف ق ک ل م ن ه و ی
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      Computational Thinking 능력 향상을 위한 로봇 프로그래밍 교수 학습 모형 = (A) Robot Programming Teaching and Learning Model to Enhance Computational Thinking Ability

      한글로보기

      https://www.riss.kr/link?id=T11591298

      • 0

        상세조회

      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      다국어 초록 (Multilingual Abstract) kakao i 다국어 번역

      영어
      한국어
      The purpose of the research is to develop a robot programming teaching and learning model for improving computational thinking ability and confirm the educational effect of the model.
      Computational thinking ability is the problem solving ability based on the basic concepts and principles of computer science. It is the ability to create strategic knowledge that is applicable to general problem solving situation, and to execute and automate the abstract concept or designed problem solving strategy by using various computing devices.
      Through the education for the acquisition of such computational thinking ability, the improvement of authentic problem solving ability that the modern society request for people can be expected. But, computational thinking may cause excessive cognitive load for learners since it includes the abstract thinking ability and the ability to select and use tools for automation of abstract. Therefore, selection of tools and design of teaching and learning strategy to minimize the learners’ cognitive load is necessary in designing the teaching and learning model for improving computational thinking ability.
      In the study, therefore, educational robot that can stimulate the interest of the learners and provide the problem solving experience most similar to the real world is selected among various teaching and learning tools that can be used for the improvement of computational thinking ability.
      Robot programming process, which is the problem solving process using educational robots, can provide actual experiences about the automation of the abstract concepts to solve complex real world problems. The feedback from the robot’s immediate action stimulates intrinsic motivation about the learning itself and promotes reflective thinking through the maximization of cognitive conflict.
      In spite of such educational value of robot programming education for the improvement of computational thinking ability, the previous studies related to robot programming have limits such as using robot as the tool to stimulate interest in the traditional programming education, inducing biased learner participation through prejudiced learning tasks constitution, lowering intrinsic motivation due to external feedback provision strategies and so forth. Therefore, new teaching and learning strategies are necessary to overcome the limits of existing robot programming education and maximize the improvement of computational thinking ability. To overcome such limits, I have developed an instruction model integrating constructionism and cognitivism. After examined various theoretical instruction models and instruction design models to support the improvement of complex problem solving ability, I induced the design principles and development methods of the robot programming teaching and learning model.
      Teaching and learning stages and teaching and learning strategies are constructed based on Merrill’s first principles of instruction including the task-centered principle, the activation principle, the demonstration principle, the application principle and the integration principle. The tasks and information to be provided in each stage of teaching and learning are divided into four elements: learning tasks, supportive information, procedural information and part-task practices. The types of each element and presentation strategies are designed. The developed robot programming teaching and learning model, therefore, has characteristics that teaching and learning stages are progressed based on authentic whole task and the information provision and direct instructional treatments are conducted simultaneously in order to reduce learners’ cognitive load.
      The developed robot programming teaching and learning model was implemented in 20 sessions in 5 weeks for the first grade university students who have no programming experiences. The result shows that the developed robot programming teaching and learning model improves computational thinking ability more than traditional programming education does. Especially, meaningful differences were found in analytical thinking, concurrent thinking, strategic thinking and procedural thinking among the sub-elements of computational thinking ability. It means that the developed robot programming teaching and learning model has positively affected the improvement of learners’ computational thinking ability. In the final stage of the study, a refined robot programming teaching and learning model is presented. The refinements are based on the observation of the learners’ problem solving process, the study of the assignments submitted by the learners and the analysis of the interview with the learners. More practical and effective robot programming teaching and learning model can be provided through continuous model improvement.
      번역하기

      The purpose of the research is to develop a robot programming teaching and learning model for improving computational thinking ability and confirm the educational effect of the model. Computational thinking ability is the problem solving ability based...

