현대 과학교육의 목표는 과학 지식의 축적을 넘어 과학을 비판적으로 이해하고 일상생활에 적용할 수 있게 하는 과학적 소양(Scientific Literacy)을 기르는 것이다[1]. 지난 수년간 과학 교사들과 과학교육 연구자들은 학생의 과학적 소양을 향상하기 위해 과학 탐구, 실생활과 밀접한 과학교육, 사회적 이슈와 연결된 과학교육에 대한 관심을 포함한 다양한 노력을 기울여왔다[2-4].

최근에는 과학기술의 발전과 함께 과학적 소양 교육을 위한 도구로 디지털 테크놀로지를 수업에 활용하려는 시도가 이루어지고 있다. 디지털 테크놀로지는 학업 성취도 향상, 학습 참여 촉진, 상호작용 증가, 자유로운 탐구와 문제 해결 기회 제공 등의 장점이 있기 때문이다[5, 6]. 특히 물리학에서는 시뮬레이션 실험, 증강 현실(Augmented Reality, AR) 기술을 활용한 과학 수업, 마이크로컴퓨터 기반 실험실(Microcomputer-Based Laboratory, MBL), 생성형 인공지능을 활용한 물리학 수업 등을 통해 문제 해결 능력, 탐구 능력, 비판적 사고력 등의 과학적 소양을 향상하려는 시도가 이어지고 있다[7-11].

우리나라의 2022 개정 과학과 교육과정의 물리 영역에서는 디지털 테크놀로지가 적용된 수업을 명시적으로 요구하고 있다. 예컨대 힘과 에너지에서 “운동에 대한 기록과 자료의 해석·분석에 사진기나 운동 센서 등 다양한 디지털 탐구 도구를 활용할 수 있도록 한다”라는 내용, 전기와 자기에서 “전기 회로 실험에서 디지털 탐구 도구나 가상 실험을 활용할 수 있다”라는 내용, 열에서 “온도를 측정하거나 열의 전도를 관찰하는 활동에서 온도 센서 등 디지털 탐구 도구를 활용하도록 한다”라는 내용, 빛과 파동에서 “빛의 직진, 반사, 굴절 현상을 관찰할 때 컴퓨터 시뮬레이션, 가상 현실, 증강 현실 등을 이용하여 관찰을 보조할 수 있다”라는 내용 등이 포함되었다[12].

교사는 그들의 지식, 기술, 신념을 바탕으로 테크놀로지 통합의 도입 여부와 수준을 결정하기 때문에[13] 교수학습 과정에 테크놀로지가 통합되는 데에는 교사가 핵심적인 역할을 한다[14]. 교육 현장에서 과학 교사들은 디지털 테크놀로지의 중요성은 인식하고 있으나, 관련된 기술적 역량이 부족하여 디지털 테크놀로지를 수업에 효과적으로 활용하지 못하고 있다[15]. 과학 교사들이 디지털 테크놀로지를 수업에 효율적으로 활용할 수 있는 전문성을 계발할 수 있도록 지원해야 하며, 전문성 측정을 통해 교사의 성장에 필요한 진단 정보와 피드백을 제공하고 지속적인 전문성 개발을 도울 필요가 있다[16]. 따라서 과학 교사의 디지털 테크놀로지 활용 관련 전문성을 측정하는 방법이 필요하며, 적절한 측정 방법을 개발하기 위해서는 과학 교사의 디지털 테크놀로지 관련 전문성의 이론적 틀이 확립될 필요가 있다.

교육에서 디지털 테크놀로지를 활용하는 교사의 지식, 기술, 태도 등을 디지털 소양(Digital Literacy)이라고 한다[17]. 교사의 디지털 소양에 관해서는 여러 연구에서 다양한 이론적 틀을 제시해왔다[18-23]. 교사의 디지털 소양에 대한 연구 동향을 분석한 연구은 여러 차례 이루어졌는데, Nguyen & Habók[17]은 교사의 디지털 소양의 이론적 틀을 분석했으며, Zou et al.[24]은 구조적 토픽 모델링(Structural Topic Modelling)과 서지 분석을 수행했다. 이 연구들은 전체 교과를 대상으로 수행된 연구들이다. 과학 교과에서는 시뮬레이션과 모델링 도구, MBL과 같은 특화된 디지털 도구들이 사용되기 때문에[25] 과학 교과에서 디지털 테크놀로지의 통합 양상은 다른 교과와 다를 수 있다. 따라서 과학 교사의 디지털 소양에 집중하여 연구할 필요가 있다. 과학교육에서의 디지털 소양 연구 동향도 분석이 되었으나[26, 27], 이들 연구에서는 피상적인 결과만 제시되었고, 디지털 소양의 이론적 틀을 심도 있게 분석하지는 않았다.

