과학교육에서 인공지능과 데이터 시각화를 적용하는 방법

오늘은 제가 전공하고 있는 과학 교육에서 AI를 어떻게 활용해야 할지, 어떤 시사점이 있는지를 살펴보도록 하겠습니다. 

일찍이 인공지능의 활용에 대해서는 여러 번 포스팅한 바가 있는데요. 

2022.01.13 - [AI교육] - 인공지능의 개념과 특성에 대해 알아보자. (feat. 인공지능을 연구한 과학자)

인공지능의 개념과 특성에 대해 알아보자. (feat. 인공지능을 연구한 과학자)

과학에서는 연구 문제에 따라 데이터를 수집하고 분석하여 규칙을 찾는 일을 합니다.

이 규칙을 바탕으로 새로운 상황에 대해 예측하거나 설명하게 되는 것이지요.

 

반면 인공지능에서는 주어진 데이터를 토대로 모델을 학습합니다. 

이 학습한 모델에 따라 새로운 결과를 예측하고, 다른 상황에 전이해서 활용할 수 있다는 점에서 조금 다릅니다. 

 

그러나 분명한 점은 과학에서 인공지능의 활용이 여러 유용한 점이 있다는 것입니다.

 

1. 과학에서 인공지능 활용이 유용한 이유

• 첫째: 인공지능과 과학에서의 탐구 활동이 서로 유사한 과정을 거친다는 점
  • 탐구 문제 발견을 위해 학생들은 자신이 관심 있는 주제와 관련된 데이터셋을 검색하고 추출할 수 있습니다.
  • 그러기 위해선 데이터에 대한 기초적인 검색 능력과 데이터에 대한 이해가 필요할 것입니다.
• 둘째: 자신이 선택한 데이터를 학습한 모델 선택 능력이 중요해진다는 점
  • 학생들이 탐구 문제를 선정하게 되면, 데이터를 적절하게 가공하고, 이를 담은 적절한 모델을 선택하는 것이 필요합니다.
  • 그러려면 데이터를 잘 처리해서 모델에 학습시켜야 하고, 머신러닝, 딥러닝 등의 특성과 목적에 대해서도 알아야 합니다.
  • 동시에 더로 다른 모델을 적용해보면서 각각의 성능을 비교하고, 개선을 해보는 과정도 겪습니다. 어디서 많이 본 과정 아닌가요? 네, 과학적 탐구와 아주 유사합니다. 
  • 이렇게 적절한 변형을 거친 모델과 알고리즘을 새로운 데이터에 적용하고, 그 특성에 맞게 활용 가능한 범용적인 방법을 학생들이 고안해 낼 수 있다는 것입니다. 이게 바로 인공지능의 활용입니다. 

 

2. 과학적 탐구 과정에 인공지능을 활용하기 위해 필요한 전제

• 데이터의 특성과 크기에 따라 이를 수행할 성능을 갖춘 클라우드 서버나 하드웨어
• 문제 발견을 위한 공공 기관이나 학술 단체 등에서 제공하는 데이터
• 데이터 시각화 과정을 쉽게 재현하거나 공유, 축적할 수 있는 플랫폼

 

 

3. 데이터 시각화가 좋은 이유

Gray et al(1997)은 다음과 같이 데이터 시각화의 이점을 설명합니다.

• 첫째, 데이터 시각화는 거대한 양의 데이터를 쉽게 이해할 수 있도록 해준다.
• 둘째, 데이터 시각화는 예상하지 못한 새로운 특징을 인식하도록 해주며 새로운 통찰의 기초가 될 수 있다.
• 셋째, 데이터 시각화는 종종 해당 데이터의 문제점을 즉시 나타낸다.
• 시각화는 대개 데이터 자체뿐만 아니라 데이터가 수집되는 방법도 보여주며, 적절한 시각화로 데이터의 결함을 확인할 수 있어 품질 관리에 유용하다.
• 넷째, 데이터 시각화는 데이터의 지엽적인 특징과 전반적인 특징을 동시에 이해하는 데 유용하다.
• 다섯째, 데이터 시각화는 가설을 뒷받침하는 정보를 얻을 수 있게 한다.

 

출처:

이희후 (2019), 데이터 시각화 도구를 활용한 STEAM 프로그램이 지식정보처리 역량, 과학 기술에 대한 태도에 미치는 효과, 한국교원대학교 대학원

조헌국(2021), 과학영재교육에서의 머신러닝 활용 튜토리얼 : 서울 지역 일별 기온 변화 데이터를 중심으로. 과학영재교육, 제13권 3호(2021.12.), pp. 133-149.