      The purpose of the research is to develop a robot programming teaching and learning model for improving computational thinking ability and confirm the educational effect of the model.
      Computational thinking ability is the problem solving ability based on the basic concepts and principles of computer science. It is the ability to create strategic knowledge that is applicable to general problem solving situation, and to execute and automate the abstract concept or designed problem solving strategy by using various computing devices.
      Through the education for the acquisition of such computational thinking ability, the improvement of authentic problem solving ability that the modern society request for people can be expected. But, computational thinking may cause excessive cognitive load for learners since it includes the abstract thinking ability and the ability to select and use tools for automation of abstract. Therefore, selection of tools and design of teaching and learning strategy to minimize the learners’ cognitive load is necessary in designing the teaching and learning model for improving computational thinking ability.
      In the study, therefore, educational robot that can stimulate the interest of the learners and provide the problem solving experience most similar to the real world is selected among various teaching and learning tools that can be used for the improvement of computational thinking ability.
      Robot programming process, which is the problem solving process using educational robots, can provide actual experiences about the automation of the abstract concepts to solve complex real world problems. The feedback from the robot’s immediate action stimulates intrinsic motivation about the learning itself and promotes reflective thinking through the maximization of cognitive conflict.
      In spite of such educational value of robot programming education for the improvement of computational thinking ability, the previous studies related to robot programming have limits such as using robot as the tool to stimulate interest in the traditional programming education, inducing biased learner participation through prejudiced learning tasks constitution, lowering intrinsic motivation due to external feedback provision strategies and so forth. Therefore, new teaching and learning strategies are necessary to overcome the limits of existing robot programming education and maximize the improvement of computational thinking ability. To overcome such limits, I have developed an instruction model integrating constructionism and cognitivism. After examined various theoretical instruction models and instruction design models to support the improvement of complex problem solving ability, I induced the design principles and development methods of the robot programming teaching and learning model.
      Teaching and learning stages and teaching and learning strategies are constructed based on Merrill’s first principles of instruction including the task-centered principle, the activation principle, the demonstration principle, the application principle and the integration principle. The tasks and information to be provided in each stage of teaching and learning are divided into four elements: learning tasks, supportive information, procedural information and part-task practices. The types of each element and presentation strategies are designed. The developed robot programming teaching and learning model, therefore, has characteristics that teaching and learning stages are progressed based on authentic whole task and the information provision and direct instructional treatments are conducted simultaneously in order to reduce learners’ cognitive load.
      The developed robot programming teaching and learning model was implemented in 20 sessions in 5 weeks for the first grade university students who have no programming experiences. The result shows that the developed robot programming teaching and learning model improves computational thinking ability more than traditional programming education does. Especially, meaningful differences were found in analytical thinking, concurrent thinking, strategic thinking and procedural thinking among the sub-elements of computational thinking ability. It means that the developed robot programming teaching and learning model has positively affected the improvement of learners’ computational thinking ability. In the final stage of the study, a refined robot programming teaching and learning model is presented. The refinements are based on the observation of the learners’ problem solving process, the study of the assignments submitted by the learners and the analysis of the interview with the learners. More practical and effective robot programming teaching and learning model can be provided through continuous model improvement.

