안녕하세요, 롤리팝입니다.
이번 웹진에서는 2학년 9개 학급을 대상으로 진행한 '자료와 정보' 단원 수업 사례를 주제로 글을 작성해 보았습니다. 전체적인 수업 사례를 소개해 드리며, 학생들이 실생활 데이터를 직접 수집하고 스프레드시트로 분석하는 과정에서 얻은 교육적 성과와 운영 노하우를 중점적으로 나누고자 합니다.
수업 기획 배경: 왜 '급식 데이터 분석' 프로젝트인가?
최근 2022 개정 교육과정에서는 디지털 리터러시와 데이터 기반 의사결정 능력이 강조되고 있습니다. 그래서 저는 학생들에게 의미 있는 빅데이터 경험을 제공하기 위해 학생들의 일상과 밀접한 '급식'을 주제로 선정했습니다.
이 주제는 세 가지 측면에서 교육적 가치가 있었습니다. 첫째, 모든 학생이 관심을 가질 수 있는 친숙한 주제입니다. 둘째, 설문을 통해 충분한 양의 데이터를 수집할 수 있습니다. 셋째, 분석 결과가 실제 학교 급식 개선에 활용될 수 있어 프로젝트의 실용성과 동기부여를 높일 수 있습니다.
6차시로 구성된 프로젝트 수업 진행 과정
1차시: 프로젝트 소개 및 자료 수집 계획
첫 시간에는 자료와 정보의 개념을 설명하고 급식 데이터 분석 프로젝트를 소개했습니다. 학생들은 5-6명씩 모둠을 이루어 어떤 데이터를 수집할지 계획을 세웠습니다. 선호 메뉴, 잔반량, 급식 만족도 등 다양한 주제가 나왔고, 팀별로 구글 설문지를 활용한 설문지 초안을 작성했습니다.
설문지 초안 예시:
1. 학년/반/성별을 선택해 주세요.
- 학년: [1학년/2학년/3학년]
- 반: [1~9반]
- 성별: [남/여]
2. 오늘의 급식 메뉴 중 가장 만족스러웠던 메뉴를 선택해 주세요.
- 곤드레쇠고기밥
- 느타리버섯된장찌개
- 철판제육볶음&파채
- 에그타르트
- 배추김치
- 애플망고주스
3. 선택한 메뉴의 만족도를 평가해주세요. (5점 만점)
[1점 - 2점 - 3점 - 4점 - 5점]
4. 이번 주 급식 메뉴 중 가장 아쉬웠던 메뉴를 선택해 주세요.
(2번과 동일한 메뉴 목록)
5. 아쉬웠던 이유는 무엇인가요? (복수 선택 가능)
□ 양이 적었다.
□ 간이 맞지 않았다.
□ 조리 상태가 좋지 않았다.
□ 개인적으로 선호하지 않는 음식이다.
□ 기타:_______
6. 남긴 급식의 양은 평균적으로 어느 정도인가요?
○ 거의 남기지 않음(0~10%)
○ 조금 남김(10~30%)
○ 보통(30~50%)
○ 많이 남김(50~70%)
○ 대부분 남김(70% 이상)
7. 앞으로 급식 메뉴로 추가되었으면 하는 메뉴를 적어주세요.
[주관식]
Markdown
복사
이러한 설문지 초안을 바탕으로 학생들은 팀별로 토론하며 질문을 수정하고 보완했습니다.
메뉴 선호도와 잔반량의 상관관계, 학년별, 성별 선호도 차이 등을 분석할 수 있는 질문들을 추가했습니다.
2차시: 자료 수집 및 스프레드시트 기초
두 번째 시간에는 완성된 설문지를 검토하고 QR코드를 생성하여 배포 계획을 세웠습니다. 학생들은 일주일간 실제 급식을 먹은 후 그날의 급식에 대한 설문에 응답하기로 했습니다. 또한 스프레드시트의 기본 인터페이스와 기능을 소개하고, 간단한 서식 지정 및 데이터 입력 방법을 실습했습니다.
학생들은 각 반 단톡방과 학교 SNS를 통해 설문지 링크를 공유했고, 일주일간 설문 조사를 진행했습니다. 정보 수업을 듣는 학생들의 적극적 참여로 총 1,000여 개 이상의 응답을 수집할 수 있었습니다.
