대학 교양필수 인공지능 수업의 학습 경험 분석 : 계열별 차이와 교육적 시사점

초록

많은 대학에서 신입생 대상의 교양필수 교과목으로 컴퓨팅적 사고 및 인공지능 관련 교과목을 채택하여 운영하고 있으며, 학습자의 다양한 수준을 고려한 강의 수준의 다각화를 추진하고 있다. 그러나 상위 난이도에 해당하는 교과목은 요구되는 선행지식이 많고 내용 자체도 어려워 학습자에게 부담이 되는 문제가 발생한다. 특히 AI 교육을 수준별로 세분화하는 경우 고수준의 교과목에서 난이도로 인한 학생의 인지적 부담이 크게 나타난다. 본 연구는 대학 교양 교육과정에서 운영된 머신러닝 교과목을 사례로 하여, 학습자들이 경험한 인지적 부담을 살펴보고 수업 구성 요소 간 연계성과 교수 전략에 대한 학습자들의 반응을 분석함으로써 수업 개선을 위한 현실적인 시사점을 도출하고자 하였다. 특히 학습자의 전공 계열에 따른 수업 난이도 인식 차이, 수업 방식(강의·실습·프로젝트)에 대한 선호, 프로젝트 수행 과정에서의 개념 적용 경험 등을 중심으로 학습 반응을 구조화하였다. 연구 방법으로는 135명의 학습자를 대상으로 한 설문조사와 강의평가 자유응답, 프로젝트 보고서 내 서술 자료를 토대로 사례 연구를 수행하였다. 연구 결과, 전공 계열과 사전 경험에 따라 수업 난이도에 대한 인식과 학습 부담 요인이 다름을 확인하였다. 또한 내용 측면에서는 인공신경망 단원에서 인지적 부담이 집중되는 경향이 확인되었으며, 실습과 프로젝트 단계 간 연계 부족, 실습 내용의 현실 문제 적용의 한계 등은 학습자에게 추가적인 부담으로 작용한 것으로 확인되었다. 이러한 결과는 교양 수준의 머신러닝 수업에서도 이론-실습-프로젝트의 단계적 연계와 인지 부담을 고려한 교수 설계가 필요함을 시사한다. 이에 따라, 개념 설명과 실습의 반복 구조 강화, 공공데이터 기반 실습의 도입, 학습자 반응에 따른 수업 운영의 유연성 확보 등의 전략을 제안하였다.

키워드