AI·환경 융합 교육에 대한 교사 인식 및 프로그램 현장 적용 가능성 탐색

지속가능발전교육(Education for Sustainable Development, ESD)은 기후변화, 환경오염, 빈곤, 불평등과 같이 상호 연계된 글로벌 문제를 해결하기 위한 역량을 기르는 교육으로, 지속가능한 사회를 구현하기 위한 핵심 교육 패러다임으로 제시되고 있다. UNESCO는 ESD를 모든 학습자가 지속가능한 발전을 위해 필요한 지식, 기술, 가치, 태도를 함양하도록 지원하는 교육으로 정의하며, 지속가능발전목표(SDGs) 달성을 위한 핵심 요소로 규정하였고 이는 Figure 1과 같다[2].

Figure 1.

Sustainable Development Goals (SDGs)

ESD는 환경·경제·사회의 통합적 관점을 바탕으로 하며, 단일 교과에 국한되지 않고 범교과적으로 실천되어야 하는 성격을 지닌다. 실제로 우리나라 초등교육과정에서도 ESD 관련 내용은 사회, 과학, 도덕, 실과 등 다양한 교과에 분산되어 반영되고 있으며, 이는 ESD가 교과 간 융합을 통해 실현되어야 함을 시사한다[3]. 초등교육 맥락에서 ESD는 학습자의 발달 특성을 고려한 접근이 요구되는데, 구체적 조작기에 해당하는 초등학생은 일상생활과 밀접한 환경 문제를 통해 지속가능성 개념을 보다 효과적으로 이해할 수 있다[4]. 이에 따라 초등 ESD는 학습자의 생활 세계에서 출발하여 환경 감수성을 기르고, 점진적으로 사회적·지구적 문제로 확장하는 방식이 적절하다.

ESD는 지식 전달 중심의 교수·학습 방식보다는 학습자의 참여와 실천을 강조하는 교수·학습 방법을 통해 효과적으로 구현될 수 있다. 특히 디지털 환경에 익숙한 초등학생들에게는 상호작용적이고 문제 해결 중심의 학습 경험이 중요하며, 이는 기존의 일방향적 수업 방식의 한계를 보완한다. 김미경(2023)의 연구에 따르면 문제중심학습(PBL)은 실제적 문제를 기반으로 학습자가 주도적으로 탐구하고 협력하는 과정에서 비판적 사고력과 실천 역량을 효과적으로 신장시키는 교수·학습 모형으로 보고되고 있다[5].

ESD가 지향하는 지속가능성 관련 문제 해결 과정은 학습자의 주체적 탐구와 협력적 실천을 핵심으로 하며, 이는 PBL의 구조와 높은 유사성을 가진다. 따라서 ESD 교육에서 디지털 기술과 PBL과 같은 학습자 중심 교수·학습 전략을 결합하는 것은 지속가능성 역량을 효과적으로 함양하는 데 의미 있는 접근이라 할 수 있다.

AI 교육은 미래 사회에서 요구되는 문제 해결력과 디지털 역량을 함양하기 위한 핵심 교육 요소로 부각되고 있다. 2022 개정 교육과정에서는 AI를 특정 교과에 국한된 학습 내용이 아닌, 모든 교과에서 활용가능한 기초 소양으로 제시하고 있으며, 중요성과 배당 시간이 더욱 증가했다.

그러나 이수연(2020)의 선행연구에 따르면 초등교사들은 AI 교육의 필요성에는 공감하지만, 초등 저·중학년 수준에서 무엇을 어떻게 가르쳐야 하는지에 대해서는 여전히 혼란을 느끼고 있는 것으로 나타났다[6]. 특히 기존 AI 교육 연구는 고학년을 중심으로 이루어져 있어, 초등 중학년 학습자의 발달 수준을 고려한 AI 교육 자료와 교수·학습 설계에 대한 연구가 부족한 실정이다. 이는 초등학교 중학년을 대상으로 한 실천적 AI 교육 연구의 필요성을 시사한다.

초등 AI 교육에서는 학습자의 인지적 부담을 최소화하면서도 AI의 기본 원리를 체험할 수 있는 도구의 활용이 중요하다. 중요하다. 대표적인 도구로는 블록 기반 프로그래밍 환경을 제공하는 엔트리와 물리적 컴퓨팅을 지원하는 마이크로비트가 있다. 각각의 화면은 Figure 2, Figure 3과 같다.

Figure 2.

