데이터 시각화 역량 관점에서 2022 개정 수학/과학 교육과정의 성취기준 분석

이동영; 박애령; 정주희; 황주현; 남윤경

추천

검색

자료유형: 학술저널

저자정보: 이동영 (부산대학교) 박애령 (엄궁초등학교) 정주희 (금정고등학교) 황주현 (지산고등학교) 남윤경 (부산대학교)

저널정보: 대한지구과학교육학회 대한지구과학교육학회지 대한지구과학교육학회지 제17권 제2호

발행연도: 2024.8

수록면: 123 - 136 (14page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 수학과와 과학과를 중심으로 데이터 시각화 역량 범주 관점에서 2022 개정 교육과정의 성취기준 및 성취기준 해설을 분석하여 그 특징을 과목과 학년군별로 알아보는 데 목적이 있다. 연구를 실행하기 위해 선행연구들을 조사하였으며, 연구자들은 수집 및 전처리 역량, 기술 역량, 사고 역량, 상호작용 역량이라는 4개의 데이터 시각화 역량 범주를 중심으로 데이터 시각화의 핵심 역량 범주를 정리하였다. 이를 바탕으로 데이터 시각화 관점에서 성취기준을 분석하기 위한 틀을 제작하였으며, 이를 활용하여 2022 개정 교육과정(교육부 고시 제2022-33호, 별책 8과 9)의 문서를 검토 및 분석하였다. 수학과 성취기준 및 성취기준 해설 191개와 과학과 성취기준 및 성취기준 해설 230개를 분석하여 데이터 시각화 역량과 관련된 요인을 추출하고 정리하였다. 정리된 요인들을 학습 기간을 고려하여 표준화한 후, 히트맵을 활용하여 시각화하고 정성적으로 분석하였으며, Mann-Whitney의 U 검정과 독립표본 Kruskal-Wallis 검정을 통해 정량적으로 분석하였다. 분석 결과, 수학과의 경우 학년군별로 유의미한 차이가 나타나지 않았으며, 성취기준별로는 사고 역량이 기술 역량(p=.002) 및 상호작용 역량(p=.001)에 비해 유의미하게 낮은 것으로 나타났다. 또한 학년군이 올라갈수록 기술 역량과 상호작용 역량으로 수렴하는 경향을 보였다. 과학과의 경우, 학년이 올라갈수록 더 많은 성취기준을 다룬다는 것을 확인할 수 있었으며(대응별 비교, 5~6학년군 대 7~9학년군 p=.001; 5~6학년군 대 10학년군 p=.029; 3~4학년군 대 7~9학년군 p=.022), 성취기준별로는 사고 역량이 다른 모든 역량에 비해 유의미하게 낮은 것(대응별 비교, 기술 역량 p=.024; 수집 및 전처리 역량 p=.012; 상호작용 역량 p=.010)으로 나타났다. 또한 학년군이 올라갈수록 사고 역량을 제외한 나머지 역량으로 수렴하는 경향이 있었다. 이를 통해 첫째, 데이터 시각화 역량은 교육과정에서 4개의 데이터 시각화 역량 범주로 분류할 수 있으며, 둘째, 수학 및 과학 과목의 데이터 시각화 역량은 학년군이 올라갈수록 특정 역량으로 수렴되는 경향을 보이며, 셋째, 데이터 시각화 역량 중 사고 역량은 비교적 비중이 적게 다루어진다는 것을 확인할 수 있었다. 이와 같은 결론을 바탕으로 2022 개정 교육과정에서 데이터 시각화 역량에 대한 시사점을 제언하였다.

This study examines the performance expectations (PEs) and clarification statements of each PE in the 2022 revised national science and mathematics education standards from a data visualization competency perspective. First, the authors intensively reviewed data visualization literature to define key competencies and developed a framework comprising four main categories: collection and pre-processing skills, technical skills, thinking skills, and interaction skills. Based on the framework, the authors extracted a total of 191 mathematics and 230 science PEs from the 2022 revised science and mathematics education standards (Ministry of Education Ordinance No. 2022-33, Volumes 8 and 9) as the main data set. The analysis process consisted of three steps: first, the authors organized the data (421 PEs) by the four categories of the framework and four grade levels (3-4th, 5-6th, 7-9th, and 10th grade); second, the numbers of PEs in each grade level were standardized by the accomplishing period (1-3 years) of each PE depending on the grade level; lastly, the data set was represented by heatmaps to visualize the relationship between the four categories of visualization competency and four grade levels, and the differences between the competency categories and grade levels were quantitatively analyzed using the Mann-Whitney U test and independent sample Kruskal-Wallis tests. The analysis results revealed that in mathematics, there was no significant difference between the number of PEs by grade. However, on average, the number of PEs categorized in 'thinking skills' was significantly lower than those in the technical skills (p = .002) and interaction skills categories (p = .001). In science, it was observed that as grade level increased, PEs also increased (pairwise comparison: Grades 5-6 vs. 7-9, p = .001; Grades 5-6 vs. Grade 10, p = .029; Grades 3-4 vs. 7-9, p = .022). Particularly, the frequency of PEs in 'thinking skills' was significantly lower than in the other skills (pairwise comparison: technical skills p = .024; collection and pre-processing skills p = .012; interaction skills p = .010). Based on the results, two implications for revising national science and mathematics standards and teacher education were suggested.

#데이터 시각화 #데이터 시각화 역량 #성취기준 #2022 개정 교육과정 #Data Visualization #Data Visualization Competency #Performance expectation #2022 Revised National Standards

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

최근 본 자료

댓글(0)