      더보기

      국문 초록 (Abstract) kakao i 다국어 번역

      한국어
      영어
      본 연구의 목적은 CT(Computational Thinking) 능력 향상을 위한 로봇 프로그래밍 교수 학습 모형을 개발하고 해당 모형의 교육적 효과를 확인하기 위한 것이다. CT 능력은 컴퓨터 과학의 기본 개념과 원리에 기반 한 문제 해결 능력으로 영역 일반적인 문제 해결 상황에 적용 가능한 전략적 지식을 생성하고, 다양한 컴퓨팅 장치를 활용하여 추상적 개념이나 설계한 문제 해결 전략을 실제적으로 실행하고 자동화할 수 있는 능력이다. 따라서 이러한 CT 능력 습득을 위한 교육을 통해 현대 사회가 요구하는 실제적 문제 해결력의 향상을 기대할 수 있다. 그러나 CT 능력은 추상적 사고 능력과 더불어 추상적 사고를 자동화하기 위한 도구의 선택 및 활용 능력을 포함하기 때문에 학습자에게 과도한 인지적 부담으로 작용할 수 있다. 따라서 CT 능력 향상을 위한 교수 학습 설계에 있어서 학습자의 인지적 부담을 최소화할 수 있는 도구 선택 및 교수 학습 전략의 설계가 필요하다. 이에 따라 본 연구에서는 CT 능력 향상을 위해 유용하게 활용될 수 있는 다양한 교수 학습 도구 중 학습자의 흥미를 유발함과 동시에 실세계와 가장 유사한 문제 해결 경험을 제공할 수 있는 교육용 로봇을 선택하였다. 교육용 로봇을 통한 문제 해결 과정인 로봇 프로그래밍 과정은 실세계의 복잡한 문제 해결을 위한 추상적 개념에 대한 자동화 실현과 실체적 경험을 제공해 줄 수 있으며, 로봇의 즉각적인 행동 시연으로 인한 피드백은 학습 자체에 대한 내적 동기를 유발하고, 인지 갈등 극대화를 통한 성찰적 사고를 촉진한다. 그러나 CT 능력 향상을 위한 로봇 프로그래밍 교육의 이러한 교육적 가치에도 불구하고, 로봇 프로그래밍과 관련된 선행 연구들은 로봇을 단지 기존의 프로그래밍 교육에 대한 흥미 유발 도구로 활용하거나, 편향적인 학습 과제 구성으로 인한 편항적 학습자 참여 유도, 외재적 피드백 제공 전략으로 인한 내적 동기 저해 등의 문제점을 드러내고 있다. 따라서 기존 로봇 프로그래밍 교육의 한계를 극복하고 CT 능력 향상을 최대화하기 위한 새로운 교수 학습 전략이 필요하며, 본 연구에서는 이러한 문제를 구성주의와 인지주의의 통합적 접근을 통한 교수 모형 설계를 통해 해결하고자 하였다.
      이러한 연구 목적 달성을 위해 가장 먼저, 복잡한 문제 해결 능력 향상을 지원하기 위한 이론적 교수 모형 및 교수 설계 모형들을 검토하고 로봇 프로그래밍 교수 학습 모형 설계 원리 및 개발 방법을 도출하였다.
      모형 개발은 Merrill이 제시한 효과적인 교수의 5가지 핵심 원리인 과제 중심 원리, 활성화의 원리, 시연의 원리, 적용의 원리, 통합의 원리를 토대로 교수 학습 단계와 교수 학습 전략을 구성하되, 교수 학습의 각 단계에서 제공될 과제와 정보는 학습 과제, 지원 정보, 절차 정보, 부분 과제 연습의 4가지 구성 요소로 구분하고 각 구성 요소의 유형 및 제시 전략을 설계하였다. 따라서 본 연구를 통해 개발한 로봇 프로그래밍 교수 학습 모형은 실제적 전체 과제 중심으로 교수 학습 단계가 진행되며, 과제 해결 과정에서의 학습자의 인지 부하를 지원하기 위한 정보 제공 및 직접적 교수적 처치가 함께 이루어진다는 특성을 가지고 있다.
      개발한 모형을 적용한 로봇 프로그래밍 교수 학습 프로그램을 5주 20차시 분량으로 개발하고 프로그래밍을 처음 접하는 초보 학습자인 대학교 1학년 학생들에게 적용하였다. 적용 결과, 본 연구를 통해 개발한 로봇 프로그래밍 교수 학습 모형을 적용한 교육을 실시한 집단이 전통적인 프로그래밍 교육을 실시한 집단에 비해 CT 능력이 유의하게 향상되었음을 확인하였으며, 특히 CT 능력을 구성하는 하위요인 중 분석적 사고, 동시적 사고, 전략적 사고, 절차적 사고 요인에서 유의한 차이가 확인되었다. 이러한 연구 결과는 본 연구를 통해 개발한 로봇 프로그래밍 교수 학습 모형이 학습자의 CT 능력 향상에 긍정적인 영향을 준 것으로 해석할 수 있다.
      연구의 마지막 단계에서, 실험처치 과정 중 학습자의 과제 해결 과정 관찰, 학습자 제출 과제 검토, 학습자 면담 결과 분석을 통해 체계적인 모형 개선을 위한 시사점을 도출하여 이에 따라 개선된 로봇 프로그래밍 교수 학습 모형을 제안하였다. 향후, 후속연구를 통해 개선된 모형의 현장 적용 및 개선 사항 검토, 지속적인 모형의 개선이 이루어진다면 보다 실용적이고 효과적인 로봇 프로그래밍 교수 학습 모형 및 프로그램을 제공할 수 있을 것이며, 이러한 과정을 통해 최대화된 학습 효과를 기대할 수 있을 것이다.
      번역하기