Naver Entry main screen

Figure 3.

Microbit main screen

엔트리는 한국어 기반 인터페이스와 AI 기능을 제공하여 알고리즘적 사고와 데이터 분류 개념을 직관적으로 학습할 수 있도록 지원하며, 학습 몰입도와 논리적 사고력 향상에 긍정적인 효과를 보인 바 있다[7].

마이크로비트는 센서와 출력 장치를 활용한 피지컬 컴퓨팅을 통해 추상적인 AI 개념을 실제 문제 해결과 연결할 수 있는 도구로, 학습자의 흥미와 참여를 유도하는 데 효과적이다[8]. 이러한 도구들은 AI 교육을 환경 문제 해결과 연계하여 융합적으로 적용할 수 있는 가능성을 지닌다.

프로그램 A는 초등학교 3학년 학생이 생활 주변의 환경 문제를 인식하고, 이를 인공지능 도구를 활용하여 해결하는 경험을 제공하는 것을 목표로 개발되었다. 사회과와 도덕과 교육과정의 성취기준을 분석하여 지역사회 문제 탐색, 생태 감수성, 공동체적 실천을 핵심 요소로 설정하였다. 특히 분리배출이라는 일상적 환경 문제를 중심으로, 마이크로비트를 활용한 체험 중심 활동을 통해 AI 기반 문제 해결 과정을 경험하도록 설계하였다.

본 프로그램은 문제중심학습(PBL) 모형을 적용하여 총 9차시로 구성되었고 그 구체적인 내용은 Table 3과 같다. 학습자는 지역의 분리배출 문제를 탐색하고, 마이크로비트 센서를 활용한 활동과 플로깅 실습을 통해 데이터를 수집·분석하며 해결 방안을 도출한다. 주요 활동은 AI 기초 이해, 지역 환경 문제 분석, 마이크로비트 활용 분리배출 활동, 데이터 정리 및 시각화, 환경 실천 다짐으로 구성된다.

Table 3.

Program A Lesson Plan

프로그램 A의 주요 특징은 다음과 같다.

첫째, 초등 저학년 수준에 적합한 AI 체험 중심 설계로, 복잡한 코딩 대신 ‘조건-판단-행동’ 구조를 중심으로 AI적 사고를 경험하도록 구성하였다.

둘째, 플로깅과 분리배출 실습을 통해 실제 환경 문제 해결과 학습을 연계하였다.

셋째, 수집한 쓰레기 데이터를 정리·시각화하는 활동을 통해 데이터 기반 사고의 기초를 형성하도록 하였다.

프로그램 B는 초등학교 4학년 학생이 기후위기 문제를 인과적으로 이해하고, 이를 시뮬레이션 형태로 구현하는 경험을 제공하는 것을 목표로 개발되었다. 사회·도덕·과학 교과의 성취기준을 통합적으로 분석하여 지역 환경 문제 탐구, 기후변화 이해, 실천적 태도 형성을 핵심 목표로 설정하였다. 특히 블록 기반 프로그래밍 도구인 엔트리를 활용하여 기후위기의 원인과 결과를 모델링하도록 설계하였다.

본 프로그램은 문제중심학습(PBL) 모형에 따라 총 10차시로 구성되었고, 구체적인 내용은 Table 4와 같다. 학습자는 지역의 기후위기 문제를 탐색하고, AI 기초 이해 활동을 거쳐 기후위기 시뮬레이션을 설계·제작한다. 주요 활동은 AI 기초 및 윤리 이해, 지역 기후 문제 분석, 엔트리 기초 학습, 시뮬레이션 기획 및 제작, 결과 공유 및 실천 다짐으로 구성된다.

Table 4.

Program B Lesson Plan

프로그램 B의 주요 특징은 다음과 같다.

첫째, 기후위기의 원인과 결과를 변수와 조건으로 모델링하여 인과적 사고를 강화하였다.

둘째, 시뮬레이션 제작 과정을 통해 알고리즘과 컴퓨팅 사고력을 자연스럽게 경험하도록 설계하였다.

셋째, 결과 공유와 실천 활동을 통해 학습을 일상 속 환경 실천으로 확장하도록 구성하였다.

