중학교 정보 교과서의 학습 문제 분석 : 문제해결과 프로그래밍 단원을 중심으로

2.1 정보 교과서 분석 선행 연구

2015 개정 정보 교육과정과 2022 개정 정보 교육과정은 개정 및 발표 시기의 시간적 차이가 있지만 공통적으로 디지털 대전환 시대의 국가적, 사회적 요구를 반영하여 컴퓨팅을 활용한 문제 해결을 전제로 실생활과 다양한 학문 분야의 문제를 해결할 수 있는 컴퓨팅 사고력을 핵심 역량으로 강조하고 있다[1, 2].

교육과정이 학습자의 역량을 길러 줄 수 있도록 교육 내용과 교육 방향을 체계적으로 정리하여 제시한 것이라면 교과서는 교육과정의 내용에 의거하여 교육이 수행될 수 있도록 학습에 도움을 주는 가장 중요한 요소 중 하나라고 할 수 있다[3].

이에 정보 교과의 역량인 컴퓨팅 사고력을 길러주기 위한 관점에서 교과서를 분석하는 교육 연구가 다수 이루어졌으며 유의미한 결과를 도출하였다.

최근 빠르게 변화하는 기술과 사회에 적응할 수 있는 능력이 강조됨에 따라 지식을 얻는 과정이나 방법을 중시하며 이러한 배경을 중심으로 정보 교과서의 탐구성에 대한 연구가 다각도로 이루어졌다. 정량적으로 탐구성을 측정할 수 있는 분석 방법인 Romney 분석을 활용하여 중학교 정보 교과서의 영역 혹은 일부 단원에 대해 본문, 그림, 활동, 평가 등의 대상을 중심으로 탐구성 분석이 이루어졌으며 컴퓨팅 사고력 증진을 위해서 대상에 따라 균형있는 탐구성을 가지도록 구성되어야 한다는 시사점을 도출하였다[3, 6].

또한 다른 관점의 교과서 분석 연구로 학습 목표를 선정하고 진술할 때 참고하는 교육 목표를 Anderson의 교육 목표 분류법을 기준으로 분석하였으며 학생들의 컴퓨팅 사고력 증진을 위해 절차와 메타인지 같은 고위 수준의 인지 유형과 ‘개발하다’와 ‘평가하다’에 해당하는 인지과정의 비중을 높일 필요가 있음 확인하였다[4, 5].

교과서의 텍스트나 미디어 등과 같은 자료의 특성을 파악하고 총체적으로 텍스트의 맥락을 통찰하는 내용 분석법을 이용한 정보 교과서 분석 연구에서는 2015 개정 정보 교육과정에서 강조하는 컴퓨팅 사고력의 추상화에 초점을 맞추어 채택률이 높은 7개의 중학교 정보 교과서를 분석하고 추상화 개념의 사용 실태와 컴퓨팅 사고력의 주요 요소인 자동화를 염두한 추상화의 필요성 그리고 교육과정의 범위와 위계에 적절한 소재 활용이 필요함을 확인하였다[7].

또한 연구자의 주관적인 관점을 최소화하고 데이터 마이닝 기법을 활용하여 객관적으로 교과서의 내용을 분석한 연구 사례도 확인할 수 있었다. 2015 개정 교육과정과 3종의 중학교 정보 교과서의 문제해결과 프로그래밍 단원 속 단어 빈도 및 단어 간 연관 분석을 실시하여 문제, 해결, 알고리즘, 프로그래밍과 같은 핵심 개념의 제시를 확인하였다[8].

정보 교과서의 학습 문제를 주요 연구 대상으로 설정한 선행 연구는 이루어지지 않았지만 유사한 연구로 초등 실과 교과서 SW교육 단원의 학습 문제를 문제의 내용요소, 문제의 비구조성, 문제의 맥락을 중심으로 분석한 연구가 선행되었다. 특히 문제의 비구조성을 실제성, 복잡성, 개방성으로 구분하고 4점 척도로 수치화하여 분석하였으며 PISA 수학의 맥락인 개인적, 직업적, 사회적, 과학적 맥락을 중심으로 분류하여 결과를 분석하고 문제의 다양성을 확보하기 위한 전략이 필요함을 도출하였다[9].