본 연구는 과학 교사의 디지털 소양을 신장시키는 큰 목적에서 출발하여 디지털 소양 측정 도구를 개발하는 연구의 과정으로 진행되었다. 그 첫 번째로 과학 교사의 디지털 소양을 측정한 문헌을 중심으로 전체 연구의 동향을 분석하고 특히 과학 교사의 디지털 소양에 대한 이론적 틀을 분석하고자 한다. 이를 통해 과학 교사의 디지털 소양 측정을 위한 연구의 현황과 주요 이론들을 파악하고, 향후 검사 도구 개발과 이를 기반으로 한 전문성 개발에 필요한 기초 자료를 제공하고자 했다. 본 연구의 연구 문제는 다음과 같다.

1. 과학 교사의 디지털 소양을 측정한 연구의 동향은 어떠한가?

2. 과학 교사의 디지털 소양과 관련된 주요 이론적 틀은 무엇인가?

1. 분석 대상 문헌 선정

본 연구에서는 과학 교사의 디지털 소양 측정을 포함한 논문만을 분석 대상으로 하여 Web of Science(이하 WoS) 데이터베이스에서 문헌을 수집했다. WoS는 SCI 및 SSCI급의 학술 논문 데이터베이스며, 서지 분석에 최적화된 포맷을 제공한다[28]. 본 연구는 교사의 디지털 소양 측정과 관련된 국제적으로 영향력 있는 연구의 서지 분석을 수행하고자 하였으므로, WoS를 논문 데이터베이스로 사용했다. WoS에서 2010년부터 2023년까지 발표된 논문을 대상으로 ‘science teacher digital literacy’와 ‘science teacher TPACK (Technological Pedagogical Content Knowledge)’이라는 검색어를 사용해 각각 591편과 513편의 논문을 수집했다. 중복 논문 23편과 WoS에 초록이 수록되지 않은 논문 2편을 제외한 후, 남은 1,079편 논문의 초록에서 ‘science’, ‘physics’, ‘chemistry’, ‘biology’, ‘STEM’, ‘STEAM’ 등의 키워드 중 어느 하나도 포함되지 않은 611편의 논문을 추가로 제외했다. 남은 468개 논문의 초록과 본문을 연구자가 직접 확인하여 과학교사의 디지털 소양을 측정 또는 평가한 내용을 포함한 논문만을 선택해 최종적으로 86편의 논문을 분석 대상 논문으로 선정하였다.

2. 분석 방법

2.1. 연구 동향 분석 방법

연구 동향 분석을 위해 R의 비블리오메트릭스(Bibliometrix)와 비블리오샤이니(Biblioshiny)를 사용했다. 비블리오메트릭스(Bibliometrix)는 서지 데이터의 메타 분석을 수행하는 R 패키지로, 논문의 인용, 저자, 저널 등의 정보를 분석하는 데 유용하다[29]. 비블리오샤이니(Biblioshiny)는 이러한 기능을 직관적으로 활용할 수 있도록 GUI(Graphical User Interface)를 제공하는 도구이다. 이를 통해 논문의 연도별 출판 개수, 연구에 많이 인용된 논문(Most Local Cited References), 그리고 3영역 도표(Three Field Plot) 분석을 수행했다. 많이 인용된 논문은 인용 횟수 25회 이상인 논문을 대상으로 했다. 3영역 도표는 논문의 키워드, 연구 국가, 출판 저널 등의 관계를 시각화하는 도구로, 본 연구에서는 키워드 플러스 상위 10개, 국가 상위 10개, 저널 상위 10개를 각각 중앙 영역, 좌측 영역, 우측 영역으로 설정하여 시각화했다.

주요 연구 주제를 도출하기 위해서는 두 가지의 분석 방법을 사용했다. 첫 번째는 공동 출현 네트워크(Co-occurrence Network) 분석으로, R의 비블리오메트릭스(Bibliometrix)와 비블리오샤이니(Biblioshiny)를 사용해 이루어졌다. 공동 출현 네트워크 분석은 문헌에서 등장한 키워드 간의 관계를 분석해 군집화하는 방법이다. 저자 키워드는 저자가 임의로 지정할 수 있다는 문제점이 있으므로[28], 각 문헌의 참고 문헌에서 추출된 키워드 플러스를 활용했다. 분석에는 빈도수가 5 이상인 키워드 플러스가 사용되었다. 군집화 알고리즘은 Spinglass였다. 군집화 이후 각 군집에 적절한 명칭을 부여하기 위해 생성형 인공지능(ChatGPT)을 활용했으며[30], 프롬프트는 연구의 맥락, 군집화 과정, 군집 별 단어로 작성했다. 주요 연구 주제 도출을 위한 두 번째 방법은 토픽 모델링이었다. 토픽 모델링은 대규모 텍스트 데이터를 분석할 때 유용한 방법으로, 각 문서에서 명시적으로 드러나지 않는 잠재적인 주제들을 자동으로 도출할 수 있다는 장점이 있다[31]. 토픽 모델링 기법으로는 LDA(Latent Dirichlet Allocation) 알고리즘을 사용했으며, 적절한 토픽 개수를 판단하기 위해 퍼플렉시티(Perplexity)와 코히어런스(Coherence)의 두 가지 지표를 사용했다. 퍼플렉시티(Perplexity)는 모델이 데이터를 잘 예측할수록 값이 작아지는 지표이고, 코히어런스(Coherence)는 토픽 내 단어 간 일관성이 클수록 값이 커지는 지표이다. 퍼플렉시티(Perplexity)가 지나치게 낮아지면 모델이 과적합될 수 있어 코히어런스(Coherence)를 함께 고려했다. Figure 1은 토픽 개수에 따른 퍼플렉시티(Perplexity)와 코히어런스(Coherence) 지표를 보여준다. 토픽 개수가 4개일 때 퍼플렉시티(Perplexity)의 감소 폭이 줄어들고 코히어런스(Coherence)는 최대가 되므로 최적의 토픽 개수를 4개로 판단했다.