본 연구의 전문가 집단은 초등학교 현장에서 근무 중인 교사 3명으로, 담당 학년과 교직 경력, AI 및 환경교육 경험에서 다양한 배경을 지닌 집단이다. 모든 전문가는 교과 수업에서 AI 또는 디지털 리터러시 교육과 환경교육을 실시한 경험이 있어, 개발된 AI·환경 융합 교육 프로그램에 대해 현장 적용 관점에서 평가할 수 있는 적절한 집단으로 판단된다. 구체적인 내용은 Table 5와 같다.

Table 5.

Expert Group Characteristics

설문 도구의 내용 타당도를 확보하기 위해 전문가 타당도 검증(Content Validity Index, CVI)을 실시하였고 그 결과는 Table 6과 같다. 총 31개 문항에 대한 척도 수준 내용 타당도 지수(S-CVI)는 0.98로 나타나 연구 도구의 내용 타당도가 확보된 것으로 확인되었다. 개별 문항의 내용 타당도 지수(I-CVI)는 0.80~1.00 범위로 나타났다. 그러나 프로그램 A의 사후 설문 문항 중 1개 문항은 내용 타당도 지수(I-CVI)가 기준에 미달하여 수정이 이루어졌다. 해당 문항은 환경 관련 용어 사용의 정확성에 대한 전문가 의견을 반영하여 ‘분리수거’라는 표현을 ‘분리배출’로 수정하였다. 이후 모든 문항은 최종 연구 도구로 확정되었으며, 문항 삭제 없이 총 31개 문항이 분석에 활용되었다.

Table 6.

Expert Group Validation Results(CVI)

프로그램 A는 마이크로비트를 활용한 분리배출 및 환경 개선 활동 중심의 수업안으로, 전문가 사후 설문은 10개의 리커트 문항과 2개의 개방형 문항으로 구성되었다. 정량 분석 결과, 모든 문항에서 평균 4.33점 이상으로 나타나 전반적으로 높은 평가를 받았다.

특히 지역 연계 활동의 효과성과 환경·AI 요소의 통합성에 대한 문항은 모든 전문가가 5점을 부여하여, 프로그램이 학습자의 실제 생활 맥락과 기술적 요소를 유기적으로 연결하고 있음을 확인할 수 있었다. 반면 AI 개념 설명의 명확성과 활동 난이도에 대한 문항에서는 전문가 간 일부 차이가 나타나, 학년 수준을 고려한 설명과 활동 조정의 필요성이 제기되었다.

개방형 응답 분석 결과, 프로그램의 융합적 구성과 교육적 의미에 대한 긍정적 평가가 공통적으로 나타났으며, 용어 사용의 정확성 및 활동 시간 배분에 대한 개선 의견이 제시되었다.

프로그램 B는 엔트리를 활용한 기후위기 시뮬레이션 제작 중심의 수업안으로, 프로그램 A와 동일한 구조의 사후 설문을 통해 평가되었다. 정량 분석 결과, 문항 평균은 모두 4.33점 이상으로 나타났으며, 절반 이상의 문항에서 평균 5.00점을 기록하였다.

특히 시뮬레이션 제작 활동이 컴퓨팅 사고력과 문제 해결 능력 향상에 기여한다는 문항과 기후위기 대응 설계 과정의 창의성 증진 효과에 대해 매우 긍정적인 평가가 나타났다. 반면 교육과정 연계성과 활동 난이도에 대한 일부 문항에서는 보완 필요성이 제기되었다.

개방형 응답에서는 학생 주도적 탐구 활동과 지역 및 생활 맥락과의 연계성이 프로그램의 강점으로 강조되었으며, 엔트리 활용 단계의 세분화와 실천 활동의 명시적 연결이 개선점으로 제안되었다.

전문가 집단의 사전·사후 설문 결과를 종합한 결과, 본 연구에서 개발한 두 가지 AI·환경 융합 교육 프로그램은 교육적 타당성과 학교 현장 적용 가능성 측면에서 긍정적인 평가를 받았다. 사전 설문을 통해 AI 및 환경교육의 중요성과 융합교육의 필요성에 대한 공감대가 확인되었으며, 사후 설문에서는 실제 수업안의 완성도와 적용 가능성에 대한 구체적인 피드백이 도출되었다.

다만 두 프로그램 모두 실제 수업 적용 시 시간 배분, 활동 난이도 조정, 용어 설명의 명확성 등 세부적인 보완이 요구되었으며, 이는 향후 프로그램 개선 및 후속 연구에서 반영되어야 할 과제로 제시된다.

