AI 챗봇 기반의 상자그림 문제해결을 위한 중학생들의 추론 분석 : 결과 해석 단계의 추론을 중심으로

An analysis of reasoning in AI-chatbot-supported box-plot problem solving : Middle school students' reasoning in the result-interpretation stage

통계적 문제해결 과정에서 결과 해석 단계는 분석 결과를 문제 맥락과 연결하여 의미 있는 결론을 구성하는 중요한 단계이지만 학생들은 결과를 단순히 나열하거나 제한된 추론에 그치는 경우가 많다. 본 연구는 AI 챗봇 기반의 상자그림 문제해결 과정 중 결과 해석 단계에서 중학생들이 어떠한 추론 요소를 활용하는지, 그리고 그 활용이 토론을 통해 어떻게 변화하는지를 질적으로 분석하였다. 연구 참여자는 서울 소재 공립 중학교 3학년 6명이며, 학생들은 서로 다른 맥락의 상자그림 비교 과제를 해결하는 과정에서 AI 챗봇과의 토론을 수행하였다. 이 과정에서 수집된 학생들의 발화와 기록을 바탕으로 결과 해석 단계에서 나타난 추론 요소를 Pfannkuch(2007)가 제안한 틀에 따라 분석하였다. 분석 결과, 학생들은 초기에는 상자그림의 요약⋅퍼짐과 같은 직관적 요소를 중심으로 비교⋅해석하였다. 그러나 AI 챗봇의 발문과 반박에 대응하는 과정에서 이동⋅신호와 같은 비교에서 덜 자발적으로 고려되는 요소를 추가로 활용하였다. 또한 자신의 주장을 정당화하기 위해 추론 요소를 구체화⋅통합하고, 맥락을 부여하거나 개별값을 언급하는 등 추가 근거를 동원하는 양상이 나타났다. 이는 AI 챗봇 기반 토론이 상자그림 문제해결의 결과 해석 단계에서 학생들의 추론을 촉진하고, 통계적 문제해결의 결과 해석 단계를 보다 의미 있게 경험하도록 지원할 수 있음을 시사한다.

In statistical problem solving, the result-interpretation stage is an important phase in which analytical results are con-nected to the problem context to construct meaningful conclusions; however, students often simply list results or remain con-fined to limited reasoning. This study qualitatively examined which reasoning elements middle school students used during the result-interpretation stage of AI-chatbot-supported box-plot problem solving, and how their use of these elements changed through discussion. The participants were six ninth-grade students from a public middle school in Seoul. While solving box-plot comparison tasks situated in different contexts, they engaged in discussions with an AI chatbot. Based on students’ utterances and records collected during the activities, the reasoning elements observed in the result-interpretation stage were analyzed us-ing the framework proposed by Pfannkuch. The findings showed that students initially compared and interpreted box plots mainly through intuitive elements such as summary and spread. However, as they responded to the chatbot’s prompts and counter-arguments, they additionally employed elements that are less spontaneously attended to in comparisons, such as shift and signal. Moreover, to justify their claims, students tended to elaborate and integrate reasoning elements and to draw on additional evidence, such as providing contextual explanations or referring to individual data values. These results suggest that AI-chat-bot-based discussion can promote students’ reasoning in the result-interpretation stage of box-plot problem solving and sup-port them in engaging more meaningfully with the result-interpretation stage of statistical problem solving.