Figure 1. (Color online) Perplexity and coherence score by number of topics.

LDA 모델은 각 문서가 여러 토픽에 속할 확률 분포를 계산하고, 이를 기반으로 4개 토픽 내에서 중요한 단어들을 도출하는 방식으로 학습되었다. 학습 과정은 15번의 반복(pass)을 통해 이루어졌다. 토픽 모델링의 결과는 pyLDAvis 라이브러리를 사용하여 시각화했다. 또한 도출된 4개 토픽에 대해 LDA 모델로부터 각 토픽에 속할 확률이 가장 높은 대표 논문을 선정하고, 각 토픽의 상위 20개의 관련 단어 및 토픽별 대표 논문으로 생성형 인공지능을 이용해 토픽별 이름을 명명했다[30]. 프롬프트에는 연구의 맥락, 토픽 모델링 과정, 토픽별 관련 단어, 토픽별 대표 논문 pdf 파일이 포함되었으며, 이 정보를 바탕으로 각 토픽에 적합한 이름을 추천받았다. 그 후 연구자가 토픽별 관련 단어와 대표 논문을 바탕으로 제안된 이름의 적합성을 판단했다.

2.2. 과학 교사 디지털 소양의 이론적 틀 분석 방법

분석 대상 논문 86편의 내용을 확인해 과학 교사 디지털 소양의 이론적 틀 종류를 도출하고, 이를 바탕으로 분석틀을 작성했다. 도출된 이론적 틀의 종류는 TPACK, TPASK, TPCKCx, Activity theory, Five categories of TPACK, TPACK-P, Multiple aspects of TPACK, Digital literacy model, TP-STEM, Technology knowledge sub-dimensions, ER-TPACK, ICT-TPACK-Science, Technology acceptance, DiKoLan, DigComp, DigCompEdu, Code Book 등 18개였으며, 이론적 틀이 제시되지 않은 문헌도 있었다.

각 문헌에서 사용된 이론적 틀을 분석한 후 2회 이상 사용된 디지털 소양의 이론적 틀의 내용을 세부적으로 확인했다. 또한 이 이론적 틀을 연도별로 시각화하기 위해 버블 차트를 작성했다. 버블 차트는 구글 코랩(Google Colab)에서 matplotlib 라이브러리를 활용해 표현되었으며, 버블의 크기는 연도별 각 이론적 틀의 사용 횟수가 되도록 구성했다.

1. 연구 동향 분석 결과

Figure 2는 연도별 논문 개수를 나타낸 것이다. 2010년부터 2018년까지는 연간 5편 이하의 논문만 발표되었으나, 2019년부터 2021년까지는 논문 수가 7–9편으로 증가했다. 이러한 증가는 2022년부터 급격하게 가속화되어, 2023년에는 26편의 논문이 발표되었다.

Figure 2. Number of publications per year.

Figure 3의 3영역 도표를 통해 과학 교사의 디지털 소양 측정 연구가 국가별로 어떻게 이루어지고 있으며, 연구에서 자주 사용되는 주요 키워드와 연구 결과가 발표된 주요 저널 간의 관계를 분석할 수 있었다. 좌측 영역의 국가별 현황에서는 중국과 터키가 과학 교사의 디지털 소양 측정과 관련해 많은 연구를 수행했음을 확인했다. 중앙 영역에 나타난 키워드 분석을 보면 교수내용지식(pedagogical content knowledge), 틀(framework), TPACK 등의 단어가 순서대로 나왔다. 우측 영역에는 과학 교사의 디지털 소양 측정 연구가 발표된 주요 저널들이 제시되어 있다. Journal of Science Education and Technology, Education and Information Technologies, Australasian Journal of Educational Technology 등의 저널은 과학 교사의 디지털 소양 측정 연구가 가장 많이 출판된 저널들이었다. 주요 국가와 키워드, 저널은 대부분이 연결되어 있어 전반적으로 유사한 경향의 연구가 이루어졌음을 보여준다.

