If the collection is public, the memo for this book will also be public.
Your Browsing History
There is no data.
There is no data.
loading...
(code.org를 활용한) 컴퓨팅 사고력과 코딩 교육
학교에서 바라본 사고하는 AI 리터러시 교육
리터러시와 시민성교육
(4차 산업혁명 시대 창의융합형 인재 양성을 위한) 소프트웨어 교육의 이론과 실제
Computational thinking in compulsory education : a pedagogical perspective
교원양성기관에서의 창의력과 비판적사고력 : 수업사례 및 교수학습지원을 중심으로
리터러시교육론 : 독서·작문 교육의 통합과 변혁
Applying language technology in humanities research : design, application, and the underlying logic
Think Julia : how to think like a computer scientist
고차적 사고력 교육
Future perspectives.
Computational thinking and social science : combining programming, methodologies and fundamental concepts
Data literacy in academic libraries : teaching critical thinking with numbers
Data science in R : a case studies approach to computational reasoning and problem solving
미래학교의 5가지 기반 : 학교 조직차원에서 바라본 미래학교 세우기 =
Metaliteracy in a connected world : developing learners as producers
Computational logic and human thinking : how to be artificially intelligent
(인공지능, 디지털 플랫폼 시대) 미디어 리터러시 이해 =
(수학적 사고력 향상을 위한) 파이썬 코딩 수학 : with 딥러닝
Constructing knowledge art : an experiential perspective on crafting participatory representations
김민재, 이승철, 김태영 · 2021
교원교육
조현기, 남호엽 · 2023
사회과교육연구
박성희 · 2016
디지털융복합연구
Orhan Özen S.,Mazman Akar S.G. · 2026
ACM Transactions on Computing Education
배화순 · 2019
시민교육연구
Berikan B.,Özdemir S. · 2020
Journal of Educational Computing Research
한상우 · 2020
정보관리학회지
박하나, 진명화, 박지우, 임규연 · 2021
교육문화연구
Mahmudah, R.; Yazid, M. · 2020
Journal of Physics: Conference Series
이민정, 이기성, 전주현, 김영민 · 2022
교양학 연구
오경선; 안성진 · 2015
컴퓨터교육학회 논문지
Gould, Robert · 2021
TEACHING STATISTICS
김은현, 김래영 · 2022
교과교육학연구
신승훈, 서주영 · 2020
한국컴퓨터정보학회논문지
Iva Božovic · 2024
Journal of Political Science Education
옥일남 · 2022
시민교육연구
최숙영 · 2018
컴퓨터교육학회 논문지
Cassandra Scharber; Sarah Barksdale; Lana Peterson; Yu-Hui Chang; Ramya Sivaraj · 2021
