* 미국 IES(Institute of Education Sciences) Elisa Steele와 Lauren Amos는 ERIC 시스템(교육연구 DB)을 통해 컴퓨터과학 교육과 관련된 최신 연구 결과를 소개했다.
* 그들은 인공지능(AI)과 자동화가 직업 경로를 파괴할 것이라는 우려에도 불구하고, 미국 노동부의 전망에 따르면 미국 내 컴퓨터 관련 인재에 대한 수요는 지속적으로 늘어날 것이다.
* 연방 정부는 K-12 컴퓨터과학 교육을 지원하기 앞서, 지역의 여러 교육 프로그램 효과를 정확히 파악한 후에 실효성 있는 정책 수립을 해야 한다.
▶주요 내용
- 최근 Code.org 연구*에 따르면, K-12 학교들은 학생들에게 컴퓨터과학의 탄탄한 기초를 제공하는 데 어려움을 겪고 있다.
* 2024년 고교 졸업생 중 19%가 최소 한 과목 이상 컴퓨터 과학을 수강함
* 12개 주에서 컴퓨터과학 졸업 요건을 시행하고 있음
*code.org 연구: https://drive.google.com/file/d/1p1x-UFVec0fwXOBv2B17j65wiD8KYSvQ/view
- 컴퓨터과학 교육 프로그램에 대한 평가는 미국 교육기준법(ESSA)에서 정한 상위 3단계 근거 기준*을 충족하는 경우가 드물다. 컴퓨터과학 프로그램의 효과에 대한 연구가 부족하기 때문에, 교사들은 어떤 교육과정이나 프로그램을 채택해야 할지, 그리고 그 이유는 무엇인지 결정을 내리는 데 어려움을 겪고 있다.
*3단계 근거기준: https://ies.ed.gov/ies/2025/01/essa-tiers-evidence
- 컴퓨터과학(CS) 교육의 효과성을 입증하는 것도 어렵다. 컴퓨팅 사고력, 코딩 및 기타 컴퓨팅 기술에 대한 표준화된 측정 도구*가 현저히 부족하기 때문이다.
- REL Mid-Atlantic(중부대서양 지역교육연구소)은 매릴랜드 컴퓨터교육센터, 공립학교와 함께 지역 컴퓨터교육 역량을 강화하는 노력을 기울이고 있다. 최근 도입한 컴퓨터과학 교육 프로그램은 아래와 같다.
* 수학 수업 시간 중(두 시간) 중 한 시간을 컴퓨터과학으로 전환,
* 중학교 교육과정에 컴퓨텅 사고력 수업 포함,
* 8학년 컴퓨터과학 탐구 필수 과정 도입 등
- 새로운 교육 프로그램을 운영한 후에는, 효과성을 분석하고 정책의 성공 여부를 판단할 예정이다. 분석·평가 활동은 아래 3가지 원칙에 따라 수행할 것이다.
* 첫째, 컴퓨터과학 교육프로그램의 목표와 성과의 명확한 인과관계 확인하기
* 둘째, 교육 목표는 SMART(구체적, 측정 가능, 달성 가능, 관련성, 시간 제한) 원칙 준수하기
* 셋째, 적절한 비교군을 설정해 장기적인 성취도 비교가 가능하도록 하기
- 지금까지 방법에 따라 진행된 연구결과는 2026년 연말에 나올 예정이다. 본 연구는 컴퓨터과학 교육이 다른 과목 학업 성취도에 부정적 영향을 끼치지 않으면서, 컴퓨터과학 교육에 대한 접근성과 기회를 확대하기 위한 창의적인 방법을 찾는데 도움이 되길 바란다.
▶ 시사점
- 교육 연구는 그 특성상 직접적인 효과성에 대한 연구가 제한적이다. 특히 비교 연구는 그룹 간 변수 통제가 매우 어렵다.
- 이 연구는 데이터 확보 어려움에도 불구하고, 고유의 ‘데이터 및 방법 매핑*’을 통해 신뢰할 수 있는 분석과 평가방법을 도출했다.
* 데이터 및 방법 매핑: https://ies.ed.gov/rel-mid-atlantic/2026/05/relma-mcce-datamethodsmapping-5080-xlsx
정부가 실효성 있는 교육정책을 수립하고 높은 성과를 달성하기 위해서는, 개인정보 보호라는 규범 해석의 유연성을 통해 교육현장의 실증연구가 더 활발해 질 필요가 있다.
▶ 결론
- AI 시대에도 여전히 컴퓨터과학 인력의 수요는 증가할 예정이며, 열악한 지역 교육 현장도 컴퓨터과학 교육을 적극 추진해야 한다.
- 정부는 지역 컴퓨터과학 교육 역량을 높이기 위한 정책을 추진하기 앞서, 현재 다양한 컴퓨터과학 교육 프로그램의 효과성을 객관적으로 분석하고 그 결과를 토대로 실효성 있는 정부 교육정책과 예산 지원이 이뤄져야 한다.