본 연구에는 초등교사를 대상으로 한 온라인 설문에 총 122명이 참여하였다. 이 중 프로그램 A 사후 설문에는 88명, 프로그램 B 사후 설문에는 89명이 응답하였다. 사전 설문과 사후 설문 간 응답자 수의 차이는 프로그램 선택 참여 및 설문 참여 범위의 차이에 따른 것으로, 교사의 자발적 참여 특성에 기인한다.

Table 1에 따르면 연구 참여 교사의 담당 학년은 3학년과 4학년이 가장 높은 비율을 차지하였으며, 이는 본 연구가 중학년을 주요 적용 대상으로 설정한 점과 관련된다. 연령대는 30대에서 40대 교사가 가장 많았고, 교직 경력은 6년에서 10년 사이의 교사가 가장 높은 비중을 보였다. 전반적으로 다양한 경력과 학년 배경을 가진 교사들이 참여하여, 프로그램에 대한 현장 중심의 인식을 폭넓게 수집할 수 있었다.

또한 다수의 교사가 인공지능 및 디지털 리터러시 교육과 환경교육에 대한 관심과 경험을 보유하고 있는 것으로 나타났다. 인공지능 또는 디지털 리터러시 교육 경험이 있다고 응답한 교사는 전체의 대부분을 차지하였으며, 환경 역량 함양 교육 경험 역시 높은 비율로 나타났다.

초등교사의 AI 교육, 환경교육, AI·환경 융합교육에 대한 인식을 조사하기 위해 5점 Likert 척도의 사전 설문을 실시하였다. 측정 도구의 타당성을 검증하기 위해 탐색적 요인 분석(EFA)을 실시한 결과, KMO 값은 .896으로 나타나 요인분석에 적합한 수준이었다. 그러나 고유값(Eigenvalue) 1 이상을 기준으로 단일 요인이 추출되어, 응답자들이 세부 영역을 구분하기보다는 전반적인 인식 차원에서 문항을 인식하고 있음을 확인하였다.

이러한 결과는 AI 교육, 환경교육, AI·환경 융합교육에 대한 교사의 인식이 서로 독립된 개념이라기보다 하나의 통합된 인식 구조로 형성되어 있음을 시사한다.

한편 본 연구에서는 각 영역에 대한 인식 수준의 차이를 보다 구체적으로 탐색하기 위해, 설문 문항을 AI 교육, 환경교육, AI·환경 융합교육의 세 영역으로 구분하여 신뢰도 분석을 실시하였다. 이는 요인 구조를 재확정하기 위한 목적이 아니라, 각 영역별 응답 경향을 비교·탐색하기 위한 분석적 접근에 해당한다.

분석 결과, AI 교육에 대한 인식(Cronbach’s α=.852)과 환경교육에 대한 인식(Cronbach’s α=.889)은 높은 내적 일관성을 보였다. 반면 AI·환경 융합교육 인식 요인은 Cronbach’s α=.573으로 낮은 수준을 보였다.

이와 같은 결과는 첫째, AI와 환경교육의 통합적 개념이 교육 현장에서 아직 명확하게 구조화되지 않아 교사들이 ‘융합’ 개념을 일관되게 인식하지 못했을 가능성, 둘째, 관련 교수·학습 경험의 부족으로 인해 응답의 일관성이 낮아졌을 가능성, 셋째, 문항이 복합적 개념을 동시에 포함함에 따라 측정 대상이 명확하게 구분되지 않았을 가능성에 기인한 것으로 해석된다.

또한 해당 요인의 신뢰도를 개선하기 위해 문항 삭제 및 수정 가능성을 검토하였으나 유의미한 변화가 나타나지 않았다. 이에 따라 본 연구는 측정의 안정성을 확보하기 위해 AI·환경 융합교육 인식 요인을 최종 분석에서 제외하고, 신뢰도가 확보된 AI 교육과 환경교육 인식 요인만을 종속변수로 활용하였다.

이러한 결과는 AI·환경 융합교육에 대한 교사의 인식이 아직 독립된 구성개념으로 정립되지 않았음을 보여주며, 향후 관련 개념을 보다 명확히 반영할 수 있는 측정 도구 개발이 필요함을 시사한다.

AI 교육에 대한 인식에서는 ‘AI 교육을 적용하기 위한 교육 자료 및 지원의 필요성’ 문항이 가장 높은 평균을 보였으며, 기본적인 AI 개념 이해와 AI 교육의 교육적 효과에 대해서도 비교적 긍정적인 인식이 나타났다. 반면, AI 교육을 지도할 수 있는 교사의 전문성과 역량에 대한 인식은 상대적으로 낮은 경향을 보였다.