학습 문제는 학생들에게 직접적으로 문제 해결 경험을 제공하는 주요 수단이며 수업의 설계와 실행에 질적 영향을 미치게 되고 이는 학생의 학습에도 영향을 미치게 된다[10]. 하지만 지금까지 학습 문제에 대한 체계적인 분석은 초등 실과 교과의 SW교육 단원에 대해서만 이루어졌으며 문제의 구조성을 재해석된 척도를 활용하여 결론을 도출했다는 한계를 가지고 있음을 확인하였다[9].

2.2 문제 해결과 문제의 유형

정보 교과의 핵심 역량인 컴퓨팅 사고력은 컴퓨팅을 기반으로 한 문제 해결력으로 요약할 수 있으며 문제 해결력을 길러주기 위해서는 학생들이 경험하게 되는 문제 자체에 대한 심도 있는 분석이 필요하다[1, 2]. 이에 문제 해결의 정의와 문제의 유형에 대한 관련 연구를 먼저 탐색하여 그 의미를 분석하였다.

문제 해결에 대한 정의는 오랜 기간 동안 여러 연구자의 관점에 따라 다양한 형태로 나타났다. Polya(1973)는 문제 해결을 ‘어려움을 극복하고, 장애물을 우회하며, 즉시 이해되지 않는 목표를 달성하는 것’으로 정의했으며 Schoenfeld(1980)는 문제는 해결 방법을 모르는 경우에만 문제라고 주장하며, 예상치 못한 놀람이 없는 문제는 연습 문제에 불과하다고 주장하였다. Voskoglou(2012)는 문제 해결을 ‘장애물(문제)을 극복하고 우리를 둘러싼 세계에 대한 더 나은 이해를 개발하는 인지 또는 물리적 수단을 사용하는 활동’으로 정의하였다[11-13].

문제 해결에 대해 하나의 통일된 정의가 이루어지지는 않았지만 많은 심리학자와 교육학자들은 문제 해결 능력이 교육의 중요한 결과 중 하나이며 교육의 목적이 사람들이 더 나은 문제 해결자가 되도록 생각하고 이성적 능력을 사용하는 것이라는 공통된 관점을 가지고 있음을 확인할 수 있다[14].

학습자의 문제 해결 능력에 대한 중요성이 강조되고 이를 길러 주기 위한 교수‧학습 환경 구성을 중심으로 다양한 연구가 이루어졌다. Jonassen(1997)은 교육 설계와 관련 된 연구를 통해 잘 구조화된 문제와 구조화 되지 않은 문제를 구별할 필요가 있음을 주장하며 잘 구조화된 문제에 대한 교육 설계는 정보 처리 이론에 기반하고 구조화 되지 않은 문제에 대한 교육 설계는 구성주의와 상황 인식에 기반해야 한다는 교육 설계 모델을 제시하였다[15].

또한 문제 해결의 정의가 다양한 만큼 문제 해결 경험 또한 일관되지 않으며 문제의 다양한 변인에 의해 영향을 받는다고 설명하였다. 특히 학습자가 직접적으로 경험하게 되는 문제의 유형에 초점을 맞춰 세부적으로 문제의 유형을 나누어 분석하였으며 Mayer 외(1996)에 의한 선행 연구에서 주로 문제의 구조성을 잘 구조화 된 문제와 구조화 되지 않은 문제로 나누는 이분법적인 기준을 제시하였다는 한계를 언급하였다. 이를 통해 Jonassen은 잘 구조화된(구조성이 높은) 문제에서 잘 구조화 되지 않은(구조성이 낮은) 11가지의 연속성을 가지는 문제 유형을 제안하였다[16, 17].

또한 Jonassen은 연속적인 문제 유형들은 구조화된 문제가 구조화되지 않은 문제의 전제 조건이 될 수 있으며 각 유형이 문제 해결자의 경험과 맥락에 따라 절대적이지 않음을 안내하였으며 Table 1과 같이 문제 유형에 따른 학습 활동, 투입물, 성공 기준, 맥락, 구조성, 추상성에 대한 세부 사항을 정리하였다[16].

Table 1.

Detail about the Types and Structures of the Problems

2.3 컴퓨팅 사고력과 프로그래밍 교육

Wing(2008)의 연구로 인해 촉발된 컴퓨팅 사고력과 관련된 논의 이후 컴퓨팅 사고력의 중요성을 강조하는 관점을 넘어서 컴퓨팅 사고력 신장을 위한 다양한 방법적인 측면이 지속적으로 연구되어 왔으며 특히 프로그래밍이 컴퓨팅 사고력을 길러주기 위한 핵심적인 활동으로 강조되고 있다[18].