      본 연구의 목적은 CT(Computational Thinking) 능력 향상을 위한 로봇 프로그래밍 교수 학습 모형을 개발하고 해당 모형의 교육적 효과를 확인하기 위한 것이다. CT 능력은 컴퓨터 과학의 기본 개념...

      본 연구의 목적은 CT(Computational Thinking) 능력 향상을 위한 로봇 프로그래밍 교수 학습 모형을 개발하고 해당 모형의 교육적 효과를 확인하기 위한 것이다. CT 능력은 컴퓨터 과학의 기본 개념과 원리에 기반 한 문제 해결 능력으로 영역 일반적인 문제 해결 상황에 적용 가능한 전략적 지식을 생성하고, 다양한 컴퓨팅 장치를 활용하여 추상적 개념이나 설계한 문제 해결 전략을 실제적으로 실행하고 자동화할 수 있는 능력이다. 따라서 이러한 CT 능력 습득을 위한 교육을 통해 현대 사회가 요구하는 실제적 문제 해결력의 향상을 기대할 수 있다. 그러나 CT 능력은 추상적 사고 능력과 더불어 추상적 사고를 자동화하기 위한 도구의 선택 및 활용 능력을 포함하기 때문에 학습자에게 과도한 인지적 부담으로 작용할 수 있다. 따라서 CT 능력 향상을 위한 교수 학습 설계에 있어서 학습자의 인지적 부담을 최소화할 수 있는 도구 선택 및 교수 학습 전략의 설계가 필요하다. 이에 따라 본 연구에서는 CT 능력 향상을 위해 유용하게 활용될 수 있는 다양한 교수 학습 도구 중 학습자의 흥미를 유발함과 동시에 실세계와 가장 유사한 문제 해결 경험을 제공할 수 있는 교육용 로봇을 선택하였다. 교육용 로봇을 통한 문제 해결 과정인 로봇 프로그래밍 과정은 실세계의 복잡한 문제 해결을 위한 추상적 개념에 대한 자동화 실현과 실체적 경험을 제공해 줄 수 있으며, 로봇의 즉각적인 행동 시연으로 인한 피드백은 학습 자체에 대한 내적 동기를 유발하고, 인지 갈등 극대화를 통한 성찰적 사고를 촉진한다. 그러나 CT 능력 향상을 위한 로봇 프로그래밍 교육의 이러한 교육적 가치에도 불구하고, 로봇 프로그래밍과 관련된 선행 연구들은 로봇을 단지 기존의 프로그래밍 교육에 대한 흥미 유발 도구로 활용하거나, 편향적인 학습 과제 구성으로 인한 편항적 학습자 참여 유도, 외재적 피드백 제공 전략으로 인한 내적 동기 저해 등의 문제점을 드러내고 있다. 따라서 기존 로봇 프로그래밍 교육의 한계를 극복하고 CT 능력 향상을 최대화하기 위한 새로운 교수 학습 전략이 필요하며, 본 연구에서는 이러한 문제를 구성주의와 인지주의의 통합적 접근을 통한 교수 모형 설계를 통해 해결하고자 하였다.
      이러한 연구 목적 달성을 위해 가장 먼저, 복잡한 문제 해결 능력 향상을 지원하기 위한 이론적 교수 모형 및 교수 설계 모형들을 검토하고 로봇 프로그래밍 교수 학습 모형 설계 원리 및 개발 방법을 도출하였다.
      모형 개발은 Merrill이 제시한 효과적인 교수의 5가지 핵심 원리인 과제 중심 원리, 활성화의 원리, 시연의 원리, 적용의 원리, 통합의 원리를 토대로 교수 학습 단계와 교수 학습 전략을 구성하되, 교수 학습의 각 단계에서 제공될 과제와 정보는 학습 과제, 지원 정보, 절차 정보, 부분 과제 연습의 4가지 구성 요소로 구분하고 각 구성 요소의 유형 및 제시 전략을 설계하였다. 따라서 본 연구를 통해 개발한 로봇 프로그래밍 교수 학습 모형은 실제적 전체 과제 중심으로 교수 학습 단계가 진행되며, 과제 해결 과정에서의 학습자의 인지 부하를 지원하기 위한 정보 제공 및 직접적 교수적 처치가 함께 이루어진다는 특성을 가지고 있다.
      개발한 모형을 적용한 로봇 프로그래밍 교수 학습 프로그램을 5주 20차시 분량으로 개발하고 프로그래밍을 처음 접하는 초보 학습자인 대학교 1학년 학생들에게 적용하였다. 적용 결과, 본 연구를 통해 개발한 로봇 프로그래밍 교수 학습 모형을 적용한 교육을 실시한 집단이 전통적인 프로그래밍 교육을 실시한 집단에 비해 CT 능력이 유의하게 향상되었음을 확인하였으며, 특히 CT 능력을 구성하는 하위요인 중 분석적 사고, 동시적 사고, 전략적 사고, 절차적 사고 요인에서 유의한 차이가 확인되었다. 이러한 연구 결과는 본 연구를 통해 개발한 로봇 프로그래밍 교수 학습 모형이 학습자의 CT 능력 향상에 긍정적인 영향을 준 것으로 해석할 수 있다.
      연구의 마지막 단계에서, 실험처치 과정 중 학습자의 과제 해결 과정 관찰, 학습자 제출 과제 검토, 학습자 면담 결과 분석을 통해 체계적인 모형 개선을 위한 시사점을 도출하여 이에 따라 개선된 로봇 프로그래밍 교수 학습 모형을 제안하였다. 향후, 후속연구를 통해 개선된 모형의 현장 적용 및 개선 사항 검토, 지속적인 모형의 개선이 이루어진다면 보다 실용적이고 효과적인 로봇 프로그래밍 교수 학습 모형 및 프로그램을 제공할 수 있을 것이며, 이러한 과정을 통해 최대화된 학습 효과를 기대할 수 있을 것이다.

