코딩교육 환경에서의 복합문제해결능력 분석 체제 연구

2.1 복합문제와 비구조화된 문제의 특징

사회가 복잡하게 변화됨에 따라 해결하기 어려운 새로운 문제들이 등장하고 있다. Funke등의 심리학적인 관점에서 복합문제해결은 시시각각으로 변화하는 변수 등이 포함되어 있는 작업환경과의 성공적인 상호작용으로 표현하였다[8].

그림 1과 같이 블랙박스와 같은 작업 환경에서 주요 변수를 제어함으로써 시스템을 이해하고 그 지식을 근거로 원하는 작업을 수행할 수 있도록 하였다.

Fig. 1.

Perspective of replacing complex system with black box

블랙박스 환경에서 작업환경의 규칙성을 파악하기 위해서는 요소들을 탐구하고 통합하여 이루어진다. 내부 요소들 간의 관계에 대한 정의가 명확하지 않은 상태에서 복잡한 문제를 해결하는 과정은 주어진 문제를 관찰하고 입력과 출력에 따른 관계성을 파악하여 원하는 목표를 수행할 수 있도록 하는 것이다. 이러한 원인과 결과에 따라 문제를 해결하는 컨셉맵(Concept map)은 컴퓨팅 사고 과정에서도 사용하는 문제해결 방법이다. 코딩교육에서 복잡한 문제란 컴퓨팅 사고력(CT, Computational Thinking) 중에서 인지적인 부담이 큰 CT의 핵심(Core)영역이라 할 수 있다. 이를 도식화하면 그림 2와 같다.

Fig. 2.

Connection between computational thinking, complex problem solving, problem solving and coding education

코딩 교육에서 비구조화된 문제를 제시하고 컴퓨팅 사고력을 이용하여 해결하도록 함으로써 학습자들의 복합문제해결능력이 증진될 것으로 예상할 수 있다. 비구조화된 문제들은 복잡하고 거의 정의가 되어 있지 못하여 개방형이라는 특징을 가진다. 또한 그 목표가 상황에 따라 달라지거나 모호하며 미리 정의되지 않는 특징을 가지고 있으며 여러 가지 솔루션이 존재하기도 하고 때로는 해답이 존재하지 않는 특징을 지닌다[9][10]. 이와 같은 특징을 지닌 비구조화된 문제를 해결하는 능력이 복합문제해결의 한 요소로 정의한다[11]. 따라서 비구조화된 실생활 문제를 다루는 기회를 가짐으로서 복합문제해결능력을 훈련할 수 있다.

2.2 코딩교육과 복합문제해결

현재 전 세계적으로 채택되고 있는 코딩교육의 환경은 초중고 뿐만 아니라 대학의 비전공자들도 블록 프로그래밍 방식을 사용하고 있다. 스크래치와 같은 블록 기반 프로그래밍 StarLogo TNG[12]는 비디오 게임 개발을 쉽게 하여 코딩교육을 교실로 다시 가져오고자 하는 목적으로 개발된 것이다. 학습자들은 텍스트 명령어 기반 프로그래밍 환경이 주는 스트레스에서 벗어나서 블록을 ‘drag and drop’하는 방식으로 쉽고 창의적인 개발 환경을 이용할 수 있다. 이와 같은 블록 프로그래밍 환경에서 문제를 게임 디자인 하는 형태로 제시하거나 비구조적이고 현실 세계를 반영하여 제시한다면 학습자들은 다양한 문제 상황을 고려하게 된다.

복잡한 문제 상황에서 학습자들은 문제를 해결하기 위하여 컴퓨팅 사고력을 필요로 한다. 먼저 문제의 이해와 분석을 바탕으로 자료 수집, 자료 분석, 자료 표현단계를 거친다. 수집된 자료를 이용하여 문제를 해결 가능한 작은 단위로 분해하고 추상화 과정을 통해 문제의 핵심 개념을 추출하여 복잡도를 줄인다. 문제해결을 위한 알고리즘과 절차 과정을 순차, 반복, 선택으로 표현하여 비구조화된 문제를 구조화된 단계로 구체화한다. 이러한 컴퓨팅 사고력을 통해 코딩교육에서 학습자들은 제시되는 과제를 분석적으로 해결함으로써 복합적인 사고를 신장 시킬 수 있다.