Voskoglou(2012)는 비판적 사고와 컴퓨팅 사고력 및 지식이 상호작용하는 문제 해결의 과정을 제시하였으며 특히 컴퓨팅 사고력은 프로그래밍 학습 전에 선행되어야 하는 기초적인 사고 과정임과 동시에 프로그래밍이 컴퓨팅 사고력을 증진 시킬 수 있는 가장 명시적인 방법임을 확인하였다[13].

같은 맥락으로 컴퓨팅 사고력과 프로그래밍 교육 연구에서 체계적인 교육을 위한 분류 체계 중심의 연구가 활발히 진행되었다. Selby(2015)는 컴퓨팅 사고력과 프로그래밍을 교육학적 관점에서 연구하였으며 산업, 학계, 교육 전문가로 구성된 구성원으로 부터 설문, 토론, 대면 인터뷰 등을 통해 얻은 데이터를 그라운디드 이론을 기반으로 질적 분석하고 컴퓨팅 사고력을 길러주기 위한 프로그래밍 교육의 순서를 Table 2와 같이 제시하였다[19].

Table 2.

Order of Teaching Programming

프로그래밍 교육의 순서를 구조, 사실, 유형에 대한 이해부터 테스트 및 평가의 6단계로 제시하였으며 해당 순서가 모든 교육환경에 적용되는 유일한 순서는 아니지만 일반적으로 앞선 단계가 이후의 단계를 위한 필요조건이 될 수 있음을 언급하였다[19].

또한 프로그래밍 교육과 관련된 선행연구로 컴퓨팅 사고력의 핵심이 되는 자동화를 기반으로 한 문제 해결의 경험을 제공하기 위해서는 프로그래밍의 핵심 및 기초 개념을 중심으로 프로그래밍 교육 순서에 따른 순차적인 과제 제시가 필요함을 강조한 연구 결과도 확인할 수 있다[20].

선행 연구를 종합하면 컴퓨팅 사고력 향상을 위해 학생들에게 문제 해결 경험을 제공하는 정보 교과서의 학습 문제에 대한 연구가 아직 많이 부족함을 확인할 수 있다. 따라서 문제의 유형과 프로그래밍 순서 등과 같은 기준을 활용하여 학습 문제를 체계적으로 분석한다면 학습 문제에 대해 심도 있게 이해할 수 있으며 이를 통해 2022 개정 정보 교육과정에 적합한 학습 문제에 대한 시사점을 도출할 수 있을 것이다.

3.1 연구 대상

본 연구는 정보 교과서의 체계적인 학습 문제 분석을 위해 현재 모든 학생에게 적용되는 2015 개정 정보 교육과정을 중심으로 개발된 중학교 정보 교과서의 학습 문제를 분석하고자 한다. 또한 김수환(2018)의 선행 연구에서 제시된 선택 비율이 높은 7개의 정보 교과서에서 제시된 학습 문제를 연구 대상으로 설정하였다[7].

또한 선행 연구 분석을 통해 프로그래밍이 컴퓨팅 사고력을 길러 줄 수 있는 효과적인 교육 방법 중 하나임을 확인하였다. 이를 바탕으로 정보 교과서의 전체 단원 중 컴퓨팅 활동 즉, 프로그래밍이 명시적으로 제시되며 프로그래밍을 통해 문제 해결 경험을 갖게 되는 문제해결과 프로그래밍 단원을 세부 대상으로 설정하였다[18-20].

교과서 속 분석 대상이 되는 학습 문제는 문제 해결의 정의를 제시하는 다양한 선행 연구를 종합하여 문제가 가지는 공통된 속성으로 시작 상태와 목표 상태, 목표 상태로 이동하기 위한 장애물 및 행동과 전략의 집합이라는 정의를 활용하여 선정하였으며 교과서에서 제시되는 학습 문제들 중 해당 정의에 부합하는 문제들로만 선별하여 분석하였다[11-14].

3.2 연구 방법

Jonassen(2000)은 교육적 전략 수립에 있어 문제 유형에 따른 교수‧학습 전략의 중요성을 강조하였다. 이에 본 연구는 체계적인 학습 문제 분석을 위해 잘 구조화된(구조성이 높은) 문제에서 구조화 되지 않은(구조성이 낮은) 문제의 연속적인 11가지 문제 유형을 기준으로 분류하며 세부적인 기준으로 Table 1의 각 문제 유형에 따라 제시된 학습 활동, 투입물, 성공 기준, 맥락, 구조성, 추상성을 활용한다[16].

