Pivoting the paradigm: the role of spreadsheets in K-12 data science

기술 요약: 패러다임의 전환: K–12 데이터 과학에서 스프레드시트의 역할

문제 제기
데이터와 컴퓨팅이 21세기의 중심이 되고 있음에도 불구하고, K–12 교육구들은 데이터 문해력(data acumen)과 컴퓨팅 유창성(computational fluency)을 실질적이고 형평성 있게 육성하는 데 있어 해결되지 않은 과제에 직면해 있다. 다양한 전문 도구들(예: CODAP, R, Python)이 존재하지만, 스프레드시트는 비록 89%의 K–12 과학 교사들이 널리 사용하고 있음에도 불구하고 종종 회의적인 시각으로 다뤄진다. 기존의 프레임워크들은 스프레드시트에만 의존하여 데이터를 분석하는 것이 좌절을 초래할 수 있으며, 복잡한 추론적 추론이나 재현 가능한 워크플로우에는 부적합하다고 시사한다. 본 논문은 학교 현장에서 스프레드시트 도구의 보편성과 기초적인 데이터 정리 이상의 용도에 대한 교육적 불확실성 사이의 간극을 다룬다. 저자들은 스프레드시트가 더 넓은 데이터 및 컴퓨팅 기술을 개발하기 위한 의미 있는 메커니즘 역할을 할 수 있는지, 아니면 제한적인 도구로서 폐기되어야 하는지를 질문한다.

방법론
본 논문은 경험적 실험보다는 개념적 및 교육적 검토를 채택한다. 방법론은 세 가지 주요 구성 요소로 이루어진다:

1. 프레임워크 평가: 저자들은 통계 컴퓨팅 도구를 평가하기 위한 McNamara(2018) 및 Pimentel 등(2022)의 프레임워크를 채택한다. 이 프레임워크를 스프레드시트 도구(특히 Google Sheets 및 Excel)에 적용하여 접근성, 데이터 가시성, 입력 용이성, 재현성, 상호작용성, 추론적 추론과 같은 기능에 대해 비공식적인 "등급"을 부여한다.
2. 표준 정렬: 저자들은 CSTA 컴퓨터 과학 표준, 데이터 과학 학습 진행 단계(Data Science Learning Progressions), 공통 핵심 수학 표준(Common Core Mathematics Standards), GAISE II, 그리고 국립 연구 위원회(National Research Council)의 과학 교육 프레임워크를 포함한 기존 K–12 표준 및 프레임워크를 검토한다. 특정 스프레드시트 기능을 이러한 문서들에 명시된 역량에 매핑한다.
3. 커리큘럼 설계 및 활동 제안: 표준과의 정렬을 바탕으로, 저자들은 다섯 가지 구체적인 데이터 및 컴퓨팅 기술을 제안한다. 저자들은 과학, 수학, 컴퓨터 과학 커리큘럼에 통합되도록 설계된 구체적이고 재현 가능한 활동 예시(예: 종이비행기 실험, 도서관 데이터베이스 관리, 금융 모델링)를 통해 이러한 기술을 설명한다.

주요 기여
본 논문은 K–12 데이터 과학 도구 상자 내에서 스프레드시트의 역할에 대한 재평가를 제공하며, 모든 데이터 작업을 위한 포괄적인 솔루션이라기보다 특정 기술 세트를 위한 기초적인 도구로서의 포함을 주장한다.

1. 스프레드시트 역량에 대한 수정된 평가: 저자들은 확립된 프레임워크에 따라 스프레드시트에 대한 미묘한 등급을 부여한다. 저자들은 접근성(보편적인 라이선스 및 웹 기반 가용성 덕분에), 데이터를 제1차 객체로 취급(데이터를 가시화하고 상호작용하게 함), 입력 용이성(초기 데이터 입력의 낮은 장벽)에 대해 높은 점수(A에서 A+)를 부여한다. 반대로, 재현 가능한 워크플로우, 유연한 플롯 생성(특히 다변량 디스플레이), 추론 분석에 대해서는 스크립팅 언어나 전문 시각화 도구와 비교했을 때 부족한 부분임을 인정하며 낮은 등급(C에서 D)을 부여한다.
2. 제안된 데이터 및 컴퓨팅 기술: 본 논문은 스프레드시트가 효과적으로 가르칠 수 있는 다섯 가지 지향적 기술을 개괄한다:
   • 데이터 입력, 집계 및 시각화: 피벗 테이블과 기본 차트를 사용하여 관계 탐색(예: 종이비행기 비행 거리).
   • 데이터 일관성 검사: "지저분한" 데이터(예: 수치 열의 형식 오류)를 식별하고 수정함으로써 데이터 정제(data wrangling) 사고방식 구축.
   • 수학적 응용: 매개변수의 영향을 시각화하기 위해 지수 성장, 복리, 확률(예: 복권의 기댓값) 모델 구현.
   • 알고리즘적 사고: 중첩된 논리 함수(예: IF 문)와 맞춤형 함수(Google Apps Script 활용)를 사용하여 성적 산출 알고리즘이나 조건부 로직 구현.
   • 스크립팅 및 자동화: JavaScript 기반인 Google Apps Script를 활용하여 대량 문서 생성과 같은 작업을 자동화함으로써 스프레드시트 사용과 프로그래밍 사이의 가교 역할 수행.
3. 표준과의 통합: 저자들은 스프레드시트 활동이 국립 아카데미의 "데이터 및 컴퓨팅 시스템" 프레임워크, CSTA 표준(특히 "데이터 및 분석"과 "알고리즘 및 프로그래밍"), 그리고 "데이터 조사 과정(Data Investigation Process)"에 명시된 역량을 어떻게 직접적으로 지원하는지 입증한다.

