초등 데이터 리터러시 수업 사례 연구

본 연구는 인공지능(AI) 기술의 확산에 따른 데이터 편향성 문제를 비판적으로 성찰하고, 이를 주체적으로 조절할 수 있는 ‘유연한 편향성’ 함양을 위한 수업 사례와 평가 모델을 제안하는 데 목적이 있다. 이를 위해 초등 5학년 사회과 역사 영역의 ‘일제의 침략과 광복을 위한 노력’ 단원을 재구성하여, 알려지지 않은 독립운동가 데이터를 탐구하고 생성하는 프로젝트 학습을 설계하였다. 수업은 박기범(2023)의 문제 해결 수업 모델을 적용하여, 학생들이 독립운동가에 대한 다중적 표상을 자유롭게 인출하고 학급 내에 형성된 데이터 편향을 목격하도록 구성하였다. 이어 ‘구글 트렌드’로 독립운동가 간 검색량 격차를 확인하며 ‘인지적 불편함’을 체험하였다. 이러한 불편함을 해소하기 위해 학생들은 공신력 있는 데이터를 바탕으로 직접 독립운동가 데이터를 생성하고 학급 데이터베이스를 구축하며 주체적인 데이터 생산자 역량을 발휘하였다. 더불어 본 연구는 학생들의 메타 인지 성찰을 돕기 위한 ‘데이터 편향성 최소화 체크리스트’와 사고 구술 기법을 활용한 ‘과정 중심의 설명 가능성(Explainability) 평가 모델’을 구체적으로 제안하였다. 연구 결과, 학생들은 데이터의 불균형을 비판적으로 읽어 내는 역량을 강화했으며, 자신의 편향을 유연하게 수정하고 보완하려는 디지털 시민성을 형성하였다. 본 연구는 AI 시대의 교육이 단순한 기술 활용을 넘어 데이터 뒤에 숨겨진 맥락을 이해하고 편향에 대처하는 성찰적 역량 강화로 확장되어야 함을 시사한다.

This study aims to reflect on data bias issues and propose a teaching case and assessment model for cultivating ‘flexible bias’. To this end, a project-based learning activity was designed by restructuring the 5th-grade social studies history unit to discover and generate data for lesser-known independence activists. The instructional design applied Park’s (2023) model, enabling students to externalize ‘multiple representations’ and witness data bias within the class. Subsequently, by utilizing ‘Google Trends’ to visualize search volume gaps, students experienced ‘cognitive dissonance’. To resolve this, students acted as proactive data producers by creating Independence Hero Data and building a class database. Furthermore, this study proposes a ‘Bias Minimization Checklist’ for metacognitive reflection and an ‘Explainability-based Assessment Model’ using the think-aloud technique. The findings indicate that students strengthened their capacity to critically read data imbalances and developed digital citizenship by flexibly adjusting their biases. This study suggests that education in the AI era must expand toward reinforcing reflective capacities to understand the context behind data and address algorithmic bias.