프로그래밍 활동을 포함한 학습 문제의 경우 프로그래밍 교육 순서에 따른 각 단계의 비율과 단계의 순차성을 분석하기 위해 Selby(2015)가 제시한 Table 2의 프로그래밍 교육 순서를 활용하여 각각의 학습 문제가 어떠한 단계에 해당되는지 분류하고 분석한다. 특히 하나의 학습 문제가 다양한 프로그래밍 교육 순서를 포함하는 경우에는 명시적으로 학습자가 해결해야 하는 개별적인 문제 형태로 제시하는 경우에 한하여 중복 분류하였다[19].

2022 개정 정보 교육과정의 교수‧학습 설계에서는 학생들의 컴퓨팅 사고력 신장을 위해 실제적인 삶의 맥락에서 컴퓨팅을 활용하여 문제를 해결하는 학습 과제를 제시하도록 안내하고 있다. 이에 현재 교과서 속 학습 문제들의 맥락을 분석하고 시사점을 도출하기 위해 컴퓨팅 사고력을 포함하는 PISA 2022 수학의 맥락을 기준으로 설정하여 개인적, 직업적, 사회적, 과학적 맥락으로 학습 문제를 분류하여 분석한다. 각 맥락에 대한 상세한 설명은 Table 3과 같다[21].

Table 3.

Context in PISA 2022 Mathematics

분석 결과의 신뢰도와 객관성을 높이고자 연구자가 2주의 간격을 두고 3회 분석하여 각 기준에 따른 학습 문제 분류 초안을 도출하였으며 도출된 초안을 바탕으로 컴퓨터 교육 전공 석사 3인과 박사 1인이 함께 검토하고 분류의 결과에 대한 검토자 간의 이견이 있을 경우 검토 의견을 중심으로 협의하여 최종 분류를 완료하였다. 예를 들어 Figure 1의 학습 문제는 ‘의사결정 문제’로 연구자가 분류하였으나 4명의 검토자 중 3명의 검토자가‘규칙 사용 문제’로 이견을 제시하였다. 이에 문제에 대한 심도 있는 협의를 진행하였고 해당 문제는 여러 대안 중 한 가지를 선택하는 문제가 아닌 명확한 1개의 답을 다양한 방식으로 접근하는 문제로 정리되어 ‘규칙 사용 문제’유형으로 변경되었다[22].

Figure 1.

Examples of Learning Problems Set to A Different Type with Expert Review

4.1 문제 해결 정의에 따른 학습 문제 선별 결과

7종 교과서의 문제 해결과 프로그래밍 단원은 세부적인 구성에 있어 교과서 마다 차이는 있으나 15 ~ 17차시로 유사한 차시가 할당 되어 있으며 추상화, 알고리즘, 프로그래밍의 3개 소단원 혹은 추상화와 알고리즘을 통합하여 총 2개의 소단원으로 제시하는 형태로 구성되어 있다. 이에 공통된 기준으로 분석하기 위해 2개의 소단원을 기준으로 통합하여 분석하였다[22-28].

교과서 내 학습 문제는 명시적으로 학생들이 특정 상태에서 직접 목표 상태로 변화 시켜야 하는 학습 문제 또는 학습 활동을 선정하였다. 명시적인 문제 상황이 주어지지 않거나 일련의 문제 해결 절차를 교과서 지문 및 자료를 통해 직접적으로 제시하는 형태의 경우 문제 해결의 정의에 따라 목표 상태로 이동하기 위한 장애물 및 행동, 전략 집합이 제시되지 않는 형태로 판단하여 제외하였다.

또한 교과서에서 객관식 및 주관식의 응답을 주로 요구하는 단원 평가는 모든 교과서에서 동일한 형태로 제시하고 있으며 같은 유형의 문제로 구별되기 때문에 비교 분석 대상에서 제외하였다. 각 교과서에서 최종적으로 연구 대상으로 선정된 학습 문제 현황은 Table 4와 같다.

Table 4.