3차시: 스프레드시트 기본 함수 학습
설문 후 수업 시간에는 수집된 설문 데이터를 확인하고, 스프레드시트의 기본 통계 함수(SUM, AVERAGE, COUNT, MAX, MIN)와 조건부 함수(COUNTIF, SUMIF, AVERAGEIF)를 학습했습니다. 학생들은 "우리 반에서 가장 선호하는 메뉴는 무엇인가?", "학년별 급식 만족도는 어떻게 다른가?" 등의 질문에 답하기 위해 함수를 활용했습니다.
예를 들어, 학생들은 다음과 같은 분석을 진행했습니다:
처음에는 COUNTIF 함수가 어렵게 느껴졌지만, 실제 우리가 모은 데이터로 연습하니 금방 익숙해졌다. 특히 남학생과 여학생의 메뉴 선호도 차이를 분석할 때 유용했던 것 같다. (2학년 2반 학생)
•
=COUNTIF(C2:C1201, "스테이크") : 스테이크를 선호하는 학생 수 계산
•
=AVERAGEIF(D2:D1201, "5", E2:E1201) : 만족도 5점을 준 메뉴의 평균 잔반량 계산
4차시: 데이터 분석 및 피벗 테이블
네 번째 시간에는 피벗 테이블의 개념과 활용법을 소개하고, 수집된 급식 데이터로 피벗 테이블을 만드는 실습을 진행했습니다. 학생들은 다양한 관점에서 데이터를 분석하고, 그 결과를 해석하는 시간을 가졌습니다.
특히 학년별, 성별로 선호 메뉴를 비교하거나 만족도와 잔반량의 상관관계를 분석하는 과정에서 예상치 못한 패턴을 발견했습니다. 예를 들어, 일부 팀은 남학생들이 스테이크를 가장 선호했지만 여학생들은 떡볶이를 더 선호한다는 흥미로운 결과를 도출했습니다.
5차시: 데이터 시각화
다섯 번째 시간에는 분석한 데이터를 효과적으로 시각화하는 방법을 학습했습니다. 다양한 차트 유형(막대, 원형, 선, 산점도 등)의 특징과 적절한 사용 상황을 소개하고, 분석 결과에 맞는 차트를 선택하여 만드는 실습을 진행했습니다.
학생들은 요일별 급식 만족도를 선 그래프로, 메뉴별 선호도를 막대 그래프로, 학년별 선호 메뉴 비율을 원형 차트로 시각화하는 등 다양한 시각화 방법을 시도했습니다. 또한 차트 디자인을 개선하고 효과적인 시각화 방법을 고민했습니다.
6차시: 결과 정리 및 발표
마지막 시간에는 모둠별로 분석 결과를 종합하여 인포그래픽 형태로 정리하고 발표하는 시간을 가졌습니다. 학생들은 ‘급식 만족도와 잔반량의 상관관계’, ‘요일별 메뉴 변화’, ‘영양소 균형과 선호도의 관계’ 등 다양한 주제로 발표했고, 일부 제안은 학생회를 통해 실제 영양사 선생님께 전달되어 급식 메뉴 구성에 반영되기도 했습니다.
한 모둠은 ‘화요일 철판제육볶음&파채의 만족도가 가장 높았지만(4.7/5점), 느타리버섯된장찌개의 잔반량이 많았다(평균 50% 이상)’는 분석 결과를 바탕으로 ‘느타리버섯된장찌개 대신 학생들이 선호하는 부대찌개나 순두부찌개로 대체하면 전체적인 잔반량을 줄일 수 있을 것’이라는 제안을 했습니다.
교육적 성과와 학생들의 변화
이 프로젝트를 통해 학생들은 단순히 스프레드시트 기술을 배우는 것을 넘어 데이터 기반 의사결정의 가치를 체험할 수 있었습니다. 특히 다음과 같은 변화가 두드러졌습니다.
1.
데이터 리터러시 향상: 학생들은 데이터 수집부터 분석, 시각화, 해석까지 전 과정을 경험하며 데이터를 다루는 기본 역량을 키웠습니다.
2.
협업 능력 강화: 팀 프로젝트를 통해 역할 분담, 의견 조율, 결과 통합 등 협업 과정을 경험했습니다.
3.
실생활 문제해결력 향상: 학교 급식이라는 실제 문제에 데이터 분석을 적용하여 해결책을 도출하는 과정을 경험했습니다.
4.
