SEL 기반 Affective Computing 활용 AI 소셜 로봇 교육 프로그램 개발 : 데이터-AI-로봇 메이커 프로젝트

국문 초록 (Abstract)

본 연구는 사회정서학습(SEL)을 기반으로 Affective Computing을 활용하여 데이터-AI-로봇 메이커 프로젝트를 적용한 AI 소셜 로봇 메이커 교육 프로그램을 개발하고, 그 교육적 효과를 실증적으로 검토하였다. 해당 교육 프로그램은 학습자들이 데이터를 수집·분석하고, AI 모델을 설계·개발하며, 로봇을 제작하는 연계된 학습 과정을 단계적으로 경험하도록 설계되었으며, 이를 통해 AI 리터러시, 창의적 문제해결력, 사회정서역량(SEL)을 고르게 배양할 수 있도록 구성되었다. 학습자들은 프로그램 수행 과정에서 기술적 지식과 더불어 AI 기술 활용에 따른 사회적·윤리적 영향을 탐구하고, 이에 대한 비판적 사고와 책임 있는 의사결정 능력을 함양하였다.
서울 소재 중학교 2학년 학생 200명을 대상으로 프로그램을 적용한 결과, AI 리터러시와 창의적 문제해결력 모두 유의미한 향상을 보였다. 양적 분석에서 AI 리터러시는 효과 크기 0.971(p<.001)로 매우 높은 수준의 향상을, 창의적 문제해결력은 효과 크기 0.631(p<.001)로 중간 수준 이상의 향상을 나타냈다. 두 역량은 모든 하위 영역에서도 유의미한 향상(p<.001)을 보였으며, 정성평가에서도 학생들의 긍정적 반응이 확인되어 프로그램의 교육적 효과성을 뒷받침하였다.
사회정서역량(SEL) 또한 프로그램을 통해 고르게 함양된 것으로 나타났다. 프로젝트 단계별 활동을 통해 학습자들은 자기 인식, 자기 관리, 사회적 인식, 관계 기술, 책임 있는 의사결정 등 SEL 역량을 고르게 함양하였으며, 특히 팀 기반 프로젝트 수행 과정에서 협업 능력과 책임감을 기르고 사회적·윤리적 문제에 대한 비판적 사고를 심화하였다. 아울러 Affective Computing을 활용한 감정 데이터 분석과 AI 소셜 로봇 제작 과정은 학습자들이 데이터 기반 문제 해결 경험을 쌓고 책임 있는 의사결정을 내리는 데 기여하였다. 이러한 결과는 본 프로그램이 기술적 역량과 사회정서적 역량을 고르게 배양할 수 있는 효과적인 교육 모델임을 입증하며, Affective Computing 활용 AI 융합 교육의 실질적 가능성을 제시한다.
정성평가 결과, 학습자들은 프로그램 전반에 대해 높은 만족도를 보였으며, 이는 학습 동기와 몰입도를 높여 능동적인 문제 해결 참여를 이끄는 중요한 요인으로 작용하였다. 특히 AI 소셜 로봇을 설계하고 제작하는 과정에서 얻은 성취감과 자신감은 학습자들이 주도적으로 학습에 참여하도록 이끌었으며, 팀 기반 활동에서의 협력적 경험은 사회적 상호작용 능력을 증진시키는 중요한 요인으로 작용하였다.
더불어, 본 연구에서 제안한 데이터-AI-로봇 메이커 프로젝트는 데이터 분석, AI 개발, 로봇 제작의 과정을 유기적으로 연계하여 학습자들이 단계적으로 심화된 학습 경험을 쌓을 수 있도록 구성되었으며, 이를 통해 미래 사회가 요구하는 융합적 역량을 배양할 수 있는 실효성 있는 교육 방안으로 활용될 수 있음을 시사한다. 나아가, 본 연구는 AI 교육과 SEL을 융합한 새로운 교육 패러다임을 제시하였으며, AI 융합 교육이 단순한 기술 학습을 넘어 사회적·윤리적 문제 해결과 협력적 의사소통 역량 강화로 확장될 가능성을 제시하였다.
결론적으로, 본 연구는 AI 리터러시, 창의적 문제해결력 및 사회정서역량을 향상시키는 AI 소셜 로봇 메이커 교육 프로그램의 교육적 가치를 입증하였으며, 데이터-AI-로봇 메이커 프로젝트가 다양한 교육 환경에서 실질적으로 적용될 수 있는 가능성을 확인하였다. 나아가, Affective Computing과 SEL 기반 접근을 통해 기술적 역량과 사회적·윤리적 사고력을 고루 갖춘 전인적 인재 양성에 기여할 수 있는 새로운 교육 패러다임을 제시하였으며, 향후 연구에서는 프로그램의 장기적 효과와 다양한 학습 환경에서의 확장 가능성을 탐색하여 지속 가능한 AI 융합 교육 모델로 발전시킬 필요가 있다.