Figure 3. (Color online) Three-field plot(left field: countries; middle field: keyword plus; right field: sources).

과학 교사의 디지털 소양 측정 연구에서 자주 인용된 선행 문헌들을 살펴보면(Fig. 4), Mishra & Koehler의 연구[32]가 가장 많이 인용되었다. 이 논문은 총 70회 인용되었으며, PCK(Pedagogical Content Knowledge) 개념을 확장해 테크놀로지와 교수법, 내용 지식의 복잡한 상호작용을 설명했다. 총 47회 인용된 Shulman의 논문은 교수자의 지식 성장을 다루며, 교육에서 단순한 지식 전달을 넘어 학습자에게 효과적으로 전달하는 교수 지식의 중요성을 강조했다[33]. Angeli & Valanides는 TPACK과 ICT(Information and Communication Technology) 통합을 다루어 ICT-TPCK라는 개념을 제시했다[34]. 이 연구는 교사들이 ICT를 교육에 통합하는 과정에서의 지식 개발과 평가 방법을 제안하며, 교사들의 테크놀로지 활용 역량을 강화하는 데 초점을 맞추었다. Niess는 과학 및 수학 교사들을 대상으로 교사 준비 프로그램에서 테크놀로지 통합 교육의 중요성을 강조하며 교육 실습을 통해 교사들이 테크놀로지 통합 역량을 개발하는 과정을 탐구했다[35]. Koehler & Mishra는 TPACK에 대한 개념적 설명을 제공하며, 테크놀로지, 교수법, 내용 지식이 상호작용하는 복잡성을 탐구했다[36]. 마지막으로 Schmidt et al.은 예비 교사의 TPACK 발달을 평가하기 위한 측정 도구를 개발하고 검증하는 연구를 진행했다[37].

Figure 4. (Color online) Most local cited references.

분석 대상 문헌으로부터 주요 연구 주제를 도출하기 위해 공동 출현 네트워크 분석과 토픽 모델링을 수행했다. 공동 출현 네트워크 분석은 빈도수가 5 이상인 키워드 플러스를 대상으로 했으며, 단어 구름(word cloud)으로 나타낸 Fig. 5와 같은 28개 단어에 대하여 분석하였다. 분석 결과, Fig. 6과 같은 네 개의 군집이 탐지되었다. 생성형 인공지능을 사용해 도출한 각 군집의 명칭은 다음과 같다. 첫 번째 군집(Fig. 6의 12시 방향, 파란색)은 ‘교사의 교육 신념과 TPACK 기반 설계’로, 주요 단어는 교수내용지식(pedagogical content knowledge), 기술(technology), TPACK, 신념(beliefs), 교사(teachers) 등이었다. 두 번째 군집(Fig. 6의 6시 방향, 초록색)은 ‘과학 교사와 수학 교사의 디지털 소양 평가 및 검증’으로 명명되었으며, 교육(education), 과학(science), 수학(mathematics), 검증(validation), 도구(instrument) 등의 단어로 구성된다. 세 번째 군집(Fig. 6의 9시 방향, 붉은색)은 ‘학생 중심의 테크놀로지 통합과 자기 효능감’으로 명명되었으며, 주요 단어로는 인식(perceptions), 통합(integration), 자기 효능감(self-efficacy), 전문성 발달(professional development), 정보통신기술(ICT, Information and Communication Technology) 등이 있었다. 네 번째 군집(Fig. 6의 3시 방향, 보라색)은 ‘테크놀로지 통합을 위한 이론적 틀 및 모델 구현’으로, 주요 단어는 틀(framework), 모델(model), 존중(respect), 시행(implementation), 기술 통합(technology integration) 등이 포함되었다.

Figure 5. (Color online) Word cloud of keywords plus.

Figure 6. (Color online) Co-occurrence network analysis results.

Figure 7은 토픽 모델링 결과를 주제 간 거리 지도(Intertopic Distance Map)로 시각화한 것이다. 주제 간 거리 지도는 각 토픽을 2차원 공간에 배치하여 토픽 간의 유사도를 시각적으로 표현한다. 그래프에서 각 토픽은 원으로 나타나며, 원의 크기는 해당 토픽이 데이터에서 차지하는 비중이다. 원 사이의 거리는 토픽 간의 유사성을 나타내며, 거리가 가까울수록 해당 토픽들은 더 유사한 주제를 공유하고 있음을 의미한다. 토픽 모델링에서도 크게 4개의 토픽으로 구성되었으며, 이중 토픽1이 가장 영향력이 큰 주제임을 확인할 수 있다.

Figure 7. (Color online) Topic modeling visualization.

