원제: Data science for K-12: A design-based research study
저자·연도: Andrew A. Tawfik; Luiz Barboza; Andrew M. Olney; Yeonji Jung (2026)
서지: Tawfik, A. A., Barboza, L., Olney, A. M., & Jung, Y. (2026). Data science for K-12: A design-based research study. *Educational Technology Research and Development*. https://doi.org/10.1007/s11423-026-10735-7
원문: https://link.springer.com/article/10.1007/s11423-026-10735-7
연구 질문과 맥락
이 설계기반 연구는 대학생 여름 프로그램에서 사용했던 데이터과학 교육을 K-12 학교에서 가르칠 수 있도록 어떻게 바꾸고, 현직 교사가 그 내용을 학습하면서 어떤 어려움을 겪는지 다룬다. DOI 등록 제목·저자와 Springer 출판 페이지를 대조했다.
설계와 주요 내용
저자들은 교육과정 범위를 K-12에 맞게 조정하고, 표준화된 상호작용형 학습, 사례 기반 학습, 개인화를 위한 AI, 목표 중심 코딩을 설계 요소로 제시한다. 연구의 중심은 완성된 프로그램의 학생 성취 효과를 비교하는 데 있기보다, 교사 학습과 교육 설계를 반복적으로 다듬는 데 있다.
교육적 해석
데이터과학 수업을 코딩 도구 사용법에 한정하면 자료를 질문하고 해석하는 핵심이 약해질 수 있다. 사례에서 문제를 정하고, 필요한 자료를 살피고, 학생이 결과를 설명하게 하는 구조가 필요하다. AI 개인화는 학생별 도움을 제안할 수 있지만 데이터 선택과 해석을 대신하는 것으로 다뤄서는 안 된다.
수업·연수 적용
교사 연수에서는 하나의 데이터 사례를 골라 학습 목표, 필요한 코딩, 학생이 직접 설명해야 할 결론을 먼저 정한다. 이후 AI가 제공할 도움을 목표와 연결하고, 교사가 제안을 수정하거나 제외한 이유를 기록한다. 수업에서는 코드 실행 성공과 데이터 해석의 타당성을 별도 기준으로 평가한다.
한계와 다음 확인
설계기반 연구의 결과는 적용 맥락과 설계 반복 과정에 의존한다. 확인된 자료는 학생 성취의 인과 효과나 장기적 전이를 입증하지 않는다. 학교급·교과·교사 경험이 달라지는 조건에서 설계 요소가 유지되는지 별도 검토가 필요하다.
인용 맥락 메모
중·고등학교 데이터과학 교육과 교사 연수의 설계 요소를 검토하는 근거로 활용할 수 있다.