Pedagogies: An International Journal
Pedersen, Alex Young; Caviglia, Francesco · 2019
DIGITAL SCIENCE
Gosset, Pierre-Yves · 2023
Cahiers de l’action
전선 / 학사
빅데이터 인문학의 소양은 크게 두 방향에서 갖출 수 있다. 하나는 인문학 전공자가 IT·빅데이터·AI 지식을 습득하는 것이고 다른 하나는 빅데이터·AI를 전공하는 공학도가 인문학적 훈련을 받는 것이다. 관건은 상반된 학문 분야의 기술을 융합하여 새로운 문제를 해결할 수 있는 능력을 기르는 것이다. 빅데이터·AI 기술과 인문적 문제의식이 만나서 유의미한 결과를 냈던 사례들을 구체적으로 살펴봄으로써 기술 지식과 인문적 사고를 융합시키는 훈련을 간접적으로 해 볼 수 있을 것이다. 본 교과목은 디지털 자료와 다양한 데이터 분석 기법을 활용하여 사회·문화적으로 의미 있는 질문을 던질 수 있는 의제설정 능력을 제고하는 데 목표를 두고 있다. 이러한 목표를 달성하기 위해 본 교과과정에는 다음과 같은 내용이 포함된다. 1) 디지털 시대에 인문적 사고의 효용 2) 인문적 사고를 기르는 기본적 활동과 그 효과 3) 디지털 인문 데이터의 정의와 설명 4) 디지털 인문 데이터의 다양한 사례 5) 디지털 인문 데이터를 이용한 산업적 문제해결 사례와 사회 문제해결 사례공통 / 대학원
인문학 연구를 위해 관련 데이터를 처리하는 능력을 기른다. 데이터 구축, 탐색적 데이터 분석, 추론적 데이터 분석 등의 방법론을 두루 다루며, 이러한 방법론을 실제 인문 데이터에 적용하는 데 초점을 맞춘다.교양 / 학사
다양한 전공의 학생들에게 컴퓨터를 이용한 문제해결 방식을 익힐 수 있는 강의를 제공한다. 이를 통해 컴퓨터를 창의적으로 활용하는 방법과 컴퓨터프로그래밍을 각자 자신의 전공에 효과적으로 이용할 수 있는 가능성을 이해하도록 한다. 이 과목은 12가지 계산적 사고의 개념(데이터 정리하기, 속내용 감추기, 조립식으로 생각하기, 계층쌍기로 생각하기, 끼리끼리 포장하기, 반복으로 생각하기, 재귀적으로 생각하기, 순서로 생각하기, 상태나 값으로 생각하기, 틀을 짜서 재사용하기, 실행비용 생각하기, 올바른지 확인하기)과 7가지 데이터 사고의 개념(무작위, 확률, 두루 살펴보기, 비교탐색해서 예측하기, 경향파악해서 예측하기, 원인헤아리기, 분류하기)을 이해하고 실습을 통해 직접 경험할 기회를 제공한다.교양 / 학사
본 강좌는 AI와 머신러닝의 기초 개념을 이해하고, 이를 실제 데이터에 적용하여 예측 및 분류 문제를 해결하는 능력을 배양하는 것을 목표로 한다. 기초적인 데이터 처리 방법부터 머신러닝과 딥러닝 모델에 이르기까지 다양한 주제를 다루며, Pandas, Scikit-learn, PyTorch 등의 라이브러리를 사용하여 데이터를 처리하고 모델을 구현한다. 또한, TV 광고 데이터를 활용한 매출 예측, 신용카드 연체 예측 등 실생활 문제를 다루어 AI 기술이 실질적으로 활용되는 사례를 제공하며, 학생들이 데이터를 통해 실제로 문제를 해결하는 과정에서 얻는 성취감을 높이고자 한다.전선 / 학사
미래의 인류사회가 직면한 해결하기 어려운, 환경, 생태, 복지, 공공, 문화와 관련된 복잡하고, 정답이 없는 문제에 대해 이슈를 찾고 이를 창의적으로 디자인하는 능력을 계발한다. 디자이너로서 사회에 대한 시야를 확대하고, 사회적 이슈에 대한 디자이너의 역할을 숙고하여, 디자인의 보다 넓은 가능성을 탐색하는 것에 중점을 두고 있다.전선 / 학사