디지털 도구 활용 능력 신장: 구글 설문지, 스프레드시트, 프레젠테이션 등 다양한 디지털 도구를 목적에 맞게 활용하는 능력이 향상되었습니다.
이전에는 그냥 숫자로만 보였던 데이터가 이제는 의미 있는 정보로 보이는 것 같다. 주변에서 통계 자료를 볼 때도 더 비판적으로 분석하게 되었다. (2학년 7반 학생)
수업 운영의 어려움과 극복 방안
이 프로젝트를 진행하며 몇 가지 어려움도 있었습니다. 첫째, 학생들의 스프레드시트 활용 능력 차이가 컸습니다. 이를 해결하기 위해 기초-고급 단계별 실습 자료를 준비하고, 함수 참조 카드를 제작하여 배포했습니다.
함수 참조 카드란? 학생들이 자주 사용하는 스프레드시트 함수의 구문과 사용 예시를 정리한 학습 도구입니다. 각 페이지에는 함수 이름, 기본 문법, 매개변수 설명, 실제 사용 예시, 결괏값이 포함되어 있어 학생들이 실습 중에 쉽게 참조할 수 있었습니다. 예를 들어, COUNTIF 함수 카드에는 다음과 같은 내용이 담겨 있습니다:
COUNTIF 함수
용도: 특정 조건에 맞는 셀의 개수를 세는 함수
문법: =COUNTIF(범위, 조건)
예시: =COUNTIF(B2:B100, "닭갈비")
결과: B2부터 B100 셀 중 "닭갈비"가 포함된 셀의 개수를 반환
응용: =COUNTIF(C2:C100, ">3") - C2부터 C100 셀 중 값이 3보다 큰 셀의 개수를 반환
CSS
복사
둘째, 데이터 수집 과정에서 불성실한 응답이나 오류가 발생했습니다. 이는 데이터 정제 과정을 추가하여 학생들이 실제 데이터 분석에서 발생하는 문제를 경험하고 해결하는 기회로 활용했습니다.
셋째, 실습 과정에서 학생들의 진도 차이가 발생했습니다. 이를 위해 각 학급에서 스프레드시트 활용 능력이 뛰어난 1~2명의 학생을 ‘데이터 도우미’로 지정하여 동료 학습을 촉진했습니다. 도우미 학생들은 자신의 지식을 나누며 리더십을 발휘할 수 있었고, 다른 학생들은 부담 없이 질문할 수 있는 분위기가 조성되었습니다.
다른 교사들을 위한 제언
이 수업 사례를 바탕으로 빅데이터 교육을 계획하시는 선생님들께 몇 가지 제언을 드리고 싶습니다.
1.
친숙한 주제 선정: 학생들의 일상과 관련된 주제를 선택하면 참여 동기가 높아집니다. 급식, 등하교 시간, 독서 습관 등이 좋은 예시입니다.
2.
실시간 데이터 활용: 일주일간의 급식 메뉴와 같이 학생들이 직접 경험하는 실시간 데이터를 활용하면 분석 결과에 대한 관심과 몰입도가 높아집니다.
3.
단계적 접근: 데이터 수집부터 시각화까지 단계별로 나누어 진행하고, 단계마다 성취감을 느낄 수 있도록 구성하세요.
4.
실습 자료 준비: 다양한 수준의 학생들을 고려한 단계별 실습 자료를 준비하면 개별 지도 부담을 줄일 수 있습니다.
5.
결과 활용 계획: 분석 결과가 실제로 활용될 수 있는 방안을 미리 계획하면 학생들의 참여 의욕이 높아집니다.
마치며: 데이터로 세상을 읽는 힘
이번 프로젝트를 통해 학생들은 단순히 스프레드시트 기능을 배우는 것을 넘어 '데이터로 세상을 읽는 힘'을 기를 수 있었습니다. 디지털 전환 시대에 데이터 리터러시는 모든 학생이 갖추어야 할 핵심 역량입니다.
다음에는, 이 프로젝트를 발전시켜 학교 에너지 사용량, 지역사회 환경 데이터 등으로 주제를 확장할 계획입니다. 또한 파이썬을 활용한 데이터 분석까지 연계하여 더 심화된 빅데이터 교육을 진행하고자 합니다. 이 수업 사례가 빅데이터 교육에 관심 있는 많은 선생님께 도움이 되길 바랍니다.