결과 및 발견
분석 결과, 스프레드시트가 모든 통계 분석 작업(특히 고급 추론적 추론이나 복잡한 재현성이 필요한 작업)에 이상적인 것은 아니지만, 뚜렷한 교육적 강점을 가지고 있다는 결론에 도달했다:

• 가시성 및 상호작용: 스프레드시트는 데이터를 "제1차 객체"로 만들어, 학생들이 원시 데이터 구조를 스크롤하고, 검사하고, 상호작용하게 함으로써 데이터 조직에 대한 직관을 기르게 한다.
• 복잡성의 단계적 지원(Scaffolding): 이 도구는 단순한 데이터 입력에서 복잡한 알고리즘적 사고로 이어지는 발달 궤적을 지원한다. 학생들은 기초적인 집계(SUM, AVERAGE)에서 조건부 로직(중첩된 IF)을 거쳐 최종적으로 스크립팅(Apps Script)으로 나아갈 수 있다.
• 도구 생태계: 스프레드시트는 더 넓은 생태계로 가는 관문 역할을 한다. 본 논문은 Google Data Studio (Looker Studio)나 Google Apps Script와 같은 도구들이 새로운 플랫폼으로 완전히 전환하지 않고도 시각화 및 자동화를 위해 스프레드시트의 기능을 확장할 수 있음을 강조한다.
• 상호 보완성: 저자들은 스프레드시트가 다른 도구들(CODAP 또는 Python 등)을 대체하는 것이 아니라 보완해야 한다고 주장한다. "원 사이즈(one-size-fits-all)" 접근 방식은 권장되지 않으며, 대신 스프레드시트는 데이터 조직 및 기초적인 컴퓨팅 사고를 위한 접근 가능한 진입점으로 위치한다.

의의 및 주장
본 논문은 스프레드시트가 K–12 데이터 과학 도구 상자에서 중요하지만 과소평가된 구성 요소라고 주장한다. 그 의의는 다음과 같다:

• 교육적 전환: 스프레드시트를 단순히 "데이터 입력" 도구로 보는 서사에서 벗어나, 이를 데이터 문해력과 컴퓨팅 유창성을 개발하기 위한 매개체로 인식하는 것이다.
• 형평성 및 접근성: Google Sheets와 Excel의 거의 보편적인 가용성을 활용하여, 새로운 소프트웨어 라이선스나 보안 문제에 대한 장벽 없이 데이터 기술에 대한 형평성 있는 접근을 제공한다.
• 전문성 개발의 필요성: 저자들은 스프레드시트의 잠재력을 실현하기 위해서는 강사들이 기초적인 사용을 넘어 더 깊은 데이터 조작과 스크립팅을 지도할 수 있도록 하는 상당한 전문성 개발(PD)이 필요하다고 명시적으로 밝힌다.
• 기초적 역할: 본 논문은 데이터를 구조화, 조직 및 조사하는 능력이 더 발전된 데이터 과학 기술을 준비하는 기초적인 기술이며, 이는 단순히 데이터 조작의 '방법(how)'만이 아니라 '이유(why)'를 이해하는 "자기 주도적(self-sourcing)" 문제 해결자를 양성한다는 목표와 일치한다고 주장한다.

저자들은 스프레드시트가 추론 통계 및 재현성 측면에서 한계가 있음을 인정하며 겸허한 태도를 유지하며, 이를 모든 데이터 과학 교육을 위한 단독 솔루션으로 제안하지 않는다. 대신, 특정 전이 가능한 데이터 역량을 구축하기 위해 스프레드시트를 의도적으로 통합하는 "패러다임의 전환"을 옹호한다.