“데이터 기반의 지역사회 문제 해결”교과목은 지역사회의 문제를 데이터와 자산기반 접근법으로 탐구하고 해결하는 방법을 학습한다. 디자인 씽킹과 윤리적 데이터 사이언스를 활용하여 문제 정의부터 해결책 설계 및 실행까지의 과정을 체계적으로 경험한다. 학생들은 지역사회 자원을 활용해 파일럿 프로젝트를 수행하며 실질적인 문제 해결 역량을 키우게 된다. 또한, 문제를 발굴하고 해결 방법을 도출하는 과정에서 목표 설정, 분석 기술, 성과 관리 등 단계별 평가를 진행한다. 이를 통해 데이터 기반의 창의적이고 지속 가능한 지역사회 개발 방안을 제안할 수 있다.전선 / 대학원
이 과목에서는 경영혁신 및 기술 혁신 전략뿐만 아니라, 창의성을 기반으로 하는 경쟁 전략 및 성장전략을 수립하고 실행하기 위한 개념적, 분석적, 이론적 프레임워크를 이해하고 활용하는 데 그 주요한 목적이 있다. 이 과목은 경영 전략적 측면에서 글로벌 경쟁시장에서 발생하는 기회와 위협에 어떻게 대응해야 하는지에 대한 전략적 사고를 학습할 뿐만 아니라 혁신과 창조를 통해 경쟁 우위를 창출하고 지속가능할 수 있는 기반을 확보하는 방안에 대한 학습에 초점을 맞춘다.전필 / 학사
데이터과학은 디지털 사회에서 점차 중요해지는 데이터의 역할을 이해하고 분석하여 데이터의 의미를 찾고자 하는 학문이다. 본 과목에서는 그동안 여러 교과목을 통해 학습한 데이터 과학의 방법론을 실제 프로젝트에 적용하여 실무에 활용할 수 있도록 한다. 이를 위해 본 과목에서는 데이터 과학의 실제 적용 사례의 조사를 통해 데이터 과학의 가능성을 확인하고, 프로젝트의 수행을 통해 데이터 과학에 대한 포괄적 경험을 구축하고자 한다.교양 / 학사
컴퓨터 과학을 처음 접하는 학생들에게 프로그래밍의 기초와 컴퓨팅 사고력, 그리고 데이터 처리를 소개하는 수업이다. 블록 코딩, 파이썬, HTML, 웹 크롤링, 데이터 시각화 등 현재 디지털 사회를 이해하는 데 요구되는 다양한 주제를 강의와 실습을 병행하여 공부한다. 문제 중심의 실습 과제들은 학생들에게 컴퓨팅의 자신의 전공분야에 어떻게 응용되는지 생각해 볼 수 있게 디자인되어 있다. 프로그래밍에 대한 사전지식이 없는 학생들을 위한 수업이다.전선 / 학사
이 수업은 현대 사회에서 데이터화가 미치는 영향과 그에 따른 소통적 실천들의 변화에 대한 주요 쟁점들을 심도있게 고찰한다. 논의 주제로는 데이터 편향 및 윤리, 디지털 감시 기술, 미래 발전 담론, 스마트시티와 커뮤니티, 데이터 인프라와 도시 환경 문제 등이 포함되며, 이 주제들을 심층적으로 탐구하기 위해 미디어 연구, 문화 연구 및 과학기술학의 핵심 개념과 방법론들을 폭넓게 살펴본다. 이론적 학습과 참여형 실습 과제를 통해 학생들은 데이터에 관한 맥락적 이해를 높이고, 인문사회학적 접근법의 중요성을 성찰할 기회를 갖는다. 또한 실제 사례 분석과 토론을 통해 데이터 사회에 관한 총체적, 비판적 사고 능력을 배양한다.전필 / 학사
이 과목은 인문데이터과학 전공 전반에 대한 기본 지식을 습득하는데 목표를 두고 있다. 우선 인문학의 각 영역에서 생산되는 다양한 인문데이터의 고찰에서부터 이 데이터를 과학적으로 분석하고 데이터화하는 방법과 실제로 처리하는데 필요한 개념을 습득한다. 또한 반응시간측정, 안구측정(Eye tracker), 뇌파측정(EEG) 등의 인지 반응 데이터를 수집하는 다양한 방법론을 학습할 수 있는 기회를 갖게 된다. 이러한 과정을 통해 수강생들은 인문데이터 과학 전공을 수행할 수 있는 기본 능력을 갖추게 될 것이다. 본 강의는 각 주제에 따라 복수의 강사가 진행하는 공동운영 강좌로 운영된다.전선 / 대학원
이 과목은 리터러시의 이론적 기반과 교육적 실천을 심층적으로 탐구하는 강의로, 현대 리터러시 개념의 복합성과 다층성을 이해하고 이를 교육 현장에 적용할 수 있는 비판적 사고력을 기르는 데 중점을 둔다. 강의에서는 인지적, 사회문화적, 생태학적, 비판적 관점 등 다양한 이론적 틀을 바탕으로 읽기·쓰기·말하기·듣기·디지털 및 다중양식 리터러시를 통합적으로 분석하며, 리터러시와 권력, 이데올로기, 정체성의 관계를 고찰한다. 수강생들은 국내외 연구 동향을 비교 분석하고, 이를 바탕으로 자신만의 연구 주제를 설정하여 한 학기 동안 독립적인 연구를 수행한다. 학기 말에는 연구 결과를 발표하고 동료들과 비판적 토론을 진행함으로써 학문적 통찰과 실천적 역량을 함께 심화시키는 경험을 하게 된다.교양 / 학사