      더보기

      목차 (Table of Contents)

      • I. 서론 = 1
      • 1. 연구의 필요성 및 목적 = 1
      • 2. 연구의 내용 및 방법 = 4
      • 3. 용어의 정의 = 6
      • 4. 연구의 제한점 = 7
      • I. 서론 = 1
      • 1. 연구의 필요성 및 목적 = 1
      • 2. 연구의 내용 및 방법 = 4
      • 3. 용어의 정의 = 6
      • 4. 연구의 제한점 = 7
      • II. 이론적 배경 = 8
      • 1. Computational Thinking 능력 향상 교육 = 8
      • 2. Computational Thinking 능력 향상을 위한 도구 = 15
      • 3. Computational Thinking 능력 향상을 위한 로봇 프로그래밍 교육 = 19
      • 4. 복잡한 문제 해결 학습을 위한 교수 설계 모형 = 25
      • III. 로봇 프로그래밍 교수 학습 모형 개발 = 47
      • 1. 설계 및 개발 방법 = 47
      • 2. 학습 과제 분석 = 52
      • 3. 비순환적 기술 분석 = 58
      • 4. 순환적 기술 분석 = 62
      • 5. 교수 학습 모형 구성 요소 설계 = 67
      • 6. 교수 학습 모형 개발 = 74
      • 7. 교수 학습 프로그램 개발 = 78
      • IV. 로봇 프로그래밍 교수 학습 모형 적용 = 85
      • 1. 연구 가설 = 85
      • 2. 연구 대상 = 85
      • 3. 연구 설계 = 86
      • 4. 연구 도구 = 86
      • 5. 연구 절차 = 90
      • 6. Computational Thinking 능력 향상에 미치는 영향 분석 = 91
      • 7. 학습자 과제 해결 과정 분석 = 96
      • 8. 교수 학습 모형의 개선 = 104
      • V. 결론 및 제언 = 108
      • 참고문헌 = 112
      • ABSTRACT = 121
      • 부록: Computational Thinking 능력 검사지 = 125
      더보기