3.1 GL

GL은 심리학적인 복합문제해결과정을 평가하기 위해 룩셈부르크대학과 Public Henri Tudor가 협력하여 개발한 컴퓨터 시뮬레이션 도구이다[13]. GL은 복합문제해결능력을 측정하기 위해서 블랙박스와 같은 복잡한 시스템을 유전자의 변화와 그 인과 관계로 모델링하였다.

사용자는 그림 3(a)와 같이 유전자를 on과 off로 변경하며 유전자 변화에 따라 달라지는 결과를 탐색한(System Exploration: SE) 후 요소들 간의 관계를 그림 3(b)와 같이 기록하고(System Knowledge: SK) 데이터베이스를 활용하여 그림 3(c)와 같이 제시된 목표 값에 달성한다(System Application: SA). 사용자들이 작업을 수행하는 동안 모든 과정이 로그파일에 기록되며 이를 이용하여 성과 점수를 도출한다.

Fig. 3.

Genetics lab

성과 점수의 의미와 평가 값은 다음과 같다. SE는 문제를 해결하기 위해서 체계적으로 요소를 탐색하는 능력이며 항목을 탐색하는 동안 수행 된 총 단계수와 관련된 정보 단계의 비율값을 나타낸다. SK는 요소들 간의 규칙을 정의하는 능력이며 생물체와 유전자 간의 관계와 강도(Strength)의 정확성을 평가한 값이다. SA는 체계적으로 문제를 해결하기 위해 의사결정을 하는 능력을 나타내며 사용자가 세 번의 기회동안 목표 값에 얼마나 근접하게 도달하였는지를 평가한 값이다[14].

3.2 GL을 사용한 복합문제해결능력 측정

컴퓨팅 사고력 교육 또는 복잡한 문제를 분해하여 해결하는 학습 과정을 통하여 복합문제해결능력이 증진될 것으로 예상할 수 있다. 이 가정을 입증하기 위하여 대학생들을 대상으로 코딩 교육을 하기 전과 후의 복합문제해결능력의 변화를 측정하였다. 측정 도구는 GL을 이용하였으며 영문으로 제시되는 설명과 문제를 한글로 변경하여 제공하였다. 평가는 P대학 컴퓨터 전공 12명과 K대학 컴퓨터 비전공 27명을 대상으로 하였다.

학생들은 컴퓨터에 설치된 GL프로그램을 실행하여 15분 동안 설명을 보고 따라하며 프로그램 사용법을 익히고 제한시간 35분 동안 12개의 시나리오 문제를 해결한다. 각 시나리오마다 그림 3의 (a) → (b) → (c) 단계를 완료해야 한다. 학생들이 기록한 답안은 .sol파일로 저장되어 있으며 GL에서 제공하는 R스크립트를 이용하여 실험 결과를 분석하였다.

실험 처치 전 컴퓨터 전공자와 비전공자의 동질성 검증을 위해 복합문제해결능력에 대한 사전검사를 독립표본 t-검정하여 분석하였다. 표1과 같이 컴퓨터 전공집단이 비전공집단보다 평균점수가 높게 측정이 되었지만 각 세부 항목인 SA, SK, SE의 유의 확률(Significance probability) P값이 0.05보다 크므로 두 집단은 유의한 차이가 없는 동질 집단임을 확인하였다. t는 T-검정의 통계량의 값으로 유의수준과 자유도에 따른 임계값을 나타낸다.

Table 1.

Homogeneity test of two groups

수업은 전공 학생들에게는 텍스트 기반의 프로그래밍 언어를, 비전공 학생들에게는 블록 프로그래밍을 각 30차시 강의 후 사후검사를 실시하였다.

표 2는 텍스트 기반의 코딩 교육을 통하여 복합문제해결능력의 시스템 응용(SA), 시스템 지식(SK), 시스템 탐사(SE) 세 가지 측면 모두 유의 확률이 0.05이하로 의미 있게 변화하였음을 보여준다.

Table 2.

Changes in complex problem solving skill of text-based coding education

블록 프로그래밍 강의를 수강한 학생을 대상으로 이루어진 평가에서도 표 3과 같이 복합문제해결능력의 세 가지 측면 모두 유의 확률이 0.05 이하로 의미 있게 변화하였다. 27명의 수강자들은 학부 1학년 비전공자들로 컴퓨터 프로그래밍 수업을 전혀 수강하지 않았던 학생들이었고 유의도 조건이 텍스트 기반의 코딩교육 방식보다 엄격한 경우임에도 유의한 결과를 가져옴을 알 수 있었다. 이는 코딩교육을 통해 학생들은 효율적인 전략이나 지식 습득 능력 및 그에 따른 적용 능력이 향상됨으로써 복합문제해결능력을 향상 시킬 수 있음을 확인하였다.