이 강좌는 지속가능성(Sustainability)과 관련된 실제 이슈들을 데이터 기반으로 분석하여 의사결정을 할 수 있도록 심층적으로 사례 연구하는 것에 초점을 맞춘다. 학생들은 디자인 씽킹 프로젝트를 통해 실습하며, 이 방법론을 활용하여 지속가능성에 대한 혁신적이고 실용적인 해결책을 개발한다. 이 과정에서 학생들은 사회적 문제들에 대해 이해하고, 이들을 해결하기 위한 창의적인 방법을 통해, 문제들을 다루는 데 필요한 다양한 관점을 통합하는 리더십 역량을 개발한다. 학생들이 사회 문제들의 복잡성과 글로벌 컨텍스트(Global Context)에서의 중요성을 실제 데이터와 사례를 통해 체계적으로 이해하도록 하는 것이 강좌의 목표이다. 학생들에게 현실 세계에서 해결이 필요한 과업들을 실질적으로 이해할 수 있는 기회를 제공하며, 이를 위한 팀워크와 협업의 중요성을 인식하고 다양한 배경을 가진 사람들과 함께 일하는 방법을 배울 수 있도록 도움을 준다. 강의, 대화식 토론, 팀 프로젝트, 사례 연구 등 다면적인 학습을 통해, 학생들은 기본적인 개념과 원칙을 이해하고 아이디어를 표현하며, 공동 목표를 달성하기 위한 실제적인 문제 해결 과정을 경험하여 이론적 지식과 실용적 기술을 종합적으로 함양하게 된다.전선 / 학사
본 교과목은 컴퓨팅으로 문제를 해결하기 위해 필요한 컴퓨터처럼 생각하기를 소개한다. 컴퓨터처럼 생각하기는 컴퓨터의 장단점을 고려하여 컴퓨팅으로 문제를 풀고자 할 때 적합한 사고 방법이다. 컴퓨터처럼 생각하기는 문제를 얼마나 컴퓨터처럼 바라보는지에 따라 결정되며 사람이 직접 문제를 해결할 때와는 매우 다른 사고를 필요로 한다. 본 교과목에서는 Python언어를 이용하고 컴퓨터처럼 생각하는 방식을 연습하고 직접 구현해 본다.전필 / 학사
본 과목은 통계학 전공에 필요한 계산적 사고력, 즉 논리로 표현하는 문제 해결 방법 및 논리적으로 컴퓨터 프로그램을 작성하는 능력을 함양하는 것을 목표로 한다. 특히 프로그래밍과 프로그래밍 언어의 기본 개념, 즉 데이터 구조, 추상화, 계층화, 모듈화, 반복, 재귀, 절차적 사고, 가치 지향 사고, 재사용, 계산복잡도, 자료형 등에 대해 공부한다. 개념의 구체화를 위한 도구로 특정 프로그래밍 언어(예: R)를 사용할 수 있으나, 다루는 내용은 언어 중립적이다. 추가적으로 함수적 프로그래밍과 객체 지향 프로그래밍 패러다임에 주의를 기울이며, 자료 분석을 위한 데이터 랭글링, 조작 및 탐색의 기초에 대해 다루고 다양한 데이터 유형의 추세를 시각화, 제시 및 전달하는 방법에 대해서도 공부한다.교양 / 학사
사회 각 분야의 리더로 활동하는 데 가장 기본적이고 필수적인 자질인 고급 수준의 언어 능력, 특히 리터러시 능력을 갖추는 것을 목적으로 하는 교과목으로 다양한 미디어 언어의 특성을 이해하고 적확하고 명료한 글의 본질을 파악하는 능력을 기르며 미디어 텍스트의 유형별 글쓰기와 말하기를 시도함으로써 목적에 맞는 언어 능력을 배양한다. 이러한 훈련은 자신의 전문 분야를 이끄는 지성인으로서 활동하는 데에 바탕이 될 것이다. 이 과목의 구체적인 학습 내용은 다음과 같다. 첫째, 한국어로 구성되는 다양한 미디어 텍스트를 매체별로 분석하여 그 본질을 파악한다. 둘째, 모든 텍스트의 기초가 되는 적확한 문장의 구성법을 익힌다. 셋째, 유형별로 기존 텍스트를 분석하여 그 구성과 특징을 이해한다. 넷째, 관심 있는 매체 텍스트를 작성하는 능력을 함양한다. 다섯째, 미디어의 각 영역별로 기자, 아나운서, 앵커, 특파원 등 전문가를 초청, 그 분야의 활동과 전망, 그 분야에서의 텍스트 작성에 관한 특강을 듣는다.전선 / 학사