      참고문헌 (Reference)

      1. About learning, McCarthy, , 1996

      2. Computational Thinking, Wing, , 2006

      3. Thompson Job Impact Study, Thompson_Inc, , 2002

      4. First principles of instruction, Merrill, , 2002

      5. 정보교육의 본질과 전망, 이영준 ( Young Jun Lee ), 이은경 ( Eun Kyoung Lee ), 한국컴퓨터교육학회, , 2008

      6. 중학교 교육과정 해설(Ⅴ), 교육과학기술부, 중학교 교육과정 해설. Ⅴ, , 2008

      7. Robots Make Computer Science Personal, Blank, , 2006

      8. Constructionism. In Sawyer, R. K. (Ed.), Kafai, "Constructionism. In Sawyer, , 2006

      9. Scratch for Budding Computer Scientists, Malan, Leitner, , 2007

      10. Teaching Programming with Lego RCX Robots, Wong, , 2001

      1. About learning, McCarthy, , 1996

      2. Computational Thinking, Wing, , 2006

      3. Thompson Job Impact Study, Thompson_Inc, , 2002

      4. First principles of instruction, Merrill, , 2002

      5. 정보교육의 본질과 전망, 이영준 ( Young Jun Lee ), 이은경 ( Eun Kyoung Lee ), 한국컴퓨터교육학회, , 2008

      6. 중학교 교육과정 해설(Ⅴ), 교육과학기술부, 중학교 교육과정 해설. Ⅴ, , 2008

      7. Robots Make Computer Science Personal, Blank, , 2006

      8. Constructionism. In Sawyer, R. K. (Ed.), Kafai, "Constructionism. In Sawyer, , 2006

      9. Scratch for Budding Computer Scientists, Malan, Leitner, , 2007

      10. Teaching Programming with Lego RCX Robots, Wong, , 2001

      11. Learning by doing. In Reigeluth, C. M. (Ed.), Berman, MacPerson, Schank, "Learning by doing. In Reigeluth, , 1999

      12. 초?중등학교 교육과정. 제2007-79호, 교육인적자원부, , 2007

      13. Design-Based Research. In Sawyer, R. K. (Ed.), Barab, "Design-Based Research. In Sawyer, , 2006

      14. 26 February 2008, http://www.firstlego league.org, FIRST LEGO League, "26 February 2008, , 2008

      15. A pebble-in-the-pond model for instructional design, Merrill, Merrill, M. D., , 2002

      16. Computational Thinking and Thinking About Computing, Wing, , 2008

      17. Definition and Selection of Key Competencies(DeSeCo), Salganik, Ryjchen, , 2000

      18. Teaching robotics from a computer science perspective, Kay, , 2003

      19. Collaborative problem solving. In Reigeluth, C. M. (Ed.), Nelson, "Collaborative problem solving. In Reigeluth, , 1999

      20. Notes towards an Overarching Model of Cognitive Abilities, McCurry, , 2002

      21. 공학교육에서 협력학습의 인지적,정의적 효과, 김종백 ( Jong Baeg Kim ), 한국교육심리학회, "교육심리연구, , 2004

      22. Cognitive Theory of Multimedia Learning. In Mayer, R. E. (Ed.), Mayer, "Cognitive Theory of Multimedia Learning. In Mayer, , 2006