Table 3.

Changes in complex problem solving skill of block-based coding education

4.1 복합문제해결능력 향상을 위한 수업설계

수업설계는 복합문제해결의 행동이론과 코딩교육과 연관 지었으며 그 과정에서 요구되는 컴퓨팅사고력의 요소를 표 4와 같이 설정하였다. SE 단계에서는 프로젝트 소개 및 구성, 문제 탐색 등을 실시하며 문제를 이해하고 표현하는 활동을 실시한다. SK 단계에서는 추상화 과정을 통해 프로젝트 과정을 설계하고 복잡한 문제를 분해하여 해결 가능한 수준으로 모델링 하는 활동을 실시한다. SA 단계에서는 각 오브젝트 움직임을 제어하기 위한 예측을 실시하고 복잡한 상황에 대한 난이도 변화를 설정하며, 오브젝트의 작동 방법과 시간의 변화에 따른 오브젝트 작동 상황 등을 설정한다.

Table 4.

Relationship between complex problem solving and computational thinking

알고리즘을 구현하여 자동화를 통한 프로그래밍을 실시하며 변수, 타이머, 신호, 이벤트 등 프로그래밍의 요소가 들어갈 수 있도록 구성한다. 이와 같이 컴퓨팅 사고력은 복합문제해결능력인 SK, SE, SA를 신장시킬 수 있는 요소를 포함하고 있다.

본 연구에서는 복합문제해결능력 평가 및 컴퓨팅사고력 요소와의 관계를 설정하여 영재교육원 프로그램 개발을 실시하였다. 엔트리와 비트브릭을 활용하여 ‘Smart Classroom’, ‘Smart Life’, ‘Smart Learning’, ‘Safe Life’, ‘Smart Home’ 등 5가지 프로젝트를 수행하며 프로그래밍 과정을 이해하고 학습자의 개성과 독창성이 반영된 프로그램을 제작한다. 알고리즘과 순차, 선택, 반복 등의 프로그래밍 구조에 대한 이해를 바탕으로 컴퓨팅 사고력을 함양하고 팀별 프로젝트 활동을 통해 의사소통, 협업, 비판적 사고력, 창의성 등의 핵심 역량을 함께 기를 수 있도록 프로그램을 구성하였다.

4.2 복합문제해결능력 검증 문항의 설계

복합문제해결능력 측정 도구인 GL은 초등학생들에게 적용하기에는 어려움이 있다. 따라서 본 연구에서는 초등학생들의 복합문제해결능력을 측정하기 위해 컴퓨터 교육 전공 대학원생 및 교수진으로 구성된 전문가 검토 및 논의를 통해 타당도를 확보한 후 검증 문항과 평가 기준을 설계하였다. 검증 문항은 복합 요소들을 추가하여 표 5와 같이 6개의 문항으로 구성하였다. 코딩 환경에서의 복합 요소는 변수, 시간, 장애물, 난수 등으로 제시될 수 있다.

Table 5.

Test Items for measuring complex problem solving skill

예를 들어 검증 문항 6번은 사용자가 마우스로 패들(Paddle)을 조작하여 축구공이 바닥에 떨어지지 않도록 하는 게임이다. 학생들에게 소스 일부 제공하고 다음과 같은 문제 상황을 해결하도록 요구하였다.

ㆍ 규칙을 정하여 점수와 생명력을 부여한다.
ㆍ 시간이 지날수록 축구공 개수를 증가한다.
ㆍ 여러 개의 스프라이트를 사용한다.
ㆍ 적어도 한 개 이상의 반복문을 갖는다.
ㆍ 적어도 한 번 이상의 조건문을 갖는다.

이와 같은 문제 설정은 구조를 제한하지 않고 게임의 스토리 설계 및 스프라이트 간의 상호작용 및 게임의 동작에 관하여 개략적인 제한을 두고 있다. 이러한 문제 상황에서 학습자들은 스스로 게임을 설계하고 설계된 내용을 코딩하여 그 작동을 점검하게 된다[15].