State of Learning Problems in Textbooks

학습 문제는 교과서 별로 차이가 있지만 21개에서 33개의 범위로 나타났으며 추상화와 알고리즘 소단원은 3개에서 16개 사이의 범위로 교과서 별로 다소 차이가 나타났다. 프로그래밍 소단원 또한 11개에서 21개의 학습 문제로 구성되어 있어 교과서 별 차이를 보였으며 모든 교과서에서 추상화와 알고리즘 소단원 보다 많은 학습 문제를 제시하였다.

4.2 학습 문제의 문제 유형에 따른 분석 결과

각 교과서의 문제해결과 프로그래밍 단원에서 제시된 학습 문제를 Jonnassen의 문제 유형에 따라 분류하였으며 분류된 학습 문제의 수와 그 비율은 Table 5와 같다.

Table 5.

Analysis Results by Problem Types of Learning Problems

모든 교과서에서 알고리즘 문제와 규칙 사용 문제의 두 가지 유형 빈도가 가장 높게 나타났다. 진단-해결, 전략 수행, 딜레마 유형의 문제는 모든 교과서에서 나타나지 않았으며 이야기, 트러블 슈팅, 상황 분석, 설계 문제 유형의 경우 일부 교과서에서 소수의 빈도로 나타났다. 각 교과서의 학습 문제 구성에 대해 상세히 분석하기 위해 문제의 유형 별로 각 교과서에서 차지하는 비율을 시각화하였으며 그 결과는 Figure 2와 같다.

Figure 2.

Visualization by Problem Types of Learning Problems

논리, 알고리즘, 이야기, 규칙 사용 문제의 유형은 한 가지 문제 해결 방법을 갖는 비교적 구조성이 높은 문제 유형에 속한다. 이를 통해 대부분의 정보 교과서는 주로 하나의 답을 갖는 구조성이 높은 문제들 위주로 구성되었다고 볼 수 있다.

이야기 문제 유형의 경우 대부분의 교과서 마지막 연습 문제에 나오는 형태인 정형화된 문제 유형으로 그 특성이 정의 되지만 정보 교과서에서는 그 빈도가 낮게 나타났다. 이는 이야기 문제는 이야기 속에서 핵심 단어를 식별하고 문제를 해결하기 위한 과정의 설계가 포함되어 있는 형태이나 대부분의 정보 교과서에서 이야기를 포함하여 제시된 형태는 문제를 해결하기 위한 핵심 정보를 포함하지 않은 단순 배경 설명을 위한 목적으로만 활용된 경우가 많았다. 이러한 유형은 이야기 유형이 아닌 다른 유형으로 분류되었기 때문에 이야기 유형의 빈도가 낮게 나타났다.

Jonassen의 문제 유형은 논리 문제 유형에서 딜레마 문제 유형으로 갈수록 구조성이 낮다. A와 D 교과서의 경우 구조성이 낮은 문제 중 하나인 설계 문제의 빈도가 다른 교과서와 비교하여 상대적으로 높게 나타났다. 해당 교과서의 문제를 세부적으로 살펴보면 프로그래밍으로 문제를 해결하기 위한 기준과 제약 조건을 제시한 뒤 학생들이 자유롭게 프로그램을 개발하고 이를 통해 문제를 해결하는 경험을 제공하는 형태의 학습 문제로 일부 구성되어 있었다.

학습 문제의 유형을 분석한 결과 정보 교과서에서는 주로 구조성이 높은 학습 문제를 제시하고 있으며 알고리즘과 규칙사용 문제의 비율이 전체의 80% 이상으로 나타나 문제의 목표나 답이 명확한 형태의 학습 문제 비중이 높은 것을 확인할 수 있다.

4.3 프로그래밍 교육 순서에 따른 분류 결과

학습 문제 중 프로그래밍 활동을 포함하는 문제에 한하여 프로그래밍 교육의 순서에 따라 분류한 각 순서별 학습 문제의 수와 비율은 Table 6과 같다.

Table 6.

Analysis Results by Programming Teaching Orders of Learning Problems

교과서에 따라 프로그래밍 교육 순서의 특정 단계를 학습 문제로 제시하지 않는 경우가 있었지만 각 순서가 비교적 고른 분포로 나타났다. 순서별 구성을 상세히 분석하기 위해 시각화한 결과는 Figure 3과 같다.

Figure 3.