구체적으로 4개의 토픽이 어떤 단어로 구성되어 있는지 확인하기 위해 분석한 결과를 Table 1에 상위 20개 관련 단어 및 토큰 비율로 나타냈다. 또한 토픽 모델링으로 도출된 4개의 토픽에 대하여 각 토픽의 상위 20개 관련 단어와 대표 논문으로부터 생성형 인공지능을 활용해 각 토픽에 적절한 이름을 부여했다.

Table 1

Top 20 most relevant terms and token ratios for each topic.

Topic Number	Topic Name	Top 20 Most Relevant Terms	Ratio of Tokens
Topic 1	TPACK-Based Knowledge of Science Teachers	teachers, tpack, knowledge, science, technology, study, content, pedagogical, technological, preservice, teaching, digital, data, use, learning, results, development, chemistry, students, research	77.3%
Topic 2	Assessment of ICT Proficiency and Teacher Professional Competence	teachers, ict, proficiency, teaching, level, tpackp, study, tpack, analysis, development, levels, use, scale, professional, test, questionnaire, science, knowledge, teacher, technology	8.8%
Topic 3	Integration of Technology and Self-Efficacy in Science Teaching	teaching, study, chemistry, technology, learning, science, knowledge, teachers, attitudes, medical, content, using, selfefficacy, online, levels, technological, pedagogical, tpack, results, integration	7.2%
Topic 4	Professional Development for STEM and Interdisciplinary Communication	teachers, learning, teacher, teaching, study, science, stem, fluency, epistemic, knowledge, professional, interdisciplinary, development, online, analysis, tpack, multimodal, tpek, communication, factor	6.7%

첫 번째 토픽은 ‘과학 교사의 TPACK 기반 지식’으로, TPACK 모형으로부터 과학 교사의 테크놀로지 통합 방식에 대한 연구를 다룬다. 두 번째 토픽인 ‘ICT 숙련도와 교사 전문성 평가’에서는 교사의 ICT 사용 능력과 디지털 소양 측정 도구를 통해 교사들의 전문성을 평가하는 연구를 다룬다. 세 번째 토픽은 ‘과학교육에서 테크놀로지 통합 및 자기 효능감’이며, 이 토픽에서는 교사의 자기 효능감, 태도, 교육적 활용도 및 테크놀로지의 수업 적용과 그에 따른 교육적 영향을 다룬다. 마지막으로 네 번째 토픽인 ‘STEM 및 학제 간 의사소통을 위한 전문성 개발’은 교사들이 STEM 및 다학제적 소통 능력을 향상하는 방식과 디지털 도구를 활용한 전문성 개발에 관련된 토픽이다.

공동 출현 네트워크에 의해 도출된 주제와 토픽 모델링으로 도출된 주제에서 연관성이 나타났다. 공동 출현 네트워크의 첫 번째 군집은 교사의 TPACK 기반 교수 설계와 관련이 있으며, 이는 토픽 모델링의 첫 번째 토픽과 유사했다. 두 번째 군집은 과학 및 수학 교사의 디지털 소양을 평가하고 검증하는 연구이며, 이는 두 번째 토픽과 유사성을 보였다. 세 번째 군집은 교사의 테크놀로지 통합에 대한 태도나 자기 효능감 등을 다룬다는 점에서 세 번째 토픽과 관련이 있었다. 네 번째 군집은 테크놀로지 통합을 위한 이론적 틀의 구현에 초점을 두며, 네 번째 토픽과 유사했다. 즉 분석 대상 문헌에서 나타난 주제는 크게 TPACK 기반 교수 설계, 디지털 소양 평가, 테크놀로지 통합과 자기 효능감, 테크놀로지 통합 이론적 틀 구현으로 구분할 수 있었다.

2. 과학 교사의 디지털 소양의 주요 이론적 틀

분석 대상 문헌에서 사용된 디지털 소양의 이론적 틀은 총 18개였다. 각 이론적 틀의 공통점과 차이점을 알아보기 위해, 2회 이상 적용되었던 이론적 틀을 세부적으로 살펴보았다. 2회 이상 사용된 이론적 틀은 TPACK(53회), TPACK-P(5회), TPCKCx(3회), Multiple Aspects of TPACK(3회), TP-STEM(3회), Digital Literacy Model(3회), Digital Competence(3회) , TPASK(2회), Five categories of TPACK(2회), ICT-TPACK-Science(2회) 등 10개였다.

디지털 소양의 이론적 틀은 목적과 적용 방식에 따라 ‘TPACK 기반 이론적 틀’, ‘실천적 TPACK 이론적 틀’, ‘디지털 소양 및 역량 이론적 틀’의 세 가지 주요 범주로 나뉘었다. 각 범주의 정의와 해당되는 이론적 틀을 Table 2에 나타내었다.

Table 2

Categories of digital literacy frameworks.

