A Study on the Impact of Generative Artificial Intelligence on Creative Convergence Problem Solving

본 연구는 생성형 인공지능이 문제해결과정의 영향을 미치는 요인을 분석한 후 생성형 인공지능을 적용한 문제해결과정의 교육적 모델을 제안하고자 한다. 연구를 위해 문재해결과정을 문제이해, 문제설계, 최선책의 선택의 3단계로 구분하고 각각의 단계를 Computational Thinking의 9가지 핵심요소와 매칭하여 교육적 설계를 하였다. 설계를 기반으로 생성형 인공지능을 적용한 SW교과목을 개발한 후, 인문사회계열 학습자 218명에게 16주간 기초 SW교육을 실시한 후 문제해결과정에서 생성형 인공지능의 필요성 여부를 조사하였다. 결과, 문제를 이해하는 단계 중 자료 분석(t값 = 8.85)을 할 때 생성형 인공지능이 영향(R Square = .712)을 미치는 것으로 나타났다. 문제해결의 설계 단계에서는 알고리즘과 절차(t값 = 13.810)를 할 때 생성형 인공지능이 영향(R Square = .713)을 미치는 것으로 나타났다. 최선책의 선택에서는 보다 자동화(t값 = 7.764)의 단계에서 생성형 인공지능의 활용이 영향력 (R Square = .691)이 있는 것으로 나타났다. 연구결과를 바탕으로 학습자의 문제해결 능력을 향상하기 위해 자료분석, 알고리즘과 절차, 자동화단계에서는 생성형 인공지능을 활용하여 교육과정을 구성하는 것이 학습자의 능력을 향상하는데 도움이 된다는 결론을 얻었다. 이 연구를 바탕으로 추후 생성형 인공지능의 학습 가이드 라인 연구가 활성화되기를 바란다.

The objective of this study is to examine the factors that shape problem-solving processes through the lens of generative artificial intelligence (AI) and to develop an educational model that integrates generative AI into the problem-solving process. To facilitate analysis, we divided the problem-solving process into three stages: understanding the problem, designing the solution, and selecting the best solution. Subsequently, we aligned each stage with the nine core elements of computational thinking to develop the educational framework. Following the development of a generative AI-based software engineering course based on the design, a correlation analysis was conducted on the necessity of generative AI in the problem-solving process. This analysis was performed after providing 218 learners of humanities and social sciences with a 16-week basic software engineering education. The results of the hierarchical regression analysis demonstrated that generative AI exerted an influence when data were analyzed during the problem understanding stage (t-value = 8.85, R Square = 0.712). In the design stage of the problem-solving process, generative AI had a significant impact on the algorithms and procedures step (t-value = 13.810, R Square = 0.713). In the selection of the optimal solution, generative AI was found to exert a considerable influence in the automation stage (t-value = 7.764, R Square = 0.691). In light of these findings, it was concluded that the integration of generative AI into the stages of data analysis, algorithms and procedures, and automation in the educational curriculum could enhance learners' problem-solving abilities. It is our contention that this research will facilitate future research on learning guidelines for generative AI.