기술 요약: 종이 위의 계획: 입문 컴퓨팅에서의 다이어그램을 이용한 문제 분해

문제 정의

문제 분해(Problem decomposition)는 복잡한 문제를 관리 가능한 부분으로 나누는 컴퓨팅의 기초적인 메타인지 기술이다. 생성형 AI(GenAI)의 부상과 함께, 입문 컴퓨팅(CS1) 과정의 교육적 흐름은 코드 작성에서 고차원적인 계획 및 분해로 변화하고 있다. 그러나 사전 지정된 계획 요소 없이 크고 다기능적인 과업을 수행할 때 초보자들이 어떻게 분해를 수행하는지에 대한 이해에는 상당한 격차가 존재한다. 기존 연구는 주로 프로그래밍 언어의 구문(syntax)에 대응하는 국소적 코드 구조를 다루는 작은 규모의 코드 기반 문제에 집중되어 왔다. 초보자들이 구체적인 제약 없이 비구조적이고 복잡한 맥락에서 분해를 어떻게 개념화하고 표현하는지는 여전히 불분명하다.

방법론

저자들은 최근 분해와 GenAI 도구를 강조하도록 재설계된 캘리포니아 대학교 샌디에이고(UC San Diego)의 대규모 파이썬 CS1 과정을 대상으로 질적 연구를 수행하였다.

• 참가자 및 맥락: 본 연구는 181명의 학생 중 133명을 대상으로 진행되었다. 해당 과정은 계층적 함수 호출 다이어그램을 통해 분해를 주로 가르치는 Learn AI-Assisted Python Programming 교재를 활용하였으나, 교수진은 수업 중에 다양한 표기법(예: 데이터 흐름, 실행 순서)을 도입하였다.
• 과업: 50분간의 실험 세션 동안, 학생들은 "Evil Word Guesser"를 위한 분해 다이어그램을 그리라는 과제를 받았다. 이는 사용자의 추측에 따라 가능한 단어 집합을 동적으로 업데이트하여 난이도를 극대화하는 '행맨(Hangman)'의 복잡한 변형 버전이다. 학생들은 특정 표기법의 제약 없이 함수, 상호작용, 관계를 표현하기 위해 연필과 종이를 사용하도록 지시받았다.
• 데이터 수집: 133개의 학생 다이어그램을 수집하여 스캔 후 익명화하였다.
• 분석: 저자들은 55개의 다이어그램 일부에 대해 귀납적 주제 분석(inductive thematic-analysis)을 수행하였다. 두 명의 코더가 독립적으로 다이어그램을 분석하여 노드(함수, 데이터, 파편, 주석), 관계(계층적 호출, 순서), 그리고 문제점들을 식별하였다. 이들은 합의에 의한 협상을 통해 코드북을 반복적으로 정교화하며 포화 상태에 도달할 때까지 진행하였다. 분석은 표현 전략과 특정 계획 및 분해 오류의 식별에 초점을 맞추었다.

주요 결과

1. 표현 전략 (RQ1)

학생들은 교육적 규범과 혼합되거나 충돌하는 다양한 표현 전략을 사용하였다:

• 순차적 실행의 지배성: 계층적 함수 호출이라는 주요 지침에도 불구하고, 대다수의 다이어그램(55개 중 32개)은 실행의 연대기적 순서를 나타내는 순차적 표기법을 활용하였다.
• 혼합 및 충돌하는 표기법: 많은 학생이 하나의 다이어그램 내에서 계층적 함수 호출과 순차적 관계를 혼용하였다. 이러한 "충돌"은 화살표가 함수 호출과 실행 순서 모두를 나타내는 데 일관성 없이 사용됨으로써 모호함을 야기했다.
• 임시적 요소: 학생들은 "DONE" 대 "NOT DONE"과 같은 명시적인 조건 분기 노드나 입력값을 나타내는 데이터 노드와 같이 명시적으로 가르치지 않은 노드 및 주석을 도입하였다. 이는 그들의 정신 모델이 표준 계층 모델이 포착하지 못한 제어 흐로 및 데이터 의존성을 포함하고 있음을 시사한다.
• 파편화된 표현: 일부 학생은 할당이나 로직을 설명하기 위해 함수 노드 외부에 코드 파편이나 의사코드(pseudocode)를 사용하였는데, 이는 이러한 세부 사항을 순수한 함수 정의로 추상화하는 데 어려움을 겪고 있음을 나타낸다.