Categories	Definition	Examples
TPACK-Based Frameworks	Frameworks that emphasize the interaction between technological, pedagogical, and content knowledge to facilitate effective integration of technology in teaching	TPACK, TPASK, TPCKCx, Five categories of TPACK, TP-STEM
Practical TPACK Frameworks	Frameworks designed for practical application in educational settings, including curriculum design, teaching and learning, and assessment, based on the TPACK	Multiple Aspects of TPACK, TPACK-P, ICT-TPACK-Science
Digital Literacy and Competence Frameworks	Frameworks that emphasize the detailed and specific aspects of digital tool usage	Digital Literacy Model, DiKoLAN, DigComp, DigCompEdu

첫 번째 유형은 ‘TPACK 기반 이론적 틀’로 테크놀로지, 교수법, 내용 지식의 상호작용을 중시하며, TPACK, TPCKCx, Five categories of TPACK 등이 이에 속했다. TPACK은 교사의 디지털 소양을 다룰 때 가장 많이 이용하는 이론적 틀로 교사가 효과적으로 기술을 통합하여 교육을 제공하기 위해 필요한 세 가지 지식인 테크놀로지 지식(Technology Knowledge, TK), 교수 지식(Pedagogical Knowledge, PK), 내용 지식(Content Knowledge, CK)의 상호작용을 강조한다(Fig. 8). TPACK은 단순히 테크놀로지를 활용하는 것이 아니라, 테크놀로지가 교수와 교과 내용에 어떻게 적절히 결합할 수 있는지를 이해하고 적용하는 것이다. TPACK의 복잡성은 교수 내용 지식(PCK), 테크놀로지 내용 지식(TCK), 테크놀로지 교수 지식(TPK) 등과 같은 다양한 형태로 나타나며, 교사는 이 요소들을 적절히 결합해 교육의 질을 향상할 수 있다.

Figure 8. (Color online) The TPACK framework [Reproduced from Ref. 36].

‘TP-STEM’은 STEM(과학, 기술, 공학, 수학) 교육에 TPACK을 최적화한 것이고, ‘TPASK(Technological Pedagogical Science Knowledge)’는 내용 지식(Content Knowledge)을 과학(Science)에 제한하여 만들어진 변형된 TPACK이다. ‘TPCKCx(Technological Pedagogical Content Knowledge in Context)’는 TPACK에 맥락적 요소를 추가해 과학교육에 맥락화한 이론적 틀이고, ‘Five categories of TPACK’은 기존의 TPACK이 구성 요소 간 경계가 모호하다는 비판에 대응하여 다섯 가지 주요 범주로 재구성한 것이다. 이 같은 이론적 틀은 모두 TPACK을 기반으로 교사들이 테크놀로지와 교수, 내용 지식을 통합하는 과정을 설명하며, 교육 상황에 따라 이들 요소가 어떻게 상호작용할 수 있는지를 다룬다.

두 번째 유형은 TPACK을 교육 현장에 구체적으로 적용하는 방법에 초점을 두어 수정한 것으로 ‘실천적 TPACK 이론적 틀’로 명명하였다. ‘실천적 TPACK 이론적 틀’은 교육과정 설계, 교수학습, 평가 등의 하위 요소로 구성되어 TPACK을 실제 교육 현장에 적용하기 위한 실천적 접근을 다룬다는 점에서 ‘TPACK 기반 이론적 틀’과 구분된다. 이 유형에는 Multiple Aspects of TPACK, ICT-TPACK-Science, TPACK-P(TPACK-Practical) 등이 해당한다. ‘Multiple Aspects of TPACK’은 Bloom의 교육 목표 분류학(Taxonomy)을 비롯해 평가(Assessment), 계획 및 설계(Planning and Designing), 실행(Enactment) 등 TPACK 적용을 위한 다양한 측면을 다루었다. ‘ICT-TPACK-Science’는 과학교육에서 정보통신기술(ICT)을 효과적으로 통합하는 데 필요한 교사의 지식과 역량을 평가하기 위한 이론적 틀로, 계획(Planning), 설계(Designing), 실행(Implementing), 윤리(Ethics), 숙련도(Proficiency) 등 5가지 차원으로 구성된다. 실천적 관점의 이론적 틀 중 분석 대상 문헌에서 가장 많이 쓰인 것은 TPACK-P였다. TPACK-P는 8개의 지식 차원과 5개의 교수 영역으로 구성되어 교사가 수업을 계획하고 실행하며 평가하는 과정에서 ICT 도구를 효과적으로 활용하는 방식을 설명한다 (Fig. 9). 이 유형의 이론적 틀은 TPACK에 근간을 두고 있음이 명시적으로 언급되지만, 테크놀로지, 교수법, 내용 지식 간 상호작용에 초점을 두지는 않는다.

Figure 9. The TPACK-P framework [Reproduced from Ref. 20].

