부산대학교 도서관

본 연구의 목적은 생성형 AI를 통합한 지리탐구 활동을 개발하고, 이러한 자료의 활용이 가져올 수 있는 학습경험의 변화를 예상해 보는 것이다. 본 연구에서는 생성형 AI 통합 탐구 사례 5가지(대구지역의 이상고온 일수 변화 탐구, 서울시 지하철 승하차 인원 데이터 분석, 경상북도 의성군 안계면 인구 피라미드 분석, 풍력발전소 위치 시각화 및 입지 분석, 시군구별 인구 증감 분석)를 제시하였다. 이들 탐구활동은 데이터 분석, 시각화, 예측 모델링 및 해석을 통해 다양한 지리적 문제를 탐구하고 해결책을 모색하는데 초점을 맞추고 있다. 생성형 AI 탐구활동은 외부의 데이터를 활용하고, 통계분석을 강조하는 특징이 있다. 이러한 변화는 기존 교과서 기반 탐구에 비해 탐구의 전체적인 과정을 강조하고, 지리탐구의 실제성과 전이가능성을 높이며, 블룸의 인지과정 분류에서 이해와 분석 단계뿐 아니라 적용과 창의를 함께 강조하고, 학생들의 디지털 리터러시 및 미래역량의 향상에 기여할 것으로 기대된다.
This research aims to develop geographical inquiry activities that incorporate generative AI, focusing on how such integration can transform learning experiences. The study developed five inquiry materials: examining the increase in abnormally high temperature days in Daegu, analyzing Seoul subway ridership, analyzing the population pyramid in Angye-myeon, Uiseong-gun, Gyeongsangbuk-do, visualizing and analyzing wind power plant locations, and assessing population changes in regions. These activities are designed to address diverse geographical issues through data analysis, visualization, predictive modeling, and interpretation. The incorporation of generative AI in these inquiries is marked by the use of external data and an emphasis on statistical analysis. Compared to traditional textbook-based inquiries, these AI-integrated activities highlight the entire inquiry processes, increasing the authenticity and transferability of geographical inquiry. They extend beyond just ‘understand’ and ‘analyze’ in Bloom’s taxonomy of cognitive processes to include ‘apply’ and ‘create’. This approach is anticipated to enhance data literacy and foster future-oriented skills.