이 강좌는 언어학의 응용분야로 인간이 쓰는 언어가 컴퓨터에서 어떻게 처리되는지 다룬다. 인간 언어가 지닌 음성, 형태, 통사, 의미적인 측면이 정보처리 관점에서 음성합성, 음성인식, 형태분석, 구문분석, 의미처리 등과 관련하여 어떻게 구현되는지 살펴보며, 실제로 음성합성기, 음성인식기, 정보검색시스템이나 기계번역기 등 상용화된 시스템 구축방법에 대해서도 살펴본다. 또한 대량의 자료를 수집하고 처리하는 코퍼스도 논의하여, 한국어 정보처리를 위한 기초자료 구축도 병행한다. 이 과목은 이론적인 방법론뿐만 아니라 실제처리에도 많은 초점이 맞추어지기 때문에 컴퓨터 프로그래밍 학습을 통하여 시스템 구축이나 자료를 처리하는 실습도 병행한다.교양 / 학사
본 과목은 대학교 저학년 학생들을 대상으로 하며, 특히 컴퓨터 과학 분야에 익숙하지 않은 학생들에게 데이터 시각화의 기초를 소개하고, 이를 통해 디지털 습관을 개선할 수 있도록 한다. 학생들은 태블로와 같은 시각화 도구들을 활용하여 자신의 구글 활동 기록 또는 유튜브 시청 등 다양한 종류의 데이터를 분석하고 시각화하는 방법을 배울 수 있다. 특히, 이 과정에서 프로젝트를 통해 데이터 시각화 기법을 활용하여 디지털 습관에 대한 문제를 발견하고 자기인식을 도모하며, 학생들 간의 교류를 통해 행동의 변화를 일으키기 위한 해결방안을 함께 고안하고 실천으로 옮길 수 있다. 해당 프로젝트는 데이터의 시각적 분석을 위한 전 과정의 경험을 통해 학생들 스스로 개인의 디지털 행동습관에 대한 자기인식, 그리고 창의적 해결방안을 모색하는 데에 그 중점을 두고 있다. 이를 통해 학생들은 기술적 역량뿐만 아니라, 심리학 및 사회학적 이해를 결합하여 데이터를 다각도로 이해하고, 개선된 디지털 생활방식을 구축할 수 있다.전선 / 학사
본 교과목은 최신 사회정책 분석·평가 기법에 대한 이해를 통한 실무적 응용 능력 배양을 목표로 한다. 수강생들은 사회정책이 기획, 집행, 평가되는 전 과정에 대한 구조적 이해를 바탕으로, 정책의 효과성을 과학적으로 분석하고 평가하는 데 필요한 핵심적인 '평가·분석 도구상자(analytical toolkit)'를 실무적인 관점에서 체계적으로 학습한다. 구체적으로 과목의 전반부는 교수자의 실무경험에 근거하여 정책 집행의 동학, 정책 네트워크, 정책 실패의 원인 등을 이론과 사례를 통해 학습하여 비판적 시각을 배양한다. 중반부는 미시적 차원 정책평가·분석 방법인 무작위 통제실험(RCT), 이중차분법(DiD), 회귀불연속설계(RD) 등 인과추론(causal inference) 방법론에 집중한다. 후반부는 거시적 차원의 정책평가·분석 방법인 비용편익분석(CBA), 계층화 분석법(AHP) 등 정책 대안을 비교·평가하는 틀을 학습한다. 실무·응용 능력 배양을 목적으로 하는 본 교과목은 프로젝트 기반 학습(PBL)으로 운영되며, 학생들은 팀 프로젝트를 통해 실제 사회정책 데이터를 분석하거나 평가 사례를 심층 분석함으로써, 이론적 지식을 실천적 문제 해결 능력으로 전환하는 경험을 하게 될 것이다. 이를 통해 미래의 사회정책 전문가로서 데이터에 기반하여 합리적인 정책적 판단을 내리고, 그 결과를 효과적으로 소통하는 능력을 갖추게 될 것을 기대한다.전필 / 학사
인문학은 전통적으로 질적 접근을 주 방법론으로 삼아왔으나, 최근 수량적 접근의 필요성이 크게 부각되고 있다. 이 과목은 인문데이터과학을 전공하는 학생들에게 인문학의 여러 영역의 자료를 수량적으로 분석하기 위한 기초 지식을 제공한다. 통계의 기본 개념과 추론의 원리를 익히고 통계 소프트웨어를 활용하여 실제 데이터를 분석하는 능력을 키운다. 인문계열 1학년 수준의 수학 배경 지식에 맞추어 통계적 기법을 이해할 수 있도록 이론적인 부분을 최소화하되 추후에 본격적인 통계 관련 수업을 들을 수 있는 수리적인 기초를 닦을 수 있는 기회를 제공할 수 있도록 한다.