세 번째 유형은 TPACK과 무관하게 독자적인 방식으로 교사의 디지털 소양을 설명한 이론적 틀로 ‘디지털 소양 및 역량 이론적 틀’로 명명하였다. ‘Digital Literacy Model’은 교사의 디지털 소양을 기술적(Technical), 인지적(Cognitive), 사회-감정적(Social-emotional) 등의 세 가지 차원으로 설명하며(Fig. 10[38]), 기기와의 상호작용, 파일 보호, 정보 탐색 및 평가, 적절한 소프트웨어 선택, 디지털 환경에서의 소통 능력 등을 포함한다. ‘Digital Competence’는 교사가 디지털 도구를 효과적으로 활용하는 능력을 다루며, 이를 구체화한 세 가지 대표적인 이론적 틀로 DiKoLAN, DigComp, DigCompEdu가 있었다. 이러한 이론적 틀은 TPACK과 비교했을 때 더 세부적이고 구체적인 디지털 도구 사용에 초점을 맞춘다는 특징이 있다. 예를 들면, DiKoLAN은 문서화(Documentation), 발표(Presentation), 의사소통 및 협업(Communication and Collaboration), 정보 검색 및 평가(Information Search and Evaluation), 데이터 수집(Data Acquisition), 데이터 처리(Data Processing), 시뮬레이션 및 모델링(Simulation and Modeling) 등 교사의 디지털 소양을 디지털 도구 사용의 관점에서 설명했다.

Figure 10. Digital literacy model [Reproduced from Ref. 38].

Figure 11은 분석 대상 문헌에서 사용된 이론적 틀을 연도별로 나타낸 버블 차트이다. ‘TPACK 기반 이론적 틀’은 파란색 원, ‘실천적 TPACK 이론적 틀’은 붉은색 원, ‘디지털 소양 및 역량 이론적 틀’은 초록색 원으로 표시했다. 원의 크기는 문헌 개수를 의미하는데, 가장 많이 사용된 TPACK은 연구 대상 기간 내내 꾸준히 적용되고 있음을 알 수 있다. 2015년까지는 TPACK, TPASK, TPCKCx, Five categories of TPACK 등 ‘TPACK 기반의 이론적 틀’에 해당하는 모형만 사용되었으나, 시간이 흐름에 따라 TPACK-P, ICT-TPACK-Science 등의 ‘실천적 TPACK 이론적 틀’이나, Digital Literacy Model, Digital Competence 등 새로운 관점의 이론적 틀이 등장하기 시작하여, 다양한 이론적 틀이 연구에 적용되고 있음을 알 수 있다.

Figure 11. (Color online) Bubble chart of digital literacy frameworks over years.

대부분의 연구가 과학의 특정 영역을 지칭하지 않고 일반적인 과학 교사를 대상으로 하였는데, 6개의 연구는 물리 교사만을 대상으로 하였다(과학 교사 48건, 화학 교사 14건, 생물 교사 9건, STEM 교사 8건, 기타 2건). 이 6개의 연구에서 사용된 이론적 틀은 TPACK이 3건, Five categories of TPACK이 2건, TPACK-P가 1건이었다. Five categories of TPACK은 기존의 TPACK 범주를 재구성했을 뿐임을 고려하면, 물리 교사를 대상으로 디지털 소양을 측정한 연구들은 TPACK에 매우 의존적이었음을 알 수 있다.

본 연구에서는 과학 교사의 디지털 소양 측정 연구의 동향을 분석하고, 이를 기반으로 디지털 소양의 주요 이론적 틀을 확인했다. 연구 결과에 따르면 과학 교사의 디지털 소양을 측정한 연구는 꾸준히 증가했으며 특히 최근 몇 년간 관련 연구의 수가 급증했다. 이 같은 결과는 TPACK을 포함한 교사의 디지털 소양 연구가 지속적인 증가세를 보인다는 여러 선행연구와 일치하는 결과이다[17, 24, 26]. 과학교육에서 TPACK 연구 동향을 분석한 선행 문헌의 국가별 생산성에서는 미국이 가장 높고 터키와 스페인이 그 뒤를 이었으나[26] 본 연구에서의 국가별 생산성은 중국, 터키, 미국 순으로 높았다. 중국은 최근 들어 정부 기관, 교육 기관, 시민 사회 차원에서 디지털 변혁과 디지털 소양 향상을 더욱 강조하고 있기 때문에[39] 관련 연구가 급증한 것으로 해석된다. 분석 대상 문헌들의 주제는 크게 TPACK 기반 교수학습, 디지털 소양 평가, 테크놀로지 통합과 자기 효능감, 테크놀로지 통합의 이론적 틀로 분류되었다. 이는 과학교육에서 TPACK 연구의 주제를 교육 현장에서 TPACK 적용, TPACK 측정 및 평가, 테크놀로지 통합 등으로 구분한 선행연구의 결과와 유사하다[27].