환경교육에 대한 인식은 전반적으로 높은 수준을 나타냈으며, 환경교육의 필수성과 실천적 중요성, 지역 환경 문제를 수업에 반영하는 것의 교육적 가치에 대해 교사들의 높은 동의가 확인되었다.

교직 경력에 따른 인식 차이를 분석하기 위해 일원배치 분산분석(ANOVA)을 실시하였고, 기술통계와 ANOVA 결과요약표는 Table 7, Table 8과 같다.

Table 7.

Descriptive Statistics by Teaching Experience

Table 8.

One-way ANOVA Results of Pre-survey by Teaching Experience

분석에 앞서 실시한 Levene의 등분산 검정 결과, AI 교육 및 환경교육 인식 모두 등분산 가정을 충족하였다.

분석 결과, AI 교육에 대한 인식은 교직 경력 집단 간 유의수준에 근접한 차이를 보였다(F=2.559, p=.058). 특히 6년~10년 경력 교사 집단이 가장 높은 평균을 나타낸 반면, 21년 이상 고경력 교사 집단은 상대적으로 낮은 평균을 보였다.

Tukey HSD 사후검정을 실시한 결과, 모든 집단 간 비교를 수행하였으며, 그 중 6년~10년 경력 집단과 21년 이상 경력 집단 간에서만 차이가 나타났고, 그 외 집단 간 비교에서는 통계적으로 유의한 차이가 나타나지 않았다.

이러한 경향은 중경력 교사들이 새로운 교육 기술에 대해 상대적으로 긍정적으로 인식할 가능성을 시사하며, 고경력 교사들은 새로운 기술 기반 교육에 대한 익숙함이나 자신감이 상대적으로 낮을 가능성을 시사한다.

반면, 환경교육에 대한 인식은 교직 경력에 따른 유의한 차이가 나타나지 않아, 환경교육의 중요성은 경력과 무관하게 비교적 일관되게 인식되는 경향을 보였다.

프로그램 A에 대한 초등교사의 인식을 분석하기 위해 사후 설문조사를 실시하였으며, 총 88명이 응답하였다. 설문도구의 신뢰도는 Cronbach’s α=.85로 나타나 내적 일관성이 확보되었다. 프로그램 A에 대한 전체 평균 인식은 4.25점(SD=0.49)으로, 이론적 중간값 3.0보다 통계적으로 유의하게 높았다(t=23.96, p<.001, Cohen’s d=2.55). 이는 교사들이 본 프로그램을 전반적으로 긍정적으로 평가하고 있음을 보여준다. 특히 Cohen’s d 값이 2.55로 나타난 것은 프로그램 A가 마이크로비트를 활용한 분리배출 프로젝트 형태로 구성되어 있어 문제 해결 과정이 구체적이고 산출물이 명확하게 드러나는 수업이라는 점이 영향을 미친 것으로 해석된다. 또한 교사들이 실제 수업 상황을 비교적 쉽게 상상할 수 있어 현장 적용 가능성에 대한 인식이 높게 나타났을 가능성이 있다. 프로그램의 목적 이해도와 학습 동기 유발 효과에 대한 문항에서 높은 평균을 보인 반면, 활동 난이도에 대한 문항은 상대적으로 낮은 점수를 나타냈다. 각각의 결과는 Table 9과 같다. 다만 본 분석은 사후 설문만을 바탕으로 한 교사들의 인식 수준을 확인한 것이므로, 프로그램 참여 전후의 변화를 직접적으로 비교한 효과성 검증으로 해석하는 데 제한이 있다. 따라서 본 결과는 프로그램에 대한 교사들의 전반적인 긍정적 인식과 프로그램의 교육적 적합성을 나타내는 것으로 해석하는 것이 적절하다.

Table 9.

Post-Survey Results (Program A, Elementary School Teacher Group)

또한 프로그램에 대한 긍정적 인식이 기존 수업과 비교하여 어떻게 인식되는지를 확인하기 위해 주관식 응답에 대한 질적 분석을 실시하였다.