평가 기준은 복합문제해결능력과 컴퓨팅 사고력 간의 관계를 구조화하여 표 6과 같이 설계하였다. 설계된 루브릭은 [16]논문을 바탕으로 절차, 반복, 선택, 상호작용, 데이터 표현, 추상화, 병렬화 7가지 세부 영역으로 구성된다. 각 영역은 레벨에 따라 0점에서 2.5점까지 부여되며 검증 문항에 따라 측정하는 세부 영역의 요소는 달라진다. 절차(Procedure)에서 불필요한 블록(Dead code) 없이 모든 블록이 정확히 수행된 경우 2.5점, 반복(Repetition)에서 조건문과 반복문을 논리적으로 사용한 경우 2.5점, 선택(Selection)에서 조건에 맞는 논리식을 만든 경우 2.5점, 상호작용(Interaction)에서 신호를 활용한 경우 2.5점, 자료 표현(Data representation)에서 변수와 리스트를 사용하고 연산자를 사용한 경우 2.5점, 추상화(Abstraction)에서는 오브젝트, 장면, 함수를 활용하여 핵심요소를 분류 시 2.5점, 병렬화(Parallelism)에서 동시 실행과 장면전환 기능을 사용한 경우 2.5점으로 배점하여 산출된다. 검증 문항은 위와 같은 요소로 평가되며 다양한 CT요소를 얼마나 잘 활용하고 알고리즘을 논리적으로 설계 하였는지를 분석하여 복합문제해결역량을 측정하였다.

Table 6.

Computing thinking-based rubric for measuring complex problem solving skil

4.3 검증

교육은 엔트리 18시간, 비트브릭 22시간으로 총 40차시에 걸쳐 진행하였으며 복합문제요소와 컴퓨팅 사고력을 결합한 코딩교육이 복합문제해결능력에 어떠한 영향을 미치는지 확인하기 위하여 검정을 실시하였다. 실험은 동질집단 영재교육원 26명의 초등학생 5~6학년을 대상으로 표 5에 설계된 문항지로 제한 시간 50분 동안 엔트리 기반의 코딩 실기 평가로 이루어졌다. 교육 전과 후로 분류하여 대응표본 t-검정을 실시하였으며 통계적으로 분석한 결과 표 7과 같이 나타났다.

Table 7.

Result of pre and post test of complex problem solving skill

문제 1은 두더지 게임에서 변수를 활용하여 문제를 해결하는 과제였다. 문제 1에 대한 검정결과 사전·사후 평균의 차이가 15점 만점에서 0.80점으로 나타났고 유의 확률(p)이 0.103으로 5% 유의수준에서 차이가 없는 것으로 나타났다. 문제 1은 난이도가 낮은 문항으로 영재교육원 학습자들에게는 복합문제해결능력의 차이가 없는 것으로 나타났고 복합문제해결능력에 대한 변별력이 없는 것으로 판단된다.

문제 2의 상어피하기 게임은 점수와 시간에 따라 장애물이 랜덤하게 등장하는 과제로 복합문제의 불확실성, 역동성에 대한 문제해결능력을 측정하기 위한 문항이다. 문제 2의 검정결과 사전·사후 평균의 차이가 10점 만점에서 3.20점으로 나타났으며 유의 확률이 0.002으로 5% 유의수준에서 복합문제해결능력에 차이가 있는 것으로 나타났다.

문제 4의 과속단속 프로그램은 복합문제 요소의 입력변수와 출력변수사이의 인과관계를 파악하는 과제이다. 문제 4의 검정결과 사전·사후 평균의 차이가 10점 만점에서 3.08점으로 나타났으며 유의 확률이 0.003으로 복합문제해결능력에 유의미한 차이가 있는 것으로 나타났다.

복합문제해결의 시간 요소가 포함된 문제 3, 5, 6에 대한 검정결과 유의 수준이 0.000으로 고도로 유의한 차이가 있는 것으로 나타났다. 이는 학습자들이 역동적인 복잡한 문제를 컴퓨팅 사고력을 통해 해결함으로서 복합문제해결능력이 향상됨을 알 수 있다. 문제 6은 시간에 따른 객체 수정이 되는 문제를 해결하는 과제로 난이도가 가장 높고 복잡한 문제였다. 하지만 검증 결과 15점 만점에서 평균의 차이가 10.80, 표준편차 6.403으로 가장 큰 편차가 나타났음을 알 수 있다. 학습자들이 다중 변수들 간의 연결성을 분석하고 해결함으로써 복잡문제해결능력이 가장 크게 향상되었으며 이는 코딩교육을 통해서 복합문제해결능력의 신장 가능성을 확인할 수 있었다.