다국어 초록 (Multilingual Abstract)

This study developed an AI social robot maker education program using Affective Computing based on Social Emotional Learning (SEL) and applied a data-AI-robot maker project, and empirically examined its educational effectiveness. The educational program was designed to allow learners to experience the linked learning process of collecting and analyzing data, designing and developing AI models, and robot creation in stages, which can evenly cultivate AI literacy, creative problem solving, and SEL competencies. Through the program’s activities, students not only acquired technical knowledge but also explored the social and ethical implications of AI, cultivating critical thinking and responsible decision-making skills.
The program was implemented on 200 second-year middle school students in Seoul and showed significant improvements in both AI literacy and creative problem solving. In quantitative analysis, AI literacy showed a very high level of improvement with an effect size of 0.971 (p<.001), and creative problem solving demonstrated a moderate improvement with an effect size of 0.631 (p<.001). Both competencies also showed significant gains (p<.001) in all sub-domains, and qualitative evaluations confirmed positive student responses, supporting the program's educational effectiveness.
Social-emotional competence were also enhanced strongly through the program. Throughout the project’s stages, learners developed SEL competencies such as self-awareness, self-management, social awareness, relationship skills, and responsible decision-making. In particular, they developed collaboration and responsibility in team-based projects and deepened their critical thinking on social and ethical issues. In addition, team-based project activities reinforced collaboration and responsibility, and Affective Computing-based tasks such as emotion data analysis and AI social robot creation contributed to data-driven problem-solving and ethical decision-making. These results demonstrate that the program is an effective educational model that can evenly cultivate both technical and socio-emotional competencies, and demonstrate the practical potential of AI convergence education using Affective Computing.
Moreover, the Data-AI-Robot Maker Project proposed in this study organically links the processes of data analysis, AI development, and robot creation, enabling learners to gain progressively deeper learning experiences. This approach demonstrates its potential as an effective educational method for fostering the convergent competencies demanded by future society. Furthermore, this study proposed a new educational paradigm that combines AI education and SEL, and suggested that AI convergence education can be expanded beyond mere technical learning to include social and ethical problem solving and collaborative communication.
In conclusion, this study validates the educational value of an AI social robot maker education program that enhances AI literacy, creative problem-solving, and social-emotional competence, and confirmed the practical applicability of the Data-AI-Robot Maker project in various educational settings. Furthermore, we proposed a new educational paradigm that can contribute to the development of well-rounded human resources with both technical competence and social and ethical thinking through Affective Computing and SEL-based approaches. Future research should explore the long-term effectiveness of the program and its scalability in various learning environments to develop it into a sustainable AI convergence education model.

목차 (Table of Contents)

• Ⅰ. 서 론 1
• 1. 연구의 필요성 및 목적 1
• 2. 연구 문제 2
• 3. 용어의 정의 3
• 가. Affective Computing 3
• 나. AI 소셜 로봇 3
• 다. 메이커 교육 4
• 라. SEL(Social-Emotional Learning) 5
• 마. AI 리터러시 5
• 바. 창의적 문제해결력 6
• Ⅱ. 이론적 배경 8
• 1. Affective Computing과 사회정서학습(SEL) 8
• 가. Affective Computing의 교육적 활용 가능성 8
• 나. 사회정서학습(SEL)과 사회정서역량 9
• 다. 사회정서학습(SEL) 기반 Affective Computing 11
• 2. AI 소셜 로봇 메이커 교육 12
• 가. AI 메이커 교육 12
• 나. AI 소셜 로봇 메이커 교육 13
• 3. 데이터-AI-로봇 메이커 프로젝트 14
• 가. 데이터-AI-로봇 메이커 프로젝트 설계 14
• 나. 데이터-AI-로봇 메이커 프로젝트 교수-학습 도구 16
• Ⅲ. 연구 방법 21
• 1. 연구 절차 21
• 2. 연구 대상 24
• 3. 연구 도구 25
• 가. AI 리터러시 검사도구 25
• 나. 창의적 문제해결력 검사도구 29
• 4. 분석 방법 33
• 가. 양적 분석 33
• 나. 질적 분석 34
• Ⅳ. AI 소셜 로봇 메이커 교육 프로그램 35
• 1. 교육 프로그램 설계 35
• 2. 교육 프로그램 개발 39
• 3. 교육 프로그램 적용 42
• 가. 프로젝트 열기 42
• 나. 데이터 프로젝트 44
• 다. AI 프로젝트 46
• 라. 로봇 프로젝트 48
• 마. 데이터-AI-로봇 메이커 프로젝트 49
• Ⅴ. 연구 결과 54
• 1. AI 리터러시 사전-사후 분석 결과 55
• 2. 창의적 문제해결력 사전-사후 분석 결과 57
• 3. 정성적 분석 결과 58
• 4. 연구 결과 논의 67
• 가. 인공지능 리터러시의 향상 67
• 나. 창의적 문제해결력의 향상 68
• 다. 사회정서역량 함양 68
• 라. 교육적 시사점 70
• Ⅵ. 결론 및 제언 72
• 1. 결론 72
• 2. 제언 73
• 참고문헌 76
• Abstract 81
• 부록 85