교과 구분 없이 교사의 디지털 소양 관련 이론적 틀의 연구 동향을 분석한 선행연구[17]에서는 DigCompEdu가 가장 많이 사용된 이론적 틀이었으며, TPACK, UNESCO ICT, ISTE Standards for Educators, SAMR 등이 그 뒤를 이었다. 그러나 본 연구의 결과에서는 대부분 문헌이 TPACK을 사용한 것으로 나타났다. 이는 과학 교과의 특성에서 기인한 것일 수 있다. 과학에서의 디지털 테크놀로지는 시뮬레이션, 센서, MBL 등 과학교육에서만 사용되는 특정한 도구들이 포함되기 때문에[25], 소통, 협력, 자료 검색과 공유 등의 맥락에서 디지털 도구 사용을 다루는 DigCompEdu보다는 TPACK과 같이 포괄적이고 일반적인 이론적 틀을 선호했을 가능성이 있다. 일부 연구자들은 TP-STEM, TPASK, TPCKCx, ICT-TPACK-Science 등 과학교육에 특화된 TPACK을 사용하기도 했다. 특별히 본 연구는 과학 교사의 디지털 소양 이론적 틀이 TPACK 기반의 지식 통합 과정을 다루는 이론적 틀, TPACK을 실제 교육 현장에 적용하는 방법을 다루는 이론적 틀, 교사가 디지털 도구를 사용하는 역량을 다루는 이론적 틀로 구분됨을 밝혔다.

학생들은 과학 내에서도 물리학을 배우는 데 특히 어려움을 겪고 있으며[40], 학생들의 물리학 학습을 돕기 위한 디지털 테크놀로지 활용 연구가 다방면으로 이루어지고 있다[41-43]. 본 연구의 분석 대상 문헌에서는 물리 교사를 대상으로 디지털 소양을 측정한 문헌이 주요 교과 중 가장 적었으며, 디지털 소양의 이론적 틀도 대부분 TPACK 기반의 지식적 측면이었다. 교사의 디지털 소양 측정에 있어 TPACK의 중요성을 간과해서는 안 되겠지만, Multiple Aspects of TPACK이나 ICT-TPACK-Science, TPACK-P 등 TPACK을 교육과정 설계·교수학습·평가 등 구체적인 교육적 상황에서 적용하는 능력의 측정이나, Digital Literacy Model, Digital Competence 등 디지털 도구를 다루는 역량에 관한 측정이 물리 교사를 대상으로 거의 이루어지지 않았다는 것은 물리 교사의 디지털 소양 연구가 제한적으로 이루어졌다는 의미일 수 있다. 물리학의 추상적 개념과 수학적 복잡성으로 인해 많은 학생이 물리학 학습에서 어려움을 경험하는데[40], 이러한 특성은 물리교육에서 디지털 도구 활용 연구가 교사의 디지털 소양 자체보다는 디지털 도구의 효과성에 초점을 맞추는 경향을 초래했을 수 있다. 디지털 도구가 효과적으로 활용되기 위해서는 교사의 디지털 소양 향상이 필수적이므로[44] 물리 교사가 그들의 디지털 소양을 실제 교육에서 어떻게 적용하는지, 디지털 도구를 얼마나 능숙하게 사용하는지에 관한 연구가 이루어질 필요가 있다.

본 연구의 결과는 과학 교사의 디지털 소양이 지식적 측면뿐 아니라 교육 현장에서의 적용 능력, 디지털 도구의 사용 능력 등 다양한 관점을 포함해야 함을 시사한다. 따라서 이론과 실천의 연계를 강화한 교사 교육 프로그램 개발이 필요하며, 교사 교육 프로그램은 테크놀로지, 교수법, 내용 지식과 더불어 실제 수업 상황에서 디지털 기술을 효과적으로 활용할 수 있는 실천적 역량을 함양하는 데 초점을 맞출 필요가 있다.

본 연구의 의의는 과학교육 분야에서 교사의 디지털 소양 측정을 위한 다양한 이론적 틀과 연구 동향을 체계적으로 분석함으로써 교사 교육 및 전문성 개발을 위한 기초 자료를 제공했다는 점이다. 그러나 본 연구에서는 각 이론적 틀에서 사용되는 디지털 소양 측정 도구를 구체적으로 다루지는 못했다. 이를 보완하기 위해 후속 연구에서는 디지털 소양을 평가하기 위한 측정 도구와 그 특징을 심층적으로 분석하고, 나아가 우리나라 과학(물리) 교사의 디지털 소양을 측정할 수 있는 도구를 개발하는 연구를 지속할 것이다. 본 연구의 결과가 교사들의 디지털 소양을 강화하고 교육 현장에서 디지털 기술을 효과적으로 통합하는 데 도움이 되기를 바란다.