      23. Mixed Methods Research: A Research Paradigm Whose Time Has Come, Onwuegbuzie, Johnson, R. B., Johnson, , 2004

      24. The emerging conceptualization of groups as information processors, Vollrath, Hinsz, Tindale, , 1997

      25. New Pathways into Robotics: Strategies for Broadening Participation, Pezalla-Granlund, Rusk, Berg, Resnick, , 2008

      26. 로봇 프로그래밍 학습이 문제해결력에 미치는 영향, 이영준, 이은경 ( Eun Kyoung Lee ), 한국컴퓨터교육학회, , 2007

      27. Criteria for the development of complex teaching-learning environment, Achtenhagen, , 2001

      28. The children's machine : rethinking school in the age of the computer, Papert, Seymour, BasicBooks, The Children's Machine: Rethinking School in the Age of the Computer, , 1993

      29. Computer Science Unplugged: Capturing the interest of the uninterested, Bell, Bensemann, Witten, , 1995

      30. Point/Counter-Point: On Using Graphical Languages to Teach Programming, East, Hutton, , 2007

      31. Motivation and Cognitive Engagement in Learning. In Sawyer, R. K. (Ed.), Kempler, Krajcik, Blumenfeld, "Motivation and Cognitive Engagement in Learning. In Sawyer, , 2006

      32. Learning to solve problems with technology, A constructivist perspective, Jonassen, Marra, Howland, Learning to Solve Problems with Technology: A Constructivist Perspective, , 2003

      33. The Logic of Failure: Recognizing and Avoiding Error in Complex Situations, D?rner, , 1996

      34. Virtual and Remote Robotic Laboratory: Comparative Experimental Evaluation, Palaiologou, Tzafestas, Alifragis, , 2006

      35. Conditions theory and models for designing instruction. In Jonassen, D. (Ed.), Smith, Ragan, "Conditions theory and models for designing instruction. In Jonassen, , 1996

      36. 4CID 모델 기반 로봇 활용 프로그래밍 학습의 몰입 효과 분석, 이영준, 이은경 ( Eun Kyoung Lee ), 한국컴퓨터교육학회, , 2008

      37. Teaching introductory Java through LEGO MINDSTORMS models. ACM SIGCSE　Bulletin, Barnes, , 2002

      38. 성별의 차이를 고려한 로봇프로그래밍 교수전략에 관한 연구, 배영권 ( Young Kwon Bae ), 한국컴퓨터교육학회, "컴퓨터교육학회논문지, , 2007

      39. Computational Thinking is Pervasive. Journal of Scientific and Practical Computing, Bundy, , 2007

      40. Three years of using robots in the artificial intelligence course: Lessons learned, Kumar, , 2004

      41. Advances in research on instruction. In Lloyd, J., Kameenui, J., & Chard, D. (Eds.), Rosenshine, "Advances in research on instruction. In Lloyd, , 1997

      42. The constraining effects of initial ideas. In Paulus, P. B. & Nijstad, B. A. (Eds.), Smith, "The constraining effects of initial ideas. In Paulus, , 2003

      43. First principles of instruction: a synthesis. In Reiser, R. A., & Dempsey, J. V. (Eds.), Merrill, "First principles of instruction: a synthesis. In Reiser, , 2007

      44. Ten steps to complex learning: Asystematic approach to four-component instructional design, van Merri?nboer, Kirschner, Ten Steps to Complex Learning: A Systematic Approach to Four-Component Instructional Design, , 2007

      45. Computer Science Unplugged: An enrichment and extension programme for primary-aged children, Fellows, Bell, Witten, , 2006

      46. Squeak Etoys 활용 알고리즘 학습이 중학생의 문제해결력에 미치는 영향, 이은경 ( Eun Kyoung Lee ), 정미연 ( Mi Yeoun Jeoung ), 이영준 ( Young Jun Lee ), 大韓工業敎育學會, , 2008

      47. The Secretary's Commission on Achieving Necessary Skills(SCNS): What Work Requires of Schools, U.S.Department of Labor, , 1991

      48. Classroom instruction that works: Research based strategies for increasing student achievement, Pickering, Marzano, Pollack, , 2001

      49. Some conditions under which integrated computer-based training software can facilitate learning, ler, Cerpa, Sweller, , 1996

      50. Problem Solving for Tomorrow's World-First measures of Cross-Curricular Competencies from PISA 2003, OECD, , 2004

      51. Training complex cognitive skills: A four component instructional designmodel for technical training, von Merrienboer, , 1997