2. 분해 및 계획 문제 (RQ2)

분석 결과, 다섯 가지 주요 테마로 그룹화된 16가지의 뚜렷한 문제 범주가 발견되었다:

• 표기법 문제: 가장 두드한 문제는 "충돌하는 표기법"으로, 호환되지 않는 기호(예: 호출과 순차 모두에 화살표 사용)가 사용되어 모순된 해석(예: 재귀 vs 반복)을 초래하였다. 분기 경로에서의 모호한 실행 순서 또한 흔히 나타났다.
• 프로그램 품질 (추상화 및 재사용): 학생들은 빈번하게 기능을 추상화하는 데 실패하여 다음과 같은 결과를 낳았다:
  • 하드코딩된 값: 다이어그램에 특정 단어 길이와 같은 상수를 직접 삽입함.
  • 중복된 기능: 단일 함수를 재사용하는 대신 동일한 작업을 위한 별개의 노드를 여러 개 생성함(예: 추측 유도하기).
  • 열악한 모듈성: 하나의 함수 노드에 너무 많은 관련 없는 책임을 할당함.
• 캡슐화: 많은 다이어그램에서 열악한 캡슐화를 보였다. 예를 들어, 루프가 필요한 단계(예: "사용자 추측 가져오기" 단계)를 포함하지 않거나, 매개변수로 입력을 받는 대신 내부에서 스스로 입력을 생성하는 함수 등이 있었다.
• 명확성: 모호한 언어 사용(예: "패턴이 드러난 것을 결정함"), 무의 의미 없는 함수 이름(예: "Function 1"), 목적이 불분명한 구현 세부 사항 등의 문제가 포함되었다.
• 문제 특화적 오해: 상당수의 다이어그램이 과업의 핵심인 "evil" 메커니즘을 포착하는 데 실패하였다. 학생들은 단일한 숨겨진 단어를 확정하는 것이 아니라 호환되는 단어 집합을 유지하고 업데이트하는 모델을 만들어야 했으나, 단일 단어에 고착되거나 잘못된 기준(예: 옵션을 최소화하는 것이 아니라 최대화하는 것)으로 단어군을 선택하였다.

의의 및 시사점

본 논문은 초보자의 분해가 프로그램 동작에 대한 다중적인 기저 모델에 의해 형성되며, 이로 인해 구조적 추론(계층)과 순차 중심적 추론(실행 순서) 사이의 긴장이 발생한다고 주장한다.

• 교육적 시사점: 연구 결과는 현재의 교육이 구체적인 코드에서 추상적인 계획으로 넘어가는 전이를 충분히 비계 설정(scaffold)하지 못하고 있음을 시사한다. 저자들은 다음과 같이 권고한다:

  • 명시적 표기법 교육: 교육자는 선택한 표기법의 효용과 한계(예: 호출 그래프와 플로우차트의 구분)를 명시적으로 가르쳐 충돌하는 정신 모델을 방지해야 한다.
  • 구조화된 설계 프로세스: 구현 전 계약(contracts), 입력, 출력을 정의하는 구조화된 함수 설계 프로세스를 도입하면 캡슐화와 추상화를 개선할 수 있다.
  • 계획의 평가: 분해는 구현과는 별개의 기술로서 평가되어야 한다. 다이어그램은 계획 기술에 대한 빈번한 피드백을 제공하는 경량화된 메커니즘이 된다.
  • 계획 추적(Plan Tracing): 저자들은 학생들이 코딩 전 단계에서 캡슐화 및 로직 오류를 식별할 수 있도록 돕는 역량으로서 "계획 추적"(다이어그램의 실행을 시뮬레이션하는 것)을 제안한다.

• 이론적 기여: 본 연구는 전통적으로 코드에서 나타나는 오류(예: 낮은 모듈성, 경계 오류)가 자유 형식의 다이어그램에서도 나타남을 보여줌으로써 초보자 계획에 관한 문헌을 확장한다. 이는 그림을 학생들의 노셔널 머신(notional machine)에 대한 정신 모델을 외재화하고 분석하는 아티팩트로 사용하는 것을 지지하며, 초보자들이 프로그램 실행에 대한 모순된 모델을 동시에 보유하고 있음을 밝혀낸다.

저자들은 GenAI 시대에 계획하고 분해하는 능력이 주요 역량이 됨에 따라, 이러한 계획 아티팩트를 이해하는 것이 학생들의 추상화 및 프로그램 추론을 지원하는 교육 전략을 개발하는 데 필수적이라고 결론짓는다.