1차시 목표지향 개념기반 수업지도안

개념 상세 설명: 융합 탐구는 여러 교과의 용어를 단순히 모으는 활동이 아니라, 하나의 문제를 해결하기 위해 서로 다른 지식과 방법을 적절히 연결하는 과정이다. 예를 들어 교실 공기 질 문제는 과학의 기체 개념, 수학의 통계, 정보의 센서·자료 처리, 윤리의 개인정보 보호가 함께 필요하다.

fields = ["과학", "수학", "정보", "윤리"]
problem = "교실 공기 질 개선"
for field in fields:
    print(f"{problem} 문제에 {field} 관점을 연결합니다.")

개념 상세 설명: 관심 분야 지도는 자신이 좋아하는 현상, 교과, 기술, 사회 문제, 경험을 중심 낱말에서 가지처럼 확장하여 관계를 나타낸 그림이다. 숨겨진 연결을 발견하고 탐구 주제의 범위를 조절하는 데 도움이 된다.

interest_map = {
    "환경": ["미세먼지", "탄소", "생태"],
    "정보": ["센서", "데이터", "인공지능"],
    "연결 질문": "센서 데이터로 교실 환경을 개선할 수 있을까?"
}
for key, value in interest_map.items():
    print(key, ":", value)

개념 상세 설명: 좋은 탐구 질문은 구체적이고, 자료로 확인 가능하며, 너무 넓거나 단순하지 않다. ‘인공지능은 좋은가?’보다 ‘학습 데이터의 크기가 이미지 분류 정확도에 어떤 영향을 주는가?’가 측정과 분석에 적합하다.

question = "교실 CO2 농도는 환기 전후에 얼마나 달라지는가?"
checks = {
    "구체적": "CO2" in question,
    "비교 가능": "전후" in question,
    "측정 가능": "얼마나" in question
}
print(checks)

개념 상세 설명: 문제 정의는 불편이나 궁금증을 탐구 가능한 형태로 바꾸는 과정이다. 사용자, 상황, 원인 후보, 제한 조건, 기대 효과를 분명히 하면 해결할 문제와 단순한 현상을 구분할 수 있다.

problem = {
    "사용자": "교실 학생",
    "상황": "오후 수업 집중도 저하",
    "원인 후보": ["CO2 증가", "온도 상승"],
    "제한": "개인정보를 수집하지 않음"
}
for k, v in problem.items():
    print(f"{k}: {v}")

개념 상세 설명: 자료는 탐구 질문에 답하기 위한 관찰값, 측정값, 문헌, 공개 자료 등을 뜻한다. 출처, 생성 시점, 측정 방법, 결측값, 표본 수를 확인해야 하며, 자료가 많다고 자동으로 믿을 수 있는 것은 아니다.

dataset = [
    {"source":"공공데이터", "year":2025, "value":42},
    {"source":"센서측정", "year":2026, "value":None}
]
valid = [d for d in dataset if d["value"] is not None]
print("사용 가능한 자료 수:", len(valid))

개념 상세 설명: 알고리즘은 문제 해결을 위한 명확한 절차이다. 융합 탐구에서는 자료 정리, 계산, 비교, 분류, 예측 등의 과정을 단계별로 설계하고 입력과 출력이 무엇인지 확인한다.

scores = [72, 81, 93, 88, 76]
average = sum(scores) / len(scores)
above = [s for s in scores if s >= average]
print("평균:", average)
print("평균 이상:", above)

개념 상세 설명: 시각화는 자료의 패턴을 빠르게 이해하도록 돕지만, 축의 범위·그래프 종류·색·비율을 부적절하게 사용하면 사실을 왜곡할 수 있다. 제목, 단위, 출처, 범례를 명확히 표시해야 한다.

temperatures = [21, 22, 24, 27, 26]
for day, temp in enumerate(temperatures, start=1):
    bar = "■" * (temp - 20)
    print(f"{day}일 {temp}℃ {bar}")

개념 상세 설명: 검증은 결과가 우연이나 오류에 의한 것이 아닌지 확인하는 과정이다. 같은 자료와 절차로 비슷한 결과가 나오는지, 다른 조건에서도 설명력이 있는지, 계산 오류는 없는지 점검한다.

data = [10, 12, 11, 13]
result1 = sum(data) / len(data)
result2 = (10 + 12 + 11 + 13) / 4
print(result1 == result2)

개념 상세 설명: 정보 윤리는 개인정보 보호, 저작권과 출처, 편향, 공정성, 안전, 설명 책임을 포함한다. 기술적으로 가능한 일이라도 사람에게 해를 줄 수 있다면 수집 범위와 공개 방법을 다시 설계해야 한다.

student = {"name":"홍길동", "score":92}
safe_record = {"student_id":"A01", "score":student["score"]}
print(safe_record)

개념 상세 설명: 성찰은 잘한 점만 적는 감상문이 아니라 목표, 과정, 근거, 한계, 다음 행동을 되짚는 활동이다. 평가는 결과물뿐 아니라 질문 개선, 자료 처리, 협업, 윤리, 설명 과정까지 살피는 성장 중심 평가가 되어야 한다.

reflection = {
    "배운 점":"질문 범위를 좁히는 방법",
    "어려움":"측정 가능한 변수를 정하기",
    "다음 행동":"변수 2개로 질문 다시 쓰기"
}
for item, text in reflection.items():
    print(item, ":", text)