      52. System dynamics and interactive learning environments: Lessons learned and implications for the future, Spector, , 2000

      53. Holistic and integrated perspectives on learning, technology, and instruction: Understanding complexity, Spector, Anderson, "Holistic and integrated perspectives on learning, , 2000

      54. 창의적 문제해결력 신장을 위한 유비쿼터스 환경의 로봇프로그래밍 교유 모형, 배영권, , 2006

      55. Cognitive apprenticeship: Teaching the craft of reading, writing, and mathematics. In L. B. Resnick (Ed.), Newman, Brown, Collins, "Cognitive apprenticeship: Teaching the craft of reading, , 1988

      56. Visitors' flow experience while browsing a Web Site: Its Measurement, Contributing Factors and Consequence, Skadberg, Kimmel, "Visitors' flow experience while browsing a Web Site: Its Measurement, , 2004

      57. The Effects of Robot Programming on Pre-Service Computer Science Teacher Training. In K. McFerrin et al. (Eds.), Lee, , 2008

      58. Scratch 활용 프로그래밍 교육이 중학생의 몰입수준과 프로그래밍 능력에 미치는 영향, 이영준, 이은경 ( Eun Kyoung Lee ), 경북대학교 사범대학부속 중등교욱연구소,, , 2008

      59. Principles of instruction from research on human cognition. In J. M. Spector, M. C. Ploson, & D. J. Muraida (Eds.), Kintsch, "Principles of instruction from research on human cognition. In J. M. Spector, , 1993

      60. Using Construction Kits, Modeling Tools and System Dynamics Simulations to Support Collaborative Discovery Learning, Milrad, "Using Construction Kits, , 2002

      61. Afterword: After How Comes What. In Sawyer, R. K. (Ed.), The Cambridge Handbook of The Learning Sciences (pp. 581-586), Papert, "Afterword: After How Comes What. In Sawyer, , 2006

      62. OECD/PISA 2003 평가틀 및 예시문항 - 수학, 과학, 문제해결력 소양영역 - (연구자료 ORM 2004-25-1), 한국교육과정평가원, "OECD/PISA 2003 평가틀 및 예시문항 -수학, , 2004

      63. Computer as Paint Brush: Technology, Play, and Creative Society. In Singer, D., Golikoff, R., and Hirsh-Pasek, K. (Eds.), Resnick, "Computer as Paint Brush: Technology, , 2006

      64. squeak 언어를 적용한 실업계 고등학교 프로그래밍 수업이 논리적 사고력 향상에 미치는 영향, 이태욱, 오세인, 박정호, , 2007

      65. Complex problem solving and intelligence: Empirical relation and causal direction. In Sternberg, R. J. & Pretz, J. E. (Eds.), Frensch, Wenke, Funke, "Complex problem solving and intelligence: Empirical relation and causal direction. In Sternberg, , 2005

      66. The effect of LEGO Training on Pupils' School Performance in Mathematics, Problem Solving Ability and Attitude: Swedish Data, Shukur, Hussain, Lindh, "The effect of LEGO Training on Pupils' School Performance in Mathematics, , 2006

      67. Structuring the transition from example study to problem solving in cognitive skills acquisition: A cognitive load perspective, Atkinson, Renkl, , 2003

      68. Is Success or Failure at Solving Complex Problems Related to Intellectual Ability? In Davidson, J. E., & Sterngerg, R. J. (Eds.), Frensch, Wenke, "Is Success or Failure at Solving Complex Problems Related to Intellectual Ability? In Davidson, , 2003

      69. Why minimal guidance during instruction does not work: An analysis of the failure of constructivist discovery, problem-based, experiential, and inquiry-based teaching, Clark, Kirschner, "Why minimal guidance during instruction does not work: an analysis of the failure of constructivist, , 2006

      더보기

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      주제

      연도별 연구동향

      연도별 활용동향

      연관논문

      연구자 네트워크맵

      공동연구자 (7)

      유사연구자 (20) 활용도상위20명

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