분석 결과, 교사들은 프로그램 A의 특징을 ‘교육 내용의 혁신성’, ‘실생활 연계성’, ‘활동 중심 학습’으로 인식하고 있었으며, 이는 기존의 수업과 비교하여 학습자의 참여와 경험을 강조하는 교수·학습 방식으로 받아들여졌음을 보여준다. 특히 “이론 학습과 실제 경험을 유기적으로 결합한 점이 돋보인다”, “분리배출이라는 일상적 소재를 AI와 연결한 점이 인상적이다”와 같은 응답은 본 프로그램이 새로운 학습 경험을 제공하는 것으로 인식되었음을 시사한다. 반면 단점 및 개선 필요성으로는 ‘내용 및 난이도 조정의 필요성’, ‘학습 자료의 보완’, ‘수업 시간 및 물리적 제약’이 주요 범주로 나타났다. 또한 프로그램 A의 활성화를 위한 제언으로는 사후 활동 확대, 교육 기자재 지원, 학습자 중심 활동 강화가 공통적으로 제시되었다. 구체적인 질적 분석 결과는 Table 10과 같다.

Table 10.

Results of the Qualitative Analysis of Open-ended Responses (Program A, Elementary School Teacher Group)

프로그램 B에 대한 초등교사의 인식을 분석하기 위해 사후 설문조사를 실시하였으며, 총 89명이 응답하였다. 설문도구의 신뢰도는 Cronbach’s α=.91로 나타나 내적 일관성이 확보되었다.

프로그램 B에 대한 전체 평균 인식은 4.26점(SD=0.75)으로, 이론적 중간값 3.0보다 통계적으로 유의하게 높았다 (t=20.57, p<.001, Cohen’s d=0.58). 프로그램 B의 경우 평균 점수는 프로그램 A와 유사하게 높게 나타났으나, 효과크기는 0.58로 중간 수준에 머물렀다. 이는 엔트리 기반 기후위기 시뮬레이션 활동이 개념 이해와 추상적 사고를 요구하는 특성이 있어 교사들이 실제 수업 적용 장면을 구체적으로 상상하는 데 상대적으로 어려움을 느꼈기 때문으로 해석된다. 또한 시뮬레이션 기반 활동은 결과가 가시적으로 드러나는 프로젝트 활동에 비해 학습 효과를 직관적으로 인식하기 어려워 효과크기가 상대적으로 낮게 나타났을 가능성이 있다.

특히 시뮬레이션 제작 활동을 통한 학습 동기 유발과 학생 참여 촉진과 관련된 문항에서 높은 평균을 보인 반면, 실제 수업 적용 의향에 대한 문항은 상대적으로 낮은 점수를 나타냈다. 각각의 결과는 Table 11과 같다.

Table 11.

Post Survey Results (Program B, Elementary School Teacher Group)

또한 본 연구에서는 프로그램 B에 대한 긍정적 인식이 단순한 만족 수준을 넘어 기존 수업과 비교하여 어떻게 인식되는지를 확인하기 위해 주관식 응답에 대한 질적 분석을 실시하였다.

분석 결과, 교사들은 프로그램 B의 특징을 ‘교육 내용의 혁신성’, ‘학습자 주도성’, ‘체험 중심 학습’으로 인식하고 있었으며, 이는 기존의 설명 중심 수업과 비교하여 학습자가 주도적으로 문제를 탐구하고 해결하는 교수·학습 방식으로 받아들여졌음을 보여준다.

특히 지역 환경 문제를 중심으로 학습자가 직접 조사하고 해결 방안을 모색하는 활동, 데이터 기반 탐구 및 시뮬레이션 구성 등의 요소는 기존 수업과 차별화되는 경험으로 인식되었다. 실제로 “지역 문제를 아이들이 스스로 조사하고 발표하는 활동이 인상적이다”, “학습자 주도로 데이터를 기반으로 하는 탐구 활동이 가능하다”는 응답은 본 프로그램이 학습자의 주도성과 실제적 문제 해결 경험을 강화하는 방향으로 설계되었음을 시사한다. 반면 단점 및 개선 필요성으로는 ‘내용 및 난이도 부적절성’, ‘학습 자료 및 구성의 한계’, ‘수업 시간 및 물리적 제약’이 주요 범주로 나타났다. 또한 프로그램 B의 활성화를 위한 제언으로는 사후 활동 강화, 교육 환경 및 기자재 지원, 학습자 중심 활동 확대가 공통적으로 제시되었다. 구체적인 질적 분석 결과는 Table 12와 같다.

Table 12.

Results of the Qualitative Analysis of Open-ended Responses (Program B, Elementary School Teacher Group)