Visualization by Programming Teaching Orders of Learning Problems

대부분의 교과서가 6가지 프로그래밍 학습 단계 모두를 학습 문제의 형태로 구성하여 제시하고 있었으며 A와 G교과서의 경우 일부 순서가 학습 문제의 형태로 제시되지 않았다. 특히 E교과서의 경우 각 단계별로 유사한 비율의 학습 문제를 제시하고 있었으며 A교과서는 ‘구조, 사실, 유형’의 단계에 해당하는 학습 문제를 제시하지 않았고 G교과서의 경우 프로그래밍의 ‘개별 구조 동작’에 대한 단계와 ‘구분, 분해, 추상화’와 관련된 학습 문제를 제시하지 않았다.

교과서의 구성을 상세히 살펴보면 주로 프로그래밍에 활용되는 기본 개념과 원리를 학습하는 단계가 ‘구조, 사실, 유형’, ‘개별 구조 동작’ 단계에 해당되었는데 해당 문제가 제시되지 않았던 A와 G교과서는 학습 문제를 해결하는 활동 없이 해당 개념과 원리를 직접 교수법 등을 통한 따라하기의 형태로 표현한 것을 확인할 수 있었다.

‘구분, 분해, 추상화’ 단계의 경우 알고리즘 설계 전에 문제에서 핵심 속성을 뽑아내거나 단순화 하는 과정을 주로 포함하고 있었으며 G교과서의 경우 해당 단계를 학습 문제로 명시적으로 제시하지 않고 특정 문제를 해결하기 위한 프로그램을 작성하는 형태로 포괄적으로 제시하고 있는 것을 확인할 수 있었다.

모든 교과서에서 ‘테스트와 평가’ 단계는 주로 ‘프로그래밍, 알고리즘 설계’의 단계에 이어서 제시되었으며 개별 문제의 형태로 제시되는 경우는 매우 드물게 나타났다. 또한 ‘구별, 분해, 추상화’ 단계에서 ‘테스트 및 평가’ 에 이르는 3가지 단계는 주로 하나의 학습 문제에서 하위 학습 문제로 나누어 제시되는 형태가 많았다. 이는 중복으로 각각의 단계에 분류되었고 학습 문제의 구성에 따라 일부 단계가 생략되는 형태로 다양하게 제시되었다.

전체적인 정보 교과서의 프로그래밍 학습 문제는 각 단계가 고르게 분포되어 있었으며 비교적 유사한 문제의 수로 구성되었고 순차적으로 제시됨을 확인 할 수 있다.

4.4 학습 문제의 맥락에 따른 분석 결과

각 교과서 학습 문제의 맥락을 체계적으로 분석하기 위해 컴퓨팅 사고력을 포함하는 PISA 2022 수학의 맥락을 중심으로 학습 문제를 분류하였다. 분류된 각 맥락의 학습 문제 수와 비율은 Table 7과 같다

Table 7.

Analysis Results by Context of Learning Problems

분석 결과 맥락을 분류할 수 없는 학습 문제의 비중이 가장 크게 나타났으며 개인적 맥락, 과학적 맥락, 사회적 맥락 순으로 나타났다. 모든 교과서에서 직업적 맥락과 관련된 학습 문제는 나타나지 않았다. 상세한 학습 문제의 구성을 분석하기 위해 학습 문제의 맥락 비율을 Figure 4와 같이 시각화 하였다.

Figure 4.

Visualization by Context of Learning Problems

모든 교과서에서 40% ~ 75% 이상의 학습 문제가 맥락을 분류 할 수 없는 것으로 나타나 가장 큰 비중을 차지하고 있는 것을 확인할 수 있다. 그 외에 높은 비중을 차지한 맥락으로는 개인적인 맥락의 학습 문제를 확인할 수 있었다. 특히 G교과서의 경우 맥락을 분류할 수 있는 모든 학습 문제가 개인적 맥락으로 분류되었으며 약 60%에 가까운 학습 문제가 개인적인 맥락으로 나타났다. 이를 통해 G교과서가 학생의 삶과 가장 가까운 학습 문제로 구성되었다고 해석할 수 있었다.

분류 될 수 없는 맥락의 학습 문제 비중이 높은 이유를 분석하면 정보 교과서의 문제 해결과 프로그래밍 단원에서 제시되고 있는 학습 문제는 대부분 프로그래밍을 전제로 한 학습 문제로, 프로그래밍 도구 표현의 특성으로 인해 학생들의 삶에 가까운 맥락을 효과적으로 연관 지어 문제 형태로 제시하는데 한계가 있었던 것으로 해석된다.